Metodos Numericos 100401 2013-1

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

CONTENIDO DIDCTICO DEL CURSO: 100401 MTODOS NUMRICOS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA
100401 METODOS NUMERICOS

Elaborado Carlos Ivn Bucheli Chaves
Corregido por Ricardo Gmez Narvez
Revisado por Carlos Edmundo Lpez Sarasty
(Director Nacional)
PASTO
Enero de 2013

TABLA DE CONTENIDO
INTRODUCCIN A LOS MTODOS NUMRICOS
Introduccin a los Mtodos Numricos. 7

Mapa Conceptual de Mtodos Numricos....................................... 8
UNIDAD I:
Conceptos Bsicos, Exactitud y Races de Ecuaciones.
C
CA
APPIITTU
ULLO
O 11:: C
CO
ON
NC
CEEPPTTO
OSS B
BA
ASSIIC
CO
OSS
Leccin 1 Exactitud y Precisin. 65

Leccin 2 Errores de Redondeo....
74
C
CA
APPIITTU
ULLO
O 22:: R
RA
AIIC
CEESS D
DEE EEC
CU
UA
AC
CIIO
ON
N
Leccin 3 Mtodo de biseccin.. 81

Leccin 4 Mtodo de la regla falsa 92
Leccin 5 Mtodo de Newton- Raphson. 101
Leccin 6 Mtodo iterativo de punto fijo y Ejercicios de la Unidad . 111

UNIDAD II:
Sistemas de Ecuaciones Lineales, No Lineales
e Interpolacin.
C
CA
APPIITTU
ULLO
O 33:: SSO
OLLU
UC
CII
N
ND
DEE SSIISSTTEEM
MA
ASS D
DEE EEC
CU
UA
AC
CIIO
ON
NEESS LLIIN
NEEA
ALLEESS
YY N
NO
O LLIIN
NEEA
ALLEESS..
Leccin 7 Mtodo de eliminacin de Gauss .. 131

Leccin 8 Mtodo de Gauss-Jordn... 134
Leccin 9 Mtodo de Gauss-Seidel y Ejercicios del Capitulo..... 138
C
CA
APPIITTU
ULLO
O 44:: IIN
NTTEER
RPPO
OLLA
AC
CIIO
ON
N
Leccin 10 Polinomio de Interpolacin de Lagrange... 148

Leccin 11 Polinomio de Interpolacin con diferencias divididas de newton
.... 151
Leccin 12 Interpolacin Polinomial de diferencias finitas de Newton. 156
Leccin 13 Ajuste de curvas.. 161
Leccin 14 Transformada discreta de Fourier y Ejercicios del Capitulo.. 169

UNIDAD III:
Diferenciacin, Integracin Numrica y Solucin de Ecuaciones
Diferenciales.
C
CA
APPIITTU
ULLO
O 55:: D
DIIFFEER
REEN
NC
CIIA
AC
CII
N
N ee IIN
NTTEEG
GR
RA
AC
CIIO
ON
NN
NU
UM
MEER
RIIC
CA
A..
Leccin 15 Diferenciacin Numrica.
177
..
180
Leccin 16 Integracin Numerica
Leccin 17 Regla del trapecio.

Leccin 18 Regla de Simpson...
Leccin 19 Integracin de Romberg y Ejercicios del Capitul...
186
189
198
C
CA
APPIITTU
ULLO
O 66:: SSO
OLLU
UC
CIIO
ON
ND
DEE EEC
CU
UA
AC
CIIO
ON
NEESS D
DIIFFEER
REEN
NC
CIIA
ALLEESS..
Leccin 20 Mtodo de Euler...
216
Leccin 21 Mtodo de Runge Kutta.
217
Leccin 22 Mtodo Multipasos, Ejercicios del Capitulo y Autoevaluacin 223

ALCANCE DEL CURSO ACADEMICO
El estudiante comprender la importancia de los mtodos numricos y conocer Las

caractersticas operativas del software de cmputo numrico comercial.
Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales, con

apoyo de un lenguaje de programacin.
Implementar los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo

de un lenguaje de programacin.
Aplicar los mtodos numricos para la solucin de problemas de diferenciacin e

integracin numrica, usando un lenguaje de programacin.
Por ultimo, Aplicar los mtodos numricos para la solucin de problemas de

diferenciacin e integracin numrica, usando un lenguaje de programacin.
Por tanto al finalizar la lectura y comprensin de este modulo el estudiante estar en la

capacidad de:
Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en las

ciencias.
Analizar en grupo los conceptos de cifra significativa, precisin, exactitud, sesgo e
incertidumbre, as como los diferentes tipos de error: absoluto y relativo por redondeo
por truncamiento numrico total humanos.
Buscar y diferenciar las caractersticas de un software de cmputo numrico.
Exponer por equipos, las caractersticas de un software de cmputo numrico.
Realizar prcticas del uso de un software de cmputo numrico, apoyndose en
tutoriales y manuales correspondientes.
Buscar y analizar la interpretacin grfica de una raz y la teora de alguno de los
mtodos iterativos.
Buscar y catalogar los diferentes mtodos numricos de solucin de ecuaciones.
Disear e implementar los mtodos numricos catalogados, utilizando la herramienta de
cmputo numrico.
Resolver ejercicios aplicando los mtodos implementados, validando sus resultados.
5

Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de

ecuaciones lineales.
Identificar grficamente, los casos de sistemas de ecuaciones lineales mal
condicionadas y su relacin matemtica con el determinante.
Analizar en grupo la solucin de sistemas de ecuaciones, empleando los mtodos
iterativos de Jacobi y Gauss-Seidel.
Implementar y evaluar los mtodos iterativos empleando un lenguaje de programacin.
Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones no-lineales.
Analizar en grupo la solucin de sistemas de ecuaciones no-lineales, empleando
mtodos iterativos.
Implementar y evaluar los mtodos iterativos empleando un lenguaje de programacin.
Buscar y clasificar los mtodos numricos de diferenciacin.
Representar grficamente los mtodos clasificados.
Analizar en grupo la diferenciacin, empleando los mtodos clasificados.
Disear e implementar los mtodos de diferenciacin numrica.
Disear e implementar los mtodos de integracin numrica.
Buscar y clasificar los mtodos numricos de integracin.
Representar grficamente los mtodos clasificados.
Analizar en grupo la integracin, empleando los mtodos clasificados.
Buscar y clasificar los mtodos numricos de diferenciacin.
Aplicar los mtodos a la solucin de ejercicios, empleando una calculadora.
Disear, implementar y evaluar los mtodos numricos de Euler y de Runge-Kutta.
Investigar aplicaciones de estos mtodos numricos y mostrar resultados.

INTRODUCCIN A LOS MTODOS NUMRICOS
Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:
Por que sucedi todo esto?
El precio que hay que pagar es el de clculos cada vez ms largos y tediosos y aqu es
donde hace acto de presencia la poderosa herramienta computacional, que nos permite
hacer clculos largos y tediosos en poco tiempo y con mayor exactitud que si los
hiciramos a mano. Esta gran herramienta hace factible el camino de los mtodos
numricos pues de otra forma, seran muy lentos los procesos y con mucho riesgo de
cometer errores en cada paso.
Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar el
proceso "a mano", ya que esto nos permitir implementar un mejor programa que
contemple todas las posibles piedras en el camino.

Mapa Conceptual Mtodos Numricos
Qu ocurre en la construccin y anlisis del mtodo?

Cmo?
Mtodo, Algoritmo, Receta, proceso, procedimiento,

Rutina: Es una secuencia ordenada
o
o
o
o
Mtodo o
Algoritmo
pasos
consecutivos
lgicos
ordenados
para la solucin de un problema dado.
Programa:
Cmo?
Programa
C, Matlab, Excel

UNIDAD I:
Conceptos bsicos, exactitud y races de ecuaciones.
CAPITULO 1: CONCEPTOS BASICOS.
Errores
Los errores numricos se generan con el uso de aproximaciones para representar

cantidades y/o operaciones. Esto da lugar a dos tipos de errores:
Truncamiento
Errores
Redondeo
Los errores de truncamiento, resultan de representar aproximadamente un procedimiento

matemtico exacto. Por ejemplo, en la solucin numrica al problema del objeto en cada
libre, usamos una aproximacin al proceso de derivacin, el cual es un procedimiento
matemtico exacto.
Esto genera errores de truncamiento durante el procedimiento.
Los errores de redondeo resultan de representar aproximadamente nmeros que son

exactos. Por ejemplo, an en la "solucin exacta" al problema del objeto en cada libre, los
10

resultados impresos en la tabla de velocidades no son totalmente exactos puesto que el

numero e es un nmero irracional y por lo tanto su extensin decimal es infinita y no
peridica lo que nos impide escribirlo de forma completamente exacta. Usando 5
decimales, tenemos:
Esto genera errores de redondeo durante los clculos.
En ambos casos tenemos que:

Valor verdadero = valor aproximado + error
Definicin. Definimos el error absoluto como:

= valor verdadero - valor aproximado
Esta definicin de error tiene un pequeo defecto, como veremos en el siguiente:
Ejemplo
Al medir la longitud de una varilla para construccin se obtiene el resultado aproximado de

19,999 cms. mientras que al medir la longitud de un clavo, se obtiene el resultado de 9
cms. Suponiendo que los valores verdaderos de la varilla y el clavo son de 20,000 cms. y
10 cms. respectivamente, calcular el error absoluto en ambos casos.
Solucin. Tenemos los siguientes resultados:

Para el caso de la varilla, el error absoluto se calcula como:
Para el caso del clavo, el error absoluto se calcula como:
11

En ambos casos, el error absoluto es igual!, pero obviamente tiene mayor trascendencia
el error en el caso del clavo que en el caso de la varilla, es decir, necesitamos comparar el
error absoluto contra el valor verdadero y esto da lugar a las siguiente definicin.
Existen dos preguntas en clculos numricos de suma importancia como son:

1) El optimista pregunta qu tan precisos son los resultados calculados?;
2) El pesimista pregunta qu tanto error se ha introducido?
Desde luego, las dos preguntas corresponden a lo mismo. Slo en raras ocasiones los
datos proporcionados sern correctos, puesto que suelen originarse errores en el proceso
de medida. De modo que hay un error probable en la informacin de entrada. Adems, el
propio algoritmo introduce error, quiz redondeos inevitables. La informacin de salida
contendr entonces error generado por ambas fuentes.
12

Leccin 1 Exactitud y Precisin
Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de izquierda a
derecha; empiezan con el primer dgito diferente de cero y terminan con el tamao que
permitan las celdas que guardan la mantisa.
Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se supone
representa.
Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a esto se
refiere cuando se habla de doble precisin, dependiendo de la mquina que estemos
utilizando.
Errores Inherentes o Heredados:

Son errores en los valores numricos con que se va a operar, pueden deberse a dos
causas: sistemticos o accidentales.
Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.
Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.
Errores de Truncamiento:
13

Se debe a la interrupcin de un proceso matemtico antes de su terminacin. Sucede

cuando se toman slo algunos trminos de una serie infinita o cuando se toma slo un
nmero finito de intervalos. Un caso adicional de error de truncamiento ocurre cuando una
calculadora poco sofisticada slo toma en cuenta los dgitos que caben en la pantalla y no
analiza el primer dgito perdido.
Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar cantidades
que requieren un gran nmero de dgitos.
Dependiendo de como se redondea puede ser de dos formas.
Error de Redondeo Inferior:

Se desprecian los dgitos que no pueden conservarse dentro de la localizacin de
memoria correspondiente (pensando de una manera estricta, este caso puede
considerarse como un error de truncamiento).
Error de Redondeo Superior:

Este caso tiene dos alternativas, segn el signo del nmero en particular.
a)
Para nmeros positivos, el ltimo que puede conservarse en la localizacin de
memoria se incrementa en una unidad si el primer dgito despreciado es
b)
Para nmeros negativos, el ltimo dgito que puede conservarse en la localizacin
de memoria se reduce en una unidad si el primer dgito despreciado es 5.
Error de desbordamiento de informacin o derrame de informacin Overflow:
Este error recibe tambin el nombre de sobreflujo. En el lenguaje tcnico de

computacin se acostumbra emplear el anglicismo overflow, ya que las traducciones
posibles no proporcionan una idea clara de su significado. Se dice que existe overflow o
sobreflujo o derrame de informacin cuando dentro de una localizacin de
almacenamiento no cabe un nmero, debido a que es mayor que la capacidad de la
mencionada localizacin de almacenamiento.
14

Error de desbordamiento de informacin o derrame de informacin Underflow:
Este error recibe tambin el nombre de subflujo. En el lenguaje tcnico de computacin

se acostumbra emplear el anglicismo underflow, ya que las traducciones posibles no
proporcionan una idea clara de su significado. Se dice que existe underflow o subflujo o
desbordamiento de informacin cuando dentro de una localizacin de almacenamiento no
se puede representar un nmero positivo muy pequeo, debido a que ste es menor que
la capacidad de la mencionada localizacin de almacenamiento.
Ms Errores
Existen mas errores, pero los tipos de error que estudiaremos a fondo sern:
1) Error absoluto
2) Error relativo
3) Error relativo Aproximado
4) Error aritmtico de la computadora
5) Error por redondeo
6) Error por truncamiento
Error absoluto
Si p* es una aproximacin de p, y si p es el valor real, entonces:

Error Absoluto =
O sea el valor absoluto de p menos p*.
15

Debido a que la ecuacin se dio en trminos del valor absoluto, el error absoluto no es
negativo. As pues, una coleccin (suma) de errores siempre se incrementan juntos, sin
reducirse. Este es un hecho demasiado pesimista, dado que el redondeo y otros errores
rara vez estn en la misma direccin, es posible que la suma ("algebraica") de errores sea
cero, con aproximadamente la mitad de los errores positiva y la otra mitad negativa. Pero
tambin es demasiado optimista esperar que errores con signo sumen cero a menudo. Un
enfoque realista es suponer que los errores, en especial el redondeo, estn
estadsticamente distribuidos.
Error relativo
Si p* es una aproximacin de p, y si p es el valor real, entonces, el Error relativo se define

como:
Error relativo =
con la condicin de p
0.
Generalmente el denominador es una de tres elecciones; la magnitud del valor exacto o

real, la magnitud del valor calculado o aproximado o el promedio de estas dos cantidades.
La mayora de las veces se usa como el valor real, por lo que se usar esta opcin. El
Error Relativo es una mejor medida del error que el error absoluto, en especial cuando se
utilizan sistemas numricos de punto flotante. Puesto que los elementos de un sistema de
punto flotante no estn distribuidos de manera uniforme, la cantidad de redondeos
posibles depende de la magnitud de los nmeros que se redondean. El denominador de
est ecuacin compensa este efecto.
Ejemplo
16

Ejemplo
p=0.3x10-3
p*=0.31x10-3
Calcular el error absoluto y el error relativo.
Ejemplo
p=0.3x104
p*=0.31x104
Calcular el error absoluto y el error relativo.
Conclusin:
Como una medida de precisin el error absoluto puede ser engaoso y el error relativo es
ms significativo.
Error relativo aproximado
Definiciones
1) Error relativo aproximado = ERA
17

Valor actual - Valor anterior

ERA = (-----------------------------------------) * 100%
Valor actual
2) Tolerancia = (0.5x102-n) %
Donde n = nmero de cifras significativas
3) Trmino de convergencia permite finalizar los clculos. Es la desigualdad: ERA <

Tolerancia
Ejemplo
Usando la serie de Taylor con xo=0
Encontrar e1.5 con tres cifras significativas. Se desea saber tambin: En cuntas
iteraciones se cumple el trmino de convergencia?
SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x102-3) % = 0.05%
Trmino de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%
18

19

Aqu mi ERA < Tolerancia

e1.5 = 4.48 (con tres cifras significativas y 9 iteraciones).
20

EJEMPLO
Encontrar cos( / 6) con n = 2 (2 cifras significativas), donde =180o = 3.1416 radianes
Usando la serie de Taylor:
Por lo tanto, necesitamos un error relativo aproximado menor a 0.5% trabajando en

radianes.
Para i=1
Cos( / 6) = 1
i=2
Cos( / 6) = 1- ( /6)2 / 2!=0.86292152
21

Se muestra a continuacin el diagrama de flujo del algoritmo de solucin de este
EJEMPLO:
Diagrama de flujo del Error relativo aproximado para ex
Ejemplo
22

Usar el siguiente resultado de series,
Para aproximar el nmero irracional
hasta 4 cifras significativas.
SOLUCION. Primero calculamos el valor de
como sigue:
En seguida, usamos la serie, agregando un trmino cada vez, para obtener nuevas
aproximaciones hasta que se logre que
En el primer paso, tenemos simplemente un trmino:
En el segundo paso, tenemos la suma de dos trminos:
Aqu, podemos calcular el primer error aproximado:
Seguimos agregando trminos de la serie puesto que no se ha cumplido el objetivo:

Tenemos que,
Y calculamos el error aproximado correspondiente:

23

El proceso se contina hasta lograr la meta. Resumimos los resultados en la siguiente

tabla:
#
trminos
Aprox. al
valor e
Error
aproximado
50%
2.5
20%
2.666666667
6.25%
2.708333333
1.54%
2.716666667
0.307%
2.718055556
0.051%
2.718253968
0.007%
2.718278770
0.0009%
As pues, el resultado que se obtiene es:
24

Que en realidad tiene 8 cifras significativas. La cota impuesta por

, nos asegura que
tendremos al menos n cifras significativas; en este ejemplo, obtuvimos 4 cifras
significativas ms.
25

Leccin 2 Error de Redondeo
El error de redondeo se origina porque una mquina involucra nmeros con slo un
nmero finito de dgitos; por lo tanto, los clculos se realizan con representaciones
aproximadas de los nmeros verdaderos. Dicho de otra manera, el error de redondeo se
debe a la naturaleza discreta del sistema numrico de mquina de punto flotante, el cual a
su vez se debe a su longitud de palabra finita. Cada nmero (real) se reemplaza por el
nmero de mquina ms cercano. Esto significa que todos los nmeros en un intervalo
local estn representados por un solo nmero en el sistema numrico de punto flotante.
En una computadora se almacena una parte fraccionaria llamada la mantisa junto con una
parte exponencial llamada caracterstica; adems de un espacio para el signo.
Error de redondeo
Es el que resulta de reemplazar un nmero por su forma de punto flotante. Cualquier

nmero real positivo puede ser normalizado para que adquiera la forma:
La forma de punto flotante fl(y), se obtiene terminando (recortando) la mantisa de y en k

dgitos decimales.
Existen dos mtodos de terminar:
a) Cortando los dgitos

b) Redondeando el nmero
Error de truncamiento
26

Este tipo de error ocurre cuando un proceso que requiere un nmero infinito de pasos se
detiene en un nmero finito de pasos.
Generalmente se refiere al error involucrado al usar sumas finitas o truncadas para

aproximar la suma de una serie infinita. Note que el error de truncamiento, a diferencia del
error de redondeo, no depende directamente del sistema numrico que se emplee.
Que es el polinomio de Taylor de grado n para la funcin f alrededor de xo.
Que
es
el
residuo
o
error
de
truncamiento
asociado
con
Pn.
f(x)=Pn(x)+Rn(x)
En el caso especfico de que xo=0 el polinomio de Taylor se conoce como el polinomio de
Maclaurin y la serie de Taylor se conoce como la serie de Maclaurin.
Ejemplo
Determine el polinomio de Taylor de segundo grado y tambin el de tercer grado para
f(x)=cos(x) respecto a xo=0 y use este polinomio para aproximar cos (0.01)
27

SOLUCION:
Polinomio de Taylor de segundo orden.
Calculando derivadas:
Donde
a lo ms es 1 por lo que
28

29

Donde
a lo ms es 1 por lo que
Conclusin:
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los mtodos numricos. El
primero es obtener una aproximacin que los polinomios de Taylor ofrecen en ambas
partes.
El segundo objetivo consiste en determinar la exactitud de la aproximacin (error de
truncamiento).
En este caso el polinomio de tercer grado proporciona una exactitud mayor o un error de
truncamiento menor.
Ejemplo
Sea f(x)=x3
a) Encontrar el polinomio de Taylor de segundo grado para xo=0 y el error de truncamiento

para cuando x=0.5.
SOLUCION:
30

Ejemplo
Calcular f(x)=x3 para un polinomio de Taylor de segundo grado con xo=1.
31

Es el Error de Truncamiento
32

CAPITULO 2: RAICES DE ECUACIONES.
Mtodos preliminares
Los mtodos numricos para tratar los problemas relacionados con races de una
ecuacin, sirven para obtener aproximaciones a las soluciones de ecuaciones de
las cuales no es posible obtener respuesta exacta con mtodos algebraicos (Solo
respuestas aproximadas). Por ejemplo, la ecuacin:
1564000=1000000*e
-1)
Uno de los problemas bsicos de la aproximacin numrica, es el problema de la

bsqueda de las races.
Races de ecuaciones no lineales
Una raz de una funcin f (x) es un nmero x0 tal que f ( x0 ) 0 . Tambin se dice
que x0 es una raz de la ecuacin f ( x0 ) 0 . En este curso, consideraremos solamente
races reales.
Geomtricamente, una raz de una funcin representa un punto donde la grfica de f (x)
cruza al eje x ,
En esta grfica, vemos que la raz es x 1 .
33

Ejemplos.
2
1. Las races de f ( x) x 9 son x 3 y
x 3 .
4
2
2. La funcin f ( x) x x 1 no tiene races.
3. La funcin
f ( x) 5 senx no tiene races.
4. Las races de f ( x) ( x 1)( x 3)( x 7) son x 1, x 3 y x 7 .

Estudiaremos varios mtodos numricos para aproximar races de ecuaciones.
34

Leccin 3 Mtodo de Biseccin
El mtodo de biseccin se basa en el siguiente teorema de Clculo:

Teorema del Valor Intermedio
Sea
f (x)
contnua en un intervalo
Entonces para cada
a, b
y supongamos que
f (a) z f (b) ,
tal que
existe un
f (a) f (b) .
x0 a, b
tal que
f ( x0 ) z . La misma conclusin se obtiene para el caso que f (a) f (b) .

Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua en un
intervalo cerrado, una vez que alcanz ciertos valores en los extremos del intervalo,
entonces debe alcanzar todos los valores intermedios.
En particular, si
f (a)
es precisamente
z 0,
debe existir
de
f (x)
x0 a, b
f (b)
tienen signos opuestos, entonces un valor intermedio
y por lo tanto, el Teorema del Valor Intermedio nos asegura que

tal que
f ( x0 ) 0 , es decir, debe haber por lo menos una raz
en el intervalo (a, b) .
El mtodo de biseccin sigue los siguientes pasos:
Sea
f (x)
continua,
i) Encontrar valores iniciales

opuestos, es decir,
xa , xb
tales que
f ( xa )
y f ( xb ) tienen signos
35

ii) La primera aproximacin a la raz se toma igual al punto medio entre
xa
xb :
iii) Evaluar f ( xr ) . Forzosamente debemos caer en uno de los siguientes casos:
En este caso, tenemos que
f ( xa )
tanto la raz se encuentra en el intervalo
f ( xr )
tienen signos opuestos, y por lo
xa , xr .
En este caso, tenemos que f ( xa ) y f ( xr ) tienen el mismo signo, y de aqu

que f ( xr ) y f ( xb ) tienen signos opuestos. Por lo tanto, la raz se encuentra
en el intervalo
xr , xb .
En este caso se tiene que
f ( xr ) 0
y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
Es decir,
36

En otras palabras:
Este es uno de los problemas de aproximacin ms antiguos y sin embargo la
investigacin correspondiente todava contina.
Supongamos que f(x) es una funcin contina definida en el intervalo [a, b] con
f(a) y f (b) de signos diferentes.
El de biseccin nos dice que de acuerdo al teorema del valor intermedio existe un
nmero p en a, b tal que f(p)=0.
Aunque el procedimiento en el caso en que f(a) y f(b) tengan signos diferentes y
exista ms de una raz en el intervalo (a,b), por razones de simplicidad suponemos
que la raz de este intervalo es nica.
El mtodo de biseccin requiere dividir varias veces a la mitad los subintervalos de

[a,b] y, en cada paso, localizar la mitad que contenga a p.
Para empezar se supone que a1=a y b1=b y que sea p1 el punto medio de f(a1) y
f(b1), es decir:
Figura. f (p1) tiene signo diferente a f(a1) entonces ac est la raz; f(p1) tiene
signo igual a f(b1) entonces esta mitad se elimina.
si f(p1)=0 entonces p=p1
si f(p1) y f(a1) tienen el mismo signo, entonces p (p1,b1) y a2=p1 y b2=b1
si f(p1) y f(a1) tiene signos opuestos entonces p (a1,p1) y a2=a1 y b2=p1
37

Figura. reas de eliminacin.

Despus volvemos a aplicar el proceso al intervalo a 2 , b2 . As se contina
hasta alcanzar algn criterio de convergencia. Un buen criterio de convergencia es
el que hace referencia al error relativo aproximado (ERA).
Para PN 0
Donde representa la tolerancia permitida con respecto al error relativo. Al trabajar
programas de computadora conviene fijar el nmero mximo de iteraciones que se
efectuaron.
En la figura se ilustra grficamente el mtodo de biseccin.
Figura. Mtodo de biseccin

EJEMPLO:
Aproximar la raz de
f ( x) e x ln x
hasta que
a 1% .
38

SOLUCION
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de

se localiza en el intervalo
1,1.5 .
f (x)
As que este intervalo es nuestro punto de partida;
sin embargo, para poder aplicar el mtodo de biseccin debemos chequear que
f (1) y
f (1.5) tengan signos opuestos.

En efecto, tenemos que
mientras que
Cabe mencionar que la funcin f (x) s es contnua en el intervalo 1,1.5 . As pues,

tenemos todos los requisitos satisfechos para poder aplicar el mtodo de biseccin.
Comenzamos:
i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la raz):
ii) Evaluamos
f (1.25) e1.25 ln(1.25) 0.0636 0
iii)
Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:
39

Por lo tanto, vemos que la raz se encuentra en el intervalo 1.25,1.5.

En este punto, vemos que todava no podemos calcular ningn error aproximado, puesto
que solamente tenemos la primera aproximacin. As, repetimos el proceso con el nuevo
intervalo
1.25,1.5.
Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:
Puesto que no se ha logrado el objetivo, continuamos con el proceso.
Evaluamos
f (1.375) e1.375 ln(1.375) 0.06561 0 , y hacemos la tabla:
As, vemos que la raz se encuentra en el intervalo
1.25,1.375.
Calculamos el punto medio,
Y calculamos el nuevo error aproximado:
40

El proceso debe seguirse hasta cumplir el objetivo.
Resumimos los resultados que se obtienen en la siguiente tabla:

Aprox. a la raz
Error
aprox.
1.25
1.375
1.3125
1.28125
1.296875
1.3046875
9.09%
4.76%
2.43%
1.20%
0.59%
As, obtenemos como aproximacin

a la raz
Ejemplo:
Encontrar la raz de:
f ( x) x 3 4 x 2 10 en 1,2 usando el mtodo de Bisecciones sucesivas en el
intervalo [1,2], se sugiere trabajar con cuatro cifras significativas despus del
punto decimal. Y usar a.
a =10-4 o a =0.0001 o sea que el error relativo sea menor a 0.0001.
En resumen:
an
Bn
Pn
f(pn)
1.5
2.375
1.5
1.25
-1.7068
41

1.25
1.5
1.375
0.16214
1.25
1.375
1.3125
-0.8483
1.3125
1.375
1.343
-0.333
1.343
1.375
1.359
-0.102
1.359
1.375
1.367
0.029
1.359
1.367
1.363
-0.036
1.363
1.367
1.365
-0.0037
10
1.365
1.367
1.366
11
1.365
1.366
1.3655
0.0044
12
1.365
1.3655
1.36525
0.0003
13
1.365
1.36525
1.36515
-0.0021
14
1.36515
1.36525
1.36517
-0.0009
Ejemplo:
Aproximar la raz de
f ( x) arctan x x 1
hasta que
a 1% .
SOLUCION
Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de
f (x)
se localiza en
el intervalo 0,1 . Para poder aplicar el mtodo de biseccin, es importante checar que s
se cumplen las hiptesis requeridas.
Sabemos que f (x) es contnua en el intervalo 0,1 , y checamos que
tengan signos opuestos.
f (0)
f (1)
En efecto,
42

Mientras que,
Por lo tanto, s podemos aplicar el mtodo de biseccin.

Calculamos el punto medio del intervalo 0,1 ,
Que es la primera aproximacin a la raz de
Evaluamos
f (x) .
f (0.5) arctan(0.5) 0.5 1 0.0363 0 .
Y hacemos nuestra tabla de signos,
Puesto que
intervalo
f (0.5)
0.5,1 .
f (1)
tienen signos opuestos, entonces la raz se localiza en el
En este punto, solo contamos con una aproximacin, a saber, xr1 0.5 , que es el
primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo 0.5,1 ,
43

Que es la nueva aproximacin a la raz de
f (x) .
Aqu podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo, continuamos con el proceso.
Evaluamos
f (0.75) arctan(0.75) 0.75 1 0.3935 0 .
Y hacemos la tabla de signos:
Puesto que
intervalo
f (0.5)
0.5,0.75 .
f (0.75)
tienen signos opuestos, entonces la raz se localiza en el
Calculamos el punto medio,
Y el nuevo error aproximado:
El proceso se debe continuar hasta que se logre el objetivo.

Resumimos los resultados que se obtienen en la siguiente tabla:
44

Aprox. a la raz
0.5
0.75
0.625
0.5625
0.53125
0.515625
0.5234375
0.51953125
Error
aprox.
33.33%
20%
11.11%
5.88%
3.03%
1.49%
0.75%
De lo cual, vemos que la aproximacin buscada es
xr8 0.51953125
El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente grfica,

puede ser demasiado lento.
En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de forma

muy lenta, ya que el mtodo solamente toma en cuenta que la raz se encuentra dentro
del intervalo, sin importar si se encuentra ms cerca de alguno de los extremos del
intervalo. Sera bueno implementar un mtodo que tome en cuenta este detalle.
Esto da lugar al siguiente mtodo de aproximacin de races.
45

Diagramas de flujo de bisecciones sucesivas
46

Leccin 4 Mtodo de la Regla falsa

Se trata de encontrar la raz de una ecuacin. La ecuacin tiene la forma f(x), es
decir, es una funcin de x. Adems, f(x) esta definida en el intervalo [a, b].
Figura. Intervalo de f(x).

El mtodo de la interpolacin lineal inversa, requiere varias condiciones:
1.- f(a)*f(b) < 0
Es decir, que el producto de la funcin de x, f(x), evaluada en a, f(a), multiplicada por la
funcin de x, f(x), evaluada en b, f(b), sea negativo (menor a cero).
2.- Que la funcin f(x) se aproxime por otra funcin L(x).
f(x) es aproximadamente igual a L(x)

Por tanto encontramos un punto falso c
Donde C es la raz que se anda buscando

Despus se calcula f(C) para ver su valor. Si se obtiene cero, no se debe avanzar ms,
pero gen caso de no ser as, se realiza lo siguiente:
Se calcula f(C)*f(a) si este producto es menor a cero (negativo), entonces ahora C

equivaldr a b, y se repite el clculo para encontrar una nueva C.
En el caso de que f(C)*f(b) sea la que haya dado el producto menor a cero, o sea
negativo, entonces ahora a equivaldr a C, y se repite el clculo para encontrar una nueva
C.
A este mtodo, se le conoce como: Mtodo de la falsa posicin.
47

EJEMPLO:
Encontrar la raz de f(x)=cosx por el mtodo de la falsa posicin en el intervalo
[1,2] y s =0.001.
SOLUCION:
a=1, b=2
f(a=1)=cos 1 = 0.5403
f (b=2)=cos 2 = -0.4161
f(a)*f (b) < 0
(0.5403)*(C_ant= 99999 para arrancar
Itera=0
s =0.001
Encontrado= False
fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161
fc=f(Cact=1.5649)= cos(1.5649)= 0.005896

f(Cact)= 0.005896 no es igual a 0? no
ERA (Cact=1.5649, C_ant = 99999)= 1.5649 - 99999 / 1.5649 a no es menor a s
fC*f(a) < 0
(0.005896)*(0.5403) 0 es diferente a cero
a = Cact= 1.5649
b=2
Itera = 1
C_ant <-- Cact = 1.5649
fa=f(a=1.5649)=0.005896
fb=f(b=2)= -0.4161
f(Cact=1.5709)= cos(1.5709)= - 0.0001036

f(C)= - 0.0001036 no es igual a 0
ERA (C_act=1.5709, C_ant = 1.5649)= (1.5709 - 1.5649) / 1.5709 = 0.0038194 a no es
menor a s
fC*f(a) < 0
(-0.0001036)*(0.005896) < 0 s es menor a cero
48

a = a =1.5649
b = Cact = 1.5709
Itera = 2
C_ant = 1.5709
f(a=1.5649) = 0.005896
f(b=1.5709)=cos 1.5709 = -0.0001036
f(Cact=1.5707)=cos (1.5707)= -0.00000006629

f(Cact)*f(a) es igual? no
Raz = 1.5707
Otra Manera de ver el mtodo:

Como mencionamos anteriormente, sera bueno considerar si la raz de una ecuacin
est localizada ms cerca de alguno de los extremos del intervalo.
Consideremos nuevamente una grfica como la anterior,
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en el
intervalo
a, b .
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto
donde cruza al eje x esta recta, nos aproximaremos mucho ms rpido a la raz; sta es
en s, la idea central del mtodo de la regla falsa y sta es realmente la nica diferencia
49

con el mtodo de biseccin, puesto que en todo lo dems los dos mtodos son
prcticamente idnticos.
Supongamos que tenemos una funcin

y adems,
f ( xa )
f ( xb )
f (x)
que es contnua en el intervalo
xa , xb
tienen signos opuestos.
Calculemos la ecuacin de la lnea recta que une los puntos

Sabemos que la pendiente de esta recta esta dada por:
( xa , f ( xa )) , ( xb , f ( xb )) .
Por lo tanto la ecuacin de la recta es:
Para obtener el cruce con el eje x , hacemos y 0 :
Multiplicando por
xb xa
nos da:
Finalmente, de aqu despejamos x :
50

Este punto es el que toma el papel de

biseccin.
xr
en lugar del punto medio del mtodo de
As pues, el mtodo de la regla falsa sigue los siguientes pasos:

Sea
f (x)
continua,
i) Encontrar valores iniciales

es decir,
xa , xb
f ( xa )
tales que
f ( xb )
tienen signos opuestos,
ii) La primera aproximacin a la raz se toma igual a:
iii) Evaluar
f ( xr ) . Forzosamente debemos caer en uno de los siguientes casos:
f ( xa )
tanto la raz se encuentra en el intervalo

que
f ( xr )
en el intervalo
f ( xa )
f ( xr )
tienen signos opuestos, y por lo
f ( xr )
tienen el mismo signo, y de aqu
xa , xr .
f ( xb ) tienen signos opuestos. Por lo tanto, la raz se encuentra
xr , xb .
51

En este caso se tiene que
f ( xr ) 0
y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
Ejemplo
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo
1,2 y hasta que
f ( x) e x ln x ,
a 1% .
SOLUCION
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que f (x)
es contnua en el intervalo dado y que toma signos opuestos en los extremos de dicho
intervalo. Por lo tanto podemos aplicar el mtodo de la regla falsa.
Calculamos la primera aproximacin:
Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.
As pues,
evaluamos
Y hacemos nuestra tabla de signos:
52

De donde vemos que la raz se encuentra en el intervalo

Con este nuevo intervalo, calculamos la nueva aproximacin:
1,1.397410482 .
En este momento, podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo seguimos con el proceso.

Evaluamos
signos:
f ( xr2 ) f (1.321130513) 0.011654346 0 , y hacemos la tabla de
De donde vemos que la raz se encuentra en el intervalo

podemos calcular la nueva aproximacin:
1.1.321130513 , con el cual,
Y el error aproximado:
53

Como se ha cumplido el objetivo, concluimos que la aproximacin buscada es:
Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a diferencia
de la lentitud del mtodo de la biseccin.
Ejemplo:
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo 0,1 y hasta que
f ( x) arctan x x 1 ,
a 1% .
SOLUCION
Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos que se
cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir, que
f (x) sea
contnua en el intervalo dado y que f (x) tome signos opuestos en los extremos de dicho
intervalo.
Calculamos pues, la primera aproximacin:
Como solamente tenemos una aproximacin, debemos avanzar en el proceso.

Evaluamos
f ( xr1 ) arctan(0.5600991535) 0.5600991535 0.070662953 0

54

De lo cual vemos que la raz se localiza en el intervalo 0,0.5600991535 .

As pues, calculamos la nueva aproximacin:
Y calculamos el error aproximado:
Puesto que no se cumple el objetivo, seguimos avanzando en el proceso.

Evaluamos
f ( xr2 ) arctan(0.5231330281) 0.5231330281 1 0.00511533 0

.
De los cual vemos que la raz se localiza en el intervalo

podemos calcular al siguiente aproximacin:
0,0.5231330281, con el cual
Y el siguiente error aproximado:

55

Como se ha cumplido el objetivo, concluimos que la aproximacin buscada es:
Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa contra
la lentitud del mtodo de la biseccin.
Por supuesto que puede darse el caso en el que el mtodo de la regla falsa
encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la
biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin
f ( x) x6 1 , comenzando en el intervalo 0,1.5 , donde notar que mientras que

el mtodo de biseccin requiere de 8 aproximaciones para lograr que a 1% , el
mtodo
de
la
regla
falsa
necesita
hasta
16
aproximaciones.
56

Figura. Diagramas de flujo de la Interpolacin lineal inversa
57

Leccin 5 Mtodo de Newton-Raphson
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A

diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un
intervalo sino que basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin
xi
a la raz
Trazamos la recta tangente a la curva en el punto

punto
xi 1
xr
de f (x) ,
xi , f ( xi ) ; sta cruza al eje
que ser nuestra siguiente aproximacin a la raz
x en un
xr .
i 1 , calculamos primero la ecuacin de la recta tangente.

Para calcular el punto
Sabemos que tiene pendiente
Y por lo tanto la ecuacin de la recta tangente es:
58

Hacemos y 0 :
Y despejamos x :
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:

,
si
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure
que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos
aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no
converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los
casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es
uno de los mtodos preferidos por excelencia.
f ( x ) 0
i
Tambin observe que en el caso de que
, el mtodo no se puede aplicar. De
hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y
por lo tanto no intersecta al eje

cuyo caso
xi
en ningn punto, a menos que coincida con ste, en
mismo es una raz de
f (x) !
Ejemplo
Usar el mtodo de Newton-Raphson, para aproximar la raz de

comenzando con
x0 1
y hasta que
f ( x) e x ln x ,
a 1% .
SOLUCION
59

De aqu tenemos que:
Comenzamos con
x0 1 y obtenemos:
En este caso, el error aproximado es,
Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.

Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
1
1.268941421
1.309108403
1.309799389
Error aprox.
21.19%
3.06%
0.052%
De lo cual conclumos que la aproximacin obtenida es:
60

Ejemplo
Usar el mtodo de Newton-Raphson para aproximar la raz de
f ( x) arctan x x 1 , comenzando con x0 0 y hasta que
a 1% .
SOLUCION
La cual sustitumos en la frmula de Newton-Raphson para obtener:
Comenzamos sustituyendo x0 0 para obtener:
a
En este caso tenemos un error aproximado de
0.5 0
100% 100%
0.5
Continuamos con el proceso hasta lograr el objetivo. Resumimos los resultados en la

siguiente tabla:
Aprox. a la raz
0
0.5
0.5201957728
0.5202689918
Error
aprox.
100%
3.88%
0.01%
De lo cual conclumos que la aproximacin obtenida es:

61

Ejemplo
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros reales
positivos.
SOLUCION
Sea R 0 . Queremos calcular x tal que
x R ; elevando al cuadrado x2 R , o bien:
x2 R 0
Esto nos sugiere definir la funcin f ( x) x R de donde
datos en la frmula de Newton-Raphson nos da:
2
xi 1 xi
f ( x) 2 x . Al sustituir estos
xi2 R
2 xi
La cual simplificada nos da:
1
R
xi 1 xi
2
xi
Esta frmula era conocida por los antiguos griegos (Hern).
Para fijar un ejemplo de su uso, pongamos
x
comenzando con 0
R 26
y apliquemos la frmula obtenida,
5 . Resumimos los resultados en la siguiente tabla:

Aprox. a la raz
5
5.1
5.099019608
5.099019514
De lo cual conclumos que
Error aprox.
1.96%
0.019%
0.0000018%
26 5.099019514 , la cual es correcta en todos sus dgitos!

62

La misma idea puede aplicarse para crear algoritmos que aproximen races
nmeros reales positivos.
n -simas de
Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una

forma muy rpida y de hecho, observamos que el error aproximado disminuye a pasos
agigantados en cada paso del proceso. Aunque no es nuestro objetivo establecer
formalmente las cotas para los errores en cada uno de los mtodos que hemos estudiado,
cabe mencionar que si existen estas cotas que miden con mayor precisin la rapidez
lentitud del mtodo en estudio.
El mtodo de Newton-Raphson o simplemente el mtodo de Newton, es uno de los
mtodos numricos para resolver un problema de bsqueda de races f(x)=0 ms
poderosos y conocidos.
Figura. Aproximaciones con tangentes sucesivas.

Esta figura muestra como se obtienen las aproximaciones usando tangentes
sucesivas. Comenzando con la aproximacin inicial xo, la aproximacin x1 es la
interseccin con el eje x de la lnea tangente a la grfica de f en (x o, f(xo)). La
aproximacin x2 es la interseccin con el eje de las x de la lnea tangente a la
grfica de f en (x1, f(x1)) y as sucesivamente.
63

Figura. Aproximaciones conociendo los valores xIs.

m=tan =f(x) pendiente de la recta que pasa por (xi, f (xi)).
m=tan = Cateto opuesto / Cateto adyacente =

Lo que en realidad se desea saber es cuanto vale xi+1 para tomarlo en cuenta
para la siguiente iteracin, y as seguira sucesivamente, hasta obtener la raz.
Ejemplo:
Encontrar la raz de f(x)=x5+x2=9 con un valor inicial de xo=1.5 y s = 0.001.
SOLUCION:
f(x)= x5+x2-9 f(x)= 5*x4+2*x
f(xo=1.5)= (1.5)5+(1.5)2 - 9 = 0.84375
f(xo=1.5)=5* (1.5)4+2*(1.5)= 28.3125
x1 = xo - f(xo) / f(xo)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
ERA (x1, xo)=
(que no es menor a s)
64

f(x1 =1.4701)= (1.4701)5+(1.4701)2 - 9 = 0.03027251527

f( x1 =1.4701)=5*(1.4701)4+2*(1.4701)= 26.300465906
x2 = x1 - f(x1) / f(x1)= 1.4701 - (0.03027 / 26.3004) = 1.4690476496
ERA (x2, x1)=
(que no es menor a s )
f(x2 =1.469)= (1.469)5+(1.469)2 - 9 = 0.0004339341

f( x2 =1.469)=5*(1.469)4+2*(1.469)= 26.2250948663
x3 = x2 - f(x2) / f(x2)= 1.469 - (0.00043 / 26.2250) = 1.46903110316
ERA (x3, x2)=
3=1.46903110316
(que s es menor a s )
Fallas del mtodo de Newton-Raphson

1.- El mtodo es atrapado por una raz imaginaria f(x).
Figura. Falla 1 de Newton-Raphson

2.- Cuando la raz es un punto de inflexin.
65


3.- El mtodo cae en un punto mximo o mnimo (o en sus cercanas).

Ejemplo
Encontrar la raz de f(x)=ex-3*x=0 que se encuentra en [0,1] usando xo=0 y el
mtodo de Newton con una s =0.001.
SOLUCION:
f(x)= ex-3*x
recordemos que
f(x)= ex-3
sustituyendo para x1 con xo=0
ERA (x1=0.5, xo=0)=
ERA (x2=0.6101, x1=0.5)=
ERA (x3=0.618997350866, x2=0.6101)=

(es mayor a s
)
x4= x3 - (ex3-3* x3 / ex3-3 = 0.6189 - (e0.6189-3* (0.6189) / e0.6189-3)= 0.619028039928
ERA (x3=0.6190280399928, x2=0.6189)
66

< s =0.001
4=0.619023039928
EJEMPLO:
La siguiente frmula se aplica a un vertedor con contracciones:
Q=3.33*(B-0.2*H)*(H3)1/2
Donde:
Q - Cantidad de agua que pasa por le vertedor en pies3/seg
B - Ancho del vertedor en pies
H - Carga sobre la cuesta del vertedor en pies.
Si B=3 ; Q=12 entonces cual es el valor de H=?.
Calcular por el mtodo de Newton-Raphson con s =0.001 y Ho=B/2
SOLUCION:
12=3.33*(3-0.2*H)*( H3)1/2
f(H)=12 - 3.33*(3-0.2*H)*( H3)1/2 = 0
f(H)= - 3.33*(3-0.2*H)*(1/2)*( H3)-1/2 (3*H2)+ ( H3)1/2*(-3.33)*(-0.2)
f(H)=-3.33*(3)*(1/2)*(H)-3/2(3*H2)*(-3.33)*(-0.2H)*(1/2)*(H)3/2
(3*H2)+(3.33)*(0.2)*(H3/2)
f(H)=-14.985*H1/2+0.99*H*H-3/2*H2+0.666*H3/2
f(H)=-14.985*H1/2+1.665*H3/2
f(H)=12-3.33*(3-0.2H)*(H3)1/2
f(H)=-14.985*H1/2+1.665*H3/2
Hi+1 =
Iniciar con Ho=B/2, Ho=3/2, Ho=1.5
Hi
f(Hi)
F(Hi)
1.5
-4.51
-15.32
1.20517
1.20517 -0.16
-14.26
1.19362
9.5837x10-3
1.19362 -14.20
0.000278
1.19360
0.000016756
Hi+1
ERA
2=1.19360.
67

Leccin 6 Iteracin o mtodo iterativo de punto fijo y Ejercicios de la

Unidad
Este mtodo se aplica para resolver ecuaciones de la forma
Si la ecuacin es
, entonces puede despejarse
bien sumar
ambos lados de la ecuacin para ponerla en la forma adecuada.
en
Este mtodo sirve para encontrar las races de una ecuacin y consiste en los
siguientes pasos:
1.- Nos deben dar la funcin a la cual le debemos encontrar la raz, es decir,
debemos conocer f(x)=0.
Ejemplo: f(x)= 0.5*x - 4 = 0
2.- Nos deben de dar un valor inicial xo. Ejemplo xo = 0.
3.- De la funcin f(x) debemos de despejar x de manera que encontremos una
nueva funcin de x llamada ahora g(x).
Ejemplo:
(2/2)*x - (1/2)*x - 4 = 0 donde (1/2)*x no se altera
x - (1/2)*x - 4 = 0 x = (1/2)*x + 4
g(x) = x = (1/2)*x + 4
4.- Se deriva la funcin g(x). En el caso de que el valor absoluto de la derivada de
g(x) sea menor a uno, se asegura que el despeje realizado funcione.
si
5.- Luego se evala g(x) utilizando primero xo. El resultado de esta evaluacin se
convierte en el nuevo valor de x y as se contina hasta encontrar la raz deseada
desde luego, satisfaciendo un error deseado.
SOLUCION:
xo = 0 , = 0.001
x1 = (xo/2) + 4 = 0 + 4 = 4
ERA (x1,xo)
x2 = (x1/2) + 4 = 6
ERA (x2,x1
x3 = (x2/2) + 4 = 7
ERA (x3,x2
x4 = (x3/2) + 4 =7.5
ERA (x4 = 7.5, x3= 7)
68

x5 = (x4/2) + 4 = 7.75
ERA (x5,x4
x6 = (x5/2) + 4 = 7.875
ERA (x6, x5)=
x7 = (x6/2) + 4 = 7.9375
ERA (x7, x6
x8 = (x7/2) + 4 = 7.96875
ERA (x8,x7)=
x9 = (x8/2) + 4 = 7.984375
ERA (x9,x8)=
x10 = (x9/2) + 4 = 7.9921875
ERA (x10,x9)=
10 = 7.9921875 (tiende a 8)
El nmero 7.9921 se le llama punto fijo de g(x), sin importar cual sea el xo. El
punto fijo de g(x) es la raz de f(x).
Ejemplo:
Sea f(x) = x + 4 = 0 y xo = 0 Encontrar una raz por el mtodo iterativo del punto
fijo.
Hagamos un posible despeje:
2*x - x + 4 = 0
x = 2*x + 4 g(x) = 2*x + 4
g(x) = 2 donde g(x) no es menor a 1, por lo tanto, no se asegura que este despeje
sirva:
Probemos:
xo=0
x1=2*(0)+4=4
x2=2*(4)+4=12
x3=2*(12)+4=28
x4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz, desde
luego comenzando con xo=0.
Al analizar f(x)=x+4=0. Vemos que la solucin es x+4=0 x= -4.
Y desde luego, si iniciramos con la solucin, es decir, que xo= -4, si tenderamos
a encontrar la solucin. Sin embargo, el mtodo trata de que dado un valor inicial
que no sea la solucin, se encuentre la solucin.
xo = -4; x1=2*(-4)+4 x1= -4
Sea f(x) = x+4 = 0 con xo=0
2*x - x + 4 = 0 x = 2*x + 4 g(x) = 2*x + 4
g´(x)= 2 que es mayor a 1 g(x) no es menor que 1 y por lo tanto no se
69

asegura que este despeje sirva.

Probemos
Con xo=0
x1=2*xo+4=2*(0)+4=4
x2=2*x1+4=2*(4)+4=12
x3=2*x2+4=2*(12)+4=28
x4=2*x3+4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz.
Intentemos otro despeje:
f(x)=x+4=0
se despeja con respecto a (3/2)x
(3/2)*x - (1/2)*x + 4 = 0
(3/2)*x=(1/2)*x - 4
x= (2/3)*(1/2)*x - (2/3)*(4)=(1/3)*x - (8/3)
- (8/3)
checando que (1/3) < 1 se asegura que el despeje realizado si sirve.
Probemos con xo=0 x_ant =xo=0
x_act = (x_ant / 3) - 2.66 = 0 - 2.66 = -2.66
ERA (x_act = -2.66, x_ant = 0)
x_ant = x_act = -2.66

Itera=1
x_act = (-2.66/ 3) - 2.66 = -3.5466

ERA (x_act =-3.5466, x_ant = -2.66)
x_ant = x_act = -3.5466
Itera=2
x_act = (-3.5466/ 3) - 2.66 = -3.8422

ERA (x_act =-3.8422, x_ant = -3.5466)
x_ant = x_act = -3.8422
Itera=3
70

x_act = (-3.8422/ 3) - 2.66 = -3.9407

ERA (x_act =-3.9407, x_ant = -3.8422)
x_ant = x_act = -3.9407
Itera=4
x_act = (-3.9407/ 3) - 2.66 = -3.9735

ERA (x_act =-3.9735, x_ant = -3.9407)
x_ant = x_act = -3.9735
Itera=5
x_act = (-3.9735/ 3) - 2.66 = -3.9845

ERA (x_act =-3.9845, x_ant = -3.9735)
(que no es menor a s )
x_ant = x_act = -3.9845
Itera=6
x_act = (-3.9845/ 3) - 2.66 = -3.9881

ERA (x_act =-3.9881, x_ant = -3.9845)
(que si es menor a s )
-3.9881
Esto tiende al nmero -4. Al nmero -4 se le llama punto fijo de g(x), sin importar cual sea
el xo. El punto fijo de g(x) es la raz de f(x).
Otros Ejemplos:
1)
La ecuacin
2)
La ecuacin
se puede transformar en
se puede transformar en
.
.
71

Dada la aproximacin
, la siguiente iteracin se calcula con la frmula:
Supongamos que la raz verdadera es
, es decir,
Restando las ltimas ecuaciones obtenemos:
Por el Teorema del Valor Medio para derivadas, sabemos que si

en
y diferenciable en
entonces existe
es contnua
tal que
En nuestro caso, existe
en el intervalo determinado por
tal que:
De aqu tenemos que:
O bien,
Tomando valor absoluto en ambos lados,
72

Observe que el trmino
es precisamente el error absoluto en la
sima iteracin, mientras que el trmino

la
corresponde al error absoluto en
sima iteracin.
Por lo tanto, solamente si

, entonces se disminuir el error en la
siguiente iteracin. En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si
para
en un intervalo
que contiene a la raz y donde
diferenciable, pero diverge si
es contnua y
en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
En el ejemplo 1,
que
En
y claramente se cumple la condicin de
. Por lo tanto el mtodo s converge a la raz.

el
ejemplo
2,
en
este
caso,
. Por lo tanto, el mtodo no converge a la raz.

Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo 1
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
y hasta que
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
Con un error aproximado de
Aplicando nuevamente la frmula iterativa tenemos,

73

Y un error aproximado de
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se

necesitan hasta 13 iteraciones para lograr reducir el error aproximado menor al
1%. El resultado final que se obtiene es:
Con un error aproximado igual al
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
Solucin
Si despejamos la
y hasta que
del trmino lineal, vemos que la ecuacin equivale a
de donde,
. Un vistazo a la grfica,
74

Nos convence que

, para
el mtodo s converge a la raz buscada.
, lo que es suficiente para deducir que
Aplicando la frmula iterativa, tenemos:
Con un error aproximado del 100%.

Aplicando nuevamente la frmula iterativa, tenemos:
Con un error aproximado igual al 28.41%.

En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error
menor al 1%. Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
Error aprox.
0
-0.2
100%
-0.1557461506
28.41%
-0.1663039075
6.34%
-0.163826372
1.51%
-0.164410064
0.35%
75

De donde vemos que la aproximacin buscada es:
Figura. Diagramas de flujo del mtodo de iteracin.

Ejemplo:
Encontrar una raz por el mtodo iterativo del punto fijo.
Solucin:
f(x)=x*ex - 1 = 0 empezar con xo=0 y un Epsilon=0.001
x*ex = 1
x= 1 / ex
76

x= e-x
g(x)= e-x
g´(x)= e-x *[d(-x)/ dx]
si se cumple
Para x=0
Por lo tanto vemos que pasa con x>0 y x<0:
ejecute;(x)= - e-x
Por ejemplo para:
x=10
si se cumple
Esto asegura que el despeje hecho si funciona para valores de x0.

Probemos:
Dado que xo=0 se debe empezar con otro valor como xo=0.1 xo=1 y con la
ecuacin iterativa xact=e-xant
x1=1
x2=e-1=0.367879441171
x3=e-x2 =0.692200627556
x4=e-x3=0.500473500563
x5=e-x4=0.606243535086
x6=e-x5=0.545395785975
x7=e-x6=0.579612335503
x8=e-x7=0.560115461361
x9=e-x8=0.57114311508
x10=e-x9=0. 564879347391
x11=e-x10=0.568428725029
x12=e-x11=0. 566414733147
x13=e-x12=0.567556637328
x14=e-x13=0.566908911922
x15=e-x14=0.567276232175
Esto tiende a converger al nmero 0.5673 Al nmero 0.567276232175 se le llama

punto fijo de g(x), sin importar cual sea el xo. El punto fijo de g(x) es la raz de f(x).
77

EJEMPLO:
Encontrar una raz para f(x)=5*x2-4*x-7 por el mtodo iterativo del punto fijo dentro
del intervalo (- 0.9,- 0.8).
Solucin:
Propongamos primero una funcin g(x)
5*x2-4*x=7
factorizando a x y trabajando con respecto a la x que se factoriz:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)-1)
g(x)=7*[(-1)*(5*x-4)-1-1((d/dx)(5*x-4))]
g(x)=7[(-1)(5*x-4)-2(5-0)]
g(x)=(7*(-1)*(5)) / (5*x-4)2 = -35 / (5*x-4)2
Probemos para los lmites del intervalo dado para -0.9.
Ahora probemos para -0.8.
Por lo tanto el despeje propuesto, es decir g(x) si nos sirve.

Encontremos el punto fijo de g(x) es decir la raz de f(x). Adems de percatarnos
que no es necesario un intervalo sino un solo valor de arranque, por lo que se
trabajar con el valor inicial de xo=-0.85 el cual se encuentra dentro del intervalo
(-0.9,-0.8).
xo= -0.85
x1=7 / (5*xo-4) = -0.848484848486
x2=7 / (5*x2-4) = -0.849264705882
x3=7 / (5*x2-4) = -0.8488631129735
x4=7 / (5*x3-4) = -0.849069868054
x5=7 / (5*x4-4) = -0.848963423031
El valor tiende a -0.849 punto fijo de g(x) y raz de f(x).
EJEMPLO:
Encontrar una raz para f(x)=x2-x-2 por el mtodo iterativo del punto fijo cuyas
races son (-1,2)
Propongamos varias funciones de g(x) y veamos cuales de ellas si nos pueden
servir:
1) respecto a la segunda
78

x2-x-2=0
x2-2=x
g1(x)=x= x2-2
2) respecto a x2
x2-x-2=0
x2=2+x
x= (2+x)1/2
2) g2(x)= -(2+x)1/2
3) g3(x)= (2+x)1/2
4) respecto a x2
x2-x-2=0
x2=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g4(x)= 1+2/x
5) factorizamos a x
x2-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g5(x)= 2 / (x-1)
Probemos si g1(x) nos puede servir para encontrar las dos races (-1,2).
g1(x)=x2-2
g1(x)=2*x
2*x < 1
x<1/2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raz
con x que sea una sola palabra sea menor a 0.5.
Probemos con xo=0
xAct=xAnt-2
x1= xo2-2
x1=-2
x2= x12-2=(-2)2-2=2
x3= (-2)2-2=2
Como sabemos que una raz es 2 veamos si 1.5 lo aproxima:
Probemos con xo=1.5
x1= (1.5)2-2
x1=0.25
x2= x12-2=-1.9375
x3= x22-2=1.75390625
x4= x32-2=1.0768713379
No tiende a alguna convergencia. Esto demuestra que debe respetarse que x<
79

(1/2) para esta ecuacin iterativa.

Probemos ahora g2(x)
g2(x)=-(2+x)1/2
g21(x)=-(1/2)* (2+x)-1/2
(1/2)* (2+x)-1/2< 1
(2+x)1/2 esta dividiendo y pasa multiplicando:
1 / (2*(2+x)1/2)< 1
1/2 < (2+x)1/2
elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75
Figura. Races en el plano cartesiano

Esto lo que quiere decir es que el despeje propuesto g2(x), nos debe de servir para
poder encontrar las dos races -1 y 2.
Probemos con xo=0 en g2(x):
xAct=-(2+xAnt)1/2 Ecuacin iterativa
x1= -(2+xo)1/2=-1.41421356237
x2= -(2+x1)1/2=-0.765366864732
x3= -(2+x2)1/2=-1.11114046604
x4= -(2+x3)1/2=-0.94279347365
x5= -(2+x4)1/2=-1.02820548839
x6= -(2+x5)1/2=-0.9857
tiende a -1, punto fijo de g(x) y raz de f(x).
Probando con xo=0 en g3(x):
xAct=(2+xAnt)1/2 Ecuacin iterativa
x1= (2+xo)1/2=1.41421356237
x2= (2+x1)1/2=1.84775906502
x3= (2+x2)1/2=1.96157056081
x4= (2+x3)1/2=1.99036945335
tiende a 2, punto fijo de g(x) y raz de f(x).
80

Por lo tanto xo si nos sirve para encontrar las dos races.

Probando con g4(x):
g4(x)=1 + 2/x
g4(x)=2*(-1) / x2
g4(x)= -2 / x2
x2 > 2
x > 21/2
x > 1.4142
Esto quiere decir que el despeje hecho, nos podr servir para encontrar la raz
mayor a 1.4142 o sea para encontrar la raz.
Probemos ahora g5(x):
Se desea saber si este despeje es vlido para encontrar la raz de -1? O bien
este despeje es vlido para encontrar la raz 2?
g5(x)= 2 / (x-1) = 2*(x-1)-1
g5(x)=2*(-1)*(x-1)-2 dx/dx
g5(x)= -2 / (x-1)2
Probemos s esto fuese vlido para encontrar la raz igual a -1.
Y el despeje propuesto, si nos sirve para encontrar esta raz.

Ahora probemos si el despeje de g5(x), nos sirve para encontrar la raz igual a 2.
Y el despeje propuesto, no nos sirve para encontrar la segunda raz.
81

Figura. Formas de convergencia.
82

EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1. Usa el mtodo de biseccin para aproximar la raz de
y hasta que
.
Solucin:
2. Usa el mtodo de biseccin para aproximar la raz de

Solucin:
y hasta que
3. Usa el mtodo de la regla falsa para aproximar la raz de

y hasta que
Solucin:
4. Usa el mtodo de la regla falsa para aproximar la raz de

y hasta que
Solucin:
5.
Usa
el
.
mtodo
de Newton-Raphson
comenzando con
Solucin:
para aproximar
y hasta que
Solucin:
7.
raz
.
de
6. Usa el mtodo de Newton-Raphson para aproximar la raz de

comenzando con
la
y hasta que
Usa el mtodo de iteracin del punto fijo para aproximar la raz de

comenzando con
y hasta que
.
83

Solucin:
8. Usa el mtodo de iteracin del punto fijo para aproximar la raz de

comenzando con
y hasta que
.
Solucin:
84

UNIDAD II:
SISTEMAS DE ECUACIONES LINEALES, NO LINEALES E
INTERPOLACION
ECUACIN ALGEBRICA LINEAL

Es aquella en donde en cada trmino de la ecuacin aparece nicamente una
variable o incgnita elevada a la primera potencia. Por ejemplo:
a11x1 a12 x2 a13 x3 ... a1n xn c1
(1)
Es una ecuacin algebraica lineal en las variables X1, X2, X3,..., Xn. Se admite que
los coeficientes a11, a12, a13,..., a1n y el trmino independiente C1, son constantes
reales.
Diagrama de flujo del clculo de cofactores.
85

SISTEMA DE ECUACIONES
Es un conjunto de ecuaciones que deben resolverse simultneamente. En los sucesivo se
considerarn nicamente sistemas de ecuaciones algebraicas lineales, o sea conjuntos
de ecuaciones de la forma:
a11 x1 a12 x 2 a13 x3 ... a1n x n c1 (a)

a x a x a x ... a x c (b)
21 1
22 2
23 3
2n n
2
.
a n1 x1 a n 2 x 2 a n3 x3 ... a nn x n c n (c)
(2)
Aplicando la definicin de producto entre matrices, este sistema de n ecuaciones

algebraicas lineales con n incgnitas puede escribirse en forma matricial.
(3)
Este sistema de ecuaciones puede escribirse simblicamente como:

A X = C (4)
En donde A se llama Matriz del Sistema. La matriz formada por A, a la que se le ha

agregado el vector de trminos independientes como ltima columna, se le llama la Matriz
Ampliada del Sistema, que se representa con (A, C).
Entonces la matriz ampliada ser:
(5)
86

CAPITULO 3: SOLUCION DE SISTEMAS
DE ECUACIONES
Mtodo de eliminacin
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas
y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser: Consistente, si admite
solucin; o Inconsistente, si no admite solucin.
Un sistema Consistente puede ser: Determinado, si la solucin es nica o
Indeterminado, si la solucin no es nica. En este caso se demuestra que existe
una infinidad de soluciones.
Teoremas sobre rangos
El rango de una matriz es el orden de determinante no nulo de mayor orden que puede
obtenerse de esa matriz. El rango de la matriz A se representa con la notacin r(A) y el de
la matriz ampliada con r(A, C).
En lgebra se demuestra que:
1. Para cualquier sistema,
2. Si r(A) < r(A, C) el sistema es inconsistente
3. Si r(A) = r(A, C) el sistema de ecuaciones es consistente
En este caso, si adems r(A) = n, el sistema es determinado e indeterminado si r(A) < n,
siendo n el nmero de variables en el sistema.
En general, hay dos tipos de tcnicas numricas para resolver ecuaciones

simultneas: Directas, que son finitas; e Indirectas, que son infinitas.
Naturalmente, ninguna tcnica prctica puede ser infinita. Lo que queremos decir
es que en un principio los mtodos directos (despreciando errores por redondeo)
producirn una solucin exacta, si la hay, en un nmero finito de operaciones
aritmticas.
Por otra parte, un mtodo indirecto requerir en principio un nmero infinito de
operaciones aritmticas para producir una solucin exacta. Dicho de otra manera,
un mtodo indirecto tiene un error por truncamiento mientras que un mtodo
directo no lo tiene.
87

Sin embargo, la expresin "en principio" del prrafo anterior es crucial: en realidad
se tienen errores por redondeo. Tendremos que considerar ms cuidadosamente
esta cuestin. En un sistema grande, mal comportado, los errores por redondeo de
un mtodo directo puede hacer que la "solucin" carezca de sentido. A pesar de
su error terico por truncamiento, un mtodo indirecto puede ser mucho ms
deseable porque en l los errores por redondeo no se acumulan.
88

Leccin 7 Mtodo de eliminacin
El primer mtodo que se presenta usualmente en lgebra, para la solucin de ecuaciones

algebraicas lineales simultneas, es aquel en el que se eliminan las incgnitas mediante
la combinacin de las ecuaciones. Este mtodo se conoce como Mtodo de Eliminacin.
Se denomina eliminacin Gaussiana si en el proceso de eliminacin se utiliza el esquema
particular atribuido a Gauss.
Utilizando el mtodo de Gauss, un conjunto de n ecuaciones con n incgnitas se reduce a
un sistema triangular equivalente (un sistema equivalente es un sistema que tiene iguales
valores de la solucin), que a su vez se resuelve fcilmente por "sustitucin inversa"; un
procedimiento simple que se ilustrar con la presentacin siguiente.
El esquema de Gauss empieza reduciendo un conjunto de ecuaciones simultneas, tal
como se muestra en (2), a un sistema triangular equivalente como:
(6)
En el cual los superndices indican los nuevos coeficientes que se forman en el proceso
de reduccin. La reduccin real se logra de la siguiente manera:
1. La primera ecuacin (2) se divide entre el coeficiente de X1 en esa ecuacin para
obtener:
(7)
2. La ec. (7) se multiplica entonces por el coeficiente de X1 de la segunda ecuacin

(2) y la ecuacin que resulta se resta de la misma, eliminando as X1. La ec. (7) se
89

multiplica entonces por el coeficiente de X1 de la tercera ecuacin (2), y la

ecuacin resultante se resta de la misma para eliminar X1 de esa ecuacin. En
forma similar, X1 se elimina de todas las ecuaciones del conjunto excepto la
primera, de manera que el conjunto adopta la forma:
(8)
3. La ecuacin utilizada para eliminar las incgnitas en las ecuaciones que la siguen
se denomina Ecuacin Pivote. En la ecuacin pivote, el coeficiente de la incgnita
que se va a eliminar de las ecuaciones que la siguen se denomina el Coeficiente
Pivote (a11 en los pasos previos).
4. Siguiendo los pasos anteriores, la segunda ecuacin (8) se convierte en la
ecuacin pivote, y los pasos de la parte 1 se repiten para eliminar X2 de todas las
ecuaciones que siguen a esta ecuacin pivote. Esta reduccin nos conduce a:
(9)
5. A continuacin se utiliza la tercer ecuacin (9) como ecuacin pivote, y se usa el

procedimiento descrito para eliminar X3 de todas las ecuaciones que siguen a la
tercer ecuacin (9). Este procedimiento, utilizando diferentes ecuaciones pivote, se
contina hasta que el conjunto original de ecuaciones ha sido reducido a un
conjunto triangular tal como se muestra en la ec. (6).
6. Una vez obtenido el conjunto triangular de ecuaciones, la ltima ecuacin de este
conjunto equivalente suministra directamente el valor de Xn (ver ec. 6). Este valor
se sustituye entonces en la antepenltima ecuacin del conjunto triangular para
obtener un valor de Xn-1, que a su vez se utiliza junto con el valor de Xn en la
penltima ecuacin del conjunto triangular para obtener un valor Xn-2 y asi
sucesivamente. Este es el procedimiento de sustitucin inversa al que nos
referimos previamente. Para ilustrar el mtodo con un conjunto numrico,
apliquemos estos procedimientos a la solucin del siguiente sistema de
ecuaciones:
90

x1 4 x 2 x3 7
x1 6 x 2 x3 13
(10)
2 x1 x 2 2 x3 5
Utilizando como ecuacin pivote la primera ecuacin (el coeficiente pivote es unitario),
obtenemos:
x1 4 x 2 x3 7
2 x 2 2 x3 6
(11)
9 x 2 0 9
A continuacin, utilizando la segunda ecuacin del sistema (11) como ecuacin pivote y
repitiendo el procedimiento, se obtiene el siguiente sistema triangular de ecuaciones:
x1 0 5 x3 5
2 x 2 2 x3 6
(12)
9 x 2 0 9
De la tercera ecuacin del sistema (12) obtenemos el valor de
en las otras ecuaciones se obtienen los valores de x3
x2 1 , que al reemplazarlo
y x1
DESVENTAJAS DEL MTODO DE ELIMINACIN

1. Divisin entre cero
Una de sus desventajas es que durante el proceso en las fases de eliminacin y
sustitucin es posible que ocurra una divisin entre cero. Se ha desarrollado una
estrategia del pivoteo para evitar parcialmente estos problemas. sta se deja
como investigacin al alumno.
2. Errores de redondeo
La computadora maneja las fracciones en forma decimal con cierto nmero
limitado de cifras decimales, y al manejar fracciones que se transforman a
decimales que nunca terminan, se introduce un error en la solucin de la
computadora. Este se llama error por redondeo.
91

Cuando se va a resolver solamente un pequeo nmero de ecuaciones, el error

por redondeo es pequeo y generalmente no se afecta sustancialmente la
precisin de los resultados, pero si se van a resolver simultneamente muchas
ecuaciones, el efecto acumulativo del error por redondeo puede introducir errores
relativamente grandes en la solucin. Por esta razn el nmero de ecuaciones
simultneas que se puede resolver satisfactoriamente con el mtodo de
eliminacin de Gauss, utilizando de 8 a 10 dgitos significativos en las operaciones
aritmticas, se limita generalmente a 15 o 20.
3. Sistemas mal condicionados
La obtencin de la solucin depende de la condicin del sistema. En sentido
matemtico, los sistemas bien condicionados son aquellos en los que un cambio
en uno o ms coeficientes provoca un cambio similar en la solucin. Los sistemas
mal condicionados son aquellos en los que cambios pequeos en los coeficientes
provocan cambios grandes en la solucin.
Una interpretacin diferente del mal condicionamiento es que un rango amplio de
respuestas puede satisfacer aproximadamente al sistema. Ya que los errores de
redondeo pueden inducir cambios pequeos en los coeficientes, estos cambios
artificiales pueden generar errores grandes en la solucin de sistemas mal
condicionados.
92

Leccin 8 Mtodo de Gauss Jordan
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss, permite
resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos significativos en las
operaciones aritmticas de la computadora. Este procedimiento se distingue del mtodo
Gaussiano en que cuando se elimina una incgnita, se elimina de todas las ecuaciones
restantes, es decir, las que preceden a la ecuacin pivote as como de las que la siguen.
El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
Primero expresemos los coeficientes y el vector de trminos independientes como una
matriz aumentada.
Se normaliza el primer rengln dividiendo entre 3 para obtener:
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero del
segundo rengln. De una manera similar, restando 0.3 veces el primero del tercer rengln
se elimina el trmino con X1 del tercer rengln.
93

En seguida, se normaliza el segundo rengln dividiendo entre 7.00333:
Reduciendo los trminos en X2 de la primera y la tercera ecuacin se obtiene:
El tercer rengln se normaliza dividindolo entre 10.010:
Finalmente, los trminos con X3 se pueden reducir de la primera y segunda ecuacin para
obtener:
Ntese que no se necesita sustitucin hacia atrs para obtener la solucin.

Las ventajas y desventajas de la eliminacin gaussiana se aplican tambin al mtodo de
Gauss-Jordan.
94

Aunque los mtodos de Gauss-Jordan y de eliminacin de Gauss pueden parecer casi

idnticos, el primero requiere aproximadamente 50% menos operaciones. Por lo tanto, la
eliminacin gaussiana es el mtodo simple por excelencia en la obtencin de soluciones
exactas a las ecuaciones lineales simultneas. Una de las principales razones para incluir
el mtodo de Gauss-Jordan, es la de proporcionar un mtodo directo para obtener la
matriz inversa.
Inversin de matrices
Sea A una matriz cuadrada no singular, es decir, que su determinante sea diferente de
cero
. Por definicin de matriz inversa, se tiene que
Es la inversa de A si:
(13)
Haciendo
y sustituyendo en la ecuacin anterior, se obtiene

A X = I (14)
Puede considerarse que esta ecuacin matricial representa un sistema de ecuaciones

simultneas, en donde no hay un solo vector de trminos independientes sino n, los n
vectores bsicos que forman la matriz unitaria I. Adems, no existe un solo vector de
incgnitas, sino n, los que corresponden a cada columna de la matriz unitaria.
Por lo anterior, es posible determinar la inversa de una matriz con el mtodo de GaussJordan de eliminacin completa. Para lograrlo, bastar con aplicar las operaciones
elementales sobre los renglones de la matriz ampliada (A, I) de manera de transformar A
en I. Cuando se haya hecho, se obtendr la matriz ampliada
tendr la inversa buscada.
, con lo que se
EJEMPLO
Invertir la matriz
95

Aumntese la matriz de coeficientes con una matriz identidad
Usando a11 como pivote, el rengln 1 se normaliza y se usa para eliminar a X1 de los otros
renglones.
En seguida, se usa a22 como pivote y X2 se elimina de los otros renglones.
Finalmente, se usa a33 como pivote y X3 se elimina de los renglones restantes:
Por lo tanto, la inversa es:
96

Se puede resolver un sistema de ecuaciones con la inversa de la matriz de coeficientes,

de la siguiente manera:
Donde C es el vector de trminos independientes.

Comparando ambos mtodos, es evidente que el mtodo de inversin de matrices no es
prctico para la solucin de un slo conjunto (o dos o tres conjuntos) de ecuaciones
simultneas, porque la cantidad de clculos que intervienen para determinar la matriz
inversa es muy grande. Sin embargo, si se desea resolver 20 conjuntos de 10 ecuaciones
simultneas que difieren nicamente en sus trminos independientes, una matriz
aumentada que contiene 20 columnas de constantes (que se utilizaran en el mtodo de
eliminacin) sera difcil de reducir, y se podra usar con ventaja el mtodo de inversin de
matrices.
97

Leccin 9 Mtodo de Gauss-Seidel y Ejercicios del Capitulo
El mtodo de eliminacin para resolver ecuaciones simultneas suministra soluciones

suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero exacto depende de
las ecuaciones de que se trate, del nmero de dgitos que se conservan en el resultado de
las operaciones aritmticas, y del procedimiento de redondeo. Utilizando ecuaciones de
error, el nmero de ecuaciones que se pueden manejar se puede incrementar
considerablemente a ms de 15 o 20, pero este mtodo tambin es imprctico cuando se
presentan, por ejemplo, cientos de ecuaciones que se deben resolver simultneamente.
El mtodo de inversin de matrices tiene limitaciones similares cuando se trabaja con
nmeros muy grandes de ecuaciones simultneas.
Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes
nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de
Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el
mtodo de Gauss-Seidel tiene la desventaja de que no siempre converge a una solucin o
de que a veces converge muy lentamente. Sin embargo, este mtodo convergir siempre
a una solucin cuando la magnitud del coeficiente de una incgnita diferente en cada
ecuacin del conjunto, sea suficientemente dominante con respecto a las magnitudes de
los otros coeficientes de esa ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los otros
para asegurar la convergencia y es an ms difcil predecir la velocidad de la
convergencia para alguna combinacin de valores de los coeficientes cuando esa
convergencia existe. No obstante, cuando el valor absoluto del coeficiente dominante para
una incgnita diferente para cada ecuacin es mayor que la suma de los valores
absolutos de los otros coeficientes de esa ecuacin, la convergencia est asegurada. Ese
conjunto de ecuaciones simultneas lineales se conoce como sistema diagonal.
Un sistema diagonal es condicin suficiente para asegurar la convergencia pero no es
condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales que se
derivan de muchos problemas de ingeniera, son del tipo en el cual existen siempre
coeficientes dominantes.
La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente:
1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible
hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar
valores seleccionados arbitrariamente. Los valores iniciales utilizados no
98

2.
3.
4.
5.
afectarn la convergencia como tal, pero afectarn el nmero de iteraciones

requeridas para dicha convergencia.
Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que
tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras
incgnitas los valores supuestos.
Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene
el coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la
incgnita del paso 2 y los valores supuestos para las incgnitas restantes.
Continuar con las ecuaciones restantes, determinando siempre el valor calculado
de la incgnita que tiene el coeficiente ms grande en cada ecuacin particular, y
utilizando siempre los ltimos valores calculados para las otras incgnitas de la
ecuacin. (Durante la primera iteracin, se deben utilizar los valores supuestos
para las incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin
final ha sido resuelta, proporcionando un valor para la nica incgnita, se dice que
se ha completado una iteracin.
Continuar iterando hasta que el valor de cada incgnita, determinado en una
iteracin particular, difiera del valor obtenido en la iteracin previa, en una cantidad
menor que cierto
seleccionado arbitrariamente. El procedimiento queda
entonces completo.
Refirindonos al paso 5, mientras menor sea la magnitud del

seleccionado, mayor
ser la precisin de la solucin. Sin embargo, la magnitud del epsilon no especifica el
error que puede existir en los valores obtenidos para las incgnitas, ya que sta es una
funcin de la velocidad de convergencia. Mientras mayor sea la velocidad de
convergencia, mayor ser la precisin obtenida en los valores de las incgnitas para un
dado.
99

EJEMPLO
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un
0.001.
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30

3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
SOLUCION:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estn los
coeficientes mayores para asegurar la convergencia.
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
Despejamos cada una de las variables sobre la diagonal:
100

Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1
Este valor junto con el de X3 se puede utilizar para obtener X2
La primera iteracin se completa sustituyendo los valores de X1 y X2 calculados

obteniendo:
En la segunda iteracin, se repite el mismo procedimiento:
Comparando los valores calculados entre la primera y la segunda iteracin
101

Como podemos observar, no se cumple la condicin
Entonces tomamos los valores calculados en la ltima iteracin y se toman como

supuestos para la siguiente iteracin. Se repite entonces el proceso:
Comparando de nuevo los valores obtenidos
Como se observa todava no se cumple la condicin
102

As que hacemos otra iteracin
Comparando los valores obtenidos
Dado que se cumple la condicin, el resultado es:
X1 = 3.0
X2 = -2.5
X3 = 7.0
Como se puede comprobar no se tiene un nmero exacto de iteraciones para encontrar

una solucin. En este ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan ms
iteraciones.
Se deja de investigacin al alumno alguna forma que haga que este mtodo converge
ms rpidamente.
103

EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
1. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
2. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
3. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
SOLUCION:
104

4. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
SOLUCION:
5. Calcula la matriz inversa de las siguientes matrices usando el mtodo de GaussJordan:
i)
ii)
Soluciones:
i)
ii)
6. Usa el mtodo de Gauss-Seidel hasta que

siguiente sistema de ecuaciones:
a 1%
para aproximar la solucin del

105

SOLUCION:
7. Usa el mtodo de Gauss-Seidel hasta que

siguiente sistema de ecuaciones:
a 1% para aproximar la solucin del
SOLUCION:
106

CAPITULO 4: INTERPOLACION
INTERPOLACION DE POLINOMIOS
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recuerde que la frmula general de un polinomio de n-simo orden es:
(1)
Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o menor que pasa a
travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir un polinomio
de primer orden) que conecta dos puntos. El polinomio de interpolacin consiste en
determinar el nico polinomio de n-simo orden que se ajusta a los n + 1 puntos dados.
Este polinomio proporciona una frmula para calcular los valores intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta a los n + 1
puntos, existen una gran variedad de frmulas matemticas mediante las cuales se puede
expresar este polinomio. En esta unidad se estudian dos tcnicas alternativas que estn
bien condicionadas para implementarse en una computadora. Estos son los polinomios de
Newton y de Lagrange.
107

Leccin 10 Polinomios de interpolacin de Lagrange
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos para

clase/tema2/interp04.html - atrasEl polinomio de interpolacin de Lagrange, simplemente es
una reformulacin del polinomio de Newton que evita los clculos de las diferencias
divididas. Este se puede representar concretamente como:
(21)
en donde:
(22)
En donde
denota el "producto de".
Por ejemplo, la versin lineal (n = 1) es:
(23)
108

y la versin de segundo orden es:
(24)
al igual que en el mtodo de Newton, la versin de Lagrange tiene un error

aproximado dado por:
(25)
La ecuacin (21) se deriva directamente del polinomio de Newton. Sin embargo, la

razn fundamental de la formulacin de Lagrange se puede comprender
directamente notando que cada trmino Li(X) ser 1 en X=Xi y 0 en todos los
dems puntos.
Por lo tanto, cada producto Li(X) f (Xi) toma un valor de f (Xi) en el punto Xi. Por
consiguiente la sumatoria de todos los productos, dada por la ecuacin (21) es el
nico polinomio de n-simo orden que pasa exactamente por los n+1 puntos.
Ejemplo 3.4
sese un polinomio de interpolacin de Lagrange de primer y segundo orden para
evaluar ln 2 en base a los datos:
i
f(X)
1.0
0.000 0000
4.0
1.386 2944
6.0
1.791 7595
Solucin:
El polinomio de primer orden es:
109

y, por lo tanto, la aproximacin en X = 2 es
de manera similar, el polinomio de segundo orden se desarrolla como:
Como se expresaba, ambos resultados son similares a los que se obtuvieron

previamente usando la interpolacin polinomial de Newton.
En resumen, para los casos en donde el orden del polinomio se desconozca, el
mtodo de Newton tiene ventajas debido a que profundiza en el comportamiento
de las diferentes frmulas de orden superior. Adems la aproximacin del error
dada por la ecuacin (20), en general puede integrarse fcilmente en los clculos
de Newton ya que la aproximacin usa una diferencia dividida. De esta forma,
desde el punto de vista de clculo, a menudo, se prefiere el mtodo de Newton.
Cuando se va a llevar a cabo slo una interpolacin, ambos mtodos, el de
Newton y el de Lagrange requieren de un esfuerzo de clculo similar. Sin
embargo, la versin de Lagrange es un poco ms fcil de programar. Tambin
existen casos en donde la forma de Newton es ms susceptible a los errores de
redondeo. Debido a esto y a que no se requiere calcular y almacenar diferencias
divididas, la forma de Lagrange se usa, a menudo, cuando el orden del polinomio
se conoce a priori.
Comentarios adicionales
Hay dos temas adicionales que se deben de mencionar: La interpolacin con los
datos igualmente espaciados y la Extrapolacin.
Ya que los mtodos de Newton y de Lagrange son compatibles con los datos
espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de
los datos igualmente espaciados. Antes del advenimiento de las computadoras
110

digitales, estos mtodos tuvieron gran utilidad en la interpolacin de tablas con

datos igualmente espaciados. De hecho se desarrolla un esquema conocido como
tabla de diferencias divididas para facilitar la implementacin de estas tcnicas.
Sin embargo, y debido a que las frmulas son un subconjunto de los esquemas de
Newton y Lagrange compatibles con la computadora y ya que se dispone de
muchas funciones tabulares como rutinas de biblioteca, la necesidad de puntos
equidistantes se fue perdiendo. En particular, se puede emplear en la derivacin
de frmulas de integracin numrica que emplean comnmente datos
equidistantes.
La extrapolacin es el proceso de calcular un valor de f(X) que cae fuera del rango
de los puntos base conocidos X0, X1,..., Xn. La interpolacin ms exacta
usualmente se obtiene cuando las incgnitas caen cerca de los puntos base.
Obviamente, esto no sucede cuando las incgnitas caen fuera del rango, y por lo
tanto, el error en la extrapolacin puede ser muy grande. La naturaleza abierta en
los extremos de la extrapolacin representa un paso en la incgnita porque el
proceso extiende la curva ms all de la regin conocida. Como tal, la curva
verdadera diverge fcilemte de la prediccin. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar.
111

Leccin 11 Polinomios de interpolacin con diferencias divididas de

newton
Interpolacin lineal
La frmula ms simple de interpolacin es la de conectar dos puntos con una lnea
recta. Este mtodo, llamado Interpolacin Lineal, se muestra en la figura.
Fig. 1
Usando tringulos semejantes, se tiene:
(2)
Que se puede reordenar como:
112

(3)
La cul es la frmula de interpolacin lineal. La notacin f1(X) indica que se trata

de un polinomio de interpolacin de primer orden. Ntese que adems de
representar la pendiente de la lnea que conecta los dos puntos, el trmino [f(X1) f(X2)] / (X1 - X2) es una aproximacin de diferencias divididas finitas a la primera
derivada. En general, entre mas pequeo sea el intervalo entre los puntos, ms
exacta ser la aproximacin.
EJEMPLO 3.1
Calclese el logaritmo natural de 2 (ln 2) usando interpolacin lineal.
Primero, llvese a cabo los clculos interpolando entre ln 1 = 0 y ln 6 =
1.7917595.
Despus reptase el procedimiento, pero usando un intervalo ms pequeo desde
ln 1 a ln 4 = 1.3862944.
Ntese que el valor real de ln 2 = 0. 69314718
SOLUCIN:
Evaluando la frmula de interpolacin lineal (3) de X = 1 a X = 6 da:
La cual representa un error porcentual de e% = 48.3 %. Usando el intervalo ms

pequeo desde X = 1 a X = 4 da:
Por lo contrario, usando el intervalo ms pequeo reduce el error relativo

porcentual a e% = 33.3%
113

Interpolacin cuadrtica
clase/tema2/interp02.html - atras El error en el ejemplo 3.1 se debe a que se aproxima a
una curva mediante una lnea recta. Por consiguiente, una estrategia que mejora la
aproximacin es la de introducir cierta curvatura en a lnea que conecta a los puntos. Si se
dispone de tres puntos lo anterior se puede llevar a cabo con un polinomio de segundo
orden (llamado tambin polinomio cuadrtico o parbola). Una manera conveniente para
este caso es:
(4)
Ntese que aunque la ecuacin (4) parezca diferente de la ecuacin general de un

polinomio (1), las dos ecuaciones son equivalentes.
Esto se puede demostrar si se multiplican los trminos de la ecuacin (4) y
obtener:
(5)
O, agrupar trminos:
(6)
En donde:
(7)
114

De esta manera, las ecuaciones (1) y (4) son frmulas alternativas equivalentes
del nico polinomio de segundo grado que une a los tres puntos.
Se puede usar un procedimiento simple para determinar los valores de los
coeficientes. Para b0, se usa la ecuacin (4) con X = X0, y se obtiene
b0 = f(X0) (8)
Sustituyendo la ecuacin (8) en la ecuacin (4) y evaluando en X = X1 se obtiene:
(9)
Y por ltimo, las ecuaciones (8) y (9) se sustituyen en la ecuacin (4), y se evala
sta en X = X2 y se obtiene:
(10)
Ntese que, al igual que en el caso de interpolacin lineal, b1 an representa la

pendiente de la lnea que une los puntos X0 y X1. Por lo tanto, los primeros dos
trminos de la ecuacin (4) son equivalentes a la interpolacin de X0 a X1, como
se especific anteriormente en la ecuacin (3). El ltimo trmino, b2(X-X0) (X-X1),
introduce la curvatura de segundo orden en la frmula.
Ejemplo 3.2
Ajstese el polinomio de segundo orden a los tres puntos usados en el ejemplo 3.1
X0 = 1 f (X0) = 0.0000 000
X1 = 4 f (X1) = 1.3862 944
X2 = 6 f (X2) = 1.7917 595
sese el polinomio para evaluar ln 2

115

SOLUCIN:
Aplicando la ecuacin (8) da:
b0 = 0
la ecuacin (9) genera:
Y la ecuacin (10) da:
Sustituyendo estos valores en la ecuacin (4) se obtiene la frmula cuadrtica:

f 2 ( X ) = 0 + 0.4620981 (X - 1) - 0.05187312 (X - 1) (X - 4)
que se evala en X = 2 y se obtiene

f 2 ( 2 ) = 0.5658443
Lo que representa un error porcentual del e% = 18.4%. Por lo tanto, mejora la

interpolacin comparada con los resultados obtenidos al usar una lnea recta
(ejemplo 3.1).
116

Leccin 12 Interpolacin polinomial de las diferencias finitas de

newton
clase/tema2/interp03.html - atrasEl anlisis anterior se puede generalizar en el ajuste de un
polinomio de n-simo orden a los n+1 puntos. El polinomio de n-simo orden es:
(11)
Como se hizo anteriormente con las interpolaciones lineales y cuadrticas, se

usan los puntos en la evaluacin de los coeficientes b0, b1,..., bn.
Se requieren n + 1 puntos para obtener un polinomio de n-simo orden: X0, X1,...,
X n.
Usando estos datos, con las ecuaciones siguientes se evalan los coeficientes:
B0 = f (X0)
B1 = f [X1, X0]
B2 = f [X2, X1, X0]
(12)
...
bn = f [Xn, Xn-1, ..., X1, X0]
En donde las evaluaciones de la funcin entre corchetes son diferencias divididas

finitas.
Por ejemplo, la primera diferencia dividida finita se representa generalmente como:
117

(13)
La segunda diferencia dividida finita, que representa la diferencia de dos primeras

diferencias divididas finitas, se expresa generalmente como:
(14)
De manera similar, la n-sima diferencia dividida finita es:
(15)
Estas diferencias se usan para evaluar los coeficientes de la ecuacin (12), los
cuales se sustituyen en la ecuacin (11), para obtener el polinomio de
interpolacin:
f n (X) = f(X0) + (X-X0) f[X1, X0] + (X-X0)(X-X1) f[X2, X1, X0] +
(16)
...+ (X-X0)(X-X1)...(X-Xn-1) f[Xn, Xn-1,...,X1, X0]
Al cual se le llama Polinomio de Interpolacin con Diferencias Divididas de

Newton.
Se debe notar que no es necesario que los datos usados en la ecuacin (16) estn
igualmente espaciados o que los valores de la abscisa necesariamente se
encuentren en orden ascendente, como se ilustra en el ejemplo 3.3
Todas las diferencias pueden arreglarse en una tabla de diferencias divididas, en
donde cada diferencia se indica entre los elementos que la producen:
118

Xi
f(Xi)
Primera
Segunda
Tercera
X0
f(X0)
f(X1, X0)
f(X2, X1, X0)
f(X3, X2, X1, X0)
X1
f(X1)
f(X2, X1)
f(X3, X2, X1)
X2
f(X2)
f(X3,X2)
X3
f(X3)
EJEMPLO 3.3
Usando la siguiente tabla de datos, calclese ln 2 con un polinomio de
interpolacin de Newton con diferencias divididas de tercer orden:
f(X)
0.000 0000
1.386 2944
1.791 7595
1.609 4379
SOLUCIN:
El polinomio de tercer orden con n = 3, es.
119

Las primeras diferencias divididas del problema son:
Las segundas diferencias divididas son:
La tercera diferencia dividia es:
Los resultados para f(X1, X0), f(X2, X1, X0) y f(X3, X2, X1, X0) representan los
coeficientes b1, b2 y b3 Junto con b0 = f (X0) = 0.0, la ecuacin da:
f 3 (X) = 0 + 0.46209813 (X-1) - 0.0518731 (X-1)(X-4) + 0.0078655415 (X-1)(X-4)(X-6)
Arreglando la tabla de diferencias
120

f [X]
f1[]
f2[]
f3[]
1.0 0.00000000 0.46209813 - 0.051873116 0.0078655415

4.0 1.3862944
0.20273255 - 0.020410950
6.0 1.7917595
0.18232160
5.0 1.6094379
Con la ecuacin anterior se puede evaluar para X = 2

f 3 (2) = 0.62876869
Lo que representa un error relativo porcentual del e% = 9.3%.

Ntese que la estructura de la ecuacin (16) es similar a la expresin de la serie
de Taylor en el sentido de que los trminos agregados secuencialmente
consideran el comportamiento de orden superior de la funcin representada. Estos
trminos son diferencias divididas finitas, y por lo tanto, representan
aproximaciones a las derivadas de orden superior. En consecuencia, como sucede
con la serie de Taylor, si la funcin representativa es un polinomio de n-simo
orden, el polinomio interpolante de n-simo orden bajado en n + 1 llevar a
resultados exactos.
El error por truncamiento de la serie de Taylor es:
(17)
en donde es un punto cualquiera dentro del intervalo (Xi, Xi+1). Una relacin
anloga del error en un polinomio interpolante de n-simo orden est dado por:
(18)
121

En donde es un punto cualquiera dentro del intervalo que contiene las incgnitas
y los datos. Para uso de esta frmula la funcin en cuestin debe ser conocida y
diferenciable. Y usualmente, este no es el caso.
Afortunadamente existe una frmula alternativa que no requiere conocimiento
previo de la funcin. En vez de ello, se usa una diferencia dividida finita que
aproxima la (n+1)-sima derivada:
Rn = f [X, Xn, Xn-1,..., X1, X0] (X-X0) (X-X1)...(X-Xn) (19)
en donde f(X, Xn, Xn-1, ... , X0) es la (n+1)-sima diferencia dividida.

Ya que la ecuacin (19) contiene la incgnita f(X), sta no se puede resolver y
obtener el error. Sin embargo, si se dispone de un dato adicional f(Xn+1), la
ecuacin (19) da una aproximacin del error como:
(20)
122

Leccin 13 Ajuste de curvas
Supongamos que tenemos un conjunto de puntos que mostramos en la siguiente grfica
De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un
polinomio de segundo grado de la forma:
(1)
Esta ecuacin (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores de a 1, a 2, a 3, etc.
Para determinar estos valores utilizamos el siguiente procedimiento:

1. Establecer el criterio para determinar la ecuacin que represente a los valores
(obtenidos experimentalmente).
2. Escribir la ecuacin que expresa el error o desviacin entre el valor observado y
los valores dados por la ecuacin.
3. Habiendo obtenido la ecuacin del error, minimizar dicho error.
123

Evaluacin del error

Si consideramos las parejas de datos, como se muestra en la grfica
donde:
d = distancia = Yobservada - Y obtenida por la ecuacin
Yobservada = Valor obtenido experimentalmente.
Y obtenida por la ecuacin = valor de la funcin evaluada en cualquier valor X
Observando la grfica, parece que esta distancia se puede usar para representar el error,
pero habr distancias positivas y negativas, (como se puede observar la distancia d1 es
positiva y la distancia d2 es negativa) de modo que el error promedio para los puntos
como los mostrados ser pequeo aunque los errores individuales sean grandes.
Esta dificultad podra ser resuelta usando el valor absoluto de las distancias, sin embargo
al derivar la funcin del valor absoluto se generan ciertos problemas.
La solucin podra ser definir el error como el cuadrado de la distancia, esto elimina la
dificultad del signo. Por esta razn el mtodo se llama: Mtodo de Mnimos Cuadrados.
(2)
124

En donde S es la suma de los cuadrados de las diferencias entre el valor calculado y el

valor observado y por lo tanto es el valor que se debe minimizar
(3)
Siendo el caso de que la curva supuesta es una ecuacin de segundo grado, se tiene la
ecuacin:
(4)
Para minimizar la funcin anterior, derivando parcialmente con respecto a a 1, a 2 y a 3 e

igualando a cero:
(5)
(Obsrvese que las variables son a 1, a 2 y a 3, mientras que Yi, X i son constantes)
Las ecuaciones se pueden expresar de acuerdo como sigue:
(6)
125

Lo anterior lo podemos expresar en forma matricial:
(7)
La frmula general para un polinomio de grado n en donde hay m parejas de datos es:
126

(8)
Como se puede observar el problema consiste en lo siguiente:

1. Obtener la matriz de coeficientes.
2. Resolver el sistema de ecuaciones resultantes.
Recordando que:
1. Si n es el grado del polinomio, hay n+1 valores de la matriz de coeficientes y n+1
ecuaciones.
2. El mximo exponente de X en los trminos de la sumatoria de 2n puede ser que
los datos no representen un polinomio de 2o grado sino que representen uno de 3o
y 4o grados.
El ajuste de curvas es un procedimiento de tanteo y error, si una curva no representa los
datos, entonces se intenta con un polinomio de grado superior.
EJEMPLO:
X
0.00
0.0000
0.60
0.6367
0.10
0.1002
0.70
0.7586
0.20
0.2013
0.80
0.8881
127

0.30
0.3045
0.90
1.0265
0.40
0.4108
1.00
1.1752
0.50
0.5211
De la tabla de datos, usando Mnimos Cuadrados, determine los polinomios de 2o,

3o y 4o grado; graficar para determinar la curva ms aproximada.
SOLUCIN
Polinomio de segundo grado
../../../Documents
and
Settings/ESC.
AGRARIAS/Escritorio/para
clase
y
cuaciones/metodos para clase/tema4/minim02.html - atrasPrimero determinamos los
coeficientes de la matriz y los elementos constantes. Los elementos de la matriz
son:
M =11
Los trminos constantes son:
128

De acuerdo con esto, el sistema de ecuaciones a resolver es el siguiente:
Resolviendo por Gauss se obtienen los siguientes resultados.

a1 = 0.006727
a2 = 0.895462
a3 = 0.265963
y el polinomio de segundo grado es:
Polinomio de tercer grado

../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y
cuaciones/metodos para clase/tema4/minim02.html - atras Para el caso del polinomio de
3er grado se requiere:
M =11
129

y el sistema de ecuaciones a resolver es:
cuya solucin es:

a1 = - 0.000112
130

a2 = 1.004150
a3 = - 0.019075
a4 = 0.190032
y el polinomio queda:
Polinomio de cuarto grado

../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y
cuaciones/metodos para clase/tema4/minim02.html - atras Repitiendo el procedimiento
anterior, se obtienen los siguientes resultados
a1 = - 0.000112
a2 = 0.994595
a3 = 0.028713
a4 = 0.113563
a5 = 0.038237
quedando el polinomio como se muestra:
131

Leccin 14 Transformadas discretas de fourier.
La transformada de Fourier
La transformada de Fourier de una funcin continua e integrable de una variable
real x se define por
Observemos que la transformada de una funcin real es una funcin compleja. Es

decir, F(u)=R(u)+I(u), donde R(u) e I(u) son la parte real e imaginaria de F(u),
respectivamente.
La variable u recibe el nombre de variable de frecuencia.
El mdulo de F(u), |F(u)|= (R(u)2+ I(u)2)1/2 recibe el nombre del espectro de
Fourier.
El cuadrado del espectro se denomina espectro de potencias o densidad
espectral de f(x).
Su ngulo P(u)=arctg(I(u)/R(u)) recibe el nombre de fase.
La inversa de la transformada se define como:
132

Anlogamente, se define la transformada de Fourier de una funcin continua e

integrable de 2 variables:
y su inversa como
Transformada de Fourier discreta

Sea f(x,y) una imagen en niveles de grises, tal que x=0,1,...,N-1
y=0,1,...,N-1;
f(x,y) toma valores discretos representando el nivel de gris del
pxel (x,y) entonces, la transformada discreta de Fourier de la imagen consiste en

una funcin F(u,v) tal que
u=0,1,...,N-1
v=0,1,...,N-1:
y su inversa como
133

Propiedades de la transformada de Fourier
En este apartado, nos vamos a centrar en las propiedades de la transformada de

Fourier discreta bidimensional (TFD).
La Separabilidad
Esta propiedad de la TFD esta relacionada con la posibilidad de calcular la TFD de
una funcin bidimensional como una combinacin de dos transformadas Fourier
discretas, calculando primero una TFD sobre la variable de uno de los ejes y al
resultado aplicarle de nuevo la TFD sobre la variable del otro eje.
La ventaja que aporta esta propiedad es el hecho de poder obtener la
transformada F(x,y) o la inversa f(x,y) en dos pasos, mediante la aplicacin de la
Transformada de Fourier 1-D o su inversa:
donde
Por tanto, la transformada de la matriz f(x,y) se ha realizado, calculando primero la

transformada unidimensional a cada una de sus filas y multiplicando el resultado
por N. Posteriormente, se calcula la transformada a cada una de las columnas de
la matriz F(x,v)
134

La linealidad
La transformada de Fourier y su inversa son transformaciones lineales, es decir,
poseen la propiedad distributiva respecto de la suma.
La traslacin
Tanto la transformada discreta de Fourier como la transformada inversa, son
peridicas de periodo N.
Un caso particular de esta propiedad consiste en mover el origen de la
transformada de Fourier de f(x,y) al centro de la matriz N X N que le corresponda,
es decir al punto (N/2,N/2). Para ello, podemos hacer uso de que:
f(x,y)(-1)x+y se hace corresponder con F(u-n/2,v-N/2)
Tambin cabe resaltar, que un desplazamiento en la funcin f(x,y), no provocar
un cambio en la magnitud de su transformada de Fourier. Vase esto
matemticamente en la siguiente expresin:
La Simetra
La transformada de Fourier de una funcin f(x,) es real es simtrica conjugada.
Esto provoca que:
|F(u,v)|=|F(-u,-v)|
Por tanto, gracias a esta propiedad de simetra, para calcular la magnitud de los
puntos de un periodo completo, tan slo necesitamos calcular los N/2+1 primeros
puntos, siempre y cuando el origen de la transformada este centrado en el punto
(N/2,N/2).Para conseguir este movimiento del origen en la transformada, podemos
aplicar la propiedad de traslacin.
La rotacin
135

Si rotamos la funcin f(x,y) un ngulo determinado, la transformada de Fourier

tambin ser afectada por una rotacin del mismo ngulo. Esta propiedad tambin
se da a la inversa, es decir, si la transformada se rota en un determinado ngulo,
la transformada inversa tambin se ver rotada ese mismo ngulo.
Valor promedio
Una definicin ampliamente utilizada del valor promedio de una funcin discreta de
dos dimensiones es:
Esta expresin se puede calcular a partir de la transformada de Fourier, sin ms

que sustituir en la funcin F(u,v) para el punto (0,0).Por tanto, el valor promedio se
puede expresar matemticamente en funcin de la transformada de Fourier, como
sigue:
Representacin del logaritmo del espectro

El espectro de Fourier suele tener un rango mucho mayor que los usuales para
mostrar una imagen. Una tcnica usual para evitar esto es considerar el logaritmo
del espectro usando la frmula
D(u,v)=C(log(1+|F(u,v)|))
donde C es una constante adecuada de reescalado de la imagen, que se aplica
para obtener valores dentro de la paleta de colores disponible.
136

EJERCICIOS
NOTA: Cuando sea necesario, redondea a cinco decimales.

1. Calcula el polinomio de interpolacin de Newton para los siguientes datos:
i)
x 2 2 1
4
y 0.5 3 2.4 7.8
ii)
x 0.3 0.6 0.9 1.2 1.5

y 3 0 6 9 12
Soluciones:
i) f ( x) 0.5 0.875( x 2) 0.925( x 2)( x 2) 0.4625( x 2)( x 2)( x 1)
ii ) f ( x) 3 10( x 0.3) 50( x 0.3)( x 0.6) 185.18519( x 0.3)( x 0.6)( x 0.9)

447.53088( x 0.3)( x 0.6)( x 0.9)( x 1.2)
2. Calcula el polinomio de Lagrange para los siguientes datos:
i)
ii)
x
1
2
3
5
y 1.56 3.54 2.57 8.9
x 1.5 0.5 1 2 4
y
9
2 5 33 0
Soluciones:
137

( x 2)( x 3)( x 5)
( x 1)( x 3)( x 5)
( x 1)( x 2)( x 5)
i) p( x) 1.56
3.54
2.57
36
45
80
( x 1)( x 2)( x 3)
8.9
144
( x 0.5)( x 1)( x 2)( x 4)

( x 1.5)( x 1)( x 2)( x 4)
ii ) p( x) 9
2
3.125
7.875
( x 1.5)( x 0.5)( x 2)( x 4)

( x 1.5)( x 0.5)( x 1)( x 4)
5
33
56.25
4.5
3. Calcula las splines cbicas para los siguientes datos:
i)
x 2 1
3
y 40 5 20
i)
x 5 2 3
7
y 20 4 6 40
Soluciones:
i)
0.25 x 3 1.5 x 2 14.25 x 7.5

si
s ( x)
3
2
0.375 x 3.375 x 16.125 x 8.125 si
x 2,1
x 1,3
138

ii )
5
75 2
5860
526
x 3 526
x 4703
si x 5,2
789 x 789
3
2257 2
15619
8012
s ( x) 1241
si x 2,3
7890 x 2630 x 3945 x 1315
299 x 3 2093 x 2 10511 x 860 si
x 3,7
526
789
263
1578
139

UNIDAD 3:
DIFERENCIACIN, INTEGRACIN NUMRICA Y SOLUCIN DE
ECUACIONES DIFERENCIALES
CAPITULO 5: DIFERENCIACIN NUMRICA E

INTEGRACIN NUMRICA
Leccin 15 Diferenciacin Numrica
Concentremos ahora nuestra atencin

a procedimientos para diferenciar
numricamente funciones que estn
definidas mediante datos tabulados o
mediante curvas determinadas en
forma experimental.
Un mtodo consiste en aproximar la
funcin en la vecindad del punto en
que se desea la derivada, mediante
una parbola de segundo, tercer o mayor grado, y utilizar entonces la derivada de la
parbola en ese punto como la derivada aproximada de la funcin.
Otro ejemplo, que comentaremos aqu, utiliza los desarrollos en serie de Taylor.
La serie de Taylor para una funcin Y = f(X) en
respecto al punto Xi es
, desarrollada con
(1)
en donde Yi es la ordenada que corresponde a Xi y

regin de convergencia. La funcin para
se encuentra en la
est dada en forma similar por:
140

(2)
Utilizando solamente los tres primeros trminos de cada desarrollo, podremos obtener
una expresin para Y'i restando la ec. (2) de la ec. (1),
(3)
Frmulas de diferencia
(Diferencias centrales, hacia adelante y hacia atrs)
clase/tema6/derivada.html - atras
Fig. 1
Observando la figura, vemos que si designamos los puntos uniformemente espaciados a
la derecha de Xi como Xi+1 , Xi+2, etc. y los puntos a la izquierda de Xi como Xi-1, Xi-2 ,
etc. e identificamos las ordenadas correspondientes como Yi+1, Yi+2, Yi-1, Yi-2,
respectivamente, la ec. (3) se puede escribir en la forma:
(4)
141

La ec. (4) se denomina la primera aproximacin, por Diferencias Centrales de Y', para X.
La aproximacin representa grficamente la pendiente de la recta discontinua mostrada
en la figura. La derivada real se representa mediante la lnea slida dibujada como
tangente a la curva en Xi.
Si sumamos las ecuaciones (1) y (2) y utilizamos la notacin descrita previamente,
podemos escribir la siguiente expresin para la segunda derivada:
(5)
La ec. (5) es la primera aproximacin, por Diferencias Centrales, de la segunda derivada

de la funcin en Xi. Esta expresin se puede interpretar grficamente como la pendiente
de la tangente a la curva en Xi+1/2 menos la pendiente de la tangente a la curva en Xi-1/2
dividida entre
las expresiones:
, cuando las pendientes de las tangentes estn aproximadas mediante
(6)
es decir,
(7)
Para obtener una expresin correspondiente a la tercera derivada, utilizamos cuatro

trminos en el segundo miembro de cada una de las ecs. (1) y (2). Restando la ec. (2) de
la ec. (1) se obtiene:
142

(8)
Si desarrollamos la serie de Taylor respecto a Xi para obtener expresiones

correspondientes a Y = f(X) en
obtenemos:
, respectivamente,
(9)
Restando la primera ec. (9) de la segunda, y utilizando solamente los cuatro trminos
mostrados para cada desarrollo, se obtiene:
(10)
La solucin simultnea de las ecs. (8) y (10) produce la tercera derivada:
(11)
La ec. (11) es la primera expresin de Diferencias Centrales correspondiente a la tercera

derivada de Y en Xi.
Por este mtodo se pueden obtener derivadas sucesivas de mayor orden, pero como
requieren la solucin de un nmero cada vez mayor de ecuaciones simultneas, el
proceso se vuelve tedioso. La misma tcnica se puede utilizar tambin para encontrar
expresiones ms precisas de las derivadas utilizando trminos adicionales en el desarrollo
en serie de Taylor. Sin embargo, la derivacin de expresiones ms precisas,
143

especialmente para derivadas de orden superior al segundo, se vuelve muy laboriosa

debido al nmero de ecuaciones simultneas que se deben resolver.
No se presentan aqu esas derivaciones, pero dichas expresiones, para diferentes
derivadas, se incluyen en el resumen que sigue a estos comentarios.
Las expresiones correspondientes a las derivadas de mayor orden se logran con mucho
mayor facilidad y bastante menos trabajo, utilizando operadores de diferencias, de
promedios y de derivacin. Este mtodo se encuentra fuera de los alcances fijados, pero
se pueden encontrar en varios libros referentes al anlisis numrico.
Se ha demostrado que las expresiones de Diferencias Centrales para las diversas
derivadas encierran valores de la funcin en ambos lados del valor X en que se desea
conocer la derivada en cuestin. Utilizando desarrollos convenientes en serie de Taylor,
se pueden obtener fcilmente expresiones para las derivadas, completamente en
trminos de valores de la funcin en Xi y puntos a la derecha de Xi. Estas se conocen
como expresiones de Diferencias Finitas Hacia Adelante.
En forma similar, se pueden obtener expresiones para las derivadas que estn totalmente
en trminos de valores de la funcin en Xi y puntos a la izquierda de Xi. Estas se conocen
como expresiones de Diferencias Finitas Hacia Atrs.
En la diferenciacin numrica, las expresiones de diferencias hacia adelante se utilizan
cuando no se dispone de datos a la izquierda del punto en que se desea calcular la
derivada, y las expresiones de diferencias hacia atrs, se utilizan cuando no se dispone
de datos a la derecha del punto deseado. Sin embargo, las expresiones de diferencias
centrales son ms precisas que cualquiera de las otras dos.
Resumen de frmulas de diferenciacin
clase/tema6/deriva02.html - atrasLo que sigue es un resumen de las frmulas de
diferenciacin que se pueden obtener a base de desarrollos en serie de Taylor.
144

Expresiones de Primeras Diferencias Centrales
(12)
Expresiones de Segundas Diferencias Centrales
(13)
145

Expresiones de Primeras Diferencias Hacia Adelante
(14)
Expresiones de Segundas Diferencias Hacia Adelante
(15)
146

Expresiones de Primeras Diferencias Hacia Atrs
(16)
Expresiones de Segundas Diferencias Hacia Atrs
(17)
EJEMPLO
clase/tema6/deriva02.html - atrassense aproximaciones de Diferencias Finitas Hacia
Adelante, Hacia Atrs y Centradas para estimar la primera derivada de:
147

Utilizando un tamao de paso de

Repetir los clculos usando
= 0.5.
= 0.25.
Ntese que la derivada se puede calcular directamente como:
y evaluando tenemos:
f'(0.5) = -0.9125
SOLUCIN:
Para
= 0.5 se puede usar la funcin para determinar:

Xi-1 = 0.0
Yi-1 = 1.200
Xi = 0.5
Yi = 0.925
Xi+1 = 1.0
Yi+1 = 0.200
Estos datos se pueden utilizar para calcular la Diferencia Hacia Adelante:
la Diferencia Dividida Hacia Atrs ser:
y la Diferencia Dividida Central:
148

Para
= 0.25, los datos son:

Xi-1 = 0.25
Yi-1 = 1.10351563
Xi = 0.50
Yi = 0.92500000
Xi+1 = 0.75
Yi+1 = 0.63632813
que se usarn para calcular la Diferencia Dividida Hacia Adelante:
la Diferencia Dividida Hacia Atrs:
y la Diferencia Dividida Central:
Para los dos tamaos de paso, las aproximaciones por Diferencias Centrales son ms
exactas que las Diferencias Divididas Hacia Adelante o las Diferencias Divididas Hacia
Atrs. Tambin, como lo predijo el anlisis de la serie de Taylor, la divisin del intervalo en
dos partes iguales, divide a la mitad el error de las Diferencias Hacia Atrs o Hacia
Adelante y a la cuarta parte el error de las Diferencias Centrales.
En ingeniera se presenta con frecuencia la necesidad de integrar una funcin que sera,
en general, de una de las tres formas siguientes:
1. Una funcin simple y continua tal como un polinomio, una funcin exponencial o
una funcin trigonomtrica.
2. Una funcin complicada y continua que es difcil o imposible de integrar
directamente.
3. Una funcin tabulada en donde los valores de X y f(X) se dan en un conjunto de
puntos discretos, como es el caso a menudo, de datos experimentales.
149

En el primer caso, la integral simplemente es una funcin que se puede evaluar fcilmente
usando mtodos analticos aprendidos en el clculo. En los dos ltimos casos, sin
embargo, se deben emplear mtodos aproximados.
Las frmulas de integracin de Newton-Cotes son los esquemas ms comunes dentro de
la integracin numrica. Se basan en la estrategia de reemplazar una funcin complicada
o un conjunto de datos tabulares con alguna funcin aproximada que sea ms fcil de
integrar.
La integral se puede aproximar usando una serie de polinomios aplicados por partes a la
funcin o a los datos sobre intervalos de longitud constante.
Se dispone de las formas abierta y cerrada de las frmulas de Newton-Cotes. Las formas
cerradas son aquellas en donde los puntos al principio y al final de los lmites de
integracin se conocen. Las frmulas abiertas tienen los lmites de integracin extendidos
ms all del rango de los datos. Las frmulas abiertas de Newton-Cotes, en general, no
se usan en la integracin definida. Sin embargo, se usan extensamente en la solucin de
ecuaciones diferenciales ordinarias.
150

Leccin 16 Integracin Numrica

Leccin 17 Regla del trapecio
La regla del trapecio o regla trapezoidal es una de las frmulas cerradas de NewtonCotes.
Considrese la funcin f(X), cuya grfica entre los extremos X = a y X = b se muestra en
la fig. 1. Una aproximacin suficiente al rea bajo la curva se obtiene dividindola en n
fajas de ancho
indica en la figura.
y aproximando el rea de cada faja mediante un trapecio, como se
Fig. 1
Llamando a las ordenadas Y i (i = 1, 2, 3,...., n+1), las reas de los trapecios son:
151

(1)
El rea total comprendida entre X = a y X = b est dada por:
(2)
Sustituyendo las ecs. (1) en esta expresin se obtiene:
(3)
La cual recibe el nombre de Frmula Trapezoidal, y se puede expresar como:
(4)
En esencia, la tcnica consiste en dividir el intervalo total en intervalos pequeos y

aproximar la curva Y = f(X) en los diversos intervalos pequeos mediante alguna curva
ms simple cuya integral puede calcularse utilizando solamente las ordenadas de los
puntos extremos de los intervalos.
152

Si la funcin f(X) se puede expresar como una funcin matemtica continua que tiene
derivadas continuas f'(X) y f''(X), el error que resulta de aproximar el rea verdadera en
una faja bajo la curva f(X) comprendida entre Xi y Xi+1 mediante el rea de un trapecio,
se demuestra que es igual a:
(5)
Este error es la cantidad que se debe agregar al rea del trapecio para obtener el rea
real. Se llama Error por Truncamiento, ya que es el error que resulta de utilizar una serie
de Taylor truncada, en vez de una serie de Taylor completa, para representar en forma de
serie el rea de una faja. Generalmente no se puede valuar directamente el trmino
mostrado como error por truncamiento. Sin embargo, se puede obtener una buena
aproximacin de su valor para cada faja suponiendo que f '' es suficientemente constante
en el intervalo de la faja (se supone que las derivadas de orden superior son
despreciables) y evaluando f '' para
. La estimacin del error por truncamiento
para la integracin total se obtiene sumando las estimaciones para cada faja. Si la
estimacin obtenida para el error total por truncamiento es mayor de lo que se puede
tolerar, se debe utilizar una faja ms angosta o un mtodo ms preciso.
Otro error que se introduce al obtener el rea aproximada de cada faja es el Error por
Redondeo. Este se produce cuando las operaciones aritmticas requeridas se efectan
con valores numricos que tienen un nmero limitado de dgitos significativos.
Se puede demostrar que una aproximacin a el lmite del error por redondeo es:
(6)
Tenemos entonces que el lmite en el error por redondeo aumenta proporcionalmente a

, lo cual pronto domina al error por truncamiento que es proporcional a
En realidad, el error por redondeo en s no crece proporcionalmente con
.
sino con
en que 0 < p < 1, pero sin embargo an supera al error por truncamiento si
decrece lo suficiente.
153

El error por redondeo se puede minimizar utilizando aritmtica de doble precisin o

mediante compiladores que pueden manejar un gran nmero de dgitos significativos.
De la informacin anterior se puede ver que el error total en el intervalo de integracin
deseado, es la suma de los errores de truncamiento y redondeo. Si el error total se
debiera nicamente al error por truncamiento, se podra hacer tan pequeo como se
deseara reduciendo suficientemente el ancho de la faja. Por ejemplo, bisectando el ancho
de la faja se duplicara el nmero de errores por truncamiento que hay que sumar, pero la
expresin para el error en cada faja indica que cada uno sera aproximadamente un
octavo de su valor previo.
Sin embargo, disminuyendo el ancho de la faja se afectara tambin el error total al
aumentar el error por redondeo, debido al mayor nmero de operaciones que hay que
efectuar al valuar la ec. (3). Entonces, cuando se disminuye el ancho de la faja para
disminuir el error total, existe un punto ptimo en el cual disminuciones adicionales del
ancho de la faja haran que el error aumentara en lugar de disminuir, porque el error por
redondeo se volvera dominante. El ancho ptimo de la faja para una funcin especial se
puede determinar fcilmente en forma experimental en la computadora (suponiendo que
el rea real bajo la grfica de la funcin se puede valuar) pero es difcil definirlo
analticamente.
154

Leccin 18 Regla de Simpson
Adems de aplicar la regla trapezoidal con segmentos cada vez ms finos, otra manera
de obtener una estimacin ms exacta de una integral, es la de usar polinomios de orden
superior para conectar los puntos. Por ejemplo, si hay un punto medio extra entre f(a) y
f(b), entonces los tres puntos se pueden conectar con un polinomio de tercer orden.
A las frmulas resultantes de calcular la integral bajo estos polinomios se les llaman
Reglas de Simpson.
Regla de Simpson 1/3

La Regla de Simpson de 1/3 proporciona una aproximacin ms precisa, ya que consiste
en conectar grupos sucesivos de tres puntos sobre la curva mediante parbolas de
segundo grado, y sumar las reas bajo las parbolas para obtener el rea aproximada
bajo la curva. Por ejemplo, el rea contenida en dos fajas, bajo la curva f(X) en la fig. 2, se
aproxima mediante el rea sombreada bajo una parbola que pasa por los tres puntos:
(Xi , Yi)
(Xi+1, Yi+1)
(Xi+2, Yi+2)
Fig. 2
155

Por conveniencia al derivar una expresin para esta rea, supongamos que las dos fajas
que comprenden el rea bajo la parbola se encuentran en lados opuestos del origen,
como se muestra en la fig. 3. Este arreglo no afecta la generalidad de la derivacin.
La forma general de la ecuacin de la parbola de segundo grado que conecta los tres
puntos es:
(7)
La integracin de la ec. (7) desde hasta

dos fajas mostradas bajo la parbola. Por lo tanto:
proporciona el rea contenida en las
(8)
Fig. 3
La sustitucin de los lmites en la ec. (8) produce:

156

(9)
Las constantes a y c se pueden determinar sabiendo que los puntos
, (0,
Yi + 1), y
deben satisfacer la ec. (7). La sustitucin de estos tres pares de
coordenadas en la ec. (7) produce:
(10)
La solucin simultnea de estas ecuaciones para determinar las constantes a, b, c, nos

lleva a:
(11)
La sustitucin de la primera y tercera partes de la ec. (11) en la ec. (9) produce:
(12)
que nos da el rea en funcin de tres ordenadas Yi, Y i+1, Y i+2 y el ancho
faja.
de una
Esto constituye la regla de Simpson para determinar el rea aproximada bajo una curva
contenida en dos fajas de igual ancho.
157

Si el rea bajo una curva entre dos valores de X se divide en n fajas uniformes (n par), la
aplicacin de la ec. (12) muestra que:
(13)
Sumando estas reas, podemos escribir:
(14)
o bien
(15)
en donde n es par.
La ec. (15) se llama Regla de Simpson de un Tercio para determinar el rea aproximada
bajo una curva. Se puede utilizar cuando el rea se divide en un nmero par de fajas de
ancho
Si la funcin f(X) se puede expresar como una funcin matemtica continua que tiene
derivadas continuas f ' a
, el error que resulta de aproximar el rea verdadera de dos
fajas bajo la curva f(X) comprendida entre Xi-1 y Xi+1 mediante el rea bajo una parbola
de segundo grado, se demuestra que es:
158

(16)
Este error por truncamiento es la cantidad que se debe agregar al rea aproximada de
dos fajas, que se obtiene mediante la regla de un tercio de Simpson, para obtener el rea
real bajo la curva en ese intervalo. El trmino mostrado del error por truncamiento
generalmente no se puede valuar en forma directa. Sin embargo, se puede obtener una
buena estimacin de su valor para cada intervalo de dos fajas suponiendo que
es
suficientemente constante en el intervalo (se supone que las derivadas de orden superior
son despreciables) y valuando
para
. La estimacin del error por
truncamiento para toda la integracin se obtiene sumando las estimaciones
correspondientes a cada dos fajas. Si la estimacin del error total por truncamiento es
mayor de lo que se puede tolerar, se deben utilizar intervalos de dos fajas menores.
Considerando el error por redondeo que tambin aparece, existe un ancho ptimo de la
faja para obtener un error total mnimo en la integracin.
Regla de simpson 3/8

La derivacin de la Regla de los Tres Octavos de Simpson es similar a la regla de un
tercio, excepto que se determina el rea bajo una parbola de tercer grado que conecta 4
puntos sobre una curva dada. La forma general de la parbola de tercer grado es:
(17)
Fig. 4
159

En la derivacin, las constantes se determinan requiriendo que la parbola pase a travs

de los cuatro puntos indicados sobre la curva mostrada en la fig. 4. El intervalo de
integracin es de -
, lo que produce:
(18)
que es la regla de los tres octavos de Simpson.

La regla de Simpson de 3/8 tiene un error por truncamiento de:
(19)
Por lo tanto es algo ms exacta que la regla de 1/3.

La regla de Simpson de 1/3 es, en general, el mtodo de preferencia ya que alcanza
exactitud de tercer orden con tres puntos en vez de los cuatro puntos necesarios para la
versin de 3/8. No obstante la regla de 3/8 tiene utilidad en las aplicaciones de segmentos
mltiples cuando el nmero de fajas es impar.
EJEMPLO
Utilcese la regla trapezoidal de cuatro segmentos o fajas para calcular la integral
de
Desde a = 0 hasta b = 0.8 y calcular el error sabiendo que el valor correcto de la

integral es 1.64053334.
SOLUCIN
n=4
160

f(X)
0.0
0.200
0.2
1.288
0.4
2.456
0.6
3.464
0.8
0.232
Usando la frmula trapezoidal:
ex = 1.64053334 - 1.4848 = 0.15573334

e% = 9.5 %
1. Utilcese la regla de Simpson de 1/3 con n = 4 para calcular la integral

del inciso anterior
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos
para clase/tema5/integ03.html - atras
SOLUCIN
n=4
f(X)
0.0
0.200
0.2
1.288
161

0.4
2.456
0.6
3.464
0.8
0.232
Usando la regla de Simpson de 1/3
ex = 1.64053334 - 1.62346667 = 0.01706667

e% = 1.04 %
2. Utilcese la regla de Simpson de 3/8 para calcular la integral anterior:

../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos
para clase/tema5/integ03.html - atras SOLUCIN
Como se requieren cuatro puntos o tres fajas para la regla de Simpson de 3/8,
entonces:
f(X)
0.0000
0.20000000
0.2667
1.43286366
0.5333
3.48706521
0.8000
0.23200000
162

Usando la ecuacin de Simpson de 3/8
ex = 1.64053334 - 1.51917037 = 0.121164

e% = 7.4 %
3. Utilcese en conjuncin las reglas de Simpson de 1/3 y 3/8 para integrar la misma
funcin usando cinco segmentos.
SOLUCIN
Los datos necesarios para la aplicacin de cinco segmentos (h = 0.16) son:
f(X)
0.00
0.20000000
0.16
1.29691904
0.32
1.74339328
0.48
3.18601472
0.64
3.18192896
0.80
0.23200000
La integral de los primeros dos segmentos se obtiene usando la regla de Simpson

de 1/3:
Para los ltimos tres segmentos, se usa la regla de Simpson de 3/8 para obtener:
163

La integral total se calcula sumando los dos resultados:

I = 0.38032370 + 1.26475346 = 1.64507716
ex = 1.64053334 - 1.64507716 = -0.00454383
e% = -0.28 %
164

Leccin 19 Integracin de Romberg y Ejercicios del capitulo
Sea
el valor de la integral que aproxima a
particin de subintervalos de longitud

Entonces,
donde
mediante una
y usando la regla del trapecio.
es el error de truncamiento que se comete al aplicar la regla.
El mtodo de extrapolacin de Richardson combina dos aproximaciones de

integracin numrica, para obtener un tercer valor ms exacto.
El algoritmo ms eficiente dentro de ste mtodo, se llama Integracin de
Romberg
,
la
cual
es
una
frmula
recursiva.
Supongamos que tenemos dos aproximaciomnes :
Se puede demostrar que el error que se comete con la regla del trapecio para n
subintervalos est dado por las siguientes frmulas:
donde
es un promedio de la doble derivada entre ciertos valores que
pertenecen a cada uno de los subintervalos.
Ahora bien, si suponemos que el valor de
es constante, entonces :
165

Sustituyendo esto ltimo en nuestra primera igualdad, tenemos que:
De aqu podemos despejar
En el caso especial cuando
(que es el algoritmo de Romberg), tenemos :
166

Esta frmula es solo una parte del algoritmo de Romberg. Para entender el
mtodo, es conveniente pensar que se trabaja en niveles de aproximacin. En un
primer nivel, es cuando aplicamos la regla del Trapecio, y para poder usar la
frmula anterior, debemos de duplicar cada vez el nmero de subintervalos: as,
podemos comenzar con un subintervalo, luego con dos, cuatro, ocho, etc, hasta
donde se desee.
Posteriormente, pasamos al segundo nivel de aproximacin, que es donde se usa
la frmula anterior, tomando las parejas contiguas de aproximacin del nivel
anterior, y que corresponden cuando
Despus pasamos al nivel tres de aproximacin, pero aqu cambia la frmula de

Romberg, y as sucesivamente hasta el ltimo nivel, que se alcanza cuando solo
contamos con una pareja del nivel anterior.
Desde luego, el nmero de niveles de aproximacin que se alcanzan, depende de
las aproximaciones que se hicieron en el nivel 1. En general, si en el primer nivel,
iniciamos con n aproximaciones, entonces alcanzaremos a llegar hasta el nivel
de aproximacin n.
Hacemos un diagrama para explicar un poco ms lo anterior.
Ejemplo
Usar el algoritmo de Romberg, para aproximar la integral
1.
167

usando segmentos de longitud
Solucin.
Primero calculamos las integrales del nivel 1, usando la regla del trapecio para las
longitudes de segmentos indicadas:
Con estos datos, tenemos:
Ahora pasamos al segundo nivel de aproximacin donde usaremos la frmula que

se dedujo anteriormente:
168

donde
es la integral menos exacta (la que usa menos subintervalos) e

es la ms exacta (la que usa el doble de subintervalos).
En un diagrama vemos lo siguiente:
Para avanzar al siguiente nivel, debemos conocer la fmula correspondiente. De

forma similar a la deduccin de la frmula,
se puede ver que la frmula para el siguiente nivel de aproximacin (nivel 3)

queda como sigue:
donde:
es
la
integral
ms
exacta
es la integral menos exacta

En el siguiente nivel (nivel 4) se tiene la frmula
En el ejemplo anterior, obtenemos la aproximacin en el nivel 3 como sigue:
As, podemos concluir que el valor de la aproximacin, obtenido con el mtodo de

Romberg en el ejemplo 1, es:
169

Ejemplo
Usar el algoritmo de Romberg para aproximar la integral:
Agregando a la tabla anterior
donde
2.
Solucin.
Calculamos
con la regla del trapecio:
Tenemos entonces la siguiente tabla:
De donde conclumos que la aproximacin buscada es:
Ejemplo
Aproximar la siguiente integral:
3.
170

Usando el mtodo de Romberg con segmentos de longitud
Solucin.
Igual que arriba, primero usamos la regla del trapecio (con los valores de
indicados) para llenar el nivel 1. Tenemos entonces que:
A continuacin, usamos las frmulas de Romberg para cada nivel y obtenemos la

siguiente tabla:
De donde conclumos que la aproximacin buscada es:
Podemos escribir una frmula general para calcular las aproximaciones en cada
uno de los niveles como sigue:
171

DE ALGORITMO DE INTEGRACIN ROMBERG

Los coeficientes en cada una de las frmulas en el mtodo de Romberg,
deben
sumar
1.
As se tiene la siguiente frmula recursiva:
donde:
es
la
integral
ms
exacta
es la integral menos exacta

y el indice
digamos que
indica el nivel de integracin o de aproximacin. Por ejemplo,

, entonces tenemos:
que es nuestra frmula del nivel 2 de aproximacin.

Como todo proceso iterativo, ste se detiene cuando se obtiene una aproximacin
suficientemente buena. En este caso se pide que:
donde
es la cota suficiente.
Ejemplo
1.Aplicar el algoritmo de integracin de Romberg a la integral:
tomando
172

Solucin.
En este caso no sabemos exactamente cuantas aproximaciones debemos hacer
con la regla del trapecio. As que para comenzar hacemos los clculos
correspondientes a uno, dos, cuatro y ocho subintervalos:
Con estos datos, podemos hacer los clculos hasta el nivel 4. Tenemos la
siguiente tabla:
Haciendo los clculos de los errores, nos damos cuenta que efectivamente la
aproximacin se obtiene hasta el nivel 4, donde
Por lo tanto, concluimos que la aproximacin buscada es:
173

174

EJERCICIOS
1. Usar la regla del trapecio para aproximar,
i)
Dividiendo en un solo intervalo.
ii)
Dividiendo en 6 intervalos.
Soluciones: i) 3.4115
ii) 0.36907
2. Usar la regla de Simpson 1/3 para aproximar,
i)
ii)
ii) 76.94497
3. Usar la regla de Simpson 3/8 para aproximar,
i)
ii)
ii) 2.76501
4. Integrar las siguientes tablas de datos:

i)
ii)
175

Soluciones:
i) -17.11458
ii) 9.425
5. Usar el algoritmo de integracin de Romberg para aproximar,
i)
Usando 1, 2 y 4 intervalos.
ii)
Agregando al inciso anterior, 8 intervalos.
Soluciones:
i)
9.156626413
ii) 9.153287278
6. Aproxime la integral del EJEMPLO anterior, tomando

suficiente.
como cota
Solucin. 9.153112082
176

CAPITULO 6: SOLUCION DE ECUACIONES DIFERENCIALES

PROBLEMAS DE VALOR INICIAL PARA ECUACIONES
DIFERENCIALES
Ecuaciones diferenciales ordinarias

Las ecuaciones diferenciales tienen importancia fundamental en las aplicaciones,
ya que muchas leyes y relaciones fsicas pueden idealizarse matemticamente en
la forma de estas ecuaciones. En particular, el estudio de problemas de equilibrio
de sistemas continuos se encuentra dentro de este contexto.
Solucin de una ecuacin diferencial.
Dada una ecuacin diferencial ordinaria de orden n y cualquier grado, cuya forma
general es:
(1)
Se establece en matemticas que en su solucin general deben aparecer n

constantes arbitrarias. Entonces, puede aceptarse que la solucin general de (1)
es:
G( X , Y , C1 , C2 ,..., Cn ) 0 (2)
Grficamente esta ecuacin representa una familia de curvas planas, cada una de
ellas obtenidas para valores particulares de la n constante, C1 , C2 ,..., Cn , como se
ve en la grfica:
177

Cada una de estas curvas corresponde a una solucin particular de la ecuacin

diferencial (1) y analticamente puede obtenerse sujetando la solucin general (2)
a n condiciones independientes que permiten valuar las constantes arbitrarias.
Dependiendo de como se establezcan estas condiciones, se distinguen dos tipos
de problemas: los llamados de Valores Iniciales y los de Valores en la Frontera.
Un problema de valores iniciales est gobernado por una ecuacin diferencial de
orden n y un conjunto de n condiciones independientes todas ellas, vlidas para el
mismo punto inicial. Si la ecuacin (1) es la ecuacin diferencial que define el
problema, y X = a es el punto inicial, puede aceptarse que las n condiciones
independientes son:
(3)
Se tratar de obtener una solucin particular de (1) que verifique (3) como se
presenta en la grfica
178

Por el contrario, en los problemas de valores en la frontera deben establecerse

condiciones de frontera en todos y cada uno de los puntos que constituyen la
frontera del dominio de soluciones del problema. En particular en el espacio de
una dimensin, hay dos puntos frontera, por ejemplo, X = a y X = b, si el dominio
de soluciones es el intervalo cerrado
; por esto mismo el orden
mnimo de la ecuacin diferencial de un problema de valores en la frontera ser
dos y como podemos observar en la siguiente grfica:
179

Bsicamente la solucin numrica de ecuaciones diferenciales consiste en

sustituir el dominio continuo de soluciones por uno discreto formado por puntos
aislados igualmente espaciados entre s.
As, en un problema de valores iniciales, el dominio de definicin de soluciones
se sustituye por el conjunto infinito numerable de puntos,
X 0 a, X 1 X 0 h, X 2 X 0 2h, X 3 X 0 3h,...
y en el caso de valores en la frontera se sustituye el intervalo
conjunto finito de puntos
por el
X 0 a, X 1 X 0 h, X 2 X 0 2h, X 3 X 0 3h,..., X n X 0 nh b
Obtenidos, al dividir el intervalo en n partes iguales.
La presentacin grfica muestra estas dos cosas:
180

Discretizacin del dominio de definicin de soluciones

Habindose discretizado el problema continuo, se tratar de obtener la solucin
para los puntos considerados, y esto se har, en general, sustituyendo las
derivadas que aparezcan en la ecuacin diferencial con condiciones iniciales o en
la frontera, por frmulas numricas de derivacin que proporcionen
aproximaciones a las derivadas o tratando de integrar la ecuacin diferencial y
reemplazando al proceso de integracin por una frmula numrica que se
aproxime a la integral.
Una vez hecho esto, la ecuacin obtenida expresada en diferencias finitas (ya que
se han sustituido diferenciales por incrementos finitos) se aplica repetidamente en
todos los puntos pivotes donde se desconoce la solucin para llegar a una
solucin aproximada del problema.
181

Solucin numrica de problemas de valores iniciales

Un problema ordinario de valores iniciales est gobernado por una ecuacin
diferencial ordinaria y un conjunto de condiciones, todas ellas vlidas para el
mismo punto inicial, X X 0 . La solucin numrica de este problema consiste en
evaluar la integral de Y(X) en todos los puntos pivotes de su intervalo de
definicin, los que estarn igualmente espaciados en h unidades. Estos valores se
obtienen paso a paso, a partir del punto inicial, lo que da el nombre de mtodos de
integracin paso a paso.
La evaluacin de Y en los puntos pivote
X 1 X 0 ih , para i = 1, 2, 3,...
Se lleva a cabo usando frmulas de recurrencia, que usan los valores conocidos
de Y en las estaciones anteriores.
X i 1 , X i 2 , X i 3 ,...
As, para aplicar estas ecuaciones, es necesario entonces evaluar muy
aproximadamente a Y(X) en algunos de los primeros puntos pivotes (uno a
cuatro); y esto se hace usualmente desarrollando f(X) en serie de potencias.
EJEMPLO
Encuentre la solucin del siguiente problema de valores iniciales por medio de los
primeros cuatro trminos de la serie de Taylor para X = 0.1, 0.2, 0.3, 0.4 y 0.5.
Y (0) = 1
182

SOLUCIN
Se obtienen las derivadas sucesivas:
Sustituyendo valores:
Por lo que:
Evaluando para cada valor de X en esta ltima ecuacin se tiene:
183

0.1
1.055375
0.2
1.123000
0.3
1.205125
0.4
1.304000
0.5
1.421875
184

Leccin 20 Mtodos de integracin de Euler

La solucin de un problema de valores iniciales se obtiene generalmente paso a paso por
mtodos de integracin hacia adelante, lo que permite valuar Yi+1 tan pronto se conozcan
los valores Yi, Yi+1 de Y en uno o ms pivotes anteriores. El ms simple de estos mtodos,
debido a Euler, es aplicable a ecuaciones de primer orden y no requiere conocer la
solucin en los pivotes anteriores.
Dado el problema de valores iniciales
Se
debe
integrar
la
ecuacin
diferencial
en
el
intervalo
y evaluar la integral aplicando la frmula de

integracin numrica:
(4)
Entonces
De donde se obtiene la siguiente expresin aproximada llamada frmula de Euler
Yi 1 Yi hf ( X i , Yi )
(5)
EJEMPLO
Resolver el problema del ejemplo anterior aplicando el mtodo de Euler.
185

Se tiene
Yi 1 Yi hf ( X i , Yi )
Donde
Entonces
(6)
En la tabla aparecen tabulados los valores de la solucin aproximada obtenidos a partir de

la condicin inicial conocida Y0 (0) = 1
Xi Yi
Yi solucin exacta
0.0 1.000 000 1.000 000

0.1 1.050 000 1.055 409
0.2 1.110 638 1.123 596
0.3 1.184 649 1.208 459
0.4 1.275 870 1.315 789
0.5 1.389 819 1.454 545
186

Leccin 21 Mtodo de Runge Kutta
En la seccin anterior se estableci que el mtodo de Euler para resolver la ecuacin

diferencial de primer orden
Y' = f(X, Y) (7)
Con la condicin inicial
Y ( X 0 ) Y0 (8)
Consiste en aplicar repetidamente la frmula de recurrencia
Yn1 Yn hf ( X n , Yn ) donde n = 1, 2, 3, ... (9)
Para determinar la solucin de la ecuacin diferencial en
X X 1 , X 2 , X 3 ,...
Sustituyendo la funcin f(X, Y) dada en (7), en (9), se tiene que
Yn1 Yn hYn' (10)
Expresin que indica que el mtodo de Euler consiste grficamente, en ir de un valor Yn

conocido de la solucin de la ecuacin diferencial (7) en un punto, al siguiente por medio
de la tangente T1 a la curva integral Y = Y(X) en el mismo punto de la solucin conocida,
como se muestra en la siguiente figura.
187

De este planteamiento grfico puede verse que una mejor aproximacin a la solucin de
la ecuacin diferencial se obtendra si en vez de ir por la tangente T1 para determinar la
solucin en el siguiente Punto Pivote, se utiliza una secante con pendiente igual al
promedio de pendientes de la curva integral en los puntos coordenados (Xn, Yn), (Xn+1,
Yn+1) en donde Xn+1 y Yn+1 pueden estimarse con el procedimiento normal de Euler, como
se muestra en la siguiente grfica:
Con lo anterior se obtendra un mtodo mejorado de Euler con error del orden de
definido por la expresin
(11)
En donde f (Xn+1, Yn+1) es el valor de la funcin f(X, Y) para:

X = Xn+1
Y Yn hf ( X n , Yn )
188

Observando las expresiones para resolver la ecuacin diferencial, puede decirse que
ambas consisten en aplicar la frmula de recurrencia
(12)
En donde
(13)
En el mtodo de Euler y
(14)
En lo que
Y' = f(X, Y) (15)
En el mtodo de Euler Mejorado.

Como se ve, estos mtodos tienen los siguientes puntos en comn:
1. Son mtodos de un paso; para determinar Yn+1 se necesita conocer nicamente
los valores de Xn y Yn del punto anterior.
2. No requieren evaluar ninguna derivada, sino nicamente valores de la funcin f(X,
Y).
Estas caractersticas dan origen a una gran variedad de mtodos conocidos como de
Runge-Kutta. La diferencia entre ellos cosiste en la forma como se define la funcin
que aparece en la expresin (12).
La ventaja de los mtodos de Runge-Kutta con respecto al uso de la serie de Taylor, que
es tambin un mtodo de un paso, est expresado en el punto (2) anterior; es decir, los
mtodos de Runge-Kutta requieren slo de la funcin f(X, Y) y de ninguna derivada,
mientras que la serie de Taylor s requiere de la evaluacin de derivadas. Esto hace que,
en la prctica, la aplicacin de los mtodos de Runge-Kutta sean ms simples que el uso
de la serie de Taylor.
189

Un mtodo de Runge-Kutta para resolver ecuaciones diferenciales ordinarias de primer

orden con error del orden de
, de uso tan frecuente que en la literatura sobre mtodos
numricos se le llama simplemente el Mtodo de Runge-Kutta, se dar a conocer sin
demostrar y consiste en aplicar la ecuacin de recurrencia (12) en donde la funcin
est dada por la expresin:
(16)
En el cual
(17)
La ecuacin (16) se obtiene haciendo un promedio de las cuatro pendientes, k1 , k 2 , k 3 , k 4

a la curva integral, en forma semejante a como se procedi con las pendientes de las
tangentes T1 y T2 que dieron lugar a (11)
EJEMPLO
Resolver
Aplicando el mtodo de Runge-Kutta.

SOLUCIN
De la condicin inicial del problema se tiene que X = 0, y Y = 1; adems, h = 0.1.
Sustituyendo estos valores en (17) se obtiene:
190

Llevando estos valores a (16) y el resultante a (12) se obtiene que para X = 0.1 la solucin
del problema es
Los valores de las ki para este punto obtenido de la solucin, son:
Luego
Continuando de la misma forma se obtiene la solucin que se muestra en la siguiente

tabla:
191

k1
k2
k3
k4
0.0
1.0000
0.5000
0.5516
0.5544
0.6127
0.1
1.0554
0.6126
0.6782
0.6823
0.7575
0.2
1.1236
0.7575
0.8431
0.8494
0.9494
0.3
1.2085
0.9492
1.0647
1.0745
1.2121
0.4
1.3158
1.2119
1.3735
1.3896
1.5872
0.5
1.4545
1.5868
1.8234
1.8517
2.1509
192

Leccin 22 Mtodos multipasos
Mtodos de un paso Mtodos en varios pasos Mtodos de predictor y corrector

Mtodo de Adams-BashforthlAdams-Moulton Estabilidad de los mtodos numricos
Los mtodos de Euler y de Runge-Kutta descritos en las seccionas anteriores son
ejemplos de los mtodos de un paso. En ellos, se calcula cada valor sucesivo yn+1 slo
con base en informacin acerca del valor inmediato anterior yn Por otra parte, un mtodo
en. varios pasos o continuo utiliza los valores de varios pasos calculados con anterioridad
para obtener el valor de yn+1 Hay numerosas frmulas aplicables en la aproximacin de
soluciones de ecuaciones diferenciales. Como no intentamos describir el vasto campo de
los procedimientos numricos, slo presentaremos uno de esos mtodos. ste, al igual
que la frmula de Euler mejorada, es un mtodo de prediccin-correccin; esto es, se usa
una frmula para predecir un valor y*n+1, que a su vez se aplica para obtener un valor
corregido de Yn 1
Mtodo de Adams-Bashforth/Adams-Moulton Uno de los mtodos en multipasos ms
populares es el mtodo de Adams-Bashforth/Adams-Moulton de cuarto orden. En este
mtodo, la prediccin es la frmula de Adams-Bashforth:
(1)
para n 3. Luego se sustituye el valor de y*n+1 en la correccin Adams-Moulton
(2)
193

Obsrvese que la frmula (1) requiere que se conozcan los valores de yo, y1, y2 y y3 para
obtener el de y4. Por supuesto, el valor de yo es la condicin inicial dada. Como el error
local de truncamiento en el mtodo de Adams-Bashforth/Adams-Moulton es O(h5), los
valores de Y1 , Y2 y Y3 se suelen calcular con un mtodo que tenga la misma propiedad de
error, como la frmula de Runge-Kutta de cuarto orden.
EJEMPLO 1 Mtodo de Adams-Bashforth/Adams-Moulton
Use el mtodo de Adams-Bashforth/Adams-Moulton con h = 0.2 para llegar a una aproximacin a y(0. 8) de la solucin de
y' = x +y -1, y(0)=1.
SOLUCIN Dado que el tamao de paso es h = 0.2, entonces Y4 aproximar y(0.8). Para
comenzar aplicamos el mtodo de Runge-Kutta, con X0 = 0, Y0 = 1 y h = 0.2 con lo cual
Y1 = 1.02140000,
Y2 = 1.09181796,
Y3 = 1.22210646.
Ahora definimos X0 = 0, X1, = 0.2, X2 = 0.4, X3 = 0.6 y f(x, y) = x + y - 1, y obtenemos

Y0 = f(X0,Y0) = (0) + (1) - 1 = 0
Y'1 = f (X1,Y1) = (0.2) + (1.02140000) -1 = 0.22140000
Y2 = f (X2, Y2) = (0.4) + (1.09181796) - 1 = 0.49181796
Y3 = f (X3, Y3) = (0.6) + (1.22210646) - 1 = 0.82210646.
Con los valores anteriores, la prediccin, ecuacin (1) da
Para usar la correccin, ecuacin (2), necesitamos primero
Por ltimo, la ecuacin (2) da
194

Estabilidad de los mtodos numricos Un aspecto importante del uso de mtodos

numricos para aproximar la solucin de un problema de valor inicial es la estabilidad de
los mismos. En trminos sencillos, un mtodo numrico es estable si cambios pequeos
en la condicin inicial slo generan pequeas modificaciones en la solucin calculada. Se
dice que un mtodo numrico es inestable si no es estable. La importancia de la
estabilidad radica en que en cada paso subsecuente de una tcnica numrica, en realidad
se comienza de nuevo con un nuevo problema de valor inicial en que la condicin inicial
es el valor aproximado de la solucin calculado en la etapa anterior. Debido a la presencia
del error de redondeo, casi con seguridad este valor vara respecto del valor real de la
solucin, cuando menos un poco. Adems del error de redondeo, otra fuente comn de
error se presenta en la condicin inicial misma; con frecuencia, en las aplicaciones fsicas
los datos se obtienen con mediciones imprecisas.
Un posible mtodo para detectar la inestabilidad de la solucin numrica de cierto
problema de valor inicial, es comparar las soluciones aproximadas que se obtienen al
disminuir los tamaos de etapa utilizados. Si el mtodo numrico es inestable, el error
puede aumentar con tamaos mentores del paso. Otro modo de comprobar la estabilidad
es observar qu sucede a las soluciones cuando se perturba ligeramente la condicin
inicial; por ejemplo, al cambiar y(0) = 1 a y(0) = 0.999.
Para conocer una descripcin detallada y precisa de la estabilidad, consltese un texto de
anlisis numrico. En general, todos los mtodos descritos en este captulo tienen buenas
caractersticas de estabilidad.
Ventajas y desventajas de los mtodos multipasos En la seleccin de un mtodo para
resolver numricamente una ecuacin diferencial intervienen muchos aspectos. Los
mtodos en un paso -en especial el de Runge-Kutta- suelen usarse por su exactitud y
facilidad de programacin; sin embargo, una de sus mayores desventajas es que el lado
derecho de la ecuacin diferencial debe evaluarse muchas veces en cada etapa. Por
ejemplo, para el mtodo de Runge-Kutta de cuarto orden se necesitan cuatro
evaluaciones de funcin en cada paso (vase el problema 21 en los ejercicios 9.3). Por
otra parte, si se han calculado y guardado las evaluaciones de funcin en la etapa
anterior, con un mtodo multipasos slo se necesita una evaluacin de funcin por paso.
Esto puede originar grandes ahorros de tiempo y costo.
Por ejemplo, para resolver numricamente y' = f(x, y), y(xo) = yo con el mtodo de
Runge-Kutta de cuarto orden en n pasos, se necesitan 4n evaluaciones de funcin. Con el
mtodo de Adams-Bashforth se necesitan 16 evaluaciones de funcin para iniciar con el
mtodo de Runge-Kutta de cuarto orden y n - 4 evaluaciones para los pasos de
Adams-Bashforth; el_ total es n + 12 evaluaciones de funcin. En general, el mtodo de
Adams-Bashforth requiere un poco ms de la cuarta parte de las evaluaciones de funcin
que precisa el mtodo de Runge-Kutta de cuarto orden. Si la evaluacin de f(x, y) es
complicada, el mtodo multipasos ser ms eficiente. Otro asunto que interviene en los
mtodos en multipasos es la cantidad de veces que se debe repetir la de Adams-Moulton
195

en cada paso. Cada que se usa el corrector ocurre otra evaluacin de funcin, con lo cual
aumenta la precisin al costo de perder una de las ventajas del mtodo en varios pasos.
En la prctica, el corrector slo se calcula una vez, y si el valor de yn+1 cambia mucho, se
reinicia todo el problema con un tamao menor de paso. Con frecuencia, esto es la base
de los mtodos de tamao variable de paso, cuya descripcin sale del propsito de este
libro.
EJERCICIOS
1. Dada la ecuacin diferencial:
Usa el mtodo de Euler para aproximar

paso del proceso iterativo.
SOLUCION:
tomando
en cada
tomando
en cada
Usa el mtodo de Euler para aproximar

paso del proceso iterativo.
SOLUCION:
Usa el mtodo de Euler mejorado para aproximar

en cada paso del proceso iterativo.
tomando
SOLUCION:
196

Usa el mtodo de Euler mejorado para aproximar

en cada paso del proceso iterativo.
tomando
SOLUCION:
Usa el mtodo de Runge-Kutta para aproximar

cada paso del proceso iterativo.
tomando
en
tomando
en
SOLUCION:
Usa el mtodo de Runge-Kutta para aproximar

cada paso del proceso iterativo.
SOLUCION:
7. Determine la solucin exacta del problema de valor inicial en el ejemplo 1.

Compare los valores exactos de y(0.2), y(0.4), y(0.6) y y(0.8) con las
aproximaciones y1, y2, y3 y y4.
8. Escriba un programa de computacin para el mtodo de
Adams-Bashforth/Adams-Moulton.
197

AUTOEVALUACION
Ejercicio
La funcin
tiene una raz en
. Empezando con
y
, usar ocho iteraciones del mtodo de la biseccin para aproximar la raz.
Tabular el error despus de cada iteracin y tambin las estimaciones del error mximo.
El error real siempre es menos que la estimacin del error mximo? Los errores reales
continan disminuyendo?
Ejercicio
Encontrar la raz cerca de
de
empezando con
.
Cun exacta es la estimacin despus de cuatro iteraciones del mtodo
de Newton? Cuntas iteraciones requiere el mtodo de la biseccin
para lograr la misma exactitud? Tabule el nmero de dgitos correctos en
cada iteraccin del mtodo de Newton y observe si se duplican cada vez.
(SOLUCION)
Ejercicio
Usando el mtodo de eliminacin gaussiana con pivoteo y sustitucin regresiva, resuelva
el siguiente sistema de ecuaciones:
Calcule el determinante y la descomposicin LU de la matriz de coeficientes.
Ejercicio
Utilizar el mtodo de reduccin de Crout para obtener una descomposicin
matriz:
de la
198

Ejercicio
Dado que
,
y
polinomio de Lagrange el logaritmo natural de cada entero desde
anterior junto con el error en cada punto.
, interpole con un
hasta
. Tabule lo
Ejercicio
Dados los datos:
5,04
8,12
10,64
13,18
16,20
20,04
Realizar un ajuste por mnimos cuadrados de los mismos a una recta y a una
cuadrtica. Cul de los dos ajustes es mejor?
Ejercicio
La siguiente tabla tiene valores para
regla trapezoidal con
. Integre entre
usando la
199

Ejercicio
Usa la integracin de Romberg para evaluar la integral de
entre
y
. Lleva seis decimales y contina hasta que no haya cambio en la quinta cifra
decimal. Compare con el valor analtico.
200

UNIDAD PRCTICA
1. Mostrar en un software de cmputo numrico, la forma de representacin de matrices y

funciones, as como sus operaciones bsicas (suma y multiplicacin de matrices,
invertibilidad, etc.). Mostrar las capacidades de visualizacin de funciones.
2. Disear e implementar un programa, donde, dada una funcin continua en un intervalo

cerrado real, determinar las races en dicho intervalo.
3. Disear e implementar un programa, donde, dada una funcin continua en un intervalo

cerrado real, se determine el valor de su integral, con una precisin preestablecida.
4. Disear e implementar un programa para resolver un sistema de ecuaciones nolineales, mediante alguno de los mtodos conocidos.
5- Disear e implementar un programa para resolver un sistema de ecuaciones

diferenciales.
6. Aplicaciones propuestas por las academias de las diferentes disciplinas (ingeniera civil,
elctrica, electrnica, qumica, .etc.).
201

BIBLIOGRAFIA
1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.
2. Chapra Steven y Canale R. Mtodos Numricos para Ingenieros. Cuarta edicin

Ed. Mc Graw Hill. Mxico.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed., 2000.
6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice Hall
Hispanoamericana, Mxico.
7. Press, W.; Teukolsky, S.; Vterling, W.; Flannery, B. Numerical Recipes in C.

Cambridge University Press, 2nd ed., 1992.
(VER COMPLEMENTARIA EN GUIA DE MODULO).
DIRECCIONES DE SITIOS WEB:
1. http://www.mhhe.com/chapra que contiene recursos educativos adicionales que estn a la

vanguardia.
202

2. www.uacj.mx/gtapia/AN/Unidad2/regla.htm
3. www.mitecnologico.com/Main/ErroresDeRedondeo.
4. www.virtualum.edu.co/antiguo/.../error/deferror.htm
5. www.wikipedia.org/wiki/Mtodo_de_biseccin
6. www.monografias.com/.../descomposicion-lu.shtm
7. www.uaem.mx/posgrado/mcruz/cursos/mn/euler
8. html.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios
9. www.scribd.com/doc/2993252/branchandbound
203

Metodos Numericos 100401 2013-1

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Metodos Numericos 100401 2013-1

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

100401 METODOS NUMERICOS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INTRODUCCIN A LOS MTODOS NUMRICOS

Introduccin a los Mtodos Numricos. 7

Leccin 1 Exactitud y Precisin. 65

Leccin 3 Mtodo de biseccin.. 81

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 7 Mtodo de eliminacin de Gauss .. 131

Leccin 10 Polinomio de Interpolacin de Lagrange... 148

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 15 Diferenciacin Numrica.

Leccin 16 Integracin Numerica

Leccin 17 Regla del trapecio.

Leccin 20 Mtodo de Euler...

Leccin 21 Mtodo de Runge Kutta.

Leccin 22 Mtodo Multipasos, Ejercicios del Capitulo y Autoevaluacin 223

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ALCANCE DEL CURSO ACADEMICO

El estudiante comprender la importancia de los mtodos numricos y conocer Las

Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales, con

Implementar los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo

Aplicar los mtodos numricos para la solucin de problemas de diferenciacin e

Por ultimo, Aplicar los mtodos numricos para la solucin de problemas de

Por tanto al finalizar la lectura y comprensin de este modulo el estudiante estar en la

Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en las

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INTRODUCCIN A LOS MTODOS NUMRICOS

Por que sucedi todo esto?

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Mapa Conceptual Mtodos Numricos

Qu ocurre en la construccin y anlisis del mtodo?

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Mtodo, Algoritmo, Receta, proceso, procedimiento,

para la solucin de un problema dado.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CAPITULO 1: CONCEPTOS BASICOS.

Los errores numricos se generan con el uso de aproximaciones para representar

Los errores de truncamiento, resultan de representar aproximadamente un procedimiento

Esto genera errores de truncamiento durante el procedimiento.

Los errores de redondeo resultan de representar aproximadamente nmeros que son

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

resultados impresos en la tabla de velocidades no son totalmente exactos puesto que el

Esto genera errores de redondeo durante los clculos.

En ambos casos tenemos que:

Definicin. Definimos el error absoluto como:

Esta definicin de error tiene un pequeo defecto, como veremos en el siguiente:

Al medir la longitud de una varilla para construccin se obtiene el resultado aproximado de

Solucin. Tenemos los siguientes resultados:

Para el caso del clavo, el error absoluto se calcula como:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Existen dos preguntas en clculos numricos de suma importancia como son:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 1 Exactitud y Precisin

Errores Inherentes o Heredados:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Se debe a la interrupcin de un proceso matemtico antes de su terminacin. Sucede

Error de Redondeo Inferior:

Error de Redondeo Superior:

Error de desbordamiento de informacin o derrame de informacin Overflow: