ee. 2 cu i Analisis numéricoContenido 1 Preliminares matematicos 1 LI Repase de cileulo 2 1.2 Brrores de redondes y aritmética de ana computadora 18 2 Soluciones de ecuaciones de una variable 47 2.1 El métoda de bisecciéa 48 2.2 heracidn de panto fijo 55 23° El método de Newton 66 2.4 Andlisis de error para los. iméindos iterativas 78 2.5 Convergencia scelerada 86 2.6 Ceros de polinomlos y el miétodo de Miller 91 2.7 Uns visidn general de métodos y de software 101 3 Interpolaci6n y aproximacién polinomial 104 3.1 Interpolacién y polinomio de Lagrange 107 3.2 Diferencias dividides 122 3.3 Unterpolacién de Hermite 133 3.4 Interpolacisn de trazadores edbices M1 3.5 Curvas parumétricas 156 3.6 Rekefta de métodos y de software 163Conterida 4 Diferenciacion e integracién numéricas 166 41 Diferenciacién numérica 167 4.2. Extrapolacidn de Richandson 178 43 Elementos de In imegracién numérica 186 44 Iniegracidn numérica compuesia 1% 45° Iniegracidin de Romberg 207 4.6 Métodos adaptativos de ctiadratira 213 4.7 Cuadrarura gavssiana 220 48 Integrates miltiples 227 4.9 Integrates impmpias 241 4.10 Reseda de métodos y software 247 5 Problemas de valor inicial para ecuaciones diferenciales ordinarias 249 5.1 Teoria elemental de Jos problemas de valor inicial 251 5.2 Métado de Euler 256 5.3. Métexdos de Taylor de orden superar 266 SA Métodos de Runge-Kutta 272 5.5 Control del crrory cl métode de Runge-Kutta-Fehibery 282 3.6 Métodos multipasos 289 5.7 Métodos maltipasos con tamafio variable de pase 301 5.8 Métodas de extrapolaciéa 07 5.9 Ecuaciones de orden superior y sisternas de ecusctones diferenciales 313 5.10 Estabilidad 324 5.1] Eeuactones diferenciales rigidas 334 5.12 Resefiade métodos y de software 42 6 — Métodos directos para resolver sistemas lineales 344 6.1 Sistemas de ecuaciones Fineales 45 6.2 Estratngins de pivoteo 359 6.3 Algebra tineal e inversas de matrices 370 64 Determinante de une matrix 383 6.5 FuctorizaciGn de matrices 388 6.6 Tipos especiales de matrices 98 6.7 Reseba de métoxtos y de software 413Contenide vii 7 — Métodos iterativos en el algebra matricial 417 71 Nonmas de vweetores y de matrices 418. 7.2. Vectones y valores earacterfsticas 430) 7.3. Métoxos iterativos para revolver sistemas lineales 437 74 Estimaciones de error y refinamiento iterative 454 7.5 El método del gradients conjugada 465 7.6 Resefia de métodos y de software 481 8 Teoria de la aproximaci6n 483 BI Aprximacidm discreta por minimps euadrados 484 82 Polinontios ortogonales y aproximacidn por minimos cuadrados 495 83 Polinomios de Chebyshev y economizacidn de las series de patencias $07 84) Aproximacién mediante la funcién racional S17 85 Aproximacién polinomial trigonométrien 529 86 Transformadas ripidas de Fourier $37 8.7 Resefta de métodos y de programas de computo 348 9 Aproximacion de los valores caracteristicos 550 9.1 Algebra lineal y valores caractertsticos 551 92 Métoxo de la potencia 560 93 Método de Houscholder 577 94 Algoritmo QR 585 9S Reseiia de métodos y programas de cdimputo $97 10 soluciones numéricas de sistemas de ecuaciones no lineales 600 104 Puntos fijos para funciones de varias variables 602 10.2 Métode de Newton 611 103 Métodos cuasi-Newton 620 104 Métoiios del descenso mas ripide 628 10.5 Métoiios de homotopia y de continuscidn 635 10.6 Resefia de-métadas y de programas de cmputo 643viii Contenido 11 Probiemas con valor en la frontera para ecuaciones diferenciales ordinarias 645 TL El método del dieparo lineal 646 11.2 El método del disparn para problemas wo lineales 653 11.3 Métodos de diferencias fnitas para los problemas lineales 660 Lid Métdis de diferencias finitas para peobleenas no Kneales 667 115 El métoda de Raybeigh-Rite 672 11.6 Reseda de méteddos y de programas de eémpulo 688 12 Soluciones numéricas para las ecuaciones diferenciales parciales 691 12.1 Beuaciooes difereaciales parciales elipticas 694 Eeusciones diferenciales parclales parubdticas 70H Ecuaciones difereniales parciales hipertsiticas 718 24 ‘Una introdvecitin al método-de elementos finitos 726 125° Resefia de métodos y de programas de ecmputo 741 Bibliografia 743 Respuestas a ejercicios seleccionados 753 indice 831Prefacio LS Acerca del texto Hemos claborado este material para una serie de cursos acerca de la teoria y aplicacidn de las téenicas de aproximacién numérica. Esti disefiado sobre toda para estudiantes orienta- dos a las matemdticas, Ciencias ¢ ingenieria que han conchiido se curso de calculo en Hi- cenciatura. Sera de utilidad cstar familiarizado con los fundamentos del dlgebra de matrices y las ecuaciones diferenciales, aunque en el texto presentamos un material introductoria adecuado para estas temas, de modo que estos cursos no Son premrequisitos Las ediciones anteriores de Andlisis numérico s¢ utitizan en situaciones muy variadas, En algunos casos, se enfatizé el anilisis matemitico en que se basa el desarrollo de Ine técnicas de aproximacidn y ne les propios métodos, en otros, ef éofasis fue a la inversa. Asimismo, el libro se utiliza como referencia bésica para cursos inticiales posteriores a la licenciatura en programas de ingenicria y ciencias de la computacidn; como base para un examen de actuaria en métodas numéricos, donde es comin ef estudio autodidacta; y en cursos de andlist oduciorio impartidos en universidades internacionales. Hemos tata- do de adaptar e! libro’ a estos usuarios tan diversos sin comprometer nuestra propésito ori- ginal: Ofrecer wna introduceién a las técnicas madernas de aproximacién: explicar edmo, por qué y cucndo se espera que funcionen: y proporcionar una base firme para el es- hidio posterior del anuilisis numérica y ef computa ctentifico. El libro contiene suficiente material para un aio completo de estudio, aunque tal ver Jos lectores lo utilicen sélo para un curso de on semestre, En est lapso, los estudiames aprenden a identificar qué problemas requieren métodos numéricas para su solucide y ven ejemplos de la propagacion (0 difusion) del error que puede ocurrie al aplicarlos. Ademés, Feconocen cémo aproximar con precisiéa las sotuciones de problemas que no se pueden resolver con exactitud y aprenden técnicas de estimacién de cotas {o imites) del error en las aproximaciones. El resto del tcxto sirve como referencia para métodos. mo considcrados eel curso. El tratamiento de un afio.o un semestre ex comsixtente con lox propésitos del texto, Casi todos los conceptos del texto se ilustran mediante ejemplos; esta edicidn contie- ne mas de 2.000 ejercicios probados en clase que abarcan desde aplicaciones clementalesx Prefacio de los métodos y los algoritmos hasta generalizaciones y extensiones de la teoria. Ademés, Jos conjuntos de ejercicios incluyen muchos problemas de eplicacién de diversas direas de la ingenieria, asi como de las ciencias fisicas, de la computacién, biolégicas y sociales. Las aplicaciones elegidas demuestran en forma concisa o6mo se pueden aplicar los métodos numéricos en situaciones reales. Existen varios paquetes de software para realizar calculos matemiticos simbsilicos, De sto, predominan en el medio académico Derive, Maple y Mathematica, Las versiones ¢s- colares de estos paquetes estin disponibles a precios razonables y funcionan en la mayo- ria de las computadoras. Aunque cxisten diferencias importantes entre los paquetes, tanto ‘en desempefio como en precio, todos pueden realizar operaciones comunes de calculo y figebra, El hecho de contar con un paquete para el cdlculo simbdlico puede ser muy dtl en el estudio de las técnicas de aproximacisn, Los resultados de la mayor parte de nuesiros ejemplos y ejercicios se generaron a partir de problemas para los que pueden determinar- se los valores exactos, pues esto permite examinar el desempetio del método de aproxima- cién. A menudo, las soluciones exactas se pueden obtener con relativa facitidad mediante calculo simbélico, Ademés, para muchas tenicas muméricas, el anilisis del error exige acotar una derivada ordinaria o parcial de orden superior de una funciGn, lo cual puede ser uma tarea tediosa y poco instructiva cuando se dominan las técnicas del cileulo. Las deri- vadas se pueden obtener ripidamenie en forma simbélica y un poco de ingenio permite que un cdlculo simbdlico ayude también en el proceso de acotacién Se cligié a Maple como paquete estindar debide al uso generalizado, pero Derive 0 Mathematica se pueden sustituir con s6lo ligeras modificaciones, También, se agregaron ejemplos y ejercicios donde se tiene la impresiGn que un sistema de élgebra por computs- dora podria traer beneficios significativos y se analizaron los métodes de aproximacién que usa Maple cuando no ¢s posible resolver un problema de manera exacia. Samael Novedades en esta edicién La séptima edicién incluye dos nuevas secciones importantes. El método del gradiente conjugado precondicionado se agregé al capitulo 7 para proporcionar un tratamiento més complete de la solucién numérica de los sistemas de ecuaciones lineales. Se presenta co ‘mo una técnica de aproximacién itcrativa para resolver sistemas lineales positivos defini dos. De esta forma, es particularmente dtil para aproximar la solucién de sistemas dispersos. de gran tamatio. En el capitulo 10 se afiadié una seccién sobre métodos de homotopia y continuacién. Estos proporcionan una (éenica muy distinta, que en fechas recientes ha llamado mucho la atenciém, para aproximar las soluciones de sistemas de ecuaciones no lineales. ‘También se afiaden en todo el libro grandes listados de cédigo Maple, pues los revie sores consideraron titi} esta caracteristica en la sexta ediciGn. Hemos actualizado todo el cOdigo Maple a la versién 6, que es 1a mis reciente, Las personas farniliarizadas con nues- teas ediciones anteriores verdn que casi todas las paginas mejoraron de alguna manera, Se actualizaron y revisaron las referencias y se han agregado nuevos ejercicios. Esperamos que todos estos cambios le parezean benéficos para la ensefunza y el estudio del andlisis, numérico; la mayor parte de ellos han sido motivados por cambios en la presentacién del material a nuestros propios estudiantesPrefacio Pil ‘ira modificacivin importante en esta edicidn es un sitio en Intemet* en En este sitio colocarcmos programas actualizados conforme cambie el software, ast como respuestas a los comentarios realizados por usunrios del libro. También podemos agregar nuevo material que padria incluirse en ediciones posteriores, en la forma de archi- wos PDF que pueden ser consullades par los usuarios. Esperamos que esto amplic la vida de la séptima edicién, a la vex que mantenga ac- tuslizado ¢l material. “La informacia conteaida cn este sitio esth.cn inglés, Asimismo, esta casa editorial no se hace responsable si en algdin momenta desaparece el siti cambia de dizecciin. ‘Como en las ediciones anteriores, se proporciona un algoritmo detallado y estructurado sin el listado del programa para cada méiodo en el texto, Los algoritmos aparecen de forma ‘que los estudiantes puedan codificarlos, aun con poca experiencia en programacién. Los programas para cada algoritiio estan eseritos en FORTRAN, Pascal y C, Ademis, Jos hemos codificado por medio de Maple y Mathematica, asi como MATLAB, un paque- te de software ampliamente utilizado para aplicaciones del ilgebra tineal. Esto debe garan- lizar qué se dispone dé on conjunto de programas para la mayor parte dé los sistemas de cémputo, Por medio de los algoritmos se obtienen programas que dan los resultados corrects para los ejemptos y ejercicios en el texto, pero de ningiin modo se intenté escribir softwa~ re profesional de cardcter general, Ea particular, los algoritmos no siempre estin excritos de una forma que conduce al programa mds efective en términos de requisitos de tiempo © almacenamiento, Cuando ocurre un conilicto entre escribir un algoritmo extremadamen- te eficaz y uno algo distinto que ilustre mejor fas caracteristicas importantes del método, se opta por lo segundo, Acerca de los complementos en la direcciém www.thomsonlearning.com.mx En el sitio, el lector encontrar informacién sobre este libro y podria, ademas, consultar los archivos electrnicas de los algoritmas que aparecen en cl texto (en distintos forma- tos). Para cada algoritmo hay un programa C. Fortran, Maple, Mathematica, MATLAB y Pascal; y para cada sistema hay varios programas, cuya aplicacién depende de la ver- sidn del software que se emplee; esos programas se ejemplifican con un problema del tex- to, de modo que el usuario pueda resolverlo en el lenguaje de su eleccién e identifique la entrada (INPUT) y la salida (OUTPUT), éstos pueden también modificarse para re- solver otros problemas. Las. entradas y salidas son casi las mismas en cada sistema de programacién,ati Prefacio Las programas pueden correrse en una computadora que posea los sistemas operati- ‘vos MS-DOS, Windows o Macintosh, Sin embargo, se requiere un software apropiado, co- mo un compilador para Pascal, Fortran, C, 0 algin sistema algebraico para computadora (Maple, Mathematica e MATLAB). E] lector encontrard seis subdirectorios pura cada len- guaje y los archivos complementarios. ‘Todos los programas estin en archivos ASCII y hojas de edleulo; y pueden modificar- se mediante un procesador de palabras, capaz de crear un archiva estindar de ASCII (de Jos Hammidos “s6lo texto”), Los archivos README se presentan en formato ASCII y PDF, y se incluyen con los archivos del programas, de manera que los sistemas de programacién puedan ejecutarse en forma individual. Sugerencias para un curso Andlisis numérico esta diseftado para que los profesores pucdan clegir entre los temas, asf como el nivel de rigor tedrice y el énfasis en las aplicaciones. En concordancia con estos propésitos, proporeionamos referencias detalladas para los resultados no demostrados en el texto y las aplicaciones utilizadas para indicar la importancia préctica de los métodos. Las referencias son las que tienen mis posibilidades de ser halladas en las bibliotecas de las universidades y se actualizaron para reflejar la ediciéa més reciente en el momento en que este libro se imprimié, También incluimos citas de articulos originales de investiga- cin cuando consideramos que el material es accesible a nuestros lectores, En el siguiente diagrama de flujo se indican los prerrequisitos de cada capitulo. La tinica desviaciGn de este diagrama se describe en la nota al pie de pagina, al inicio de la seccidin 3.4. La mayor parte de las secuencias posibles que pueden generarse con este grama, los autores las utilizaron en Youngstown State University,Prefocio oii Agradecimientos Nos sentimos muy afortunados porque muchos de nuestros estudiantes y colegas nos. han comunicado sus impresiones acerca de las ediciones anteriores de este libro. Todos es- tos comentarios fueron tomados en cuenta y se procuré incluir todas las sugerencias acordes con los principios det libro; asimismo, agradecemos a todos aquellos que se han tomado un tiempo para contactarnos ¢ informamos de mejoras que podemos hacer en ver: siones. posteriones En particular, queremos agradecer el esfuerzo de las siguientes personas: Glen Granzow, Idaho State University José Miguel, Universidad Peruana Cayetano Heredia, Lima, Perit John M. Neuberger, Northern Arizona University L. G. de Pillis, Harvey Mudd College Agradecemos cn particular a nuestro amigo y alguna vez alumno, Jim Baglama, de Ball State University. Jim estuvo de acuerdo en revisar ampliamente esta edicidm y nos ayudé a actualizar las secciones de bibliograffa y software, Es muy gratificante ver el de- sarrollo de nuestros estudiantes en su profesion. Otra persona que se desempefta bien én su profesién, aunque de manera muy distinta, cs nuestro editor Gary Ostedl, gerentc sobresaliente de nuestros proyectos y gran amigo en lo personal. Extraiiaremos en gran medida su direccién y apoyo, y aprovechamos la opor- tunidad pars desearle lo mejor en su pronto retiro de Brooks/Cole. Igual que en las ediciones anteriores de este libro, aprovechamos la ayuda de los ¢s- tudiantes de Youngstown State University para preparar la séptima edicién, Nuestra habill asistente para esta edicién fue Laurie Marinelli, a la que agradecemos su trabajo. También queremnos expresar nuestra gratitud a los colegas académicas y administrativos de Youngs- town State University por darnos la oportunidad y facilitanos los medias para concluir es- te proyecto, Por tiltimo, quisiéramos agradecer a quienes han utilizado y adoptade las diversas edi ciones de Andlisis numérico en estos aiios, Es maravilloso saber de tantos estudiantes y j6- venes profesores que utilizan nuestro libro en su primer encuentrs con el estudio de los métodos numéricos. Esperamos que esta edicién continde esta tendencia y apoye el gusto de los estudiantes por el anzlisis numérico. Si usted tiene sugerencias para mejorar el ma- terial que puedan incorporarse en las proximas ediciones del libro, agradeceremos sus co- mentarios en las siguientes direcciones de correo electrsnico: Richard L. Burden burdent math ysu.esly . Douglas Faires faires@math ysueduCAP a a ULO Preliminares matematicos | primeros cursos de quimica se introduce la ley del gas ideal, PV = NRT, que relaciona la presin P, el volumen V, la temperatura Ty el ni- mero de moles V de un gas “ideal”, En esta ecuacién, X es una cons- tante que depende del sistema de medida. Suponga que se realizan dos experimentos para comprobar es- ta ley con el mismo gas en cada caso, En el primer experimento, P= 1.00.atm, V = 0.100 m’, N= 0.00420 mol, RK = 0.08206, Por medio della ley del gas ideal se predice que la temperatura del gas sera (1.00)(0.100) = 290.15 K = 17°C, (0.00420)(0.08206) Al medir Ia temperatura del gas, vemos que la temperatura real es 18°C,CAPITULO 1 © Preliminares matematicos Lego, repetimos el experimento con los mismos valores de R y .N, pero se incrementa la presién por un factor de dos y se reduce ef volumen por el mismo factor. Como el producto PY es el mismo, ln temperatura prevista atin es 17 °C, pero ahora la temperatura real del gas es de 19°C, Por supuesto que se sospecha de la ley del gas ideal, pero antes de concluir que la ley no es valida en esta situacién es necesario exa- minar los datos para ver si el error se puede atribuir a los resulta- dos experimentales. En caso afirmativo, podriamos determinar Ia. precisién necesaria en nuestros resultados experimentales para ga= rantizar que no ocurra un error de esta magnitud. El andilisis del error que surge en los ciilculos es un tema impor- tante en el aniilisis numérico y se presenta en Ia seccién 1.2. Esta aplicacién particular se considera en el ejercicio 28 de esa seccién, Este capitulo contiene un breve repaso de temas de célculo ele- mental de una variable, necesarios en capitulas posteriores, junto: con una introduccién a la convergencia, el andlisis del error y la re= presentacién de los niimeros ¢n los dispositive utilizades para la realizacién de los célculos. 1.1 Repaso de calculo Definicién 1.1 Definicién 1.2 Los conceptos de limite y continuidad de una funcién son fundamentales en ¢l estudio del célculo diferencial, Una funcidn / definida en un conjunto X de niimeros reales tiene el limite 1 en x,, denota- do por im f(x) = L, rng si, dado cualquier ntimero real © > 0, existe un niimero real 6 > O tal que |f(x) - L| < €, siempre que x Xy0-< |x—xy| <6. (Véase la figura 1.1.) . ‘Sea funa funcién definida en un conjunto X de nimeros reales y xy € X. Entonces fes con- tinua cn x si im fix) = fox). a La funcién fes continua en el conjunto X si cs continua en cada nimero en X. .‘Figura 1.1 Definicién 1.3 Teorema 1.4 1.1 Repaso de eétewio- 3 (COQ denota al conjunto de funciones que son continuas en X, Cuando X es un inter- valo de la recta real, se omiten los paréntesis en esta natacién. Por ejemplo, el conjunto de todas las funciones continuas en el intervalo cerrado [a,b] se denota Clad). El démite de una sucesién de nimeros reales 0 complejos se define de manera similar, Sea {x,)7_, una sucesién infinita de nimeros reales o complejos. La sucesién (x, )7_ tie- ne el limite x (converge a x) si, para cualquier € > 0, existe un entero positive M(@) tal que |x, — x] N(e). La notaci6n o xx cuando =n 00, lim 3, _ significa que la sucesién {x,)™, converge a x. . En el siguiente teorema se relacionan los conceptos de convergencia y continuidad. Sifes una funciGn definida en un conjunto X de niimevos reales yx € X, entonces las si- guientes afirmaciones son equivalentes: a Fes continua en agi b. Si (x,)%., es cualquier sucesién en X que converge a x,, entonces lim f(4,) = fC) . ‘Supondremos que son continuas lus funciones por considerar en el aniilisis de los métodos numéricos, pues éste es un requisito mfnimo para tener un comportamiento pre- decible, Las funciones discontinuas pueden interrumpirse en los puntos de imterés, lo que puede causar dificultades al intentar aproximar una soluci6n a un problema, Por lo gene- ral los supuestos mis claborados acerca de una funcién conducen a mejores resultados de aproximacién. Por ejemplo, una funcién con grifica uniforme se comportard, por lo gene-Definicién 1.5 Figura 1.2 Teorema 1.6 Teorema 1.7 CAPETULO 1 © Pretiminares matematicos ral, de manera mis predecible que una en forma de sierra. La condicién de suavidad se ba- sa en el concepto de derivada. Sea f una funcién definida en un intervalo abierto que contiene a x, La funcidn fes deri= vable en x9 si fa) = feo) = tim LoL) £69 = im existe, El niimero f’(1,) es la derivada de fen x, Una fu ntimero de un conjunto X es derivable en X. La derivada de fen x, es ln pendiente de la recta tangente a la grafica de fen (x, Fx). como se muestra en la figura 1,2 . ‘i6n que tiene derivada en cada | La recta tangente tiene pendieme f(x) i fie) + i (sy. ro { Si la funcidn Fes derivable en xp, entonces fes continua en xy . El conjumo de todas las funciones que tienen n derivadas continuss en X se denota C*(X), y el conjunto de funciones que tienen derivadas de todos los 6rdenes en X se deno- ta C-(X). Las funciones polinomiales, racionales, trigonométricas, exponenciales y loga~ ritmicas estén en C-(X), donde X consta de todas los niimeros para los que estén definidas las funciones. Si X ¢8 un intervalo de la recta real, se omiten de nuevo los paréntesis en es- ta notacién, Los siguientes teoremas son fundamentales en la deduccién de métodos para la esti- macién del error. Las demostraciones de estos teoremas y de los dems resultados xin re~ ferencia en esta seocidn se pueden encontrar en cualquier texto de edleulo. (Tearema de Rolle) Suponga que /€ Cla,b] y que fes derivable en (a, b). Si f(a) = f(b), entonces existe un ndimero ¢ en (a, 6) tal que f“{c) = 0. (Véase la figura 1.3.) .1.1 Repeso de célevlo 5 Figura 1.3 Hah = 08) + Teorema 1.8 (Teorema del valor medio) Sife Cla, b] y fes derivable en (a, 5), entonces existe un mimero ¢ en (a, b) tal que fo= i =f ¢Véase la figura 1.4.) . Figura 1.4 Rectas paradelas Pendiente fe) y= fun Teorema 1.9 (Teorema de los valores extremos) Sif Cla. 6], entonces existen cy, c, € la, b] tales que f(c,) = f(x) = f(c,) para toda.x € [a,b]. Ademas, si fes derivable en (a, »), entonces los mimeras c, y c, aparecen en los ex- tremos de [a, b], o bien donde se anula f* (Véase Ia figura 1.5.) . ‘Como se inenciond en el prefacio, cuando sea adecuado usaremos el sistema de dige- bra por computadora, Maple, Los sistemas de élgebra por computadora son ttiles para la derivacién simbiilica y el trazo de grificas. Ambas técnicas se ilustran en el ejemplo 1Figura 1.5 EJEMPLO1 CAPITULO 1 © Pretiminoves mateméticos Determine max, <<, [f(x)| para Fle) = S cos 2x — 2x sen 2x ‘en los intervalos [1,2] y (0.5, 1). Primero ilustraremos las capacidades grificas de Maple, Para tener accese al paquete de graficacién se escribe la instruccién swith(plots); A continuacién aparecen las instrucciones del paquete, Se introduce la definicisn de f al escribir #008 (24x) -2¢xtsen(2*x) : La respuesta de Maple es f:= S.cos(2x) — 2rsen (2x) Para graficar fen el intervalo (0.5, 2}, use la instruccién »pli La grifica aparece como en la figura 1.6, en la cual se pueden determinar las coordenadas fsolveig.x.0.5..197 Maple responde con fsolve( ~ 12 sen(2x) — 4x cos (2x), x, 5.1) 1o cual indica que Maple no pudo encontrar una soluciém en (0.5, 1). Si grafica g, veré que no hay soluciones en este intervalo, y el méximo ocurre en win extremo. Por tanto, f° nun- ca se anula en [0.5, 1], como s¢ muestra en Ia figura 1.8, y como f(0.5) = 1.860040545 y fl) = —3.899329037, tenemos max — |S.cos 2e = 2esen 2x| = [y(1y| = 3.899329037 . oseext Figura 18 E] otto cancepto basico del cflculo que usaremos ampliamente es la integral de Rie- mann. Definicién 1.10 La integral de Riemann de la funcién fen cl intervalo [a, 6] es el siguiente limite, si és- te existe ’ . f fOdde = lim YS f(z) Ax, lo 0 mishTeorema 1.11 1.1 Repaso de céleulo 9 donde los nilineros xy X;...., 1, Satisfacen a = xy = x, S-- Sx, para toda / by =x -4,, |. 2,24 my z, se elige de manera arbitraria en el intervalo [,..,x]. ‘Toda funcién continua f en [a, b] es Riemann-integrable en (a, 6]. Esto nos permite clegir, para fines de eflculo, los puntos x, uniformemente distribuidos en [a, 6), y para ca~ da i= 1,2,..., m, elegir z, = x, En este caso, En nuestro estudio del andlisis numérico necesitaremos otros dos resultados. El pri- mero es una generalizacién del teorema del valor medio para integrals. (Teorema del valor medio ponderado para integrales) Suponga que f€ C[a, b], que la integral de Riemann de g existe en [a, b] y que g(x) no cambia de signo en (a, 6]. Entonces existe un nmero ¢ en (a, b) tal que [reve a= so [00 de . ‘Cuando g(x) = 1, el teorema 1,11 es el del valor medio para integrales que proporcio- na el valor promedio de la funcién fen el intervalo fa, 6] como 1 w-~ > fn de, (Véase Ia figura 1.10.)10 Figura 1.10 Teorema 1.12 Teorema 1.13 Figura 1.11 CAPITULO 1 © Pretiminares matematicas ya fey fo}+ = Por lo general, la demostracién del teorema 1.11 no se da en un curso basico-de céleu- Jo, pero se puede encontrar en Ia mayor parte de los textos de andlisis (véase, por ejemplo, IFu, p. 162) El otro teorema que necesitaremos y que normalmente no se presenta en un curso bé- sico de célculo se deduce al aplicar de manera sucesiva el teorema de Rolle af, f’,.... y. por titimo, a f"—!), (Teorema generalizado de Rolle) Suponga que f'€ Cla, b] es n veces derivable en (a, b). Si f(x) se anula en los n + 1 néime- ros distintos.x,...., x, en [a, b], emtonces existe un mimero c en (a, b) tal que fc) = 0. . El siguiente teorema es el del valor intermedio. Aunque su enunciado parece razonable, Ja demostracién esté fuera del alcance de un curso usual de célculo. Sin embargo, se puede encontrar en la mayor parte de las textos de andlisis (véase, por ejemplo, [Fu, p. 671). (Teorema del valor intermedio) Si fe Cla, 6] y K es cualquier nimero entre f(a) y f(b), entonces existe un niimero ¢ en (a, by tal que f(c} = K. . En la figura 1.11 se muestra una eleccién del mimero garantizado por el teorema de! valor intermedio. En este ejemplo hay otras dos posibilidades. (a, fay fonEJEMPLO 2 Teorema 1.14 EJEMPLO 3 1. Repaso de edtewlo 1 Para mostrar que x5 = 2x) + 3x7 = 1 = 0 tiene una solucidn en el intervalo [0, 1], consi- dere f(x) = 3° — 2x + 3x — 1. Puesto que sO) ==1<0<1=fl) ¥ fees continua, el teorema del valor intermedio indica que existe un ndmero.x en 0 < x < T para el que x° — 28 + 3° ~ 1 = 0, . Como vimos en el ejemplo 2, el teorema del valor intermedia sirve para determinar si existen soluciones de ciertos problemas. Sin embargo, no proporciona un método eficaz para determinar tales soluciones. Estudiaremos este tema en el capitulo 2 El tltimo teorema en este repaso de calculo describe los polinomios de Taylor. Estos se usan ampliamente en el andlisis numérica, ({Teorema de Taylor) Suponga que fe C*[a, 5). que f+") existe en [a, b] y xy € (a, b). Para cada x € [a, b) existe un ndmero &(x) entre x, ¥ x tal que SU) = PR) + RO), donde “Cx : P6X) = flsy) + Poa ~ x5) + fos aw tet a. fi (ey y LO 0) iy gt mo FH y n+ 1) ¢€¢x) RG = ee ae we! . En este caso, P(r) es el n-ésima polinomto de Taylor para frespecto a x), ¥ R,(x) se ama el término del residue (a error de truncamienta) asociado a P(x), La serie inti nita obienida al tomar el limite de P,(x) cuando n — » es la serie de Taylor para fen tor- 10 a x5. En el caso. = 0, el polinomio de Taylor sucle llamarse polinomio de Mactau- rrin, y la serie de Taylor se nombra serie de Maclaurin. El término error de truncamiento se refiere al error implicito al usar una suma trun cada, 0 finita, para aproximar la suma de una serie infinita, Determine (ayel segundo y (b) el tercer polinomio de Taylor para fix) = cos.x respect a = 0, y use estos polinomios para aproximar cos(0,01). (c) Con el tercer polinomio de Taylor y su término de residuo aproxime ["' cos.x dx. Como fe C* (R), el teorema de Taylor se puede a icar a cualquier n = 0. Ademds, fix) =—senx, f%x)=— coer, PM ayssene y f(x) = cose,12 CAPITULO 1 © Preliminares matemdticas de modo que 0) = FO =0, f'O)= y fOr =0. a. Para n = 2 y ty = 0, tenemos P+ te sen £ix), cos = 2 donde &(x) es un mimero entre 0 yx. (Véase la figura 1.12.) Figura 1.12 Para x = 0.01, el polinomio de Taylor y el téemino del residuo son cos 1.01 1- Foor + doar sen Ad = 0.99995 + 0.16 X 10° sen Ax), donde 0 < x) < 0.01, (La barra sobre ] 6 en 0.16 se usa para indicar que este digito se repite de manera indefinida.) Puesto que |sen gx)| < 1 para toda x, tenemos |cos 0.01 — 0.99995| = 0.16 x 10-6, de modo que la aproximacién 0.99995 coincide por lo menos con los primeros cinco digi- tos de cas 0.01, y 0,9999483 < 0,99995 — 1.6 X 10° = cos 0.01 = 0.99995 + 1.6 x 10~¢ < 0.999517. La cota de error es mucho mayer que el error real, Esto se debe, en parte, a la pobre ‘cota que usamos para |sen é(x)|. Se puede demostrar que pars todo valor de x, tenemos [senx/ = |x]. Como0 = €< 0.01, podriamos usar el hecho de que |sen &x)| = 0.01 cn la {6rmula para el error, lo que produce La cota 0.16 * 10-%,1.4 Repaso de céleulo 13 b. Como /”(0) = 0, el tercer polinomio de Taylor con término de residuo en torno a x) = es dat L cos fin, 2° donde 0 < &x) < 0.01. El palinomio de aproximacién es el mismo, y Ia aproxima- ci6n aGn es 0.99995, pero ahora tenemos una mucho mejor garantia de precisién. Puesto que |cos &x)| = I para toda x, tenemos cos x = 4 COD) = 4.2 x 10-% De mode que |cos. 0.01 ~ 0.99995) = 4.2 x 10-19, 0,99994990958 = 0.99995 — 4.2 x 10°! cos 0,01 = 0.99995 + 4.2 x 10°" = 0.99995000042. tran los dos objetivos del andi sis numérico. El primero es encontrar una aproximacién, que los polinomios de Taylor proporcionan en ambas partes. El segundo es determinar la precisién de la aproxima- ci6a. En este caso, el tercer polinomio de Taylor fue mucho més informative que el segundo, aunque ambos dicron la misma aproximacién. €. Usamos el tercer polinomio de Taylor para obtener PP cosxae= (1 1 haces Lf tos dena Lop 1 fy con a = |r 6" |, 24 | M cos €(x) dr 91 =01-Forps sf xt cos Ex) de. Por tanto, cos.xde~ Ol ~ & (0.1) = 0.09983. Se puede determinar una cota para el error en esta aproximaciéin a partir de ta integral del término del residuo de Taylor y el hecho de que | cos &(r)| = 1 para toda x 1 - lf Hoos Zonas 5 af a [oo tx)| de 1 < =83 ‘ oi flee 83 x 1014 CAPITULO 1 © Pretiminares matemdticos Coma el valor real de esta integral es a jot f cos xde = sen.x["'= sen 0.1 ~ 0,090833417, lo el error real para esta aproximacién es 8.332 10°8, que esta dentro de La cola de error. . En el ejemplo 3, también podrfamos usar un sistema de algebra por computadora, Por medio de Maple, se define a f como of r=coa (x)? Maple nos permite colocar Varios enunciados en un rengl6n y usar los dos puntos para eli- minar las respuestas de Maple. Per ejemplo, obtenemos el tercer polinomio de Taylor con sedrstaylor(f,%=0,4)+ p3:sconvert(s3, polynom); La primera parte calcula la serie de Taylor con cuatro términos (grado 3) y el residua de- sanrollade respecto a4) = 0. La segunda parte convierte la serie =3 en el polinomio p3 al climinar el residuo. Para obtener 1 cifras decimales en el resultado, introducimos -pighte y evaluamas (0.01), P,(0.01) y |f@.01) — P,(0.01)| con ibe (x0 .01,p3) 3 sabe {y1-y2) i Esto produce y, = (0.01) = 0.99995000042, », = P(0.01) = 0,99995000000 y [ye.o1y — POI] = 42x 10-% Para obtener una griifica similar a la figura 1.12, introducimos rplot tt £453.) 2ee-PL. PLT rrucciones para las integrales son OU: O.les con le cual se obticnen los valores oa 1 % ( Six) dx = O.099833416647 oy gy Pal) de = 009983333 con error 0.83314 x 10-7 En los incisos (a) y (b) del ejemplo se muestra cOmo dos técnicas pueden producir | misma aproximacién pero con diversas garantias de precisién. Recuerde que determinar las aproximaciones cs sélo parte de nucstro objetivo. Una parte igualmente importante es determinar al menos una cota para la precisién de la aproximacién.epeso de célcuto 15 CONJUNTO DE EJERCICIOS 1.1 L 10. M DDenueste que ls siguientes ecuaciones tine al me a xeose= 2 +3r—1 0, [02,03] y 1 b @—2F-Ine=0, [1.2)y le 4) c Qeo(2x)—(x—2F = 0, 2,319 13.4) @ x-(asr=0, (8.5) Determine intcrvalos que contcngan soluciones a las siguientes cvaciones. a x30 b dee =0 e Potd-dr43=0 + 40012 + 4.0020 + 1.101 = 0 ‘Demuesire que f(x) se anula al menos una vez en los imtervalos dados, a fix)= let + Ty sent(af2yx), 10,1] nen los intervals dads, b fi) =~ tana + csen ex, (0,1) © f)=xsener—-2in, (12 d@. f(z) = Ce 2)sen ints + 2), (1,3) Determine més, .,|ft2)| para tos siguientes funciones e inervalos. & fa Q-e4 293, (0,1) bo fi) =e - 3-2, 05. fix) decostey = (r= 27, (2.4) fayette, (1,2) [Use el teorema del valoc intermedio y el weorema de Rolle para mostrar que la grfica de fle) = St 2x oF kcruza el eje.x exactamente una vez, sin importar el valor de la constante K. Suponga que fe Cla.b] y que f(a) existe en (a, Dermuestre que si f“(x) # 0 para toda xen {a. 8), entonces puede existira lo sumo un nmero p en fa. b] tal que fp) = 0 Sea f(s) = Determine el segundo polinomin de Taylor P(x) en torno a x) © 0. b. Caleule (0.5) y el exror real al usar P,(0.5) para aproximar f¢0.5). . Repita cl inciso (a) usando x, 4. Repita el inciso (b) com el polinomio del ineiso (e) (Obesiga el tener polinomio de Tayloc Px) pata ln fanciéa f(x) = VIE 1 ea temo 0% = 0 Aproxime V0.3, ViLIS, W125 y VTS usando P(x), y calcule los ervores reales, Determine el segundo polinomio de Taylor P(x) para la funcin f(x) = eens. xen torpoa.xy = 0 40.5) para aproximar f(0.5) Determine una cola superioe para el error [/(05) = {0.5)| por medio de a fcmala pan el esr y compro con el eror rea 16, Caldew cota par cl exit fis) = Ge) | alse Ps) par api fl) it terval [0,1] &Aproxime [' for) de por medio de [' Pfs) de 4, Calcule una cots superioe para ct error en (c) mediante extoe real Repitael ejercicio 9 con x, = m6 Determine el tercer polinomio de Taylor P(x) para la funcién fx) = ( r= 1 dx y compérela con el Dn x vespecto a16 CAPITULO 1 © Preliminares matemdticos 12, 13. 4 15, 16, 17. 18. 2 2. a Use Py(0.5) para aproximar /(0.5). Determine una cota superior para el error [/(0.5) — P(0.5)] par medio de la férmula pare el error y compérelo con el error real 1b. Caleule uns gota pars ef error [Y¢x) - P,Ce)! al usar P(x) para aproximar f(xy en el in tervalo [0.8, 1.5]. © Aproxime [ , F) dx usando [ , Pita) de dd. Caleule una cote superior para el error en (c) mediame |” | R,(x) dx |, y compérela con el eeror real. " Sean fix) = 2 cos(2x)—(- 27? ¥ ap = 0. @. Determine el tercer polinomio de Taylor F(x) y Gselo para aproximar f(0.4), b. Use la férmula del error en el teorema de Taylor y determine con ella una cota superior para el error {f(0.4) — P,(0.4)| . Calcule el error real. Determine el cuarto polinomio de Taylor P(x} y dselo para aproximar f(0.4), @, Con la formula del error en ¢l teorema de Taylor determine una cota superior para el error [70.4 - P¢0.4)] Caleue el errr real Calcule ef cuarto polinomio de Taylor P(x) para la funcidn fix) = ce” en torno a tp = 0. & Caleule una cota superior para |/(x}= ,l1)|. con 0 4 bAproxime [fear dx vsando {°* Pte) Determine una cota superior para el emor en () usando . Aproxime (0.2) usando P%(0.2) y cafcule el error Use el término del error de un polinomio de Taylor para estimar ¢l exror impticadio al ernplear sen x= x para aproximar sca 1°, Use un polinomio de Taylor respecto a mi para sproximar cox 42° con una precisién de 10-6 Sea f(x) = e*? sen(x/3), Utilice Maple para determinar fo siguiente. Pe) de a. El tercer polinomio de Maclaurin Py(x). bfx) y una cota para el error [f(x) = P,Cx)] en (0, 1] Sea f(x) = Ing? + 2). Utitice Maple para determinar ko siguiente a. El polinomio de Taylor P(x) para fdesarrollada en tomo a xp = | b. Elorror méximo [fta) - P,o)| paraO =x < 1, € El polinomio de Maciaurin P,(x) para 4. Elerror maximo [f(x) ~ P,(x)| paraO-s x3 1 & GPO) aproxima a /(0) mejor de lo que Py(1) aproxima a f(1)? Sean f(a) = (1 —x)"! y y = 0. Determine el n-ésimo polinomio de Taylor P,(2) para f(x) en torno a 4. Determine un valor de m necesatio para que F(x) aproxime a f(x) basta 10-* en {0,03} Sean f(x) = e y x5 = 0. Determine el - 0 tal que f(x) # 0 para toda x en Ip — 8 p + 8], donde [p — 8, p + 8] ¢5 subsonjunto de [a, b]. b. Suponga que f(p) = Oy sea k > On valor dado. Demwestre que existe 4 > 0 tal que [f(a)| = & para toda x en (p — 8,p + 8], donde [p ~ 8 p + 8] es sulsconjunto de (a, 5.18 CAPETULO 1 © Pretiminares matemdticos 1.2 Errores de redondeo y aritmética de una computadora La aritética que realiza una calculadora © una computadora cs distinta de la aritmética de nuestros cursos de Algebra o cAlculo. Por experiencia esperaria que siempre se tuviera ‘como enunciados verdaderos cosas como 2 + 2= 4,464 = 16y (V3)? = 3. En la acite mética computacional comin, siempre se tendrin los dos primeros, pero no siempre el ter- ‘cero. Para ver por qué, debemos explorar el mundo de Ja aritmética con un nkimere finito de cifras. En nuestro mundo matemético tradicional permitimos la existencia de nGmeros con una cantidad infinita de cifras. La aritmética que usamos en este mundo define a ‘V3 co- mo el tinico nimero positivo tal que al multiplicarse por si mismo produce el entero 3. Sin embargo, en el mundo de las computadoras, cada mimero representable tiene sélo un nii- mero finito, fijo, de cifras. Esto significa, por ejemplo, que sdlo los nimeros racionales (y no todos ellos) se pueden representar con exactitud, Puesto que V3 no es racional, se da una representacién aproximada, una cuyo cuadrade no seré 3, aunque sf lo bastante cerca- fro a 3 como para que sca aceptable a la mayor parte de las situaciones. Luego, en mu- cchos casos, esta aritmética de la maquina es satisfactoria y se aprueba sin més, aunque a veces esta discrepancia puede generar problemas. Los errores de redondeo surgen al usar una calculadora 0 computadora para céleulos ‘con ntimeros reales, pues la aritmética de la maquina s6io utiliza némeros con una canti- dad finita de cifras, de modo que Jos edlculos se realizan tinicamente con representaciones aproximadas de los 1imeros verdaderos, En una computadora comtin, solo se usa un sub- conjunto relativamente pequefto del sistema de mimeros reales para representarlos a tacos. Este subconjunto contiene sdlo mlimeros racionales (tanto positives como negativas) y almacena la parte fraccionaria, junto con una parte exponencial. En 1985, cl Institute for Electrical and Electronie Engineers, IEEE (Instituto para In- genicros Eléctricos y Electrénicos) publicé un informe llamado Binary Floating Point Arithmetic Standard 754-1985. Se especificaron los formatos para las precisiones simple, doble y extendida; en general, los fabricantes de microcomputadoras utilizan estos estin- dares para el hardware de punto flotante. Por ejemplo, el coprocesador numérico de las PC utiliza una representaciéa de 64 bits (digitos binarios) para un ntimero real, llamado real Jargo. El primer bit es un indicador de signo, denotado como s. Le sigue un exponente de 11 bils, c, denominade earacteristica y una fraccién binaria de 52 bits, f, Hamada manti- ssa. La base para el exponente es 2 ‘Como 52 digitos binarios corresponden a entre 16 y 17 digitas decimales, podernos ‘suponer que un niimero representado en este sistema tiene al menos 16 cifras decimales de precisién, El exponente de 11 digitos binarios proporciona un intervalo de 0a 2" — 1 2047. Sin embargo, el uso exclusivo de enteros positivos para el exponente no permitiria una representacién adecuada de los nimeros con magnitud pequefia. Para garamtizar que estos atimeros también sean representables, se resta 1023 de la caracteristica, de modo que el intervalo del exponente es en realidad de -1023 a 1024, Para ahorrar espacio de almacenamiento y propofcionar una representacién Gnica de cada niimero de punto flotanie, se impone una normalizacién. El uso de este sistema pro- porciona un nimero de punto flotante de la forma (12-1 1 +f, Considere, por ejemplo, el nimero de méquina 0 10000000011 161.1 10018001.0000000000000000000000000600000000000000.1.2 Errores de redondeo y oritmética de una computadora 19 EL bit de Ia extrema izquierda es cero, lo cual indica que ei ntimero es positive, Los siguien- tes 11 bits, 1000000001 1, que dan la caracteristica, son equivalentes al nimero decimal C= 2H 0 Mee HO MH 7-H 1 = 1024 +24 1 = 1027 La parte exponencial del niimero es, por tanto, 21027-1823 cifican que Ia mantisa es mrG}er yeep Ghee Glen Gy" 24. Los iltimos 52 bits espe- En consecuencia, este mimero de maquina representa con precisién al nimero decimal Ppt, aytl a 1 ppg, =(—1ye-gir—fpg (bp byt, t,t, te (Cipemm + PoP 2 ((d+ 5+ 16 * 32 a6 * aoe) = 27.56640625. Sin embargo, el siguiente mimero de méquina menor es © 10000000011 1011200100001 1 TELLTT ENA EX IATA ENT ETAT AT 10101 LLL, y el siguiente nimero de méquina mayor es 010000060011 101 11901060 1600000000000000000000000000000000000000 I. Esto significa que nuestro niimero de méquina original representa no s6lo 8 27.56640625, sino también ala mitad de los mimeros reales que estén entre 27,56640625 y los dos nui- meros de maquina mas préximos a él. Para ser precisos, representa a cualquier nimero real en cl intervalo [27.566406249999998223643 160599749535322 1893310546875, 27.5664062500000017763568394002504646778 106689453125). EI menor niimero positive normalizado que puede representarse tiene ceros en todas parles, excepto en el bit del exiremo derecho (donde tiene un 1) y es equivalente a 2-10BR 6 CL ob 2-82) ow 10-308, y el mayor tiene un cero al principio seguido de unos; es equivalente 2124 « (2 — 2-8) = 1978, Los mimeros que aparecen en los edlculos y tienen una magnitud menor que 212. (1+2-%) producen un desbordamiento de la capacidad minima o subdesbordamiento y. por lo general, se igualan a cero. Los ntimeros mayores que 2! . (=2-*) producen un desbordamiento* y hacen que se detengan las célculos. EL uso de digitos binarios tiende a encubrir las dificultades de e4lculo que aparecen al usar una colecci6n finita de ndmeros de mdquina para representar a todos los ndimeros rea- les. Para examinar estos problemas, supondremos, para mayor claridad, que los niimeros de maquina se representan en la forma de punto flotante decimaf normalizada 2O.djdy...dy X10", Sd, y para cada j= 1,2,..., &, Los niimeros de esta forma se Haman nuimeros de maquina de- cimales con k digitos. “© N. del R.T;: Estos somegptos se conocen también como: overflow y waderflow:20 CAPLTULO 1 © Pretirninares matemdticos ‘Cualquier niimero positive real dentro del interval numérico de fa méquina se puede pormalizar como Oded hysg- % 10 La forma de punto flotante de y, que denotamos f(y), se obtiene terminande la mantisa de y en k cifras decimales. Hay dos formas de realizar esto. Un método, llamado truneamiento, consiste simplemente en cortar los digitos d,, .d,,>... para obtener fIQ) = O.d jy... % 10, E1 otro metodo, Hamado redondeo, suma 5 x 104" 4 y y Iuego trunca el resultado para obtener un otimero de la forma FIG) = 0.8,8...8, 10" Asi, al redondear, si dj, , = 5, sumamos 1 ad, para obtener f1(y); es decir, redondeamas ha- cia arriba. Si dj, , < 5, simplemente truncamos todo excepto los primeros k dfgitos; as/, 7e- dondeanos hacia abajo, Si el redandeo es hacia abajo, entonces 8, = d, para cada i = 2..... & Sin embargo, los digitos podrian cambiar si el redondeo es hacia urriba. EJEMPLO 1 El niimero 7 tiene un desarrollo decimal infinito de la forma @ = 3.14159265... Escrito en forma decimal normalizada, tenemos = 0314159265... 10! La forma de punto flotante de» con un truncamiemto a cinco cifras es fU(a) = 031415 x 10! = 3.1415, Puesto que la sexta cifra del desarrollo decimal de aes 9, la forma de punto flotante de zr con un redondeo a cinco cifras es: fIC#) = 31415 + 0.00001) x 10! = 3.1416. . E1 error que resulta al sustituir un niimero por su forma de punto flotante es el error de redondes (sin importar si se determiné por truncamiento.o redondeo). En la siguiente defini- idm se describen dos métodos para medir errores de: aproximacién, Definicién 1.15 § pe s una aproximacién de p, el error absolute es |p — p*| y el error relativo cs ip =p ampre que p + 0. : Considere los errores absoluto y relative al representar p por p* en el ejemplo siguiente . EJEMPLO 2 a. Sip = 0.3000 x 10! y p* = 0.3100 x 10}, el error absoluto ¢s 0.1 y el error relative 28 0.3333 x 10-4Definicién 1.16 ‘Tabla 1.1. 41.2 Errores de redondeo y aritmética de uno computadora 21 by Si p = 0.3000 x 10-9 y p* = 0.3100 x 10%, el error absoluto es 0.1 x 10- y el ‘error relativo es 0.3333 & 107). &. Si p = 0.3000 x 104 y p* = 0.3100 x 10%, el error absoluto es 0.1 x 10° y el error relativo es de nuevo 0.3333 X 10°! Este ejemplo muestra que ocurte ¢l misnme error relative, 0.3333 * 107', para una gran variedad de errores absolutes. Como wna medida de la precisién, el error absolute puede llevar a confusiones, en tanto que el error relative es més significativo, pues toma en cuenta el tamaiio del vator. . La siguiente definicién utilizs el error relative como una medida de las cifras sign’ ‘cativas de precisi6n para una aproximacién, El nimero p* aproxima a p con / cifras significativas si # es el mayor entero no negativo para el cual ip—p*l — SK 10 lpl . En Ia tabla 1.1 se ilustra Ja naturaleza continua de las cifras significativas al eaume- ‘ar, para diversos valores de p, la minima cota superior de |p — p*|, que se denota max | p — p*|, cuando p* coincide con p hasta cuatro cifras significativas. ? jo 0s 100 1000500 999010000 mix |p—p*| | ooo005 800025 00S OS 2s 49955 De regreso a la representacidn de los niimeros en Ia méquina, vemos que fy) come punto flotante para el némero y tiene el error relativo ad rue Si se usan k cifras decimales y el truncamiento para Ia represemtacién en ta méquina de dos % 10%, ‘entonces | flo) [“ yh). X10" = Oeil. X | Odid,... 10" [Ses pee X 10 Odd, ... X10" y Como d, # 0, el valor minimo del denominador es 0.1. El 1 es la cota superior del nume- rador. En consecuencia, | =f1) | y 01 x 10-# = 10-#+22 EJEMPLO 3 Tabla 1.2 CAPETULO 1 © Protiminares matemdticas De manera similar, ana cota para el error relativo al usar la aritmética de redondeo a k ci- fras es 0.5 x 10-**1, (Véase el ejercicio 24.) Observe que las cotas para el error relative al usar la aritmética con k cifras son inde- pendientes del ndmero representado. Este resultado se debe a la manera en que se distri- bayen los mimeros de méquina a lo largo de la recta real. Debido a la forma exponencial dela caracteristica, se usa la misma cantidad de némeros decimales de maquina para repre= sentar cada uno de los imtervalos [0.1, 1], (1, 10] y [10, 100]. De hecho, dentro de los limi- tes de la maquina, la cantidad de mimeros decimales de miquina en [10", 10**"] es cons- ‘ante para todo entero 7. Ademds de la representacién imprecisa de tox ndmeros, la aritmética realizada en una ‘computadora na es exacia. La aritmética implica el manejo de los digitos binarios medi te diversas operaciones de cortimiento, o légicas. Como la mecdnica real de estas opera clones no es pertinente a esta presentacién, disefaremos nuestro propio enfoque de la arit- mética de una computadora, Aunque nuestra aritmética no dard la imagen exacta, bastard para explicar los problemas potcnciales. (Para una explicacién de la mecénica real, el bec tor deberd consultar textos de ciencias dela computacién més orientados a los uspectos técnicos, como [Ma], Computer System Architecture.) ‘Suponga que se tienen las representaciones de punto flotame f(x) y f1(y) para los ni- meros reales xy v, ¥ que los simbolos @, O, ©, S represemtan las operaciones de suma, resta, mulliplicacién y divisién en la maquina, respectivamente, Supondremos que se-usa una aritmeética con un niimero finite de cifras dada por r@By =f + flO, «By =f1Glay x fly, rOy=fifliy fl xy = fla) + sly. Esto corresponde a realizar la aritmética exacta con las representaciones de punto flotante de x y y, para luege convertir el resultado exacte en su representacién de punto flotan- te con un ndmero finit de cifras, La aritmética de redondeo se lleva a cabo computadora. La instruccién de Maple mente en un sistema de dlgebra por eDigit: hace que toda Ia aritmética se redondee a t cifras. Por ejemplo, /14f1(x)+ JA{y)) se realiza con aritmética de redondeo 1 # cifras mediante peval f fevalf (x}+evalfty)}; La ejecucién de La aritmética de truncamiento a t cifras es mis dificil y requiere una serie de pasos o un procedimienta, En el ejercicio 27 s¢ estudia este problema. 5 Suponga que x = 3, y= > y que se usa el truncamiento a cinco cifras para los cdlculos aritméticos donde intervienen x y y. En la tabla 1.2 se enumeran los valores de estas ope- raciones de tipo computadora con f(x) = 0.71428 x 10y f(y) = 0.33333 x 10, Operacidn Resultado Vilorreal Error absolute Error relative r@y 0.10476 x 10" Dm 0.190% 10-# 182 x 10-* rOy O.SRDDS x 10° Br 0.238 x 10" 0.825 x 10°° ry 0.23809 108 sa osm x 10-5 0.220 x 10-* r@x 0.21428 x 10! 1/7 LST 10-4 0.267 x toTabla 1.3 1.2 Erores de redondeo y aritmética de una computodore 23 Como el miximo error relativo para Ins operaciones del ejemplo 3 ¢s 0.267 x 10, ta aritmética produce resultados satisfactorios con cinco cifras. Suponga, sin embargo, que también tenemos los aimeros u = 0.714251, v = 98765.9y w= O.LIIILT x 10-4, de mo- do que fi(u) = 0.71425 x 10°, f1(v) = 0:98765 x 105 y fI(er) = OLLI x 10-4, (Elegi- mos estos niimeros para ilustrar algunos problems que pueden surgir con la aritmética cuando se tiene una cantidad finita de cifras.) En la tabla 1.3, x © «produce un error absoluto pequefio, pero un error relative gran- de, La divisién posterior entre el nimero pequefio wo ta multiplicacién por el nimero grande v aumenta el error absoluto, sin modificar el error relative. La suma de los nime- ros grande y pequeiio # y v produce un error absoluto grande pero no uno relative similar. Operacién Resultado ‘Valor re Trror absoluto Error relative 100 0.30000 x 10~* 0.34714 & 10° O4TL Xx 10-5 0.136 (Ow @w 0.29629 1 3428S x 10! OES WEwey 0.29694 10 O3aIBS x IO OES u@v 0.98765 x 10° 0.98766 x 10° O.161 x 10! Uno de los los célculos mis. comunes que producen errores tiene que ver con Ia can- celacién de cifras significativas debido a la resta de ruimeros casi iguales. Suponga que dos mimeros casi iguales x y y, con x > y, tienen las representaciones de & cifras fix) = Ody, - a, X10", fliy) = Odd, La forma de punto flotante de x — y es FUFLO) — flo = donde O10 pe pen Fh = 0. pag + Oe — OB ye 1Bpo2--- Be El ndmero de punto flotante utilizade para representar x — y tiene a lo sumo k ~ p cifras nificativas. Sin embargo, en la mayor parte de los dispositivos de caleulo ax — y se le asignardn & cifras, de modo que las Gltimas p se anularin o serin asignadas al azar, En todas los calculos posteriores con x —y se tendrd el problema de contar con k - p cifras nificativas, pues una cadena de caleulos no es mis precisa que su parte més débil. Si una representacién con un néimero finito de cifras o un cdlculo introduce un error, éste aumenta al dividir entre un niimero con magnitud pequefa (a, en forma equivalente, al muhtiplicar por un nmere con magnitud grande). Suponga, por ejemplo, que el nime- ro z tiene la aproximacién con un nimero finite de cifras z + 6, donde el error 5 surge por Ja representaci6n © un célculo anterior. Suponga abora que dividimos entre © = 10-*, don- de n > 0, Entonces HO) oe + ax 10, “(TO )24 EJEMPLO 4 EJEMPLO 5 CAPITULO 1 © Pretiminares matemdticas Asi, el error absoluto en esta aproximacién, | 6| x 10%, es el error absoluto original, | 8|, multiplicado por el factor 10°. Sean p = 0.54617 y q = 0.54601. El valor exacto de x = p ~ ges r = 0.00016. Suponga que la resta se realiza con una aritmética de cuatro cifras. Al redondear p y g a cuatro ci- fras, tenemos p* = 0.5462 y q* = 0.5460, respectivamente, y * = p* — g* = 0.0002 es la aproximacién de cuatro cifras de r.Como | _ |0.00016 — 0.0002 | Ir} o.on016] = 0.25, el resultado slo tiene una cifra significativa, en tanto que la precision para p* y q* fue de cuatro y cinco cifras significativas, respectivamente. Si se usa el truncamicmo para obtener las cuatro cifras, las aproximaciones de cuatro cifras de p,q y r son p* = 0.5461, g* = 0.5460 y r* = p* — g* = 0.0001. Con esto se obtiene In- {0.00016 — 0.0001 | nee = 0.375, Irl {0.00016 | lo que también ptoduce sélo una cifra de ~ -ecisiGn. . La pérdida de precisidn debida al error de redondeo se puede cvitar a menudlo median- te la reformulacién del problema, como se muestra en el siguiente ejemplo. La férmula cuadritica establece gue las raices de. ax? + bx + ¢ = 0, cuando a # 0, son 22 + 62.10r + 1 = 0, cuyas raices son aproximadamente mj ~ ~0.01610723 yy = ~62.08390, En esta ecuaci6n, 6? ¢s mucho mayor que 4ac, de modo que el numerador en el cileulo de x, implica la resta de miimeros casi iguales. Como ViP = dae = V462.10)® = (4.000\1.000)(1.000) = 3856, — 4.000 = v3882. = 62.06, tenemos hi) = 2210+ 62.06 =0.04000 9 gry Fe) = F000 2.000 7 una mala aproximacién ax, ~ —0.01611, con ¢l error relativo grande DOLL + 0.020001 4 ig | -o.0161 . el cfllculo de x, implica la suma de los nimeros casi iguales ~b y sto no presenta problemas, pues 62.10 62.06 _ —124.2 ~ 2,000 2.000 fll) = 62.10EJEMPLO 6 Tabla 1.4 1.2 Errores de redondeo y aritmética de une computedora 25 tiene el error relativo pequefio 0! | 62.08 + | -62,08 | 32x 10-4 Para obtener una aproximacién més precisa con redondeo a cuatro cifras para x), se cambia la forma de la formula cuadratica mediante la racionalizacién del numerador: aac ( =b VE) 2 — (bt — dae) 2a —b- VE ~ dace! ab — VP — 4ac) Jo que se simplifica como una férmula cuadritica alternativa (1.2) Al usar (1.2) tenemos ~2.00 I") = Sie 62.06 ~ con el pequefio error relativa 6.2 10 . La técnica de racionalizacién se puede aplicar también para obtener la si la cuadrética alternativa para.x,: VP = sac Esta forma se utitizard sib cs un nimero negativo, Sin embargo, en el ejemplo 5, el uso incorrecte de esta férmula para x, no s6lo produciria la resta de nimeros casi iguales, sino también Ia divisién entre el resultado pequefio de esta resta. La imprecision que esta com- binacién produce, ale =2.000 _ 72.000 _ $0.00, b=Ve=4ac 6210-6206 0.04000 filx,) tiene el gran error relativo 1.9 x 10-4 La pérdida de precisién debida aun error de redondeo también se puede reducir reor- denando los cdleulos, como se muestra en el siguiente ejemplo. Evalie f(x) = 3° —6.Lx? + 3.2 + LS en. = 4.71 con una aritmnética de tees cifras, En la tabla 1.4 se dan los resultados intermedios de los célculos. Verifique con cuida- do estos resultados para asegurarse de que es correcte su concepto de aritmética con un nti= mero finito de cifras. Observe que los valores truncados a tres cifras slo conservan las tres primeras, sin ningiin redondeo; estos valores difieren de manera significativa de los valo- Tes redondeados a tres cifras. * ® 3S 61e 328 Exact 471 221841 NOKABTINT 13532301 15.072 Tres cifras (truncamiento) 4m ma 104. 134 150 Tres cifras (redondeo) 471 22 105, 135. 18.126 CAPETULO 1 + Preliminores moteméticos Exacto: S471 104.487111 ~ 135.32301 + 15.072 + 1.5 = ~14.263899, ‘Tres ciftas (truncamiento): —_f4.71) = ((104, - 134.) + 15.0) + 1.5 = —13.5; ‘Tres cifras (redondeo): —_f(4.71) = (10S. ~ 135.) + 15.1) + 15 = -134, Los errores relatives para los métodos con tres cifras son. —14.263899 + 13.5 2a | 7805. para truncamienio = 14.263899 + 13.4 sTa2ene | 008. para redondo. Como metodo alternativo, f(x) se puede escribir de una manera anidada como fa) =P = 6.LP + 3.20 + 1S = (6.x + 3.2) + LS. Esto da como resultado ‘Tres cifras (truncamiento): 4.71) = (4.71 = 6.1)4,71 + 3.24.71 + 15 = —14.2 y una respuesta con redondeo a tres cifras de ~14.3. Los nuevos errores relativas son = 14.26.3899 +1 ‘Tres cifras cE oy ng | = 004 5; res cifras (truncamiento): 1263899 o = 14.263899 + | Tres cifras (redondeo): | "Say | ~ @.n0as El anidamiento redujo el error relativo para la aproximacién por truncamienio a menos de 10% del original. Para la aproximacién por redondeo, la mejora ha sido mds dristica; el error en este caso se redujo mas de 95%. . Los polinomios siempre deben expresarse en forma anidada antes de realizar cualquier evaluacién, pues esta forma minimiza el mémero de eéleulos aritmétioos. La disminucidin del error en el ejemplo 6 se debe a la reduccién de los célculos, de cuatro multiplicaciones y tres sumas a dos multiplicaciones y tres sumas. Une forma de reducir los exrores de redandeo consiste en reducir el niimero de célculos que pueden producir errores. CONJUNTO DE EJERCICIOS 1.2 1, Calcule el error absoluto y el error reiativo on las aproximacianes de p mediante p*. a pompt= 27 b p= pt = Adi6 & prep = 2718 do p= VE pt= 14144.2 Errores de redandeo y avtmética de una computadora a7 fe p=el,p* = 22000 1400 & p= 8i,p* = 39900 he Vike (Me 2 Determine el mayor intervalo-en que debe estar p* para aproximar p con un error relativo de ‘alo sumo 10~* para cada valor de p. a 7 be evi a VF 3 Suponga que p* debe aproximar a p con un error relative a lo sumo 10-*, Determine el rs sive imtervalo en que debe estar p* para cada valor de p. a 150 ba. 900 1500 a 90 4. Realice los siguientes edlculos (i) en forma exacta, (ii) mediante una aritmética de trunca- miento a tres cifras y (ii) con una aritmeética de redondeo-a tres cifras. (iv) Caleule los erro- res relativos en ls incisos (i) y (ii. 4 1 41 os bass i 3 3 fi 3 3 -a)* “(+i a 'S. Use una aritmética de redondco a tres cifras para los siguientes edlculos. Calcule el error ab- soluto y él error relative con el valor exscto determinado a por lo menos cinco cifras. a 133 +0921 bh. 133-0499 «(21 0327) 119 @. (121 ~ 119) ~ 0.327 Bis ut © Soa f —10w + be — ‘6 Repita el ejercécio $ usando un 1. 8. Repita el ejercicio $ mediante una arimésica de truncamiento a cust cifras, 9. Los primeros tes trminos no nulos de la serie de Maclaurin paga ba fasei6h age tangente som x—(U33x° + (1/3}e°. Calcul el error absoluto y el error relativo en las siguientes aprosxima- scones de m usando el polinomia en vez de ia fimcida arco tangente sritméticn de redonden a cuatro cifras. Repita el ejercicio 5 con una aritmética de truncamiento a tres cifras. t (1 1) a 4fman( +) sean (4)] be 16 arcan (> ) 10. El ndmero ¢ se puede definit como e = 5g (Mal), donde nt = mint) > 2-1 param # y 0! = 1. Calcule el eror absolute y el eror relative en las siguientes aproximaciones dee: cos pepe SRS &Caleue tim 7), b Use una aritmétics de redondeo- a cust cis para evalua (0.1) ‘¢ Reemplace cad funci6a trigonométrica por su tercer palinomin de: Maclaurin y repita el ineiso tbh. ‘d.El valor real es (0.1) = ~1,99899008. Determine el error relative para los valores ob: tenidas en los incises tb) y (e28 CAPITULO 1 © Pretiminares mateméticos R 1B. 4 18, 17. 19. Sea fas = a. Caleule lin, fet = ex b. Use una aritmttica de redondeo a tes ciftas para evaluat f(01). ©. Reemplace cada funcién exponencial por sutercer polinomia de Maclaurin y pila «iso (b). 4. El valor real es f(0.1) = 2.00833S000. Determine el caro relative para tos valores obte- niidos en los incisos (a) y (b) Use una aritmétiea de redondeo 4 cuatro cifras y las formulas del ejemplo 5 para determinar las aproximaciones mis precisas de las raices de las siguientes ecusciones cusdréticas. Caleule los errores absolutos y Jos errores relalivos, by ty, 03 4 a ghost ego bo yet go 1.0022 ~ 11,01 + 0.01265 = 0 1,002: + 11.01c + 0.01265 = 0 Repita el ejetcicio 13 con una aritmética de truncamicnto a cuatro ciftes. Use el formato real largo de 64 bits para determinar el decimal equivalente a los siguientes niimeros de maquina de punto flotante. ‘© 10000061010 1001001 199090000000000000000000000000000000000000000 1 10000001010 1001001180000000000000000000006000000000000000000000 ‘0 -@1.11U1111 0101001160000000000800000000000000000000000000000000 00111171. 010100111990@0000000000000000000000000000000000000000 Determine Ia forma decimal de los ntimeros de maquina ms prétimos (mayor y menor) a las avimeras dages en el ejercicio 1. Suponga que dos puntos (ay ¥g) ¥ bry. ¥,) estén 60 uma linea rect, con y; # yo, Se tienen dows fermmulas para detcrminar la ordenada al origen de la. recta: HM Ao Ma ee Demuestre que ambas formulas von algebraicamente correctas. 1b, Utilice Ios datos (xy, yg) = (1.31, 3.24) y Ox, ¥,) = (1.93, 4.76) y la aritrmética de redon- deo a tres cifras para calcular la ordenada al origen de ambas formas. ,Cudl métado es tngjor y por que? El polinomio de Taylor de grado n para fix) = e* es 37» (xi). Use el polinomio de Taylor de grado mucve y la aritmética de truncamiento a tres cifras para determinar uns aproxiena- cid de ¢~* mediante cada uno de los méiodos siguientes. PLS e Un valor aproximado de ¢~> con tres cifras correctas es 6.74 « 10-7. ;Cusil férmola, (a) ‘8 (b), da mis precisiGn? {Por qué? FI sistema lineal dos por dos ax+ by =e, ert dys donde a, b. ¢, d. #, festin dados, se puede resolver en términos de x y y como sigue:1.2 Enores de redondeo y oritmética de uno computedora 29 estableacam = =, siempre que a # 0: d= mb; Resvelva los siguiemtes sistemas lineales mediante una aritmética de redondeo: a cuatro cifras, a 1.1304 — 690y = 14.20 bh, LO13n — 6,009) & BAlOx+ 12207 = -0.1370 d. -1K 11s + 1122p 20, Repita el ejercicio 19 con una aritmética de tuncamienta a cuatro cifras M422 0.1376 21, a, Demuestre que la téenica de anidamiento de polinomios descrita en el ejemplo 6 tambien sirve para evalua fix) = L0LeM — 46e" — 3.1 bet + 1220 — 1.99, bk Use una aritmética de redondeo tres cifras, com ef supuesto de que e! = 4.62 y el he- ‘cha de que e** = (e")" para evaluar (1.53) segdn to dado en e! inciso (a) © Repita el inciso (b) pero primero anide tos célcutos, 4. Compare tas aproximaciones de los incisos (b) y (e) con et resultado real hasta tres ci- fras f(1.53) = —7.61 22. Un paralelepipedo rectangular ticne lados de longitudes 3, 4 y Sem, medidos al centimeiro mis cercano. {Cudles son las mejores cotas inferior y superior para cl volumen de este para- lelepipedo y cules para el drea de su superficie? 23, Sea P,(x) el polinomio de Maclaurin de grado.n para la funcién arco tangenic. Por medio de Maple con 75 cifras decimales determine el valor de m necesario para aproximar a dentro de 10-2 com las frmulas siguientes. 24, Suponga que f(y) es una aproximacién de y con un redondeo a k cifras, Demuesire que 5x 10-8 [Sugerencia: si d,., < 5, entonces f14)) = Odd, ... dy x 10. Si d,.y = 5, emonees fly) = Onde. dy 10+ LOPE 25, El coeficiente binomial Val” Kon = 0! describe el nimero de formas para clegir un subconjnio de kobjcios em un conjunto con on eos a. Suponga que los niimeros decimales de maquina tienen la forma abbyy x1, cont d= 9,0=d,=9 vim 2,54 y [nl =13 {Cuil es el mayor valor de m para el que el cosficiente binomial 7), pueda calcularse iamte la definicidn sin causar desbordamiento’30 CAPITULG 1 © Pretiminares matematicas m. b Deminesire que (7) también se pues ealeular como (t)-(#)(t2t)- (4) ¢ {Cul es ¢] mayor valor de» para que el coeficiente binomial (” ) pueda calcularse me- diame fa Formula del inciso (b) sin cansar un sobwefiujo? 4. Use la ecuackin en (b) y una aritmética de truncamiento a cuatro cifras para calcular el niimero de manos posibles de 5 cartas en una baraja con 52 cartas, Calcule los errores real y relativo, Sea fe Cla. b} una funciia cuya derivada exisic en (a. b). Suponga que se evaluard a fen xp en (a, b), pero en vez de calcular el valor real f(x,). el valor aproximado /(x,), e6 el valor real de fen Xp + €: es decir, Fic) = fltg + 0. a, Use el teorema del valor medio para estimar el error absoluto |f¢x,) rotative | Fix) — F6p)l LAU). swponiendo que f(xy) # 0. bh Sie = 5x 10~y xy = 1, calcule las cotas de los errares absolute y relative para xo) y el error i fee ii, fo) = sen x € Repita <1 inciso tb) con € = (5 10° ¥ x9 = 10. Fl siguiente procedimiento de Maple trunca un iimero de punto flotante x en f cifras eretrunc (evel f(logLO (abatx) 9) )z iff eo then e:-esl fi: x2:seval £(trunc (x*10"(} (t~e) )*107%) 7 end: Verifique que el procediimiento funcions para los siguientes valores. a «= 1M081,0=5 bo x= 124.0386,1= 5 e x= -1246.031,0=5 dx = 124.036, 1 = 5 & x= 000653, r= 2 f= 0.00656, 1 = 2 & x= ~0,00653, F= 2 h, x= -0,00656, 1 En ef ejempio inicial de este cxpftulo se describié un experimento fisico relativo # la tempe~ rtura de un gas bajo presiGn. En esta aplicacidn, teniamos que P = 1.00 aumésfere, V = 0.100 m!, W = 0.00420 moles y R = 0:08206. Al despejar T en la ley del gas ideal tenemos Pv C.000.100) 5 °c T= Tae ~ @ooazoxoo0s206) ~ 77015 K= 17°C En cl laboratorio se determiné que bajo estas condiciones fa temperatura T era de 15 °C, y que al duplicar ta presidn y reducir el volumen a la mitad, T cra igual a 19 "C, Suponga que los datos estén redondeados con una precisisn igual al mimero de cifras dadas y demuestre que las cifras del laboratorio estén deniro de las cotas de precisiGn de la ley del gas ideal1.3. Algoritmas y convergencia 31 1.3 Algoritmos y convergencia EJEMPLO 1 En el texto estaremos analizando procedimientos de aproximacién, llamados algorim relacionados con series de célculos, Un algoritmo es un procedimiento que describe, ambigiiedades, una serie finita de pasos a realizar en un orden especifico. El objeto del al- goritmo es poner en prictica un procedimiento para resolver un problema o aproximarse a una solucién del problema Usaremos un seudocédigo para describir los algoritmos, Este seudocédigo especifica la forma de 1a entrada por proporcionar y la forma de Ia salida deseada. No con todos los, procedimientos numéricos se obtiene una salida satisfactoria para una entrada elegida de manera arbitraria. Como consecuencia, en cada algoritmo se incorpora una técnica para detenerlo, independiente de la técnica numérica, para evitar ciclos infinitos. En los algoritmos se usan dos simbolos de puntuacién: Un punto (,) indica el fin de un paso, el punto y coma (;) separa las tareas dentro de un paso. Las sangrias se usun para indicar que los grupos de enunciados deben considerarse como una sola entidad. Las téenicas de formacién de ciclos en los algoritmos son controladas por un conta- dor, como por ejemplo, © por una condicién, como Mientras i < N ejecute Pasos 3-6. Para permitir una ejecucién condicional, usamos las construcciones estindas Si... emtonces ° Si... entonces otras construcciones Los pasos en los algoritmos siguen las reglas de ln construcciéa estructurada de pro- gramas, Los hemos organizado de modo que haya pocas dificultades para traducir el seu- docddigo 4 cualquier lenguaje de programacién adecuado para las aplicaciones cientificas. A Ios algoritmos se les afladen comentarios escritos en cursivas y dentro de parénie- sis para distinguirlos de los enunciados de los algoritmos. Un algoritmo para calcular Me xy tay to tay32 EJEMPLO 2 CAPITULO 1 © Pretiminores matematicos donde N y los mimeros xj. x3..... xy estén dados, se describe como sigue ENTRADA Ni, xi.0y 005 ty SALIDA SUMA = 5", x, Paso 1 Establezea SUMA = 0. — (nicializa ef acumulador) Paso2 Parai= 1,2,..., Nhaga Jfijar SUMA = SUMA + x, (Agrega el siguiente término.) Paso 3 SALIDA (SUMA); PARAR, EL N-ésimo polinomio de Taylor para f(x) = In x desarrollado en torno a 1) = Les (yet pyc © SE my, y el valor de In 1.5 con ocho cifras decimales es 0.40546511. Suponga que queremos calcular ¢] valor minimo de N necesario para que lim 1.5 — Py(1.5)| < 10-8 sin usar el término del residuo en e! polinomio de Taylor. En los cursos de céleulo aprendimos que si 5 es una serie alternante con limite A cuyos términos disminuyen en magnitud, entonces A y la N-ésima suma parcial Ay = S“_, a, difieren por menos que Ia magnitud del (N + 1)-Esimo término; es decir, lA ~ Ayl = lay! El siguiente algoritmo usa esta cota ENTRADA valor x, tolerancia TOL, nimero maximo de iteruciones Mf SALIDA grado N del polinomio o un mensaje de error. Paso 1 Establezca N= 1 yex- SUMA = 0; POTENCIA = TERMINO = SIGNO = — (Se usa para ejecutar la alternancia de signos.) Paso 2 Mientras N = M realice los Pasos 3-5. 1. (Alterna los signos:) SUMA = SUMA + SIGNO -TERMINO; — (Acumula los términos.) POTENCIA = POTENCIA : y; TERMINO = POTENCIAKN +1). (Calcula ef siguiente rérmino.)Defintcién 1.17 EJEMPLO 3. 1.3 Algoritmes y convergencia 33 Paso 4 Si |TERMINO| <7TOLentonces — (Verifica la precisi SALIDA (A), PARAR. (El procedimiento mo éxito.) Paso § FijarN=N +1, (Prepare la siguiente iteracién,) Paso 6 SALIDA(EI método falls"), (El procedimiento no tuvo éxito.) PARAR. La entrada de nuestro problema es x= 1.5, TOL = 10-5 y wll vez M = 15, Esta elecciGn de M properciona tina cota superior para el namero de célculos que estamos dispuestos a realizar, reconociendo la posibilidad de que falle el algoritmo si se excede esta cota. El he- ccho de que la salida sea el valor de No el mensaje de error depende-de la precisién del dis- positivo utilizado para realizar los célculos. . Nos interesa elegir métodos que produzcan resultados precisos (segiin las circunstan- -cias) para una amplia variedad de problemas. Uno de los criterios que siempre trataremos de imponer sobre un algoritmo es que los cambios pequefios en los datcs iniciales produz- ‘can otros comespondientes cn los resultados finales. Un algoritmo que satisfaga esta pro- piedad es estable; en caso contrario, inestable. Algunos algoritmos sdlo son estables para ciertas elecciones de datos iniciales; a estos se les [lama condicionalmente estables. Ca- racterizaremos Las propiedades de estabilidad de los algoritmos siempre que sea posible, Para continuar nuesiro anélisis del crecimiento de los errores de: redondeo y su rela- cin con la estabilidad de un algoritmo, suponga que se introduce un error de magnitud E, > Den cierta etapa de los céleulos y que se denota por E, la magnitud del error después de n operaciones sucesivas. Los dos casos que surgen con mds frecuencia en la practica se definen como sigue. Suponga que £, > 0 denota un error inicial y E, representa la magnitud de un error des- pués de operaciones sucesivas. Si E, = CnEy donde C es una constante independiente de n, entonces se dice que el crecimiento del error es Hineal. Si E, = C*E, para alguna C > 1, entonces el crecimiento del error se denomina exponencial . Normalmente es inevitable el crecimiento lineal del error y, cuando C y E, son pequefios, por lo general son aceptables Jos resultados. Por otro lado, hay que evitar el crecimiento exponencial del error, pues el término C* creee incluso para valores de n rela- tivamente pequefios. Esto conduce a imprecisiones inaceplables, sin importar el tamafio de Ey, En consecuencia, un algoritmo que exhibe un crecimiento lineal del error es estable, pero no asf un algoritmo con crecimiento exponencial del error. (Véase la figura 1.13 de la pagina 34.) La ecuacion recursiva para n = 2,3, tiene la solucién ) +3", = \ 5 ol34 CAPETULO 2 © Pretiminares matemdticos Figura 1.13, Coeciensento exposencialinestable + BA Ch . a & Crecimiento lines! estable ot B= One y tenemos c, = 1 yc, = 0, de mado que p, = (1)" para toda a. Suponga ‘que usa una aritmetica de redondeo a cince cifras para calcular los técmines de la sucesigin ddada por esta ecuacién. Entonces p= 1.0000 y p= 0.39333, lo cual requiere modificar las constantes & €, = 1,0000 y €, = 0.12500 10-3. Asi que la sucesion (/,)7-g gene- rada esti dada por 10000 ( +)" — 0.12500 x 10°F 3)", y el error de redondeo, 0.12500 x 10°5 (3"), rece en forma exponencial con v, Esta se refleja en las imprecisiones extremas después de los primers términos, como se muestra en la tabla 1.5. Por otro lado, la ecuacidn de recurrencia Py = yy Pye Parin = 2, 3...Tabla 1.5 ‘Tabla 1.6. 1.3 Algoritmos y convergencia 35 a calculado P, COrFERO Error relative o 0.10000 * 10! 0.10000 10 1 0.33333 x 10? 0.33333 10° 2 0.11110 x 10° OUNiE x 10° 9x los 3 0.37000 * 10: 0.37037 x 10-! 1x 107? 4 0.12290 x 10-9 0.12346 x 10°? 9x Lo" s 0.37660 ¥ 10 G.41152 10°? 8x 107? 6 0.32300. 10° Q.13717 X 10-7 8x 10"? 7 0.26893 x 10"? 45725 x 10-9 THe 8 — -0.92872 x 10 0.15242 10° 6x 10! tiene la soluci6n p, = c; + con para las constantes ¢, ¥ €, porque 2p, 1 ~ Py 2 = Ae, + ofa — Di Ce, + exkn — 2) = e(2- 1) + e,Qn-2—nt =e, te, Sify = 1 yp, = 4, las constantes en esta ecuaci6n se convierten enc, = Ly 1 —3n. Con una aritmética de redondeo a cinco cifras se obtiene py = Pr 1.0000 y , = 0.33333, En consecuencia, las constantes con redondeo a cinco cifras son €, = 1.0000 y ¢, y el error por redondeo es que crece linealmente con n. P, 0.66667. Asi, 1,0000 = 0.66667n, 10 se refleia en la estabilidad que aparece en la tabla 1.6, a 3, calculado Error relative: o 0.10000 * 10! 1 0.33333 x 10? 2 0.33330 x 10" 9x10 3 0.10000 x 10! 0 4 0.16667 * 10! 0 5 0.23334 * 10! 4x 10% 6 -0,30000 x 10! 0 7 0.36667 * 10! o 8 0.43334 < 10! 2x10°5 Los efectos del error por redondeo se pueden reducir mediante una aritmética de or- den superior, como la opcién de precisién doble o miltiple en a mayor parte de las com- putadoras, El uso de Ia aritmética de doble precision presenta las desventajas de mis tiempo de eémputo y no se elimina el crecimiento del error por redondeo, sino solamente se pospone hasta realizar otras céleulos.Definicién 1,18 EJEMPLO4 Tabla 1.7 CAPITULO 1 © Preliminores matemdticos Un métado para estimar el error de redondeo consiste en usar aritmética de intervalos (cs decir, conservar los valores méximo y minimo en cada paso), de modo que, al final, ob- tenemos un interval que contiene al valor real. Desafortunadamente, se necesitarfa un intervalo muy pequefio para una ejecucién razonable. Pueste que se usan con frecuencia las técnicas iterativas relacionadas con sucesiones, esta seceidn coneluye con un breve anilisis de cierts terminologia usada para describie la rapidez a la que ocurre la convergencia cuando se emplea una técnica numérica, En general, sigramas que la técnica convergiese lo més ripido posible. Se usa la siguiente defini- para comparar las razones de convergencia de varios métodos, Suponga que (8,7. es una sucesién cuyo valor de convergencia es cero y que (0,12, converge a un niimero a, Si existe una constante positiva K tal que entonces decimas que (a1, }=., converge a a con rapidez de convergencia ((/,), Esta ex- presidin se lee "O maytiscula de f,”. Se indica escribiendo a, = a + O(B,). . l=xlp,|. paran grande, Aungue la definicién 1,18 permite comparar (a,)¢., con una sucesién arbitraria (8,12). en casi todas las situaciones usamos A= para algin nimero p > 0. Por lo general, se tiene interés en el mayor valor de p tal que @, = a + On"). Suponga que, para n = 1, ‘Aunque lim, ... ¢, = Oy lim, é, = 0, a sucesion (4, } converge en este limite mucho mis. ripido que la sucesién (a,}, usando la aritméticn de redondeo a cinco cifras, como se muestra cn Ia tabla 1.7, 7 T 2 3 4 3 6 7 a, 2.00000 0.73000 O444d4 31250 0.24000 IDK 0.16327 &, 4.00000 6.62500 0.22222 10938 O.064000 O04 1667 .020185 Sif, = Vay B, = We, vemos que n+ ata alas s la, -ol= S a nea 3 la, -0|=1.3 Algoritmos y convergencia 37 de modo que La rapidez de convergencia de (a,} a cero es similar a la convergencia de (In) a ¢e~ ro, en tanto que {4} converge a cero con una rapidez similar a la de Ta sucesi6n {1/n?), la cual converge mas rapido, . ‘También usamos la notacién “O maydscula” para describir la rapidez de convergen de funciones. Definicién 1.19 Suponga que lim, , Gin) = Oy lim, ,. Fh) = 4, Si existe una constante positiva X tal que rat) = K|G(H)!, pata de suficientemente pequefia, entonces eseribimos Fh) = L + O(Gth)). . Por lo comin, las funciones que usamos para la comparacién tienen la forma Gi hv, donde p > 0, Nos interesa el mayor valor de p para el que F(h) = L + OU"). EJEMPLO 5 En el cjemplo 3(b) de la seccién 1.1 vimos que el tercer polinomio de Taylor da i 1 5 git + agh cos Eth), cosh = 1b para algin ndimero £ (A) entre cero y h, En consecuencia, 1 = 608 ht = agit cos Eth. De este resultade se deduce que I cosh + SIP = 1 + O10), pues |4cos h + $4?) — 1| = | cos £¢h)|A¢ < te, Esto implica que, cuando h + 0, cos i +H}? converge a su limite, I, casi tan répido como ht converge a 0. . CONJUNTO DEEJERCICIOS 1.3 ‘Con aritmética de truncamiento de tres cifras c1 rope ten +b y luego ge tht qué? U?), Utlice prime- 1 ZCudl método es mis preciso? {Por x, cn orden inverso, bb Escriba un algoritmo para sumar Ia serie finita Teo (Un!) donde n! = ntn—1) 2-1 param # Oy Ol = 1 Use la aritmética de truncamiento de cuatro cifras para calevlar la siguiente uproximaciéa de ¢ y determine los errores absolute y relat 2. El ndimeroe se define como ¢38 3 19. u, 12 CAPITULO 1 © Pretiminares matematicos 5 . a oend bho ew = io-w 2 4 woo =yi exS «he “2 om La serie de Maclaurin para la funciée arctan converge en —1 + arctan 4 se evabia la serie para cl arctan en 5 y en , Calcule el némera de técminas que debernos Sumar para garantizar que la aproximaciin dew esté dentro de 10-?, tra fiemula para calcular + se puede deducir de a identidad md = 4 sretan 2 — aretan <1 Caicule el nimero de términos que debernos sumar para garantizar que ia eS ef exté dentro de 10% Determine la rapidez de convergencia de las siguientes sucesiones cuando n —+ =. lim sen + <0 b tim sea 1 = 0 tim [sen 4. lim {Inn + 1) = In) 20 Determine las razones de convergencia de las siguientes funciones cuando h —» 0. cosh oo! eae senh & yg mtent ‘ete a. (Cudntas multiplicaciones y suimas s¢ necesitan para detenninar una suma de La siguiente ism : Sab Ai b. Modifique la suma del inciso (a) en una forma equivalente que reduzca el niimero de cilculos Suponga que se tiene el polinomio Px) = aye" + a,_yx°~! + + ayx + dy y Xp Construya un algoritme para evaluar P(x) por medio de una muubtiplicaciéa anidada, En el ejemplo 5 de la seccin 1.2 se dan formulas alternativas para las raices x, y x, de ax? + bx + ¢ = 0, Constuya un algoritmo con entrada a,b, ¢ y salida 4,,.£, que permita calcular las maces x yx, (que pueden ser iguales o complejos conjugados) mediante la mejor ténmula para cada rais Constraya un algoritmo cuya entrada sea un entero m % 1, los oximenos Ay xy. .05 , ¥ un AG mero x cuya salida sea el producto (x ~ xXx ~4,) =~ (x). Supongs que Inde dena av ar? _ itt + [owee "eae1.3. Algoritmos y convengencia 39 para.x~< Ly sea.x = 0.25, Escriba y ejecute tin algoritmo que calcule ef ndmero de términos necesaries en el miembro Izquierdo de la ecuacién, de modo que este lade izquicrde difiera del lade derecho en menos de 10° 13. a. Suponga que 0< 9 < py que a, = a+ O(n-F), Demvesire que a, = a + O(n 9. 1. Consiruya una tabla con los valores de Lin, Lin, Vin? y Wnt param = 5, 10, 100 y 1000 y analice las variaciones en las tasas de convergencia de estas sucesiones a medida que rece 14, & Suponga que 0 4 cifras de precisién, un exponente minimo emin, ¥ un exponente miximo emdx, Entonces el conjun- To de ntimeros de punto flotante en esta méquina consta de 0 y de los niimeros de la forma = f-10, donde f= #(f,10°' + A102 + + f10""), donde 1 Sf, 5 9y 0S, 59 para cada ty donde emin = eS emdx, Estas restricciones implican que el mimero positive mis pequefo representado en esta miquina es @ = 10-1, de modo que cualquier nimero calculado x con|x|< o provoca un subdesbordamiento y hace que x se iguale a cero. El mayor niimero positive es A = (1 = 10°) 10", y cualquier nimero calculado x con |x| > A produce un desbordamien- Jo, Cuande hay subdesbordamiento, el programa continda sin que haya una pérdida signi- ficativa de exactitud. Si ocurre un desbordamiento, fallard el programa . El algoritmo supane que las caracteristicas de punto flotante de Ia maquina se deseri- ben mediante fos parimetros N, 5, S, », ¥. Nes el mimero maximo de datos que: se pueden sumar con al menos ¢/2 cifras de precisidn. Esto significa que el algoritmo tratard de calcu- lar la norma de un vector x =(x;, X3..... ¥,) s6lo si a = N. Para resolver el problema de subdesbordamiento-desbordamiento, los niimeros no nulos de punto flotante se separan en tres grupos: los ntimeros x de pequeia magnitud, que satisfacen 0-< |x| < y; los mime- ros x de magnitud media, donde y = |x| < ¥:y los mimeros x de gran magnitud, donde ¥= |x|, Los pardmetros y y ¥ se eligen de modo que no se presenten problemas de sub- desbordamiento-desbordamiento al sumar los niimeros de magnitud mediana y elevarlos al cuadrado. Al ¢levar al cuadrado los niimeros de pequefia magnitud puede ocurrir un subdes- bordamiento, por lo cual se usa un factor esealar S mucho mayor que 1, de ese modo (Sx)? vita cl subdesbordamicnto aunque no lo haga 2°, Al sumar y elevar al cuadrado los mime- ros de gran magnitud se puede tener un desbordamiento, de modo que en este caso se usa tun factor de eseala mucho menor que | para garantizar que (sx no provoque un desborda- micnio al calcularlo e incorporarlo en una summa, aun cuando x? genere problemas. Para evitar los cambios de escala innecesarios, y y ¥ se eligen de modo que el inter- valo de nimeras de magnitud media sea lo més amplio posible, El siguiente algoritmo es42 CAPITULO 1 © Pretiorinares matemdticos una modificacién del descrito en (Brow, K, p. 471]. Este incorpora un procedimiento para cambiar la escala de las componentes del vector que tienen magnitud pequefia hasta en contrar una componente de magnitud medina, Luego, se invierte Is escala de la suma anterior y se continda elevando al cuadrado y sumando ntimeros pequefios y medianos has- la encontrar una componente de gran magnitud, Una vez. que aparece ésta, el algoritne escala la suma anterior y se procede a cambiar la escala, elevar al cuadrado y sumar los miimeros restantes, Supone que al pasar de los nimeros pequeios a lox medianos, los ni- eros pequefios no escalados resultan insignificantes en comparacién con los mimeros me- dianos, De manera similar, al pasar de ntimeros medianos a grandes, los ntimeras medianos no escalados son insignificantes comparados con los mimeros grandes. Asi, hay que elegir Jos parimetros de escalamiento de modo que los ntimeros scan anulados (igualados a cero) silo cuando realmente sean insignificanies. Las relaciones usuales entre las caracte- risticas de la miquina descritas por t, o, A, emin, emex y los parimetros N, s, 5, y y ¥ apar recen después del algoritmo. En el algoritmo se utilizan tres banderas para indicar las diversas etapas del proceso de suma. Estas banderas reciben sus valores iniciales en el paso 3. La BANDERA I es | hasta que aparezca un componente mediano o grande; entonces se transforma en 0. La BANDERA 2 cs 0 mientras s¢ sumen nimeros pequeiios, se convierte-en 1 al encontrar un némere mediano por primera vez y vuelve a ser (al aparecer un ndmero grande. La BAN- DERA 3 cs igual a 0 al principio y se transforma en 1 cuando aparece un mimero grande por vez primera, En el paso 3 también se introduce la bandera HBCHO, que es igual a 0 hasta conciuir fos cfleulos, y, una vez terminados, vuelve a ser 1 ENTRADA WN, 5. S,¥, FA, my xy SALIDA NORMA 0 un mensaje pertinente de error *, Poso 1 Sim = Qentonces SALIDA (‘El entero m debe ser positivo’.); PARAR. Poso 2 Sin = Nentonces SALIDA (‘El entero mes demasiado grande’); PARAR. Paso 3 Tome SUMA = 0; BANDERA! = 1; (Se estén swnando los némeros pequetios.) BANDERA? BANDERAS HECHO = 0, i=l Paso 4 Mientras (i = n y BANDERAL = 1) haga Paso 5. Paso 5 Si |x,| < yentonces establezca SUMA = SUMA + (Sx) i=i+l sino establezca BANDERAI = 0. (Se halld un mimero que no es tan pequefio.) Paso 6 Sii > nm entonces establezca NORMA = (SUMA)"/S; HECHO = 1 si no establezea SUMA = (SUMAJ/SYS; — (Cambia la escala de mimeros grandes.) BANDERA2 = 1 Paso 7 Mientras (i mentonces establezca NORMA = (SUMA)"*, HECHO = 1 obien establezca SUMA = ((SUMA)s)s, — (Cambia de escala alos niimeros grandes.) BANDERA3 = 1. Paso 10 Mientras (i < ny BANDERA = 1) ejecute Paso 11 Poso it Establezca SUMA = SUMA + (sx)", (Suma log mimeros grandes.) feist Paso 12 Si HECHO = 0-entonces si SUMA!® < As entonces establezca NORMA = (SUMA)!Ms; HECHO = | bien establezca SUMA = A. (La norma ex demasiado grande.) Poso 13 Si HECHO = 1 entonces SALIDA (‘La norma es’, NORMA) » bien SALIDA (“Norma =", NORMA, ‘ocurrié un desbordamiento'). Poso 14 PARAR. Las reluciones entre las caracteristicas de la miguina 1, a, A. eitnin, emdx y los pari metros del algoritmo W, 5, S, y y ¥ fweron elegidas en [Brow WW, p. 471] como: N= 10%, donde ey =((¢—2W21, el mayor enteromenor a igual a (202; 195, e,=L-(emdr + eyy2J : S= 10%, e,=0( = eminy2], el menor entero mayor o igual a (1 = y= He, e, =Temin + ¢ — 22]; y= 10, = Ltemdx — ¢, 2.1 \La confial dad incorporada a este algoritmo de propésito general ha incrementada en gran medida el grado de dificultad en comparacién con el algoritme de propésite espect- fico mostrado antes en esta seccién. Existen muchos tipos de software comerciales disponibles y de dominio pablico de propdsito general para el andlisis numérico, La mayor parte de Jos primers software fuc- rom escrites para supercomputadoras (mainframe); una buena referencia para esto es Saur- ces and Developments of Mathematical Software, editado por Wayne Cowell [Co]. Ahora que la computadora de escritorie se ha vuelto hastante poderosa, se dispane de saftware numérico comin para las computadoras personales y estaciones de trabajo. La mayor par- te de este software esta escrito en FORTRAN, aunque algunos paquetes estén escritos en ©.C++ y FORTRANDO. En 1971 [WR] presente algunos procedimientos en ALGOL para el calculo de matrices. Luego, a partir de un paquete de subrutinas de FORTRAN basadas en los procedimientos de ALGOL, se obtuvieron las nutinas EISPACK. Estas estén documentadas en los manua- les publicados por Springer-Verlag como parie de su serie Lecture Notes in Computer44 CAPETULO 1 © Pretiminares matemdticos Sciences (Sm, B] y (Gar]. Las subrutinas en FORTRAN se usan para calcular valores y vectores caracteristicos para una amplia variedad de matrices. El proyecto EISPACK fue el primer paquete de software numérico a gran escala que estuvo disponible para el domi. nio publice y fue la gufa de muchos paquetes posteriores, EISPACK recibe mantenimien to de netlib y aparece en la direccién bitp://www:netlib.orgleispack. LINPACK ¢s un paquete de subeutinas de FORTRAN para analizar y resolver siste- mas de ecuaciones lineales y problemas lineales de minimos cuadrados. La documentacién de este paquete est en [DBMS] y aparece en hitp:/www.netliborg/linpack. {CV] da una introduccién paso a paso a LINPACK, EISPACK y BLAS ( por sus siglas en inglés de, su- brutinas bisicas de algebra lincal, Basic Linear Algebra Subprograms), Ei paquete LAPACK, lanzado al mercado en 1992, es una biblioteca de subrutinas de FORTRAN superior a LINPACK y EISPACK, que integra estos dos conjuntos de algo- fitmos en un paquete unificade y actualizado. El software se reestructuré para lograr ma- yor el ‘ia con procesadores vectoriales y otros multiprocesadores de alto rendimiento ‘ode memoria compartida. LAPACK se amplié en profundidad y aleance en la version 3.0, disponible en FORTRAN, FORTRAN9O, C, C++ y JAVA, FORTRAN9O, C y JAVA s6- lo estiin disponibles como interfaces de lenguaje 0 traducciones de las bibliotecas en FOR- TRAN de LAPACK. El paquete BLAS no forma parte de LAPACK, pero el eédigo- de BLAS se distribuye con LAPACK. El texto LAPACK User's Guide, tercera edicién [An] esti disponible en SIAM oen hitp /fwww.netlib.org/lapack/Iug/lapack_lug html. Todo LA- PACK o algunas de sus rutinas individuales pueden obtenerse por medio de netlib en ne- ttibornl gov, netlibresearch.att.com, o hutp://www.netlib org/lapack Existen otros paquetes de dominio piblico que sirven para resolver ciertos tipos de problemas, [La informacién acerca de estos programas se puede obtener por medio de co- reo clectrénico, enviando el mensaje a siguna de las siguientes direcciones: net bresearch al.com, netlibornl, gov, netlibnac no o netlibdraci.cs.uowedu.au 0 a la direcciGn uuep adress uunet!zescarch!nctlib. Como alternativa a netlib, puede usar Xnetlib para bus car en la base de datos y obtener el software. Hay mas infornacién en el articulo Sofiwa- re Distribution using Nedib, de Dongarra, Roman y Wade [DRW] Estos paquetes son muy eficaces, exactos y confiables. Ademds, se han probado. en forma exhsustiva y su documentacién es féeil de consultar. Aunque estos programa portitiles, es bueno investigar su compatibilidad con la maquina y leer con detenimiento toda la documentacién, Los programas verifican casi todas las contingencias particulares que podrian producir enrores y fallas. Al final de cada capitulo analizaremos algunos de los paquetes adecuados de propésito general Los paquetes comerciales también representan lo mis avanzado en métodes numéri- cos, Por lo general, su contenido se basa en los paquetes de dominio piiblico, pero inclu- yen técnicas para casi cualquier tipo de problema. TMSL (del ingiés International Mathematical Software Library, bibliotecas imternacio nales en mateméticas y estadistica) incluye tas bibliotecas MATH, STAT y SFUN para mateméticas numéricas, estadistica y funciones especiales del andlisis numérico, respecti- vamente. Estas bibliotecas contienen més de 960 subrutinas disponibles originalmente en FORTRAN 77 y ahora en C++, PORTRANS® y JAVA. Con estas subrutinas se resuel- ven los problemas mas comunes de andlisix numérico. En 1970, IMSL se convirtié en la primera biblioteca cientifica de gran eseala para las supercomputadoras (mainframe). Des de entonces, las bibliotecas han estado- disponibles para sistemas de cOmputo que van deste Jas supercomputadoras hasta las computadoras personales. Estas pueden adquirirse en Wi- sual Numerics, 9990 Richmond Ave $400, Houston, TX 77042-4548, con direceion en Internet hitp://www.vni.com, Los paquetes se entregan en forma compilade, con amplia s Son1.4 Software numérico 45 documentacién, Hay un programa ejemplo para cada rtina, asf como informacién bisica de referencia. Las IMSL conticnen métodos para sistemas lincales. andlisis de sistemas caracteristicos, interpolacién y aproximacién, integracién y derivacisin, ecuaciomes dife- renciales, transformadas, ccuaciones no lineales, optimizacién y operaciones bisicas con matrices y vectores. La biblioteca conticne adems muchas rutinas de estadistica El Numerical Algorithms Group (NAG) se fundé en 1970, en Reino Unido. NAG ofre- ‘ce mas de 1000 subrutinas en una biblioteca de FORTRAN 77, cerca de 400 subrutinas en ‘una biblioteca en C, mds de 200 subrutinas en su biblioteca de FORTRAN 90 y una biblio- ‘teca numérica de FORTRAN MPI para nviquinas en paralelo y etimulos de estaciones de trabajo o computadoras personales. Un subconjunto de su biblioteca en FORTRAN 77 (la NAG Foundation Library) esti disponible para computadoras personales y estaciones de trabajo donde ef espacio estd limitado. Las bibliotecas NAG C, FORTRAN 90 y FOR- TRAN MPI ofrecen muchas de las mismas nutinas de la biblioteca FORTRAN. El manual del usuario de NAG incluye instrucciones y ejemplos, junto con una salida muestra para cada una de las rutinas. [Ph] ¢s wna introduccién dtil para las rutinas NAG. La biblioteca NAG contiene rutinas que permiten realizar la mayor parte de las tareas estandar de andl sis numérico de manera similar a las IMSL. También incluye algunas rutinas de estadfstica y un conjunto de rutinas grificas. La biblioteca se puede comprar en Numerical Algo- rithms Group, Ine.. 1400 Opus Place, Suite 200, Downers Grove, IL 60515-5702, con d reccidn en Intemet http://www.nag.com |Los paquetes IMSL, y NAG esuin disefiados pars los matemiticas, cientificos e inge- nieros que desean llamar desde un programa las subrutinas FORTRAN de alta calidad dentro de un programa. La documentacin que incluyen los paquetes comerciales explica el programa maestro que se necesita para usar las rutinas de la biblioteca, Los siguientes tres paquetes de software son ambientes independientes. Al activarlos, el usuario teclea instrucciones para que el paquete resuelva el problema. Sin embargo, cada paquete permi- te programar dentro del lenguaje de sus instrucciones. MATLAB es un Laboratorio. de matrices que originalmente era un programa en FOR. TRAN publicado por Cleve Moler (Mo]. El laboratoria se basa sobre todo en Las su- brutinas EISPACK y LINPACK, aunque s¢ han incorporade funciones como sistemas lineales, integracién numérica, trazadores cibicos, ajuste de curvas, optimizacién, ecua- ciones diferenciales ordinarias y herramientas grificas. MATLAB esté escrito actualmen- te en C y en lenguaje ensamblador, y la versién para computadora personal requiere un coprocesador numérico. La estructura basica consiste en realizar operaciones con matri- ces, como determinar los valores caracterfsticos de una matriz intreducida desde Ia linea de instrucciones o desde un archivo externo mediante Namadas de funciones. Este es un poderoso sistema autosuficiente que resulta muy itil para la enseflunza de Algebra lineal icada. MATLAB esta en el mercado desde 1985 y puede adquirirse en The Math Works, Inc., Cochituate Place, 24 Prime Park Way, Natick, MA 01760. La direccién de correo electréinico de ‘The Math Works ¢s infomathworks.com y la direccién en Internet es hitp:/Avww.nathworks.com. El software de MATLAB esté diseftado para cjecutarse en muchas computadoras, incluyendo las computadoras personales compatibles com IBM, APPLE Macintosh y fas cstaciones de trabajo SUN. La versidn de MATLAB para el extu- diante no requiere un coprocesador pero lo usard en caso que esté disponible. El segundo paquete es GAUSS, un sistema matematico y estadistico. producido por Lee E. Ediefson y Samuel D. Jones en 1985. Est codificado en lenguaje ensamblador y se basa en EISPACK y LINPACK. Como en el caso de MATLAB, dispone de integracigin, derivaci6a, sistemas no Tineales, transformadas répidas de Fourier y gréficas, GAUSS es- td menos orientade a la ensefianza en algebra lineal y més hacia el anélisis estadistico de46 CAPITULO 1 © Protiminares matemdticos datos. Este paquete también usa un coprocesador numérico si esté disponible. Puede ad- quirirse en Aptech Systerns, Inc., 23804 S.B. Kent-Kangley Road, Maple Valley, WA 98038 (infoaptech.com). El tercer paquete es Maple, un sistema de digebra por computadora desarrollado en 1980 por The Symbolic Computational Group de la Universidad de Waterloo. El disefio del sistema Maple original se presenta en el articulo de B.W., Char, K.O. Geddes, WM, Gentlemen y G.H. Gonnet [CGGG]. Maple esta en el mercado desde 1985 y se consigue en Waterloo Maple Inc., 57 Erb Street, Waterloo ON N2L 6C2. La direccién de correo electrénico de Waterloo Maple es infomaplesoft.com y la direccién en Internet es hitp’/Wwww.maplesofl.com Maple esté escrito en C y tiene la capacidad de manejar la in- formacién de manera simbélica, lo cual permite al usuario obiener respuestas exactas en vez de valores numéricos, Con Maple se pueden obtener respuestas exactas a problemas matematicos como integrales, ecuaciones diferenciales y sistemas lineales. Contiene una estructura de programacién y permite guardar texto ¢ instrucciones en sus archivos de hoja de trabajo. Luego, estas hojas de trabajo se pueden introducir en Maple y ejecutar las ins- trucciones. Debido a sus caracteristicas de célculo simbélico, céleule numérico y hojas de trabajo, se eligid a Maple como lenguaje para este texto. En todo el libro se intercalan instrueciones de Maple. Existen muchos paquetes que pueden ser catalogados como paquetes de supercalcu- tadora para computadoras personales. Sin embargo, estos no deben confundirse con el software de propésito general mencionado aqui. Si usted tiene interés en alguno de estos paquetes, debe leer Supercalculaiors on the PC por B. Simon y R.M. Wilson [SW]. Para obtener mas informacién acerea del software y las bibliotecas de software con- sulle los libros de Cody y Waite [CW y Kockler [Ko]; asf como-en el articulo de 1995 de Dongarra y Walker [DW], En el libro de Chaitini-Chutelin y Frayse [CF] y el articulosde Gold- berg [Go] hay més informacién acerca de! céleulo-de punto flotante. Algunos libros dedicados a la aplicacién de técnicas numéricas en computadoras en paralelo son Schendell [Sche], Phillips y Freeman [PF] y Golub y Ortega (GO).CAPITULO z 47 Soluciones de ecuaciones de una variable Ei crecimiento ae una poblacién numerosa puede modelarse durante periodos breves, con sélo suponer que ésta crece constante- mente con ¢l tiempo a una tasa que ¢s proporcional al niimero de habitantes que existen en ese tiempo. Si denotamos con N(f) la can- tidad de habitantes en el tiempo / y con d el indice constante de na- talidad, Ia poblacién satisface la ecuacién diferencial 8 — A, La solucién de esta ccuacién es N(f) = Nye, donde N, denota la po- blacién inicial. Pray = 100064 + 435. (a-1) Poblacién (en miles) Tasa de natalidad t a48 CAPITULO 2 © Soluciones de ecuaciones de una variable Este modelo exponencial es vilido slo cuando ta poblacién se halla aislada, es decir, sin que cxista inmigracién proveniente del ex- terior, Si se permite la inmigracién con una tasa constante v la ecua- cién diferencial que rige la situacién sera ae = ANG) + ¥y cuya solucidn es NU) = Nye + tte =). Supéngase que cierta poblacién tiene iniciatmente un milkin de habitantes, que 435 000 de ellos inmigran hacia la comunidad du- rante el primer aio y que 1 564.000 se encuentran en ella al final det aio 1. Si queremas determinar la natalidad de esta poblackin, debe- mos determinar A en la ecuacién 435 000 1 $64.00 = 1 000 000¢4 + fe — 1), Los métados numérices que se tratan en este capitulo sirven para obtener aproximaciones a las soluciones de este tipo de ecuaciones, cuando no ¢s posible obtener respuestas exactas con métodos alge- braicos. En el ejercicio 20 de la seccién 2.3 se considera la solucién de este problema en particular. 2.1 El método de biseccién En este capitulo estudiaremos uno de los problemas biisicus de la aproximacién numérica: el problema de la biisqueda de raices. Consiste en obtener una rafz, 0 soluci6n, de una cecuacién de la forma f(x) = 0 para una funcién dada f. (Al ndmero x se le Hama también cero def.) El problema de encontrar una aproximacidn a la raiz de una ecuacidn se remon- ta por lo menos al afio 1700 a.C, Una tabla cunciforme que pertenece a la Yale Babylonian Collection, y que data de este perioda, da un nimero sexagesimal (base 60) equivalente a 1.414222 como aproximacién a V2, resultado que tiene una precisién de hasta 10-5. Esta aproximacién se puede determinar mediante una técnica descrita en el cjercicio 19 de la seccién 2.2. La primera técnica, que se basa en el teorema del valor intermedio, se conoce con el nombre de método de biseccién o de bisqueda binaria, Supongamos que fes una fun- cidn continua definida en el imervalo.[a, b] con fa) y f(b) de signos diferentes. De acuer- do con el teorema del valor imermedio, existe un niimeto p en (a, 6) tal que f(p) = 0. Si bien el procedimiento se aplica aunque exista mas de una raiz en el intervalo (a, 6), por ra- zones de simplicidad suponemos que Ia raiz de este intervalo es tinica. El método requie~ re dividir varias veces a la mitad los subintervalos de [a, 5) y, en cada paso, localizar la mi- tad que contenga a p.Figura 2.1 ALGORITMO. 21 2.1 El método de biseccién 49 Para empezar, supongamos que a, = ay b, = b, y sea p, el punto medio de (a, bl: es decir, ba, a, +6, p= a+ bt = Sifip,) = 0, entonces p = py: de no ser asi, entonces f(p,) tiene el mismo signo que f(a) of(hy). Sif(p,) y f{a,) tienen ef mismo signo, entonces p € (p,. ,) y tomamos a, = p, ¥ todo que se describe en el algoritmo 2.1 (Véase fig. 2.1). Biseccion Para obtener una solucién a f(x) = 0 dada la funcién f cont de f(a) y f(b) tienen signos opuestos: qua en el intervalo [a, 6]. don- ENTRADA extremos a, b; tolerancia TOL; ntimero maximo de iteraciones Ny SALIDA solucién aproximada p © mensaje de error, Pasa? Tome i = FA = fla) Poso 2 Mientras i Oentoncestome a=p; (Calcule a), b,) FA= FP sino tome b= p, Paso 7? SALIDA ("EI método fracasé después de Nj, iteraciones, Ny (Procedimiento serminado sin éxito.) PARAR. . A continuaciGn describiremos otros procedimientos de paro que pueden aplicarse en cl paso 4 del algoritmo 2.1 o a cualquiera de las téenicas iterativas que sc estudian en este ‘capitulo. Por ejemplo, seleccione una tolerancia € > 0 y genere p,,.... py hasta que se sa- tisfaga una de las siguientes condiciones: Ipy — Py) se Quy N,, ‘Obsérvese que para iniciar ef algoritmo de biseccidn, hay que encontrar un intervalo (a, 6}, de modo que fia) - f(b) <0, En-cada paso, la longitud del intervalo que se sabe que contiene un cera de fse reduce en un factor de 2; por tanto, conviene escoger un interval inicial [a, b] lo mas pequefio posible, Por ejemplo, si f(x) = 2x" — a? +x — 1, entonces A-4afay 5 z esta desigualdad implica que (p,)7_, converge a p con una raz6n de convergencia O (1); es decir, nr o(2) Es importante setialar que el teorema 2.1 da sélo una cota del error de aproximacién y que ésta puede ser extremadamente conservadora. Por ejemplo, cuando la aplicamos al problema del ejemplo 1 sdlo garantiza que lp-pyl so 2x 10%, pero el error real es mucho menor: |p = py] = |1.365230013 = 1.365234375] = 4.4 x 10-8 Para determinar la cantidad de iteraciones necesarias para resolver f(x) = x3 + 4x? ~ 10 = Ocon una exactitud de 10° por media de a, = | y de b, = 2 hay que encontrar un entero N que satisfaga |py - pl] S2-Mb - a) = 2°" < 10-4 Para determinar N usaremos logaritmos. Aunque se podrian usar Jogaritmos de cual- quier base, ulilizaremos los de base 10, porque la tolerancia esté dada como una potencia de 10. Puesto-que 2-" < 10-? implica que log,s2"" < logg!0~? = —3, tendremios -Nlogg2<-3 yy N= ~ 9.96. Tog y 2 Por tanto, se necesitan unas diez iteraciones para lograr una aproximacién exacta dentro de 10-3, La tabla 2.1 muestra que el valor de p, = 1.365234375 es exacto dentro de 10-4.2.1 El método de biseccién 53 Conyiene recordar que el andlisis dé emor no da més que una cota del nimero de iteracio- nes necesarias; muchas veces esta cota es mucho mayor que cl némero que se requierc. . La cota para el niimero de iteraciones en el método de biseccién supone que los céloulos se realizan en una aritmética con una infinidad de digitos, Al aplicarse el método n una computadora, hay que Lomar en cuenta los efectos de los errares por redondee, Por ejemplo, el caleulo del punto medio del intervalo [a,, b,.] debe encontrarse mediante la Pa aq re y no con la ecuacién algebraicamente equival Py 2 La primera ecuacién agrega una pequefia comecién, (6, — @,)/2, al valor conocido a,. ‘Cuando &, — a, esté cerca de la precisién maxima de la méquina, esta correcci6n podria tener un error, pero éste no afectaria de manera significativa el valor calculado de p,. Sin ‘embargo, cuando b, ~ a, estd cerca de la precision méxima de la méquina, es posible que (a, + V2 regrese un punto medio que ni siquiera esté en el imtervalo (a,, 6) Como observacién final, para determinar cudl subintervalo de [a,, b,] contiene una raiz de f, es mejor usar la funcién signo, que se define como 1, six <0, smin{ 0, six=0, Lo sro0. El criterio signo (f(a,)) signo (f(py< 0 — enlugarde fla, fip,) <0 da cl mismo resultado pero evita Ia pa Fia,) ¥ p,)- idad de un sobeeflujo en la multiplicacién de CONJUNTO DE EJERCICIOS 2.1 1. Aplique el método de biseccién para obtener p, para fix) = Vx ~ cos xen (0, 1 2. Sea fix) = 36x + 1) (x ~ Fix — 1). Aplique el método de biseccién a los siguientes intervalos ara encontrar p,, ® [-2,15] b.[-1.25,2.5) 3. Aplique el método de bisecci6n para encontrar fas soluciones exactas dentro de 10°? para? — Ta? + [4x ~ 6 = Den cada intervalo. a. (0, 1 bef, 3.2) (3.2.4)54 CAPETULO 2 © Soluctones de ecuaciones de una variable 4. Aplique ei método de bisecciGn para encontrar las soluciones exactas dentro de 10-2 para xt = 20 = 40 + 4c + 4 = Oen cada intervalo. & (-2-1] b& (0,2) © 2 a [=1,0] 5. Use el método de biseccidn para encontrar una solucién exacta dentro de 10°? para.xc= tan x en [4, 4.5]. 6 Use ef método de biseccién para encontrar una solucién exacta dentro de 10- para 2+ cos (e* = 2) = e* = Den (0.5, 1.5]. 7. Aplique el método de biseccién para encontrar soluciones exactas dentro de 10~> para los si- guiientes problemas. mer-2'=0 pamoses] bet +3r-2=0 paaOsxst €. Qeeos2e)—G@+IP=0 para-3Sa=-2 y para -1s4=0 de xcosx-2+3r—1=0 parmO2 1, pero que |p —p,| <10-* requiere que n > 1000. 15. Seely) erecta aiee = DT Demo {p,) diverge aun cuando lim, mn ~ Pa-1) = 0. 16. La funcidn definida por f(x) = sen mx tiene ceros en todos los enteros. Muestre que cuando =12 Cl sh atb=2 17. Un abrevadero de longitud 1 tiene wna seccién transversal en forma de semicircalo con radio r (Véase la figura anexa.) Cuando se lena de agua hasta wna distancia h de la parte superior, el volumen V de agua es V=£ 0.5m? — P arcsenthr) ~ h(y? — be)!?),2.2 Tteracidin de punto fio 55 Suponga que L.= 10 pics, r= | pie, y que V= 124 pies, Determine la profundidad del agua en el abrevadero hasta 0.01 pies. 18, Una particula parte del repose sobre un plano i tna rapidex constante inado uniferme, cuyo ingule @ cambia con 40 =wso. dt Al final de 1 segundos, la posicién del objeto esti dada por g a= 35 ‘Suponga que la particula se desplaz6 1.7 piex en | s. Enctientre, con wna exactitud de 10°5, la rapidez ot con que # cambia, Supanga que g = 32.17 piesis? x 2.2. Iteracién de punto fijo EJEMPLO 1 Un punto fijo de wna funcidn ges un ndmero p para el cual gip) = p. En esta sec tudiaremos el problema de encontrar las soluciones a los problemas de punto fijo y la co- nexidin entre éstos y tos de busqueda de la ratz que deseamas resolver. Los problemas de busqueda de raices y los de punto fijo son clases equivalentes en el siguiente sentido: Dado un problema de buscar una raiz ftp) = 0, podemos definir una funcién g con un punto fijo en p de diversas formas; por ejemplo, como glx) = x — f(x) 0 como g(x) = x+ 3 f(x). Por el contrario, si fa funcidin g tiene un punto fijo en p, entonces la fun- citin definida por f(x) = x — g(x) tiene un cero en p. Aungue los problemas que queremos resolver vienen en forma de busqueda de raices, Ja forma de punto fijo es més facil de analizar: algunas opciones de punto fijo dan origes a téenicas muy poderosas de busqueda de raices. Lo primero que debemos hacer es acostumbramos a este nuevo tipo de problema, decidir cusindo una funcién tiene un punto fijo y céme podemos aproximar los puntos jos con determinado grado de precisién. La funcién g(x) Porque a1) Esto podemos observarlo en la figura 2.256 CAPETULO 2 © Soluciones de ecuociones de una variable Figura 2.2 El siguiente teorema contiene suficientes condiciones para la existencta y unicidad del punto fijo. Teorema 2.2 a, Sig € Cla,b)y g(x) € [a bl, para todax€ (a, 4], entonces g tiene tun punto fijo cn [a, 8). b. Y si ademis g(x) existe en (a, b) y existe una constante positiva k < 1 con lg’y| S£,— paratoda xe (a, 5), entonces el punto fijo en [a, b] es tinico (véase Fig. 2.3). . Figura 2.3EJEMPLO 2 2.2 Tteracién de punto fijo 57 Demostracién 4. Si g(a) = a0 si g(b) = 6, entonces g tendri un punto fijo en un extremo, Supongamos que no es asf; entonces deberd ser cierto que: g(a) >a y que g(6) 0 y A(b) = g(b)-b <0, El teorema del valor intermedio establece que existe una p € (a, b) para la cual hip) = 0. [Ese mimero p es un punto fijo de x. O=hp)=2(p)—p —implicaque —x(p) =p. b. Suponga ademas que | g’(x)| =k <1 y que p y q son puntos fijos en [a, 5] tal que p * g, Segiin el teorema del valor medio, existe un nimero ¢ entre p y q y. por tanto, en (a, 6) tal que #0) Ht) = gy pa Por tanto, \p—al = le) - stl = |e! Ip - al =tlp— al 1, asf que g no satisface las hipstesis del teore- ma 2.2 en [3, 4], Esto demuesiza que esas hipdtesis son suficientes para garantizar un punta fijo tinieo, pero no son necesarias (véase Fig. 2.4),58 Figura 2.4 Figura 2.5 CAPITULO 2 © Soluciones de ecuaciones de uno variable 3), (+ + via) b. Sea g(x) = 3°", Puesto que g(x) = —3-* In 3 < Gen (0, 1), la funcién g es decrecien- teen (0, 1). Por tanto DSSS gQ)51= 90), para OSr51, Asi, para x € [0, 1}, tendremos g(x) € (0, 1], y g tendré un punto fijo en (0, 1]. Pues- to que g'(O) = —In 3 = —1,098612289,2.2 Iteraci6n de punto fijo 59 |g')| 1 en ©. 1), y no se puede utilizar el teorema 2.2 para determinar unicidad. Sin embargo, ¢ siempre ex decreciente y en la figura 2.5 se observa cla- ramente que el punto fijo ha de ser vinico. . ara aproximar el punto fijo de una funcién g, escogemos una aproximacion inicial py y generamos la sucesién (p,)7g haciendo p, = g(p,_,) para cada n= 1. Si la secuencia converge en p y si g es continua, entonces p= lim p, = im g(p,_,) = 8 (lim p,_,) = a). y oblenemos una solucién con x = g(x), Esta técnica recibe el nombre de iteracién de punto fijoo iteracién funcional. Esie procedimiento se describe detalladamente en el al- goritmo 2.2 y se muestra gréficamente en la figura 2.6. Figura 2.6 icone lteracién de punto fijo Para obtener una soluci6n a p = g(p) dada una aproximacién inicial po: ENTRADA aproximacién ini Po: tolerancia TOL; némero maximo de iteraciones Ny. SALIDA solucién aproximada p o mensaje de error. Paso Tome i= 1 Paso 2 Mientras i = Nj haga pasos 3-6. Paso? Tome p= gin). (Caleule p,.) Pasa 4 Si |p — pg| < TOL entonces SALIDA (p); (Procedimiento terminado sarisfactoriamente).EJEMPLO 3 CAPETULO 2 © Soluciones de ecueciones de una vorioble PARAR. Paso Tomei =i +1. Paso 6 Tome py =p. ~ (Defina de nuevo po) Paso 7 SALIDA (‘El método fracasé después de N, iteraciones Ny =", Ny); (Procedimiento terminado sin éxito.) PARAR, / El siguiente ejemplo ilustra Ia técnica de Ia iteracién funcional. La ecuacion x? + 4° — 10 = 0 tiene una raiz Unica en (1, 2}, Hay muchas formas para convertirla en la forma x = g(x) mediante un simple manejo algebraico. Por ejemplo, pa- fa obtener la funcién g que se describe en (¢), podemos manejar la ecuacién x° + 4x7 — 10 = Oasi 42 = 10-23, asi e=to0-2), (10 = x8)", Para obtener una soluci6n positiva, elegimos g,(x) como se muestra aqui. No es importan- te derivar las funciones que se indican, pero debemos verificar que el punto fijo de cada una sea realmente una soluci6n de la ecuacién original x° + 4x° ~ 10 = 0. x= 20) =4- 8-42 +10 10 J x= 8) (* ar gs") = 4a0 — xia 10 " 2 +4e- 10 & 7" 30)" 2-8, ‘Con py = 1.5, ta tabla 2.2 proporciona tos resultados de! métode de iteracién de punto fi- jo para las cinco opciones de g. La raiz real es 1.365230013, segiin se sefial6 en el ejemplo | de la seceién 2.1, Al comparar los resultados del alyoritmo de biseccién que vienen en el ejemplo, observamos que se obtuvieron excelentes resultados con las opciones (c), (d) y (¢), ya que el método de biseccidn requiere 27 iteraciones para garantizar la exactitud, Conviene sefialar que Ia opeién (a) ocasiona divergencia y que (b) se torna indefinida porque conticne la rafz cua- drada de un niimero negativo. . ‘Aun cuando las funciones de este ejemplo son problemas de punto fijo para el mismo problema de biisqueda de raiz, difieren ampliamente como métodos para aproximar la so-Tabla 2.2 Teorema 2.3 2.2 Iteracidn de punto fijo 61 a (a) oI te Ga e 0 Ls 1s 1s Ls 1S 1 -0.875 O8165 1.286953768 ——1.348399725 1373333333 2 6.732 2.9969 1402840804 —1.367376372—_1,368262015 3 469.7 (-865)" —1,345458374 1364957015 1,365230014 4 1.03 x 10 1375170253 1365264748 1365230013 3 L.ae0094193—1.365225594. 6 1367846968 1,365230576 7 1303887008 1365229942 8 1365916734 1365230022 9 1364878217 1.365250012 10 1365410062 1.365230014. 15 1365223680 1365230013 0 1365230236 25 1365230006 30 1365230013 lucién a este tipo de problem: testar: . Su propésite es ilustrar la pregumla que es preciso con- {.Cémo podemos encontrar un problems de punto fijo capaz de producir una sucesién que converga confiable y répidamente en una solucisn en un problema de busqueda de raiz? El resultado siguiente y su corolario nos dan algunas pistas sobre los procedimientos que deberiamos seguir y, quiz lo mas importante, algunos que debemos excluir, (Teorema de punto fijo) Sea g © Cla, b] tal que g(x) € (a, 6] para toda x en [a, 6]. Ademds supongamoss que exis- te 5’ en (a, 6) y una constante positiva 0 n= 1, IP Pal = |e — Pe) + Pow ~ = + Past — Pal = |Pa~ Pmt! + Pua ~Panal + °° * [Part ~ Pal si 'lp,— | +k tlp, ~ pl +--+ ly — pol =i lp, — pl tet et try Por ¢] teorema 2.3, lim, been Pig 9. de modo que XS Kee lp, —pl Se = a Ip-p,|=lim |p, - p,|= tim kp, — pg Pero Sq kes una serie geométrica con razén ky 0- 1 para toda x en (1, 2]. Aunque el teorema 2.3 no garantiza que e! métode deba fa- lar para esta eleceién de g, tampoco tenemos raz6n para esperar una converge! b. Con g,(x) = [(10/x) = 4x)", podemos ver que g, no mapea 1, 2] en [1, 2] y que Ia sucesiGn (p,}7-» ho est definida en py = IS, Ademés, tampoco hay un intervalo que contenga a p * 1.365 tal que “ igsol <1, puestoque — Lehi) | = 3.4. ‘No hay razdn para esperar que este método converja. e. Para Ia funcion g,(x) = } (10 ~ x3)!/2, pruo- ry 1B Aplique of método de iteracién de punta fijo para determinar una soluciéa con una exactitud de 10"? para. — det — 3 =Oen[1, 2]. Willie py = 1. Aplique un método de iteraciéa. de punto fijo para determinar una solucido exacta dentio de 10-? para «3 — x — 1 = Gen|[1, 2]. Usilice py = 1 Aplique el teorema 2.2 para demmostrar que ¢(x) = + 0.5 sents/2} iene un Gnico punto fijo en 10, 2], Use la iteracisa de panto fjo para obtener una aproximacida sl punto fije con wna exac- Titid de 10°2, Use ef corolario 2.4 para estimar la catidad de iteraciones mecesarins para lograr tuna exactifud de 10~ y después compare esta estimacién tedrica com la cantidad que realmen- tes requiere, Aplique el teorema 2.2 para demostrar que g(x) = 2°* tiene un dnieo punto fjo ea (4, 1). U lice Ia iteracidn de punto fijo para obtener una aproximacicin del punto fijo exacta en 10-4. Use el corolaria 2.4 para estimar la cantided de iteraciones necesarias para alcanzar una exactinud de 10+ y después compare esta estimacidn tedrica enn la cantitad que realmente se requiere Aplique un mtode de iteraciin de punto fijo para obtener una aproximacion a V3 con una exactinud de 10‘. Compare su resultado con el mimero de iteraciones que requicre la respucs- tm obtenida en el efercicio 10 de tn seceién 2.1 ‘Use un méiode de iteracidn de punto fijo para obtener una aproximacién a W'75 con una exae- titud de 10-4, Compare su resultado con el nimero de iteraciones que requiere la respuesta ab- tenida ea el ejercicio 11 de Ia seeci6n 2.1 En cada una de las siguientes ecuaciones, determine un inervato [a, b] en que convergent la ite- racién de punto fjo. Estime la cantidad de iteraciones necesarias para obtener aproximacianes con una exactitud de 10°? y realice los edleulos axes bore tde cre (ey? does er=o fx = O.5{sen x + cos.x) En cada una de Las siguientes ecusciones, determine wna funciéa g y un intervala ja, b] donde In iteracién de punta fijo convergent en una solucin positiva de la ecuscisa, ad—e=0 bk x cosns 0. ‘Olvenga las soluciones con una exactitud de 10-*,2.2 Iteracién de punto fija 65 13, Encvenire tados los ceros de f(x) = 22 + 100s x aplicando el método de iteracién de punto fi- J pant una funcién de iteracién apropiada g. Encuentre los ceros con una exactitud de 10~4 14, Apliqus el método de iteraci6n de punto fijo para determinar una soluciGn con una exactitud de 1O~* can x = tan x, pare x en (4, 5] 15. Aplique el método de iteracién de panto fijo para deterrminar una soluci¢n con una exactitud de 10"? pera 2 sen mx +x = en [1.2]. Use py = L 16, Sea A una constante positiva y g(x) = 2c - Ar, &. Demwestre que si una iteracién de punto fijo converge a un limite diferente de cero, enton- ces limite es p = V/A, de modo que la inversa de un ndmero puede obtenerse usando s6- Jo multiplicaciones y sustraceiones ‘b. Encuentre un intervalo alrededor de VA donde converja una iteracién de punto fijo, a con- dicién de que ps se encuentre en ese intervabo, Encuentre una funcidn g definida en [0, 1] que no satisCaga ninguna de las hipétesis el teore- ma 2.2, pero que siga teniendo un pumio fijo Unico en (0, 1] 18, a. Demuestre que el teorema 2.2 es verdadero si la desigualdad | »’(x)| = k se reemplaza con #2) = kpara toda x € (a,b). [Sugerencia: slo se pone en tela de juicio la unicidad}, b, Demuestre que cl tcorema 2.3 no es vélido si la desiguaklad | ¢'(c)| = A se reemplaza con (3) Sk, [Sugerencia: demuestre que g(x) = 1 — 2 para xen (0, 1}, proporciona un con tra- ejemplo} 19. a Aplique el teorems 2.3 para demostrar quo la sucesidn definida por converge a W2 siempre que x > V2 b. Aplique el hecho de que © < (ip — V2¥ siempre que x, # V2 para demostrar que si 0 << iy = V2, entonces x, > V2. €. Utilice fos resultados de las partes (a) y (b) para demostrar que la sucesiéu en (a) converge a V2 siempre que x, > 0. Demwesire que si A es un némero positive, entonces la sucesidn definida por medio de 1, 21 5 + para n= I comverge a VA siempee que iy > 0 Di LQué sucede si xy <0? 21. Reemplace la suposicién del teorema 2.3 de que “existe un ntimero positive &< 1 con |g'ts)| = &” con “g satistace la condicién de Lipschitz en el intervalo [a, 6] con la constante de Lipschitz L < 1°. (Véase el ejerci 25, seccidn 1.1.) Bemuestre que las conclusiones de este teorema siguen sicado vilidas, 22. Suponga que ¢ es continvamente diferenciable en algun intervalo (e, 4) que contenga el punto fijo pede g. Demuestre que si | ¢'(p)| < 1, emtonces existe una > Otai que la iteracién de pun- to fijo converge para cualquicr aproximacién p, siempre que |p, ~ p| = 6. 23. Un objeto que cae verticalmente en ¢l aire estd sujeto a una resistencia viscosa y también a la fuerza de gravedad. Suponga que dejamos caer un objeto de masa m desde una altura 5, ¥ que la altura de] objeto después de ¢ segundos es. me mee =5 1+ HO yy B La etim,66 CAPITULO 2 © Soluciones de ecuaciones de una variable donde g = 32.17 pies/s? yk representa el coeficiente de resistencia del aire en Ib-s/pies. Supon- ga. que 5, = 300 pies, m= 0.25 tb, y que £ = 0.1 Tb-s/pies. Calcule, con una exactitud de-0.01 sel tiempo que tarda este peso de un cuarto de libra en caer al suelo. 24, Scag € C'fa, el] y supongamas que p esté en (a, 2) con stp) = gy que |x'(p)| > 1. Demues: ue que existe una 8 Ol quer si Ipa—pl 0 tal que el método de Newton genera una sucesién (p,}=_ que converge a p para cualquier apro~ ximaci6n inicial py € [p ~ 6, p + 5] . Demostracién La demostracién se basa en analizar el método de Newton como un €s- quema de iteracién funcional p, = g(p,-). para mn = 1, con je Fix) atx Sea k un nimero cualquiera en (0, 1). Primero debemos encontrar un intervalo [p — , p+ 8] que g mapea en sf mismo y en que | g'(x)| =k para toda xe (p — 6, p + 6). Come f'ip) #0 y f" es continua, existe 6 > 0 tal que f"¢r) # 0 para x € [p — 8. P+ 81S la, b}, Por tanto, ¢ esta definida y es continua en [p ~ 8,,p + 8,1. También, _ fev = fo fs) _ fen "0. vw? rik giz)=1 para.x e[p — 8,,p + 8] ycomo fe C[a, b], tendremos ¢ € C'lp— 8, p + 6] Por suposicién, fp) = 0, asi que = fsa) a’? rer70 CAPITULO 2 © Soluciones de ecuaciones de una variable Como ¢” es continua y como 0 < k < 1, parte (b) del ejercicio 27 cn la seeci6n 1.1 implica que existe 8,con 0 <8 < 6,y le@| Sk paratoda xe [p - & p+ 8} ‘Todavia falta demostrar que g manda [p — 4, p + 8] en [p — &,p + 4). Sixe [p— p + 8], el teorema del valor medio implica que, para algdn nimero € entre xy p, | g(x) — aip)| = Lg’ gi! Lx = p|- Por tanto, lec) —p| =| 90x) - gip)| = ig’ tl lxe-pl sklx—pl pl Puesto que x€[p — 8p + 8], se deduce que |x — p| <8 y que | g(x) — p| <6. Este re- sultado implica que g manda [p — 6, p + 8} cn [p — 8p + 8}. Todas las hipétesis del teorema del punto fijo se satisfacen, de modo que la sucesién {p,)z = 1 definida por Pe lg) Pans ~ pee para n= 1, converge a p para cualquier p, € [p — 8, p + 5] oon El teorema 2.5 establece que, bajo- suposiciones razonables, el método de Newton converge 4 condicién de que se escoja una aproximacién inicial suficientemenie exacta. ‘Tambign implica que la constante & que acota la derivada de g y, en consecuencia, indica Ja rapidez de convergencia del método, dismimuye a cero a medida que el procedimiento avanza, Este resultado es importante para la teoria del método de Newton, aunque pocas veces se aplica en la prictica, ya que no nos dice cémo determinar 8. En una aplicaciéa préctica, se clige una aproximacién inicial y las aproximaciones sucesivas se generan mediante el método de Newton. Por lo general, esto convergeré ripidamente a Ia raiz, 0 serd claro que la convergencia es improbable. EI método de Newton es una técnica muy poderosa, pero presenta un grave problema: la necesidad de conocer el valor de la derivada de fen cada aproximacién, Con frecuencia es més dificil determinar f(x) y se requieren més operaciones aritmnéticas para calcularlo que para f(x). Si queremos evitar el problema de evaluar la derivada en el método de Newton, deri- vamos una pequefia variacién, Por definiciGn, SO) 10 a Py Fy») = tim =, Haciendo x = p,_,, tenemos £0 _02)~ HP noid _ SP ant) ~ FP a-2 Ppa Poot Pao Pra FP.) ™ Al aplicar esta aproximacién para f’(p,_,)¢n la formula de Newton, se obtiene LP pra > Pa-ad ee a a (2.10) La técnica que utiliza esta fisemula recibe el nombre de miétodo de la secante y se incluye en cl algoritmo 2.4 (véase Fig. 2.9). Comenzando con las dos aproximaciones iniciales py y Py» la aproximaciéa p, es la interseceidn del eje x y ta linea que une (pry fipy)) ¥ (Py.F4P,))- La aproximacién p, es la interseccién del eje x y Ia linea que une (p,,.f(p)¥ (PIP) y asi sucesivamente,de Newton n”n Figura 29 Secante 24 Para encontr in para f(x) = 0 dadas las spproximaciones iniciales py y p,: ENTRADA ape nes N, clones iniciales py, p,; tolerancia TOL; niimero maximo de iteracio- SALIDA solucién aproximada p o mensaje de fracaso. 9 = Ao): 4 = AP) Poso 2 Mientras i = Ny haga pasos 3-6, Poso 2 Tome p = p, ~ ay(p, ~ Poa, — (Caleute p,) Poso 4 Si |p—p,| < TOL entonces SALIDA (p); (Procedimiento tervinadlo satisfactoriamente.) PARAR Paso 5 Tomei=i +1, Paso 6 Tome py p= 9% P= Pi 1 = SP). Paso 7 SALIDA (‘El método fallé después de N, iteraciones, N, (Procedimiento terminada sin éxita.) PARAR . § Redefine Poy Ape Pys 4) El siguiente ejemplo incluye un problema que vimos en el ejemplo 1, donde ap mos el método de Newton con py = m472 EJEMPLO 2 Tabla 25 CAPITULO 2 * Soluciones de eqvaciones de una voriobie Aplique el método de la secante para encontrar una solucién de xc = cos x. Enel ejemplo 1 comparamos la iteracin funcional y el método de Newton con ta aproximacién inicial Po = a4, Aqui necesitamos dos aproximaciones iniciales. La tabla 2.5 lista los clculos con py = 0.5, p, = w/4 y la féemuila Pn = Pant J para n= 2, tomaca del algoritmo 2.4. . os 0.785398 1635 0.7363841388 0.7390581392 0.739085 1493 0.7390851332 wewnes Al comparar los resultados de ahora con los del ejemplo 1 observamos que p, es exac~ to hasta la décima cifra decimal. Nétese que la convergencia del método de la secante es mas répida que la iteracion funcional, pero un poco mas lenta en este ejemplo que el mé- todo de Newton, en el cual obtuvimos este grado-de exactitud con p,, Este resultado gene- ralmente es verdadero. (Ver él ejercicio 12 de la seccién 2.4,) El método de Newton o el método de la secante a menudo se usan para refinar las res- puestas consegitidas con otra técnica, como el método de biseecién. Dado que el método de Newton requiere de una buena aproximact6n inicial, pero por lo general da una conver: gencia répida, sirve perfectamente para el propésito antes mencionado. ‘Cada par sucesivo de aproximaciones en el método de biseccién encierra una ralz p de Ia ecuacién; es decir, para cada entero positive m, una rafz se encuentra entre a, ¥ by Ello significa que para cada n las iteraciones del método de biseccién satisfacen Ip, pl < con lo cual se obtiene una cota de error para las aproximaciones ficilmente calculables. El acorralamiemto de las raices no estd garantizado en el método de Newton ni en el de la se- cante. La tabla 2.4 contiene las resultados que se obtienen con el método de Newton apli- cado a fix) = cos x — x, donde se comprobs que una raiz aproximada era 0.739085 1332. Obsérvese que esta raf no se encuentra entre pp, p 0 Py. i». Las aproximaciones del mé- todo de la secante aplicadas a este problema vienen en la tabla 2.5, Las aproximaciones iniciales pp y p, se eligicron para encerrar la rafz, pero esto no lo hace el par de aproxina- clones p y Py. EI método de la posicién falsa (llamado también método de Regla falsa) genera apro- ximaciones del mismo modo que el de la secante, pero ofrece una prueba para asegurarse de que la raiz quede entre dos iteraciones sucesivas. Aunque no es un método que reco- mendamos, ilustra 1a forma en que puede incorporarse el acorralamiento. Primero clegimes las aproximaciones iniciales py y p, con flo) f(p,) <9. La apro- ximacién p, se escoge de la misma manera queen el método de la secante: camo la in- terseccidin en x de Ia Hinea que une (pp. f(py)) ¥ (Py flp,))- Para decidir con cud secanteFigura 2.10 2.3. El método de Newton 73 caleularemos p, verificamos f(p;) Si este valor es negativo, entonces p, y p, encie- fran una raiz, y elegiremas p, como la interseceién en xde la recta que une (p,, f(P,) ¥ (Pas (2). Si no, clegimos p, como Ia interseccién con x de la recta que une (Py. F(%)) ¥ {Py F(p,)) y después intercambiamos los indices de py y p). En forma andloga, una vez en- contrado p,, el signo de fip,) f(p,) determina si usaremos p, y py 0p, y p, para calcular p,. En el segundo caso se reetiquetan p, y p,. Con ello nos aseguramos de que la raiz que- de entre iteraciones consecutivas, El proceso se describe en el algoritmo 2.5 y la figura 2.10 muestra cémo las iteraciones pueden diferir de las del método de la secante. En este ejemplo, las tres primeras aproximaciones son iguales, pero la cuarta es diferente. ‘Método de la secamte Método de la posicién falsa y= se) Método de la posicion faisa Para encontrar una solucién a flx) =0 dada la funcién continua fen el intervalo [pp. p)] donde f(p,) y f(p,) tienen signos opuestos: ENTRADA aproximaciones iniciales py. p, tolerancia TOL; niimero maximo de iteraciones No SALIDA solucién aproximada p o mensaje de falla. Paso1 ‘Tome i = 2; = Sey: a =f). Paso 2 Mientras i = Ny haga pasos 3-7. Pasa 3 Tome p= py —4\(P, — PMG, — qo). (Caleule p.) Posos Si |p —p,| < TOL emonces SALIDA (p). — (Procedimiento terminado satisfactoriamente.) PARAR,14 EJEMPLO 3 CAPITULO 2 © Soluciones de ecwaciones de una variable Paso § Tomei =i +1; =f). Paso Sig~q, 0 son constantes ¥ Pits la poblacida en el tiempo f, P, representa el valor Limite de ta pablacisn, ya que lien, PU} = P,. Utilice los datos de los censos comespondien- tes. los aflos 1950, 1960 y 1970 que vienen én la tabla de Ia pégina 104 para determinar las constantes P,, ¢ y & para un modelo logistico de crecimiento, Urilice ef modelo logistico para predecir Ia poblacion de Estades Unidos en ios afios 1980 y 2010, supoaiendo que r= 0 en 1950, Compare con e! valor real la prediccidn relativa a 1980. 1 modelo de Gompertz para el creciiente demogrific se describe par medio de PU) = Pee, donde P,, ¢y k> 0 son constantes y P(d) es la poblaciée en el tiempo ¢, Repita el cjercicio 27 usando el modelo de Gompertz en vez de! modelo lagistico, El jugador A. dejard en cero (por una puntuacién de 21 a 0) al jugador B en un partido de ra- quetbol con une probabilidad de rae ey 2 \i-pte donde p denots la probabilidad de que A gane un intercambio de tiros (independientemente del servicio) (Véase [Keller, J, p. 267].) Determine, con una exactitud de 10°, ef valor minima de que garantice que A dejaré en coro a B al menos en la mitad de los partidos que jueguen. En el disedio de los vehiculos para todo tipo de terreno, es necesario tener en cuenta las fallas ‘cuando s¢ trata de librar dos tipos de obsticulos, Una es la falla por rozamiento, y ecurne Cuat do el vehiculs intenta cruzar wa obstaculo que hace que su fondo toque ¢! suelo, La otra recibe el nombre de falla por colisidn de la defense delantera y acurre cuando el vehiculo desciende por una zanja y ta defensa delantera toca el suelo.78 CAPETULO 2 © Soluciones de ecuaciones de wma variable La figura anexa, adapiada de [Bek], muestra los componentes uscciados al segundo tipa de fa- a. En ella se indica que el éngulo méximo a-que puede alcanzar un vehicule cuanda # es cl ngulo miximo en que na ocurre Ia falla por razamienta satisface la ecuacidn A sen a cos a+ B sent a= Coos a= Esena = 0, donde A=Isenf, B=lcosf, C= (h+05Dysen B, ~ 05D tun B. y E = (hk + 05D) cos B, ~ OSD: & Se afiema que, cuando J = 89 pulg, A = 49 pulg, D = 55 pulg y By = 11.5*, el dngulo «-se- 4 aproximadamente de 33°. Verifique este resultado. b. Encuentre a para Ia situaciéa en que J, ty, son iguales como en la parte (a), pera D = pale. 2.4 Andlisis de error para los métodos iterativos Definicion 2.6 En esta secciGn investigaremos el orden de convergencia de los esquemas de iteracidin funcional y, con el propésito de obtener una ripida convergencia, redescubriremos el mé- todo de Newton, También estudiaremos los métodos para acelerar la convergencia del método de Newton en circunstancias especiales. Ante todo, necesitamos un procedimien- to nuevo para medir la rapidez con que converge una sucesién, Supongamos que {p,)")Wo €3 una sucesiGn que converge a p, con p, * p para toda ni. Si existen constantes posilivas Ay a con tim Warley == |p, — PP emtonces {p,};9 Converge ap con orden @ y una constante de error asintétiea A. Se dice que un método iterative de la forma p, = g(p,_) © de orden a, si ia suce~ sidn (p,)"Zag converge a la soluciGn p = g(p) con orden a. En general, una sucesi6n con un alto orden de convergencia converge més épidamen- te que una con un orden més bajo. La constante asintéitica influye en la rapidez de conver gencia, pero. no es tan importante como el orden, Enfocaremos nuestra atencién en dos casos de orden,24 Andlisis de ertor para los métodos iterativos 79 1. Sia = 1, la sucesidn seré linealmente convergente. 2. Sia = 2, la sucesidn serd cuadréticamente convergente. En el siguiente ejemplo se compara una sucesién linealmente convergente con una -cuadréticamente convergente, y se demuestra por qué trataremos de encontrar métodos que produzcan sucesiones convergentes de un orden superior. EJEMPLO 1 Supongamos que (p,)7-0 converge linealmente a 0, con im Pas il mm Ip Por razones de simplicidad, supongamos que Pas Peal att 05 et = 05. Id te En el esquema linealmente convergente, esta suposiciOn significa que lp. - 01 =lp,1 =05lp, 1! = 0.57 lp.) = = 0.5yl pol, mientras que el procedimiento cuadraticamente convergente tiene lz, -o1 = |p| 0517.1? = 0.500.5/;,_,|F = @5y |p,_,!* = (0.5)10.5)|p,_, 1 = O.5y las! meee OS)" BI La tabla 2.7 ilustra la rapide relativa de convergencia a cero de las sucesiones cuando Tabla 2.7 cconvergente {)1,)7-9 a cosy I 5.0000 x 10" 2 2.5000 x 10" 3 1.2500 x 10"! 7.8125 x 107 4 6.2500 x 10 3.0518 x 10°5 5 250 * 10 366 x 19-19 6 1.5625 x 10-2 1.0842 x 10-8 7 7.8125 x 10"9 5.8775 x 10-7 La sucesiGn cuadeiticamente convergente se encuentra cerca de 0 a menos de 10-8 por el séptimo término, Se necesitan 126 Lérminos por lo menos para garantizar esta pre- cisién de la sucesién linealmente convergente.80 Teorema 2.7 Teorema 2.8 CAPETULO 2 © Soluciones de ecuoctones de una varioble En general, las sucesiones cuadriticamente convergentes lo hacen con mucha mayor rapidez que las que convergen sto de modo lineal, pero muchas técnicas que generan su- cesiones convergentes lo hacen s6lo en forma lineal. Sea g © Cla, b] tal que g(x) € (a, b] para toda x € Cla, 6]. Supongamos, ademas, que g” es continua en (a, b) y que existe una constante positive k< 1 con Ito] =k, para todo xe (a,b) Si ¢'(p) # 0, entonces para cualquier nimero py cn fa, bj la sucesién Pa = BlP, converge sélo linealmente en el iinico punto fijo p en [a, 6. . para n= 1, Demostracién Enel teorema 2.3 del punto fijo que vimos en la seccién 2.2 encontramos ‘que la sucesiOn converge a p. Puesto que ¢ existe en [a, 6] podemos aplicar el teorema del valor medio a g para demastrar que, para cualquier n, Pues P= 80) — 80) = END, — PD. donde €, esté entre p, y p. Puesto que (p,)7_, converge ap, {£,)7.9 también convergerd a p. Como g's continua en [a, 6], tendremas Tim 8/6) = 80). Por tanto, Pre PB lim ne Pn im eE)= ee) yim En consecvencia, la iteracién de punto fijo muestra una convergencia lineal con una cans- tante de error asinistico | g'(p)| siempre que g'(p) + 0. aan E] teorema 2.7 establece que, en el caso de los métodos de punto fijo, la convergencia de orden superior puede ocurrir séio cuando g’(p) = 0. El resultado siguiente describe otras condiciones que garantizan la convergencia cuadratica que buscamos. Sea p una solucién de la ecuacién x = g(x). Supongamos que ¢’(p) = 0 y 2” es continua y std estrictamente acotada por Mf en un intervalo abierto / que contiene ap. Entonces existe una 5 > O tal que, para pye [p — 6 p + 6) la sucesién definida por p, = g(p,_,),.cvando n= 1, converge al menos cuadriticamente a p. Ademas, para valores suficientemente grandes de m, M Ieper — Pl <> lea el . Demostracién Escoja k en (0, 1) y 6 > O tal que en el intervalo [p — 6, p +6}, conteni- do en f, tenemos |9’(x)| = ky g” sea continua. Dado que | ¢’(x)| =k < 1 el argumento empleado en la demostracién del teorema 2.5 de Ia seccién 2.3 indica que lox términos de la sucesidn {p, }Zug estén contenidos en [p - 6, p + 6]. Al desarrollar g(x) en un polino- mio lineal de Taylor para x ¢ jp — 8, p + 5] obtenemos:2.4 Andlisis de error para los métados itevativos 81 ve) 2 80x) = sip) + g'ipyx — p) + &— py, donde £ se encuentra entre x y p. Las hipstesis g(p) = p y g’(p) = 0 significan que ee go = p+ te — py 2 En particular, cuando x = p,. Puesto que | g(x] = 11889524 x 10-3 -6.8638230 x L0-¢ =2.R08S217 x 10-7 1 3 4 52-4 Andlisis de error para los métodos iterativas 85 EJEMPLO4 En el ejemplo 3 de la seccidin 2.2 encontramos 1a raiz p = 1.36523001 de f(x) =. + 4x2 = 10 = 0, Para comparar la convergencia para una raiz de multiplicidad una por el mé- todo de Newton y el métode modificade de Newton que se menciona en la ecuacién (2.11), Cuando py = 1.5, las tres primeras iteraciones para (i) y (ii) se imeluyen en la tabla 2.10. Los resultados muestran la convergencia ripida de ambos métodos en el caso de unt raiz simple. . ‘Tabla 2.10 a) i) pm, —1.37333333 135089808 P, 136526201 1.36519585 py 136523001 1.36523001 CONJUNTO DEEJERCICIOS 2.4 J, Use el métado de Newton para encontrar las soluciones de los siguientes problemas con una exactitud de 10-* a Pde oh =O, para Ses 1 Bb. cos(x + V2) + x2 +-V2) = 0, para —2 = 6 382-9 + 30d) 8 0, pases do + 30h fe — Cn Bett — In 2P= 0, para—1se=0 2. Repita el ejericio 1 aplicando el métedo modificada de Newton-Raphsoa deserito en la ecua- cin (2.11). ¢Mejora Ia rapider o la exactite en comparacién com el ejeecicio 1 3. Aplique el métode de Newton y el msétodo modificada de Newtnn-Raphson descrto en la ecu i6n (2.11) para encontrar una soluciéa del siguiente problema con una exactitud de 10°: A+ Ladle — 20794-0330 =0 parm = 15450. Este es e1 misma problema que 1(d), sélo que el coeficiente ha sido reemplazada por sus apro- srimsciones de cuatro digitos. Compare las soluciones con los resultados de 1(d) y de 2(4), Demuestre que las sucesiones siguientes convergen linealmente a p= 0. {Qué tan grande debe sern antes que |p, — pls 5 % 10° apot. wet b 5. a. Demuestre que, para cualquier entero positive &, la sucesién definida por p, = Lar conver: ge linealmente a p = 0, tb, Para cada par de enteros & y m, determine wn mimero N para el cual 1/N* < 10-*.86 CAPITULO 2 © Soluciones de ecuaciones de una voriable 6. a. Demuesire que la sucesién p, I Demuestre que la sueesién p, tamaio del exponemte k > | 10-*" converge cuadréticamente en cero. 10-" no converge euadriicamente cee, sin importar el Construya una sucesiGn que converja a cere de orden 3. ’, Suponga que a > 1, Construya una sucesién que converja a cero de orden a. 8. Suponga que pes una raiz de multiplicidad m de f donde f* es continua en un intervalo abier: t© que Contiene p, Demwesire que el siguiente método de punto fijo tiene x'{p) = 0: msn sare Bf “ ro 9. Dersuestre que el algoritmo de biseccién 2.1 da una sucesida con una cota de error que conver. 4 linealmenie a cero 10. Suponga que ftiene mi derivadas continuas, Modifique la demostraciém del teocema 2.10 para probar gue f tiene una rafz de multiplicidad m en p si y slo si O=sp) = sp) = im tip), pero flip) #0. El método iterative para resolver Aix) = 0, dado por el métede de punta fijo (x) = x. donde Fw.) [ #8.) 2 Feed | Fea tiene ¢'(p) = ¢"(p) = 0. Esto generalmente producira una convergencia cbica (a = 3). Use el andlisis de! ejemplo I para comparar la convergencia cusdrética y la convergencia cubica Puede demostrarse (wéase, por ejemplo, [DaB. pp. 228-229]) que, si {p,}7.g son aproxima- siones que comvergen mediante el métode de la secanse a pla solucion de fe) = 0, emtonces existe una constante C-con |p, ~ Clp, ~ pl |p,-; — p|para valores suficientemente andes do n Sopenga que (p) convege a p'conotded a, deaesite que w= (1 + VSYE (Nota: Ello significa que el onden de convergencia del método de la secante es aproximadamen- te 1,62). 2.5 Convergencia acelerada Rara vex podemos danos el lujo de tener una convergencia euadrética; por ello, a canti- nuscién estudiaremos una técnica denominada métode A? de Aitken, el cual sirve para acelerar la convergencia de una sucesién que sea linealmeme convergente, prescindiendo de su origen 0 aplicacién, Supongamos qué {p, )7.9 €8 una sucesisn linealmente convergente con un limite p. Pa- ra impulsar la construcciGn de una sucesiGn {j))7_, que converja mids répidamente a p que (, eo Supongamos primero que los signos de p, ~ p, P,.) — P- ¥ Py+2 — P 80n iguales y que n es suficientemente grande como para que Post —P Pris ~P “hoP BaP Entonces, noi — PP Paez ~ PMD, ~ Pd. por tanto, 1 Pari P + P= PavaPa — Pa * PoEJEMPLO 1 Tabla 2.11 Definicién 2.12 2.5 Convergencia acelerada 87 Pair + Pa ~ Pps) P™ Pas Pa ~ Paes Al despejar p obicnemos. ~ 2 Oe Pant Si sumamos y restamos los términos p? y 2p, p,. en el numerador, podemos reescribir es- ta expresién ast: Ore = PY Pasa ~ Pasi + Pa =P,o El método A? de Aitken se basa en la suposici6n de que la sucesion {7,)7-9 por . ya AF "Pasa Pest t+ Pa definida Q.1dy converge mis jpidamente a p que la sucesiGn original (jp, }Z.q. La sucesién {p,} 2). donde p, = cos(I/n), converge linealmente a p = 1, En la tabla 2.11 se incluyen los primeros términos de las sucesiones {p,}7_, ¥ 1,37. Sin duda parece que {,)¢_, converge mas répidamente a p = | que {p,}7-) . " Ps Pe 054080 6.94178 1 2 087738 0.98213 3 0.94496 0.98979 4 ooss91 0.99342 5 0.98007 0.99541 6 0.98614 7 0.98981 [La notacidn A asociada a esta técnica tiene su origen en Ia siguiente definicién. Dada la sucesion (p,}7 9, la diferencia progresiva Ap, esi definida por = Pest ~ Pe ara nm8B Teorema 2.13 CAPITULO 2 * Soluciones de ecueciones de una variable Las potencias mayores A'p, se definen recursivamente por medio de Mp, = SM 'p). para k= 2 . La definicidn anterior significa que MP, = MP p04 — Pal = BPpes — MPa = Pr = Past) = Pass = Pas Por tanto, N°, = Past ~ Pasi + Pr y la formula fi, de la ecuacién (2.12) puede escribirse ast _, _ (a? Pn Aly para n = 0. (2.13) Hasta ahora, al hablar del método A? de Aitken, hemos dicho que la sucesiGn (P,}7_» converge a p mas répidamente que Ia sucesiéa original {p,}~ . pero no hemos dicho lo que sc enfiende por una convergencia “més répida”. El tcorema 2.13 explica y justifica es: ta terminologfa, La demostracién del teorema se verii en el ejercicio 14. Supongamos que {p, };"_g es una sucesién que converge linealmente al limite p y que, pa- Ta todos Jos valores suficientemente grandes de 1, tenemos (p, ~ p) (P,., — p) > 0. En tonces, la sucesidn (pj converge a p con mayor rapidez que (p,}z-o €0 el sentido de que lim Pa—P oo Pa P Al aplicar un métode 4? modifieado de Aitken a una sucesién linealmente conver- gente obtenida mediante La iteraci6n de punto fijo, podemas acelerar Ia convergencia a cuadraitica. A este procedimiento se le conoce con el nombre de método de Steffensen, v difiere un poco de la aplicacién del método A? de Aitken directamente a la sucesién de ite- raciones de punto fijo que convergen linealmente. El método A? de Aitken deberé construir los términos en el orden: Pos Py P2 = BP By = (A? Pgh Ps= 8h) P= (4°). donde {A2) indica que se usa la ecuacién (2.13). El método de Steffensen construye los mismos primeros cuatro términos Py Py. 2) Y Po No obstamte, en este paso supone que py €s una mejor aproximacién de p que p, y aplica la iteracién de punto fijo a p, en vez de My Al aplicar esta notaci6n, la secuencia generada serd 1 1 = ote oy o, - Po PY = ty). P= wt py? = (APMP). = 8 La ecuaciéa (2.13) genera cada terver término; los demas usan la iteracién de punto fijo en él término anterior. El procedimiento se describe en el algoritmo 2.6EJEMPLO 2 Tabla 2.12 2.5 Convergencia acelerode 89 Método de Steffensen. Para encontrar una solucién a p = e(p) dada una aproximaciGn inicial po: ENTRADA aproximacién inicial p,; tolerancia TOL; niimero maximo de iteraciones Ny. SALIDA solucién aproximada p o mensaje de falla Poso1 Tome i= 1; Poso 2 Mientras i = N, haga pasos 3.6, Paso 3 Tome p, = gip,): (Calcule pf.) P: = 8p): (Calcule py’) P= Po~ , ~ Py": — 2p, + Po). (Caleule py.) Pasa 4 Si |p —py| < TOL entonces SALIDA (p); (Procedimiento terminado satisfactoriamente.) PARAR. Paso 5 Tomei =i+ 1. Paso ‘Tome py=p. (Redefina po.) Paso 7 SALIDA (‘El método fallé después de N, iteraciones, Ny = *, Ny); (Procedimiento terminado sin éxito-) PARAR. . Obsérvese que M?p, puede ser cero, lo cual introducirfa un cero en el denominador de la siguiente iteracién. De ser asi, terminarfamos la sucesidn y escogeriamos p;?~") como la respuesta aproximada, Para resolver x + 41 — 10 = 0 mediante el método de Steffensen, sea x) + 4x? = 10 y despejamos x dividiendo entre x + 4. Con este procedimiento se produce el método de punto fijo . ( 10 " 5) = ata] utilizado en el ejemplo 3(d) de Ia secciGn 2.2, EI procedimiento de Steffensen con py = 1.5 da los valores de Ia tabla 2,12. La exac- titud de la iteraci6n pi? = 1.365230013 es de nueve cifras decimales, En este ejemplo, con ¢l método de Steffensen se obtuvo casi la misma rapidez de convergencia que con el mé- todo de Newton (véase el ejemplo 4 de la secci6n 2.4), . A Py o 18 1348399725 1.367376372 1 1365265224 1,365225534 1,368230583, 2 16523001390 CAPITULO 2 & Soluciones de ecuociones de une variable En el ejemplo 2, observamos que el métndo de Steffensen parece dar la convergencia cuudrética sin evaluar una derivada; el teorema 2.14 verifica que realmente es asi. La de- mostracidn de este teorema s¢ da en [He2, pp, 90-92] o en [IK, pp. 103-107] Teorema 2.14 Supangamos que x= g(x) ticne la solucién jocon g’(p) # 1. Si cxiste & > O tal que g © C'lp — 4, p + 6], emtonces con cl método de Steffensen obtendremos la convergencia cua~ dedi ica para cualquier py < [p ~ 6, p + 8] . CONJUNTO DEEJERCICIOS 2.5 2 6 7 % as siguientes sucesiones sa linealmente convergentes, Genere los. cine primeros térmimas ie la sucenign {p,} por medio del metodo A? de Aitken, em OS RRP ep WB wed be py = 0. Pa = de 103) nz fpr Od pea wel dp = 05, peop n=l ‘Considere La funcidn fix) =e + 3(n2)° e* — (in Se — (In 2). Aplique ef metodo de New~ ton con py = 0 para aproximar una raix dc f. Gcnere términos hasta que |p,.,—p, |< 0.0002, Consiruya la sucesidn (7,). ;Mejoré la eonvergencia? Sean g(x) = Coste — Hy ph" © 2. Aplique el método de Steffensen para eocontear py" Sean g(x) = 1 + (sen xP y py Aplique el método de Steffensen para encontrar pi’ y pi. El método de Steffensen se, aplica a una funcién ¢ por medio de ph” = iy pf” = 3 pars obte- net pl)’ = 0.75, ;Qué paxdria serpy"? E} métode de Steffensen se aplica a una funcidin y gor medio de pi” tener pi!) = 2.7802. ;Qué esp! Resuciva x’ ~.x~ | = 0 para la safe en [1.2] con una exactitud de 10 aplicando 1 método de Sieffensen y compare después los resultados con las del ejervicio 6 de Ta seccivin 22, Resuelvax — 2 = O para la rafz en [D, 1] con una exactiind de 10°4 empleando-e! métesto de Steffensen y compare después los resultados con los del ejercicio 8 de la seccion 2.2, Aplique el métodede Steffensen con p, = 2 para calcular la aproximacién de ‘V3 con una.exac- titud de 104, Despuds compare este resultado com los abtenidas en el cjercicto 9 de In seecin 2.2y onl ejercicio 10 de la seceién 21 Aplique el métado.de Steffensen para aproximar las soluciones de Las siguientes ecuacianes con una exactitud de 10-5 a. 25 (2 — e+ 283, donde g es la funckin on ol ejercicio Ita) de la seceidin 2.2 b. r= 0.5 (sen x + 608.4), donde ges Ia fumeidn en el ejercivio 11(f) de la soccitm 2.2. Sr! = ef = 0, donde ¢ es fa funciGin en el ejercicio 12(a) de la seccidn 22. a. x — cos. x = 0, donde g es la funcida en el ejercicio 12(b) de la seecién 22 Las sucesiones siguientes convengen a 0. Lise el método A? de Aitken para generar (p,} hasta que |p, | = 5% 10-2; py = V2 para ob2.6 Ceros de polinomios y el método de Miller 91 12, Se dice que una swcesidn (p,) es superlinealmente convergente & p si | | im =Pasn— PI =o. Ip. el a. Demuestre que. sip, + pcon arden « para er > |, entonces (p,) serd superlinealmente con. vergente ap. b. Demuestre que p, = + es supertinealmente convergente a 0, pero que no converge a cero con orden a para tods a > 1 13. Suponga que (p,} ex superlinealmente convergente en p. Demuestre que tim Pest Pal 2 4, 14, Demuestre el teorema 2,13 [Sugerencia: suponga que 8, = (,.., ~ Pp, — p) Ay demues- tre que lim,_,.. 5, = 0. Después exprese (j,., ~ pMp, ~ p) en foncitn de 8.4. ¥ A.) 15. Sea P,(x) el polinomio de Taylor de grado n para f(x) = e* desarmollado alrededor de x, = 0. a. Con + fija, demuestre que p, = P(x) satisface las hipétesis del teorema 2.13. b, Seax = 1, Use el método A? de Aitken para generar Ia sucesiOn Ay... Py: ¢. Enesta situacién, se acelera ia convergencia con el método de Aitken? 2.6 Ceros de polinomios y el método de Miiller Teorema 2.15 Corolario 2.16 Un polinomio de grado n tiene la forma PU) = aye ta att tae + dy, donde las a, denominadas coeficientes de P, son constantes y a, # 0, La funciéa cero, P(x) = O para todos los valores de 4, se considera un polinomio, pero sin que se le asigne grado alguno, {Teorema fundamental de digebra) Si P(x) es un polinomio de grado > 1 con coeticieates reales © complejos, entonces P(x) = O tiene al menos. una raiz (posiblemente compleja). . Aunque cl teorema 2.15 es baisico en ¢] estudio de las funciones clementales, la de- mostracién habitual requiere técnicas tomadas del estudio de la tearia de las funciones complejas. Le recomendamos al lector consultar [SaS, p. 155], a fin de concluir una expo- sici6n sistemftica de los temas necesarios para demostrar el teorema 2.15. Una consecuencia importante de ese teorema es e! corolario siguiente, Si P(x) es un polinomio de grado n = 1 con coeticientes reales 0 complejos, entonces exis- ten constantes tnicas x), x,,..., %, posiblemente complejas, y enteros positives ,, Maeva Mi, tales que S$ ma, = ny Oa) = a,6x — xy) — xg Oe — .92 Corolario 2,17 Teorema 2.18 EJEMPLO 1 CAPITULO 2 © Soluciones de ecuaciones de una varieble El corolario 2.16 establece que el conjunto de ceros de un polinomio es tinico y que, si cada cero x; se cuenta el mismo mimero de veces que su multiplicidad m,, entonces un polinomio de grado n tendré exactamemte » ceros. El siguiente corolario del teorerna fundamental de Algebra se usard con frecuencia en esta seccidn y en capftulos posteriores. Sean P(x) y (2(x) polinomios de grado a lo mnds n. Si.x),.05..+-. %y COM K > 2, son ntime- ros distintos con P(x,) = Cx) para i= 1, 2,..., k,entonces P(x) = Q(x), para todas los valores de x. . Si queremos localizar los ceros aproximados de un polinomio P(x) con el procedi- miento de Newton, necesitamos evaluar P(x) en valores especificadas, Puesto que P(x) y ?°(x) son potinomios, la eficiencia computacional requiere evaluar estas funciones en la forma anidada que explicamos en Ia secciéin 1.2, El métado de Horner incorpora esta tée- nica y, por fo mismo, requiere slo maltiplicaciones y n sumas para evaluar un polino- mio arbitrario de grado n. (Método de Horner) Sea Pla) = age" + a Pot ak + ay beat bk parmak=n=1n- 2. 10, entonces by = P(x). Més atin, si BU) = bye be + by by entonces Pla) = Cr — x) QD + bye . Demostracién Segiin ta definicién de Gx), Gy — a(x) + by = (x — aghbge! +--+ bye + by) + by S (bgt + Byatt ton Be + BD — Cbgigt | + ot Bytgt + byt) + by mat + (Bg — bgkg uN oor ob Cy ~ bags + by ~ Bet De acuerdo con la hipétesis, b, (r= 5)OG) +b, = Pi) y dy = Pix). eae 4, ¥ By — Bes php = dy POF tanto Aplique el métode de Homer para evaluar P(x) = 2x4 - 3x2 + 3x - deny = -2 Cuando realizamos manualmente Jos cillculos en cl método de Horner, primero cons- truimos una tabla que sugiere el nombre de divisidn sintérica coméinmente aplicado a esta técnica. En este problema, la tabla es la siguiente:2.6 Ceros de polinomias y el método de Maller 93 Coeficiente Coeficiente Coeficiente Coeficiente Término deat de de 2? dex constante Por tanto, Plxp = (x + 2) — av? + Sx — 7) + 10, . Una ventaja mis de! usa del procedimiento de Homer (o divisién sintética) consiste en que, como PR) = (6 = 9) QU) + By, donde QL) = bat! + by xt 2 + ot bar + by, al derivar respecto a x obtenemos Pay = QU) + tx JO") yy) = Ox @i4) Cuando usamos ¢1 método de Newton—Raphson para encontrar un cero aproximado de un polinomio, podemos evaluar de la misma tuanera P(x) y PC). EJEMPLO 2 = Encuentre una aproximacién a uno de los ceros de Pts) 2x — aed + de 4, usando el procedimiento de Newton y la divisién sintética para evaluar Ptx,) y P’x,) en 2 0 3 300 4 “4 a -10 \4 2 -4 5 —7 100 = P{—2). Usando el teorema 2,18 y la ecuacién (2.14). OW =WwW-4e4+51r-7 yy PL-2I=Ol-2, de modo que #/(-2) puede encontrarse al evaluar Q(-~-2) de maners similar: 2 -4 5 -7 16 42 2 -8 2 “49 = O(-2) = P{-2) %94 27 CAPETULO 2 © Soluciones de ecuaciones de una variable se Pos) 10 fe pay Sag Al repetir el procedimiento para encontrar x5, 2 =7.184 16.353 32.565) = Q(x) = P(x). Por tanto, P(—1.796) = 1.742, P*(—1.796) = —32.565, y 1.742 —32.565 De modo semejante, x, = — 1.73897. Un cero real con cinco cifras decimales es — 1.73896. . ay = — 1.796 - = - 1.7425, ‘Obsérvese que el polinomio Q(x) depende de la aproximacién que se emplea, y cam- bia de una iteraci6n a otra. El algoritmo 2.7 calcula Plx,) y P’(13) por medio del método de Horner. Método de Horner Para evaluar el polinomio Pox) = at + ay Nb ee ay + ay = (= yO) + by y su derivada en 4: ENTRADA grado n; coeficiemtes dy, dyy...5 yi Xye SALIOA y= Plxh z= Pls). Paso 1 Tomey=a,; (Calcule b, para P.) (Caleule b, para Q.) Paso 2 Paraj=n—\.n—2,....1 tome y= xy +a; (Calcule b, para P.) oe ty. (Caleule by, para Q.) Poso3 Tome y=.x,y +a. (Calcule by para P.) Paso 4 SALIDA (y, 2); PARAR. . Si tonces iteracién N, x,. en el procedimiento de Newton es un cero aproximado de P, en- P(x) = Ge = xy) OCE) + by = x = xyIOLD + Ploy) = Cr — 2yIOM),Teorema 2.19 2.6 Ceros de polinomios y el método de Méiler 95 de modo que x — x, sera un factor uproximado de P(x). Suponiendo que 3, = ry sea el ce- ro aproximade de P y que Q,(r) = Q(«) sea el factor aproximada, obtendremos PO) = Ue ~ %)Q\0). Si aplicamos e1 métode de Newton a Q; (x) podemos encontrar un segundo cero aproxima- do de P. Si P(d €s.un polinomio de grado n con n ceros reales, aplicamos varias veces este procedimiento para finalmente obiener (n — 2) ceros aproximados de P y un factor caa- dratico aproximado Q,_ (1). En esta etapa, podemos resolver Q,_ ; (x) = mediante una f6x- mula cuadrética para obtener fos dos tltimos ceros aproximados de P. Aunque podemos usar este método para obtener todos los ceros aproximados, se basa en el uso repetido de aproximaciones y puede generar resultados muy imprecisos, El procedimiente que acabamos de describir se llama deflacién. E1 problema de la exactitud de la deflacisn se debe al hecho de que, cuando obtenemos los ceros aproxima- dos de P(r), el método de Newton se aplica al polinomio reducido Q,(x), es decir, al que tiene a propiedad de que Por) ~ (0 — £0 — a) Qylx). Un cero aproximado £,,, de Q, generalmente no aproximard una raiz de P(x) = Otsn bien como una rate de Ja ecuacidn reducida Q,(x) = 0, y la inexactitud se incrementa al aumen- tar k. Una forma de superar esta dificultad consiste en utilizar las ccuaciones reducidas para obtener las aproximaciones £5,.i),..., a los ceros de P y mejorarlas después apli- ando el método de Newton al polinomio original P(x). Un problema que se presenta al aplicar e] método de Newton a los polinomios, es la posibilidad de que el polinomio contenga races complejas, cuande todos los coeficientes son némeros reales. Si la aproximacién inicial mediante el método de Newton es un nii- mero real, también fo serdn las aproximaciones subsecuentes. Una manera de superar esta jificultad consiste en comenzar con una aproximaciéa inicial compleja y efectuar todos los céleulos por medio de la aritmética compleja. Otra manera se basa en el siguiente teo- rema Siz =a + hies un cero complejo de multiplicidad m del polinomio P(x), entonces 2 = a +i tambign seri un cero de multipticidad m del polinomio P(x) y (? - 2ax + a? + By" seré un factor de P(x) .- Podemos idear una divisiGn sintética que contenga polinomios cuadritioos para facto- rizar aproximadamente el polinomio, de modo que un término sea un polinomio cuadrit 0 cuyas rafces complsjas sean aproximaciones a las raices del polinomio original. Esta técnica se describié con cierto detalle en la segunda edicidn del libro [BFR). En vez de pro- ceder en esa forma, ahors estudiaremos un método que fue propuesto inicialmente por DE. Miller [Mu]. Podernos aplicario en cualquier problema de basqueda de rafces, pero resulta de gran ulilidad sobre todo al aproximar las rafces de polinomios, El método de Milller s una extensién del método de la secante, Este dltime comicn- 24 6on dos aproximaciones iniciales x, y x, y determina la siguicate aproximacién x, como fa interseccidin del eje x con ta Kinea que cruza (xy, f4%q)) y (xy, f0r,)). (Véase la Fig. 2.12(a),) El método de Milller utiliza tres aproximaciones iniciales, x»..x,, yx y determi na la siguiente aproximacién x, al considerar Ja interseccién del eje x con la parabola que atraviese (fg, fOr), Gy FLED) Y (ry. FOE). (Ease la Fig, 2,12(b).)Figura 2.12 CAPITULO 2 © Soluciones de ecuaciones de una variable ‘a oy La deduccion del métode de Muller comienza considerando el polinomio cuadr: Plx) = ala — 4) + bia — x) + € que pasa por (xp, f%q)), Oxy f(4,)) ¥ (%y-flx,)). Podemas determinar las constantes, a, b y ca partir de las condiciones L(g) = Glty — 4yF + Ply — %) + & Q.15) FO) = ala, =) + HG, = a) Fo (2.16) y fa) =a P +b Ote=c Q17) para ser em flzh (2.18) _ Go = PLO fea = (> a? Fe) — Fe) ~ (iq = ¥g)0%) = ¥2XXq — . (2.19) _ Gy Uf) — fle] = 9 = LPO) ~ £05)] ‘ Gy — 0) — Ny — 4) Si queremos determinar x;, un cero de P, aplicamos la férmula euadrética a P(x) = 0. Sin embargo, debido a los problemas del error de redondeo ocasionados por la sustraccidin de nimeros casi iguales, utilizaremos la formula como se indica en el ejemplo 5 de la sec- cién 1.2: yay b+ VeALGORITMO 2.6 Coros de polinomios y el método de Méiler oF Esta frmula ofrece dos posibilidades de x,, segéin el signo que precede al término radi En el métode de Milller, el signe se elige de modo que corresponda al signo de b. De esa forma el denaminador seri el de mayor magnitud y haré que x, sea scleccionada como la raiz de P que esti mas cer a.x,, Por tanto, b+ signo(b) VF — dac” a= donde a, b y c estén dadas en la ecuaci6n (2.15). ' Xy, reinicializamos el procedimiento usando x,, x, y «, €0 « la siguiente aproximacién, x,. El método prosigue hasta que sc logra una conclusién satisfactoria, En cada paso cl método conticne cl radical Ve" — 4ac, por tanto, puede aproximar las raices complejas cuando 6? — 4ac < 0, Con el imo: 2.8 se estableve este procedimiento. Una vez que det vee de yy X,Y P Método de Milller Para of ier una solucid i flx) = 0 dadas tres aproximaciones, xy, ENTRADA 5,4). 1y; tolerancia TOL; nimero méximo de iteraciones Np, SALIDA solucién aprox po mensaje de falla. Poso 1 Tome hr x, Xye fy = — 4: = fl) = fix Whigs (8, = 8h, + hy) Paso. 2 Mientras i = N, haga pasos 3-7. Paso 3 b= 8 + hyd D=(h —4fl kiN. (Nota: se puede necesitar aritmética compleja.) Paso 4 Si |b~D) < |b + Dlentonces tome E = b + D si no, tome E Paso S$ Tome i 0 6 Si || < TOL entonces SALIDA (p PARAR Paso 7 Tome xy (Proced terminado satisfactoriamente.) (Prepsirese para la siguiente iteracién.)EJEMPLO 3 Tabla 2.13 CAPITULO 2 © Soluciones de ecuaciones de una variable 8, = Ay) ~ Arig d= (8, = 8th, + yy, i=i+t, Paso 8 SALIDA (‘El método fall6 después de Nj iteraciones. Ny = ', Ny): (Procedimiento terminado sin éxito.) PARAR, . Considere el polinamio f(x) = Itt — 40x + 5? + 20x + 6, Al utilizar el algoritmo 2.8 con TOL = 10° y diversos valores de xg. .x; ¥ xp, 8 obticnen los resultados que se pro- porcionan en la tabla 2.13, %=05, 1 =-05, 4=0 £ 4 Ie) 3 -0.555556 + 0.598352) —29 4007 — 3.898721 4 ~0.435450-+ 0.102101/ 1.33223 ~ 1.19309 5 ~0.390631 + 0,141852/ 0.375087 — 0.670164 6 —-=0.357699 + 0.169926 = 0.146746 — 0.00744629° 7 =0.356051 + 0.162856 0.183868 x 10"? + 0.539780 x 10-% 8 0.356062 + 0.162758: 0.286102 x 10-5 + 0.953674 x 10-% b 05, = 10, Gals ‘ ¥ fu 3 1.28785 —1.37624 4 1.23746 0.126941 5 1.24160 0.219440 10-2 6 1.24168 0.257492 x 10-4 7 1.24168 0.257492 x 10-4 « H=2S 420 i fey 3 1.96059 -0.611255 4 1.97056 0.748825 % 10°? 5 1.97044 — —0.295639 x 10~* 6 197044 —0.259639 x 10-¢ Usamos Maple para generar la parte (c) de la tabla 2.13. Para esto, definimos f(x) y las aproximaciones iniciales como > ftannaL60x" dnd 09x °3s 502°24208K667 >p0:n0.5; pl=-0.52 p2:=0.0;2.6 Ceres de polinmios y el métode de Miller 99 Evaluamos el polinomio en los valores iniciales >f0:=£ (pO): H w£kp2)3 y obenemos c = 6, b = 10, a = 9 y p, = 05555555958 + 0.5983516452i usando las férmulas de! método de Muller: 23 = ( (pO-p2) °28 (£1-£2) -(pt-p2) *}2*(£0-£2) ) / {{p0-p2) *(pl-p2) =( (pi-p2)* (£0-£2) - (p0-p2)«(£1-£2))/ ( (p0-p2) = (p: p2-(2%c) / (b+ (b/abe(b) ) *sart (b"2-4¥aec) Generamos el valor p, usando aritmética compleja, al igual que en el céloulo >f3ee£ (p37 lo que da f, = —29.40070112 — 3.898724738i, Los valores reales de las raices de la ecuacién son 1.241677, 1.970846 y 0.356062 + 0.162758i, lo cual demuestra la exactitud de las aproximaciones abtenidas con el métode de Miller. . En el ejemplo 3 se muestra que el métode de Milller permite aproximar las raices de los polinomios con varios valores iniciales, De hecho, este método generalmente conver- ge a la raiz de un polinomio con cualquier aproximacién inicial, aunque podemos cons- muir problemas en que no haya convergencia en algunas elecciones de las aproximaciones iniciales. Esto puede suceder, por ejemplo, si para alguna # tenemos flx,) = fix,,) ‘sléjg3) #0, Entonces la ccuaciGn cuadritica se reduce a una funci6n constante no cero y nunca cruzard el eje x, Sin embargo, rara vez es asf y los paquetes de computacién que uti- liza cl método de Miller piden s6lo una aproximacién inicial por rafz. ¢ incluso la propor- cionan como opcién, CONJUNTO DEEJERCICIOS 2.6 L. Obtenga las aproximaciones, con una exactitud de 10~* a todos los ceros reales del siguiente polinomio aplicando el método de Newsun, a fa) =P - 22-5 b fi) 4 3e = 1 © fa)=P-x-1 @ fet +28—0-3 e fl) = + 4.00L2 + 4.0020 + 1.101 & fie Sart odd dt and 2. Obtenga aproximaciones con un grado de exactitud de 10°* a todos los ceros de los siguientes polinomios, encontrando primero los ceros reales mediante el método de Newton y reduciend luego los polinomios de menor grade para determinar los cores eomplejos100 CAPITULO 2 * Soluciones de ecuociones de una variable 6. 10. ML a. fix) = x4 + S88 — 99? 85 — 136 Bb. fx) ot = 2k) = De + 16 = 40 «fe rtee +38 dy fix) = 8 + EL -2L0 — It - 2b ©) flxy = 16x! + 8x2 + 159x? + 76x — 240 £ fips rina anes & fide 2 ae td td bh. fix) = 8 = 22 + de 6 Repita ef ejercicio | aplicando el métado de Miler. 1a cl cjercicio 2 aplicando ¢l método de Miiller, Use el método de Newton para obtener, con una exactitud de 10°? los ceros y los puntos criti cos de las siguientes funciones. Use esta informacitn para trazar la grafica de f, a fae — 9+ 12 bd faye W see Is fia) = We! — 84s? + 2295x —-O21141 =O tiene una raiz en x = 0.29. Use el método de Newton con una aproximacién inicial x, ~ 0.28 para tratar de obtener esta raiz. Explique lo que suvede, Use Maple para encontrar las races exactas del polinornie f(1) =x + Aix ~ 4. Use Maple para encootrar las races exactas del polinornio f(1) = x3 ~ 2x 5. Aplique los métodos siguientes para obtener una solucién con una exactitud de 10 para el problema oor! ~ $5023 + 200% = 20 = 1 = 0. a. Método de biseocién d. Método de la pasicién falsa Bb, Méwdlo de Newton, Método de Muller & Método de la secante Dos escaleras se cruzan en un pasillo de ancho W. Cada una ilega de la base de un maro a un punta en e] muro de enfrente. Las escaleras se cruzan w una altura H arriba del pavimiento. Da: «do que las longitudes de las escaleras son x, = 20 pies yx, = 30 pies y que H = 8 pies, caleu- ew. |— w—- Debemos fabricar una lata de forma eilindrica circular recta que contenga 1000 cm*, La tapa circular de la parte superior y del fondo deben tener un radio de 0.28 em mis que el radio de la lata, para que el sobrante se vlilice para sellar con La parte lateral. La hoja de material con que se construye csta parte de la lata también debe ser 0.25 .cm mds grande que la cireunferencia de a lata, de modo que pueda hacerse un sello. Calcule, con una exactitud de 107¢, la cantidad mi- nima de material necesaria para fabricar la lata.2.7 Una visién general de métodas y de software 101 ne 12, En 1224, Leonardo de Pisa, mejor conocido como Fibonacci, resolvié el rete matemético de Juan de Palermo en peesencta del emperador Federico Il. El reto consistia en obtener una ratz de la ecuacion x + 2x + 10x = 20, Primero demostré que la ecuacidn carecia de races racio- nales y de una ratz irracional euclidiana, es deeir, no ten‘a ninguna rafz de una de fas formas a+ Vb, Va + Vb. Va = Vb.0VWa = Vb, donde a y b son niimeros racionales. Después aproximé la jnica raiz real, probablemente aplicando un méiodo algebraico de Omar Khayyam due inclufa la interseccidin de un efrculo y de una parabola. Su respuesta la dio én un sistema numérico de base 60 ast: reat) Has) eeta) Mal A) ata) {Qué exactitud tenia su aproximacién’? 27 Una vision general de métodos y de software En este capitulo hemos estudiado el problema de resolver Ia ecuacién f(x) = 0 donde fes una funcién continua determinada. Todos los métodos comienzan con una aproximacién inicial y generan una sucesiGn que converge a una rafz de la ecuaciGn, si el método es exi- toso, Si [a, 6] es un intervalo donde f(a) y f(b) tienen signo diferente, entonces e! método de bisecciGn y el de posicién falsa convergerd. Pero la convergencia de ambos serd lenta. Por lo general, se logra una convergencia mis répida usando el método de la secante o el de Newton, Ambos requieren buenas aproximaciones iniciales, el método de la secante re- quiere dos y una el método de Newton; por tanto, el método de biseccidn o el de posicién falsa pueden servir como métodas iniciales en el método de la secante 0 en el de Newton. El método de Miiller nos dard una convergencia répida sin una aproximacién inicial muy buena, No es tan eficiente como el método de Newton; su orden de convergencia cer- ca de una raiz es aproximadamente a = 1.84, en comparacidn con el orden cuadratico, 4 = 2, del método de Newton. Pero es mejor que el método de la secante, cuyo orden es aproximadamente a = 1,62 y tiene la ventaja adicional de aproximar rafces complejas, La deflacidh generalmente se emplea con el método de Maller, una vez que se ha de- terminado una ra(z aproximada de un polinomio. Hecha la aproximaci6n, aplique €! méto- do de Miller 1 de Newton en el polinomio original que tenga esta raiz como aproxima-102 CAPITULO 2 © Soluciones de ecuaciones de une variable cién inicial. El procedimiento garantizaré que la rafz que esti sindo aproximada sea una solucién de la ecuacién verdadera, no de la ecuacién deflacionada. Recomendamos el uso- del método de Miller para obtener todas las raices de polinomios, tanto reales como com- plejas, También puede utilizarse con una funcién continua arbitraris. Existen otros métodos de orden superior para determinar las rafces de polinomios. Si este tema es de su interés, le aconsejames estudiar el método de Laguerre, el cual ofrece tuna convergencia cibica y ademds aproxima raices complejas (véase [Ho, pp. 176-179]) donde se incluye una explicacién muy completa, el método de Jenkins-Traub (véase [JT]) y ef método de Brent (consiltese [Bre}}. Otro método interesante, el de Cauchy, se asemeja al de Miller; slo que no incurre en el prablema del fracaso del método de Maller, cuando f(x,) = f(r,.,) = fx,,.). para al- guna i, Recomendamos al lector consultar (YG, secciones 4.10, 4.11 y 5.4] donde viene una explicacién interesante de este métado y también mds detalles sobre el método de Mu- lier: ‘Con una funcién fy una tolerancia especificadas, un programs eficiente deberd gene- rar una aproximacién a una o varias soluciones de f(x) = 0, cada una con un error absolu- to @ relative dentro de La tolerancia; los resultados habrin de ser generados en un tiempo tazonable. Si el programa no puede realizar esta tarea, por lo menos deberd dar explicacio- nes Kégicas de por qué no se consiguié el éxito y una indicaci6n de cémo corregir la cau sadel frncaso. La subrutina ZANLY de FORTRAN de IMSL. utiliza el método de Miiller con defla- cién para aproximar varias raices de f(x) = 0..La rutina ZBREN, disefiada por R. P. Brent, usa una combinacién de interpolacién lineal, una interpolacién cuadrética inversa seme- jante al método de Maller y el método de biseccién, y requiere que se especifique un in- tervalo [a,b] que contenga una ra(z, Las rutinas f_zeros_fen de C y ZREAL de FORTRAN de IMSL se basan en una variante del método de Miiller y aproximan los ceros de una fun- cién real f cuando s6lo se tienen aproximaciones iniciales pobres. Las rutinas para deter: minar los ceros de polinomios son f_zeros_poly de C y ZPORC de FORTRAN, que usan el método de Jenkins-Traub para encontrar los ceros de un polinomio real; ZPLRC, que usa el método de Laguerre para determinar los ceros de un polinomio real; y las rutinas ¢_zeros_poly de C y ZPOCC de FORTRAN, que usan el método de Jenkins-Traub para encontrar los ceros de un polinomia complejo. La subrutinas cOSade de C y COSADF y COSAZF de FORTRAN de NAG usan una combinacién del método de bisecci6n, la interpolacién lineal y Is extrapolacisn para apro- ximar un cero real de f(x} = 0 en el intervalo [a, 6). La subrutina COSAGE es similar a COSADF pero s6lo requiere un valor inicial, en vez de un intervalo, y regresa un interva- Jo que contiene una cafe. Las subrutinas COSAJF y COSAXF de FORTRAN de NAG usan tun métoda de continuacién con una iteracién de secante para aproximar el cero real de nia funcién. Ademas, NAG proporciona las subrutinas COSAGF y COSAFF para aproximar to- dos Ios ceros de un polinomio real o complejo, respectivamente. Ambas subrutinas usan un método modificado de Laguerre para encontrar las rafces de un polinomio, Las subrutina (zero.f de FORTRAN de netlib usa una combinacién del método de bi- seccidn y el método de la secante, desarroliada por T, J. Dekker para aproximar un cero teal de f(x) = 0 en el intervalo [a, 6]. Requiere la especificacién de un intervals [a, b} que contenga una raiz, y regresa un intervalo con un ancho menor a la tolerancia dada. La su brutina sdzro.f de FORTRAN usa una combinacién para determinar un cero real de f(x) = 0 en un intervalo dado (a, b). Las rutinas rpzero y cpzero se pueden usar para aproximar todos los ceros de un polinomio real o complejo, respectivamente. Ambas usan el método de Newton para sistemas, que estudiaremos en el capitulo 10. Todas Las rutinas tienen pre-2.7 Una visién general de métodos y de software 103 cisiéa simple y doble. Estos métodos estén disponibles en el sitio de netlib en. Internet, hitpu/www.netliborg/slatecisre. Dentro de MATLAB, la funcién ROOTS sirve para calcular todas las raices de un po- linomio, tanto las reales como las complejas. Para una funcién arbitraria, FZERO calcula una rafz cercana a una aproximacién inicial especificada con determinada toleranci Maple tiene el procedimiento £01 ve para encontrar las rafoes de las ecuaciones. Por ejemplo, sftsolve(x*d-x-1, x): revierte los ntimeros - ,6180339887 y 1,618033989, También podemos especificar una va- riable y un intervalo para buscar. Por ejemplo, >fsolve(x*2-x-1, 2 revierte e! niimero 1.618033989. f solve utiliza varias técnicas especializadas que se ba- san en la forma particular de la ecuacién © sistema de ecuaciones. Obsérvese que, a pesar de la diversidad de los métodos, tos paquetes profesionales de computacién tienen como fundamenta principalmenie tos métodos y principios que expu- simos en el presente capitulo, El lector deberd ser capay de usarlos leyendo los manuales correspondientes para entender mejor los parémetros y las especificaciones de los resulta- dos que se obtienen, Hay tes libros clasicos en la resolucién de las ecuaciones no lineales: los de Traub [Tr}, de Ostrowski [Qs] y de Householder [Ho], Ademés, el libro de Brent [Bre} ha sido la base dé muchos de los métodos de busqueda de raices que sé ulilizan actualmente,CAPITULO 3 104 Interpolacion y aproximacion polinomial Cun 10 aftos se levanta un censo de poblacién en Estados Unidos. En Ia siguiente tabla se incluyen datos de la poblacién, en miles de habitantes, de 1940 a 1990, Poblacion | 132,165 | 151,326 |179,323 | 203,302 226,542 |249,633 ‘en miles de habitantes 2x 1 Poblacién Lx 108 7 140198 1960 1970 SBD 19H0 20K AlloFigura 3.1 Teorema 3.1 105 Al revisar los datos anteriores, podriamos preguntarnos si es posible utilizarlos para obtener una estimacién razonable de la po- blacién que habria en —digamos— 1965 ¢ incluso en el afio 2010. Este tipo de predicciones puede obtenerse por medio de una funcién que corresponda a los datos disponibles. Este proceso recibe el nom- bre de interpolacién y es el tema que ahora nos ocupa. Este proble- ma demografico se estudia a lo largo del capitulo y en los ejercicios 24 de la seccién 3.1, 14 de la seccién 3.2 y 24 de la seccién 3.4, Una de las clases de funcianes mas titiles y mejor eonocidas que “manda” al conjun- to de los mimeros reales sobre s{ mismo es la de los polinomios algebraicos, o sea, el con- junto de funciones de la forma Pp a ta, tl +e tae + ayy donde n es un entero no negativo y a,,..., 4, Son constantes reales. Su importancia se de~ be a que aproximan de manera uniforme a las funciones continuas. Dada una funcién cual quiera, definida y continua en un intervalo cerrado, existe un polinomio que esti tan “cer- ca” de la funcién como se desce. Este resultado se expresa con precisin en el siguiente weorema, (Véase Fig. 3.1.) yafare 4 y= Pu yasey yrsfi)-« (Teorema de aproximacién de Weierstrass) Suponga que festd definida y cs continua en (a, 6]. Para cada ¢ > 0, existe un polinomio PQ), con la propiedad de que [poy — Pal <«, para toda.cen (a, 6). 1. La demostracién de este teorema aparece en cualquier libro de fundamentss de anéli- sis real (véase, por ejemplo, [Bart, pp. 165-172)).. tra raz6n importante por la cual se debe considerar la clase de polinomios en la apro- ximacién de funciones, es que la derivada y la integral indefinida de un polinomio son fi-106 Figura 3.2 CAPITULO 3 © Interpolaciée y aproximacién potinomial ciles de determinar y también son polinomios. Por estas razones, con frecuencia se usan los polinomios para aproximar a las funciones continuas. En la primera seccién del libra vimos los polinomios de Taylor, y se dijo que son una de las bases fundamentales del andlisis numérico, Por su importancia, cabrfa suponer que en la interpolacién polinémica se usarian ampliamente dichas funciones, pero no es asi Los polinomios de Taylor coinciden en lo posible con determinada funcidn en un punto es- pecilico, pero concentran su exactitud cerca de él. Una bucna interpolacién polinémica de- be ofrecer una aproximacién relativamente exacta en todo un interval, y los polinomias de Taylor generalmente no lo hacen, Por ejemplo, suponga que calculamos los seis prime- ros polinomias de Taylor alrededar de x = 0 para (x)= e*, Como todas las derivadas de {son elas cuales al evaluarse en x, = 0 dan 1, los polinomios de Taylor son Eas fox Pal, PGde les, PL)a tet t, Papel tae yes x 3 # a OY Pstay # Pda ltrt te Las gréficas de los polinomios se muestran en la figura 3.2. (Observe que aun en los potinomios de grado superior el error empeora progresivamente al alejamnos de cero.) Aunque en este problema se obtienen mejares aproximaciones para f(x} = e* si utili- :zamos los polinomios de Taylor de grada superior, no siempre es asf. Supongamos, comaTabla 3.1 3.1. Interpolacién y polinomio de Logrange 107 un ejemplo extremo, que usamos los polinomias de diversos grados de Taylor con f(x) = Ux desarrollada alrededor de x, = | para aproximar /(3) = 4. Puesto que fame fa= a fa) = (12 - x y, en general, SOC = (ikea, Jos palinomios de Taylor serin on panes f ‘Si queremos aproximar /(3) = } por medio de P,(3) con valores crecientes de n, obtene- mos jos valores en la tabla 3.1; un evidente fracaso. EL tipo de dificultad que encontramos en este caso es muy comiin, pues los polinomios de Taylor tienen la propiedad de que toda la informacién utilizada en la aproximacién se concentra en el nico punto x,. Este problema generalmente limita ef uso de la aproxima- cidn polinémica de Taylor al caso en que las aproximaciones se necesiten sélo en puntos cercanos a %, En los caleulos ordinarios conviene més usar métodos que incluyan informacién en diversos puntos y que estudiaremas en las siguientes paginas de este capitulo. La principal aplicacién de los polinomios de Taylor en el andlisis numérico no es Ja aproximacidn, sino la derivacién de los métodos numéricos y Ia estimacién del error. 3.1 Interpolacién y polinomio de Lagrange Foe) = Yo ¥ fox, Como los polinomios de Taylor ao son adecuados paya la interpolacién es necesario hacer uso de métodos alternos. En esta seccisa encontraremos polinomios de aproximacién que sedeterminan con s6lo especificar determinados puntos en cl plano por donde deben pasar. El problema de encontrar un polinomio de primer grado que pasa por los puntos dis- tintos (X.Y) ¥ (ay. ¥4) €8 el mismo que el de aproximar una funcién f. para la cual ;, por media de un polinomio de primer grado que interpole los valo- res de fen los puntos dadios 0 que coincida con ellos. Primero definiremos las funciones x y y se define entonces Pl) = Lyd flay) + L,00f108 Figura 3.3 Figura, 3.4 CAPITULO 3. © Interpotacién y aprosimacién patinomial ‘Como Jolt) = 1. Eye) =0, Lyla y Laat tenemos Play) = 1+ flit) + 0+ flx,) = fla) = py y Pix) = 0+ flag) + + fly) = fle) = yy. Asi p es la tnica funcidn lineal que pasa por Gig. vy) ¥ (ry. »4). (Wéase la Fig. 3.3.) yas) masa 3 = Se) y= Pix) A fin de generatizar el concepto de interpolacidn lineal, consideremos Ia consteucciGn de un polinomio de grado maximo n que pase por los n + 1 puntos. Og ADs Or SOD oo 6, Sl) (Véase la figura 3.4.)Figura 3.5 Teorema 3.2 3.1. Interpolocién y polinomio de Lagrange 109 En este caso para cada k = 0. 1. ..., construimos una funcién L, (x) con la propie dad de que L(x) = 0, cuando # ky L,,(x,) = 1. Para satisfacer 1, ,(x,) = 0 para cada i+ K se requiere que el numerador de L, ; (x) contenga el término (ex) x) =a) Para satisfacer L,,(%,) cuando se evalie en = 1, el denominador de £,,(x) debe coincidir con este témino 1,30) = En la figura 3.5 se muestra un dibujo de la grafica de un £,, , comin, El polinomio de interpolacién se describe ficilmente ahora que conocemos la forma. de 1.,,. Este polinomio, denominado #-¢simo polinamio interpolante de Lagrange, sedefine en el siguiente teorema. Sixty x). son n + I mimeros distintos y si fes una funcién cuyos valores estin da- dos en esos niimeros, entonces existe un tnica polinomio P(x) de grado a lo mas n, con la propiedad de que FG) = Ply) para cada k = 0,1, .... Este polinomio esté dado por PO) = FUE, (0) + + fla LC = SFE, 4. an & donde para cada k = 0,1, ...4 1. G2) . Escribiremos £., (x) simplemente como £,(x) cuando ao haya confusién respecto a su. grado.110 EJEMPLO 1 Figura 3.6 CAPETULO 3. Interpotocion y aproximacién potinamiol Si queremos utilizar los nimeros (0 nodos) x, = 2, x, = 2.5 yx, = 4 para obtener ell se~ gundo polinomio interpolante para f(x) = I/x debemos determinar los coeficientes poliné micos L(x), L(x) y 10) Lg = =(x—65)r + 10, ) (-4x + 24 — 32 HO Qs—aas- 4) ~ 3 : y ae yy = EEE) (4-24-25) > 3 Puesto que f(x) = f(2) = 0.5, f(t)) = (2.5) = 0.4 y f(xy) = (4) = 0.25, tendremos 2 Puy = faye) “ —4e + 24 — 32 4545 = OS((x — 65x + 10) + 0.4 oe +0252 45e 75 = (O0Sx ~ 0.425)x + 1.15. Una aproximacion a /(3) = 5. (Wéase Fig. 3.6) es £(3) = PB) = 0.325. ‘Compare esto con ta tabla 3.1, donde no se podfa usar ningkin polinomio de Taylor (desarrollado alrededor de xy = 1) para aproximar razonablemente f(3) = 4. .Teorema 3.3 1. Podemos usar un programa de e6mputo para construir ejemplo, en Maple usamos polinomic:interpotante. Por cos Kyh Yes la lista [f(x ..., f0,)] y xe la variable a ser usado. En este ejemplb podemos generar un polinomio interpolante p © 0.05x? — 0.425x + 1.15 con el comando sprsinterp 2.5.41, (0.5, * como una aproximacién a /(3) = 1, escriba Jo cual 2 0.325 El siguiente paso consiste en calcular un residuo 0 cota del error incurrido al apro- ximar una funcién mediante un polinomio interpolante. Esto se hace en el siguiente teorema Supongamos que xy). -.., %, 80n nimeros distintos en el intervalo [a, b] y que fe C™** {a, 6). Entonces, para cada x en (a, 6] existe un nimero £(x) em (a, 6) con frre fis) = PO) + SEE (r= aXe) = ah 63) donde P(x) es el polinomio interpolante de la ecuacién (3.1) . Demostractén Observe primero que, six =x, para k = 0. P(x,), yal seleccionar £(x,) arbitrar x, para cualgiicr & n, entonces /tx,) cen (a, b) se obtiene la eeuacién (3.3). Six # 1... m, defina ta funcién x para ten (a, b] por medio de —r- x) gi =f) ~ Pw) ~ FG) — Pa] (=a) Rk = Hy) 0 a) ie = Po) — eer — Po) = Pucsio quefe Cr"! a, bl, y Pe Cla, bl, se deduce que g € C**[a, b]. Cuando t= «x, tendremos ees) =f) — Pad Ue) Pen TT 2% 0- fe) - Pin 0 =0 ing My Ademés, ela) = fla) — Pla) — Yeah Po) {| Se jes) = Pox) - [f(@) — Pao] = 0. Por tanto, ¢ ¢ C'"fa, bl, y « sepanula en los n + 2 meas distintos: x,y. (Conforme al teorema generalizado de Rolle, existe £ en By tal que g**9 (g)112 EJEMPLO 2 CAPETULO 3 © Interpolacién y apraximacién polinomiat Por tanto, = gh ME) = fr) — PE) ~ (fa) = G4) Por ser P(r) un polinomio de grado a lo mas n, su (n + 1)-ésima derivada, F"*Y(x), sera igual a cero. Asimismo, [T\_g ((¢ — x(x — x,)) es un polinomio de grado ( + 1) y, por tanto, | +1 + (érmino de menor grado en 1}, O = fer NE) — 0 = Fox) — POI] Te ay ina a y luego de despejar f(x), tendremos porns os say=Pay* Gay We La formula de error obtenida en | teorema 3.3 €s un resultado tedrico muy importan- te, porque les polinomios de Lagrange se emplean frecuentemente para deducir la diferen- ciacién numérica y los métodos de integracién. Las cotas de error de estas téenicas se obtienen aplicando la formula del error de Lagrange. Nétese que La forma del error del polinomio de Lagrange se parece mucho a Ia del po- linomio de Taylor. El polinomio de Taylor de grade m alrededor de xq concentra en xy toda la informacién conocida y tiene un término de error de la forma LEME) (n+ Dt (ear! EI polinomio de Lagrange de grado n utiliza informacién en los miimeros distintos xy, Xj. eee %y Yoh Iugar dé (x — a)", su fSrmula de error utiliza un producto dem + 1 témi- nos (x — 9), (6 = yh. Oat fee (EO) (n+ ly! (er =) =). EL uso especifico de esta formula de error se limita a las funciones cuyas derivadas tienen cotas conocidas. Suponga que debe preparar una tabla de la funcién f(x) = e*, para ren [0, 1). Suponga, ademds, que el niimero de cifras decimales de cada entrada o valor es d = 8 y que h, el ta- maiio del paso, es la diferencia entre los valores adyacentes de x, ;Cudl debe ser el valor de h para que Ia interpolacidn lineal (€s decie, ¢1 polinomio de grado 1 de Lagrange) arro- je un error absolute a lo maximo de 10-®?EJEMPLO 3 ‘Tabla 3.2 3.1 _Interpolacién y potinonrio de Logrange 113 Sean xp ¥...5 los mimerns en los que se evalia fen xen (0, 1], y suponga que j sa- tisface x; x 5 4), La ecuacién (3.3) significa que el error de la interpolaciéa lineal es Mey Ifa) — Poo! Or ar 54) splloe— a). Por ser hel tamatio del paso, se deduce que-x) = jh x),) = + IM. ¥ que |r) = Pe S| ce — jaye — G+ DH)! Por tanto, [reg — Poo max ef max [Ox —jadlx = G+ Dihyl Bil” aces, NI- \ enix x — jx — (j + 1p af me lei G+ ial Alconsiderar g(x) = (x ~ ji) (x ~ ++ DA) para j= x= + Ii al aplicar lox mé- todos de edleulo (véase Ejercicio 28), encontramos que mix loe—jie- G+ Dipl = mix [gen] = (lis +\s)| = " 2 Pp a = 10°, locual implica que A < 1.72 x 107%, Puesto que n = (1 — Oh debe ser un entero, una eleccién légica del tamafo del paso es b= 0.001, . En él siguiente ejemplo s¢ explica la interpolacién cuando na es posible emplear la parte de la ecuacidn (3.3) correspondiente al errar. La tabla 3.2 muestra los valores de una funcidn en diversos puntos. Compararemos las ‘aproximaciones a f(1.5) obtenidas con varins polinomios de Lagrange ¥ fix) 10 0.7651977 1306200860 16 04584022 19 02818186 22 0.110362114 CAPITULO 3 © Interpolocion y aproximacion polinormial Como 1.5 se halls entre 1.3 y 1.6, el polinomio lineal utilizard xy = 1.3 yx, = 1.6. Bl valor del potinomio interpolante en 1.5 es (LS ~ 1.6) (5 — 13) 3-16) (0.6200860) + 6-13) (04554022) = 0.5102968. PS) = Es razonable cmplear dos polinamios de grado 2: uno suponiendo que xy = 1.3. ¥ que x, = 1.9, lo cual nos da _ G5 = L615 ~ 1.9) (LS = 1.31.5 — 19) P23) = 3.6, — 1.9) (6200860) + 6 F316 — 1.9) (04554022) (LS = 13X15 = 1.6) 2 * 9 139 — 16) O7818186) = 0,5112857, y el otro suponiendo que 4 x, = 1.3, y que x = 1.6, lo cual nos da hy 15) = 0.5124715. Enel caso del terver grado hay dos formas de elegir el polinomio. Una consiste en su- poner que x = 1.3.x; = 1.6, x)= LY y que x, = 2.2, lo cual nos da P,(1.S} = 05118302, La otra consiste en suponer que x = 1.0,.4, = 1.3, = 1.6, y que x = 1.9, lo cual nos da P15) = 05118127, EI polinomio de Lagrange de cuarto grado utiliza todas las entradas 0 valores de la tabla, Cuando x = 1.0,x, = 13,2, = 1.6.2, = L9 y cuando x, Ja aproximacign es P (1.5) = 0:5118200. Experamos obtener este grado de exactitud con las aproximaciones anteriores, ya que (1.5), (1.5) y P,(L5) coinciden con una exactimd de 2 10-§ unidades. También cs- peramos que P,(1.5) sea la aproximacién mas exacta, porque emplea una mayor cantidad de los datos proporcionadas. La funcién que estamos aproximando es Ia funcié de Bessel de primer tipo de orden cero, cuyo valor en 1.5 es de 0.5118277; por tanto, éstas son las vendaderas exactitudes de las aproximaciones: | P15) — fd.5)| = 1.53 x 10-3, | P.t1.5) - fC.5)|= 5.42 x 10-4, |Py.s) - fa.s)|~ 6.44 10-4, | P(1.5) — fU.S)| = 2.5% 10-8, |P,c.s) — fs) |~ 1.50. 10-5, | Pg{1.5) = f.5)| = 7.7 x 10-8,Definkcion 3.4 EJEMPLO 4 Teorema 3.5 3.1 Imterpolocién y patinomio de Lagrange 115 Advigntase que P,(1.5) es ls aproximacién mas exacta; pero sino conocemos el valor teal de f(1.5) aceptariamos P,(1.5) como la mejor aproximacién, ya que utiliza una ma- yor cantidad de los datos proporcianadas. En este caso no podemos servirnos del término del error o término residual derivade en el teorema 3.3, ya que no conocemos la cuarta de~ rivada de /, Desafortuunadamente, casi siempre ocurre esto. . Una dificultad préctica que ocurre con la interpolacién de Lagrange consiste en que el término del error es dificil de aplicar, generalmente el grado del polinomio necesario para lograr la exactitud deseada no se conoce antes de determinar los célculos. Se acostum- bra obtener Jos resultados a partir de varios polinomios, hasta que se logra una correspon- dencia apropiada como en el ejemplo anterior. Ademdis, el trabajo realizado al calcular la aproximacién mediante el segundo polinomio no reduce el que se reqquiere para calcuiar 1 tercero; tampoco es més facil obtener La cuarta aproximacién, una vez conocida la tercera y asi sucesivamente. A continuaciGn derivaremos estos polinomios de aproximacién de tal forma que se aprovechen mejor los céleulos anteriores. Sea f una funcidin definida en 1), X)..%)..-.. Xe ¥ SUpOMgAMOS UE Mm), My... my Som k enteros distintos con 0 = m, = n para cada i. El polinomio de Lagrange que concuerda con fren los k puntos 25,, Xs ---+ Xp, 86 denota por Pp, my . Sia) = ha, = 2) = Ra 64 mio que concuerda con f(x) en x, y si f(x) = e', entonces P, » 4 (x) serd el polino- 3 y con x, = 6, 6s decir, oe 24 EABE-O @-2@-3) =3x2-6)° | G-23-6), G-26— Pros = En el siguiente resultado se describe un método con el que se generan recursivamen- te aproximaciones al polinomio de Lagrange. Si fest definida en ry, x,..... .%,, ¥.4,¥-x, on dos mimeros distintos de este conjunto, en- tonces Ce Pon nyt AON OT DP cath EOD Ky j Lo ihith @,— x) describe el polinomio de grado k de Lagrange que interpola f en los k + 1 puntos x,, Nyy eee Me . Demostracién Para facilitar la notacion, sean Q& Poy yp icy, a YOR Poy, pa J+... .4 Puesto que QC} y O(2) son polinomios de grado k — |'o menos, P(x) sera’ de gra- do alo més & Si0S r y sir # i,j, entonces O(x,) = Otx,) = fx), asi que 5) O62) ~ (x, — 9) O,) x) = 5 Le) = FH. Pu) = Ademés, como Gtx f(x), tenemos ¥) OK) ~ 5) 5) Olx) x — 4) Sy ay SH FD116 Tabla 3.3 EJEMPLO 5 CAPITULO 3 © Intemolaciéa y apraximacién potinomial De modo andlogo, como Q(x,) = f(x), obtenemos P(;) = f(x). Pero, por definicién, P4j,_..,4 (2) ese! polinomio tnico de grado a lo-mas k que concuerda con fen x... xj. Por consiguiente, P= Py, a8 De acuerdo con e} teorema 3.5, los potinomios interpolantes pueden generarse de ma- nera recursiva. Por ejemplo, podemos generarlos como se indica en la tabla 3.3, donde ca- da hilera se termina antes de iniciar las siguientes. % a % Os, ty Or: Paras" Oss Me Pou Qe Pia" 2a Parse" Qu A este procedimieato se le conoce con el nombre de métode de Neville. La notacién P que se usa en Ja tabla 3.3 es dificil de manejar por la cantidad de subindices con que se representan Las entradas 0 datos. Pero obsérvese que, al construir un arreglo, sélo se nece- sitan dos subindices. Descender por la tabla cquivale a utilizar puntos consecutives x, con i mas grande: desplazarse hacia Ia derecha equivale a aumentar el grado del polinomio interpolante. Dado que los puntos aparecen consccutivamente en cada entrada, debemos describir tinicamente un punto inicial y la cantidad de puntos adicionales con que se cons- truird la aproximacién. Para evitar los subindices miltiples, sca Q, (x), 0 = j = i, el polinomio interpolante de grado j en los (j + 1) miimeros x,_»,X)_y,4o---y X)-49-%5 €8 decir, Oi, =F; Al aplicar esta notacién cn cl método de Neville se obtienc el arreglo de la notacién Q de Ja tabla 3.3. Def bef ae Pod En el ejemplo 3, los valores de diversos polinomios interpolantes en x = 1.5 se obtuvieron por medio de los datos incluidos en las dos primeras columnas de la tabla 3.4. En este ejemplo, aproximamos /(1.5) usando el resultado del teorema 3.5 Si x, = 1.0, x, = 1.3, 1.6, x4 = 19 y si xy = 2.2, emtonces Oyo =/(L0) Oyo =f(13 Qo =F(L6), Org =f). ¥ Qyy =f (2.2). Estos son los cinco polinomios de grado cero (constante) que aproximan f(1.5). Al caleular las aproximaciones de primer grado Q, , (1.5), obtendremos (x ~ 4918» ~ (© ~ oe 2,5) = no& (LS = 1.0)Q)9 = 15 = 1.3)Qy9 - 13= 10 (0.62008600) — 0.2(0.7651977) oD = 05233889. 03 De manera andloga, 1.3)(0.4554022) — (15 6000860) 2,15) = 7-45 0.5102968, 03,(1.5) = 05132634 yy ,(1.5) = 05104270.Tabla 3.4 EJEMPLO 6 Tabla 3.5 Tabla 3.6 3.1 Intemofocidn y polinomio de Lagrange 17 Se espera que la mejor aproximacién lineal sea Q,,,, ya que 1.5 se encuentra entre aps By, = 16. En forma pacecida, las aproximaciones usando los polinomios de grado superior es- én dadas por (15 = 1.00.5102968) — (1.5 ~ 1.640.5233449) 2 16-10 921.5) = 05112857 yy Qyaf1.5) = 0.513736. 1.5) = = 05124715, Las aproximaciones de grado superior se generan de modo semejante y se incluyen en la tabla 3.4. . 10 0.765197 13 (0.6200860 05233449 16 0.455402 05102968 O.S124715 Lo 0.2818186 05132644 QSi28s7 = O.S118127 22 0,1103623 0,5108270 0.513736! 05118302 0.518200 Si la Gitima aproximacién, Q, ,, no ofrece la exactitud deseada, podemos seleccionar otro nodo, x, y agregar otra hilera o renglén a la tabla: Hs Qsg sn Osa Osa Ose Oss Entonces podemos comparar Q,... Qs. ¥ Qss para tener atin més exsctitud. Enel ejemplo, aesta funcién se le conoce como de Bessel de primer tipo de orden ce- ro, cuyo valor en 2.5.es —0.0483838, Con esto podemos construir una nueva hilera 0 ren- gion de sproximaciones a f(1.5): 25 -0.0483838 0.480769 05301984 05119070 05118430 0.511827. La diltima entrada o valor, 0.51 18277, es correcta a sicte cifras decimales La tabla 3.5 contiene los valores de f(x) = In x con una precision de cifras decimales dada. in 0 20 © 0.6931 1 22 0.7885 2 23 0.8329 Nos serviremos del método de Neville para aproxamar f(2.1) = In 2.1. Al completar la tabla, da los valores, 0 20 On 0.6931 1 22 0.1 0.7885 9.7410 2 33 02 0.8320 07441 0.7420118 ALGORITMO. 3.1 CAPETULO 3 © Intempolacién y aproximacién polinamial Por tanto, P(2.1) = Oy, = 0.7420. Puesta que f(2.1) = In 2.1 =0. lugares decimales de exactitud, el error absolute seré 19 con cuatro Lay = Pay! = 10.7419 - 0.74201 0-4 Sin embargo, f(x) = és, fx) = — Le, y fx) = 203, asf que la féemula (3.3) da una cou de error L ~ spi Oan-o4y-a.y 283 x 1075, ie — agyie = aie - [yay - Py] = Niéiese que el error real, 104, rebasa la cota de error 8.3 X 10-4, Esta contradicein aparente es consecuencia de los clculos con un mimero finito de digitos. Hemos usado las aproximaciones de cuatro digitos, y la férmula del error (3.3) supone una aritmética de digitos infinitos. A ello se debe que nuestros errores reales sean mayores que la estimaciGn teérica, . En el algoritmo 3.1 se construyen por renglones las entradas © datos del miétodo de Nevi Interpotacién iterada de Neville Para cvaluar el polinomio interpolante ? en los 1 + 1 niimeros distintos xp. .... x, en el mimero x para la funcién f: ENTRADA los miimeros.x, 15,1), .-., 4: valores f(1y), fix), -.., f(2,)como la primera eo. famna Qp- Q) py «+++ Quin de @: SALIDA la tabla Q con Pir) = Q,, Paso? Parai para j tome @,, = Paso 2 SALIDA (0), PARAR. . Se puede modificar el algoritmo para agregar nuevos nodos interpolantes. Por ¢jem- plo, podemos hacer uso de Ia desigualdad l donde (7) denota n'/Ai(n ~ &)!, Estos polinomios pueden usarss en una demostracisn construc: tiva del teorema de apronimacién de Weierstrass 3.1 (véase (Bart), ya que Aim B,(4) =f), para cada x € [0.1] a. Obtenga B,(x) para las funciones @ flay=x Gi fai b, Demwestre que, para cada k =m, (To -G) k ©. Utilice 1a parte (b) y el hecho de que, segdn (ii) de la pare (a), 1=S(Tea-or, — pancama d. Utilice 1a parte (c) para estimar el valor de m necesario- para que | #,(r) — | = 10-6 sea vido para todas las xen {, 1). 3.2 Diferencias divididas En la secci6a anterior utilizamos la interpolacién iterada para generar aproximaciones po- linérnicas de grado cada vex mayor en un punto especifico, Los métodos de diferencias di- vididas, que explicaremos en esta seccién, sirven para generar sucesivamente os polino- mios, El estudio que haremos de este tema serd breve, pues los resultados de esta seccién no tendrin gran uso en lo que resta del libro. En la mayor parte de los textos antiguos de andlisis numéricos se examinan de modo exhaustive los métodos de las diferencias dividi- das. Si usted necesita un tratamiento més completo, Je recomendamos consultar el libro de Hildebrand (Hild). ‘Supongamos que P,(x) es el n-simo polinomio de Lagrange que concuerda con la funcidn f en los nimeros distintos x, x}. ..., ,. Las diferencias divididas de f respecte a gp Tyo coe iy SO USN para expresar P,(x) en fa forma PAX) = dy + y(X ~ Xq) + Gx — tg — y+ G.5) + ale = AMR =) ee para las constantes apropiadas dy. dy... ay tw3.2 Diferencias divididas 123 Para determinar la primera de las constantes, ay note que, si P,(x) esti escrito en Ia forma de la ecuaciéin (3.5), entonces al evaluar P(x) en xq queda slo el término constan te ay; es decir 4g = Pylty) = flay) De manera similar, cuando se evalia P(x) en.x,, los tinicos términos no cero en la eva- luacién de P,(x,) son los términos constante y lineal, Fix) + aylxy — X) = Px) = Foes asi que fix) ~ flay) a= fx) = fe) 86) a) Ahora es necesario presentar la notacidn de diferencias divididas, que nos recuerda la no- tucidn A? de Aitken que utilizamos en la seccién 2.5. La diferencia dividida cero de la funcidn f respecto ax, que se denota como f[x,], es simplemente el valor de fen x; Fla) = fox). a7) El resto de las diferencias divididas se definen en forma inductiva, La primera diferencia dividida de f respecto a x,y x,., se denota f[x, x,,,] ¥ se define asf ie XY flix fx) G8) Sar En forma aniloga, después de determinar las primeras (k ~ 1) diferencias divididas, FW Rie Serres Missed Lig Xjeae ee Sacaeisale la. k~€sima diferencia dividida relativa.a.x,..,, x4, std dada por Fis i en at 69) Con esta notucisn, podemos reexpresar la ecuacisn (3.6) como a, = f[%y.%) y' ¢l polino- mio interpolante de la ecuacién (3.S) es P(X) = faq) + F184, = ag) + aye = age = a) tot a,0e— agi — ag) Como cabe suponer tras evaluar dy y a), las constantes requeridas son FL ys Xp == para cada k= 0, 1, ..., 12. Por tanto, podemos reescribir P(x) como (véase (Hild, pp. 43-47)] Px) = SU%) + Fig Xp ee Q]OE gh ot Oe 3.10) mi124 CAPITULO 3 © Intepolacién y aproximacion polinomial ‘Como se indica en el ejercicio 17, el valor de fx, ¥y,.- 441 €s independiente de! orden de los ii MeTOS py Xyp.m Xy- A esta ecuaciGn se le conoce con el nombre de férmula de diferencias divididas de Newton, En la tabla 3.7 se describe esqueméticamente la deter- minacién de las diferencias divididas obtenida de los puntos de datos tabuladas. Con esos da- tos también es posible determinar dos cuartas diferencias y una quinta diferencia, Tabla 3.7 Primeras ‘Segundas “Tercera. x fa) diferencias divididas diferencias divididas diferencias divididas rofl wae fen BL fly] afta) as fleyh Mit 46) — Mtn 85.44) Ha, 85g) = aflel Ppt n = Mea Boesd fey BS =e ssflash La férmuta de las diferencias divididas interpolantes de Newton puede implantarse por medio del algoritma 3.2, Se puede modificar la forma de la salida para producir todas las diferencias divididas, como se hizo en el ejemplo 1. Aiconrne Férmula de las diferencias divididas interpolantes de Newton 3.2 Para obtener los coeficientes de las diferencias divididas del polinomio interpolante P en los (n + 1) nlimeros distintos xy, x),..-. ,3 para la funcién f: ENTRADA os niimeros yy Xj. --+» X45 Valores ft). F(X), «--+ £4) COMO Foo. Foe +4 Fug SALIDA os miimeros Fog. Fy js ++ » F,,, donde 2, ft Pa) = > F,, Tax). mM poEJEMPLO 1 Tabla 3.8 Teorema 3.6 3.2 Diferencias divididas 125 Paso 1 Parai=1,2,....9 para j= 1,2, tome F,, = PQS0.2 SALIDA (Fo Fiye os Fuad (Fiye8Fltqe ap oes 4) PARAR, . En el ejemplo 3 de Ia secci6n 3.1 utilizamos varios polinomios interpolantes para aproxi- ‘mar f(1.5), por medio de los datos contenidos en las tres primeras columnas de la tabla 3.8, El resto de entradas o datos de la tabla incluyen diferencias divididas que se calcularon me diante el algoritmo 3.2, ‘Los coeficientes de la férmula de las diferencias divididas progresivas del polinomio interpotante de Newton se encuentran a lo largo de la diagonal de 1a tabla. El polinomio es P,(x) = 07651977 — 0.4837057 (x — 1.0) ~ 0,108733%x — LO) — 1.3) + 0,0658784(x — LOXx~ 1.3)(x~ 1.6) + 0,001825 1x — 1.0} — 1.3)6¢ — 1.6) — 1.9), Nétese que el valor P,(1.5) = 0.5118200 concuerda con el resultado de la seccién 3.1, ejemplo 3, como debe ser, porque los polinomios son los mismos, . is Six) FL. 10-% Hla Fp LPiepe ss Hl . 0 10 07651977 0.483708 113 86200860 —0,1087339 0.499460 nese 784 2 16 04sseo22 —.0494433 0.0018251 -0.5786120 o.n680685 3 19 02818186 0.018183 05715210 422 01103623 El teorema del valor medio aplicado a la ecuacién (3.8) cuando i = 0, Sey) — fo 1% Sly 4) significa que, cuando existe f*, fx, x] = "(E) para algiin niimero €entre x, y x. El si- guiente teorema generaliza este resultado, Supongamos que fe C*[a, b] y Xp, x), ..., x, Son nlimeros distintos en [a, 5). Entonces existe un mimero ¢ en (2, b) con, _Fmg) FB My ooo Kal126 CAPITULO 3 © Interpolocidn y apraximacién potinomiat Demostracién Sea 6a) = fl) = Par) Puesto que fx,) = P(x) para cada i= 0, L,.... m, la funcién g tiene n + | ceros distin- tos en (a, 4]. Conforme al teorema gencralizado de Rolle, existe en (a, 6) un niimero ¢ con gE) = 0, tal que Po ce). Por ser P,(x) un polinomio de grado n cuyo coeficiente principal es fl. PUG = nl flag ay. 0025 Fgh para todos los valores de x. En consecuencia, Fm ey Mp tye ooe GJ, nae La férmula de las diferencias divididas interpolantes de Newton puede expresarse en forma simplificada cuando se arreglan consecutivamente 2), .... 8, Con espacios igus les. Al introducir la notacién =...) — x; para cada /=0, 1... Ty sea x ay + sh, podemos escribir la diferencia x — x, come.x ~ x, = (s — Dit, Por tanto, fa ecua- cidn (3,10) se transforma en P,{8) = Pfavy + sh) = flq) + SH Ly 4) + 5 (8 — DA? Foe 2). 2) oe hs — Ie mt DM fg oe SY S65 = Do — + DM fit Ry eee the Al utilizar la notacién del coeficiente binomial, (‘) s—I(s— ke) Val k . podems expresar P,(x) cn forma compacta como ays PAX) = Ply + 5H) = H1%9) +> (y en vad Gn mi A data se le Hama férmula de tas diferencias divididas progresivas de Newton, Otra forma, denominada formula de las diferencias progresivas de Newton, se construye lizando ta notacién de las diferencias progresivas A que explicamos al hablar del méwodo Af de Aitken. Con ests notacién, Fla, yy a) = oh : = Spe Af 1 ees veo] 1Definicién 3.7 3.2 Diferencias divididas 127 y. en general, 1 | = ke A fay. ecuacién (3.11) tine la siguiente férmuls, fly Entonces, Formula de as diferencias progresivas de Newton Pix) =f +S, ( Ja" fo aly i reordenamos los nodos interpolanies COMO ye Kye <++ Ay 8€ btiene una formula semejante a la ecuacién (3.10): PY = Fg] + Fee HH yh Faye Spy hy gO Hy yy) FOE fg Bll EE) Ga Si los nodos tienen espacios jes con x =x, + shyx =x, + (s +n — ijk entonces Pus) = Pls, + 9) = fle) + sh fly. ay) + ts + le fe, Fade + 1) (st DME fy oe gh Esta forma se conoce con el nombre de f6emula de las diferencias divididas regre- sivas de Newton, y sirve para derivar una firmula de uso més comin denominada férmu- la de las diferencias regresivas de Newton. Para explicar esta titima, necesitamos la si- guiente definicién Dada ta sucesién {p, ) defina fa diferencia regresiva Vp, (ase nabla .) por medio de V Py = Pa Pmt para n= I, Las potencias mayores se definen recursivamente por Vip, = ViVi! p,), para k= 2, . (60.3.7 implica que fi VFV,) 1 ra ee y, en general, I ip nga so = VY, Ali keto oil ™ Fg PLOD En consecuencia, a+) sa+ Dis ta—t) Px) = fly) + 3V fis) + a ia V" fis)128 EJEMPLO 2 Tabla 3.9 CAPITULO 3. © Intemolacién y aprocimacida potinomiol La notacién del coeficiente binomial se ampli de 5 al tomar () por tanto, |. para incluir todas jos valores reales sis +1) ye u 7 fx) + Esto nos da el siguiente resultado. Férmula de las diferencias regresivas de Newton Poanyl+ Se Jere G13) La tabla 3.9 coresponde a las diferencias divididas de los datos que se dan en el ejemplo 1. Primeras ‘Segundas Terceras Cuartas diferencias diferencias diferencias diferencias divididas divididas divididus ——_divididlas 10 0.265197 —0.4837087 13 0.6200860 0.1087339 05489460 Le 0.4554022 —0.0494433 0.001825) =0.5786120 oossosss nd 0.2818186 0.0118183 0.575210 22 0.103623 Sélo un polinomio interpolante hasta de grado 4 usa estos cinco puntos, pero organizaremos los puntos para obtener mejores aproximaciones de interpolacién de grades 1,2 y 3. Esto nos dard la exactitud de una aproximacién de cuarto grado para el valor dado de x. Si se requiere una aproximacién a (1.1) una eleccién adecuada de los nodos serd xy = 10x, = 13. = 1.64, = porque es Ia que utiliza lo antes posible los puntos de datos més cercanos a x = 1.1, y también hace uso de la cuarta diferencia dividi- da. Ello significa que # = 0.3 y que s = +, por lo cual Ia formula se emplea con las dife- rencias divididas que aparecen subrayadas con lineas seguidas en la tabla 3.9: 1 = PLO + 5 3) 1 Ly 2 = 0,7651997 + 5 (0.3) (-0.4837057) + (-$) 03» {=0.1087339)EJEMPLO 3 3.2 Diferencias divididas 129 ) (0.3}°(0.0658784* } 8 (- =) ¢0.34(0.0018251) ‘Si queremos aproximar un valor cuando x esta cerca del final de los valores tabulados, digamos x = 2.0, de nuevo seria conveniente utilizar lo antes posible los puntos de datos més cercanos a x, Para ello es necesario aplicar la férmula de diferencias divididas regre- sivas cons ~ — + y las diferencias divididas de la tabla 3.9 que aparecen subrayadas con Itneas punteadas; P,2.0) = P, (22 -5 03) 2 103623 (0.3(-0.5715210) ~ > (+}osxoonsiss) win -2(2(S)amouma-2(2)(2)2)aonemusy = 02238754, . Las formulas de Newion no son convenienies para aproximar un valor f(x) para x si- tuado cerca del centro de la tabla, porque x, no podri estar cerca de x si empleamos el mé- todo regresivo 0 él progresivo. de modo que intervenga la diferencia de orden mas alto. En este caso disponemos de varias férmulas de diferencias divididas, cada una de ellas es apli- cable de manera éptima en determinadas situaciones. A esas técnicas se les llama férmu- es de diferencias centradas, Hay varias de ellas, pero por ahora slo nos ocuparemos de una, el método de Stirling; una vez mis, al lector que desee una explicacién mas comple- ta le aconsejamos consultar a Hildebrand (Hild). Para Jas férmulas de diferencias centradas escogemos x, cerca del punto que va a ser aproximade y marcamos los nodos directamente pot debajo de xy. Coma.x,, x3... ¥ Como los que esidn directamente arriba como x_,,X_3..... Comesta convencida, la férmula de Stirling esta dada por sh PAA) = Pays (0) = fl) + > SG 1 Fat tg) + fl Kgl + fUige 2D) + PMP Fla ye Xq eG.) aye) chen st — DES — 4) om (5% = Cn — DPMP PD ge os Keg 502 = DF ° ete os My) + Age ss Bate 2m + Les impar, y sim = 2m es par, aplicamos la misma férmula pero suprimimos la dltima linea. Los elementos de esta f6rmula aparecen subrayados en la tabla 3.10. Considere la tabla de datos que se dio en los ejemplos precedentes, Si queremos aplicar la féemula de Stirling para aproximar f(1.5) con.xy = 1.6, usamos los elementos subrayados con la tabla de diferencias 3.11130 Tabla 3.10 Tabla 3.11 CAPITULO 3 © Intepolaciin y apreximacién potinomial Primeras ‘Segundas Tercera ‘Coartas diferencias difercocias diferencias diferencias x fle divididas divididas divididas x fix) Fix X] ay flea] Fis A 16Hgl FE Mel Hi By ty A] % fll Slt Fo A fls_y fle a) fle 1 fel HM 4-5) flx,.4] x Sil ‘Segundas ‘Terceras: Cuartas diferencias diferencias diferencias diferencias * sw divididas divididas iy dich divadidas 10076819 04337087 13 0.62n0860 0.168733 05480460 0.0638 784 16 0.4554022 0.04944 35 05786120 0.0680685 oousiss 22 0.110362 La f6rmula con Ah = 0.3, %) = 1.6. y 3 = — 4, se convierte en jis ~e(16+(-4} on) L\ {03 = 0,4554022 + (-+) (2) (05489460) + (—0.5786120)) 1 + (-+) .3P(—0.0494433) 1 1 * +? (-3) ((- *) - toa (0.0658784 + 0,0680685) + (- i y{( *) 1) cosyeooos2s = 05118200,3.2 Diferencias dividiidas 131 CONJUNTO DEEJERCICIOS 3.2 1. Use la formula de diferencias divididas imterpolantes de Newton o el algoritmo 3.2 para cons- truir polinomias interpolantes de grado uno, dos y tres con los siguientes datos. Use cada una dé los polinomios para aproximar el valor especificade, a, fB.4) si f(B.L) = 16. 94410, f(8.3) = 17.56492, (8.6) = 18.50515, f(8.7) = 18.82091 b, f(O9) si 0.6) = —0.17684460, f(0.7) = 001375227, f(0.8) = 0.22363362, f(1.0) = 065809197 2. Use la formula de diferencia progresiva de Newton para construir polinomios interpolantes dé grado uno, dos y tres con Jos siguientes datos, Aproxime el valor especificado usundo cada uno de los polinamios. a. (2) si {-0.75) = —0.07181250. f(—0.5) = —0,02475000, /(-0.25) = 0.33493750, £0) = 110100000 b. f(0.25) si 7(0.1) = —0,62049988, /(0.2 024842440 3. Use la férmula de diferencias regresivas de Newton para construir polinomios interpolantes de grado uno, dos y tres con los siguientes datos. Por medio de cada uno de los potinomios apro- xime el valor especificado, a f(-4) si (0.75) = —0.07181250, f(—0.5) = ~0.02475000, (0.25) = 0.33493750, F(O) = 110100000 Bb, £0.25) si f(0.1) = -0.62049998, (0.2) = 028398668, /(0.3) = 0.00660095, f(0.4) = 024842440 839866, (10.3) = 0,00660095, f0.4) = 4. & Use cl algoritmo 3.2 para construir cl polinomio intespolante de grado cuatro con las pun- tos desigualmente espaciados que apareoea en la tabla anexa. x fo 00 —6.00000 On 5.89483 03 -S.6S014 O6 S178 10 428172 b. Agrepue /(1.1) = —3.99583 s la tabla y construya el polinomio interpolante de grado cinco. 4 Aproxime (0.05) mediante los siguientes datos y la fGrmala de diferencias divididas pro- gresivas de Newton: x | 00 02 04 06 08 roy | Loon | 1.22140 | 149182 | 1.82212 2.22554 1b, Use La férmute de las diferencias divididas regresivas de Newton para aproximar (10.65). ©. Aplique Ia formula de Stirling para aproximar f(0.43). 6. Demvestre que el polinomio que interpola fos siguientes datos es de grado 3, x [2 |[-1;o 1 2 |3 fy | to f4 [oa 16 B132 CAPETULO 3 © Interpolacién y aproximacién potinomial 7. a Demuestre que los polinamias. de diferencins divididas progresivas de Newton PU) = 3 — 2a + 1) + Oe + I) +O + DOO — 1) Qu) = 1+ r+ 2) 3+ Der + ++ DEF DOD imerpolan los datos » | -2 1 [2 fay | 1 a fu f-.[3 1b, (Por qué la parte (a) no viola la propiedad de singularidad de los polinomios interpolantes’ & Un polinomio de cuarto grado Pix) satisface A‘P(0) = 24, ASO) = 6 y APO) = 0, donde APGO = Por + 1} = Plz), Caleule A2P(10), % Se tienen los siguientes datos pura un polinomio Pix) de grado desconocido, x 0 1 2 Po | 2 f-1 [4 [Determine el coeticiente de x? en Px) si todas Iss diferencias progresivas de terwer orden som I. 10, Se dan los siguientes datos para un polinomio P(x) de grado desconocido. x o ji 2 13 po [a fo [as [ae Determine el cveficiente de «3 cn Pts) si toxias Las diferencias progresivas de cuarto orden som 1. 11, La férmula de las diferencias divididas progresivas de Newton sirve para aproximar f(0-3) si se ‘cuenta oa los siguientes datos. x [oo | 02 | o4 | 06 fo [150 [210 [300 | sto ‘Suponga que sc descubre que /0.4)} fue subexpresado en 10 y que: /10.6} fue sobreexpresado ‘en 5. :Cudinto deberi modificarse la aproximacién a (0.3)? 12. Con una funcitn fa formula de las diferencias divididas interpolantes de Newton da cl polino- ‘mio interpolante 16 Pie) = 1 + ar + Aer 0.25) + xe — 025M — 0.5), 6 Jos noon x, = 0,4, = 0.25, x, = OS y x, = 0.75. Obtenga f10.75). 13, Con una funcitin fas diferencias divididas progresivas estin dadas por 00 Fe) % Sly 34] fel fle rd = 2 a= 07 Fla = 6 Determine-los datos que faltan en la tabla.3.3. Interpolacién de Hermite 133 14. a. En la introduccida de este capitulo se incluyé una tabla que contiene la poblacién de Esta- dos Unides de 1940 a 1990. Unlice las diferencias divididas adecuadas para aproximar la poblacién de los alos 1930, 1965 y 2010. b. En 1930-1a poblacid fue aproximadamente de 123 203-000. ;Cuil es, a su juicio, In exac- titwd de las cifras correspondicntes « las afios de 1965 y 20107 15. Si se tiene PAOD = fll + My G1 ~ 9) + ar ~ ag ~ 4) Fag — Nix — yr — a) + Fale FR a) use P(x.) para demostrar que ay = fly x). Fy) 16. Demuestre que 1 CECA ‘Set oe ayn = EOD para alguna (x) [Sugerencia: segiin la ecu: ine IEG on) = Py + fo fo) (n+ 1)! Si consideramos ¢l polinomio interpolanie de: grada.n + 1 en x) x). +.+ Ag. %elenetnon FC) = Poy ap = Pa) + fey Xp oy Aye td &~4,)) 17. Seaig. i), ..., i, un rearreglo de los enteros 0, 1, ..., n. Demuestre que flX,,..,. iy soos Kgl: [Sugerencia: considere el coeficiente principal del polinomio de Lagrange de gra- do men los datos t,.),. 5 2} = (ge Xe ee HL 3.3 Interpolacién de Hermite Los polinomios osculantes representan una generalizacién de los polinomias de Taylor y de Lagrange. Dados n + 1 mémeros distintos x,,.%,,..., , €n [a,b] y los enteros no nega- LiVOS Mg, My, <5 My Y= MAX(IMy, MM). ..., My}, El polinomio osculante que aproxima una funcién f= Cla, 6), en x, para cada i =0,..,, m, esl polinomio de menor grado que concuerda con la funcién fy con todas sus derivadas de orden menor o igual que i, en x, para cada i = 0, 1,..., n. El grado de este polinomio osculante es, a lo mis, M=> mtn a ya que el mimere de condiciones por cumplires S""_, m, + (n + 1), y un polinomio de gra- do Mf tiene M + 1 coeficientes que podemos utilizar para satisfacerias.134 Definicién 3.8 Teorema 3.9 CAPITULO 3 * Intepolacién y apraximaciéa polinomial Sean ty: tj.-.04 4p + Lmimeros distintos en (a, 6] y mi, un entero no negative asociado ax, para i= 0, 1...., a Supdngase que fe C™(a, 6] y que m= max, m, El potino- mio osculante que uproxima fes el poliaemio P(x) de menor grado tal que Px) dfx) dai= 04 ke, ee paracadai=O.1,...,m y k=Ol.., mm, Nétese que, cuando n = 0, el polinomio osculante que aproxima fes simplemente el polinomio m,-ésime de Taylor para fen x,, Cuando m, = 0 para cada i, el polinomio oscu- lante es el n-¢simo polinomio de Lagrange que interpola fen xy ‘Cuando m, = 1 para cada f= 0, 1, ... n, se produce una clase de polinomios deno- minados polinomios de Hermite, En una funcidn dada f, estos wltimos concuerdan con f €0 Roy pesos Xq. Ademas, como sus primeras derivadas concuerdan con Ins de f, tendrén, la misma “forma” que la funcidn en (x, (x), en el sentido de que tas idneas tangenses det polinomia coinciden con las de la funciGn, Aqui estudiaremos slo los palinomias oscu- lantcs en esta situacién y ¢cxaminaremos primero un icorema que describe con precisién la Torma de los polinomios de Hermite: Sife C'la, bly sig... x, € [ay B] son distintos, el polinamia tinico de menor grado que concuerda con fy f” en Xp... , ¢8 ¢l palinomio de Hermite de grado alo mas 2n + 1 que esti dado por Fly, 00) = > fo) H+ S fap) A, 00, it Fa donde A, (2) = (1 — 2 — ap, MLZ) y A, (OS ra) (2), Dentro de este contexto L, , (x) denota el j-ésimo polinomio de Lagrange de grado n defi- nigo en la ecuacién (3.2), Més ain, si fe C2*2a, b] entonces para.x < [a, b) = ap)? oe = xP FO) = Ay) + casa MED para alguna feona <£ ENTRADA los nilimetos +, t,,..., 24 valores f(x), ..-, fle) Vlg FU. SALIDA los mimeros Op, O,j----+ 2 fae+1 donde HU) = Qay + Oy 4 — 9) + Oral mel? + Oyabe — AFUE ay) + Oy — ar — Ph + + Qos irecilt ~ XoPlx ~ 4,P Poso1 Parai = 0, Paso 2 Seazy haga pasos 2 y 3, Qaista =F). Paso 3 Sif ¥ O-entonces tome Poso'4 Para i = 2,3, para j =2,3,..., (tomar Q,, Paso 'S ENTRADA (yy, Q, + Qos 3 PARAR. . CONJUNTO DEEJERCICIOS 3.3 1. Use el teorema 39 o el algoritme 3.3 para construir un polinomic: de apronimacién para los si guientes datos ae Joo at) Ro for | fen a3 17.36492, Os 0.22363362 | A691TS3 6 18.30515, ‘B.151762 10 0.83809197 0466963 eos S00 rad aos fey | ran =a5 | —o0287500 | 0.751000 ‘01 | —oszosgose] 3 sesoz0er -025 | 03349375 | 2.189000 10.2 | —o.2s39sens| 3.14033271 0 L.aorono0 | 4.002000 03 | 100690095] 2 66a69043 o4 | o24se2H0| 2.16529366 2 Los datos del cjereicio 1 se generaron por medio de tas siguientes f mies ennstnsides en et ejercicio t clones. Use los paline- el valor ducer de x y com140 CAPLTULO 3 © fnterpolocidn y aproximacién potinomiot a. fix) = xin x, aproximar ft). b. fx) = sen (e* — 2); aproximar f(0.9), cc. fx) = x8 + 4.0012 + 4.002 + 1.101; aproximar /¢ de fx) = x cos x = Bet + Sx = 1; aproximar /(0.25), 3. a. Use los siguientes valores y la aritmética de redondeo a cinco digitos para construir un po- tinomio interpolante de Hermite que le permita aproximar sen 0.34 D, sen x= 605 x 030 | 0.29852 0.95534 032 | 0.31457 0.94924 935 | 0.34290 0.93937 b. Determine uns cota de error para la aproximacién de Ia parte (a) y compérela con el error real Agregue sen 6.33 = 0.32404 v cos 0.33 = 0.44604 a los datos y yuelva a efectuar tos céleu- 1s, 4 Sea fix) = Bnet - & ‘a. Apraxime /(1.03) por medio del polinomio interpolante de Hermite de grado méximo es utilizando x = 1 yx, = 1.08. Compare el error real con la cata del error. b. Repita (a) con el polinomio interpolante de Hermite de grado miximo cinco, utilizando fy = 1.4) = LOS y x, = 1.07. 5. Use la frmula de error y Maple para encontrar una cota de los errores en las aprotimaciones de f(x) en las partes éa) y (c) del ejercicio 2. 6 Le tabla siguicate contiene datos refercntes a la funcién que se describe mediante f(x) =e Aproxime £(1.25} por medio de Ha(1.25) ¥ #,(1.25), donde H usit los nods ig ay x, = 3 y Hy emplean los nados % = 1 yx, = 1.5. Caleule las cotas de error en estas aproxima- ciones. fos ae SV = OD? 1 1.105170918 0.2210341836 1282322716 03736968148 1.agi824698 =| 03967298792 2459608111 | 1475761867 7. Un amtomévil realiza un recorrido por una carretera recta y se cronometra su recorrido en va- rios puntos. Los datos recabados de las observaciones se incluyen en Ia tabla adjunta, donde el tiempo se indica en segundos, la distancia en pies y la velocidad en pies por segundo. oy; 3 |s 8 13 o | 25 | 383 | 623 | 90a | 7 80 “4 | & Use el polinomio de Hermite para predecir la posicién del automdvil y su velocidad cuando 10s, b. Use Ia derivada del potinomio de Hermite para determinar si el uutomévil rebass el lfruite de velocidad de 55 mifh en lia carretera. De ser asi, jcusl es la primera vez que la excede? ©. {Cul es la velocidad maxima predecible del automévil? & a Demucstre que H,,.(x) es el polinomio tinico de menor grado que concuerda con fy con F 7 Ny ss Ky: [Sugerencia: saponga que P(x) es otro polinomio de este tipo y considere D agg, — PY DF eM Ny Xyyoees yd3.4 Interpolacién de trazodores cibicos: 141 b. Deduzca el término de error en el tearema 3.9 [Sugerencia: aplique el mismo método que en la deducciéa del error de Lagrange, teorema 3.3, que define 8) =/00- (9 — [fd = Hg, 00] y demuestre que g'(t) ti 9 Seam ty yt) = Hyp 1 (2 + 2) ceras distintos en (a, b].] = 5, ¥ 5 = 5; Consiruya Ia tabla apena de diferencias dividias, ao ‘fleg] = fx =F) =% Mla) = fla Rom Ales) = ft) an Sle] = fer Demuestre-que el polinomio ciibico de Hermite M(x) también puede reescribirse come fl. Fly £1 ~ 9) + Flee By SoH — HGP? Fee Bye Bae BE — MQMOE ay) 3.4 Interpolacién de trazadores clbicos* En secciones anteriores de exte capitulo estudiamos la aproximacién de una funci6n arbitra- ria por medio de un polinomio en un intervalo cerrado. Sin embango, la naturaleza oscilatoria de los polinomios de alto grado y Ia propiedad de que wna fluctuacién zn wna parte peque- fia de un intecvalo puede ocasionar importantes fluctuaciones en todo el rango limita su uti- lizacién, Al final de esta seecidn veremos un buen ejemplo de ello, (Véase la Fig. 3.12.) Un procedimiento alterno consiste en dividir el intervalo en una serie de subinterva- los, y en cada subintervalo construir un polinomio (generalmenie) diferente de aproxima- in. A esta forma de aproximar por medio de funciones se le conoce como aproximacién polinémica fragmentaria La aproximaciGa polinémica fragmentaria es la interpolacign lineal fragmentaria que consiste en uni una serie de puntos de datos {ep FOI), Cp LOM oor Op LEI mediante una serie de segmentos de rectas, como los que aparecen en la figura 3.7. La aproximaci6n por funciones lincales muestra una desventaja: no se tiene la seguri- dad de que haya diferenciabilidad en los extremos de los subintervalos, lo cual dentro de tun contexte geométrico significa que la funcidn interpolante no es “suave” en dichos pun- tos. A menudo las condiciones fisicas indican claramente que se requiere esa condicisn y que la funci6n aproximante debe ser continuamente diferenciable. (Otro procedimiento consiste en emplear un polinomio fragmentario del tipo Hermite Por ejemplo, si los valores de la funcisn fy de /“ se conocen en los puntos 4) readlib(spline} ; para disponer del paquete, Con X y ¥ como en el parrafo anterior, el comando sapline (x, %.%, 3): construye el trazador cubico natural que interpola X=(x(0]....,x[n}) y Y= IO], +.+,¥{n] J, donde x es la variable y 3 indica el grado del trazador edbico, Tam- bién podemos crear trazadores lineales y cuadriticos. Las obras de consulta general para los métodos que se estudiaron en este capitulo son los libros de Powell [Po] y de Davis [Da]. El primer trabajo que se dedicé a los trazadares es obra de Schoenberg [Scho]. Otros libros importantes sobre el tema son los de Schultz [Schul}, De Boor [Deb] Diercx [Di] y Schumaker [Schum]CAPITULO 4 166 Diferenciacién e integracion numeéricas Sc coustroye una bafe scaustnda pars tachede, usando ene mé- quina que comprime una hoja plana, de aluminio, y la transforma en una hoja cuya seccién transversal tiene la forma de onda de la funcidn seno. Se necesita una hoja corrugada de 4 pies de largo cuyas ondas tienen una altura de | pulgada. desde la linea central, y cada onda tie- ne aproximadamente un periodo de 2 pulg, El problema de calcu- lar Ia Jongitud de la primera hoja plana consiste en determinar la longitud de la onda dada por f(x) = sen x de x = 0 pulg ax = 48 pulg, Por el célculo sabemos que esta longitud es ee Ls [vi + war = | V 1+ (cos x)? dr, de modo que el problema consistird en evaluar esta integral. Aunque a funcién seno es una de las mas comunes en matematicas, el ciilculo de su longitud da origen a una integral eliptica de segunda clase, la cual no puede evaluarse con métodos normales. En este capitulo des- cribiremos los métodos de aproximacién de la solucién a este tipo de problemas. Los abordaremos en particular en el ejercicio 21 de la seccién 4.4 y en el ejercicio 10 de la seccién 4.5.4.1 Diferenciacién numérica 167 En la introduceién del capitulo 3 sefialamos que una de las razo- hes para que aproximemos un conjunto arbitrario de datos mediante polinomios algebraicos es que, dada uma funcién continua cualquie- ra que esté definida en un intervalo cerrado, existiré un polinomio suficientemente cercano a la funcidn en todes los puntos del interva- Jo, Por lo demas, las derivadas y las integrales de los polinomios se ‘obtienen y se evalian facilmente. Por ello, no deberia sorprendernos que la mayoria de los procedimientos para aproximar integrales y derivadas usen polinomios que aproximan la funcién, 4.1 Diferenciacién numérica La derivada de la funcin fen x, es Flhy + A) = Fox) 0 A Pe Esta forma indica una manera obvia de generar una aproximacién de fix): basta calcular fy + hy — fay h para valores pequefios de h. Aunque esto parezca evidente, no es muy itil, debido a nuestro viejo enemigo, el error por redondeo, Sin embargo, ciertamente es un punto de pastida. Para aproximar /“(r,) supongamos primero que 4, € (a, 6), donde fe C2[a, b], y que yy + h para alguna h # 0 que es Jo bastante pequeita para asegurarnos de que x, € {a, 6], Construimos el primer polinomic de Lagrange P,,,(x) para f determinada por x, y -x, con su término de error: (—e-x) meen 2x) = Paya) + = fix) = Py) , A ” Een, para alguna £ (x) en [a, J. Al diferenciar obtenemos ity + A) — fly x — glx — ay — hh rn = a = fog +p, [Sala ge gt Am a), Roem ayinih fey " La), 2x ie hereon —ar-a,—h * sae DAF EW). de modo que (sy = Lat m= fl) fi b168 Figura 4.1 EJEMPLO 1 Tabla 4.1 CAPITULO 4 © Diferenciacién e integracién numéricas Un problema de esta f6rmula radiea en que earecemos de informacién sobre D, f(E() por lo-cual no podemos estimar el error de truncamiento. Pero cuando x ex x, el coeficien- te de D, f"(E(x)) serd cero y la frmula se simplifica como sigue Sly +h) — fly) hk fy i 3 fe). 4.) Para valores pequcitos de, podemos utilizar el cociente de la diferencia [f(xy + h) — f(ay)VA para aproximar j’(x,) con un error acotado por M| h|/2, donde M es una cota en [f"(x)| para.x €[a, b).A esta fécrmula se le Hama f6rmula de la diferencia progresiva si hn > 0 (véase Fig. 4.1) y formula de diferencia regresiva si h <0. Pendiente Ur) flay +h) ~ F0) Penns —2—— Sean f(x) = Ine y ry = 1.8. La férmula de la diferencia progresiva fU8 + A) = $0.8) ht sive para aproximar f*(1.8) con el error hl lal ~ 218 taro 2 donde 1.8.< £< 18 +h. Los resultados de la tabla 4.1 se producen cuando h = 0.1, 0.01 y 0.001 {8 + hy = fO.8) Val a LB +h) St ) h xP 0.1 0.64185389 0.0154321 8.01 — 0.59332685 0.0015432 0.001 0.58834207 0.0001 543 Puesto que /’(x) = I/r, el valor exacto de /*(1.8) es (0.555 y las cotas de error son ade~ cuadas .4.1. Diferenciacién numérica 169 Para obtener formulas de aproximactén a la derivada més gencrales, supongamos que {qe Ay ese gh son (n + 1) nimeros distintos en algun intervalo J y que fe C''(F), Del teorema 3.3, 2, = 4) a) = S fly dla + FON ECD), fone (tit ppara alguna (x) en f, donde: L(x) denota el k-tsimo polinomin de coeficiente de Lagran ‘Ge para f EN Xy.X), «+» y- Al diferenciar esta expresién obtenemos e bear ea) fe= > faye + D,| ———§* ] pay “i (n+ dy SAE pp ug) (n+ 1)! [Una vez mis tendremos un problema al estimar el errorde truncamiento, a menos que x sea uno de los mimeros x. En este caso, el término que contiene D,[/\* N(x))] es ce- ro, ¥ entonees la féirmula queda asf rep = 3 peep +2 oy): (42) = a+ i! La ecuacién (4.2) recibe el nombre de formula de (m + 1) puntos para aproximar f“(x;) En términos generales, la utilizaciéin de mas puntos de evaluacién en la ecuacién (4.2) produce una mayor exactitud, aunque esto no conviene dada In cantidad de evaluactones funcionales y el aumento en cl error de redondeo. Las formulas mas comunes son las que abarcan tres y cinco puntos de evaluacién, Primero derivamos alguna férmula itil de tres puntos y consideramos los aspectos de errores. Puesto que Ge xr- ay Ign) = I enemos E52) = (iy — 5 Ky) (iq — 1 my = ) De manera andloga, (43) Fes) = fl) [ para cada j = 0, 1, 2, donde la notaciGn & indica que este punto depende de 1, Las tres formulas de la ecuacién (4.3) son de gran utilidad si los nodos son equidis- tantes, es decir, cuando thoy =x) +2h, para alguna #0. En el resto de esta seccidin supondremos que el esp jamiento de los nodos es igual170 CAFETULO 4 © Diferonciacidn e integracion numéricas Al utilizar la ecuacin (4.3) com x, = 4q.2, = Xp + hy con x, = ty + 2 obtendremos 13 1 ey LG) = d [=> se0+ Foy — 7 fea + FLO bo Al hacer Jo mismo con x, = x,, obtenemos ren=5[-3 fbx) = 3 x [550 le) + fix + Puiesto que x, = ty +h y ay = xy + 2h, estas Formulas también pademos expresarias omto rey = + [3 pay + 2ftay + — 2 yoy + 29] + = pong, * i 2 Fe) Fy 2/Me | 3 ’ ryt Ll BR FO + => [-37%0 + 3 fot 20] - i oy iy 3 Fl + 2h = [> FA) = 2% + AD + rein + | + Por razones de comodidad, la sustitucién de la variable x5 + 4 por x, se usa en laecua- cién de en medio para transformar esta formula en una aproximacién de f “(x,). Una susti- tuciGn semejante, x, + 2A, por Xo se utiliza en la Ultima ecuaciéa, Esto nos da wes formu- las para aproximar f(x): i e Fb) = Sp HFG) + Alay + HD Sty + 20] + yO 1 Ke fix oh [fly — hy + fly + rw y \ Ro, yD [flay = 28) = Af = A) + YQ) + 3 FONE). FO) Finalmente nétese que, como podemos obtener Ja tiltima ccuacién a partir de la primera con s6lo reemplazar h con ~h, en realidad tenemos sélo dos formulas: 1 a Filey) = zm [-3f lag) + 4flay + A) — flay + 2A)] + 3 FONG (44) donde g, se encuentra entre xy y xy + 2A y 1 wo Fe) = 3, oot Se =A) = ; FOMED (4.5) donde & esti entre (xy — Ht) ¥ U% + A).Figura 4.2 4.1 Diferenciacién numérica 171 Aunque los errores en (4.4) y (4.5) son O(42}, el error de la ecuacién (4.5) es aproxi- madamente la mitad del error de la ecuacién (4.4), Ello se debe a que en la ecuacién (4.5) seemplean datos en ambos lados de x, y a que la ecuacién (4.4) utiliza Gnicamente los de un lado. Asimismo, nétese que f debe evaluarse sélo en dos puntos en la ecuacién (4.5), mientras que en la ecuaci6n (4.4) se requieren tres evaluaciones. En la figura 4.2 se ilustra la aproximacién producida con la ecuacién (4.5). En la ecuacion (4.4) la aproximagign es util cerca de Jos extremos del intervalo ya que posiblemente no se tenga informacion de f fuera del intervalo. Los métodos prescntados en las ecuaciones (4.4) y (4.5) reciben el nombre de férmu- las de tres puntos (aunque cl tercer punto f(r.) no aparezca en la ecuacién (4.5). Asimis- mo, llamadas formulas de cinco puntos en que se evalia la fancién en dos puntos mas, pero cuyo término de error tiene Ia forma O(/4). Una de esas formulas es 1 ie P) = Tp Uy = 2m) — By — Ad + BF ly +H) — Flay + I) + prea (4.6) donde € esta entre x ~ 2h y xy + 2h. Otra fGrmula de cinco puntos de gran utilidad, so- bre todo en lo relacionado con la interpolacién de trazadorcs cibicos sujetos de la seecién 3.4, es la siguieme: 1 LG) = Typ HPS Les) + 48 flx9 + h) — 36 flay + 2H) (4.7) i + 16,flxy + 3h) — Yly + 4d] + SOME. donde £ se encuentra entre Xp ¥ xp + 4h, Las aproximaciones del extreme izquierde: pue- den obtenerse aplicando la formula con h > 0 y las aproximaciones del extremo derecho, con h < 0,172 EJEMPLO 2 Tabla 4.2 CAPITULO 4 © Diferenciacién e integracién numéricas Los valores de f(x) = xe" estan en la tabla 4,2. x a) 18 10.889365 Lg 12.703199 20 14.778112 2 17. 148957 2 19:855030 Puesto que f“(x) = Cr + He', tenemos #“(2.0) = 22.167168. Al aproximar /“(2.0) median- te las frmulas de tres y cinco puntos se obtienen los siguientes resultados. Formulas de tres puntos Usando (4.4) con hk = O.1: 5 [~3(2.0) + 4f(2.1) ~ f(2.2)} = 22.032310, Usando (4.4) con fh = —0.1: 15 (—3/(2.0) + 4fU1.9) — fUL8)] = 2.054525, Usando (4.5) con ht = 0.1: 2° [f(2.1) ~ f(1.9)] = 22.228790, ‘Usando (4.5) com hk = 0.2: + (f(2.2) — f(1.8)] = 2.414163, Los errores en las formulas son aproximadamente 13SX 1! 113K 10, 6.16 10-F y= 2.47 x 1071, respectivamente Férmula de cinco puntos Al utilizar (4.6) con A = 0.1 (la nica formula de cineo puntos aplicabley: 4 (FUL.8) — 8f(1.9) + FQ) ~ f(2.2)] = 2.166996, El error en esta férmaula cs aproximadamente 1.69 x 1074, Estd claro que la formula de cinco pantos da el mejor resultado, Observe ademas que el error de Ia ecuacién (4.5) con h = 0.1 tiene aproximadamente la mitad de la magnitud del error que se genera al emplear la ecuacién (4.4}conh = 0.loconk=— Ol. i ‘También podemas derivar métados para obtener las aproximaciones a derivadas de or- den superior de una funcién, utilizando exelusivamente las valores tabulados de una fun cin en varios puntos. Sin embargo, desde 1 punto de vista algebraico la derivacién es te- diosa y, por tanto, s6lo deseribiremos un procedimiento representantivo, Desarrollamos una funcién f en un tercer polinomio de Taylor alrededor de un punto xq y evaluemas.en xy + Ay xy — A. Por tanto, {lig = fox) + Stegh + > Plage + © agi + HOU IEEJEMPLO 3 4.1 Diferenciacién numérica 173 y 1 1 1 La =D = Fl) — Flagie TSM = EL" aM + Te SE a, donde xy — hk < €) Say S&S aq + he Si agregamos estas ecuaciones, el término /“(r,) se cancela y obtendremos Hg #0 fs ~ 1) = Bad eA" IONE + PE. Al resolver f(x.) en esta ecuscién, obtenemos 1 Fi) it Fe = A) ~ 2A) + Fey + ANN = FLED AE Supongamos que > es continua en [xy —h, xy + i). Dado que 4 f UXE) + F(E_)] se encuentra entre ((§,) y f(E_,), ef tworema de valor interme- dio implica que existe un mimero g entre £, y £_,, ¥. por tanto, en (x ~ A, xy + HA), com 1 FO = > FOE) FLED Esto nos permite reescribir ln ecuacién (4.8) como. 1 re fla) = ra 2 flay) + flay + AD) “2 FH. 4.9) para alguna £, donde x) — ft < A) = Flay + A) + ebxy + Ad flr, = WY = Flig = H+ etsy =H) Bl error total de Ia aproximacién, Sexy += Fog— A) ely tem fy) zh = th $ PE tendré wna parte debida al error de redondeo y otra al error de truncamiento. Si suponemos. que los errores de redondico e(y, + h) estén acotados por alguin niimero « > 0 y que Ja ter- cera derivada de f estii acotada por un mimero Af > 0, entonces Flxy + hy — Fux, —) FG) Si queremos reducir el error de truncamiento, APM/6, debemos reducir h. Pero al reducit h, el error de redondeo eit crece. As{ pues, en la prictica rara vez conviene que h sea muy pequeito, porque el error de redondeo predominart en los célculos, Use los valores de la tabla 4.3 para aproximar (“(0.900). donde fix) = sen x, Bl valar ver- dadero cs cos 0.900 = 0.62161 x senx x seh 0.800 0.71736 901 0.78385 ogo 0.75128 = 902 0.78457 ORO «0.77074 a.908 0.78643 ogo | O.7707 = a910 0.78950 0895 = O.78021 0.920 0:79560 0.89% 0.78208 0.850. 0.81342 osa 0.78270 1.000. 0.84147 Al aplicar la férmuta (0.900 + 4) ~ f(0.900 — hy F090) = FO.900 + #) — £00900 — 3) th con diferentes valores de fh, obtenemos las aproximaciones de la tabla 4.4 La eleccién Gptima de h parece encontrarse enire 0,005 y 0.05. $i analizamos un po- coe] término de error, we eth) = = + Mt, 6 a ImTabla 4.4 4.1 Diferenciacién numérico 175 ‘Aproximacién h 1.900) Esror 0.001 0.62500 0.00339 0.002 0.62250 0.00089 0.005 0.62200 0.00039 oo1o 9.62150 0.00011 0.020 0.62150 0.00011 0.050 9.62140 0.00021 0.100 0.62055 0.00106 podremas utilizar el elculo para verificar (véase el ejercicio 23) que un minima de ¢ acu- mre enh = W/3e/M, donde M= mix |y"ao| = max |cos.x| = cos 0.8 = 0.69671. 0.90.00) 1q01900..00) ‘Como los valores de f se dan en cinco cifras decimales, es razonable suponer que el error de redondeo estd acotado por « = 0.000005, Por tanto, la elecci6n éptima de h es aproxi- madamente (0.000005 b= of 10000005) 0.028, 0.69671 lo cual es compatible con los resultados de la tabla 4.4. En la prictica, no es posible calcular un valor Sptimo de A que nos sirva para aproxi- mar Ia derivada, ya que no conocemos la tercera derivada de la funciéa. Pero no debemos olvidar que con la reduccién del tamafio del paso no siempre mejoraremos la aproxima- cidn, . Aunque s6lo hemos analizade los problemas del error de redondeo que se presentan ‘con la.ecuacién de la férmula de tres puntos (4.5), se presentan problemas semejantes con todas las férmulas de diferenciacién. Ello. se debe a la necesidad de dividir una potencia de h. Como comprobamos en la seccién |.2 (véase, en particular, el ejemplo 3), 1a division entre ndmeros pequefios tiende a exagerar el error del redondeo, por lo que deberfa evitar- seen lo posible. En el caso de la diferenciacién numérica, es imposible evitar por comple- tel problema, aunque sf lo atenuamos con los métodos de orden superior. Recuerde que, coma método de aproximacién, la diferenciacién numérica ¢s inesta- ‘ble porque los valores pequetios de # necesarios para disminuir el error de trancamiento, también hacen crecer el error de redondeo. Esta es ka primera clase de métodos inestables. ‘que hemos encontrado y. en lo posible, deberiamos omitirlos. Sin embargo, ademds de em- plearse en los célculos, las férmulas que hemos derivado son necesarias para aproximar las. soluciones de las ecuaciones diferenciales ordinarias y parciales. CONJUNTO DE EJERCICIOS 4.1 1. Use las Formulas de diferencia progresiva y de diferencia regresiva para determina las aproxi maciones con que se completarin las siguientes tablas.176 CAPTTULO & © Diferenciocién e integracitn numérices Foy b 2% [Los datos del ejercicio 1 s¢ tomaron dk las sigukemes finciones. Calcule los errores reales del ejercicio 1 y obtenga las cotas de error por medio de las férmolas de error a fx) = sen b. fla) = ef - 28 + 3e— 1 3. Use la fiirmula de tres puntos més conveniente para determinar las aproximaciones can que se completarin tas siguientes tablas. ax | fir rea b fie) | Fe 11 | 9.035013 a1 | t6.9s410 12 | 192318 43 | 1756092 | 1a | 1346374 as | 1819056 14 | 1644465 87 | 1882091 a Ste) fw 20 | 36887983 21 | 36905701 22 | 36688192 23 | 3.6245900 4, Los datos del ejercicio 3 ve tomaron de las siguientes funciones. Calcule los errores reales del ejercicio 3 y obtenga las cotas de error por medio de las férmulas de error. forr= b fer = rine & fle) = reas x2? sen fa) = 2m. + 3 sen 5, Use la formula mds precisa posible de esta secciGn para determinar las aproximaciones con que ve completariin las siguientes tablas, ar Font boo far | fa 21 — L700847 —30 97879 22 73823 -2B 8253241 23 M9214 -26 | 7.180350 24 | -O.9160143 -24 6.209329 25 | -0.7470223 -22 3.320308 2.6 | -0.60 ~20 4513417 6. Los datos del ejercicio 3 se tomaron de las funciones dadas, Caleule les errores reales del ejer- cicio 5 y obtenga las cotas de error usando las formulas de-error y Maple. a fo) = tan b finsetis ‘7. Use Jos siguientes datos y el hecho de que las primeras cinco derivadas de / estaban scotadas a [15] por 2, 3, 6, 12.y 23, respectivamente, para aproximar "(3) con la mayor exactitud pee sible. Oblenga una cota del exror 3 4 5 3.08 804 foxy | 24142 8, Repitael ejereicio 7, pero suponga que Ia tercera derivada de festa acotada en [1 $] por 4.44 9. 10, uu rm 14. 18. 1”. 18, 1» Diferenciacién numérica 177 Repita el ejercicio 1 usando ta aritmética de redondeo a cuatro dfgitos, y después compare lox errores son los del je Repita el ejervicio 3 usando ta aritmética de corte de cuatro digitos, y después compare los erro res con tos del ejercicio 4. Repita el ejercicio 5 usando a aritmética de redendeo a cuatro digitos, y después compare las errores con los del ejersicio 6. Estudie la siguicnte tabla de datos. [02 os 06 | 0% [10 fay | 09798652 09177710 | 0.808038 | 06386093 | 03843735 @ Aplique las férmulas adecuadas para aproximar f"C0.4) y f7C0 4), by Aplique las férmalas adecuadas para aproximar {“(0.6) y {"(0.6) ‘Sea fix) ~ cos ax. Use la ecuacidin (4.9) y los valores de fi) en x = 0.25.05 y 0.75 para apro- ‘ximar f"(0.5). Compare este resultado con el valar exacto y con la aproximacin que se obtuva ‘enc! gjercicio 1 de la secciéa 3.4. Explique por qué este método resulta tan exacto en este pro- blema. Obienga una cota de error Sea f(x) = re* — cos x. Use los siguientes datos y la ecuacidn (4.9) para aproximarf%(1.3) con A= O.1y conh = O01 x 1.40 13.78176 | (4.04276 [14.30741 |16.86187 ‘Compare los resultados co /"(1.3). Examine detenidamente Ia siguiente tabla de datos: x [02 o4 06 08 [Lo Fe) [09798682 [H9177710 [o.RORO;4 [06386093 | 0.9843735 Js¢ la ccuaciésa (4.7) para aprowintar (0-2) bb. Use Ia eeu iin (4,7) para aproximar (7.0) . Use la ecuacion (4.6) para aproximar /“0.6). Derive una formula de cinco puntos Of") para apronimat (xa) que utilice flix ~ Ht), 0%) fl + hh), fly + 2AV y flty + 3h). [Sicgereneia: considere la expresion Afi, — h) + Bilt, + hi) + Cflig + 2h) + Df xy + 3h). Desarrollo en términos del quinto polinomio de Taylor y scleccio- ne A, Cy D apropiadarnente.| Aplique la férmula derivada en el ejerci yf") ‘@ Analice los errores de redondeo, como en el ejemplo 4, para la férmula 16 y los datos del ejercicio 15 para aproximar /“(0.4) fry + A) - fd A Fix = Bat nese ~ FI) 1b, Encuentre un valor dptiric de A > 0 para la funcién dada en el ejemplo 2, En el ejercicio 7 de la seocién 3.3 s¢ incluyerom datos que describen un automdvil que recorre ‘una cametera recta, En el problema se podia predecir sa posiciéa y velocidad cuando t = 11). Use Jos siguientes tiempos y posiciones para predecir la velocidad del automévil en cada mo- ‘mento incluido en Ia tabla178 CAPETULO 4 © Diferenciacién e integrocidn numéricas Tiempo | 0 | 34 5] 8] WB Distancia | 0 | 25 | 383 ta yan | 995 20. En un circuito con un yoltgie impreso o() y una inductancia L. la primera ley de Kirchhoff nos da Ja siguiemte relacién di ay = + donde R es la resistencia del cireuito e i es la corriente. Suponga que medimos la corriente con varios valores de ry obtenemos: 1.00 3.10 Lod | 1.03 | Lo a1 348 13.24 donde se mide en segundos, i sc da.en amperes, la inductancia L es una constantc de 0.98 hen- ries y la resistencia es de 0.142 ohms, Aprosime el voltaje aft) en kos valores 1 = 1.00, 1.01, 1.02, 1.03 y 1.04, 21. Los exmdiantes de ciiculo saben que la derivada de una funcidn fen x puede definirse como ogy = im Lott a fe ree : Escoja su funciGn favorita f, un niimhero no ceto x y utilice una computadora o calculadore. Ge- nete las aproximaciones f(x) por f(x) para _ f+ 10-9 ~ fix) 9 fi 10" pani = 1, 2,.... 20 y deseriba lo que sucede 22. ‘Deduzca un método para aproximar f™(x,), cuyo término de errar sea del orden h?, desarrollan- do para ello ta funcién fen un cuarto polinomio de Taylor alrededor de 5 y evaluandoen x5 * yen xy 2 2 Examine detenidamente la funcién et) = 2 A donde M es una cota de In tercera derivada de una funcién. Dermuestre que «(h) tiene un mini- mo en W30/M. 4.2 Extrapolacién de Richardson La extrapolaci6n de Richardson sirve para generar resultados de gran exactiwd cuando se usan f6rmulas de bajo orden. Aunque el nombre dado ai método se refiere a un abajo rea~ lizado por L. F. Richardson y J. A. Gaunt [RG] en 1927, la idea en que se basa esta técnica es mucho més antigua. En [Joy] usted encontrard un artfculo interesante sobre la historia y lw aplicacién de la extrapolacién. La extrapolacién puede aplicarse siempre que sepamos que el método de aproxima- cién tiene un térmnino de error de una forma previsible; la forma se basa en un pardmetro, que gencralmente es el tamaiio de paso . Supongamos que. para cada nimero h # 0 te-4.2 Extrapolacién de Richardson 179 nemos uns férmula Néit) que aproxima un valor descanocido M y que el error de trunca- ‘miento que supone la aproximacién presenta la forma M ~ Mh) = Ky + KJ? + Kye +» para algén conjunto de constantes desconocidas Ky, Ky, Ky...» Dado que el error de iruncamiento es O(4), podriamos esperar, por ejemplo, que M—NO.1)=O.1K,, M~N(O.01) ~ 0.01K,. yen general, que Mf ~ N¢h) = Kf, salvo que haya una gran variacién de magnitud entre las constantes K,, K>. La extrapolacién tiene por objeto encontrar un modo fécil de combinar las aproxima- cciones bastante imprecisas O(h) en forma apropiada para producir férmulas con un error de truncamiento de orden superior. Supongamos, por ejemplo, que pudiéramos combinar las N(h) férmulas asi como producir una frmula de aproximacién O(h?), Nit), para M con M—Nihy= K+ Ky to, una vex mis, para un conjunto desconocido de constantes tener Entonces podriamos M~ X(0.1)= 001K, Mf — N(0.001) = 0.0001K,, y asi sucesivamente. Si las constantes Ky K, son aproximadamente de la misma magni- tud entonces Jas aproximaciones ‘V(h) serdn mucho mejores que las aproximaciones (hi) -correspondientes. La extrapolacién continia al combinar las aproximaciones () en for- ma tal que produzean férmulas com un error de truncamiento Oth) y asf sucesivamente. Para ver concretamente cémo podemos generar estas fOrmulas de orden superiar, to- memos el caso de la formula con que se aproxima M de Ia forma M = Nh) + Kh KP + Kh + + (4.10) Suponemos que la férmula se aplica a cualquier h positivo, por lo cual consideraremos el resultado cuando reemplacemos el parimetro h por la mitad de su valor, Tenemos enton- ces la férmula Al restar Ia ecuacién (4,10) dos veces de esta ecuusciGn, eliminamos el término-que cot ne K, y obtenemos A 4 rd z) f (($)-mw)] +a (£ Con el fin de facilitar la explicacion, definimos N,(h) = NUH) ¥ Tenemos entonces la férmula O(}?) con que aproximamos M: Ko, 3K, Mm Nh) ~ Th al)180 CAPITULO & © Diferenciacién e integrocién numéricas Si ahora reemplazamos h por h/2 en esta férmula, obtendremos Ky 3K; ~ Ap AH 8... . } © 2 (412) Podemos combinar la férmula anterior con 1a ecuaci6n (4.11) para suprimir el térmaino h? En concreto, al restar la ecuacién (4.11) 4 veces de la ecuacién (4.12) obtenemos a= ay, (7) = Ngh) + ae ton, ¥ dividir entre 3 nos da la fSemula O(h*) para aproximar M: Ay | NY) — Nh) ) | Ky w= |y,(F)+ SO | es . Al definir Ng tenemos la formula O¢f3): w= nh « Bap El proceso continda al construir aproximacion OUi*) hy | Nyhi2) — Nh) Nt) =, (4) 4 SDN igh) (3) 7 Ja aproximacién O(hS) hy | Nhi2) — NAY = = Ss Nghy (5) + 1s . y asi sucesivamente. En general, si Mf puede reescribirse en la forma M = Nin) + Y KW + Och, (4.13) mi entonces para cada j = 2, 3,..., mi, tendremos una aproximacién O(/) de la forma Ah NO NCA) ohy =. (2 )4 EEA (4.14) Las aproximaciones anteriores se generan por renglones o filas en el orden indicado por Jos valores o entradas numeradas de la tabla 4.5. Esto se hace para aprovechar al maximo Jas f6rmulas de orden superior La.extrapolaciGn puede aplicarse siempre que el error de truncamiento de una formu- la presente ta forma ¥ Kp + Othe), rotTabla 4.5 EJEMPLO 1 4.2 Extropolactén de Richardson 181 orn) OH) FN) = NO) 2:6;(5) = M(5) (i) Ma) 4:.y,() = | Para un conjunto de constantes K, y cuando a, MB) — Eb) + OW. Utilice la extrapolacién para derivar una férmusla O44") para fGx) 9, Suponga que N{h) ¢s una aproximacion de M para toda h > 0 y que M= Mh) + Kh} KBE KR Eo,4.2 Extrapolacién de Richardson 185 [para algunas constantes, K,, K,, Ky... Utilice los valores NCH, 1 [ S\y (2) para producir una aproximacidn OU) de M. 10, Suponga que N(b) es una aproximacién de M para toda ht > 0 y que Mos Mh) + Kyh? + Kt + Kah boo para algunas constantes K,. K,, A,.... Utilice los valores M(h), (4) y (2) para producic Ia aproximacién O(h*) de M. 11. En céleulo aprendimos que ¢ = Him, + A)", Determine las aproximaciones de ¢ correspondientes a h = 0.04, 0.02 y 0.01 bb. Use la extrapolacién en las aproximaciones, supanicndo que existen las constames K,, Ky... con = + A+ Rh KP + Kye + para producir una aproximacién Ox") de e, donde hi = 0.04. ‘c. (Piemsa que ¢l supuesto de la parte (b) es comecto? 12. a Demvestre que by Calcule las aproximaciones de ¢ aplicando la formul MA) = & )!, para = 0:04, 0.02 yoor ‘& Suponga que ¢ = Nik) + X\h + KJé + Ki? + ~>. Utilice la extrapolacién, al menos con 16 dligitos de precisién, para calcular una aproximacién OU?) de c con h = 0.04 ;Cree que ¢l supwesto es carrecto? 4d. Demuestre que M(—A) = Nn) . Utitice la parte (@) para demostrar que Ky, Gen la frmula 2 = Nh) + Kit KP + Kh + Kyi + Kg toy dle modo que la frmula se reduce & = Nh) + Kyl + Kali + Kyi +o, Use los resultados de Ia parte (¢) y una extrapolacién para calcular una aproximacién OH") de ¢ con h = 0.04. 13. Suponga que la tabla de extrapolaciGn siguiente se elabor6 para aproximar el ndmero M con Mo= Nh) + Kyle + Kyi + Kyht wm mi *) Nah ‘& Demestre que el polinomio interpolante Hneal P,,(h) a través de (h?, NyCh)) y (Pld, N,(W2) satisface P, (0) = Ny(h). De manera semejante demuestre que P, ,(0) = Ny(h’2). b, Demuestre que el polinomin interpolante lineal Pq(h) a travis de (is, NQC)) ¥ Ur/16, N,(h/2)) satisface P,(0) = Ny(h).186 CAPITULO 4 * Diferenciacién e integracién numéricas 14. Suponga que N,(h) es wna formula que produce Las aproximaciones Ofd) a un niimero M y que M = Nt) # Kykt RB + para un conjunto de consiantes positivas K), Ky..... Entonces N,(h), N,(hl2), Nhl)... som ‘todas cotus inferiores de M. 2Qué puede decirse sobre las aproximaciones extapoladas Nj(h), Ny)... 15. En el aio 200 antes de Cristo, Arquimedes utilizé Jos semiperimetros de poligonos regulares ‘con & lados que inscriben ¥ circunscriben ¢! cfrcalo unitario para aproximar , es decir. Ia cir- scunferencia de un semicirculo, Se puede usar la geometria para demostrar que la Secuencia de semiparimetros inscritos y circunseritos (p,} y {P,}. respectivamente, satisfacen my bsca( 7) y PB hun (= con p, < 4, las sucesiones satisfacen las relaciones de recurrencia. = he ne ypu Via P, ¢. Aproxime con una exactitad de 10‘ calculando para ello p, 9 P, hasta que P, ~ p< 10~. 4. Usilice la serie de Taylor para demostrar que wnt Z(Yy-2 Utilice la extrapolaciém con t= 1/k para una mejor aproximacién de 4.3 Elementos de la integracién numérica A menudo €s necesario evaluar la integral definida de una funcién que no tiene una antide- rivada explicita, o-cuya antiderivada no es fii de obtener. E] método bisico con que se apro- xima [' f(x) dr recibe el nombre de cuadratura numérica y emplea una suma de! tipo a) para aproximar {” f(x) dx. El método de la cuadratura que presentamos en esta seccisn se basa en los polinomios interpolantes descritos en el capitulo 3. Primero seleccionamos un conjunto de nodos dis-4.3 Elementos de i integracim numérica 187 tintos (xp, ..., x,) del intervalo [@, b]. Después integramos el polinomio interpolante de Lagrange y su término de error de truncamiento en (a, 6] para obtener » be on [pt (66x) -{'§ _ fey [re dx f 2 fad bade + [ q 6-9 Tye = afex) + f (e— 5) J" (iad) de. & a) (n+ Dt tae donde &x) se encuentra en [a, b] para cada x y a= fu dx, paracadai=0,1,..., m Por tanto, la férmula de la cuadratura es Pre acm 5 fix). con un error dado por | ft dr a) FPF? (Ea) de P= Gein dt Antes de explicar !a situacién general de las férmulas de cuadratura, estudiaremos las que se obtienen utilizando el primer y segundo polinomios de Lagrange con nodos igual- mente espaciados. Esto nos da la regla del trapecio y la regka de Simpson, que suelen es- tudiarse en los cursos de célculo. Para derivar la regla del trapecio para aproximar {" f(x) dr, sean x, = a, 4) = b, k= 6 — ay usaremos el polinomio lineal de Lagrange: * (=x) Pix) = fg) + " way > fix) Luega, ‘ wpa - f furae= 6 ESS te 2 + ‘a ny | Og — ? ay 1p + ai. PEON — ghee = de. Dado que (x = 19) (x — x,) no cambi6 de signo en [y,.*;]. podemos aplicar el teorema de valor medio ponderado de las integrales al término de error a fin de obtener, para algiin & ef (gs):188 CAPITULO 4 © Diferenciaciéa @ integracién numéricas [reeante— agi = 2) de = 710 J ee sgh ~ aie “rio - --= re En consecucncia, la ecuacién (4.21) implica que froa- - ny ~ ap oP ayy BO oy, 2 a Oy =) ie 2 A ves HG) - SPO Puesto que h = x, ~ zp, tenemos la siguiente regla: Regia del trapecto: + h » [reas 5 16) + foal - SO Esta férmula se Hama regia del trapecio porque, cuando / es una funcién con walores posi- tivos, aproximames |" f(x) dx por el érea de un trapecio, como sé mucstra en la figura 4.3. Figura 4.3 Como el término de error de a regla del trapecio contiene f, la regla da el resultado exacto cuando se aplica a una funcién enya segunda derivada sea cero, es decir, cualquier polinomio de grado 1 o menos. La regia de Simpson se obtiene al integrar en (a, b] el segundo polinomio de Lagran- ge con los nodos y= a,x; = by x, =a +h, donde fr = (b — a\2. (Véase Fig. 44.)4.3. Elementos de la integrocién numérica 189 Figura 4.4 Py Por tanto, 2 PG — x) — (e — xr - 5) fon dx = ['2[-SOAPERAD pig) 4 RKO) I bo | tty = ty = 59) 20° * Gay — xg = ‘ (x = ape — 4) fee fe (x, — 49Xe, —4) (x = glx — yx — 25) FEN dx. ss 6 Sin embargo, al deducir la regla de Simpson de esta manera, Gnicamente se obtiene un tér- mino de error O(h*) que contiene f°, Si abordamos el problema en otra forma, podemos derivar un término de orden superior que incluya f, Para explicar con un ejemplo esta férmula alterna, supongamos que f se desarrolla me- diante el tercer polinamio de Taylor alrededor de x,. Entonces, para cada x en [9.1], €xis- te un numero &x) en (Xy, x,) con i ‘ FAR) = fla) + PO ~ a) + EOD ¢e ~ ah + oe eat oe (e- xy y [* reoax 0 ft yor — 2) + a @-xP oe -x)P 422) 4x) 24 lo tp we “| ta £ £9) (Ba)ix — 4 de Puesto que (x — x,)* nunca es negative en (..%), ¢l teorema del valor medio ponderado de las integrates implica que “ p “Oe = x de = ee) ax] ° lp a = f * p(x, = 2)! de = fey he 120 ho 24 ty 24 para algiin némero &, em (X23).190 EJEMPLO 1 ‘Tabla 4.7 CAPITULO 4 © Diferenciocidn ¢ integracién numéricas Sin embargo, k= x, — x, = x, — xp asi que fy — 4) — i — P= O22 — 2 Gg > = 0, ¥en cambio (yay Gy Py bg a = bg — 2 = 2a En consecuencia, podemos reescribir la ecuacién (4,22) como . 2 ris I pode = 2h fix) + © precy + EO ys ‘9 3 60 Si ahora reemplazamos f“(x,) por la aproximacidn de ta ecuacién (4.9) de la secei6n 4,1, tendremos [ras ansay + + {iglteo = 2 fly) + fee - rene * eral = * Ls) +4 fx) + fle) — elt FE) — srnco} Con métados alternas (constiltese el ejercicio 18) pademos demostrar que en esta expre- sida los valores & ¥ €; pueden reemplazarse por un valor comtin £ en (x5..x3). Esto nos da la regla de Simpson, Regia de Simpson: 4S a rs PP ferd = > fay + afc) + fey — = Pe hy 3 ” Dado que el término de error contiene la cuarta derivada de, la regla de Simpson pro- porciona resultados exactos al aplicarla a un polinomig cualquicra de grado tres o de gra- do menor. La regla del trapecio para una funcién fen el intervalo (0, 2] ¢s [fen ae~ fo +702, y la regla de Simpson para fen {0, 2] es 2 1 | Slay de = + (FO) + 4/0) + FD En |i tabla 4.7 se resumen los resultados, con es decimales, para algunas funciones ele- mentales, Adviénase que en todos los casos la regla de Simpson es mucho mejor @ Fix 2 ee ce Valoresenacios 2.667 6400 LOM 2958 LATS G.aRD ‘Trapezondal 4.000 16,000 1.333 3.326 0.909 B.3R9 De Simpson 2.667 6667 LIL 2.964 1425-6421Definicién 4.1 Figura 4.5 4.3 Elementos de lo integraciéin numérica 191 La deducci6n normal de las formulas del error de cuadratura se basa en determinar la clase de polinomios con los cuales estas férmulas producen resultados exactos. La defini- cidn siguiente sirve para facilitar la explicacién de esta derivacién, El grado de exactitud o precisién de una f6rmula de cuadratura es el entero positive grande n, tal que la formula sea exacta para x, cuando k= 0,1, ..., m La definicién 4.1 implica que las reglas del trapecio y de Simpson tienen, respectiva- mente, un grado de precisién de uno y tres. La integraci6n y la suma son operaciones lineales, esto es, f cere + Baia) de = af sores +: af was 2 Cafey) + Belay) = a > fay + BY atx), para cada par de funciones integrables fy g. y para cada par de constantes reales a y B. Esto significa (véase el ejercicio 19) que el grado de precisién de una férmula de cuadra- tura seriin siy sdlo si el error E(P(x)) = 0 para todos los polinomios P(x) de grado k = 0, ess 1, pero E(P(x)) # 0 para algiin polinomio P(x) de grado n + 1. Las reglas del trapecio y de Simpson son ejemplos de una clase de métodos denomi- nados formulas de Newton-Cotes. Existen dos categorias de formulas de Newton-Cotes, abiertas y cerradas, La formula cerrada de(n + 1) puntos de Newton-Cotes utiliza los nodos.x, = x, + i, para i= 0, 1,..., m, donde xy = a,x, = by h = (b— an. (Véase la figura 4.5.) A esta formula se le Hama cerrada, porque los extremos del intervalo cerrado [a, 6] se incluyen como nodos. La férmula adopta fa forma192 Teorema 4.2 CAPETULO 4 © Diferenciocion e integracién numéricas toma Ja forma a) dr = S afr), fa donde a= [" Lords = [* 1 «x. ‘o no 420 — x) En el teorema siguiente se detalla el andlisis de error asociado a las formulas cerradas de Newton-Cotes, Para una demostracién de este tcorensa eonsulte (IK, p. 313). Supongamas que 3’), a,,F(x,) denota la férmula cerrada de (n + 1) puntos de Newtoa- 24-04) Cotes, con x) = a,x, = by k= (b — ayn, Existe una £e (a, b) para la cual . * Re peng - f fx) dx = 5° a, fox) + eee f Pr D — nj dt, le a (n+ 2)! si nes par, si fe C**a, b}, y si . geen (gy 5 ee Pe tye [fepaen > a,fey + mr [e~ = mod sims impar y si fe C™)(a, b]. 1 Notese que, cuando n es un entero par, ¢] grado de precisién es n + 1, aunque el po- linomio de interpolacién es, como maximo, de grado n. En el caso en que n es impar, la segunda parte del teorema indica que el grado de precisién sera apenas 1. A continuacién se incluyen algunas de las férmulas cerradas comunes de Newton- ‘Cotes: regia del trapecio * A w [ fia) dx = > [f9) + fay) — ory CO, donde x) < € <2, (4.23) n= 2: regia de Simpson 9 A WS [Paco ae = 5 tray) + fee) + F051 ~ So FD, donde 9 < £43 (4.24) “0 3 in = 3: regla de tres octavos de Simpson 5 3h 3h J? fen de = Lay + fl) + 37) + foQ - FH, (4.25) Ky 8 80 donde x5 < & <54.3 flementos de lo integracién numérica 193 4 sh? [ SQ) dx = — [7 fry) + 32 flx,) + 12 fe) + 32 fog) + Tf] - FOO. “0 45 945 donde 1 < E<4y (4.26) En las formulas abiertas de Newton-Cotes, los nodos x, =x, + sh se usan para cada £=0, 1... m, donde A= (b= a(n + 2) y x) = a + fh, Esto implica que x, = bh, por lo cual marcamos los extremos haciendo x_, = ay ,,, = B, como se muestra en la figura 4.6, Las férmulas abjertas contienen todos los nodos usados para hacer las aproxi- maciones dentro del intervalo abierte (a, 6). Las f6rmulas se convierten en [te as = fo porae~ y af), donde una vez mas Figura 4.6 El teorema siguiente es andlogo al 4.2; su demostracién se incluye en (IK, p. 314). Teorema 4.3 Supongamos que ‘y | a,/(x,) denota la formula abierta de ( + 1) puntos de Newton-Co- tes, CON x_, = 4, X,4, = b, yh = (b = alin + 2). Por tanto, existe £€ (a, 6) para la cual ae Be3f OOD Get! froa=> + f Pir ly = nt) de,194 EJEMPLO 2 Tabla 4.8 CAPETULO 6 © diferenciocdn e intgrociin muméricas sines parysife C™[a, bl, y si I) (tn) dt, . (ELD [soe are (n+ DE im sines impar y sife C”™"a, bl . Algunas de las f6rmulas abiertas de Newton-Cotes comunes, con sus términos de error son: n= 0: regla del punto medio 4, . f Forde = 2 fay + PQ. donde 1, (flag) + Fag) +—- FG, donde xy agin + > aye spe = > ryt + 2 afer, a 4 * 4 ~ 1M, La fGrmula de ta. cuadratura {' fic) de eq f(=1) + 6 AIO) + cy fll} es exacta ps polinomios de un grado menor o igual a 2, Determine csc ¥ ¢y 12, La fémmula de la cuadratura [" fr) dx = cf) + €,f(1) + 69 FC2) es exacts para todos las po- Tinomios de un grado menor a igual a 2 todos los ermine ¢y ¢ ¥ € 13. Encwenire fas comstantes cy, ¢, y x, de modo que la férmula de ta cuadeatura [sea a901+e.su9 tenga ef grado de precisién mis alto posible. 14. Encuenire las comstantes 1.1, y ¢, de modo que la féiemula de ta euadeatura [roa 5 fey +e fee) tenga el grado de precisidn mds alto posible.196 CAPETULO 4 © Diferenciacién integracién muméricas 18. Aproxime las siguientes integrales mediante les frmulas (4.23) a (4.30) {Es compatible la ‘exactitud de las aproximaciones con las férmulas de error? ;Qué partes de (d) y de (e) dan la Jor aproximaciéa? a ti Forde h [wor ar “ fi eas 4. [La © PP dacs [Ph a £ [inva 16. Dada 1a funcidn fen los siguientes valores x Le | 30 22 24 26 fey | 3.12014 | 4.42569 | 6.042417 8.03014 | 10.46675 ‘sproxime ['" f(2)de usando todas las formulas de cuadratura incluidas en esta seccién que pue dan aplicarse 17. Suponga que los datos del ejercicio 16 tienen errores de redondeo contenidos en la tabla si- ‘guiente: 26 0.9 x 10-* | 2 10-6 ‘Calcule los errores de redondeo del ejercicio 16. IB. Deduzea la regia de Simapson con el término de error por medio de ag flag) + ay flay + afl) + HB. Prod ‘Obtenga dg. a; ¥ , tomarido come: base el hecho de que la regla de Simpson es exacta para fax) = x" cuando n= 1, 2 y 3, Después obtenga & aplicando Is férmula de integracién con {@) = Demuestre el enunciade posterior a la definicién 4.1; s decir, demuestre que una férmula de ‘cuadratura tiene un grado de precisiin 7, y slo si el error ECP(x)} ~ 0 para todos los polinomios Pix) de grado k = 0, 1, pero £lP(X)) + 0 para algiin polinomie P(x) de grado m+ 1 20. Mediante el teorema 4.2, obtenga Ia regia de tres oetavos de Simpson, ecuscidm (4.25), con el {érmino de exvor, 21. Utilice el teorema 4.3 para deducic la ecuacitin (4.28) con un término de error. 44 Integracién numérica compuesta En términos generates, las fGrmulas de Newton-Cotes no son adecuadas para utilizarse en intervalos de integracién grandes. Para estos casos se requieren férmulas de grado supe- rior y los valores dé sus coeficientes son dificikes de obtener, Ademés, las férmulas de Newton-Cotes s¢ basan en los polinomios interpolantes que emplean nodos con espacios iguales, procedimiento que resulta inexacio en intervalos grandes a causa de la naturaleza ‘oscilatoria de los polinomios de grado superior. En esta seccién estudiaremos un método (fragmentario para realizar la integracién numérica, en el cual se aplican las formulas de Newton-Cotes de bajo orden, Estos son Jos métodos de mayor uso,4.4 Integracién: numérica compuesto 197 Considere el problema de obtener una aproximacién a [' e* dx. La regla de Simpson con h = 2 nos da [lecdem Bie a act + a = 5ete9se years Dado que en este caso la respuesta exacta es e* — e” = $3,59815, el error —3.17143 es mucho mayor del que normalmente accptariamos. Si queremes aplicar un método fragmemtario a este problema, dividimos (0, 4] en (0, 2] yen (2,4) y aplicamos dos veces la regla de Simpson con = 1 fe ds + [evar 1 5 lt det 1+ Fle bdo etl 1 let de + Det + det + eff 53.86385, El error se redujo a 0.26570, Con estos resultados, subdividimos los intervalos (0, 2] y [2,4] y aplicamos la regla de Simpson con 4 = +, obteniendo asf 1 [eg + 4e'? +e] + get 4e¥ + 22] 6 1 1 + cle + dS + el) + Hf? + 402 + ot] 6 6 Ie + del? + Qe + del + Ze? + de? + 2c! + de? + ef] 6 = 53,6162, El error de esta aproximacién es — (0.01807 Para generalizar este procedimiento, se selecciona tn entero: par n. Se subdivide el in- tervalo [a, b] en m subintervalos y se aplica la regla de Simpson en cada par consecutive de subintervalos, (Véase Fig. 4.7.) Con h = (b — alin a+ jh paracadaj =0,1,...4 tenemos ep [roe SI” peaae Filey { Ul) +4 flo) + fem ns pad +4 Fey p) +f) rt ' a para alguna 6 con.xy,; < £, ¥ fH i) met &) donde x, 3 < § < ty para cada j= 1,2,..., n/ Sisé Ca, b], el teorema de valor extremo implica que f( asume su maximo y mf- imo en [a, b}. Puesto que o my ®) cain F(a) =f (Eps my fx, amin min re = S p06) = 5 imix. 4a) 2a wy = 2 F poe) s max fn janin £10) ee (E)= mix $C De acuerdo con el teorema del valor intermedio, existe » € (a, 6) tal que 1) = 2 pa = 25 po FOC) = DFGTeorema 4.4 41 4.4 Integracién numérica compuesta 199 Por tanto, we ® an = - EF pang) = - pow, = — og SE) = gg ‘0, como h = (b ~ a)/n, jb — a) BAO 8 £9 Gu), Teo FO). EN = Las observaciones anteriores producen el siguiente resultado, Sean fe Cla, b], n par, h = (b — alin y x) = a + jh para cada f= 0,1, ..., Existe 4. (a, 6) tal que la regia compuesta de Simpson para z subintervalos puede es- cribirse con su término de error como i nee PA b-a J fendr=—[ptay+2 S30 flay) +4 S foe, 9 +0] — FOG. Ja 3 Fi fi 80 = El algoritmo 4.1 usa la regia compuesta de Simpson en n subintervalos. Este es cl al- goritmo de cuadratura de propésito general que més se usa. Regia compuesta de Simpson Para apeoximar ta integral != [" f(s) dx: ENTRADA extremos a, b; entero positive par m. SALIDA aproximacién Xa /. Poso1 Tome h = (b ~ ayn. Paso 2 Tome Xi0 = fia) + fib): XN = 0; (Suma de f(xy_)) XPD = 0. (Suma de fx3,).) Poso3 Parai=1,....— 1 efectie pasos 4 y 5. Paso 4 Tome X = a + ih. Paso § Siies par entonces tome X/2 = XI2 + f(X) sino, tome XM = XA + f00, Paso 6 Tome X/ = h(XI0 + 2+ X12 + 4+ XTIV3. Paso 7 SALIDA (X7); PARAR. . | método de subdivisién se puede aplicar a cualquiera de las formulas de Newton- Cotes, Las extensiones de las reglas del trapecio (véase Fig. 4.8) y del punto medio se incluyen sin su demostraci6n, La regla del trapecio requiere s6lo un intervalo en cada apli- caci6n, por lo cual el entero m puede ser par o impar.200 CAPLTULO 4 © Diferenciocién e integracién numéricas Figura 4.8 yy Om ay Teorema 4.5. Scan fe Cla. bl, h = (b — any x, = a+ jh para cadaj = 0, 1,..., n. Existe una je (a, 6) tal que la regla compuesta del trapecio para m subintervalos puede escribirse con su término de error como ‘ h nt 6 [ revac= 5 [ey +25 re) +409] - Ps. . , Ai Para el caso de la regla compuesta del punto medio, nuevamente n debe ser par. (Véa- se Fig. 4.9.) Figura 4.9 Teorema 4.6 Scafe Ca, 6), mpar, h = (b— avin + 2)y x, =a + + Ih para cada) = n+ 1. Existe una ye € (a, 6) tal que la regla eompuesta del punto medio para n intervalos puede eseribirse con su término de error como sigue 2 ba [roar = PhD fy + sw. . ls f="EJEMPLO 1 4.4 Integracién numérica compuesto . 201 Con fa regha compuesta de Simpson, considere el problema de aproximar {" sen x dx con un error absoluto menor que 0.00002, Esta regla nos da para algdn jen (0, 7), — To sen pt. + ay ie a [ sen car= 4]? So senx,) +45 sem, 180 mht A omy tf sm Dado que el error absoluto debe ser menor que 0.00002, Ia desigualdad jae ae te oooo2 iso "#180 ~ aon = sirve para determinar n y h. Al completar estos cdlculos obtenemos n > 18. Siz = 20, en- tonces h = 17/20, y la formula nos da [fseaxdr~ 2 [25 Para asegurarse del grado de exactitud al usar la regia compuesta del trapecio, se re- auiere que oO que # = 360. Ly quieren al aplicar ia regla compuesta de Simpson, por lo cual pescindiremos de usar la regla compuesta del trapecio en este problema. Para facilitar la comparacién, la regla compues- ta del trapecio con n = 20 y con h = 20 nos da [enra~Z [3 xe(p) tenet se "| fi La respuesta exacta es 2, de manera que la regla de Simpson con # = 20 proporciona una respuesta dentro de la cota de error requerida, lo cual evidentemente no sucede en el caso de la regla del trapecio con n = 20. . La mayor parte de los sistemas de algebra por computadora incorpora la regla com- puesta de Simpson y la del trapecio. En Maple, para tener acceso a la biblioteca donde es- tn definidas, introduzca Swith (student); Las Hamadas de los métodos son trapezo (E, x trapezoid(t, x202 CAPITULO 4 © Diferenciacién e jntegracién muméricas 1,995885974 (fox 4.201); 2000006785 Sevalf(eimps La regla compuesta de! punto medio también aparece en la. Biblioteca de Maple y puede ulilizarse mediante €] comando veval f (middlesum(E,x=0. que da la aproximacidin 2.008248408. Para mostrar el cédigo de Maple correspondiente all métedo del punto medio, defini- mos,fLe) , a, bay 4 con los comandos. Pi,LON) + sftex-ssinix) + pate; brePiy mre18; hye(beay/(ne2): También necesitamos una variable para calcular ta summa; ini En Maple, el ciclo controlado por un contador se define como for variable de control del ciclo, from valor inici enunciado; ta, valor final do enunciade; enunciado; ody Jj ser nuestra variable de control del ciclo, que comienza en 0 y va hasta n/2 = 9-en pasos de una unidad. Para cada valor de j = 0, 1..... 9 se recomre el ciclo y se realiza cada calculo dentro del ciclo hasta encontrar la palabra oc. Las palabras reservadas implicadas aguison for, from, do y od, Observe que no aparece un punto y coma (;) después de la afrmacién de. j from 0 te n/2 do nas (2854 walt (Tot+£(x})} (0 produce una serie de resultados que culminan en la suma final a2 » Tor = 2 fin) = & ‘Flr,,) = 6392453222 Luego multiplicamos por 24 para concluir con el método compuesto del punta medio: >Tot: sevalf (2*h*Tet) ; Tot4.4 Integraciéa numérico compuesta 203 Una propiedad importante que comparten todos los métodos de integracién compues. taes la estabilidad respecto al error de redondeo, Para demostrarla, suponga que aplicamos la regla compuesta de Simpson con n subintervalos a una funcién f en [a,b] y que deter- minamos la cota méxima de dicho error. Supongamos que aproximamos f(1,) mediante Fix) y que Sly = fly) +e, — para cada d= 0,1... m, donde ¢, denota el error de redondeo que implica usar f(x,) part aproximar f(x). Enton- ces, el error acumulado, et), en la regla compuesta de Simpson es “| ' a a, +4 de, +4] mi 0 h ign wa =< [iegl +2 S lel #42 lejal + Si los errores de redondeo estin uniformemente acotados por £, entonces ina fen2/ ays 5 et 2/ Pero nh — a, de modo que e(h) Sb = ale, es una cota independiente de h (y n). Esto significa que, aunque debamos dividir un intervaio en més partes para garantizar cierta precisién, los célculos agregados no aumentan el error por redondeo, Este resultado indica que el procedimienta es estable al aproximarse /t a cero, Recucrde que no fue asi en los procedimientos de diferenciacién nu- mérica que estudiamos al inicio del capitulo, CONJUNTO DE EJERCICIOS 4.4 1, Aplique ta regia compuesta del trapecio con los valores indicados de para aproximar las si- guientes integrates. a firmed, nea aw fivea, naa 2 Aplique la regla compuesta de Simpson para aproximar ias integrates del ejercicio 1 3. Aplique la regla compu rales del ejersicio | ta de! punto medio con n +2 subintervalos para apcoximar las inte204 CAPETULO 4 © Diferenciacién e integracién numéricas 9 10, i. 2 Aproxime [37 ede por medio de a. Aplique la regla compuesta del trapecto. b. Aplique la regla compaesta de Simpson. ¢. Aplique [a regla compuesta del punto medio, Suponga que f (0) = 1 f(0.5) = 2.5,f(1) = 2y f(0-25) = f(0. 75) = a Determine rs! la regla -compuesta del trapecio com 1 = 4da el valor 1.75 para [' (dx La regia del punto medio con que se aproxima f (Ft) de da el valor 12, la regia compuesta det punto medio con n= 2 da 5 y Ia regts compucita de Simpsoa da 6, Aplique ef hecho de que Lt 1) = fly 0.5) = (00.5) — 1 pare determinar fi—1), f(-0.5), 10), AOS), y FU). Determine los valores dem yh que se requieren para aproximar 2 [[ etsen 3a ‘con una exactinud de 10-4 ‘A. Aplique 1a regla compucsta del trapacio. 1b, Aplique ta regla compuesta de Simpson, ‘e. Aplique la regia compuesta del panto medin, Repita el ejercicko 7 cow la integral [7 2 cos xd, Determine los valores de y h que se requieren para aproximar ea [ae ‘con una exactinad de 10-4 y calonie tn apronimaciin. a. Apligue la regia compuesta del trapecio, 1b Aplique la regla compuesta de Simpson, +. Aplique la regla compuesia del punto medio, Repita el ejercicin 9 con ta integral [xin x dr. ‘Suponga que festé definida por eel Osrstl, Aad) 1001 + 0086: - 0.1) + 03¢¢-O1F +20 -OIF. Ol S502, 1.009 + 0.15 - 0.2) +096 ~O2F + 2-027, O2=4=03, a, Investigue la continuidad de las derivadas de f- 1b Aplique la reala compuesta del trapecio can m= 6 para aproximar ["” (x) dx, y estime et ‘evar por medio de in cota de error. ‘¢. Aplique 1a rogla compuesta de Sinapson con m = 6 para aproximar [" f(x) de. , Som los re- sultados mds exactos que on la parte (b)? Demuesine git el error EU) de la regla compuestade Sinmpion puede apronimarse pot medio de4.4 Integracién numérica compuesta 205 13, a. Con el método usado en el ejercicin: 12, derive una estimacién para E(/) en Ja regla com puesta del trapecio. bb Repite la parte (a) con la regia compuesta del punto medio, 14, Use las estimaciones de error de los ejercicios 12 y 13 para estimar los errores del ejercicio 8. 15, Use las estimaciones de error de los ejercicios 12 y 13 para estimar les errores del ejercicio 10, 16, En los cursos de edloulo de varias variables y de estadistica se demuestra que J para cualquier positiva, La funeiin ptt re? dy = 1, avin 1 2 Hx) = Le e-thitkrie? M0) ie 5 ta funcidn de densidad normal con Ia media 1 = 0 y la desviactén estdndar o La probabi- lidad de que un valor aleatariamente seleceionado descrito por esta distribucidn se encuentre en Ia, b] esté dada por [" fix) dx. Com une exactitud de 10-5 aproxime la probabilidad de que un valor aleatoriamente selecvionade descrito por esta distribucién se encuentre en a [a0] b. [-20, 20] & (30,34) 17, Determine con una exactitud de 10-6, la longioud de Ia grifica de la elipse que sigue ts ecua- ciGm 4x? + 9y2 = 36, 18 Un automévil recorre una pista de carrecas en 84 segundos. Su velocidad en cada intervalo de 6 segundos se determina mediante una pistols de radar y est4 dada, en piews, desde el princi pio del recorrido, por los datos de la tabla siguiente: idad fer {:Qu¢ Tongitud tiene ta pista? 19. Una particula de masa m que se desplaza por ut Mluido est4 sujeta 4 una resistencia viscosa R, Ja cual es tina funcidhn de la velocidad 1 La relacién entre la resistencia R, la velocidad v y el fticmpo / cstd dada por la couacién: Suponga que Riu) = —w Vv para determinado fuido, donde & se da en newtons y vse da en metrox/segundo. Sim = 10 kg y si v(0) = 10 m/s, aproxime cl tiempo que la particula tarda cen reducir su velocidad a w= 5 m/s 20, ‘Para simular las caracteristicas térmicas de los frenos de disco (wéase la figura anexa), D.A. Se- erst y R. W. Hombeck (SHJ tuvieron que aproximar niuméricamente la “temperatura exterior roinediada del rea”. T, en el cojfn del freso, basindose para ello en la eeuscién [f° re, a [* 16, ar donde 7, representa el radio donde comienza el comuacto entre cajin y disco, r, representa el ra- dia exterior de dicho contacto, 6, representa el dnguls subtendido por los cojines del freno del sector y T(r} 63 la temperatura en ceds punto del cojfn, la cual se obtuvo sumdricamerte al ana-206 CAPETULO 4 © Diferenciacién e integracién numéricas lizar 1a ecuaciGn det calor (véase la seceién 12.2), Sir, = 0.308 pies, 7, = 0.478 pies, 4, = 0.7051 radiantes y si las temperaturas dadas en la tabla siguiente se calcularon en varios puntos del disco, obtenga una aproximacién de T. ripies) TI) CF) r(pies) TCR) ripies) Tr) 0.308 60037601208 0.325 794 = 03931064 4G 1222 0.342 8850410478 1239 0.359 O43 0427 IS2 21. Con una exactitud de 10~4, obtenga una aproximaciGn del valor de la integral que se incluye en fa aplicacién con que inicia este capftulo. [vita + 22. Laccuacién E TE Pd = 04s = puede resalverse para x aplicanda el método de Newton con me = Pr oy — Soy~ | aga 0s yeon fw= Si queremos evaluar fen la aproximacién p,, necesitamos una formula de la cuadratura para -aproximar 1 eran, 0 Vin4.5. Integrocién de Romberg 207 a. Obtenga una solucidn de f(x) = 0 con una exactitud de 10-$ aplicando el método de New: too con p, = 0.5 y Ia regla compuesta de Simpson, 1b, Repita (a) aplicando la regha compuesia del trapecio en vez de la regla compuesta de Simpson, 4.5 Integracion de Romberg En la integracién de Romberg se usa la regla compuesta del trapecio para obtener aproxi- maciones preliminares, y luego el proceso de extrapotacién de Richardson para mejorar las aproximaciones. En la seecién 4.2 dijimos que la extrapolacién de Richardson puede efec- tuarse en cualquier procedimiento de aproximacion de Ja forma M ~ Nih) = Kh + Kye toe + Ke, donde K,, K,,..., K, son constantes y N¢h) es una aproximacién al valor desconocido M. En esta férmula el error de truncamiento esté deminado por Kh cuando ih es pequefio y, por tanto, esta frmula da O(A) aproximaciones. En Ia extrapolacién de Richardson se ati- liza una técnica de prorrateo para producir férmulas con wn error de truncamiento de orden superior, En la seccidn 4.2 vimos c6mo esto nos puede servir para obtener aproximacio- nes de laderivada. En esta seccidn usaremos la extrapolacién para aproximar integrales de- finidas. Para comenzar a explicar el método de integracién de Romberg, recordemas lo si- guiente: la regia compuesta del trapecio para aproximar la integral de una funcién fen un intervalo [a, 5] por medio de m subintervalos es ms a), fla) + fo) + 2S faa] = Dp hao, [ror ae = donde a < p< b,h= (b= ayy x, = @ + jh para cada j= 0,1,...,m. Primero obtenemos las aproximaciones mediante la regla compuesta del trapecio, con m= I,m, = 2, m, = 4,..., ym, = 2-1, donde n es un entero positive, Los valores del (b ~ afm, = (6 — av2%!. Can esta lamaiio del paso /, correspondientes a m, son fy notacién, la regla del trapecio se expresa como: & fix) de = he [ro + fio 92 { 431) donde ja, es un mimeroen (a,b), Si introducimos la notacién K, , para denotar la parte de la ecuaci6n (4.31) con que se realiza la apcoximacién por trapecios, tenemos que & R= FU@ +f/O) = ” fay + bys 2 = SLflad + fb) + fla + hy] wl wi208 CAPETULO 4 © DiferenciaciOn e integracion numéricas (e- ay a) + F09 + arf e SS [Ry + hy fla + hy); w@-@) 4 Bie 1 = (Ra + ALS + hy) + Ha + SI} y. em general (véase Fig. 4.10), 1 v2 Rye t [fi ithe D a+ Qi - wo} (4.32) para cada k= 2, 3,..., . (Véanse los ejercicias 12 y 13) EJEMPLO 1 Al usar la ecuacidn (4.32) para efectuar el primer paso del método de integracién de Rom- berg para aproximar {* sen x dx conn = 6 obtenemos = Ry) = — [sen 0 + sen a] = 0, L tn > [Fs + sen 3|- 157079633; l ap om 30 Rss [Pau + rhs + sen $F )] = Lavon: 1 mpm 3a Sm Ry [Ru + ql=F + sen + sen 5% + sea *)| = 197423160, 99357034, y Ry, = 1.99839336, .Tabla 4.9 4.5. Integracién de Romberg 209 El valor correcto de la integral del ejemplo 1 es 2: por tanto, parece que la convergen- cia es lenta. La extrapolacién de Richardson servird para agilizar la convergencia, Podemos demostrar, aunque ello no sea facil (véase [RR, pp. 136-138]) que si fe (C™[a, bl, entonces podemos escribir Ia regla compuesta del trapecio con un término de eror alterne en la forma [rey ac— R= 3 epee aan SD Kae (43) donde K, para cada i es independiente de h, sélo en f2="(a) yf" (6) Con la regla compuesta del trapecio en esta forma, podemos suprimir el término que contiene i] al combinar esta ecuacidn con su correspondiente que tiene h, reemplazada por Iggy = by: her = Me { fod — Ry = KAY (4.34) Al restar la ecuaciéin (4.33) a cuatro veces la (4.34) y al simplificarla, obtenemos la férmu- la OCF) [aver |r ut Abora podemos aplicar la extrapolacién a esta férmula para obtener un resultado O(hf}) y asi sucesivamente. Para simplificar 1a notaciGn definimos = Reis para cada k= 2,3, ..., n, y aplicamos el procedimiento de extrapolacién de Richardson a ‘estos valores, Continuando esta notaciém tenemos, para cada k= 2.3, 4.0... ny 7= 2, eve una formula de aproximacion Ovi) definida por (4.33) Los resultados generados con estas formulas se incluyen en la tabla 4.9 Ry Ry, Ray Ry Ry Ry Ri Ra % . a, Buy aw El método de Romberg tiene la caracteristica adicional de que permite caleular {nte- gramente un nuevo renglén de la tabla con s6lo hacer una aplicacién ms de la regla com- puesta del trapecio, ¥ luego promediar los valores previamente calculados para obtener los210 atcoRiTMa 42 EJEMPLO2 Tabla 4.10 CAPITULO 4 © Diferenciecion e integracion numéricas elementos sucesivos del rengkin. El métoda con que se construye una tabla de este tipo calcula los elementos 0 datos rengkin por renglén, es decir, en el orden Ry. Ry). Ry. Rs ye R, ». Ry. ctc. El algoritmo 4.2 lo describe en forma detallada Integracion de Romberg Para aproximar la integral f [* fx) ds, seleccione un emteron > 0 ENTRADA extremos a, b; entero n. SALIDA umarregle R. (Caleule & por rengiones; s6lo los 2 ultimos renglones se guar- dan en almacenamiento.) Paso i Tome h =~ a; R,, = éfa) + fib», Paso 2 SALIDA (R, )) Poso 3 Para i = 2,..., m haga pasos 4-8. = 1 ag Pasa 4 Tome Ry, = [ru +43; 10+ osu] (Aproximacién con el método del trapecio.) Paso 5 Para j (Extrapolacién.) Pasa 6 SALIDA (Ry, parj=1,2,...i: Paso 8 Paraj= - (Actuaice ef rengldn J de R.) Paso 9 PARAR . En ef ejemplo 1, los valores de &, , @ Rg, se obtuvieron aproximando |” sen. dr. Em lat bla 4.10, se muestra la tabla de Romberg que resulta al usar el algoritine 4.2 . Aunque la tabla tiene 21 entradas, solo las seis de la primera columna necesitan evaluaciones funcionales, pues éstas son las tinicas entradas generadas por la técnica de integraciGn; tas demas se obtienen al calcular promedios. a 187079633 2,09439511 189611890 2,00455976 —1,99857073 197423160 2.00026917—*1,999983132,00000555 199357034 2.00001659 —1.99999975 —2.00000001—_1.99999999 199839336 — 2.00000103 —.00000000 —-2,00000000 2.000000 —2.0000000045. Integracién de Romberg 211 El algoritma 4.2 requicre un entero n previamente establecido, para determinar el ni- mero de renglones a generar. A menudo conviene mas fijar una tolerancia de error de La aproximacién y generar n, dentro de una cota superior, hasta que las entradas diagonales consecutivas R,_;,-; ¥ R,, concuerden en el margen de tolerancia. Para evitar la posibi- lidad de que dos elementos de rengkin consecutivos concuerden entre sf, pero no con el valor de la integral a aproximar, generamos aproximaciones hasta que no s6lo | Ry...) — R,,.| esté dentro de la tolerancia, sino también [R949 — Ryan |» Aunque esta me- ida no es aplicable a todos los casos, nos garantizarii que dos conjuntos de aproximacio- nes generados en forma distinta concuerden centro del ifmite de la tolerancia especifica- dda, antes de que aceptemos R,,, como suficientemente exacto. La integracién de Romberg aplicada a fen [2, b], se basa en la suposicidin de que la regla compuesta del trapecio tiene un término de error que podemos expresar en la forma de la ecuacién (4.33); es decir, debemos tener fe C2**2{a, b] para poder generar el k-, Reg Ryo ¥ Ryaio Y Baga una prediceién final ©. Explique por qué esta integral causa problemas en ia integraciGn de Romberg y cmo pode- mos reformularla para obtener més fcilmente una aproximaciin exacta. 11, Demuestre que la aproximacién obtemida a partir de R, , €8 la misma que la dada por la regla ‘compuesta de Simpton que se describe en el teorema 44 con A 12, Demuestre que, para cualquier k, 13, Use el resultado del ¢jercicio 12 para verificar la ccuacién (4.32); es decir, demuestre que para toda k Rus =3[R : had le +(i- 3) a) 14, Enel ejercicio 24 de la seccidn 1.1 se integré una serie de Maclaurin para aproximar exf(1), donde erf(x) es la funcién de error de la distribucién normal que se define inediante:4.6 Métodas adoptatives de cuadratuna 213 foeva 2 ef) = = V Aproxime erf(1) con una exactitud de 10°’, 4.6 Métodos adaptativos de cuadratura Figura 4.11 En las formulas compuestas se requiere el uso de nodes equidistantes, Esto no es adecun- do cuando se integra una funcién cn un intervalo que contienc regiones con variacién fun- cional muy grande y regiones con variaciGn funcional pequeiia. Si el error de distribuci va a estar distribuido uniformemente, se requiere un paso de menor tamaio en Las regio- nes de gran variacién que en las de menor variaci6n. En este tipo de problema un método eficiente deberd predecir el grado de variacién funcional y adaptar el tamaiio del pase a las diversas necesidades. Estas técnicas se conocen con el nombre de métodos adaptativos de cuadratura. E] método que explicamos en este apartado se basa en Ia regla compues- ta de Simpson, pero podemos modificarlo facilmente para utilizar otros procedimientos compuestos, Supéngase que queremos aproximar |’ f(x). dy con una tolerancia especificada ¢>0. El primer paso del procedimiento consiste en aplicar la regla de Simpson con el tamaiio de paso A(b — a)/2. Este procedimiento nos da lo siguiente (véase Fig. 4.11) ro + [ s60 ae=50a, 6) ~ — 7 (u), para algunos ren (a,b), (4.36) h Sia, b) = 5 Li@) + 4 flath) + FOIL214 CAPETULO 4 * Diferenciacién @ integracién muméricas El siguiente paso consiste en encontrar una forma de estimar la exactitud de nuestra aproximacién, en especial una que no requiera determinar f(z). Para ello, primero apli- camos la regla compuesta de Simpson al problema con n = 4 y el tamafio de paso (b — ay/4 = fi, 1o cual nos da [ ja) de 4.37) para alguna jien (a, 6). Para simplificar la notaciéa, supongamos que Ines + 44(a + =) + fath) fra + ay | y que ; [fia thy + 4pla =) + res] Entonces podemos reescribir la ecuacién (4.37) (véase la Fig. 4.12) como -a{ x \rwm. 438) La estimacién de error se obtiene suponiendo que ye ~ ji 0, mds exactamente, que Fy) ~ fj). El éxito det método depende de la exactitud de esta suposicién. Si es ‘exacta, entonces igualar las integrales en las ecuaciones (4.36) y (4.38) implica que Figura 4.12EJEMPLO 1 4.6 Métodas adaptativos de cvodraturo 215 ast w.)~5 (a 254) -s(2$2.0}} Este resultado significa que S(a, (a + by/2) + Si(a + BY2, b) aproxima [” f(x) dx unas 15 veces mejor de lo que concuerda con el valor conocido S(a, 6). Por tam, si |e, by- 8 (4.39) cesperamos tener (440) y Se supone que s(a.244) +5 (242.0) cs una aproximacién suficientemente exacta a [” f(x) dy. Para mostrar la exactitud de Ia estimacién del error que se da en las ecusciones (4.39) y (4.40), consideramos su aplicacién a la integral sen x dc = z| = FF V2 + 1 = 1.002279878 = 8 Ea = 7" 0. Z)-s(=, 2) = 28] +4sen + 25enZ + z ( a/ ( +) 3 send dens rea 4sen + sen = 1000134585,216 CAPETULD 4 © Diferenciacidn e integracién numéricas (3) -$(4)-5(3 Esto se aproxima muy bien al error real, por tanto, la 4 = 0.000143020 [Psenrar-1 ono 34885) = 0.000134585, aunque D* sen.x = sen_x varia significativamente en el intervalo (0, 7/2). . ‘Cuando la estimacién del error en (4.39) difiere por més de I5e no es valida, aplica- mos la regla de Simpson de manera individual a fos subintervalos [a, (a + b¥2) y [a + by2, 6], Después utilizamos el procedimiento de estimacién del error para determinar si la aproximacién a la integral en cada intervalo se encuentra dentro de una tolerancia de £/2, De ser asi, sumamos las aproximaciones para producir una aproximacién a |" f(x) dx con una tolerancia de e. En caso de que la aproximacién en uno de los subintervalos no se encucatre dentro de la tolerancia e/2, subdividimos ese subimtervalo y repetimos el procedimienta en dos sub- intervalos para determinar si la aproximacion en cada subimtervalo tiene una exactitud de e/4, Continuamos este procedimiento de divisién en mitades hasta que cada parte esté den- tro de Ia tolerancia requerida, Aunque podemos construir problemas en los que nunca se obtendré esta tolerancia, el procedimiento suele set eficaz, porque con cada subdivisién por lo general aumenta la exactitud de la aproximacién en un factor de 16, aunque se re- quicre un factor de mayor precisién de sdlo 2. En el algoritmo 4.3 se detalla este procedimiento adaptative de ta cuadratura para ta regla de Simpson, pero se presentan algunos problemas écnicos que requieren que la im- plantaci6n del método dificra un poco de lo expuesto antcrionmente, Por ejemplo, en cl pa- so I fijamos la tolerancia en 10¢ y noen Se, como se indica en la desigualdad (4.39). Es- ta cota la elegimos conservadoramente para compensar el error de la suposicién f 4 (qa) = f°). En los problemas en que se sabe que /") varia mucho, conviene reducit adn mis esta cota, En una subdivisién, el procedimiento que se incluye en el algoritmo aproxima prime ro la integral en ¢l subintervalo del extremo izquicrdo. Para ello ¢s necesario introducir un procedimiento que almacene y Name eficientemente las evaluaciones funcionales caleula- das con anterioridad para los nodos de los subintervalos de la mitad derecha. Los pasos 3, 4y 5 contienen un procedimiento para apilar, con un indicador que lleva un control de los datos necesarios para calcular la aproximaciGn en el subintervalo contiguo y a la derecha del subintervalo sobre ¢l cual se va a generar la aproximaciéa, El método es mds facil de implantar en una computadora, si se usa un lenguaje de programacién que permita la re: cursién. Cuadratura adaptative Para aproximar la imegral I = |" f(x) dx con una tolerancia dads: ENTRADA extremos a, b; tolerancia TOL; limite al ntimero de niveles N. SALIOA aproximacién APP © mensaje que N fue excedido. Pasa 1 Tome APP = 0; i=k TOL, = 10 TOL;4,6 Métodos adaptatives de cuadratura 217 FB, = f (by, 5, =h{FA, + 4FC, + FBY3; —(Aproximacién a partir del método de Simpson para el intervalo completo.) Paso 2 Mientras i > @ haga pasos 3 Paso 3 Tome FD = f(a, + h,/2); FE = fla, + 3h,2y, A{FA, + 4FD + FC\Y6; (Aproximaciones a partir del método de Simpson para mitades de subinter- valos.) S2 = hdFC, + 4FE + FBG; v,=4; (Guande los datos en este nivel.) Paso 4 Tomei=i-1. | (Elimite el nivel.) Paso 5 Si |S1+S2—u,| <% entonces tome APP = APP + (SI + 52) sino al Gy NY entonces SALIDA (‘NIVEL EXCEDIDO"); (El procedimiento fala.) PARAR. 0 (Agregue un nivel.) tome i= i+ 1; (Datos para la mitad del subintervalo de la de- recha.) si a= y+ uy FAI : (Datos para la mitad del subintervato de la iz quierda,)218 CAPETULO 4 © Diferenciacién e integracién numéricas TOL, = TOL, S,= Sl; L= Paso 6 SALIDA (APP), (APP aproxima aI con precisidn TOL.) PARAR. . EJEMPLO2 En la figura 4.13 se muestra la gedfiea de Ia funcién f(x) = (100/x") sen (10/x) para x en {1, 3}. Al utilizar el algoritmo de La cuadratura adaptativa 4.3 con la tolerancia 10~* para aproximar J} f(x)de obtenemos ~ 1.426014, resultado que tiene una precisién de 1.1% 10-5, La aproximacién requerfa aplicar la regla de Simpsoa con n = 4 en los 23 subinter- valos cuyos extremos aparecen en el eje horizontal de la figura 4.13. El nimero total de evaluaciones funcionales que se necesitan en esta aproximacién es 93. Figura 4.13 fay4.6. Métodos adogtatives de cuadrature 219 FL valor mais grande de i con el que la regla compuesta normal de Simpson da una cexactitud de 104 es h = -L. Esta aplicacién requiere 177 evaluaciones de furs el doble del método adaptativo . CONJUNTO DE EJERCICIOS 4.6 1, Calcule las aproximaciones de la regla de Simpson Sia, 6), Sia, (a + b\/2) y St(a + BY2, 6) pe 1a las siguientes integrales, y verifique la estimacién dada en la formula de aproximacién. a [Psterae Ve 2. Use la cuadratura adaptativa para obtener las aproximaciones de las integrales del ejercicio | con una exactitud de 10"?, No use software alguno para generar esos resultados, ‘A. Use la cusdratura adaptativa para aproximar Inc siguientes integrales com una exactitud de 10-8 af econ teas wf even ded & [ tareouan ~~ 21 ae Lf Mbecout2n ~ Gr ~ 2 a 4, Use la regla compuesta de Simpson con m = 4, 6,8, .., hasta que las aproximaciones sucesi- vas de las siguientes integrales coneuerden con una exactited de 10”. Determine la cantidad de nods que se requicren. Mediante el algoritmo de {a euadratura adaptativa aproxime la integral con una exactitad de 10°® y cuente el nimero de nodes. ;Produjo alguna mejara ta cuadratura adaptativa? a [ xeos eas bf rsen.rae & [Pees ras 4. [sem x de 5. Dibuje las grificas he sen (Ife) y de cos(Léx)en {0.1, 2]. Por medio de la euadrama adapativa aproxime las integrales con una exactitud de 107% 6 Sea Tia, b)y sea Tia, =) + (22°, b) las aplicaciones individual y doble de la regia del tra- pecio 2 [ 71x) dr, Obtenga la retacién que existe entre Tia, b)220 CAPITULO 4 © Diferenciacion « intagracién numéricas 7. La ecuaci6n diferencial mau (i) + kal) = Fy cO8 wt describe un sistema de mase-resorte com una masa m, una Constante de resorte 4; y sin amorti- uamiento, El térming F,, cos ex describe una fuerca externa periédica qe se aplica al sistema. La solucién de Ia ecusciGn cuando el sistema se encuentra inicialmente en reposo (u/'(0) = 0) = Opes fe wit) = Say [eos er — cos mgt], donde a ynt" Dibuja la grifica de w cuando m [P wie) dr con una exactitud de 10~* 8 Si agregamios el término cu/(4) al extreme izquierdo de la ecuaciéa de movimiento del ejercicio 7, la eeuacién diferencial resultante describe un sistema de mass-resorte que esté amortiguado, 9, Fy = 1, w= 2 y cuando ¢€ (0, 27]. Aproxime ‘con una constante de amortiguamento ¢ % 0. La soluciGn de esta ecuscién cuande-el sistema se ‘encuentra inicialments en reposo «s ——fa ___ kA) = ce exe + SS Lew se wt + (008 ~ 07) cO8 wth, a? + mas ~ 0 donde a. Seanm = 1k = 9, Fy que u(0) = a my Bosqueje ln grifica deo?) para r€ [0.2 ml y aproxime (“u(t} dt con wna exactitud de LO 9. Bl estudio de la difraccién de la kuz en una apertura rectangular implica el uso de las integrales de Fresnel 1c = 10, y @= 2 Determinemos los valores de c, yc; de moda a0) = [cos yo ose [on Sut an ‘Constraya una tabla de valores: para c(t) y ste) que tenga una exactitud de 10~* para los valores det =0.1.0.2,..., 10. 4.7 Cuadratura gaussiana Las férmulas de Newton-Cotes de la seccién 4.3 se dedujeron integrando los polinomios interpolantes, Puesto que el término de error en el polinomio interpolante dc grado n con- tiene la (n + 1)-ésima derivada de la funcién a apcoximar, una férmula de este tipo sera exacta cuando aproxime cualquier polinomio de un. grado menor o igual que n.4.7 Cuadratura gawssione 221 En todas Ins frmulas de Newton-Cotes se emplean valores de la funcién en puntos equidistantes. Esta practica ¢s adecuada cuando las férmulas se combinan para formar las reglas compuestas que ya explicamos en la seccién 4.4; pero esta restriceion puede afec- tar considerablemente la exactitud de la aproximacién, Por ejemplo, tomemos el caso de Ja regla del trapecio con que se determinan las integrales de las funciones de la figurat.14. r ay mabe La regla del trapecio aproxima Ia integral de la funciéa al integrar ta funcién lineal que une los extremos de la gréfica de la funcién. Pero sin duda ésta no es la mejor linca para aproximar Ia integral, Las Kineas como las que se muestran en la figura 4.15 segura- mente producirdn, en la generalidad de los casos, mucho mejores aproximaciones. La cuadratura gaussiana seleeciona los puntos de la evaluacién de manera Sptima y no cn una forma igualmente espaciada. Se escogen los nodes x, x}...., x, en cl intervalo222 CAPETULO 4 © Diferenciacién ¢ integracién numerics {a, b| y los coeficientes obtiene al efectuar la aproximaci +» Para reducir en lo posible el error esperado que se &y nee . fn f fix de= S 6, frp. * a Si queremes medir esta exactitud, supondremos que la seleccién éptima de estos valores es la que dé el resultado exacto de la clase mas numerosa de polinomios, es decir, la selec- cidn que ofrezca el maximo grado de precisién. En la formula de aproximaciOn los coeficientes ¢,, ¢;, ..., c, son arbitrarios, y los no- 08 Ay, Nyy. fy €StdN restringidas s6lo por la especificacién de que se encuentren en la, 5], ¢! intervalo de la integraciéa. Esto nos da 2n pardmetros de donde elegir. Si los coe- ficientes de un polinomio se consideran pardmetros, la claxe de polinomios de grado mé- ximo 2n — 1 tambign conticne 2n parémetros. Asi pues, éste cs et tipo de polinomios mas amplio en que es posible esperar que la. férmula sea exacta. Se puede lograr la exactitud cuando los valores y constantes se seleccionan bien. Para dar un ejemplo del procedimiento con que se escogen los parsmetros apropiades, mnostraremos cémo seleccionar los coeficientes y los nodos cuando m = 2 y cuando el in- tervalo de integraciéa es [~1. 1]. Después explicaremos cl caso mds gencral de una elec- cidn arbitraria de los nodos y coeficientes, indicando cémo modificar el método cuando se integra cn un intervalo arbitrario, ‘Supéngase que queremos determinar ¢,,.¢,, x, ¥ x, de modo que la formula de inte- gracisn [i ferde =e, fix) + 6 fle) dé el resultado exacto siempre que f(x) sea un polinomio de grado 2(2) — 1 = 3 0 menor, es decir, cuando fea) = ay + a,x + ay? + ays, para algun conjunto de constantes dy, @,, ay ¥ dy. Dado que Jay + ax + aye + aye) de = ay fide + ay fxrde + ay fede tas [dry esto equivale a demostrar que la féemula produce resultados exactos cuando f(x) es 1. x, 2 y s°, Por tanto, necesitamos ¢,, ¢,,.*, ¥ X;, de modo que ool t= fiide-% qemtene targa fi Par= Con unas cusntas operaciones algebraicas demostramos que este sistema de ecuaciones tiene solucién tinica - ~ v3 v3 con que se obtiene 1a formula de aproximacién aan [fe ac~s(Teorema 4.7 4.7 Cundraturo goussiana 223 Esta {Grmula tiene un grado de precisidin tres, esto es, produce el resultado exacto con ca- da polinomio de grado tres o menor. Con esta técnica podriamas determninar los nodes y coeficientes de Las formulas que proporcionan resultados exactos con los polinamios de grado superior, pero también po- demos aplicar un métoda alterno para obtencrlos més ficilmente. En las secciones 8.2 y 8.3 estudiaremos varios grupos de polinomios ortogonales, que son funciones que tienen la propiedad de que una integral definida del producto de dos de ellos cualesquiera es ce- ro, El conjunta relacionade con nuestro problema es el de los. polinomins de Legendre, un Conjunto {Pb}, Py(x),-<+5 Py(s),.+-, } on las siguientes propiedades: 1. Pura cada n, P(x) ¢s un polinomio de grado n. 2 f PUN P,(x) de = © siempre que P(x) sea un polinomio de un grado menor que n. Los primeros polinomias de Legendre son l : Pade Pie Pee Pay = x? — i y Pdx= woe Say = Las raices de estos polinomios son diferentes, se encuentran en el intervalo (~1, 1) tienen simetria con respecto del origen y, lo més importante de todo, es la opciéa correcta para determinar los pariimetros que resuelven nuestro problema. Los nodes)... %, mecesarios para producir una férmula de la aproximacién a la integral, que proporcione resultados exactos para cuakqaier polinomio de un grado menor que 2n son las rafces del polinomio de Legendre de grado n. Esto se establece por medio del siguiente resultado, Supongamos que.x,, x. ....x, son las raices del polinomio de Legendre P,(x) de n-ésimo grado y que para cada d= 1.2... ..n, los mimeros c, estén definides por Si P(x) es un polinomio cus : . [Pay de 6, Pep. . Demostracién ‘Tomemos primero el caso de un polinomio Px) de un grado menor que n, Reescribimos P(x) como un polinomia de Lagrange de (nt ~ |)-Esima grado, con nodos en las raices del polinomia de Legendre P,(x), Esta representacién de P(x) es exacta, ya que el término de error contiene la n-ésima derivada de Py esa derivada es cero. Por tan- ° Pros f.]8224 CAPITULO & © Bifereniaccn e integrociin muméices con esto verificamos el resultado de los potinomios de un grado menor que n. Si el polinomio P¢x) de un grado menor que 2n se divide entre el polinomio de Legen. dre de n-gsimo grado P,(x), entonces dos polinomios Q(x) y R(x} de wn grado menor que 1m se producen por medio de Px) = QC) P(x) + RU) Ahora recurrimos a Ia potencia tniea de los polinomios de Legendre. Primero, el gra- do del polinomio Cx) es menor que 1; por tanto (de acuerdo con ia propiedad 2), [20 ec a0. Después, como x, 8 una raiz de P,(x) para cada i = 1, 2,..., a, tenemos Pix) = Gx) P.O;) + ROx) = Rix). Finalmente, como R(x) es un polinomio de grade menor que m, el argumenta inieial impli- ca que J Reda D qRO. Al combinar estos hechos, verificamos que la formula es exacta para el polinomio P(x): [/, peo ae f' (009 Poy + Renae =f Ra) de = S 6, Rex) Las constantes ¢, necesarias para que la cuadratura funcione, puede generarse a partir de la ecuacién del teorema 4.7, pero ambas constantes y las raices de los polinomios de Legendre se tabulan amptiamente. La tabla 4,11 contiene estos valores para n = 2, 3,4 y 5, Podemos encontrar otras tablas en [S18], Una integral {” f Gdx en un intervalo arbitrario [a, b] se puede transformar, en otra en [~ 1, 1] usando el cambio de variables (véase Fig. 4.16) t= Bost, a Bast ge boa 2 ( - a+ a+b), Esto nos permite aplicar la cuadratura gaussiana a cualquier intervalo [a + b], ya que 7 1 f(b- a+ (b+a)\ (b- a) froe=f ({ “ fa (442)Tabla 4.11 Figura 4.16 EJEMPLO 1 Tabla 4.12 4.7 Cuodrature goussiona 225 A Races r,, Coeficientes ¢,, 2 o.s773502092 1.900000 ~0.5773502692 |.9000000000 a 0.7745966092 O.5559555556 0,.000000000 O.RRRRRREEED —0.7745966692 0.5555555556 4 O.A611363116 03478548451 0.3399810436 O.6521451549 ~0.3399810436 O.bS21451549 =0.8611363116 03478548451 3 0.9061 798459 0.2369268850, 05384693101 0.4 786286705 (6,0000000000 O.seRags88E9 05384693101 0.4 786286705 109061798459 0.2368268850 ps Consideremos el problema de obtener aproximaciones a | e-*" dy. La tabla 4.12 con- tiene los valores. de las formulas de Newton-Cotes que vienen en la seccidn 4.3. El valor ‘exacto de la integral con siete decimales es 0.1093643. " 9 1 2 3 4 Féiemulas cerradas 0.118197 —0,1093104 1093404 0.1093643, Formulas abiertas 0.104807 = 0.1063473 0.109416 ,1093971 El procedimienta dela cuadrat. —_assiana aplicado a este problema requiere trans- formar primero la integral en wn prob. cuye intervalo de integraci6n sea [~, 1]. Al uusar la ecuacicin (4.42) tenemos [orden t ft ene a226 CAPITULO 4 © Difernciecin e intogrecién muméices Al utilizar los valores de la tabla 4.11, obtenemos mejores aproximaciones de la cua- dratura gaussiana en este problema fe OHASTTSMORY NG 4. g-e-OsTTIsMNZV MG] = 9, 1094003; 1 » “de = 7 [0.5555555556.e (S+OTTESARMEIIS + (Q.8BBRRSBERI Je (50716 + (O.S555555SS6)e “0 774SH0NS2I NG] = 0.1093642, Con ef fin de facilitar la comparacicin, en k abla 4.13 se incluyen los valores obtenidos al aplicar el procedimiento de Rombertg con m= 4, Tabla 4.13 1183197 0.115627 0.1093104 01099114 0.1093610 0.109643 0.109509 0.1093641 0.109343 0.093643 ‘CONJUNTO DE EJERCICIOS 4.7 Aproxime las siguientes inlegrales usando la cuadrature gaussiana con m = 2 y compare sus re- sultados con los valores exactos de las imegrales. 2. Repitael ejercici 1 conn = 3. 3, Repita el cjersicio | con 4, Repita el ejervicio 1 con» 5. Determine las constantes a, 6. ¢ yd que producirdn una férmula de cuadratura [i fovae= ar + f+ D+ ar) cuyo grado de precision es 3,4.8 Integraies miitiples 227 ‘Determine las constanies a, b, cy d que producirdn una formula de cuadratura . [fords = af(-1) + bf(O) + ef) + dft-I) + ef) ‘cuyo grado de precisidn es 4. 6. Verifique las entradas o datos para los valores de n = 2 y 3.en la tabla 4.11, obteniendo las raf- ‘ces de los polinomios de Legendre respectivos y usando las ecuaciones anteriores a la tabla pa- ra calcular los coeficientes axociados a fos valores. _€; PUs}) no puede generar un grado de precisién mayor in importar la seleccidn de ¢;,...-+ Gy YX}. +++ %y [Sugerencia: construya un po- linomio que tenga una rafz doble en cada una de las x,.} 4.8 Integrales multiples Podemos modificar abiertamente los métodos explicados en las secciones anteriores y utilizarlos para aproximar integrales miltiples. Consideremos la integral doble [J renraa, donde R es una regidn rectangular en el plano: R = {(x, ya Sx b,c = y = d}, para ‘algunas constantes, a, b, cy d (véase Fig, 4.17). Para dar un ejemplo del método de apro- Figura 4.17 rsa")228 CAPETULO 4 © Diferenciacién & integrackin numéricas ximacién, emplearemas Ia regla compuesta de Simpson, aunque también podriamos utili- zar cualquier otra cegla compuesta, ‘Para aplicar Ia regla compuesta de Simpson, dividimos la regidn R fraccionando (a, b] y [¢,4] en un nimero par de intervalos, Para simplificar la notacién escogemos los ente- Tos my my las particiones [a, 2] y [c. d] con las puntos de la red uniformemente espaciados Moe Tyr <1 Ty ¥ Yar yo -so1 Yan FeSpectivamente. Estas subdivisiones determinan a los tama- ios del paso A = (b — an yk = (d — chim, Al escribir la integral doble como intregal ite~ rada [[snaa = [Ua ») ay) \ Mic primero aplicamos la regla compuesta de Simpson para evaluar fa ‘tx yi dy, tratando a x como una constante. Sea y, = ¢ + jk para cada j = 0, 1, ..., m, Estonces met [ms vidy = $[rasa + 2 y famn)+ Ens Yaya) * 06, | 5 _ d= okt fle w) 130 at para alguna yt en (c,d), Por tanto f [ln payac= E[freroae 2S" [x = +43 feay part [see mel 24 I _ Wow f ti BANS a) 1804, ay Ahora se splica en la integrales de esta ecuacién la regla compuesta de Simpson, Sea x, =@+ ihpara cada i= 0, 1,..., m. Entonces, para cada j= 0, 1,..., m, tenemos tie [respac= 5 [pornsp 2 2 Fp yp + 4S foray 9) they _ ale ay Teo at GPs para alguna &, en (a, 6). La.aproximacign resultante-tiene la forma:4.8 Integrates maltiples 229 Cee few dF nn @ +48 fey 09) + Meo ‘mat omtay-1 0 +3 & fGempt2 > Ai a 3 isan) +S tren) eB net moi ‘ at $4303 Poy mee + ¥ Steet jai ml tint a + [Pee dnd +23 fey + 4 fry. ro rier El téemino de error £ est dado por tat hem) axt 24 a: mt ~i{b - adit Ee nm a aE ¥, 2 id - ot f fle wd ax! wo ay Si 4#// ax‘ es continua, el teorema del valor intermedio puede aplicarse varias veces para demostrar que la evaluacién de las derivadas parciales respecto ax puede ser reem- plazads por un valor comin y que kb = aie | “fe ta fay AL a] 130 aye para algunas (7, 72) en Si a¥f/ ay+ también es continua, et teorema del valor medio pon- derado de las integrales implica que * ws wd [EP _ BF on = (b= a) me (n Bh230 CAPLTULO 4 © Diferenctocién @ integracién numéricas para algunas (7, ja) en R. Puesto que m = (d — eWk, el términa de error tiene la forma — Kite — ait PP fd-hb- a AF. . e 300 ace HN 180 Gye HID ° id—chb—ay [otf | ay in| _ Bob as, apit E i. [x Same oa), para algunas (7, 2) y (7), fem R. EJEMPLO 1 La regla compuesta de Simpson aplicada para aproximar Pe * int + dye, conn = 4 ym utili muestra Ia regidn de integracién R junto con los nodos (x, 01,2 y que som los coeficientes de f(x,y) = Im(x, + los tamaiios de paso h = 0.15 y k= 0.25. En la figura 4.18, se donde i = 0,1,2,3.4y 7 = ty)) en fa Suma Figura 4.18 La aproximacién es uh pis ‘ J [tte + 29 dy de = 2 SS wines, + 299 imme = 04205524387. Puesto que #S y= #Ley at eat FayeEJEMPLO 2 4.8 Integrates mittipies 231 yel valor maximo de t em R ocurre en (1.4, 1.0), el error estard acotado por x + Dy)? (O.3K0. | Ee) = ——— | (0.15) mix | ——; + (0.235) ix ——— lel pao (OMe Gaye 7 OF" ME Go at = 4.72 * 10", El valor real de la integral a diez cifras decimales es peo pis J [ In(x + 2y) dy de = O.4295545265, Y, Por tanto, la sproximaciéa tiene una exactitud de 2.1% 10°. . Podemos aplicar la misma técaica para aproximar las integrales triples y también las integrales superiores de funciones con mis de tres variables. La cantidad de evaluaciones funcionales necesarias para In aproximacién, es producto del niimera de las que se requie~ ren cuando aplicamos el método a cada variable. Si queremos reducir la cuntidad de evaluaciones funcionales, en vez de las férmulas de Newton-Cotes podemos incorporar métadas mas eficientes come la cuadratura gaussia- na, Ia integracién de Romberg o la cuadratura adaptativa, En el ejemplo siguiente se expt ca la aplicacién de Ia cuadratura gaussiana a la integral incluida en el ejemplo 1 Considere Ia integral doble del ejemplo I. Antes de usar la cuadratura gaussiana para apro~ ximarla, transforntamos la regiGn de integraciGn R= (iy) [l4S25 20108 ys 15) en R= ((u, w|-13u51,-13 v5). Las transformaciones lineales com las que lo logrames son 1 20-14‘ L =. 2e- 14-200 ¥ v= T5-10 (Qy - 10-15), ©, en forma cquivalente, x = 0.Ju + 1.7 y y= 0.25u + 1.25. La utilizacién de este cam- bio de variables nos da una integral a In cual podemos aplicar Ia cuadratura gaussiana’ fp [ * toe + 29) ay de = ours [ f In(O.3u + O.5v + 4.2) ded. La formule de ta cuadraturs gaussiana para n= 3 tanto en u como en wrequiere que wse- mos los nodos: = =0.7745966692, =O m= yar, My = 0 = 1 = 0.7745966092.232 CAPETULO 4 © Diferenciacién e integrocign numénicas By Cy) = €y5 = 05. (Véase la tabla 4.11.) Por tanto; Los pesos asociados son cy 5 Coe a8 In (x + 2y) dy de = 0.075 SS eye, j Im(O3r,, + 0.57, + 4.2) i = 0.4295545313 Aunque este resultado requiere apenas evaluaciones funcionales en comparacién con las 5 que requiere la regla compuesta de Simpson considerada en ¢l ejemplo 1, este resulta- do tiene una exactitud de 4.8 X 10°%, en comparacién con la exactiud 2.1 * 10-* del ejemplo 1. . El uso de los métodos con que se aproximan las integrates dobles na se limita a las que tienen regiones rectangulares de integracién, Los. métodos que explicamos anterior- mente pueden modificarse para aproximar las integrales dobles de la forma f Fla ydy de (443) ° [PP ren acay. (44a) De hecho, también podemos aproximar las integrales en las regiones que no son de este ti- po efectuando las particiones de la regiGn adecuadas. (Véase el ejercicio 10.) Para describir el método que se utiliza al aproimar una integral en Ia forma 7” PP near aplicamos la regla de Simpson para integrar respecto a ambas variables, El tamatio del pa- sade Ia variable xes k = (b — a2, pero el tamaio del paso de y varia con x (Véase Fig, 4.19) y se escribe atx) ~ cid Ha = En consecuencia, rye Ka) I. fix yydy as ~ f Ty (Als oN) + 4 FC, cla) + AG + Ma, aay be af Ka) "aT CA, cal) + 4 fla, ea) + 4(a)) + fla, day) +h) + en [fla + hela + by} + 4 fla + hela + AD + k(a +) + fla + hala + WT (b) + “ L fib, elby)+4 F(b, ob) +b) +7(b, 4}.4.8 Integrales mattiples 233 Figura 4.19 El algoritmo 4.4 aplica la regla compuesta de Simpson a una integral de la forma (4.43). Las integrales de la forma (4.44) pueden manejarse de manera semejante. Aicowamo” Mtegral dable de simpson 44 Para aproximar la integral I = (for. vy) dy de: ENTRADA extremos a, b: enteros positives pares m, n SALIDA aproximacion Jaf. Paso 1 b— ayn; (Términos extremes.) (Términos pares.) (Términos impares.) Paso 2 Purai=0,1,..., m haga los pasos 3-8, Paso 3 Tomex= a+ ih; (Método compuesto de Simpson para x.) HX = (kx) ~ clx)\fm; = flx, lx) + fle, d(x); (Términos exrremos,) 0; (Términos pares.) 0, (Términos impares.) Paso 4 Para = 1,2,.,., mr — 1 haga los pasos 5 y 6,234 CAPITULO 4 © Diferenciocidn e integrocién numéricas Paso 5 Tome y = ctx) + jHN; Q= fix). Paso 6 Si jes par, entonces tome K, = Ky + Q sino, tome Ky = K, + Q. Paso 7 ‘Tome = (K, + 2K, + 4K HX, (c= [1 yay por el método compuesto de Simpson.) Paso @ Sii=001=nentoncestomeJ, = J, +L sino, si/¢s par emtonces tome Jy = Jy +L sino, tome J, = J, + L- Paso 9 Tome J = IJ, + 24, + 44,3. Paso 10 SALIDA (Jy, PARAR. . Si queremos aplicar la cuadratura gaussiana a [te nave, primero debemos transformar, el intervalo [e(x), d(x)] a [ go aplicar la cuadrarura gaussian, Esto nos da la formula I para cada x en fa, 6] y lwe- [EE ren avas . r dix) ~ ox) te 2 (dx) — cD), , + dle) + eb g (« 2 donde, como antes, las races r, ; y los coeficiemtes c, , provienen de la tabla 4.11. Ahora transformamos el intervalo a, b{ en {—1, 1} y usamos la cusdratura gaussiana para upro- ximar la integral del lado derecho de esta ecuacién. Los detalles se incluyen en el algorit- mo 4.5, Integral doble gaussiana pata Para aproximmar la integral [" ["" fx, y) dy ds ENTRADA extremos a, b; enteros positives m,n. (Las raices r, ,y los cosficientes c, ,deben estar disponibles para {m,n} y para 1 = ssi) SALIDA aproximacién J a f4.8 Integroles maltiples 235 Paso 2 Parai= 1, 2,..., m haga los pasos 3-3. Paso? ‘Tome JX = 0; X= yrs + hah d, = dich, cy = et ky = td — V2 ky = td, +c 2 Paso 4 Paraj = 1.2..... haga tome y = yr; + O= fla yr I= IK + 6,0. Faso 5 Tome} = I+ c,h JX Paso 6 Tomes = hyd. Poso 7 SALIDA (Jy, PARAR. EJEMPLO 3 El volumen del sélido de la figura 4.20 se aproxima aplicando el algoritmo de Ia integral doble de Simpson, con m =m = 10.8 Figura 4.20 a, ty 9 105,025, 25) (05,025,097 10.5,00.125,0)236 46 CAPITULO 4 © Diferenciacién e integrociéo numéricas [of omarac Esto requiere realizar 121 evaluaciones de 1a funcidm f(x, ») = e* y produce el resultado (0.0333054, el cual se aproxima al Volumen del sélido que se muestra en la figura 4.20, cuya -exuctitud es de casi siete cifras decimales. Si queremos aplicar el algoritmo de la cuadra- tura gaussiana con n = m = 5, necesitamos sélo 25 evaluaciones de la funcién, obtenién- dose asf la aproximacién 0.03330556611, que tiene una exactitud de 11 cifras decimales. . Las integrales triples de ta forma se fa re ° fury ehde dy de (wéase Fig. 421) se aproximan de manera similar, Debido a la cantidad de calculos que se requieren, la cuadratura gaussiana es el método indicado, En el algoritmo 4.6 se aplica es- te procedimiento. Integral triple gaussiana 0 e3) Para apeoxima la itepal[” [O° feny.2) dedy dee fey ENTRADA extremos a, b; enteras positivos m,n, p. (Las ratces r; ,y las coeficientes ¢, ; deben estar disponibles para i = max {n, mp) ypara | =j =i.) SALIDA aprosimacién J a I. Paso 1 Tome h, = (b — al; hy ©, = cl ky = (dy — e025 = d, + ey. Paso 4 Paraj= 1, 2,..., mhaga los pasos 5-7.4.8 Integroles maltipies 237 Poso6 Parak=1,2,..., phage I= WW + 6,40 Paso 7 Tome JX = JN + c,, JV. Paso 8 Tome d= J + ¢,.,kyIX. Paso? Tome! = AJ. Paso 10 SALIDA (J); PARAR, . Figura 4.21 El ejemplo siguiente requiere fa evaluacién de cuatro integrales triples. EJEMPLO 4 El centro de una masa de una regién sélida D con la funcién de densidad ose halla en donde n-[ffparwnaey, ,= fff setnnav238 CAPITULO 4 © Biferenciacién e integracién muméricas = {[J, ure av son los momentos alrededor de los planas coordenadas y donde w= fff, ocx aav es la masa, El sélido de la figura 4.22 estd acotado por la parte superior del cono que di- vide el vértice 2? = x2 + y? y el plano z = 2 y tiene la funcidn de densidad dada por ou. = Vet Al aplicar el algoritmo de la integral triple gaussiana 4.6 conn = m = p= 5 se re- quiere realizar 125 evaluaciones de funciGn por integral, y se obtienen las siguientes apro- ximaciones: wm f [OE [VET ea 2 __, VF + 9? de dy de ~ 837504476, ama 2 V8 + y? de dy de = —S5.55111512 * 10°", a CVE y? dz dy dx = —8.01513675 * 10-7,4.8 Integrates mittipies 239 EVE + y de dy de = 1340038156 Esto significa que la ubicacién aproximada del centro de masa es G3, D = (0, 0, 160003701), Por medio de la evaluacitin directa de las integrales, podemos demostrar que el centro de masa se encuentra en (0, 0, 1.6). a CONJUNTODEEJERCICIOS 4.8 Use el algoritma 4.4 con n = m = 4 para aproximar las siguientes integrales dables y después compare os resultados con las vakores exactos. a FO [tara bb P Prertaras a re (4p) dy de a [PP ferwniaa Clcule fos valores mis pequetios cuando n =m, de modo que pueda emplear el algoritmo 4.4 para aproximar las integrales del ejercicio 1 con una exactitud de 107° del valor real. Use el algoriting 4.4 con (i) n = 4, ni = 8, (ii) = 8, mt = 4 y (iii) w= m= 6 para aproximar las siguientes integrales dobles y Inego compare los resultados cons las respuestas exactas, a [ey sena + conta dye b Jf nayay a ® tf" 29) dy de a [fore snarae £ [f [omvarae he Ee fy sen x+x 00s y) dy de Obtenga los valores mas pequettos cuando m = mi, de manera que pueda emplear el algoritmo 4.4 para aproximar las integrales del ejercicio 3 con una exactitud de 10~* del valor real Use! algaritma 4.8 cuando n = m = 2 para aproximar Las integrates del ejercicio 1, y después compare las resultados con los que obttivo en el ejercicéo 1. Calcule los valores mis pequefios de n =m, de modo que pueda usar el algoritmo 4.5 para aproximar las integrales del ejercicio 1 con una exactitud de 10". No vaya mds alld den = m = 5. Compare la cantidad de evaluaciomes funcionales requerides con Ia cantidad requerida enel ejercicio 2 ‘Use cl algorimo 4.5 con (i) a =m = 3, (il) = para. aprorximar las integrales del cjercicio 3, Use el algoritmo 4.5 con a = wt = 5 para aproximar las integrales del ejercicie: 3. Compare la cantidad de evalusciones de funciones requeridas con la cantidad que se necesita en el eerei- cio 4, m4, A 4 Fy vd =240 CAPITULO 4 © Diferenctoctin ¢ integracién numénicas 9, Use el algoritmo 44 con m =m = 14 y el algoritmo 4,5 con. =m = 4 para apresimar [f- ends, para la regidn Ren el plano acotado por fas curvas y= 22 yy me Vox Use el algoritme 4.4 para apnoximar I Vig pa, donde: R'¢s la regidin del plano acotada por las lineas x + y = 6, 3y — 4 = 2y 3x — y= 2, Pre mero, divida R en las regiones R, y Ren las que el algoritimo 4.4 pueda aplicarse, Dtilice w= am = 6 tanta en Ry como Ry 11. Una [dmina plans es una hoja delgada de masa uniformemente distribuida. Si oes una fancién que describe la densidad de una mina que tiene Ja forma de una regisn R en el plano xy, en- tonces el centro de masa de Ja. Kimina (, 7) esti definide por [fat Sfet, pda " yda [fvounaa Sfotyyida * Use el algoritmo 4.4 con n = mr = 14 para encontrar el centro de masa de ka Kimina descrita por Ret] 0s2< 0ey= #} con la funcigin de densidad er (x, e+. Com pare la aproximacién con el resultado exacto. 12, Repitael ejercicio 11 empteando el algoritmo 45.coa n= m = 13, El irea de La superficie descrita por = fxr, ») para (x, yi en R esti dada por | Vig iP + UG vP + Vd A. Use el algoritmo 4.4 conn 8 para obtener una aproximacién al drca de la superficie on el homisferio. x? + y* + 2 0 que se encuentra arriba de la region cn ¢! plano descrito prk= {iy [OSeSL05y 51). 14. Repita el efercicio 13 aplicando ahora el algoritmo 4.5 con» = a = 4. 15, Use el algoritme 4.6 con n = a = 2 para aproximar lus siguicntes integrales triples, y después ‘compare fos resultados con los valores exactos, aff Pe * de dy ae b [fl [oreaarae © [f(y edeavae a [ELC eae efEly 16. Repita el ejercicio 15 wsanda n= m= p = 3 = ate dy dx f£ [ £ et dedy de 17. Repitael ejercicio LS usando n =m =p =4y nen =p <5,4.9 Integrales impropios 241 1B, Use el algoritmo 4,6 con m= mm = p= 4 para aproximar [ff sacra donde 5 ¢5.¢1 sélido seotado por los planos coondensdos y por los plans x= 9, y= m/2, 2 = ‘nf3, Compare esta apreximackén eon el resultado exacto, 19. Use el algoritmo 4.6 con n = = 5 para aproximar [[[ vaca 5 donde 8 ¢8 la sepidn del primer octante acotada por el cilindra. x? + 9° = 4, lnesfera sx? + 92 + 2 = 4, yel plano s+ y += 8, ¢Cuintas evaluaciones de fa fancia se requieren en Ta. apro- ximacign? 4.9 Integrales impropias Las integrales impropias s¢ producen cuando el concepto de imegracién se extiende a un intervalo de integraciGn donde la funciGn no esté acotada, 0 a un interval con uno o mas extremios infinitos. En ambos casts, es preciso modificar las reglas normales de la apeoxi- macisa de Ia integral. Primero consideraremos la situacién en que el integrando no éstd acotado en el extremo izquierdo del imervalo de la integracién, como se observa en la figura 4.23, Después mas- traremos que, con un manejo adecuado, podemos reducir las otras integrals apropiadas a problemas de este tipo. Figura 4.23 En célculo se demuestra que la integral impropia con una singularidad en el extremo izquierdo, f de (x= ay242 CAPITULO & © Diferenciocién ¢ integracién numdrices converge si y s6lo si 0< p< 1, y en este caso definimos f dx bai , (x-ar op Si,fes una fanciin que puede escribirse en la forma ate) (e-ar" donde 0 < p< Ly ges continua en (a, 6), entonces la integral impeopia [seo ar también existe. Aproximaremos esta integral por medio de la regla compuesta de Simpson Sig © C\{a, 5} podremos construir el cuarto polinomio de Taylor P,(r), para g alrededor dea, fix) = a Pax) = gay + glans ~ ay + £8% Gx—ap + LO Gay + ce on 2 y escribir - * PAG) ph Py [roras ere [ Goa (4.45) ‘Como P(x) es un potinomio, podemos determinar exactamente el valor de pte _ Pfs) => ao eat a= & ga) |, La convertimos en una integral con singularidad de extremo izquierdo en cero al realizar la sustitucién de integracién Por tarito,4.9 Integrates impropoas 245 De modo similar, el cambio de variable r= x"! convierte la integral impropia [~ Jf (x) de en otra que tiene una singularidad de extremo izquierdo en cero: [Ko ae= [overt a (4.48) Podemos aproximazta utilizando la formula de la cuadratura del tipo que se describid en Paginas anteriores. EJEMPLO 2 Para aproximar el valor de la integral impropia t= [rset ae x hacemos el cambio de variable ¢= 3~? para obtener 1 in i f sen f dt, El cuarto polinomio de Taylor, P,(1), para sen ¢ alrededor de 0 es Pane 6 asi a ehip sengrat ye de modo que 0<1= 1 Gi = 0. sir=O0 esti en C4[0, L], y tenemos sent—r+ ie — at r= fee Liow ef 1 r (a5. +f SS 6 We [2e — dan 3 2 1 sonst LF ii 61904761 + dt. ‘Al aplicar Ia cegla compuesta de Simpson con n= 16 a los enteros restantes, obtenemos 1 = 0.0014890007 + 0.61904761 = 0.62053661, ‘con una exactitud de 4.0 x 10-*, . CONJUNTO DE EJERCICIOS 4.9 1. Aplique ta regla compuesta de Simpsoa y los valores dados de a para aproximar las siguientes imiegrales impropias:246 CAPETULO 4 © Biferenciocién & integracion numénicas ‘u = as a f ood, n= 4 was ef Bie m8 ar 6 2. Use la regia compuesia de Simpson y los valores dados de m para aproximar las sigwientes in- tegrales Imprapias toe despads la regia compuesta de Simpson y los valores da- dos de wv para aproximar las siguientes integrales impropias: a fsipm nna b foi es a4 ef Sa, ne a fx tsened, n= 6 4. La integral impropia fy (2) dr no puede convertinse en tn integral coo limites fiitos por me~ dic de la sustimcién += Lér porque el limite ea cero. se voelve infinite, El problema se resuel- ‘ve cacribiendo primero [5 f(x) de = fy, f(a) ax + J" ft) dx. Aplique este método para apro- ‘ximar las siguientes integrales impropias con una exactitud de 10°, - Caam a , Suponga que un cuerpo de masa so se desplaza verticalmente hacia arriba eomenzando-en la su- perficie de ta Tierra. Si peescindiios de toda la resistencia meno la gravedad, la. velocidad de escape vestd dada por ws 2gk [ec R = 3060 mi es el radio de fa Tierra y g = 0.080609 mils? es la fuerza dle gravedad en la super- ficie de la Tierra, Aproxime la velocidad de escape 6 Los polinomios de Lagueere (Ly (1, £, Url... } Forman un conjunto artogemal en (0, =} y satisfacen [> (x) LCs) atx = 0, para i # j, Véuse ta seceién &, 2.) E] polinomio L,,(x) tiene sn cer0s distintos xj, 45.14%, €0 (D. 20). Sea Muestre que fa férula de cuadratura [rime e =F efx tiene grado de precisin 2n - 1, (Superencia’ Siga los pasos de la demostracién del teorema any4.10 Resefa de métodos y software 247 7, Los polimomios de Laguerre fy (x) = 1.2) (2) = I= 1,0) 9x2 = 18 + 6 fueron obtenidos en el ejercicio 11 de la sec jercicio 6, estos polinomios son tales para aproximar integrates de la forrma [erin dr=o. a, Deduzca la fférmuta de cuadratura usando n = 2 y los cerns de L(x) by Deduzea la férmola de cuadratura usando n = 3 y los ceras de E(x). 8. Use las féirmulas de cuadratura obicnidas en el ejercicio 7 para aproximar la integral [Viera 9, Use las térmalas de cuadratura obtenidas en el ejercicio 7 para aproxima la integral 4.10 Resefia de métodos y software En este capitulo estudiamos Ia aproximacidin de integrales de funciones de una, dos @ tres variables y la aproximacién de las derivadas de wna funcién con una sola variable real. Explicamos las reglas del punto medio, del trapecio y de Simpson para deseribir los métodos y el andlisis del error de los métodos de cuadratura, La regla compuesta de Simp- ‘son es facil de usar y da aproximaciones exactas, a menos que la funcidn ascile en un sub- intervalo del intervalo o de integracidn, La cuadratura adaptativa se puede aplicar si se sospecha que la funcién presenta un compartamiente oscilatorie. Usamos la cuadratura ‘gaussiana para reducir en lo posible el nimero de nodos y para aumentar el grado de pre- ccisién. Estudiamos la imtegracién de Rombeng para aprovechar la regla y la extrapolaciGn -compuesta del trapecio, de fécil aplicacién. La mayor parte de los programas de computacién que sirven para integrar una funcidn ‘de una sola variable real, se basan en el método adaptativo o en formulas gaussianas extre- madamente exactas. La integracién cautelosa de Romberg es un método adaptative que ineluye una verificacién para asegurarse de que el integrando tiene un comportamicnto uni- forme en los subintervalos del intervalo de Ia inlegracién, Este método se usa con gran Exito -en las bibliotecas de programas. Por lo general, las imtegrales miltiples se aproximan ampliando buenos métodos adaptativos x dimensiones superiores. También recomendamos la cuadratura de tipo gaussiano para disminuir la cantidad de evaluaciones de las funciones Las principales rutinas de las bibliotecas IMSL y NAG se basan en QUADPACK? un paquete para integracién aulomdtica de R. Piessens, E. de Doncker-Kapenga, C. W. ‘Uberhuber, y D. K. Kahaner publicada por Springer-Verlag en 1983 [PDUK]. Las rutinas también estin disponibles como programas de dominio piblico en hitpiwww.netliborg- /quadpack. La biblioteca IMSL contiene la funcién QDAG, que ex un esquema de integracién adaptativa que se basa en la regla de 21 puntos de Gaussian-Kronrod y que utiliza una re- gla gaussiana de 10 puntos en la estimaciGn del error. La regla gaussiana usa los diez pun- tos, ..., Xyp¥ los pesos w;,.... wig para producir la férmula de cuadratura > '°, w; fcr) con que se aproxima J? f(x) dr. Los puntos adicionales x), ..., t,). y los pesos nucvos Wj, «e+» By. Se emplean posteriormente en la formula de Kronrod 5 y f.c,). Para elimina el error, se comparan los resultados de ambas formulas. La ventaja de utilizar x)... 4p en cada férmula consisie en que f ha de evaluarse s6lo en 21 puntos. Si apli amos Las re248 CAPITULO 4 # Diferenciacidn & integracién numeéricas glas gaussianas independientes de 10 y 21 puntos, se necesitarian 31 evaluaciones de fun- ciones, Este procedimiento admite singularidades de los extremos en e! integrando, ‘Otras subrutinas de IMSL son QDAGS que permiten singularidades en los extremos; QDAGP que permite singularidades especificadas por el usuario; QDAGI, que permi intervalos infinites de integracién y QDNG, que es un. procedimiente no adaptative para funciones uniformes, La subrutina TWODQ usa las reglas de Gauss-Kronrod para integrar una funeiée de das variables. También existe una subrutina QAND para usar la cusdratu- 72 gaussiana ¢ imtegrar una funcidn de n variables en n intervalos de la forma (1, bj) La biblioteca NAG incluye las subrutinas DOLAJE con las que se calcula la integral de f en el intervalo (a, 2] aplicando un métndo adaptative que se basa en la cuadratara gaussiana y que utiliza la regla de 10 puntos de Gauss y la regla de 21 puntos de Kronrod. La subrutina DO1AHPF sirve para aproximar f° f(r) dt con una familia de formulas de ti- po gaussiano que se. basan en 1, 3, 5, 7, 15, 31, 63, 127 y 255 nodos. Estas reglas interre- lacionadas de alta precision se deben a Patterson [Pat] y se emplean en forma adapiativa. La subrutins DOIGBF se utiliza con integrates multiples y DOLGAF aproxima wna integral cuando s6lo se dan puntos de datos y no la funcidn f. NAG contiene muchas otras subru- tinas para aproximar integrales. La Hamada a la funcién de Maple ea. .B); calcula la integral definida J f(x) dr. El método namérico que utiliza Maple usa rutinas que maneja la singularidad y luego la cuadratura de Clenshaw-Curtis, que se describe en. {CC}. Si este falla, debido a la presencia de singularidades dentro: 0: cerca del intervalo, entonces se aplica un método de cuadratura adaptativo con exponencial doble, La frmala adaptativa de Newton-Cotes se puede aplicar especificando la opcién _WCrule en la Hamada a funcidn de Mapic, oint (£,x-a..b,digits, NCrule); £) método trata de alcanzar una tolerancia de error relativa de 0.5 x 10/8), donde Di gits es la variable de Maple que especifica la cantidad de digitos de redendeo que Maple -empica en el célculo numérico, El valor esténdar de Digits es 10, pero podemos transfor- mario en cualquier entero positive n mediante el comando Digits:=n; El comando QUAD de MATLAB aproxima Ia integral definida J f (2) dr usando una regla adaptativa, de Simpson y QUADS aproxina 1a integral definida usando una regla adaptativa de Newton-Cotes de ocho espacios, Aunque Ja diferenciacién numérica es inesiable, se requieren las férmulas de aproxi macién d¢ las derivadas para resolver las ecuaciones diferenciales. La biblioteca NAG con- tiene la subrutina DO4AAF para la diferenciacién numgrica de una funcida de una variable real que permite diferenciar hasta la derivada. La funcién DERTV de IMSL emplea un cam- bio adaptativo-en el tamaio del paso de las ncias finitas para aproximar una derivada fen x con una tolerancia determinada, IMSI. incluye, ademés, a subrutina QDDER con que se calculan las derivadas de una funci6n definida en un conjunto de puntos usando la inter~ polacién cuadrética, Ambos paquetes permiten diferencias e integran los trazadores ciihicos interpolanes que se construyen con las subrutinas mencionadas en la secci6n 3.4, Al lector que desce muyor informacién sobre la integracién numérica, le necomenda- ms los libros de Engels (E] y de Davis y Rabinowitz [DR]. Y para mayor informacién so- bre la cuadratura giussiana puede consultar a Stroud y Secrest (StS). Entre los libros que: tratan de las integrales miiltiples se encuentran los de Stroud [Stra] y el libro reciente de. Sloan y Joe [SI]CAPITULO 5 249 Problemas de valor inicial para ecuaciones diferenciales ordinarias Cu algunas suposiciones simplificadioras, podemos describir el movimiento de un péndulo por medio de la ecuacién diferencial de segundo orden re Gat Eseno=0, * ¥. jtucl de! péndulo, ¢ ~ 32.17 pies/s es la constante a Tierra y es el singulo que forma el péndulo en ‘de equilibrio, Si ademas especificamos la posi- omento dé Iniciar el movimiento O(f,) = 0, ¥ ’, tendremas lo que se cono- ce con el nombre de problema de valor inicial,250 CAPITULO 5 © Problemas de vator inicial para ecuaciones diferenciales ordinarias Para simplificar este problema a una lineal de valor inicial, para valores pequefios de i, podemos emplear la aproximacién @ = sen 0 oO hee = ate? Xt = Oy HID % Podemos resolver este problema por medio de un meétodo estiindar de ecuaciones diferenciales, Para valores mayores de @, hay que uti- lizar métodos de aproximaciin. En el ejercicto 6 de la seccién 5.9, se incluye un problema de este tipo, En cualquier libro sobre ecwaciones diferenciales encontrar explicaciones amplias acerca de Varios métados para obtener explicitamente saluciones a los problemas de valor de primer orden, Pero, en Ia prictica, pocos de los problemas que se presentan en studio de los fenmenas fisicos pucden resolverse con cxactitud. En Ia primera parte del capitulo estudiaremos cémo aproximar la solucién y(t) a un problema de la forma Y — hy sis a Shy Pama = 1b, sujeto a la condicién inicial y(a) = ‘Mas adelante en el capitulo, trataremos de la extensidn de estas métodos a un sistema de ecuaciones diferenciales de primer orden de la forma See heey he a fh Bory dt pari a r= b, sujeto a las condiciones iniciales y@= a, yla)=a, ,..., ya) =a, y la relacién de un sistema de este tipo con el problema general de valor inicial de n-ési- mo orden de la forma A YK ccs Ym para a = += 6, sujeto a las condiciones iniciales yia)=a, y(a)= y! (a) = a,5.1 Teoria elemental de tos problemas de valor iniciol 251 5.1 Teorfa elemental de los problemas de valor inicial Definicién 5.1 EJEMPLO 1 Definicién 5.2 Las ecuaciones diferenciales sirven para madelar problemas de ciencias ¢ ingenierfa que requieren cf cambio de una variable respecto a otra, En la mayor parte de ellos hay que re- solver un problema de valor inicial, es decir, resolver una ecuacién diferencial que sal fuce una condicién inicial dada. En la generalidad de las situaciones de ta vida real, la ecuncién diferencial que modle- la el problema resulta demasiado complicada para resolverla con exactitud, par lo que se recurre a dos procedimientos para aproximar la solucién. El primero consiste en simplifi- car la ecuaciin diferencial de modo que podamos resolverta exactamente y utilizar des: pués la soluci6n de ti ecuacin simplificada para aproximar la solucién de la. ecuacién ori- ginal. El segundo, que examinaremos en este capitulo, se vale de métodos para aproximar la solucién del problema original. Este procedimiento ¢s ¢l que se emplea por lo regular, pues los métodos de aproximacién dan resultados mas exactos y una informacién realista sobre el error. Los métodios que veremos en este capitulo no producen wna aproximaciéa continua a Ja solucisin del problema de valor inicial. Por el contraria, se obtienen las aproximiaciones en algunos puntos especiticos y, a menudo, igualmente espaciados. Si se requieren valores imermedios, se utiliza un método de interpolacién, que generalmente es el de Hermite. Antes de estudiar los métodos para aproximar los problemas de valor inicial, nece tamos algunas definiciones y resultados de la tearia de las ecuaciones diferenciales ond narias. Los peoblemas de valor inicial que planteamos al observar los feaémenos fisicos sélo suelen aproximar Ja siuacién general, por Jo cual necesitamos saber si carubios pe~ quefios en el emmeindo del peablema introducen cambios igualmente pequefios en la s0- lucién. Esto también es importante por la aparicién del error de redondeo cuando se recu. me a métados numéricns. Se dice que una funcidin fit, y) satisface una eondicién Lipsehitz en la variable y en un conjumto D © R* si existe una constante L > 0 con La propiedad de que lfa.y) =f. ypl si ly, yy siempre que-(/, 9}, (f, 93) © 2. A la constante 1 se le Tama constante de Lipschitz para fa SiD={(.y) |Isr52,-3< tas (t, y)) y 4 93) en D tenemos 1 y Flr, 9) = ely} entonces para cada par de pun- I= ld lly! Por tanto, f satisface una condicién de Lipschitz en D en la variable y con la constante 2 de Lipschitz. En este problema el valor nuis pequefio de la constante de Lipschitz que se puede obtener es L = 2, asf que, por ejemplo, ly, 1) = f2.0)1 = 12-0] =214-01 . lea. 99 — te yal = Lely, f= Aly, —yyl Se dice que un conjunto DC Res comvero, si siempre que (ty. ¥4) ¥ (ly. py} pertenecen & D, eh punto (Ay, + Ag (1 — Ady, +Ay,) también pertenece a D para cada Aen [0, 1] . En términos geométricos, ta definicién 5.2 establece que um conjunto es convexo 4 condiciGn de que, siempre que dos puntos pertenezean a él, el segmento de-recta entero en-252 Figura 5.1 Teorema 5.3 Teorema 5.4 EJEMPLO 2 CAPITULO 5 © Problemas de valor initial para ecuaciones diferenciales andinanas tre los puntos también pertenezca al conjunte (véase Fig. 5.1). Los conjuntos que conside- raremos en este capftulo normalmente son de la forma D = {(i, y)la 312 b,- © Ocon |e, = 1, para toda (1, ») © D (5.1) -cntonces f satisface una condicién de Lipschitz en Den la varinble y con la constante 1 de Lipschitz, . En el ejercicio 4 se da la demostracién del teorema 5.3; se parece a la demostracién del resultado correspondiente de las funciones de ona variable que explicamos cn el ejer cielo. 25 de Ia seceidn (Como veremos en el siguiente teorema, a menudo es muy importante determinar si la funcién que interviene en un problema de valor inicial satisface la condicidn de Lipschitz ‘en su segunda variable, y casi siempre es mas fécil aplicar la condicién (5.1) que la defi~ nicion. No obstante, convient aclarar que <1 teorema 5.3 sdlo da condiciones suficientes para que una condicién de Lipschitz sea valida; un reandlisis del ejemplo 1 demostrard que dichas condiciones no san necesarias en absolute. Asi, la funcién del cjemplo. | satisface una condicién de Lipschitz, pero la derivada respecto de y ni siquiera existe cuando y = 0. El siguicnte teorema cs wna version del tcorema fundamental de existencia y unicidad de las ecuaciones diferenciales ordinarias de primer grado, Aunque pademos demostrarto reduciendo un poco la hipétesis, esta versién es suficiente para este capitulo. (La demos tracién del teorema, mis o menos en esta forma, se da en (BIR, pp. 142-155].) Supongamos que D = ((t, yla SF b, = 0, existe una constante positiva ke) con la propiedad de que siempre que | 2,| <2 y S(4) es continua con | &(4)| <2 en [a,b], existe una so- lucién tinics, z(¢), al problema, Fasc. + an a=tsb, wae at % (5.3) con [eit — OH] < heads, para toda a Ss b. . AL problema especificada por la ecuscién (5.3) s¢ te llama problema perturbado asociado al problema original (5.2), y supone la posibilidad de que haya un error &(?) en la formulacién de la ecuacién diferencial y también que la condicién inicial comenga un er70F &y254 Teorema 5.6 EJEMPLO 3 CAPITULO 5 © Problemas de valor inicial para ecuaciones diferenciales ordinarias Los métedos numéricos siempre se ocuparin de resolver un problema perturbado, porque cualquier error de redondeo introducida en la representacién aliera el problema ori- ginal. Y si este tltimo no esté bien planteado, existen pocas razones pars suponer que la solucién numérica de un problema de este tipo se aproxima con exactited a la solucién del problema original, En el teorema siguiente se especifican las condiciones que garantizan el buen plamtea- miento de un problema de valor inicial. La demostracién del teorema se incluye en [BiR, pp. 142-147]. Suponga que D = (1, y)las toby = 0. . Podemos usar Maple para resolver muchos problemas de valor inicial. Consideremos el problema ay di Para definir la ecuacién diferencial, introducimos -F+1, 051952, WO)=O0:5. dea: =Diy) (eh=wit)- bt tls5.1 Teoria elemental de los problems de valor inci 255 y la condicién inicial Pinit:=y(0}=0.5: Los nombres deq ¢ init lls elige el usuario, El comands para resalver el valor inicial es >dea dsalve [idea La respuesta ex MOS TR eB deqsol Para usar la solucién y obtener }(1.5), introducimos vale ideasol } SQ) be ‘con el resultado 4.009155465, La funcién sirve para asignar la solucién del problema de valor inicial a la fun- cién g, que después evaluamos en f = 1.5. La funcién dso ve puede fallar, si no se ob- tiene una soluciéa explicita al problema de valor inicial. Por ejemplo, el comando. pdequol2: = lve ( {D4 yO) SObytryis no tiene éxito porque no es posible encontrar una solucién explicita, En este caso hay que usar un métode numénco, CONJUNTO DE EJERCICIOS 5.1 1. Use el teorema 5.4 para demostrar que los siguientes problemas de valor inicial tienen una so- lucia dnica, y encuenire dicha salucida. ay =yoor, OSIS1, yO) b y= 25480, lsrs2 Meo ~Fy 488 1 v= Vie ae y lee 0 MO) 2. Para cada eleceisin de /(t, yt dada en fa parte (a)-(ey: (0) {Satisface fona condicidin de Lipschitz en D = ((1, 9 [05 £5 1, —e

V257M. cuando "(hy > Oy Eh) es creciente. El valor mfnimo de E(h) ocurre cuando, (S.14) Cuando reducimos h més alld de este valor, el crror de la aproximacién tiende a incremen- tarse. No obstante, normalmente el valor de 8 es lo bastante pequeiio para que esta cota ms baja de h no influya en la operacién del método de Euler. CONJUNTO DEEJERCICIOS 5.2 1. Aplique el método de Euler pare aproxin as soluciones de los siguientes problemas de valor inicial mye, OS0=1, y(OV=0, conk=05 byte 2 aol 5 asi que el error local de truncamicnto en el métoda de Euler es (Hi). Una manera de seleccionar los métodos de la ecuaciGn de diferencias para resalver ecuaciones diferenciales ordinarias, es hacerlo de manera que sus. errores locales de trun- camienta sean O() con el valor de p nuis grande posible, sin que el mémera y la comple- jidad de los eatcalos de los métodos rebasen una cota razonable. Obtenemos el método de Euler aplicundo el teorema de Taylor con m= |, para apro- ximar la solucidn de la ecuacién diferencial; por ello, nuestro primer intentn de encontrar métodos que mejoren las propiedades de convergencia de los métodes de diferencia con- siste en ampliar esta técnica de derivacidn para valores mayores de 1 Supongamos que la salucisin y(¢} del problema de valor inicial efinvy, as1sbh yxa)sa, tiene (a + 1) derivadas continuas. Si se desarrolla la solucién y(¢) en funcisn del polinomio-de Taylor alrededor de 1, y calculamos en ¢,, , obtendremos ket eet + = yng) + ——— HE), 515) ime iyl ni yy ». ' sucesiva de la solucién y() nos da Yuh = fle 1), ve) = FU AM, y.en general, yg = Da, we), Al sustituir estos resultados en la ecuacién (5.15), obtencmos Mg) = EY + AF EDD * PE ED + 15.16) pool 8 + po ty AEM yy FN MEDD El métode de la ecuacién de diferencias correspondiente a la ecuacién (5.16) recibe el nombre de método de Taylor de orden n y se obtiene suprimiendo el término residual que contiene &, Método de Taylor de orden n: uj, = a, Uy = uy FAT OMG, wi) paracada i= O.1,.., (s.17)268 CAPLTULO 5 © Prablemas de valor inicial pare ecuaciones diferenciales ordinorias donde h el TOE, wi) = fut, wy) + ght Ce ay foe uy). Nétese que el método de Euler es el métoda de Taylor de orden uno, EJEMPLO 1 Pura aplicar el método de Taylor de Grdenes dos y cuatro al problema de valor inicisl Yoy A+ O=fs2 MO=05 que estudiamos en las secciones anteriores, debemos encontrar las tres primeras derivadas de fit, (O) = Ct) — B+ 1 respecto a la variable F Fu, voy fo-Pep= a Noe Set 1-29=y Foe Fee I “ sty Pe yO = Fe jones h ae Lt Fay 8- +d h T(t, wy) = fet, wy) + 2 Pt, w) a (1+ Sc 41) =k =. z) (nee Dy “) - we Ban TO, a) =f, wD > AG mt EP MD + ae Fy HD w A =u it ty ey tte yay ke + (wy - 8-2-1 ans ) 1 k cs i ° 1 bh by ha =(ie ee eZ) -m-ae te = ( ste za) M-a+ 5+ dw A he ie 4i4¢--—-= 26 4 En consecuencia, los métodos de-Taylor de érdenes dos y cuatro son = 05, a pear tal(te Seq - 28+ 0—mTabla 5.3 5.3. Métodos de Taylor de onden superior 269 para cada i= 0,1,....N~ 1. Sik = 0.2, entonces N= 10y 4, = 0.2i parai = 1,2, ..., 10. Por tanto, el método de segundo orden se convierte en ty = 05, yyy x; +02{(1 + 1, — 0.08 + 1) — ooai] = 122m, — 0.0088 — 0.008; + 0.22, y el método de cuarto onien se convierte en 02 0.04 0,003, = + aal(s tyra oor | a, - 0.082) 0.08 02 004 0.008 12 2 6 4 = 1.2214w, — 0.008856 — 0.008561 + 0.2186, + joo t+ para cada i= 0, 1,..., % La bla 5.3 contiene los valores reales de la soluci6n y(t} = (+ 1) — O.5e', los re~ sullados obtenidos con los métodos de Taylor de orden dos y cnutro y los errores reakes & que dan origen esas métodos. Valores Métodos: de Métodos de RACTOS ‘Taylor de orden 2 ‘Taylor de orden 4 ‘Error 4 xi) it wy Lay — wy 0.0 0.5000000 0.500000, o 05000000, 0 2. O.8292986 08300000 0,0007014 0.8293000 0,00000 14 o4 12140877 12158000 (0.0017123 12140910 00000034 0.6 16489406 16320760 0:0031354 1.489468 .0000062 0.8 (21272295 21523347 0.0051032 ‘21272396 0000101 10 26408591 26486459 LOOT 786 DHs08 TA C0000 153. 12 31799415 S190 0.01 14065: 3.179980 0,0000225 14 (3.7324000 37486446 0.0162446 ‘3.7324321 00000321 16 4.2834838 43061464 00226626 42835285 0.00047 18 48151763 4.8462986, 0.03 | 1223 48152377 00000615 20 53054720 S.3476R43 .0822123 53055584 -0,0000834270 Tabla 5.4 Teorema 5.12 CAPITULO 5 © Problemes de valor inicial para ecvaciones diferanciates ordinaries Supéngase que debemos encontrar una aproximaci6n # on punto intermedia de la. ta- bla, por ¢jemplo en ¢ = 1.25. Si empleamos la interpolacién lineal en las aproximaciones mediante el métoda de Taylor de orden cuatro ens = 1.2 y ent = 1.4, tenemos 13 ) 81799680 + ( 12-14 re 25y=( | s732a3a1 = 33180810. 4-12 Puesto que y(1.25) = 3.3173285, esta aproximacién tiene un error de 0.0007525, cifra que e casi 30 veces e] promedio de los errores de aproximacién en 1.2 yen FA. Si queremos mejorar la aproximacién a y(1.25), podemos usar la interpolacién ci cade Hermite, Para ello se requieren aproximaciones a y"(1.2) y y'(1.4) y también aproxi- maciones a y(1.2) y y(1.4), Pero las aproximaciones de la derivada estin disponibles de la ecuacidn diferencial, porque y’(¢) = Jt, v (0). En nuestro ejemplo, ello significa que y(t) MO) — 2+ 1, de modo que ¥C.2) = W1.2 = (1.27 + 1 = 3.1799640 — 144 + 1 = 2.739960 VUL4) = ytl4) = (4)? + 1 = 3.7324327 — 1.96 + 1 = 2.724321. Los resultados que se muestran en la tabla 5.4 fueron obtenides con el procedimiento: de las diferencias divididas de la seccidn 3.3. Las entradas subrayadas provienen de los datos, las entradas restantes son resultado del uso de las fOrmulas del procedimiento de las diferencias divididas, 2 31799640 22398640 12 3.799640 ODN B25 2.762405 —0.3071225 ia 3.732432 ooso4s8o 27ss2h La 3.732432) El polinomio ctibico de Hermite es Mel 3.1799640 + fr ~ 1.2)2.7399640 + (r ~ 1.2)°0.11 18825 har = 1.4(0.3071225), ¥; por tanto, y€1.25) = 3.1799640 + 0,1369982 + 0.0002797 + 0,0001152 3.3173571, resultado que tiene una exactitud de 0.000286, Esto es mas o:menos ¢! promedio del error en 1.2y en 1.4, que esti cerca de 4% del error obtenido cuando se usa la interpolacién li- neal, . Si se utiliza el método de Taylor de onden » para aproximar la soluci6n de YO= SOO, asesh, yal con tamafio de paso by sty € C**! [a, 6), entonces el error local de truncamiento es Oh"), .5.3 Métodos de Taylor de arden superior 271 Demostracién Note que |a ecuacién 5.16 puede rescribirse como we fo(&, ED, ee Witty 9) — Lp 9) 0 para alguna £, en (i, f,,,)- Asi que el error local de truncamiento es 5 wT i” (iy = 2H _ pees, vp ach h Oe ee DN para cada i =, 1,..6. N~ L.Siy € Ca, bh, ello significa que y"*hKn =f", MO} esti acotado en [a, b] y que 7, N. = O6h") para cada i= 1, 2, CONJUNTO DEEJERCICIOS. 5.3 Aplique el método de Taylor dle orden sos para aproximar las soluciones en los siguientes pro blemus de valor inicial aya, O=rs 110) = 0, con A= 05 byai+a-y 25153 y2)=oonh= OS e¥=l+yy 1s1s2, y(ly=2conh=025 dy coste+sen3, 0S1= 1, 2. Repitael ejerciclo 1 usando el métade de Tayloe de orden cuatro. Aplique el método de Taylor de Gndenes dos y cwate3 para aproximar Ia solucisn de los siguien- tes problemas de valor inicial 0,.con n= 0S 2,con k= 05 Lcon a= 0.25 Jen dos con ht © 1 para apeoximar la +tseny, 05152, 0) 5. Dado el problema de valor inicial — y+ Pet t xD =0, con a solucién exacta {= He" — ‘a. Aplique el méiode de Taylor de orden dos con ht = 0.1 para aproximar la solucidin y com ‘area con los valoges reales de y 1b, Use las respuestas obtenidas en el inciso (a) y la interpo siguientes valores y compéirelos con los valores reales de iL y(.04y HLS icy in lineal para aproximar y en los272 CAPITULO 5 © Problemas de valu fniciat para ecuociones diferencioles ontinarias +c. Apligue el método de Taylor de orden cuatro con Ji = 0.1 para aproximar la solucigin y com ircla con Jos valores reales de y. id. Use las respoestas obtenidas en el inctso (¢) y ia interpolacién cuibica fragmentaria de Her- nite para oproximnar yen bos siguientes valores y compérekas cod los valores reales de iL wLow ii, y(lssy i, 1.97) 6, Dado cl problema de walor inicial _ toy si oon la solveida exacta 0 = — Ir a. Aplique el méiodo de Taylor de orden dos con h = 0.05 para apcaximar Ia solucisn y com- pBirela con Ins valores reales de y, ‘b Use las respuestas obteridas en el incise (a) y la interpolacisn lineal para aproximar los si guientes valores de y. ¥ después compérelas can los valores reales 052) we 1.585) (1.978) ‘& Apligue el método de Taylor de orden cuatro con k= (105 para aproximsar la solucién y ccompsirela con los valores reales de y 4, Use las respuestas generadias en el inciso (} y la intespotacién ctibiea de Hermite para apro~ Ximar los siguientes valores de y, y comipirelos con 10s valores reales 1 yios2) Wyss) ii (1.975) 7. Un proyectil de masa m © 0.11 kg que es lanzado verticalmente hacia arriba con una velocidad inicial 1{0) = 8 m/s, disminuye sa velocidad por efecto de Ia fuerza de gravedad F, = por la resistencia del aire F, = kv|w|, donde g = 9.8 mis? y k = 0.002 kg/m, Lace ferencial de ta velocidad v esti dada por mmol = ng — kul a Calcule In velocidad después de'0.1,0.2,..., 1.08 4h, Deicrmine, con una precisiGn de décimas de segundo, cusnso alcanzaré el proyectil su altu- ra méxima y cudindo empezara a caer 5.4 Métodos de Runge-Kutta Teorema 5,13 Los métodos de Taylor que vimos en la seccidn anterior tienen un error local de trunca- micnto de orden alto, pero poscen fa desventaja de requerir el célculo y evaluacién de las derivadas de f(t, y). Este es un procedimienta lento y complicade en la mayor parte de problemas, par fo cual los métodos de Taylor nara vez se emplean en la prictica. ‘Los métodos de Runge-Kutta tienen el error local de truncamiento de orden alto, co- mo los métodos de Taylor, pero permiten prescindir del ediculo y evaluacién de las deri- vadas de fl, y). Antes de exponer las ideas en que se funda su deduccién debemos enun- ciar el teorema de Taylor para dos variables, La demostracidn de este resultado viene en cualquier libro de célculo avanzade (véase, por ejemplo, a (Fu, p. 331). Supéngase que fir, ») y todas sus derivadas parciales de arden menoro igual que n + 1 son continuas en D = ((t, ») |a S45 bc Sy Sd}, y sea (ty Yq) E D. Para toda (9) © B, existen entre ry fy entre ¥ ¥ ¥p Con:5.4 Métodos de Runge-Kutta 273 fit Y= Pylt, vd + Rte donde af af Patt. 9) = Fly Ye) + |= te) Gy Up Fo) +O Yo) G tx Poy ey tg Be Mo dad + UE HMO = 9) Fy Gy M3) Poy fe f tt we SI j je WYO yo Sear gy Me y A [a funcién P(t, y) se le llama -ésimo polinomia de Taylor en dos variables para la funcidn f alrededor de (ip, 9) ¥ R,( ¥) €s el término residual asociado a P(t, »). EJEMPLO 1 En la figura 5.4 se muestra Ja griffica de la funcién @-2P w= 3" 7 fly) = exp z ges rt y= 7 junto con el segundo polinomio de Taylor de f alrededor de (2, 3), es decir, el polinomio ‘en dos variables 9 3 Pye ye qf 2F = Arm By = 3 wo 3F Seria tedioso obtener manualmente Ia diferenciaciGn necesaria para determinar este poli- nomio. Por formna, disponemos de un procedimiento de Maple que Jo bace por nosotres. Primero debemos iniciar el procedimiento det polinamio de Taylor de variables nviltiples introduciendo el comando: Sreadlib (mtayler}; que produce la respuesta proc(}... fin proc El polinomio de Taylor que necesitamos en este ejempio lo obtenemos introduciendo el co- manda smtaylor (exp {= {t-2)"2/4-[y-3) 72/4} eos (2*t+y-7) , [t=2,ye3].3):274 CAPLTULO 5 © Problemas de valor tnicial pare ecuaciones diferenciales. ordinarias E1 dltimo parimetro de este comando indica que queremos el segundo polinomio mul- tivariado de Taylor, es decir, el potinomio cuadritico, Si este parimetzo es 2, obtenemos el polinomia lineal; si es 1, obtenemas el polinomio constante, Cuando se omite este pard- metro, sdquiere el valor por omisién de 6 y nos da el quinto polinomio, La respuesta que se obtiene con este comanda de Maple es el polinomio 9 a 1 FU = BF = 20 2 = 3) = oy ~ 3. . Figura 5.4 Fe.y) = exp [— = 2PM = = SRY coset y= 7 10.94 \ Puanai- dq -28- 20 - ay - 9-40-37 El primer paso al derivar el método de Runge-Kutta, cs determinar los valores de a), a, ¥ B, con la propiedad de que a, f(t + a, y + B,) aproxima h THEY = fle + FLOW con un error no mayor que O(h?), 0 sea el error local de truncamiento del método de Tay- lor de orden dos. Dado que a ay fty= fn, y= Zan + Fun vo y yi) = fly esto implica que req, y) A af A af At yh + 2 wen + 2 oy (ey Fin ye (3.18)5.4 Métodos de Runge-Kutta 275 Aldesarollar f(t + ay, y + B,) en st polinomio de Taylor de grado uno alrededor de (F, y) Se obtiene af a et ay yt A) =a fiw tay, (hx) (S19) +a - Cv tay REF aay + Bye donde ai af ey Bey Rio + ayy + BY 3 qe HT BSE EW +S Gs te wh 45.20) para alguna entre ry 1+ a, y wentre y yy + B, ‘Al igualar los coeficientes de fy sus derivadas en las ecuaciones (5.18) y (5.19), ab- tenemos las tres ecuaciones af A Fy ah Sim aay 55 ¥ of h jy oh By FAMED. En forma nica se determina que los pardmetros a), ¥ B, son a he gab 5 Y Be fem por tanto rae (r+ bak (hy = fhe ay 2 Fey, y-de acuerdo con Ia ecuacién (5.20), 4 a | ey ‘ i a \ Fe Slee ee ee ee Ea += gar gf iP as at Bw Si todas las desivadas parciales de segundo orden de f'estiin acotadas, entonces h ki Rit s.yt Sr) €3 OU), oseu-el orden del error local de truncamicato del método de Taylor de orden dos. En consecuencia, al utilizar el procedimiento nuevo en vez del método de Taylor de orden. dos se poxirfa agregar algtin error; pero ella na aumenta el orden del error. El método de la ecunciGn de diferencia que resulta al sustituir P42, y) por fir + thi2), y+ (h/2)f%t, y)) en el método de Taylor de orden das es un método especifice de Runge- Kutta, conocido con el nombre de metodo de? punto medio.276 CAPLTULO 5 * Probiemas de valor inicial paro ecvociones diferencicles ordinarias Método del punto medio: y= a, we h hi wig EMH Tem Ty tay), para cada i Puesto que sélo tres parimetros se encuentran en a, f(l + a, ¥ + 8.) y los tres se re- quieren en ta igualdad con 7, necesitamas una forma mis compleja para cumplir las con- diciones que requiere cualquiera de los métodos de Taylor de orden superior, La forma mas apropiada de cuatro parimetros con que se apeoxima h THEN =fGaM+ Theat EPen “ Oy fy) + ag fl + ayy + B fly (5.21) y ni siquiera con esto se tiene 1a suficiente flexibilidad para igualar el térmiao ey ar [an resultante de la expansiGn de (#2/6)/"(t,»). En.consecuencia, lo mejor que podemos lograr utilizando (5-21), son méiodes con e] error local de truncamiento O(f*}. No obstanie, el hecho de que: (5.21) tenga cuatro parametros, da cierta flexibitidad cn su cleeciGm para po- der derivar varios métedos O(h"). Uno de los mas importantes es cl metodo madificado de Euler, que correspoade a seleccionar a, = a, = 1 y jy = 8, h y presenta la siguiente forma de ecuacidn de diferencias. Métado modificado de Euler: tty = a, te) + FEI nt + APE, EDD, _ he Hoy = it SLA, paraceda i50,1,2...,N~1 El otrg migtodo importante O(#2) es €l de Hew, que corresponde ad, = body = 2 y ay = 8, = 3h, ¥ que tiene la forma de ecuacién de diferencia siguiente Método de Heun: Wy = Af(t,, w))}, nin +37, + 7h a+ 2 “ 4 + = 1 wey) = + LAG, my) + PG + Th ay + para cedai=0,1,2,.... 4-1 Ambos se clasifican come métodos de Runge-Kutta de orden dos, que es el orden de su error local de truncamiento,EJEMPLO 2 5.4 Métodos de Runge-Kutta 277 Supéngase que aplicamos los métodos de Runge-Kutta de orden dos a nuestro eje plo y -#f+1, OSt52, wO)=05, conN = 10,4 = 0.2, 1, =O.2ry mj, = 0.5 en cada caso. Las ecuaciones de diferencias son Método del punto medio; w),, = 1.2220, — 0.0088i — 0,008i + 0.218; Método modificado de Buler: w),) = 1.220, ~ 0.00887 = 0.0081 + 0.21 Método de Hewn: w},, = 1.220, — 0.00887 — 0,008/ + 0.2173, para cada i= 0, 1,..., 9. Latabla 5.5 cantiene los resultados de esis cdlenlos. Para este problema, ¢s mejor cl método del punto medio, seguide por cf método de Heun. . Tabla 5.5 Método del Método modificado Méode hi) punto medio Error de Euler Error de Heun Error 0.9 9.000000 0.000000 0 ©.soag000 0 @.s000000 0 0.2 08292986 0.828000 0.0012986 0.826000 0.032986 = 0,8273333—0.0019653 O4 2140877 1.211360 0,0027277 1.208920 0.071677 4.2098800 0.004207 05 16480405 1.684689 .00K2RI 1.637244 0118982 1.6421869 —0.0067537 O8 «21272205 .NDEIBA2 = .OOSONSS —7.:1102537 00160935 «2.176014 .0096281 18 2640859) 26331668 O0THDS 2.61 76876 00231715 2.6280070 —.0128521 12 M1704IS 3.170834 = 007] 3.495780 00303627 = 3.1635019 0164396 14 3.732400 3.721184 0112346 = 3,6936862 0.0387138 —«3.7120057 0.020394 1.6 4.2834835 TG218 —G.ONZREZO—«4.2350972. 8.048366 37802 «0247035 1B 48151763 4.800586 G0142177_4.7SS6185 00595577 4.73884820.0293310 20 S.3054720 —5.290380S —.O151025 5.2330 5u6. QOTMI73 —-$.2712645 0342074 Aunque podemos aproximar T°\(¢, v} con el error OUP} mediante una expresidn de la forma f+ ayy + 8 f+ any * BF YD. que cantiene cuairo parimetros, el dlgebra con que se determinan a, 6, a, y d, es com- Plicada y. por lo mismo, no la explicarcmos aqui. De hecho, ¢l métode de Runge-Kutta de orden tres que resulta de esta expresidin generalmente no se emplea. El métodn de Runge- Kutta de mayor uso es ¢l de orden cuatro y, en la forma de la ecuacidn en difercocias, se da porel siguiente método, Método de Runge-Kutta de orden cuatro: 4 =a ky = PC, 10), : oh 1 aly 5 w+ 5h278 ALGORITMO 52 EJEMPLO 3 CAPITULO 5 © Problemas de valor iniciat para ecuaciones diferenciales ordinarias y+ hy) te = + zt + ky + 2k + hh para cada i=, 1,..., N— 1. Este método tiene el error local de truncamienta O(h), siempre que la solucién y(t) tenga cinco derivadas continuas. Se introduce la notaciGn &,, ky ky ky en él para prescindir de las anidaciones sucesivas en la segunda variable de fle, y) (véase el cjercicio 17), En el algoritmo 5.2 se pone en ejecucién el método de Run- ge-Kutla de orden cuatro. Método de Runge-Kutta de orden cuatro Para aproximar la solucin de! problema de valor inicial y=f.y. @=1=b, yay=a, en (N + 1) mimeros uniformemente espaciados en el intervalo [a, b]: ENTRADA cxtremos a, b; entero N, condicién inicial SALIDA aproximacién wa yen los (N + 1} valores de 1. Paso 1 Tome b= (b= af; t=a; wea SALIDA (1, Paso 2 Para i= 1, 2,..., W haga pasos 3-5. Pasa 3 Tome K, = hp(t, uw): Ky = hf(t + 2, w+ K,2); Ky = hf(t + AR, w+ K32); K, = Aft + hw Ky) Pasa 4 Tome w= w+ (K, + 2K, + 2K, + KG, (Calcule wi.) reatih. (Caleule t,) Paso 5 SALIDA (1, Paso 6 PARAR. . Alaplicar el método de Runge-Kutta de orden cuatro para obtener aproximaciones a la s0- lucién del problema de valor inicial P+1, O<152, wO)=-05, con f= 0.2, N= 10 yf, = 0.2/ obtenemos los resultados y los errores que se proporeio- nan en la tabla 5.6. .Tabla 5.6 Tabla 5.7 5.6 Métodas de Runge-Kutta 279 Valores Método de Runge-Kun exactos de onden cust ee) a 00 '0,5000000 0.500000 0 02 0.829286 08292933 8.000053 o4 1.214087 12140762 6.00001 14 06 Leasoa06. 16189720 0,0000186 os 21272398 21272027 8,0000269 Lo 2.640851 2.648227 0,0000364 12 3,1 799415 3,1798942 0,0000874 La 3.732400 3.73201 o.0000599 Lb 42834838 4.284095 0,0000743 18 48151763 48150857 10,.0000906 20 53084720 5,30153630 ‘.000L 08s El mayor esfuerzo de ealculo que se requiere para aplicar los métodos de Runge-Kut- ta 8 Ia evaluacida de f. En los métodas de segundo orden, el error focal de truncamiento es Ot), y el costo es realizar dos evaluaciones funcionales por paso, El método de Run- ge-Kutta de arden cuairo requiere cuatro evaluaciones por paso y el error local de trunca- iento ¢s OA), Butcher (véase un resumen en [But]) establects la relacién entre ta canti- dad de evaluaciones por paso y el orden del error local de truncamiemto que aparece en la tabla 5.7, En ésta se indica por qué los métodos de un orden menor que cinco con un ta maio menor de paso se prefieren a los de orden superior con un lamafio mayor de paso. Evalunciones par paso 3 4 Seas7 82ne9 Sn El mejor erroe focal s : 2 ' detruncamients posible = O77? OC) OU) OU) ou?) OUR) ‘Una medida con que se comparan los métodos de orden menor de Runge-Kutta se dles- cribe: as Como cl método de Runge-Kutta de orden cuatro requiere realizar cuatro evaluacio- nes por paso, deberd dar respurstas mils exactus que Las del método de Euler con un cuarto del tamafio de pase para que sca mejor. De manera andloga, si queremos que el método de Runge-Kutta de orden cuatro sea mejor, deberd ofrecer una mayor preci- sién con el tumaiie de paso A que el método de: segundo orden con el tamaito de paso + A, porque el método de orden cuatro requiere ¢l doble de evaluaciones por paso, En el siguiente ejemplo-se explica La superioridad del método de Runge-Kutta de cuar- to orden segtin esta medida. EJEMPLO 4 Para el problema yoR +l O5152, wOp=05,280 CAPITULO 5 * Problemas de valor inicial parc ecvociones diferenciaies ardinarios EI métoda de Euler con h = 0,025, el método del punto medio can h = 0.05 y el mé- todo de Runge-Kutta de cuarto orden con 4 = 0.1 se comparan en los puntos de la red 0.1, 02, res i 0.3, 0.4 y 0.5. Todos requieren 20 evaluaciones funcionales para determinar los valo~ Juidos en la tabla 5.8 con que se aproxima y(0.5), En este ejemplo, el métudo de cuarto orden resulta evidentemente superior. . Tabla 5.8 Método de Métndo madificade — Método de Runge-Kutta Valores Euler de Buler de cuarto orden exacios = 0.005 f= 0.08 a= Ol 9.500000 05000000 0.300000 0.5000000 0.6574145 0.6554982 0.657 3085 Les74144 02 08292986 = 0.8253385, 0.8290778 0.8292983 03 1,0150706 =——_1.0089334 10147284 LO1sO7O1 04 — |.2140877 ——1.2086345 1.2136079 12140869 OS 14286304 Lala7264 14280141 1A256384 CONJUNTO DEEJERCICIOS 5.4 Aptique el métosio modificado de Euler para aproximar las soluciones de ios siguientes proble. mas de valor inicial y compare después los resultadlos con los valores reales fe —2y, O11, 40) son ft = 0.5; sobucidin veal x(s) = 14 con h = 0.5; soluckin real y(o) = 1+ 2, (1) = 2, com A = 0.25; soluci6n real y(e) = rin ¢ + 2t bey = 1H ee yaltyin Ise dey cos Ze sen 3, OSL 1, OY 2 — Leos 30 + Repita ¢l ejercicio | aplicande of métexdo de Hun Repita el ejercicio 1 aplicando el métode del punto medio. Aplique el métado medificade de Eulet para proximar Las soluciones de los siguientes proble- mas de valor inicial y compare después los resultadas con los valores reales, a swe mF, 15152, yl) = ton k= 0.1; solucisn real yf) = wll + Ime bey 1 yi + Olt tuciém real yf} = ¢ tan (inp. eV = -t #3, S152, WHOIS —2,con f= 0:2; solucién real sop = —3 + Ltt 25133 WD con h = 0.25; solucidn real x1) 1s3, x1) =O, cma = 0. con = 0.4; solucién real 90) = 8+ Osrsh, OSS Use los resultados del ejercicio 4 y Ia interpolaciin tineal para. aproximar los. valores de x(®) y -despugs compare Ios resultados con los valores reales. a. (125) y 91.93) be py x27) c. yCLSy M193) a. O54) y 0.98)5.4 Métados de Runge-Kutta 281 6. Repita el cjercicio 4 aplicando el método de Heun. 7. Repita el ejercicio $ usando los resultadas del ejercicia 6. 8. Repita el ejercicio 4 aplicando el método del punto medio, 9. Repits el ejercicio $ usando los resultados det ejercicio 8 10. Repita el ejercicio | apticandn el métoda de Runge-Kutta de cuartn orden IM. Repita el ejercicio 4 apticando el método de Runge-Kutta de cusrto onden. 12. Use los resultados del ejercicio 11 y Ia interpolacisa chica de Hermite para aproximar los va Sores de y(i} y compare Las aproximaciones con los valores reales. a (1.28) y (1.93) be v2. y 275) 3) y 1.93) a. y(0.54) y 10.94) 13, Dernuestre que el métoda del punta media, el méade modificado de Euler y el método de Heun frecea las mismas sprocimaciones al problema de valor real cxf -ytrth OSes1, KOA para cualquier eleeckin de hi. :Por qué-es asi? 14, Fluye agua de um tanque cOnice invertide provisto de um orifiefo circular, con una vetocidad Cc see V5 VE = -069F Vig —. ai Ald donde 1 es el radio del ovifici, «x e6 la altura del nivel del liquide medido desde ol wdntice del ‘cone y A(a} es el drea de la seccitin transversal del tanque, ax unidades por arriba del orificio. Supunga que += 0-1 pies, g = 32.1 piews?, y que el tanque tiene un nivel inicial de agua de 8 pies y un volumen inicial de $1243) pies* &. Caleule el nivel ded agua después de 10 min com fe = 20 5 by Determine, con una exactitud de 1 min, cusndo se vaciard el tanque. 15, La reacciém quimica irreversible en la cual dos moléculas de dicromato sélida de potasio Cr,0;), dos moléculus de agua (H,0) y tres étamos de azufre sélida (S) se combinan para prodocir tres molécuas de diéxido gaseoso de azufre (SO,), cuatro moléculas de hidréxido s6- lido de potasio (KOH) y dos moléculas de Oxide s6lido ds cromo (Cr,0,), puede represemtarse simbélicamente por la eeweeitin estequiométricw: 2K,Cr,0, + 2H, + 38 +4KOH + 2Cr,0, + 350, Si originaimente se di de S, 1a siguiente exw: ane dem, maléculas de K,Cr,O,, 1, moléculas de H,O y a, mokiculas diferencial describe la cantidad x(1) de KOH después del tiempo r Sole lo Tet constante de velocidad de Ia reaccién. Sit = 6.22 10-,n, = a, = 2% 10¥y jourdtas unidtades de hidrdxido te porasio se formarin desputs de 0.2 »7 16, Demuesine que el métexo de diferencias uy =a, = ay + ay Flt, my) + ag Ue, + ay a + Bf wD), para esda i = 0, 1,..., N= 1, mo puede tener el error local de truncariento OO) para cual- quier cloccidn de lax constantes a), ay. @, y 8,-282 CAPITULO 5 © Problemas de valor iniciol poro ecuaciones diferenciotes ordinarias 17, Bl método de Runge-Kutta de cuanto orden puede escribirse en la forma 4, h 4 tia) Ot GE Me a) + A + Oh, y+ Bhs, a + Sty + cash ay + Baht, + yeh, 1, + yells DD) 4 Eft, + yh y+ Bary + a yh + hw, + Al, WI) ‘Obtenga los valores de las coastantes yy hy Oy By, Bay By Yor Yon Yar Yon YoY Ye 5.5 Control del error y el método de Runge-Kutta-Fehiberg En la seccion 4.6 vimas el uso apropiudo de! tamafto variable de paso para producir méto- dos de aproximacidn de la integral, con la eficiencia requerida en la cantidad de célculos. Por s{ mismo, ello tal vez no serfa suficiente para preferirlas. dada la mayor complejidad de su uso, Pero presentan otra caracteristica que los hace surnamente titiles, En el procedi- miento del tamaio de paso incorporan una estimacién del error de truncamiento que no-re- quiere aproximar las derivadas supetiones de In funcién, A estos métodos se les tama adapiatives, porque adaptan el nimera y Ia posicién de los nados eon que xe efecttin ka aproximacién, para garantizar que él error de truncamiento no rebase la cota expecificada. Entre el problema de aproximar el valor de una integral definida y el aproximar la s0- lucia de un problema de valor inicial existe una estrecha relacién. Asi pues, no debe sor- prendemos que haya métodos adaplativos que aproximan las soluciones de los problemas de valor inicial y que no sélo sean eficientes, sino que aderndis incluyan el control de error. Un método ideal de ta ecuacién de diferencias Wingy te) + Abts tip fig FO Dyas para aproximar la solucién y(1) al problema de valor inicial refi oa ba) deberd tener la propiedkid de que, con una tolerancia ¢ > 0, ka cantidad minima de pyuntos de red servird para asegurarse de que el error global | »(t;) = 3], no rebasard # con cual- quier / = 0, 1,...,.N. No debe sorprendemos que tener una cantidad minima de puntos de red y él control del error global de un método de diferencias, sea incompatible con el e8- Ppaciamiento uniforme de los puntos en los intervalos. En esta seecidn estudiaremos los métodos con que se Controla eficientemente él error de un métode de ecuacién de diferen- cias mediante Ia seleccidn apropinda de los puntos de red. Aunque: no es posible, por la general, determinar el error global de un método, en la seceiin $.10 veremos que existe una estrecha relacién eatre el error local de truncamiento5.5. Control del error y el método de Runge-Kutto-Fehlberg 283 ye métodos de orden distinto podemos predecir el error focal de truncamiento y seleccionar con esta prediccién un tamafio de paso que controle el error global ara ilustrar este métado, suporigamos que tenemos dos métodos de aproximacién. El primero es un método de n-ésime orden obtenida de un método de Taylor de n-simo or- den de ta forma ¥ (oo) = Mad + hobby ¥ Af) h) OUP = 10, + hd, uy A), para i > 0, ,4,(h) = Olle"). En general, el método es generado’al aplicar al métode de Taylor, pero ta derivacisn especifica carece io) método es similar, pero posce un orden mayor, se deriva del método de n(n + 1)-ésimo de la forma Mi) + Ad(t, ¥ (1), A) + OU"), ie) = OF ADC, yh — parai > 0, ‘on un error local de truncamiento (i) = Otée"*) Primero suponeimos que 2; = y(,) =i) y seleccionamos un tamatio de paso fijo h pa clones W).,, ¥ i, @ ¥(;,,)- Entonces ra genera , — di, vi), #) ek = [wy + heb, ew, AY) a ) — wy) De manera similar st 1 10 = FO an) En consecuencia Why) = Flot a 1 1M) + > (a284 CAPETULO 5 © Problemas de valor iniciat para ecuaciones diferenciales ordinarias Pero 7,, (4) es OU) y #,, (A) es OUe'*"), por lo cual la parte significative de 7, (h) de- be provenir de 1 Fst 7 Me Esto nos da una aproximacién calculada facilmente del error local de trucamiento del mé- todo OU"): 1 Frail = 5 Cle ~ aa Sin embargo, el objetivo no es sélo estimar el error local del truncamiento, sina ajus- tar ademds el tamatio de paso para manienerla dentro de una cota especificada. Para bacer- Jo, ahora se supone que coma +,, ,() es OC"), existe un nimera X independiente de ht Th) = Khe. Después podemos estimar el error local de truncamiento producido al aplicar ef método- de n-simo orden con. un nuevo tamaiio de paso gh, usando las aproximaciones originales HY Moet sah ~ eahy = (RI) = gh © ew 1 Meh Para establecer la cota de 1, ,(gh) por , escogemns g tal que ratginl Se ah thal Un método muy wsado que utiliza esta desigualdad para controlar el error es el méto- do de Runge-Kutta-Fehlberg, (Véase [Fe].) Este consiste en emplear ef método de Rusn- ge-Kutta con el error local de trencamiento de quinto orden, ces decir, tal que para estimar el error local en un método de Runge-Kutta de cuarto orden dado por 25 wos, 297, ET fae | 2565 °° 4104 "*ALGoRITMa 5.3 5.5 Control det error y ef método de Runge-Kutta-Fehlberg 285 3h 3 9 k= acl + mt sph t ae . 12h 1932, 7200 = hft+ y+ Sigh — Fig * aor 439, niluthnys 22,8 w= ng(+ 4 u us) Una ventaja de este método consiste en que sélo se requieren seis evaltaciones de f par pa so, Las métodos arbitrarios de Runge-Kutta de cuarto y quimo orden usados de manera conjunta requieren (véase la tabla 5.7 en La seccida 5.4) al menos cuatro evaluaciones de f con el método de cuarto orden y seis mis con el de quinto orden, Io cual nos da wn total de, por lo menos, diez evaluaciones de funciones. En la teoria del control del error, un valor inicial de hen el i-ésimo paso se us6 para obtener los primeros valores de w;.., ¥ ;,.,, que nos permitieron determinar q en ese paso, y luego se repitieron los cdlculos. Este procedimiente requiere el doble de evaluaciones de funciones por paso, sin control de error, En la practica, el valor de q a usar se selecciona de manera un poco diferente, a fin de que valga la pena el aumento de evaluaciones de fun- ciones. El valor de q determinado en el 1-€simo. paso cumple dos propssitos: 1, Para rechazar, de ser necesario, la eleccién inicial de h en el paso /-¢simo y repe- ir los cdlculos por medio de gt, y 2. Para predecir una eleccién adecuada de h para el (i + 1)-€simo paso. Debido a la cuota que debe pagarse en términos de evaluaciones de funciones si se repiten los pasos, g tiende a ser elegida de manera conservadora; de hecho, en el método de Run- ge-Kutta-Feblberg conn = 4, Ia eleccién comin es oh 2a En el algoritmo 5.3 para e! método de Runge-Kutta-Fehlberg, se agrega ef paso 9 pa~ ra suprimir grandes madificaciones al tamaf del paso, Este se hace para ne tener que de dicar mucho tiempo a los tamafios pequefies de paso en las regiones donde hay irtegulari- dades de las derivadas de y, y para evitar los grandes tamaiios de paso, que pueden llevar ‘8 omitir las regiones sensibles entre los pasos. En algunos casos, en el algoritmo se omite totalmente el procedimienta que aumenta el tamafio del paso, y el procedimiento con que se disminuye el tamatio se modifica para que se incorpore s6l cuando es necesario con- twolar el error. Método de Runge-Kutta-Fehiberg Para aproximar la solucidn del problema de valor inicial y= fl Ma) =a, con un error local de truncamiento que no rebase la tolerancia especifica286 CAPITULO 5 © Problemas de valor imicial pare ecuaciones diferenciales ordinarias ENTRADA eaxtremos a, ; condicién inicial e; tolerancia TOL; tamaiio miximo de paso Jundx; tamatio minimo de paso hmin. SALIDA 1, ze, h donde w'aproxima a yir) y se usé el tamafio de paso ha un mensaje de que se rebass cl tamafo minimo de paso. Paso 1 SALIDA (i, Ww. Poso 2 Mientras (BAND = |} haga pasos 3-11. Paso 3 Tome K, = Aft. w): Kye hf thew Ky Kya hit Gh wt Bk, +28): Kye hf 2h w+ SEK, ~ BOK, + BRK): Ka Ase h, w+ SK, — 8K, + Ky = het + thw 2K, + 2K, ~ BAK, + Poso 4 Tome R= Ki -+ 7 1 wea (Nora: R= 7 Lie, — ath) 10 Paso 5 Si R = TOL entonces haga pasos 6 y 7. Paso G Tomer 1 +h; (aproximacién acepiada), Tg MO gy eee ae es} aioe Paso 7 SALIDA (i, « i), Paso 8 Tome & = 0.84(TOL/R). Paso 9 Si 8 = 0.1 entonces tome hk = 0.Lh osi 5 = 4 cntonces tome h = 4h de otro modo tome h = 6h. — (Calcule de nueva h.) Paso 10 Sih > hmvdx entonees tome h = hd. Paso 11 Sit = bentonces tome BAND = 0 de otro modo sit + 4 > b entonces tome f= b — 1 de otro modo si h < Junin entonces tome BAND = 0; SALIDA (‘rebasado h minimo’), (Provedimiento terminada de manera ne satisfacta- ria.) Paso 12 (EI procedimienta se completé.) PARAR. .5.5 Control del evror y el método de Runge-Kutta-Fehiberg 287 EJEMPLO 1 Utilizaremos el algoritmo §.3 pura aproximar la solucién del problema de valor inicial -f +l O5752, WO) =05, y que tiene la solucién yy) = + 1 — O.5e, La entrada del algoritmo es la tolerancia TOL = 10°5, wn tamatio maximo de paso hmdx = 0.25 y un tamaio min = 0.01 Los resultados se muestran en la tabla 5.9. Las dos dltimas columnas de la ta- bla contienen Jos resultados de! métode de quinte orden, Con valores pequefios de t, el error eS menor que él det metodo de cuarto orden, pero es mayor que cuando raumenta. Ml mo de paso Tabla 5.9 RRS 4 = xt) %, 4, R, b,- wi by = 0 os os os 0.250000 019304873 09204886 02500000 62x10 1.3 x 10-* 0.920487 2.424 x 10-7 04865522 1.3964884 13964910 0.236522 45x10 26X10 13964900 S10 x 10°? 0.7203332 19537446 1.9537488 —O24ZTBIO. 43x10 4.2 x 10 L98974TT 3.136 10% 09793332 25864198 25864260 0.250000 38x10 = 2X10 -D5KOHST 5.242 x 10-5 12293332 3.284520 32604605 02500000 24x 10-* RSX 10% —3.2604599 7.895 x 10-6 14793332 3.952084 3.9520955 025000007 10-7 LIL 10-4 3.952054 1,096 x 10-F 17293332 4.6308127 —4.6308268 0.250000 LS x 10-* LAL x10? 46308272. 1.446 x 10-* 19793332 5$.2574687 52574861 0.250000 43X10 —1.73x 10 S.25T487I_ 1.839. 10°F 2.000000 5.305720 5.305489 0.020668 LIT 10-3 S3084896 1.768 x 10-8 Para ejecutar el método de Runge-Kutta-Feblberg usando Maple, se utiliza el coman- do dsolve con Ia opeién numérica. Considere el problema de valor inicial del ejemplo 1 El comando ve (4DCy) (t) =y(t)—ere+1.y (0) =0.5),y (e) snumerich; devuelve el procedimiento 2 = proctrt 45_x)... end (Como se indica en el ejemplo, podemos evaluar y por medio de >g (2-0); que nos da [r= 2.0, yr) = 5,305471958400194] ‘CONJUNTO DE EJERCICIOS 5.5 1 Aplique el método de Runge-Kutt-Fehiberg con ta tolerancia TOL = 10-4, bvndéx = 0.28 y Jimi = 0.05 para aproximar las soluciones de los jentes problemas de valor inicial. Des pués, compare Jos resultados con los valores reales,(288 CAPITULO 5 © Problemas de valor inicial para ecvacianes diferencioles ardinarias a& =e GAP, Ors 1, yO) =O; soluciém real y(r) = He” — Le¥ + Le ™. bye t+G-yF, 25153, 2) = 1: solucida real we) = 1+ M12), ef =1ty 1S852, yl) = 2; solucidm real xy =s ine + 2 cos + sen, OSes 1. yO) = I: solucidn real y(e) = sen By — tens r+ 7 2. Use el algoritmo de Runge-Kutta-Fehiberg con la toleruncia TOL = 10 para aproximar la s0- uci6a de los siguientes problemas de valor inicial, ay =P + yh 1612, yf) = 1. com hme = 0.005 y hatin = 0.02, be yesenr te, Ors 1, 0)=0,con hmér = 025 y Amin = 0.02. Wy ty 13633 (1) = —2, com Amax = 0.5 y Amin = 0.02. doy P, OSt=2, 0) =0, con Amir = OS y Amin = 0.02, 3. Aplique el método de Runge-Kutta-Fehiberg con ta tolerancia TOL = 10%, funde = 0.5 y Junior = 0.05 para aproximar las soluciones de los siguientes problemas de valor inicial. Des- pués, compare los resultadias con los valores reales. =p GMP, 1S FS 4, yC1) = ti solucin real 907) = (1 + Int By =1tyt+Qr, 1S6S3, (= 0; solucién real 40) = tan (inf), e FSG Ft NG FI. OS Fs 3 yO =—2 soluciém veal yy = 3+ 21 + yl ay =r 2h = OS 152, KOD= f solucion real yt) = (3 2F + Get 19, 4. El método de Runge-Kutta-Verner se basa en las {srmulas 15. , 43 As Tis" * Biel is) " " 250°” 10628 "*) 2972S, 319, , 2406, 380 52632) 23 BAGS 267085.6 Métedos multipasos 289 El métado de sexta orden i. sieve pasa estimar el error en el método de quiato orden 1! ‘Construya un algoritmo semejamie al de Runge-Kutia-Febiberg y repita el ejercicio 4 usando te nuevo método, S. En la teoria de la propagacidin de enfermedades contagiosas (¥éase [Bal] 0 (Ba2)), podemos utilizar una ecuacidin diferencial relativamente elemental para predecir el ntimero de individuos de la poblacidn infectados en un tiempn dado, siempre y cuando realicemos las suposiciones de simplificackin adecuadas. En particular, supongamos que todos los individuos de una poblacign fija tienen la misma probabilidad de infectarse y que, una vez infectades, permanecen en ese es tado. Si con x(t) denotamos al nimero de individuos vuinerables en el tiempo ty si con y() de ‘otamos al riimero de los infectados, podkemos suponer, razonablemente, que la rapidez con que el ndimera de los infectados camPia es praporcional al producto de x) y »), porque la rapidez depende del niimera de individuns infectados y del némero de individuns vuinerables que exis- ten en ese tiempo. Si la poblacisn es lo suficientemente numerosa para suponer que x(t) ¥ ¥40) son variables continuas, pedemes expresar el problema como YU = kateyvt, donde k es a constante ¥.x{F+ + x{f) = mes la poblacién total, Podemos reescribir esta ecu cin para que contenga sélo (1) como YC) = Kn yD. ‘4. Suponiendo que m = 100 000, y(0) = 1000, k = 2 % 10, y que el tiempo se mide en dias, encuentre una aproximsciGn al ndimero de individuos infectades al cabo de 30 dias. 1. Laccuacitn diferencial del inciso (a) se denomina eewocidn de Bernoulli y puede transfor -marse en tna ecuacién diferencial lineal en w(t} tomando 1) = (sé))~', Aplique este mét: do para encontrar Ia soluciéin exacta de In ecuacién, bajo los mismos supuestos del inciso ak; después, compare cl valor vedadero de y(0) en la aproximaciéin aqui dada. ;Qué es lim, Wi)? gConcuerda esto con lo que usied intuye? ‘6. Enel ejercicio anterior, todos los individuos infectados permanecieroa en Ia poblacién y propa garon la enfermedad, Una propuesta ms ealista consist en introducis una tercera variable 2(¢h que representa el nimero de las persons 3 quienes en un tiempo dade # se les separa de la po Dlacign infectada por aislamiento. eeeuperacién y la subsecuente inn alleeimiento Naturalmente esto viewe a complicar el problema, pero poemos demostrar (véase (Ba2]) qu se puede obtener wha soluciGa apeoximada ef la focrna a 0 ate) = atthe y= m= att) — in, donde &, es ln rapider de la infessién, ‘ecuacién diferencial ces la rapiciez del aistamiento y 2(1¥ se abtiene de la 2 (0) = Kyl = 2(0) — atQhe PDH, Los aulores no conocen métode alguno para resolver directamente este problema y, por lo mis- mo, e¢ nécesario aplicar un procedimiento numérico. Obtenga una aproximacién a 2(30), a 2M) y a.x(30), suponiendo que m = 100000, x(0) = 99000, &; = 2 IN". y que ky = 10-4 5.6 Métodos multipasos Los métodos que hemos explicado hasta ahora se Haman métadas de un paso, porque li aproximacién del punto de red ¢,,, contiene informacién proveniente dé uno solo- de los puntos anteriores de red 1,, Aungue estas ienicas pueden usar la informacién relativa a la290 Definicién 5.14 EJEMPLO 7 CAPLTULO 5 * Problemas de vaiar imicia! para ecvaciones diferenciales ordinarias evaluacién de funciones en los puntos entre fy J,,, no la conservan para uilizarla direc tamente en aproximaciones futuras. Toda Ja informacién que emplean s¢ obtiene dentro del subintervalo en que va a aproximarse la solucién. Como Ia solucién aproximada esti disponible on los puntos de red ff)...» fj ames de obtener la aproximacién en f,,, y came el error | x ~ y¢f))|tiende a aumentar con j, parece razonable desarrollar métodos que usen estos datos precedentes mds precisos ial ayroniciar la sobucie eff, Se conoce como métodos multipasos a aquellos que emplean la zproximacién en mis de uno de los pumion de ted precedenies. para deterainar la aproxiinaciéa en el siguiente punto, A continuacién se da la definicién exacta de estos métodos, junto con Ja de dos ti- pos de ellos. ‘Un método multipasas de paso m para resolver el problema de valor inicial yafi.y, aSrsh Mala (3.22) es aquel cuya ecuaciGn de diferencias para obtener la aproximacidn w,,., en ef punto de red ¢,,, puede representarse por medio de la siguiente ecuacién, donde m es un entero ma- ‘yor que 1: Ct en ee (8.23) FAL gy Lye they) # By flop te) et yet Herald parad =a — Lom... M — Do dande = (6 aWiNe ge pe 6206 dy ¥ Bye ys coe By SOB constantes y los valores iniciales ty WM = Oy = son especificadas. . Cuando b,, = 0, el método es explicite o abierto, ya que la ecuacién (5.23) da enton- ‘ces 1;,., de manera explicita en términos de los valores previamente determinados. Cuan- dob, # 0, el métoda es implicite o cerrado, ya.que er), se encuentra en ambos lados de Ja ecuacidn (5.23) y se especifica sélo implfcitamente. Las ecuaciones 1 =a (524) ty, = 0+ fess, Ce) ~ 59 Fg. teh) TMs hog) — OF 5 tH ah para cada i = 3, 4,.... N-~ 1, definen un método expifcito de cuatro pasos llamada mé- todo de Adams-Bashforth de cuarto orden, Las ecuaciones (5.25) waa, Wea, w= ut FP fier + 19 Set, wD = Fp HD) tA ad5.6 Métodos muttipazes 291 para cada i = 2,3,..., N= 1, definen un método implicito de tres pasos denominado imé= tedo de Adams-Moulton de cuarte orden, / En (5.24) on (5.25) deben eapecificarse los valores iniciales, generalmente suponien- do que 1, = ay generando los valores restantes por medin de un método de Runge-Ku- ita @ bien con otro métado de un paso. ‘Siqueremos aplicar directamente un método implicito como el (5.25), debemos resal- ver la ecuacign implicita para w,, ,. No es evidente que podamos hacer esto en general, ni que siempre obtendremos una solucién tiniea para 1, Antes de comenzar la deduccién de los métados multipases, observe que la solucién del problema de valor inicial (5.22), si lo integramas en el intervalo {f, 4,4} tiene la pro- piedad de que vitisy) — ot) ‘yd f Fite y(O) dt En consecuencia, vty) = a + I * faa, year) dt, (5.26) ‘Come na podemos integrar f(t, »(7)) sin conocer ¥(#), que es la solucién del problema, en Ingar de ello integramos un polinomio interpolante P(t) a f(t, »(P) que se determina con algunos de los puntos de datos obtenides previamente (J,,. 14), (t + (tj, te). Cuane do, ademis, suponemos que yif,) ~ 1), la ecuncién (5.26) se convierte en Mtg) = may + [Pode 45.21) Aunque en la deduccién podemos utilizar cualquier forma del polinomio interpolante, lo més adecuado es emplear la férmula de diferencia regresiva de Newton. Para derivar un métado explicito de Adams-Bashforth de m pasos, formamas el poti- nomio de diferencias regresivas P,,_ (1) a través de (, fly UM) CaSO 1 Miah oo (Cerne Fs1ar Mre1—)D- Puesto que P(e) es un polinomio interpolante de grado a= Texiste un mikmero & en (f,. 4. fon t= Aye = Fat, MO) = Pk + Penh c = hea) La introduccién de in sustitucién de ta variable 1 = término de error implica que 1 + sh comdr = beds en P(t) y el [0,300 d= f° ' Seu Y Wore sen dt Aap tap ogh At292 CAPITULO 5 © Problemos de valor inicio! para ecuaciones diferencioles ardinarias 3 VY, ycagnnt— DF tI : } Is fa af + Ess k Aye ts bm — 11 PO CE, WED ds. 0 Las integrates (- 1 ['( 7 ja para diversos valores de & son faciles de evaluar y se in- cluyen en Ia tabla 5.10, Por ejemplo, cuando & = 3, __ fee ~ f 12-3 a i 1 | i+ ae + 2pas Is Tabia 5.10 & 0] 2 3 4 5 colle [oli la ja) BS] Ss En consecuencia, *Y fea, yeh dt = lie. vin) + F¥ sf, Hi) + Ty PIU ep) + | += | ais + 1) (sim = DPE, MEN Ms, (5.28) mb Puesto que s(s + 1) «(s+ m = 1) no cambia de signe en (0, 1], podemas aplicar el leorema del valor medio ponderado de las integrales y deducir que para algin miimero j., donde t).j wr, =a, ay, y= i Mg am ASL A th) + OA, MD (5.38) 264 (6, w_,) + 106 fur, 19,(t, 5. donde i = 3.4, ...,.N'— L. Blerror local de truncamiento es 5, (2) = — 3, Gui pa- raalgtin py € (ft Es interesante comparar un método explicito de Adanis-Bashforth de m pasos can un método implicito de Adams-Moulton de (im — 1) pasos. Ambos requieren m evaluacionesTabla 5.11 5.6 Métodos multipasos 297 ‘Método Adams- Métode Adams- Valores Bashforth Moulton 4 exactos w Exor 4, Error 00 (0.300000 02 0.8292986 04 1.214087 06 16489406, 1.848034 6.000065 08 21272295 2az24 0.000828 21272136 0,0000160 Lo 2.6408591 26410810 00002219 2.6408298 0.0000293 12 3.17904 15 3.180348 0.0004068 3.1798937 0.000478 La 3.732400 3.730601 0.006601 3.7323270 0.000073 16 4 2EMBIE 4.284931 0.001093 4.2833767 9.0001071 Ls 4,8191763 48166575 0.0014812 4.8150236 0,0001527 2, $.3084720 5.307588 0.002119 $.3082587 0.0002 132 Dado que /(é, y) = ¢?, el método de Adams-Moulton de tres pasos tiene +en h tig =, + ZyWets + 1928 — Se ‘como su ecuacién de diferencias, y esta ecuaciGn no podemos resolverla para 1, Podriamos usar el método de Newton o el de la secamte para aproximar w;. ), pero este ‘complica demasiado el procedimiento. En la prictica, los métodos multipasos implicitos no se emplean.como se explica agu Por el contrario, sirven para mejorar las aproximaciones obtenidas eon métodos explicitas, La combinacién de un método explicito con uno implicito recibe el nombre de método predictor-corrector. El método explicito predice una aproximacién y el implicito corrige la prediccidn. Consideremos el siguiente métado de cuarto orden para resolver un problema de va- lor inicial. El primer paso consiste en calcular los valores iniciales ti, uj. ¢y ¥ 1 con el metodo de Adams-Bashforth de cuatro pasos. Para ello utilizaremas un método de un pa- so de cuarto orden, ¢! método de cuarto orden de Runge-Kutta. El siguiente paso consiste en calcular una aproximacién i, v(i,) usando como predictor el método explicito de Adams-Bashforth: h ty + yg LSS Sty uy) — 59S lly we) + 37 flys uy) — 9 fll Ui)] Esta aproximacién mejora mucho si se inserta wf” en el lado derecho del método implici- to de Adams-Moulton de tres pasos y aplicindala camo corrector: uf 10 A ay + Fy 19 Fry wh + 19,fliy, te) ~ 5 flta, wy) + fley, te) En este procedimiento, la tinica nueva evaluacién de funcién que se requiere es fly, te ‘en la ecuacisn del corrector. El resto de los valores de f han sido calculados para las apro- xximaciones anteriores Después utilizamos el valor uw} como aproximaciGn a y(t,).¥ la técnica que consiste ‘en utilizar como predictor el método de Adams-Bashforth y como corrector el de Adams Moulton se repite para obtener wi” y wi”, las aproximaciones inicial y final de y(t,). eteétera298 CAPITULO 5 © Problemas de volor inicial para ecvociones diferenciotes ordinarias Podemos obtener mejores aproximaciones a y(/,,,) iterando la férmula de Adams- Moulton fA = y+ Hay Wl + 19S a0) — 5 fly p+ Ha a Sin embargo, (w{t}"')} converge a la aproximacién dada por la férmula implicita y no a la soluci6n »’(¢,,,) y suele ser mds eficiente usar una reduccién del tamafio de paso si se: ne- cesita mejorar la exactitud, El algoritmo $.4 se basa en el método de Adams-Bashforth de cunrto orden como pre- dictor y en una iteracién del método de Adams-Moulton como corrector, con los valores iniciales conseguidos con el métode de Runge-Kutta de cuarto orden ALGORITMO —Corrector-predictor de cuarto orden de Adams 54 Para aproximar la solucién del problema de valor inici y=f,y), astsb, way=a, en (N + 1) miimeros uniformemente espaciados en el intervala (a, b): ENTRADA extremos a, #; entero N; condiciGn inicial a. SALIDA aproximacién wa y en los (N + 1) valores de t. Poso 1 ‘Tome h = (b ~ aN; fg = a ty = a SALIDA ( Paso 2 Para i= 1, 2, 3, haga pasos 3-5. (Calcute valores usando ef métode de Runge-Kutta.) Poso3 Tome K, = Aflt,_y. @_yk MC 4. + WD, wy + Kyl: KTM yy + WD, Wi, + RY: KW the + Kh Poso 4 Tome m= u,_, + (Ky + 2K, + 2K, + Kv6: h=atin. Paso 5 SALIDA (¢, «)). Paso 6 Purai=4,..., N haga pasos 7-10 a+ ih, uy + WISS flr, 05) — $9. f ley, wy) + 37 fey, wy) Of lip uy24; — (Predice wy) we + WD far, wh + 19 Fity, wey) — 5 fle, wy) +f(e,, w))V24. (Corvige w,) Paso 8 SALIDA (1, wu): Paso? Tomer w= wEJEMPLO 5 Tabla 5.12 299 (Prepare la siguiente iteracién.) Posoi1 PARAR. . La tabla 5.12 contiene los resultados obtenidos al usar el algoritmo 5.4, Para el problema de valor inicial y-P+l, O=152, xO=05, con N= 10. Aqui los resultados son més precisos que cn el ejemplo 4, que s6lo usaba el corrector (es decir, el método implicito de Adams-Moulton), pero esto no siempre ocurre. . 4 y= 3th) ly,= a1 0.0 0.5000000 05000000, o 02 0.4292986 08292933 0,0000053 oF 12140877 12140762, 0.0000114 0.6 16439406, 1.649220, (10,0000136 OS = 21272295 «2.127056 = (0,0000239 10 26408591 = 2,6408286 ——0.,0000805 12 21790415 -3,1798026 ——_0,0000389 14 3.732400 «3.7323505 0.000095, 16 4.834838 = 4.283208 = 0,0000830 18 48151763 -4.8150964 0.000079 20 © $.3084720©—«5.3053707 0.000013, Podemos obtener otros métodos multipasas utilizanda la integracién de los polino- ios interpolantes en los iniervalos de la forma [f,,¢,, con j =i — |, para obtener wna aproximacién a y(i,, ,)- Cuando integramos en [1,_,.1,,,] Un polinomio interpolante, el re~ sultado seri una técnica explicita denominada métedo de Milne, [2 44, my) — ft, ye Ue) + 2K Ug WM que tiene cl error local de truncamiento Hh y(E), para alguna & © (0) yt.) En ocasiones, este método se usa como predictor de un métode implicite de Simp- son. wy. = wy + Siti. tg D+ ALG), 0) +f. que tiene el error local de truncamiento —(i/90)y"NE), para alguna € © (ty hy jh y que se obtiene integrando un polinomio interpolante en [1,_4. f,,4]+300 CAPITULO 5 © Probiemas de valor iniciol para ecuaciones diferenciales ondinarias El error local de truncamiento relacionado con un método predictor-corrector de tipo Milne-Simpson, suele ser menar que el del método de Adams-Bashforth-Maulton; pero se lust poco debido a las problemas de estabilidad, lo que no ocurre con el procedimicnto de Adams. En Ia seccidn 5,10 se exptica més « fondo este problems, CONJUNTO DE EJERCICIOS 5.6 1. Aplique fos métodos de Adams-Bashforth para aproximar las soluciones de los siguientes pro- blemas de valor inicial. En cada caso utilice valores iniciales exacios y después compare los re- saltados con Jos valores reales. -2, 03751 "0 0, con # = 0.2; solucidin real y(t) l+q-y% Bsr 2 solueide real y(t) = 1 + ee palty 16 d. y= cos 2rt sends, Oe m= Loon r+ $ wae co Je = 2 Wl) = 2. con h = 0:2: solucién real y(t) = 2 In + 2 1.) = 1, con.A = 0.2; solucidn real y(e) = 2. Aplique kos métodos de Adams-Moulton pura uproximar iss soluciones de los ¢jercicios 1a), chy If), En cnde caso utilice valores imiciales exactos y resuelva explicitumente w, ,. Des- pués, compare los resultados con los valores reales. 3. Aplique los métodas de Adams-Bashforth para aproximar las soluciones de los siguientes pro- bblemas de valor inicial. En cacla caso utilice los valores inicialcs obcnidos con el méiodo de Runge-Kutta de cuarto orden. Después, compare lox resultados con los valores reales. = Icon ft = 0.1; saluctin veal y(t) = 5 DY Tee EO, Tes 3, KL) = 0, comm 02; sobuctGn real 9) = F tanta 8. Y= WF NY +3), GSr=2, NO)= —2,comh = Oy solucidn real wy = 3+ Wee dyn asy 45h 4m, 0 4. Use el algoritima 5.4 para apraximar las saluciones de Tos problemas de valor inicial en el ejer- ticio 1 lers2 4 a ysy~ ly e 1, MO) = 19, con A= 0s sohucida mal y(f) = r+ 5. Use el algoritmo §.4 pare uproxinar las sobuciones de los problemas de valoe inicial en el ejer- ciclo 3 6 Modifique e! algoritmn §.4 de moclo que pueda iterar e! corrector en una cantidhad de iteracio- nes p. Repita ¢l ejercicio 5 cone = 2, 3 y 4 iteractones, ;Cuil eleccidn de p produce ka mejor respuetta de cada problema de valor in problema de valor inieial 0575020 WOH=1 tiene Ia solucidn wt Aplicando a este problems el método de Adsins-Moulton de tres pasos es equivalente a encon- rar el punto fijo a, de 1 = In(l — en. A [Ge + 190m — Setter ete = ae,5.7 Métodas multipasos con tamavio voriable de paso 301 a. Con f= 0.01, obtenga w,,, mediante la iteracion des val icional para i= 2,..., 19 empleando Iniiales exactos ty 1, y un cada paso wiloe w para aproxim inicialmen bi jAcclerard el método de Newton la convergensia en Ia iteracisn funcional? & Aplique el métode predictor-corrector de Milne-Simpson para aproximar las soluciones de los probl inicial del ejercicio 3, 9, m. Median la forma de Lagrange del po interpolamte deduzca la ecuacién ( 1B. Utibiee la forma de la diferencia regresiva de Newton del polinomio interpolante para que (5.34), a couacidin (5.33) con el siguiente método. Use Ai) = 6) + ah ft, 969) + Bl Fld Mad) + eh fll 96-9) Desay Mé,-2)P¥.Al,-1 4, m serie de Taylor alrededor de (i, ye) igua- Jc os coe y h* para obtener, b y €; 1. Desduzca la ccuacin (5.36) y su error local de truncamicnio, empleando una formu adecuads. de un polinocio interpolante 12, Deduzca el método de Simpson aplicando la regla de Sir om a ta integral 13, Obuenga cl método de Milne apicando ta formula abierta de Newton Cotes (4:29) a a integral Mt ytt. gd = [fee ya a 14 Verifique fos datos de la tabla 5.10. 5.7 Métodos multipasos con tamario variable de paso E1 método de Runge-Kutta-Fehiberg se usa para controlar cl error porque cada paso ofre- fio costo adicional, dos jones comparables y relacionadas con local. Las téeni »5 aproximaciones en ca- por lo cual son ean tol del error, ‘Con el fin de mostra construire 5 predictor-corrector sien os naturales «cl procedimiento de contro! del error ‘un método predictor-corrector con tarmutio variable de p » come predictor el mérode ex. plicito de Adams-Bashforth de euatra pasos y como corrector ef método implicito: de Adams-Moulton de tres pasos. El método de Adams-Bashforth de cuatro pasos provien de la relacién d= + Ls sr. 709- for. 21 seg +376, Ht) ~ 990, Mt] + SE 6 CA, para algtin A, © (tua; La suposieién de que las aproximaciones uy i), +++ 1 S08 todas exactas, si que el error de truncamiento de Adams-Bashforth es o Mada let ST yey ai (5.39) h 720°302 CAPITULO 5 © Problems de valor inicial para ecuaciones diferenciales ordinarias Un andlisis similar del método de Adams-Moulton de tres pasos, que proviene de Ah Mis d = VY Se ILCs ae MD) # IDL MEDD ~ SFU, 1 MED) 9 +o Mt ~ Es a, para algun fi; € (f,_ >, f,,,) nos leva al error local de truncamiento Weis) — 19 Mie Hier — is 40) e F391 Aa (3.40) Si queremos avanzar mis, deberies suponer que, para un valor pequetio de h, YOU) = YE). La efectividad del método de control de error depende directamente de esta suposicién. ‘Si restamos la ecuacién (5.40) a la ecuacién (5.39), tendremos o Mia EL lt og sy, en ee . 5p 25M) + 19K — iA, y. Por tanto, 8 a Yi) = ys tttinn ~ ad). (S41) Al utilizar este resultado para suprimir el término que contiene Mty®) (i) en (5.40), obtenemos la aproximacién al error Ist) — thal 19m! 8 19a, — uf | — ei = tl ye aol = = he [rata = i ag ps |e el = Sg Supéngase que ahora reconsideramos (5.40) con un nuevo Lamaiio de paso gh que ge- era nuevas aproximaciones 1"), y El objetivo es escoger q, tal que el error local de truncamienta de (5.40) esté acotada por la tolerancia prescrita &. Si suponemos que el valor y(4) en (3.40) asociado a gh se aproxima también por medio de (3.41), entonces [yy + gh) = yl 19gtht L9gtht il, 1gN wie a to Doel = y debemos seleccionar g tal que Lyte, + gh) 19 [wi - w'| ag SE a ad gh 270 a ae Es decir, seleccionamos g tal que «(24 (5ALGORITMO: 5.5 5.7 Métodes muitipasos con tomafio variable de paso 303 En este planteamiento hemos hecho varias suposiciones de aproximacién, asi que en |a préctica se selecciona q en forma conservadora, generalmente asi h a qa is = Vreigy = 001 Un cambio del tamaiio de paso en un método multipasos requiere mas evaluaciones de funciones que un método de un paso, porque hay que calcular nuevos valores iniciales uniformemente espaciados. En consecuencia, en la practica se acastumbra ignorar él carn- bio de tamafio de paso siempre que el error local de truncamiento se encuentre entre e/10 y @, es decir, cuando £ = bt = mal 2 igh, — wi | To < Hetil 7 Sai bentonces haga pasos 12-16. (Aumenie h si es mds preciso de io requerida o disminuya h pa- ra ineluir a b como un punto de red). +1; Paso 12 Tome ¢ = (TOLI20))"4, Pase 13 Siq > 4 entonces tome h = 4h sino, tome A= gh. Paso 14 Sih > hdr entonces tome h = dund. Paso 15 Sit, , + 4h> bentonces tome A = (b — ¢,_) Wa, OLTEJEMPLO 1 Tabla 5.13 5.7 Métodes muttipasos con tamario variable de pasa 305 Poso 16 Lame RKA(H, ‘Tome NBAN F=i+3, (erminada rama verdadera. Siguiente paso es el 20.) Paso 17 Tome q = (TOLM2a))'". (Rama falsa desde pase 6: Resultado rechazado,) Paso 18 Sig <0.1 emonces tome h = 0.1h sino, tome h = gh. Paso 19 Sih < Junin entonces tome BAN SALIDA (‘hin rebasado") sino si NBAN = | entonces tome i= i — 3; (Resultados previos también rechazados.) Lame RKAGH, 1) tye Wy Wis ye Cosas Whar feed eA Bh be Whe 1 Whey foal tome i = i + NBAN =1 Poso 20 Tomer =1,_, +h. Paso 21 PARAR. . La tabla 5.13 contiene los resultados obtenidos al usar cl algoritmo 5.5 para calcular las aproximaciones a la solucisn del problema de valor inicial y-P+l Osrs2 yO) =05, hay 0 05 05 01257017 07002323» O.700231K = 0.1257017 4.051 x 10-* 0.000005. 02514033 0.9230960. 09230989 0.1257017 4.051 x 10-* 0.000001 1 03771030 1.1673804 11673877 = @.1257017 4.051 x 10-* =~ 0.000017 05028066 14317502 14317480 .1257017 4.051 x 10° 0.000022 0.6285083 ——1.7146334 1.7146306 = @.1257017 4.610. 10-® 0.000028 0.7542100 = 20142869 = 2.0142834 = .1287017 8.210. 10-* = 0.000035 08799116 = 239RTM4A = 2.928720 0.257017 5.913 x 10-* 0.000043 10056133 -2.65569302.6556877—0.1287017 6.706 10° 0.000084 2.9926385 2.9926319 O.1257017 7.604 x 10°* = 0,.0000066 35366612 4.3366562 1257017 8.622 * 10-* 0.000080 13827183 36844857 = 3.6844761 0.125717, 9.777 10-® 0.000097 La857283 3.969754 3.9097433 01030100 7.029 10-* 0.00108 15887383 4.252780 4.252711 0.030100 7.029. x 10" 0.000120 16917483 «45310269 45310137 0.1030100 7.029 x 10-® 0.000013 17947583 4.901663 = 4. 8016482 0.130100 7.029 10-® 0.000181 18977683 $.0615660 = 5.0615488 = 0.103010 7.760 10-® ~—0,0000172 19233262 5.1239941 1239764 = 0.0255579 «3.918 x 10-® 0.000017 19agse41 — §,1954932 1854751 0.0255579 3.918 10-* 0.000181 19744421 5.246056 =—5.2459870 = 0,0255579 91K x 10-™ 0.000186 20000000 5.3054720«5,3054529 0.028557 3.91K < 10-* 000019306 CAPITULO 5 © Problemas de valor inicial para ecuacianes diferenciaies ardinonas que tiene la solucién y(1) = (¢ + I? — O.Se!. En la entrada se incluye La tolerancia TOL = }0°5, ef tamafio méximo de paso hnidx = 0.25 y el tamario minima de paso hmin = 0.01 . CONJUNTO DE EJERCICIOS 5.7 1. Use el algoritme predictor-correstor con taumatio variable de paso de Adams con una tolerancia TOL = 10, hmdx = 0.28 y Fomin = 0.025 para apronimar las soluciones de los siguientes pea- bblemas de valor inicial. Después, compare ns resultados com log valores reales, ay =te—2y, OS6S 1, O)=O; soluciém real yyy = He” — Le’ + By Sit wF 2erS3 MOPS L solucion meal yin r+ LAL eo Ye Dey, PSS, yl) = 2; solucidm real ye) = ine + Ay cm 2+ sea, OS 1S 1, OF I: solwvidn real x) = Seen 2t ~ } eon ae + 2. Use el algoritmo predictor.corrector con tamaio variable de paso de Adams con una toleruncis TOL = 10~* para aproximar tas sohuciones de los siguientes problemas de valoe tricia) ay Oi + ys, Les 1.2, yt) Loom Amie = 0.03 y hain = 0.01 By esnrte 05151, 0) =0,con mir = 02 y hmir = 0.01 (U0? + yh S65 3. M1 = 2. con Amd = 0:4 y Amir = O01 ysis, O05 1, MO) = I com Amide = 012 y Amin = 0.01 3. Use el algoritme predictor-corrector con tamaiie variable de paso de Adams'con una tolerancia TOL = 1076, hmdx = 0.5 y henéa = 062 para aproximar las soluciones de los siguientes pro- bblemas dé valor inicial. Después, compare los resultados con las valores iniciales, St GvP, Less 1) = Li solocisn real (0) = tT + In 8 = tye GMO, LS es 3, 1) = 0; solmeiéen real yt) = ram (in 2) GY S-G+ DO +3, OS 1S 3 MOS —2 solucidn real Hy —3 4 201 + xy! AF =I Py, OS1S2, HOPE solvcida real A) = BBE Bel 4. Constmya un algoritme predictor-cocrector con tamaio variable de paso de Adams, tamanda como base el método de: Adams-Bashforth de cinco pasos y el de Adams- Moulton de ewstro pa sos. Repita el ejercicio 3 aplicando este nuevo métoda. ‘Un cirewito eiécuice consiste en. un capacitor de capacitancia constante C= 1. faradios, que esti.en serie.con un resistor de resistencia constante Ry = 2.1 ohms. Se apica wn vobtaje S(t) = 110-sen ren el tiempo 1 = 0, Cuando e! resistor se-calienta, la resistencia se transforma eo: una funciGin de la corriente Ri)= Ry + ki, donde k= 09, y la ecuacivn diferencia! de if) se canvierte en 1 dé RE a Calcule i(2), suponienda que i(0) ~ 0.5.8 Métodos de extrapatacide 307 5.8 Métodos de extrapolacién En la secciGn 4.5 utilizamos la extrapolaci6n para aproximar integrates definidas; descu- brimos que, al prorratear correctamente las aproximaciones relativamente inexactas del trapecio, podfamos obtener otras que son mucho mis precisas. En esta seccidn aplicare- inos la extrapolacién para mejorar la exactitnd de las aproximaciones a la solucién de los problemas de valor inicial. Como explicamos con anterioridad, las aproximaciones o1 nales deben tener un desarrollo del error de forma especffica si queremos que el procedi- iniento sea exitoso Para aplicar la extrapolacién a {a solucién de problemas de valor inicial, aplicamos un procedimiento que se basa en el métado del punto medio: 1 (5.42) Wig) = hay + Fl, am), para Este procedimiento requiere dos valores iniciales, ya que se requieren tanto aj como 1 para poder determinar la primera aproximaciéa al panto medio, i, Como de costumbre, nusamos Ia condicién ini a. Pura determinar el segundo valor inicial 1, aplicamos el método de Euler. Las aproximaciones subsecuentes se obtienen a partir de (5.42). Después de generar una serie de aproximaciones de este tipo que terminan ea un valor 1, se efecttia una correccién en los extremos que contiene las dos dltimas aproxi- maciones del ponlo medio. Se consigue asi una apeoximaciGn w(t, fi) a y(t) que tiene la forma yO = wt, hj, +S) BUPA (5.43) fon donde las 8, son constantes relacionadas con las derivadas de la solucién y(¢). El punto im- partante es que las 6, no dependen del tamafio de paso h. Los detalles de este procedimien- to se encuentran en el trabajo de Gragg [Gr]. Para dar un ejemplo del método de extrapolacién con que se resuelve yi =fay, astsb, ya supongemos que tenemos un tamafio de paso f fijo y que queremos aproximar y(t) = wa +h). En cf primer paso de Ia extrapolacién, suponemos que fy = /2 y apticamos el méto- do de Euler con 11, = a para aproximar y(a + sig) = ya + A/D) ast thy = tty + hp fla tip) Después aplicamns el método del punto medio con t,., = ay = a + hy obtener una primera aproximacién a y(a + h) = ya + 2A,), ty = ty + Dig fla + hy, 4). Aplicamas la coreccién en los extremos para obtener la uproximacisin final de y(a + h) para el tamaito de paso fy. Esto nos da la aproximacién €(f2) a yt) a+ hi para l syle, + mj + hy fla + hy, Enseguida guardamos la aproximacién y, , y desechamnos los resultados intermedios 1, y tty308 CAPITULO 5 © Probiemas de valor inicio! par ecuaciones alferenciates ordinarias Para obtener la siguiente aproximnacién y, , a y(f,) usammos h, = h/4 y el métado de Eu- ler con wi) = @ para obtener una aproximacién a via + h,) = va + W/4) que lamaremos 1, " wy = wy + f(a, wy Después, calculamos las aproximaciones te, a ya + 2h) = ya + v2) y wy a a + 3h,) = ya + 3A/4) dadas por iy + Dhy fla + hy my) yw, = wy + Phy fla + Dy, wy). Y luego generamos ta aproximacién wi, a (a + 4h,) = y47,) dada por + 2h, fla + Uy. 1). iy Enseguida aplicamos la correcciin de los extremtios a 1 y a cr, para obtener la aproxima- cién mejorada O(h;) de yt), You [ty + ay + hy fa + Shy, ey)] vie Debido a la forma del error que se muestra en (5.43), lus dos aproximaciones a yia + +h) tienen la propiedad de que 2 2 ya-+ hy = +a(tf+a(4)+ a are Brake ¥y hy At wa +A) +34) bag t Podemos eliminar la parte O(h*) de este error de truncamiento, prorrateando adecuada- mente estas dos féemulas, En concreto, si restamos la primera de 4 veces la segunda y di vidimos el resultado entre 3, tendremos Ma +h) = aproximacién tiene un error de orden O(h), Del mismo modo, tomamas h, = 4/6 y aplicamos una vez el métado de Euler y Iue- g0 cinco veces el del punto medio. Después usamos de la correccién de los extremos para determinar la aproximacién h, y, , a y(a + h). Podemos prorratear esta apraximacién con Yyy ¥ obtener asi una segunda aproximacién O(h*) que denotamos y, ,. Luego prorratea- OS ¥.2 ¥ Yo Para suprimir los términos de error OU") y producir una aproximacién de! ‘orden Of). Al continuar el proceso generamos las formulas de orden superior. La nica diferencia significativa entre 1a cxtrapolacién realizada agui y la utilizada en 1a integracién de Romberg en la secci6n 4.5, radica en la forma de escoger las subdivisio~ nes. En la integracién de Romberg hay una férmula adecuada para representar las aproxi-Tabla 5.14. 5.8 Métodos de extrapolacién 309 maciones efectuadas mediante la regla del trapecio que utiliza divisiones consecutivas del tamafio de paso por medio de los enteros 1, 2. 4, 8, 16, 32, 64, ... Este procedimiento per- mite efectuar facilmente el prorraten No tenemos un medio pura producir ficilmente aproximaciones refinadas en los pro- inicial; por ello, seleccionamos las divisiones del método de extrapolacién ave reduzcan al mfnimo la cantidad de evaluaciones de funciones requeridas, El prorra- teo que se produce con esta cleccién de subdivisiGn, y que s¢ incluye en la tabla 5.14, no es elemental, pero con esa salvedad es el mismo que sé emplea en la integracidn de Romberg. = wt hy Ab, A: wa Int aM Oa = Mi pa. a gh —- Yay = mC hy) a+ Bow Gu-wd mat hat Bag Ona En el algoritmo 5.6 se usa el método de extrapolacion con la sucesidn de enteros Fo = 2.4) = 44s = 645 = 8 G4 = 12,G5 = 169g = 24 y gy = 32. Seleccionamns un tamafio de paso h bésico y el método avanza utilizanda h, = Ag, para 7, para aproximar y(¢ + A), El error se controla al exigir que las aproxima- vs Se calculen hasta que |y,;—y,_, ;- [Sea menor que una tolerancia . i exta ltima no se logra mediante 1 = B, entones reducimos h y repedimas el proceso. Especificamas los valores miximo y minimo de h, /imin y hmuéx, respectiva- ‘mente, de modo que garanticen el control del método. Si comprobamos que y, ; es aceptable, entonces transformamos uj, en y, ,y reanudamos los céloulos para determinar 1 que apro- ximari y(t,) = via + 2h). El proceso se repite hasta encontrar la aproximacisn 1}, a (B). Extrapolacion Para aproximar fa soluckim del problema de valor inicial "= fi, y), a=1=b, Xa) = con €l error local de truncamiento dentro de una tolerancia determinada: ENTRADA extremos, a, 5; condicién inicial a; tolerancia TOL; tamafio maximo di 80 hid; tamatio minimo de paso hain SALIDA T, W,h, donde Waproxima y(1) y se usa el tamafio de paso h o bien un mensa- je-de que se ha rebasado el tamaiio de paso. Paso | Inicialice el arreglo NK = (2, 4, 6, 8, 12, 16, 24, 32). Paso 2 Tome TO = a; . (Se usa BAND para salir del ciclo en el paso 4.)310 CAPETULO 5 = Problemas de valor iniciat para ecuaciones diferenciates ordinarias Paso 3 Parai = 1,2, para j ai tome Q; = (NK,,,/NK). (Nata: Q, ) = WERE.) Poso 4 Mientras (BAND = 1) haga pasos 5-20. Paso § Tome k= 1; NBAND = 0. (Cuando se obtiene la exactitud deseada, NBAND se foma como 1.) Paso 6 Mientras ( = 8 y NBAND = 0) haga pasos 7-14. Paso? Tome HK = WINK, T=T0, W2 = wo; W3 = W2+ HK-f(T, Wy (Primer paso de Euler.) T= TO + HK. Paso 8 Paraj=1....,NK,— 1 haga WL = W2; W2 = W3; WS = WI + 2NK- f(T, W2y, (Método det punto medio.) T=T0+ +1)" HK. Paso 9 Haga y= [W3+ W2+ AK f(T, W3))2. (Correcién del punto final para calcular y,,.) Paso 10 Si k= 2 entonces haga pasos 11- (Nota: Yyy = Yate ean = Menage Ma rengldn anterior de la tabla.) Ynt,-1 3 que sélo se guarda el Paso 11 Tome j =k vey,* (Guarde yy 1-) Poso 12 Mientras (j = 2) haga 4 tome y,_, = y+ Qeaaja (Extrapotacidn para cateular yy, = ¥4, 4-42) Way — Ab a eg (won: Jen aH j Paso 13 Si |y, — v| = 7OL entonces tome NBAND = 1. (9 ¥¢ acepta como la nueva w:) Poso 14 Tomek =k +1. Posoi5 Tomek=k— 1. Paso 16 Si NBAND = Oentonces haga pasos 17 y 18 (Resultado rechazado.) si mo, haga pasos 19 y 20, (Resuliado acepiado.)5.8 Métodos de extrapolocidn 311 Paso 17 Tome k= A/2, (Nuevo valor para w rechercacdo, dlisminuya h.) Paso 18 Si h- bentonces tome h = h ~ TO (Termina ent = b.) si no, si (k 5 3 y h < 0,5thmda) enic (Aumente el tamato de 5 es tome h = 2h, Poso21 PARAR . EJEMPLO 1 Consideremos el problema de valor inicial -P+1 O=rs2, wO)=05, que tiene la solucidn y(t) = (r+ 1)? — O.Set. Aplicaremos el alg TOL = 10°", hmdx = 0.25 y con itmo de extrapolacién a O1. La tabla 5.15 7 na.con fi = 0. se obtiene en el eélculo de Los edfculos se interrumpen con w, = ys, porque |y,<— yy = 10-™ y ye, se acepta come aproximacion de y(t,) = (0.25). En la tabla 5.16 viene Ia serie completa de aproximaciones fras decimales indicadas. Tabla 5.15 9204853802 9204868761 p87 2871 2048718 Ye 487291 gg = 09204872017 Tabla 5.16 i wi _ & 09204872917 025 6393646 02 5 2.0039999917 999991 os 5 2.6808590858 ssoess 25S 33173288213 31732882 os 4 40091SS46H8 40091554048 025 3 17S 46851986620 4,6851986619 0253. 3 200 53084719805 $.3054719505 0.28312 CAPETULO 5 © Problemas de valor iniciol para ecuociones diferenciales ordinarias La demostracién de que ¢] métode presentado en cl algoritmo 5,6 converge, incluye resultados tomados dc la teorfa de la sumabilidad y se encucnira ca el trabajo original de Gragg [Gr], Existen otros procedimi ros de extrapolacidn, algunos de los cuales utilizan Jos métodos del tamafio de paso variable. Otros mis que se basan cn el proceso de extra polacién se explican en los trabajos de Bulitsch y Stoer [BSI], [BS2], [BS3] 0 en ef libro- de Stetter [Stet]. Los que emplean Bulirsch y Stoer incluyen Ia interpolacién con funcio- nes racionales en vex de la interpolaciGn polinémica que se usa en el procedimiento de Gragg. CONJUNTO DE EJERCICIOS 5.8 3 Use el algoritmo de extrapolaciGa con Ia tolerancia TOL = 104, hmdx = 0.25 y hmin = 0.05 pura sproximar las soluciones de los siguientes problemas de valor inicial. Compare: les resul- tados con los valores reales, & Yee 2y, OS FS 1, MO) 0; sohseidn real ye) = eM b Boyle, 2S053, 2) by solucidn rea KO e+ LA, ey =lt yh 15152, y= 2 solucién real x0 = tint + 2s a@yscosttsend, Osrs1, WO solucida real y(r) = $-sen 21 — bcos 3t + $ Use el algoritma de extrapolackin con TOL = 10 para aproximar las saluctones de hes si- guientes problemas de valor inicial: OM + yh, Isrs 12 yl) 1, com hmdix = (408 yur 102 boy ssent ten, 8151, XO) = 0, com hud = 0.25 y hmin = 1.02, & YEG? +9), LSE 3, M1) = 2, con hime = 05 y Aenin = 0.00. dy == diy, OS 051, OP 1, com Amir = O25 y hint = 0402, ‘Use cl algoritmo de extrapolacion con la tolerancia TOL = 10°, Amdx = 0.3 y mide = 0.05 para aproximar las soluciones de los siguicntcs problemas de valor inicial, Después, compare los resultados con los valores reales, wy eer OF, Leesa et I+yh+ Ow, ses WD O+Ie+), O51 53, WO salucién real yr) = s(t + Inf) j solucién real yi) = ¢ tan (In Jp. solucién real y= —3 4 2(1 + — ay = yy, S152, 0) = 1 solucidn real WN = (3 + 2 + be, Sea P(f)el ndanero de individuos.de uns poblaciga en.el tiempo 1, medido-en afies. Si la tasa de hatatidad promedio b ex comstaate y La tasa de mortalidad promedio d es proporcional al tama- fio de la poblacién (debido a la sobrepoblacida), cntonces Ia tasa de crecimiento demogréifico esturé dada por la eemackin logistien 42D 0 59 ~ ROP, donde d = KP(y). Suponga que: P(0) = 50, 976, b = 2.9 * 10-7 y que k= 14 X 10°, Cala le la poblacidn después de 5 whos.5.9. Ecuaciones de orden superior y sistemas de ecuociones diferencioies 313 5.9 Ecuaciones de orden superior y sistemas de ecuaciones diferenciales. Definicién 5.16 nesta seccién prescntamos wna introduccién a la solucién numérica de las ccuaciones di- ferenciales de orden superior, sujetas a condiciones iniciales, Los. métados que se explican son exclusivamente los que transforman una ecuacion de orden superior en un sistema de ‘ecuaciones diferenciales de primer orden, Amtes de describir el procedimiento de transfor- macién, conviene hacer algunos comentarios sobre los sistemas que contienen ecvaciones diferenciates de primer grado. Un sistema de orden m de problemas de valor ir sarse como | de primer orden pueden expre- cs fille ty, tye sey he (5.44) du, ae Fille Uys tye sey Had de dt = fall yy May oon Mg hs para a 1< bcon las condiciones iniciales ula} =a, uj(a)= ay... ula) = a, (8.45) La finalidad es encontrar m funciones 1, Ws, ..., que satisfagan ell sistema de ecuacio- nes diferenciales y también todas las condiciones iniciales. Para cxplicar la existencia y la unicidad de las soluciones de los sistemas de ecuacio- nes, es necesario extender Ia definicidn de la condicién de Lipschitz a las funciones de algunas variables. Se dice que la funcidn JU, yj... 9.) definida en el conjunio B= ts Mg) Las r= 6, ee O con la propiedad de que aol se¥ | F [lta tape oo te) = F020 para todo (J, w, ben D, . (5.46) + Mal ¥ Uy ' ‘Al utilizar el tearema del valor medio, podemos demastrar que, si f y sus primeras de- rivadas parciales son continuas en J y que si sh, uy, | #eetes + Mh Zo veo MEY para Lodo (1. icy, .... s¢,) en D, entonces f satisfaré una cond: zen D con la constamte L de Lipschitz (véase (BIR, p. 141). Enseguida se incluye un teorema bisico de existencia y unicidad. Su demostracién se puede encontrar en [BiR, pp. 152-154].314 Teorema 5.17 CAPITULO 5 * Problemas de valor inicial pora ecuaciones diferenciales ondinarios Supongamos que DS (hates ty) AS PSB, mo << , para cada d= 1,2... mi}, y que fii)... tg) para cada i= 1, 2,..., mes continua en Dy que satisface all wna condicién de Lipschitz. El sistema de ecuaciones diferenciales de primer orden (5.44), su- jeto a las condiciones iniciales (5.45), tiene una solvcidn dnica «(1), .... u(0) para a = 1b . Los métodos con que se resuelven las ecuaciones diferenciales de primer arden son generalizaciones de los métodos para una ecuacién de primer orden, explicados anterior- Mente en este capitulo. Por ejemplo, el métode clasico de Runge-Kutta de cuanto orden dado por uh ky = bf, Ww), h Il Fmt yh. 1 zh} y por Wig) = MG Ub 2k + ky + ko para cada i= 0,1... con que se resuclve el problema de valor inicial de primer orden =fityh esisb, Ma} = se generaliza como sigue. Seleceionemos un entero NV > 0 y usemos ht = (b ~ aWN. La particién del interval (a, B] en subintervalos con los puntos de red sat jh paracada j=0,1,..., N. Use la notacién 1, para denotar una uproximacién a u(t) para cada j — 0, para cada i= 1, 2,..., m. Bs decir, ie}, aproxima Ja é€sima soluciOn w(t) de (5.44) en el -ésimo punto de red 1, En las condiciones iniciales, use (véase Fig. 33) 2p Suponga que se calcularon Jas valores Wj. yj... ty Wig = Wy ogee es My) Calculando primero ky = Aikip yp see (5.48) = La 5.49 Ry WY py > ‘ GA)57 5.9 Ecvaciones de orden superior y sistemas de ecvaciones diferencioles iufa)= a; 315 ae h oh para cada = 1,2,..., m; &, A 1 Witt, + y+ Th, t+ Shan para cada i= 1,2,..., m: ay = AG + AL pt hs para cada i= 1,2,.. thy mj + Bs im; ¥ entonces 1 Wgay = yt Uys thy + Uy + hash (5.350) (3.51) (5.52) para cada /= 1, 2,..., m. Nétese que antes de poder determinar cualquiera de los térmi- nos de la forma k,, deben calcularse todos los valores kj. 3. Kye En general, cada Kiss Rigs coos Ryy Hebe calcularse antes de cualquiera de las expresiones &;, ,. Enel algo- ritmo 5,7 se ejecuta el método de Runge-Kutta de cuarto orden para los sistemas de pro- blemas de valor inicial. Método de Runge-Kutta para los sistemas de ecuaciones diferenciales. Para aproximar la solucién del sistema de m-¢simo orden de los problemas de valor inicial de primer orden MS tey ay coon thy @ SEH, COM tla) = ay paraj = 1,2,.... men (N + 1) ndmeros uniformemente espaciados én el intervalo [a, 6]: ENTRADA extremos a, b; niimero de ecuaciones m; entero N; condiciones iniciales a, Oy SALIDA aproximaciones w; a 1e(¢) en los (N + 1) valores de Posol Tome h = (b — aWN; ima, Paso2 Para) = 1, Paso 3 SALIDA (6, jy tyes ry Wy) Paso Para = 1,2,..., Naga los pasos 5-11, +m tome ty = a4.316 EJEMPLO 1 Figura 5.6 CAPETULO 5 © Problemas de valor inicial para ecuaciones diferenciales ardinarias Paso 5 Paraj 2, ..., am tome yj = Els Wy yyy ) Paso § Paraj = 1,2,..., m tome y= aff By + Eka tt bya ees toe tthe Poso 7 Paraj hy Smet Ey + Ll ty t bhai + Na) Paso 8 Paraj= 1,2,..., mt tome cj = Ia + hy + Reyy, ty + eggs os ty + hy a) Poso9 Paraj=1,2,..., m tome tay a0 + yy + yy + Dy + hy E Pasa 10 Tomer =a + ih, Paso 11 SALIDA (f, wi, ty .<.5 My Poso 12 PARAR . 2. mm tome La ley de Kirchihoff establece que la suma de todos los cambios instantdneos de voltaje al- rededor de un cireuito cerrado es cero. Esta ley implica que en un circuito cerrado que con- tenga una resistencia de R ohms, una capacitancia de C faradias, una inductancia de J. hen- rios y una fuente de voltaje de E(t) voltios, la corviente I(t) satisface Ia ecuaciGn 1 Uo) + RID) + / He) de = BO, Las corrientes /,(¢) ¢ /,(1) en los ciclos izquierdo y derecho, respectivamente, del circuito que se muestra en la figura 5.6 son soluciones del sistema de ecuaciones Ut) + 6,0) — bae)] + 2h = 12, 1 os | Iy(t) de + Abo) + 6UEKO — 1H) = 0.5.9 Ecvaciones de orden superior y sistemas de ecvociones diferenciales 317 Supongamos que el interruptor del circuito se encuentra cerrado en el instante = 0. Entonces /,(0) = 0 e 1,(0) = 0. Se resuelve para fj (), al diferenciar la segunda ecuacién y al sustituir la primera en el resultado, se obtiene el sistema T= Silt yeh) = Al, +3 +6, 10) = 0, 1, = ffl yy) = O61, — 0.21, = —2.4F, + 1.61, + 3.6, 1,0) = 0. La solucién exacta del sistema es I Mi) = -3.375e~™ + 1875e~O4 + 1.5, AQ = -2.25e7¥ + 1.252" Aplicaremos el método de Runge-Kutta de cuarto orden con fi = 0.1 a este sistema. Dado que 1, = 1,(0) = Oy uo = 10) = 0, 0.1 F,(0, 0, 0) = 0.1[-4(0) + (0) + 6] = 0.6, 0.1 f40, 0, 0) = O.1[-2.4(0} + 1.600) + 3.6] = 0.36, i 1 by = Wile gh tint ah, = O.1[—4(0.3) + 3(0.18) + 6] = 0.534, 1 1 baa Mio + Fhe ig + Fh aa = O.1[-24(0,3) + 1,6(0.18) + 3.6] = 0.3168, yy PA ee oy Kya = Willey tn 1 tay + Fh] = 0.14005, 03, 0.18) i.) = 0.1 f{0.05, 0.3, 0.18) Al generar los valores restantes en una forma semejante, se obtiene k,, = (0.1) f(0.05, 0.267, 0.1584) = 0.54072, yy = (0.1),F(0.05, 0.267, 0.1584) = 0.321264, Ay, = (0.1) f0.1, 0.54072, 0.321264) = 0.4800912, 2 = 0.1) £0. 1, 0.54072, 0.321264) = 0.28162944, En consecuencia, 1O1)~ wy = tig + Ey + Bh, + by, tay) o+ z [0.6 + 2(0.534) + 2(0.54072) + 0.480912 5382552 L 1YO1) = ty = Heyy + 5 Cha + Bag + Biya + hy) = 0.319626 El resto de los valores de Ia tabla 5.17 sc generan de manera parccida, .318 Tabla 5.17 CAPETULO 5 © Problemos de valor inicial pora ecuaciones diferencioles ordinarias wi, lay — 00 0 0 0 0.1 05382550 3196263 © a.szBS x 10“F =. S8O3. 10° 02 — O9689E3—OS687SIT. UST x 10“ 0.9896 x 10-4 03 1310717 07607328 = QIODTX 10-* =. x 10 04 1.581283 Os063208 = 0.2098 x 10ST 10-4 05 Lovasan 0.2193. 10- 0.1240 x 10 El comando de Maple deo ve puede usarse para resolver sistemas de ecusciones di- ferenciales. de primer orden, El sistema del ejemplo 1 se define con dene para obtener 3.0«7 15 9 a ol: a3. Dyemy Byrn, aw gen 4 2am olds jul (ey z zo em, wth 3° a | zaremos 13 20 use aol} (4h) que nos da una respuesta semejamte Si queremos.evaluar (0.5) y u,(0.5) wsamos 8(te0.5, el) para obtener 1.793527048 y 1.014415451. El comando delve fallard si no se puede obtener una solucién explicita, En tal ca- so podemos usar la opcién numérica en dso ve, la eval aplica el método de Runge-Kut- ta-Fehlberg. Por ejemplo, proc(rk / 45_n),.. fin procEJEMPLO 2 5.9 Ecuociones de orden superior y sistemas de ecuaciones aiferenciales 39 Para aproximar Ia soluci6n con 1 = 0, introducimos »gt0.515 para obtener (= 5, u2(ty = 101441545470291 761, wl(r) = 1,79352705243766586) Muchos problemas importantes de la fisica (por ejemplo, circuits eléctricos y siste- mas con vibracién) implican problemas de valor inicial cuyas ecuaciones tienen orden mayor que uno, No se requicren nuevas técnicas para resalver estos problemas; rectique- tando las Variables se puede reducir una ecuaciéa diferencial de orden superior a un siste~ ma de ccusciones diferenciales de primer orden y luego aplicar una de los métodos ya ana lizados. Un problema general de valor inicial del m-ésimo orden ym = A, yey, a =rsh, con las condiciones iniciales (a) = a, y'tad = » Nf} = ar, puede convertinse ‘ent un sistema de ecuaciones de la forma (5.44) y (5.45). Sean u,(¢) = y(t} u(t), = s°C), 5 ¥ M(t) = vO" ~ UE). Can esto se produce el siste- ma de primer onden yer =f yy MNS FU tye ttas oo oe ile dt de can las condiciones iniciales ua) = May ufo) = ya) = ay... ula) = va) = Cansideremos el problema de valor i Ide segundo orden yo -2¥ + 2yse*seny — pawO=sr=1, con) = -O.4, (0) = 06. Con 14 (0) = 960) ¥ «Ut, = ¥'(6, transformeamos esta ecuacién en él sistema wie) = agit, WE) =e sen = Que + 2asle),320 CAPLTULO 5 © Problemas de valor inicial para ecuaciones diferenciales ordinarics con las condiciones imiciales (0) = -0.4, u{0) = 0.6, El método de Runge-Kutta de cuarto orden se ulilizaré para aproximar la soluciGn de este problema usando 4 = 0.1, Las condiciones iniciales dan wi.) = —OAy tty» = ~06. Las eevaciones (5.48) a (5.31}.con j = O dan yy = Mi Mlge gp tg) = ity = 0.06, Kya WE Algo yyy tg) = he see ty — Deeg + 25g) = — 0.04, 4 2 I tt Hag F sha} Wiyy + { fh = Wile Big 3) = Mig + h ao hits * Pome + = rfemrasn sen (ty + 0.05) ~ uo + $tu) +2 (mss + ¥ : = ~0,03247644757, 1 yeh [0 + d,| = -0,06162832238, i 1 fysh [em 05) son (ty + 0.05) ~ 2 (10+ Phat 2( ayo + 4a)] = 003152409237, .y = hits, + 42] = —0.06315240924, digg = heMe + OD sem tty + 0.0) — 2th g + kyg) + Atty + Hyg)] = 002178637298 Por tanto, = Mat hth 1+ yy + Uk) + yy) = 046173323 Wy, = thy + es + Bigg + Uys + hg) = -0.6316312421. El valor 1, , apronima w,(0.1) = y(0.1} = 0.2e%0(sen 0.1 = 2eos 0.1] y ce.) apeo- xima (0.1) = y(0.1) = 0.2e%0¢4 sen 0.1 — 3 cos 0.1). En la tabla 5.18 se incluye el conjunto de valores tw, ,y wi, para j=0, 1,..., 10y se comparan con los valores reales de u,(1) = 0.2e%%sen (— 2.cos ) y de uj) = (0 = 0.2e%4 sent — 3.cos 1). .5.9 Ecvaciones de onden superior y sistemas de ecuaciones diferencioles 321 Tabla 5.18 Tp ap wy vy ewy a, bipow) rpom,| 0.0 ~ 040000000, = OMIO00IIO) =6,0000000 =0,6000000 o 0 Ou —0.46173297 — 046173334 — 06316304 0.63163 124 3310-7 7.78 * ite? O02 —0.52555983 0.640478 —O.G4014895 83% 107 LOL x 10-% 09 —0.58860144 —0,6136630 —O.61366381 13x Lee 834 10"? Oa 0.64661231 =0,5365821 = 0,53658203. 203% LO 179 10°? Os —0.69356686- 1.887395 O.38873810 271 «let 3.96 = 10°? O68 0.721 14849 —O.72115190° 01443334 0 14433087 341 x 10-8 775% 10-7 OF 0.718 14890 071815295 (0.2289917 (0.22899702 4.05% 1-8 2.03 * 10-* Og —0.66970677 0.66971 133 O.7719815 O.77199180° 4.56% 10-* 5.30 ™ 10-% OF —O.55643814 —0.55644290 0.534704 ‘O.1S347815 4.76% 10% 954 ™ 10% 10 “035339436 AS33986 ‘2. S7RI41 (O.25787663, 450% 10°° 14x io ‘También podemos utilizar dsol ve de Maple con ecuaciones de orden superior, N6- tese que la n-€sima derivada y"\(f} xe especifica por medio de (De@n) (y) (t). Para de- finir la ecuacién diferencial del ejemplo 2, usamos Pbet2s = (DGG) (y) (by 2*DGy) (b1 + 2¢y (tb) Sep l2*ty sen (ths y para especificar las condiciones iniciales usamos y{O)=-0.4, Diy) {(0)=-0.6; La soluciin se togra aplicando el comando I2i-daolve( {det2,init2).yiti}: para obtener 2 I! sold: yi = pico + 3 Aislamos la solucién en forma de funcién mediante: rhs (sola); para obtener (1.0) = g (1.0), introducimos > evalf (a (r=1.0,9 que da el resultado ~ 3533943558. " seni) También se dispone de] método de Runge-Kurta-Fehlberg para las ecuaciones de or- den superior, a través del comando dsolve con la opcién numérica. Introducimos <1 co-322 CAPITULO 5 © Problemas de volor iniciat pare ecuociones diferenciaies ordinarias Podemos aproximar y(1.0} splicando el comande =at para obtener a [1 = 1.0, yea) = ~.35339446RO7S34676, y(t) = 2.57874665940482072] En forma semejamte podemos extender los demas métodos de un paso a los sistemas, Si extendemos con control de error los métodes como el de Runge-Kutta-Febllberg, enton- ces debemos examinar la exactitud de cada componente de la solociéa numeérica (1). ty... tty). Siuno de las. componentes no offece suficiente exactitud, seré necesario-re- calcular la solucién numérica completa (04. ts... td) Los métodos multipasos y los métodos predictores-correctores también pueden exten- derse a los sistemas. Una vez mis, si se usa el control de error cada componente debe ser cxacte. También el método de extrapolacién se puode extender a los sistemas, pero la.no- tacién se vuelve extremadamente compleja, Si el lector desea profundizar en este tema, le recomendamos consultar [HNW]. Los teoremas de convergencia y las estimaciones de error de fos sistemas se asemejan a los que vimos en la seccién 5-10 para ecuaciones individuales, salvo que las cotas estén dadas a partir de las normas vectoriales, tema que veremos en el capitulo 7, (Una buena ‘obra de consulta en la que se explican estos teoremas es [Gel, pp. 45-72).) CONJUNTO DE EJERCICIOS 5.9 Aplique el método de Runge-Kutta para sistemas y aproxime con él las soluciones de los si- xientes sistemas de ecnaciones diferencisles de primer orden. Después, compare los resalta- dos con Ins solociones reales. aw = 3a, 4 lu OF + De, OSS 1 (= wade tut +a ae OSes, uso Lettel oy uylih= Set tet aed, fu —2u Heose+ dua, 0512, aK) = 0; Osrst uso soluciones reales (1) = 2e*—2e-*+ sent y wit) = —3e" + 2e%, A= 0.2; soluciones reales u(t) = te bu wy 26+ 1, of menu etl, OSre2 w= hh 0.5; soluciowes reales a(t) = cos f+ sen f+ I, uglt) = —sen + eos Fey w() = sens + cos death OSFS1, w= . OSS 1, uy} ate Osrsl a) =—h ASO; soluciones reales w,(9 = 0.086 + 0.254 +r +2 m0) = 0.254 + t= em 2. Use el algoritmo de Runge-Kutta para sistemas y aproxime con 61 las soluciones de las siguien- tes ccuaciones diferenciales de orden superior. Compare después los resultados con Las salucia- nes reales Wyatt OFFS 1 MO =¥OV=O, com A= O11: solucién seal MY) = phen ie + lett ee woe ely59 x Exuoctones de orden superior y sistemas de ecveciones diferenciales 323 BR Wy =P, Lard = vem Tee Pla 28 eye ayy a= O51 =e 3, KO= 0.2; soluein real vith = Set + jet deoF + Het Qty Py 43 = ay SP ln OP, bse s2 WO Y= LU) = 3, con dt = 0.1; solucién real yith = feos(in ff + ¢ sendin + Fim, ‘Cambie ¢l algoritme predictor de cuarto orden de Adams para obtener soluciones aproximadas ‘los sistemas de eouaciones de primer orden Repita el ejercicic | usando el algoritmo desarrolisdo en el ejercicio 3. Repita el ejercicio 2 usancks el algoritmo desurrollado en el ejercicio 3, Suponga que el péndule deserito en el ejemplo inicial de este capitulo mide 2 pies de largo y gee g = 32.17 pies/s2, Con f= 0.1 s, compare el dngulo @ obtenido e0 el caso de los dos si- guiemtes problemas de valor inicial cuando t= 0,1 y 2s: (= 0, con A = 0.1; solucién real yO) = 2, (0) = 0, con b= #88 ® ae TET eeO AO EHO) —o, @O Bye == - bet Ten a= FE. oO = 0, El estudio de los modelos matemiticos para predecir la dindmica demogréfica de especies an- tagénicas nacid con las obras independientes que, en la primera parte del siglo xx. publicaron ‘A.J. Lotka y V. Volterra. Considere e] problema de predecir la pablaciin de dos especies, una de las cuales os depredadora y cuys poblecia en el tiempo ¢ €5.x,(¢) y la otra es la presa, cuya poblacida es «,(1). Supondremos.que la prosa.dispone siempre de suficiente comida y que su na talidad cn cualquier momenta ¢s proporcional a la cantidad de presas vivas en ose tiempo: es devir, la natalidad (de 1a presa) es 4,,(/). La mortalidad de la presa depende-del mimero de pre- sas y de depredadores vives en ese tiempo. Para simplificar los cficulos. supondremos que la ‘mortalidad (de fa presa} es = &,)(Fe,(0). En cambio, In natalidad del depredador depende det suministyo de comids «,(1) y también del nimero de depredadores que intervienen en.el proce- 0 de reproducciém. Por tal raz6n, suponemos que Ia natalidad (de los depredadores) ¢3 A,x)(t3%, ((), Supondremos que su mortalidad es proporcional a la cantidad de depredadores vivos en cl tiempo: es decit, martatidad (de-los. depredadores) = kyry(?). Dado que x{(1) y(t representan, respectivamente, el cambio-de las poblaciones de presas ¥ deprodadiores en el tiempo, ¢! problema se expresa mediante cl sistema de ccuaciones diferen- ‘ciales no lineales. HOD ht = KEL yD = Aye) — hyxgtnh Resuelva este sistema para 01 4, sopoaiends que la poblacién inicial de Is presa es de 1000 y Ia de los depredadores es de 300, y que las comstantes. son k, = 3, = 0.002, ky = 0.0006 A, = 0.5. Ditaje una gréfica de las soluciones de este problema, graficando ambas po- Dlaciones com el tempo y describ Jos fendmenos fisicns representadas. ; Thene este maxlelo de- mogréfico una solucién estable? De ser asf, ,coa que valores de x, y.x, es estable la saluciGn’? En el gjercicia 7 consideramos ¢] problema de predecir In pobtacidn por medio de un modelo de depredador-presa. Ouro problema de este tipo se refiere a dos especies que compiten por la mis- sma comida, Si cad +,( ¥.2,(9 denatame los niimeros de especies vivas en el Kempo ta mena ido se supone que, aunque Ia natalidad de cada especie ex simplemente praporcional al rximero de animales vivos en ese tiempo. la mortalidad de cada especie depende de Ia poblacién de ambas ‘especies. Supandremas que la poblacidn de un par determinado de especies se describe median te las ecunciones:324 CAPETULO 5 © Problemas de valor inicial pora ecuacianes diferenciales ordinarias aye = x (N|4 — 0.0003r,(0) — 0.0004e,4091 a, se = ay(t)[2 ~ 0.0002r,(0) ~ 0.000140), Si se sabe que la poblacién inicial de cada especie ¢s de 100000 encuentre la solucidin de exte siste- ma cuando 05 154, ;Tiene este modelo demogrifico una solucin estable? De ser asf, soon qué valores de x, y x, es estable la solucién? 5.10 Estabilidad Definicién 5.18 Definicién 5.19 En este capitulo hemos descrito varios métodos que sirven para aproximar la solucién de un problema de valor inicial, Aunque existen muchos otras, seleccionamas los anteriores porque generalmente cumplen con tres criterias 1. Su desarrollo es tan claro que ¢] estudiante que cursa ¢) primer afio de an: mérico puede entender eémo funcionan y por qué dan buenos resultados. 2, Uno o més de los métodos darin resultados satisfactorios cn la mayor parte de los problemas que deben resolver los estudiantes de ciencias © ingenierfa. 3, Los métodos mas avanzados y complejos tienen como base une de los métodlos que hemos expuesto aqui o bien son una combinacién de ellos. sn En esta seceién explicaremos por qué estos métados dan resultados satisfactorios y no asi algunos méiodos semejantes a ellos. Antes de empezar la explicaci6n, es necesario in- cuir das definiciones referentes a la convergencia de los métodos de ecuaciones en dife- rencias de un paso a la solucién de esa ccuacién, a medida que el tamaiio de paso dismi- nuye. Se dice que el método de la ecuacién en diferencias de un paso con el error local de trun- camiento 7(h) en el i-ésimo puso es consistente o compatible con la. ecuacién diferencial que aproxima, si hima max. | x6hp| = me fey (Observe que esta definicién es Jocal, pues para cada uno de los valores 7;(h} estamos suponiendo que la aproximacién w,_, y Ia sok }} son iguales. Un medio mis realista de analizar los efectos que se producen al hacer pequefic 4, consiste en deter- minar el efecto global del método, Este es el error miximo del métodoen el intervalo total de la aproximaci6n, suponiendo que ¢! método dé el resultado exacto en el. valor inicial, Se dice que un método de la ecuacién en diferencias de un paso es convergente respecto 2 la ecuacidn diferencial que aproxima, si:Teorema 5.20 5.10 Estabilidad 325 lim max | uj — yr] = 0, bed 128 donde y, = y(t) denota el valor exseto de Ia solucién de la ccuscisn diferencial y w; es la aproximacién obtenida # partir del metodo de diferencias en el i-simo paso. . Al examinar la desigualdad (5.10) de la seccién 5.2 en la formula de cota de error del método de Euler, segiin el teorema. 5.9 puede decirse que Mh ng, |e weal soy por tanto, el método de Bules es convergente respecto a la ecuacidn dite ple Ins condiciones de esie teorema y la razén de convergencia es Oth). ‘Un método de un paso es. consistente precisamente cuando la ecuacién en diferencias tiende a la ecuacién diferencial cuando el tamaio de paso tiende a cero; es decir, el enor Jocal de truncamiento sé aproxima a ceto cuando él tamaiio de paso tiende a cero. La de- finicién de convergencia offece una connotaciGn semejante. Un método ex convergente precisamente cuando la solucicn de la ecuacidn de diferencias tiende a la solucién de la ecuacién diferencial, conforme el tamaio de paso se acerca a cero. El otro tipo de cota de error del problema que ocurre cuando se emplean los métados de diferencias para aproximar las soluciones de las ecuaciones diferenciales, se debe a que ‘80 s¢ utilizan resultados exactos. En la prictica, ni las condiciones iniciales ni las opera- ciones aritméticas que se efectian después estin representadas exaclamente, debido al error de redondeo asociado a la aritmeética de digitos finitos, En la seccidn 5.2 vimos que esta consideraci6n puede ocasionar dificultades, incluso en el métoda convergente de Eu: ler, Para analizaresia situaciOn, al menos parcialmente, trataremos de determinar cuales métodos son estables, en el sentido de que los cambios o perturbaciones pequefns en las condiciones iniciales produzcan cambios igualmente pequefios en las aproximaciones pos teriores; es decir, un método estable es aquel cuyos resultados se Basan conrinuamente en tas datos iniciales [El cancepto de estabilidad de Ia ecuacién en diferencias de un paso se parece un poco ala condiciGn de una ecuacidn diferencial bien planteada, por ello no-debe sorprendernos ue la condiciéa de Lipschite aparezca aqut, como sucedié en el teorema correspondiente de las ecuaciones diferenciales, teorema 5.6. EL inciso (i del siguiente teorema se refiere a la estabilidad de un método de un paso, La demostracién de este resultado no es dificil y se incluye en el ejericio |. El inciso ii) del teorema 5,20 se refiere a las condiciones suficientes para que tn método consistente sea convergent El inciso (ii justifica el comentario hecho en la seccis 5.5 sobre el con trol de error global de un método mediante el contrl de su error local de truncamniento, © implica que, cuando este error tiene la raztin de convergencia 4H"), el error global presen- tark la iniama raza de convergencia. Las demoatraciones de los incisos (i) y (iii) son mss diffciles que la demostracién del inciso (i), y pueden encentrarse en e] material presenta- doen [Gel, pp. 57-58]. |etib-m — 4 | cial que cum. ‘Supdngase que aproximamos el problema de valor inicial yY=fiy, a=tsb, wa)=a, mediante un método de diferencias de un paso en ta forma uy =a, te, + hte, Wiss326 CAPITULO 5 © Probliemas de valor inicial pore ecuaciones diferencales ondinonas Supéngase, ademds, que existe un miimero fh, > O-y que df, 10, h) es continua y satisface Ja condiciéa de Lipschitz en Ia variable 2 con la constante de Lipschitz L en el conjunto D= (wh) las1sb,—m< wee, 0Shs hg} Entonces (El método es estable: (ii) El método de diferencias es convergente si y sélo si es consistente, el cual equivale a pit, yO) =f, y), para toda as 1b; (ii) Si existe una funciona 7 y, para cada i= 1, 2... M, el etror local de truncamiento 1h) satisfuce | 7(h)| 7(h) siempre que 0 = h = hy entonces mh) Lyigy — wl = P EJEMPLO 1 Considere el método modificado de Euler dado por ty =a, h may My TM, DAA gy mh + A, MDM, parad= 0,1... N= 1. Verificaremos que este método satisfaga la hipdtesis. del teorema 3.20. En este método- i 1 Ut, we RY = FUE we) + > FU A wee AF, Si fcumple la condicién de Lipschitz en {(t, w)|a S62 b, -e2 < wees) en la va fiable w con la constante L, entonces como Ur, ah) — b(t, A) = tu. wh + $a +h, w +h fee, wip - $5, Th FA hw ASOT, la condicisn de Lipschitz en f'nos Neva a {dete we, my ~ ate, si) | = flu - w+ file + hf, uy — hfe eile wl +t elase, w- ape ml 1 Sblwm w) + 5 aol Lyas\j -(v+ pau] \w5.10 Estabitigad 327 Por tanto, ¢ cumple la condicién de Lipschitz en wen el conjunto {iu h)lastsh,—8< ws e,05h Shy) para cualquier hy > O.con la constante 1 Lt holt Finalmente, si fes continua en [(i, u)|as as b, —2- flr +O, we O + fle, te) = fle, te), asi que se cumple Ia condiciGn de consistencia expresada en el teorema $.20, inciso (ii). E meétado es, pues, convergente. Mas abn, hemos visto que, en este método, el error local de truncamiento es O(h*), de manera que Ix convergencia del método modificado de Euler también tiene la razéa OUF"), . En las métodes multipasas, los problemas relacionadas con la consistencia, Ia conver- gencia y la estabilidad se complican alin mis, a causa del niimero de aproximaciones que requiere cada paso. En los métodos de un paso, la aproximacion w;, , depende directamen- te slo de la aproximacién anterior «;; en cambio, los métodos nvultipasos usan, al menos, dos de las aproximaciones precedentes, por su parte, los métodos que habitualmente se emplean requicren més aproximaciones, El método general multipasos con el que s¢ aproxima la solucitn de los problemas de valor inicial yV=fi,y, asrsbh yval=o, 5.53) puede escribir en la forma a =a, Wy Hy Mg ME ey aM FOF gts yg FRU My Bay thy para cada i te costumbre, k= (b = aV/N yt, = @ + El error local de truncamiento en un método multipasos expresado en esia forma es ~ ay wt |UD eos Rhatamh para cada / =m —1.m,.... N= 1. Al igual que en los métodos de un paso, el error lo- cal de truncamiento mide como la solucién y(t) de la ecuacién diferencial na satisface ecuacién en diferencias.328 CAPITULO 5 © Problemas de valor jnicial para ecuacianes diferenciales ardinacies el método de Adams-Bashforth de cuatro pasos, hemos visto que 251 Fei Seq MO CHA, par align ps & Uh fs mientras que el método de Adams-Moulton de tres pasos tiene 19 Teer Soy YOM ie. para agin py € (9, thy) naturalmente siempre que ye C*[a, b) En todo-el aniilisix haremos dos suposiciones acerca de la funcidn F: 1. Sif =0 (es decir, sila ecuacidn diferencial es homagénea), entonces también F = 0, 2. F satisface la condicién de Lipschitz respecto a {1,) en el sentido de que existe una constante L y para cada par de sucesiones {yu} y {0)))y ¥ para Meee N= 1, tenemos [Ee a Siggy ooo Baste = AU A egy ones Haren SES by — fhe =} El método explicito de Adams-Bashforth y el fmplicito de Adams-Moulton cumpien con ¢stas condiciones, siempre que f satisfaga la condicién de Lipschitz. (Véase el ejercicio 2.) En los métodos multipasos el concepto de convergencia es él mismo que el de los mé- todos de un pasa; un métadio multipasos es convergente, si la solucién de la ecuacién de diferencias se aproxima a la solucién de la ecuuckin diferencial, a medida que e! tamafio de pasa se acerca a cero. Esto significa que lim, y MA% qj |; ~ 44) | = 0. Sin embargo, en la consistencia se presenta una situaci6n diferente, Una vez mis, que~ remos que un método multipasos sea consistente a condicién de que la ecunciéa de di- ferencias aproxime la ecuacion diferencial. a medida que el tamaiio de paso se acerca a cero; es decir, el error local de truncamiento debe aproximarse a cero en cada paso-a me- dida que el tamatio de éste se aproxima a cero. La condicién adicional se presenta debido al ndmero de valores iniciales que requiere el método niultipasos. Como tinicamente el pri- mer valor inicial wy = ct, suele ser exacto, debemos exigi que los errores de todos los va~ lores iniciales {a,} s¢ aproximen a cero, conforme el tarmaiio de paso-se acerca a cero, Por tanto, im [rant 0, para toda d= mm +1... NY (5.55) tim fa;~ y(i)| =O, para toda i= 1,2,...,m~ 1, (5.56) deben ser verdaderos para que un método multipasos de La forma (5.54) sea consistente. Notes que (5.56) implica que un método nuultipasos mo sera consistente, salvo que tam- bign el método de un paso que genera los valores iniciales bo sea. E! siguiente teorema de méiodos multipasos se asemeja al teorema 5.20, inciso (iii), ¥ nos da la relacida existente entre el error local de truncamiento-y cl error global de un mé- wodo mutipasas. Ofrece la justificacién teérica para intentar controlar el error global regu- Jando el error lacal de truncamiento. En (IK, pp. 387-388] se encuentra la demostracién de uuna forma ligeramente mis general de este teorema,Teorema 5.21 5.10 Estabilidad 329 Suponga que aproximamas el problema de valor inicia! sly, asisb, vasa, por medio del método explicito predictor-corector de Adams, con la ecuaciéin predictora de m pasos de Adams-Bashforth Wey = TAI, Flty WI) HF BAC ee Hherade con el error local de truncamiento =, ,(h) y una ecuacién implicita correctora de (om — 1) pasos de Adams-Moulton Wig = ye aH Pty, py) Bg Fly tay) to By Piya es Wha ze con el error local de truncamiento 7, (h). Ademas, supdngase que f(t, y) yf (1. ¥) son con timuas on D= {(1, y) |a S13 b yen —- < y 1.Definicién 5.22 Definicién 5.23 Teorema 5.24 EJEMPLO 2 5.10 Estabilidad 331 A pesar dé haber considerado s6lo el caso especial de aproximar los problemas de va lor inicial de la forma (5,58), las caracteristicas de estabilidad de esta ecuacidn. determinan la estabilidad de la situacién cuando ir, y) noes idénticamente cero. Ello se debe al hecha de que la solucién de Ia ecuacién homogénea (5.58) est integrada en la solucién de cual: quier ecuacién, Esta explicacién da origen a las siguientes definiciones, Denotemos con Aj, As, .-., Ay, las raices (no necesariamente distintas) de la ecuscién ca~ racteristica Pay =a" amt — a — ay = 0 asociadas al métoda multipasas de diferen Why y= My pW yy ng FH GM gg + MP My We pe Mlp eee Bigg Si |4,| = 1 paracada i= 1, 2,,... my si todas las raices com valor absoluta I son raices simples, entonces se dice que el método de diferencia cumple la condicién de raz, (@ Seda cl nombre de métodos fuertemente estables a los que cumplen la con- dicién de rafz y tienen A = 1 como ta tinica rafz de Ta ecuacidin caracteristica de magnitud uno. Gi) Se da el nombre de métados débilmente estables a los que cumplen la con- dicién de raiz y tienen més de una raiz distinta de magnitud uno. Gif) Se da el nombre de métodos inestables a los que no eumplen la condicién de ralz, . La consistencia y la convergencia de un método multipasos se relacionan estrecha- ‘mente con a estabilidad de redandeo det método. En el tearema siguiente se incluyen en. forma detallada estas conexiones. Consiiltese en [TK, pp. 410-417] la demostracidn de es te resultado y la teorfa en que s¢ basa, Un métode multipasos de la forma My Le Mey gc donde they = Og tty +a, TRF Bi tay tip es estable si y s6lo si cumple la condicién de ralz, Ademis, si el método de diferencia es consistente con la ecuacién diferencial, entonces el método serd estable si y s6lo si es con- vergente. . $s + gt Hemos visto que ¢! métado de Adams-Bashforth de cuarto orden puede expresarse coma hg FRE By Whsae ove Wha donde:332 EJEMPLO 3 Tabla 5.19 CAPITULO § © Problemas de valor inicio! nara ecuaciones diferenciales ordinarias 4 3g BSI, ia) — $9 flr), we Fey he te ly onan Ue + 37 Sty. )~ OF y wh asi que m =4, ay =0, a, = 0,4, =0 ay= 1. En consecuencia, la ecuacién caracteristica de este métode de Adams-Bashforth es O= PlAy= al =ATA-1 ‘que tiene las races Ay = 1, A, = 0, A, = Oy A, = 0, Cumple con la condicién de raiz y es fuertemente estable. El método de Adams-Moulton tiene una ecuacién caracteristica semejante, p(A) = AS — A, con rafces A = 1, Ay = Oy Ay = 0, y también es fuertemente estable. . En la seccidn 5.6 se presenté el métoda explicit multipaso dado por + 2/0, aM t= y+ “eye, te) = fy como el métode explicito de Milne. Puesto que la ecuaciém caracteristica de este método, P(A) =A* — 1 = O, tiene cuatro rafces de magnitud uno A, = 1, Ay = —1,Ay = Ty Ay el método cumple la condicién de raiz, pero sélo es débilmente estable. Consideremos el problema de valor inicial =-tr+6& O5rS1, wO)=2, y que tiene la solucién exacta ) = 1+ e-®, Con fines de comparacién, usamos ef méto- do explicito fuertemente estable de Adams-Bashforth de cuarto orden y e! método de Mil- ne para aproximar In solucién de este problema enando h = 0.1, con los valores exacts para los valores iniciales. Los resultados incluidos en la tabla 5.19 muestran los efectos de un métoda débilmente estable en comparacién con los de un método fuertemente estable ‘en este problema, Valores Mingo de Método exoctos Adams-Bashforth = Error de Milne Error pi xh 4, Wy, a 4 Wy, - wil -0,10000000 15488116 15488116 -6.200000001 13011942 13011942 ‘9.300000 1682989 11652989) 0,40000000 1.0807180 10996236 «8.906 x 10 1,0983785 7.661 x 10-3 950000000 LO497E7L 0813350 MB 10 LOMITB44 8.053 x 1D"? 0,60000000 1.027237 LOA2SS14 = ISM x 10? 10486438 2.133 x 1D? 070000000 1.0149956 004799 = L020 x 10"? 0.634506 5.154 x 1D“ 0.800000 10082297 1.035000) 2.768 x 10> 1.128007 1.208 x 1D! 9.90000000 — 1LDO4S166. —O.98S7936 «= «-3872.K 10? 0.7282684 2.762 x 10"! Logogggon = 1,0024788 = 10709304 6.845 & 10 L64S0917 6.426 x 10"! En la seccidn 5.6 elegimos ef método de Adams-Bashforth-Moulton como nuestro: método predictor-corrector estindar de cuarte orden sobre cl métode de Milne-Simpson5.10 Estabilidad 333 del mismo orden, porque lox métodos de Adams-Bashforth y de Adams-Moulton son fuer- temente estables. Tienden mds a dar aproximaciones exactas con una clase mds amplia de problemus que cl método predictor-corrector que sc basa en los procedimientos de Milne y Simpson, los cuales son débilmemte estables, . CONJUNTO DE EJERCICIOS 5.10 1. Para demosirar el teorema 5.20, inciso (i), prucbe que las hipétesis implican que existe. una eanstante K'> O tal que [wml = Xlaj— ay], par cada ts is N, siempre que fie}, ¥ que (uh wf. 2. Enos mtodos de Aduins-Bashforth y de Adams-Moollon de caarte orden, a, Demuestre que, si f= 0 entonces Fu, satisfagan la ecuacién en diferencias ,,, = w; + het, beg yeenee He 1b, Demuesire que si fcumple ta condiciéa de Lipschitz.con la constante L, entonces existe unt cconstante C con Vise = OS iy - were [Fit Wiggs oe Mi 3. Use Jos resultados del ejercicio 17 de la seccidn 5.4. para demostrar que el método-de Runge- Kutta de cuarto orden ex consistente. 4. Considere ta ecuaciém diferencia) Yofinyh asrsa, ya) ‘a, Demmuestre que Io) + Ay.) ho 2 HQ £ Yh para alguma £, donde 4, < &,< 4,45 bi. El incise (8) sugiere el métado de diferencias tigg AW) — Buy — Df, wy, para = OA N= (Use este métado para resolver I-y, Osrs1, 10) =0, why = Leth, -& Repita el inciso (b) con & = 0.01 ¥ com wn, = 1 — ¢-20! 4. Analice la consistencia, estabilidad y convergencia de este método.334 CAPITULO 5 © Problemas de valor inicial para ecueciones diferenciaies ardinarias tg + Safe, wi), parad=2..,N =, ‘cot los. Valores iniciales ey). ‘a. Obtengn el error local de truncami bs Explique la consistencia, estabilidad y convergencia. 6. Obtenga una solucide aproximada de la ecuacidin difereocial to, 056s 10, 50) aplicanda el métoda de Milne con i = 0.1 ¥ tuega con A = 0.61 dados los valores. iniciales yw, = e7* en ambos casos. ,Obmo afecta le disminucién de ide h= Olah = 001 al ndenero de digtos corrector en las solociones aprorimadas en 7 = 1 y 1 107 7. Investigue la estabitidad del métoda de diferencias Wig © hee, + Seay + DAY, 3) + DAP De para i= 1,2... 8 — 1 con los valores iniciales spy wr). ‘8. Considere el problema y’ = 0 para 0 = 1 = 10 con y(0} = O-que tiene la soluciin y= 0. Si se splica al problema el métado de diferencia del ejercicio 4, entonces Suponga que w; pari = 2,3 donde « €6 un pequetio enor te redondeo, Calcaie exactamente ul, » 6 a fin de descubrir cme se propaga el eeror &: 5.11 Ecuaciones diferenciales rigidas ‘Todos los métodos para aproximar ia soluciéa de problenas de valor inicial tienen térini- nos de error que imptican una derivada de orden superior de la solucién a la ecuacién. Si la derivada puede acolarse de manera razonable, entonces el métado tendri una cota pre- decible para el error, que puede usarse para estimar la precisién de la aproximacién. Aun cuando la derivada crezea al aumentar el niimero de pasos, el error podri controlarse de manera relativa, siempre que la magnitud de la solucién también aumente. Sin embargo, con frecuencia surgen problemas cuande la magnitud de la derivada crece, pero la soluciGn ng, En este caso, el error puode erecer tanto que domine los cdlculos. Los problemas de valor inicial a los que probablemente les ocurra lo anterior se aman ecuaciones rigidas y son bastante comunes, particularmente en el estudio de vibraciones, reaceiones quimicas y circuitos eléetricos. Los sistemas rigidos reciben su nombre del movimiento en sistemas de masa-resorte que tienen. constantes de resorte grandes. ‘Las ecuaciones diferenciales rigidas se caracterizan como aquéllas cuya solucién exacta tienen un término de la forma et, donde ¢ es una constante positiva grande. Por lo general, esto sdle cs parte de la solucién, Hamada solucién transitoria, La parte mds irn- portante de la solucién es la solucién de estado estacionario, La parte transitoria de una ecuacidin rigida decaers ripidamente a cera al aumentar (, pero como la n-ésima derivadsEJEMPLO 1 Tabla 5.20 5.11 Ecwaciones diferencotes rigidas 335 de este término tiene magnitud ce", la derivada no decae tan ripido. De hecho, como la derivada en el término del error no se evalia en J, sino én un nlimero entre cero y ¢, los términos de derivadas pueden crecer cuando t aumenta (de hecho, pueden hacerlo muy ri- pidamente), Por fortuna, las ecuaciones rigidas se pueden predecir a partir del problem fi- sico del que se deduce la ecuacién y, con cuidado, se pikede mantener al error bajo control La manera de hacer esto se analiza en esta seccién, E] sistema de los problemas de valor inicial 4 = 9ay + 2s, + Se0s1— 4 gems, un(0)= 3 wns

Potrebbero piacerti anche

• Las Macros en Excel 2010: Hojas de cálculo

  

  Da Everand

  Las Macros en Excel 2010: Hojas de cálculo

  Joan Pallerola Comamala

  Nessuna valutazione finora
• Educar y convivir en la cultura global

  

  Da Everand

  Educar y convivir en la cultura global

  José Gimeno Sacristán

  Valutazione: 5 su 5 stelle

  5/5 (2)
• Lecciones de física de Feynman, I: Mecánica, radiación y calor

  

  Da Everand

  Lecciones de física de Feynman, I: Mecánica, radiación y calor

  Richard P. Feynman

  Valutazione: 3 su 5 stelle

  3/5 (2)
• • Riviste
  • Podcast
  • Spartito
• Computación en la nube: estrategias de Cloud Computing en las empresas

  

  Da Everand

  Computación en la nube: estrategias de Cloud Computing en las empresas

  Luis Joyanes Aguilar

  Nessuna valutazione finora
• Orbit: Siegel & Shuster: the creators of Superman: Spanish Edition

  

  Da Everand

  Orbit: Siegel & Shuster: the creators of Superman: Spanish Edition

  Jon Judy

  Nessuna valutazione finora
• Y Eso...?Que Tiene?

  

  Da Everand

  Y Eso...?Que Tiene?

  Enahel

  Nessuna valutazione finora
• Corazón de Poeta

  

  Da Everand

  Corazón de Poeta

  Delara

  Nessuna valutazione finora
• Los pequeños gigantes del planeta, la esperanza: Un cuento para toda la familIa

  

  Da Everand

  Los pequeños gigantes del planeta, la esperanza: Un cuento para toda la familIa

  Francisco Javier Ayala Jiménez

  Nessuna valutazione finora
• Amber Alert

  

  Da Everand

  Amber Alert

  Lianetta Perelló

  Nessuna valutazione finora
• Misadventures of Adam West #2: Spanish Edition

  

  Da Everand

  Misadventures of Adam West #2: Spanish Edition

  Adam West

  Nessuna valutazione finora
• Arthur Schopenhauer

  

  Da Everand

  Arthur Schopenhauer

  Robert Zimmer

  Nessuna valutazione finora
• Grandpa's Big Knees (El Tabudo y La Reina): The Fishy Tale of El Tabudo

  

  Da Everand

  Grandpa's Big Knees (El Tabudo y La Reina): The Fishy Tale of El Tabudo

  Jessy Carlisle

  Nessuna valutazione finora
• Pensamientos Cortos

  

  Da Everand

  Pensamientos Cortos

  Gonzalo Avila

  Nessuna valutazione finora
• Entrena a tu Cachorro Interno a Comer Saludable: Deja Que tu Estómago Sea tu Guía

  

  Da Everand

  Entrena a tu Cachorro Interno a Comer Saludable: Deja Que tu Estómago Sea tu Guía

  Linda W Craighead PhD

  Nessuna valutazione finora
• Hannah Arendt

  

  Da Everand

  Hannah Arendt

  Nils Baratella

  Nessuna valutazione finora
• Aprenda a Ser Feliz

  

  Da Everand

  Aprenda a Ser Feliz

  Elena Batriz Parra

  Nessuna valutazione finora
• Pequeñas Puertas Para Inmenso Pensar En Recordar

  

  Da Everand

  Pequeñas Puertas Para Inmenso Pensar En Recordar

  Enrique Perez

  Nessuna valutazione finora
• La gente opina: La gente opina

  

  Da Everand

  La gente opina: La gente opina

  Oyemathias

  Valutazione: 4.5 su 5 stelle

  4.5/5 (18)
• Love Giraffe Children's Tales (English & Spanish Edition): La Jirafa del Amor Cuentos para Niños

  

  Da Everand

  Love Giraffe Children's Tales (English & Spanish Edition): La Jirafa del Amor Cuentos para Niños

  Rene Cavazos

  Nessuna valutazione finora
• Jean Jacques Rousseau

  

  Da Everand

  Jean Jacques Rousseau

  Antonio Roselli

  Nessuna valutazione finora
• Pata ti conquistador Felicidades: Antologia Poetica Creacion y diseno con hoja de notas

  

  Da Everand

  Pata ti conquistador Felicidades: Antologia Poetica Creacion y diseno con hoja de notas

  Virginia Lopez Soba

  Nessuna valutazione finora
• Nebrija

  

  Da Everand

  Nebrija

  Agustín Comotto

  Nessuna valutazione finora
• Tribute: Freddie Mercury: Spanish Edition

  

  Da Everand

  Tribute: Freddie Mercury: Spanish Edition

  Mike Lynch

  Valutazione: 5 su 5 stelle

  5/5 (1)
• Wrath of the Titans: Spanish Edition

  

  Da Everand

  Wrath of the Titans: Spanish Edition

  Darren G. Davis

  Nessuna valutazione finora
• Ética: Filosofía ilustrada

  

  Da Everand

  Ética: Filosofía ilustrada

  Heiner F. Klemme

  Nessuna valutazione finora
• Thomas Hobbes: filosofía ilustrada

  

  Da Everand

  Thomas Hobbes: filosofía ilustrada

  Heiner F. Klemme

  Valutazione: 5 su 5 stelle

  5/5 (1)
• Coeducando para una ciudadanía en igualdad

  

  Da Everand

  Coeducando para una ciudadanía en igualdad

  Madeleine Arnot

  Valutazione: 5 su 5 stelle

  5/5 (1)
• Contra la nostalgia: San Juan de la Cruz y los orígenes de la lírica

  

  Da Everand

  Contra la nostalgia: San Juan de la Cruz y los orígenes de la lírica

  David Barreto

  Nessuna valutazione finora
• Nuevos alfabetismos. Su práctica cotidiana y el aprendizaje en el aula

  

  Da Everand

  Nuevos alfabetismos. Su práctica cotidiana y el aprendizaje en el aula

  Colin Lankshear

  Nessuna valutazione finora
• Sentido y alcance de la sistemática jurídica

  

  Da Everand

  Sentido y alcance de la sistemática jurídica

  Karl Engisch

  Nessuna valutazione finora
• Piscis de Zhintra: el planeta de los vampiros

  

  Da Everand

  Piscis de Zhintra: el planeta de los vampiros

  Víctor Conde

  Nessuna valutazione finora
• My First Bilingual Book–Music (English–Spanish)

  

  Da Everand

  My First Bilingual Book–Music (English–Spanish)

  Milet Publishing

  Nessuna valutazione finora
• John Rawls: Legado de un Pensamiento

  

  Da Everand

  John Rawls: Legado de un Pensamiento

  Delfín Ignacio Grueso

  Nessuna valutazione finora
• De Uribe, Santos y otras especies políticas: comunicación de gobierno en Colombia, Argentina y Brasil

  

  Da Everand

  De Uribe, Santos y otras especies políticas: comunicación de gobierno en Colombia, Argentina y Brasil

  Omar Rincón

  Nessuna valutazione finora
• Libro de todas las cosas y otras muchas más

  

  Da Everand

  Libro de todas las cosas y otras muchas más

  Francisco De Quevedo

  Nessuna valutazione finora
• Ingeniería ambiental

  

  Da Everand

  Ingeniería ambiental

  Javier Arellano

  Nessuna valutazione finora
• Coaching Samurai: ECONOMÍA, FINANZAS, EMPRESA Y GESTIÓN

  

  Da Everand

  Coaching Samurai: ECONOMÍA, FINANZAS, EMPRESA Y GESTIÓN

  Pablo Nalda Gimeno

  Nessuna valutazione finora
• Coaching Samurai

  

  Da Everand

  Coaching Samurai

  Pablo Nalda

  Nessuna valutazione finora
• La arquitectura del teatro: Tipologías de teatros en el centro de Bogotá

  

  Da Everand

  La arquitectura del teatro: Tipologías de teatros en el centro de Bogotá

  Alfredo Montaño

  Nessuna valutazione finora
• Summer Bridge Activities Spanish 4-5

  

  Da Everand

  Summer Bridge Activities Spanish 4-5

  Summer Bridge Activities

  Nessuna valutazione finora
• Filosofía del derecho privado

  

  Da Everand

  Filosofía del derecho privado

  Gioele Solari

  Nessuna valutazione finora
• Exploraciones sobre el aprendizaje de lenguas y contenidos en programas bilingües. Una indagación en la escuela primaria

  

  Da Everand

  Exploraciones sobre el aprendizaje de lenguas y contenidos en programas bilingües. Una indagación en la escuela primaria

  Anne Marie Truscott de Mejía

  Nessuna valutazione finora
• Luchar contra la corriente: Derechos humanos y justicia climática en el Sur global bilingüe

  

  Da Everand

  Luchar contra la corriente: Derechos humanos y justicia climática en el Sur global bilingüe

  Alejandra Donoso

  Nessuna valutazione finora
• Oscuridad Y Decadencia. Libro 3. Intersección De Sueños: Fin De La Historia De La Sirena Que Soñaba Con Ser Humana

  

  Da Everand

  Oscuridad Y Decadencia. Libro 3. Intersección De Sueños: Fin De La Historia De La Sirena Que Soñaba Con Ser Humana

  Elena Kryuchkova

  Nessuna valutazione finora
• De la calle a la alfombra: Rogelio Salmona y las Torres del Parque en Bogotá,

  

  Da Everand

  De la calle a la alfombra: Rogelio Salmona y las Torres del Parque en Bogotá,

  Tatiana Urrea Uyabán

  Nessuna valutazione finora
• Aprender a escribir en la universidad

  

  Da Everand

  Aprender a escribir en la universidad

  Eduardo Escallón Largacha

  Valutazione: 5 su 5 stelle

  5/5 (1)
• Empoderamiento, autonomía y pensamiento crítico en las aulas de lenguas extranjeras: Indagaciones en la educación superior colombiana

  

  Da Everand

  Empoderamiento, autonomía y pensamiento crítico en las aulas de lenguas extranjeras: Indagaciones en la educación superior colombiana

  Nicole Bruskewitz

  Nessuna valutazione finora
• Documento en desarrollo Cider 1. El proceso de formación de agenda política pública de seguridad democrática

  

  Da Everand

  Documento en desarrollo Cider 1. El proceso de formación de agenda política pública de seguridad democrática

  Jairo Santander

  Nessuna valutazione finora
• Desarrollo local y dinámicas territoriales: Homenaje a Joan Noguera

  

  Da Everand

  Desarrollo local y dinámicas territoriales: Homenaje a Joan Noguera

  AAVV

  Nessuna valutazione finora
• Rostros sin rastros: Televisión, memoria e identidad

  

  Da Everand

  Rostros sin rastros: Televisión, memoria e identidad

  Camilo Aguilera Toro

  Nessuna valutazione finora
• Summer Bridge Activities Spanish 7-8

  

  Da Everand

  Summer Bridge Activities Spanish 7-8

  Summer Bridge Activities

  Nessuna valutazione finora
• Las Macros en Excel 2010

  

  Da Everand

  Las Macros en Excel 2010

  Joan Pallerola

  Nessuna valutazione finora
• Nuevos enfoques para el estudio de las relaciones internacionales de Colombia

  

  Da Everand

  Nuevos enfoques para el estudio de las relaciones internacionales de Colombia

  Félix J. Palma

  Nessuna valutazione finora