Metodos Numericos

Universidad de Oviedo
MTODOS NUMRICOS
Escuela Universitaria de Ingeniera Tcnica en Informtica de Oviedo (E.U.I.T.I.O)

Alberto Surez Lpez
Pgina 1

Captulo 1: INTRODUCCIN AL CLCULO NUMRICO.

Captulo 1.1. EL OBJETIVO DEL CLCULO NUMRICO.

Dado un problema matemtico, el objetivo del Clculo Numrico es obtener el valor
numrico de la solucin. Este objetivo tiene dos aspectos fundamentales:
a) Encontrar un mtodo factible para determinar la solucin numrica (mtodos
numricos).
b) Analizar tanto el mtodo como la solucin calculada (anlisis numrico).

Captulo 1.1.1. MTODOS NUMRICOS:

El Clculo Numrico, que es esencialmente una rama de las Matemticas, difiere de las
Matemticas tradicionales en poner su nfasis central en las necesidades del Clculo
Numrico.

En particular, un mtodo numrico factible debe tener las siguientes propiedades:
Debe ser eficiente
Debe contener un nmero finito de operaciones

En las matemticas tradicionales es tpico que los mtodos se describan por argumentos
acadmicos o conceptuales que suelen ser poco eficientes desde el punto de vista de la
implementacin.

Un ejemplo puede ser la regla de Cramer para calcular un sistema de ecuaciones
lineales basada en el clculo recursivo de determinantes:

Un sistema de Cramer es un sistema B X A = de n ecuaciones con n incgnitas y
rango n , es decir, tal que 0 A con la forma:

= + + + +
= + + + +
= + + + +
= + + + +
n n nn n n n
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
...
...
...
...
...
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 2

En el cual la solucin del sistema, es decir, los valores de
1
x ,
2
x ,
3
x ,,
n
x , vienen
dados por la expresin:

A
b a a a
b a a a
b a a a
b a a a
A
b A b A b A b A
x
A
a b a a
a b a a
a b a a
a b a a
A
b A b A b A b A
x
A
a a b a
a a b a
a a b a
a a b a
A
b A b A b A b A
x
A
a a a b
a a a b
a a a b
a a a b
A
b A b A b A b A
x
n n n n n nn n n n
n
nn n n n
n
n
n
n n
nn n n n
n
n
n
n n
nn n n n
n
n
n
n n
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
3 3 2 2 1 1
2 1
3 3 32 31
2 2 22 21
1 1 12 11
3 3 33 2 23 1 13
3
3 1
3 33 3 31
2 23 2 21
1 13 1 11
3 3 32 2 22 1 12
2
3 2
3 33 32 3
2 23 22 2
1 13 12 1
1 3 31 2 21 1 11
1
=
+ + + +
=
=
+ + + +
=
=
+ + + +
=
=
+ + + +
=

Para un sistema de n ecuaciones hay que resolver 1 + n determinantes. Cada uno de
esos determinantes se calculara por adjuntos de una lnea, lo cual conllevara a realizar, por
cada uno de esos determinantes, n determinantes de dimensin 1 n , as sucesivamente
hasta llegar a determinantes de dimensin la unidad, con lo cual se habrn
realizado( )! 1 + n determinantes.

Para ilustrar el ejemplo, el caso de un sistema de10ecuaciones con10incgnitas
supondra realizar un total de 800 . 916 . 39 ! 11 = determinantes.

As decimos que un mtodo es eficiente en relacin con otro cuando su implementacin
supone un nmero considerablemente menor de operaciones con respecto al otro mtodo.
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 3

En algunos de los mtodos que estudiaremos (resolucin de ecuaciones no lineales), la
solucin del problema se obtendr como lmite de una sucesin de nmeros reales, es decir,
mediante un proceso infinito; pero en la prctica, al implementar tales mtodos debemos
reemplazar el proceso infinito por uno finito, es decir, con un nmero finito de operaciones. De
esta manera tendremos una solucin aproximada.

Captulo 1.1.1.1. ANLISIS NUMRICO:

Es probable que una de las partes ms importantes en el anlisis numrico sea el
estudio del error entre la solucin calculada aproximada y la verdadera solucin.

Captulo 1.1.1.2. ERROR ABSOLUTO:

Viene dado por la expresin
*
x x e
a
= , siendo x la solucin exacta y
*
x la solucin
calculada.

Captulo 1.1.1.3. ERROR RELATIVO:

Viene dado por la expresin
x
e
e
a
r
= .

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 4

Captulo 1.2. FUENTES DE ERROR. ERRORES EN LOS DATOS, ERRORES DE
TRUNCAMIENTO Y ERRORES DE REDONDEO.

La fuente de error principal es, de hecho, el error humano. Esto puede ser como
consecuencia, por ejemplo, de errores de lectura o interpretacin, utilizar mtodos incorrectos o
de una codificacin incorrecta en la implementacin del mtodo.

Las otras fuentes de error son:
Errores en los datos
Errores de truncamiento
Errores de redondeo

Y estn relacionados con tres conceptos claves en el anlisis numrico que son,
respectivamente:
Condicionamiento
Convergencia
Estabilidad

Captulo 1.2.1. ERRORES EN LOS DATOS:

Un problema no est definido exactamente, los datos estn aproximados. Tales errores
afectan, obviamente, a la solucin.

Se dice que un problema est bien condicionado si ligeras modificaciones en los datos
originan cambios pequeos en la solucin; en caso de que se origen o se pueden originar
grandes cambios en la solucin se dice que est mal condicionado.

Es frecuente que los sistemas de ecuaciones estn mal condicionados.

El condicionamiento es algo intrnseco al problema y no lo podremos erradicar
cambiando de mtodo, salvo replanteando el problema.

Captulo 1.2.2. ERRORES DE TRUNCAMIENTO:

Son debidos, fundamentalmente, al mtodo utilizado que al propio problema y se refieren
ms a sus propiedades matemticas.

Se cometen al sustituir un proceso infinito por otro finito con n iteraciones.

Diremos que el mtodo es convergente cuando el error cometido tiende a cero si el
nmero de iteraciones tiende a infinito.

Captulo 1.2.3. ERRORES DE REDONDEO:

Se originan cuando el mtodo se implementa en el ordenador y son debidos a la
representacin interna de los nmeros.
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 5

Captulo 2: INTERPOLACIN.

Captulo 2.1. INTRODUCCIN.

Supongamos que partimos de una tabla de valores de la funcin seno. Por ejemplo:

x ( ) ( ) x sen

60 866025 , 0
65 906308 , 0
70 939693 , 0
75 965926 , 0
80 984808 , 0

Cmo podramos calcular, por ejemplo, el valor de ( ) 66 sen ?

Para determinar dicho valor, de una manera aproximada, podramos construir un
polinomio ( ) x P tal que el polinomio coincida con la funcin ( ) ( ) x sen x f = en los valores de la
tabla suministrada, tal que:
( )
( )
( ) ( )
i i
x sen x P
P
P
=
=
=
...
906308 , 0 65
866025 , 0 60

As, ( ) ( ) 66 66 P sen

Pero, qu tipo de polinomio verificara est condicin?

Veamos unos ejemplos ms sencillos.

En primer lugar, suministramos una tabla con dos valores:

0
x ( )
0 0
y x f =
1
x ( )
1 1
y x f =

Representando grficamente los puntos ( )
0 0
, y x y ( )
1 1
, y x vemos como definen una
recta. En este caso el polinomio que buscamos sera de la forma ( ) x c c x P
1 0
+ = , esto es, un
polinomio de grado menor o igual a uno.
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 6

Ahora, suministraremos una tabla con tres valores:

0
x ( )
0 0
y x f =
1
x ( )
1 1
y x f =
2
x ( )
2 2
y x f =

Representando grficamente los puntos ( )
0 0
, y x , ( )
1 1
, y x y ( )
2 2
, y x vemos como definen
una parbola. En este caso el polinomio que buscamos sera de la
forma ( )
2
2 1 0
x c x c c x P + + = , esto es, un polinomio de grado menor o igual a dos.

x
y
y
0

x
2
x
0

y
2

(x
0
,y
0
)

(x
2
,y
2
)
x
1

y
1
(x
1
,y
1
)

x
y
y
0

x
1

x
0

y
1

(x
0
,y
0
)

(x
1
,y
1
)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 7

Observamos, pues, que para una muestra de 1 + n trminos es necesario un polinomio
de grado menor o igual a n .

Captulo 2.1.1. EL PROBLEMA DE LA INTERPOLACIN:

Sean
n
x x x x ,..., , ,
2 1 0
, 1 + n distintos pertenecientes a R y sea f una funcin real
definida en el intervalo [ ] b a I , = , con I x x x x
n
,..., , ,
2 1 0
. Queremos construir un
polinomio ( ) x P de grado menor o igual a n que interpola a f en los puntos
n
x x x x ,..., , ,
2 1 0
, es
decir, que ( ) ( )
0 0
x f x P = , ( ) ( )
1 1
x f x P = , ( ) ( )
2 2
x f x P = , , ( ) ( )
n n
x f x P =
( 1 + n condiciones).

Demostraremos que tal polinomio existe y es nico, y lo denominaremos polinomio
interpolante.

En primer lugar demostraremos la unicidad y a continuacin la existencia,
construyndolo.

Captulo 2.1.2. TEOREMA DE EXISTENCIA Y UNICIDAD:

Vamos a verificar en primer lugar que existe, a lo sumo, un polinomio de grado menor o
igual a n que interpola a f en los 1 + n puntos distintos
n
x x x x ,..., , ,
2 1 0
:

Suponemos la existencia de dos polinomios ( ) x P y ( ) x Q de grado menor o igual a n que
interpolan a f en los 1 + n puntos distintos
n
x x x x ,..., , ,
2 1 0
, es decir,
( ) ( ) ( ) ( ) [ ] n i x f x Q x f x P
i i i i
, 0 , y = = .

Definimos ahora un polinomio ( ) ( ) ( ) x Q x P x R = de grado menor o igual a n . De este
modo tenemos:
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) 0
...
0
0
0
2 2 2 2 2
1 1 1 1 1
0 0 0 0 0
= = =
= = =
= = =
= = =
n n n n n
x f x f x Q x P x R
x f x f x Q x P x R
x f x f x Q x P x R
x f x f x Q x P x R

Es decir, el polinomio ( ) x R es nulo en los 1 + n puntos
n
x x x x ,..., , ,
2 1 0
, o lo que es igual,
tiene 1 + n races. Sin embargo, de acuerdo con el teorema fundamental del lgebra, sabemos
que todo polinomio de grado menor o igual a n tiene n races (reales o imaginarias, iguales o
repetidas). Cmo podemos justificar esta aparente contradiccin? La nica posible solucin
es que ( ) x R sea el polinomio nulo, ( ) 0 = x R . En tal caso, tenemos ( ) ( ) ( ) 0 = = x Q x P x R y
por tanto, ( ) ( ) x Q x P = y queda demostrada la unicidad del polinomio interpolante.

Probaremos ahora la existencia de dicho polinomio mediante su construccin. Para
llevarla a cabo vamos a aplicar dos mtodos: la Frmula de Lagrange y la Frmula de Newton.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 8

Captulo 2.2. POLINOMIO INTERPOLANTE. FRMULAS DE LAGRANGE Y
NEWTON

Captulo 2.2.1. FRMULA DE LAGRANGE:

Si
n
x x x x ,..., , ,
2 1 0
son 1 + n puntos distintos, el polinomio ( ) x P
n
, de grado menor o igual
a n , que verifica ( ) ( ) [ ] n i x f x P
i i n
, 0 , = (polinomio de interpolacin) viene dado en la
frmula de Lagrange por la siguiente expresin:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
=
= + + + + =
n
i
i i n n n
x l x f x l x f x l x f x l x f x l x f x P
0
. . . 2 2 . 1 1 . 0 0
... ,
siendo ( ) ( ) ( ) ( ) x l x l x l x l
n
,..., , ,
2 1 0
un polinomio de grado n que se anula en todos los
puntos ( ) [ ] x f x, excepto en uno en que su valor es la unidad.
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
( )
=
=
=
=

=
=
=
=
=

=
=
=
=
=

=
=
=
=
=

=
0
...
1
0
0
...
...
...
0
...
1
0
0
...
...
0
...
0
1
0
...
...
0
...
0
0
1
...
...
2
2 2
1 2
0 2
1 2 1 0
1 2 1 0
2
2 2
1 2
0 2
2 3 2 1 2 0 2
3 1 0
2
1
2 1
1 1
0 1
1 3 1 2 1 0 1
3 2 0
1
1
2 0
1 0
0 0
0 3 0 2 0 1 0
3 2 1
0
n
n n n n n
n
n
n
n
n
n
n
n
n
n
n
x l
x l
x l
x l
x x x x x x x x
x x x x x x x x
x l
x l
x l
x l
x l
x x x x x x x x
x x x x x x x x
x l
x l
x l
x l
x l
x x x x x x x x
x x x x x x x x
x l
x l
x l
x l
x l
x x x x x x x x
x x x x x x x x
x l

( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )

= +
+
=

=
n
i k
k k i
k
n i i i i i i i i
n i i
i
x x
x x
x x x x x x x x x x x x
x l
0 1 1 2 1 0
1 1 2 1 0
... ...
... ...

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 9

Vamos a verificar que ( ) x P
n
es el polinomio de interpolacin:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
0
2 1 0
. . 2 2 . 1 1 . 0 0 0
0 ... 0 0 1
...
x f
x f x f x f x f
x l x f x l x f x l x f x l x f x P
n
n n n
=
= + + + + =
= + + + + =

La identidad se verifica sucesivamente para los distintos valores
n
x x x x ,..., , ,
2 1 0
.

Ejercicio:
Se dispone de la siguiente tabla de valores:

2 23
1 7
0 1
1 1
3 17

Calcular el polinomio de interpolacin aplicando la frmula de Lagrange.
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
120
1 2 1
17
12
3 1 2
1
6
3 1 1 2
1
10
3 1 2
7
30
3 1 1
23
3 1 0 1 2
. 4 . 3 . 2 . 1 . 0 4
+ +
+
+ +
+
+
+ +
+
=
= + + + + =
x x x x x x x x
x l f x l f x l f x l f x l f x P

Un problema que tiene la frmula de Lagrange es que si queremos aadir un nuevo
punto,
1 + n
x , el polinomio se tiene que volver a escribir desde cero ya que los
polinomios ( ) ( ) ( ) ( ) x l x l x l x l
n
,..., , ,
2 1 0
y ahora, ( ) x l
n 1 +
se tienen que volver a calcular. Este
problema se solventa con la frmula de Newton.

Captulo 2.2.2. FRMULA DE NEWTON:

La idea bsica es construir el polinomio en pasos sucesivos: primero construiremos el
polinomio ( ) x P
0
, de grado menor o igual a cero, que coincide con la funcin en el punto
0
x ;
luego construiremos el polinomio ( ) x P
1
, de grado menor o igual a uno, que coincide con la
funcin en los puntos
1 0
, x x , as hasta llegar al polinomio ( ) x P
n
, de grado menor o igual
a n que coincide con la funcin en los puntos
n
x x x x ,..., , ,
2 1 0
. De este modo, cada polinomio
viene definido a partir del anterior, es decir, viene dado por una relacin de recurrencia.
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
n n n n n n n
x f x P x f x P x f x P x f x P x P
x f x P x f x P x f x P x P
x f x P x f x P x P
x f x P x P
= = = =
= = =
= =
=
,..., , ,
...
, ,
,
2 2 1 1 0 0
2 2 2 1 1 2 0 0 2 2
1 1 1 0 0 1 1
0 0 0 0

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 10

Vamos a calcular estos polinomios:
( ) ( )
0 0 0
c x f x P = =

( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
0 1 0 1
0 1
0 1
1
1 1 1
0 1 0 1 1 0 1 1
0 1 1 0 1
0 1
0 1 0 0 1
1 0 1
0
x x c c x P
x x
x f x f
c
x f x P
x x c x f x Q x f x P
x x c x Q x Q
x f x P
x Q x f x P
x Q x P x P
+ =
=
)
`
=
+ = + =
= =
)
`
=
+ =
+ =

( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( ) ( )
1 0 2 0 1 0 2
1 2 0 2
0 2 1 0 2
2
2 2 2
1 2 0 2 2 0 2 1 0 2 2 2 2 2 2
1 0 2 2
1 2
1 1 2
1 2 1 1 2 1 1 1 2
0 2
0 0 2
0 2 0 0 2 0 1 0 2
2 1 2

0
0
x x x x c x x c c x P
x x x x
x x c c x f
c
x f x P
x x x x c x x c c x Q x P x P
x x x x c x Q
x Q
x f x P
x Q x f x Q x P x P
x Q
x f x P
x Q x f x Q x P x P
x Q x P x P
+ + =

=
)
`
=
+ + = + =
=
=
)
`
=
+ = + =
=
)
`
=
+ = + =
+ =

As tenemos:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 2 1 0 1 0 2 0 1 0
... ...

+ + + + =
n n n
x x x x x x x x c x x x x c x x c c x P

De este modo solventamos el inconveniente que tenamos al aadir ms puntos. Por
ejemplo, si aadimos un punto
1 + n
x :
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
n n n
x x x x x x x x c x x x x c x x c c x P + + + + =
+ +
... ...
2 1 0 1 1 0 2 0 1 0 1

Pero, cmo calculamos los coeficientes
n
c c c c ,..., , ,
2 1 0
?

Captulo 2.2.3. DIFERENCIAS DIVIDIDAS DE UNA FUNCIN:

Dados 1 + n puntos distintos
n
x x x x ,..., , ,
2 1 0
y una funcin f definida en tales puntos, se
llama diferencia dividida de la funcin f en los puntos
n
x x x x ,..., , ,
2 1 0
y se
representa [ ]
n
x x x x f ,..., , ,
2 1 0
, al coeficiente de
n
x en el desarrollo del correspondiente
polinomio interpolador.

As, [ ] [ ] [ ] [ ]
n n
c x f c x f c x f c x f = = = = ,..., , ,
2 2 1 1 0 0
, siendo n el orden de la diferencia
dividida.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 11

El valor de una diferencia dividida es independiente del orden en que se escriban sus
argumentos.

El polinomio de Newton, usando diferencias divididas, vendr dado por:
( ) [ ] [ ]( ) [ ]( ) ( )
[ ]( ) ( ) ( ) ( )
1 2 1 0
1 0 2 0 1 0
...
...
+
+ + + + =
n n
n
x x x x x x x x x f
x x x x x f x x x f x f x P

Verificndose que [ ]
[ ] [ ]
0
1 2 1 0 3 2 1
2 1 0
,..., , , ,..., , ,
,..., , ,
x x
x x x x f x x x x f
x x x x f
n
n n
n
=

De esta manera, las diferencias divididas de cualquier orden se definen a partir de las de
rdenes precedentes y su clculo se sintetiza en forma de tabla triangular:

0
x [ ]
0
x f

[ ]
[ ] [ ]
0 1
0 1
1 0
,
x x
x f x f
x x f
=

1
x [ ]
1
x f

[ ]
[ ] [ ]
1 2
1 2
2 1
,
x x
x f x f
x x f
=

2
x [ ]
2
x f

[ ]
[ ] [ ]
2 3
2 3
3 2
,
x x
x f x f
x x f
=

3
x [ ]
3
x f

[ ]
[ ] [ ]
0 2
1 0 2 1
2 1 0
, ,
, ,
x x
x x f x x f
x x x f
=

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

[ ]
[ ] [ ]
1 3
2 1 3 2
3 2 1
, ,
, ,
x x
x x f x x f
x x x f
=

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 12

Ejercicio:
Se dispone de la siguiente tabla de valores:

2 23
1 7
0 1
1 1
3 17

Calcular el polinomio de interpolacin aplicando la frmula de Newton, empleando
diferencias divididas.
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
3 2 1 0 4
2 1 0 3 1 0 2 0 1 0 4

x x x x x x x x c
x x x x x x c x x x x c x x c c x P
+
+ + + + =

2

23

[ ] 16 ,
1 0
= x x f

1 7

[ ] 5 , ,
2 1 0
= x x x f

[ ] 6 ,
2 1
= x x f

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

0 1

[ ] 2 , ,
3 2 1
= x x x f

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

[ ] 2 ,
3 2
= x x f

[ ] 1 , , ,
4 3 2 1
= x x x x f

1 1

[ ] 2 , ,
4 3 2
= x x x f

[ ] 8 ,
4 3
= x x f

3 17

( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 3 2
1 1 2 0 1 2 1 2 5 2 16 23

2 3
3 2 1 0 4
2 1 0 3 1 0 2 0 1 0 4
+ =
= + + + + + + + + + + =
= +
+ + + + =
x x x
x x x x x x x x x x
x x x x x x x x c
x x x x x x c x x x x c x x c c x P

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 13

Captulo 2.3. ERROR EN LA INTERPOLACIN.

Sea la funcin [ ] R b a f , : , 1 + n veces derivable en( ) b a, y sea ( ) x P
n
el
polinomio de grado menor o igual a n que interpola a la funcin en los 1 + n puntos distintos,
[ ] b a x x x x
n
, ,..., , ,
2 1 0
tales que b x x x x a
n
= < < < < = ...
2 1 0
. Si [ ] b a x , , se verifica que
existe un punto
x
c tal que el error en x viene dado por la expresin:
( ) ( ) ( )
( )
( )
( ) ( )( )( ) ( )
( )
( )
( ) ( )
=
+
+
+
=
=
+
= =
n
i
i
n
n
n
n n
x x c f
n
x x x x x x x x c f
n
x P x f x e
0
1
2 1 0
1

! 1
1
...
! 1
1

Si
( )
( ) ( ) b a x M x f M
n
, ,
1

+
, entonces ( )
( )
( )
n
i
i n
x x
n
M
x e
0
! 1
.

En este caso tomaremos
( )
( )
( ) x f M
n
b a x
1
,
sup
+
= .
f(x) P(x)
x
0

x
y
x
1

x
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 14

Ejercicio:
Se dispone de los siguientes valores de la funcin logaritmo neperiano:

x
x ln

9 1972 . 2
5 . 9 2513 . 2
11 3979 . 2

a) Aproximar el valor de 2 . 9 ln utilizando interpolacin lineal. Dar una cota del error
cometido.
Vamos a construir el polinomio de interpolacin lineal aplicando la frmula de
Newton empleando diferencias divididas.
( ) ( )
0 1 0 1
x x c c x P + =
La tabla de diferencias divididas ser:

9 1972 . 2

[ ] 1082 . 0 ,
1 0
= x x f

5 . 9 2513 . 2

[ ] 0052 . 0 , ,
2 1 0
= x x x f

[ ] 0977 . 0 ,
2 1
= x x f

11 3979 . 2

As, el polinomio de interpolacin vendr dado por:
( ) ( ) ( ) 9 1082 . 0 1972 . 2
0 1 0 1
+ = + = x x x c c x P
Evaluando el valor de dicho polinomio en 2 . 9 = x obtendremos el valor aproximado
de 2 . 9 ln
( ) ( ) 2 . 9 ln 2188 . 2 9 2 . 9 1082 . 0 1972 . 2 2 . 9
1
= + = P
A continuacin vamos a evaluar el error cometido en la aproximacin:
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( )
( )
81
03 . 0
9
03 . 0
5 . 9
1 1
9
1
5 . 9
1 1
9
1
9 5 . 9 5 . 9 , 9
03 . 0 1
03 . 0 03 . 0
2
06 . 0
5 . 9 2 . 9 9 2 . 9
2
1
2 . 9
! 2
1
2
2 2 2
2 2
' ' ' '
' '
0
' '
=
< < < < < <
= = = =
= = =

=
x e
c c
c c
c c
c f c f
c f x c f x e
n
n
i
i n

b) Aproximar el valor de 2 . 9 ln utilizando interpolacin cuadrtica. Dar una cota del error
cometido.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 15

Captulo 2.3.1. ERROR EN LA INTERPOLACIN LINEAL:

Sea una funcin f , dos veces derivable en ( )
1 0
, x x , y sea ( ) x P
1
el polinomio que
interpola a f en esos dos puntos. Sabemos que si [ ]
1 0
, x x x ,
( ) ( ) ( ) ( ) ( ) ( )( )
1 0
' '
1 1 0

! 2
1
, x x x x c f x P x f x e x x c
n
= = .

Vamos a hallar, a partir de esta expresin, una cota para el error (en valor absoluto) en la
interpolacin lineal, vlida para cualquier punto [ ]
1 0
, x x x .

( )( ) ( )( )
( ) ( )
( ) ( )
2 0
2 0 0
0 0 0 1 1 0
1 1 , 0

h t t
h
x x
t
h
h
h x x
h
x x
h x x x x x x h x x x x
=
= =
=

= = = =

( ) ( ) ( ) c f h t t x e
' ' 2
1
1
2
1
=
( ) ( ) ( )
( )
( )
4
1
2
1
(mximo)
2
1
0 2 1
0
2 1
1 1
'
'
2
= |
.
|
\
|
= =
=
=
= = =
g
t t
t g
t t g
t t t t t t t g

( ) ( ) c f h x e
' ' 2
1

4
1
2
1

( ) ( ) [ ]
1 0
' '
2
1
, ,
8
x x x c f
h
x e
x
0
x
1

h
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 16

Captulo 2.3.2. ERROR EN LA INTERPOLACIN CUADRTICA:

Sea una funcin f , tres veces derivable en( )
2 0
, x x , y sea ( ) x P
2
el polinomio que
interpola a f en los puntos
2 1 0
, , x x x , tal que
2 1 0
x x x < < . Sabemos que si [ ]
2 0
, x x x ,
( ) ( ) ( ) ( ) ( ) ( )( )( )
2 1 0
' ' '
1 2 0

! 3
1
, x x x x x x c f x P x f x e x x c
n
= = .

Vamos a hallar, a partir de esta expresin, una cota para el error (en valor absoluto) en la
interpolacin cuadrtica, vlida para cualquier punto [ ]
1 0
, x x x y supuesto, adems, que las
abscisas de los nodos son equidistantes.

( )( )( ) ( )( )( )
( ) ( ) ( )
( ) ( ) ( )
3 0 3 0 0 0
0 0 0 0 1 2 1 0
2 1 2 , 0
2

2
h t t t
h
x x
t h
h
h x x
h
h x x
h
x x
h x x h x x x x x x h x x x x x x
=
= =

=
= = = =

( ) ( ) ( ) ( ) c f h t t t x e
' ' ' 3
2
2 1
! 3
1
=
( ) ( ) ( )
( ) ( ) [ ]
( ) ( ) ( ]
[ ]
( ]
( )
( )
( )
( )
( )
( ) ( )
9
3 2
2 1 max
9
3 2
3
3
3
2
3
3
3
1
1
3
3
1
3
3
3
3
1 2
3
3
1 1
3
3
1
3
3
1
3
3
1
(mximo)
3
3
1 0 2 6 3
0
2 , 1 2 3 3
1 , 0 2 6 3
2 , 1 2 3
1 , 0 2 3
2 , 1 2 1
1 , 0 2 1
2 1
2 , 0
2
'
2
2
'
2 3
2 3
=
= = |
.
|
\
|
=
=
|
|
.
|
\
|
|
|
.
|
\
|
+ =
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
+ =
|
|
.
|
\
|
+
= = +
+
+
=
+
+
=

= =
t t t
g
t t t
t g
t si t t
t si t t
t g
t si t t t
t si t t t
t si t t t
t si t t t
t t t t g
t

x
0
x
1

h
x
2

2h
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 17

As, ( ) ( ) ( ) ( ) c f h t t t x e
' ' ' 3
2
2 1
! 3
1
=
( ) ( ) [ ]
2 0
' ' '
3
2
, ,
3 9
x x x c f
h
x e

Ejercicio:
Acotar el error de interpolacin para la funcin ( )
x
e x f = en el intervalo[ ] 1 , 0 , cuando se
interpola por un polinomio de grado 2 en los nodos 1 ,
2
1
, 0 .
( ) ( )
( )
( )
3 72
1 1 0 1 , 0
2
1
3 9
1
3 9
2
1 0
3
' ' '
3
2
e
x e
e e e e e c c
e c f
h
x e
c c
c
< < < < < <

=

Captulo 2.3.3. OBSERVACIONES AL RESULTADO REFERENTE AL ERROR EN LA
INTERPOLACIN:

Si se interpola, por ejemplo, la funcin seno, tenemos que
( )
( ) R x x f
n

+
, 1
1
.

As, el error vendr dado por:
( ) ( ) ( )
( )
( )
( ) ( )
( )
( )

= =
+
+

+
= =
n
i
i
n
i
i
n
n n
x x
n
x x c f
n
x P x f x e
0 0
1
! 1
1

! 1
1

Por otra parte:

( ) ( ) ( ) ( ) a b a b a b a b x x x x x x x x
n
... ...
2 1 0

As, se verifica que:
( )
( )
( )! 1
1
+
+
n
a b
x e
n
n

x
0
=a x
1
x
2
x x
n
=b
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 18

Qu ocurre cuando aumentamos los nodos?
( )
( )
0
! 1
lim
1
=
+
+

n
a b
n
n

Vemos, pues, que a medida que incrementamos el nmero de nodos el error cometido
en la interpolacin tiende a cero.

Pero en general, no se consigue disminuir el error incrementando el nmero de nodos y
por lo tanto, el grado del polinomio.

Para algunas funciones, la cota del error aumenta a medida que aumenta n . Un elevado
nmero de puntos puede dar lugar a polinomios con muchas oscilaciones que aproximan mal a
la funcin que se interpola, especialmente en los extremos del intervalo.

Por ejemplo:
La funcin ( )
2
1
1
x
x f
+
= en[ ] 5 , 5
( ) x P
4
en 5 , 3 , 0 , 3 , 5

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 19

( ) x P
10
en 5 , 4 ,..., 0 ,..., 4 , 5

( ) x P
20
en 5 , 5 . 4 ,..., 0 ,..., 5 . 4 , 5

Para solucionar estos problemas introduciremos el concepto de la interpolacin a trozos.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 20

Captulo 2.4. INTERPOLACIN POLINMICA A TROZOS.

Una buena forma de obtener, por interpolacin, una funcin es la interpolacin a trozos o
interpolacin segmentaria que consiste en dividir el intervalo[ ] b a, en subintervalos lo
suficientemente pequeos y aproximar la funcin en esos subintervalos mediante polinomios
de grado pequeo.

Captulo 2.4.1. INTERPOLACIN LINEAL A TROZOS:

Sea f dos veces derivable en( ) b a, y dados 1 + n puntos b x x x x a
n
= < < < < = ...
2 1 0
,
se aproxima la funcin f en cada intervalo de la forma[ ] 1 ,..., 0 , ,
1
=
+
n i x x
i i
mediante la recta
que une los puntos ( ) ( )
i i
x f x , y ( ) ( )
1 1
,
+ + i i
x f x .

x
0

x
y
x
1
x
2
x
3

f(x
0
)
f(x
2
)
f(x
1
)
f(x
3
)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 21

Captulo 2.4.1.1. ERROR EN LA INTERPOLACIN LINEAL A TROZOS:

Queremos calcular una cota para el error en la interpolacin lineal a trozos independiente
del punto escogido.
Si [ ]
1 0
, x x x , ( ) ( ) ( ) ( )
1 0 1 1
' ' 2
0 1 1
, ,
8
1
x x c c f x x x e
Si [ ]
2 1
, x x x , ( ) ( ) ( ) ( )
2 1 1 2
' ' 2
1 2 1
, ,
8
1
x x c c f x x x e

Si [ ]
n n
x x x ,
1
, ( ) ( ) ( ) ( )
n n n n n
x x c c f x x x e , ,
8
1
1 1
' ' 2
1 1

As, si [ ]
n
x x x ,
0
, ( ) ( ) ( ) { } [ ] M x x x P x f x e
i i
n i
, max
8
1
2
1
1 0
1 1 +

= ,
siendo
( )
( ) ( ) b a x M x f
n
, ,
1

+
.

Si las abscisas de los nodos son equidistantes, entonces, el error cometido en la
interpolacin lineal a trozos vendr dado por:
( ) M h x e
8
1
2
1

Ejercicio:
Sea la funcin ( )
3
x x f = en el intervalo[ ] 1 , 1 .
a) Se desea generar una tabla de valores de f con abscisas equiespaciadas de forma
que la interpolacin lineal a trozos entre dos puntos consecutivos tenga un error
menor que
4
10 3

. Determinar el nmero mnimo de puntos.
x
( ) x f
1

h + 1

h 2 1+

...
h n 1+

El error cometido viene dado por:
( ) M h x e
8
1
2
1

Calculamos el valor de M :
( )
( ) ( ) ( )
( ) [ ] 1 , 1 , 6
6 3
' '
' ' 2 ' 3
' '

= = =
c c f
x x f x x f x x f
M c f

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 22

As:
( )
( )
( )( )
2
max
2 2 4 2
4 2 4 2 4 2
4
1
2 2
1
10 2
0 10 2 10 2 0 10 4
10 4 10
4
1
10 3
4
3
10 3
4
3
6
8
1
=
+

=
h
h h h
h h h
x e
h h x e

Por otra parte sabemos que:
( )
n n n
a b
h
2 1 1
=

=
=
Y por tanto:
100
1
10
2
10 2
2
10 2
2 2
2
= = =
=
=

n
n n
n
h
h

El mnimo nmero de puntos es 101 1= + n puntos.

b) Se desea utilizar un nico polinomio interpolante (con nodos equidistantes) en todo
el intervalo, manteniendo la cota del error
4
10 3

. Determinar el nmero mnimo de
puntos y el polinomio de interpolacin.
Anteriormente hemos probado que con interpolacin lineal es necesario
emplear101puntos para que el error cometido sea menor que
4
10 3

.
Vamos a probar ahora con la interpolacin cuadrtica.
x
( ) x f
1

0

1

El error cometido viene dado por:
( ) M h x e
3 9
1
3
2

Calculamos el valor de M :
( )
( ) ( ) ( ) ( )
( ) [ ] 1 , 1 , 6
6 6 3
' ' '
' ' ' ' ' 2 ' 3
' ' '
=
= = = =
c c f
x f x x f x x f x x f
M c f

As:
( )
( )
? 10 3
3 3
2
10 3
6
3 9
1
3 9
1
4
4
1
1
=
x e
M x e

Con tres nodos equidistantes no se puede asegurar que el error sea menor
que
4
10 3

.
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 23

Vamos a probar ahora la interpolacin cbica.
x
( ) x f
1

3 1

3 1

1

Tenemos que calcular un polinomio de grado menor o igual a 3 y en el que se
verifique el valor de la funcin en los nodos anteriores. Deducimos, pues, que el
polinomio de interpolacin coincide con la propia funcin, luego el error es cero.
As, el mnimo nmero de puntos necesarios es cuatro y el polinomio de
interpolacin es ( ) ( ) x f x x P = =
3
3
.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 24

Captulo 3: AJUSTE DE DATOS Y APROXIMACIN DE FUNCIONES.


El estudio de la teora de aproximacin se puede plantear desde dos puntos de vista. En
un caso, conocida explcitamente una funcin o bien conocidos los valores que alcanza la
funcin en determinados puntos, tratamos de buscar una funcin simple, un polinomio, que
coincida con ella en dichos valores y que nos sirva de punto de partida para aproximar la
funcin en otros puntos. Este caso ya ha sido tratado en el tema anterior (Captulo 2:
Interpolacin).

Otra opcin es la bsqueda de un tipo especfico de funciones, no necesariamente
polinomios, que optimicen la aproximacin a los datos que tenemos de nuestra funcin. Desde
este punto de vista trataremos el tema de la aproximacin de funciones.

Trataremos, en primer lugar, un caso particular de funcin que se utiliza en gran cantidad
de problemas como es la bsqueda de la recta de regresin, es decir, la recta que mejor
aproxime a la funcin en ciertos puntos.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 25

Captulo 3.2. AJUSTE Y APROXIMACIN POR MNIMOS CUADRADOS.

Supongamos que tenemos una tabla de puntos de la funcin, que seran dados
obtenidos experimentalmente o valores generados por una cierta funcin, y buscamos la
recta ( ) bx a x F + = que mejor aproxime dichos puntos. Pero, en qu sentido se habla de
aproximacin?

Vamos a llamar:
( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) ( ) ( ) ( )
( )
=
=
= + + + + =
= + + + + =
n
i
i i
n n
n n
bx a y
bx a y bx a y bx a y bx a y
x F y x F y x F y x F y d
1
2
2 2
3 3
2
2 2
2
1 1
2 2
3 3
2
2 2
2
1 1
...
...

Deseamos minimizar esta distancia d . (aproximacin o ajuste mnimo cuadrtico).
Podemos considerar d como una funcin de a yb :
( ) b a d d , = .

x
1

x
y
x
2
x
3
x
4

f(x
1
)
f(x
3
)
f(x
2
)
f(x
4
)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 26

Tenemos, pues, que calcular los valores de a yb que hagan mnima la distancia d . Por la
teora de funciones de varias variables, sabemos que d alcanza un mnimo en el
punto ( )
* *
, b a P si:
( ) ( )
* * * *
, 0 , b a
b
d
b a
a
d
= =

As:
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( ) 0 2
... 2 2 2 ,
0 2
... 2 2 2 ,
* *
3
* *
3 3 2
* *
2 2 1
* *
1 1
* *
* *
3
* *
3 2
* *
2 1
* *
1
* *
=
=
=
=
n n n
n n
x b a y x
x b a y x x b a y x x b a y x b a
b
d
x b a y
x b a y x b a y x b a y b a
a
d

( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( ) ( )
)
+ + + + + + + + + = + + + +
+ + + + + = + + + +
= + + + +
= + + + +
=

=

2 2
3
2
2
2
1
*
3 2 1
*
3 3 2 2 1 1
3 2 1
* *
3 2 1
* *
3
* *
3 3 2
* *
2 2 1
* *
1 1
* *
3
* *
3 2
* *
2 1
* *
1
* *
3
* *
3 3 2
* *
2 2 1
* *
1 1
* *
3
* *
3 2
* *
2 1
* *
1
... ... ...
... ...
0 ...
0 ...
0 2
... 2 2 2
0 2
... 2 2 2
n n n n
n n
n n n
n n
n n n
n n
x x x x b x x x x a y x y x y x y x
x x x x b n a y y y y
x b a y x x b a y x x b a y x x b a y x
x b a y x b a y x b a y x b a y
x b a y x
x b a y x x b a y x x b a y x
x b a y
x b a y x b a y x b a y

(
(
(
(
=
(
(
(
(
(
+ =
+ =

=
=
= =
=
= = =
= =
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
y x
y
b
a
x x
x n
x b x a y x
x b n a y
1
1
1
*
*
1
2
1
1
1
2 *
1
*
1
1
1
* *
1

Se puede demostrar que este sistema de ecuaciones siempre ser compatible y el nico
caso en que tenga infinitas soluciones es cuando los puntos ( ) y x, sean todos iguales.
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 27

Ejercicio:
Dados los valores ( ) ( ) ( ) ( ) { } 0 , 1 , 5 , 3 , 3 , 1 , 1 , 0 . Determinar la recta que mejor aproxime
dichos valores.

x
( ) x f
0 1
1 3
3 5
1 0

( ) ( ) x x F b a
b
a
+ = = =
(
=
(
1
7
9
7
9
18
9
10 3
3 4

y = 1,2857x + 1,2857
0
1
2
3
4
5
6
-2 -1 0 1 2 3 4

Hemos visto como podemos aproximar una funcin mediante una recta.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 28

Vamos ahora a buscar la parbola que mejor aproxime los puntos dados. La expresin
general de dicha parbola es: ( )
2
cx bx a x F + + = .

En este caso tenemos:
( ) ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) ( ) ( )
( )
( )
=
=
= +
+ + + + =
= + + + + = =
n
i
i i i
n n n
n n
cx bx a y
cx bx a y
cx bx a y cx bx a y cx bx a y
x F y x F y x F y x F y c b a d d
1
2
2
2
2
2
2
3 3 3
2
2
2 2 2
2
2
1 1 1
2 2
3 3
2
2 2
2
1 1
...
... , ,

Vamos a minimizar esta distancia (ajuste mnimo cuadrtico).

Sabemos que d alcanzar un mnimo en el punto ( )
* * *
, , c b a P si:
( ) ( ) ( )
* * * * * * * * *
, , , , 0 , , c b a
c
d
c b a
b
d
c b a
a
d
= =

As:
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) 0 2 ... 2
2 2 , ,
0 2 ... 2
2 2 , ,
0 2 ... 2
2 2 , ,
2 * * * 2 2
3
*
3
* *
3
2
3
2
2
*
2
* *
2
2
2
2
1
*
1
* *
1
2
1
* * *
2 * * * 2
3
*
3
* *
3 3
2
2
*
2
* *
2 2
2
1
*
1
* *
1 1
* * *
2 * * * 2
3
*
3
* *
3
2
2
*
2
* *
2
2
1
*
1
* *
1
* * *
=
=
=
=
=
=
n n n n
n n n n
n n n
x c x b a y x x c x b a y x
x c x b a y x x c x b a y x c b a
c
d
x c x b a y x x c x b a y x c b a
b
d
x c x b a y x c x b a y
x c x b a y x c x b a y c b a
a
d

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 29

( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( )

+ + + + +
+ + + + + + + + + + = + + + +
+ + + + +
+ + + + + + + + + + = + + + +
+ + + + + + + + + + = + + + +
= +
+ + + +
= +
+ + + +
= +
+ + + +
=

=

=

4 4
3
4
2
4
1
*
3 3
3
3
2
3
1
* 2 2
3
2
2
2
1
* 2
3
2
3 2
2
2 1
2
1
3 3
3
3
2
3
1
*
2 2
3
2
2
2
1
*
3 2 1
*
3 3 2 2 1 1
2 2
3
2
2
2
1
*
3 2 1
* *
3 2 1
2 * * * 2
2
3
*
3
* *
3
2
3
2
2
*
2
* *
2
2
2
2
1
*
1
* *
1
2
1
2 * * *
2
3
*
3
* *
3 3
2
2
*
2
* *
2 2
2
1
*
1
* *
1 1
2 * * *
2
3
*
3
* *
3
2
2
*
2
* *
2
2
1
*
1
* *
1
2 * * * 2 2
3
*
3
* *
3
2
3
2
2
*
2
* *
2
2
2
2
1
*
1
* *
1
2
1
2 * * * 2
3
*
3
* *
3 3
2
2
*
2
* *
2 2
2
1
*
1
* *
1 1
2 * * * 2
3
*
3
* *
3
2
2
*
2
* *
2
2
1
*
1
* *
1
...
... ... ...
...
... ... ...
... ... ...
0
...
0
...
0
...
0 2 ... 2
2 2
0 2 ... 2
2 2
0 2 ... 2
2 2
n
n n n n
n
n n n n
n n n
n n n n
n n n n
n n n
n n n n
n n n n
n n n
x x x x c
x x x x c
x x x x c x x x x b n a y y y y
x c x b a y x
x c x b a y x x c x b a y x x c x b a y x
x c x b a y x
x c x b a y x x c x b a y x x c x b a y x
x c x b a y
x c x b a y x c x b a y x c x b a y

(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
+ + =
+ + =
+ + =

=
=
=
= = =
= = =
= =
= = = =
= = = =
= = =
n
i
i i
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
y x
y x
y
c
b
a
x x x
x x x
x x n
x c x b x a y x
x c x b x a y x
x c x b n a y
1
2
1
1
*
*
*
1
4
1
3
1
2
1
3
1
2
1
1
2
1
1
4 *
1
3 *
1
2 *
1
2
1
3 *
1
2 *
1
*
1
1
2 *
1
* *
1

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 30

Ejercicio:
Calcular la parbola que mejor aproxima, en el sentido de los mnimos cuadrados, a la
funcin ( )
3
x x f = en los puntos 1 , 0 y8.

x
( ) x f
1 1
0 0
8 2

(
(
(
=
(
(
(
(
(
(
=
(
(
(
(
(
(
833 . 0
9167 . 0
0
127
17
1
4097 511 65
511 65 7
65 7 3
c
b
a
c
b
a

( )
2 2
833 . 0 9167 . 0 x x cx bx a x F = + + =

y = -0,0833x
2
+ 0,9167x - 3E-14
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
3
-2 0 2 4 6 8 10

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 31

Vamos a extender el problema del ajuste mnimo cuadrtico al caso ms general de
considerar que la funcin aproximadamente sea de la siguiente manera:
( ) ( ) ( ) ( ) ( ) x c x c x c x c x F
k k
...
3 3 2 2 1 1
+ + + + =

Es decir, la funcin aproximadamente es una combinacin lineal de las funciones ( ) x
i
,
elegidas por quien construye la funcin.

Por ejemplo:
Para 2 = k :
( ) ( )
( )
recta
1
2 1
2 1
)
`
+ =
= =
x c c x F
x x x
i

Para 3 = k :
( ) ( ) ( )
( )
parbola

1
2
3 2 1
2
3 2 1
+ + =
= = =
x c x c c x F
x x x x x
i i

As, la funcin a aproximar vendr dada por la expresin:
( ) ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( )

= =
(
=
= +
+ +
+ +
+ +
+ =
= + + + + =
n
i
k
j
i j j i
n k k n n n n
k k
k k
k k
n n k
x c y
x c x c x c x c y
x c x c x c x c y
x c x c x c x c y
x c x c x c x c y
x F y x F y x F y x F y c c c c d
1
2
1
2
3 3 2 2 1 1
2
3 3 3 3 3 2 2 3 1 1 3
2
2 2 3 3 2 2 2 2 1 1 2
2
1 1 3 3 1 2 2 1 1 1 1
2 2
3 3
2
2 2
2
1 1 3 2 1
...
...
...
...
...
... ,..., , ,

d alcanzar un mnimo en el punto ( )
* *
3
*
2
*
1
,..., , ,
k
c c c c P si y slo si se verifica:
( ) ( ) ( )
( )
* *
3
*
2
*
1
* *
3
*
2
*
1
3
* *
3
*
2
*
1
2
* *
3
*
2
*
1
1
,..., , ,
... ,..., , , ,..., , , 0 ,..., , ,
k
k
k k k
c c c c
c
d
c c c c
c
d
c c c c
c
d
c c c c
c
d
=
= =
= =

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 32

As:
( ) ( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 ... 2
...
... 2
... 2
... 2 ,..., , ,
1 3 3 2 2 1 1
3 1 3 3 3 3 3 2 2 3 1 1 3
2 1 2 2 3 3 2 2 2 2 1 1 2
1 1 1 1 3 3 1 2 2 1 1 1 1
* *
3
*
2
*
1
1
=

=
n n k k n n n n
k k
k k
k k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y c c c c
c
d

( ) ( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 ... 2
...
... 2
... 2
... 2 ,..., , ,
2 3 3 2 2 1 1
3 2 3 3 3 3 3 2 2 3 1 1 3
2 2 2 2 3 3 2 2 2 2 1 1 2
1 2 1 1 3 3 1 2 2 1 1 1 1
* *
3
*
2
*
1
2
=

=
n n k k n n n n
k k
k k
k k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
c
d

( ) ( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
...
0 ... 2
...
... 2
... 2
... 2 ,..., , ,
3 3 3 2 2 1 1
3 3 3 3 3 3 3 2 2 3 1 1 3
2 3 2 2 3 3 2 2 2 2 1 1 2
1 3 1 1 3 3 1 2 2 1 1 1 1
* *
3
*
2
*
1
3
=

=
n n k k n n n n
k k
k k
k k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
c
d

( ) ( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 ... 2
...
... 2
... 2
... 2 ,..., , ,
3 3 2 2 1 1
3 3 3 3 3 3 2 2 3 1 1 3
2 2 2 3 3 2 2 2 2 1 1 2
1 1 1 3 3 1 2 2 1 1 1 1
* *
3
*
2
*
1
=

=
n k n k k n n n n
k k k
k k k
k k k k
k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
c
d

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 33

( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 ...
...
...
...
...
1 3 3 2 2 1 1
3 1 3 3 3 3 3 2 2 3 1 1 3
2 1 2 2 3 3 2 2 2 2 1 1 2
1 1 1 1 3 3 1 2 2 1 1 1 1
= +
+ +
+
+ +
+ + +
n n k k n n n n
k k
k k
k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y

( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 ...
...
...
...
...
2 3 3 2 2 1 1
3 2 3 3 3 3 3 2 2 3 1 1 3
2 2 2 2 3 3 2 2 2 2 1 1 2
1 2 1 1 3 3 1 2 2 1 1 1 1
= +
+ +
+ +
+ +
+
n n k k n n n n
k k
k k
k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y

( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 ...
...
...
...
...
3 3 3 2 2 1 1
3 3 3 3 3 3 3 2 2 3 1 1 3
2 3 2 2 3 3 2 2 2 2 1 1 2
1 3 1 1 3 3 1 2 2 1 1 1 1
= +
+ +
+ +
+ +
+
n n k k n n n n
k k
k k
k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y

( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 ...
...
...
...
...
3 3 2 2 1 1
3 3 3 3 3 3 2 2 3 1 1 3
2 2 2 3 3 2 2 2 2 1 1 2
1 1 1 3 3 1 2 2 1 1 1 1
= +
+ +
+ +
+ +
+
n k n k k n n n n
k k k
k k k
k k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 34

( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
= + +
= + +
= + +
= + +
=
=
=
=
0 ...
...
0 ...
0 ...
0 ...
3 3 2 2 1 1
3 3 3 2 2 1 1
2 3 3 2 2 1 1
1 3 3 2 2 1 1
n
i i
i k i k k i i i i
n
i i
i i k k i i i i
n
i i
i i k k i i i i
n
i i
i i k k i i i i
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
+ + + + =
+ + + + =
+ + + + =
+ + + + =

= =
= =
= =
= =
n
i
i k k i i k i i k i i k
n
i
i k i
n
i
i k i k i i i i i
n
i
i i
n
i
i k i k i i i i i
n
i
i i
n
i
i k i k i i i i i
n
i
i i
x c x x c x x c x x c x y
x x c x c x x c x x c x y
x x c x x c x c x x c x y
x x c x x c x x c x c x y
1
2
3 3 2 2 1 1
1
1
3
2
3 3 2 3 2 1 3 1
1
3
1
2 3 2 3
2
2 2 1 2 1
1
2
1
1 3 1 3 2 1 2
2
1 1
1
1
...
...
...
...
...

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
+ + + + =
+ + + + =
+ + + + =
+ + + + =

= = = = =
= = = = =
= = = = =
= = = = =
n
i
i k k
n
i
i i k
n
i
i i k
n
i
i i k
n
i
i k i
n
i
i k i k
n
i
i
n
i
i i
n
i
i i
n
i
i i
n
i
i k i k
n
i
i i
n
i
i
n
i
i i
n
i
i i
n
i
i k i k
n
i
i i
n
i
i i
n
i
i
n
i
i i
x c x x c x x c x x c x y
x x c x c x x c x x c x y
x x c x x c x c x x c x y
x x c x x c x x c x c x y
1
2
1
3 3
1
2 2
1
1 1
1
1
3
1
2
3 3
1
2 3 2
1
1 3 1
1
3
1
2
1
3 2 3
1
2
2 2
1
1 2 1
1
2
1
1
1
3 1 3
1
2 1 2
1
2
1 1
1
1
...
...
...
...
...

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 35

( )
( )
( )
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
= = = =
= = = =
= = = =
= = = =
=
=
=
=
k
A
n
i
i k
n
i
i i k
n
i
i i k
n
i
i i k
n
i
i k i
n
i
i
n
i
i i
n
i
i i
n
i
i k i
n
i
i i
n
i
i
n
i
i i
n
i
i k i
n
i
i i
n
i
i i
n
i
i
b
n
i
i k i
n
i
i i
n
i
i i
n
i
i i
c
c
c
c
x x x x x x x
x x x x x x x
x x x x x x x
x x x x x x x
x y
x y
x y
x y
...
...
...
...
...
...
...
3
2
1
1
2
1
3
1
2
1
1
1
3
1
2
3
1
2 3
1
1 3
1
2
1
3 2
1
2
2
1
1 2
1
1
1
3 1
1
2 1
1
2
1
1
1
3
1
2
1
1

Para simplificar esta ecuacin matricial podemos definir una matriz B tal que su
expresin venga dada por:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
(
(
(
(
(
(
=
n k k k k
n
n
n
x x x x
x x x x
x x x x
x x x x
B

3 2 1
3 3 3 2 3 1 3
2 3 2 2 2 1 2
1 3 1 2 1 1 1
...
...
...
...

De este modo se cumple que B B A
t
= y
(
(
(
(
(
(
=
n
y
y
y
y
B b
...
3
2
1

Y la ecuacin matricial anterior vendr dada por:
(
(
(
(
(
(
=
(
(
(
(
(
(
k
t
n
c
c
c
c
B B
y
y
y
y
B
...

...
3
2
1
3
2
1

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 36

Ejercicio:
Plantear y resolver el problema de ajuste mnimo cuadrtico de una coleccin de puntos
del plano ( ) ( ) ( ) ( ) { }
n n
y x y x y x y x , ,..., , , , , ,
3 3 2 2 1 1
mediante una funcin del
tipo ( )
2
x b a x F + = .

( )
( )
)
`
=
=
=
2
2
1
1
: 2
x x
x
k

( ) ( ) ( )
( ) ( ) ( )
( )
( )
(
(
(
(
=
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(

=
=
= =
=
=
=
= =
= =
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i i
n
i
i
n
i
i i
n
i
i i
n
i
i
x y
y
b
a
x x
x n
x y
x y
b
a
x x x
x x x
1
2
1
1
4
1
2
1
2
1
2
1
1
1
2
2
1
1 2
1
2 1
1
2
1

Aplicar el apartado anterior para determinar la funcin ( )
2
x b a x F + = de ajuste mnimo
cuadrtico de la coleccin de puntos ( ) ( ) ( ) ( ) ( ) { } 0 , 3 , 3 , 2 , 5 , 1 , 4 , 0 , 1 , 1 .

x
( ) x f
1 1
0 4
1 5
2 3
3 0

Se trata de calcular los valores de a yb tales que ( ) ( )
=
=
5
1
2
2
,
i
i i
x b a y b a d sea
mnima.

=
(
38 . 0
76 . 3
18
13
99 15
15 5
b
a
b
a

As, ( )
2
38 . 0 76 . 3 x x F =

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 37

Captulo 3.2.1. AJUSTE DE MNIMOS CUADRADOS CON LINEALIZACIN DE LOS DATOS:

Ejercicio:
Aproximar una funcin que pasa por los puntos ( ) 5 . 0 , 1 , ( ) 7 . 1 , 2 , ( ) 4 . 3 , 3 , ( ) 7 . 5 , 4 y
( ) 4 . 8 , 5 mediante una funcin del tipo ( )
b
x a x F = , utilizando el mtodo de ajuste de mnimos
cuadrados con linealizacin de los datos.

x y
1 5 . 0
2 7 . 1
3 4 . 3
4 7 . 5
5 4 . 8

( )

( ) t c c x z z
x b a y
x a y
x a y
x a y
t c c
z
b
b
b
ln ln ln
ln ln ln
ln ln
2 1
2 1
+ = =
+ =
+ =
=
=

x t ln = y z ln =
0 6931 . 0
6931 . 0 5306 . 0
0986 . 1 2238 . 1
3863 . 1 7405 . 1
6094 . 1 1282 . 2

(
(
(
(
=
(
(
(
(
(

=
=
= =
=
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
t z
z
c
c
t t
t n
1
1
2
1
1
2
1
1
= =
= = =
=
(

b c
e a c
c
c
7517 . 1
5010 . 0 6912 . 0
5502 . 7
9300 . 4
1993 . 6 7874 . 4
7874 . 4 5
2
6912 . 0
1
2
1

( )
7517 . 1
5010 . 0 x x F y = =

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 38

Captulo 4: INTEGRACIN NUMRICA. MTODOS DE COTES Y
MTODOS DE GAUSS.


El problema a resolver sera calcular, de manera aproximada, integrales definidas de la
forma ( )
}
=
b
a
dx x f I , suponiendo ( ) x f continua en todo el intervalo[ ] b a, .

Si conocemos una funcin ( ) x F , continua en[ ] b a, , que sea primitiva de f ,
( ) ( ) x f x F =
'
, el problema estara resuelto, aplicando la regla de Barrow:
( ) ( ) ( ) a F b F dx x f I
b
a
= =
}
.

Sin embargo, existen funciones, como por ejemplo ( )
2
x
e x f = , que carecen de funcin
primitiva (definida con funciones elementales), y por tanto, la regla de Barrow no puede
aplicarse.

En conclusin, el problema de evaluar numricamente una integral definida se nos
presenta cuando no podemos aplicar directamente la regla de Barrow o cuando slo
conocemos un conjunto de puntos de f , pero no la expresin analtica de la funcin.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 39

Captulo 4.2. FRMULAS DE TIPO INTERPOLATORIO.

Las frmulas de integracin numrica, tambin llamadas de cuadratura, son del tipo
siguiente:
[1]
( ) ( ) ( ) ( ) ( ) ( )
}
=
= + + + +
n
k
k k n n
b
a
x f A x f A x f A x f A x f A dx x f
0
2 2 1 1 0 0
... ,
con [ ] b a x x x x
n
, ,..., , ,
2 1 0
, 1 + n puntos y IR A A A A
n
,..., , ,
2 1 0
coeficientes denominados
pesos.

Una frmula de cuadratura [1] se dice que es de tipo interpolatorio si y solamente si, por
definicin, dicha frmula se ha obtenido mediante la integral del polinomio ( ) x P
n
que interpola a
los 1 + n puntos [ ] b a x x x x
n
, ,..., , ,
2 1 0
:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
} } } }
} } }
+ + + + =
= + + + + =
b
a
n n
b
a
b
a
b
a
b
a
n n
b
a
n
b
a
dx x l x f dx x l x f dx x l x f dx x l x f
dx x l x f x l x f x l x f x l x f dx x P dx x f
...
...
2 2 1 1 0 0
2 2 1 1 0 0

Una frmula [1] es de tipo interpolatorio si y slo si ( ) n k dx x l A
b
a
k k
... 0 , = =
}
.

Tomando por nodos los extremos del intervalo[ ] b a, , supongamos que deseamos
calcular vamos a calcular la integral ( )
}
b
a
dx x f mediante la frmula de
cuadratura ( ) ( ) ( ) ( ) ( ) b f a b a f a b dx x f
b
a
+
}
. Pero est frmula es de tipo
interpolatorio? En principio no podemos afirmar esta hiptesis. Entontes, cmo podemos
tomar los pesos para que la frmula sea de tipo interpolatorio?

Vamos a ver cmo calculando el polinomio que interpola a f en a x = y b x = e
integrando dicho polinomio llegaremos a la expresin:
( ) ( ) ( ) b f
a b
a f
a b
dx x f
b
a
}
.

Demostracin:
a) Calculamos el polinomio de interpolacin, ( ) x P
n
.
De acuerdo con la frmula de Lagrange, el polinomio que interpola a f en
los 1 + n puntos distintos
n
x x x x ,..., , ,
2 1 0
viene dado por la expresin:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
=
= + + + + =
n
i
i i n n n
0
. . . 2 2 . 1 1 . 0 0
...
Siendo ( ) ( ) ( ) ( ) x l x l x l x l
n
,..., , ,
2 1 0
un polinomio de grado n que se anula en todos los
puntos ( ) [ ] x f x, excepto en uno en que su valor es la unidad,
( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )

= +
+
=

=
n
i k
k k i
k
n i i i i i i i i
n i i
i
x x
x x
x l
0 1 1 2 1 0
1 1 2 1 0
... ...
... ...

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 40

As, obtenemos:
( )
b a
b x
x l
=
0
y ( )
a b
a x
x l
=
1

Y el polinomio de interpolacin vendr dado por:
( ) ( ) ( ) ( ) ( ) ( ) ( )
a b
a x
b f
b a
b x
a f x l b f x l a f x P
= + =
. 1 . 0 2

b) Integramos ( ) ( )
} }

b
a
n
b
a
dx x P dx x f
( ) ( ) ( ) ( )
( ) ( )
( )
( )
( )
( )
( ) ( )
( ) ( )
=
(
|
|
.
|
\
|

+
(
|
|
.
|
\
|

=
(
+
(
=
=
=
=
(
=
} } } }
} } }
2
2 2 2
2
2
2 2
2 2
2 2
2

2

a
a
ab
b
a b
b f
ab
a
b
b
b a
a f
x a
x
a b
b f
x b
x
b a
a f
dx a x
a b
b f
dx b x
b a
a f
dx
a b
a x
b f dx
b a
b x
a f
dx
a b
a x
b f
b a
b x
a f dx x P dx x f
b
a
b
a
b
a
b
a
b
a
b
a
b
a
b
a
n
b
a

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 41

( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )( )
( ) ( ) ( ) ( )
( )( )
( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( ) ( )
( ) ( ) ( ) [ ] ( )
( ) ( ) [ ] ( ) ( ) b f
a b
a f
a b a b
b f a f
b a
b f a f
b a
b a
b f a f b ab a
b a
b f a f
b a ab
b a
b f a f b a
ab
b a
b f a f
b a
ab
a b b a
a b b f a b a f b a
ab
a b b a
b a b f a b a f
b a
ab
a b
b f
b a
a f b a
ab
a b
b f
b a
a f
b a
ab
a b
b f
b a
a f b a
a b
b f
b a
a f
ab
a b
b f
b a
a f
ab
a b
b f b a
a b
b f b a
b a
a f
ab
b a
a f
ab
b a
a b
b f b a
ab
b a
a f
a
ab
b
a b
b f
ab
a b
b a
a f
a
a
ab
b
a b
b f
ab
a
b
b
b a
a f
a
a
ab
b
a b
b f
ab
a
b
b
b a
a f
2 2
1
2
1
2
1
2
2
2
2
2

2
2 2
2 2
2 2
2 2
2 2
2 2
2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2
2 2 2
2
2
2
2 2 2
2
2
+ =
=
+ =
+
=
+
+
=
=

=
(
+
=
=
(

+
=
(

=
=
(
=
(
=
=
(
==
+
(
=
=
+
+
=
=
(
+
(
=
=
(
+
(
=
=
(
+
(
=
=
(
|
|
.
|
\
|

+
(
|
|
.
|
\
|

=

Sin embargo, el probar si una frmula es o no de tipo interpolatorio se hace ms fcil
introduciendo el concepto de grado de precisin.

Captulo 4.2.1. GRADO DE PRECISIN:

Una frmula de cuadratura tiene grado de precisin al menos n si y slo si es exacta
para ( ) 1 = x f , ( ) x x f = , ( )
2
x x f = , , ( )
n
x x f = , y por tanto, para todo polinomio de grado
menor o igual a n .

Definicin:
Una frmula de cuadratura tiene grado de precisin exactamente n si y slo si es exacta
para ( ) 1 = x f , ( ) x x f = , ( )
2
x x f = , , ( )
n
x x f = , pero no lo es para ( )
1 +
=
n
x x f .

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 42

Teorema:
Se verifica que una frmula de cuadratura, con 1 + n nodos, es de tipo interpolatorio si y
solamente si dicha frmula es exacta para todo polinomio de grado menor o igual a n tiene
grado de precisin al menos n .

Por tanto, demostrar que ( ) ( ) ( ) b f
a b
a f
a b
dx x f
b
a
}
equivale a demostrar que
tiene grado de precisin al menos1.

Demostracin:
para ( ) 1 = x f :
( ) [ ]
( ) ( ) ( )
=
= = =
}
} }
a b
a b a b
b f
a b
a f
a b
dx x f
a b x dx dx x f
b
a
b
a
b
a
b
a
2 2
2

para ( ) x x f = :
( )
( ) ( ) ( )
( )( )
=
+
=
=
=
(
= =
}
} }
2 2
2
2 2
2 2
2 2 2
a b b a a b
b
a b
a
a b
b f
a b
a f
a b
dx x f
a b x
dx dx x f
b
a
b
a
b
a
b
a

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 43

Captulo 4.3. FRMULAS DE CUADRATURA DE NEWTON COTES. CERRADAS Y
ABIERTAS.

Son frmulas de cuadratura de tipo interpolatorio, eligiendo a los puntos de interpolacin
equidistantes en el intervalo de integracin. Pueden ser de dos tipos: cerradas y abiertas.
En las cerradas, los lmites de integracin han de ser puntos de interpolacin.

En las abiertas, los extremos no deben ser puntos de interpolacin.

Captulo 4.3.1. FRMULAS DE NEWTON COTES CERRADAS:

Veremos los dos casos ms sencillos: la frmula de los trapecios (con dos nodos) y la
frmula de Simpson (con tres nodos).

Captulo 4.3.1.1. FRMULA DE LOS TRAPECIOS:

La frmula de los trapecios viene dada por la expresin:
( ) ( ) ( ) b f A a f A dx x f
b
a

1 0
+
}

x
y
f(a)
b a
f(b)
f(x)
P
1
(x)
x
0
x
1
x
2
b a x
3

x
1
x
2
x
3
b=x
n
a=x
0

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 44

Tenemos que calcular los pesos
0
A y
1
A . Para hacer esto podemos escoger entre dos
procedimientos:

a) Calcular el polinomio de interpolacin e integrar.

a
( ) a f

[ ]
( ) ( )
a b
a f b f
b a f
= ,

b ( ) b f

( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) [ ] ( ) ( ) [ ] b f a f
a b
a f b f a f
a b
a b
a f b f a b a f
a b
a b
a f b f
a b a f
a ab b
a b
a f b f
a b a f
a
ab
b
a b
a f b f
a b a f
a
a
ab
b
a b
a f b f
a b a f
ax
x
a b
a f b f
a b a f dx a x
a b
a f b f
dx a f
dx a x
a b
a f b f
dx a f dx a x
a b
a f b f
a f dx x P
b
a
b
a
b
a
b
a
b
a
b
a
b
a
+
= +
=
=
+ =
+ =
=
(
+ =
(
+ =
=
(
|
|
.
|
\
|

+ =
=
(
+ =
+ =
=
+ =
(
+ =
} }
} } } }
2
2
2
2

2

2
2

2 2

2 2

2

2
2 2 2 2
2
2 2
2
1

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 45

b) Aplicar la definicin de grado de precisin.
A este mtodo para calcular los pesos tambin se le denomina mtodo de los
coeficientes indeterminados.
Precisin, al menos, 1.
La frmula es exacta para ( ) 1 = x f y ( ) x x f = .
Veamos:
para ( ) ( )
1 0
1 A A a b dx x f
b
a
+ = = =
}

para ( ) b A a A
a b
xdx x x f
b
a

2
1 0
2 2
+ =
= =
}

Tenemos un sistema de dos ecuaciones con dos incgnitas,
0
A y
1
A .
= +
= +
2

2 2
1 0
1 0
a b
A b A a
a b A A

Resolviendo el sistema se obtiene que
1 0
2
A
a b
A =
= .
As, la expresin de la frmula de los trapecios vendr dada por:
( ) ( ) ( ) b f
a b
a f
a b
dx x f
b
a
}

( ) ( ) ( ) [ ] b f a f
a b
dx x f
b
a
+
2

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 46

Captulo 4.3.1.2. FRMULA DE SIMPSON:

La frmula de Simpson viene dada por la expresin:
( ) ( ) ( ) b f A
b a
f A a f A dx x f
b
a
2

2 1 0
+ |
.
|
\
| +
+
}

Al igual que en la frmula de los trapecios, podemos calcular los pesos de dos formas
distintas:

( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( ) = + =
=

+
+

+

=
=

+
+

+

=
=
(

+

+

} } }
}
} }
}
} }
}
}
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0

2

2

1 0
2
2
2 0
2
1
2 1
2
0
1 0
1 2 0 2
2
2 0
2 1 0 1
1
2 1
2 0 1 0
0
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
b
a
dx x x x x
h
x f
dx x x x x
h
x f
dx x x x x
h
x f
dx x x x x
x x x x
x f
dx x x x x
x x x x
x f
dx x x x x
x x x x
x f
dx x f
x x x x
x x x x
dx x f
x x x x
x x x x
dx x f
x x x x
x x x x
dx x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
dx x f

x
y
f(a)
b a
f(b)
(a+b)/2
f((a+b)/2)

P
2
(x)
f(x)
2h
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 47

( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( )
( )
( ) ( )
( )
( )
( )
[ ]
( )
[ ]
( )
[ ]
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) [ ] ( ) ( )
(
+ |
.
|
\
| +
+
= + + =
= + + = + + =
=
(
+ +
(
=
=
= + + =
= + + + =
=
=
= + =

} } }
} } }
} } }
b f
b a
f a f
a b
x f x f x f
h
h x f h x f h x f h
h
x f
h
h
x f
h
h
x f
t t
h
h
x f
t h
t
h
x f t
h
t
h
x f
dt t ht
h
x f
dt h t
h
x f
dt ht t
h
x f
dt t t h
h
x f
dt h t t h
h
x f
dt h t t
h
x f
dt dx
t x x
dx x x x x
h
x f
dx x x x x
h
x f
dx x x x x
h
x f
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
x
x
x
x
x
x
2
4
6
4
3
3
1

3
4

3
1

3
2
3
4
3
2
2
3 2

2 3
2

2

2

2
: variable de Cambio

2

2
2 1 0
2
3
1 0
3
2
2 3
2
1 3
2
0
3 2
2
2 2
3
2
1
2 3
2
0
2
2
2 2 2
2
1 2
2
0
2
2
2
1
2
0
1
1 0
2
2
2 0
2
1
2 1
2
0
2
0
2
0
2
0

Precisin, al menos, 2.
La frmula es exacta para ( ) 1 = x f , ( ) x x f = y ( )
2
x x f = .
Veamos:
para ( ) ( )
2 1 0
1 A A A a b dx x f
b
a
+ + = = =
}

para ( ) b A
b a
A a A
a b
xdx x x f
b
a
2

2
2 1 0
2 2
+
+
+ =
= =
}

para ( )
2
2
2
1
2
0
3 3
2
2

2
b A
b a
A a A
a b
xdx x x f
b
a
+ |
.
|
\
| +
+ =
= =
}

Tenemos un sistema de tres ecuaciones con tres incgnitas,
0
A ,
1
A y
2
A .
= + |
.
|
\
| +
+
= +
+
+
= + +
2

2
2

2
3 3
2
2
1
2
0
2
2 2
2 1 0
2 1 0
a b
A b A
b a
A a
a b
A b A
b a
A a
a b A A A

6
0
a b
A

= , ( ) a b A =
3
2
1
y
6
2
a b
A

= .
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 48

As, la expresin de la frmula de Simpson vendr dada por:
( ) ( ) ( ) ( ) b f
a b b a
f a b a f
a b
dx x f
b
a
6 2

3
2
+ |
.
|
\
| +
+
}

( ) ( ) ( )
(
+ |
.
|
\
| +
+
}
b f
b a
f a f
a b
dx x f
b
a
2
4
6

Sabemos que, en la frmula de los trapecios, el grado de precisin es al menos 1 y en la
frmula de Simpson, al menos 2. Cmo podemos saber si dichos grados de precisin son
exactamente esos?

Para la frmula de los trapecios, es exacta para ( )
2
x x f = ?

( ) ( ) [ ] [ ]
[ ]
3 3
3 3
3 3
3 3 3
2
2 3
2
3 3
b a
a b a b
b a
a b
b f a f
a b
a b x
dx x
b
a
b
a
+
= +
=
(
=
}

No se cumple la igualdad, luego la frmula no es exacta para ( )
2
x x f = , y por tanto, el
grado de precisin es exactamente 1.
x
y
f(a)
b a
f(b)
f(x)
P
1
(x)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 49

Para la frmula de los trapecios, es exacta para ( )
3
x x f = ?

( ) ( )
(
(
+ |
.
|
\
| +
+
(
(
+ |
.
|
\
| +
+
=
(
+ |
.
|
\
| +
+
=
(
=
}
4
4
4
4 4
4
4
4
4 4 4
3
2
4
2 4
2
4
2 2
4
6
4 4
b
b a
a
a b a b
b
b a
a
a b
b f
b a
f a f
a b
a b x
dx x
b
a
b
a

S. Ambas expresiones son exactamente iguales y por tanto podemos afirmar que el
grado de precisin es, al menos, 3.

Es exacta para ( )
4
x x f = ?

( ) ( )
(
(
+ |
.
|
\
| +
+
(
(
+ |
.
|
\
| +
+
=
(
+ |
.
|
\
| +
+
=
(
=
}
5
5
5
5 5
5
5
5
5 5 5
4
2
4
2 5
2
4
2 2
4
6
5 5
b
b a
a
a b a b
b
b a
a
a b
b f
b a
f a f
a b
a b x
dx x
b
a
b
a

No se cumple la igualdad, luego la frmula no es exacta para ( )
2
x x f = , y por tanto, el
grado de precisin es exactamente 1.
x
y
f(a)
b a
f(b)
(a+b)/2
f((a+b)/2)

P
2
(x)
f(x)
2h
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 50

Grficamente:

( )
[ ]

= = + +
= + + =
(
+ +
= + +
}
10 30
30
1
13 4 4 1
6
2
10 2 4 4
2
2
4
1 2
2
0
2 4
2
0
3
x
x x
dx x x

Captulo 4.3.1.3. ERROR EN LA FRMULA DE LOS TRAPECIOS:

Dada la frmula de los trapecios:
( ) ( ) ( ) [ ] T b f a f
a b
dx x f
b
a
= +
2

El error cometido vendr dado por:
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) ( ) ( )
} }
} } } }
= =
= = = =
b
a
x
b
a
x
b
a
b
a
b
a
b
a
T
dx b x a x c f dx b x a x c f
dx x e dx x P x f dx x P dx x f E

! 2
1

! 2
1
' ' ' '

1 1 1

x
y
f(a)
b a
f(b)
(a+b)/2
f((a+b)/2)

f(x)
2h
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 51

Definicin: Segundo teorema del valor medio del clculo integral:

Sea f una funcin continua en el intervalo cerrado[ ] b a, y sea g una funcin integrable,
tal que g no cambia de signo en[ ] b a, . Si f y g verifican estas hiptesis, entonces existe un
punto ( ) b a c , tal que ( ) ( ) ( ) ( )
} }
=
b
a
b
a
dx x g c f dx x g x f .

Hiptesis:
f continua en[ ] b a,
g integrable en[ ] b a,
signo de g constante en[ ] b a,

Tesis:
( ) ( ) ( ) ( ) ( )
} }
=
b
a
b
a
dx x g c f dx x g x f b a c ,
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( )
3 ' '
3
' '
3 3
' '
0
2 3
' '
0
2 ' '
0
' '
' ' ' '

12
1
6

! 2
1
2 3

! 2
1
2
3

! 2
1

! 2
1

! 2
1
: variable de Cambio

! 2
1

! 2
1
a b c f
h
c f
h h
c f
t
h
t
c f dt ht t c f dt h t t c f
dt dx
t a x
dx b x a x c f dx b x a x c f E
h
h h
b
a
b
a
x
T
= =
(
=
=
(
+ = + = =
=
=
= = =
} }
} }

( ) ( )
3 ' '

12
1
a b c f E
T
=

Consideracin:
El error ser cero si y slo si ( ) 0
' '
= c f , esto implica que ( ) x f sea un polinomio de grado
menor o igual a uno. Es decir, la frmula tiene un grado de precisin exactamente uno, tal
como ya haba sido demostrado anteriormente.

Captulo 4.3.1.4. ERROR EN LA FRMULA DE SIMPSON:

Dada la frmula de Simpson:
( ) ( ) ( ) S b f
b a
f a f
a b
dx x f
b
a
=
(
+ |
.
|
\
| +
+
}
2
4
6

Se demuestra que si f tiene derivada cuarta y es continua en[ ] b a, , entonces existe un
punto ( ) b a c , tal que:
( ) ( )
( )
( ) ( )
5 4
2

32 90
1
a b c f dx x P dx x f E
b
a
b
a
S
= =
} }

( )
( ) ( )
5 4

32 90
1
a b c f E
S
=

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 52

Captulo 4.3.2. FRMULAS DE NEWTON COTES ABIERTAS:

Estudiaremos las frmulas de Newton Cotes abiertas con un solo nodo (frmula del
punto medio) y con dos nodos.

Captulo 4.3.2.1. FRMULA DE NEWTON COTES ABIERTA CON UN SOLO NODO O FRMULA
DEL PUNTO MEDIO:

Con un nico nodo, la frmula vendr dada por la expresin:
( ) ( )
|
.
|
\
| +
=
}
2

0 0 0
b a
f A x f A dx x f
b
a

Tenemos que calcular el pesos
0
procedimientos:
( )
2
0
b a
x P
+
=
( ) [ ] ( ) a b
b a
x
b a
dx
b a
dx
b a
dx x P
b
a
b
a
b
a
b
a
+
=
+
=
+
=
(
+
=
} } }
2 2 2
0

La frmula, al ser de tipo interpolatorio, tiene un grado de precisin al menos 0 , es
decir, es exacta para ( ) 1 = x f :
( ) [ ] ( )
( )
a b A
b a
A
b a
f A dx x f
b a
a b x
b a
dx
b a
dx x f
b
a
b
a
b
a
b
a
=
+
=
|
.
|
\
| +
|
.
|
\
| +
= |
.
|
\
| +
= |
.
|
\
| +
=
}
} }
0
0 0
2
2 2

x
y
f(a)
b a
f(b)
f(x)
P
0
(x)
x
0

a b
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 53

As, obtenemos:
( ) ( )
|
.
|
\
| +

}
2
b a
f a b dx x f
b
a

Vamos ahora a calcular cual es el orden de precisin de dicha frmula. Sabemos que
tiene un grado de precisin al menos 0 , esto es, es exacta para ( ) 1 = x f , pero, es exacta
para ( ) x x f = ?

( )
( ) ( ) ( )
( )
2 2
2 2
2 2
2 2 2
a b b a
a b
b a
a b
b a
f a b dx x f
a b x
dx x dx x f
b
a
b
a
b
a
b
a
=
+
+
=
|
.
|
\
| +

=
(
= =
}
} }

S, la frmula tambin es exacta para ( ) x x f = , luego su grado de precisin es, al
menos, 2 . Y ahora, es exacta para ( )
2
x x f = ?

( )
( ) ( ) ( )
( )
( )
( )
3 4
3 3
3 3 2
2
3 3 3
2
a b b a
a b
b a
a b
b a
f a b dx x f
a b x
dx x dx x f
b
a
b
a
b
a
b
a
+
= |
.
|
\
| +

=
(
= =
}
} }

No, luego el grado de precisin de la frmula es exactamente, 2 .

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 54

Captulo 4.3.2.2. FRMULA DE NEWTON COTES ABIERTA CON DOS NODOS:

Ejercicio:
Deducir la frmula de Newton Cotes abierta con dos nodos en el intervalo[ ] b a, . Cul
es el orden de precisin de dicha frmula?

Aplicarla al clculo aproximado de la integral ( )
}
=
1
0
cos dx x I y calcular, exactamente, el
error cometido.

Con dos nodos, la frmula buscada vendr dada por la expresin:
( ) ( ) ( )
1 1 0 0
x f A x f A dx x f
b
a
+
}

3
a b
h

=
3
2
3
2 2 3
3
2 2
3
2
3
3
3
1
0
a b a b a a b
a h a x
b a a b a a b
a h a x
+
=
+
=
+ = + =
+
=
+
=
+ = + =

x
0
a b x
0

h
x
y
f(a)
b a
f(b)
f(x)
P
1
(x)
x
0
x
1

f(x
0
)
f(x
1
)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 55

Tenemos que calcular los pesos
0
A y
1
procedimientos:
( ) ( )
( ) ( )
( )
0
0 1
0 1
0 1
x x
x x
x f x f
x f x P
+ =
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
( ) ( )
( ) ( ) ( ) [ ] ( ) ( ) ( )
( ) ( ) ( ) ( ) [ ]
(
|
.
|
\
| +
+ |
.
|
\
| +
= + = + =
= + = + =
=
(
+ =
(
(

+ =
=
+ =
+ =
=
+ =
(
+ =
} } }
} } } }
3
2
3
2
2
3
2
3
2
3
2
3
2
3
3
2
3
3
2 2
4
3
2
3
3

1 0 1 0
0 1 0 0 1 0
2 2
0 1
0
2
0 0 1
0
0
0 1
0 1
0 0
0 1
0 1
0
0
0 1
0 1
0 0
0 1
0 1
0 1
a b
f
b a
f
a b
x f x f
h
x f
h
x f
h
x f
h
x f
h
x f h
h
x f x f h x f
h h
h
x f x f
h x f
x x
h
x f x f
h x f
dx x x
x x
x f x f
h x f dx x x
x x
x f x f
dx x f
dx x x
x x
x f x f
dx x f dx x x
x x
x f x f
x f dx x P
b
a
b
a
b
a
b
a
b
a
b
a
b
a
b
a

La frmula, al ser de tipo interpolatorio, tiene un grado de precisin al menos1, es
decir, es exacta para ( ) 1 = x f y ( ) x x f = :
Para ( ) 1 = x f :
( ) [ ] ( )
( )
a b A A
A A
a b
f A
b a
f A dx x f
a b x dx dx x f
b
a
b
a
b
a
b
a
= +
+ = |
.
|
\
| +
+ |
.
|
\
| +
= = =
}
} }
1 0
1 0 1 0
2
2
2
2

Para ( ) x x f = :
( )
( )
2 2
2
2
2
2
2
2
2
2
2
2
2
2 2
2 2
1 0
1 0 1 0
2 2 2
a b a b
A
b a
A
a b
A
b a
A
a b
f A
b a
f A dx x f
a b x
xdx dx x f
b
a
b
a
b
a
b
a
=
+
+
+
+
+
+
= |
.
|
\
| +
+ |
.
|
\
| +
=
(
= =
}
} }

Tenemos un sistema de dos ecuaciones con dos incgnitas,
0
A y
1
A .
=
+
+
+
= +
2 2
2
2
2
2 2
1 0
1 0
a b a b
A
b a
A
a b A A

1 0
2
A
a b
A =
=
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 56

As, obtenemos:
( )
(
|
.
|
\
| +
+ |
.
|
\
| +
}
3
2
3
2
2
a b
f
b a
f
a b
dx x f
b
a

Vamos ahora a calcular cual es el orden de precisin de dicha frmula. Sabemos que
tiene un grado de precisin al menos1, esto es, es exacta para ( ) 1 = x f y ( ) x x f = , pero, es
exacta para ( )
2
x x f = ?

( )
( ) ( ) ( )
( )
2 2
3 3
2 2
3 3 3
2
a b b a
a b
b a
a b
b a
f a b dx x f
a b x
dx x dx x f
b
a
b
a
b
a
b
a
=
+
+
=
|
.
|
\
| +

=
(
= =
}
} }

S, la frmula tambin es exacta para ( ) x x f = , luego su grado de precisin es, al
menos, 2 . Y ahora, es exacta para ( )
2
x x f = ?

( )
( )
3 3
2
3
2
2
3
2
3
2
2 3
2
3
2
2
3 3
3 3
2 2
2 2
3 3 3
2
a b a b b a a b
a b b a a b a b
f
b a
f
a b
dx x f
a b x
dx x dx x f
b
a
b
a
b
a
b
a
(
(
|
.
|
\
| +
+ |
.
|
\
| +
(
(
|
.
|
\
| +
+ |
.
|
\
| +
=
(
|
.
|
\
| +
+ |
.
|
\
| +
=
(
= =
}
} }

No, luego el grado de precisin de la frmula es exactamente, 1.

As, aplicamos el resultado anterior para calcular el valor aproximado de la integral
( )
}
=
1
0
cos dx x I :
( ) 0
2
1
2
1
2
1
3
2
cos
3
cos
2
0 1
cos
1
0
=
(
=
(
|
.
|
\
|
|
.
|
\
|
=
}

dx x I

Calculamos el error cometido:
( ) ( ) ( ) [ ] ( ) ( ) [ ] 0 0
1
0
1
1
cos
1
0
1
0
1
0
= = = =
(
=
}

sen sen x sen x sen dx x I

Luego, 0 error = .
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 57

Teorema:
El orden de precisin de una frmula de Newton Cotes (cerrada o abierta) simple
con 1 + n nodos es igual a:
par es si
impar es si
n n
n n

Por ejemplo:
Frmula de los trapecios 1 precisin =
Frmula de Simpson 3 precisin =
Regla del punto medio 1 precisin =
Abierta con dos nodos 1 precisin =

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 58

Captulo 4.4. FRMULAS DE CUADRATURA COMPUESTAS. REGLA DE LOS
TRAPECIOS Y REGLA DE SIMPSON.

Se obtienen dividiendo el intervalo[ ] b a, en n subintervalos y aplicando a cada uno de
ellos una frmula de cuadratura sencilla.

Captulo 4.4.1. FRMULA DE LOS TRAPECIOS COMPUESTA:

Dado el intervalo[ ] b a, y 1 n , sea
n
a b
h

= y definimos n i i
n
a b
a x
i
... 0 , =
+ = .

En el intervalo[ ]
1
,
+ i i
x x se reemplaza la funcin integrando f .

As, el valor de la integral en dicho subintervalo vendr dado por:
( ) ( ) ( ) [ ]
1
2
1
+
+
}
+
i i
x
x
x f x f
h
dx x f
i
i

x
0

x
y
x
1
x
2
x
3

f(x
0
)
f(x
2
)
f(x
1
)
f(x
3
)
f(x)
x
1
x
2
x
3
b=x
n
a=x
0

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 59

Extendiendo este resultado a todos los subintervalos en los que hemos dividido el
intervalo inicial [ ] b a, , obtenemos:
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( )
(
+ +
=
= + + + + + + + =
= + =

} }
=
+
=
+
b f x f a f
n
a b
x f x f x f x f x f x f x f
h
dx x f x f
h
dx x f dx x f
n
i
i
n n
n
i
i i
n
i
x
x
b
a
i
i
1
1
1 2 2 1 1 0
1
0
1
1
0
2
2
...
2
2
1

( ) ( ) ( ) ( )
(
+ +

}

=
b f x f a f
n
a b
dx x f
n
i
i
b
a
1
1
2
2

Captulo 4.4.1.1. ERROR EN LA FRMULA DE LOS TRAPECIOS COMPUESTA:

El error en la frmula simple para un intervalo[ ] b a, vena dado por la expresin:
( ) ( )
3 ' '

12
1
a b c f E
T
=

El error cometido en la frmula simple es la suma de los errores cometidos en cada uno
de los intervalos[ ]
1
,
+ i i
x x en los que se ha dividido el intervalo inicial [ ] b a, .

As:
( )
( )
( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( ) =
=
3
1
,
' '
3
2 3
,
3
' ' 3
1 2
,
2
' ' 3
0 1
,
1
' '

12
1
...
12
1

12
1

12
1
1
3 2 3 2 1 2 1 0 1
n n
x x c
n
x x c x x c x x c
T
n
x x c f
x x c f x x c f x x c f E
n n n

x
y
f(x
0
)
x
2
x
0

f(x
2
)
x
1

f(x
1
)

f(x)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 60

( ) ( )
( )
( )
( )
1 1 1 1
,
1
' '
3
1
0
,
1
' '
3
1
0
1

12
1

12
1
+ + + +

+
=
+
= =
i i i i i i
x x c
i
n
i
x x c
i
n
i
i i
c f h c f x x

Tenemos que acotar
' '
f en el intervalo[ ] b a, . Es decir, tenemos que
calcular
[ ]
( ) { } x f M
b a x
' '
,
max
= y
[ ]
( ) { } x f m
b a x
' '
,
min
= , suponiendo
' '
f continua en[ ] b a, .

De este modo se verifica:
( ) M n c f m n
n
i
i

1
0
1
' '

=
+

Dividiendo entre n :
( )
M
n
c f
m
n
i
i

=
+
1
0
1
' '

Aplicando el teorema del valor medio:

Si ) (x f es continua en[ ] b a, , la funcin alcanza en ese intervalo todos los valores
comprendidos entre ) (a f y ) (b f .

[ ]
K c f
b a c
b f K a f
=

< <
) (
,
) ( ) (

Hiptesis:
f es continua en[ ] b a,
( ) ( ) ( ) b f a f K ,

Tesis:
( ) ( ) K c f b a c = ,

As:
[ ] ( )
( )
n
c f
c f b a c
n
i
i
=
+
=
1
0
1
' '
' '
,
x
y
a b c c c
f(b)
f(a)
K
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 61

Y por tanto:
( )
( )
( )
( )
( )
( ) b a c b a c x x c
i
n
i
T
n
c f n
n
a b
c f n h c f h E
i i i
,
' '
3
,
' ' 3
,
1
' '
3
1
0

12
1

12
1

12
1
1 1

+
=
|
.
|
\
|
= = =
+ +

( ) ( )
( ) b a c
T
n
c f a b
n
E
,
' ' 3
2

12
1
=

Captulo 4.4.2. FRMULA DE SIMPSON COMPUESTA:

Dado el intervalo[ ] b a, y 1 n , sea
n
a b
h
2
= y definimos:
( )
= + =
= + =
n i h i a z
n i hi a x
i
i
... 1 , 1 2
... 0 , 2
.

El procedimiento a seguir sera anlogo al visto en la frmula compuesta de los
trapecios:

En el intervalo[ ]
1
,
+ i i
x x se reemplaza la funcin integrando f .

La frmula simple de Simpson vena dada por la expresin:
( ) ( ) ( )
(
+ |
.
|
\
| +
+
}
b f
b a
f a f
a b
dx x f
b
a
2
4
6

x
1
x
2
x
3
b=x
n
a=x
0

x
0

x
y
x
1
x
2
x
3

f(x
0
)
f(x
2
)
f(x
1
)
f(x
3
)
f(x)
z
1
z
2
z
3

P(x)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 62

As, el valor de la integral en el subintervalo[ ]
1
,
+ i i
x x vendr dado por:
( ) ( ) ( ) ( ) [ ]
1 1 1
4
3
1
+ +
+ +
}
+
i i
x
x
x f z f x f
h
dx x f
i
i

Extendiendo este resultado a todos los subintervalos en los que hemos dividido el
intervalo inicial [ ] b a, , obtenemos:
( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
(
+ + +
=
=
(
+ + + =
= + + + + + + + + + =
= + + =

} }
=
=
=
=
+ +
=
+
n
n
i
i
n
i
i
n
n
i
i
n
i
i
n n n
n
i
i i i
n
i
x
x
b
a
x f z f x f x f
n
a b
x f z f x f x f n
h
x f z f x f x f z f x f x f z f x f
n
h
x f z f x f
h
dx x f dx x f
i
i
1
1
1
0
1
1
1
0
1 2 2 1 1 1 0
1
0
1 1
1
0
2
6
4 2
3
4 ... 4 4
3
4
3
1

( ) ( ) ( ) ( ) ( )
(
+ + +

}
=
=
n
n
i
i
n
i
i
b
a
x f z f x f x f
n
a b
dx x f
1
1
1
0
2
6

Captulo 4.4.2.1. ERROR EN LA FRMULA DE SIMPSON COMPUESTA:

El error en la frmula simple para un intervalo[ ] b a, vena dado por la expresin:
( )
( ) ( )
5 4

32 90
1
a b c f E
S
=

El error cometido en la frmula simple es la suma de los errores cometidos en cada uno
de los intervalos[ ]
1
,
+ i i
x x en los que se ha dividido el intervalo inicial [ ] b a, .

As:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
5
,
1
4
1
0
5
,
1
4
1
0
5
1
,
1
4
1
0
5
1
,
3
4
5
2 3
,
3
4 5
1 2
,
2
4 5
0 1
,
1
4

90
1
2
32 90
1

32 90
1

32 90
1
...
32 90
1

32 90
1

32 90
1
1 1
1 1 1 1 1
3 2 3 2 1 2 1 0 1
h c f
h c f x x c f x x c f
x x c f x x c f x x c f E
i i i
i i i i i i n n n
x x c
i
n
i
x x c
i
n
i
i i
x x c
i
n
i
n n
x x c
x x c x x c x x c
S
n
+ +
+ + + +
=
+

=
= = = +
+ + + + =

Tenemos que acotar
( ) 4
f en el intervalo[ ] b a, . Es decir, tenemos que
calcular
[ ]
( )
( ) { } x f M
b a x
4
,
max
= y
[ ]
( )
( ) { } x f m
b a x
4
,
min
= , suponiendo
( ) 4
f continua en[ ] b a, .

De este modo se verifica:
( )
( ) M n c f m n
n
i
i

1
0
1
4

=
+

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 63

Dividiendo entre n :
( )
( )
M
n
c f
m
n
i
i

=
+
1
0
1
4

[ ]
( )
( )
( )
( )
n
c f
c f b a c
n
i
i
=
+
=
1
0
1
4
4
,

As:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
5
,
4
1
0
4 5
5
,
4
1
0
5
,
4
1
0
5
,
4
1
0
5
,
1
4
1
0

32 90
1
32

90
1
2

90
1

90
1

90
1
1 1
a b c f
n n
a b
c f n
n
a b
c f n h c f n h c f E
b a c
n
i
b a c
n
i
b a c
n
i
b a c
n
i
x x c
i
n
i
S
n
i i i
=
=
=
|
.
|
\
|
= = =
=

+ +

( )
( )
( )
( )
5
,
4
1
0
4

32 90
1
a b c f
n
E
b a c
n
i
S
n
=

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 64

Captulo 5: RESOLUCIN NUMRICA DE ECUACIONES NO
LINEALES.


El objetivo buscado es calcular los valores de x que satisfacen la identidad ( ) 0 = x F .
Grficamente, se trata de calcular las races de una funcin:

Diremos que = x es una raz de F si ( ) 0 = F .
Si F es un polinomio:
de primer grado:
a
b
x b ax = = + 0
de segundo grado:
a
ac b b
x c bx ax
2
4
0
2
2

= = + +

Existen mtodos directos para polinomios de grado tres o cuatro, pero a partir de grado
cinco no existen mtodos directos generales, aunque puede darse algn caso particular.

Por otra parte, si F no es polinmica, por ejemplo: ( ) ( ) x sen e x F
x
=

, debemos
recurrir a mtodos iterativos; esto es, calcular una sucesin numrica que sea convergente
hacia una de las races de la funcin:
{ } { } ( ) 0 , = F x x
n n

Captulo 5.1.1. MTODOS DE SEPARACIN DE RACES. GRFICOS Y TERICOS:

Diremos que una raz de la ecuacin ( ) 0 = x F est separada en el intervalo I si es la
nica solucin que existe en dicho intervalo.

x
y
x=
f(x)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 65

Captulo 5.1.1.1. MTODOS GRFICOS:

Mediante la grfica de la funcin F podemos, en ocasiones, solucionar el problema de la
separacin de races.

En ocasiones es til representar
2 1
g g F + =

As, la abscisa correspondiente al punto de interseccin corresponde a una raz de F .

Por ejemplo:
( ) ( ) x sen e x F
x
=

x
y
x=
g
1
(x)
g
2
(x)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 66

Captulo 5.1.1.2. MTODOS TERICOS:

Se basan en la aplicacin de los teoremas de Bolzano y Rolle.

Captulo 5.1.1.2.1. TEOREMA DE BOLZANO:

Si una funcin es continua en un intervalo cerrado[ ] b a, y toma valores de distinto signo
en a y en b, existe al menos un punto
0
x interior al intervalo en el cual 0 ) (
0
= x f .

Hiptesis:
( ) ( ) 0 < b f a f

Tesis:
( ) ( ) 0 , = c f b a c

x
y
a b c c c
f(b)
f(a)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 67

Captulo 5.1.1.2.2. TEOREMA DE ROLLE:

Si una funcin ) (x f es continua en el intervalo cerrado[ ] b a, y derivable en el intervalo
abierto( ) b a, , verificando adems que ) ( ) ( b f a f = , entonces existe al menos un
punto [ ] b a c , en el que se verifica que 0 ) ( ' = c f
) (x f es constante

o 0 ) ( ' ) ( = = x f K x f
o se verifica en todos los puntos del intervalo
) (x f no es constante

y
x
a b
f(a) f(b)
c
y
x
a b
f(a) f(b)
c
y
x
a b
f(a) f(b)
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 68

Teorema:
Un primer resultado afirma que entre dos races consecutivas de
'
F existe, a lo sumo,
una raz de F .

Otro mtodo consiste en aplicar conjuntamente los teoremas de Bolzano y Rolle para
demostrar la unicidad de una raz en un intervalo[ ] b a, .

Hiptesis:
F continua en[ ] b a,
F derivable en( ) b a,
( ) ( ) 0 < b F a F
( ) ( ) b a x x F , , 0
'

Tesis:
( ) ( ) 0 , ! = F b a

x
y
x= x=
x
y
x=
x=
x=c
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 69

Captulo 5.2. MTODOS ITERATIVOS DE OBTENCIN DE SOLUCIONES.

Una de las tcnicas que puede usarse en la resolucin aproximada de la
ecuacin ( ) 0 = x F consiste en localizar en un intervalo[ ] [ ]
0 0
, , b a b a = la raz que se desea
aproximar y a continuacin iramos formando sistemticamente intervalos contenidos cada uno
en el anterior: [ ] [ ] [ ] [ ] [ ]
n n
b a b a b a b a b a , ... , , , ,
3 3 2 2 1 1 0 0
, y conteniendo a su vez a
la raz, de forma que la longitud de estos intervalos tienda a cero.

Captulo 5.2.1. MTODO DE BISECCIN:

Supongamos que la funcin F es continua en[ ]
0 0
, b a , tal que ( ) ( ) 0
0 0
< b F a F ; en estas
condiciones podemos afirmar que la ecuacin ( ) 0 = x F tiene al menos una raz en( )
0 0
, b a . Se
calcula ( ) M F , siendo M el punto medio del intervalo, es decir,
2
0 0
b a
M
+
= . Si ( ) 0 = M F ,
paramos; en caso contrario, ( ) M F tiene o bien el signo de ( )
0
a F o bien el signo de ( )
0
b F , y
uno de los dos intervalos[ ] M a ,
0
o[ ]
0
, b M tiene la propiedad de que en sus extremos la
funcin F tiene valores de signos opuestos. Llamemos[ ]
1 1
, b a a este intervalo, que tiene de
longitud la mitad del anterior. Repetimos el proceso.

Por ejemplo:

a=a
0

b=b
0
=b
1

x
1
=a
1
=a
2

y
x
y=F(x)
x
2
=b
2

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 70

[ ] [ ]
[ ] [ ]
[ ] [ ]
(
+
= =
(
+
= =
=
2
, , ,
,
2
, ,
, ,
1 1
1 2 1 2 2
0
0 0
0 1 1 1
0 0
b a
a x a b a
b
b a
b x b a
b a b a

La longitud de los intervalos:
n
n n
a b
a b
a b
a b
a b
a b
a b
a b
2
...
2
2
2
3
3 3
2
2 2
1 1
=

Entonces:
n
n
n
n
a b
b
a b
a
2
2
<
<

Si denotamos por { }
n
x a la sucesin de puntos medios, empezando por
1
x , se verifica
que{ }
n
x converge a una raz de la ecuacin.

Sabemos que
n n
a x = o
n n
b x = . As tenemos la siguiente cota del error:
n
n
a b
x
2
<

Dicho esto, si se pretende calcular la raz con un error menor que , cuntas
iteraciones debemos realizar?
n
n
a b
a b
2
2
<
<

Como la funcin logaritmo es estrictamente creciente, podemos tomar logaritmos a
ambos lados de la inecuacin y esta no se ver afectada.
( ) ( )
n
a b 2 log log <

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 71

Aplicando propiedades de logaritmos:
( )
( )
( )
|
.
|
\
|
>
<
|
.
|
\
|
<
+ <
+ <
a b
n
n
a b
n a b
a b
a b
n
log 2 log
2 log log
2 log log log
log log log
2 log log log

2 log
log
|
.
|
\
|
>

a b
n

An as, la convergencia con este mtodo suele ser muy lenta, aunque siempre
converger a una raz real.

Pero si la funcin no es continua corremos el riesgo de construir una sucesin no
convergente.

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 72

Captulo 5.3. CONVERGENCIA DEL MTODO DE ITERACIN DE PUNTO FIJO:
ESTUDIO DEL ERROR.

Este mtodo permite adquirir una raz de la ecuacin ( ) 0 = x F . En este mtodo se
deduce la ecuacin ( ) x f x = , de manera que cualquier solucin de esta ecuacin, es decir,
cualquier punto fijo de f , es una raz de la ecuacin de partida ( ) 0 = x F . Es decir:
Si ( ) f = entonces ( ) 0 = F .

Por ejemplo:
( )
( )
( )
( )
( ) 0 ,
1
1
1
1
0 1
2
4
3
2
2
1
2

=
+
=
+ =
=
= =
m
m
x x
x x f
x
x
x f
x x f
x x f
x x x F

A cada una de estas funciones
i
f se le llama funcin de iteracin asociada a F .

Grficamente:

As, = x y = x son puntos fijos de la funcin f , y por tanto, races de F .
y
x
y=f(x)
y=x
x=
x=
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 73

Captulo 5.3.1. ITERACIN DEL PUNTO FIJO:

La iteracin del punto fijo consiste en elegir un punto domf x
0
y construir la
sucesin{ }
n
x definida recursivamente por la ecuacin siguiente:
{ }
( )
0
1

=
+
n
x f x
x
n n
n

As, los puntos que componen la sucesin sern:
( )
( )
( )
( )
1
2 3
1 2
0 1
0
...
=
=
=
=
n n
x f x
x f x
x f x
x f x
x

Para que este algoritmo resuelva el problema planteado hemos de comprobar que se
verifiquen las siguientes condiciones:
Los puntos de la sucesin{ }
n
x debern pertenecer al dominio de la funcin f .
0 , n domf x
n

La sucesin deber converger hacia un valor real.
{ } IR x
n

El lmite de dicha sucesin ser un punto fijo de la funcin f .
( ) f =

Por ejemplo:
Supongamos que la funcin elegida sea ( ) 1 = x x f :
( ) ( )
( ) ( )
( ) ( ) domf i f x f x
domf f x f x
domf f x f x
domf x
= = = = =
= = = = =
= = = = =
=
1 1 0 0
0 0 1 1 1
1 1 1 2 2
2
2 3
1 2
0 1
0

Vemos como, a partir del punto
3
x , no se verifica la primera condicin.

Para garantizar esta primera condicin supongamos que ( ) x f est encerrada en un
intervalo [ ] b a I , = y que la imagen que cada uno de los puntos del intervalo I a travs de la
funcin f est a su vez contenido en [ ] b a I , = . Es decir:
[ ] [ ]
[ ] ( ) [ ] b a x f b a x
b a b a f
, , ,
, , :

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 74

Grficamente:

[ ] [ ] ( )
[ ]
[ ]
)
`
=
b a y
b a x
y x b a b a
,
,
, , ,

Demostracin:
Por induccin se demuestra que [ ] n b a x
n
, , .
[ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) [ ] b a x f x
b a x f x b a x f x b a x f x b a x
n n
,
... , , , ,
1
2 3 1 2 0 1 0
=
= = =

Captulo 5.3.2. TEOREMA DE EXISTENCIA DEL PUNTO FIJO:

Sea [ ] [ ] b a b a f , , : continua en[ ] b a, , entonces [ ] ( ) = f b a, . Es decir:
[ ] [ ] [ ] ( ) = f b a b a b a f , , , :

Demostracin:
Aplicamos el Teorema de Bolzano a la funcin ( ) ( ) x f x x g = en[ ] b a, :

Hiptesis:
g continua en[ ] b a,
Al ser diferencia de funciones continuas.
( ) ( ) 0 < b g a g
( ) ( )
( ) ( ) 0
0
=
=
a f b b g
a f a a g

Tesis:
[ ] ( ) 0 , = g b a
y
x
y=f(x)
y=x
x=a x=b x=
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 75

As:
( ) ( ) f g = = 0

Sin embargo las hiptesis anteriores no garantizan la unicidad del punto fijo.

Por ejemplo:

Existen puntos [ ] ( ) ( )
2 1 2 1 2 1
, , x x x f x f b a x x > , es decir,
( ) ( ) ( ) ( )
2 1 2 1
, , x x d x f x f d > .

Para evitar que suceda esto incorporamos la definicin de funcin contractiva.

Captulo 5.3.3. FUNCIN CONTRACTIVA:

Se dice que f es contractiva en[ ] b a, si y slo si, por definicin:
[ ) ( ) ( ) [ ] b a x x x x L x f x f L , , , 1 , 0
2 1 2 1 2 1
.

Se verifica tambin que la contractividad implica la continuidad de la funcin.

Para estudiar si una funcin es contractiva utilizaremos el siguiente resultado:

x
y=f(x)
y=x
x=a x=b x=x
1
x=x
2
x=x
3
x=x
4

y
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 76

Sea f continua en[ ] b a, y derivable en( ) b a, , entonces son equivalentes las dos
condiciones siguientes:
f es contractiva en[ ] b a, con constante de contractividad L .
( ) ( ) b a x L x f , , 1
'
< , es decir,
'
f es una funcin acotada en( ) b a, .

Si [ ] [ ] b a b a f , , : y es contractiva, entonces existe un nico punto fijo en[ ] b a, , es
decir, [ ] ( ) = f b a, ! .

La existencia ya esta probada. Probemos ahora la unicidad del punto fijo:

Captulo 5.3.4. TEOREMA DE UNICIDAD DEL PUNTO FIJO:

Demostraremos la unicidad del punto fijo por reduccin al absurdo: supondremos la
existencia de un segundo punto fijo y llegaremos a una contradiccin:

Sean [ ]
( )
( )

=
=

f
f
b a y , , , entonces:
( ) ( )

<
< = L f f

Ejemplo:
Sea ( )
x
e x f

= en[ ] [ ] 1 , 0 , = b a . Es f una funcin de iteracin?

Para que f sea una funcin de iteracin debe verificarse que:
[ ] [ ] 1 , 0 1 , 0 : f
Primero comprobamos que las imgenes de los extremos de los intervalos a travs
de f pertenecen al intervalo.
( ) [ ]
( ) [ ] 1 , 0
1
1
1 , 0 1 0
1
0
= =
= =
e
e f
e f

A continuacin comprobamos que el resto de puntos del intervalo verifica la
hiptesis, para lo cual, estudiaremos la monotona de la funcin.
( )
( ) domf x x f
e x f
x
<
=

, 0
'
'

'
f es decreciente en[ ] 1 , 0
[ ]
( ) { }
[ ]
( ) { }
[ ] [ ] 1 , 0 1 ,
1
1 , 0 :
1
min
1 max
1 , 0
1 , 0
=
=
e
f
e
x f
x f
x
x

f es contractiva en[ ] 1 , 0
[ ) ( ) ( ) 1 , 0 , 1 , 0
'
x L x f L
( )
x x x
e e e x f

= = =
'

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 77

[ ) ( ) 1 , 0 , 1 , 0 1 lim
0
/ =

x L e L e
x x
x

En[ ] 1 , 0 no hemos encontrado la constante de contractividad. Probemos en[ ] 1 , 1 . 0 :
( )

( ) 1 , 1 . 0 , 1
1 . 0 '
< < =

x e e x f
L
x

Luego, f es contractiva en[ ] 1 , 1 . 0 con constante de contractividad
1 . 0
= e L .

Captulo 5.3.5. CONVERGENCIA DEL MTODO DE ITERACIN DEL PUNTO FIJO. ESTUDIO DEL
ERROR:

Distinguiremos entre convergencia global y convergencia local.

En la convergencia global se darn condiciones para f en[ ] b a, , bajo las cuales el
algoritmo del punto fijo converge para [ ] b a x ,
0
.

En la convergencia local se darn condiciones ms dbiles bajo las cuales el algoritmo
converge siempre que el punto inicial est suficientemente cerca de la solucin.

Captulo 5.3.5.1. TEOREMA DE CONVERGENCIA GLOBAL Y ESTIMACIN DEL ERROR:

Sea [ ] [ ] b a b a f , , : , contractiva con constante de contractividad L y sea [ ] b a x ,
0
;
entonces se verifica que la sucesin{ }
n
x definida por ( ) 0 ,
1
=
+
n x f x
n n
es convergente y
converge al nico punto fijo = x de f en[ ] b a, .

Hiptesis:
[ ] [ ] b a b a f , , :
( ) ( ) b a x L x f , , 1
'
<

Tesis:
[ ] ( ) { } =
n
x f b a y , !

Adems, se tiene la siguiente estimacin para el error:
a b
L
L
x x
L
L
x
n n
n

1
0 1

Vemos como, cuando L es prxima a cero el error se aproxima a cero y cuando L es
prxima a uno, el error tiende a infinito.
= =
= =

0 1 1 1
lim
1
1
1
0 1 1
lim
1
1
0
0
L L
L
L
L
L
L
n
L
n
L

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 78

Captulo 5.3.5.2. TEOREMA DE CONVERGENCIA GLOBAL:

Sea [ ] IR b a f , : , derivable con
'
f continua en( ) b a, y supongamos
que ( ) ( ) = f b a, y adems ( ) 1
'
< f . Entonces, [ ] + > , 0
0
x la
sucesin{ }
n
x definida por ( )
n n
x f x =
+1
converge a = x .

Hiptesis:
[ ] IR b a f , :

'
f continua en( ) b a,
( ) ( ) = f b a,
( ) 1
'
< f

Tesis:
[ ] ( ) { } =
n
x f b a y , !

Grficamente:
con ( ) 0 1
'
< < x f :

Vemos como se forma una tela de araa en la que los puntos
n
x convergen hacia .
x
y=f(x)
y=x
x=a x=b x=x
0
x= x=x
1
x=x
2

y
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 79

con ( ) 1 0
'
< < x f :

Vemos como se forma una escalera en la que los puntos
n
x convergen hacia .

Para ( ) >
0
'
, 1 x x f la sucesin no es convergente.

x
y=f(x)
y=x
x=a x=b x=x
0
x= x=x
1
x=x
2

y
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 80

Captulo 5.4. ORDEN DE CONVERGENCIA.

Sea{ }
n
x una sucesin de nmeros reales que converge a un cierto valor , es decir,
{ }
n
x { } =

n
n
x lim , y sea 0 , = n x e
n n
. Si existen constantes
reales 0 > p y 0 q tal que q
e
e
p
n
n
n
=
+

1
lim , se dice que la sucesin{ }
n
x converge a con
orden de convergencia p , siendo q la constante asinttica del error.

Es decir, para n suficientemente grande,
p
n n
p
n
n
e q e q
e
e
1
1
=
+
+

Se mide la disminucin del error entre una iteracin y la iteracin siguiente.
Si 1 = p , se dice que la convergencia es lineal.
Si 2 = p , se dice que la convergencia es cuadrtica.

Captulo 5.4.1. CONVERGENCIA LINEAL:

En el mtodo de iteracin del punto fijo, la convergencia es, al menos, lineal; es decir, al
menos de orden1.

Demostracin:
( ) ( ) f x f x e
n n n
= =
+ + 1 1

( ) ( ) ( ) ( ) ( )
n n n n n n
c f e x c f f x f e
' '
1
= = =
+

Despejando ( )
n
c f
'
:
( )
( )
n
n
n
n n n
e
e
c f
c f e e
1 '
'
1
+
+
=
=

Tomando lmites a ambos lados de la expresin:
( ) ( ) ( ) 1 , 1 lim lim lim
' ' ' 1
= |
.
|
\
|
= =

+

f c f c f
e
e
n
n
n
n
n
n
n

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 81

Captulo 5.5. CONVERGENCIA CUADRTICA Y MTODO DE NEWTON.

En el caso particular de que ( ) 0
'
=
n
c f se demuestra que el orden de convergencia es,
al menos, cuadrtica (al menos de orden 2 ).

Demostracin:
( ) ( ) f x f x e
n n n
= =
+ + 1 1

Aplicando la frmula de Taylor en un entorno de :
( ) ( )
( )
( )
( )
2
' '
2
' '
1
2
n
n
n
n
n n
e
c f
x
c f
f x f e = = =
+

Despejando
( )
2
' '
n
c f
:
( )
( )
2
1
' '
2
' '
1
2
2
n
n n
n
n
n
e
e c f
e
c f
e
+
+
=
=

Tomando lmites a ambos lados de la expresin:
( )
( ) ( )
' ' ' ' ' '
' '
2
1
2
1
lim
2
1
lim
2
1
2
lim lim f c f c f
c f
e
e
n
n
n
n
n
n
n
n
n
= |
.
|
\
|
= = =

+

Corolario:
El orden de convergencia nos lo indica el orden de la primera derivada que no se anula
en el punto fijo.
( )
( )
( )
( )
( )
cuadrtica ia Convergenc
0
0
lineal ia Convergenc
0
' '
'
'
=
=
)
`

f
f
f
f
f

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 82

Captulo 5.5.1. MTODO DE NEWTON:

Vamos a construir una sucesin{ }
n
x tal que{ }
n
x .
Elegimos un punto inicial
0
x .
Cada punto n i x
i
... 1 ,
1
=
+
se obtiene como la interseccin de la recta tangente a la
funcin F en el punto
i
x con el eje OX.

Calculamos la recta tangente a la funcin F en
i
x :

( )
( ) ( ) ( )
i i i
x x x F x F y
x x m y y
=
=
'
0 0

x
y=F(x)
x=x
0

x=
x=x
1

y
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 83

Y hallamos la interseccin de dicha recta con el eje OX:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
( )
( )
( )
( )
( )
( )
i
i
i
i
i
i
i i
i
i i i
i i i i
i i i i
i i i
i i i
x F
x F
x x
x F
x F
x F
x F x
x
x F
x F x F x
x
x F x x F x F x
x F x x F x x F
x x x F x F
y
x x x F x F y
'
' '
'
'
'
' '
' '
'
'
=
=
=
=
=
=
)
`
=
=

As, la funcin de iteracin para el mtodo de Newton vendr dada por:
( )
( )
( ) x F
x F
x x f
'
=
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 84

Apndice A: FRMULAS Y MTODOS.

Apndice A.1. INTERPOLACIN.

Frmula de Lagrange:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
=
= + + + + =
n
i
i i n n n
0
. . . 2 2 . 1 1 . 0 0
... ,
con:
( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )

= +
+
=

=
n
i k
k k i
k
n i i i i i i i i
n i i
i
x x
x x
x l
0 1 1 2 1 0
1 1 2 1 0
... ...
... ...

Frmula de Newton:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 2 1 0 1 0 2 0 1 0
... ...

+ + + + =
n n n
x x x x x x x x c x x x x c x x c c x P

[ ]
[ ] [ ]
0
1 2 1 0 3 2 1
2 1 0
,..., , , ,..., , ,
,..., , ,
x x
x x x x f x x x x f
x x x x f
n
n n
n
=

Error en la interpolacin:
( )
( )
( )
n
i
i n
x x
n
M
x e
0
! 1
con
( )
( )
( ) x f M
n
b a x
1
,
sup
+
=

Error en la interpolacin lineal:
( ) ( ) [ ]
1 0
' '
2
1
, ,
8
x x x c f
h
x e

Error en la interpolacin cuadrtica:
( ) ( ) [ ]
2 0
' ' '
3
2
, ,
3 9
x x x c f
h
x e

Error en la interpolacin lineal a trozos:
( ) M h x e
8
1
2
1

Errror en la interpolacin cbica a trozos:
( ) M h x e
3 9
1
3
2

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 85

Apndice A.2. AJUSTE DE DATOS Y APROXIMACIN DE FUNCIONES.

Recta de regresin:
(
(
(
(
=
(
(
(
(
(
+ =
+ =

=
=
= =
=
= = =
= =
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
y x
y
b
a
x x
x n
x b x a y x
x b n a y
1
1
1
*
*
1
2
1
1
1
2 *
1
*
1
1
1
* *
1

Polinomio de ajuste de grado menor o igual a dos:
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
+ + =
+ + =
+ + =

=
=
=
= = =
= = =
= =
= = = =
= = = =
= = =
n
i
i i
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
y x
y x
y
c
b
a
x x x
x x x
x x n
x c x b x a y x
x c x b x a y x
x c x b n a y
1
2
1
1
*
*
*
1
4
1
3
1
2
1
3
1
2
1
1
2
1
1
4 *
1
3 *
1
2 *
1
2
1
3 *
1
2 *
1
*
1
1
2 *
1
* *
1

Funcin de ajuste. Expresin general:
( )
( )
( )
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
= = = =
= = = =
= = = =
= = = =
=
=
=
=
k
A
n
i
i k
n
i
i i k
n
i
i i k
n
i
i i k
n
i
i k i
n
i
i
n
i
i i
n
i
i i
n
i
i k i
n
i
i i
n
i
i
n
i
i i
n
i
i k i
n
i
i i
n
i
i i
n
i
i
b
n
i
i k i
n
i
i i
n
i
i i
n
i
i i
c
c
c
c
x x x x x x x
x x x x x x x
x x x x x x x
x x x x x x x
x y
x y
x y
x y
...
...
...
...
...
...
...
3
2
1
1
2
1
3
1
2
1
1
1
3
1
2
3
1
2 3
1
1 3
1
2
1
3 2
1
2
2
1
1 2
1
1
1
3 1
1
2 1
1
2
1
1
1
3
1
2
1
1

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
(
(
(
(
(
(
=
n k k k k
n
n
n
x x x x
x x x x
x x x x
x x x x
B

3 2 1
3 3 3 2 3 1 3
2 3 2 2 2 1 2
1 3 1 2 1 1 1
...
...
...
...

B B A
t
= y
(
(
(
(
(
(
=
n
y
y
y
y
B b
...
3
2
1

(
(
(
(
(
(
=
(
(
(
(
(
(
k
t
n
c
c
c
c
B B
y
y
y
y
B
...

...
3
2
1
3
2
1

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 86

Apndice A.3. INTEGRACIN NUMRICA. MTODOS DE COTES Y MTODOS DE
GAUSS.

Frmula de los trapecios:
( ) ( ) ( ) [ ] b f a f
a b
dx x f
b
a
+
2

Frmula de Simpson:
( ) ( ) ( )
(
+ |
.
|
\
| +
+
}
b f
b a
f a f
a b
dx x f
b
a
2
4
6

Error en la frmula de los trapecios:
( ) ( )
3 ' '

12
1
a b c f E
T
=

Error en la frmula de Simpson:
( )
( ) ( )
5 4

32 90
1
a b c f E
S
=

Formula de Newton Cotes abierta con un solo nodo o frmula del punto medio:
( ) ( )
|
.
|
\
| +

}
2
b a
f a b dx x f
b
a

Frmula de Newton Cotes abierta con dos nodos:
( )
(
|
.
|
\
| +
+ |
.
|
\
| +
}
3
2
3
2
2
a b
f
b a
f
a b
dx x f
b
a

Frmula de los trapecios compuesta:
( ) ( ) ( ) ( )
(
+ +

}

=
b f x f a f
n
a b
dx x f
n
i
i
b
a
1
1
2
2

Error en la frmula de los trapecios:
( ) ( )
( ) b a c
T
n
c f a b
n
E
,
' ' 3
2

12
1
=

Frmula de Simpson compuesta:
( ) ( ) ( ) ( ) ( )
(
+ + +

}
=
=
n
n
i
i
n
i
i
b
a
x f z f x f x f
n
a b
dx x f
1
1
1
0
2
6

Error en la frmula de Simpson:
( )
( )
( )
( )
5
,
4
1
0
4

32 90
1
a b c f
n
E
b a c
n
i
S
n
=

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 87

Apndice A.4. RESOLUCIN NUMRICA DE ECUACIONES NO LINEALES.

Teorema de Bolzano:
Hiptesis:
( ) ( ) 0 < b f a f
Tesis:
( ) ( ) 0 , = c f b a c

Teorema de Rolle:
Hiptesis:
f es derivable en( ) b a,
) ( ) ( b f a f =
Tesis:
( ) ( ) 0 ,
'
= c f b a c

Error en el mtodo de biseccin:
n
n
a b
x
2
<

Clculo del nmero de iteraciones necesarias en el mtodo de biseccin para cometer
un error <
n
x :
2 log
log
|
.
|
\
|
>

a b
n

Iteracin del punto fijo:
{ }
( )
0
1

=
+
n
x f x
x
n n
n

0 , n domf x
n

{ } IR x
n

( ) f =

Teorema de existencia del punto fijo:
[ ] [ ] [ ] ( ) = f b a b a b a f , , , :

Funcin contractiva:
( ) ( ) b a x L x f , , 1
'
<

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 88

Teorema de convergencia global:
Hiptesis:
[ ] [ ] b a b a f , , :
( ) ( ) b a x L x f , , 1
'
<
Tesis:
[ ] ( ) { } =
n
x f b a y , !

Teorema de convergencia local:
Hiptesis:
[ ] IR b a f , :

'
f continua en( ) b a,
( ) ( ) = f b a,
( ) 1
'
< f
Tesis:
[ ] ( ) { } =
n
x f b a y , !

Error en el mtodo de iteracin del punto fijo:
a b
L
L
x x
L
L
x
n n
n

1
0 1

Mtodo de Newton:
{ }
( )
0
1

=
+
n
x f x
x
n n
n
con ( )
( )
( ) x F
x F
x x f
'
=

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 89

Apndice B: PRCTICAS.

Apndice B.1. INTRODUCCIN A LA PROGRAMACIN CON MATLAB.

pr001.m:
% Calcula la suma de dos numeros a y b introducidos por el usuario.
clear,clc
a=input('a=')
b=input('b=')
s=a+b;
disp('suma de a y b:')
disp(s)

pr002.m:
% Eleva al cuadrado los elementos de un vector.
% Se emplea un bucle for para recorrer todos los elementos.
clear,clc
v=[1,2,3,4];
for i=1:4
w(i)=v(i)^2;
end
v,w

pr003.m:
% Calcula el factorial de un numero introducido por el usuario
% empleando un algoritmo recursivo.
% Se emplea un bucle while para llegar al caso base.
clear,clc
n=input('introduce un nmero natural:');
fac=1;
while n>1
fac=fac*n;
n=n-1;
end
disp('el factorial de n es:'), disp(fac)

pr004.m:
% Determina la clasificacion de una persona atendiendo a su edad.
% Se emplean condiciones if anidadas para filtrar la edad.
clear,clc
n=input('edad:');
if n<=10
disp('nio');
elseif n<=18
disp('adolescente');
elseif n<=25
disp('joven');
else
disp('adulto');
end

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 90

pr005.m:
% Eleva al cuadrado los elementos de una matriz.
% Se emplean dos bucles for anidados para recorrer todos los elementos.
clear,clc
a=[1,2,-1;3,5,0];
for i=1:2
for j=1:3
b(i,j)=a(i,j)^2
end
end

f001.m:
function y=f001(x)
% Primera funcin que hago
y=1+x-x.^2/4

MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 91

Apndice B.2. INTERPOLACIN.

lagrange.m:
function [C,L]=lagrange(X,Y)
% Calcula el polinomio que interpola a los n+1 puntos
% {(x0,y0),(x1,y1),(x2,y2) ,...,(xn,yn)}, empleando la formula de Lagrange.
% Por ejemplo:
% (0,cos(0))=(0,1.0)
% (1.2,cos(1.2))=(1.2,0.362658)
% x-1.2 x-0.0
% P1(x)=1.0-------- + 0.392658------- = -0.531368*x + 1.0
% 0.0-1.2 1.2-0.0
%
% Cambiamos el formato a long, con 14 decimales, para una mayor precision.
format long
% X es el vector que contiene la lista de las abscisas
% Y es el vector que contiene la lista de las ordenadas
% C es el vector que contiene los coeficientes del polinomio interpolador de
% Lagrange
% L es la matriz que contiene los coeficientes de los polinomios coeficientes
% de Lagrange
%
% Dimensin del vector X, es decir, el nmero de componentes de dicho
% vector.
w = length(X);
n = w-1;
% Creamos una matriz cuadrada nula (todos sus componentes a cero) de
% dimensin w.
L = zeros(w,w);

for k = 1:n+1
V = 1;
for j = 1:n+1
if k ~= j
% poly produce un vector cuyas componentes son los coeficientes de
% un polinomio del que se especifican las races.
% Por ejemplo:
% >> P=poly(2)
% 1 -2
% El polinomio cuya raz es 2 es x-2.
% >> Q=poly(3)
% 1 -3
%
% conv(P,Q) multiplica los polinomios P y Q.
% >> conv(P,Q)
% 1 -5 6
% x^2-5*x+6
%
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 92

% conv(V,poly(X(j))) multiplica el valor actual de V por el polinomio
% cuyas races son x0,x1,x2,...,xj y
% calcula el numerador del coeficiente.
% X(k)-X(j) calcula el denominador de este coeficiente.
%
% (x-x0)(x-1)...(x-xk-1)(x-xk+1)...(x-xn)
% Ln,k(x) =-------------------------------------------------
% (xk-x0)(xk-1)...(xk-xk-1)(xk-xk+1)...(xk-xn)
V = conv(V,poly(X(j)))/(X(k)-X(j));
end
end
% L(k,:) devuelve toda la fila k de la matriz L.
L(k,:) = V;
end
C = Y*L;
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 93

newton.m:
function C=newton(X,Y)
% Calcula el polinomio que interpola a los n+1 puntos
% {(x0,y0),(x1,y1),(x2,y2) ,...,(xn,yn)}, empleando la formula de Newton.
% Por ejemplo:
% (0,cos(0))=(0,1.0)
% (1.2,cos(1.2))=(1.2,0.362658)
% P1(x)=-0.531368*x + 1.0
%
format long
% C es el vector que contiene los coeficientes del polinomio interpolador
% de Newton
%
% El numero de nodos.
n=length(X)
% Vamos a calcular la matriz de diferencias divididas.
D=zeros(n,n)
% Primero copiamos las imagenes de los nodos en la primera columna.
for i=1:n
D(i,1)=Y(i)
end
% A continuacion aplicamos el algoritmo para calcular las diferencias
% divididas.
for j=2:n
for i=1:n-(j-1)
%
% El valor de una diferencia dividida viene dada por la expresin:
% f[x1,x2,...,xn] - f[x0,x0,...,xn-1]
% f[x0,x1,...,xn]=_____________________________________
% xn - x0
%
D(i,j)=(D(i+1,j-1)-D(i,j-1))/(X(i+(j-1))-X(i));
end
end
% Ya tenemos las diferencias divididas calculadas.
% El polinomio de interpolacion sera de grado menor o igual que n y vendra
% dado por la expresion:
% Pn(x) = c0 + c1(x-x0) + c2(x-x0)(x-x1) + c3(x-x0)(x-x1)(x-x2) + ...
% + cn(x-x0)(x-x1)(x-x2)...(x-xn-1)
%
% Declaramos la variables simbolica x.
syms x
% Inicializamos el valor del polinomio a cero.
p=0;
% Calculamos polinomio de interpolacion.
for j=1:n
Q=1;
for k=1:j-1
% poly produce un vector cuyas componentes son los coeficientes de
% un polinomio del que se especifican las races.
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 94

% Por ejemplo:
% >> P=poly(2)
% 1 -2
% El polinomio cuya raz es 2 es x-2.
% >> Q=poly(3)
% 1 -3
%
% conv(P,Q) multiplica los polinomios P y Q.
% >> conv(P,Q)
% 1 -5 6
% x^2-5*x+6
%
% conv(Q,poly(X(k))) multiplica el valor actual de Q por el
% polinomio cuyas races son x0,x1,x2,...,xk
Q=conv(Q,poly(X(k)));
end
% poly2sym(Q) devuelve el polinomio cuyos coeficientes los elementos del
% vector Q.
% Por ejemplo:
% A=[1,1,1]
% >> poly2sym(A)
% x+x+x^2
p=p+D(1,j)*poly2sym(Q);
end
% Expandimos y simplificamos el polinomio.
p=simplify(expand(p));
% Finalmente, copiamos sus coeficientes a la matriz C.
C=sym2poly(p);
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 95

Apndice B.3. APROXIMACIN POR MNIMOS CUADRADOS.

ajuste.m:
function C=ajuste(X,Y,M)
% Calcula la funcion polinomica F(x) = c1 + c2*x + c3*x^3 + ... + cn*x^n
% que mejor ajusta a los n puntos {(x1,y1), (x2,y2), (x3,y3)..., (xn,yn)}
% empleando el metodo de los minimos cuadrados.
% Por ejemplo:
% >> ajuste([-1,0,8],[-1,0,2],2)
% ans =
%
% -0.08333333333333
% 0.91666666666665
% -0.00000000000001
% Es decir, la funcion polinimica de ajuste es:
% F(x) = -0.8333*x^2 + 0.9166*x
%
format long
% M es el grado del polinomio optimo.
% C es el vector que contiene los coeficientes del la funcion polinomica de
% ajuste.
%
% Dimension del vector X, es decir, el numero de componentes de dicho
% vector y por tanto, el numero de puntos empleados en el ajuste.
n=length(X);
% Tenemos M+1 funciones empleadas para construir el polinomio de ajuste.
% Dicho polinomio sera, pues, combinacion lineal de las M+1 funciones:
% g1(x) = 1, g2(x) = x^2, g3(x) = x^3, ..., gm(x) = x^m.
% Asi, el polinomio de ajuste vendra dado por:
% F(x) = c1 * g1(x) + c2 * g2(x) + c3 * g3(x) + ... + cm * gm(x)
% Empleando los puntos (xi, yi) de la tabla de datos se define la ecuacin
% matricial:
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

=
=
=
=
= = = =
= = = =
= = = =
= = = =
n
i
i m i
n
i
i i
n
i
i i
n
i
i i
k
n
i
i m
n
i
i i m
n
i
i i m
n
i
i i m
n
i
i m i
n
i
i
n
i
i i
n
i
i i
n
i
i m i
n
i
i i
n
i
i
n
i
i i
n
i
i m i
n
i
i i
n
i
i i
n
i
i
x y
x y
x y
x y
c
c
c
c
x x x x x x x
x x x x x x x
x x x x x x x
x x x x x x x
1
1
3
1
2
1
1
3
2
1
1
2
1
3
1
2
1
1
1
3
1
2
3
1
2 3
1
1 3
1
2
1
3 2
1
2
2
1
1 2
1
1
1
3 1
1
2 1
1
2
1
...
...
...
...
...
...
...

% Para calcular los coeficientes c1,c2,c3,...,cm tan slo hay que resolver
% la ecuacin AX=B.
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 96

% Para simplificar la ecuacion podemos crear una matriz auxiliar F:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
(
(
(
(
(
(
=
(
(
(
(
(
(
=
+
m
n n n
m
m
m
m n
n k k k k
n
n
n
x x x
x x x
x x x
x x x
x x x x
x x x x
x x x x
x x x x
F
2
3
2
3 3
2
2
2 2
1
2
1 1
1
3 2 1
3 3 3 2 3 1 3
2 3 2 2 2 1 2
1 3 1 2 1 1 1
1
...
... 1
... 1
... 1
...
...
...
...

% Asi, la ecuacion matricial anterior sera:
% AX=B
% FF'X=FY
%
% Creamos la matriz de los trminos independientes, B, que tendr
% una dimensin (M+1,1), es decir, ser una matriz con 1 columna y
% M+1 filas.
B=zeros(1:M+1);
% Creamos la matriz auxiliar F, que tendr una dimensin (n,M+1).
F=zeros(n,M+1);
% Ahora se rellenan las columnas de F con las potencias de X, es decir, las
% imagenes de X a traves de las distintas M+1 funciones polinomicas:
% g1(x) = 1, g2(x) = x^2, g3(x) = x^3, ..., gm(x) = x^m.
for k=1:M+1
% F(:,k) es la columna k de F.
% X era un vector fila con las abscisas de los puntos,
% luego X' ser el vector columna (transpuesto) de las
% abscisas.
% Calculamos X'.^(k-1), es decir, la funcin f(X'), siendo
% f(x)=x^(k-1), puesto que estamos calculando el la funcin
% de ajustes a partir de polinomios.
F(:,k)=X'.^(k-1);
end
% La matriz A tiene una dimensin (M+1,M+1)
A=F'*F;
% La matriz B tiene una dimensin (M+1,1)
B=F'*Y';
% As C tiene dimensin (M+1,1)
C=A\B;
% La orden flipud(X) lo que hace es "voltear" el orden de los elementos
% del vector columna X.
% >> flipud([1;2;3])
% ans =
% 3
% 2
% 1
C=flipud(C);
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 97

Apndice B.4. INTEGRACIN NUMRICA.

trapecio.m:
function s=trapecio(f,a,b,M)
% Calcula, aplicando la formula del trapcio compuesta, el valor aproximado
% de la integral definida de la funcion f en el intervalo [a,b].
% Por ejemplo:
% >> traprl06('f',1,6,10)
% ans =
% 8.19385456517253
% Es decir, int('f',1,6) == 8.193854.
format long
% f es el integrando, es decir, la funcin que se integra.
% a y b son los lmites de integracin, es decir, los extremos inferior y
% superior del intervalo de integracion.
% M es el nmero de subintervalos.
% s es la aproximacin obtenida.
%
% h es la amplitud que tendra cada uno de los subintervalos en los que se
% divide el intervalo de integracion.
% <-----h----->
% ----|-----------|----
% x0 x1
h=(b-a)/M;
% Por tanto, en [a,b] tenemos M+1 nodos equiespaciados y M subintervalos.
% -----|-----|-----|-----|--------------|------
% a=x0 x1 x2 x3 ... b=xn
% [x0,x1], [x1,x2], [x2, x3], ..., [xn-1,xn]
% Dividimos el intervalo [a,b] en M subintervalos de la forma [xi,xi+1] de
% modo que xi = a + ih, con i=0...n-1.
%
% s sera el valor del sumatorio de las imagenes de los xi a traves de la
% funcion f, es decir, sumatorio('f(xi)',1,n-1).
s=0;
% Calculamos el sumatorio s...
for k=1:(M-1)
x=a+h*k;
s=s+feval(f,x);
end
% El valor de la integral de acuerdo con la formula de los trapecios
% compuesta vendra dada por:
s=h*(feval(f,a)+feval(f,b))/2+h*s;
MTODOS NUMRICOS

Alberto Surez Lpez
Pgina 98

simpson.m:
function s=simpson(f,a,b,M)
% Calcula, aplicando la formula de Simpson compuesta, el valor aproximado
% de la integral definida de la funcion f en el intervalo [a,b].
% Por ejemplo:
% >> simprl06('f',1,6,10)
% ans =
% 8.18344749663624
% Es decir, int('f',1,6) == 8.183447.
format long
% f es el integrando, es decir, la funcin que se integra.
% a y b son los lmites de integracin, es decir, los extremos inferior y
% superior del intervalo de integracion.
% M es el nmero de subintervalos.
% s es la aproximacin obtenida.
%
% h es la amplitud que tendra cada uno de los subintervalos en los que se
% divide el intervalo de integracion.
% <-----2h---->
% <--h-->
% ----|-----|-----|----
% x0 z1 x1
h=(b-a)/(2*M);
% Por tanto, en [a,b] tenemos 2M+1 nodos equiespaciados y M subintervalos.
% Dividimos el intervalo [a,b] en M subintervalos de la forma [xi,xi+1] de
% modo que xi = a + 2ih, con i=0...n-1.
% Calculamos el punto medio del intervalo [xi,xi+1] y lo denotamos por zi,
% de modo que zi = a + (2i - 1)h, con i=1...n-1.
%
% s1 sera el valor del sumatorio de las imagenes de los zi a traves de la
% funcion f, es decir, sumatorio('f(zi)',1,n).
s1=0;
% s2 sera el valor del sumatorio de las imagenes de los xi a traves de la
% funcion f, es decir, sumatorio('f(xi)',1,n-1).
s2=0;
% Calculamos el sumatorio s1...
for k=1:M
x=a+h*(2*k-1);
s1=s1+feval(f,x);
end
% Y calculamos el sumatorio s2...
for k=1:(M-1)
x=a+h*2*k;
s2=s2+feval(f,x);
end
% El valor de la integral de acuerdo con la formula de Simpson compuesta
% vendra dada por:
s=h*(feval(f,a)+feval(f,b)+4*s1+2*s2)/3;

Metodos Numericos

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

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

Caricato da

Copyright:

Formati disponibili

Universidad de Oviedo

< < < < < <

' ' ' '

sen sen x sen x sen dx x I

Potrebbero piacerti anche