MÉTODOS NUMÉRICOS

TAREA 2 - ECUACIONES LINEALES E INTERPOLACIÓN

ELABORADO POR:

ANDRES TORRES

PRESENTADO A:

EDGAR ANDRES VILLABON

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA- UNAD

8 DE ABRIL DEL 2020

BOGOTA D.C.
 INTRODUCCIÓN

Un sistema lineal de ecuaciones no es más que un conjunto de ecuaciones

lineales (es decir, un sistema de ecuaciones en donde cada ecuación es de
primer grado). Los S.E.L sirven para modelar problemas que presentan una serie
de variables, definidas a través de una serie de ecuaciones que relaciona dichas
variables. La solución de estos sistemas se puede realizar a través de distintos
métodos numéricos como lo son: Eliminación gaussiana simple, eliminación
Gauss-Jordan, método Gauss-Seidel, método Jacobi, método S.O.R, etc.

La integración polinomial es una técnica de interpolación de un conjunto de datos

o de una función por un polinomio. Es decir, dado cierto número de puntos
obtenidos por muestreo o a partir de un experimento se pretende encontrar un
polinomio que pase por todos los puntos.

Mediante la presente actividad, se pretende resolver un desafío que requiere

realizar una serie de métodos numéricos para encontrar la solución del S.E.L y,
por otra parte, utilizar las herramientas de la interpolación polinomial para
determinar un valor exacto de una función
Tema 1. Solución de Sistemas de Ecuaciones Lineales (SEL)

Problema 1:

4 x 1 + x 2+ x 3 + x 5=6
x 1+3 x 2+ x3 + x 4 =6
x 1+ x2 +5 x 3−x 4− x5 =6
x 2−x3 + x 4 =6
x1 −x3 + 4 x 5=6

Ejercicio 1:

Determinar si el SEL tiene, o no, solución. ¿Si la tiene, es única? Realice una
breve explicación basándose en la teoría revisada.

Como primer paso, se construye el sistema de ecuaciones lineales bajo el

planteamiento de los datos establecidos para el problema 1, teniendo lo
siguiente:

Las variables son X 1 , X 2 , X 3 , X 4y X 5

4 x 1 + x 2+ x3 +0 x 4 + x 5=6

{ x 1 +3 x2 + x 3 + x 4 +0 x 5=6
x 1+ x 2 +5 x3 −x 4−x 5=6
0 x 1+ x 2−x 3 + x 4 +0 x 5=6
x1 +0 x 2−x 3 +0 x 4 +4 x 5 =6

Las soluciones de un sistema de ecuaciones lineal se pueden clasificar de la

siguiente manera:

1. Sistema compatible: es el que tiene solución. Dependiendo del número de

soluciones puede ser:
 Sistema compatible determinado si tiene una única solución.
 Sistema compatible indeterminado si tiene infinitas soluciones.
2. Sistema incompatible: es el que no tiene solución.

El sistema de ecuaciones de 5x5 muestra que ninguna de las ecuaciones es igual,

por ende, no existen infinitas soluciones y además no existe paralelismo, por
ende, se descarta la opción de que no exista solución. De esta manera se tiene
que dicho sistema presenta una solución.
Se procede a demostrar la solución del sistema de ecuaciones a través del
método de la Matriz inversa.

Un sistema de ecuaciones lineales se puede escribir en forma matricial:

A . X=B
Si       existe, es decir, si       es una matriz cuadrada de determinante no
nulo, entonces podemos multiplicar toda la igualdad anterior por la izquierda por
 , para obtener:

X =A −1 . B

que es la solución del sistema de ecuaciones lineales de matriz de coeficientes

   y matriz de términos independientes     .

Aplicando dicho método se tiene que:

Matriz A

4 1 1 0 1

{1
1
0
1
3 1 1 0
1 5 −1 −1
1 −1 1
0 −1 0
0
4
}
Determinate de A= 45, de esta manera, se tiene que existe la matriz inversa de
A.

Vector X

x1

{}
x2
x3
x4
x5

Vector B

{}
6
6
6
6

Se procede a realizar la matriz inversa de A

Matriz Inversa A
 0,3111 −0,1111 −0,0444 0,0667 −0,0889

{
−0,1111
−0,0444
0,0667
−0,0889
1,1111 −0,5555 −1,6667 −0,1111
−0,5556 0,5778
−1,6667 1,1333
−0,1111 0,1556
1,1333
3,8
0,2667
0,1556
0,2667
0,3111

El sistema de ecuaciones presenta solución y la solución es única:

}
El resultado es:

X 1=0,8

{ }
X 2=−8
X 3 =7,6
X 4 =21,6
X 5 =3,2

1. Resuelva el SEL por cada uno de los esquemas de:

a. Eliminación Gaussiana simple

Se requiere que los términos que se encuentran por debajo de la diagonal

principal de la matriz, sean igual a cero.

Los elementos remarcados con amarillo representan el pivote de cada tabla.

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 1 6
R2 1 3 1 1 0 6
R3 1 1 5 -1 -1 6
R4 0 1 -1 1 0 6
R5 1 0 -1 0 4 6

Pivote= 4

R1*(-1)= -4 -1 -1 0 -1 -6
R2*(4)= 4 12 4 4 0 24
R2 0 11 3 4 -1 18
R1*(-1) -4 -1 -1 0 -1 -6
R3*(4) 4 4 20 -4 -4 24
R3 0 3 19 -4 -5 18

R1*(-0) 0 0 0 0 0 0
R4*(4) 0 4 -4 4 0 24
R4 0 4 -4 4 0 24

R1*(-1) -4 -1 -1 0 -1 -6
R5*(4) 4 0 -4 0 16 24
R5 0 -1 -5 0 15 18

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 1 6
R2 0 11 3 4 -1 18
R3 0 3 19 -4 -5 18
R4 0 4 -4 4 0 24
R5 0 -1 -5 0 15 18

Pivote= 11

R2*(-3)= 0 -33 -9 -12 3 -54

R3*(11)= 0 33 209 -44 -55 198
R3 0 0 200 -56 -52 144

R2*(-4) 0 -44 -12 -16 4 -72

R4*(-11) 0 44 -44 44 0 264
R4 0 0 -56 28 4 192

R2*(-1) 0 11 3 4 -1 18
R5*(11) 0 -11 -55 0 165 198
R5 0 0 -52 4 164 216

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 1 6
R2 0 11 3 4 -1 18
 R3 0 0 200 -56 -52 144
R4 0 0 -56 28 4 192
R5 0 0 -52 4 164 216

Pivote= 200

R3*(56) 0 0 11200 -3136 -2912 8064

R4*(200) 0 0 -11200 5600 800 38400
R4 0 0 0 2464 -2112 46464

R3*(52) 0 0 10400 -2912 -2704 7488

R5*(200) 0 0 -10400 800 32800 43200
R5 0 0 0 -2112 30096 50688

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 1 6
R2 0 11 3 4 -1 18
R3 0 0 200 -56 -52 144
R4 0 0 0 2464 -2112 46464
R5 0 0 0 -2112 30096 50688

Pivote= 2464

R4*(2112) 0 0 0 5203968 -4460544 98131968

-
R5*(2464) 0 0 0 5203968 74156544 124895232
R5 0 0 0 0 69696000 223027200

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 1 6
R2 0 11 3 4 -1 18
R3 0 0 200 -56 -52 144
R4 0 0 0 2464 -2112 46464
R5 0 0 0 0 69696000 223027200
Se procede a determinar el valor de cada una de las variables x1, x2, x3 y x4,
despejando cada una de las ecuaciones como se realiza a continuación:
1 ¿ 4 X 1+1 X 2 +1 X 3 +0 X 4 +1 X 5=6

2 ¿ 0 X 1 +11 X 2 +3 X 3 + 4 X 4 −1 X 5=18

3 ¿ 0 X 1 +0 X 2 +200 X 3 −56 X 4 −52 X 5=144

4 ¿ 0 X 1 +0 X 2 +0 X 3 +2464 X 4 −2112 X 5=46464

5 ¿ 0 X 1 +0 X 2 +0 X 3+ 0 X 4 +69696000 X 5 =223027200

X 5 =3,2

X 4=21,6

X 3 =7,6

X 2 =−8

X 1 =0,8

b. Eliminación de Gauss - Jordan.

Similar al método de Gauss, este difiere únicamente en que se requiere que los
términos que se encuentran por debajo y por encima a la diagonal principal, sean
igual a cero, además que los valores de la diagonal principal deben ser igual a la
unidad.

Se procede a realizar el mismo proceso anterior, pero de manera inversa con los
términos que se encuentran por encima de la diagonal superior.

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 1 6
R2 0 11 3 4 -1 18
R3 0 0 200 -56 -52 144
R4 0 0 0 2464 -2112 46464
R5 0 0 0 0 69696000 223027200

Se divide toda la fila R5 entre 69696000

Variables/Renglon
es x1 x2 x3 x4 x5 T.I.
 R1 4 1 1 0 1 6
R2 0 11 3 4 -1 18
R3 0 0 200 -56 -52 144
R4 0 0 0 2464 -2112 46464
R5 0 0 0 0 1 3,2

Pivote= 1

R5*(2112)= 0 0 0 0 2112 6758,4

R4*(1)= 0 0 0 2464 -2112 46464
R4*(1)= 0 0 0 2464 0 53222,4

R5*(52)= 0 0 0 0 52 166,4
R3*(1)= 0 0 200 -56 -52 144
R3 0 0 200 -56 0 310,4

R5*(1)= 0 0 0 0 1 3,2
R2*(1)= 0 11 3 4 -1 18
R2 0 11 3 4 0 21,2

R5*(-1)= 0 0 0 0 -1 -3,2
R1*(1)= 4 1 1 0 1 6
R1 4 1 1 0 0 2,8

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 0 2,8
R2 0 11 3 4 0 21,2
R3 0 0 200 -56 0 310,4
R4 0 0 0 2464 0 53222,4
R5 0 0 0 0 1 3,2

Se divide toda la fila R4 entre 2464

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 0 2,8
R2 0 11 3 4 0 21,2
R3 0 0 200 -56 0 310,4
R4 0 0 0 1 0 21,6
R5 0 0 0 0 1 3,2

Pivote= 1
 R4*(56)= 0 0 0 56 0 1209,6
R3*(1)= 0 0 200 -56 0 310,4
R3*(1)= 0 0 200 0 0 1520

R4*(-4)= 0 0 0 -4 0 -86,4
R2*(1)= 0 11 3 4 0 21,2
R2 0 11 3 0 0 -65,2

R4*(-0)= 0 0 0 0 0 0
R1*(1)= 4 1 1 0 0 2,8
R1 4 1 1 0 0 2,8

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 0 2,8
R2 0 11 3 0 0 -65,2
R3 0 0 200 0 0 1520
R4 0 0 0 1 0 21,6
R5 0 0 0 0 1 3,2

Se divide toda la fila R3 entre 200

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 1 0 0 2,8
R2 0 11 3 0 0 -65,2
R3 0 0 1 0 0 7,6
R4 0 0 0 1 0 21,6
R5 0 0 0 0 1 3,2

Pivote= 1

R3*(-3)= 0 0 -3 0 0 -22,8
R2*(1)= 0 11 3 0 0 -65,2
R2 0 11 0 0 0 -88

R3*(-1)= 0 0 -1 0 0 -7,6
R1*(1)= 4 1 1 0 0 2,8
R1 4 1 0 0 0 -4,8
 Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 0 0 0 -4,8
R2 0 11 0 0 0 -88
R3 0 0 1 0 0 7,6
R4 0 0 0 1 0 21,6
R5 0 0 0 0 1 3,2

Se divide toda la fila R2 entre 11

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 1 0 0 0 -4,8
R2 0 1 0 0 0 -8
R3 0 0 1 0 0 7,6
R4 0 0 0 1 0 21,6
R5 0 0 0 0 1 3,2

Pivote= 1

R2*(-1)= 0 -1 0 0 0 8
R1*(1)= 4 1 0 0 0 -4,8
R1 4 0 0 0 0 3,2

Variables/Renglone
s x1 x2 x3 x4 x5 T.I.
R1 4 0 0 0 0 3,2
R2 0 1 0 0 0 -8
R3 0 0 1 0 0 7,6
R4 0 0 0 1 0 21,6
R5 0 0 0 0 1 3,2

Se divide toda la fila R1 entre 4

Variables/Renglone x1 x2 x3 x4 x5 T.I.
 s
R1 1 0 0 0 0 0,8
R2 0 1 0 0 0 -8
R3 0 0 1 0 0 7,6
R4 0 0 0 1 0 21,6
R5 0 0 0 0 1 3,2

Al finalizar el método Gauss-Jordan, observar que el resultado del sistema de

ecuaciones es:
X 5 =3,2

X 4=21,6

X 3 =7,6

X 2 =−8

X 1 =0,8

c. Gauss – Seidel

El sistema presenta 5 ecuaciones y 5 incógnitas, de cada ecuación se despeja

únicamente una incógnita como se muestra a continuación:

4 x 1 + x 2+ x3 +0 x 4 + x 5=6

{ x 1 +3 x2 + x 3 + x 4 +0 x 5=6
x 1+ x 2 +5 x3 −x 4−x 5=6
0 x 1+ x 2−x 3 + x 4 +0 x 5=6
x1 +0 x 2−x 3 +0 x 4 +4 x 5 =6

1 ¿ 4 x 1 +1. x 2 +1 x 3 +0 x 4 +1 x5 =6

6−1 x 2−1 x 3−0 x 4−1 x5

x 1=
4

2 ¿ 1 x 1+ 3 x 2 +1 x3 +1 x 4 +0 x 5=6

6−1 x 1−1 x 3−1 x 4 −0 x5

x 2=
3
 3 ¿ 1 x 1 +1 x 2 +5 x 3−1 x 4 −1 x 5 =6

6−1 x 1−1 x2 +1 x 4 +1 x 5
x 3=
5

4 ¿ 0 x1 + x 2−x 3 + x 4 +0 x 5=6

6−0 x 1−1 x 2 +1 x3 −0 x5
x4 =
1

5 ¿ x1 +0 x 2−x 3 +0 x 4 +4 x5 =6

6−1 x 1−0 x 2+ 1 x 3−0 x 4

x 5=
4

Como este método es netamente iterativo, se deben suponer los valores iniciales
con los cuales se iniciará el proceso iterativo, dichos valores son:

x 1=0,2 ; x2 =−7 ; x3 =6 ; x 4=20 ; x 5=2,5

Es necesario destacar que como patrón se consideró suficiente un error

porcentual inferior al 0.01%, mediante la siguiente tabla se expresan los
resultados del método

En la siguiente tabla se ilustran los valores que se determinan por medio de cada
iteración, con el fin de determinar los valores que cumplan con la solución del
S.E.L.

Valores Iniciales Valores Nuevos

Iteraciones X1 X2 X3 X4 x5 X1 X2 X3 X4 x5
1 0,20 -7,00 6,00 20,00 2,50 1,13 -7,04 6,88 19,93 2,94
2 1,13 -7,04 6,88 19,93 2,94 0,80 -7,20 7,05 20,26 3,06
3 0,80 -7,20 7,05 20,26 3,06 0,77 -7,36 7,18 20,54 3,10
4 0,77 -7,36 7,18 20,54 3,10 0,77 -7,50 7,27 20,77 3,13
 5 0,77 -7,50 7,27 20,77 3,13 0,77 -7,61 7,35 20,95 3,14
6 0,77 -7,61 7,35 20,95 3,14 0,78 -7,69 7,40 21,10 3,16
7 0,78 -7,69 7,40 21,10 3,16 0,78 -7,76 7,45 21,21 3,17
8 0,78 -7,76 7,45 21,21 3,17 0,79 -7,81 7,48 21,29 3,17
9 0,79 -7,81 7,48 21,29 3,17 0,79 -7,85 7,51 21,36 3,18
10 0,79 -7,85 7,51 21,36 3,18 0,79 -7,89 7,53 21,41 3,18
11 0,79 -7,89 7,53 21,41 3,18 0,79 -7,91 7,54 21,45 3,19
12 0,79 -7,91 7,54 21,45 3,19 0,80 -7,93 7,56 21,49 3,19
13 0,80 -7,93 7,56 21,49 3,19 0,80 -7,95 7,56 21,51 3,19
14 0,80 -7,95 7,56 21,51 3,19 0,80 -7,96 7,57 21,53 3,19
15 0,80 -7,96 7,57 21,53 3,19 0,80 -7,97 7,58 21,55 3,20
16 0,80 -7,97 7,58 21,55 3,20 0,80 -7,97 7,58 21,56 3,20
17 0,80 -7,97 7,58 21,56 3,20 0,80 -7,98 7,59 21,57 3,20
18 0,80 -7,98 7,59 21,57 3,20 0,80 -7,98 7,59 21,57 3,20
19 0,80 -7,98 7,59 21,57 3,20 0,80 -7,99 7,59 21,58 3,20
20 0,80 -7,99 7,59 21,58 3,20 0,80 -7,99 7,59 21,58 3,20
21 0,80 -7,99 7,59 21,58 3,20 0,80 -7,99 7,60 21,59 3,20
22 0,80 -7,99 7,60 21,59 3,20 0,80 -7,99 7,60 21,59 3,20
23 0,80 -7,99 7,60 21,59 3,20 0,80 -8,00 7,60 21,59 3,20
24 0,80 -8,00 7,60 21,59 3,20 0,80 -8,00 7,60 21,59 3,20

Los errores se ilustran en la siguiente tabla, pudiendo observar que el resultado

encaja con el error considerado.

Error Porcentual %
Iteraciones X1 X2 X3 X4 x5
1 100% 100% 100% 100% 100%
2 40% 2% 2% 2% 4%
3 4% 2% 2% 1% 1%
4 0,4% 2% 1% 1% 1%
5 0,6% 1% 1% 1% 1%
6 0,7% 1% 1% 1% 0,4%
7 0,6% 1% 1% 1% 0,3%
8 0,4% 1% 0,5% 0,4% 0,2%
9 0,3% 1% 0,4% 0,3% 0,2%
10 0,3% 0,4% 0,3% 0,2% 0,1%
11 0,2% 0,3% 0,2% 0,2% 0,1%
12 0,2% 0,2% 0,2% 0,1% 0,1%
13 0,1% 0,2% 0,1% 0,1% 0,1%
14 0,1% 0,1% 0,1% 0,1% 0,1%
15 0,1% 0,1% 0,1% 0,1% 0,04%
16 0,1% 0,1% 0,1% 0,1% 0,03%
17 0,05% 0,1% 0,05% 0,04% 0,03%
18 0,04% 0,1% 0,04% 0,03% 0,02%
19 0,03% 0,04% 0,03% 0,03% 0,02%
 20 0,02% 0,03% 0,02% 0,02% 0,01%
21 0,02% 0,03% 0,02% 0,02% 0,01%
22 0,01% 0,02% 0,01% 0,01% 0,01%
23 0,01% 0,02% 0,01% 0,01% 0,01%
24 0,01% 0,01% 0,01% 0,01% 0,005%

Mediante las gráficas se puede observar de una manera más clara, el

comportamiento o la convergencia del problema en función de número de
iteraciones. Se realizó una gráfica para cada variable como se ilustra a
continuación:

Error Porcentual % (X1) Vs Nro de Iteraciones

120%
100%
80%
60%
40%
20%
0%
0 5 10 15 20 25 30

Error Porcentual % (X2) Vs Nro de Iteraciones

120%
100%
80%
60%
40%
20%
0%
0 5 10 15 20 25 30

Error Porcentual % (X3) Vs Nro de Iteraciones

120%

100%

80%

60%

40%

20%

0%
0 5 10 15 20 25 30
 Error Porcentual % (X4) Vs Nro de Iteraciones
120%

100%

80%

60%

40%

20%

0%
0 5 10 15 20 25 30

Error Porcentual % (X5) Vs Nro de Iteraciones

120%

100%

80%

60%

40%

20%

0%
0 5 10 15 20 25 30

d. Jacobi

4 x 1 + x 2+ x3 +0 x 4 + x 5=6

{ x 1 +3 x2 + x 3 + x 4 +0 x 5=6
x 1+ x 2 +5 x3 −x 4−x 5=6
0 x 1+ x 2−x 3 + x 4 +0 x 5=6
x1 +0 x 2−x 3 +0 x 4 +4 x 5 =6

1 ¿ 4 x 1 +1. x 2 +1 x 3 +0 x 4 +1 x5 =6

6−1 x 2−1 x 3−0 x 4−1 x5

x 1=
4
 2 ¿ 1 x 1+ 3 x 2 +1 x3 +1 x 4 +0 x 5=6

6−1 x 1−1 x 3−1 x 4 −0 x5

x 2=
3

3 ¿ 1 x 1 +1 x 2 +5 x 3−1 x 4 −1 x 5 =6

6−1 x 1−1 x2 +1 x 4 +1 x 5
x 3=
5

4 ¿ 0 x1 + x 2−x 3 + x 4 +0 x 5=6

6−0 x 1−1 x 2 +1 x3 −0 x5
x4 =
1

5 ¿ x1 +0 x 2−x 3 +0 x 4 +4 x5 =6

6−1 x 1−0 x 2+ 1 x 3−0 x 4

x 5=
4

Como este método es netamente iterativo, se deben suponer los valores iniciales
con los cuales se iniciará el proceso iterativo, dichos valores son:

x 1=0,2 ; x2 =−7 ; x3 =6 ; x 4=20 ; x 5=2,5

Es necesario destacar que como patrón se consideró suficiente un error

porcentual inferior al 0.1%, mediante la siguiente tabla se expresan los
resultados del método

En la siguiente tabla se ilustran los valores que se determinan por medio de cada
iteración, con el fin de determinar los valores que cumplan con la solución del
S.E.L.
 Valores Iniciales Valores Nuevos
Iteracione
s X1 X2 X3 X4 x5 X1 X2 X3 X4 x5
1 0,20 -7,00 6,00 20,00 2,50 1,13 -6,73 7,06 19,00 2,95
2 1,13 -6,73 7,06 19,00 2,95 0,68 -7,06 6,71 19,79 2,98
3 0,68 -7,06 6,71 19,79 2,98 0,84 -7,06 7,03 19,77 3,01
4 0,84 -7,06 7,03 19,77 3,01 0,76 -7,22 7,00 20,09 3,05
5 0,76 -7,22 7,00 20,09 3,05 0,79 -7,28 7,12 20,22 3,06
6 0,79 -7,28 7,12 20,22 3,06 0,78 -7,38 7,15 20,40 3,08
7 0,78 -7,38 7,15 20,40 3,08 0,79 -7,44 7,22 20,53 3,09
8 0,79 -7,44 7,22 20,53 3,09 0,78 -7,51 7,26 20,66 3,11
9 0,78 -7,51 7,26 20,66 3,11 0,79 -7,57 7,30 20,77 3,12
10 0,79 -7,57 7,30 20,77 3,12 0,79 -7,62 7,33 20,87 3,13
11 0,79 -7,62 7,33 20,87 3,13 0,79 -7,66 7,37 20,95 3,14
12 0,79 -7,66 7,37 20,95 3,14 0,79 -7,70 7,39 21,03 3,14
13 0,79 -7,70 7,39 21,03 3,14 0,79 -7,74 7,42 21,09 3,15
14 0,79 -7,74 7,42 21,09 3,15 0,79 -7,77 7,44 21,15 3,16
15 0,79 -7,77 7,44 21,15 3,16 0,79 -7,79 7,46 21,21 3,16
16 0,79 -7,79 7,46 21,21 3,16 0,79 -7,82 7,47 21,25 3,17
17 0,79 -7,82 7,47 21,25 3,17 0,79 -7,84 7,49 21,29 3,17
18 0,79 -7,84 7,49 21,29 3,17 0,80 -7,86 7,50 21,33 3,17
19 0,80 -7,86 7,50 21,33 3,17 0,80 -7,87 7,51 21,36 3,18
20 0,80 -7,87 7,51 21,36 3,18 0,80 -7,89 7,52 21,39 3,18
21 0,80 -7,89 7,52 21,39 3,18 0,80 -7,90 7,53 21,41 3,18
22 0,80 -7,90 7,53 21,41 3,18 0,80 -7,91 7,54 21,43 3,18
23 0,80 -7,91 7,54 21,43 3,18 0,80 -7,92 7,55 21,45 3,19
24 0,80 -7,92 7,55 21,45 3,19 0,80 -7,93 7,55 21,47 3,19

Los errores se ilustran en la siguiente tabla, pudiendo observar que el resultado

encaja con el error considerado.
 Error Porcentual %
Iteraciones X1 X2 X3 X4 x5
1 100% 100% 100% 100% 100%
2 65% 5% 5% 4% 1%
3 19% 0% 5% 0% 1%
4 11% 2% 0% 2% 1%
5 5% 1% 2% 1% 0%
6 2% 1% 0% 1% 0,7%
7 1% 1% 1% 1% 0,4%
8 0,3% 1% 0,5% 0,6% 0,4%
9 0,4% 1% 0,6% 0,5% 0,3%
10 0,1% 0,7% 0,5% 0,5% 0,3%
11 0,2% 0,6% 0,4% 0,4% 0,3%
12 0,1% 0,5% 0,4% 0,4% 0,2%
13 0,1% 0,5% 0,3% 0,3% 0,2%
14 0,1% 0,4% 0,3% 0,3% 0,2%
15 0,1% 0,3% 0,3% 0,2% 0,2%
16 0,1% 0,3% 0,2% 0,2% 0,1%
17 0,09% 0,3% 0,20% 0,19% 0,1%
18 0,08% 0,2% 0,17% 0,17% 0,1%
19 0,07% 0,2% 0,15% 0,15% 0,1%
20 0,06% 0,2% 0,14% 0,13% 0,09%
21 0,05% 0,2% 0,12% 0,12% 0,08%
22 0,05% 0,1% 0,11% 0,10% 0,07%
23 0,04% 0,1% 0,09% 0,09% 0,06%
24 0,04% 0,1% 0,08% 0,08% 0,05%

Mediante las gráficas se puede observar de una manera más clara, el

comportamiento o la convergencia del problema en función de número de
iteraciones. Se realizó una gráfica para cada variable como se ilustra a
continuación:
 Error Porcentual % (X1) Vs Nro de
120% Iteraciones
100%

80%

60%

40%

20%

0%
0 5 10 15 20 25 30

Error Porcentual % (X2) Vs Nro de Iteraciones

120%

100%

80%

60%

40%

20%

0%
0 5 10 15 20 25 30

Error Porcentual % (X3) Vs Nro de Iteraciones

120%

100%

80%

60%

40%

20%

0%
0 5 10 15 20 25 30
 Error Porcentual % (X4) Vs Nro de Iteraciones

120%

100%

80%

60%

40%

20%

0%
0 5 10 15 20 25 30

Error Porcentual % (X5) Vs Nro de Iteraciones

120%

100%

80%

60%

40%

20%

0%
0 5 10 15 20 25 30

e. S.O.R.

El método S.O.R es similar al método de Gauss-Seidel, sólo que en este método

se añade un paso más en donde entra en juego un factor denominado “factor de
convergencia” denotado comúnmente por la letra lambda. Dicho valor permite o
facilita que la solución converja con mayor velocidad

El factor de convergencia se encuentra dentro del rango 0-2 y el valor nuevo o

modificado a considerar en la iteración es:

λ=0,9
 6∗λ−1 x 2∗λ−1 x 3∗λ−0 x 4∗λ−1 x 5∗λ+ ( 1− λ )∗4∗x 1
x 1=
4
6 λ−1 x 1 λ−1 x3 λ−1 x 4 λ−0 x 5 λ + ( 1−λ )∗3∗x2
x 2=
3
6 λ−1 x 1 λ−1 x 2 λ+1 x 4 λ+1 x5 λ+ (1−λ )∗5∗x 3
x 3=
5
6 λ−0 x 1 λ−1 x2 λ+1 x 3 λ−0 x 5 λ + ( 1−λ )∗1∗x 4
x4 =
1
6 λ−1 x 1 λ−0 x 2 λ +1 x 3 λ−0 x 4 λ + ( 1−λ )∗4∗x 5
x 5=
4
Por medio de lo mencionado anteriormente, se procede a realizar el
procedimiento similar que al método Gauss-Seidel pero considerando el factor de
convergencia.

Es necesario destacar que como patrón se consideró suficiente un error

porcentual inferior al 0.01%, mediante la siguiente tabla se expresan los
resultados del método

Los valores modificados se anexan en la siguiente tabla

Valores Iniciales
Iteraciones X1 X2 X3 X4 x5
1 0,20 -7,00 6,00 20,00 2,50
2 1,03 -7,01 6,81 19,83 2,90
3 0,85 -7,15 6,99 20,10 3,02
4 0,79 -7,28 7,11 20,36 3,07
5 0,78 -7,40 7,20 20,58 3,10
6 0,77 -7,51 7,27 20,76 3,12
7 0,78 -7,59 7,33 20,91 3,14
8 0,78 -7,67 7,38 21,03 3,15
9 0,78 -7,73 7,42 21,14 3,16
10 0,79 -7,78 7,45 21,22 3,17
11 0,79 -7,82 7,48 21,29 3,17
12 0,79 -7,85 7,50 21,34 3,18
13 0,79 -7,88 7,52 21,39 3,18
14 0,79 -7,90 7,53 21,43 3,18
15 0,79 -7,92 7,55 21,46 3,19
16 0,80 -7,93 7,56 21,48 3,19
17 0,80 -7,94 7,56 21,51 3,19
18 0,80 -7,95 7,57 21,52 3,19
19 0,80 -7,96 7,58 21,54 3,19
 Valores Nuevos
X1 X2 X3 X4 x5
1,03 -7,01 6,81 19,83 2,90
0,85 -7,15 6,99 20,10 3,02
0,79 -7,28 7,11 20,36 3,07
0,78 -7,40 7,20 20,58 3,10
0,77 -7,51 7,27 20,76 3,12
0,78 -7,59 7,33 20,91 3,14
0,78 -7,67 7,38 21,03 3,15
0,78 -7,73 7,42 21,14 3,16
0,79 -7,78 7,45 21,22 3,17
0,79 -7,82 7,48 21,29 3,17
0,79 -7,85 7,50 21,34 3,18
0,79 -7,88 7,52 21,39 3,18
0,79 -7,90 7,53 21,43 3,18
0,79 -7,92 7,55 21,46 3,19
0,80 -7,93 7,56 21,48 3,19
0,80 -7,94 7,56 21,51 3,19
0,80 -7,95 7,57 21,52 3,19
0,80 -7,96 7,58 21,54 3,19
0,80 -7,97 7,58 21,55 3,20

Los errores se ilustran en la siguiente tabla, pudiendo observar que el

resultado encaja con el error considerado.
 Error Porcentual %
Iteraciones X1 X2 X3 X4 x5
1 100% 100% 100% 100% 100%
2 22% 2% 3% 1% 4%
3 7% 2% 2% 1% 2%
4 2,0% 2% 1% 1% 1%
5 0,2% 1% 1% 1% 1%
6 0,3% 1% 1% 1% 0,5%
7 0,4% 1% 1% 1% 0,4%
8 0,4% 1% 0,5% 0,5% 0,3%
9 0,4% 1% 0,4% 0,4% 0,2%
10 0,3% 0,5% 0,4% 0,3% 0,2%
11 0,3% 0,4% 0,3% 0,3% 0,2%
12 0,2% 0,3% 0,2% 0,2% 0,1%
13 0,2% 0,3% 0,2% 0,2% 0,1%
14 0,1% 0,2% 0,2% 0,1% 0,1%
15 0,1% 0,2% 0,1% 0,1% 0,07%
16 0,1% 0,2% 0,1% 0,1% 0,06%
17 0,08% 0,1% 0,09% 0,08% 0,05%
18 0,06% 0,1% 0,07% 0,06% 0,04%
19 0,05% 0,08% 0,06% 0,05% 0,03%

Mediante las gráficas se puede observar de una manera más clara, el

comportamiento o la convergencia del problema en función de número de
iteraciones. Se realizó una gráfica para cada variable como se ilustra a
continuación:

Error Porcentual % (X1) Vs Nro de Iteraciones

120%

100%

80%

60%

40%

20%

0%
0 2 4 6 8 10 12 14 16 18 20
 Error Porcentual % (X2) Vs Nro de Iteraciones
120%

100%

80%

60%

40%

20%

0%
0 2 4 6 8 10 12 14 16 18 20

Error Porcentual % (X3) Vs Nro de Iteraciones

120%
100%
80%
60%
40%
20%
0%
0 2 4 6 8 10 12 14 16 18 20

Error Porcentual % (X4) Vs Nro de Iteraciones

120%
100%
80%
60%
40%
20%
0%
0 2 4 6 8 10 12 14 16 18 20

Error Porcentual % (X5) Vs Nro de Iteraciones

120%
100%
80%
60%
40%
20%
0%
0 2 4 6 8 10 12 14 16 18 20
¿Cuál considera que es el mejor método para este SEL en particular?

¿por qué?

Para este caso en particular, se recomienda utilizar el método de eliminación

gaussiana simple y el método de Gauss Jordan, ya que la matriz se trabaja de
manera sencilla consideran que la cantidad de factores que hay que considerar
por ecuación es bastante baja, simplificando la metodología que exigen los
métodos mencionados.

Tema 2. Interpolación Numérica

Newton y Lagrange son métodos de interpolación polinómica, los cuales son

útiles para casos donde se requieran pocos puntos para interpolar, puesto que el
número de puntos es proporcional al grado del polinomio. Ambos permiten la
creación de un polinomio de grado n-1, donde n es el número de datos que se
tienen. Ambos métodos asumen que no existe ruido en sus mediciones de datos,
es decir, que el polinomio generado por el método pasara por todas las
coordenadas insertadas al método.

El propósito de ambos métodos es poder generar una función para la cual se

puedan introducir todos los datos originales y obtener 0 error, pues la curva se
va modelando punto a punto. Al obtener una función, se puede crear
aproximaciones y estimaciones.

(En nuestros métodos, no proporcionamos al usuario la función, solamente el

valor f(x) para la x deseada)

El método de Newton utiliza la fórmula de polinomios de Newton:

P(x)=f (x 0) + [ y 0 , y 1 ] ( x−x 0 ) +…+ [ y 0 , … , y k ] ( x−x 0 ) ( x−x 1 ) … ( x−x k−1 )

Donde las “y” entre corchetes se refieren al cálculo de diferencias dividas, el cual
es un algoritmo usado para computar tablas de funciones logarítmicas y
trigonométricas, usando división recursiva.

El método de Lagrange obtiene una misma función, pero elimina por completo la
necesidad de usar diferencias divididas:
k
f ( x)=∑ y j l j ( x )
j=0

Donde
❑
x−x i ( x−x 0 ) ( x−x 1) … ( x−x j−1 )( x −x j+1 ) … ( x−x n )
f ( x)=l j ( x )=∏ =¿ ¿
i≠j x j −xi ( x j−x 0 ) ( x j −x1 ) … ( x j −x j−1 )( x j−x j +1 ) … ( x j−x n )
Los polinomios de Lagrange son más fáciles de computar, pues elimina la
necesidad de recurrir a métodos de recursión.

Problema 1

La distancia requerida para que un carro se detenga completamente es función

de la velocidad a la que se desplaza. Los siguientes datos experimentales fueron
recogidos para cuantificar esa relación

Velocidad (Km/h) 15 20 25 30 40 50
x (m) 16 20 34 40 60 90

Estime la distancia necesaria para parar el carro que se desplaza a una velocidad
de 45 km/h utilizando los métodos solicitados en el Ejercicio 1 de este tema por
medio de un polinomio de interpolación de grado adecuado.

Ejercicio 1:

Realice los cálculos solicitados por cada uno de los siguientes métodos:

 Interpolación de Lagrange

Se realizará la estimación de la distancia necesaria para parar el carro que se

desplaza a una velocidad de 45 km/h, por medio de la Interpolación de Lagrange
considerándola de Grado 2, ya que podría considerar que el punto de interés se
encuentra encerrado en ese intervalo.

Polinomio de Interpolación:

( X −X 1 ) ( X −X 2 ) ( X −X 0 ) ( X−X 2) ( X −X 0 ) ( X −X 1 )
P ( X )= f ( X 0) + f ( X 1)+ f ( X2)
( X 0−X 1 ) ( X 0−X 2 ) ( X 1−X 0 ) ( X 1−X 2 ) ( X 2−X 0 ) ( X 2−X 1 )

Valores:
km
X =45
h
km
X 0=30 ; f ( X 0 ) =40 m
h
km
X 1 =40 ; f ( X 1) =60 m
h
km
X 2 =50 ; f ( X 2 ) =90 m
h
Al sustituirlos, se tiene que:
 P ( X )=0.05 X 2−1.5 X + 40 Polinomio de Interpolación

P( 45 m)=73.75 m
A 73.75 metros aproximadamente, el carro debería detenerse si se encuentra a
una velocidad de 45 km/h.

 Interpolación de Diferencias Divididas de Newton

0
X Y 1
30 40 2 2
40 60 3 0,05 3
50 90

Primera diferencia dividida

60−40
f ( x 0 , x1 ) = =2
40−30
90−60
f ( x1 , x2 )= =3
50−40

Segunda diferencia dividida

3−(2)
f ( x 0 , x1 , x2 ) = =0.05
50−(30)

Polinomio de Interpolación:

P ( X )=40+2∗ ( X−30 )+ 0,05∗( X−40 )

P(X)=2.05X-18 Polinomio de Interpolación

X=45 m

P ( 45 m )=70.25 m

 Polinomio de interpolación de Diferencias Finitas de Newton

Antes de iniciar el método se determina el valor del espaciamiento para asegurar

si su valor es constante, ya que de lo contrario el método no se podría aplicar.

X (m) f(x) (Km/h)

30 40
40 60
50 90
Para el intervalo seleccionado se tiene que el espaciamiento es constante y que
es igual a 10.

h=10

X Y Δ y0 Δ^2y0
30 40
40 60 20
50 90 30 10
Valor X a
determinar 45

Se determinan los factores necesarios para realizar el polinomio de interpolación.

x0= 30 k= 1,5
y0= 40 xk= 45
Δ y0 20 H 10
Δ^1y0 10

x k =45

x k −x 0
k= =1.5
h

El polinomio de interpolación es:

k ( k−1)
P(x)=f (xo) + ∆1 y 0 k + ∆2 y 0
2!

k (k −1)
P(x)=40+20 k +10 Polinomio de Interpolación
2!
x −30
Recordando que k =
10
P ( 45 m )=¿73.75

Por medio de los métodos utilizados se tiene los siguientes puntos:

Los métodos tienen similitudes porque presentan una relación muy cercana, es
decir, sí se compara la interpolación por diferencias divididas de newton con la
interpolación de lagrange, se observa que ambos métodos son similares, y el
caso está en que el polinomio de interpolación de lagrange, es el mismo sólo que
no es necesario determinar las diferencias dividadas que en el otro método exige
o amerita.

CONCLUSIÓN

Se pudo observar que, a través de los métodos numéricos realizados para

resolver el S.E.L. Los métodos de eliminación Gaussiana simple y el método de
Gauss Jordan, permiten obtener la solución del problema de manera óptima.
Aunque cada método tiene su metodología que puede ser un poco larga, se
podría recomendar utilizar alguno de los métodos mencionados para resolver el
problema 1.

Con respecto a la interpolación polinomial, se puede concluir que, para los 3

métodos realizados, se observa que el polinomio de lagrande y el método de las
diferencias divididas de Newton dan resultados aproximadamente cercanos, para
el método de diferencias finitas de Newton, el resultado si se aleja en
comparación a los otros 2 métodos
 REFERENCIAS

 Nieves, H. A. (2014). Métodos numéricos: aplicados a la ingeniería:

aplicados a la ingeniería. México, D.F., MX: Larousse - Grupo Editorial
Patria. Pág. 183 – 190.
 Arévalo, O. D., Bernal, Y. M. Á., & Posada, R. J. A. (2017). Matemáticas
para ingeniería: métodos numéricos con python. Pág. 33 – 40.

 Nieves, H. A. (2014). Métodos numéricos: aplicados a la ingeniería:

aplicados a la ingeniería. México, D.F., MX: Larousse - Grupo Editorial
Patria. Pág. 190 – 200.
 Arévalo, O. D., Bernal, Y. M. Á., & Posada, R. J. A. (2017). Matemáticas
para ingeniería: métodos numéricos con python. Pág. 40 – 55.