Modulo Metodos Numericos 2012 PDF

1
CURSO ACADMICO
Mtodos Numrico

Carlos Ivn Bucheli Chaves

Corregido por Ricardo Gmez Narvez

Revisado por Carlos Edmundo Lpez Sarasty

2

T
TTA
AAB
BBL
LLA
AA D
DDE
EE C
CCO
OON
NNT
TTE
EEN
NNI
IID
DDO
OO

INTRODUCCIN A LOS MTODOS NUMRICOS

Introduccin a los Mtodos Numricos. 7
Mapa Conceptual de Mtodos Numricos.................................... 8

U
UUN
NNI
IID
DDA
AAD
DD I
II:
::

C
CCo
oon
nnc
cce
eep
ppt
tto
oos
ss B
BB
s
ssi
iic
cco
oos
ss,
,, E
EEx
xxa
aac
cct
tti
iit
ttu
uud
dd y
yy R
RRa
aa
c
cce
ees
ss d
dde
ee
E
EEc
ccu
uua
aac
cci
iio
oon
nne
ees
ss.
..

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 1
11:
:: C
CCO
OON
NNC
CCE
EEP
PPT
TTO
OOS
SS B
BBA
AAS
SSI
IIC
CCO
OOS
SS

Leccin 1 Exactitud y Precisin. 65
Leccin 2 Errores de Redondeo 74

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 2
22:
:: R
RRA
AAI
IIC
CCE
EES
SS D
DDE
EE E
EEC
CCU
UUA
AAC
CCI
IIO
OON
NN

Leccin 3 Mtodo de biseccin.. 81
Leccin 4 Mtodo de la regla falsa 92
Leccin 5 Mtodo de Newton- Raphson 101
Leccin6 Mtodo iterativo de punto fijo y Ejercicios de la Unidad . 111

U
UUN
NNI
IID
DDA
AAD
DD I
III
II:
::

S
SSi
iis
sst
tte
eem
mma
aas
ss d
dde
ee E
EEc
ccu
uua
aac
cci
iio
oon
nne
ees
ss L
LLi
iin
nne
eea
aal
lle
ees
ss,
,, N
NNo
oo L
LLi
iin
nne
eea
aal
lle
ees
ss
e
ee I
IIn
nnt
tte
eer
rrp
ppo
ool
lla
aac
cci
ii
n
nn.
..

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 3
33:
:: S
SSO
OOL
LLU
UUC
CCI
II
N
NN D
DDE
EE S
SSI
IIS
SST
TTE
EEM
MMA
AAS
SS D
DDE
EE E
EEC
CCU
UUA
AAC
CCI
IIO
OON
NNE
EES
SS L
LLI
IIN
NNE
EEA
AAL
LLE
EES
SS
Y
YY N
NNO
OO L
LLI
IIN
NNE
EEA
AAL
LLE
EES
SS.
..

Leccin 7 Mtodo de eliminacin de Gauss 131
Leccin 8 Mtodo de Gauss-Jordn.. 134
Leccin 9 Mtodo de Gauss-Seidel y Ejercicios del Capitulo ...138

3

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 4
44:
:: I
IIN
NNT
TTE
EER
RRP
PPO
OOL
LLA
AAC
CCI
IIO
OON
NN

Leccin 10 Polinomio de Interpolacin de Lagrange . 148
Leccin 11 Polinomio de Interpolacin con diferencias divididas de newton
.... 151
Leccin 12 Interpolacin Polinomial de diferencias finitas de Newton 156
Leccin 13 Ajuste de curvas.... 161
Leccin 14 Transformada discreta de Fourier y Ejercicios del Capitulo.. 169

U
UUN
NNI
IID
DDA
AAD
DD I
III
III
II:
::

D
DDi
iif
ffe
eer
rre
een
nnc
cci
iia
aac
cci
ii
n
nn,
,, I
IIn
nnt
tte
eeg
ggr
rra
aac
cci
ii
n
nn N
NNu
uum
mm
r
rri
iic
cca
aa y
yy S
SSo
ool
llu
uuc
cci
ii
n
nn d
dde
ee
E
EEc
ccu
uua
aac
cci
iio
oon
nne
ees
ss D
DDi
iif
ffe
eer
rre
een
nnc
cci
iia
aal
lle
ees
ss.
..

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 5
55:
:: D
DDI
IIF
FFE
EER
RRE
EEN
NNC
CCI
II A
AAC
CCI
II
N
NN e
ee I
IIN
NNT
TTE
EEG
GGR
RRA
AAC
CCI
IIO
OON
NN N
NNU
UUM
MME
EER
RRI
IIC
CCA
AA.
..

Leccin 15 Diferenciacin Numrica. 177
Leccin 16 Integracin Numerica
Leccin 17 Regla del trapecio. 186
Leccin 18 Regla de Simpson. 189
Leccin 19 Integracin de Romberg y Ejercicios del Capitul...... 198

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 6
66:
:: S
SSO
OOL
LLU
UUC
CCI
IIO
OON
NN D
DDE
EE E
EEC
CCU
UUA
AAC
CCI
IIO
OON
NNE
EES
SS D
DDI
IIF
FFE
EER
RRE
EEN
NNC
CCI
II A
AAL
LLE
EES
SS.
..

Leccin 20 Mtodo de Euler.. 216
Leccin 21 Mtodo de Runge Kutta 217
Leccin 22 Mtodo Multipasos, Ejercicios del Capitulo y Autoevaluacin 223

4
A
AAL
LLC
CCA
AAN
NNC
CCE
EE D
DDE
EEL
LL C
CCU
UUR
RRS
SSO
OO A
AAC
CCA
AAD
DDE
EEM
MMI
IIC
CCO
OO

El estudiante comprender la importancia de los mtodos numricos y conocer
Las caractersticas operativas del software de cmputo numrico comercial.

Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales,
con apoyo de un lenguaje de programacin.

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

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

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

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

- Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en
las ciencias.
- Analizar en grupo los conceptos de cifra significativa, precisin, exactitud, sesgo
e incertidumbre, as como los diferentes tipos de error: absoluto y relativo por
redondeo por truncamiento numrico total humanos.
- Buscar y diferenciar las caractersticas de un software de cmputo numrico.
- Exponer por equipos, las caractersticas de un software de cmputo numrico.
- Realizar prcticas del uso de un software de cmputo numrico, apoyndose en
tutoriales y manuales correspondientes.
- Buscar y analizar la interpretacin grfica de una raz y la teora de alguno de
los mtodos iterativos.
- Buscar y catalogar los diferentes mtodos numricos de solucin de ecuaciones.
- Disear e implementar los mtodos numricos catalogados, utilizando la
herramienta de cmputo numrico.
- Resolver ejercicios aplicando los mtodos implementados, validando sus
resultados.
- Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones lineales.
- Identificar grficamente, los casos de sistemas de ecuaciones lineales mal
condicionadas y su relacin matemtica con el determinante.
- Analizar en grupo la solucin de sistemas de ecuaciones, empleando los
mtodos iterativos de Jacobi y Gauss-Seidel.

5
- Implementar y evaluar los mtodos iterativos empleando un lenguaje de
programacin.
- Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones no-lineales.
- Analizar en grupo la solucin de sistemas de ecuaciones no-lineales, empleando
mtodos iterativos.
- Implementar y evaluar los mtodos iterativos empleando un lenguaje de
programacin.
- Buscar y clasificar los mtodos numricos de diferenciacin.
- Representar grficamente los mtodos clasificados.
- Analizar en grupo la diferenciacin, empleando los mtodos clasificados.
- Disear e implementar los mtodos de diferenciacin numrica.
- Disear e implementar los mtodos de integracin numrica.
- Buscar y clasificar los mtodos numricos de integracin.
- Representar grficamente los mtodos clasificados.
- Analizar en grupo la integracin, empleando los mtodos clasificados.
- Buscar y clasificar los mtodos numricos de diferenciacin.
- Aplicar los mtodos a la solucin de ejercicios, empleando una calculadora.
- Disear, implementar y evaluar los mtodos numricos de Euler y de Runge-
Kutta.
- Investigar aplicaciones de estos mtodos numricos y mostrar resultados.

6
I
IIN
NNT
TTR
RRO
OOD
DDU
UUC
CCC
CCI
II
N
NN A
AA L
LLO
OOS
SS M
MM
T
TTO
OOD
DDO
OOS
SS N
NNU
UUM
MM
R
RRI
IIC
CCO
OOS
SS

Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:

Por que sucedi todo esto?

El precio que hay que pagar es el de clculos cada vez ms largos y tediosos y
aqu es donde hace acto de presencia la poderosa herramienta computacional,
que nos permite hacer clculos largos y tediosos en poco tiempo y con mayor
exactitud que si los hiciramos a mano. Esta gran herramienta hace factible el
camino de los mtodos numricos pues de otra forma, seran muy lentos los
procesos y con mucho riesgo de cometer errores en cada paso.

Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar
el proceso "a mano", ya que esto nos permitir implementar un mejor programa
que contemple todas las posibles piedras en el camino.

7

M
MMa
aap
ppa
aa C
CCo
oon
nnc
cce
eep
ppt
ttu
uua
aal
ll M
MM
t
tto
ood
ddo
oos
ss N
NNu
uum
mm
r
rri
iic
cco
oos
ss

Qu ocurre en la construccin y anlisis del mtodo?

8

Mtodo, Algoritmo, Receta, proceso,
procedimiento, Rutina: Es una secuencia ordenada
o pasos
o consecutivos
o lgicos
o ordenados
para la solucin de un problema dado.
Mtodo o
Algoritmo
Programa:

Programa
C, Matlab, Excel
Cmo?
Cmo
?

9
U
UUN
NNI
IID
DDA
AAD
DD I
II:
::

C
CCo
oon
nnc
cce
eep
ppt
tto
oos
ss b
bb
s
ssi
iic
cco
oos
ss,
,, e
eex
xxa
aac
cct
tti
iit
ttu
uud
dd y
yy r
rra
aa
c
cce
ees
ss d
dde
ee
e
eec
ccu
uua
aac
cci
iio
oon
nne
ees
ss.
..

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 1
11:
:: C
CCO
OON
NNC
CCE
EEP
PPT
TTO
OOS
SS B
BBA
AAS
SSI
IIC
CCO
OOS
SS.
..

Errores

Los errores numricos se generan con el uso de aproximaciones para representar
cantidades y/o operaciones. Esto da lugar a dos tipos de errores:

Truncamiento
Errores
Redondeo

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

Esto genera errores de truncamiento durante el procedimiento.

Los errores de redondeo resultan de representar aproximadamente nmeros que
son exactos. Por ejemplo, an en la "solucin exacta" al problema del objeto en
cada libre, los resultados impresos en la tabla de velocidades no son totalmente
exactos puesto que el numero e es un nmero irracional y por lo tanto su
extensin decimal es infinita y no peridica lo que nos impide escribirlo de forma
completamente exacta. Usando 5 decimales, tenemos:

Esto genera errores de redondeo durante los clculos.

En ambos casos tenemos que:
Valor verdadero = valor aproximado + error

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

10

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

Ejemplo

Al medir la longitud de una varilla para construccin se obtiene el resultado
aproximado de 19,999 cms. mientras que al medir la longitud de un clavo, se
obtiene el resultado de 9 cms. Suponiendo que los valores verdaderos de la varilla
y el clavo son de 20,000 cms. y 10 cms. respectivamente, calcular el error
absoluto en ambos casos.

Solucin. Tenemos los siguientes resultados:
Para el caso de la varilla, el error absoluto se calcula como:

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

En ambos casos, el error absoluto es igual!, pero obviamente tiene mayor
trascendencia el error en el caso del clavo que en el caso de la varilla, es decir,
necesitamos comparar el error absoluto contra el valor verdadero y esto da lugar a
las siguiente definicin.

Existen dos preguntas en clculos numricos de suma importancia como son:
1) El optimista pregunta qu tan precisos son los resultados calculados?;
2) El pesimista pregunta qu tanto error se ha introducido?

Desde luego, las dos preguntas corresponden a lo mismo. Slo en raras
ocasiones los datos proporcionados sern correctos, puesto que suelen originarse
errores en el proceso de medida. De modo que hay un error probable en la
informacin de entrada. Adems, el propio algoritmo introduce error, quiz
redondeos inevitables. La informacin de salida contendr entonces error
generado por ambas fuentes.

11
L
LLe
eec
ccc
cci
ii
n
nn 1
11 E
EEx
xxa
aac
cct
tti
iit
ttu
uud
dd y
yy P
PPr
rre
eec
cci
iis
ssi
ii
n
nn

Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de
izquierda a derecha; empiezan con el primer dgito diferente de cero y terminan
con el tamao que permitan las celdas que guardan la mantisa.

Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se
supone representa.

Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a esto
se refiere cuando se habla de doble precisin, dependiendo de la mquina que
estemos utilizando.

Errores Inherentes o Heredados:
Son errores en los valores numricos con que se va a operar, pueden deberse a
dos causas: sistemticos o accidentales.

Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.

Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.

Errores de Truncamiento:
Se debe a la interrupcin de un proceso matemtico antes de su terminacin.
Sucede cuando se toman slo algunos trminos de una serie infinita o cuando se
toma slo un nmero finito de intervalos. Un caso adicional de error de
truncamiento ocurre cuando una calculadora poco sofisticada slo toma en cuenta
los dgitos que caben en la pantalla y no analiza el primer dgito perdido.

Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar
cantidades que requieren un gran nmero de dgitos.
Dependiendo de como se redondea puede ser de dos formas.

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

12

Error de Redondeo Superior:
Este caso tiene dos alternativas, segn el signo del nmero en particular.
a) Para nmeros positivos, el ltimo que puede conservarse en la localizacin
de memoria se incrementa en una unidad si el primer dgito despreciado es
b) Para nmeros negativos, el ltimo dgito que puede conservarse en la
localizacin de memoria se reduce en una unidad si el primer dgito despreciado
es 5.

Error de desbordamiento de informacin o derrame de informacin
Overflow:

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

Error de desbordamiento de informacin o derrame de informacin
Underflow:

Este error recibe tambin el nombre de subflujo. En el lenguaje tcnico de
computacin se acostumbra emplear el anglicismo underflow, ya que las
traducciones posibles no proporcionan una idea clara de su significado. Se dice
que existe underflow o subflujo o desbordamiento de informacin cuando dentro
de una localizacin de almacenamiento no se puede representar un nmero
positivo muy pequeo, debido a que ste es menor que la capacidad de la
mencionada localizacin de almacenamiento.

Ms Errores
Existen mas errores, pero los tipos de error que estudiaremos a fondo sern:
1) Error absoluto

2) Error relativo

3) Error relativo Aproximado

4) Error aritmtico de la computadora

5) Error por redondeo

6) Error por truncamiento

13

Error absoluto

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

Error relativo

Si p* es una aproximacin de p, y si p es el valor real, entonces, el Error relativo
se define como:
Error relativo = con la condicin de p 0.

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

Ejemplo

14

Ejemplo

p=0.3x10
-3

p*=0.31x10
-3

Calcular el error absoluto y el error relativo.

Ejemplo

p=0.3x10
4

p*=0.31x10
4

Calcular el error absoluto y el error relativo.

Conclusin:

Como una medida de precisin el error absoluto puede ser engaoso y el error
relativo es ms significativo.

Error relativo aproximado

Definiciones
1) Error relativo aproximado = ERA

Valor actual - Valor anterior
ERA = (-----------------------------------------) * 100%
Valor actual

2) Tolerancia = (0.5x10
2-n
) %

Donde n = nmero de cifras significativas

3) Trmino de convergencia permite finalizar los clculos. Es la desigualdad: ERA
< Tolerancia

15
Ejemplo
Usando la serie de Taylor con x
o
=0

Encontrar e
1.5
con tres cifras significativas. Se desea saber tambin: En cuntas
iteraciones se cumple el trmino de convergencia?

SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x10
2-3
) % = 0.05%
Trmino de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%

16

Aqu mi ERA < Tolerancia

e
1.5
= 4.48 (con tres cifras significativas y 9 iteraciones).

17
EJEMPLO

Encontrar ) 6 / cos(t con n = 2 (2 cifras significativas), donde =180
o
= 3.1416
radianes

Usando la serie de Taylor:

Por lo tanto, necesitamos un error relativo aproximado menor a 0.5% trabajando
en radianes.

Para i=1
) 6 / (t Cos = 1
i=2
) 6 / (t Cos = 1- ( /6)
2
/ 2!=0.86292152

18

Se muestra a continuacin el diagrama de flujo del algoritmo de solucin de este

EJEMPLO:

Diagrama de flujo del Error relativo aproximado para e
x

Ejemplo

Usar el siguiente resultado de series,

19
Para aproximar el nmero irracional hasta 4 cifras significativas.

SOLUCION. Primero calculamos el valor de como sigue:

En seguida, usamos la serie, agregando un trmino cada vez, para obtener
nuevas aproximaciones hasta que se logre que .
En el primer paso, tenemos simplemente un trmino:

En el segundo paso, tenemos la suma de dos trminos:

Aqu, podemos calcular el primer error aproximado:

Seguimos agregando trminos de la serie puesto que no se ha cumplido el
objetivo:
Tenemos que,

Y calculamos el error aproximado correspondiente:

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

#
trminos
Aprox. al
valor e
Error
aproximado
1 1
2 2 50%
3 2.5 20%
4 2.666666667 6.25%
5 2.708333333 1.54%

20
6 2.716666667 0.307%
7 2.718055556 0.051%
8 2.718253968 0.007%
9 2.718278770 0.0009%

As pues, el resultado que se obtiene es:

Que en realidad tiene 8 cifras significativas. La cota impuesta por , nos asegura
que tendremos al menos n cifras significativas; en este ejemplo, obtuvimos 4 cifras
significativas ms.

L
LLe
eec
ccc
cci
ii
n
nn 2
22 E
EEr
rrr
rro
oor
rr d
dde
ee R
RRe
eed
ddo
oon
nnd
dde
eeo
oo

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

Error de redondeo

Es el que resulta de reemplazar un nmero por su forma de punto flotante.
Cualquier nmero real positivo puede ser normalizado para que adquiera la forma:

La forma de punto flotante fl(y), se obtiene terminando (recortando) la mantisa de y
en k dgitos decimales.

21

Existen dos mtodos de terminar:

a) Cortando los dgitos
b) Redondeando el nmero

Error de truncamiento

Este tipo de error ocurre cuando un proceso que requiere un nmero infinito de
pasos se detiene en un nmero finito de pasos.

Generalmente se refiere al error involucrado al usar sumas finitas o truncadas para
aproximar la suma de una serie infinita. Note que el error de truncamiento, a
diferencia del error de redondeo, no depende directamente del sistema numrico
que se emplee.

Que es el polinomio de Taylor de grado n para la funcin f alrededor de x
o
.

Que es el residuo o error de truncamiento asociado con Pn.
f(x)=Pn(x)+Rn(x)
En el caso especfico de que xo=0 el polinomio de Taylor se conoce como el
polinomio de Maclaurin y la serie de Taylor se conoce como la serie de Maclaurin.

Ejemplo
Determine el polinomio de Taylor de segundo grado y tambin el de tercer grado
para f(x)=cos(x) respecto a x
o
=0 y use este polinomio para aproximar cos (0.01)

22
SOLUCION:
Polinomio de Taylor de segundo orden.

Calculando derivadas:

Donde a lo ms es 1 por lo que

23

Donde a lo ms es 1 por lo que

Conclusin:

24
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los mtodos
numricos. El primero es obtener una aproximacin que los polinomios de Taylor
ofrecen en ambas partes.
El segundo objetivo consiste en determinar la exactitud de la aproximacin (error
de truncamiento).

En este caso el polinomio de tercer grado proporciona una exactitud mayor o un
error de truncamiento menor.

Ejemplo
Sea f(x)=x
3

a) Encontrar el polinomio de Taylor de segundo grado para x
o
=0 y el error de
truncamiento para cuando x=0.5.

SOLUCION:

25

Ejemplo
Calcular f(x)=x
3
para un polinomio de Taylor de segundo grado con x
o
=1.

26

Es el Error de Truncamiento

27
C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 2
22:
:: R
RRA
AAI
IIC
CCE
EES
SS D
DDE
EE E
EEC
CCU
UUA
AAC
CCI
IIO
OON
NNE
EES
SS.
..

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

Uno de los problemas bsicos de la aproximacin numrica, es el problema de la
bsqueda de las races.
Races de ecuaciones no lineales
Una raz de una funcin
) (x f
es un nmero
0
x
tal que
0 ) (
0
= x f
. Tambin se
dice que
0
x
es una raz de la ecuacin
0 ) (
0
= x f
. En este curso, consideraremos
solamente races reales.
Geomtricamente, una raz de una funcin representa un punto donde la grfica
de
) (x f
cruza al eje
x
,

En esta grfica, vemos que la raz es
1 = x
.
Ejemplos.

1. Las races de
9 ) (
2
= x x f
son
3 = x
y
3 = x
.

28
2. La funcin
1 ) (
2 4
+ + = x x x f
no tiene races.
3. La funcin
senx x f = 5 ) (
no tiene races.
4. Las races de
) 7 )( 3 )( 1 ( ) ( + + = x x x x f
son
, 1 = x

3 = x
y
7 = x
.
Estudiaremos varios mtodos numricos para aproximar races de ecuaciones.

L
LLe
eec
ccc
cci
ii
n
nn 3
33 M
MM
t
tto
ood
ddo
oo d
dde
ee B
BBi
iis
sse
eec
ccc
cci
ii
n
nn

El mtodo de biseccin se basa en el siguiente teorema de Clculo:
Teorema del Valor Intermedio
Sea
) (x f
contnua en un intervalo
| | b a,
y supongamos que
) ( ) ( b f a f <
.
Entonces para cada
z
tal que
) ( ) ( b f z a f < <
, existe un
( ) b a x ,
0
e
tal que
z x f = ) (
0
. La misma conclusin se obtiene para el caso que
) ( ) ( b f a f >
.
Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua
en un intervalo cerrado, una vez que alcanz ciertos valores en los extremos del
intervalo, entonces debe alcanzar todos los valores intermedios.
En particular, si
) (a f
y
) (b f
tienen signos opuestos, entonces un valor
intermedio es precisamente
0 = z
, y por lo tanto, el Teorema del Valor Intermedio
nos asegura que debe existir
( ) b a x ,
0
e
tal que
0 ) (
0
= x f
, es decir, debe haber
por lo menos una raz de
) (x f
en el intervalo
) , ( b a
.

El mtodo de biseccin sigue los siguientes pasos:
Sea
) (x f
continua,

29
i) Encontrar valores iniciales
a
x
,
b
x
tales que
) (
a
x f
y
) (
b
x f
tienen signos
opuestos, es decir,

ii) La primera aproximacin a la raz se toma igual al punto medio entre
a
x
y
b
x
:

iii) Evaluar
) (
r
x f
. Forzosamente debemos caer en uno de los siguientes casos:

En este caso, tenemos que
) (
a
x f
y
) (
r
x f
tienen signos opuestos, y
por lo tanto la raz se encuentra en el intervalo
| |
r a
x x ,
.

) (
a
x f
y
) (
r
x f
tienen el mismo signo, y
de aqu que
) (
r
x f
y
) (
b
x f
tienen signos opuestos. Por lo tanto, la raz
se encuentra en el intervalo
| |
b r
x x ,
.

En este caso se tiene que
0 ) ( =
r
x f
y por lo tanto ya localizamos la
raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:

30

Es decir,

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

El mtodo de biseccin requiere dividir varias veces a la mitad los subintervalos de
[a,b] y, en cada paso, localizar la mitad que contenga a p.
Para empezar se supone que a
1
=a y b
1
=b y que sea p
1
el punto medio de f(a
1
) y
f(b
1
), es decir:

31
Figura. f (p
1
) tiene signo diferente a f(a
1
) entonces ac est la raz; f(p
1
) tiene
signo igual a f(b
1
) entonces esta mitad se elimina.
si f(p
1
)=0 entonces p=p
1

si f(p
1
) y f(a
1
) tienen el mismo signo, entonces p (p
1
,b
1
) y a
2
=p
1
y b
2
=b
1

si f(p
1
) y f(a
1
) tiene signos opuestos entonces p (a
1
,p
1
) y a
2
=a
1
y b
2
=p
1

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

32

Figura. Mtodo de biseccin
EJEMPLO:
Aproximar la raz de
x e x f
x
ln ) ( =

hasta que
% 1 < e
a
.
SOLUCION
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de
) (x f
se localiza en el intervalo
| | 5 . 1 , 1
. As que este intervalo es nuestro
punto de partida; sin embargo, para poder aplicar el mtodo de biseccin debemos
chequear que
) 1 ( f
y
) 5 . 1 ( f
tengan signos opuestos.
En efecto, tenemos que

mientras que

Cabe mencionar que la funcin
) (x f
s es contnua en el intervalo
| | 5 . 1 , 1
. As
pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de
biseccin. Comenzamos:

33
i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a
la raz):

ii) Evaluamos
0 0636 . 0 ) 25 . 1 ln( ) 25 . 1 (
25 . 1
> = =

e f

iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:

Por lo tanto, vemos que la raz se encuentra en el intervalo
| | 5 . 1 , 25 . 1
.
En este punto, vemos que todava no podemos calcular ningn error aproximado,
puesto que solamente tenemos la primera aproximacin. As, repetimos el proceso
con el nuevo intervalo
| | 5 . 1 , 25 . 1
.
Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):

Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:

Puesto que no se ha logrado el objetivo, continuamos con el proceso.
Evaluamos
0 06561 . 0 ) 375 . 1 ln( ) 375 . 1 (
375 . 1
< = =

e f
, y hacemos la tabla:

34

As, vemos que la raz se encuentra en el intervalo
| | 375 . 1 , 25 . 1
.
Calculamos el punto medio,

Y calculamos el nuevo error aproximado:

El proceso debe seguirse hasta cumplir el objetivo.

Resumimos los resultados que se obtienen en la siguiente tabla:
Aprox. a la raz Error
aprox.
1.25
1.375 9.09%
1.3125 4.76%
1.28125 2.43%
1.296875 1.20%
1.3046875 0.59%
As, obtenemos como
aproximacin a la raz
Ejemplo:
Encontrar la raz de:
| | 2 , 1 10 4 ) (
2 3
en x x x f + =
usando el mtodo de Bisecciones sucesivas en el
intervalo [1,2], se sugiere trabajar con cuatro cifras significativas despus del

35
punto decimal. Y usar a.
a
e =10
-4
o
a
e =0.0001 o sea que el error relativo sea menor a 0.0001.
En resumen:

N an Bn Pn f(pn)
1 1 2 1.5 2.375
2 1 1.5 1.25 -1.7068
3 1.25 1.5 1.375 0.16214
4 1.25 1.375 1.3125 -0.8483
5 1.3125 1.375 1.343 -0.333
6 1.343 1.375 1.359 -0.102
7 1.359 1.375 1.367 0.029
8 1.359 1.367 1.363 -0.036
9 1.363 1.367 1.365 -0.0037
10 1.365 1.367 1.366 -
11 1.365 1.366 1.3655 0.0044
12 1.365 1.3655 1.36525 0.0003
13 1.365 1.36525 1.36515 -0.0021
14 1.36515 1.36525 1.36517 -0.0009

Ejemplo:
Aproximar la raz de
1 arctan ) ( + = x x x f
hasta que
% 1 < e
a
.
SOLUCION
Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de
) (x f
se
localiza en el intervalo
| | 1 , 0
. Para poder aplicar el mtodo de biseccin, es
importante checar que s se cumplen las hiptesis requeridas.

36
Sabemos que
) (x f
es contnua en el intervalo
| | 1 , 0
, y checamos que
) 0 ( f
y
) 1 ( f
tengan signos opuestos.
En efecto,

Mientras que,

Por lo tanto, s podemos aplicar el mtodo de biseccin.
Calculamos el punto medio del intervalo
| | 1 , 0
,

Que es la primera aproximacin a la raz de
) (x f
.
Evaluamos
0 0363 . 0 1 5 . 0 ) 5 . 0 arctan( ) 5 . 0 ( < = + = f
.
Y hacemos nuestra tabla de signos,

Puesto que
) 5 . 0 ( f
y
) 1 ( f
tienen signos opuestos, entonces la raz se localiza en
el intervalo
| | 1 , 5 . 0
.
En este punto, solo contamos con una aproximacin, a saber,
5 . 0
1
=
r
x
, que
es el primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo
| | 1 , 5 . 0
,

37

Que es la nueva aproximacin a la raz de
) (x f
.
Aqu podemos calcular el primer error aproximado:

Puesto que no se cumple el objetivo, continuamos con el proceso.
Evaluamos
0 3935 . 0 1 75 . 0 ) 75 . 0 arctan( ) 75 . 0 ( > = + = f
.
Y hacemos la tabla de signos:

Puesto que
) 5 . 0 ( f
y
) 75 . 0 ( f
tienen signos opuestos, entonces la raz se localiza
en el intervalo
| | 75 . 0 , 5 . 0
.
Calculamos el punto medio,

Y el nuevo error aproximado:

El proceso se debe continuar hasta que se logre el objetivo.

38
Resumimos los resultados que se obtienen en la siguiente tabla:
aprox.
0.5
0.75 33.33%
0.625 20%
0.5625 11.11%
0.53125 5.88%
0.515625 3.03%
0.5234375 1.49%
0.51953125 0.75%
De lo cual, vemos que la aproximacin buscada es
51953125 . 0
8
=
r
x

El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente
grfica, puede ser demasiado lento.

En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de
forma muy lenta, ya que el mtodo solamente toma en cuenta que la raz se
encuentra dentro del intervalo, sin importar si se encuentra ms cerca de alguno
de los extremos del intervalo. Sera bueno implementar un mtodo que tome en
cuenta este detalle.
Esto da lugar al siguiente mtodo de aproximacin de races.

39

Diagramas de flujo de bisecciones sucesivas

L
LLe
eec
ccc
cci
ii
n
nn 4
44 M
MM
t
tto
ood
ddo
oo d
dde
ee l
lla
aa R
RRe
eeg
ggl
lla
aa f
ffa
aal
lls
ssa
aa
Se trata de encontrar la raz de una ecuacin. La ecuacin tiene la forma f(x), es
decir, es una funcin de x. Adems, f(x) esta definida en el intervalo [a, b].

Figura. Intervalo de f(x).

40
El mtodo de la interpolacin lineal inversa, requiere varias condiciones:
1.- f(a)*f(b) < 0
Es decir, que el producto de la funcin de x, f(x), evaluada en a, f(a), multiplicada
por la funcin de x, f(x), evaluada en b, f(b), sea negativo (menor a cero).
2.- Que la funcin f(x) se aproxime por otra funcin L(x).
f(x) es aproximadamente igual a L(x)
Por tanto encontramos un punto falso c
Donde C es la raz que se anda buscando
Despus se calcula f(C) para ver su valor. Si se obtiene cero, no se debe avanzar
ms, pero gen caso de no ser as, se realiza lo siguiente:

Se calcula f(C)*f(a) si este producto es menor a cero (negativo), entonces ahora C
equivaldr a b, y se repite el clculo para encontrar una nueva C.

En el caso de que f(C)*f(b) sea la que haya dado el producto menor a cero, o sea
negativo, entonces ahora a equivaldr a C, y se repite el clculo para encontrar
una nueva C.

A este mtodo, se le conoce como: Mtodo de la falsa posicin.
EJEMPLO:
Encontrar la raz de f(x)=cosx por el mtodo de la falsa posicin en el intervalo
[1,2] y
s
=0.001.
SOLUCION:
a=1, b=2
f(a=1)=cos 1 = 0.5403
f (b=2)=cos 2 = -0.4161
f(a)*f (b) < 0
(0.5403)*(-
C_ant= 99999 para arrancar
Itera=0
s
=0.001
Encontrado= False

fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161

41

f
c
=f(C
act
=1.5649)= cos(1.5649)= 0.005896
f(C
act
)= 0.005896 no es igual a 0? no
ERA (C
act
=1.5649, C_ant = 99999)= 1.5649 - 99999 / 1.5649
a
no es menor a
s

fC*f(a) < 0
(0.005896)*(0.5403) 0 es diferente a cero
a = C
act
= 1.5649
b = 2
Itera = 1
C_ant <-- C
act
= 1.5649

fa=f(a=1.5649)=0.005896
fb=f(b=2)= -0.4161

f(C
act
=1.5709)= cos(1.5709)= - 0.0001036
f(C)= - 0.0001036 no es igual a 0
ERA (C_
act
=1.5709, C_ant = 1.5649)= (1.5709 - 1.5649) / 1.5709 = 0.0038194
a

no es menor a
s

fC*f(a) < 0
(-0.0001036)*(0.005896) < 0 s es menor a cero
a = a =1.5649
b = C
act
= 1.5709
Itera = 2
C_ant = 1.5709

f(a=1.5649) = 0.005896
f(b=1.5709)=cos 1.5709 = -0.0001036

f(C
act
=1.5707)=cos (1.5707)= -0.00000006629
f(C
act
)*f(a) es igual? no

Raz = 1.5707
Otra Manera de ver el mtodo:
Como mencionamos anteriormente, sera bueno considerar si la raz de una
ecuacin est localizada ms cerca de alguno de los extremos del intervalo.

42

Consideremos nuevamente una grfica como la anterior,

Donde hemos agregado la lnea recta que une los puntos extremos de la grfica
en el intervalo
| | b a,
.
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el
punto donde cruza al eje
x
esta recta, nos aproximaremos mucho ms rpido a la
raz; sta es en s, la idea central del mtodo de la regla falsa y sta es realmente
la nica diferencia con el mtodo de biseccin, puesto que en todo lo dems los
dos mtodos son prcticamente idnticos.
Supongamos que tenemos una funcin
) (x f
que es contnua en el intervalo
| |
b a
x x ,
y adems,
) (
a
x f
y
) (
b
x f
tienen signos opuestos.
Calculemos la ecuacin de la lnea recta que une los puntos
)) ( , (
a a
x f x
,
)) ( , (
b b
x f x
. Sabemos que la pendiente de esta recta esta dada por:

Por lo tanto la ecuacin de la recta es:

43
Para obtener el cruce con el eje
x
, hacemos
0 = y
:

Multiplicando por
a b
x x
nos da:

Finalmente, de aqu despejamos
x
:

Este punto es el que toma el papel de r
x
en lugar del punto medio del mtodo de
biseccin.
As pues, el mtodo de la regla falsa sigue los siguientes pasos:
Sea
) (x f
continua,
i) Encontrar valores iniciales
a
x
,
b
x
tales que
) (
a
x f
y
) (
b
x f
tienen signos
opuestos, es decir,

ii) La primera aproximacin a la raz se toma igual a:

iii) Evaluar
) (
r
x f
. Forzosamente debemos caer en uno de los siguientes casos:

44

) (
a
x f
y
) (
r
x f
tienen signos opuestos, y
por lo tanto la raz se encuentra en el intervalo
| |
r a
x x ,
.

) (
a
x f
y
) (
r
x f
tienen el mismo signo, y
de aqu que
) (
r
x f
y
) (
b
x f
tienen signos opuestos. Por lo tanto, la raz
se encuentra en el intervalo
| |
b r
x x ,
.

En este caso se tiene que
0 ) ( =
r
x f
y por lo tanto ya localizamos la
raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:

Ejemplo
Usar el mtodo de la regla falsa para aproximar la raz de
x e x f
x
ln ) ( =

,
comenzando en el intervalo
| | 2 , 1
y hasta que
% 1 < e
a
.
SOLUCION
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que
) (x f
es contnua en el intervalo dado y que toma signos opuestos en los
extremos de dicho intervalo. Por lo tanto podemos aplicar el mtodo de la regla
falsa.
Calculamos la primera aproximacin:

45

Puesto que solamente tenemos una aproximacin, debemos seguir con el
proceso.
As pues,
evaluamos

Y hacemos nuestra tabla de signos:

De donde vemos que la raz se encuentra en el intervalo
| | 397410482 . 1 , 1
.
Con este nuevo intervalo, calculamos la nueva aproximacin:

En este momento, podemos calcular el primer error aproximado:

Puesto que no se cumple el objetivo seguimos con el proceso.
Evaluamos
0 011654346 . 0 ) 321130513 . 1 ( ) (
2
< = = f x f
r
, y hacemos la tabla de
signos:

46
De donde vemos que la raz se encuentra en el intervalo
| | 321130513 . 1 . 1
, con el
cual, podemos calcular la nueva aproximacin:

Y el error aproximado:

Como se ha cumplido el objetivo, concluimos que la aproximacin buscada es:

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

Como solamente tenemos una aproximacin, debemos avanzar en el proceso.

47
Evaluamos
0 070662953 . 0 5600991535 . 0 ) 5600991535 . 0 arctan( ) (
1
> = + =
r
x f


De lo cual vemos que la raz se localiza en el intervalo
| | 5600991535 . 0 , 0
.
As pues, calculamos la nueva aproximacin:

Y calculamos el error aproximado:

Puesto que no se cumple el objetivo, seguimos avanzando en el proceso.
Evaluamos
0 00511533 . 0 1 5231330281 . 0 ) 5231330281 . 0 arctan( ) (
2
> = + =
r
x f
.

De los cual vemos que la raz se localiza en el intervalo
| | 5231330281 . 0 , 0
, con el
cual podemos calcular al siguiente aproximacin:

48

Y el siguiente error aproximado:

Como se ha cumplido el objetivo, concluimos que la aproximacin buscada es:

Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa
contra la lentitud del mtodo de la biseccin.
Por supuesto que puede darse el caso en el que el mtodo de la regla falsa
encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la
biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin
1 ) (
6
= x x f
, comenzando en el intervalo
| | 5 . 1 , 0
, donde notar que mientras que
el mtodo de biseccin requiere de 8 aproximaciones para lograr que
% 1 < e
a
, el
mtodo de la regla falsa necesita hasta 16 aproximaciones.

49

Figura. Diagramas de flujo de la Interpolacin lineal inversa

50
L
LLe
eec
ccc
cci
ii
n
nn 5
55 M
MM
t
tto
ood
ddo
oo d
dde
ee N
NNe
eew
wwt
tto
oon
nn-
--R
RRa
aap
pph
hhs
sso
oon
nn

Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos.
A diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja
sobre un intervalo sino que basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin
i
x
a la raz r
x
de
) (x f
,

Trazamos la recta tangente a la curva en el punto
( ) ) ( ,
i i
x f x
; sta cruza al eje
x

en un punto
1 + i
x
que ser nuestra siguiente aproximacin a la raz r
x
.
Para calcular el punto
1 + i
x
, calculamos primero la ecuacin de la recta tangente.
Sabemos que tiene pendiente

Y por lo tanto la ecuacin de la recta tangente es:

Hacemos
0 = y
:

51

Y despejamos
x
:

Que es la frmula iterativa de Newton-Raphson para calcular la siguiente
aproximacin:

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

,
comenzando con
1
0
= x
y hasta que
% 1 < e
a
.

SOLUCION

52

De aqu tenemos que:

Comenzamos con
1
0
= x
y obtenemos:

En este caso, el error aproximado es,

Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.
Resumimos los resultados en la siguiente tabla:
Aprox. a la raz Error aprox.
1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
De lo cual conclumos que la aproximacin obtenida es:

Ejemplo
Usar el mtodo de Newton-Raphson para aproximar la raz de
, comenzando con
0
0
= x
y hasta que
% 1 < e
a
.

53
SOLUCION

La cual sustitumos en la frmula de Newton-Raphson para obtener:

Comenzamos sustituyendo
0
0
= x
para obtener:

En este caso tenemos un error aproximado de
% 100 % 100
5 . 0
0 5 . 0
=
= e
a

Continuamos con el proceso hasta lograr el objetivo. Resumimos los resultados en
la siguiente tabla:
aprox.
0
0.5 100%
0.5201957728 3.88%
0.5202689918 0.01%
De lo cual conclumos que la aproximacin obtenida es:

54
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros
reales positivos.
SOLUCION
Sea
0 > R
. Queremos calcular
x
tal que
R x =
; elevando al cuadrado
R x =
2
, o
bien:

0
2
= R x

Esto nos sugiere definir la funcin
R x x f =
2
) (
de donde
x x f 2 ) ( = '
. Al sustituir
estos datos en la frmula de Newton-Raphson nos da:

i
i
i i
x
R x
x x
2
2
1

=
+

La cual simplificada nos da:

(
+ =
+
i
i i
x
R
x x
2
1
1

Esta frmula era conocida por los antiguos griegos (Hern).
Para fijar un ejemplo de su uso, pongamos
26 = R
y apliquemos la frmula
obtenida, comenzando con
5
0
= x
. Resumimos los resultados en la siguiente tabla:

5
5.1 1.96%
5.099019608 0.019%
5.099019514 0.0000018%
De lo cual conclumos que
099019514 . 5 26 ~
, la cual es correcta en todos sus
dgitos!

55
La misma idea puede aplicarse para crear algoritmos que aproximen races
n
-
simas de nmeros reales positivos.
Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de
una forma muy rpida y de hecho, observamos que el error aproximado disminuye
a pasos agigantados en cada paso del proceso. Aunque no es nuestro objetivo
establecer formalmente las cotas para los errores en cada uno de los mtodos que
hemos estudiado, cabe mencionar que si existen estas cotas que miden con
mayor precisin la rapidez lentitud del mtodo en estudio.
El mtodo de Newton-Raphson o simplemente el mtodo de Newton, es uno de
los mtodos numricos para resolver un problema de bsqueda de races f(x)=0
ms poderosos y conocidos.

Figura. Aproximaciones con tangentes sucesivas.
Esta figura muestra como se obtienen las aproximaciones usando tangentes
sucesivas. Comenzando con la aproximacin inicial x
o
, la aproximacin x
1
es la
interseccin con el eje x de la lnea tangente a la grfica de f en (x
o
, f(x
o
)). La
aproximacin x
2
es la interseccin con el eje de las x de la lnea tangente a la
grfica de f en (x
1
, f(x
1
)) y as sucesivamente.

56

Figura. Aproximaciones conociendo los valores x
I
s.
m=tan =f(x) pendiente de la recta que pasa por (x
i
, f (x
i
)).
m=tan = Cateto opuesto / Cateto adyacente =
Lo que en realidad se desea saber es cuanto vale x
i+1
para tomarlo en cuenta
para la siguiente iteracin, y as seguira sucesivamente, hasta obtener la raz.

Ejemplo:
Encontrar la raz de f(x)=x
5
+x
2
=9 con un valor inicial de x
o
=1.5 y
s
= 0.001.
SOLUCION:
f(x)= x
5
+x
2
-9 f(x)= 5*x
4
+2*x
f(x
o
=1.5)= (1.5)
5
+(1.5)
2
- 9 = 0.84375
f(x
o
=1.5)=5* (1.5)
4
+2*(1.5)= 28.3125
x
1
= x
o
- f(x
o
) / f(x
o
)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
ERA (x
1
, x
o
)= (que no es menor a
s
)

57

f(x
1
=1.4701)= (1.4701)
5
+(1.4701)
2
- 9 = 0.03027251527
f( x
1
=1.4701)=5*(1.4701)
4
+2*(1.4701)= 26.300465906
x
2
= x
1
- f(x
1
) / f(x
1
)= 1.4701 - (0.03027 / 26.3004) = 1.4690476496
ERA (x
2
, x
1
s
)

f(x
2
=1.469)= (1.469)
5
+(1.469)
2
- 9 = 0.0004339341
f( x
2
=1.469)=5*(1.469)
4
+2*(1.469)= 26.2250948663
x
3
= x
2
- f(x
2
) / f(x
2
)= 1.469 - (0.00043 / 26.2250) = 1.46903110316
ERA (x
3
, x
2
)= (que s es menor a
s
)
3
=1.46903110316
Fallas del mtodo de Newton-Raphson
1.- El mtodo es atrapado por una raz imaginaria f(x).

Figura. Falla 1 de Newton-Raphson
2.- Cuando la raz es un punto de inflexin.

58
3.- El mtodo cae en un punto mximo o mnimo (o en sus cercanas).

Ejemplo
Encontrar la raz de f(x)=e
x
-3*x=0 que se encuentra en [0,1] usando x
o
=0 y el
mtodo de Newton con una
s
=0.001.

SOLUCION:
f(x)= e
x
-3*x
recordemos que
f(x)= e
x
-3

sustituyendo para x1 con xo=0

ERA (x
1
=0.5, x
o
=0)=

ERA (x
2
=0.6101, x
1
=0.5)=

ERA (x
3
=0.618997350866, x
2
=0.6101)= (es mayor a
s

)
x
4
= x
3
- (e
x3
-3* x
3
/ e
x3
-3 = 0.6189 - (e
0.6189
-3* (0.6189) / e
0.6189
-3)= 0.619028039928

59
ERA (x
3
=0.6190280399928, x
2
=0.6189)
<
s
=0.001
4
=0.619023039928
EJEMPLO:
La siguiente frmula se aplica a un vertedor con contracciones:
Q=3.33*(B-0.2*H)*(H
3
)
1/2

Donde:
Q - Cantidad de agua que pasa por le vertedor en pies
3
/seg
B - Ancho del vertedor en pies
H - Carga sobre la cuesta del vertedor en pies.
Si B=3 ; Q=12 entonces cual es el valor de H=?.
Calcular por el mtodo de Newton-Raphson con
s
=0.001 y H
o
=B/2
SOLUCION:
12=3.33*(3-0.2*H)*( H
3
)
1/2

f(H)=12 - 3.33*(3-0.2*H)*( H
3
)
1/2
= 0
f(H)= - 3.33*(3-0.2*H)*(1/2)*( H
3
)
-1/2
(3*H
2
)+ ( H
3
)
1/2
*(-3.33)*(-0.2)
f(H)=-3.33*(3)*(1/2)*(H)
-3/2
(3*H
2
)*(-3.33)*(-0.2H)*(1/2)*(H)
-
3/2
(3*H
2
)+(3.33)*(0.2)*(H
3/2
)
f(H)=-14.985*H
1/2
+0.99*H*H
-3/2
*H
2
+0.666*H
3/2

f(H)=-14.985*H
1/2
+1.665*H
3/2

f(H)=12-3.33*(3-0.2H)*(H
3
)
1/2

f(H)=-14.985*H
1/2
+1.665*H
3/2

H
i+1 = Iniciar con Ho=B/2, Ho=3/2, Ho=1.5

i H
i
f(H
i
) F(H
i
) H
i+1
ERA
0 1.5 -4.51 -15.32 1.20517 -
1 1.20517 -0.16 -14.26 1.19362 9.5837x10
-3

2 1.19362 -
0.000278
-14.20 1.19360 0.000016756
2
=1.19360.

60
L
LLe
eec
ccc
cci
ii
n
nn 6
66 I
IIt
tte
eer
rra
aac
cci
ii
n
nn o
oo m
mm
t
tto
ood
ddo
oo i
iit
tte
eer
rra
aat
tti
iiv
vvo
oo d
dde
ee p
ppu
uun
nnt
tto
oo f
ffi
iij
jjo
oo
y
yy E
EEj
jje
eer
rrc
cci
iic
cci
iio
oos
ss d
dde
ee l
lla
aa U
UUn
nni
iid
dda
aad
dd
Este mtodo se aplica para resolver ecuaciones de la forma

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

x
3
= (x
2
/2) + 4 = 7
ERA (x
3
,x
2

x
4
= (x
3
/2) + 4 =7.5
ERA (x
4
= 7.5, x
3
= 7)
(que no es menor a
s
)

61
x
5
= (x
4
/2) + 4 = 7.75
ERA (x
5
,x
4

x6 = (x
5
/2) + 4 = 7.875
ERA (x
6
, x
5
s
)
x
7
= (x
6
/2) + 4 = 7.9375
ERA (x
7
, x
6

x
8
= (x
7
/2) + 4 = 7.96875
ERA (x
8
,x
7
s
)
x
9
= (x
8
/2) + 4 = 7.984375
ERA (x
9
,x
8
s
)
x
10
= (x
9
/2) + 4 = 7.9921875
ERA (x
10
,x
9
)=
10
= 7.9921875 (tiende a 8)
El nmero 7.9921 se le llama punto fijo de g(x), sin importar cual sea el x
o
. El
punto fijo de g(x) es la raz de f(x).
Ejemplo:
Sea f(x) = x + 4 = 0 y x
o
= 0 Encontrar una raz por el mtodo iterativo del punto
fijo.
Hagamos un posible despeje:
2*x - x + 4 = 0
x = 2*x + 4 g(x) = 2*x + 4
g(x) = 2 donde g(x) no es menor a 1, por lo tanto, no se asegura que este despeje
sirva:
Probemos:
x
o
=0
x
1
=2*(0)+4=4
x
2
=2*(4)+4=12
x
3
=2*(12)+4=28
x
4
=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz, desde
luego comenzando con x
o
=0.
Al analizar f(x)=x+4=0. Vemos que la solucin es x+4=0 x= -4.
Y desde luego, si iniciramos con la solucin, es decir, que x
o
= -4, si tenderamos
a encontrar la solucin. Sin embargo, el mtodo trata de que dado un valor inicial
que no sea la solucin, se encuentre la solucin.
x
o
= -4; x
1
=2*(-4)+4 x
1
= -4
Sea f(x) = x+4 = 0 con x
o
=0
2*x - x + 4 = 0 x = 2*x + 4 g(x) = 2*x + 4
g´(x)= 2 que es mayor a 1 g(x) no es menor que 1 y por lo tanto no se

62
asegura que este despeje sirva.
Probemos
Con x
o
=0
x
1
=2*x
o
+4=2*(0)+4=4
x
2
=2*x
1
+4=2*(4)+4=12
x
3
=2*x
2
+4=2*(12)+4=28
x
4
=2*x
3
+4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz.
Intentemos otro despeje:
f(x)=x+4=0
se despeja con respecto a (3/2)x
(3/2)*x - (1/2)*x + 4 = 0
(3/2)*x=(1/2)*x - 4
x= (2/3)*(1/2)*x - (2/3)*(4)=(1/3)*x - (8/3)
- (8/3)

checando que (1/3) < 1 se asegura que el despeje realizado si sirve.
Probemos con x
o
=0 x_ant =x
o
=0
x_act = (x_ant / 3) - 2.66 = 0 - 2.66 = -2.66
ERA (x_act = -2.66, x_ant = 0)

x_ant = x_act = -2.66
Itera=1

x_act = (-2.66/ 3) - 2.66 = -3.5466
ERA (x_act =-3.5466, x_ant = -2.66)
(que no es menor a
s
)
x_ant = x_act = -3.5466
Itera=2

x_act = (-3.5466/ 3) - 2.66 = -3.8422
ERA (x_act =-3.8422, x_ant = -3.5466)
(que no es menor a
s
)
x_ant = x_act = -3.8422
Itera=3

63

x_act = (-3.8422/ 3) - 2.66 = -3.9407
ERA (x_act =-3.9407, x_ant = -3.8422)
(que no es menor a
s
)
x_ant = x_act = -3.9407
Itera=4

x_act = (-3.9407/ 3) - 2.66 = -3.9735
ERA (x_act =-3.9735, x_ant = -3.9407)
(que no es menor a
s
)
x_ant = x_act = -3.9735
Itera=5

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

x_act = (-3.9845/ 3) - 2.66 = -3.9881
ERA (x_act =-3.9881, x_ant = -3.9845)
(que si es menor a
s
)
-3.9881
Esto tiende al nmero -4. Al nmero -4 se le llama punto fijo de g(x), sin importar
cual sea el x
o
. El punto fijo de g(x) es la raz de f(x).
Otros Ejemplos:
1) La ecuacin se puede transformar en .
2) La ecuacin se puede transformar en .
Dada la aproximacin , la siguiente iteracin se calcula con la frmula:

64
Supongamos que la raz verdadera es , es decir,

Restando las ltimas ecuaciones obtenemos:

Por el Teorema del Valor Medio para derivadas, sabemos que si es contnua
en y diferenciable en entonces existe tal que
.
En nuestro caso, existe en el intervalo determinado por y tal que:

De aqu tenemos que:

O bien,

Tomando valor absoluto en ambos lados,

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

65
Por lo tanto, solamente si , entonces se disminuir el error en la
siguiente iteracin. En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si
para en un intervalo que contiene a la raz y donde es contnua y
diferenciable, pero diverge si en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
- En el ejemplo 1, y claramente se cumple la condicin de
que . Por lo tanto el mtodo s converge a la raz.
- En el ejemplo 2, y en este caso,
. Por lo tanto, el mtodo no converge a la raz.
Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo 1
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con y hasta que .
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,

Con un error aproximado de

Aplicando nuevamente la frmula iterativa tenemos,

Y un error aproximado de .

66
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se
necesitan hasta 13 iteraciones para lograr reducir el error aproximado menor al
1%. El resultado final que se obtiene es:

Con un error aproximado igual al .
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con y hasta que .
Solucin
Si despejamos la del trmino lineal, vemos que la ecuacin equivale a

de donde,

En este caso, tenemos que . Un vistazo a la grfica,

Nos convence que , para , lo que es suficiente para deducir que
el mtodo s converge a la raz buscada.

67
Aplicando la frmula iterativa, tenemos:

Con un error aproximado del 100%.
Aplicando nuevamente la frmula iterativa, tenemos:

Con un error aproximado igual al 28.41%.
En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error
menor al 1%. Resumimos los resultados en la siguiente tabla:

0
-0.2 100%
-0.1557461506 28.41%
-0.1663039075 6.34%
-0.163826372 1.51%
-0.164410064 0.35%
De donde vemos que la aproximacin buscada es:

68

Figura. Diagramas de flujo del mtodo de iteracin.
Ejemplo:
Encontrar una raz por el mtodo iterativo del punto fijo.
Solucin:
f(x)=x*e
x
- 1 = 0 empezar con xo=0 y un Epsilon=0.001
x*e
x
= 1
x= 1 / e
x

x= e
-x

g(x)= e
-x

g´(x)= e
-x
*[d(-x)/ dx]
si se cumple

69
Para x=0
Por lo tanto vemos que pasa con x>0 y x<0:
ejecute;(x)= - e
-x

Por ejemplo para:
x=10 si se cumple

Esto asegura que el despeje hecho si funciona para valores de x
0
.
Probemos:
Dado que x
o
=0 se debe empezar con otro valor como x
o
=0.1 x
o
=1 y con la
ecuacin iterativa x
act
=e
-xant

x
1
=1
x
2
=e
-1
=0.367879441171
x
3
=e
-x2
=0.692200627556
x
4
=e
-x3
=0.500473500563
x
5
=e
-x4
=0.606243535086
x
6
=e
-x5
=0.545395785975
x
7
=e
-x6
=0.579612335503
x
8
=e
-x7
=0.560115461361
x
9
=e
-x8
=0.57114311508
x
10
=e
-x9
=0. 564879347391
x
11
=e
-x10
=0.568428725029
x
12
=e
-x11
=0. 566414733147
x
13
=e
-x12
=0.567556637328
x
14
=e
-x13
=0.566908911922
x
15
=e
-x14
=0.567276232175

Esto tiende a converger al nmero 0.5673 Al nmero 0.567276232175 se le llama
punto fijo de g(x), sin importar cual sea el x
o
. El punto fijo de g(x) es la raz de f(x).
EJEMPLO:
Encontrar una raz para f(x)=5*x
2
-4*x-7 por el mtodo iterativo del punto fijo dentro
del intervalo (- 0.9,- 0.8).

70
Solucin:
Propongamos primero una funcin g(x)
5*x
2
-4*x=7
factorizando a x y trabajando con respecto a la x que se factoriz:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)
-1
)
g(x)=7*[(-1)*(5*x-4)
-1-1
((d/dx)(5*x-4))]
g(x)=7[(-1)(5*x-4)
-2
(5-0)]
g(x)=(7*(-1)*(5)) / (5*x-4)
2
= -35 / (5*x-4)
2

Probemos para los lmites del intervalo dado para -0.9.

Ahora probemos para -0.8.

Por lo tanto el despeje propuesto, es decir g(x) si nos sirve.
Encontremos el punto fijo de g(x) es decir la raz de f(x). Adems de percatarnos
que no es necesario un intervalo sino un solo valor de arranque, por lo que se
trabajar con el valor inicial de x
o
=-0.85 el cual se encuentra dentro del intervalo
(-0.9,-0.8).
x
o
= -0.85
x
1
=7 / (5*x
o
-4) = -0.848484848486
x
2
=7 / (5*x
2
-4) = -0.849264705882
x
3
=7 / (5*x
2
-4) = -0.8488631129735
x
4
=7 / (5*x
3
-4) = -0.849069868054
x
5
=7 / (5*x
4
-4) = -0.848963423031
El valor tiende a -0.849 punto fijo de g(x) y raz de f(x).
EJEMPLO:
Encontrar una raz para f(x)=x
2
-x-2 por el mtodo iterativo del punto fijo cuyas
races son (-1,2)
Propongamos varias funciones de g(x) y veamos cuales de ellas si nos pueden
servir:
1) respecto a la segunda
x
2
-x-2=0
x
2
-2=x
g
1
(x)=x= x
2
-2

71
2) respecto a x
2

x
2
-x-2=0
x
2
=2+x
x= (2+x)
1/2

2) g
2
(x)= -(2+x)
1/2

3) g
3
(x)= (2+x)
1/2

4) respecto a x
2

x
2
-x-2=0
x
2
=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g
4
(x)= 1+2/x
5) factorizamos a x
x
2
-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g
5
(x)= 2 / (x-1)
Probemos si g
1
(x) nos puede servir para encontrar las dos races (-1,2).
g
1
(x)=x
2
-2
g
1
(x)=2*x

2*x < 1
x < 1 / 2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raz
con x que sea una sola palabra sea menor a 0.5.
Probemos con x
o
=0
x
Act
=x
Ant
-2
x
1
= x
o
2
-2
x
1
=-2
x
2
= x
1
2
-2=(-2)
2
-2=2
x
3
= (-2)
2
-2=2

Como sabemos que una raz es 2 veamos si 1.5 lo aproxima:
Probemos con x
o
=1.5
x
1
= (1.5)
2
-2
x
1
=0.25
x
2
= x
1
2
-2=-1.9375
x
3
= x
2
2
-2=1.75390625
x
4
= x
3
2
-2=1.0768713379
No tiende a alguna convergencia. Esto demuestra que debe respetarse que x<
(1/2) para esta ecuacin iterativa.
Probemos ahora g
2
(x)

72
g
2
(x)=-(2+x)
1/2

g
2
1
(x)=-(1/2)* (2+x)
-1/2

(1/2)* (2+x)
-1/2
< 1
(2+x)
1/2
esta dividiendo y pasa multiplicando:
1 / (2*(2+x)
1/2
)< 1
1/2 < (2+x)
1/2

elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75

Figura. Races en el plano cartesiano
Esto lo que quiere decir es que el despeje propuesto g
2
(x), nos debe de servir para
poder encontrar las dos races -1 y 2.
Probemos con x
o
=0 en g
2
(x):
x
Act
=-(2+x
Ant
)
1/2
Ecuacin iterativa
x
1
= -(2+x
o
)
1/2
=-1.41421356237
x
2
= -(2+x
1
)
1/2
=-0.765366864732
x
3
= -(2+x
2
)
1/2
=-1.11114046604
x
4
= -(2+x
3
)
1/2
=-0.94279347365
x
5
= -(2+x
4
)
1/2
=-1.02820548839
x
6
= -(2+x
5
)
1/2
=-0.9857
tiende a -1, punto fijo de g(x) y raz de f(x).
Probando con x
o
=0 en g
3
(x):
x
Act
=(2+x
Ant
)
1/2
Ecuacin iterativa
x
1
= (2+x
o
)
1/2
=1.41421356237
x
2
= (2+x
1
)
1/2
=1.84775906502
x
3
= (2+x
2
)
1/2
=1.96157056081
x
4
= (2+x
3
)
1/2
=1.99036945335
tiende a 2, punto fijo de g(x) y raz de f(x).
Por lo tanto x
o
si nos sirve para encontrar las dos races.

73
Probando con g
4
(x):
g
4
(x)=1 + 2/x
g
4
(x)=2*(-1) / x
2

g
4
(x)= -2 / x
2

x
2
> 2
x > 2
1/2

x > 1.4142
Esto quiere decir que el despeje hecho, nos podr servir para encontrar la raz
mayor a 1.4142 o sea para encontrar la raz.
Probemos ahora g
5
(x):
Se desea saber si este despeje es vlido para encontrar la raz de -1? O bien
este despeje es vlido para encontrar la raz 2?
g
5
(x)= 2 / (x-1) = 2*(x-1)
-1

g
5
(x)=2*(-1)*(x-1)
-2
dx/dx
g
5
(x)= -2 / (x-1)
2

Probemos s esto fuese vlido para encontrar la raz igual a -1.

Y el despeje propuesto, si nos sirve para encontrar esta raz.
Ahora probemos si el despeje de g
5
(x), nos sirve para encontrar la raz igual a 2.

Y el despeje propuesto, no nos sirve para encontrar la segunda raz.

74

Figura. Formas de convergencia.

75
EJ ERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1. Usa el mtodo de biseccin para aproximar la raz de
comenzando en el intervalo y hasta que .
Solucin: .
2. Usa el mtodo de biseccin para aproximar la raz de
Solucin: .
3. Usa el mtodo de la regla falsa para aproximar la raz de
Solucin: .
4. Usa el mtodo de la regla falsa para aproximar la raz de
Solucin: .
5. Usa el mtodo de Newton-Raphson para aproximar la raz de
comenzando con y hasta que .
Solucin: .
6. Usa el mtodo de Newton-Raphson para aproximar la raz de ,
Solucin: .

76
7. Usa el mtodo de iteracin del punto fijo para aproximar la raz de
Solucin: .
8. Usa el mtodo de iteracin del punto fijo para aproximar la raz de
Solucin: .

77
UNIDAD II:
SISTEMAS DE ECUACIONES LINEALES, NO
LINEALES E INTERPOLACION

ECUACIN ALGEBRICA LINEAL
Es aquella en donde en cada trmino de la ecuacin aparece nicamente una
variable o incgnita elevada a la primera potencia. Por ejemplo:
) 1 ( ...
1 1 3 13 2 12 1 11
c x a x a x a x a
n n
= + + + +

Es una ecuacin algebraica lineal en las variables X
1
, X
2
, X
3
,..., X
n
. Se admite que
los coeficientes a
11
, a
12
, a
13
,..., a
1n
y el trmino independiente C
1
, son constantes
reales.

Diagrama de flujo del clculo de cofactores.

78
SISTEMA DE ECUACIONES
Es un conjunto de ecuaciones que deben resolverse simultneamente. En los
sucesivo se considerarn nicamente sistemas de ecuaciones algebraicas
lineales, o sea conjuntos de ecuaciones de la forma:
) 2 (
) ( ...
.
) ( ...
) ( ...
3 3 2 2 1 1
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
= + + + +
= + + + +
= + + + +
c c x a x a x a x a
b c x a x a x a x a
a c x a x a x a x a
n n nn n n n
n n
n n

Aplicando la definicin de producto entre matrices, este sistema de n ecuaciones
algebraicas lineales con n incgnitas puede escribirse en forma matricial.

(3)
Este sistema de ecuaciones puede escribirse simblicamente como:
A X = C (4)
En donde A se llama Matriz del Sistema. La matriz formada por A, a la que se le
ha agregado el vector de trminos independientes como ltima columna, se le
llama la Matriz Ampliada del Sistema, que se representa con (A, C).
Entonces la matriz ampliada ser:

(5)

79
C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 3
33:
:: S
SSO
OOL
LLU
UUC
CCI
IIO
OON
NN D
DDE
EE S
SSI
IIS
SST
TTE
EEM
MMA
AAS
SS D
DDE
EE
E
EEC
CCU
UUA
AAC
CCI
IIO
OON
NNE
EES
SS

M
MM
t
tto
ood
ddo
oo d
dde
ee e
eel
lli
iim
mmi
iin
nna
aac
cci
ii
n
nn
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas
y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser: Consistente, si admite
solucin; o Inconsistente, si no admite solucin.
Un sistema Consistente puede ser: Determinado, si la solucin es nica o
Indeterminado, si la solucin no es nica. En este caso se demuestra que existe
una infinidad de soluciones.
Teoremas sobre rangos
El rango de una matriz es el orden de determinante no nulo de mayor orden que
puede obtenerse de esa matriz. El rango de la matriz A se representa con la
notacin r(A) y el de la matriz ampliada con r(A, C).
En lgebra se demuestra que:
1. Para cualquier sistema,
2. Si r(A) < r(A, C) el sistema es inconsistente
3. Si r(A) = r(A, C) el sistema de ecuaciones es consistente
En este caso, si adems r(A) = n, el sistema es determinado e indeterminado si
r(A) < n, siendo n el nmero de variables en el sistema.
En general, hay dos tipos de tcnicas numricas para resolver ecuaciones
simultneas: Directas, que son finitas; e Indirectas, que son infinitas.
Naturalmente, ninguna tcnica prctica puede ser infinita. Lo que queremos decir
es que en un principio los mtodos directos (despreciando errores por redondeo)
producirn una solucin exacta, si la hay, en un nmero finito de operaciones
aritmticas.
Por otra parte, un mtodo indirecto requerir en principio un nmero infinito de
operaciones aritmticas para producir una solucin exacta. Dicho de otra manera,

80
un mtodo indirecto tiene un error por truncamiento mientras que un mtodo
directo no lo tiene.
Sin embargo, la expresin "en principio" del prrafo anterior es crucial: en realidad
se tienen errores por redondeo. Tendremos que considerar ms cuidadosamente
esta cuestin. En un sistema grande, mal comportado, los errores por redondeo de
un mtodo directo puede hacer que la "solucin" carezca de sentido. A pesar de
su error terico por truncamiento, un mtodo indirecto puede ser mucho ms
deseable porque en l los errores por redondeo no se acumulan.

L
LLe
eec
ccc
cci
ii
n
nn 7
77 M
MM
t
tto
ood
ddo
oo d
dde
ee e
eel
lli
iim
mmi
iin
nna
aac
cci
ii
n
nn

El primer mtodo que se presenta usualmente en lgebra, para la solucin de
ecuaciones algebraicas lineales simultneas, es aquel en el que se eliminan las
incgnitas mediante la combinacin de las ecuaciones. Este mtodo se conoce
como Mtodo de Eliminacin. Se denomina eliminacin Gaussiana si en el
proceso de eliminacin se utiliza el esquema particular atribuido a Gauss.
Utilizando el mtodo de Gauss, un conjunto de n ecuaciones con n incgnitas se
reduce a un sistema triangular equivalente (un sistema equivalente es un sistema
que tiene iguales valores de la solucin), que a su vez se resuelve fcilmente por
"sustitucin inversa"; un procedimiento simple que se ilustrar con la presentacin
siguiente.
El esquema de Gauss empieza reduciendo un conjunto de ecuaciones
simultneas, tal como se muestra en (2), a un sistema triangular equivalente
como:

(6)
En el cual los superndices indican los nuevos coeficientes que se forman en el
proceso de reduccin. La reduccin real se logra de la siguiente manera:

81
1. La primera ecuacin (2) se divide entre el coeficiente de X
1
en esa ecuacin
para obtener:

(7)
2. La ec. (7) se multiplica entonces por el coeficiente de X
1
de la segunda
ecuacin (2) y la ecuacin que resulta se resta de la misma, eliminando as
X
1
. La ec. (7) se multiplica entonces por el coeficiente de X
1
de la tercera
ecuacin (2), y la ecuacin resultante se resta de la misma para eliminar X
1

de esa ecuacin. En forma similar, X
1
se elimina de todas las ecuaciones
del conjunto excepto la primera, de manera que el conjunto adopta la forma:

(8)
3. La ecuacin utilizada para eliminar las incgnitas en las ecuaciones que la
siguen se denomina Ecuacin Pivote. En la ecuacin pivote, el coeficiente
de la incgnita que se va a eliminar de las ecuaciones que la siguen se
denomina el Coeficiente Pivote (a
11
en los pasos previos).
4. Siguiendo los pasos anteriores, la segunda ecuacin (8) se convierte en la
ecuacin pivote, y los pasos de la parte 1 se repiten para eliminar X
2
de
todas las ecuaciones que siguen a esta ecuacin pivote. Esta reduccin nos
conduce a:

(9)
5. A continuacin se utiliza la tercer ecuacin (9) como ecuacin pivote, y se
usa el procedimiento descrito para eliminar X
3
de todas las ecuaciones que

82
siguen a la tercer ecuacin (9). Este procedimiento, utilizando diferentes
ecuaciones pivote, se contina hasta que el conjunto original de ecuaciones
ha sido reducido a un conjunto triangular tal como se muestra en la ec. (6).
6. Una vez obtenido el conjunto triangular de ecuaciones, la ltima ecuacin
de este conjunto equivalente suministra directamente el valor de X
n
(ver ec.
6). Este valor se sustituye entonces en la antepenltima ecuacin del
conjunto triangular para obtener un valor de X
n-1
, que a su vez se utiliza
junto con el valor de X
n
en la penltima ecuacin del conjunto triangular
para obtener un valor X
n-2
y asi sucesivamente. Este es el procedimiento de
sustitucin inversa al que nos referimos previamente. Para ilustrar el
mtodo con un conjunto numrico, apliquemos estos procedimientos a la
solucin del siguiente sistema de ecuaciones:
5 2 2
) 10 ( 13 6
7 4
3 2 1
3 2 1
3 2 1
= +
= +
= + +
x x x
x x x
x x x

Utilizando como ecuacin pivote la primera ecuacin (el coeficiente pivote es
unitario), obtenemos:
9 0 9
) 11 ( 6 2 2
7 4
2
3 2
3 2 1
= +
= +
= + +
x
x x
x x x

A continuacin, utilizando la segunda ecuacin del sistema (11) como ecuacin
pivote y repitiendo el procedimiento, se obtiene el siguiente sistema triangular de
ecuaciones:
9 0 9
) 12 ( 6 2 2
5 5 0
2
3 2
3 1
= +
= +
= + +
x
x x
x x

De la tercera ecuacin del sistema (12) obtenemos el valor de
1
2
= x
, que al
reemplazarlo en las otras ecuaciones se obtienen los valores de
2
3
= x
y
5
1
= x

DESVENTAJAS DEL MTODO DE ELIMINACIN

83
1. Divisin entre cero
Una de sus desventajas es que durante el proceso en las fases de
eliminacin y sustitucin es posible que ocurra una divisin entre cero. Se
ha desarrollado una estrategia del pivoteo para evitar parcialmente estos
problemas. sta se deja como investigacin al alumno.
2. Errores de redondeo
La computadora maneja las fracciones en forma decimal con cierto nmero
limitado de cifras decimales, y al manejar fracciones que se transforman a
decimales que nunca terminan, se introduce un error en la solucin de la
computadora. Este se llama error por redondeo.
Cuando se va a resolver solamente un pequeo nmero de ecuaciones, el
error por redondeo es pequeo y generalmente no se afecta
sustancialmente la precisin de los resultados, pero si se van a resolver
simultneamente muchas ecuaciones, el efecto acumulativo del error por
redondeo puede introducir errores relativamente grandes en la solucin. Por
esta razn el nmero de ecuaciones simultneas que se puede resolver
satisfactoriamente con el mtodo de eliminacin de Gauss, utilizando de 8 a
10 dgitos significativos en las operaciones aritmticas, se limita
generalmente a 15 o 20.
3. Sistemas mal condicionados
La obtencin de la solucin depende de la condicin del sistema. En
sentido matemtico, los sistemas bien condicionados son aquellos en los
que un cambio en uno o ms coeficientes provoca un cambio similar en la
solucin. Los sistemas mal condicionados son aquellos en los que cambios
pequeos en los coeficientes provocan cambios grandes en la solucin.
Una interpretacin diferente del mal condicionamiento es que un rango
amplio de respuestas puede satisfacer aproximadamente al sistema. Ya
que los errores de redondeo pueden inducir cambios pequeos en los
coeficientes, estos cambios artificiales pueden generar errores grandes en
la solucin de sistemas mal condicionados.

84

L
LLe
eec
ccc
cci
ii
n
nn 8
88 M
MM
t
tto
ood
ddo
oo d
dde
ee G
GGa
aau
uus
sss
ss -
-- J
JJ o
oor
rrd
dda
aan
nn
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss,
permite resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos
significativos en las operaciones aritmticas de la computadora. Este
procedimiento se distingue del mtodo Gaussiano en que cuando se elimina una
incgnita, se elimina de todas las ecuaciones restantes, es decir, las que preceden
a la ecuacin pivote as como de las que la siguen.
El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
3.0 X
1
- 0.1 X
2
- 0.2 X
3
= 7.8500
0.1 X
1
+ 7.0 X
2
- 0.3 X
3
= - 19.3
0.3 X
1
- 0.2 X
2
+ 10 X
3
= 71.4000
Primero expresemos los coeficientes y el vector de trminos independientes como
una matriz aumentada.

Se normaliza el primer rengln dividiendo entre 3 para obtener:

El trmino X
1
se puede eliminar del segundo rengln restando 0.1 veces el primero
del segundo rengln. De una manera similar, restando 0.3 veces el primero del
tercer rengln se elimina el trmino con X
1
del tercer rengln.

85

En seguida, se normaliza el segundo rengln dividiendo entre 7.00333:

Reduciendo los trminos en X
2
de la primera y la tercera ecuacin se obtiene:

El tercer rengln se normaliza dividindolo entre 10.010:

Finalmente, los trminos con X
3
se pueden reducir de la primera y segunda
ecuacin para obtener:

Ntese que no se necesita sustitucin hacia atrs para obtener la solucin.

86
Las ventajas y desventajas de la eliminacin gaussiana se aplican tambin al
mtodo de Gauss-Jordan.
Aunque los mtodos de Gauss-Jordan y de eliminacin de Gauss pueden parecer
casi idnticos, el primero requiere aproximadamente 50% menos operaciones. Por
lo tanto, la eliminacin gaussiana es el mtodo simple por excelencia en la
obtencin de soluciones exactas a las ecuaciones lineales simultneas. Una de las
principales razones para incluir el mtodo de Gauss-Jordan, es la de proporcionar
un mtodo directo para obtener la matriz inversa.
Inversin de matrices
Sea A una matriz cuadrada no singular, es decir, que su determinante sea
diferente de cero . Por definicin de matriz inversa, se tiene que

Es la inversa de A si:

(13)
Haciendo y sustituyendo en la ecuacin anterior, se obtiene
A X = I (14)
Puede considerarse que esta ecuacin matricial representa un sistema de
ecuaciones simultneas, en donde no hay un solo vector de trminos
independientes sino n, los n vectores bsicos que forman la matriz unitaria I.
Adems, no existe un solo vector de incgnitas, sino n, los que corresponden a
cada columna de la matriz unitaria.
Por lo anterior, es posible determinar la inversa de una matriz con el mtodo de
Gauss-Jordan de eliminacin completa. Para lograrlo, bastar con aplicar las
operaciones elementales sobre los renglones de la matriz ampliada (A, I) de
manera de transformar A en I. Cuando se haya hecho, se obtendr la matriz
ampliada , con lo que se tendr la inversa buscada.
EJEMPLO
Invertir la matriz

87

Aumntese la matriz de coeficientes con una matriz identidad

Usando a
11
como pivote, el rengln 1 se normaliza y se usa para eliminar a X
1
de
los otros renglones.

En seguida, se usa a
22
como pivote y X
2
se elimina de los otros renglones.

Finalmente, se usa a
33
como pivote y X
3
se elimina de los renglones restantes:

Por lo tanto, la inversa es:

88

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

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

L
LLe
eec
ccc
cci
ii
n
nn 9
99 M
MM
t
tto
ood
ddo
oo d
dde
ee G
GGa
aau
uus
sss
ss-
--S
SSe
eei
iid
dde
eel
ll y
yy E
EEj
jje
eer
rrc
cci
iic
cci
iio
oos
ss d
dde
eel
ll
C
CCa
aap
ppi
iit
ttu
uul
llo
oo
El mtodo de eliminacin para resolver ecuaciones simultneas suministra
soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero
exacto depende de las ecuaciones de que se trate, del nmero de dgitos que se
conservan en el resultado de las operaciones aritmticas, y del procedimiento de
redondeo. Utilizando ecuaciones de error, el nmero de ecuaciones que se
pueden manejar se puede incrementar considerablemente a ms de 15 o 20, pero
este mtodo tambin es imprctico cuando se presentan, por ejemplo, cientos de
ecuaciones que se deben resolver simultneamente. El mtodo de inversin de
matrices tiene limitaciones similares cuando se trabaja con nmeros muy grandes
de ecuaciones simultneas.
Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes
nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo
de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente
satisfactorio, y el mtodo de Gauss-Seidel tiene la desventaja de que no siempre

89
converge a una solucin o de que a veces converge muy lentamente. Sin
embargo, este mtodo convergir siempre a una solucin cuando la magnitud del
coeficiente de una incgnita diferente en cada ecuacin del conjunto, sea
suficientemente dominante con respecto a las magnitudes de los otros coeficientes
de esa ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los
otros para asegurar la convergencia y es an ms difcil predecir la velocidad de la
convergencia para alguna combinacin de valores de los coeficientes cuando esa
convergencia existe. No obstante, cuando el valor absoluto del coeficiente
dominante para una incgnita diferente para cada ecuacin es mayor que la suma
de los valores absolutos de los otros coeficientes de esa ecuacin, la
convergencia est asegurada. Ese conjunto de ecuaciones simultneas lineales se
conoce como sistema diagonal.
Un sistema diagonal es condicin suficiente para asegurar la convergencia pero
no es condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales
que se derivan de muchos problemas de ingeniera, son del tipo en el cual existen
siempre coeficientes dominantes.
La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente:
1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es
posible hacer una hiptesis razonable de stos valores, hacerla. Si no, se
pueden asignar valores seleccionados arbitrariamente. Los valores
iniciales utilizados no afectarn la convergencia como tal, pero afectarn el
nmero de iteraciones requeridas para dicha convergencia.
2. Partiendo de la primera ecuacin, determinar un nuevo valor para la
incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando
para las otras incgnitas los valores supuestos.
3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita
que tiene el coeficiente ms grande en esa ecuacin, utilizando el valor
calculado para la incgnita del paso 2 y los valores supuestos para las
incgnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el valor
calculado de la incgnita que tiene el coeficiente ms grande en cada
ecuacin particular, y utilizando siempre los ltimos valores calculados para
las otras incgnitas de la ecuacin. (Durante la primera iteracin, se deben
utilizar los valores supuestos para las incgnitas hasta que se obtenga un
valor calculado). Cuando la ecuacin final ha sido resuelta, proporcionando
un valor para la nica incgnita, se dice que se ha completado una
iteracin.
5. Continuar iterando hasta que el valor de cada incgnita, determinado en
una iteracin particular, difiera del valor obtenido en la iteracin previa, en

90
una cantidad menor que cierto seleccionado arbitrariamente. El
procedimiento queda entonces completo.
Refirindonos al paso 5, mientras menor sea la magnitud del seleccionado,
mayor ser la precisin de la solucin. Sin embargo, la magnitud del epsilon no
especifica el error que puede existir en los valores obtenidos para las incgnitas,
ya que sta es una funcin de la velocidad de convergencia. Mientras mayor sea
la velocidad de convergencia, mayor ser la precisin obtenida en los valores de
las incgnitas para un dado.

91
EJEMPLO
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando
un = 0.001.
0.1 X
1
+ 7.0 X
2
- 0.3 X
3
= -19.30
3.0 X
1
- 0.1 X
2
- 0.2 X
3
= 7.85
0.3 X
1
- 0.2 X
2
- 10.0 X
3
= 71.40
SOLUCION:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estn
los coeficientes mayores para asegurar la convergencia.
3.0 X
1
- 0.1 X
2
- 0.2 X
3
= 7.85
0.1 X
1
+ 7.0 X
2
- 0.3 X
3
= -19.30
0.3 X
1
- 0.2 X
2
- 10.0 X
3
= 71.40
Despejamos cada una de las variables sobre la diagonal:

Suponemos los valores iniciales X
2
= 0 y X
3
= 0 y calculamos X
1

Este valor junto con el de X
3
se puede utilizar para obtener X
2

92
La primera iteracin se completa sustituyendo los valores de X
1
y X
2
calculados
obteniendo:

En la segunda iteracin, se repite el mismo procedimiento:

Comparando los valores calculados entre la primera y la segunda iteracin

Como podemos observar, no se cumple la condicin

Entonces tomamos los valores calculados en la ltima iteracin y se toman como
supuestos para la siguiente iteracin. Se repite entonces el proceso:

93

Comparando de nuevo los valores obtenidos

Como se observa todava no se cumple la condicin

As que hacemos otra iteracin

Comparando los valores obtenidos

94

Dado que se cumple la condicin, el resultado es:

X
1
= 3.0
X
2
= -2.5
X
3
= 7.0
Como se puede comprobar no se tiene un nmero exacto de iteraciones para
encontrar una solucin. En este ejemplo, se hicieron 3 iteraciones, pero a menudo
se necesitan ms iteraciones.
Se deja de investigacin al alumno alguna forma que haga que este mtodo
converge ms rpidamente.

95
EJ ERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
1. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:

SOLUCION:
2. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:

SOLUCION:
3. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:

SOLUCION:
4. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:

96

SOLUCION:
5. Calcula la matriz inversa de las siguientes matrices usando el mtodo de
Gauss-Jordan:
i)

ii)

Soluciones:

i)

ii)

6. Usa el mtodo de Gauss-Seidel hasta que
% 1 < e
a
para aproximar la solucin
del siguiente sistema de ecuaciones:

97

SOLUCION:
7. Usa el mtodo de Gauss-Seidel hasta que
% 1 < e
a
para aproximar la solucin
del siguiente sistema de ecuaciones:

SOLUCION:

98
C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 4
44:
:: I
IIN
NNT
TTE
EER
RRP
PPO
OOL
LLA
AAC
CCI
IIO
OON
NN

I
IIN
NNT
TTE
EER
RRP
PPO
OOL
LLA
AAC
CCI
IIO
OON
NN D
DDE
EE P
PPO
OOL
LLI
IIN
NNO
OOM
MMI
IIO
OOS
SS
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recuerde que la frmula general de un polinomio de n-simo orden es:

(1)
Para n +1 puntos, existe uno y slo un polinomio de n-simo orden o menor que
pasa a travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir
un polinomio de primer orden) que conecta dos puntos. El polinomio de
interpolacin consiste en determinar el nico polinomio de n-simo orden que se
ajusta a los n +1 puntos dados. Este polinomio proporciona una frmula para
calcular los valores intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta a los n +1
puntos, existen una gran variedad de frmulas matemticas mediante las cuales
se puede expresar este polinomio. En esta unidad se estudian dos tcnicas
alternativas que estn bien condicionadas para implementarse en una
computadora. Estos son los polinomios de Newton y de Lagrange.

99

L
LLe
eec
ccc
cci
ii
n
nn 1
110
00 P
PPo
ool
lli
iin
nno
oom
mmi
iio
oos
ss d
dde
ee i
iin
nnt
tte
eer
rrp
ppo
ool
lla
aac
cci
ii
n
nn d
dde
ee
L
LLa
aag
ggr
rra
aan
nng
gge
ee
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y
cuaciones/metodos para clase/tema2/interp04.html - atrasEl polinomio de interpolacin
de Lagrange, simplemente es una reformulacin del polinomio de Newton que
evita los clculos de las diferencias divididas. Este se puede representar
concretamente como:

(21)
en donde:

(22)
En donde denota el "producto de".
Por ejemplo, la versin lineal (n = 1) es:

(23)
y la versin de segundo orden es:

(24)

100
al igual que en el mtodo de Newton, la versin de Lagrange tiene un error
aproximado dado por:

(25)
La ecuacin (21) se deriva directamente del polinomio de Newton. Sin embargo, la
razn fundamental de la formulacin de Lagrange se puede comprender
directamente notando que cada trmino L
i
(X) ser 1 en X=X
i
y 0 en todos los
dems puntos.
Por lo tanto, cada producto L
i
(X) f (Xi) toma un valor de f (X
i
) en el punto Xi. Por
consiguiente la sumatoria de todos los productos, dada por la ecuacin (21) es el
nico polinomio de n-simo orden que pasa exactamente por los n+1 puntos.
Ejemplo 3.4
sese un polinomio de interpolacin de Lagrange de primer y segundo orden para
evaluar ln 2 en base a los datos:
i X f(X)
0 1.0 0.000 0000
1 4.0 1.386 2944
2 6.0 1.791 7595
Solucin:
El polinomio de primer orden es:

y, por lo tanto, la aproximacin en X = 2 es

101
de manera similar, el polinomio de segundo orden se desarrolla como:

Como se expresaba, ambos resultados son similares a los que se obtuvieron
previamente usando la interpolacin polinomial de Newton.
En resumen, para los casos en donde el orden del polinomio se desconozca, el
mtodo de Newton tiene ventajas debido a que profundiza en el comportamiento
de las diferentes frmulas de orden superior. Adems la aproximacin del error
dada por la ecuacin (20), en general puede integrarse fcilmente en los clculos
de Newton ya que la aproximacin usa una diferencia dividida. De esta forma,
desde el punto de vista de clculo, a menudo, se prefiere el mtodo de Newton.
Cuando se va a llevar a cabo slo una interpolacin, ambos mtodos, el de
Newton y el de Lagrange requieren de un esfuerzo de clculo similar. Sin
embargo, la versin de Lagrange es un poco ms fcil de programar. Tambin
existen casos en donde la forma de Newton es ms susceptible a los errores de
redondeo. Debido a esto y a que no se requiere calcular y almacenar diferencias
divididas, la forma de Lagrange se usa, a menudo, cuando el orden del polinomio
se conoce a priori.

Comentarios adicionales
Hay dos temas adicionales que se deben de mencionar: La interpolacin con los
datos igualmente espaciados y la Extrapolacin.
Ya que los mtodos de Newton y de Lagrange son compatibles con los datos
espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de
los datos igualmente espaciados. Antes del advenimiento de las computadoras
digitales, estos mtodos tuvieron gran utilidad en la interpolacin de tablas con
datos igualmente espaciados. De hecho se desarrolla un esquema conocido como
tabla de diferencias divididas para facilitar la implementacin de estas tcnicas.
Sin embargo, y debido a que las frmulas son un subconjunto de los esquemas de
Newton y Lagrange compatibles con la computadora y ya que se dispone de
muchas funciones tabulares como rutinas de biblioteca, la necesidad de puntos
equidistantes se fue perdiendo. En particular, se puede emplear en la derivacin
de frmulas de integracin numrica que emplean comnmente datos
equidistantes.

102
La extrapolacin es el proceso de calcular un valor de f(X) que cae fuera del rango
de los puntos base conocidos X
0
, X
1
,..., X
n
. La interpolacin ms exacta
usualmente se obtiene cuando las incgnitas caen cerca de los puntos base.
Obviamente, esto no sucede cuando las incgnitas caen fuera del rango, y por lo
tanto, el error en la extrapolacin puede ser muy grande. La naturaleza abierta en
los extremos de la extrapolacin representa un paso en la incgnita porque el
proceso extiende la curva ms all de la regin conocida. Como tal, la curva
verdadera diverge fcilemte de la prediccin. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar.

L
LLe
eec
ccc
cci
ii
n
nn 1
111
11 P
PPo
ool
lli
iin
nno
oom
mmi
iio
oos
ss d
dde
ee i
iin
nnt
tte
eer
rrp
ppo
ool
lla
aac
cci
ii
n
nn c
cco
oon
nn
d
ddi
iif
ffe
eer
rre
een
nnc
cci
iia
aas
ss d
ddi
iiv
vvi
iid
ddi
iid
dda
aas
ss d
dde
ee n
nne
eew
wwt
tto
oon
nn

Interpolacin lineal
La frmula ms simple de interpolacin es la de conectar dos puntos con una lnea
recta. Este mtodo, llamado Interpolacin Lineal, se muestra en la figura.

103
Fig. 1
Usando tringulos semejantes, se tiene:

(2)
Que se puede reordenar como:

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

La cual representa un error porcentual de e% = 48.3 %. Usando el intervalo ms
pequeo desde X =1 a X =4 da:

104

Por lo contrario, usando el intervalo ms pequeo reduce el error relativo
porcentual a e% = 33.3%

Interpolacin cuadrtica

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

(4)
Ntese que aunque la ecuacin (4) parezca diferente de la ecuacin general de un
polinomio (1), las dos ecuaciones son equivalentes.
Esto se puede demostrar si se multiplican los trminos de la ecuacin (4) y
obtener:

(5)
O, agrupar trminos:

(6)
En donde:

105

(7)
De esta manera, las ecuaciones (1) y (4) son frmulas alternativas equivalentes
del nico polinomio de segundo grado que une a los tres puntos.
Se puede usar un procedimiento simple para determinar los valores de los
coeficientes. Para b
0
, se usa la ecuacin (4) con X =X
0
, y se obtiene
b0 = f(X0) (8)
Sustituyendo la ecuacin (8) en la ecuacin (4) y evaluando en X =X
1
se obtiene:

(9)
Y por ltimo, las ecuaciones (8) y (9) se sustituyen en la ecuacin (4), y se evala
sta en X =X
2
y se obtiene:

(10)
Ntese que, al igual que en el caso de interpolacin lineal, b
1
an representa la
pendiente de la lnea que une los puntos X
0
y X
1
. Por lo tanto, los primeros dos
trminos de la ecuacin (4) son equivalentes a la interpolacin de X
0
a X
1
, como
se especific anteriormente en la ecuacin (3). El ltimo trmino, b
2
(X-X
0
) (X-X
1
),
introduce la curvatura de segundo orden en la frmula.
Ejemplo 3.2
Ajstese el polinomio de segundo orden a los tres puntos usados en el ejemplo 3.1
X
0
= 1 f (X
0
) = 0.0000 000
X
1
= 4 f (X
1
) = 1.3862 944

106
X
2
= 6 f (X
2
) = 1.7917 595
sese el polinomio para evaluar ln 2
SOLUCIN:
Aplicando la ecuacin (8) da:
b
0
= 0
la ecuacin (9) genera:

Y la ecuacin (10) da:

Sustituyendo estos valores en la ecuacin (4) se obtiene la frmula cuadrtica:
f
2
( X ) = 0 + 0.4620981 (X - 1) - 0.05187312 (X - 1) (X - 4)
que se evala en X =2 y se obtiene
f
2
( 2 ) = 0.5658443
Lo que representa un error porcentual del e% = 18.4%. Por lo tanto, mejora la
interpolacin comparada con los resultados obtenidos al usar una lnea recta
(ejemplo 3.1).

L
LLe
eec
ccc
cci
ii
n
nn 1
112
22 I
IIn
nnt
tte
eer
rrp
ppo
ool
lla
aac
cci
ii
n
nn p
ppo
ool
lli
iin
nno
oom
mmi
iia
aal
ll d
dde
ee l
lla
aas
ss
d
ddi
iif
ffe
eer
rre
een
nnc
cci
iia
aas
ss f
ffi
iin
nni
iit
tta
aas
ss d
dde
ee n
nne
eew
wwt
tto
oon
nn

107

cuaciones/metodos para clase/tema2/interp03.html - atrasEl anlisis anterior se puede
generalizar en el ajuste de un polinomio de n-simo orden a los n+1 puntos. El
polinomio de n-simo orden es:

(11)
Como se hizo anteriormente con las interpolaciones lineales y cuadrticas, se
usan los puntos en la evaluacin de los coeficientes b
0
, b
1
,..., b
n
.
Se requieren n +1 puntos para obtener un polinomio de n-simo orden: X
0
, X
1
,...,
X
n
.
Usando estos datos, con las ecuaciones siguientes se evalan los coeficientes:
B
0
= f (X
0
)
B
1
= f [X
1
, X
0
]
B
2
= f [X
2
, X
1
, X
0
] (12)
...
b
n
= f [X
n
, X
n-1
, ..., X
1
, X
0
]
En donde las evaluaciones de la funcin entre corchetes son diferencias divididas
finitas.

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

(13)
La segunda diferencia dividida finita, que representa la diferencia de dos primeras
diferencias divididas finitas, se expresa generalmente como:

(14)

108
De manera similar, la n-sima diferencia dividida finita es:

(15)
Estas diferencias se usan para evaluar los coeficientes de la ecuacin (12), los
cuales se sustituyen en la ecuacin (11), para obtener el polinomio de
interpolacin:
f
n
(X) = f(X
0
) + (X-X
0
) f[X
1
, X
0
] + (X-X
0
)(X-X
1
) f[X
2
, X
1
, X
0
] +
...+ (X-X
0
)(X-X
1
)...(X-X
n-1
) f[X
n
, X
n-1
,...,X
1
, X
0
]
(16)
Al cual se le llama Polinomio de Interpolacin con Diferencias Divididas de
Newton.
Se debe notar que no es necesario que los datos usados en la ecuacin (16) estn
igualmente espaciados o que los valores de la abscisa necesariamente se
encuentren en orden ascendente, como se ilustra en el ejemplo 3.3
Todas las diferencias pueden arreglarse en una tabla de diferencias divididas, en
donde cada diferencia se indica entre los elementos que la producen:

I Xi f(Xi) Primera Segunda Tercera
0 X
0
f(X
0
) f(X
1
, X
0
) f(X
2
, X
1
, X
0
) f(X
3
, X
2
, X
1
, X
0
)
1 X
1
f(X
1
) f(X
2
, X
1
) f(X
3
, X
2
, X
1
)
2 X
2
f(X
2
) f(X
3
,X
2
)
3 X
3
f(X
3
)

109
EJEMPLO 3.3
Usando la siguiente tabla de datos, calclese ln 2 con un polinomio de
interpolacin de Newton con diferencias divididas de tercer orden:

X f(X)
1 0.000 0000
4 1.386 2944
6 1.791 7595
5 1.609 4379
SOLUCIN:
El polinomio de tercer orden con n =3, es.

Las primeras diferencias divididas del problema son:

Las segundas diferencias divididas son:

110

La tercera diferencia dividia es:

Los resultados para f(X
1
, X
0
), f(X
2
, X
1
, X
0
) y f(X
3
, X
2
, X
1
, X
0
) representan los
coeficientes b
1
, b
2
y b
3
Junto con b
0
= f (X
0
) = 0.0, la ecuacin da:
f
3
(X) = 0 + 0.46209813 (X-1) - 0.0518731 (X-1)(X-4) + 0.0078655415 (X-1)(X-
4)(X-6)
Arreglando la tabla de diferencias
X f [X] f
1
[ ] f
2
[ ] f
3
[ ]
1.0 0.00000000 0.46209813 - 0.051873116 0.0078655415
4.0 1.3862944 0.20273255 - 0.020410950
6.0 1.7917595 0.18232160
5.0 1.6094379
Con la ecuacin anterior se puede evaluar para X =2
f
3
(2) = 0.62876869
Lo que representa un error relativo porcentual del e% = 9.3%.
Ntese que la estructura de la ecuacin (16) es similar a la expresin de la serie
de Taylor en el sentido de que los trminos agregados secuencialmente
consideran el comportamiento de orden superior de la funcin representada. Estos
trminos son diferencias divididas finitas, y por lo tanto, representan
aproximaciones a las derivadas de orden superior. En consecuencia, como sucede
con la serie de Taylor, si la funcin representativa es un polinomio de n-simo
orden, el polinomio interpolante de n-simo orden bajado en n +1 llevar a
resultados exactos.

111
El error por truncamiento de la serie de Taylor es:

(17)
en donde es un punto cualquiera dentro del intervalo (Xi, Xi+1). Una relacin
anloga del error en un polinomio interpolante de n-simo orden est dado por:

(18)
En donde es un punto cualquiera dentro del intervalo que contiene las incgnitas
y los datos. Para uso de esta frmula la funcin en cuestin debe ser conocida y
diferenciable. Y usualmente, este no es el caso.
Afortunadamente existe una frmula alternativa que no requiere conocimiento
previo de la funcin. En vez de ello, se usa una diferencia dividida finita que
aproxima la (n+1)-sima derivada:
R
n
= f [X, X
n
, X
n-1
,..., X
1
, X
0
] (X-X
0
) (X-X
1
)...(X-X
n
) (19)
en donde f(X, X
n
, X
n-1
, ... , X
0
) es la (n+1)-sima diferencia dividida.
Ya que la ecuacin (19) contiene la incgnita f(X), sta no se puede resolver y
obtener el error. Sin embargo, si se dispone de un dato adicional f(X
n+1
), la
ecuacin (19) da una aproximacin del error como:

(20)

L
LLe
eec
ccc
cci
ii
n
nn 1
113
33 A
AAj
jju
uus
sst
tte
ee d
dde
ee c
ccu
uur
rrv
vva
aas
ss
Supongamos que tenemos un conjunto de puntos que mostramos en la siguiente
grfica

112

De los puntos mostrados nos podemos dar cuenta que parece tener la forma de
un polinomio de segundo grado de la forma:

(1)
Esta ecuacin (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores de a 1, a 2, a 3,
etc.

Para determinar estos valores utilizamos el siguiente procedimiento:
1. Establecer el criterio para determinar la ecuacin que represente a los
valores (obtenidos experimentalmente).
2. Escribir la ecuacin que expresa el error o desviacin entre el valor
observado y los valores dados por la ecuacin.
3. Habiendo obtenido la ecuacin del error, minimizar dicho error.
Evaluacin del error
Si consideramos las parejas de datos, como se muestra en la grfica

113

donde:
d = distancia = Y
observada
- Y
obtenida por la ecuacin
Y
observada
= Valor obtenido experimentalmente.
Y
obtenida por la ecuacin
= valor de la funcin evaluada en cualquier valor X
Observando la grfica, parece que esta distancia se puede usar para representar
el error, pero habr distancias positivas y negativas, (como se puede observar la
distancia d
1
es positiva y la distancia d
2
es negativa) de modo que el error
promedio para los puntos como los mostrados ser pequeo aunque los errores
individuales sean grandes.
Esta dificultad podra ser resuelta usando el valor absoluto de las distancias, sin
embargo al derivar la funcin del valor absoluto se generan ciertos problemas.
La solucin podra ser definir el error como el cuadrado de la distancia, esto
elimina la dificultad del signo. Por esta razn el mtodo se llama: Mtodo de
Mnimos Cuadrados.

(2)
En donde S es la suma de los cuadrados de las diferencias entre el valor
calculado y el valor observado y por lo tanto es el valor que se debe minimizar

114

(3)
Siendo el caso de que la curva supuesta es una ecuacin de segundo grado, se
tiene la ecuacin:

(4)
Para minimizar la funcin anterior, derivando parcialmente con respecto a a 1, a 2
y a 3 e igualando a cero:

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

(6)

115

Lo anterior lo podemos expresar en forma matricial:

(7)

La frmula general para un polinomio de grado n en donde hay m parejas de
datos es:

(8)
Como se puede observar el problema consiste en lo siguiente:
1. Obtener la matriz de coeficientes.

116
2. Resolver el sistema de ecuaciones resultantes.
Recordando que:
1. Si n es el grado del polinomio, hay n+1 valores de la matriz de coeficientes
y n+1 ecuaciones.
2. El mximo exponente de X en los trminos de la sumatoria de 2n puede ser
que los datos no representen un polinomio de 2
o
grado sino que
representen uno de 3
o
y 4
o
grados.
El ajuste de curvas es un procedimiento de tanteo y error, si una curva no
representa los datos, entonces se intenta con un polinomio de grado superior.
EJ EMPLO:
X Y X Y
0.00 0.0000 0.60 0.6367
0.10 0.1002 0.70 0.7586
0.20 0.2013 0.80 0.8881
0.30 0.3045 0.90 1.0265
0.40 0.4108 1.00 1.1752
0.50 0.5211
De la tabla de datos, usando Mnimos Cuadrados, determine los polinomios de 2
o
,
3
o
y 4
o
grado; graficar para determinar la curva ms aproximada.
SOLUCIN
Polinomio de segundo grado
cuaciones/metodos para clase/tema4/minim02.html - atrasPrimero determinamos los
coeficientes de la matriz y los elementos constantes. Los elementos de la matriz
son:
M =11

117

Los trminos constantes son:

De acuerdo con esto, el sistema de ecuaciones a resolver es el siguiente:

Resolviendo por Gauss se obtienen los siguientes resultados.
a
1
= 0.006727
a
2
= 0.895462
a
3
= 0.265963
y el polinomio de segundo grado es:

118

Polinomio de tercer grado
cuaciones/metodos para clase/tema4/minim02.html - atras Para el caso del polinomio de
3er grado se requiere:
M =11

y el sistema de ecuaciones a resolver es:

119

cuya solucin es:
a
1
= - 0.000112
a
2
= 1.004150
a
3
= - 0.019075
a
4
= 0.190032
y el polinomio queda:

Polinomio de cuarto grado
cuaciones/metodos para clase/tema4/minim02.html - atras Repitiendo el procedimiento
anterior, se obtienen los siguientes resultados
a
1
= - 0.000112
a
2
= 0.994595
a
3
= 0.028713
a
4
= 0.113563
a
5
= 0.038237
quedando el polinomio como se muestra:

120

L
LLe
eec
ccc
cci
ii
n
nn 1
114
44 T
TTr
rra
aan
nns
ssf
ffo
oor
rrm
mma
aad
dda
aas
ss d
ddi
iis
ssc
ccr
rre
eet
tta
aas
ss d
dde
ee f
ffo
oou
uur
rri
iie
eer
rr.
..

La transformada de Fourier

La transformada de Fourier de una funcin continua e integrable de una variable
real x se define por

Observemos que la transformada de una funcin real es una funcin compleja. Es
decir, F(u)=R(u)+I(u), donde R(u) e I(u) son la parte real e imaginaria de F(u),
respectivamente.
La variable u recibe el nombre de variable de frecuencia.
El mdulo de F(u), |F(u)|= (R(u)
2
+ I(u)
2
)
1/2
recibe el nombre del espectro de
Fourier.
El cuadrado del espectro se denomina espectro de potencias o densidad
espectral de f(x).

121
Su ngulo P(u)=arctg(I(u)/R(u)) recibe el nombre de fase.

La inversa de la transformada se define como:

Anlogamente, se define la transformada de Fourier de una funcin continua e
integrable de 2 variables:

y su inversa como

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

122

y su inversa como

Propiedades de la transformada de Fourier
En este apartado, nos vamos a centrar en las propiedades de la transformada de
Fourier discreta bidimensional (TFD).
La Separabilidad

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

donde

123

Por tanto, la transformada de la matriz f(x,y) se ha realizado, calculando primero la
transformada unidimensional a cada una de sus filas y multiplicando el resultado
por N. Posteriormente, se calcula la transformada a cada una de las columnas de
la matriz F(x,v)
La linealidad
La transformada de Fourier y su inversa son transformaciones lineales, es decir,
poseen la propiedad distributiva respecto de la suma.
La traslacin
Tanto la transformada discreta de Fourier como la transformada inversa, son
peridicas de periodo N.
Un caso particular de esta propiedad consiste en mover el origen de la
transformada de Fourier de f(x,y) al centro de la matriz N X N que le corresponda,
es decir al punto (N/2,N/2). Para ello, podemos hacer uso de que:
f(x,y)(-1)
x+y
se hace corresponder con F(u-n/2,v-N/2)
Tambin cabe resaltar, que un desplazamiento en la funcin f(x,y), no provocar
un cambio en la magnitud de su transformada de Fourier. Vase esto
matemticamente en la siguiente expresin:

La Simetra
La transformada de Fourier de una funcin f(x,) es real es simtrica conjugada.
Esto provoca que:
|F(u,v)|=|F(-u,-v)|

124
Por tanto, gracias a esta propiedad de simetra, para calcular la magnitud de los
puntos de un periodo completo, tan slo necesitamos calcular los N/2+1 primeros
puntos, siempre y cuando el origen de la transformada este centrado en el punto
(N/2,N/2).Para conseguir este movimiento del origen en la transformada, podemos
aplicar la propiedad de traslacin.
La rotacin
Si rotamos la funcin f(x,y) un ngulo determinado, la transformada de Fourier
tambin ser afectada por una rotacin del mismo ngulo. Esta propiedad tambin
se da a la inversa, es decir, si la transformada se rota en un determinado ngulo,
la transformada inversa tambin se ver rotada ese mismo ngulo.
Valor promedio
Una definicin ampliamente utilizada del valor promedio de una funcin discreta de
dos dimensiones es:

Esta expresin se puede calcular a partir de la transformada de Fourier, sin ms
que sustituir en la funcin F(u,v) para el punto (0,0).Por tanto, el valor promedio se
puede expresar matemticamente en funcin de la transformada de Fourier, como
sigue:

Representacin del logaritmo del espectro
El espectro de Fourier suele tener un rango mucho mayor que los usuales para
mostrar una imagen. Una tcnica usual para evitar esto es considerar el logaritmo
del espectro usando la frmula

125
D(u,v)=C(log(1+|F(u,v)|))
donde C es una constante adecuada de reescalado de la imagen, que se aplica
para obtener valores dentro de la paleta de colores disponible.

EJ ERCICIOS

NOTA: Cuando sea necesario, redondea a cinco decimales.
1. Calcula el polinomio de interpolacin de Newton para los siguientes datos:

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

ii)
12 9 6 0 3
5 . 1 2 . 1 9 . 0 6 . 0 3 . 0
y
x

Soluciones:

) 1 )( 2 )( 2 ( 4625 . 0 ) 2 )( 2 ( 925 . 0 ) 2 ( 875 . 0 5 . 0 ) ( ) + + + + = x x x x x x x f i

) 9 . 0 )( 6 . 0 )( 3 . 0 ( 18519 . 185 ) 6 . 0 )( 3 . 0 ( 50 ) 3 . 0 ( 10 3 ) ( ) + + = x x x x x x x f ii

) 2 . 1 )( 9 . 0 )( 6 . 0 )( 3 . 0 ( 53088 . 447 x x x x

2. Calcula el polinomio de Lagrange para los siguientes datos:

i)
9 . 8 57 . 2 54 . 3 56 . 1
5 3 2 1

y
x

ii)
0 33 5 2 9
4 2 1 5 . 0 5 . 1

y
x

Soluciones:

126
(
+ +
+
+
(
+ +
=
80
) 5 )( 2 )( 1 (
57 . 2
45
) 5 )( 3 )( 1 (
54 . 3
36
) 5 )( 3 )( 2 (
56 . 1 ) ( )
x x x x x x x x x
x p i

(
144
) 3 )( 2 )( 1 (
9 . 8
x x x

(
+ + +
+ + +
=
875 . 7
) 4 )( 2 )( 1 )( 5 . 1 (
2
125 . 3
) 4 )( 2 )( 1 )( 5 . 0 (
9 ) ( )
x x x x x x x x
x p ii

(
+ + +
+
(
+ + + +
+
5 . 4
) 4 )( 1 )( 5 . 0 )( 5 . 1 (
33
25 . 56
) 4 )( 2 )( 5 . 0 )( 5 . 1 (
5
x x x x x x x x

3. Calcula las splines cbicas para los siguientes datos:

i)
20 5 40
3 1 2

y
x

i)
40 6 4 20
7 3 2 5

y
x

Soluciones:
| |
| |
e + +
e + +
=
3 , 1 125 . 8 125 . 16 375 . 3 375 . 0
1 , 2 5 . 7 25 . 14 5 . 1 25 . 0
) ( )
2 3
2 3
x si x x x
x si x x x
x s i

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

127
U
UUN
NNI
IID
DDA
AAD
DD 3
33:
::
D
DDI
IIF
FFE
EER
RRE
EEN
NNC
CCI
IIA
AAC
CCI
II
N
NN,
,, I
IIN
NNT
TTE
EEG
GGR
RRA
AAC
CCI
II
N
NN N
NNU
UUM
MM
R
RRI
IIC
CCA
AA Y
YY
S
SSO
OOL
LLU
UUC
CCI
II
N
NN D
DDE
EE E
EEC
CCU
UUA
AAC
CCI
IIO
OON
NNE
EES
SS D
DDI
IIF
FFE
EER
RRE
EEN
NNC
CCI
IIA
AAL
LLE
EES
SS

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 5
55:
:: D
DDI
IIF
FFE
EER
RRE
EEN
NNC
CCI
II A
AAC
CCI
II
N
NN N
NNU
UUM
MM
R
RRI
IIC
CCA
AA E
EE
I
IIN
NNT
TTE
EEG
GGR
RRA
AAC
CCI
II
N
NN N
NNU
UUM
MM
R
RRI
IIC
CCA
AA

L
LLe
eec
ccc
cci
ii
n
nn 1
115
55 D
DDi
iif
ffe
eer
rre
een
nnc
cci
iia
aac
cci
ii
n
nn N
NNu
uum
mm
r
rri
iic
cca
aa
Concentremos ahora nuestra
atencin a procedimientos para
diferenciar numricamente
funciones que estn definidas
mediante datos tabulados o
mediante curvas determinadas en
forma experimental.
Un mtodo consiste en aproximar la
funcin en la vecindad del punto en que se desea la derivada, mediante una
parbola de segundo, tercer o mayor grado, y utilizar entonces la derivada de la
parbola en ese punto como la derivada aproximada de la funcin.
Otro ejemplo, que comentaremos aqu, utiliza los desarrollos en serie de Taylor.
La serie de Taylor para una funcin Y = f(X) en , desarrollada con
respecto al punto Xi es

(1)
en donde Yi es la ordenada que corresponde a Xi y se encuentra
en la regin de convergencia. La funcin para est dada en forma
similar por:

128

(2)
Utilizando solamente los tres primeros trminos de cada desarrollo, podremos
obtener una expresin para Y'i restando la ec. (2) de la ec. (1),

(3)

F
FF
r
rrm
mmu
uul
lla
aas
ss d
dde
ee d
ddi
iif
ffe
eer
rre
een
nnc
cci
iia
aa
(
((D
DDi
iif
ffe
eer
rre
een
nnc
cci
iia
aas
ss c
cce
een
nnt
ttr
rra
aal
lle
ees
ss,
,, h
hha
aac
cci
iia
aa a
aad
dde
eel
lla
aan
nnt
tte
ee y
yy h
hha
aac
cci
iia
aa a
aat
ttr
rr
s
ss)
))
cuaciones/metodos para clase/tema6/derivada.html - atras

Fig. 1
Observando la figura, vemos que si designamos los puntos uniformemente
espaciados a la derecha de Xi como Xi+1 , Xi+2, etc. y los puntos a la izquierda de
Xi como Xi-1, Xi-2 , etc. e identificamos las ordenadas correspondientes como
Yi+1, Yi+2, Yi-1, Yi-2, respectivamente, la ec. (3) se puede escribir en la forma:

(4)

129
La ec. (4) se denomina la primera aproximacin, por Diferencias Centrales de Y',
para X. La aproximacin representa grficamente la pendiente de la recta
discontinua mostrada en la figura. La derivada real se representa mediante la lnea
slida dibujada como tangente a la curva en Xi.
Si sumamos las ecuaciones (1) y (2) y utilizamos la notacin descrita previamente,
podemos escribir la siguiente expresin para la segunda derivada:

(5)
La ec. (5) es la primera aproximacin, por Diferencias Centrales, de la segunda
derivada de la funcin en Xi. Esta expresin se puede interpretar grficamente
como la pendiente de la tangente a la curva en Xi+1/2 menos la pendiente de la
tangente a la curva en Xi-1/2 dividida entre , cuando las pendientes de las
tangentes estn aproximadas mediante las expresiones:

(6)
es decir,

(7)
Para obtener una expresin correspondiente a la tercera derivada, utilizamos
cuatro trminos en el segundo miembro de cada una de las ecs. (1) y (2).
Restando la ec. (2) de la ec. (1) se obtiene:

(8)

130
Si desarrollamos la serie de Taylor respecto a Xi para obtener expresiones
correspondientes a Y = f(X) en y ,
respectivamente, obtenemos:

(9)
Restando la primera ec. (9) de la segunda, y utilizando solamente los cuatro
trminos mostrados para cada desarrollo, se obtiene:

(10)
La solucin simultnea de las ecs. (8) y (10) produce la tercera derivada:

(11)
La ec. (11) es la primera expresin de Diferencias Centrales correspondiente a la
tercera derivada de Y en Xi.
Por este mtodo se pueden obtener derivadas sucesivas de mayor orden, pero
como requieren la solucin de un nmero cada vez mayor de ecuaciones
simultneas, el proceso se vuelve tedioso. La misma tcnica se puede utilizar
tambin para encontrar expresiones ms precisas de las derivadas utilizando
trminos adicionales en el desarrollo en serie de Taylor. Sin embargo, la
derivacin de expresiones ms precisas, especialmente para derivadas de orden
superior al segundo, se vuelve muy laboriosa debido al nmero de ecuaciones
simultneas que se deben resolver.
No se presentan aqu esas derivaciones, pero dichas expresiones, para diferentes
derivadas, se incluyen en el resumen que sigue a estos comentarios.

131
Las expresiones correspondientes a las derivadas de mayor orden se logran con
mucho mayor facilidad y bastante menos trabajo, utilizando operadores de
diferencias, de promedios y de derivacin. Este mtodo se encuentra fuera de los
alcances fijados, pero se pueden encontrar en varios libros referentes al anlisis
numrico.
Se ha demostrado que las expresiones de Diferencias Centrales para las diversas
derivadas encierran valores de la funcin en ambos lados del valor X en que se
desea conocer la derivada en cuestin. Utilizando desarrollos convenientes en
serie de Taylor, se pueden obtener fcilmente expresiones para las derivadas,
completamente en trminos de valores de la funcin en Xi y puntos a la derecha
de Xi. Estas se conocen como expresiones de Diferencias Finitas Hacia Adelante.
En forma similar, se pueden obtener expresiones para las derivadas que estn
totalmente en trminos de valores de la funcin en Xi y puntos a la izquierda de Xi.
Estas se conocen como expresiones de Diferencias Finitas Hacia Atrs.
En la diferenciacin numrica, las expresiones de diferencias hacia adelante se
utilizan cuando no se dispone de datos a la izquierda del punto en que se desea
calcular la derivada, y las expresiones de diferencias hacia atrs, se utilizan
cuando no se dispone de datos a la derecha del punto deseado. Sin embargo, las
expresiones de diferencias centrales son ms precisas que cualquiera de las otras
dos.
Resumen de frmulas de diferenciacin
cuaciones/metodos para clase/tema6/deriva02.html - atrasLo que sigue es un resumen
de las frmulas de diferenciacin que se pueden obtener a base de desarrollos en
serie de Taylor.
Expresiones de Primeras Diferencias Centrales

132

(12)
Expresiones de Segundas Diferencias Centrales

(13)
Expresiones de Primeras Diferencias Hacia Adelante

(14)

133
Expresiones de Segundas Diferencias Hacia Adelante

(15)
Expresiones de Primeras Diferencias Hacia Atrs

(16)
Expresiones de Segundas Diferencias Hacia Atrs

134

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

Utilizando un tamao de paso de = 0.5.
Repetir los clculos usando = 0.25.
Ntese que la derivada se puede calcular directamente como:

y evaluando tenemos:
f'(0.5) = -0.9125
SOLUCIN:
Para = 0.5 se puede usar la funcin para determinar:
Xi-1 = 0.0 Yi-1 = 1.200

135
Xi = 0.5 Yi = 0.925
Xi+1 = 1.0 Yi+1 = 0.200
Estos datos se pueden utilizar para calcular la Diferencia Hacia Adelante:

la Diferencia Dividida Hacia Atrs ser:

y la Diferencia Dividida Central:

Para = 0.25, los datos son:
Xi-1 = 0.25 Yi-1 = 1.10351563
Xi = 0.50 Yi = 0.92500000
Xi+1 = 0.75 Yi+1 = 0.63632813
que se usarn para calcular la Diferencia Dividida Hacia Adelante:

la Diferencia Dividida Hacia Atrs:

136
y la Diferencia Dividida Central:

Para los dos tamaos de paso, las aproximaciones por Diferencias Centrales son
ms exactas que las Diferencias Divididas Hacia Adelante o las Diferencias
Divididas Hacia Atrs. Tambin, como lo predijo el anlisis de la serie de Taylor, la
divisin del intervalo en dos partes iguales, divide a la mitad el error de las
Diferencias Hacia Atrs o Hacia Adelante y a la cuarta parte el error de las
Diferencias Centrales.
En ingeniera se presenta con frecuencia la necesidad de integrar una funcin que
sera, en general, de una de las tres formas siguientes:
1. Una funcin simple y continua tal como un polinomio, una funcin
exponencial o una funcin trigonomtrica.
2. Una funcin complicada y continua que es difcil o imposible de integrar
directamente.
3. Una funcin tabulada en donde los valores de X y f(X) se dan en un
conjunto de puntos discretos, como es el caso a menudo, de datos
experimentales.
En el primer caso, la integral simplemente es una funcin que se puede evaluar
fcilmente usando mtodos analticos aprendidos en el clculo. En los dos ltimos
casos, sin embargo, se deben emplear mtodos aproximados.
Las frmulas de integracin de Newton-Cotes son los esquemas ms comunes
dentro de la integracin numrica. Se basan en la estrategia de reemplazar una
funcin complicada o un conjunto de datos tabulares con alguna funcin
aproximada que sea ms fcil de integrar.
La integral se puede aproximar usando una serie de polinomios aplicados por
partes a la funcin o a los datos sobre intervalos de longitud constante.
Se dispone de las formas abierta y cerrada de las frmulas de Newton-Cotes. Las
formas cerradas son aquellas en donde los puntos al principio y al final de los
lmites de integracin se conocen. Las frmulas abiertas tienen los lmites de
integracin extendidos ms all del rango de los datos. Las frmulas abiertas de
Newton-Cotes, en general, no se usan en la integracin definida. Sin embargo, se
usan extensamente en la solucin de ecuaciones diferenciales ordinarias.

137

L
LLe
eec
ccc
cci
ii
n
nn 1
116
66 I
IIn
nnt
tte
eeg
ggr
rra
aac
cci
ii
n
nn N
NNu
uum
mm
r
rri
iic
cca
aa
L
LLe
eec
ccc
cci
ii
n
nn 1
117
77R
RRe
eeg
ggl
lla
aa d
dde
eel
ll t
ttr
rra
aap
ppe
eec
cci
iio
oo
La regla del trapecio o regla trapezoidal es una de las frmulas cerradas de
Newton-Cotes.
Considrese la funcin f(X), cuya grfica entre los extremos X = a y X = b se
muestra en la fig. 1. Una aproximacin suficiente al rea bajo la curva se obtiene
dividindola en n fajas de ancho y aproximando el rea de cada faja
mediante un trapecio, como se indica en la figura.

Fig. 1
Llamando a las ordenadas Y i (i = 1, 2, 3,...., n+1), las reas de los trapecios son:

138

(1)
El rea total comprendida entre X = a y X = b est dada por:

(2)
Sustituyendo las ecs. (1) en esta expresin se obtiene:

(3)
La cual recibe el nombre de Frmula Trapezoidal, y se puede expresar como:

(4)
En esencia, la tcnica consiste en dividir el intervalo total en intervalos pequeos y
aproximar la curva Y = f(X) en los diversos intervalos pequeos mediante alguna
curva ms simple cuya integral puede calcularse utilizando solamente las
ordenadas de los puntos extremos de los intervalos.
Si la funcin f(X) se puede expresar como una funcin matemtica continua que
tiene derivadas continuas f'(X) y f''(X), el error que resulta de aproximar el rea

139
verdadera en una faja bajo la curva f(X) comprendida entre Xi y Xi+1 mediante el
rea de un trapecio, se demuestra que es igual a:

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

(6)
Tenemos entonces que el lmite en el error por redondeo aumenta
proporcionalmente a , lo cual pronto domina al error por truncamiento que
es proporcional a . En realidad, el error por redondeo en s no crece
proporcionalmente con sino con en que 0 < p < 1, pero sin
embargo an supera al error por truncamiento si decrece lo suficiente.

140
El error por redondeo se puede minimizar utilizando aritmtica de doble precisin o
mediante compiladores que pueden manejar un gran nmero de dgitos
significativos.
De la informacin anterior se puede ver que el error total en el intervalo de
integracin deseado, es la suma de los errores de truncamiento y redondeo. Si el
error total se debiera nicamente al error por truncamiento, se podra hacer tan
pequeo como se deseara reduciendo suficientemente el ancho de la faja. Por
ejemplo, bisectando el ancho de la faja se duplicara el nmero de errores por
truncamiento que hay que sumar, pero la expresin para el error en cada faja
indica que cada uno sera aproximadamente un octavo de su valor previo.
Sin embargo, disminuyendo el ancho de la faja se afectara tambin el error total al
aumentar el error por redondeo, debido al mayor nmero de operaciones que hay
que efectuar al valuar la ec. (3). Entonces, cuando se disminuye el ancho de la
faja para disminuir el error total, existe un punto ptimo en el cual disminuciones
adicionales del ancho de la faja haran que el error aumentara en lugar de
disminuir, porque el error por redondeo se volvera dominante. El ancho ptimo de
la faja para una funcin especial se puede determinar fcilmente en forma
experimental en la computadora (suponiendo que el rea real bajo la grfica de la
funcin se puede valuar) pero es difcil definirlo analticamente.

L
LLe
eec
ccc
cci
ii
n
nn 1
118
88 R
RRe
eeg
ggl
lla
aa d
dde
ee S
SSi
iim
mmp
pps
sso
oon
nn
Adems de aplicar la regla trapezoidal con segmentos cada vez ms finos, otra
manera de obtener una estimacin ms exacta de una integral, es la de usar
polinomios de orden superior para conectar los puntos. Por ejemplo, si hay un
punto medio extra entre f(a) y f(b), entonces los tres puntos se pueden conectar
con un polinomio de tercer orden.
A las frmulas resultantes de calcular la integral bajo estos polinomios se les
llaman Reglas de Simpson.
Regla de Simpson 1/3
La Regla de Simpson de 1/3 proporciona una aproximacin ms precisa, ya que
consiste en conectar grupos sucesivos de tres puntos sobre la curva mediante
parbolas de segundo grado, y sumar las reas bajo las parbolas para obtener el
rea aproximada bajo la curva. Por ejemplo, el rea contenida en dos fajas, bajo la

141
curva f(X) en la fig. 2, se aproxima mediante el rea sombreada bajo una parbola
que pasa por los tres puntos:
(X
i
, Y
i
)
(X
i+1,
Y
i+1
)
(X
i+2
, Y
i+2
)

Fig. 2
Por conveniencia al derivar una expresin para esta rea, supongamos que las
dos fajas que comprenden el rea bajo la parbola se encuentran en lados
opuestos del origen, como se muestra en la fig. 3. Este arreglo no afecta la
generalidad de la derivacin.
La forma general de la ecuacin de la parbola de segundo grado que conecta los
tres puntos es:

(7)
La integracin de la ec. (7) desde - hasta proporciona el rea contenida
en las dos fajas mostradas bajo la parbola. Por lo tanto:

(8)

142

Fig. 3

La sustitucin de los lmites en la ec. (8) produce:

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

(10)
La solucin simultnea de estas ecuaciones para determinar las constantes a, b,
c, nos lleva a:

143

(11)
La sustitucin de la primera y tercera partes de la ec. (11) en la ec. (9) produce:

(12)
que nos da el rea en funcin de tres ordenadas Yi, Y i+1, Y i+2 y el ancho
de una faja.
Esto constituye la regla de Simpson para determinar el rea aproximada bajo una
curva contenida en dos fajas de igual ancho.
Si el rea bajo una curva entre dos valores de X se divide en n fajas uniformes (n
par), la aplicacin de la ec. (12) muestra que:

(13)
Sumando estas reas, podemos escribir:

144

(14)
o bien

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

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

145
Regla de simpson 3/8
La derivacin de la Regla de los Tres Octavos de Simpson es similar a la regla de
un tercio, excepto que se determina el rea bajo una parbola de tercer grado que
conecta 4 puntos sobre una curva dada. La forma general de la parbola de tercer
grado es:

(17)

Fig. 4
En la derivacin, las constantes se determinan requiriendo que la parbola pase a
travs de los cuatro puntos indicados sobre la curva mostrada en la fig. 4. El
intervalo de integracin es de - a , lo que produce:

(18)
que es la regla de los tres octavos de Simpson.
La regla de Simpson de 3/8 tiene un error por truncamiento de:

(19)
Por lo tanto es algo ms exacta que la regla de 1/3.

146
La regla de Simpson de 1/3 es, en general, el mtodo de preferencia ya que
alcanza exactitud de tercer orden con tres puntos en vez de los cuatro puntos
necesarios para la versin de 3/8. No obstante la regla de 3/8 tiene utilidad en las
aplicaciones de segmentos mltiples cuando el nmero de fajas es impar.
EJEMPLO
Utilcese la regla trapezoidal de cuatro segmentos o fajas para calcular la
integral de

Desde a = 0 hasta b = 0.8 y calcular el error sabiendo que el valor correcto
de la integral es 1.64053334.
SOLUCIN
n = 4

X f(X)
0.0 0.200
0.2 1.288
0.4 2.456
0.6 3.464
0.8 0.232
Usando la frmula trapezoidal:

ex = 1.64053334 - 1.4848 = 0.15573334
e% = 9.5 %

147
1. Utilcese la regla de Simpson de 1/3 con n = 4 para calcular la integral del
inciso anterior
cuaciones/metodos para clase/tema5/integ03.html - atras
SOLUCIN
n = 4

X f(X)
0.0 0.200
0.2 1.288
0.4 2.456
0.6 3.464
0.8 0.232
Usando la regla de Simpson de 1/3

ex = 1.64053334 - 1.62346667 = 0.01706667
e% = 1.04 %
2. Utilcese la regla de Simpson de 3/8 para calcular la integral anterior:
cuaciones/metodos para clase/tema5/integ03.html - atras SOLUCIN
Como se requieren cuatro puntos o tres fajas para la regla de Simpson de
3/8, entonces:

148

X f(X)
0.0000 0.20000000
0.2667 1.43286366
0.5333 3.48706521
0.8000 0.23200000
Usando la ecuacin de Simpson de 3/8

ex = 1.64053334 - 1.51917037 = 0.121164
e% = 7.4 %
3. Utilcese en conjuncin las reglas de Simpson de 1/3 y 3/8 para integrar la
misma funcin usando cinco segmentos.
SOLUCIN
Los datos necesarios para la aplicacin de cinco segmentos (h = 0.16) son:

X f(X)
0.00 0.20000000
0.16 1.29691904
0.32 1.74339328
0.48 3.18601472
0.64 3.18192896
0.80 0.23200000
La integral de los primeros dos segmentos se obtiene usando la regla de
Simpson de 1/3:

149

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

La integral total se calcula sumando los dos resultados:
I = 0.38032370 + 1.26475346 = 1.64507716
ex = 1.64053334 - 1.64507716 = -0.00454383
e% = -0.28 %

L
LLe
eec
ccc
cci
ii
n
nn 1
119
99 I
IIn
nnt
tte
eeg
ggr
rra
aac
cci
ii
n
nn d
dde
ee R
RRo
oom
mmb
bbe
eer
rrg
gg y
yy E
EEj
jje
eer
rrc
cci
iic
cci
iio
oos
ss d
dde
eel
ll
c
cca
aap
ppi
iit
ttu
uul
llo
oo
Sea el valor de la integral que aproxima a , mediante
una particin de subintervalos de longitud y usando la regla del
trapecio. Entonces,

donde es el error de truncamiento que se comete al aplicar la regla.
El mtodo de extrapolacin de Richardson combina dos
aproximaciones de integracin numrica, para obtener un tercer valor ms
exacto.

150
El algoritmo ms eficiente dentro de ste mtodo, se llama
Integracin de Romberg , la cual es una frmula recursiva.
Supongamos que tenemos dos aproximaciomnes : e

Se puede demostrar que el error que se comete con la regla del trapecio
para n subintervalos est dado por las siguientes frmulas:

donde es un promedio de la doble derivada entre ciertos valores que
pertenecen a cada uno de los subintervalos.
Ahora bien, si suponemos que el valor de es constante, entonces :

Sustituyendo esto ltimo en nuestra primera igualdad, tenemos que:

151

De aqu podemos despejar :

En el caso especial cuando (que es el algoritmo de Romberg),
tenemos :

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

152
Desde luego, el nmero de niveles de aproximacin que se alcanzan,
depende de las aproximaciones que se hicieron en el nivel 1. En general, si
en el primer nivel, iniciamos con n aproximaciones, entonces
alcanzaremos a llegar hasta el nivel de aproximacin n.
Hacemos un diagrama para explicar un poco ms lo anterior.

Ejemplo 1.
Usar el algoritmo de Romberg, para aproximar la integral

usando segmentos de longitud .
Solucin.
Primero calculamos las integrales del nivel 1, usando la regla del trapecio
para las longitudes de segmentos indicadas:

153

Con estos datos, tenemos:

Ahora pasamos al segundo nivel de aproximacin donde usaremos la
frmula que se dedujo anteriormente:

donde es la integral menos exacta (la que usa menos subintervalos)
e es la ms exacta (la que usa el doble de subintervalos).
En un diagrama vemos lo siguiente:

154
Para avanzar al siguiente nivel, debemos conocer la fmula
correspondiente. De forma similar a la deduccin de la frmula,

se puede ver que la frmula para el siguiente nivel de aproximacin (nivel
3) queda como sigue:

donde:
es la integral ms exacta
es la integral menos exacta
En el siguiente nivel (nivel 4) se tiene la frmula

En el ejemplo anterior, obtenemos la aproximacin en el nivel 3 como
sigue:

As, podemos concluir que el valor de la aproximacin, obtenido con el
mtodo de Romberg en el ejemplo 1, es:

Ejemplo 2.
Usar el algoritmo de Romberg para aproximar la integral:

155
Agregando a la tabla anterior donde .
Solucin.
Calculamos con la regla del trapecio:

Tenemos entonces la siguiente tabla:

De donde conclumos que la aproximacin buscada es:

Ejemplo 3.
Aproximar la siguiente integral:

usando el mtodo de Romberg con segmentos de longitud
, , ,
Solucin.
Igual que arriba, primero usamos la regla del trapecio (con los valores de h
indicados) para llenar el nivel 1. Tenemos entonces que:

156

A continuacin, usamos las frmulas de Romberg para cada nivel y
obtenemos la siguiente tabla:

De donde conclumos que la aproximacin buscada es:

Podemos escribir una frmula general para calcular las aproximaciones en
cada uno de los niveles como sigue:

DE ALGORITMO DE INTEGRACIN ROMBERG
Los coeficientes en cada una de las frmulas en el mtodo de
Romberg, deben sumar 1.
As se tiene la siguiente frmula recursiva:

donde:

157
es la integral ms exacta
es la integral menos exacta
y el indice k indica el nivel de integracin o de aproximacin. Por ejemplo,
digamos que , entonces tenemos:

que es nuestra frmula del nivel 2 de aproximacin.
Como todo proceso iterativo, ste se detiene cuando se obtiene una
aproximacin suficientemente buena. En este caso se pide que:

donde es la cota suficiente.
Ejemplo 1.
Aplicar el algoritmo de integracin de Romberg a la integral:

tomando
Solucin.
En este caso no sabemos exactamente cuantas aproximaciones debemos
hacer con la regla del trapecio. As que para comenzar hacemos los
clculos correspondientes a uno, dos, cuatro y ocho subintervalos:

158

Con estos datos, podemos hacer los clculos hasta el nivel 4. Tenemos la
siguiente tabla:

Haciendo los clculos de los errores, nos damos cuenta que efectivamente
la aproximacin se obtiene hasta el nivel 4, donde .
Por lo tanto, concluimos que la aproximacin buscada es:

159
EJ ERCICIOS
1. Usar la regla del trapecio para aproximar,

i) Dividiendo en un solo intervalo.
ii) Dividiendo en 6 intervalos.
Soluciones: i) 3.4115 ii) 0.36907
2. Usar la regla de Simpson 1/3 para aproximar,

Soluciones: i) 82.60511 ii) 76.94497
3. Usar la regla de Simpson 3/8 para aproximar,

Soluciones: i) 2.76591 ii) 2.76501
4. Integrar las siguientes tablas de datos:
i)

160
ii)
Soluciones: i) -17.11458 ii) 9.425
5. Usar el algoritmo de integracin de Romberg para aproximar,

i) Usando 1, 2 y 4 intervalos.
ii) Agregando al inciso anterior, 8 intervalos.
Soluciones: i) 9.156626413 ii) 9.153287278
6. Aproxime la integral del EJEMPLO anterior, tomando como cota
suficiente.
Solucin. 9.153112082

161

C
CCA
AAP
PPI
IIT
TTU
UUL
LLO
OO 6
66:
:: S
SSO
OOL
LLU
UUC
CCI
IIO
OON
NN D
DDE
EE E
EEC
CCU
UUA
AAC
CCI
IIO
OON
NNE
EES
SS
D
DDI
IIF
FFE
EER
RRE
EEN
NNC
CCI
IIA
AAL
LLE
EES
SS

P
PPR
RRO
OOB
BBL
LLE
EEM
MMA
AAS
SS D
DDE
EE V
VVA
AAL
LLO
OOR
RR I
IIN
NNI
IIC
CCI
IIA
AAL
LL P
PPA
AAR
RRA
AA E
EEC
CCU
UUA
AAC
CCI
IIO
OON
NNE
EES
SS
D
DDI
IIF
FFE
EER
RRE
EEN
NNC
CCI
IIA
AAL
LLE
EES
SS

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

(1)
Se establece en matemticas que en su solucin general deben aparecer n
constantes arbitrarias. Entonces, puede aceptarse que la solucin general de (1)
es:
0 ) ,..., , , , (
2 1
=
n
C C C Y X G
(2)

162
Grficamente esta ecuacin representa una familia de curvas planas, cada una de
ellas obtenidas para valores particulares de la n constante,
n
C C C ,..., ,
2 1
, como se
ve en la grfica:

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

(3)
Se tratar de obtener una solucin particular de (1) que verifique (3) como se
presenta en la grfica

163

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

164
Bsicamente la solucin numrica de ecuaciones diferenciales consiste en
sustituir el dominio continuo de soluciones por uno discreto formado por puntos
aislados igualmente espaciados entre s.
As, en un problema de valores iniciales, el dominio de definicin de soluciones
se sustituye por el conjunto infinito numerable de puntos,
,... 3 , 2 , ,
0 3 0 2 0 1 0
h X X h X X h X X a X + = + = + = =
y en el caso de valores en la frontera se sustituye el intervalo por el
conjunto finito de puntos
b nh X X h X X h X X h X X a X
n
= + = + = + = + = =
0 0 3 0 2 0 1 0
,..., 3 , 2 , ,
Obtenidos, al dividir el intervalo en n partes iguales.
La presentacin grfica muestra estas dos cosas:

165

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

S
SSo
ool
llu
uuc
cci
ii
n
nn n
nnu
uum
mm
r
rri
iic
cca
aa d
dde
ee p
ppr
rro
oob
bbl
lle
eem
mma
aas
ss d
dde
ee v
vva
aal
llo
oor
rre
ees
ss
i
iin
nni
iic
cci
iia
aal
lle
ees
ss

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

166
EJEMPLO
Encuentre la solucin del siguiente problema de valores iniciales por medio de los
primeros cuatro trminos de la serie de Taylor para X = 0.1, 0.2, 0.3, 0.4 y 0.5.

Y (0) = 1
SOLUCIN
Se obtienen las derivadas sucesivas:

Sustituyendo valores:

Por lo que:

167

Evaluando para cada valor de X en esta ltima ecuacin se tiene:
X Y
0 1
0.1 1.055375
0.2 1.123000
0.3 1.205125
0.4 1.304000
0.5 1.421875
L
LLe
eec
ccc
cci
ii
n
nn 2
220
00 M
MM
t
tto
ood
ddo
oos
ss d
dde
ee i
iin
nnt
tte
eeg
ggr
rra
aac
cci
ii
n
nn d
dde
ee E
EEu
uul
lle
eer
rr
La solucin de un problema de valores iniciales se obtiene generalmente paso a
paso por mtodos de integracin hacia adelante, lo que permite valuar Y
i+1
tan
pronto se conozcan los valores Y
i
, Y
i+1
de Y en uno o ms pivotes anteriores. El
ms simple de estos mtodos, debido a Euler, es aplicable a ecuaciones de primer
orden y no requiere conocer la solucin en los pivotes anteriores.
Dado el problema de valores iniciales

Se debe integrar la ecuacin diferencial en el intervalo
y evaluar la integral aplicando la frmula de
integracin numrica:

(4)

168
Entonces

De donde se obtiene la siguiente expresin aproximada llamada frmula de Euler
) , (
1 i i i i
Y X hf Y Y + =
+

(5)
EJEMPLO
Resolver el problema del ejemplo anterior aplicando el mtodo de Euler.
Se tiene
) , (
1 i i i i
Y X hf Y Y + =
+

Donde

Entonces

(6)
En la tabla aparecen tabulados los valores de la solucin aproximada obtenidos a
partir de la condicin inicial conocida Y
0
(0) = 1
Xi Yi Yi solucin exacta
0.0 1.000 000 1.000 000
0.1 1.050 000 1.055 409
0.2 1.110 638 1.123 596
0.3 1.184 649 1.208 459
0.4 1.275 870 1.315 789

169
0.5 1.389 819 1.454 545

L
LLe
eec
ccc
cci
ii
n
nn 2
221
11 M
MM
t
tto
ood
ddo
oo d
dde
ee R
RRu
uun
nng
gge
ee -
-- K
KKu
uut
ttt
tta
aa
En la seccin anterior se estableci que el mtodo de Euler para resolver la
ecuacin diferencial de primer orden
Y' = f(X, Y) (7)

Con la condicin inicial
0 0
) ( Y X Y =
(8)
Consiste en aplicar repetidamente la frmula de recurrencia
) , (
1 n n n n
Y X hf Y Y + =
+
donde n = 1, 2, 3, ...
(9)
Para determinar la solucin de la ecuacin diferencial en
,... , ,
3 2 1
X X X X =
Sustituyendo la funcin f(X, Y) dada en (7), en (9), se tiene que
'
1 n n n
hY Y Y + =
+
(10)
Expresin que indica que el mtodo de Euler consiste grficamente, en ir de un
valor Y
n
conocido de la solucin de la ecuacin diferencial (7) en un punto, al
siguiente por medio de la tangente T
1
a la curva integral Y = Y(X) en el mismo
punto de la solucin conocida, como se muestra en la siguiente figura.

170

De este planteamiento grfico puede verse que una mejor aproximacin a la
solucin de la ecuacin diferencial se obtendra si en vez de ir por la tangente T
1

para determinar la solucin en el siguiente Punto Pivote, se utiliza una secante con
pendiente igual al promedio de pendientes de la curva integral en los puntos
coordenados (X
n
, Y
n
), (X
n+1
, Y
n+1
) en donde X
n+1
y Y
n+1
pueden estimarse con el
procedimiento normal de Euler, como se muestra en la siguiente grfica:

Con lo anterior se obtendra un mtodo mejorado de Euler con error del orden de
definido por la expresin

(11)
En donde f (X
n+1
, Y
n+1
) es el valor de la funcin f(X, Y) para:
X = Xn+1
) , (
n n n
Y X hf Y Y + =
Observando las expresiones para resolver la ecuacin diferencial, puede decirse
que ambas consisten en aplicar la frmula de recurrencia

171

(12)
En donde

(13)
En el mtodo de Euler y

(14)
En lo que
Y' = f(X, Y) (15)
En el mtodo de Euler Mejorado.
Como se ve, estos mtodos tienen los siguientes puntos en comn:
1. Son mtodos de un paso; para determinar Y
n+1
se necesita conocer
nicamente los valores de X
n
y Y
n
del punto anterior.
2. No requieren evaluar ninguna derivada, sino nicamente valores de la
funcin f(X, Y).
Estas caractersticas dan origen a una gran variedad de mtodos conocidos como
de Runge-Kutta. La diferencia entre ellos cosiste en la forma como se define la
funcin que aparece en la expresin (12).
La ventaja de los mtodos de Runge-Kutta con respecto al uso de la serie de
Taylor, que es tambin un mtodo de un paso, est expresado en el punto (2)
anterior; es decir, los mtodos de Runge-Kutta requieren slo de la funcin f(X, Y)
y de ninguna derivada, mientras que la serie de Taylor s requiere de la evaluacin
de derivadas. Esto hace que, en la prctica, la aplicacin de los mtodos de
Runge-Kutta sean ms simples que el uso de la serie de Taylor.
Un mtodo de Runge-Kutta para resolver ecuaciones diferenciales ordinarias de
primer orden con error del orden de , de uso tan frecuente que en la literatura
sobre mtodos numricos se le llama simplemente el Mtodo de Runge-Kutta, se

172
dar a conocer sin demostrar y consiste en aplicar la ecuacin de recurrencia (12)
en donde la funcin est dada por la expresin:

(16)
En el cual

(17)
La ecuacin (16) se obtiene haciendo un promedio de las cuatro pendientes,
4 3 2 1
, , , k k k k a la curva integral, en forma semejante a como se procedi con las
pendientes de las tangentes
2 1
T y T que dieron lugar a (11)

EJEMPLO
Resolver

Aplicando el mtodo de Runge-Kutta.
SOLUCIN
De la condicin inicial del problema se tiene que X = 0, y Y = 1; adems, h = 0.1.
Sustituyendo estos valores en (17) se obtiene:

173

Llevando estos valores a (16) y el resultante a (12) se obtiene que para X = 0.1 la
solucin del problema es

Los valores de las ki para este punto obtenido de la solucin, son:

Luego

Continuando de la misma forma se obtiene la solucin que se muestra en la
siguiente tabla:

174
X Y k1 k2 k3 k4
0.0 1.0000 0.5000 0.5516 0.5544 0.6127
0.1 1.0554 0.6126 0.6782 0.6823 0.7575
0.2 1.1236 0.7575 0.8431 0.8494 0.9494
0.3 1.2085 0.9492 1.0647 1.0745 1.2121
0.4 1.3158 1.2119 1.3735 1.3896 1.5872
0.5 1.4545 1.5868 1.8234 1.8517 2.1509

L
LLe
eec
ccc
cci
ii
n
nn 2
222
22 M
MM
t
tto
ood
ddo
oos
ss m
mmu
uul
llt
tti
iip
ppa
aas
sso
oos
ss
Mtodos de un paso Mtodos en varios pasos Mtodos de predictor y corrector
Mtodo de Adams-BashforthlAdams-Moulton Estabilidad de los mtodos
numricos
Los mtodos de Euler y de Runge-Kutta descritos en las seccionas anteriores son
ejemplos de los mtodos de un paso. En ellos, se calcula cada valor sucesivo y
n+1

slo con base en informacin acerca del valor inmediato anterior y
n
Por otra parte,
un mtodo en. varios pasos o continuo utiliza los valores de varios pasos
calculados con anterioridad para obtener el valor de y
n+1
Hay numerosas frmulas
aplicables en la aproximacin de soluciones de ecuaciones diferenciales. Como no
intentamos describir el vasto campo de los procedimientos numricos, slo
presentaremos uno de esos mtodos. ste, al igual que la frmula de Euler
mejorada, es un mtodo de prediccin-correccin; esto es, se usa una frmula
para predecir un valor y*
n+1
, que a su vez se aplica para obtener un valor corregido
de
1 + n
Y
Mtodo de Adams-Bashforth/Adams-Moulton Uno de los mtodos en multipasos
ms populares es el mtodo de Adams-Bashforth/Adams-Moulton de cuarto orden.
En este mtodo, la prediccin es la frmula de Adams-Bashforth:

175
(1)
para n 3. Luego se sustituye el valor de y*
n+1
en la correccin Adams-Moulton
(2)
Obsrvese que la frmula (1) requiere que se conozcan los valores de y
o
, y
1
, y
2
y
y
3
para obtener el de y
4
. Por supuesto, el valor de yo es la condicin inicial dada.
Como el error local de truncamiento en el mtodo de
Adams-Bashforth/Adams-Moulton es O(h5), los valores de
3 2 1
, Y y Y Y se suelen
calcular con un mtodo que tenga la misma propiedad de error, como la frmula
de Runge-Kutta de cuarto orden.
EJEMPLO 1 Mtodo de Adams-Bashforth/Adams-Moulton
Use el mtodo de Adams-Bashforth/Adams-Moulton con h = 0.2 para llegar a una
aproximacin a y(0. 8) de la solucin de
y' = x +y -1, y(0)=1.
SOLUCIN Dado que el tamao de paso es h = 0.2, entonces Y
4
aproximar
y(0.8). Para comenzar aplicamos el mtodo de Runge-Kutta, con X
0
= 0, Y
0
= 1 y h
= 0.2 con lo cual
Y
1
= 1.02140000, Y
2
= 1.09181796, Y
3
= 1.22210646.
Ahora definimos X
0
= 0, X
1
, = 0.2, X
2
= 0.4, X
3
= 0.6 y f(x, y) = x + y - 1, y
obtenemos
Y
0
= f(X
0
,Y
0
) = (0) + (1) - 1 = 0
Y'
1
= f (X
1
,Y
1
) = (0.2) + (1.02140000) -1 = 0.22140000

176
Y
2
= f (X
2
, Y
2
) = (0.4) + (1.09181796) - 1 = 0.49181796
Y
3
= f (X
3
, Y
3
) = (0.6) + (1.22210646) - 1 = 0.82210646.
Con los valores anteriores, la prediccin, ecuacin (1) da

Para usar la correccin, ecuacin (2), necesitamos primero

Por ltimo, la ecuacin (2) da

Estabilidad de los mtodos numricos Un aspecto importante del uso de mtodos
numricos para aproximar la solucin de un problema de valor inicial es la
estabilidad de los mismos. En trminos sencillos, un mtodo numrico es estable
si cambios pequeos en la condicin inicial slo generan pequeas modificaciones
en la solucin calculada. Se dice que un mtodo numrico es inestable si no es
estable. La importancia de la estabilidad radica en que en cada paso subsecuente
de una tcnica numrica, en realidad se comienza de nuevo con un nuevo
problema de valor inicial en que la condicin inicial es el valor aproximado de la
solucin calculado en la etapa anterior. Debido a la presencia del error de
redondeo, casi con seguridad este valor vara respecto del valor real de la
solucin, cuando menos un poco. Adems del error de redondeo, otra fuente
comn de error se presenta en la condicin inicial misma; con frecuencia, en las
aplicaciones fsicas los datos se obtienen con mediciones imprecisas.
Un posible mtodo para detectar la inestabilidad de la solucin numrica de cierto
problema de valor inicial, es comparar las soluciones aproximadas que se
obtienen al disminuir los tamaos de etapa utilizados. Si el mtodo numrico es
inestable, el error puede aumentar con tamaos mentores del paso. Otro modo de
comprobar la estabilidad es observar qu sucede a las soluciones cuando se
perturba ligeramente la condicin inicial; por ejemplo, al cambiar y(0) = 1 a y(0) =
0.999.
Para conocer una descripcin detallada y precisa de la estabilidad, consltese un
texto de anlisis numrico. En general, todos los mtodos descritos en este
captulo tienen buenas caractersticas de estabilidad.

177
Ventajas y desventajas de los mtodos multipasos En la seleccin de un mtodo
para resolver numricamente una ecuacin diferencial intervienen muchos
aspectos. Los mtodos en un paso -en especial el de Runge-Kutta- suelen usarse
por su exactitud y facilidad de programacin; sin embargo, una de sus mayores
desventajas es que el lado derecho de la ecuacin diferencial debe evaluarse
muchas veces en cada etapa. Por ejemplo, para el mtodo de Runge-Kutta de
cuarto orden se necesitan cuatro evaluaciones de funcin en cada paso (vase el
problema 21 en los ejercicios 9.3). Por otra parte, si se han calculado y guardado
las evaluaciones de funcin en la etapa anterior, con un mtodo multipasos slo
se necesita una evaluacin de funcin por paso. Esto puede originar grandes
ahorros de tiempo y costo.
Por ejemplo, para resolver numricamente y' = f(x, y), y(xo) = yo con el mtodo de
Runge-Kutta de cuarto orden en n pasos, se necesitan 4n evaluaciones de
funcin. Con el mtodo de Adams-Bashforth se necesitan 16 evaluaciones de
funcin para iniciar con el mtodo de Runge-Kutta de cuarto orden y n - 4
evaluaciones para los pasos de Adams-Bashforth; el_ total es n + 12 evaluaciones
de funcin. En general, el mtodo de Adams-Bashforth requiere un poco ms de la
cuarta parte de las evaluaciones de funcin que precisa el mtodo de Runge-Kutta
de cuarto orden. Si la evaluacin de f(x, y) es complicada, el mtodo multipasos
ser ms eficiente. Otro asunto que interviene en los mtodos en multipasos es la
cantidad de veces que se debe repetir la de Adams-Moulton en cada paso. Cada
que se usa el corrector ocurre otra evaluacin de funcin, con lo cual aumenta la
precisin al costo de perder una de las ventajas del mtodo en varios pasos. En la
prctica, el corrector slo se calcula una vez, y si el valor de yn+1 cambia mucho,
se reinicia todo el problema con un tamao menor de paso. Con frecuencia, esto
es la base de los mtodos de tamao variable de paso, cuya descripcin sale del
propsito de este libro.

178
EJ ERCICIOS

1. Dada la ecuacin diferencial:

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

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

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

179
Usa el mtodo de Euler mejorado para aproximar tomando
en cada paso del proceso iterativo.
SOLUCION:

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

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

7. Determine la solucin exacta del problema de valor inicial en el ejemplo 1.
Compare los valores exactos de y(0.2), y(0.4), y(0.6) y y(0.8) con las
aproximaciones y1, y2, y3 y y4.
8. Escriba un programa de computacin para el mtodo de
Adams-Bashforth/Adams-Moulton.

180
A
AAU
UUT
TTO
OOE
EEV
VVA
AAL
LLU
UUA
AAC
CCI
IIO
OON
NN

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

Calcule el determinante y la descomposicin LU de la matriz de coeficientes.
Ejercicio
Utilizar el mtodo de reduccin de Crout para obtener una descomposicin de
la matriz:

181

Ejercicio
Dado que , y , interpole con un
polinomio de Lagrange el logaritmo natural de cada entero desde hasta .
Tabule lo anterior junto con el error en cada punto.
Ejercicio
Dados los datos:

1 5,04
2 8,12
3 10,64
4 13,18
5 16,20
6 20,04

Realizar un ajuste por mnimos cuadrados de los mismos a una recta y a una
cuadrtica. Cul de los dos ajustes es mejor?
Ejercicio
La siguiente tabla tiene valores para . Integre entre y usando
la regla trapezoidal con , y .

182
Ejercicio
Usa la integracin de Romberg para evaluar la integral de entre y
. Lleva seis decimales y contina hasta que no haya cambio en la quinta
cifra decimal. Compare con el valor analtico. .

183
U
UUN
NNI
IID
DDA
AAD
DD P
PPR
RR
C
CCT
TTI
IIC
CCA
AA

1. Mostrar en un software de cmputo numrico, la forma de representacin de
matrices y funciones, as como sus operaciones bsicas (suma y multiplicacin de
matrices, invertibilidad, etc.). Mostrar las capacidades de visualizacin de
funciones.

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

3. Disear e implementar un programa, donde, dada una funcin continua en un
intervalo cerrado real, se determine el valor de su integral, con una precisin
preestablecida.

4. Disear e implementar un programa para resolver un sistema de ecuaciones no-
lineales, mediante alguno de los mtodos conocidos.

5- Disear e implementar un programa para resolver un sistema de ecuaciones
diferenciales.

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

184
B
BBI
IIB
BBL
LLI
IIO
OOG
GGR
RRA
AAF
FFI
IIA
AA

1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.

2. Chapra Steven y Canale R. Mtodos Numricos para Ingenieros. Cuarta edicin
Ed. Mc Graw Hill. Mxico.

3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.

4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3
rd
, ed. 2002.

5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed.,
2000.

6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice
Hall Hispanoamericana, Mxico.

7. Press, W.; Teukolsky, S.; Vterling, W.; Flannery, B. Numerical Recipes in C.
Cambridge University Press, 2nd ed., 1992.
(VER COMPLEMENTARIA EN GUIA DE MODULO).

DIRECCIONES DE SITIOS WEB:

1. http://www.mhhe.com/chapra que contiene recursos educativos adicionales que estn a la
vanguardia.
2. www.uacj.mx/gtapia/AN/Unidad2/regla.htm
3. www.mitecnologico.com/Main/ErroresDeRedondeo.
4. www.virtualum.edu.co/antiguo/.../error/deferror.htm
5. www.wikipedia.org/wiki/Mtodo_de_biseccin
6. www.monografias.com/.../descomposicion-lu.shtm
7. www.uaem.mx/posgrado/mcruz/cursos/mn/euler
8. html.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios
9. www.scribd.com/doc/2993252/branchandbound

Modulo Metodos Numericos 2012 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modulo Metodos Numericos 2012 PDF

Uploaded by

Copyright:

Available Formats

1

You might also like