MTODOS NUMRICOS BSICOS

CON SOFTWARE











DAVID TOSTADO MENA











INSTITUTO TECNOLOGICO
SUPERIOR
DE ALVARADO


CONTENIDO
1. INTRODUCCIN A LOS MTODOS NUMRICOS...

1.1 Definicin..
1.2 Errores...
Errores por redondeo..
Errores por truncamiento

2. SOLUCIN DE ECUACIONES...

2.1 Introduccin..
Interpretacin geomtrica de las races...
Teorema sobre la localizacin de las races...
2.2 Mtodo de Aproximaciones Sucesivas
Interpretacin geomtrica del mtodo
Teorema de convergencia
2.3 Mtodo de Newton-Raphson
2.3.1 programacin del mtodo de Newton-Raphson...
2.4 Mtodo de la biseccin..
2.4.1 Programacin del mtodo de la biseccin
2.5 Mtodo de la falsa posicin
2.5.1 Programacin del mtodo de la falsa posicin..
2.6 Problemas de aplicacin.
Problemas propuestos



3. SISTEMA DE ECUACIONES LINEALES Y NO LINEALES

3.1 Sistema de ecuaciones lineales
3.1.1 Mtodo de Gauss-Seidel...
Convergencia del mtodo...
3.2 Sistema de ecuaciones no lineales
3.2.1 Mtodo de iteracin de punto fijo...
Interpretacin geomtrica
Convergencia del mtodo
3.2.2 Mtodo de Newton-Raphson..
3.3 Programas..
3.3.1 Programacin del mtodo de Gauss-Seidel.
3.3.2 Programacin del mtodo de iteracin de punto fijo
3.3.3 Programacin del mtodo de Newton-Raphson..
Problemas propuestos.

4. AJUSTES DE FUNCIONES

4.1 Introduccin.
4.2 Interpolacin de Lagrange
4.2.1 Programacin del mtodo de Lagrange
4.3 Regresin con mnimos cuadrados.
4.3.1 Regresin polinomial
Regresin lineal
Regresin de grado superior..
4.3.2 Regresin no polinomial..


4.3.3 Programacin de la regresin lineal..
Problemas propuestos.

5. DERIVACIN E INTEGRACIN NUMRICA

5.1 Derivacin..
5.1.1 Tangente a una curva-derivada
5.1.2 Diferenciacin numrica.
Aproximacin por diferencias con tres puntos..
5.2 Integracin numrica..
5.2.1 Introduccin.
5.2.2 Regla de los trapecios
5.2.3 Regla de Simpson de 1/3..
5.2.4 Errores en la regla trapezoidal y de Simpson
5.2.5 Uso repetido de la regla trapezoidal ...
5.2.6 Integracin de Romberg
5.2.7 Integracin doble
5.2.8 Programacin de las reglas trapezoidales y de
Simpson
5.2.9 Programacin de la regla de Simpson de 1/3 para una
integral doble ..
Problemas propuestos...





6. SOLUCIN DE ECUACIONES DIFERENCIALES POR
MTODOS NUMRICOS

6.1 Introduccin.
6.2 Solucin numrica.
6.3 Mtodo de Euler..
6.4 Mtodos de Runge-Kutta...
6.5 Mtodos numricos para ecuaciones diferenciales de
segundo orden.
6.6 Programacin del mtodo de Runge-Kutta.
Problemas propuestos














1
CAPITULO 1
INTRODUCCIN A LOS MTODOS NUMRICOS
1.1 Definicin
Los mtodos numricos son tcnicas mediante las cuales es posible formular
problemas de tal forma que pueden resolverse utilizando generalmente
operaciones aritmticas y lgicas.
Estos mtodos tienen dos caractersticas comunes: son laboriosos y
aproximados; no obstante resuelven problemas que son muy difciles o
imposibles de resolver por matemticas clsicas.
La razn por la cual son laboriosos es que involucran un gran nmero de clculos
generados, la mayora de las veces, al utilizar repetidamente determinadas
formulas. Este proceso iterativo es ideal para implementarlo en una computadora,
por eso es que los mtodos numricos han tomado un gran auge en la actualidad,
a pesar de que existen desde hace mucho tiempo.

1.2 Errores
La inexactitud de estos mtodos se debe a errores que se cometen en los
clculos, estos son errores por redondeo y errores por truncamiento.
Errores por redondeo
Estos errores se originan debido a que las computadoras y calculadoras solo
manejan o guardan un nmero finito de las cifras significativas durante un clculo.
Cuando el nmero es irracional o es decimal peridico, este tiene una cantidad
infinita de cifras y por lo tanto la computadora lo corta de acuerdo a la siguiente
regla (llamada redondeo)



2
Por ejemplo, el nmero 2 es irracional, y por lo tanto tiene una cantidad infinita
de decimales, sin embargo para poder cuantificar el error supongamos que el valor
exacto es 1.414213562 (con 10 cifras significativas). Si se usa una computadora
o una calculadora que maneje nicamente 8 dgitos, entonces 2 se almacena
como 1.41422136. Ntese que el octavo digito se redondea a 6, dado que el
noveno es mayor que 5. El error absoluto entonces se calcula de la siguiente
manera:
= I valor exacto valor aproximado I
= I 1.414213562 - 1.41422136 I = 7.798 x 1u
-6

Si la computadora solo corta y no redondea entonces el valor aproximado seria
1.41422135 y por lo tanto:
= I 1.414213562 -1.41422135I = 7.788 x 1u
-6

que es mayor que el anterior por eso todas las calculadoras y computadoras
efectan el redondeo en forma automtica.
Si consideramos ahora que el nmero 2 est involucrado en una operacin tal
como: (9536) 2 , tendremos:
Valor exacto (10 dgitos) = 13485.94053
Valor aproximado (8 dgitos) = 13.485.940
Y el error es: = 0.00053, esto es 12712 veces mayor que el anterior.
Esto nos muestra que a pesar de que el error al almacenar 2 es insignificante,
cuando se combina con alguna opcin el error se propaga y puede llegar a ser
relevante.
Errores por truncamiento
Son aquellos que resultan de usar una aproximacin en vex de un procedimiento
matemtico exacto.
La serie de Taylor es el medio ms importante que se emplea para obtener
modelos numricos y analizar los errores de truncamiento. Esta serie aproxima
una funcin en forma polinomial por medio de la siguiente definicin:
Si el valor de una funcin F(x) se puede expresar en una regin de x, cerca de
x=a, por la serie infinita:



3
F(x) = F(a) + (x-a) F(a) +
(x-u)
2
2!
F(a) +
(x-u)
3
3!
F(a) ++
(x-u)
n
n!
F
n

Entonces la serie se llama Serie de expansin de Taylor de F(x) alrededor de x=a.
Los siguientes ejemplos muestran algunas funciones expandidas por la serie de
Taylor alrededor de x=0:
c
x
= 1 + x +
x
2
2!
+
x
3
3!
+
x
4
4!
+.
scnx = x -
x
3
3!
+
x
S
5!
+
x

7!
+
cosx = 1 -
x
2
2!
+
x
4
4!
+
x
6
6!
+..
ln(1 +X) = x -
x
2
2
+
x
3
3
+
x
4
4
+.
Como se puede observar, la serie es una suma infinita de trminos y al evaluar la
funcin para algn valor de x, se utiliza un numero finito de trminos,
cometindose entonces un error por truncamiento.
Ejemplo 1.1
Determinar el error al calcular el nmero e, al utilizar la serie de Taylor con
diferentes nmeros de trminos, considerando que el valor exacto de estos
nmeros es e = 2.718281828.
Solucin:
El problema se resuelve sustituyendo en la serie correspondiente a la funcin c
x
.
El valor de x = 1. La siguiente tabla muestra los valores aproximados y los errores
al tomar 3, 4, 5, 6, 7 y 8 trminos de la serie:
No. De
trminos
Valor
aproximado
Error
3 2.500000000 0.218281828
4 2.666666667 0.051615161
5 2.708333333 0.009948494
6 2.716666667 0.001616161
7 2.718055556 0.000226272
8 2.718153969 0.000027859




4
Ntese que el error disminuye al considerar un mayor nmero de trminos.
La grafica siguiente muestra como se aproxima la funcin y = c
x
mediante un
polinomio de primer grado, segundo grado y tercer grado de la serie de Taylor.


y = c
x

y = 1 + x + x
2
2 + x
3
6
y = 1 + x + x
2
2
y = 1 + x
Fig. 1.1 Expansin de F(x) = c
x
por la serie de Taylor @ de x = 0













5
CAPITULO 2
SOLUCIN DE ECUACIONES
2.1 introduccin
La determinacin de races o soluciones de una ecuacin es uno de los problemas
ms antiguos de las matemticas, que se presentan con frecuencia en la solucin
de una gran variedad de problemas reales.
Las principales ecuaciones que se estudiaron fueron las lineales y posteriormente
las cuadrticas. Los mtodos algebraicos para resolver son exactos y muy
sencillos, como se muestran en los siguientes ejemplos:
Ejemplo 2.1 Ecuacin: 5 2x = 0 Ejemplo 2.2 Ecuacin: x
2
-2x 4 = 0
Sol: Mediante procedimientos Sol: utilizando la formula general:
Algebraicos elementales: x =
5
2
x = 1 S


Interpretacin geomtrica de las races
Las races reales de la ecuacin F(x) = 0 representan las intercepciones de la
curva y = F(x) con el eje X.
De aqu que las races se les llame tambin CEROS de la funcin.
Las siguientes graficas muestran la solucin grafica de los ejemplos anteriores:







6
Fig. 2.1 Grafica de y = 5 2x Fig. 2.2 Grafica de y = x
2
- 2x 4

Otro tipo de ecuaciones que se estudian en algebra son los polinomios de grado
superior, ecuaciones exponenciales, logartmicas, trigonomtricas, etc. Los
siguientes ejemplos muestran las races de un polinomio de tercer grado y de una
funcin exponencial.
Ejemplo 2.3 Ecuacin: x
3
- 3x
2
- x + 3 = 0
Solucin algebraica:
x
2
(x - S) -(x -S) = u Solucin Grafica
(x -S)(x
2
- 1) = u
(x -S)(x + 1)(x -1) = u
x = 3 x = -1 x = 1


Fig. 2.3
Ejemplo 2.4 Ecuacin: 2
x
-2S = u
Solucin algebraica: Solucin Grafica
log 2x =log 2S
x log 2 = log 2S
x =
Iog 25
Iog2

x = 4.6438562 Fig. 2.4

Sin embargo para la mayora de las ecuaciones que no son de primer, segundo o
tercer grado (polinomios), los mtodos algebraicos resultan infructuosos y una
alternativa para resolverlas es por medio de mtodos numricos.
Estos mtodos tienen las desventajas de ser aproximados, laboriosos y solo
pueden calcular una raz a la vez.



7
Los mtodos de solucin aproximada existentes constan bsicamente de dos
pasos fundamentales:
a) Determinacin de un valor aproximado a la raz que se busca.
b) Mejoramiento de la solucin hasta un grado de precisin preestablecido,
mediante el uso de una formula recursiva, que depender del mtodo que
se utilice.
Como se puede observar, es necesario determinar el intervalo en donde se
encuentra la raz buscada, el cual se obtiene por medio del siguiente teorema:







Una raz Tres races Cinco races
Fig. 2.5 Races reales de una ecuacin


Cuando da funcin es discontinua en el intervalo considerado, entonces no se
debe aplicar este teorema, como se ilustra en la figura siguiente.
En este caso, a pesar de que F(a) es positivo F(b) es
negativo. No existe ninguna raz en el intervalo (a, b),
debido a que existe una discontinuidad en dicho
intervalo. Sin embargo el teorema se puede aplicar
en cualquier otra parte del dominio de la curva en
TEOREMA SOBRE LA LOCALIZACIN DE RACES REALES
Si F(x) es continua en el intervalo (a, b), y si F(a) y F(b) son de signos
diferente, entonces existe un nmero impar de races reales en dicho
intervalo.



8
donde no hay discontinuidad.
Como se puede observar, la grafica nos proporciona un valor aproximado a la raz
buscada, sin embrago se puede prescindir de ella, dado que una tabulacin
adecuada mostrara el cambio de signo de la funcin y por lo tanto el intervalo
correspondiente a la raz
Ejemplo 2.5 Hallar los intervalos de las races de la ecuacin: x
2
- 9x
2
+1S = u
Sol. Efectuando una tabulacin en el intervalo (-3, 9):
X -3 -2 -1 0 1 2 3 4 5 6 7 8 9
F(x) -93 -29 5 15 7 -13 -39 -65 -85 -93 -83 -49 15

De acuerdo con los cambios se concluye que las
races se encuentran en los intervalos:


(-2. -1), (1, 2), (8,9). Fig. 2.7 Grafica de y = x
3
- 9x
2
+1S
Los resultados se pueden comprobar con la grafica de la funcin.














9
Ejemplo 2.6 Cuantas races tiene la ecuacin
3x
2x-3
5 = 0?
Sol.
Existen dos cambios de signo en la funcin, sin embargo la ecuacin
solamente tiene una raz (en el intervalo de 2 a 3), dado que el otro
cambio de signo se encuentra en un intervalo en donde hay
discontinuidad como se muestra en la figura.






Fig. 2.8


Existen dos tipos de mtodos numricos para calcular la raz de una ecuasion:
a) De intervalo, en donde las formulas empleadas estn basadas en un par
de valores que representan los lmites inferior y superior que comprenden a
la raz. Estos mtodos son convergentes, ya que se acercan
progresivamente a la raz a medida que crece el nmero de iteraciones.
b) Abiertos, que en contraste con los de intervalo utilizan un solo valor de x o
un par de ellos, pero no necesariamente encierran a la raz. Esto ocasiona
que algunas veces divergen o se alejan de la raz a medida que crece el
nmero de iteraciones. Sin embargo, cuando estos mtodos convergen, en
general lo hacen mucho ms rpido que los mtodos de intervalo.

2.2 Mtodo de aproximaciones sucesivas
Este mtodo es de tipo abierto y se conoce tambin como Sustitucin Sucesiva o
bien como iteraciones de punto fijo.
x F(x)
-3 -4
-2 -4.14
-1 -4.4
0 -5
1 -8
2 1
3 -2
4 -2.6



10
Consideremos la ecuacin: F(x) = 0 [2.1]
Y sea x = a una raz de ella, es decir, F(a) = 0.
Por medio de procedimientos algebraicos es posible obtener una ecuacin
equivalente a la ecuacin 2.1 que tenga la siguiente forma:
X = g(x) [2.2]
El mtodo consiste en sustituir x
0
, un valor aproximado a la raz, en el segundo
miembro de la ecuacin 2.2, obtenemos una nueva aproximacin para la raz, la
cual denotaremos por: x
1
= g(x
0
)
Sustituyendo ahora x
1
en la misma ecuacin se encuentra la siguiente
aproximacin: x
2
= g(x
1
)
El procedimiento se repite hasta llegar a la exactitud deseada, de acuerdo a un
criterio de convergencia. As entonces para la n+1 sima aproximacin tendremos:
x
n+1
= g(x
n
)
Si a medida que n crece, x
n
a, se dice que el mtodo converge, en caso
contrario, diverge.


Criterios de convergencia
Un criterio de convergencia es una medida del grado de aproximacin de una raz
y puede emplearse en cualquiera de estos mtodos.
Comnmente se utilizan dos criterios:
a) Error absoluto: Se define como el valor absoluto de la diferencia entre dos
iteraciones consecutivas, es decir e = |x
n
+1 -x
n
|
b) Error relativo: si la magnitud de los nmeros implicados no se conoce de
antemano, es ms recomendable usar este error, que se define como:
e =
x
n+1
-x
n
x
n+1

Entonces si a medida que n crece:
disminuye, el mtodo converge



11
aumenta, el mtodo diverge
Para utilizar estos criterios se calcula el error entre cada par de iteraciones; si
disminuye, se continua hasta llegar a la raz; por lo contrario, si aumenta se debe
parar y efectuar otro despeje de la forma x = g (x). Normalmente es necesario un
mximo de tres iteraciones para comprobar la convergencia o divergencia. Para
evitar calcular el error en cada paso, se puede observar la convergencia por la
forma en que se van repitiendo las cifras de las aproximaciones, hasta llegar a ser
iguales en dos aproximaciones consecutivas.


Solucin:
Del ejemplo 2.6 tenemos que la raz pedida se encuentra en el intervalo (1, 2) y
por lo tanto el valor inicial puede ser: x
0
= 1S
De la ecuacin se obtiene el siguiente despeje: x =
x
2
+15
3

Sustituyendo en este despeje se obtiene las aproximaciones siguientes:



x
1
= 1.42887
x
2
= 1.41u96
x
3
= 1.4u669
x
4
= 1.4uS68
x
5
= 1.4uS4S
x
6
= 1.4uSS9
x
7
= 1.4uSS8
x
8
= 1.4uSS8
x
9
= 1.4uSS8
Ejemplo 2.7 calcular la menor raz positiva de la ecuacin: x
3
- 9x
2
+1S = u ,
por aproximaciones sucesivas; con una exactitud de 5 decimales ( = .00001)
Nota: este mismo despeje
funciona para la raz
negativa; sin embargo para la
raz mayor el despeje es:
x = (9x
2
-1S)
1
S
.
Comprobar que las otras
races son: -1.21198 y
8.80644



12
La raz es: 1.40538



Despeje: x = ln Sx
2












Verificar que:
El despeje: x = _
c
x
5

no converge para esta raz
Las otras dos races son:
-0.37142 y 0.6053



Localizacin de la raz
x f(x)
-1 4.6
0 -1
1 2.3
2 12.6
3 24.9
4 25.4
5 -23.4
Los intervalos de las races son:
(-1, 0), (0, 1) y (4, 5).
Para calcular la mayor: x
0
= 4.S
x
1
= 4.6176
x
2
= 4.6692
x
3
= 4.6914
x
4
= 4.7uu9
x
5
= 4.7u49
x
6
= 4.7u67
x
7
= 4.7u74
x
8
= 4.7u77
x
9
= 4.7u78
x
10
= 4.7u79
x
11
= 4.7u79
x
12
= 4.7u79
La raz es: 4.7079
Ejemplo 2.8 Determinar la mayor raz de la ecuacin: Sx
2
- c
x
= u, por
aproximaciones sucesivas, con una exactitud de4 decimales.



13


















Verificar que:
El despeje x = c
x 5
-2
Converge hacia la raz negativa
Independientemente del valor
inicial que se utilice.
El despeje x = S ln(x + 2)
Localizacin de las
races:
x F(x)
-1.5 1.96
-1 -1
0 -3.46
1 -4.49
2 -4.93
3 -5.05
4 -4.96
5 -4.73
. .
. .
13 -0.54
14 0.14
Los intervalos son:
(1.5, -1) y (13, 14)
Raz menor
Despeje: x = c
x
S
-2
x
0
= -1.14
x
1
= -1.2442
x
2
= -1.22uS
x
3
= -1.2166
x
4
= -1.216u
x
5
= -1.21S9
x
6
= -1.21S87
x
7
= -1.21S86
x
8
= -1.21S86
x
9
= -1.21S86
La raz es: x = -1.21586
Raz mayor
Despeje:x = S ln(x + 2)
x
0
= 1S.S
x
1
= 1S.7u42
x
2
= 1S.76964
x
3
= 1S.79u4S
x
4
= 1S.797u2
x
5
= 1S.79911
.
.
x
10
= 1S.8uuu7
x
11
= 1S.8uuu7
La raz es: x = 13.80007
Ejemplo 2.9 Calcular las races de la ecuacin: x - Sln(x + 2) = u, por
aproximaciones sucesivas, con una exactitud de 5 decimales.



14
converge hacia la raz positiva
independientemente del valor
inicial que se utilice.



Para calcular la mayor raz es necesario el siguiente
artificio algebraico:
Sumando y restando x a los dos miembros de la
ecuacin:
x +x = x +S sin( x +1)
x =
x + S sin(x +1)
2







Comprubese que:
El despeje: x = S sin( x + 1)
converge a la primera raz:
x = -2.86825
El despeje: x = orc sin(
x
S
, ) - 1
Converge a la segunda raz:
x = -1.53847

Tabulacin
x f(x)
-3 -0.27
-2 0.52
-1 -1
0 -2.52
1 -1.72
x2 1.58
Intervalos de las
races: (-3, -2), (-2,-1) y
(1, 2)
x
0
= 1.S ..
x
1
= 1.6477 ..
x
2
= 1.SS49 .
x
3
= 1.6226 x
35
= 1.S8Su

La solucin es: x = 1.5850
Ejemplo 2.10 Localizar las races de la ecuacin: x -Ssin(x +1) = u y
calcular la mayor de ellas por aproximaciones sucesivas, con 4 decimales
exactos.



15
INTERPRETACIN GEOMTRICA DEL MTODO DE
APROXIMACIONES SUCESIVAS
Recordemos que el problema original es encontrar la raz de la ecuacin:
f(x) = 0 [2.3]
Posteriormente se obtiene la ecuacin equivalente:
x = g(x) [2.4]
Y se resuelve esta ltima. Puesto que las ecuaciones 2.3 y 2.4 tienen la misma
solucin, se ha resuelto del problema original.
La ecuacin 2.4 sin embargo, se puede descomponer en un sistema simultneo
de ecuaciones de forma:
y = x
y =g(x) [2.5]
Y al resolver el sistema tendremos la solucin buscada. Grficamente el sistema
representa una recta y una curva. La interseccin de estas dos es la solucin de
dicho sistema, por lo tanto la abscisa del punto de interseccin corresponde a la
raz del problema original.


Fig. 2.9 Interpretacin geomtrica del mtodo
La convergencia o divergencia de este mtodo se puede observar grficamente
mediante es siguiente procedimiento:
A partir del valor inicial x
0
, la primera aproximacin x
1
= g(x
0
) se puede obtener
trazando una vertical hasta cortar a la curva y despus una horizontal hasta cortar



16
a la recta (en donde abscisas y ordenadas son iguales). Las dems
aproximaciones se obtienen de manera similar.

Fig. 2.10 convergencia y divergencia del mtodo de aproximaciones sucesivas


La grafica muestra dos casos de convergencia (a y b) y dos divergencias (c y d).
Se observa que existen dos tipos de patrones tanto para la convergencia como
para la divergencia: montono (a y c) y oscilatorio o en espiral (b y d).

Ntese que la convergencia ocurre nicamente cuando el valor de la pendiente de
y = g(x) es menor (en valor absoluto) que la pendiente de y = x. se establece
entonces el siguiente teorema:
TEOREMA
El mtodo converge si: -1<g (x
0
) < 1, para algn valor x
0
cercano a la raz.



17
De esta manera se puede determinar si un despeje especifico tiene convergencia
o no, derivando de la funcin g(x) y sustituyendo en la derivada un valor cercano a
la raz.
Sin embargo, la aplicacin de este teorema tiene las siguientes desventajas:
Hay que derivar.
En ocasiones -1 < g(x
0
) < 1, lo cual indica que converge, pero puede ser
que no converja a la raz buscada, si no a otra que se encuentra cerca.
Es por esto que la tcnica empleada en los problemas anteriores(sustituir
directamente en los despejes) es ms recomendable, por la rapidez y credibilidad.
En los siguientes ejemplos se muestra la forma de utilizar este teorema.









Nota: la ecuacin tiene dos races, con intervalos: (1, 2) y (12, 13). Verifquese que
para el primer despeje -1 <g(12.5)<1, es decir, este despeje funciona para la raz
mayor. Las races son: 1.2959 y 12.7132.






Despeje
g(x) = Sln x
g(x) =
5
x

g(1.5) = 3.333
Por lo tanto NO converge
Despeje
g(x) = c
x 5

g(x) =
1
5
c
x 5

g(1.5) = 0.27
Por lo tanto SI converge
Ejemplo 2.11 Qu despeje se debe emplear para calcular la raz en el
intervalo (1, 2) de la ecuacin x Sln x = u ?



18









Nota: en ambos casos g (x
0
) apenas rebasa el lmite entre la convergencia y la
divergencia; esto quiere decir que el patrn de convergencia o divergencia es muy
lento (en este caso se llega a la raz 1.4387 en ms de 50 iteraciones).


g(x) = aicsin(x S )
g(x) =
1
31-x
2
9

g(-2.5) = 0.603
De acuerdo a este resultado debe de converger; sin embargo si se realizan los
clculos se puede comprobar que no converge hacia esta raz negativa si no a la
raz x = 0 (que se encuentra cercana).






Despeje
g(x) = (c
2x
+S)11
g(x) = c
2x
11(c
2x
+S)
g(1.4) = 1.07
Por ser > 1, No converge
Despeje
g(x) = 12ln(11x
2
S)
g(x) =
11x
11x
2
-5

g(1.4) = 0.92
Por ser < 1, SI converge
Ejemplo 2.12 Qu despeje converge para la raz de la ecuacin: 11x
2
c
2x
S = u
que se encuentra en el intervalo (1. 3, 1.5)?
Ejemplo 2.13 para la ecuacin: x Ssin x = u converge el despeje
x = aicsin(x S ) para la raz en el intervalo (-3, -2)?



19
2.3 Mtodo de NEWTON-RAPHSON
Consideremos la ecuacin: F(x) = 0 y un valor x
0
cercano a la raz de la ecuacin.
La expansin de Taylor de la funcin alrededor de x
0
ser:
F(x) = F(x
0
) + (x -x
0
)F(x
0
) +
(x-x
0
)
2
2!
F(x
0
) +
(x-x
0
)
3
3!
F(x
0
) +
+
(x-x
0
)
n
n!
F
(n)

Tendremos ahora una ecuacin de grado infinito, sin embargo, un valor
aproximado de la raz se puede obtener tomando solamente dos trminos de la
serie:
F(x
0
) + (x -x
0
)F(x
0
) = u
Despejando x se obtiene:
x = x
0
-
F(x
0
)
F(x
0
)

Ahora x constituye una mejor aproximacin a la raz, y se puede remplazar a x
0
,
con lo cual encontraremos una nueva aproximacin, y as sucesivamente. En
general, para la n + 1-esima aproximacin tendramos la siguiente frmula:
x
n+1
= x
n
-
P(x
n
)
P(x
n
)
[2.6]

Interpretacin Geomtrica
El patrn de la convergencia de este mtodo se obtiene trazando una recta
tangente en el punto (x
0
, F(x
0
)); la interseccin de esta recta con el eje X nos dar
una estimacin de la raz, x
1
. Las dems aproximaciones se obtienen de igual
manera.
El esquema grafico se observa en la siguiente figura.







20



Fig. 2.11 Esquema grafico del mtodo de Newton-Raphson










Localizacin de la raz
x f(x)
0 -3
1 -3.16
2 -1.36
3 -4.7
4 -19.1
5 -31.9
6 -19.1
7 22.2
Intervalo: (6, 7)
Ejemplo 2.14 Utilizar el mtodo de Newton-Raphson para calcular la menor raz
positiva de la ecuacin: x
2
sinx -x = S, con 8 decimales exactos.



21
Valor inicial: x
0
= 6.S Derivada: F(x) = 2x sinx + x
2
cos x 1
Utilizando la formula [2.6] se obtienen los siguientes resultados:
x
1
= 6.S
-0.4111805
43.057387
= 6.Su9S49S9
x
2
= 6.Su9S49S9
0.00075657
43.2151743
= 6.Su9SS2u9
x
3
= 6.Su9SS2u9
8.3x10
-9
43.2148887
= 6.Su9SS2u9
La solucin es: x=6.50953209
Nota: Esta funcin tiene un nmero infinito de races. Considerando el intervalo
(-10,10) las races restantes son:
-9.35208675, -6.3663385, -3.12846645 y 9.28172927



Intervalo: (2,3)
Valor inicial: x
0
= 2.S
Deriva: F
i
(x) = 6x
2
xc
x
c
x



x
1
= 2.S
u.79S76S1
S.1S8729
= 2.6S44672
x
2
= 2.6S44672
u.SS18SS
9.67988u
= 2.62u1844
x
3
= 2.62u1844
u.u197149
8.S42826
= 2.6178767


Tabulacin
x f(x)
0 0
1 -0.72
2 1.22
3 -6.25
Ejemplo. 2.15 Calcular la mayor raz positiva de la ecuacin: 2x
3
xc
x
=0, utilizando el
mtodo de Newton-Raphson, con 8 decimales exactos.



22

x
4
= 2.6178767 -
-8.Sx1u
-5
-8.469u8u
= 2.61786661
x
5
= 2.61786661 -
S.2x1u
-5
-8.4687S8S
= 2.61786661
La solucin es: x= 2.61786661
Nota: si seleccionamos valores inciales comprendidos entre 2 y 2.5, se podran
obtener resultados no deseados. Esto se deb a que la funcin tiene un mximo
dentro de este intervalo, que produce que las siguientes aproximaciones se alejen
de la raz pedida y ocasionalmente convergan hacia otras races.












x
0
= 2.2
x
1
= -6.8u8S
x
2
= -4.SS91
x
3
= -S.u269
..
..
x
11
= -u.SS984
x
12
= -u.SS984
Converge hacia la
raz NEGATIVA
Por ejemplo:
x
0
= 2
x
1
=1.3333
x
2
=1.50828
x
3
=1.48817
x
4
=1.48796
x
5
=1.48796
x
6
=1.48796
Converge hacia la
MENOR raz positiva



23






Intervalo: (1.5,2)
Valor inicial: x
0
= 1.8
Derivada:
i
(X) = 12x
2
-24x +9
x
1
= 1.8 -
u.148
4.68
= 1.768S76u7
x
2
= 1.768S76u7 -
u.uu94742
4.u84821
= 1.766uS67u
x
3
= 1.766uS67u -
4.9SSx1u
-5
4.u421144
= 1.766u4444
x
4
= 1.766u4444 -
u
4.u418891
= 1.766u4444

La raz es: 1.76604444

Verifquese que las otras races son: 0.06030738 y 1.17364812

Localizacion de la
raz:
x F(x)
0 -0.5
1 0.5
1.5 -0.5
2 1.5
3 26.5
Ejemplo 2.16 Calcular la mayor raz positiva de: 4x
3
-12x
2
+ 9x -u.S = u
utilizando el mtodo de Newton, con una aproximacin de 8 decimales exactos.



24
2.3.1 PROGRAMACIN DEL MTODO DE NEWTON-RAPSHN
El programa correspondiente a este mtodo est dado a continuacin. Se puede
observar que la funcin y la derivada se deben definir dentro del programa,
mientras que el valor inicial se proporciona como dato. En este caso se calcula la
raz de la ecuacin: X
2.5
cosx +2c
x
- 8x = u en el intervalo (0,1).




25
La ejecucin del programa se realizo con un valor inicial de 0.5. el programa
imprime en cada iteracin los valores de la aproximacin de la raz, asi como la
funcin y la derivada para dicho valor.
Valor inicial:
Xo = 0.5
Iter Aproximacin Funcin Derivada
0 0.5000000000 -54744213135 -4.0116279952
1 0.3635413568 0.0429762642 -4.6393337077
2 0.3728048129 0.0001944290 -4.5973305689
3 0.3728471046 0.0000000041 -4.5971384607
4 0.3728471055 0.0000000000 -4.5971384567

La raz es: 0.3728471055

2.4 MTODO DE BISECCIN
Este mtodo es del tipo de intervalo, que consiste en reducir el intervalo en donde
se encuentra la raz dividindolo a la mitad en cada paso, de tal manera que la
raz se encuentra localizada en cada nuevo intervalo.
El algoritmo es el siguiente:
1. Se considera un intervalo (a, b) en donde se encuentra la raz, esto es F(a)
y F(b) son de signos diferentes.
2. La primera estimacin de la raz se obtiene calculando el punto madio:
c =
o +b
2
; cntonccs si:
F(a) y F (c) son de signos diferentes entonces el nuevo intervalo es: (a, c)
F(c) y F (b) son de signos diferentes entonces el nuevo intervalo es: (c, b)

Tales situaciones se muestran en las siguientes figuras.



26



3. El procedimiento se repite para las siguientes aproximaciones, hasta llegar
a la exactitud deseada.

En este mtodo es posible determinar aproximadamente cuantas bisecciones se
necesitan para llegar a la exactitud requerida.
Por ejemplo supongamos que el intervalo inicial tiene una longitud de 1 unidad, y
que se desea una exactitud de e = 1x1u
-6
. Despus de una biseccin el nuevo
intervalo ser de
1
2
unidad de longitud. Despus de dos bisecciones este ser de
1
2
2
unidades y despus de n bisecciones el intervalo medir
1
2
n
unidades.
Dado que la raz se encuentra a la mitad del ltimo intervalo hallado, y el error en
la raz no ser mayor que la mitad de dicho intervalo, el criterio del error se
satisface si:
1
2
1
2
n
< e, o bicn
1
2
n+1
< 1u
-5

Esta desigualdad se satisface para n> 19.
Ntese que este resultado es independiente del tipo de funcin correspondiente a
la ecuacin.


Ejemplo: 2.17 Calcular la menor raz positiva de: x
3
-8 x
2
+1ux + 12 = u
utilizando el mtodo de la BISECCION, con una exactitud de 4 decimales.



27



Intervalo inicial: (2,3), en donde a = 2, b = 3
La primera aproximacion a la raiz sera el punto medio: c =
(2+3)
2
= 2.S
Puesto que f (2.5) = 2.625 y f (3) = -3.
El nuevo intervalo sera: (2.5,3)
La segunda aproximacion: (2.5+3)/2=2.75 ; f (2.75) = -0.2031
El nuevo intervalo: (2.5 , 2.75)
La tercera aproximacion:
2.5+2.75
2
= 2.62S; (2.62S) = 1.2129
El nuevo ontervalo: (2.625,2.75)
La cuarta aproximacion: (2.625+2.75)/2 = 2.6875; f (2.6875) = 0.5046
El nunevo intervalo: (2.6875, 2.75)
Despues de repetir el procedimiento, en las iteraciones 13 y 14 se llega finalmente
a la convergencia, con la exactitud pedida:
X = 2.7320
Nota:
Para obtener una exactitud de 10 decimales son necesarias 35 iteraciones,
despues de las cuales converge al valor: 2.7320508076.


Tabulacin:
x f (x)
0 12
1 15
2 8
3 -3




28






Se observa en la grafica que la curva parece tocar al eje X en la vecindad de x =
2; la tabulacion nos muestra que no es asi, y por lo tanto la raiz se encuentra en el
intervalo (3,4).
Utilizando un programa de computacion se obtienen los siguientes resultados:
INTERVALO PTO. MEDIO F (x) Iter
3.000000 4.000000 3.50000000 0.2970945392 1
3.000000 3.500000 3.25000000 -2.8571888915 2
3.250000 3.500000 3.37500000 -1.3654189181 3
3.375000 3.500000 3.43750000 -0.5542428087 4
3.437500 3.500000 3.46875000 -0.1334144898 5
3.468750 3.500000 3.48437500 0.0806537832 6
3.468750 3.484375 3.47656250 -0.0266799557 7
3.476563 3.484375 3.48046875 0.0269123896 8
3.476563 3.480469 3.47851563 0.0000975386 9
3.476563 3.478516 3.47753906 -0.0132958840 10
3.477539 3.478516 3.47802734 -0.0066003409 11
3.478027 3.478516 3.47827148 -0.0032516931 12
3.478271 3.478516 3.47839355 -0.0015771502 13
3.478394 3.478516 3.47845459 -0.0007398241 14
3.478455 3.478516 3.47848511 -0.0003211473 15
3.478485 3.478516 3.47850037 -0.0001118055 16
3.478500 3.478516 3.47850800 -0.0000071337 17

La raiz es 3.4785079956
Ejemplo 2.18 Hallar la menor raz positiva de la ecuacin:x
2
|scn x| -4 = u
utilizando el mtodo de la biseccin, con un error aproximado de 0.00001
Tabulacin:
x F (x)
0 -4
1 -3.16
2 -0.36
2.2 -0.087
2.3 -0.055
2.4 -0.109
3 -2.73
4 8.11




29
2.41. PROGRAMACION DEL METODO DE LA BISECCION
El programa utilizado para resolver el ejemplo 2.18 se muestra a continuacion. Se
observa que la funcion esta definida en el programa, y que los datos son los
limites del intervalo.






30
2.5. MTODO DE LA FALSA POSICIN
Este es un mtodo de intervalo y se conoce tambien como REGLA FALSA, o bien
como REGULA FALSI. La reduccin del intervalo se obtiene de forma diferente L
mtodo de la biseccin. El algoritmo es el siguiente:
Graficamente el metodo consiste de los siguiente:
1. Se considera un intervalo (a,b) en donde se enecuentra la raiz, esto es: F(a)
y F (b) son de signos diferentes.
2. La primera aproximacin x
0
se determina por la interseccin con el eje X de
la recta que une los puntos (a,F(A)) y (b, F(b)).
3. Entonces si:
F(a) y F(X
0
) son de signos diferentes, el nuevo intervalo es (A, x
0
)
F(b) y F(x
0
) son de signos diferentes, el nuevo iintervalo (x
0
, b)
4. Las siguientes aproximaciones se obtienen de forma similas, hasta llegar a
la raiz.
La siguiente grafica muestra las situaciones referidas en el paso 3:

Fig. 2.13 Esquema grafico del metodo de la Regla Falsa.
Se observa en la secuencia grfica que las aproximaciones a la raz se
obtienen reemplazando a la curva por una recta. De aqu el nombre de regla
falsa o falsa posicin.



31
De la Fig. 2.13 (a) se establece la siguiente ecuacin (utilizando tringulos
semejantes)
P(u)
X
0
-u
=
-P(b)
b-X
0

Despejando a X
0
:
X
0
=
oF(b) -bF(o)
F(b) -F(o)

De la misma manera se obtiene la siguiente aproximacion:
FX
0
X
1
-X
0
= -
F(b)
b - X
1

X
1
=
X
0
F(b) -bF(X
0
)
F(b) - F(X
0
)

Y en general, para la aproximacin n+1:
X
n+1
=
X
n
F(b) - bF(X
0
)
F(b) - F(X
0
)

Sim embargo esta frmula no se puede considerar general, dado que al
analizar la figura 2.13 (b) se obtienen los siguientes resultados:
X
0
=
oF(b) -bF(o)
F(b) -F(o)

X
1
=
X
0
F(A) -F(X
0
)
F(o) - F(X
0
)

X
n+1
=
X
0
F(o) -F(X
u
)
(o) - F(X
n
)

Se observa que existen dos frmulas diferentes para el clculo de las
aproximaciones (de X
1
en adelante) dependiendo si el pivote para el trazado de
las rectas es el punto (a, F(a)) o (b,F(b)). Ser necesario entonces establecer
un criterio para determinar cual es la formula que se uliza, segn sea el caso.
Por ejemplo de la fig.2.13 (a) tenemos que F(X
0
) y F(b) son de signo contrario,
mientras que de la fig.2.13 (b) F(X
0
) y F(a) tienen diferentes signos.
Entonces en general, pata la primera aproximacin:

[2.7]
X
0
=
oF(b) -bF(o)
F(b) -F(o)




32

[2.8]

En doonde: p = a si F (X
u
) y F(a) son de signos diferenetes
P = b si F(X
0
) y F (b) son de signos diferentes.
Como todos los mtodos de intervalo, este mtodo siempre converge; sin
embargo, comparado con el de Newton es de convergencia ms lenta, por lo que
se recomienda reducir el intervalo(cuando se use una calculadora no
programable). Nomalmente la reduccin con incrementos de 0.1 es suficiente para
obtener el resultado en forma rapida. Por ejemplo, la mayoria de los problemas se
pueden resolver con una aproximacin de 4 6 decimales utilizando 3 iteraciones.











x
n+1
=
x
u
F(p) -pF(x
u
)
F(p) -F(x
u
)

Ejemplo 2.19 Determinar la raz negativa de la ecuacin: X
3
-c
x
+S = u, por
el mtodo de la Regula Falsi, con una aproximacin de 6 decimales exactos.
Localizacin de la
raz:
X F(x)
0 4
-1 3.63
--------- ---------
--------- ---------
-1.7 -0.095684
-1.6 0.702103
-------- ---------
-------- ---------
-2 -3.13




33

Entonces:
a = -1.7 F(a) = -0.095684
b = -1.6 F(b) = 0.702103
x
0
=
uP(b)-bP(u)
P(b)-P(u)
=
(-1.7)(.702103)-(-1.6)(-.095684)
(.702103)- (-.095684)
= -1.688uu6
F(x
0
= .uuSS6S , por lo tanto el pivote es a
x
1
=
x
0
F(o) oF(x
0
)
F(o) F(x
0
)
=
(1.688uu6)(.u9S684) (1.7)(. uuSS6S)
(.u9S684) (.uuSS6S)
= 1.68864S, F(x
1
)u .uuuuS74
x
2
=
x
1
F(o) oF(x
1
)
F(o) F(x
1
)
=
(1.68864S)(.u9S684) (1.7)(. uuuuS74)
(.u9S684) (.uuuuS74)
= 1.688648, F(x
2
) = 2.61x1u
-7

x
3
=
x
2
F(o) oF(x
2
)
F(o) F(x
2
)
=
(1.688648)(.u9S684) (1.7)(2.61x1u
-7
)
(.u9S684) (2.61x1u
-7
)
= 1.688648
Solucin: x = -1.688648
NOTA SOBRE EL PIVOTE
Como se puede observar del ejemplo 2.19, el pivote a es el limite inferior de todos
los intervalos, y por lo tanto, a y F(a) siempre aparecen en las frmulas para cada
aproximacin. Esto quiere decir que F(a) y F(x
n
) son de signo diferentes. Sin
embargo en ocasiiones puede ocurrirun cambio de signo de la funvion y por lo
tanto la conveniencia de utilizar otro pivote: es decir cuando F(x
n
) y F(x
n+1
) son de
signo contrario, entonces el nuevo pivote es x
n
. Esta situacin se presenta cuando
la funcin tiene un punto de inflexin muy cercano a la raz; no obstante, si el
pivote se mantiene igual se llega a la convergencia sin ningun contratiempo.



34

Fig. 2.14 Cambio de pivote en el mtodo de Regla Falsa
En la grafica se muestra como la funcin es negativa y el lmite superior de cada
intervalo es p; sin embargo cerca de la raz existe un cambio de curvatura(punto
de inflexin) y la funcin F(x
n+1
) pasa a ser positiva, y por lo tanto cambiat el
pivote y el nuevo intervalo ser: (x
n
, x
n+1
).
2.5.1. PROGRAMACIN DEL MTODO DE LA REGLA FALSA
A continuacin se presenta el programa correspodiente a este mtodo y una
corrida para calcular la raz positiva de ecuacinx
3
-c
x
+S = u



35





36
rea del trangulo:
ob
2
= SS
Por teorema de pitgoras:
o(o + 1)
2
o
2
2
= SS
Mediante un desarrollo algebraico se
obtiene la siguiente ecuacin:
2o
3
+ o
3
49uu = u
La raz buscada de la ecuacin se
obtiene la siguiente ecuacin:
2o
3
+ o
2
49uu = u
La raz buscada de la ecuacin se
encuentra en el intervalo: (13,14)
Por la sencillez de la ecuacin
seleccionemos el mtodo de Newton
con una aproximacin de 3 decimales
exactos.
Derivada: F(a) = 6o
2
+ 2

Valor inicial: o
0
= 1S.S
o
1
= 1S.S18
o
2
= 1S.S16
o
3
= 1S.S16





Grafica del tanque:

Volumen: V CILINDRO + V ESFERA

V= 1ur
2
+
1
3
r
3
= 1uu

Simplificando:

4r
3
+Sur
2
Suu = u
La raz se encuentra en el intervalo:
(1,2)



Utilizando Newton- Raphson:

Derivada:

F(r) = 12r
2
+ 6ur

Valor inicial: r
0
= 1.S

r
1
= 1.6189
r
2
= 1.618
r
3
= 1.618

El radio es: r = 1.618m

NOTA: la ecuacin tiene otras dos races:
-7.015 y -2.103, sin embargo stas no
tienen ningn significado para este
problema.



Ejemplo: 2.21 Se desea disear un tanque de almacenamiento de gas propano con la
forma de un cilindro circular recto de 10ft de longitud, con una semiesfera unida a
cada extremo. Calcular el radio necesario para que el volumen sea de 100t
3
.



37




Sust W = 1800:

2600(1- 0.51c
-0.075 t
)
3
- 1800 = 0

Simplificando:

13(1- 0.51c
-0.075 t
)
3
-1800 = 0

Localizando la raz:

t F(t)
10 -3.31
15 -1.45
19 -0.2209
20 0.04782

Intervalo (19, 20)

Utilizando Regla Falsa:
t
0
=
(19)(. u478) (2u)(.22u9)
(. u478) (.22u9)

t
0
= 19.822

F(t
0
)=.0017; pivote = a

t
1
=
(19)(. uu1u7) (19.822)(.22u9)
(. uu1u7) (.22u9)


t
1
= 19.818; f(t
1
) = 2.4x1u
-5

t
2
= 19.818




Por lo tanto. La edad aproximada es
de:
19.818 aos
--------------------------------------------------
Este problema, sin embargo se puede
resolver en forma algebraica:

13(1-0.51c
-0.075 t
)
3
=
9
13

Sacando raz cbica:

0.51c
-0.075 t
= 1 (
9
13
)
t3

c
-0.075 t
=
1 (
9
13
)
t3
u.S1

Aplicando logaritmos a los dos
miembros se obtiene la solucin
exacta:

t = In _1
1 (91S)
t
3
u.u7S





Ejemplo 2.22. El peso W (en Kg) de una poblacin de elefantes africanos
hembras est relacionado con la edad t (en aos) mediante la frmula:
W = 2600(1 0.51c
-0.075 t
)
3

Estimar la edad de una hembra adulta que pesan1800 Kg.




38
Ejemplo: 2.23. Una masa de 1 Kg de CO est contenida en un recipiente a una
temperatura de 215K y una presin de 70 bars. Calcule el volumen del gas
utilizando la ecuacin de estado Van Der Waals para un gas no ideal dada po:
[p +
u

2
(: -b) = RI, en donde:
R= 0.08314 bar-m
3
kg mil-K p = presin (bars)
a = 1.463 bar m
6
/(kg mol)
2
T= temperatura(k)
b = 0.0394 m
3
kg mol v= volumen especifico (m
3
kg mol)
Determinar el volumen especifico v(en m
3
kg) y comparar los resultados al
calcular el volumen utilizando la ecuacin de estado para gases ideales: p v =RT
Sustituyendo valores en la ecuacin de Van Der Waals:
_7u +
1.46S
:
2
] (: u.uS94) = (u.u8S14)(21S)
_7u +
1.46S
:
2
] (: u.uS94) 17.87S1 = u
Utilizando Regla Falsa:
a = 0.2 F(a) = 0.75916
B =0.3 F(b) = 4.6031
:
0
= u.2142, F(:
0
) = u.u6748 ; cl pi:otc = b
:
1
= u.21S4, F(:
1
) = u.uuSS7
:
2
= u.21SS, F(:
2
) = u.uuu4S6

El volumen es: 0.2155 m
3
kg-mol

Dividiendo entre el peso molecular:
: =
u.21SS
28
= u.uu77m
3
kg
= 7.7 Jm
3
kg
Utilizando la ecuacin de edo. De gas
ideal:
: =
RI
p
=
(u.u8S14)(21S)
7u

: = u.2SSm
3
Kg mol

: = u.uu91 m
3
Kg

: = 9.1Jm
3
kg





39
PROBLEMA DE APLICACIN: CRECIMIENTO DEMOGRFICO.
La dinmica de crecimiento demogrfico es de importancia en todos los planes de
estudio de ingeniera. Los programas de construccin y de distribucin de recursos
en proyectos a gran escala, tales como abastecimiento de agua y sistemas de
transporte, dependen en gran medida de las tendencias de la poblacin. Adems
las tendencias de otro tipo de poblaciones, tales como microbios, son importantes
en problemas tales como tratamiento de basura, manejo de la fermentacin y la
elaboracin de productos farmacuticos.
Si consideramos que el crecimiento de una poblacin P se describe mediante la
ecuacin diferencial:
JP
Jt
= kP, k > u
Entonces P(t) sigue un crecimiento no acotado (dado que la solucin de la
ecuacin anterior es P = c c
kt
). En muchos casos esta ecuacin provee un modelo
poco realista del crecimiento de una poblacin. Cuando el alimento no escasea, el
crecimiento se limita solo por el consumo de productos txicos o de espacio, si es
que el tamao de la poblacin crece demasiado. Con el tiempo estos factores
retardan la tasa de crecimiento de la poblacin y la detienen completamente
cuando sta alcanzan una densidad mxima P max . en este caso se modifica la
ecuacin anterior de la siguiente manera:
JP
Jt
= kP(Pmax P)
Esta ecuacin fue estudiada por primera vez en 1840 por el matemtico biolgico
belga P.F. Verhulst, y se conoce como ecuacin logstica.
La solucin de esta ecuacin esta dad por la funcin:
P (t) =
P
mcx
1+_
Pmcx
P

0
-1c
-(mcx)1

En don de P
u
es la unidad de poblacin inicial.
La siguiente grfica muestra un modelo logstico de crecimiento demogrfico. Las
curvas logstica han demostrado ser bastantes exactas para predecir los modelos
de crecimiento, en espacio restringido, de cierto tipo de bacterias, protozoos,
pulgas de agua(Daphnia) y moscas de fruta (Drosophila).



40
Este modelo simula un crecimiento inicial lento, despus una aceleracin en el
mismo, seguido por un periodo de nivelacin.

Fig, 2.15 Grafica de crecimiento demogrfico











Ejemplo: 2.24 considrese el crecimiento de una poblacin bacteriolgica en un
lago. Inicialmente la poblacin es de 10 clulas por litro. A los 60 das la
poblacin alcanza una densidad de 15,000 clulas por litro, siendo la tasa de
crecimiento K de 2x1u
-6
litros por clula por da.
Se requiere calcular la densidad de la poblacin bacteria a los 90 das. Si su
nmero excede las 40,000 clulas por litro, entonces la calidad estndar del
agua requiere la implementacin de algn procedimiento para disminuirlas y
proteger a las personas que se introduzcan al agua.
Supngase que el crecimiento se comporta de acuerdo al modelo matemtico
de Verhulst.



41
Sust. Los datos en la funcin logstica:
1Suu =
P
ux
1 +
Pux
10
1 c
-(2x10
-6
)(60)Pux

Esta ecuacin solo tiene una incgnita: P max. El procedimiento consiste en
resolverla y despus simplemente sustituir t = 90 en la ecuacin logstica para
encontrar la densidad de poblacin correspondiente. Puesto que la ecuacin es
complicada para derivarla, se utilizara el mtodo de la Regla Falsa.
Para facilitar el desarrollo matemtico, sustituyamos la variable Pmax por la
variable x de tal forma que la ecuacin quede de la forma: F(x) = 0.

x
1 +
x
10
1 c
-0.00012
= 1Suuu = u

Para encontrar el intervalo de la raz, se deber tomar en cuenta que la solucin
es mayor que 15000, por lo tanto una buena tcnica seria tabular valores de
20,000 en adelante con incrementos de 10,000:









x
0
=
oF(b) bF(o)
F(b) F(o)
= (6uuuu)(2746)
(6Suuu)(4u49)
2746 +4u49
= 62979

F(x
0
) = S12.7; por lo tanto el pivote es b.

x
1
=
x
0
F(b) bF(x
0
)
F(b) F(x
0
)
= 6S186, F(x
1
) = 2u

x F(x)
20000 -14890
30000 -14638
40000 -13820
50000 -11266
60000 -4049
70000 12197


x F(x)
a 60000 -4049 F(a)
b 65000 2746 F(b)




42
x
2
=
x
1
F(b) -bF(x
1
)
F(b) -F(x
1
)
= 6S199, F(x
2
) = 1.27

x
3
=
x
2
F(b) bF(x
2
)
F(b) F(x
2
)
= 6S2uu, F(x
3
) = u.u8

Asi entonces, Pmax = 63200 clulas por litro.
Sustituyendo este valor en la ecuacin logstica, se obtienen que a los 90 das
habr:
P =
63200
1+
63200
10
-1c
-2x10
-6
(63200)(90)
= S8,9Su clulas /litro
Lo cual quiere decir que el agua deber ser tratada, ya que excede el lmite de
40000.






























43

PROBLEMAS PROPUESTOS

En los siguientes problemas, hallar la raz o races indicadas en cada caso,
utilizando cualquiera de los mtodos analizados en las secciones anteriores.

1. La tercera raz de: x
4
- 26x
3
+ 1S1x
2
226x +11S = u

2. La mayor raz positiva de: x
5
2ux
3
Sux
2
+S = u


3. La raz de: x
2
In(x S) + 2x = 1

4. La mayor raz de: x
52
cosx +2c
x
= 8x


5. La menor raz positiva de: x+ tan x = 0

6. La raz de: x
2
+ Sx + 2 x In x = u

7. La segunda raz positiva de:
x
3
cn x-5
x-2
= x
3



8. La segunda raz positiva de: x
2
scn x x +u.S = u

9. Todas las races de:S x
2
csc 2x = u, en el intervalo (0,2)


10. Todas las races de: In x + 4cos x -3x = 0

11. La menor raz positiva de:
2x
x
2
-5
+ x
2
= 1S











44
Resolver los siguientes problemas:

12. La concentracin C de cierto frmaco en la sangre t horas despus de ser
inyectado en el tejido muscular, est dada por la expresin:
C =
3t
2
+t
50+t
3
Cundo es mxima la concentracin?
Sol. Despus de 4 hrs 29min 10seg

13. Se bombea cerveza con un contenido de 6% de alcohol por galn dentro de
un tanque que inicialmente contiene 400 gal, de cerveza con un 3% de
alcohol. La cerveza se bombea hacia el interior con una rapidez de 4
gal/min. Si el numero x de galones de alcohol que hay en el tanque
despus de t min esta dado por la expresin:

X = (400- t) [0.06 (4.6875x1u
-10
)(400-t)
3
]
En qu tiempo habr 9 gal de alcohol en el tanque?
Sol. 4hrs, 5min, 33seg

14. Determinar los puntos crticos(mximos, mnimos y puntos de inflexin) de
la funcin: f(x) = 2x
3
- xc
x


Sol . Mximo para: x = - 0.29557, x= 2.2136195
Mnimo para: x = 0.2558944, x=1.7105376
Pts. De inflexin para: x = 0.2558944, x = 1.7105376

15. Muchos campos de ingeniera requieren estimaciones exactas de la
poblacin. Por ejemplo, para la transportacin, los ingenieros consideran
necesario determinar po separado la tendencia de crecimiento demogrfico
de una ciudad y de los suburbios adyacentes. La poblacin del rea urbana
declina en funcin del tiempo de acuerdo con la expresin:

P
n
(t) = Po minc
-ku t
+ Po mox
Mientras la poblacin suburbana crece de acuerdo a:
Pa(t) =
Pux
1+
Pmn
P0
-1c
-1t

En donde Pu max, Ku, Pu min, p max, Po y K1 son parmetros derivados en
forma emprica.
Determnese el tiempo y los valores correspondientes cuando las dos
poblaciones son iguales. Los valores de los parmetros son: Pu max =
120,000, Po = 5,000 Pu min = 60, 000, Ps max =3000,000, Ku = 0.04 oo
-1
.




45
Sol 62.34 aos

16. Dos escaleras se cruzan en un pasillo. Cada escalera esta colocada de la
base de una pared a algn punto de la pared opuesta. Las escaleras se
cruzan a una altura H arriba del pavimento. Dado que las longitudes de las
escaleras son: a = 30ft, b = 20ft y que H = 8 ft, encuentre W, el ancho del
pasillo.
Sol. W = 16.212 ft




























46
SISTEMAS SIMULTNEOS DE ECUACIONES
LINEALES Y NO LINEALES
3.1.- SISTEMAS DE ECUACIONES LINEALES
Definicin. Una ecuacin lineal es aquella en donde todas las variables o
incgnitas estn elevadas a la primera potencia, no aparece ningn trmino con
productos o cocientes entre incgnitas y no contiene trminos con funciones
transcendentes.
Tipos de solucin. Un sistema de ecuaciones lineales con n incgnitas puede
tener tres tipos de solucin:
*Solucin nica (sistema consistente).
*Solucin mltiple (infinidad de soL, sistema dependiente).
* No solucin (sistema inconsistente).
Mtodos de solucin. Se clasifican en algebraicos y numricos:

Suma y resta
Algebraicos Igualacin
Substitucin

Regla de Cramer
Directos Gauss
Gauss- Jordan
Numricos

Iterativos Jacobi
Gauss- Seidel



47
Solamente para sistemas en donde el nmero de incgnitas es igual al
nmero de ecuaciones y que tenga solucin nica.
Los mtodos algebraicos son recomendables para sistemas pequeos (2 o 3
ecuaciones) mientras que los mtodos numricos son ms adecuados para
sistemas con mayor numero de ecuaciones.
En los mtodos DIRECTOS se llega a la solucin (generalmente exacta) en un
numero finito de pasos, mientras que en los ITERATIVOS se utiliza la tcnica de
aproximaciones sucesivas.
Para la mayora de los sistemas, los mtodos iterativos requieren de un mayor
nmero de clculos que los empleados en los mtodos directos, para llegar a un
grado de precisin preestablecido. Sin embargo, cuando los elementos no nulos
de la matriz del sistema se acumulan a lo largo de la diagonal principal, siendo los
elementos de la misma los mayores en valor absoluto, los mtodos iterativos
pueden compararse favorablemente con los mtodos directos. Adems, debido a
que los mtodos iterativos usan relativamente poca memoria, son particularmente
ventajosos para resolver sistemas con un gran nmero de ecuaciones con las
caractersticas antes mencionadas.
Puesto que los mtodos directos se estudian ampliamente en otras materias,
analizaremos solamente el mtodo iterativo de Gauss Seidel, dado que el de
Jacobi es muy parecido pero de convergencia ms lenta.

3.11.- METODO DE GAUSS SEIDEL

Este mtodo utiliza la misma tcnica del mtodo de aproximaciones sucesivas,
analizado en el captulo 2, con la diferencia de que en este caso habr n
ecuaciones y n incgnitas, en vez de una ecuacin y una incgnita.
Consideremos el siguiente sistema de ecuaciones:
o
11
X
1
+ o
12
X
2
+ o
13
X
3
+ o
14
X
4
+ + o
1n
X
n
= b
1
(1)
o
21
X
1
+ o
22
X
2
+ o
23
X
3
+ o
24
X
4
+ + o
2n
X
n
= b
2
(2)
o
31
X
1
+ o
32
X
2
+ o
33
X
3
+ o
34
X
4
+ + o
3n
X
n
= b
3
(3)
o
41
X
1
+ o
42
X
2
+ o
43
X
3
+ o
44
X
4
+ + o
4n
X
n
= b
4
(4)
o
n1
X
1
+ o
n2
X
2
+ o
n3
X
3
+ o
n4
X
4
+ + o
nn
X
n
= b
n
(n)




48
Sea la solucin inicial:
X1
(0)
, X2
(0)
, XS
(0)
, X4
(0)
, . , Xn
(0)


Si los elementos de la diagonal no son nulos, se puede despejar a X
1
de la
ecuacin (t), a X
2
de la ecuacin (2).., y asi sucesivamente:

X
1
=
b1-(u
12
X
2
+u
13
X
3
+u
14
X
4
++u
1n
X
n
)
u
11

X
2
=
b2-(u
21
X
1
+u
23
X
3
+u
24
X
4
++u
2n
X
n
)
u
22

X
3
=
b3-(u
31
X
1
+u
32
X
2
+u
34
X
4
++u
3n
X
n
)
u
33

. Etctera.
Los valores de las nuevas aproximaciones se obtienen substituyendo en los
segundos miembros de estas ecuaciones los valores actuales de cada incgnita.
El procedimiento se repite hasta que convergan los valores para todas las
incgnitas con la precisin.
Asi entonces, para una iteracin K + 1 tendremos:
X
1
(k+1)
=
b1-(u
12
X
2
()
+u
13
X
3
()
+u
14
X
4
()
++u
1n
X
n
()
)
u
11

X
2
(k+1)
=
b2-(u
21
X
1
(-1)
+u
23
X
3
()
+u
24
X
4
()
++u
2n
X
n
()
)
u
22

X
3
(k+1)
=
b3-(u
31
X
1
(-1)
+u
32
X
2
()
+u
34
X
4
()
++u
3n
X
n
()
)
u
33

Etc.



49
Ntese que para cada calculo se emplea siempre los valores ms recientes de
cada incgnita. El mtodo de JACOBI utiliza los valores de la iteracin anterior
para el clculo de la siguiente, por lo cual su convergencia es ms lenta.
El proceso termina cuando en dos iteraciones consecutivas el error para todas las
incgnitas es menor que un valor establecido.
El error absoluto para cada variable ser: Error =X

(k+1)
- Xi
(k)

Para i = 1, 2, 3, , n

3.2.- SISTEMAS DE ECUACIONES NO LINEALES
El problema de encontrar la solucin de un sistema de ecuaciones no lineales es
mucho ms difcil que para un sistema lineal, inclusive algunos sistemas no tienen
solucin real. Para resolver este tipo de sistemas se pueden emplear mtodos
estudiados anteriormente tales como:
Iteracin de punto fijo
Newton- Ranhson
3.2.1.- MTODO DE ITERACIN DE PUNTO FIJO
Consideremos el caso ms simple: un sistema de dos ecuaciones no lineales con
dos incgnitas:
F (x, y) = 0
G (x, y) = 0
Este mtodo utiliza la misma tcnica que el de la seccin anterior (Gauss- Seidel) ,
y consta de los siguientes pasos:
1.- seleccin de valores iniciales: x
0
,
0
.
Conversin de las ecuaciones originales a ecuaciones equivalentes de la forma:
X = f(x, y)
Y = g(x. y)
3.- substitucin de los valores actuales de las incgnitas en los despejes del paso
2 para obtener las siguientes aproximaciones:




50
X1 = f(X
0 ,

0
) --------------------------------------------
Y1 = g(X
1 ,

0
) ---------------------------------------------
X2 = f(X
1 ,

1
) X
u
+ 1 = ( X
u
,
u
)
Y2 = g(X
2 ,

1
)
u
+ 1 = g( X
n
,
n
)

Si : e
x
= |X
n
+ 1 - X
n
| y e

= |
n
- 1 -
n
| disminuyen,
entonces el mtodo CONVERGE, en caso contrario, DIVERGE.

4.- En caso de que no converja, se deber regresar al paso 2, efectuar otros
despejes y repetir el procedimiento.

INTERPRETACION GEOMETRICA

Un sistema de dos ecuaciones no lineales representa, en general, dos curvas
planas: la solucin es entonces la interseccin de estas curvas.


Al aplicar este mtodo es conveniente utilizar la grafica para tener una estimacin
de la solucin buscada y seleccionar adecuadamente los valores iniciales.





Ejemplo 3.3 Hallar la solucin del sistema: X
2
+ x -S
2
- 8 = u
In X -2 x + S = u
Utilizando el mtodo de iteracin de punto fijo, con una exactitud de 3 decimales.



51





Graficas de las curvas:







Se observa que tiene una solucin nica y que esta se encuentra en el primer
cuadrante.

Una estimacin inicial puede ser:
X
0
= S
0
= 1












52
Despejes: Las siguientes iteraciones:

X = 8 + S
2
x x
3
= 2.8799

3
= 1.u62S
Y =
n x+5
2x

x
4
= 2.88S6

4
= 1.u61S
Primera iteracin:

X1 = 8 +S (1)
2
(1)(S) = 2.8284
x
5
= 2.88S9

5
= 1.u618
Y1 =
(1)n (2.8284)+ 5
2(2.8284)
= 1.0677
x
6
= 2.884S

6
= 1.u617




Segunda iteracin:

X2 = 8 +S (1.u677)
2
(1.u677)(2.8284) = 2.8983

Y2 =
(1.0677)n (2.8983)+ 5
2(2.8983)
= 1.0582
x
7
= 2.884S

7
= 1.u617
x
8
= 2.884S

8
= 1.u617
Solucin:
(2.8843, 1.0617)




53
CONVERGENCIA DEL METODO

Como ya se sabe, la convergencia depende de los despejes. En general, un
criterio de convergencia es el siguiente:

El sistema de ecuaciones: Converge si, en un intervalo alrededor de la
solucin:
X = f (x, y, z,....) |x| + || + || + < 1
Y = g(x, y, z,.) |gx| + |g| + |g| + < 1
Z = h(x, y, z,.) |x| +|| + || + < 1
------------------------ ------------------------------------------
------------------------ ------------------------------------------
En donde:
Fx= derivada parcial con respecto a x
Fy= derivada parcial con respecto a y
Fz= derivada parcial con respecto a z
Asi sucesivamente.
Del ejemplo 3.3 tenemos que:
F = 8 -S
2
x , g =
n x+ 5
2x

Derivando:
Fx =
-
8+3
2
- x
2
, gx=
1
2
- nx-5
x
2

Fy =
6-x
8+3
2
- x
2
, gy=
nx
2x

Sustituyendo x = 3 , y = 1:
Fx = - o.1768 , gx = - o.2832
Fy = 0.5303 , gy = 0.1831



54
Asi entonces:
|x| +|| = 0.7071 < 1
Por lo tanto SI converge.
|gx| +|g| = 0.4663 < 1
Sin embargo si se utilixara el despeje:
Y = g =
5+2x
n x

Derivando: gx =
2 n x-
S+2x
x
(n x)
2
, gy =
2x
n x

Sustituyendo x = 3 , yyy = 1:
Gx = -1.2175 , gy = 5.4661
Entonces:
|gx| +|g| = 6.6836 > 1 , por lo tanto NO converge.

3.2.2.- MTODO DE NEWTON RAPHSON
Recordemos que para una ecuacin: F(x) = 0 , el mtodo de Newton Rapshon
est basado en tomar dos trminos de la serie de Taylor para expander la funcin
F (x), e igualarlos a cero:
F(x) = F(a) + (x a) F(a) = 0
Para x = x

+ 1 , a = x

tendremos:
F (x

+ 1) = F(x

) + (x

+ 1 - x

) F(x

) = 0
De donde: x

+ 1 = x

P (x

)
Pi(x

)

Consideremos ahora el sistema de dos ecuaciones no lineales:
U (x, y) = 0



55
H (x, y) = 0
Aplicando Serie de Taylor para funciones de dos variables:
U(X

+ 1,

+ 1) = u(X

,

) + (X

+1 - X

)
x
(X
,

) +(

+1 -


)

(X

,

) = u
H (X

+ 1,

+ 1) = h (X

,

) + (X

+ 1 - X

)
x
(X
,

) +(

+1 -


)

(X

,

) = u
Utilizando otra nomenclatura:

+ (X

+1 - X

)

x
+ (

+1

)

= u

+ (X

+1 - X

)

x
+ (

+1

)

= u
Puesto que las incgnitas en estas ecuaciones son: x

+ 1 y

+ 1 entonces el
sistema se puede escribir de la siguiente manera:

x
X

+ 1 +

+ 1 = -

+X

x
+

x
X

+1 +

+ 1 = -

+ X

x
+

Utilizando regla de Cramer para resolver el sistema anterior, se obtiene la
siguiente solucin:
x

+1 = x

i
x

i

i
x

+ 1 =

+

i

i
x
-
i

x


En donde:

= u(x

) ,

= h(x

x
=
x
(x

) ,

x
=
x
(x

)



56
Y asi sucesivamente.
Ntese que el denominador de las expresiones [3.1] son iguales y se llama el
JACOBIANO del sistema.



Este sistema se resolvi en el ejemplo anterior por el mtodo de iteracin de punto
fijo; en este caso vamos a utilizar como valores iniciales:
x
0
= 2.S ,
0
= 1


Las funciones son:
U(x, y) = x
2
+ x -S
2
-8 , h (x, y) = y Inx -2xy + 5
Derivando estas funciones con respecto a x con respecto a y:

x
= 2x + y ,

= x 6y ,

x
=

x
- 2y ,

= In x 2x
1
u
Iteracin: sustituyendo x
0
= 2.5 ,
0
= 1
Ejemplo: 3.4 Hallar la solucin del sistema: x
2
+ x -S
2
= 8
y In x 2xy = -5
Utilizando el mtodo de Newton, con una exactitud de 8 decimales.



57
U(x, y) = -2.25 h(x, y) = 0.91629073

x
= 6 ,

= -3.5 ,

x
= -1.6,

= -4.08370927
x
1
= 2.5
(-2.25)(-4.08370927)- (0.91629073)(-3.5)
(6)(-4.08370927)- (-3.5)(-1.6)
= 2.91177524

1
= 1+
(-2.25)(-1.6)- (0.91629073)(6)
(6)(-4.08370927)- (-3.5)(-1.6)
= 1.06304326
2
u
Iteracin: sustituyendo x
1
= 2.91177524,
1
= 1.06304326
U(X, Y) = 0.18359514 h(X, Y) = -0.05454485

x
= 6.88659373,

= -3.46648434

x
= - 1.76100228,

= -4.754787853
x
2
= 2.88443757,
2
= 1.06169659
S
u
Iteracin:
U(x, y) = 0.00077872 h(x, y) = -0.00010807

x
= 6.83057173,

= -3.48574194

x
= -1.75531567,

= -4.70954522
x
3
= 2.88433195,
3
= 1.06171301
4
u
Iteracin:
U(x, y) = 0.00000001 h(x, y) = -0.0

x
= 6.8303769,

= -3.4859461

x
= -1.7553293,

= -4.7093706
x
4
= 2.88433195,
4
= 1.06171301 solucin final.






58
3.3 PROGRAMAS

3.3.1 PROGRAMACIN DEL MTODO DE GAUSS-SEIDEL
En este programa las ecuaciones deben estar previamente ordenadas, de tal
forma que el sistema sea pasado.





















Program GAUSS_SEIDEL:
Uses crt;
Var A:array[1..10,1..10] of real declaracion de variable.
XN:array[1..10] of real
XV:array[1..10] of real;
B:array[1..10]of real;
I,j,L,n, iter: integer;
S: real: wait: char;

BEGIN
Elser;
Write(numero de ecuaciones:); readin (n);
Writein; writein(coeficientes de ecuacions:);
Writein;

For i: = 1 to n do
Begin
For j: 1 to n do lectura de los coeficientes de las ecuaciones
Begin
Write(a(,|,,,|.) =); readin (a[I, j]);
end;
Write (b(,I,) =; readin (b[i]):
Writein;
end;

For i: =1 to n do
Begin
XN[i]:= 0.0; XY[i]: =0.0; inicializacin de las variables:
end; x
1
= x
2
= = x
n
= u
Writein(matriz aumentada); writein;
For i:=1 to n do
Begin




59





























For j:=1 to n do
Begin impresin de la matriz aumentada
Write(a[I, j]: 10:4);
end;
Writein( b[i]:10:4);
end;
Writein;
Readin(wait); inicializacion de iter
Iter:=0;L:=0;

WHILE L< n do L es un contador que se incrementa cada vez que
Begin converge una incognita
Iter:= iter + 1;
Writein(iteracion No, Iter):writein;

For i:= 1 to n do
Begin
S := 0.0;
For j:=1 to n do
Begin
If i< > j then s:= s + a [I, j]xv[j];
end;
Xn[i]:=(b [i]-s) /a[I, j]; calculo de cada incgnita
Write(X,I,=,xn[i]:8:6); impresin de las incognitas
If abs(xn[1]-xv[1])<=0.00001 then L:=L+1;
Xv[i]:=xn[i];
end: (ciclo 1}
If iter div 6 = iter/6 then readin(wait):
Writein: writein;

end; {ciclo while}

writein ;writein(SOLUCION):writein;
for i:= 1 to n do Solucion del sistema
writein(X,I,=,xn[i]:10:8;
readin
END.




60

SE PRESENTA AHORA UNA CORRIDA DE ESTE PROGRAMA PARA
RESOLVER EL SISTEMA:
8X
1
- 2X
2
+ 3X
3
- X
4
= 10
3X
1
+ 6X
2
- X
3
+ X
4
= 12
2X
1
+ 3X
2
- 11X
3
+ 5 X
4
= 12
X
1
+ 2X
2
- SX
3
+12 X
4
= -23
Se suprimi la lectura de los coeficientes de las ecuaciones:

Matriz aumentada
8.0000 -2.0000 3.0000 -1.0000 10.0000
3.0000 6.0000 -1.0000 1.0000 12.0000
2.0000 2.000 -11.0000 5.0000 15.0000
1.0000 2.0000 5.0000 -12.0000 -23.0000


Iteracin NO. 1
X1 = 1.365821 x2 = 1.349905 x3 = -0.747149 x4 = 1.94415

Iteracin NO. 2

X1 = 2.110677 x2 = 0.496111 x3 = 0.039134 x4 = 2.191547

Iteracin NO. 3

X1 = 1.633296 x2 = 0.824616 x3 = 0.154380 x4 = 2.254536

Iteracin NO. 4

X1 = 1.680079 x2 = 0.809935 x3 = 0.187513 x4 = 2.269793

Iteracin NO. 5

X1 = 1.665890 x2 = 0.820008 x3 = 0.194615 x4 = 2.273249




61
Iteracin NO. 6

X1 = 1.666177 x2 = 0.820472 x3 = 0.196365 x4 = 2.274079

Iteracin NO. 7

X1 = 1.665741 x2 = 0.820844 x3 = 0.196764 x4 = 2.274271

Iteracin NO. 8

X1 = 1.665708 x2 = 0.820895 x3 = 0.196860 x4 = 2.274316

Iteracin NO. 9

X1 = 1.665691 x2 = 0.820912 x3 = 0.196882 x4 = 2.274327

Iteracin NO. 10

X1 = 1.665688 x2 = 0.820915 x3 = 0.196887 x4 = 2.274329

SOLUCION

Iteracin NO. 9

X1 = 1.66568817
x2 = 0.82091505
x3 = 0.19688691
x4 = 2.27432940

3.3.2.- PROGRAMACIN DEL MTODO DE ITERACIN DE PUNTO
FIJO
Este programa est diseado para resolver sistemas de dos ecuaciones no
lineales, en donde las ecuaciones estn dadas en la forma:
X = g(x, y) , y= f(x, y)
Adems los valores iniciales se deben estimar previamente, y por lo tanto son
datos al ejecutar el programa. El programa mostrado resuelve el sistema:
X = 8 -S
2
x , y =
nx+5
2x




62






63
Valores iniciales
X = 3 y = 1
Iter x y Ex Ey
1 2.82842712 1.06768188 0.1715729 0.0676819
2 2.89827076 1.05858562 0.0698436 0.0090963
3 2.87988590 1.06249342 0.0183849 0.0039078
4 2.88562246 1.06146378 0.0057366 0.0010296
5 2.88394389 1.06178534 0.0016786 0.0003216
6 2.88444708 1.06169126 0.0005032 0.0000941
7 2.88429761 1.06171946 0.0001495 0.0000282
8 2.88434217 1.06171108 0.0000446 0.0000084
9 2.88432890 1.06171358 0.0000133 0.0000025
10 2.88433285 1.06171284 0.0000039 0.0000007
11 2.88433168 1.06171306 0.0000012 0.0000002
12 2.88433203 1.06171299 0.0000004 0.0000001
SOLUCION
X = 2.88433203
Y = 1.06171299

3.3.3 PROGRAMACIN DEL MTODO DE NEWTON-RAPSHON
El programa esta elaborado para sistemas de 2 ecuaciones no
lineales, en donde los valores iniciales han sido previamente
seleccionados. Las ecuaciones deben estar escritas de acuerdo al
modelo:
U (x, y) = 0 , h(x, y) = 0



64
El sistema utilizado como ejemplo es el siguiente:
x
2
+ x -S
2
-8 = u , Inx -2 x +S = u





65



















66
PROBLEMAS PROPUESTOS

1. Resolver el sistema dado utilizando el mtodo de Gauss- Seidel, con una
aproximacin de 3 decimales exactos ( e = u.uuu1).

x
1
-Sx
2
+x
3
Sx
4
= 9

8x
1
x
2
+2x
3
x
4
= 12

x
1
x
2
+ x
3
Sx
4
= 1u

2x
1
+x
2
6x
3
+ 2x
4
= 16




2. Encontrar la solucin del siguiente sistema por Gauss- Seidel, con una
aproximacin de 5 decimales exactos ( e = u.uuuuu1).

Sx
1
8x
2
+ x
4
+ 2x
5
= 1u

+x
3
+ x
4
+8x
5
= 1S

2x
1
+ x
3
9x
4
= 12

12x
1
+ 6x
3
x
5
= 22

4x
2
+ 16x
3
+ x
5
= 26




Hallar todas soluciones de los sistemas de ecuaciones no lineales dados utilizando
los mtodos analizados en este captulo: Iteracin de punto fijo y Newton-
Raphson

3. x
2
+x
2
= 1
Y - senx
2
= u


x
2
= 1.646
x
3
= 2.9SS
x
4
= u.948
Solucin (en 8 iteraciones) :
x
1
= u.679
x
2
= 2.S72S2
x
3
= u.88612
x
4
= 1.8S118
x
5
= 1.SS284
Solucin (en 6 iteraciones)
x
1
= 1.8872S

Solucin: (0.72595, 050295)
(-1.6701, 034513)



67

4. x
3
+S
2
= 21
x
2
+2 +2 = u



5. X In +x
2
= S

2
2x +x = 8


Hallar la solucin de los siguientes sistemas de ecuaciones, que se encuentran
cerca del unto dado, utilizando el mtodo de Iteracin de Punto Fijo, con una
aproximacin de 4 decimales exactos ( e = .uuuu1).

6. 2x y +
2

2
= 6
c
3

+
1

= S
x
2
+ scn = 8

Punto: (2, 2, 1)

7.
x

2
scn = 4
x
2
2
2
+x
2
= 2u
c
(2x-1)

1

= 1u
Punto: (2, 0.5, 2)



Solucin: (1.64304, -2.34978)
(-2.07929, -3.16173)
Solucin: (-2.482477, 1.597372)
(1.6001217, 4.59349235)
(8.0099328, 0.0062005)
Solucin:
X= 2.11312977
Y = 1.82692631
Z = 1.03865289
Solucin:
X = 1.69830260
Y = 1.82692631
Z = 2.48397580



68
CAPITULO 4
AJUSTE DE FUNCIONES
4.1 INTRODUCCIN
Las funciones ( de una variable independiente) se pueden clasificar en:
Analticas y
Tabulares
Las funciones analticas son aquellas en donde la relacin entre las variables se
representa mediante una expresin matemtica. Por otro lado, las funciones
tabulares estn definidas mediante un conjunto de pares ordenados y no estn
relacionadas por ninguna ecuacin.
En este captulo se analizara como obtener una funcin analtica representativa o
que se ajuste a una funcin tabular dada.
Se estudiaran dos mtodos:
Lagrange y
Mnimos cuadrados

4.2 INTERPOLACION DE LAGRANGE

Considerando una funcin tabular definida por n pares ordenados:
X x
1
x
2
x
3
Xn
y
1

2

3
Yn

Grficamente esta funcin representa un conjunto de n puntos en un plano
coordenado:




69
Tracemos un polinomio que pase por todos estos puntos, como se muestra en la
figura:


Es evidente que si se tuvieran nicamente dos punto, el polinomio que pasa por
estos de primer grado ( recta); si fueran tres puntos el polinomio seria de segundo
grado (parbola) y asi sucesivamente. En general, un polinomio que esta definido
y pasa por n puntos ser de grado n 1. Asi entonces:
Y = f (x) = o
n
x
n
+ o
n-1
x
n-1
+ o
n-2
x
n-2
+ o
2
x
2
+o
1
x +o
0
|4,1
Este polinomio puede escribirse de la siguiente forma:
Y = k
1
(x -x
2
)(x - x
3
)(x -x
4
) . (x -x
n
) +k
2
(x - x
1
)(x -x
3
)(x - x
4
) (x -
x
n
) + k
3
(x -x
1
)(x -x
2
)(x - x
4
) . (x -x
n
) ++ k
n
(x -x
1
)(x - x
2
)(x -
x
3
) (x - x
n-1
) |4.2
En donde k
1
, k
2
, k
3
, , k
n
son parmetros que se debern seleccionar de tal
manera que las ecuaciones [4.1] y [4.2] sean equivalentes.

DETERMINACIN DE LOS PARMETROS

Puesto que el polinomio pasa por todos los puntos, entonces las coordenadas de
cada punto deben de satisfacer la ecuacin [4.2].
Sustituyendo el punto (x1, y1):

1
= k
1
(x
1
-x
2
)(x
1
- x
3
)(x
1
-x
4
) (x
1
- x
n
)

Despejando: k
1
=

1
((x
1
-x
2
)(x
1
-x
3
)(x
1
-x
4
)(x
1
-x
n
)





70
Sustituyendo el punto (x
2
,
2
):

2
= k
2
(x
2
-x
2
)(x
2
- x
3
)(x
2
-x
4
) (x
2
- x
n
)

k
2
=

2
(x
2
-x
1
)(x
2
-x
3
)(x
2
-x
4
) (x
2
-x
n
)


Y asi sucesivamente hasta el ltimo punto (x
n

n
):

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

k
n
=

n
(x
n
-x
1
)(x
n
-x
3
)(x
n
- x
4
) (x
n
-x
n-1
)


Sustituyendo k
1
, k
2
, k
3
, . . , k
n
en la ecuacin [4,2]







esta formula se llama polinomio de Lagrange, y se puede escribir de manera
simplificada mediante la expresin:
=

a
]-1
(x -x

a
]-1
(xi -x
]
)
-n
=1
i, i = ]






Sust. En la formula [4.3]:
(t) =
(1 +S)(1 u)(1 S)(1 S)
(S +S)(S u)(S S)(S S)
(2) +
(1 + S)(1 u)(1 S)(1 S)
(S + S)(S u)(S S)(S S)
(1)
+
(1 +S)(1 + S)(1 S)(1 S)
(u +S)(u + S)(u S)(u S)
(4) +
(1 + S)(1 + S)(1 u)(1 S)
(S + S)(S + S)(S u)(S S)
(6)
Y =
(x-x
2
)(x-x
3
)(x-x
4
)(x-x
n
)
(x
1
-x
2
)(x
1
-x
3
)(x
1
-x
4
)(x
1
-x
n
)

1
+
(x-x
1
)(x-x
3
)(x-x
4
)(x-x
n
)
(x
2
-x
2
)(x
2
-x
3
)(x
2
-x
4
)(x
2
-x
n
)

1
+

(x-x
1
)(x-x
2
)(x-x
3
)(x-x
n-1
)
(x
n
-x
2
)(x
n
-x
3
)(x
n
-x
4
)(x
n
-x
n-1
)

n
[4.3]
Ejemplo 4.1. Dados los datos:
X -5 -3 0 3 5
F(x) 2 -1 4 6 1

Hallar f(1), empleando polinomio de Langrage.



71
+
(1 + S)(1 + S)(1 - u)(1 -S)
(S + S)(S + S)(S - u)(S -S)
(1) = u.u8 + u.1667 + S.41SS + 2 - u.u6 = S.6
a continuacin se muestran otros valores interpolares y extrapolares ( fuera
del rango de los datos), que al graficarlos siguen la trayectoria de una curva que
corresponde al polinomio de cuarto grado que pasa exactamente por los puntos
dados.
x F(x)
-6 7.875
-4 0.650
-2 0.125
-1 2
1 5.6
2 6.375
4 4.250
6 -3.775




Adems de interpolar y extrapolar, el polinomio de Lagrange se puede usar
tambin para obtener la ecuacin de la curva, empleando la misma frmula [ 4.2],
con la diferencia que no se sustituye ningn valor de x para interpolar.



(x) =
(x + S)(x - u)(x - S)(x - S)
(-S + S)(-S - u)(-S -S)(-S - S)
(2) +
(x +S)(x -u)(x -S)(x -S)
(-S + S)(-S -u)(-S - S)(-S - S)
(-1)
+
(x +S)(x + S)(x - S)(x - S)
(u + S)(u + S)(u - S)(u -S)
(4) +
(x + S)(x + S)(x - u)(x - S)
(S +S)(S + S)(S - u)(S - S)
(6)
+
(x + S)(x +S)(x - u)(x - S)
(S + S)(S +S)(S - u)(S - S)
(1) =

Ejemplo 4.2 Hallar la ecuacin del polinomio de Lagrange correspondiente a los
datos del problema anterior.



72
Efectuando las operaciones indicadas y reduciendo trminos semejantes, se
obtiene la ecuacin pedida:
F(x) = 0.00417x
4
- u.u7917x
3
-u.2u42x
2
+1.879x +4
El resultado se puede comprobar de tal forma que los datos deben datisfacer la
ecuacin del polinomio.
4.2.1 PROGRAMACIN DEL MTODO DE LAGRANGE
El siguiente programa sirve para interpolar o extrapolar un valor de un conjunto de
datos utilizando el polinomio de Lagrange.




73

Se muestra la ejecucin del programa con los mismos datos del ejemplo: 4.1:
No. De puntos : 5
X Y
-5 2
-3 -1
0 4
3 6
5 1

Valor que se desea interpolar: 1
SOLUCION:
F (1.00) = 5.600000
4.3 REGRESIN CON MNIMOS CUADRADOS
Cuando el numero de datos es grande o se asocia un error sustancial en ellos, la
interpolacin de Lagrange es inapropiada, dado que el polinomio resultara de un
grado superior y las variaciones en la curva daran resultados no satisfactorios.




74
La grafica muestra el polinomio de
Lagrange ajustado a los siguientes
Datos:



Debido a la oscilacin de la curva, las
Interpolaciones por ejemplo para x =1.5
x = 8.5 parecen ir mas all del rango
Sugerido por los datos.




Una estrategia ms adecuada en estos casos es ajustar los puntos s una funcin
que pase lo ms cerca posible de ellos, sin coincidir necesariamente con
ninguno. A simple vista se podra efectuar el ajuste, sin embargo no sera
satisfactorio puesto que se ha hecho de manera arbitraria.
En la siguiente grafica se ilustra un ajuste utilizando esta tcnica.

















Considerando el caso de n puntos:
x x
1
x
2
x
3
. x
n

y
1

2

3
..
n


Y que la curva optima sea y = f (x).
x 1 2 2.8 4 5 6 7 8 9
y 2 2.5 2.3 4 3.5 7 6.5 7.4 6.8

El problema con este ajuste es que
es ambiguo dado que cada analista
trazara curvas diferentes. Adems
se desconocera la ecuacin de
esta. La manera de quitar esta
subjetividad es establecer un
criterio que minimice la diferencia
entre los datos y la curva.
En este captulo se analiza un
mtodo para llevar a cabo este
objetivo, el cual se llama regresin
con mnimos cuadrados.




75
Para llevar a cabo este anlisis definamos residuo o desviacin a la diferencia
entre la curva y cada punto.
Es decir, para el punto (x
1
,
1
) tendremos: Ri = f (Xi) Yi.



Grficamente el residuo es la distancia del punto a la curva y servir como
referencia para seleccionar el criterio de minimizacin adecuado.



CRITERIOS PARA EL MEJOR AJUSTE
Analicemos ahora algunos criterios para lograr la optimizacin de la curva.
a) Una estrategia obvia seria minimizar la suma de los errores residuales:
|(x
1
) -
1

n
=1
minima.
Sin embargo este criterio es inadecuado, como se puede ver en la figura 4.1, en
donde se considera el caso simple de ajustar una linea a dos puntos. Se observa
en la figura que la linea trazada satisface este criterio, sin embargono es un ajuste
satisfactorio, dado que la mejor linea de ajuste es obviamente la que pasa por los
dos puntos; sin embargo cualquier linea que pase por su punto medio de la linea
que los conecta (exepto una linea vertical) genera un valor minimo de la sumatoria
igual a cero, ya que los residuos se cancelan.



76
b) Otro criterio seria el minimizar la suma de los valores absolutos de los
residuos, esto es:
|(x
1
) -
1
|
n
=1
mnima.
La figura 4.1 b muestra porque este criterio tampoco funciona. Con los cuatro
puntos, cualquier lnea que se encuentre dentro de las lneas punteadas, minimiza
el valor absoluto de la suma. Adems matemticamente es necesario derivar para
minimizar, y la funcin valor absoluto no tiene derivada.


c) Llegamos finalmente al criterio de minimizar la suma de los cuadrados de
los residuos (de aqu el nombre minimos cuadrados), es decir:

|x

]
2 n
=1
minima.

SELECCIN DE LA CURVA
Una vez establecido el criterio de minimizacin, se debe seleccionar la curva. Esta
tendr que ser la adecuada, de tal forma que se ajuste a los datos, de acuerdo a la
trayectoria o tendencia de ellos. Analizaremos dos tipos de curvas:
Polinomial y
No polinomial



77

4.3.1 REGRESION POLINOMIIAL
REGRESION LINEAL
El caso mas simple es cuando se ajusta una recta a un conjunto de datos, lo cual
se llama Regresin Lineal.
Consideremos n puntos y la ecuacin de la recta de minimos cuadrados:

= (x) = o
0
+o
1
x

Para encontrar los valores de los coeficientes o
0
o
1
que satisfagan el criterio de
minimos cuadrados, se debe derivar parcialmente con respecto a estos
parmetros la funcin sumatoria:
|x

2
e igualaila a ceio
n
=1


Sustituyendo la funcin y derivando tendremos:

o
0
(o
0
+ o
1
x

)
2
=u

2o
0
+ o
1
x

= u

no
0
+o
1
x

|4.4]

o
1
(o
n
+o
1
x

)
2
= u
2(o
0
+ o
1
x

)(x

) = u
o
0
x

+o
1
x

2
= x

|4.S]
Las ecuaciones [4.4] y [4.5] forman un sistema de 2 ecuaciones lineales con 2
incgnitas: o
0
o
1
, que se puede resolver por cualquier mtodo.



78
no
0
+ o
1
x

o
0
x

+ o
1
x

2
= x

|4.6]

Ejemplo 4.3.- Ajustar una recta de minimos cuadrados para los siguientes datos:
X 1 2 3 4 6 8 9 10
Y 2 4 3 3 5 5 4 6

Tabla de sumatorias:
X Y Xy x
2

1 2 2 1
2 4 8 4
3 3 9 9
4 3 12 16
6 5 30 36
8 5 40 64
9 4 36 81
10 6 60 100

43 32 197 311


Sustituyendo en [4.6] se obtiene el siguiente sistema: 8o
0
+4So
1
= S2
4So
0
+ S11o
1
= 197


La solucin del sistema es: o
0
= 2.S177 , o
1
= u.S1S


Por lo tanto la ecuacin de la recta es:
y = 2.3177 + 0.313x






79








Ejemplo 4.4.- La presin baromtrica (en pulg. De mercurio) a diferentes alturas
(en pies) esta dada por la siguiente tabla:

Presin 29.9 29.4 29.0 28.4 27.7
Altura 0 500 1000 1500 2000

Utilizar regresin lineal para estimar la presin baromtrica correspondiente a una
altura de 1200 ft. Mostrar la grafica de los datos y de la recta.


Seleccin de variables: variable independiente x altura
variable dependiente y presin




80
Efectundose las sumas se obtiene:

x

= S,uuu ,

= 144,4

x

= 141,7uu , x

2
= 7,Suu,uuu


Sistema de ecuaciones: So
0
+ Suuuo
1
= 144.4
Suuuo
0
+ 7Suuuuuo
1
= 1417uu
Ecuacin de la recta: y = 29.96 0.001 x
Utilizando otras literales: P = 29.96 0.001 h
En donde: P = presin baromtrica ( in de Hg)
H = Altura (en ft)
Entonces para h = 1200 ft, P = 28.76 pulg. De Hg






81








Seleccin de variables: variable independiente x Periodo
Variable dependiente y Estatura
Efectuando las sumas se obtiene:
x

= 14uS.8,

= 2Su
x

= 7u,Su9.S, x

2
= S9S,292.14
Sistemas de ecuaciones:
So
0
+ 14uS.8o
1
= 2Su
14uS.8o
0
+S9S292,14o
1
= 7u2u9.S
Resolviendo el sistema se encuentra la ecuacin de la recta:
Y = -95.045 + 0.516 x
En donde x = Periodo de embarazo (das)
Y = Estatura (cm)

Asi entonces, para 280 das de embarazo, se espera una estatura de 49.43 cms
para el recin nacido.

Ejemplo 4.5. La siguiente tabla muestra la estatura de un bebe al nacer (en cm) y
el periodo de embarazo (en das). Con el fin de evitar una falsa impresin,
debemos notar que los valores dados son promedios de muchas observaciones
(un nmero igual en cada caso). En este problema los valores dados deben
tratarse como si fueran observaciones sencillas.
Utilizando regresin lineal, Cul sera la estatura aproximada de un bebe
producto de un embarazo de 280 das?
Estatura 48 49 50 51 52
Periodo 277.1 279.3 281.4 283.2 284.8




82


CUANTIFICACION DEL ERROR EN LA REGRESION LINEAL
Recordamos algunos conceptos fundamentales de estadstica:
Media
La media y de una muestra se define como la suma de los datos individuales (

)
dividido entre el nmero de datos (n):
=

n


Desviacin estndar
Es la medida de dispersin de una muestra; se denota por S

y se define como:
S =
_
St
n -1

En donde: S
t
= St = (i -)
2
[4.7]

Si las medias individuales se dispersan muy lejos de la media, St (y por lo tanto
Sy) crecer. Si se agrupan muy cerca de la media, entonces Sy ser pequea.



83

Varianza
Otra forma de medir la dispersin es con la varianza que no es ms que el
cuadrado de la desviacin estndar:
S
2
=
St
n - 1


Cualquier lnea recta diferente a cualquiera de las calculadas en los ejemplos
anteriores genera una mayor suma de los cuadrados de los residuos. Por lo tanto
la lnea de mnimos cuadrados es nica y en trminos del criterio escogido es la
mejor lnea a este ajuste. Esto nos permitir tener una medicin de la dispersin.
Definamos a la sumatoria de los cuadrados de los residuos como:

St = (o

+o
1
x
1
-
1
)
2
|4.8]

Ntese la similitud entre las ecuaciones [4.7] y [4.8]. En el primer caso, los
residuos representan la diferencia entre los datos y una aproximacin simple de la
medida de la tendencia central; la media. En la ecuacin [4.8], los residuos
representan el cuadrado de la distancia vertical entre los datos y otra medida de la
tendencia central; la lnea recta.
La analoga se puede extender mas para casos en donde: 1) la dispersin de los
puntos alrededor de la recta son de magnitud similar a lo largo del rango entero de
los datos, y 2) la distribucin de estos puntos alrededor de la lnea es normal.
Se puede demostrar que si este criterio se cumple, la regresin con mnimos
cuadrados proporcionan la mejor (es decir, la mas probable) aproximacin de
o
0
o
1
. A esto se le conoce como principio de probabilidad mxima dentro de la
estadstica. Adems si este criterio se cumple, una desviacin estandar de la
lnea de regresin se puede determinar con la siguiente expresin:
S
x
=
_
S
t
n 2
|4.9]

En donde S
x
se llama error estndar de la aproximacin. La notacin con
subndice y/x indica que el error es para un valor predicho de y
correspondiente aun valor particular de x.

S
x
cuantifica la dispersin alrededor de la lnea de regresin, mientras que la
desviacin estandar original, S, cuantifica la dispercion alrededor de la media.
Los conceptos anteriores se pueden emplear para evaluar la eficiencia del
ajuste.



84
Esto es particularmente til en la comparacin de varias regresiones.

Para hacerlo, se regresa a los datos originales y se determina la suma de los
cuadrados alrededor de la media para la variable dependiente (en este caso y). se
puede llamar a esto la suma total de los cuadrados, S
t
. Esta es la cantidad de
dispersin en la variable que existe antes de la regresin. Esta presenta la
dispersin que existe despus de la regresin. La diferencia entre las dos
cantidades, S
t
-S

, cuantifica la mejora en la reduccin del error debido al

modelo de la lnea recta. Esta diferencia se puede normalizar al error total y
obtener:
r
2
=
S
1
-S

S
t
|4.1u]

En donde: r es el coeficiente de correlacin y
r
2
es el coeficiente de determinacin.

Para un ajuste, S

= u r
2
= 1, indicando que la lnea resta explica el 100% de la
variabilidad.
Si r
2
= u, entonces el ajuste no presenta mejoras.

Utilizando estos conceptos se puede ahora estimar los errores en el ajuste de
mnimos cuadrados.

Ejemplo 4.6.- Calcular la desviacin estandar total, el error estndar de la
aproximacin y el coeficiente de correlacin para los datos del ejemplo 4.4.

La recta de minimos cuadrados para estos datos es: y=29.96 0.00108x

Tabla de sumatorias

x
1

1
(
1
)
2
(o
0
+o
1
x
1

1
)
2

0 29.9 1.0404 0.0036
500 29.4 0.2704 0.0004
1000 29.0 0.0144 0.0144
1500 28.4 0.2304 0.0036
2000 27.7 1.3924 0.0100

144 2.948 0.032





85
=
144.4
S
= 28.88 (meuia)

S
t
= (
1
)
2
, S
t
= (o
0
+ o
1
x

)
2
= u.uS2

S

_
S
t
n 1
=
_
2.948
4
= u.8S8487 cs:iocion cstonJor totol

S
x
=
_
S
t
n 2
=
_
u.uS2
S
= u.1uSS Error cstonJor


Dado que S
x
< S

, el modelo de regresin lineal es aceptable.

El alcance de la mejora se cuantifica mediante:
r
2
=
S
t
S
t
S
t
=
2.948 u.uS2
2.948
= u.9891S Cocicicntc Jc Jctcrminocion

R=0.99456 Coeficiente de correlacin

Se puede comprobar que para el Ejemplo 4.3:

S
x
= u.8S42 , r
2
= u.6S2u6 r = u.8S42

Para el ejemplo 4.5: (considerando y=-95.044+0.5159x)

S
x
= u.12uS , r
2
= u.99S64 r = u.997



REGRESION POLINOMIAL DE GRADO SUPERIOR

La recta de mnimos cuadrados analiza en la seccin anterior es el caso mas
simple de regresin polinomial, dado que la recta es un polinomio de primer grado.
El procedimiento de mnimos cuadrados empleado anteriormente se puede
extender fcilmente y ajustar los datos a un polinomio de grado m:

= o
0
+ o
1
x + o
2
x
2
+o
3
x
3
+o

86
En este caso, la suma de los cuadrados de los residuos esta dada por:

S
t
= (o
0
+ o
1
x
1
+ o
2
x

2
+ +o

2
-

)
2
|4.11
n
=1


Ahora se deriva la ecuacin [4.11] con respecto a cada caso uno de los
coeficientes del poliomio y se iguala a cero, para obtener:

S
t
o
0
= 2 o
0
+o
1
x

+o
2
x

2
+ +o
1
x

n
-

= u


S
t
o
1
= 2x

o
0
+o
1
x

+o
2
x

2
+ + o
1
x

n
-

= u



S
t
o
2
= 2x

3
o
0
+ o
1
x

+ o
2
x

2
++o
1
x

n
-

= u



S
t
o
n
= 2x

n
o
0
+o
1
x

+ o
2
x

2
++o
1
x

n
-

= u



Desarrollando las sumatorias y simplicando, se obtiene las siguientes ecuaciones:





87

Las ecuaciones [4.12] forman un sistema de m+1 ecuaciones lineales con un m+1
incgnitas: o
0
, o
1
, o
2
, , o
.
Por lo tanto para ajustar un polinomio de grado m a
un conjunto de datos bastara resolver simultneamente un sistema de m+1
ecuaciones lineales.

El error en la regresin polinomial se puede calcular mediante el error estndar de
la aproximacin:

S
x
= _
S

n -(m +1)
|4.1S]


En donde m es el orden del polinomio y


S
t
= (o
0
+ o
1
x

+o
2
o

2
+. +o
n
x

)
2
u
=1


Adems se puede tambin calcular el coeficiente de correlacin:

r
2
=
S

S
t
S

|4.14]

En donde S

= ( )
2









En este caso la ecuacin del polinomio de segundo grado (parbola) ser:
= o
0
+o
1
x + o
2
x
2

Ejemplo 4.7. Ajustar un polinomio de segundo grado de mnimos cuadrados y
calcular el error estndar y el coeficiente de correlacin para los siguientes
datos:
x -3 -1 3 5 7
Y 3 -1 -1 2 5



88
Y el sistema de ecuaciones corresponde para calcular los tres coeficientes, de
acuerdo a [4.12] est dado por:



[4.15]





Tabla de sumatorias
x y xy x
2
x
2
y x
3
x
4
-

)
2
o
0
+o
1
x
1
+o
3
xi
2
- i)
2

-3 3 -9 9 27 27 81 1.96 0.1521
-1 -1 1 1 -1 -1 1 6.76 0.4225
3 -1 -3 -9 -9 27 81 6.76 0.0001
5 2 10 25 50 125 625 0.16 0.4489
7 5 35 49 245 343 2401 11.56 0.1681
11 8 34 93 312 467 3189 27.2 1.1917



Sustituyendo en [4.15]:
So
0
+ 11o
1
+9So
2
= 8
11o
0
+9So
1
+ 467o
2
= S4
9So
0
+467o
1
+S189 = S12
Resolviendo el sistema se obtienen los coeficientes del polinomio:
o
0
= 1.17, o
1
= u.6, o
2
= u.22
La ecuacin del polinomio ser entonces:
no
0
+ o
1
x

+o
2
x

2
=

o
0
x

+o
1
x

2
+o
2
x

3
= x

o
0
x

2
+o
1
x

3
+o
2
x

4
= x

Despus de la
regresin
=
8
S
= 1.6



89
Y = -1.17 0.6x + 0.22x
2

Error estndar: s
z
_
S
n-(+1)
s
z
= _
1.1917
5-3
= u.77191S
Coeficiente de correlacin r
2
S
1
-S
2
S
=
27.2-1.1917
27.2
= u.9S6187S












90











a) Seleccionaremos para este problema al Volumen como la variable
independiente (x) y a la Presin como la variable dependiente (y). La
ecuacin del polinomio ser de la forma:
= o
0
+o
1
x + o
2
x
2


El sistema para hallar los coeficientes es:
no
0
+ o
1
x

+o
2
x

2
=

o
0
x

+o
1
x

2
+o
2
x

3
= x

o
0
x

2
+o
1
x

3
+o
2
x

4
= x

Efectuando las sumatorias correspondientes y sustituyendo se obtiene el sistema:
6o
0
+ 1Suo
1
+41Suo
2
= 991.7
1Suo
0
+41Suo
1
+164Suuo
2
= 1uu16
41Suo
0
+164Suuo
1
+72812Suo
2
= 168S1u
La solucin del sistema es la siguiente:
o
0
= 621.9, o
1
= S7.6S, o
2
= u.S2
Ejemplo 4.8. En un experimento para determinar la razn de calores especficos
(K) de cierto gas, este s comprimi adiabticamente hasta determinados
volmenes especificados (V). y la presin correspondiente (P), con los siguientes
resultados:
P(lb/plg
2
) 16.8 39.7 78.6 115.5 195 546.1
V(plg
3
) 50 30 20 15 10 5

Ajustar una curva de mnimos cuadrados como se indica en cada caso.
a) Polinomios de segundo grado.
b) Hiprbola equiltera.
c) De la forma PI
0
= cte.
Graficar las curvas resultantes para cada caso y seleccionar la mejor de ellas.



91
La ecuacin del polinomio es:
= 621.9 S7.6Sx +u.S2x
2

Utilizando variables ms apropiadas para este problema tendremos la ecuacin:
P = 621.9 37.65V + 0.52I
2

En donde: p = Presin del gas (en lb/in
2
)
V= Volumen del gas (en in
3
)
b) La hiprbola equiltera tiene una ecuacin de forma: xy =a; por lo tanto la
funcin se puede escribir como: f(x) = ax
-1


Los residuos entonces son: Ri = axi
-1

Aplicando el criterio de mnimos cuadrados, se buscara un valor del nico
parmetro a tal que las sumatorias:
Ri
u
=1
Sean mnimas.

El procedimiento ser derivar con respecto al parmetro e igualar a cero:

u
(oxi
-1
i)
2
= u
[4.16]
2(oxi
-1
i)(xi
-1
) = u

o xi
-2
= xi
-1
i

Es decir, para resolver el problema bastara efectuar solo las sumatorias indicadas
en la formula [4.16]
Xi Yi Yi/xi 1/xi
2

50 16.8 0.336000 0.000400
30 39.7 1.336000 0.001111
20 78.6 3.930000 0.002500
15 115.5 7.700000 0.004444
10 195.0 19.50000 0.010000
5 546.1 109.2200 0.040000
142.009 0.058455

o =

1
x
2





92
Sustituyendo en [4.16]:
o =
142.uu9
u.uS84SS
= 2429.4
Por lo tanto la ecuacin de la curva de ajuste(hiprbola equiltera), utilizando las
varibales P y V est dada por:
PV = 2429.4
C) Cuando un gas ideal se expande o se comprime, se dice que experimenta un
proceso politropico; en este caso la relacin entre P y V para cada punto del
proceso es tal que el producto de la presin por el volumen elevado a un
exponente fijo, permanece constante, es decir: PI
K
= ctc. en donde K es el
exponente politropico.
Seleccionando a la presin como la variable dependiente, la funcin se puede
escribir de la siguiente forma:
P =CI
-K

En este caso n se puede continuar con ell procedimiento utilizado en los
problemas anteriores, debido a que el parmetro K aparece como exponente se
puede linealizar la ecuacin y utilizar el modelo correspondiente.

Utilizando logaritmos:
In P = In cI
-K

In P = In C K In V [4.17]
La ecuacin [4.17] representa una funcin lineal el lineal en un plano In x In y
pudindose utilizar entonces el modelo lineal analizado anteriormente:
Y = o
0
+o
1
x
Entonces: In P y , In V x , In C o
0
, -K o
1

Utilizaremos ahora el modelo lineal para establecer el sistema de ecuaciones para
la determinacin de las incgnitas C y K:
n In C - k In Ii = In Pi [4.18]
In C In Ii k (In Ii)
2
= k (In Ii)(In Pi)



93

Tabla sumatoria
Vi Pi In Vi In Pi (In Vi)
2
(In Vi)(In Pi)
50 16.8 3.9120 2.8214 15.3037 11.0372
30 39.7 3.4012 3.6814 11.5682 12.5212
20 78.6 2.9957 4.3644 8.9760 13.0745
15 115.5 2.7081 4.7593 7.3338 12.8616
10 195.0 2.3026 5.2730 5.3020 12.1416
5 546.1 1.6094 6.3028 2.5903 10.1437

16.9290 271922 51.0739 71.7810

Sustituyendo en [4.18]:
6In C . -16.929K = 27.1922
16.929 In C 51.00739 K = 71.781
Solucin del sistema: k = 1.4938 , C = 6291
Ecuacin de la curva de ajuste:
PI
1.4938
= 6291
Grafiquemos las tres curvas para seleccionar la optima.

GRAFICAS DE LAS FUNCIONES DE AJUSTE




94


c) proceso politropico







Se puede observar que en el caso a) el polinomio no es un buen ajuste, ya que la
dispersin es grande e inclusive existen valores negativos de la presin. En los
casos b) y c) ya no aparece ninguna presin negativa, pero dada que la dispersin
es menor en el ltimo caso, se selecciona la curva c) como el mejor ajuste a los
datos.
Se podra pensar polinomios de mayor orden se ajusten mejor a los datos, sin
embargo esta posibilidad queda descartada analizando polinomios de ajuste de
tercero, cuarto y quinto grado, cuyas graficas aparecen a continuacin.



95
POLINOMIO DE TERCER GRADO

P= -0.034I
3
+S.2S47I
2
-9S.184I
+ 918.22

Este polinomio se ajusta bastante
bien excepto en el intervalo 30<V
<50. Por ejemplo P(40) = 120.2lb/in.
Adems para valores extrapolares V
> Su la presin es negativa.






POLINOMIO DE CUARTO GRADO

P= .0000029I
4
-.uuuS2I
3
+
.u12SI
2
-.2uS8 +1.289

El polinomio casi pasa por todos
los puntos, sin embargo para
30< I < Su, LA PRESION ES
NEGATIVA.
Por ejemplo: P(40) = 148.6 lb/in
2
.
Adems es demasiado grande, por
ejemplo: P(52) = 184 lb/in
2




POLINOMIO DE QUINTO GRADO
P= .0000023I
5
+ .uuuu29I
4
-
.uu14I
3
+.u2SI
2
-.SS1I +1.66S

El ajuste es perfecto, el polinomio
pasa por todos los puntos (de hecho
es idntico al polinomio de
Lagrange). El problema es que para
V> Su, los valores de la presin son
absurdos. Ejemplo:
P(45) = 436 lb//in
2

P(52) = .453 lb//in
2















96
4.3.3. PROGRAMACION DE LA REGRESION LINEAL.





97
Nmero de puntos: 3
Coordenadas de los puntos
X = 1 y = 4
X = 2.5 y = 4.8
X = 4.6 y = 8.3
La ecuacin de la recta es:
Y = 7.184 0.550x





















98
PROBLEMAS PROPUESTOS
x -5 -4 0 2 3 5 6 8
y 6 4 2 2 0 0 -1 -3
Graficar la recta y los datos solucin: y = 2.38 -0.6x

------------------------------------------------------------------------------------------------------------
2. hallar la ecuacin del polinomio de segundo grado de niminos cuadrados que se
ajusta a los datos dados en la siguiente tabla:
X -4 -1 0 3 6 8 11
y -1 1 4 5 5 2 -1
Graficar la recta y los datos. Solucin: y = 3.38 + 0.786x -0.108x
2

---------------------------------------------------------------------------------------------------------
3. Hallar la ecuacin de la curva de regresin de la forma: y = a In x + B que se
ajusta a los siguientes datos:
X 1 2 4 6 8
y -7 -3 4 5 7
Graficar la curva y los datos. Solucin: y = 6.95 Inx 7-07
-----------------------------------------------------------------------------------------------------
4. Encontrar la ecuacin del polinomio de Lagrange correspondiente a los puntos
dados en la siguiente tabla:
x -3 1 6 8
F(x) 2 3 -1 5
Hallar f (-2), f(1.5) f(4.8) y f(7.2) y graficar el polinomio, mostrando los datos y los
puntos interpolados.
Solucin: y = 0.059996x
3
-0.3565x
2
- 0.8827x + 4.1792
------------------------------------------------------------------------------------------------------
5. Ajustar una curva de mnimos cuadrados de la forma: y = ax
2
+ bc
x
para los
siguientes datos:
X -2 -1 1 2 3 4
y 50 10 10 30 50 -25




99
Graficar la curva y los datos.
---------------------------------------------------------------------------------------------
6. Las resistividad elctricas(en Ohm- cm x 1u
-6
) del platino a diferentes
temperaturas _(en grados Kelvin) estn dad por la siguiente tabla:
Temperatura 100 200 300 400 500
resistividad 4.1 8 12.6 16.3 19.4
Utilizando regresin Lineal, la resistividad correspondiente para una temperatura
de 350K,Graficar la recta y los datos.
Solucin R= 14.025 ohms - cm x 1u
-5

























100
CAPITULO 5
DERIVACION E INTEGRACION NUMERICA
5.1 DERIVACION
5.1.1 TANGENTE A UNA CURVA DERIVADA
Cul seria una definicin elemental de una tangente de una curva en un punto?
Algunas respuestas tpicas de los estudiantes son los siguientes:
Una lnea recta que toca solamente un punto de la grafica.
Una lnea recta que toca, pero no corta a la curva.
Una lnea que toca la parte convexa de una grafica.
Todas ellas revelan la idea de una tangente toca a la grafica pero no la cruza, una
impresin que puede jugar un papel negativo posteriormente cuando el estudiante
conoce la idea de una tangente a una grafica en un punto de inflexin.
Vinner (1983) encontr que cuando se les pidi a los estudiantes dibujar la
tangente a la grafica y=x
3
en el origen, una gran proporcin bosquejo un segmento
de recta un poco a un lado de forma que no pasara a travs de la grafica. Los
estudiantes pueden tambin tener una gran dificultad con la tangente a una lnea
recta, la cual rompe todas las reglas, informales del juego (No toca la grafica, es la
grafica).
Se necesita entonces una definicin mas adecuada. Consideremos una funcin
f(x) y escojamos un punto (x, f(x)), como se muestra en la figura.



Qu lnea (Si existe) ser la tangente
de la curva es ese punto?






101
Para contestar esta pregunta seleccionemos un pequeo numero h0, y
marquemos sobre la grafica el punto Q (x+h, f(x+h)). Tracemos ahora la lnea
secante que pasa a travs de los puntos P y Q. A medida que h tiende a cero (por
la derecha), la lnea secante tiende a una posicin lmite. Cuando h tiende a cero
(por la izquierda) tiende a la misma posicin lmite. La lnea es esta posicin es a
la que llamaremos la TANGENTE de la grafica en el punto P:
Las siguientes figuras muestran la situacin, primero con h>0 y despus con h<0.







Puesto que las secantes obtenidas tienen pendientes de la forma:

Entonces la tangente, es decir, la posicin limite de esas secantes tendrn como
pendiente:









Lim

J(x+h)-J(x)
h

h 0



102
DEFINICION
Una funcin f se dice que es diferenciable en x si:


Existe.


Si este lmite existe, se llama entonces derivada de f en x y se denota por f(x).

5.1.2 DIFERENCIACION NUMERICA
La derivada se puede calcular aproximadamente por diferenciacin numrica o
aproximacin por diferencias.
Para ilustrarlo, consideremos una funcin f(x) y supongamos que se desea evaluar
la primera derivada en x = x
0
. Conociendo f(x
0
) y f(x
0
+ h), en donde h es el
intervalo entre dos puntos consecutivos de la funcin, la derivada se puede
aproximar calculando la pendiente de la secante que une estos dos puntos, y
puesto que x
0
+ h est a la derecha de x
0
se conoce como aproximacin por
diferencias hacia delante.


Lim

J(x+h)-J(x)
h

h 0



103
Finalmente consideremos dos puntos: uno a la izquierda y el otro a la derecha de
x
0
, en este caso ser; aproximacin por diferencias centrales.






Para obtener una estimulacin del error al usar aproximaciones por diferencias
nos podemos basar en el desarrollo de la Serie de Taylor de la funcin alrededor
de un punto.
Por ejemplo, el desarrollo de Taylor de f(x
1+1
), la cual denotaremos por f
i+1

alrededor de x
1
est dado por la siguiente expresin:
i +1 = i + i
i
+
`
2
i +
bS
S
i +
4
4
i II +
En donde h = x
i+1
x
1

Despejando a f
i
: Para despejar f
i
se divide ambos miembros de
la serie de Taylor entre h y luego se despeja
f
i

i
i
=
i +1 -i

- i
ii
-
1
4
`
iii
-

Si truncamos del segundo trmino en adelante tendremos la misma ecuacin (5.1)
de aproximaciones por diferencias hacia adelante. Los trminos truncados
conforman lo que se llama el error por truncamiento, y puerto que el termino ms
significativo es (1/2) hfi tendremos:






104

En donde 0 (h) indica que el error es aproximadamente proporcional con el
intervalo h, 0 que es del orden h.
As entonces: error = -1/2 hf
i
.
La aproximacin por diferencias hacia atrs de la primera derivada utilizando f
i+1
y
f
i
se obtiene de manera similar. El desarrollo de Taylor de f
i+1
es:

En donde: error hf
i
.
La aproximacin por diferencias centrales utilizando f
i+1
y f
i-1
se puede obtener
restando los desarrollos de Taylor correspondientes:

Entonces:

Se observa en este caso que el error es proporcional a h
2
en vez de h, lo cual
indica que el error disminuye, dado que h es un valor pequeo.



105

EJEMPLO 5.1.- Calcular aproximadamente f (3) para la funcin:
(x) =
x` +lnx
x - 2

Utilizando diferencias hacia delante, hacia atrs y centrales. Con h = 0.1 y h =0.05,
estimando en cada caso el error.
Primero calculemos el valor exacto de la derivada. Derivando la funcin se
obtiene:

DIFERENCIAS HACIA ADELANTE. Utilizando la formula (5.1)

Error = -0.224279
DIFERENCIAS HACIA ATRS. Utilizando la formula (5.2)







106
DIFERENCIAS CENTRALES. Utilizando la formula (5.3)

APROXIMACION POR DIFERENCIAS CON TRES PUNTOS
Para una derivada de orden n, el nmero mnimo de datos necesarios para
obtener una aproximacin por diferencias es n+1. As para una derivada de primer
orden se necesitan dos puntos (como en la seccin anterior).
Sin embargo si se utilizan ms puntos se obtiene una aproximacin mejor. Por
ejemplo utilicemos tres puntos: f
i
, f
i+1
, f
i+2
para obtener la primera derivada f
i
.
Los desarrollos de f
i+1
, y f
i+2
de la Serie de Taylor son:

Combinando estas dos ecuaciones es posible eliminar los trminos de la segunda
derivada; con esto el trmino principal de los errores de truncamiento es el de la
derivada de tercer orden.
Multiplicando la ecuacin (5.7) por 4 y restndole la ecuacin (5.8):

Despejando a f
i
obtendremos la formula llamada.



107
Aproximacin por diferencias hacia adelante con tres puntos:

Se puede observar que tiene un error similar al obtenido con diferencias centrales
con dos puntos (formula 5.6).
De una manera similar se puede obtener la frmula para
Aproximacin por diferencias hacia atrs con tres puntos:

O bien Aproximacin por diferencias centrales con tres puntos:

Ejemplo 5.2 Resolver el problema del ejemplo 5.1, con h = 0.1, utilizando tres
puntos.
La funcin que se va a derivar es:
(x) =
x` +lnx
x - 2






108
Entonces:
F
i
= f (x
i
) = F (3) = 10.09861
F
i+1
= f (x
i+1
) = F (3.1) = 9.76491
F
i+2
= f (x
i+2
) = F (3.2) = 9.50263
F
i-1
= f (x
i-1
) = F (2.9) = 10.52746
F
i-2
= f (x
i-2
) = F (2.8) = 11.08702
a) Aproximacin por diferencias hacia delante.

b) Aproximacin por diferencias hacia atrs.

c) Aproximacin por diferencias centrales.

Los errores obtenidos en el ejemplo anterior (utilizando dos puntos) son los
siguientes: -0.22428, 0.52322 y -0.04747 para diferencias hacia delante, hacia
atrs y centrales, respectivamente.




109
5.2 INTEGRACION NUMERICA
5.2.1 INTRODUCCION.
El teorema fundamental del clculo integral establece que:
_ (x)Jx = |F (x)] = F(b) - F(o)
b
u

En donde F (x) es una antiderivada o primitiva de f (x).
Con este teorema se puede calcular el valor exacto de una integral definida,
siempre y cuando sea posible encontrar la antiderivada de F(x). Sin embargo
existen una gran cantidad de integrales llamadas no elementales, las cuales no
tienen antiderivadas, y por lo tanto no se puede emplear el teorema.
Algunos ejemplos clsicos de estas integrales son los siguientes:

Los mtodos numricos para resolver estas integrales estn basados en la
interpretacin grafica de una integral definida:
SI F(x) es continua y positiva en el intervalo [a, b], entonces la integral ] (x)Jx
b
u

es, numricamente igual al rea bajo la curva: y =f(x), limitada por el eje X y las
rectas X = a, x = b.
Entonces si ] (x)Jx = 1
b
u
, el valor de la integral ser el mostrado en la figura.




110
En esta seccin se analizaran los siguientes mtodos:
Regla de los trapecios.
Regla de Simpson de 1/3.
Integracin de Romberg.
Los dos primeros mtodos se basan en la estrategia de reemplazar una funcin
complicada o un conjunto de datos tubulares por una funcin polinimica mas fcil
de integrar. As entonces:
I=] (x)Jx = ] g(x)Jx
b
u
b
u

En donde g(x) es un polinomio de primer grado (recta) para el mtodo de los
trapecios, o bien un polinomio de segundo plano (parbola) en el caso de
Simpson. Estos esquemas de integracin son conocidos como frmulas de
integracin de Newton Cortes. El ltimo mtodo (Romberg), es un mejoramiento
de la regla de los trapecios, y se utiliza solamente cuando se tiene la funcin
analtica.
5.2.2 REGLA DE LOS TRAPECIOS
Consideremos el problema de calcular el rea de la regin ilustrada en la fig. 5.1.
Dividamos el intervalo [a, b] en n subintervalos de igual magnitud H, y denotemos
por Y
0
, Y
1
, Y
2
,, Y
a
a las ordenes as obtenidas (fig. 5.2).

El problema es ahora calcular el rea de una de las subregiones y sumarlas para
hallar el rea total. Para tal efecto vamos a formar figuras geomtricas de rea
conocida (trapecios), uniendo con segmentos rectilneos los puntos P
0
y P
1
, P
1
y
P
2
,, y as sucesivamente.




111
La siguiente figura muestra, en ampliacin los dos primeros subintervalos. Las
reas de los dos trapecios estn dadas por las siguientes expresiones:

Sumando las reas de los n trapecios que se forman, se obtendr una
aproximacin al rea buscada:
A= H (y
0
+ y
1
) + H (y
1
+ y
2
) + H (y
2
+ y
3
) +.+ H (y
a-1
+ y
a
)
Simplificando:
A = H ( y
0
+ y
1
+ y
2
+ y
3
+.+ y
a-1
+ y
n
) [5.12]
En este caso de que la curva sea una funcin analtica de ecuacin y = f(x),
limitada en un intervalo [a, b], entonces la regla de los trapecios se puede escribir
de la siguiente forma:
]
(x)Jx = t = E
1
2
(xu) +(x2) ++
1
2
(xn)

b
u
[5.13]
En donde: H = (b a)/n, x
0
= a, x
1
= x
0
+ H,.., x
a
= b
Es evidente que la aproximacin ser mejor a medida que aumente el nmero de
subintervalos (n); sin embargo, para valores muy grande de n, el error puede
aumentar debido a los errores de redondeo analizados anteriormente.
Algunos de los ejemplos resueltos en las siguientes secciones se pueden resolver
por clculo integral de una forma ms sencilla, sin embargo el objetivo es que el
estudiante aprenda el mtodo y tenga ms referencia de comparacin con la
solucin exacta.






112
Ejemplo 5.3 Determinar un valor aproximado para la integral ]
(x +2)
x +1 Jx
3
0

por la regla de los trapecios, utilizando 4 y 8 intervalos.
N = 4
Formula: I H [ f(x
0
) + f(x
1
) + f(x
2
) + f(x
3
) + f(x
4
) ]

Formula: I H [ f(x
0
) + f(x
1
) + f(x
2
) + f(x
3
) ++ f(x
n
) ]
H = 3/8 = 0.375

Sustituyendo en la frmula:
I 17.08132
El valor exacto de esta integral es I =
256
15
= 17.u6666 ., por lo tanto el error
disminuye para n = 8.







113
2.3 REGLA DE SIMPSON DE 1/3
Consideremos el mismo problema correspondiente a la fig. 5.1; de igual manera
dividamos en n subintervalos iguales (fig5.2). La diferencia entre este mtodo y el
de los trapecios es que en vez de unir los puntos P
0
, P
1
,.., P
n
por segmentos
rectilneos, se unen por segmentos parablicos tomados los puntos de tres en
tres, dado que una parbola queda definida por tres puntos.
El procedimiento ser calcular el rea bajo la parbola de cada pareja de bandas,
para finalmente sumar estas en reas. Es por esto que en este mtodo se debe
emplear un nmero PAR de intervalos.
Seleccionemos ahora los dos primeros intervalos y coloquemos unos ejes
coordenadas de la manera que se muestra en la figura.

Si la ecuacin de la parbola es: y = ax + bx + c.
Entonces podremos calcular el rea bajo la parbola empleando el teorema
fundamental del clculo integral:

Para determinar los valores de a y c, se sustituyen las coordenadas de los puntos
P
0
, P
1
y P
2
en la ecuacin de la parbola:




114
Resolviendo este sistema de ecuaciones, se obtienen los siguientes resultados:

Sustituyendo a y c en la frmula para el rea:

Procedimiento de igual manera con las dems parejas de intervalos, y sumando
las reas obtenidas, tendremos el rea total:

Simplificando: [5.14]

Si la curva tiene por ecuacin y = f(x), en un intervalo [a, b], entonces el rea se
obtiene mediante la integral definida:
I= ] (x)Jx
b
u

Y la formula anterior se escribe de la siguiente manera:
[5.15]

En donde:
E =
b -o
n





115
Ejemplo 5.3 Determinar un valor aproximado para la integral ]
(x +2)
x +1 Jx
3
0

utilizando la regla de Simpson con 8 intervalos.
H = 3/8 = 0.375

Sustituyendo en la frmula 5.15:

I 17.06666528
Se puede observar que este mtodo es ms aproximado que el de trapecios
(solucin exacta: I = 17.066666).
Problema de aplicacin: Determinacin de la corriente R.M.S. mediante
Integracin Numrica.
Antecedentes: el valor promedio de una corriente elctrica oscilante durante un
periodo puede ser cero. Por ejemplo supongamos que la corriente de describe
mediante una senoidal simple: i (t) =scn (
2 n
1
t), en donde T es el periodo. El valor
promedio de esta funcin se puede determinar mediante la ecuacin:

Este resultado se muestra en la fig. 5.3 a. Como se puede ver, resulta una
corriente neta igual a cero, ya que las reas positivas y negativas bajo la curva se
cancelan.
A pesar de que el resultado neto es cero, esta corriente es capaz de realizar un
trabajo y generar calor. Por lo tanto los ingenieros electrnicos a menudo,
simbolizan esta corriente mediante la expresin:




116
En donde I
RMS
se conoce como corriente RMS (raz cuadrada media; en ingls
root mean square). El problema de cancelacin de signos positivos y negativos
se evita elevando la corriente al cuadrado antes de calcular el promedio (Fig. 5.3
b).

Supngase el siguiente problema:
Ejemplo 5.4 La corriente en un circuito est dada por:

Determinese la corriente RMS, en un periodo [0, T], para T= 1s, utilizando regla de
Simpson con 8 y 16 intervalos.

Para n = 8
H = 0.5/8 = 0.0625






117
Tabulacin de la funcin f(t) = 100 e
-2t
sen
2
(2n t )


Para n = 16
En este caso el valor de la integral es: 15.41277141; entonces:
I
RMS
= 1S.41277141 = 3.9259102 Amp
Nota: El valor exacto de la integral es 15.4126081 (el cual se puede obtener con
n 32).
Estos mtodos de trapecios y de Simpson se pueden utilizar tambin para datos
tabulares, como se muestra en el siguiente ejemplo.
Ejemplo 5.5 El diseo de un nuevo aeroplano requiere un tanque de gasolina con
un rea seccional constante en cada ala, como se muestra en la figura. El tanque
debe tener una capacidad de 5000 lb de gasolina, cuya densidad es de 42 lb / ft
3
.
Usar regla de Simpson para estimar la longitud del tanque.



118

Vol. = (rea) (Long.)
En donde: Vol.=
5000 Ib
42 Ib]t
= 119.048 ft
3

rea =
1
3
|1.S +4(1.6) +2 (1.8) +4(1.9) + 2(2) +4(2.1) +1.6
= 11.0333 ft
2

Long. =
voI.
Acu
= 10.79 ft
Ejemplo 5.6 Una forma de medir el bombeo cardiaco (cantidad de sangre que
bombea el corazn en un min) es mediante la tcnica del medio de contraste. Esta
consiste en inyectar de 5 a 10 mg de lquido de contraste una vena principal cerca
del corazn. El lquido es vaciado en el lado derecho del corazn y despus
bombeado a travs de los pulmones y sale por el lado izquierdo hacia la aorta,
donde se mide la concentracin a cada segundo.
La siguiente tabla muestra la respuesta de una paciente en descanso, a una
inyeccin de 5.6 mg de lquido de contraste. Tambin se muestra la grfica de la
concentracin en funcin del tiempo. Los datos se han ajustado a una curva
suave. El tiempo se mide con t = 0 en el momento de la inyeccin. Las lecturas de
la concentracin son cero al principio, mientras el lquido pasa a travs de los
pulmones. Alcanza un mximo aproximadamente a las 9 segundos y declina a
cero a los 30 seg.




119
El bombeo Cardiaco (en L/min) se calcula
dividiendo los miligramos de lquido de
contraste entre el rea bajo la curva de
concentracin y multiplicando el resultado por
60:

Bombeo Cardiaco =
g dc Iiqdo
cu bu]o Iu cu
x6u
Utilizar la regla de Simpson para calcular el bombeo cardiaco del paciente.
Solucin:
En este caso H = intervalo del tiempo = 1
Aplicando regla de Simpson (a partir del sexto seg):
rea =
1
3
|1.S + 4(S8) + 2(67) +4(8u) ++ 4(u.9) +u ] = S44.167
g
L
s
Bombeo Cardiaco =
5.6 g
544.167
mg
L
S
x6u
= 0.617
L
n



El error exacto es -0.11119943, de manera que se ha obtenido una estimacin
razonable de la respuesta. Se sabe que si se multiplica n por 10, el error se
dividir aproximadamente entre 100; de esta forma es fcil determinar qu tan
grande debe ser n para dar un grado deseado de exactitud. Desde luego, en este
ejemplo resulta fcil determinar f (x); en otros casos es difcil o imposible y
entonces estas frmulas de error resultan de escasa utilidad; si embargo existe
otra tcnica que se analizara ms adelante para resolver este problema sin
necesidad de derivar.







120
ERROR EN LA REGLA DE SIMPSON
En este caso se considera primero el rea de dos subregiones consecutivas,
comprendidas dentro del intervalo [x
r-1
, x
r+1
], siguiendo un procedimiento similar al
anterior, se obtiene el siguiente resultado:

Podemos observar que el error es O (1/n
4
), y por lo tanto es menor que el de la
regla trapezoidal.
Considerando la misma integral del ejemplo anterior y el mismo nmero de bandas
(10) se obtiene el siguiente resultado:
Valor de la integral por Simpson: 0.477302454
Valor exacto: 0.477302437
Siendo entonces el error exacto: -1.7x10
-8

Calculemos ahora el error utilizando la formula (5.16):
F(x) = e
-x/2
, derivando: f
IV
(x) = 1/16 e
-x/2

As entonces, para el intervalo (1,2) el error se encuentra entre:
Lo cual concuerda con el valor del error
exacto.


5.2.5.- USO REPETIDO DE LA REGLA TRAPEZOIDAL
En la mayora de las aplicaciones prcticas de integracin numrica, no es factible
diferencias el integrando, y las frmulas de error obtenidas anteriormente no
tienen un uso directo.
Entonces en necesario enfrentar el problema tal vez ms difcil de la integracin
numrica; Cmo se decide la cantidad de bandas a emplear? No es suficiente
solo tomar un gran nmero de bandas y desear que todo salga bien: por lo general



121
esto desperdiciar tiempo de computadora, y en ocasiones dar una exactitud
inadecuada.
En las siguientes secciones se ver la forma de resolver este problema de manera
sistemtica y eficiente.
Supngase que se desea evaluar la integral:
_ (x)Jx = I
b
u

Y sea I
n
la aproximacin a I obtenida al emplear la regla trapezoidal con n
intervalos. El problema consiste en decidir qu tan grande debe ser n de manera
I
n
se aproxime a I con la exactitud deseada.
Un enfoque posible seria evaluar I
1
, I
2
, I
3
, I
4
, I
5
,.. Hasta que hubiera
convergencia; pero esto sera desde luego muy laborioso.
Un enfoque mucho ms prctico consiste en evaluar I
1
, I
2
, I
4
, I
8
, I
16
,.., ya que los
valores de la funcin requeridos para I
n
tambin se necesitan para I
2n
, de esta
forma no se desperdicia ningn valor.
El procedimiento es el siguiente:
a) Consideremos primero el caso de un solo intervalo.

b) Consideremos ahora dos bandas.



122

Sumando las reas de los dos trapecios:

Sea: J
2
= J
1
+ f (a + c)
Entonces:
I
2
=
1
2
c}2

reas para dos bandas
c) Para cuatro bandas
La suma de las reas de los 4 trapecios es:




Reduciendo trminos:

Sea J
4
= J
2
+ f(a + c) + f(a + c)
Entonces:



123

d) Para ocho bandas
En este caso:

Entonces:

Las dems aproximaciones se obtienen de manera similar. Se observa con este
procedimiento que para calcular I
2n
se aprovechan los valores utilizados para I
n
,
obtenindose el resultado en menos tiempo.
Sin embargo esta tcnica no se puede utilizar en la regla de Simpson, porque los
coeficientes de las funciones dependen de n, y por lo tanto son diferentes para
cada caso.
Ejemplo 5.7 Calcular el valor de la integral: ] c
2
1
-x/2
dx, con 4 decimales exactos,
mediante el uso repetido de la regla trapezoidal.
Datos: a = 1, b = 2, c = 1, f(x) = e
-x/2

Una banda








124
Dos bandas
}
2
= }
1
+ f a +
1
2
, = u.9S96
I
2
=
1
2
, [
2
= u.4798

Cuatro bandas
}
4
= }
2
+ fa +
1
4
, C + fa +
9
4
, C = 1.9117
I
4
=
1
4
, C [
4
= u.4779

Ocho bandas
[
8
= [
4
+ (o +
1
8
, C) +o +
S
8
, C
+ (o +
S
8
, C +o +
2
8
, C = S.8197
I
8
=
1
8
, C[
8
= u.477S

Diecisis bandas
[
16
= [
4
+o +
1
16
, C +o +
S
16
, C + (o
+
S
16
, C)
+o +
7
16
, C +o +
9
16
, C +(o +
11
16
, C)
+o +
1S
16
, C + [o +
1S
16
, C = 7.6S76




x F(x)
1.25 0.5698
1.375 0.5028
1.625 0.4437
1.875 0.3916
x F(x)
1.5 0.4724
x F(x)
1.25 0.5353
1.75 0.4169


X F(x)
1.0625 0.5879
1.1875 0.5523
1.3125 0.5183
1.4375 0.4874
1.5625 0.4578
1.6875 0.4301
1.8125 0.4040
1.9375 0.3796




125
De manera similar, I n = 0.4773 (igual que el anterior), por lo tanto el resultado con cuatro
decimales es exacto es: I = u.477S

5.2.6 INTEGRACION DE ROMBERG
El procedimiento de la ltima seccin puede mejorar en gran medida al utilizar la
tcnica conocida como integracin de Romberg. Se mostro antes que el error al
emplear la regla de los trapecios 0 (
I
n
2
, ). En otras palabras:
I = I
n
+
o
n
2 ,
[5.17]
En donde a es una constante. De manera semejante:
I = I
2n
+
o
4n
2 ,
[5.18]
Multiplicado [5.18] por cuatro y restndole la ecuacin [5.17]:
SI = 4I
2n
I
n

O bien: I = I
2n
, en donde I
2n
=
1
I
, (4I
2n
I
n
)
Es posible demostrar que I
2n
es la aproximacin a I que se obtendra al emplear la
regla de Simpson con 2n bandas, y desde luego es de esperarse que I
2n
sea mas
exacto I
2n
.

Demostracin:

Consideramos por ejemplo 4 y 8 intervalos con un acho de cada banda de 2H y H
respectivamente. Utilizado trapecios:

I
4
= 2E (
0
+
2
+
4
+
6
+
1
)

I
8
= E (
0
+
1
+
2
+
3
+
4
+
5
+
6
+
7
+
8
)

I
1
=
1
S
, (4I
n
I
n
) =

=
E
S
, (
0
+ 4
1
+2
2
+4
3
+ 2
4
+ 4
5
+2
6
+4
7
+
8
)

Lo cual es In regla de Simpson para 8 bandas




126
Este proceso puede llevarse a una etapa ms lejos. Se sabe que el error en la
regla de Simpson es O (
1
n
4
)
,
, de manera que para valores pares en de n:

I = I
n
+
[
n
4
, [5.19]
Entonces: I = I
2n
+
[
16
n
4
, [5.20]
Al multiplicar la ecuacin [5.20] por 16 y restarle la ecuacin [5.19] se obtiene:
1SI = 16I
2n
+
I
n
+

De donde: I =
1
16
, (16I
2n
+
I
n
+
) = I
2n
++

Este valor ser una mejor aproximacin a I
Continuando de la misma forma:
I
2n
+++
=
1
64
, (64I
2n
++
I
n
++
)
I
2n
++++
=
1
2S6
, (2S6I
2n
+++
I
n
+++
)
Y as sucesivamente. Es de esperarse que se obtenga aproximaciones a I cada
vez mejores. La tcnica de integracin de Romberg consiste en obtener las
siguientes aproximaciones a I:
I
1

I
2
I
2
+

I
4
I
4
+
I
4
++

I
8
I
8
+
I
4
++
I
4
+++


Hasta que dos valores sucesivos sean iguales con la exactitud deseada.
Resumiendo, la forma de calcular todas estas aproximaciones es la siguiente:
I
1
= C[
1

I
2
=
1
2
, C[
2
I
2
+
=
1
2
, (4I
2
I
1
)
I
4
=
1
4
, C]
4
I
4
+
=
1
4
, (4I
2
I
2
) I
4
++
=
1
16
, (16I
4
+
I
2
+




127
I
8
=
1
8
, C[
8
I
8
+
=
1
8
, (4I
2
-I
4
) I
8
++
=
1
16
, (16I
8
+
-I
4
+
) I
8
+++
=
1
64
, (64I
8
++
- I
4
++
)
. Y as sucesiva mente.
En donde:
c = b -o
[
1
=
1
2
, |(o) + (b)
[
2
= [
1
+(o +
1
2
, C)
[
4
= [
2
+o +
1
4
, C +(o +
1
4
, C)
[
8
= [
4
+o +
1
8
, C +o +
1
8
, C +o +
1
8
, C +o +
1
8
, C
. Y as sucesivamente.
Ejemplo 5.8 calcular el valor de la integral:] c
1
2
,
Jx
2
1
, con 9 decimales exactos,
utilizando integracin Romberg.

[
1
-
1
2
, |(o) +(b) = u.4872uSuS
I
1
= c[
1
= u.4872uSuS

]
2
= [
1
+o +
1
2
, C = u.9S9S716u2
I
2
=
1
2
, C[
2
= u.47978S8u1
I
2
=
1
S
, (4I
2
-I
1
) = u.477S12718

[
4
= [
2
+o +
1
4
, C +o +
1
4
, C = 1.91169SuS
I
4
=
1
4
, C[
4
= u.47792S762
I
4
=
1
4
, (4I
4
-I
1
) = u.477SuSu82




128
I
4
++
=
1
1S
16I
4
+
- I
2
+
= u.477Su244
[
8
= [
4
+ F _o +
1
8
c] + _o +
S
8
c] + _o +
S
8
c] + _o +
9
8
c] = S.819662S9
I
8
=
1
8
c [
8
= u.4774S7798
I
8
+
=
1
S
(4I
8
- I
4
) = u.477Su2477
I
8
++
= 171S 16I
1
+
-I
4
+
= u.477Su24S7
I
8
+++
=
1
6S
64I
8
++
-I
4
++
= u.477Su24S7

Por lo tanto el valor exacto de, la integral, hasta el noveno decimal es:
I = 0.477302437
5.2.7 INTEGRACIN DOBLE
La integral doble de una funcin f(x, y) definida sobre una regin plana R se define
por:I = (x, )JA
n

La regin R se puede clasificar en:

Si la regin es de tipo I, entonces el clculo de la integral doble, utilizando la
integral reiterada es igual a:
I = ] ] (x, )J Jx
d(x)
c(x)
b
u
[5.21]
Es decir, primero se resuelve la integral:
X F(X)
1.125 .569782824
1.375 .502831578
1.625 .443747310
1.875 .391605626




129
_ (x, )J
d(x)
c(x)

Para tal efecto se considera a x como constante, obtenindose entonces una
funcin nicamente de x. posteriormente se resuelve la integracin normal, con
respecto a x.
Si definimos: g (x) ] (x, )J
d(x)
c(x)
[5.22]
Entonces la integral [5.21] se reduce a:
I = ] g(x)Jx
b
u
[5.23]
Es decir, se ha transformado el problema bidimensional a un problema
unidimensional, que se puede resolver por cualquiera de los mtodos analizados
anteriormente.
Utilizando por ejemplo la Regla de Simpson de 1/3 [5.24]












La regin R en este caso es de tipo II, entonces los datos son:
A = 1, b = 3, H = 1 , c(y) = y + 1, d(y) = 2
2
+ 1

0
= 1,
1
= 2,
2
= S
I =
E
S
g|x
0
) +4g(x
1
) + 2g(x
2
) + 4g(x
u-1
) +g(x
0
)]
E =
b o
n

x
0
= o, x
1
= x
0
+ E, x
2
= x
1
+E, . . , x
n
= b
g(x

) = _ (x

dx
0
cx
0
, )J
En donde:
Ejemplo 5.10. Hallar el valor de la integral: ] ]
xco
x
2
Jx J
2
1
+1
3
1

Utilizando regla de Simpson, con n = 2.



130
Utilizando la formula [5.24] adaptando para regiones de tipo II:
I =
1
S
|g(
0
) +4g(
1
) +g(
2
)]
En donde:
G(
0
) = ]
xco1
x
2
+1
3
2
Jx = u.18724
g(
1
) = _
xcos2
x
2
+2
9
3
Jx = u.4214S
g(
2
) = _
xcosS
x
2
+ S
19
4
Jx = 1.492u1
Sustituyendo en la formula:
I =
1
S
|u.18724 +4(u.4214S) + 1.492u1] = u.9968S
El valor de esta integral con una exactitud de 5 decimales, se puede obtener
utilizando aproximadamente 30 intervalos, y es igual a: I = -0.99517. por lo tanto,
el error absoluto con n = 2 es: e = u.uu168.





H = 0.5, x
0
= 1, x
1
= 1.S, x
2
= 2
Utilizando la formula [5.24]:
I =
u.S
S
|g(x
0
) +4g(x
1
) +g(x
2
)]
Utilizando nuevamente regla de Simpson,, para las tres integrales (con n = 2):
G(x
0
) = ] 1 +
3
1
J = S.44747
g(x
1
) = _ 1.S +
4
1.5
J = S.1S478
Ejemplo 5.9. Calcular la integral: I = ] ] X + J Jx
2X+1
X
2
1

Utilizando regla de Simpson 1/3, con dos intervalos en ambas direcciones.



131
g(x
2
) _ 2 +
5
2
J = 7.u1S29
Sustituyendo en la formula:
I =
u.S
S
|S.44747 +4(4.S1S479) +7.u1S29 = S.166647
La solucin exacta (basta el sexto decimal) es:
I = S.668SS
Por lo tanto el error absoluto es:e = u.uuu2u6
5.2.8 PROGRAMACIN DE LA REGLA TRAPEZOIDAL Y DE
SIMPSON
Este programa evalua una integral definida por los mtodos de trapecios y de
Simpson de 1/3. Se muestra una corrida del programa para la integral:
]
x
2
n x
x+1
4
1
Jx, Utilizando 10 intervalos para los dos mtodos.




132


5.2.9 PROGRAMACION DE LA REGLA DE SIMPSON PARA UNA INTEGRAL DOBLE

El programa calcula la integral doble (de tipo I) utilizando regla de Simpson con el mismo numero
de intervalos en ambos direcciones.





133





Se muestra ahora la ejecucin del programa para calcular la integral:
]
4
1
]
22-3
2x

3
+2x dx dy

Limite inferior = 1
Limite superior = 4
Intervalos = 4
Integrales alternas:
G(x0) = 11.64221737



134
G(x1) = 29.09025656
G(x2) = 85.65154119
G(x3) = 235.10688144
G(x4) = 569.09975164
El valor de la integral es: 452.1391008500



135
PROBLEMAS PROPUESTOS PARA EL CAPITULO 5
1.- En un circuito elctrico la tensin aplicada E (t) e inductancia L, estn relacionadas por la
primera ley de kirchhoff de acuerdo a la ecuacin:
g (t) = L
d
dt
+ Ri
donde R es la resistencia del circuito e i la corriente. Suponga que medimos la corriente para
varios valores de t y obtenemos:
t 1.00 1.01 1.02 1.03 1.04
i 3.10 3.12 3.14 3.18 3.24

Donde t se mide en segundos e i en amperes; la inductancia L es constante y vale 0.98 henrys, y la
resistencia es de 0.142 ohms. Aproxime la tensin (o voltaje) para los valores de t = 1.0, 1.01, 1.02,
1.03 y 1.04.
Solucin: t 1.0 1.01 1.02 1.03 1.04
g(t) 2.40 2.403 3.386 5.352 7.320

2.-La distribucin de la velocidad de un fluido cerca de una superficie plana esta dada por
la siguiente tabla:
i yi(m) vi(m/s)
0 0.0 0.0
1 0.002 0.006180
2 0.004 0.011756
3 0.006 0.016180
4 0.008 0.019021

Donde (y) es la distancia de la superficie y (v) la velocidad.
La ley de newton para la tensin superficial esta dada por:
r =
d
d

donde es la viscosidad que suponemos que vale 0.001 Ns/m2. Calcule la tensin
superficial en y = 0 mediantes aproximaciones por diferencias utilizando los siguientes
puntos: a) i = 0 y 1 ; b) i = 0,1 y 2.




136
3.-Calcular aproximadamente el valor de las integrales dadas, utilizando las reglas
trapezoidal y de Simpson con los intervalos especificados.
a) ]
xdx
4+x
2
3
1
2
n = 6 solucin: trapezoidal = 9.4769
Simpson = 9.4945

b) ]
10
2+cn
2
x
x2
0
Jx n = 8 solucin: trapezoidal = 10.01077
Simpson = 10.01077

c) ]
x
2
Inx
x+1
4
1
dx n = 10 solucin: trapezoidal = 11.121002
Simpson = 11.083115

4.-Calcular las integrales dadas utilizando el mtodo de romberg con la presicin indicada.
] (x +1)x -1
1
4
dx E= .000001 ( 5 decimales exactos )

Solucin: 64.94403
63.77697 63.38795
63.48441 63.38689 63.38682
63.41122 63.38682 63.38682 63.38682







137
b) ] x
3
+ 1
1.35
0.15
dx E = .00001 ( 4 decimales exactos )

Solucin: 5.06342
3.198225 2.576493
2.518707 2.292201 2.273248
2.305340 2.234216 2.230350 2.229669
2.246110 2.226367 2.225844 2.225773 2.225757
5.-Al comprimirse amoniaco en un cilindro se obtuvieron los siguientes datos:
P(lb/in2) 60 80 100 120 140 160 180
V(in3) 80 67.5 60 52.5 45 37.5 32.5

Calcular el trabajo hecho durante el proceso, empleando regla de Simpson.
Sugerencia: W = ]p J: solucion w = 441.7 lb.ft
6.- Un arquitecto planea utilizar un arco en forma parabolica dado por:
y = 0.1 x (30.x) metros
donde (y) es la altura desde el piso y (x) la distancia horizontal, ambas en metros.
Calcule la longitud total del arco desde x = 0 hasta x = 30 mts. Utilice regla de Simpson
dividiendo el intervalo en 10 partes. La longitud total del arco esta dada por la integral:
L = ] 1 + (JJx)
2
30
0
dx solucin: 56.52 m









138
7.-Calucule aproximadamente el valor de las siguientes integrales utilizando regla de
Simpson de 1/3, con n = 4 en ambas direcciones.
a) ] ]
4
+ x
x1
x
2
1
dy dx solucin: 4.5275

b) ] ] _

3
+
x

x1
Inx
4
2
dx dy solucin: 26.93419

c) ] ]

2
Inx
x+
2

3
3
dx dy solucin: 33.992236




















139
CAPITULO 6
Solucin de ecuaciones diferentes por
mtodos numricos
6.1 INTRODUCCIN
En esta seccin analizaremos ecuaciones diferenciales ordinarias, para las cuales
se aplica la siguiente:

DEFINICIN: la solucin de una ecuacin diferencial de orden n:
F[x, y,
1
,
2
, . ,
(n)
]
Es cualquier funcin y = (x) o relacin g (x, y) = 0 que la satisfaga.

Por ejemplo, la E.D.:
1
= x + 1 tiene como solucin: y =
1
2
x
2
+ x +S, ya que al
sustituir esta funcin en la E.D, la satisface:
J
Jx
_
1
2
x
2
+ x +S] = x +1
Sin embargo cualquier funcin de la forma: y =
1
2
x
2
+ x +C, en donde C es un
parmetro o constante arbitraria, es solucin de a E.D., y se conoce con el nombre
de solucin general. Cuando el parmetro tiene un valor especifico, se llama
entonces solucin particular.
Asi tambin, la E.D. x dx + y dy = 0 tiene como solucin general a la relacin:
x
2
+
2
= c, porque al diferenciar ambos miembros de la solucin se obtiene la
E.D, original:
D (x
2
+
2
) = 2x Jx + 2 J = u

REPRESENTACIN GEOMTRICA



140
La solucin general de una E.D, representa una familia de curvas, y cada uno de
los elementos de la familia es una solucin particular.
De los ejemplos anteriores tenemos las siguientes graficas.

Familia de parbolas: y =
1
2
x
2
+x +c Familia de crculos: x
2
+
2
= c
Con su eje focal en x = -1 con centros en el origen
Para hallar una solucin particular es necesario especificar cierta condicin o
condiciones para determinar el valor del parmetro o los parmetros(segn sea el
orden de la ecuacin).
Se distinguen dos tipos de problemas:
Problemas con valores iniciales
Problemas con valores en la frontera

a) Un problema con valores iniciales est formado por una ecuacin
diferencial de orden n y un conjunto de n condiciones independientes, todas
ellas para el mismo punto.

Ejemplo: 6.1 Hallar la solucin particular de E.D,
1
= x + 1 tal que y (1) = 3

Solucin general: y =
1
2
x
2
+ x +c

Sust. X= 1, y = 3: 3 =
1
2
+ 1 + c
De donde: c =
3
2




141
Solucin particular: y =
x
1
2
+ x +
3
2


b) Para un problema con valores en la frontera se deben especificar las
condiciones para dos puntos.

Ejemplo 6.2 resolver el problema:

J
2

Jx
2
+ = u; (u) = 1, [
n
2
= S

Sol. General: y = a sen x + b cos x

Sust. X = 0, y = 1: 1 = a sen 0 + b cos 0
De donde: b = 1
Sust. X= n2, y = 5: 5= a (1) + b (0)
De donde: a = 5
Sol, particular: y = 5 sen x + cos x






Resumiendo, en un problema con valor inicial se establece como dato un
punto por donde pasara la curva (solucin), mientras que en un problema
con valores en la frontera est condicionada a dos puntos dados.



142



6.2 SOLUCIN NUMRICA

Muchos problemas que involucran ecuaciones diferenciales, no se pueden
resolver por matemticas exactas, sin embargo es posible resolverlos
utilizando mtodos numricos que consisten en sustituir el dominio continu
de la solucin exacta, por uno discreto formado por puntos aislados,
igualmente espaciados entre s
Asi, en un problema con valores iniciales, las soluciones para x x
0
., se
substituye por el conjunto infinito de puntos:

x
0
, x
1
= x
0
+, x
2
= x
0
+ 2, x
3
= x
0
+ S . , x
n
= x
0
+ n

Tal y como se muestra en la figura






143
En este curso limitaremos el estudio a problemas con valores iniciales que
involucran ecuaciones diferenciales de primer y segundo orden y se
analizaran los siguientes mtodos:
Euler
Runge Kutta


6.3 MTODO DE EULER
Consideremos el problema con valor inicial:







Multiplicando la ecuacin por dx: dy = f(x, y) dx
Integrando en el intervalo [x
0,
x
1
] ] J
x
1
x
n
= ] (x, )Jx
x
1
x
n

Y (x
1
) y (x
0
) =
] (x, )Jx
x
1
x
n

Y (x
1
) = y (x
0
)+ ] (x, )Jx
x
1
x
n

si consideramos que f (x, y) varia muy poco ene l intervalo [x
0
, x
1
], entonces
se puede sustituir por f(x
0,
x
1
) y efectuar la integracin del segundo
miembro de la ecuacin anterior:

y(x
1
) = y (x
0
) + f(x
0
,
0
) ] Jx
x1
x0

= y (x
0
) + f (x
0
,
0
) [x
1
- x
0
]
= y (x
0
) + f (x
0
,
0
) [x
0
+ h - x
0
]
= y (x
0
) + f (x
0
,
0
) h

Si denotamos por
1
a este valor aproximado de y (x
1
) tendremos:

1
= y(x
0
) + h f (x
0,

0
)

De manera similar se puede obtener la aproximacin para y (x
2
),
considerando ahora el intervalo [x
1
, x
2
]:

2
= y (x
1
) + h f (x
1
,
1
)
J
Jx
= (xx, )
(x
0
) =
0




144

En general, para el intervalo [x
n
, x
0
+ 1] :

[6.1]

Conocida como frmula de Euler.







La ecuacin diferencial se puede escribir de la siguiente forma:
d
dx
= -
2 x
x
2
+ 1

Datos: x
0
= 1,
0
= -S, = u.1, (x, ) =
2 x
x
2
+ 1

Empleando la formula [6.1]:

1
= S + (u.1) (1, S) = -2.7, x
1
= 1.1

2
= 2.7 +(u.1) (1.1, 2.7) = -2.4312, x
2
= 1.2

3
= 2.4S12 +(u.1) (1.2, 2.4S12) = -2.1921, x
3
= 1.S

4
= 2.1921 +(u.1) (1.S, 2.1921) = -1.9802, x
4
= 1.4

5
= 1.98u2 +(u.1) (1.4, 1.98u2) = -1.7929, x
5
= 1.S

En la siguiente tabla se muestran los resultados comparados con la
solucin exacta:
Y= -
6
x
2
+1





x Y
Euler
Y
Exacta
Error
absoluto
1.0
1.1
1.2
1.3
1.4
1.5
-3.0000
-2.7000
-2.4312
-2.1921
-1.9802
-1.7929
-3.0000
-2.715
-2.4590
-2.2305
-2.0270
-1.8462


0.0149
0.0278
0.0384
0.0468
0.0533

n
+ 1 = (x
0
) + (x
0
.
n
)

Ejemplo 6.3 resolver el problema 2xy dx + (x
2
+ 1)dy = 0, y(1) = -3
Por el mtodo de Euler para 1 x 1.5, utilizando h = 0.1.
Comparar los resultados con la solucin exacta.



145

6.4 MTODO DE RUNGE-KUTTA
Estos mtodos son mas exactos que el de Euler. Existen mtodos de
Runge-Kutta de segundo, tercer, cuarto y quinto orden, siendo la exactitud
mayor cuanto mayor sea el orden.

Las formulas para el mtodo de Runge-Kutta de cuarto orden son:

n
-1 =
n
+
1
6
(k
1
+ 2k
2
+2k
3
+ k
4
)
En donde:
k
1
= . (x
n
,
n
)
k
2
= . (x
n
+

2
,
n
+
k
1
2
) [6.2]
k
3
= . (x
n
+

2
,
n
+
k
2
2
)
k
4
= . (x
n
+ ,
n
+k
3
)






Los datos son los mismos del problema anterior, excepto h.
Entonces para calcular

:

k
1
= u.2 (1, -S) = 0.6
k
2
= u.2 (1.1, 2.7) = 0.53756
k
3
= u.2 (1.1, 2.7S122) = 0.54377
k
4
= u.2 (1.2, 2.4S62S) = 0.48319

= S +
1
6
(u.6 +(u.SS7S6 +u.S4S77) + .48S19) = 2.4S9u2S

Para calcular
2
:

k
1
= u.2 (1.2, 24S9u2S) = 0.48374
k
2
= u.2 (1.S, 2.21716) = 0.42859
k
3
= u.2 (1.S, 2.2447S) = 0.43393
k
4
= u.2 (1.4, 2.u2Su9) = 0.38313

2
= 2.u27u4u
Ejemplo 6.4 Hallar y(1.4) para el problema con valor inicial:
d
dx
=
2 x
x
2
+1
, y(1) = -3, utilizando Runge-Kutta, con h = 0.2



146

Se muestran ahora los resultados comparados con la solucin exacta:

x Y
Runge-Kutta
Y
Exacta
Error
absoluto
1
1.2
1.4
-3.000000
-2.459025
-2.027040
-3.000000
-2.459016
-2.027027

0.000009
0.000013

Obsrvese que el error disminuye en relacin el ejemplo 6.3 (Euler)









Reescribiendo la ecuacin diferencial
J
Jx
= -
cos
(1 +c
-x
)scn
= -
1
(1 +c
-x
) tan


Los datos son los siguientes:
x
0
,
n
=
1
4
n = u.78S4, = u.1, (x, ) =
1
(1 +c
x
) tan


Calculo de
1
:

k
1
= u.1 (u, u.78S4) = -0.5
k
2
= u.1 (u.uS, u.76u4) = - 0.05388
k
3
= u.1 (u.uS, u.7S8S) = - 0.05409
k
4
= u.1 (1.4, u.7S1S) = -0.058508

1
= u.78S4 +
1
6
(u.S +2(u.uSS88 u.uS4u9) u.uS8Su8)

1
= u.7S1S27

Calculo de
2


Esciiba aqui la ecuacion. cos Jx + (1 + c
-x
)scn J = u, (u) =
n
4

Ejemplo 6.5 Resolver el problema con valor inicial:
Para x = 0.2, utilizando el mtodo de Runge-Kutta de cuarto orden, con h = 0.1
Compara los resultados con la solucin exacta: ( 1+c
x
) sec y =22



147
k
1
= u.1 (u.1, u.7S1S27) = -0.058506
k
2
= u.1 (u.1S, u.7u2u74) = - 0.063538
k
3
= u.1 (u.1S, u.699SS8) = - 0.063863
k
4
= u.1 (u.2, u.6674S4) = -0.069764

2
= u.7S1S27 +
1
4
(u.uS8Su6 +2(u.u6SSS8 u.u6S86S) u.u69764)

2
= u.667481

Tabla comparativa de resultados

x Y Runge Kutta Y exacta Error absoluto
0 n4 n4
0.1 0.731327 0.731325 0.000002
0.2 0.667481 0.667479 0.000002






= cos
-1
(
1+c
x
22
)

6.5 MTODO NUMRICOS PARA ECUACIONES

DIFERENCIALES DE SEGUNDO ORDEN

Los procedimientos discutidos anteriormente fueron aplicados a la ecuacin
diferencial de primer orden:

1
= (x, ), Sujeta a la condicin inicial: y(x
0
) =
0
.

Para aproximar una solucin de una ecuacin de segundo orden de la forma:
J
2

Jx
2
(x, ,
1
)
Primero se reduce la ecuacin de segundo orden a un sistema de ecuaciones de
primer orden, mediante la sustitucin
1
= .

La ecuacin anterior se transforma entonces en el sistema:

1
=

1
= (x, , ) [6.3]



148
Aplicndose el mtodo numrico a cada ecuacin.
Para el mtodo de Runge-Kutta las formulas son:







[6.4]
























Utilizaremos las sustituciones [6.3] para transformar la E.D de segundo orden a un
sistema de 2 E.D, de primer orden:
n +1 =
n
+
1
4
(k
1
+2k
2
+2k
3
+k
4
)

u-1
=
n
+
1
4
(I
1
+ 2I
2
+ 2I
3
+I
4
)
K
1
= .
u

I
1
= . (X
n
,
n
,
n
)
K
2
= . (
n
+
1
2
I
1
)
I
2
= . F(X
n
+
1
2
,
n
+
1
S
K
1
.
n
+
1
S
I
1
)
K
3
= . (
n
+
1
2
I
2
)
I
3
= . F(X
n
+
1
2
,
n
+
1
S
K
1
.
n
+
1
S
I
2

K
4
= . (
n
+
1
2
I
3
)
I
4
= . F(X
n
+ ,
n
+K
3
.
n
+I
3
)
En donde:

11
2
1
+ =
c
x
x
, (1) = u,
1
(1) = 1
Ejemplo: 6.6 Resolver el problema con valor inicial:
Para o x 1.4, por medio del mtodo de Runge-Kutta de cuarto orden, con un paso de h =
0.2.
Comparar los resultados con la solucin exacta dada por la funcin:
Y= (e-1)(1-x)c
x-1
+ xc
x
+ xc
x
Inx



149

1
=

1
=
c
x
x
- +2
(1) = u, (1) = 1
Los datos son: f(x, y, u,) =
c
x
x
- +2
x
0
= 1,
0
= u,
0
= 1
Utilizando las formulas [6.4] para el clculo de los parmetros correspondientes a

1

K
1
= .
0
= (u.2)(1) = u.2
I
1
= . F(X
0
,
0
,
0
) = u.2(1, u, 1, ) = u.94S6S64
K
2
= . (
0
+ 12I
1
) = u.2(1 +.94S6S642) = u.294S6S6
I
2
= . F [X
0
, +
1
2
,
0
+
1
2
k
1.

0
+ 12I
1
= u.2(1.1, u.1, 1.4718282)= 1.1149433
K
3
= . (
0
+12I
2
) = u.2(1 + 1.11494SS2) = u.S11494SS
I
3
= . F _X
0
, +
1
2
,
0
+
1
2
k
2
.
0
+12 I
1
] = u.2 (1.1, .1471828, 1.SS7472, ) = 1.1S97641
K
4
= . (
0
+I
3
) = u.2 (1 +1.1S97641) = u.4279S28
I
4
= . F _X
0
, +,
0
+
1
2
k
3
.
0
+ I
3
] = u.2 (1.2,u.S11494SS, 2.1S97641) = 1.S469S96

1
=
0
+
1
4(K
1
+ 2K
2
+ 2K
3
+K
4
)
= u.Su661212

1
=
0
+
1
4(I
1
+ 2I
2
+2I
3
+I
4
)
= 2.1SSSS84S


Calculo para
2

K
1
= .
0
= (u.2)(2.1SSSS84S) = u.4266677
I
1
= . F(X
1
,
1
,
1
) = u.2(1.2, u.Su661212, 2.1SSSS84S, ) = 1.S4SS6S8



150
K
2
= . (
1
+ 12I
1
) = u.2(2.1SSS84S +u.676829) = u.S612u4S
I
2
= . F [X
1
, +
1
2
,
1
+
1
2
k
1.

1
+12I
1
= u.2(1.S, u.S199946, 2.7uu6u6)= 1.5829265
K
3
= . (
1
+12I
2
) = u.2(2.1SSSS84S +u.79146S2S) = u.S8496uS
I
3
= . F _X
1
, +
1
2
,
1
+
1
2
k
2
.
1
+12 I
2
] = u.2 (1.S, .S87214, 2.9248u2, ) = 1.61698Su
K
4
= . (
1
+I
3
) = u.2 (2.1SSSS84S +1.61698Su) = u.7Suu647
I
4
= . F(1, +,
1
+ k
3
.
1
+ I
3
) = u.2 (1.4,u.891S72, S.7SuS2S) = 1.9u11292

2
=
1
+
1
4
(K
1
+ 2K
2
+ 2K
3
+ K
4
) = u.884789u6

Tabla de resultado

x Y Runge Kutta Y exacta Error absoluto
0 0 0
0.1 0.30661212 0.30665183 0.00003971
0.4 0.88478906 0.88489697 0.00010791



6.6 PROGRAMACIN DEL MTODO DE RUNGE-KUTTA
DE CUARTO ORDEN PARA ECUACIONES
DIFERENCIALES DE PRIMER ORDEN
El siguiente programa resuelve problemas con valor inicial de la forma:
J
J
= (x, ), (x
0
) =
0

Para el intervalo: x
0
x x
]

Con un paso h



151


El programa se ejecuto para el problema con valor inicial:
J
Jx
=
2x -8x
x
2
+4

Y(0) = -1
Con los siguientes resultados:
Valores iniciales:



152
X0 = 0
Y0 = -1
VALOR FINAL xf = 1
Incremento
H = .2
TABLA DE RESULTADOS
X Y
0.000000 -1.000000
0.200000 - 0.951225
0.400000 - 0.818504
0.600000 - 0.635530
0.800000 - 0.440366
1.000000 - 0.262013



PROBLEMAS PROPUESTOS PARA EL CAPITULO 6
Resolver los siguientes problemas con valor inicial, utilizando los mtodos de Euler
y de Runge-Kutta de cuarto orden.
1. (x
2
+ 4)J (2x 8x)Jx = u soluciones
Y(0) = -1. Para x= 0.4
Con h = 0.2 (Runge-Kutta)
H= 0.05 (Euler)



2. x
1
+4 = x
4

2

(1) = 1, Para x = 0.6
Con h = -0.2 (Runge-Kutta)
H= -0.05 (Euler)



x y Runge Y Euler
1.0 1.000000 1.000000
0.8 1.994744 1.860498
0.6 5.092979 4.262865
X Y Runge-
Kutta
Y Euler
0.0 -1.000000 -1.000000
0.2 -0.931225 -0.962980
0.4 -0.818504 -0.837441




153
3. Y dx = x(In y In x + 1)dy
Y (1) = x, para x = 1.9
Con h = 0.3 (Runge-Kutta)
h= -0.1 (Euler)


4.
3
Jx = 2x
5
J - 2x
3
Jx
(1) = 2, poro x = 1.4= 0.2
Con h = 0.2 (Runge-Kutta)
h= 0.05 (Euler)



5. (sen y) dx = (x cos y - scn
2
)J
Y (0) = n2, para x = 1
Con h = 0.5 ( Runge-Kutta)
H = 0.1 (Euler)



6. Halla y (), resolviendo el problema:
Y + 2xy+ xy = 0 , y (0) = 1, y(0) = 0
Mediante el mtodo de Runge-Kutta de 4orden, utilizando h = 0.5
Solucin: y(1) = 0.8771

7. Resolver el problema:

(x
2
1) +Sx +x = u, (u) = 4, (u) = 6

En el intervalo u x u.6, utilizando el mtodo de Runge-Kutta de 4
orden con un paso de h= 0.3

Comparar el resultado con la solucin obtenida por serie de potencias:

Y = 4 + 6x +
11
3
x
3
+
1
2
x
4
+
11
4
x
5
+.

Solucin: y (0.3) = 5.9091, y (0.6) = 8.7871

X Y Runge-
Kutta
Y Euler
1.0 2.7182818 2.7183818
1.3 3.1129726 3.117212
1.6 3.4880047 3.495236
1.7 3.8496193 3.859111
X Y Runge-
Kutta
Y Euler
1.0 3.414236 1.4142136
1.2 2.1281081 2.0774462
1.4 3.4537786 3.150206
x Y Runge-
Kutta
Y Euler
0.0 1.5707963 1.5707963
0.5 0.9598203 1.009216
1.0 0.6456675 0.366598




154
8. Elaborar un programa Runge- Kutta de 4 orden para resolver el problema
con valores iniciales:

Y - 0-01(y)
2
+

2y=sen x , y (0) = 0, y(0) = 1
En el intervalo u x S, utilizando h = 0.5 y h= 0.2.

Comprara los resultados con la solucin exacta:

X 0 1 2 3 4 5
y 0 0.8450 0.9135 0.1412 -0.7540 -0.9544


Solucin:

X Y h 0.5 Y h - 0.2
0
1
2
3
4
5

0
0.8443
0.9144
0.1448
-0.7524
-0.9584
0
0.8450
0.9135
0.1413
-0.7540
-0.9544

















155