3.

Solucione el siguiente sistema de ecuaciones utilizando el Mtodo de Jacobi

3x - y - z = 1
-x + 3y + z = 3
2x + y + 4z = 7
Utilizar un < 1%

Matriz A Matriz Xk Matriz B

3 1 1 1
|1 3 1| || = |3|
2 1 4 7

0 = 0 0 = 0 0 = 0 con un error < 1%

INTERACION x y z x1k+1 Y2k+1 Z 3k+1 x Y Z
1 0 0 0 0,333333333 1 1,75 100,00% 100,00% 100,00%
2 0,33333333 1 1,75 1,25 0,5277778 1,3333333 73,33% 89,47% 31,25%
3 1,25 0,5277778 1,3333333 0,9537037 0,9722222 0,9930556 31,07% 45,71% 34,27%
4 0,9537037 0,9722222 0,9930556 0,9884259 0,9868827 1,0300926 3,51% 1,49% 3,60%
5 0,9884259 0,9868827 1,0300926 1,0056584 0,9861111 1,0090664 1,71% 0,08% 2,08%
6 1,0056584 0,9861111 1,0090664 0,9983925 0,9988640 1,000643 0,73% 1,28% 0,84%
7 0,9983925 0,998864 1,000643 0,9998357 0,9992498 1,0010877 0,14% 0,04% 0,04%
8 0,9998357 0,9992498 1,0010877 1,0001125 0,9995826 1,0002697 0,03% 0,03% 0,08%
9 1,0001125 0,9995826 1,0002697 0,9999508 0,9999476 1,0000481 0,02% 0,04% 0,02%
10 0,9999508 0,9999476 1,0000481 0,9999986 0,9999676 1,0000377 0,00% 0,00% 0,00%

En la interaccin 7 se puede observar que se cumple la condicin de un error < 1% dando

como resultado que:

= 0.9998 1

= 0.9992 1

= 1.00 1
Aporte 2

4. Solucione el siguiente ejercicio utilizando los mtodos de eliminacin de Gauss, Gauss-

Jordn, Gauss-Seidel. Compare los resultados y haga un pequeo anlisis.

Solucin por Gauss-Jordn.

Sistema de ecuaciones

0.11 + 72 0.33 = 19.3

31 0.12 0.23 = 7.85

0.31 0.22 103 = 71.4

< 1%

Desarrollamos la matriz ampliada

0,1 7 0,3 19,3

{ 3 0,1 0,2| 7,85 }
0,3 0,2 10 71,4

Solucionar a travs del orden de celdas: 31-21-32-13-23-12

Las ecuaciones internas realizadas en los renglones, para desarrollar la matriz estn
dadas as:

: 3 + (3)1 3

Su matriz queda:

0,1 7 0,3 19,3

{3 0,1 0,2| 7,85 }
0 21,2 9,1 129,3

: 2 + (30)1 2

Su matriz queda:
 0,1 7 0,3 19,3
{ 0 210,1 8,8 | 586,85 }
0 21,2 9,1 129,3

: (210,1)3 + (21,2)2 3

Su matriz queda:

0,1 7 0,3 19,3

{ 0 210,1 8,8 | 586,85 }
0 0 2098,47 14724,71

: (2098,47)1 + (0,3)3 1

Su matriz queda:

209,847 14689,29 0 36083,058

{ 0 210,1 8,8 | 586,85 }
0 0 2098,47 14724,71

: (2098,47)2 + (8,8)3 2

Su matriz queda:

209,847 14689,29 0 36083,058

{ 0 440888,547 0 | 1101909,6715 }
0 0 2098,47 14724,71

: (440888,547)1 + (14689,29)2 1

Su matriz queda:

92519138,922 0 0 277400000
{ 0 440888,547 0 | 1101909,6715 }
0 0 2098,47 14724,71

Las tres ltimas ecuaciones se realizan de manera simultnea as:

: 1 (92519138,922) 1

: 2 (440888,547) 2

: 3 (2098,47) 3
Su matriz queda:

1 0 0 2,9983
{0 1 0| 2,4993 }
0 0 1 7,0169

Utilizando el margen de error que propone el ejercicio, su matriz queda as:

1 0 0 3
{0 1 0 2,5 }
|
0 0 1 7

Podemos entonces ya comprobar los resultados en nuestro sistema de ecuaciones

original, en una de las lneas del mismo.

0,11 + 72 0,33 = 19,3

31 0,12 0,23 = 7,85

0,31 0,22 103 = 71,4

Tomemos entonces la primera lnea

0,11 + 72 0,33 = 19,3

0,1(3) + 7(2,5) 0,3(7) = 19,3

0,3 17,5 2,1 = 19,3

19,3 = 19,3

Para el mtodo de Gauss-Seidel

Tomamos el mismo ejemplo anterior

 0,1 7 0,3 19,3
{ 3 0,1 0,2| 7,85 }
0,3 0,2 10 71,4

Comprobamos la convergencia del sistema.

Un sistema de ecuaciones es convergente si la matriz A es diagonalmente dominante,

esto quiere decir que:

|11 | |12 | + |13 |

|22 | |21 | + |23 |

|33 | |31 | + |32 |

Tenemos entonces que, en nuestra matriz original, la convergencia no existe, por lo cual
procedemos a cambia de orden las ecuaciones, es decir, la posicin de las filas en la
matriz, y as comprobar su convergencia.

3 0,1 0,2 7,85

{0,1 7 0,3| 19,3 }
0,3 0,2 10 71,4

Convertimos nuestra matriz convergente en un sistema de ecuaciones as:

1 = 11 1 +12 2 +13 3 = 1

2 = 21 1 +22 2 +23 3 = 2

3 = 31 1 +32 2 +33 3 = 3

Ahora bien, tenemos que despejar x1 dela ecuacin 1, x2 de la ecuacin 2 y x3 de la

ecuacin 3.

Entonces:
 1 12 2 13 3
1 =
11

2 21 1 23 3
2 =
22

3 31 1 32 2
1 =
33

Tomamos como valores iniciales en 1 = 0 ; 2 = 0 3 = 0

ITERACIONES
I. X1 %EX1 X2 %EX2 X3 %EX3
1 0 0 0
2 2,6166667 100 -2,79452 100 -7,00561 100
3 2,0564752 27,24037 -3,08676 9,46745238 -7,01657 0,15622
4 2,0460032 0,51183 -3,08708 0,01037086 -7,01688 0,00439
5 2,0459721 0,00152 -3,08709 0,00041282 -7,01688 0,00001
6 2,0459716 0,00002 -3,08709 7,2754E-07 -7,01688 0,00000

La anterior iteracin se realiz utilizando una hoja de clculo

.Tomamos los valores que corresponden a un error del 0,001

Tenemos entonces que para la resolucin de nuestro sistema de ecuaciones es:

1 = 2,0459721

2 = 3,08709

3 = 7,01688

Al resolver y comprobar las ecuaciones del sistema tenemos que:

1 31 0,12 0,23 = 7,85

1 3(2,0459721) 0,1(3,08709) 0,2(7,01688) = 7,85

 7,85000141 = 7,85

2 0,11 + 72 0,33 = 19,3

2 0,1(2,0459721) + 7(3,08709) 0,3(7,01688) = 19,3

19,2999998 = 19,3

3 0,31 0,22 103 = 71,4

3 0,3(2,0459721) 0,2(3,08709) 10(7,01688) = 71,4

71,4 = 71,4

A razn de lo anterior, y comparando los dos mtodos, los resultados son muy similares,
con excepcin del -3, ya que en un mtodo es positivo y en el otro negativo, y en el
mtodo de Gauss-Seidel, todas las comprobaciones dan correctas.

5. Determine el Polinomio de Interpolacin de Lagrange para la siguiente tabla:

X 1 3 5 7
Y -2 1 2 -3

Solucin:

Iniciamos calculando los Ln para el polinomio:

( 3)( 5)( 7) ( 3)( 5)( 7)

0 = =
(1 3)(1 5)(1 7) 48

( 1)( 5)( 7) ( 1)( 5)( 7)

1 = =
(3 1)(3 5)(3 7) 16

( 1)( 3)( 7) ( 1)( 3)( 7)

2 = =
(5 1)(5 3)(5 7) 16
 ( 1)( 3)( 5) ( 1)( 3)( 5)
3 = =
(7 1)(7 3)(7 5) 48

Ahora aplicamos la ecuacin de Lagrange:

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

2( 3)( 5)( 7) ( 1)( 5)( 7) 2( 1)( 3)( 7)

() = + +
48 16 16
3( 1)( 3)( 5)
+
48
( 3)( 5)( 7) ( 1)( 5)( 7) ( 1)( 3)( 7)
() = +
24 16 8
( 1)( 3)( 5)

16

()
2( 3)( 5)( 7) + 3( 1)( 5)( 7) 6( 1)( 3)( 7) 3( 1)( 3)( 5)
=
48
()
(2 6)( 2 12 + 35) + (3 3)( 2 12 + 35) ( 2 4 + 3)(6 42) ( 2 4 + 3)(3 15)
=
48
(2 6 + 3 3)( 2 12 + 35) ( 2 4 + 3)(6 42 + 3 15)
() =
48
(5 9)( 2 12 + 35) ( 2 4 + 3)(9 57)
() =
48
()
(5 3 60 2 + 175 9 2 + 108 315) (9 3 36 2 + 27 57 2 + 1368 171)
=
48
(4 3 + 24 2 1112 144)
() =
48
4( 3 + 6 2 278 36)
() =
48
3 + 6 2 278 36
() =
12

6. Determine el Polinomio de Interpolacin usando la Interpolacin de Diferencias

Divididas de Newton, e interpole en el punto x = 5.
 X 7 6 4 2 -4
Y 1430 908 278 40 -242

Solucin:

Comenzamos calculando las diferencias dividas con la siguiente ecuacin:

(1 ) (0 )
[0 , 1 ] =
1 0

908 1430
[0 , 1 ] = = 522
67
278 908
[1 , 2 ] = = 315
46
40 278
[2 , 3 ] = = 119
24
242 40
[3 , 4 ] = = 47
4 2

Punto xn f(xn) f [xn,xn+1]

0 7 1430
1 6 908 522
2 4 278 315
3 2 40 119
4 -4 -242 47

La segunda diferencia la calculamos con esta frmula:

[1 , 2 ] [0 , 1 ]
[0 , 1 , 2 ] =
2 0

315 522
[0 , 1 , 2 ] = = 69
47
119 315
[1 , 2 , 3 ] = = 49
26
47 119
[2 , 3 , 4 ] = =9
4 4
 Punto xn f(xn) f [xn,xn+1] f [xn,xn+1,xn+2]
0 7 1430
1 6 908 522
2 4 278 315 69
3 2 40 119 49
4 -4 -242 47 9

Para la tercera diferencia se aplica la siguiente ecuacin:

[1 , 2 , 3 ] [0 , 1 , 2 ]
[0 , 1 , 2 , 3 ] =
3 0

49 69
[0 , 1 , 2 , 3 ] = =4
27
9 49
[1 , 2 , 3 , 4 ] = =4
4 6

Punto xn f(xn) f [xn,xn+1] f [xn,xn+1,xn+2] f [xn,xn+1,xn+2,xn+3]

0 7 1430
1 6 908 522
2 4 278 315 69
3 2 40 119 49 4
4 -4 -242 47 9 4

La cuarta diferencia se calcula as:

[1 , 2 , 3 , 4 ] [0 , 1 , 2 , 3 ]
[0 , 1 , 2 , 3 , 4 ] =
4 0

44
[0 , 1 , 2 , 3 , 4 ] = =0
40

xn f(xn) f [xn,xn+1] f [xn,xn+1,xn+2] f [xn,xn+1,xn+2,xn+3] f [xn,xn+1,xn+2,xn+3,xn+4]

7 1430
6 908 522
4 278 315 69
2 40 119 49 4
-4 -242 47 9 4 0

Ahora expresamos el polinomio con los valores de las diferencias dividas sobre la lnea
subrayada en la tabla:
 () = 1430 + 522( 7) + 69( 7)( 6) + 4( 7)( 6)( 4)

Ahora, para interpolamos en el punto x=5:

(5) = 1430 + 522(5 7) + 69(5 7)(5 6) + 4(5 7)(5 6)(5 4)

(5) = 1430 1044 + 138 + 8

(5) = 532