Professional Documents
Culture Documents
|
\
|
.
|
(
1
2 3 1
3 1
El razonamiento lgico es que para x e 9, el lmite de f x
n
( ) para n es 0.
As entonces, una forma de evaluar f x
n
( ) viene dada por la siguiente expresin:
f x n n e
x
x
x x x
n
x
n
n
n n
( ) = + + + + +
|
\
|
.
|
( )!
! !
.......
( )! !
1 1
2 3 1
2 3 1
, donde
f x n e
x
x
x x x
n
n
n
= + + + + +
|
\
|
.
|
(
1
2 3 1
1 1
2 3 1
( ) ( )!
! !
. . . . . . .
( )!
, por lo que
f x nf x x n
n n
n
( ) ( ) ,2. . . = =
1
1
Esta ltima expresin corresponde al algoritmo para evaluar f x
n
( ) .
La tabla que se muestra a continuacin, permite ver los valores que va tomando f x
n
( )
conforme n va creciendo, mediante el algoritmo correspondiente a la expresin dada y el
valor verdadero.
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 3
n ]
n
(1) verdadera ]
n
(1) algoritmo
0
1
2
3
.
.
.
9
10
.
+
1,7183
0,71828
0,43656
0,30969
.
.
.
0,10991
0,09913
.
+
0
1,7183
0,71830
0,43660
0,30980
.
.
.
6,7040
66,040
.
+
Conclusin: A medida que aumenta n, ]
n
(1) tambin aumenta, por lo que se trata de un
algoritmo inestable.
Adems se puede deducir que el error depende exclusivamente del algoritmo
y no de las aproximaciones provocadas por la mquina de clculo.
En general, un proceso numrico involucra errores, que dependern de la capacidad
numrica de la mquina de clculo, del cambio de base y del tipo de algoritmo.
As, se tiene el llamado ERROR POR REDONDEO, originado por la capacidad numrica
de la mquina, lo que implica una representacin aproximada de los nmeros enteros o
reales verdaderos.
Adems se considera el ERROR POR TRUNCAMIENTO, el mismo que es originado en
parte por el cambio de base en la representacin de los nmeros dentro de la mquina y
fundamentalmente debido al modelo del algoritmo.
Una forma de analizar este tipo de errores, es mediante la representacin normalizada de los
nmeros reales, conocida con el nombre de ARITMTICA REAL, esto es:
exponente
0.d
1
d
2
d
3
.............d
k
x 10
n
base decimal
mantisa
donde: 1 s d
1
s 9
0 s d
i
s 9 i = 2, ......, k
Entonces, cualquier nmero real positivo Y puede ser normalizado en la siguiente forma:
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 4
Y = 0.d
1
d
2
d
3
......... d
k
d
k+1
d
k+2
......... x10
n
Ahora, suponiendo que Y est representado dentro del rango numrico de la mquina,
entonces se pueden presentar los siguientes casos:
a) Eliminando los dgitos d
k+1
d
k+2
........, se tiene que Y ~ Y* = 0.d
1
d
2
...... d
k
x10
n
,
donde se provoca el error por truncamiento.
b) Eliminando los dgitos d
k+1
d
k+2
........, una vez que se aplique uno de los criterios
dados a continuacin:
(*) Si d
k+1
> 5 se agrega 1 a d
k
redondeo hacia arriba.
(**) Si d
k+1
< 5 se retira d
k+1
d
k+2
..... redondeo hacia abajo.
Se ve que: Y ~ Y* = 0.o
1
o
2
........ o
k
x10
n
, donde se presenta error por redondeo.
Ejemplo: Representar t en forma normalizada con 5 dgitos de aproximacin.
t = 3.14159265.......... = 0.314159265....... x10
Entonces: 0.31415x10 presenta un error por truncamiento.
0.31416x10 presenta un error por redondeo.
El tratamiento de valores numricos, en lo relativo a una comparacin, puede ser hecho en
base a los conceptos de un ERROR ABSOLUTO o de un ERROR RELATIVO.
As, si Y* es una aproximacin de Y, entonces se tiene lo siguiente:
| c
a
| = | Y - Y* | ERROR ABSOLUTO
| c
r
| = | (Y - Y*)/Y | ERROR RELATIVO
Tomando la forma normalizada de los nmeros reales, el error relativo vendr dado por:
| |
. ...... .... . .....
. ........ .......
c
r
k k
n
k
n
k k
n
d d d d d d d
d d d d
=
+
+
0 10 0 10
0 10
1 2 1 1 2
1 2 1
, donde
| |
. ....
. .....
. ......
. ..........
c
r
k k
n k
n
k k
d d
d d
d d
d d
k
=
=
+ +
+ +
0 10
0 10
0
0
10
1 2
1 2
1 2
1 2
De acuerdo a la ltima expresin y puesto que d
1
= 0, entonces el mnimo valor del
denominador es 0.1, mientras que el numerador est acotado por 1, por lo que se tiene:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 5
| |
.
c
r
k
s
1
01
10 | c
r
| s 10
-k+1
error relativo por truncamiento.
Se puede demostrar tambin que | | c
r
k
s
+
1
2
10
1
error relativo por redondeo.
Sugerencia: Si d
k+1
< 5 Y* = 0.d
1
d
2
...... d
k
x10
n
Si d
k+1
> 5 Y* = 0.d
1
d
2
...... d
k
x10
n
+ 10
n-k
Por otro lado, el uso continuo de la aritmtica real de redondeo, lleva a la siguiente
proposicin:
El nmero Y* aproxima a Y con k CIFRAS O DGITOS SIGNIFICATIVOS si k
es un entero positivo, para lo cual: | (Y-Y*)/Y | < 5x10
-k
As, una aproximacin de Y* a Y con 4 cifras significativas, de las cantidades numricas
propuestas, vendr dado por:
a) Y = 1000
Y *
(
1000
1000
5 10
4
999.5 < Y* < 1000.5
b) Y = 10000
Y *
(
10000
10000
5 10
4
9995 < Y* < 10005
c) Y = 5000 4997.5 < Y* < 5002.5
d) Y = 9990 9985.005 < Y* < 9994.995
Para: a) y b) hay una concordancia con la definicin de cifras significativas, mientras que
c) y d) puede no corresponder con la idea intuitiva de cifras significativas.
En la siguiente tabla se listan los ejemplos anteriores y otros ms considerando la mnima
cota superior de |Y - Y*| denotando por max|Y - Y*|, cuando Y* concuerda con Y en cuatro
cifras significativas, esto es:
Y 0.1 0.5 100 1000 5000 9990 10000
max|Y-Y*| 0.00005 0.00025 0.05 0.5 2.5 4.995 5.0
Finalmente, es posible tambin estudiar el error desde el punto de vista estadstico, en razn
de que el clculo del error acumulado al final del proceso es muy complejo (slo en ciertos
casos puede considerarse como una suma de errores).
As, la ecuacin de transmisin de error viene dado por:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 6
]|x
i
| = ](x
1
,x
2
,x
3
,........,x
n
), donde: x
i
son las variables.
El error de ]|x
i
| debido al error de cada x
i
viene dado por:
Error absoluto:
| |
c c
c
c
a a
i
i i
n
i
f x
x
=
=
0
1
Error relativo:
| |
| |
c c
c
c
r
i
r i
i
i i
n
f x
x
f x
x
i
=
=
1
0
0
0
1
donde:
0
valor esperado o ms probable.
2. EVALUACIN DE UN POLINOMIO Y SUS DERIVADAS EN AR-
GUMENTO REAL
Considerando el polinomio de grado n en la variable x:
p x a x a a x a x a x a x
n i
i
n
n
n
n
i
n
( ) ...... = = + + + + +
=
0 1 2
2
1
1
0
donde: a a a
0 1 2
, , ,......e9.
Dicho polinomio puede ser evaluado en x
o
e 9 de las siguientes formas:
a) p
n n
n
x a a x a x x a x x x a x x ( ) ...... .... = + + + + +
0 1 0
1
2 0 0
2
3 0 0 0
3
0 0
_ _ _ _
El nmero de operaciones para llegar a evaluar p x
n
( ) ser:
n
n
n n
+ + + =
+
sumas
1+ productos 2 3
1
2
( )
b)
p x a a x a x x
x
a x x
x
a x x
x
n n
n
n
( ) ...... = + + + + +
0 1 0
1
2 0 0
2
2
3 0
2
0
3
2
0
1
0
2
0
0 0
_
_
_
_
donde el nmero de operaciones ser:
n
n n
n-
+ + + = + =
sumas
1+ productos 2 2 2 1 2 1 2 1
1
_
( )
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 7
c) ( ) p x a a a x a x a x a x x
n n
n
n
n
( ) ........
0 0 1 2 0 3 0
2
1 0
2
0
1
0
= + + + + + +
= + + + + + +
a a a a x a x a x x x
n
n
n
n
0 1 2 3 0 1 0
3
0
2
0 0
( ( ........ ) )
-
-
= + + + + + +
a a a a a a x x x x x
n n 0 1 2 3 1 0 0 0 0 0
( ( ( ........ ( ) ) ) .......)
para lo cual se requieren :
n sumas
n productos
La ltima forma de evaluacin se le conoce con el nombre de EVALUACIN
ENCESTADA, la misma que resulta ser la ms adecuada por considerar el menor nmero
de operaciones.
Aplicando el PROCESO RECURSIVO en la ltima expresin, se tiene que:
b
n
= a
n
b
n-1
= a
n-1
+ b
n
X
0
b
n-2
= a
n-2
+ b
n-1
X
0
-
-
b
i
= a
i
+ b
i+1
X
0
i = (n-1), (n-2), .......,1, 0
-
-
b
0
= a
0
+ b
1
X
0
p
n
X ( )
0
2.1. ALGARITMO DE HORNER
Basado en la tcnica de la DIVISIN SINTTICA de p
n
(x) (x - X
0
), por lo tanto:
a a a a a a
b X b X b X b X b X
a a b X a b X a b X a b X a b X
n n n i
n n i
n n n n n i i
+ + + + +
-1 -2 l
0
-1 0 0 2 0 1
-1 -2 -1 0 +1 l 2 0 0 1
0 1 0
0 0 0
+
+ + + + + +
Coeficientes de
= residuo
entonces: donde: ( - )
para = (
-1
1
-1 -1
0 0
-1 0 -1
0 0
b b b b b
p x q x
R b
p x
x X
q x
R
x X
p x x X q x R
x X p X
n n n i
n n
n
n n n
n
= +
= +
2
0
0
0
0
( ) ( )
( )
( ) , ( ) ( )
:
_
) = = =
0 0 0 l
R b a b X +
0
X
0
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 8
Repitiendo la divisin para q
n-1
(x), se tendr lo siguiente:
b b b b b b
c X c X c X
c X c X
b b +c X b +c X b+c X b +c X b +c X
c c c c
n n- n- i
n n- i
n n- n n- n- i i+
n n- n
i
1 2 2 1
0 1 0 1 0 3 0 2 0
1 0 2 1 0 1 0 2 3 0 1 2 0
1 2
+
+ + + + + +
c
q x x
R c =
:
q x
x X
x
R
x X
q x x-X x R
x X q X R c b c X
n- n-
n-
n- n- n-
n
2
2 2
1 1
1
0
2
1
0
1 0 2 1
2 0
Coeficientes de ( ) ( )
residuo
donde
( )
( ) ( ) ( ) ( )
para = ( ) = = =
0 -1 0 1 1 1
= +
= +
+
_
:
Repitiendo consecutivamente el proceso de la divisin, hasta agotar con el grado del
polinomio, se tendr lo siguiente:
p
n
(x) = (x - X
0
) q
n-1
(x) + R
0
Ec.1
q
n-1
(x) = (x - X
0
)
n-2
(x) + R
1
Ec.2
n-2
(x) = (x - X
0
) S
n-3
(x) + R
2
Ec.3
S
n-3
(x) = (x - X
0
)t
n-4
(x) + R
3
Ec.4
.
.
Ahora, sustituyendo Ec.2 en Ec.1: p
n
(x) = (x - X
0
) [(x - X
0
)
n-2
(x) + R
1
] + R
0
= (x - X
0
)
2
n-2
(x) + (x - X
0
)R
1
+ R
0
derivando: p x x X x x X R
n n n
I
0 -2
I
1
( - ) (x) + ( ) ( ) ( ) = +
2
0
2
2
para x X p X q X c
n n
= =
0 0 1
I
0 1
) = ( ) (
En general, sustituyendo Ec.2, Ec.3, Ec.4,en Ec.1 se tiene que:
p x x X R x X R x X R x X R R
n
n
n
n
n
( ) ( ) = +
( - ) +................+( - ) + ( - ) +
0 -1 0
2
2 0 1 0 0
1
Derivando sucesivamente esta ltima expresin y evaluando en x = X
0
, se tiene:
X
0
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 9
p X R
p X q X R
p X X R
p X S X R
p X t X R
p X i R i = , ,........,n
p X n R R a
n
n n
n
n n
n n
n i
n n n n
( )
( ) ( )
( ) ( ) !
( ) ( )
( ) ( ) !
( )
( )
( )
( )
0 0
0 0 1
0 0 2
0 0 3
0 0 4
0
0
2
3
4
01
=
= =
= =
= =
= =
=
=
I
II
III
IV
2!
3! !
4!
!
! =
-1
n -2
-3
-4
i
n
.
.
RESUMEN: Evaluacin de p x a x
n i
i
i
n
( ) =
=
0
y sus derivadas en X
0
.
Entrada: n (grado del polinomio), a
i
(coeficientes), X
0
(argumento real)
Salida: Z p X k = , ,....,n
k n
k
=
( )
( )
0
01
ALGORITMO: Considerar: b
n
= a
n
Calcular: Z
n
= p X n a
n
n
n
( )
( ) !
0
=
Para: k = 0,1,2,................., n-1
Hacer: i = n-1, n-2,................, k
Calcular: b
i
= a
i
+ b
i+1
X
0
Calcular: Z
k
= p X k b
n
k
k
( )
( ) !
0
=
2.2. IMPLEMENTACIN
Uno de los procedimientos para la implementacin del Algoritmo de Horner es a travs de
un arreglo matricial, esto es:
A = [a
i j
]
(n+1) (n+2)
Matriz de coeficientes
donde: Primera columna: e
i-1
= a
(i, 1)
=> i = 1, 2, ........., n+1
Ultima fila: e
n
= a
(n+1, j)
=> j = 2, 3, ........., n+2
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 10
Elemento general: e
i-1 =
a
(i, j)
= a
(i, j-1)
+ a
(i+1,j)
X
0
donde: j = 2, 3, .........................., n+1
i = n, n-1, ......................, j-1
Evaluacin: p X k a k n
n
k
k k
( )
( , )
( ) ( )! , ,..................,
+
= = +
1
0 1
1 1 2 1
j
i
1
2
3
n+2
1 a
0
R
0
= b
0
2 a
1
b
1
R
1
= c
1
3 a
2
b
2
c
2
4 a
3
b
3
c
3
i+1 a
i
b
i
= a
i
+ b
i+1
X
0
c
i
= b
i
+ c
i+1
X
0
n-1 a
n-2
b
n-2
c
n-2
n a
n-1
b
n-1
c
n-1
n+1 a
n
b
n
= a
n
c
n
= b
n
R
n
= a
n
Ejemplo.- Evaluar p
4
(x) = 2x
4
- 3x
2
+ 3x - 4 y sus derivados en X
o
= -2
j
i
1
2
3
4
5
6
1 -4 10 = R0
2 3 -7 -49 = R1
3 -3 5 21 45 = R2
4 0 -4 -8 -12 -16 = R3
5 2 2 2 2 2 2 = R4
donde: p
4
(-2) = R
0
=10 y todas las derivadas:
p R
4 1
I
( 2) 49 = =
p R
p R
p R
4 2
4 3
4 4
II
III
IV
( 2) 2! 90
( 2) 3! 96
( 2) 4! 48
= =
= =
= =
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 11
Ejemplo.- Describir un proceso de almacenamiento de los coeficientes de p x a x
n i
i
i
n
( ) =
=
0
y de todos los residuos de las divisiones sintticas, en un vector de longitud 2n+1
a
0
a
1
a
2
a
i
a
n-2
a
n-1
1
2
3
i+1
n-1
n
Coeficientes de p
n
(x): b
i
= a
(i+1,1)
i = 0, 1, 2, .................., n
Coeficientes de la primera divisin sinttica:
C
(2n+1-i)
= a
(i,1)
= a
[2(n + 1) - i,1]
+ a
[2(n+1)-i+1,1]
X
o
i = n+2, n+3, ., 2n+1
Coeficientes de las siguientes divisiones sintticas:
Para k = 2n, 2n-1, ............................., n+2
a
n
= R
n
R
n-1
R
n-2
R
i
R
2
R
1
R
0
n+2
n+3
2n-1
2n
2n+1
Hacer: i = n+2, n+3,..........., k
Calcular: C
(2n+1-i)
= a
(i, 1)
+ a
(i-1, 1)
X
0
Residuos de las divisiones sintticas:
R
i
= a
(2n+1 - i , 1)
i = 0, 1, 2, ................, n
Evaluacin de p
n
(x) y sus derivadas:
p X i a i n
n
i
n i
( )
( , )
( ) ! , , ,........,
0 2 1 1
01 2 = =
+
3. SOLUCIN DE ECUACIONES DE UNA VARIABLE
Se trata de un bsqueda de races, determinando valores de la variable x que satisfagan la
ecuacin f(x) = 0.
Una solucin de la ecuacin se le conoce con el nombre de raz de f(x) = 0
Los mtodos de determinacin de races se basan en PROCESOS ITERATIVOS, que
consisten en aproximaciones, paso a paso, hacia la raz de la ecuacin.
3.1. MTODOS ITERATIVOS DE UNIN
Son mtodos que se basan en el siguiente procedimiento:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 12
- Valor inicial: x
0
- Aproximaciones: x
1 =
x
0
+ c
0
x
2 =
x
1
+ c
1
.
.
.
x
i =
x
i-1
+ c
i-1
i = 1, 2, .........hasta que satisfaga cualquier
condicin de tolerancia.
Condiciones de tolerancia: x x
i i a
<
1
c
x x
x
x
f x
i i
i
r i
i f
< =
<
1
0 c
c ( )
Se trata de mtodos simples, los mismos que garantizan convergencia. Dependen
exclusivamente de una adecuada eleccin del intervalo donde se encuentra la raz y de la
condicin de tolerancia que se le imponga.
As, si f(x) es continua en [a, b] y adems cumple que f(a)f(b) < 0, entonces - e S a b ( , ) , tal
que f(S) = 0 (Consecuencia del Teorema del Valor Intermedio).
3.1.1. ALGORITMO DE BISECCIN
Es un mtodo que divide, repetidamente, en la mitad a los subintervalos de [a, b],
desechando en cada paso la mitad de subintervalo que no contenga la raz (como es lgico).
Geomtricamente se tiene lo siguiente:
f(x)
f(b)
x
3
x
4
x
a x
1
x
2
b
f(a) S (raz)
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 13
As: I
o
= [a, b] intervalo inicial donde est la raz (S).
I
o
= b - a ancho del intervalo inicial.
1
2
x
a b
=
+
punto medio del intervalo inicial.
f a f
f f b
x
x
( ) ( ) ?
( ) ( ) ?
1
1
0
0
<
<
`
)
condicin para eleccin del nuevo intervalo (subintervalo)
I
1
= [b = x
0
, x
1
] nuevo intervalo
1
2
I
b a
=
ancho del nuevo intervalo
2
0 1
2
x
x x
=
+
punto medio del nuevo intervalo
f f
f f
x x
x x
( ) ( ) ?
( ) ( ) ?
1 2
2 0
0
0
<
<
`
)
condicin para eleccin de otro intervalo
.
.
as sucesivamente hasta un k-simo intervalo I
k
= [x
k-1
, x
k
], cuyo ancho esta dado por:
k
k
I
b a
=
2
, el mismo que debe cumplir con una condicin de tolerancia.
RESUMEN: Evaluacin de f(x) = 0
ENTRADA: [a, b] (intervalo), c (tolerancia), k (mximo # de iteraciones).
SALIDA : x
i
(solucin aproximada) ~ S o un mensaje de fracaso.
ALGORITMO: Para: i = 1, 2, .., k
Hacer:
i
i
x
x
a
b
=
=
2
1
Calcular:
i
i i
x
x x
=
+
2 1
2
Probar si: f(x
i-2
)f(x
i
) < 0 a = x
i-2 y
b = x
i
de lo contrario:
a = x
i
y
b = x
i-1
Chequear si: |b - a| < c
x
|f(x
i
)| < c
f
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 14
Una forma aproximada de determinar el nmero de iteraciones que se deben hacer para que
se consiga una aproximacin con una tolerancia c, puede ser obtenido en base a la siguiente
relacin:
k
k
I
b a
=
2
s c k
b a
>
|
\
|
.
|
1
2 ln
ln
c
donde k representa una cota del nmero de iteraciones.
Ejemplo: Determinar una raz (valor aproximado) de la ecuacin f(x) = x
3
+ 4x
2
- 10,
mediante Biseccin, considerando una tolerancia | c
r
| < 10
-4
.
Definicin del intervalo: si a = 1 f(1) = -5
b = 2 f(2) = 14
Entonces el intervalo: I
0
= [1, 2] contiene al menos una raz de la ecuacin.
El cuadro de valores presentado a continuacin, muestra los clculos correspondientes al
proceso iterativo.
I
i
x
i-1
x
i-2
x
i
f(x
i
) |c
r
| = | (x
i
-x
i-1
)/x
i
|
1 a=1.0 b=2.0 x
1
=1.5 2.375 0.33333
2 1.0 1.5 1.25 -1.79687 0.20000
3 1.25 1.5 1.375 0.16211 0.09090
4 1.25 1.375 1.3125 -0.84839 0.04762
. . . . . .
. . . . . .
12 1.3648 1.3652 1.3650 -0.00396 0.00018
13 1.3650 1.3652 1.3651 -0.00194 8.9421*10
-5
donde: x
13
= 1.365112305 ~ S f(x
13
) ~ 0
As el valor correcto de S (raz) con 10 cifras significativas es: 1.365230013.
Entonces x
13
tiene una aproximacin correcta con 4 CIFRAS SIGNIFICATIVAS.
Por otro lado, calculando el nmero de iteraciones (k) que llevan a una aproximacin de la
raz con 4 cifras significativas, se tiene que:
k >
|
\
|
.
| ~
1
2
2 1
10
13
4
ln
ln Iteraciones
Lo que concuerda con la tabla de valores anterior.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 15
Para el mismo ejemplo, si se quiere una aproximacin a la raz con una tolerancia de 10
-5
,
entonces:
k >
|
\
|
.
| ~
1
2
2 1
10
17
5
ln
ln Iteraciones
3.1.2. ALGORITMO DE FALSA POSICIN
Conocido tambin como algoritmo de REGULA FALSI, el mismo que est basado en el
criterio geomtrico de la pendiente de la secante.
Entonces geomtricamente se tiene:
f(x)
f(b) B
a x
1
x
2
x
3
x
m
1
m
2
m
3
S b
A
f(a)
D raz
C
Donde: I
0
= [a, b] intervalo inicial donde hay al menos una raz
1
1
0
m
x
f b f a
b a
f b
b
=
( ) ( ) ( )
pendiente de la secante AB
donde:
1
x
a f b b f a
f b f a
=
( ) ( )
( ) ( )
primera aproximacin
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 16
f a f
f f b
x
x
( ) ( ) ?
( ) ( ) ?
1
1
0
0
<
<
`
)
condicin para eleccin del nuevo intervalo
I
1
= [b = x
0
, x
1
] nuevo intervalo
2
0 1
0 1
0
0 2
0
m
f x f x
x x
f x
x x
=
( ) ( ) ( )
pendiente de la secante CB
2
0 1 1 0
1 0
x
x f x x f x
f x f x
=
( ) ( )
( ) ( )
nueva aproximacin
f f
f f
x x
x x
( ) ( ) ?
( ) ( ) ?
1 2
2 0
0
0
<
<
`
)
condicin para eleccin del nuevo intervalo
.
.
.
as sucesivamente hasta un k-simo intervalo I
k
= [x
k-1
, x
k
]
donde:
k
k k k k
k k
x
x x x x
x x
f f
f f
+
1
1 1
1
( ) ( )
( ) ( )
que es una aproximacin que debe cumplir con una condicin de tolerancia.
En este mtodo es posible obtener un menor nmero de iteraciones que en el mtodo
anterior. Los modelos de tolerancia para este caso, son los mismos que se aplican siempre,
esto es:
| | < x - x
k+ k a 1
c
k k
k
r
x x
x
+
+
<
1
1
c
| f(x
k+1
) | < c
f
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 17
RESUMEN: Evaluacin de f(x) = 0
ENTRADA : Intervalo [a, b], tolerancia c, # mximo de iteraciones k
SALIDA : x
i
~ S mensaje de fracaso
ALGORITMO: Para: i = 1, 2, .., k
Hacer:
i
i
x
x
a
b
=
=
2
1
Calcular:
i
i i i i
i i
x
x x x
x x
f x f
f f
=
2 1 1 2
1 2
( ) ( )
( ) ( )
Probar si: f(x
i-2
)f(x
i
) < 0 a = x
i-2 y
b = x
i
de lo contrario:
a = x
i
y
b = x
i-1
Chequear si: |b - a| < c
x
|f(x
i
)| < c
f
Ejemplo.- Determinar una raz aproximada de la ecuacin f(x) = Cos(x) - x, mediante el
algoritmo de Falsa Posicin, considerar una tolerancia en la funcin | c
f
| < 10
-5
.
Definicin del intervalo: Para a = 0 f(0) = 1
b = 1 f(1) = -0.459698
Por lo tanto el intervalo inicial es: I
0
= [0, 1]
Aplicando el algoritmo se obtienen los resultados presentados a continuacin.
I
i
x
i-1
x
i-2
x
i
f(x
i
) | c
f
|
1 a = 0.0 b = 1.0 x
1
=0.685073 0.089299 > 10E-5
2 0.685073 1.0 0.736299 0.00466004 > 10E-5
3 0.736299 1.0 0.738945 0.000233926 > 10E-5
4 0.738945 1.0 0.739078 1.17192E-05 > 10E-5
5 0.739078 1.0 0.739085 5.87047E-07 < 10E-5
donde: x
5
= 0.7390847824 ~ S f(x
5
) ~ 0
As, el valor correcto de S (raz) con 8 cifras significativas es: 0.73908513., por lo que x
5
tiene una aproximacin correcta con 5 CIFRAS SIGNIFICATIVAS.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 18
3.2. MTODOS ITERATIVOS DE PUNTO FIJO
Se trata de determinar la solucin de una ecuacin de la forma: x = g(x)
A una solucin de esta ecuacin se le conoce como PUNTO FIJO de la funcin g(x).
As, si g(x) es continua en [a, b] y adems es diferenciable en (a, b), entonces -S e (a, b) tal
que:
S = g(S)
Geomtricamente se tiene lo siguiente:
y
y = x
g(S)
y = g(x)
x
a S b
Las races de f(x) = 0, son las soluciones que corresponden precisamente a los puntos fijos
de x = g(x), puesto que de f(x) se pueden obtener x y g(x), esto es:
f(x) = x - g(x) = 0 x = g(x)
El proceso iterativo, en estos mtodos, consiste en ir evaluando x varias veces hasta tener
una buena aproximacin a la raz, basndose en la ecuacin x = g(x).
As: * Valor inicial: x
0
* Aproximaciones: x
1
= g(x
0
)
x
2
= g(x
1
)
.
.
.
x
i
= g(x
i-1
) i = 1, 2, .., hasta que se cumpla con una
condicin de tolerancia (error).
* Condiciones de Tolerancia: |x
i
- x
i-1
| < c
a
i i
i
r
x x
x
<
1
c
|x
i
- g(x
i
)| < c
f
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 19
Estos procesos no siempre convergen, por lo que se requiere de alguna condicin que en
cierto grado garantice un acercamiento a la raz. Adems la eleccin de g(x) debe ser tal que
haga la convergencia tan efectiva como sea posible.
Las grficas presentadas a continuacin sealan la convergencia y la no convergencia del
proceso iterativo.
y
g(x
o
)
g(x
2
) y = x
g(S)
g(x
1
)
y = g(x)
a x
0
x
2
S x
1
b x
(raz)
y
g(x
o
) y = x
g(S)
g(x
1
)
. y = g(x)
x
2
a x
0
s x
1
b x
(raz)
3.2.1. CONDICIONES DE CONVERGENCIA EN LOS LMITES DEL
INTERVALO
Una iteracin i-sima dada por: xi i S = + c , tambin: xi i S = + 1 1 c donde: S es la raz y
c
i
la tolerancia.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 20
Es evidente entonces, que para la convergencia, se cumpla con una condicin de
acercamiento a la raz, lo cual se puede expresar, en funcin de los errores en cada paso
iterativo, de la siguiente forma:
c c c c c i i < < < < 1
2
1
0
.... condicin bsica de convergencia.
Por otro lado, debido al criterio de punto fijo, se tiene que: x x i i = g( ) 1 , entonces:
S g S i i + = + c c ( ) 1 , cuya expansin en SERIES DE TAYLOR de la funcin g
alrededor de S, viene dada por:
S g S g S S S
g S
S S
g S
S S i
i i i
+ = + + + + + + +
c c c c ( ) ( )[( ) ]
( )
!
[( ) ]
( )
!
[( ] ............
,
,, ,,,
)
1 1
2
1
3
2 3
Sabiendo que se cumple S = g(S), entonces: c c c c i
i
i
i
g S
g S g S
= + + +
,
,, ,,,
( )
( )
!
( )
!
......
1
2
1
3
1
2 3
Esta ltima expresin puede ser sometida a una serie de condiciones, esto es:
Condicin N1 g(S) = 0
c
i-1
pequeo
c c
2
1
3
1
0
i i
, ,....
para lo cual : c c
i i
g S ~ '
( )
1
donde: c c
i i
g S ~ '
( )
1
pero c
i
< c
i
1
, por lo tanto: c c
i i
g S ~ '
( )
1
< c
i
1
, donde: g S ' ( ( ) 1
Por lo tanto en los valores lmites del intervalo (a, b) se tiene que:
g x
b
a
' = ( ) 0 y g x
b
a
' ( ( ) 1 condiciones de convergencia de primer orden
Condicin N2 g(S) = 0
g(S) = 0
c
i-1
pequeo
entonces: c c
i
i
g S
~
' '
( )
! 2
2
1
c c c
i
i
i
g S ~ ' ' <
1
2
2
1
1
!
( ) , donde: g S
i
' ' <
( )
! 2
1
c
Por lo tanto en los valores lmites del intervalo (a, b) se tiene que:
g x
b
a
' = ( ) 0, g x
b
a
' ' = ( ) 0 y g x
b
a
' ' ( ( )
2
c
condiciones de convergencia de
segundo orden.
Condicin N3 g(S) = g(S) =0
g(S) = 0
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 21
c
i-1
pequeo
entonces : c c
i
i
g S
~
' ' '
( )
! 3
3
1
c c c
i
i
i
g S ~ ' ' ' <
1
3
3
1
1
!
( ) , donde: g S
i
' ' ' <
( )
! 3
2
1
c
Por lo tanto en los valores lmites del intervalo (a, b) se tiene que:
g x g x
b
a
b
a
' = ' ' = ( ) ( ) 0 , g x
b
a
' ' ' = ( ) 0 y g x
b
a
' ' ' ( ( )
! 3
2
c
condiciones de convergencia
de tercer orden
As sucesivamente, sin embargo debe sealarse que los procedimientos iterativos que
cumplen con la condicin de convergencia de segundo orden son los ms adecuados.
3.2.2. ALGORITMO DE PRIMER ORDEN
Se trata de un proceso iterativo de punto fijo que cumple con las condiciones de
convergencia de primer orden.
Es decir que g(x) debe ser definida de manera que por lo menos cumpla con las condiciones:
g x
b
a
' = ( ) 0 y g x
b
a
' ( ( ) 1 , puesto que S es desconocido.
RESUMEN: Evaluacin de x = g(x) que cumple con las condiciones de convergencia de
primer orden.
ENTRADA: Valor inicial x a b
0
e( , ) , Tolerancia c, nmero mximo de
iteraciones k
SALIDA: x
i
~ S o mensaje de fracaso.
ALGORITMO: Para: i = 1, 2, ...., k
Calcular: x
i
= g(x
i-1
)
Chequear si: x x
i i x
<
1
c f x
i f
( ) < c
Ejemplo: Para la ecuacin f(x) = x
3
+ 4x
2
- 10 = 0 que tiene una raz en [1, 2], definir 5
formas diferentes de g(x) sin probar ninguna condicin de convergencia de primer
orden. Asumir para todos los casos x
0
= 1.5 y obtener la raz. Escribir las
conclusiones de acuerdo a los resultados obtenidos.
Definiciones de g(x)
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 22
I) x = g
1
(x) = x - x
3
- 4x
2
+ 10
II) x = g
2
(x) =
10
4
x
x
|
\
|
.
|
1/2
III) x = g
3
(x) = ( )
1
2
10
3
x
1/ 2
IV) x = g
4
(x) =
10
4 +
|
\
|
.
|
x
1/2
V) x = g
5
(x) = x
x x
x x
+
+
3 2
2
4 10
3 8
la tabla de valores presenta las 5 alternativas de g(x) y los clculos correspondientes a las
aproximaciones a la raz
i I II III IV V
0 1,5 1,5 1,5 1,5 1,5
1 -0,875 0,8165 1,28695 1,34840 1,37333
2 6,732 2,9969 1,40254 1,36738 1,36526
3 -469,7 (-8,65)
1/2
1,34546 1,36496 1,36523
4 1,03E+08 1,37517 1,35526 1,36523
5 1,36009 1,36523
. . .
. . .
10 1,36541 1,36523
15 1,36522 1,36523
20 1,36523
30 1,36523
Conclusin: Siendo la raz real S = 1.365230013, las alternativas III, IV y V han dado
excelentes resultados, mientras que el caso I provoca divergencia y el caso II
se torna indefinido.
As, para el caso (I) g
1
(x) = x - x
3
- 4x
2
+ 10
g
1
(x) = 1 - 3x
2
- 8x = 0 en [a = 1 y b = 2]
pero: x = a = 1.001 > g
,
( . )
1
1001 1
x = b =1.999 > g
,
( . )
1
1999 1
demostrndose que no se cumple con la condicin de convergencia de primer orden.
3.2.3. ALGORITMO DE SEGUNDO ORDEN
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 23
Se trata de un proceso iterativo de punto fijo que cumple con las condiciones de
convergencia de segundo orden.
Uno de los algoritmos ms conocidos y poderosos en la bsqueda de races de la ecuacin
f(x) = 0 es el llamado ALGORITMO DE NEWTON - RAPHSON, el cual define una
funcin g(x) que cumple con las condiciones de convergencia de segundo orden.
As, si f(x) es continua y diferenciable en [a, b] y adems siendo x
i-1
una buena aproximacin
a la raz S, tal que f (x
i-1
) = 0, entonces f(x) expandida en Series de Taylor alrededor de S
viene dada por:
f x f x f x x x
f x
x x
f x
x x
i i i
i
i
i
i
( ) ( ) ( )[ ]
( )
!
[ ]
( )
!
[ ] ... = + ' +
' '
+
' ' '
+
1 1 1
1
1
2 1
1
3
2 3
asumiendo adems que: x = x
i
~ S, entonces f(S) ~ f(x
i-1
) + f (x
i-1
)[x
i
- x
i-1
] = 0, donde:
x x
f x
f x
g x
i i
i
i
i
=
'
=
1
1
1
1
( )
( )
( )
la ltima expresin puede ser obtenida de la siguiente grfica
f(x)
a = x
o
S
x
3
x
2
x
1
x
Primera tangente (en x
0
) ' =
=
'
f x
f x
x x
x x
f x
f x
( )
( ) ( )
( )
0
0
1 0
1 0
0
0
primera aproximacin
Segunda tangente (en x
1
) ' =
=
'
f x
f x
x x
x x
f x
f x
( )
( ) ( )
( )
1
1
1 2
2 1
1
1
segunda aproximacin
As sucesivamente hasta que se cumpla con un criterio de convergencia.
En general se puede asumir una funcin de punto fijo de la forma: g x x
f x
f x
( )
( )
( )
=
'
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 24
la misma que cumple con los criterios de convergencia de segundo orden, como se
demuestra a continuacin:
g x x
f x
f x
( )
( )
( )
=
'
g x
f x f x f x
f x
f x f x
f x
' =
' ' '
'
=
' '
'
( )
[ ( )] ( ) ( )
[ ( )]
( ) ( )
[ ( )]
1
2
2 2
para: x = S ' =
' '
'
= g S
f S f S
f S
( )
( ) ( )
[ ( )]
2
0 puesto que f(S) = 0 y f (S) = 0
Tambin g x
f x f x f x f x f x f x f x f x
f x
' ' =
' ' ' ' + ' ' ' ' ' '
'
( )
[ ( )] ( ) ( ) [ ( )] ( ) ( )[ ( )] ( )
[ ( )]
2 3 2
4
2
para: x = S ' ' =
' '
'
= g S
f S
f S
( )
( )
( )
0 puesto que f (S) y f (S) = 0
adems: g S
f S
f S
i
' ' =
' '
'
<
( )
( )
( )
2
1
c
La eficacia del algoritmo de Newton - Raphson radica en la buena eleccin del valor inicial.
La convergencia es relativamente rpida comparada con los mtodos anteriores.
RESUMEN: Evaluacin de la ecuacin x = g(x) que cumple con las condiciones de
convergencia de segundo orden.
ENTRADA: Valor inicial x a b
0
e( , ) , Tolerancia c, # max. de iteraciones k.
SALIDA: x
i
~ S o mensaje de fracaso.
ALGORITMO: Para i = 1, 2, ......, k
Chequear si f (x
i-1
) = 0
Calcular: x x
x
x
i i
i
i
f
f
= -
( )
( )
-1
-1
-1
'
Probar si: x x
i i x
<
1
c f x
i f
( ) < c
Ejemplo: Determinar una raz de la ecuacin x = Cos(x) mediante Newton - Raphson,
considerando una tolerancia c
x
<
10
4
y
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 25
y = x
y = Cosx
o S t/2 x
En la grfica se observa que en el intervalo [0, t/2] existe un punto fijo S.
Entonces: f(x) = Cos(x) - x
f (x) = -(Sen(x) +1)
donde : x x
Cosx x
Senx
i i
i i
i
= +
+
1
1 1
1
1
La tabla de valores presenta los clculos de las aproximaciones, obtenidas en base al modelo
de la ltima expresin iterativa.
i x
i-1
x
i
f(x
i
) | c
x
|
1 x
o
= 0 1 -0.45970 1.0
2 1.0 0.75036 -0.018923 0.24964
3 0.75036 0.73911 4.6456E-05 0.011251
4 0.73911 7.39E-01 -2.8473E-10 2.7757E-05
Por tanto: x
4
= 0.7390851334 ~ S f(x
4
) ~ 0
3.2.4. ALGORITMO DE LA SECANTE
Se basa en Newton - Raphson y Falsa Posicin. Es un mtodo que de alguna manera evita
la evaluacin de f (x) en cada aproximacin. Adems la eleccin del valor inicial no es tan
crtica.
As, partiendo de: f x lim
f x f x
x x
i
x x
i
i
i
' =
( )
( ) ( )
1
1
1
1
y asumiendo que: x
i-2
es una buena aproximacin a la raz.
Entonces: x x f x
f x f x
x x
i i
i i
i i
= ' ~
2 1
2 1
2 1
( )
( ) ( )
puesto que: x x
f x
f x
x x
x x f x
f x f x
g x x
i i
i
i
i i
i i i
i i
i i
=
'
=
1
1
1
1
2 1 1
2 1
1 2
( )
( )
( ) ( )
( ) ( )
( , )
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 26
La funcin g x x
i i
( , )
1 2
no es continua, por lo que este mtodo realmente no es de punto
fijo, sin embargo cumple con las condiciones de convergencia, esto es: S =g(S) y adems es
posible demostrar que:
c c c
i i i
f S
f S
~
' '
'
1
2 1 2
( )
( )
c c c
i i i
f s
f s
~
' '
'
1
2 1 2
( )
( )
< c
i 1
donde:
f S
f S
' '
'
( )
( )
<
2
1
c
i
, condicin parecida a la del mtodo de Newton - Raphson.
Grficamente se pueden observar las aproximaciones del mtodo de la Secante
f(x)
x
o
x
2
x
3
x
S x
4
x
1
a) Aproximaciones convergentes
f(x)
x
o
x
2
x
3
S x
1
x
x
4
b) Aproximaciones divergentes
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 27
Ejemplo: Determinar la raz de f(x) = Cos(x) - x mediante el mtodo de la Secante,
considerando | c
x
| < 10
-4
Aproximaciones iniciales: x
o
= 0.5
x
1
= t/4
adems: x x
x x x x
x x x x
i i
i i i i
i i i i
Cos
Cos Cos
=
1
1 2 1 1
1 1 2 2
( )( )
( ) ( )
donde: f Cos x x x
i i i
( ) =
La tabla de valores presenta los clculos correspondientes al ejemplo.
i x
i
f(x
i
)
c
ax
|
0 0.5 0.37758
1 t/4 -0.078291 0.2854
2 0.73638 0.0045177 0.04901
3 0.73906 4.5177*10
-5
0.002674
4 0.73909 -2.6982*10
-8
2.7010*10
-5
donde: x
4
~ S f(x
4
) ~ 0
3.3. SOLUCIN DE ECUACIONES POLINOMIALES
Pese a que en el captulo anterior (Solucin de Ecuaciones de una variable) se involucra la
ecuacin polinmica, no est por dems hacer un anlisis ms detallado del modelo
polinomial, en cuanto tiene que ver con el anlisis de las caractersticas de sus races as
como tambin de la ubicacin en el plano complejo y sobre todo el desarrollo de Algoritmos
especficos para determinar dichas races.
El anlisis se basa en la consideracin de la ecuacin polinomial del tipo dado por:
p x a x a a
n i
i
i
n
i n
( ) { } = = e9 . =
=
0
0 0
Segn el Teorema Fundamental del Algebra, una ecuacin polinomial p
n
(x) = 0 tiene
constantes nicas:
1
,
2
,
3
, .,
k
(reales y/o complejas) y enteros positivos m
1
, m
2
, m
3
,
, m
k
, tal que:
m n
i
i
k
=
=
1
(grado del polinomio) y adems se tiene:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 28
p x a x x x
n n
m m m
k
( ) ( ) ( ) ( ) = =
1 2 2
1 2
0
siendo las constantes:
k
las races de p
n
(x) = 0 y m
k
la multiplicidad de la raz
Adems se tiene que:
=
[ =
k
n
n
k
n o
n
a
a
a
a
1
1
y
( )
Tambin se ha demostrado que todas las races de p
n
(x) = 0 se hallan localizadas en el anillo
complejo dado por:
a
a
x
a
a
n
n
0
0
o
+
s s
+
donde:
{ }
{ }
o
= =
= =
max a a
max a a
i
i n
0
Ejemplo: Determinar el anillo complejo donde se ubican todas las races del polinomio
dado por p x x x x
3
3 2
3 5 2 0 ( ) = + =
donde:
{ }
{ }
o
= =
= =
max
max
1 3 5 5
3 5 2 5
, ,
, ,
entonces:
2
5 2
5 1
1
6
2
7
+
s s
+
s s x x
y
x
6
2/7
Por otro lado, una forma de reducir el rea del anillo complejo, es mediante la manipulacin
de los coeficientes del polinomio de tal manera que se obtenga un polinomio normalizado
equivalente al original, as dado el polinomio:
p x a x a x a x a
n n
n
n
n
( ) = + + + +
1
1
1 0
.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 29
donde:
p x
a
x
a
a
x
a
a
x
a
a
n
n
n n
n
n
n n
( )
= + + + +
1 1 1 0
.
entonces el polinomio normalizado viene dado por:
q x x A x A x A A
a
a
i n n
n
n
n
n
i
i
n
( ) , , , = + + + + = =
1
1
1 0
1 2 0 . .
dividiendo el polinomio normalizado para la constante h
n
,se tiene:
q x
h
x
h
A
h
x
h
A
h
x
h
A
h
n
n
n
n
n
n n
( )
=
|
\
|
.
| +
|
\
|
.
| + +
|
\
|
.
| +
1
1
1
1
0
.
considerando:
A
h
n
0
1 = , entonces:
q x
h
q
x
h
x
h
B
x
h
B
x
h
n
n n
n
n
n
( )
=
|
\
|
.
| =
|
\
|
.
| +
|
\
|
.
| + +
|
\
|
.
| +
1
1
1
1 .
q y y B x B x
y
x
h
B
A
h
i n n
n
n
n
n
i
i
n
( )
, , ,
= + + + +
=
= =
1
1
1
1
1
1 2 1
.
.
El polinomio q y
n
( ) es equivalente al polinomio p x
n
( ) , por lo que el anillo complejo viene
dado por:
1
1
1
1 o
+
s s
+
y , donde
{ }
{ }
o
=
=
max B B B
max B B
n n
n n
1
1
1 2 1
1 2
, , , ,
, , ,
.
.
y adems se tiene que:
=
[ =
k n
k
n
B
1
1
y
( )
Ejemplo: Transformar el polinomio del ejemplo anterior de manera que tenga al menos
una raz menor que la unidad.
p x
h
x
h h
x
h h
x
h h
n
3
3
3 2
1
2
3 5 2 ( )
=
|
\
|
.
|
|
\
|
.
| +
|
\
|
.
|
donde:
2
1
2
2
2
3
3
2
2
3
1
3
h
h
h
h
=
=
=
=
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 30
por lo que:
( )
( )
q y y y y
max
max
3
3 2
2 38 315 1
1 2 38 315 315
2 38 315 1 315
( ) . .
, . , . .
. , . , .
= +
= =
= =
entonces el anillo complejo vendr determinado mediante los lmites dados por:
1
315 1
315 1
1
0 24 415
.
.
. .
+
s s
+
s s y
x
h
Es conveniente tener una idea del tipo de races que tiene un polinomio, as, segn la
REGLA DE DESCARTES es posible analizar alternativas en cuanto al nmero de races
reales positivas y/o negativas, segn el siguiente criterio:
Se procede a ordenar el polinomio, respecto a la potencia de x, en forma ascendente o
descendente, as, considerando:
p x a x a x a x a
n n
n
n
n
( ) = + + + +
1
1
1 0
.
se procede a contar el nmero de veces que cambia el signo de los coeficientes, siguiendo
un recorrido en el mismo sentido, entonces:
q = # de cambios de signo en p
n
(x),
q
,
= # de cambios de signo en p
n
(-x)
con lo cual se forman los conjuntos de valores pares: (q - r) > 0, 2, ., s q
(q
,
- r
,
) > 0, 2, ., s q
,
donde se obtiene: r = # de races reales positivas de p
n
(x)
r
,
= # de races reales negativas de p
n
(x)
finalmente se harn todas las combinaciones entre los valores de r y r
,
para analizar las
alternativas de races reales probables que tendr el polinomio p
n
(x).
Ejemplo: Analizar las alternativas probables de las races reales del polinomio dado por:
p x x x x x
4
4 3 2
2 6 4 ( ) = +
Puesto que el polinomio est ordenado, entonces: q = 1
adems: p x x x x x
4
4 3 2
2 6 4 ( ) = + donde q
,
= 3
entonces: (1 - r) = 0 r = 1
(3 - r
,
) = 0, 2 r
,
= 3, 1
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 31
por lo tanto, las alternativas probables sern:
I) 1 raz real positiva y 3 races reales negativas
II) 1 raz real positiva y 1 raz real negativa
donde la caracterstica comn, en las dos alternativas, es que el polinomio tendr al menos
1 raz real positiva y 1 raz real negativa.
En efecto, el polinomio descompuesto en sus factores, viene dado por:
p x x x x x x x x x
4
4 3 2 2
2 6 4 1 2 2 2 ( ) ( )( )( ) = + = + + +
donde se puede confirmar la caracterstica comn analizada.
3.3.1. ALGORITMO DE NEWTON - HORNER
Es un mtodo para determinar races reales de un polinomio p
n
(x) n > 3
Para aplicar este mtodo es conveniente que el polinomio tenga al menos una raz real y que
el valor inicial x
o
sea elemento del anillo complejo.
El proceso consta de los siguientes pasos:
x
0
valor inicial
p x p x
n n
( ) ( )
,
0 0
. evaluacin mediante Horner
x x
p x
p x
n
n
1 0
0
0
=
( )
( )
,
evaluacin mediante Newton
.
As sucesivamente se van determinando nuevas aproximaciones a la raz. Cabe sealar que
el proceso es semi - iterativo, por lo que debe cumplir con una de las condiciones de parada
(condicin de error o tolerancia).
Por otro lado, si se tiene un polinomio normalizado: p x a x
n i
i
n
i
( ) =
=
0
, donde a
n
= 1, una
forma de elegir un valor inicial que est dentro del anillo complejo, es mediante el anlisis
de la caracterstica comn, obtenida de aplicar la Regla de Descartes, la misma que sealar
si la raz real es positiva o negativa, para lo cual se elige el signo correspondiente en la
siguiente relacin:
x
a
a
0
0
1
=
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 32
RESUMEN: Evaluacin de p x a x
n i
i
n
i
( ) = =
=
0
0 normalizado.
ENTRADA: Coeficientes a
i
, Tolerancia c, # mximo de iteraciones k,
valor inicial x
a
a
0
0
1
=
SALIDA: x r
i
~ o Mensaje de fracaso.
ALGORITMO: Para i = 1, 2, , k
Chequear si: p x
n i
'
( )
=
1
0.
Calcular: x x
p x
p x
i i
n i
n i
=
1
1
1
( )
( )
'
.
Probar si: x x
i i x
<
1
c p x
n i p
( ) < c .
Ejemplo: Determinar las races reales de la ecuacin: x x x x
4 3 2
2 6 4 0 + = ,
considerar una tolerancia c
p
<
10
3
.
Valor inicial: x
0
4
6
0 6666 = = , ...
Evaluacin de p x p x
4 0 4 0
0 ( ) ( )
'
. = mediante HORNER:
i j 1 2 3
1 -4 -0.9876 p
4
0 666 ( . . . . )
2 -6 -4.5185 -3.1851
p
4
0666 0
'
( . ...) =
3 -2 -2.222. -2.0
4 1 0.3333 -0.3333
5 1 1 1
Primera aproximacin mediante NEWTON:
x
1
0 666
0 9876
3185
0 9767 =
= . .. .
. . . .
. . ..
. . . .
Evaluacin de p x p x
4 1 4 1
0 ( ) ( )
'
. = mediante HORNER:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 33
i j 1 2 3
1 -4 -0.06926 p
4
0 9767 ( . . . . )
2 -6 -4.02432 -2.9583
p
4
09767 0
'
( . ...) =
3 -2 -2.02271 -1.0914
4 1 0.02325 -0.9534
5 1 1 1
Segunda aproximacin: x
2
09767
0 06926
2 9583
100015 =
= . ...
. ...
. ...
. ...
Evaluacin de p x p x
4 2 4 2
0 ( ) ( )
'
. =
i j 1 2
1 -4 0.000472845
<
p x
4 2
3
10 ( ) cumple con la tolerancia impuesta
2 -6 -3.999842444 .
3 -2 -1.99984237
4 1 -0.0001576055
5 1 1
Segn esto ya no hace falta el clculo de p x
4 2
( ) , puesto que el proceso de bsqueda de la
raz ha terminado.
Por lo tanto: x
2
1000157605 = . es una aproximacin a la raz real.
Si se procede a DEFLACIONAR la ecuacin dada, se tiene lo siguiente:
p x x x x x
4
3 2
1000157606 0 0001576055 199984237 3999842444 ( ) ( . )( . . . ). = +
Repitiendo el proceso anterior para la ecuacin cbica, se tiene:
Valor inicial: x
0
3999842444
199984237
2 00007 = + = +
.
.
. ...
con lo cual se tiene: p x p x
3 0 3 0
3
0 0001576055 10 ( ) . ( ) . = <
DEFLACIONANDO nuevamente, se tiene finalmente que:
( . )( . )( . . ) . x x x x + + + = 1000157606 2 000078858 1999842394 1999842419 0
2
En trminos reales, la descomposicin en factores de la ecuacin es:
p x x x x x
4
2
1 2 2 2 ( ) ( )( )( ). = + + +
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 34
3.3.2. ALGORITMO DE NEWTON - BAIRSTOW
Es un mtodo para determinar races reales y/o complejas de un polinomio p x n
n
( ) . > 3
Este mtodo define un FACTOR CUADRATICO de la forma: x ux v
2
, cuyas races
pueden ser reales o complejas, dependiendo de los valores de u, v.
Considerando el polinomio de la forma: p x a x a
n i
i
n
i
n
( ) . = =
=
0
0
y mediante una divisin sinttica de p x
n
( ) para x ux v
2
, se tiene lo siguiente:
p x
x ux v
q x
x u b b
x ux v
n
n
( )
( )
( )
2 2
1 0
2
= +
+
, con lo que
p x x ux v q x x u b b
n n
( ) ( ) ( ) ( ) = + +
2
2 1 0
donde: q x b b x b x b x b x
n n
n
n
n
n
n
= + + + + +
2 2 3 2
4
1
3 2
( ) . . .. .
as, reemplazando q x
n2
( ) en p x
n
( ) , se tiene que:
p x b ub vb b ub vb x b ub vb x b ub x b x
n n n n
n
n n
n
n
n
( ) ( ) ( ) . . . ( ) ( ) = + + + + +
0 1 2 1 2 3 2 1
2
1
1
segn lo cual se obtienen las siguientes relaciones recursivas:
b a
n n
=
b a ub
n n n
= +
1 1
b a ub vb
n n n n
= + +
2 2 1
.
b a ub vb j n
j j j j
= + + =
+ + 1 2
2 0 , . .. ,
.
b a ub vb f u v
1 1 2 3
= + + = ( , )
b a ub vb g u v
0 0 1 2
= + + = ( , )
Entonces el mtodo para la obtencin de races reales y/o complejas, consiste en determinar
valores de u . v tales que hagan que b b
1 0
. sean iguales a cero, con lo que:
p x x ux v q x
n n
( ) ( ) ( ). =
2
2
Por lo tanto debe resolverse el sistema de ecuaciones:
f u v
g u v
( , )
( , )
=
=
0
0
Para resolver el sistema de ecuaciones se usa el ALGORITMO DE NEWTON en 2
variables dado por el siguiente desarrollo:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 35
Si f u v g u v ( , ) ( , ) . son funciones continuas y diferenciables en el intervalo | | a b , y adems
sean u v
i i
.
1 1
buenas aproximaciones a las races s t . respectivamente, tales que
f u v g u v
i i i i
`( , ) `( , )
. =
1 1 1 1
0 , entonces la expansin en series de Taylor de las
funciones f u v g u v ( , ) ( , ) . alrededor del punto (s, t) viene dada por:
f u v f u v
f
u
u u
f
v
v v
g u v g u v
g
u
u u
g
v
v v
i i
i
i
i
i
i i
i
i
i
i
( , ) ( , ) [ ] [ ]
( , ) ( , ) [ ] [ ]
= + + +
= + + +
1 1
1
1
1
1
1 1
1
1
1
1
c
c
c
c
c
c
c
c
donde:
i
i i
i
i i
f
u u
f u v
g
u u
g u v
=
=
1
1 1
1
1 1
c
c
c
c
c
c
c
c
( , )
( , )
adems:
i
i i
i
i i
f
v v
f u v
g
v v
g u v
=
=
1
1 1
1
1 1
c
c
c
c
c
c
c
c
( , )
( , )
Por otro lado considerando:
u u s
v v t
i
i
= ~
= ~
, entonces:
f s t f u v u u
f
u
v v
f
v
g s t g u v u u
g
u
v v
g
v
i i i i
i
i i
i
i i i i
i
i i
i
( , ) ( , ) ( ) ( )
( , ) ( , ) ( ) ( )
= ~ + +
= ~ + +
0
0
1 1 1
1
1
1
1 1 1
1
1
1
c
c
c
c
c
c
c
c
donde:
u
v
u
v
f
u
f
v
g
u
g
v
f u v
g u v
i
i
W
i
i
W
i i
i i
J
i i
i i
H W i
i
i
i
|
\
|
.
| =
|
\
|
.
|
|
\
|
.
|
|
|
|
|
|
\
|
.
|
1
1
1 1
1 1
1
1 1
1 1
1
1
1
1
_
_
_
c
c
c
c
c
c
c
c
( , )
( , )
( )
entonces: W W J H W
i i i i
=
1 1
1
1
( ) ecuacin matricial iterativa de punto fijo de
segundo orden, conocido como NEWTON en 2
variables. J : J acobiano.
Ahora, derivando las expresiones de b
j
, dentro de un proceso iterativo, se tiene que:
i
n
b
u
=
1
0
c
c
i
n
n
b
u
b
=
1
1
c
c
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 36
i
n
n
i
i
i
n
b
u
b u
b
u
= +
1
2
1
1
1
1
1
c
c
c
c
( )
i
n
n
i
i
i
n
i
i
n
b
u
b u
b
u
v
b
u
= + +
1
3
2
1
1
1
2
1
1
1
c
c
c
c
c
c
( )
.
i
j
j
i
i
i
j
i
i
j
b
u
b u
b
u
v
b
u
j n
+
= + + =
1
1
1
1
1
1
1
1
2
3 0
c
c
c
c
c
c
( )
,....,
.
i
i
i
i
i
i i
i
i
i
i
i
i i
b
u
b u
b
u
v
b
u
f
u
b
u
b u
b
u
v
b
u
g
u
= + + =
= + + =
1
1
2
1
1
1
2
1
1
3
1
1
0
1
1
1
1
1
1
1
2
1
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
( )
( )
Tambin :
i
n
b
v
=
1
c
c
i
n
b
v
=
1
1
0
c
c
i
n
n
b
v
b
=
1
2
c
c
i
n
n
i
i
i
n
b
v
b u
b
v
= +
1
3
1
1
1
1
2
c
c
c
c
( )
i
n
n
i
i
i
n
i
i
n
b
v
b u
b
v
v
b
v
= + +
1
4
2
1
1
1
3
1
1
2
c
c
c
c
c
c
( )
.
i
j
j
i
i
i
j
i
i
j
b
v
b u
b
v
v
b
v
j n
+
= + + =
1
2
1
1
1
1
1
1
2
4 0
c
c
c
c
c
c
( )
,....,
.
i
i
i
i
i
i i
i
i
i
i
i
i i
b
v
b u
b
v
v
b
v
f
v
b
v
b u
b
v
v
b
v
g
v
= + + =
= + + =
1
1
3
1
1
1
2
1
1
3
1
1
0
2
1
1
1
1
1
1
2
1
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
( )
( )
cambiando de variables, se tiene :
i
n
n n n
b
u
c b a
= = =
1
1
c
c
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 37
i
n
n
i
n
i
i n
b
u
c b u c
= = +
1
2
1
1
1
1
1
c
c
( ) ( )
i
n
n
i
n
i
i n
i
i n
b
u
c b u c v c
= = + +
1
3
2
1
2
1
1 1
1
1
c
c
( ) ( ) ( )
.
i
j
j
i
j
i
i j
i
i j
i
b
u
c b u c v c j n n
= = + + =
1
1
1 1
1 1
1
1 2
1
2 3 1
c
c
( ) ( ) ( ) ( )
, ,....,
.
i
i i
i
i
i
i
i
b
u
c b u c v c
f
u
= = + + =
1
1
2
1
2
1
1 3
1
1 4
1
1
c
c
c
c
( ) ( ) ( ) ( )
Ec. 1
i
i i
i
i
i
i
i
b
u
c b u c v c
g
u
= = + + =
1
0
1
1
1
1
1 2
1
1 3
1
1
c
c
c
c
( ) ( ) ( ) ( )
Ec. 2
Tambin, y puesto que :
i
n
n n
b
v
b a
= =
1
2
c
c
, entonces :
i
n
n n n
b
v
c b a
= = =
1
2
c
c
i
n
n
i
n
i
i n
b
v
c b u c
= = +
1
3
1
1
1
1
1
c
c
( ) ( )
i
n
n
i
n
i
i n
i
i n
b
v
c b u c v c
= = + +
1
4
2
1
2
1
1 1
1
1
c
c
( ) ( ) ( )
.
i
j
j
i
j
i
i j
i
i j
i
b
v
c b u c v c j n n
= = + + =
1
2
1 1
1 1
1
1 2
1
2 3 2
c
c
( ) ( ) ( ) ( )
, ,....,
.
i
i i
i
i
i
i
i
b
v
c b u c v c
f
v
= = + + =
1
1
3
1
3
1
1 4
1
1 5
1
1
c
c
c
c
( ) ( ) ( ) ( )
Ec. 3
i
i i
i
i
i
i
i
b
v
c b u c v c
g
v
= = + + =
1
0
2
1
2
1
1 3
1
1 4
1
1
c
c
c
c
( ) ( ) ( ) ( )
Ec. 4
Por lo tanto, reemplazando las expresiones Ec.1, Ec.2, Ec.3 y Ec.4 en la ecuacin matricial
iterativa de punto fijo de NEWTON, se tiene lo siguiente:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 38
u
v
u
v
c c
c c
b
b
i
i
i
i
i i
i i
i
i
|
\
|
.
|
=
|
\
|
.
|
|
\
|
.
|
|
\
|
.
|
1
1
2
1
3
1
1
1
2
1
1
1
1
0
1
( ) ( )
( ) ( )
( )
( )
donde:
| |
u u
c b c b
J
v v
c b c b
J
J c c c
i i
i i i i
i
i i
i i i i
i
i
i i i
=
= +
=
1
2
1
1
1
3
1
0
1
1
1
1
1
1
1
2
1
0
1
1
1 2
1
2
1
1
3
1
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
( )
( ) ( ) ( )
A
A
A
El proceso iterativo avanzar hasta que se cumpla con una condicin de tolerancia, como:
u u
v v
u u
u
v v
v
f u v
g u v
b
b
i i
i i
a
i i
i
i i
i
r
i i
i i
H
i
i
b
(
`
(
`
1
1
1
1
1
1
0
1
c c c c , ,
( , )
( , )
,
( )
( )
as, el polinomio toma la siguiente forma:
p x x u x v q x
n i i n
i
( ) ( ) ( )
( )
=
2
2
1
, donde:
q x b b x b x b x b x
n
i i i i
n
i n
n
i n
= + + + + +
2
1
2
1
3
1
4
1 2
1
1 3 1 2 ( ) ( ) ( ) ( ) ( ) ( )
( ) .
Entonces q
n-2
(x) es un polinomio obtenido de la deflacin de p
n
(x) a travs del factor
cuadrtico (x
2
- u
i
x - v
i
).
Por otro lado, si p
n
(x) = 0 entonces para el caso de races complejas, el factor cuadrtico
tendr la forma dada por:
( )( ) x j x j + o | o |
donde: x x
u
v
2 2 2
2 2
2
2
+ +
=
=
o o |
o
o |
( )
Adems una aproximacin inicial de (u
0
, v
0
) debe ser lo ms cercana a (s, t)
RESUMEN: Evaluacin de la ecuacin p x a x
n i
i
i
n
( ) = =
=
0
0
ENTRADA: Coeficientes a
i
, Aproximacin inicial (u
0
, v
0
), Tolerancia c, # mximo
de iteraciones k.
SALIDA: (u
i
, v
i
) ~ (s, t) Mensaje de fracaso.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 39
ALGORITMO:
Para = 1, 2, ....,
Considerar:
Hacer:
Calcular:
i k
c b a
b a u b
c b u c
j n n
b a u b
n
i
n
i
n
n
i
n i n
i
n
i
n
i
i n
i
j
i
j i j
i
( ) ( )
( ) ( )
( ) ( ) ( )
( ) (
, , ,
= =
= +
= +
=
= +
1 1
1
1
1 1
1
1
1
1
1
1
1
1
1 1
2 3 0 .
| |
1
1 2
1
1 1
1 1
1
1 2
1
1 2
1
2
1
1
3
1
1
1
2
1
1
2 3 1
0
1
) ( )
( ) ( ) ( ) ( )
( )
( ) ( ) ( )
( )
( )
, , ,
+
=
= + +
= =
=
+
v b
j n n
b u c v c
J c c c
u u
J
c b
i j
i
j
i
j
i
i j
i
i j
i
i
i i i
i i
i
i
Hacer:
Calcular: c
Chequear si:
Calcular:
.
A
A
| |
| |
( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( , ) ( , )
i i i
i i
i
i i i i
i i i i W
i i i i H
c b
v
J
c b c b
u u v
f u v g u v
= +
. (
. (
1
3
1
0
1
1
1
1
1
1
1
2
1
0
1
1 1
1
v
Probar si: v o
A
c
c
Ejemplo: Determinar las races del polinomio p
3
(x) = x
3
- x
2
+ x - 2 = 0 mediante el
Algoritmo de Newton - Bairstow, considerar (u
0
, v
0
) = (0.5, -1.5) y una
tolerancia c
H
< 10
-3
.
coeficientes: c
3
= b
3
= a
3
= 1
a
2
= - 1, a
1
= 1, a
0
= - 2
entonces:
b a u b c b u c
b a u b v b c b u c v c
b a u b v b
i
i
i i
i
i
i
i
i
i i
i
i
i
i
i
i
i
i
2
1
2 1 3 2
1
2
1
1 3
1
1
1 1 2
1
1 3 1
1
1
1
1 2
1
1 3
0
1
0 1 1
1
1 2
1
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
= + = +
= + + = + +
= + +
adems:
| |
u u
c b c b
J
v v
c b c b
J
J c c c
i i
i i i i
i
i i
i i i i
i
i
i i i
=
= +
=
1
2
1
1
1
3
1
0
1
1
1
1
1
1
1
2
1
0
1
1
1 2
1
2
1
1
3
1
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
( )
( ) ( ) ( )
A
A
A
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 40
Por lo tanto, el resumen de clculos se presenta en la siguiente tabla:
i b
2
(i-1)
C
2
(i-1)
b
1
(i-1)
b
0
(i-1)
C
1
(i-1)
AJ
(i-1)
i
u
i
0 - - - - - - 0,5 -1,5
1 -0,5 0,0 -0,75 -1,625 -2,25 2,25 -0,22222 -0,75000
2 -1,22222 -1,44444 0,52160 -1,19925 0,09259 1,99383 -0,44582 -1,59458
3 -1,44582 -1,89164 0,05000 0,28319 -0,70125 4,27956 -0,35755 -1,47760
4 -1,35755 -1,71510 0,00779 0,00313 -0,85657 3,79814 -0,35321 -1,47794
5 -1,35321 -1,70641 0,00002 -0,00004 -0,87521 3,78706 -0,35321 -1,47797
Entonces:
u s
v t
5
5
0 35321
147797
= ~
= ~
.
.
As: p
3
(x) = (x
2
+ 0.35321x + 1.47797)(x - 1.35321) r
1
= - 0.17660 + j1.20282
r
2
= - 0.17660 - j1.20282
r
3
= 1.35321
3.3.3. EVALUACIN DE POLINOMIOS Y SUS DERIVADAS EN AR-
GUMENTO COMPLEJO
Como una consecuencia del mtodo Newton - Bairstow, se pueden evaluar polinomios y
sus derivados en argumento complejo.
As, considerando el argumento complejo de la forma: o = o + j|, entonces se pueden tener
cualquiera de las siguientes alternativas:
1) Si: o = r (raz del polinomio p
n
(x)) b
1
= b
0
= 0
2) Si: o = r b
1
. b
0
= 0
Adems si se forma un factor cuadrtico cuyas races sean o j|, entonces mediante el
criterio de la divisin sinttica, se tiene lo siguiente:
p
n
(x) = (x
2
- ux - v)q
n-2
(x) + b
1
(x - u) + b
0
donde: p
n
(o) = b
1
(o - u) + b
0
= b
1
(o + j| - 2o) + b
0
o = o + j|
u = 2o
p
n
(o) = (b
0
- ob
1
) + j|b
1
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 41
Por otro lado, siendo:
p
n
(x) = (x
2
- ux - v)q
n-2
(x) + (x - u)b
1
+ b
0
, entonces:
p
n
(x) = (2x - u)q
n-2
(x) + (x
2
- ux -v)q
n-2
(x) + b
1
, donde:
q
n-2
(x) = (x
2
- ux - v)u
n-4
(x) + (x - u)c
3
+ c
2
por lo que si o es raz del factor cuadrtico (x
2
- ux - v), entonces:
p
n
(o) = (2o - ) |(o - )c
3
+ c
2
| + b
1
p
n
(o) = (b
1
- 2|
2
c
3
) + j(2|c
2
- 2o|c
3
)
Ejemplo: Evaluar el polinomio p
3
(x) = x
3
- 6x
2
+ 11x - 6 y su derivada en o = 3 - j4.
donde: o = 3 = 2o = 6
| = -4 v = - o
2
- |
2
= -25
adems: c
3
= b
3
= a
3
= 1
a
2
= -6
a
1
= 11
a
0
= -6
entonces: b
2
= a
2
+ b
3
= - 6 + 6*1 = 0
c
2
= b
2
+ c
3
= 0 + 6*1 = 6
tambin: b
1
= a
1
+ b
2
+ vb
3
= -14
b
0
= a
0
+ b
1
+ vb
2
= -90
por lo tanto, reemplazando los valores obtenidos en las frmulas del polinomio y su primera
derivada, se tiene respectivamente lo siguiente:
p
3
(3 - j4) = (b
0
- 3b
1
) - j4b
1
= (-90 - 3(-14)) - j4(-14) = - 48 + j56
p
3
(3 - j4) = (b
1
- 2(-4)
2
c
3
) + j(2(-4)c
2
- 2(3)(-4) c
3
)
= (-14 - 32) + j(-48 + 24) = - 46 - j24
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 42
4. SOLUCIN DE SISTEMA DE ECUACIONES
Se han desarrollado mtodos directos para la solucin de sistemas lineales, y mtodos
iterativos para la solucin de sistemas tanto lineales como no lineales.
Un sistema lineal de ecuaciones viene expresado en la siguiente forma:
E
1
: a
11
x
1
+ a
12
x
2
+ ....... + a
1n
x
n
= b
1
E
2
: a
21
x
1
+ a
22
x
2
+ ....... + a
2n
x
n
= b
2
:
:
E
n
: a
n1
x
1
+ a
n2
x
2
+ ....... + a
nn
x
n
= b
n
En un sistema lineal, es posible aplicar una secuencia de operaciones que permitan
transformar al sistema original en otro que contenga el mismo conjunto de soluciones.
Las operaciones bsicas, pueden ser las siguientes:
( E
i
) (E
i
) = 0
(E
i
+ E
j
) (E
i
)
(E
i
) (E
j
) (E
i
)
En forma matricial, un sistema lineal viene dado por:
a a a
a a a
a a a
A
x
x
x
X
b
b
b
B
n
n
n n nn n n
11 12 1
21 22 2
1 2
1
2
1
2
........
........
........
.
_
. .
|
\
|
.
|
|
|
|
|
\
|
.
|
|
|
|
=
|
\
|
.
|
|
|
|
donde: AX = B A es una matriz cuadrada (#ecuaciones = # incgnitas)
X es un vector de incgnitas
B es un vector de trminos independientes (B = C para solucin nica)
Por otro lado un sistema no lineal, viene expresado en la siguiente forma:
f
1
(x
1
, x
2
, ....... ,x
n
) = 0
f
2
(x
1
, x
2
, ....... ,x
n
) = 0
.
.
f
n
(x
1
, x
2
, ........ ,x
n
) = 0
F(X) = C
donde: f
1
, f
2
, ......., f
n
se llaman funciones coordenadas de F.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 43
4.1. MTODOS DIRECTOS PARA LA SOLUCIN DE UN SISTE-
MA DE ECUACIONES LINEALES
Son mtodos que proporcionan una respuesta en un nmero fijo de pasos y se hallan sujetos
fundamentalmente a errores de redondeo.
4.1.1. ALGORITMO DE ELIMINACIN GAUSSIANA
Es un mtodo a travs del cual se consigue triangularizar el sistema lineal, obtenindose:
E a x a x a x b
E a x a x b
E a x b
n n
n n
n nn n n
1 11 1 12 2 1 1
2 22 2 2 2
, , , , ,
, , , ,
, , ,
:
:
:
+ + + =
+ + =
=
.
Por lo tanto el sistema original: AX = B se transforma en AX = B , donde:
A es una matriz triangular superior.
El proceso de triangularizacin paso a paso es el siguiente:
k = 0 Sistema original: n filas (i) y n columnas (j)
a a a a
a a a a
a a a a
a a a a
x
x
x
x
b
b
b
b
E
E
E
E
n
n
n
n n n nn
n
n n
11
0
12
0
13
0
1
0
21
0
22
0
23
0
2
0
31
0
32
0
33
0
3
0
1
0
2
0
3
0 0
1
2
3
1
0
2
0
3
0
0
1
0
2
0
3
0
0
. . .
|
\
|
.
|
|
|
|
|
|
|
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
|
|
|
|
|
|
k = 1 Eliminacin de la primera columna (j = 1) a partir de la segunda fila (i = 2, 3, )
Para: a
11
0
0 =
a a a a
a a a
a a a
a a a
x
x
x
x
b
b
b
b
E
E
E
E
n
n
n
n n nn
n
n n
11
0
12
0
13
0
1
0
22
1
23
1
2
1
32
1
33
1
3
1
2
1
3
1 1
1
2
3
1
0
2
1
3
1
1
1
0
2
1
3
1
1
0
0
0
. . .
|
\
|
.
|
|
|
|
|
|
|
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
|
|
|
|
|
|
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 44
donde:
| |
E
a
a
E E
i
i
i
0 1
0
11
0 1
0 1
|
\
|
.
|
(
para i = 2, 3, ., n
k = 2 Eliminacin de la segunda columna (j = 2) a partir de la tercera fila (i = 3, 4, )
Para: a
22
0
0 =
a a a a
a a a
a a
a a
x
x
x
x
b
b
b
b
E
E
E
E
n
n
n
n nn
n
n n
11
0
12
0
13
0
1
0
22
1
23
1
2
1
33
2
3
2
3
2 2
1
2
3
1
0
2
1
3
2
2
1
0
2
1
3
2
2
0
0 0
0 0
. . .
|
\
|
.
|
|
|
|
|
|
|
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
|
|
|
|
|
|
donde:
| |
E
a
a
E E
i
i
i
1 2
1
22
1 2
1 2
|
\
|
.
|
(
para i = 3, 4, ., n
As, sucesivamente hasta completar con toda la triangularizacin del sistema lineal, esto es:
Para: a
kk
k
=
1
0
a a a a
a a a
a a
a
x
x
x
x
b
b
b
b
E
E
E
E
n
n
n
nn
n
n
n
n
n
n
11
0
12
0
13
0
1
0
22
1
23
1
2
1
33
2
3
2
1
1
2
3
1
0
2
1
3
2
1
1
0
2
1
3
2
1
0
0 0
0 0 0
. . .
|
\
|
.
|
|
|
|
|
|
|
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
|
|
|
|
|
|
donde:
| |
E
a
a
E E
i
k ik
k
kk
k k
k
i
k
|
\
|
.
|
(
1
1
1
1
para: k = 1, 2, .., n-1
i = k+1, k+2, .., n
Ahora haciendo una sustitucin hacia arriba, se tiene lo siguiente:
x
a
b
n
nn
n n
n
=
1
1
1
( )
x
a
b a x
n
n n
n n
n
n n
n
n
=
1
1 1
2 1
2
1
2
1
,
,
( )
x
a
b a x a x
n
n n
n n
n
n n
n
n n n
n
n
=
2
2 2
3 2
3
2 1
3
1 2
3
1
,
, ,
( )
.
.
.
x
a
b a x
i
ii
i i
i
ij
i
j i
n
j
=
= +
1
1
1 1
1
( ) para i = n-1, n-2, .., 1
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 45
Finalmente, segn la expresin:
| |
E
a
a
E E
i
k ik
k
kk
k k
k
i
k
|
\
|
.
|
(
1
1
1
1
se deducen las siguientes expresiones vlidas:
a a
a
a
a
b b
a
a
b
k n
i k n
j k n
ij
k
ij
k ik
k
kk
k
kj
k
i
k
i
k ik
k
kk
k k
k
=
|
\
|
.
|
=
|
\
|
.
|
=
= +
=
1
1
1
1
1
1
1
1
1 2 1
1 donde:
, , ,
, ,
, ,
RESUMEN: Solucin de un Sistema Lineal AX = B
ENTRADA: n (# de ecuaciones = # de incgnitas), a
ij
(coeficientes), b
i
(trminos independientes)
SALIDA: x
1
, x
2
, .., x
n
mensaje de que el sistema lineal no tiene
solucin nica.
ALGORITMO: Considerar: A a
ij n n
= ( )
*
0
B b
i n
= ( )
*
0
1
Para: k = 1, 2, .., n-1
Probar s: a
kk
k
=
1
0
Hacer: i = k+1, k+2, .., n
Hacer: j = k, k+1, .., n
Calcular: a a
a
a
a
ij
k
ij
k ik
k
kk
k kj
k
=
|
\
|
.
|
1
1
1
1
b b
a
a
b
i
k
i
k ik
k
kk
k k
k
=
|
\
|
.
|
1
1
1
1
Calcular: x
a
b
n
nn
n n
n
=
1
1
1
( )
Para: i = n-1, n-2, .., 1
Calcular: x
a
b a x
i
ii
i i
i
ij
i
j i
n
j
=
= +
1
1
1 1
1
( )
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 46
Ejemplo: Resolver el sistema lineal, mediante Eliminacin Gaussiana, usando aritmtica de
redondeo a 2 cifras significativas.
4x
1
+ x
2
+ 2x
3
= 9
2x
1
+ 4x
2
- x
3
= -5
x
1
+ x
2
- 3x
3
= -9
Donde:
4 1 2
2 4 1
1 1 3
9
5
9
1
2
3
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
A
x
x
x
X B
_
Considerando la matriz ampliada (AB) = C y efectuando operaciones consecutivas, se
tiene lo siguiente:
| |
| |
C
E
E E
a
a
E
E E
a
a
E
0
1
0
2
1
2
0 21
0
11
0 1
0
3
1
3
0 31
0
11
0
1
0
4 1 2
2 4 1
1 1 3
9
5
9
=
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
(
=
|
\
|
.
|
(
.
.
.
.
.
_
primera eliminacion
| |
C
E
E
E E
a
a
E
1
1
0
2
1
3
2
3
1 32
1
22
1 2
1
4 1 2
0 35 2
0 0 75 35
9
9 5
11
=
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
(
.
. .
.
.
.
.
.
.
_
segunda eliminacion
C
E
E
E
2
1
0
2
1
3
2
4 1 2
0 35 2
0 0 31
9
9 5
9
=
|
\
|
.
|
|
|
|
|
|
.
.
.
.
.
.
.
.
_
tercera eliminacion
entonces: x
a
b
3
33
2 3
2
1
31
1
9 2 9 = = =
( ) ( ) .
.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 47
x
a
b a x
2
22
1 2
1
23
1
3
1
3 5
1
9 5 2 2 9 11 = = + = ( ) ( . ( . )) .
.
x
a
b a x a x
1
11
0 1
0
12
0
2 13
0
3
1
4
1
9 11 2 2 9 11 = = = ( ) ( ( . ) ( . )) .
La solucin exacta del sistema es: X =
|
\
|
.
|
|
|
1
1
3
4.1.2. ALGORITMO DE GAUSS - JORDAN
Es un mtodo basado en el de Eliminacin Gaussiana. La matriz A es transformada en
matriz identidad, obtenindose lo siguiente:
' = '
' = '
' = = '
E x b
E x b
E x b
n n n
1 1 1
2 2 2
:
:
.
donde: AX = B AX = B A = I
Asumiendo el sistema original como sigue:
a a a
a a a
a a a
b
b
b
C C C
C C C
C C C
C
C
C
C
n
n
n n nn n
n
n
n n nn
n
n
n n
11
0
12
0
1
0
21
0
22
0
2
0
1
0
2
0 0
1
0
2
0
0
11
0
12
0
1
0
21
0
22
0
2
0
1
0
2
0 0
1 1
0
2 1
0
1
0
0
. . .
.
.
.
.
. . .
.
.
.
.
|
\
|
.
|
|
|
|
|
\
|
.
|
|
|
|
|
=
+
+
+
( )
( )
( )
Entonces: Para k = 1 Normalizacin de la primera fila (i = 1) con C
11
0
0 =
1
12
1
1
1
21
0
22
0
2
0
1
0
2
0 0
1 1
1
2 1
0
1
0
C C
C C C
C C C
C
C
C
n
n
n n nn
n
n
n n
. . .
.
.
.
.
( )
( )
( )
+
+
+
|
\
|
.
|
|
|
|
|
donde: C
C
C
j = , , ..., n+
j
j
1
1
1
0
11
0
1 2 1 = para:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 48
- Eliminacin de elementos de la primera columna (j = 1) excepto el elemento de la
primera fila (i = 1)
1
0
0
12
1
1
1
22
1
2
1
2
1 1
1 1
1
2 1
1
1
1
1
C C
C C
C C
C
C
C
C
n
n
n nn
n
n
n n
. . .
.
.
.
.
( )
( )
( )
+
+
+
|
\
|
.
|
|
|
|
|
=
donde: C C C C i = , , ..., n
ij ij j i
1 0
1
1
1
0
2 3 = para:
j = 1, 2, , n+1
Para k = 2 Normalizacin de la segunda fila (i = 2) con C
22
0
0 =
1
0 1
0
12
1
1
1
2
2
2
1 1
1 1
1
2 1
2
1
1
C C
C
C C
C
C
C
n
n
n nn
n
n
n n
. . .
.
.
.
.
( )
( )
( )
+
+
+
|
\
|
.
|
|
|
|
|
donde: C
C
C
j = , , ..., n+
j
j
2
2
2
1
22
1
2 3 1 = para:
- Eliminacin de elementos de la segunda columna (j = 2) excepto el elemento
de la segunda fila (i = 2)
1 0
0 1
0 0
1
2
2
2
2
1 1
2
2 1
2
1
2
2
. . .
.
.
.
.
C
C
C
C
C
C
C
n
n
nn
n
n
n n
( )
( )
( )
+
+
+
|
\
|
.
|
|
|
|
|
=
donde: C C C C i = , , ..., n
ij ij j i
2 1
2
2
2
1
1 3 4 = para: ,
j = 2, 3, , n+1
As, sucesivamente hasta completar con la eliminacin de elementos.
En general se tiene lo siguiente:
Para: k = 1, 2, ...., n con C
kk
k ( ) 1
= 0
Normalizacin: C
C
C
kj
k
kj
k
kk
k
( )
( )
( )
=
1
1
j = k, k+1, ...., n+1
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 49
Eliminacin: C C C C
ij
k
ij
k
kj
k
ik
k ( ) ( ) ( ) ( )
=
1 1
i = 1, 2, 3, ...., n ( i = k)
j = k, k+1, ...., n+1
Adems: x C
i i n
n
=
+ ( )
( )
1
i =1, 2, ...., n
Cabe sealar que este mtodo requiere de un mayor nmero de operaciones, respecto al de
Eliminacin Gaussiana, por lo que los errores de aproximacin sern mayores.
RESUMEN: Solucin de un sistema lineal AX = B
ENTRADA: n (#de ecuaciones = # de incgnitas), C
ij
(Coeficientes de matriz
aumentada).
SALIDA: x
1
, x
2, ....,
x
n
o Mensaje de que el sistema lineal no tiene solucin
nica.
ALGORITMO: Considerar: C
(0)
= ( )
( )
( )
C
ij n n x
0
1 +
Para: k = 1, 2, ....., n
Probar si: ( C
kk
k ( ) 1
) = 0
Hacer: i = 1, 2 ,..., n (i = k)
Para: j = k, k+1, ..., n+1
Calcular: C
C
C
kj
k
kj
k
kk
k
( )
( )
( )
=
1
1
C C C C
ij
k
ij
k
kj
k
ik
k ( ) ( ) ( ) ( )
=
1 1
Para: i = 1, 2,...., n
Calcular: X C
i i n
n
=
+ ( )
( )
1
Ejemplo: Resolver el sistema lineal mediante Gauss - Jordan, usando aritmtica de
redondeo a 2 dgitos.
4 2 9
2 4 5
3 9
4 1 2
2 4 1
1 1 3
9
5
9
1 2 3
1 2 3
1 2 3
X X X
X X X
X X X
C
+ + =
+ =
+ =
|
\
|
.
|
|
|
Efectuando operaciones consecutivas de eliminacin de elementos, se tiene lo siguiente:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 50
Efectuando operaciones consecutivas de eliminacin de elementos, se tiene lo siguiente:
| |
| |
C
E
E
C
E E
C
C
E
E E
C
C
E
0
1
1 1
0
11
0
2
1
2
0 21
0
11
0 1
1
3
1
3
0 31
0
11
0 1
1
4 1 2
2 4 1
1 1 3
9
5
9
=
|
\
|
.
|
|
|
|
|
|
=
(
=
|
\
|
.
|
(
=
|
\
|
.
|
(
.
.
.
.
.
_
primera eliminacion
| |
C
E E
C
C
E
E
E
C
E E
C
C
E
1
1
2
1
1 12
1
22
1 2
2
2
2 2
1
22
1
3
2
3
1 32
1
22
1 2
2
1 0 25 05
0 35 2 0
0 0 75 35
2 2
9 4
11
=
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
(
=
(
=
|
\
|
.
|
(
. .
. .
. .
.
.
.
.
.
.
.
_
segunda eliminacion
C
E E
C
C
E
E E
C
C
E
E
E
C
2
1
3
1
2 13
2
33
2 3
3
2
3
2
2 23
2
33
2 3
3
3
3 3
2
33
2
1 0 0 64
0 1 057
0 0 31
2 9
2 7
9
=
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
(
=
|
\
|
.
|
(
=
(
.
.
.
.
.
.
.
.
.
.
_
tercera eliminacion
por lo tanto: C
3
1 0 0
0 1 0
0 0 1
10
10
2 9
=
|
\
|
.
|
|
|
.
.
.
.
.
.
donde:
x C
x C
x C
1 14
3
2 24
3
3 34
3
10
10
2 9
= =
= =
= =
.
.
.
4.1.3. ALGORITMO DE FACTORIZACIN
Es un mtodo por medio del cual la matriz A se descompone en el producto de dos
matrices, una triangular inferior y otra triangular superior, as:
AX = B A = LU, donde:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 51
( )
( )
L l
i n
j i n
l
i n
j i
U U
u
i n
j i n
i n
j i
ij
n n
ij
ij
n n
ij
x
x
= =
=
= +
=
=
= =
=
=
=
=
0
1 1
1
1
1
1
0
2
1
,....,
,....,
,....,
,....,
,....,
,....,
,....,
,....,
Matriz triangular inferior
Matriz triangular superior
1
entonces: AX B LUX B = = , donde:
LY B Y
UX Y X
=
=
As, entonces el mtodo consiste en factorizar la matriz A y luego despejar de cada sistema
los vectores Y y X en forma consecutiva .
Por lo tanto:
a a a
a a a
a a a
l
l l
l l l
u u u
u u
u
n
n
n n nn n n nn
n
n
nn
11 12 1
21 22 2
1 2
11
21 22
1 2
11 12 1
22 2
0 0
0 0
0 0
. .
. .
. . .
. . .
. .
. .
. .
. . .
. . .
. .
. .
. .
. . .
. . .
. .
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
|
|
|
|
|
|
\
|
.
|
|
|
|
|
|
segn lo cual se tienen n
2
+n incgnitas y solamente n
2
ecuaciones obtenidas al aplicar el
producto matricial, dado por:
a
ij
= l u
ik kj
k
n
=
1
Bajo esta incompatibilidad, se asume uno de los siguientes criterios vlidos:
a) l
11
= l
22
= ......... = l
nn
= 1 Criterio de DOOLITTLE
b) l
11
= u
11
, l
22
= u
22
,........., l
nn
= u
nn
Criterio de CHOLESKI
c) u
11
= u
22
= ......... = u
nn
= 1 Criterio de CROUT
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 52
Asumiendo el criterio de DOOLITTLE, se tiene:
a a a
a a a
a a a
l
l l
u u u
u u
u
n
n
n n nn n n
n
n
nn
11 12 1
21 22 2
1 2
21
1 2
11 12 1
22 2
1 0 0
1 0
1
0
0 0
. .
. .
. . .
. . .
. .
. .
. .
. . .
. . .
. .
. .
. .
. . .
. . .
. .
|
\
|
.
|
|
|
|
|
|
=
|
\
|
.
|
|
|
|
|
|
|
\
|
.
|
|
|
|
|
|
donde:
a
11
= u
11
a
12
= u
12
................................a
1n
= u
1n
a
21
= l
21
u
11
a
22
= l
21
u
12
+ u
22
....................a
2n
= l
21
u
1n
+ u
2n
. .
. .
a
n1
= l
n1
u
11
a
n2
= l
n1
u
12
+l
n2
u
22
................a
nn
= l
n1
u
1n
+ l
n2
u
2n
+ .... + u
nn
Por lo tanto:
l
a
u
i n
u a j n
i
i
j j
1
1
11
1 1
2
1
= =
= =
,............,
,...........,
adems para: k = 2, ....., n y u
kk
= 0 , entonces :
l
u
a l u i k n
u a l u j k n
ik
kk
ik im mk
m
k
kj kj km mj
m
k
=
|
\
|
.
| = +
= =
1
1
1
1
1
1
,......,
,......,
Por otro lado, segn el sistema LY = B, se tiene lo siguiente:
y b
y b l y i n
i i ij j
j
i
1 1
1
1
2
=
= =
,...,
Finalmente, de acuerdo al sistema UX = Y, se tiene que:
x
u
y
x
u
y u x i n
n
nn
n
i
ii
i ij j
j i
n
=
=
|
\
|
.
| =
= +
1
1
1 1
1
( )
,....,
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 53
RESUMEN: Solucin de un sistema lineal AX = B
ENTRADA: n (# de ecuaciones = # de incgnitas), a
ij
(coeficientes), b
i
(trminos independientes).
SALIDA: x
1
, x
2
, ....., x
n
Mensaje de que el sistema lineal no tiene solucin
nica:
ALGORITMO: Considerar u
11
= a
11
= 0
Para: k = 2,...., n
Asumir: u
1k
= a
1k
Calcular: l
k1
= a
k1
/ u
11
Para k = 2,...., n
Hacer: j = k,...., n
Calcular: u a l u
kj kj km mj
m
k
=
=
1
1
Probar si: u
kk
= 0
Hacer: i = k + 1, ...., n
Calcular: l
u
a l u
ik
kk
ik im mk
m
k
=
|
\
|
.
|
=
1
1
1
Asumir: y
1
= b
1
Para: i = 2, ....., n
Calcular: y
i
= b l y
i ij j
j
i
1
1
Asumir: x
n
= y
n
/ u
nn
Para: i = n-1,.......,1
Calcular: x
u
y u x
i
ii
i ij j
j i
n
=
|
\
|
.
|
= +
1
1
Ejemplo: Resolver el sistema lineal de ecuaciones mediante factorizacin usando el
criterio de DOOLITTLE y aritmtica de redondeo a 2 dgitos .
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 54
4 2 9
2 4 5
3 9
4 1 2
2 4 1
1 1 3
4 1 2
2 4 1
1 1 3
1 0 0
1 0
1
0
0 0
1 2 3
1 2 3
1 2 3
21
31 32
11 12 13
22 23
33
x x x
x x x
x x x
A
donde
l
l l
u u u
u u
u
+ + =
+ =
+ =
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
|
\
|
.
|
|
|
:
as: a
11
= 4 = u
11
a
12
= 1 = u
12
a
13
= 2 = u
13
a
21
= 2 = l
21
u
11
a
22
= 4 = l
21
u
12
+ u
22
a
23
= -1 = l
21
u
13
+ u
23
a
31
= 1 = l
31
u
11
a
32
= 1 = l
31
u
12
+ l
32
u
22
a
33
= -3 = l
31
u
13
+ l
32
u
23
+ u
33
por lo que:
LY = B
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
1 0 0
05 1 0
0 25 0 21 1
9
5
9
1
2
3
.
. .
y
y
y
donde: y
1
= 9
y
2
= (-5 - 0.5y
1
) = -9.5
y
3
= (-9 - 0.25y
1
- 0.2y
2
) = -9.2
adems: UX = Y
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
4 1 2
0 35 2
0 0 31
9
9 5
9 2
1
2
3
.
.
.
.
x
x
x
donde:
( )
( )
( )
x
x x
x x x
3
2 3
1 2 3
1
31
9 2 30
1
35
9 5 2 10
1
4
9 2 10
= =
= + =
= =
.
. .
.
. .
.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 55
4.1.4. PIVOTACIN
En los algoritmos analizados, se requiere efectuar divisiones para trminos como a
kk
= 0 o
C
kk
= 0, los mismos que en los procesos numricos deben ser de valores tales que no alteren
los resultados y se obtenga soluciones aceptables.
As, si estos trminos son de bajo valor, la divisin dar como resultado un valor alto, con el
consiguiente error de redondeo.
En los procesos numricos se trata de evitar divisiones para trminos de bajo valor, por ser
causantes de provocar acumulaciones excesivas de redondeo.
Entonces, es conveniente buscar trminos de un valor relativamente alto, para evitar que el
error de redondeo rebase los lmites permitidos.
El trmino de valor relativamente alto se llama PIVOTE y el proceso de bsqueda y
reordenamiento del pivote se llama PIVOTACIN.
La bsqueda y reordenamiento del pivote puede ser hecho de las siguientes formas:
Mediante movimiento de filas y columnas (Pivotacin Completa).
Mediante movimiento de filas (Pivotacin Parcial).
Para el caso de pivotacin parcial, el pivote debe ser buscado dentro de la columna y
ubicado en el sitio donde se lo requiera.
El ejemplo expuesto a continuacin pone de manifiesto el efecto de la pivotacin.
Ejemplo: La solucin exacta del sistema lineal es: x
1
= 10 . x
2
= 1. Mediante Eliminacin
Gaussiana, determinar la solucin aproximada usando aritmtica de redondeo a
4 dgitos y considerando: a) El arreglo original, b) Pivotacin Parcial.
E
1
: 0.003000x
1
+ 59.14x
2
= 59.17
E
2
: 5.291x
1
- 6.130x
2
= 46.78
a) a
11
0
0003000 = .
0003000 5914
5291 6130
5917
46 78
1764
1
0
2
1
2
0 21
0
11
0 1
0 5 291
0 003
. .
. .
.
.
( )
.
.
.
.
.
|
\
|
.
|
|
|
= = =
E
E E
a
a
E
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 56
segn lo cual se obtiene:
0003000 5914
0 104300
5917
104400
. . .
|
\
|
.
|
.
.
donde
x
x
2
1
1001
10
=
=
.
se puede observar que la solucin no concuerda con la verdadera, esto se debe al valor alto
del trmino divisor.
b) PIVOTE:
21
0
a = 5291 . , para lo cual: E
2
E
1
Entonces:
5291 6130
0003000 5914
46 78
5917
0 000567
2
0
1
1
1
0 11
0
21
0 2
0
0 003
5 291
. .
. .
.
.
( ) .
.
.
|
\
|
.
|
|
|
= = =
.
.
.
E
E E
a
a
E
segn lo cual se obtiene:
5291 6130
0 5914
46 78
5914
. .
.
.
.
|
\
|
.
|
.
.
donde
x
x
2
1
1000
10 00
=
=
.
.
Esta solucin concuerda con la verdadera, por lo tanto, la solucin aceptable es la que se
aplica pivotacin.
Una buena eleccin de la ecuacin que contenga el verdadero PIVOTE, para cuando se
aplica pivotacin parcial, se hace por medio de la tcnica de PIVOTEO ESCALONADO
EN COLUMNA.
Bsicamente esta forma de encontrar el verdadero PIVOTE, se aplica a S.E.L. cuyas
ecuaciones han sufrido alteraciones en su escala, perdindose de esa manera la referencia
comn del Sistema.
As, considerando: i = 1, 2, ., n
S
i
= max|a
ij
| j = 1, ...., n
entonces, siendo k la columna de pivotacin, la relacin: max
a
s
ik
i
`
)
, indica que el pivote
esta en la ecuacin E
i
Para el caso de Eliminacin Gausiana se tiene:
k = 1, 2, ., n-1 i = k, ., n
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 57
S
i
= max aij j = k, ....., n
entonces: max
a
s
i
i
k
`
)
indica que el pivote est en la ecuacin E
i
en la columna k
en la cual se aplica pivotacin.
Ejemplo: Resolver el sistema lineal mediante Eliminacin Gausiana, aritmtica de
redondeo a 4 dgitos y pivotacin parcial.
E x x
E x x
1
1 2
2
1 2
30 00 591400 591700
5291 66130 46 78
: .
: . . .
+ =
=
a) PIVOTE
11
0
a
= 30.00
3000 591400
5291 6130
591700
46 78
01764
1
0
2
1
2
0 21
0
11
0 1
0 5 291
30 0
.
. . .
( ) .
.
.
.
.
.
|
\
|
.
|
|
|
= = =
E
E E
a
a
E
segn lo cual se obtiene:
30 00 591400
0 104300
591700
104400
.
|
\
|
.
|
.
.
donde
x
x
2
1
1001
10
=
=
.
se puede observar que la solucin no concuerda con la verdadera, esto se debe a que
11
0
a no
es un PIVOT VERDADERO.
b) Aplicando pivotacin escalonada en la primera columna, se tiene:
E
1
: S
1
= max{30.00, 591400} = 591400
E
2
: S
2
= max{5.291, 6.130} = 6.130
donde:
a
s
11
1
=
30 00
591400
05073 10
4
.
. =
x
a
s
21
2
=
5291
6130
08631
.
.
. =
entonces: max
a
S
a
S
11
1
21
2
08631 , .
`
)
=
|
.
|
|
|
= = =
.
.
.
E
E E
a
a
E
segn lo cual se obtiene:
5291 6130
0 591400
46 78
591400
. . . |
\
|
.
|
.
.
donde
x
x
2
1
1000
10 00
=
=
.
.
Esta solucin concuerda con la verdadera, por lo tanto, la solucin aceptable es la que se
aplica pivotacin escalonada por columna.
Todo esto es justificable, puesto que la ecuacin E
1
es la misma que la del ejemplo anterior
afectada por el factor 10
4
, lo cual no cambia la caracterstica del sistema lineal, pero oculta
la verdadera referencia del Sistema de Ecuaciones.
4.1.5. SISTEMA DE ECUACIONES LINEALES MAL CONDICIO-
NADO
Un sistema mal condicionado es aquel en el cual, al hacer ligeros cambios en los trminos,
se provoca grandes diferencias en la solucin.
El ejemplo que se desarrolla a continuacin, muestra la caracterstica de un sistema mal
condicionado.
Ejemplo: Determinar la solucin de los sistemas, mediante factorizacin.
a)
10 8 4 00003 42 00006
6 6 300001 30 00002
6 4 2 00002 22 00004
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x
+ + =
+ + =
+ + =
. .
. .
. .
b)
10 8 4 00003 42
6 6 300001 30
6 4 2 00002 22
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x
+ + =
+ + =
+ + =
.
.
.
Para los dos sistemas, se tiene lo siguiente:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 59
10 8 4 00003
6 6 300001
6 4 2 00002
1 0 0
1 0
1
0
0 0
21
31 32
11 12 13
22 23
33
.
.
.
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
|
\
|
.
|
|
|
l
l l
u u u
u u
u
donde:
10
6
6
11
21 11
31 11
=
=
=
u
l u
l u
8
6
4
12
21 12 22
31 12 32 22
=
= +
= +
u
l u u
l u l u
4 00003
300001
2 00002
13
21 13 23
31 13 32 23 33
.
.
.
=
= +
= + +
u
l u u
l u l u u
entonces:
L =
|
\
|
.
|
|
|
1 0 0
06 1 0
06 0 6666666667 1
.
. .
U
x
=
|
\
|
.
|
|
|
10 8 4 00003
0 12 0599992
0 0 3333333 10
6
.
. .
.
As para el sistema a) se tiene que:
1 0 0
0 6 1 0
0 6 0 666 1
42 00006
30 00002
22 00004
42 00006
4 799984
6 666667 10
1
2
3
1
2
3
6
.
. . ...
.
.
.
.
.
.
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
=
=
=
y
y
y
y
y
y x
10 8 4 00003
0 12 0599992
0 0 333 10
42 00006
4 799984
6 666667 10
2 0000003
2 99999985
10
6 6
1
2
3
3
2
1
.
. .
. ...
.
.
.
.
.
.
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
=
=
= x
x
x
x x
x
x
x
Para el sistema b) se tiene:
1 0 0
06 1 0
06 0 666 1
42
30
22
42
4 8
0
1
2
3
1
2
3
.
. . ...
.
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
=
=
=
y
y
y
y
y
y
10 8 4 00003
0 12 0599992
0 0 333 10
42
48
0
0
4
1
6
1
2
3
3
2
1
.
. .
. ...
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
=
=
= x
x
x
x
x
x
x
Segn los resultados, se puede deducir que pequeos cambios en un sistema provocan
grandes diferencias en las soluciones. Por lo tanto el sistema resuelto es un sistema mal
condicionado (ILL - CONDITIONED).
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 60
4.1.6. ANLISIS DEL ERROR EN SISTEMAS DE ECUACIONES LI-
NEALES
Es necesario hacer un anlisis cuantitativo del error, para tener una idea clara del grado de
aproximacin a la solucin real .
As, el sistema lineal: AX B = , tendr un vector solucin aproximada X
a
y un vector
solucin real X
r
, para lo cual se definen las siguientes condiciones:
E X X
r a
= Vector de errores absolutos
= AX B
a
Vector de errores residuales
Adems, se tiene que: C = AX B
r
, con lo que al reemplazar en las definiciones anteriores
se llega a lo siguiente:
E
A
=
1
Por otro lado, para tener una idea del acercamiento entre vectores o matrices, es necesario
usar definiciones de NORMAS, con lo cual se puede hacer un anlisis del error al trabajar
con vectores o matrices.
NORMA VECTORIAL
Es una funcin representada por . que tiene las siguientes propiedades:
> X 0 para X e R
n
= X X 0 0
= o o X X para o e R . X e R
n
+ s + X Y X Y para X . Y e R
n
Se definen 3 tipos de Normas Vectoriales que cumplen con las propiedades anteriores, esto
es:
Norma 1: X x
i
i
n
1
1
=
=
| |
Norma 2 Euclidiana:
| |
X x
E
i
i
n
=
=
1 2
1
2
/
Norma Infinito:
=
s s
X max x
i n
i
1
| |
Por lo tanto, los valores X
r
. X
a
estarn cercanos entre s a medida que X X
r a
sea de
un valor pequeo o lo suficientemente cercano a una tolerancia establecida.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 61
NORMA MATRICIAL
Es una funcin correspondiente a la anterior con las siguientes propiedades:
A > 0
A A = C 0
o o A A =
A B A B + s +
AB A B s
donde A . B son matrices
En este caso las normas se definen de la siguiente manera:
Norma 1 A a max
j n
ij
i
n
1
1
1
=
s s
=
|
.
|
= =
| |
/
2
1 1
1 2
Norma Infinito: A a max
i n
ij
j
n
s s
=
=
1
1
| | mximo de la suma absoluta de c/fila
Tambin, las matrices A . B estn cercanos entre s, cuando A B es pequea.
Por otro lado se define el NMERO DE CONDICIN de la matriz A mediante la siguiente
expresin:
Cond( ) || |||| || || || A A A AA = >
1 1
as, de acuerdo al tipo de norma, se tiene: || || ( )
,
AA A
s >
1
1
1 1 Cond
|| || ( ) AA n A n
E
s >
1
Cond
Ahora, retomando la expresin: E = X
r
- X
a
= - A
-1
y aplicando NORMAS, se tiene:
|| || || |||| || X X A
r a
s
1
(1)
Tambin: AX B A X B
X
A
B
r r
r
= > s | | | |
| | | |
1
(2)
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 62
Multiplicando (1) . (2) miembro a miembro se obtiene lo siguiente:
|| ||
|| ||
|| |||| ||
|| ||
|| ||
X X
X
A A
B
r a
r
r
s
c
_
_
1
Cond(A)
entonces: c
r
A
B
sCond( )
|| ||
|| ||
COTA SUPERIOR DEL ERROR RELATIVO
En general los lmites o cotas del error relativo vienen dados por:
1
Cond
Cond
( )
|| ||
|| ||
( )
|| ||
|| || A B
A
B
r
c
s s
La evaluacin de estos lmites o cotas de error dependen fundamentalmente del clculo de
A
-1
, lo cual est sujeto a errores de redondeo dependientes del grado de precisin con que
se efecten las operaciones matemticas.
Se ha demostrado que usando aritmtica de redondeo a t dgitos mediante Eliminacin
Gaussiana, el vector residual para una aproximacin X
a,
viene dado por:
|| || || |||| || ~
10
t
a
A X
adems al considerar el sistema: - AE =T , donde: E = X
r
-X
a
y asumiendo una solucin
aproximada E
a
, entonces:
( ) E A A AX B A B A AX
a a
X
r
a
X
a
~ = =
1 1 1 1
_
_
por lo tanto:
( )
E X X A A A A X
a r a
t
a
~ = s ~
1 1 1
10
=
10
t
a
X A || || ( ) Cond
donde: Cond(A) ~ 10
t
E
X
a
a
relacin que no depende del clculo de A
-1
Ejemplo: Determinar la cota superior del error relativo provocado en el sistema lineal
dado, mediante Eliminacin Gaussiana y aritmtica de redondeo a 5 dgitos.
33330 15920 10 333
2 2220 16 710 9 6120
15611 51791 16852
15913
28544
8 4254
1
2
3
. .
. . .
. . .
.
.
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
x
x
x
Considerando el caso crtico en el que se provoque un mayor error, esto es sin hacer
pivoteo escalonado de columna, se tiene lo siguiente:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 63
33330 15920 10333
2 2220 16 710 9 6120
15611 51791 16852
15913
28544
8 4254
33330 15920 10 333
0 10596 16501
0 74514 65250
15913
10580
7444 9
. .
. . .
. . .
.
.
. .
.
. . .
|
\
|
.
|
|
|
~
|
\
|
.
|
|
|
~
.
.
.
.
.
.
~
|
\
|
.
|
|
|
=
=
=
33330 15920 10333
0 10596 16501
0 0 50790
15913
10580
4 7000
0 92538
099991
12001
3
2
1
. .
.
. .
.
.
.
.
.
.
x
x
x
donde: X
a
= 1.2001
Adems: T = AX
a
- B =
|
\
|
.
|
|
|
|
\
|
.
|
|
|
|
\
|
.
|
|
|
33330 15920 10 333
2 2220 16710 9 6120
15611 51791 16852
12001
0 99991
0 92538
15913
28544
8 4254
. .
. . .
. . .
.
.
.
.
.
donde: =
|
\
|
.
|
|
|
000518
0 27413
018616
.
.
.
= 0.27413
Considerando el sistema lineal: AE = -T y resolviendo mediante Eliminacin Gaussiana y
aritmtica de redondeo a 5 dgitos, se tiene:
33330 15920 10 333
2 2220 16 710 9 6120
15611 51791 16852
0 00518
0 27413
018616
0 20008
8 9987 10
0 074607
5
. .
. . .
. . .
.
.
.
.
.
.
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
.
.
.
E
a
x
donde: E
a
= 0.20008
Entonces: ( ) Cond A
E
X
a
a
~ = =
10 10
0 200078
12001
16672
5 5
.
.
con lo que la cota superior del error relativo viene dado por:
|| ||
|| ||
( )
|| ||
|| ||
X X
X
A
B
r a
r
r
= s
c
Cond
c
r
s
|
\
|
.
| = 16672
0 27413
15913
0 28720
.
.
Tambin es posible obtener la cota superior del error relativo, mediante la expresin:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 64
c
r
A A
B
s
| | | | | | | |
1
donde: A A
=
|
\
|
.
|
|
|
=
1 1
10041
- 1.1701 10 - 1.4983 10 8.5416 10
6.2782 10 1.2124 10 - 3.0662 10
- 8.6631 10 1.3846 10 - 1.9689 10
x x x
x x x
x x x
-4 -1 -1
-5 -4 -4
-5 -1 -1
|| || .
adems: A
= 15934, entonces Cond(A) = (15934)(1.0041) = 15999, valor bastante
aproximado al anterior, por lo que no ser necesario invertir la matriz A.
Finalmente: c
r
s
|
\
|
.
| = 15999
0 27413
15913
0 27561
.
.
4.1.7. SISTEMA DE ECUACIONES LINEALES CON TRMINOS
COMPLEJOS
Considerando el modelo siguiente:
a jb a jb a jb
a jb a jb a jb
a jb a jb a jb
x y
x y
x y
c d
c d
c d
n n
n n
n n n n nn nn
j
j
n
j
n
j
j
n
j
n
11 11 12 12 1 1
21 21 22 22 2 2
1 1 2 2
1 1
2 2
1 1
2 2
+ + +
+ + +
+ + +
|
\
|
.
|
|
|
|
+
+
+
|
\
|
.
|
|
|
|
=
+
+
+
|
\
|
.
|
|
|
|
. . .
. .
Separando la parte real e imaginaria, se tiene:
a a a
a a a
a a a
a
j
b b b
b b b
b b b
b
x
x
x
X
j
y
y
y
n
n
n n nn
ij
n
n
n n nn
ij
n n
11 12 1
21 22 2
1 2
11 12 1
21 22 2
1 2
1
2
1
2
. . .
. . .
_
.
_
.
|
\
|
.
|
|
|
|
+
|
\
|
.
|
|
|
|
|
\
|
.
|
|
|
|
+
|
\
|
.
|
|
( ) ( )
|
|
=
|
\
|
.
|
|
|
|
+
|
\
|
.
|
|
|
|
Y
c
c
c
C
j
d
d
d
D
n n
_
.
_
.
_
1
2
1
2
donde: [(a
ij
) + j(b
ij
)][X + jY] = [C + jD]
finalmente realizando operaciones matriciales y resumindolas en una forma matricial
ampliada, se tiene:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 65
( ) ( )
( ) ( )
a b
b a
X
Y
C
D
ij ij
ij ij
.
.
.
(
(
(
(
(
(
=
(
(
(
Este ltimo sistema, corresponde a un arreglo matricial con trminos reales y puede ser
resuelto por cualquier mtodo directo analizado.
4.1.8. INVERSIN DE MATRICES
Aplicando los criterios desarrollados para la solucin de un sistema lineal de ecuaciones, es
posible realizar la inversin matricial.
As, dado el sistema lineal: AX = B, la matriz A puede ser invertida manteniendo el mismo
modelo, esto es:
AA I
a a a
a a a
a a a
x
x
x
X
x
x
x
X
x
x
x
X I I I
n
n
n n nn n n
n
n
nn
n n
=
|
\
|
.
|
|
|
|
|
\
|
.
|
|
|
|
=
|
\
|
.
|
|
|
|
1
11 12 1
21 22 2
1 2
11
21
1
1
12
22
2
2
1
2
1 2
1
0
0
0
1
0
0
0
1
. . .
. .
. . .
.
donde: AA
-1
= A[X
1,
X
2, ....,
X
n
] = [I
1,
I
2, .....,
I
n
]
Segn lo cual, aplicando a cada uno de los mtodos directos analizados, se tiene que:
Eliminacin Gaussiana: AA
-1
= I [A . I] ~ [C . D]
donde: C es una matriz triangular superior
D es una matriz triangular inferior
Gauss - Jordan: AA
-1
= I [A . I] ~ [I . A
-1
]
Factorizacin: AA
-1
= I A = LU LUA
-1
= I LY = I
UA
-1
= Y
Ejemplo: Invertir la matriz A mediante los procesos directos de Eliminacin Gaussiana,
Gauss - Jordan y Factorizacin; usando aritmtica de redondeo a 2 dgitos.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 66
A =
|
\
|
.
|
|
|
1 2 3
1 0 2
2 1 3
Considerando: | | A
x x x
x x x
x x x
X X X
=
|
\
|
.
|
|
|
=
1
11 12 13
21 22 23
31 32 33
1 2 3
| | I I I I =
|
\
|
.
|
|
|
=
1 0 0
0 1 0
0 0 1
1 2 3
a) Eliminacin Gausiana:
1 2 3
1 0 2
2 1 3
1 0 0
0 1 0
0 0 1
1 2 3
0 2 5
0 3 9
1 0 0
1 1 0
2 0 1
|
.
|
|
|
~
|
\
|
.
|
|
|
~
|
\
.
.
.
.
.
.
1 2 3
0 2 5
0 0 15
1 0 0
1 1 0
05 15 1
|
.
|
|
|
|
\
. . .
.
.
.
donde:
1 2 3
0 2 5
0 0 15
1
1
05
0
1
15
0
0
1
11
21
31
12
22
32
13
23
33
1 2 3 1
2 3
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
. . .
C X X X D
D D
x
x
x
x
x
x
x
x
x
_ _
Tomando los correspondientes elementos, se debe resolver cada uno de los sistemas:
CX D 1 1 = CX D 2 2 = CX D 3 3 = donde:
x
x
x
31
21
11
0 33
0 32
0 65
=
=
=
.
.
.
x
x
x
32
22
12
10
30
30
=
=
=
.
.
.
x
x
x
33
23
13
0 67
17
14
=
=
=
.
.
.
entonces:
|
\
|
.
|
|
|
1
0 65 30 13
0 32 30 17
0 33 10 0 67
A
. . .
. . .
. . .
b) Gauss - Jordan:
1 2 3
1 0 2
2 1 3
1 0 0
0 1 0
0 0 1
1 2 3
0 2 5
0 3 9
1 0 0
1 1 0
2 0 1
|
.
|
|
|
~
|
\
|
\
|
.
|
|
|
~
.
.
.
.
.
.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 67
1 2 3
0 1 2 5
0 3 9
1 0 0
05 05 0
2 0 1
1 0 2 0
0 1 2 5
0 0 15
0 10 0
05 05 0
05 15 1
. . .
.
.
.
.
. .
. .
|
.
|
|
|
~
|
\
|
\
|
.
|
|
|
~
.
.
.
.
.
.
1 0 2 0
0 1 2 5
0 0 1
0 10 0
05 05 0
0 33 10 0 67
1 0 0
0 1 0
0 0 1
0 66 30 13
0 32 30 17
0 33 10 0 67
|
\
|
.
|
|
|
~
|
\
|
.
|
|
|
.
.
.
. .
. . .
. . .
. . .
. . .
.
.
.
.
.
.
donde:
|
\
|
.
|
|
|
1
0 66 30 14
0 32 30 17
0 33 10 0 67
A
. . .
. . .
. . .
c) Factorizacin:
1 2 3
1 0 2
2 1 3
1 0 0
1 0
1
0
0 0
21
31 32
12 13
22 23
33
11
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
|
\
|
.
|
|
|
l
l l
u u u
u u
u
donde: L =
1 0 0
1 1 0
2 15 1
|
\
|
.
|
|
|
.
U =
1 2 3
0 2 5
0 0 15
|
\
|
.
|
|
|
.
adems:
Y =
11
21
31
12
22
32
13
23
33
1 2 3
y
y
y
Y
y
y
y
Y
y
y
y
Y
|
\
|
.
|
|
|
A
-1
=
11
21
31
12
22
32
13
23
33
1 2 3
x
x
x
X
x
x
x
X
x
x
x
X
|
\
|
.
|
|
|
entonces: LY
1
= I
1
LY
2
= I
2
LY = I
3
y
11
= 1 y
12
= 0 y
13
=
0
y
21
= 1 y
22
= 1 y
23
=
0
y
31
= -0.5 y
22
= 1.5 y
33
=
1
Tambin
:
UX
1
= Y
1
UX
2
= Y
2
UX
3
= Y
3
x
31
= 0.33 x
32
= -1.0 x
33
= -0.67
x
21
= -0.32 x
22
= 3.0 x
23
= 1.7
x
11
= 0.66 x
12
= -3.0 x
13
= -1.4
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 68
Donde:
|
\
|
.
|
|
|
1
0 66 30 14
0 32 3 0 17
0 33 10 0 67
A
. . .
. . .
. . .
4.2. MTODOS ITERATIVOS PARA LA SOLUCIN DE SISTE-
MAS DE ECUACIONES
Son mtodos que partiendo de valores iniciales:
1
0
2
0 0 ( ) ( ) ( )
, ,..... , X X X
n
se van consiguiendo
aproximaciones a la solucin mediante procesos iterativos.
4.2.1. MTODOS ITERATIVOS PARA LA SOLUCIN DE SISTE-
MAS LINEALES
Son procedimientos que basados en el desdoblamiento de la matriz A, convierten al sistema
lineal AX B = en un sistema equivalente de la forma:
X MX V = + donde: M matriz
V vector
As, la sucesin de aproximaciones se genera a travs de la expresin dada por:
( ) ( )
,......
k k
X M X V k = + =
1
1 hasta que cumpla algn criterio de tolerancia
Por otro lado, la matriz A se desdobla en las matrices D L U , . de la forma:
A D L U = D matriz diagonal principal de A
L matriz triangular inferior de A
U matriz triangular superior de A
4.2.1.1. ALGORITMO DE JACOBI
Considera el sistema lineal: ( )
AX B D L U X B = = , donde:
( )
DX L U X B = + +
X D L U
M
X D B
V
J
J
= + +
1 1
( )
_
_
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 69
As, la expresin iterativa est dada por:
( ) ( )
,
k
J
k
J
X M X V = +
1
donde:
M
J
matriz de Jacobi
V
J
vector de Jacobi
adems: k = 1, ..... hasta que:
( ) ( ) k k
X X (
1
c
a
o tambin
( ) ( )
( )
k k
k
X X
X
(
1
c
r
Mediante la interpretacin del modelo matricial, el mtodo de Jacobi consiste en despejar de
cada ecuacin i-sima la variable X
i
.
Entonces para a
ii
= 0, se tiene:
i
i
ii
ij j
ii
j
j i
n
x
b
a
a x
a
i n = +
|
\
|
.
|
|
=
=
=
1
1,....,
cuya forma iterativa est dada por:
i
k
ii
i ij j
k
j
j i
n
x
a
b a x
i n
( ) ( )
,....., =
(
(
(
=
=
=
1
1
1
1
RESUMEN: Solucin de un sistema lineal AX B =
ENTRADA: n (# de ecuaciones = # de incgnitas), a
ij
(Coeficientes), b
i
(trminos independientes), X
(0)
(vector inicial), c (tolerancia), T
(# mximo de iteraciones ) .
SALIDA: Solucin aproximada x
1
, x
2
, ....., x
n
Mensaje de fracaso.
ALGORITMO: Para: k = 1, ....., T
Hacer: i = 1, ....., n
Probar si: a
ii
= 0
Calcular:
i
k
ii
i ij j
k
j
j i
n
x
a
b a x
( ) ( )
=
(
(
(
=
=
1
1
1
Chequear si:
( ) ( ) k k
X X
1
< c
a
o a su vez
( ) ( )
( )
k k
k
X X
X
1
< c
r
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 70
Ejemplo Resolver el sistema lineal mediante Jacobi, considerando X
(0)
= 0 y un error
relativo en Norma infinito < 10
-3
.
1
1 2 3
2
1 2 3 4
3
1 2 3 4
4
2 3 4
10 2 6
11 3 25
2 10 11
3 8 15
E x x x
E x x x x
E x x x x
E x x x
:
:
:
:
+ =
+ + =
+ =
+ =
Despejando x
i
de cada ecuacin E
i
, se tiene lo siguiente:
( )
| |
( )
| |
( )
| |
( )
| |
x x x
x x x x
x x x x
x x x
1 2 3
2 1 3 4
3 1 2 4
4 2 3
1
10
6 2
1
11
25 3
1
10
11 2
1
8
15 3
= +
= +
=
=
As, la primera iteracin vendr dada por:
( )
( )
( )
( )
1
1
2
0
3
0
2
1
1
0
3
0
4
0
3
1
1
0
2
0
4
0
4
1
2
0
3
0
1
10
6 2 0 6
1
11
25 3 2 2727
1
10
11 2 11
1
8
15 3 1875
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
.
.
.
.
x x x
x x x x
x x x x
x x x
= + =
= + + =
= + + =
= + =
Las siguientes iteraciones provocan valores dados en la siguiente tabla:
k 2 3 4 8 9 10
x
1
(k)
1.0473 0.9326 1.0152 1.0006 0.9997 1.0001
x
2
(k)
1.7159 2.0533 1.9537 1.9987 2.0004 1.9998
x
3
(k)
-0.8052 -1.0493 -0.9681 -0.9990 -1.0004 -0.9998
x
4
(k)
0.8852 1.1309 0.9739 0.9989 1.0006 0.9998
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 71
donde:
( ) ( )
( )
.
.
.
10 9
10
4
4 3
8 0 10
19998
4 0004 10 10
X X
X
x
x
= = (
entonces el vector solucin es:
( )
( )
. , . , . , .
10
10001 19998 0 9998 0 9998 x
t
=
4.2.1.2. ALGORITMO DE GAUSS - SEIDEL
Se basa en las mismas caractersticas del algoritmo de Jacobi, esto es:
( ) AX B D L U X B = = , donde:
( )
( ) ( )
D L X UX B
X D L U
M
X D L B
V
M
V
G G
G
G
= +
= +
1 1
_ _
matriz de Gauss Seidel
vector de Gauss Seidel
La expresin iterativa en este algoritmo viene dada por:
| |
( ) ( ) ( )
,.....
k k k
X D L X U X B k = + + =
1 1
1 hasta que cumpla con una
condicin de tolerancia.
La interpretacin del modelo matricial iterativo, dice que se debe despejar de cada i-sima
ecuacin la variable x
i
y el clculo numrico depende de valores actuales y valores
anteriores.
Entonces para a
ii
= 0, se tiene que:
i
k
ii
i ij j
k
ij j
k
j i
n
j
j i
i
x
a
b a x a x
i n
( ) ( ) ( )
,..., =
(
(
(
=
= + =
=
1
1
1
1 1
1
RESUMEN: Solucin de un sistema lineal AX B =
ENTRADA: n (# de ecuaciones = # de incgnitas), a
ij
(coeficientes), b
i
(trminos independientes), X
(0)
(vector inicial), c (tolerancia),
T (# mximo de iteraciones).
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 72
SALIDA: Solucin aproximada x
1
, x
2
,, x
n
mensaje de fracaso.
ALGORITMO: Para: k = 1, , T
Hacer: i = 1, , n
Probar si: a
ii
= 0
Calcular: x
a
b a x a x
i
k
ii
i ij
j
j i
i
j
k
ij
j i
n
j
k ( ) ( ) ( )
=
(
(
(
=
=
= +
1
1
1
1
1
Chequear si: X X
k k
a
( ) ( )
(
1
c a su vez
X X
X
k k
k
r
( ) ( )
( )
(
1
c
Ejemplo: Resolver el sistema lineal del ejemplo anterior, bajo las mismas condiciones
pero mediante Gauss - Seidel.
La primera iteracin vendr dada por:
x x x
1
1
2
0
3
0
6 2 0 6
( ) ( ) ( )
= ( + - ) = .
1
10
x x x x
2
1
1
1
3
0
4
0
25 3 2 3272
( ) ( ) ( ) ( )
= ( + + - ) = .
1
11
x x x x
3
1
1
1
2
1
4
0
2 0 9873
( ) ( ) ( ) ( )
= (-11 - + + ) = - .
1
10
x x x
4
1
2
1
3
1
15 3 08789
( ) ( ) ( )
= ( - + ) = .
1
8
Los valores obtenidos en las siguientes iteraciones, se presentan en la tabla:
k 2 3 4 5
x
1
(k)
1.030 1.0065 1.0009 1.0001
x
2
(k)
2.037 2.0036 2.0003 2.0000
x
3
(k)
-1.014 -1.0025 -1.0003 -1.0000
x
4
(k)
0.9844 0.9983 0.9999 1.0000
donde:
X X
X
x
( ) ( )
( )
.
.
5 4
5
4 3
0 0008
2 0000
4 10 10
= = (
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 73
4.2.1.3. CONDICIN DE CONVERGENCIA PARA LOS MTODOS
ITERATIVOS DE JACOBI Y GAUSS-SEIDEL EN SISTEMAS
LINEALES
Puesto que para ambos mtodos la expresin matricial iterativa es del mismo modelo,
entonces se tiene que:
X MX V
k k ( ) ( - )
= +
1
Tambin: X MX V
k k ( ) ( -2)
= +
1
ser una expresin vlida.
Por lo tanto, restando las dos expresiones se tiene lo siguiente:
X X
E
M X X
E
k k
k
k k
k
( ) ( )
( )
( ) ( )
( )
( ) =
1 1 2
1
_
_
entonces el proceso va a la convergencia si: ,, E
(k)
,, < ,, E
(k-1)
,,
por lo que: ,, E
(k)
,, s ,, M ,, ,, E
(k-1)
,, < ,, E
(k-1)
,,
donde: ,, M ,, < 1 condicin de convergencia.
Jacobi: ,, D
-1
(L+U) ,, < 1
Gauss - Seidel: ,, (D - L)
-1
U ,, < 1
Para los dos mtodos, el hecho de que ,, M ,, < 1, implica que la matriz A deba ser de
DIAGONAL DOMINANTE, esto es que:
| | | | , , a a i n
ii ij
j
j i
n
) =
=
=
1
1 .
As, en los ejemplos anteriores se puede observar esta ltima caracterstica de convergencia.
Por otro lado, si la matriz A no es de diagonal dominante, en sistemas pequeos hay la
incertidumbre en la convergencia, mientras que en sistemas grandes definitivamente no hay
convergencia.
4.2.2. MTODOS ITERATIVOS PARA LA SOLUCIN DE SISTE -
MAS NO LINEALES
Son mtodos basados en las caractersticas de punto fijo.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 74
4.2.2.1. ALGORITMO DE JACOBI
Dado el sistema no lineal F(X) = C, se despeja de cada i-sima funcin la variable x
i
, as :
f
1
(x
1
, x
2
, ..., x
n
) = 0 x
1
= g
1
(x
2
, x
3
, ..., x
n
)
f
2
(x
1
, x
2
, ..., x
n
) = 0 x
2
= g
2
(x
1
, x
3
, ..., x
n
)
.
.
f
i
(x
1
, x
2
, ..., x
n
) = 0 x
i
= g
i
(x
1
, x
2
, ..., x
i -1
, x
i+1
, ..., x
n
)
.
.
f
n
(x
1
, x
2
, ..., x
n
) = 0 x
n
= g
n
(x
1
, x
2
, ..., x
n-1
)
Cuya forma iterativa se resume en la expresin dada por:
X
(k)
= G(X
(k-1)
) k = 1,... hasta que cumpla con una condicin de tolerancia.
Ejemplo: Resolver el sistema de ecuaciones no lineales mediante el algoritmo de Jacobi,
considerando X
(0)
= (0.1, 0.1, -0.1)
t
y un error absoluto en la Norma infinito <
10
-5
.
f Cos x x x x x x
1 1 2 3 1 2 3
3 05 0 ( , , ) = - ( ) - . =
f Sen x x x x x x
2 1 2 3 1
2
2
2
3
81 01 1 0 ( , , ) = - ( + . ) + ( ) + .06 =
f
x x
x x x x e
3 1 2 3 3
1 2
20
10 3
3
0 ( , , ) = + +
-
t
=
Despejando x
i
de cada ecuacin f
i
, se tiene la primera iteracin dada por:
x x x x x g Cos
1
1
1 2
0
3
0
2
0
3
0
0 49998333
( ) ( ) ( ) ( ) ( )
= ( , ) = ( ) + = .
1
3
1
6
| |
x x x x x g Sen
2
1
2 1
0
3
0
1
0 2
3
0
106 01 0 00944115
1
2
( ) ( ) ( ) ( ) ( )
( ) . . = ( , ) = + + .
1
9
=
x x x g
x x
e
3
1
3 1
0
2
0
1
0
2
0
( ) ( ) ( )
( ) ( )
= ( , ) = - -
10 - 3
20
= - 0.52310127
1
20
-
t
Los valores obtenidos en las iteraciones sucesivas se presentan en la siguiente tabla:
k x
1
(k)
x
2
(k)
x
3
(k)
,,x
(k)
- x
(k-1)
,,
2 0.49999593 0.00002557 -0.52336331
2.3
x
10
-4
3 0.50000000 0.00001234 -0.52359814
1.2
x
10
-5
4 0.50000000 0.00000003 -0.52359847
3.1
x
10
-7
5 0.50000000 0.00000002 -0.52359877
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 75
Por lo tanto el vector solucin viene dado por:
X
(5)
= (0.50000000, 0.00000002, - 0.52359877)
t
4.2.2.2. ALGORITMO DE GAUSS-SEIDEL
Se basa en las mismas caractersticas iterativas de Jacobi, con la diferencia de que el valor
actual depende de valores precalculados y valores anteriores.
As, la forma iterativa se resume en la expresin dada por:
X
(k)
= G(X
(k)
, X
(k-1)
) k = 1,... hasta que cumpla con una condicin de
tolerancia.
Ejemplo: Resolver el sistema no lineal del ejemplo anterior, bajo las mismas condiciones
pero mediante Gauss - Seidel.
Despejando x
i
de cada funcin f
i
, se tiene la primera iteracin dada por:
x x x x x g Cos
1
1
1 2
0
3
0
2
0
3
0
0 49998333
( ) ( ) ( ) ( ) ( )
= ( , ) = ( ) + = .
1
3
1
6
| | x x x x x g Sen
2
1
2 1
1
3
0
1
1 2
3
0
106 01 0 02222979
1
2
( ) ( ) ( ) ( ) ( )
( ) . . = ( , ) = + + .
1
9
=
x x x g
x x
e
3
1
3 1
1
2
1
1
1
2
1
( ) ( ) ( )
( ) ( )
= ( , ) = - -
10 - 3
20
= - 0.52304613
1
20
-
t
Los valores de las siguientes iteraciones se presentan en la tabla:
k x
(k)
x
2
(k)
x
3
(k)
,,x
(k)
- x
(k-1)
,,
2 0.49997747 0.00002815 -0.52359807
2.8x10
-5
3 0.50000000 0.00000004 -0.52359877
3.8x10
-8
4 0.50000000 0.00000000 -0.52359877
Entonces, el vector solucin ser: X
(4)
= (0.50000000, 0.000000000, -0.52359877)
t
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 76
4.2.2.3. ALGORITMO DE NEWTON
Se vio que para el caso unidimensional, el mtodo iterativo de Newton defina la funcin de
punto fijo dada por:
g x = x -
f x
f x
( )
( )
' ( )
Mediante un enfoque similar, si se tiene el caso n-dimensional (sistema de ecuaciones no
lineales), la funcin toma el siguiente modelo:
G X = X - F' X F X
-
( ) ( )] ( ) |
1
donde: F(X) = J(X) Jacobiano (matriz de derivadas parciales)
por lo tanto: G X X - J X F X
-
( ) = ( ) ( )
1
cuyo proceso de iteracin funcional, surge de seleccionar el vector inicial X
(0)
lo
suficientemente cercano a la solucin y de que J
-1
(X) exista, con lo cual:
X G X X J X F X
k k- k- - k- k- ( ) ( ) ( ) ( ) ( )
= ( ) = - ( ) ( )
1 1 1 1 1
donde:
J X
f
x
X
f
x
X
f
x
X
f
x
X
- k-
k- n k-
n
k-
n
n k-
1 1
1
1
1
1
1 1 1
1
( )
( )
1 ( ) ( )
( ) ( )
=
|
\
|
.
|
|
|
|
|
|
|
c
c
c
c
c
c
c
c
Una debilidad clara del mtodo de Newton, se presenta en la inversin del Jacobiano en
cada paso iterativo. Sin embargo se puede evitar dicha inversin., considerando el siguiente
procedimiento:
X X J X F X
k k k k ( ) ( ) ( ) ( )
( ) ( ) =
1 1 1 1
donde: X X
Y
J X F X
k k
k
k k ( ) ( )
( )
( ) ( )
( ) ( ) =
1
1
1 1 1
_
entonces: J X Y F X
k k k
( ) ( )
( ) ( ) ( )
=
1 1 1
sistema lineal
adems: X X Y
k k k ( ) ( ) ( )
= +
1 1
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 77
Ejemplo: Resolver el sistema no lineal del ejemplo anterior, considerando las mismas
condiciones, pero mediante Newton.
El Jacobiano estar dado por :
J X
Sen Sen
Cos
x x
x x x x x x
x x x
x x e
( ) ( . ) = +
|
\
|
.
|
|
|
|
3
2 162 01
20
3 2 3 2 2 3
1 2 3
2 1
1 2
El modelo de la primera iteracin vendr dado por:
3
2 162 01
20
3
0
2
0
3
0
2
0
2
0
3
0
1
0
2
0
3
0
2
0
1
0
0
1
1
1
0
2
1
1
0
2
0
1
0
2
0
x x x x x
x x x
x x
x x
x
Senx Sen
Cos
e
x x
e
x x
J X
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
( ) ( )
( )
( . )
( )
( ) ( ) ( ) ( )
+
|
\
|
.
|
|
|
|
_
x
x x
x x x
x x x
x
Y
Cos
Sen
e
x x
F X
2
0
3
1
3
0
0
1
0
2
0
3
0
1
0 2
2
0 2
3
0
3
0
0
3
1
2
81 01 106
20
10 3
3
1
0
2
0
( )
( ) ( )
( )
( ) ( ) ( )
( ) ( ) ( )
( )
( )
( ) ( . ) .
( )
( ) ( )
|
\
|
.
|
|
|
=
+ + +
+ +
|
\
|
.
|
|
|
|
|
_
_
t
donde los valores obtenidos en esta primera y consiguientes iteraciones vienen dados en la
tabla:
k
x
k
1
( )
x
k
2
( )
x
k
3
( )
X X
k k ( ) ( )
1
1 0.50003702 0.01946686 -0.52152047
1.79*10E-2
2 0.50004593 0.00158859 -0.52355711
1.58*10E-3
3 0.50000034 0.00001244 -0.52359845
1.24*10E-5
4 0.50000000 0.0000000 -0.52359877
0
5 0.50000000 0.0000000 -0.52359877
Entonces, el vector solucin es :
X
t ( )
( . . . )
5
050000000 0 0000000 052359877 =
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 78
5. INTERPOLACIN (APROXIMACIONES)
Los tipos de Interpolacin que se analizan son: Interpolacin Estadstica
Interpolacin Polinomial
La Interpolacin Estadstica considera n puntos o pares de valores (x
i
, y
i
) obtenidos como
resultado de algn proceso estadstico o de medicin. Con dichos valores se define un
polinomio de grado m (m s n) o una funcin f(x) que pase lo ms cerca posible de los
puntos conocidos.
El grfico de la figura muestra una nube de puntos y la tendencia expresada como un
polinomio o una funcin.
y
(x
n
, y
n)
p
m
(x) f(x)
(x
i
, y
i
)
(x
1
, y
1
)
x
Este tipo de Interpolacin permite la EXTRAPOLACIN.
Por otro lado, la Interpolacin Polinomial se origina de una funcin tabulada (con un
relativo bajo nmero de valores) y trata de aproximarle a un polinomio de grado n que pase
por los n+1 puntos o pares de valores [x
i
, f(x
i
)] conocidos de la tabla.
El grfico de la figura muestra un conjunto de puntos a travs de los cuales pasa un
polinomio de interpolacin.
y
[x
2
,f(x
2
)] [x
4
,f(x
4
)]
p
3
(x)
[x
3
,f(x
3
)]
[x
1
,f(x
1
)]
x
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 79
Este polinomio p
n
(x) proporciona una frmula para el clculo de valores intermedios que no
constan en la tabulacin inicial dada.
5.1. INTERPOLACIN ESTADSTICA
Las curvas de ajuste (polinomios o funciones) conllevan un error de aproximacin, dado
por:
c
i
= p
m
(x
i
) - y
i
i = 1, 2, , n
c
i
= f(x
i
) - y
i
En este tipo de interpolacin se trata de minimizar las mximas diferencias o diferencias
grandes (c
i
) entre el polinomio o la funcin y el valor de y
i
, para lo cual se define una
funcin de error cuadrtico de aproximacin, dada por:
F
i
i
n
=
=
c
2
1
El proceso de minimizar esta funcin se conoce con el nombre de los MINIMOS
CUADRADOS.
Por otro lado, si la aproximacin es por medio de p
m
(x), la Interpolacin Estadstica toma el
nombre de REGRESIN POLINOMIAL y si la aproximacin es a travs de f(x) toma el
nombre de REGRESION NO POLINOMIAL.
Adems se define el COEFICIENTE DE REGRESIN, dado por :
| |
| |
2
2
1
2
1
=
=
=
p x y
y y
m i
i
n
i
i
n
( )
, donde : y
n
y
i
i
n
=
=
1
1
| |
| |
2
2
1
2
1
=
=
=
f x y
y y
i
i
n
i
i
n
( )
Finalmente se habla de la BONDAD DEL AJ USTE si se hace un grfico del polinomio o
funcin, el clculo de los errores de aproximacin y el clculo del Coeficiente de Regresin;
todos esto para tener una idea clara del modelo de aproximacin utilizado.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 80
5.1.1. REGRESIN POLINOMIAL
Considerando al polinomio: p x a x
m k
k
k
m
( ) =
=
0
, donde m s n
entonces:
| |
F p x y
m i i
i
n
=
=
( )
2
1
Puesto que los a
k
son las incgnitas, entonces:
c
c
F
a
j
= 0, proporcionar un sistema de m+1
ecuaciones con m+1 incgnitas.
Por lo tanto: F a x y
k i
k
i
k
m
i
n
=
(
= =
0 1
2
donde:
c
c
F
a
a x y x j m
j
k i
k
i
k
m
i
n
i
j
=
|
\
|
.
|
(
= =
= =
2 0 0 1
0 1
, ,....,
entonces: a x x y
k
k
m
i
n
i
k j
i
j
i
i
n
= =
+
=
=
0 1 1
finalmente: a x x y j m
k i
k j
i
n
k
m
i
j
i
i
n
+
= = =
|
\
|
.
| = =
1 0 1
0 1 , ,...,
Desarrollando la ltima expresin y considerando
= i
n
1
, se tiene lo siguiente:
a x a x a x a x x y
i i i m i
m
i i 0
0
1
1
2
2 0
+ + + + = ................
a x a x a x a x x y
i i i m i
m
i i 0
1
1
2
2
3 1 1
+ + + + =
+
................
.
a x a x a x a x x y
i
m
i
m
i
m
m i
m
i
m
i 0 1
1
2
2 2
+ + + + =
+ +
................
cuya forma matricial viene dada por:
n x x x
x x x x
x x x x
a
a
a
y
x y
x y
i i i
m
i i i i
m
i
m
i
m
i
m
i
m
m
i
i i
i
m
i
|
\
|
.
|
|
|
|
|
|
\
|
.
|
|
|
|
=
|
\
|
.
|
|
|
|
+
+ +
2
2 3 1
1 2 2
0
1
...........
...........
...........
. . .
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 81
Este ltimo sistema lineal puede ser resuelto por cualquier proceso analizado anteriormente,
sin embargo es conveniente que el grado del polinomio no sea alto, puesto que los
elementos de la matriz cada vez son ms altos, por lo que hay riesgo de tener un error
considerable y el peligro de no llegar a la solucin.
Se recomienda entonces que: m s 4
RESUMEN: Ajuste de curvas mediante un polinomio p x a x
m k
k
k
m
( ) =
=
0
ENTRADA: m(grado del polinomio), n (# de puntos), (x
i
, y
i
) pares de
valores de los n puntos.
SALIDA: p
m
(x
i
), c
i
i = 1, 2, ......, n
ALGORITMO: Para: j = 1, 2, ........, m+1
Considerar: a
j-1
incgnitas
Calcular: b x y
j i
j
i
i
n
=
1
1
trminos independientes
Hacer: k = 1, 2, ........, m+1
Calcular: C
jk i
k j
i
n
x =
+
=
2
1
coeficientes
Resolver: Sistema lineal por cualquier mtodo y obtener
las incgnitas a
k
.
Para: i = 1, 2,........, n
Evaluar: p x a x
m i k i
k
k
m
( ) =
=
0
Calcular: c
i m i i
p x y = ( )
Como una aplicacin particular, se tiene la REGRESIN LINEAL (m = 1), donde :
p x a a x
m
( ) = +
0 1
donde:
n x
x x
a
a
y
x y
i
i i
i
i i
|
\
|
.
|
|
\
|
.
| =
|
\
|
.
|
2
0
1
.
resolviendo el sistema, se obtiene:
a
x y x x y
n x x
i i i i i
i i
0
2
2 2
=
( )
a
n x y x y
n x x
i i i i
i i
1 2 2
=
( )
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 82
adems se tiene que:
( )
( )
2
0 1
2
2
2
1
1
=
a y a x y
n
y
y
n
y
i i i i
i i
Ejemplo: Aproximar los puntos dados a una recta. Analizar la bondad del ajuste.
y
x
i
y
i
1 0.5 6
2 2.5 5
3 2 4
4 4 3
5 3.5 2
6 6 1
7 5.5
1 2 3 4 5 6 7 x
donde: n = 7 y = 3428 .
x
i
= 28 y
i
= 24
x
i
2
140 =
x y
i i
= 1195 .
entonces:
7 28
28 140
|
\
|
.
|
a
a
0
1
|
\
|
.
|
=
24
119 5 .
|
\
|
.
|
Aplicando Eliminacin - Gaussiana, se tiene:
7 28 24
28 140 119 5
.
. .
|
\
|
.
| ~
7 28 24
0 28 235
.
. .
|
\
|
.
|
donde: a
1
= 0.8393 a
0
= 0.07143
por lo tanto: p
1
(x) = 0.07143 + 0.8393 x > ecuacin de una recta.
La bondad del ajuste se puede analizar por medio de la siguiente tabla:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 83
x
i
y
i
p
1
(x
i
) c
i
2
[p
1
(x
i
)- y ]
2
(y
i
- y )
2
1 0.5 0.911 0.1689 6.34 8.58
2 2.5 1.75 0.5625 2.82 0.862
3 2.0 2.59 0.3481 0.704 2.041
4 4.0 3.43 0.3249 1.6x10
-19
0.326
5 3.5 4.27 0.5929 0.704 0.0051
6 6.0 5.11 0.7921 2.82 6.612
7 5.5 5.95 0.2025 6.34 4.291
1
7
28 =
24
2.9919 19.723 22.714
donde:
2
=
| |
p x y
y y
i
i
i
i
1
1
7
2
2
1
7
( )
( )
=
=
=
19 723
22 714
.
.
= 0.86832
En la figura se representan tanto los puntos dados como aquellos correspondientes a la
regresin lineal..
Ejemplo: Ajustar los datos de la tabla a un polinomio de segundo grado (parbola).
Hacer el anlisis de la bondad del ajuste.
x
i
0.00001 0.25 0.5 0.75 1.0
y
i
1.0000 1.2840 1.6487 2.1170 2.7183
donde:
n x x
x x x
x x x
i i
i i i
i i i
|
\
|
.
|
|
|
2
2 3
2 3 4
a
a
a
0
1
2
|
\
|
.
|
|
|
=
y
x y
x y
i
i i
i i
|
\
|
.
|
|
|
2
as: n = 5
x
i
= 25 . y
i
= 8 768 .
x
i
2
1875 = . x y
i i
= 54514 .
x
i
3
15625 = . x y
i i
2
57843 = .
x
i
4
13828 = . y = 17536 .
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 84
entonces:
5 2 5 1875 8 768
2 5 1875 15625 54514
1875 15625 13828 4 4015
. . .
. . . .
. . . .
.
.
.
|
\
|
.
|
|
|
a
a
a
2
1
0
08437
08641
10052
=
=
=
.
.
.
por lo tanto: p
2
(x) = 1.0052 + 0.8641x + 0.8437x
2
ecuacin de una parbola.
La bondad del ajuste se aprecia en la siguiente tabla y grfico.
x
i
y
i
p
1
(x
i
) c
i
2
[p
1
(x
i
)- y ]
2
(y
i
- y )
2
0.00001 1.0000 1.0052 0.2704x10
-4
0.5601 0.5679
0.25 1.2840 1.2740 1x10
-4
0.2300 0.2205
0.5 1.6487 1.6482 0.25x10
-6
0.01111 0.0110
0.75 2.1170 2.1279 0.11881x10
-3
0.1401 0.1321
1.0 2.7183 2.7130 0.2809x10
-4
0.9204 0.9306
i =
=
1
5
25 .
8.768 0.27419x10
-3
1.8618 1.8621
donde:
2
18618
18621
0 99984 = =
.
.
.
y
3
2
1
x
0.25 0.5 0.75 1.0
5.1.2. REGRESIN NO POLINOMIAL
Dependiendo de la tendencia que tenga la nube de puntos, ser posible hacer
aproximaciones mediante funciones, sean estas del tipo exponencial, racionales,
trigonomtricas, etc.
As, si la tendencia es del tipo exponencial, se puede considerar los modelos siguientes:
f x Ae
f x AX
BX
B
( )
( )
=
=
, donde: A y B son incgnitas
Por ejemplo el tratamiento de una de estas funciones, puede ser el siguiente:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 85
f x Ae
BX
( ) = >
ln ( ) ln f x
Y
A
a
B
a
x
_
= +
0 1
donde: Y = a
0
+ a
1
x > se trata de una regresin lineal, para lo cual:
A = e
a
0
B = a
1
adems en los clculos se debe considerar que: Y
i
= ln y
i
Ejemplo: A los terminales de una caja negra se mide la variacin de voltaje en el tiempo,
obtenindose los siguientes valores:
t
i
(s) 0 0.2 0.5 1.0 1.5 2 3 4 5 8
v
i
(V) 0 1.8 3.9 6.3 7.8 8.7 9.5 9.8 9.9 10.0
Ajustar dichos valores a una funcin del tipo: V = a + be
-t
.
Siendo a y b las incgnitas, entonces: F = ( ) a be v
t
i
i
n
i
+
1
2
donde:
dF
da
a be v
t
i
i
n
i
= + =
2 0
1
( )
dF
db
a be v e
t
i
i
n
t
i i
= + =
2 0
1
( )
por lo tanto:
n e
e e
a
b
v
e v
t
t t
i
t
i
i
i i i
|
\
|
.
|
|
\
|
.
| =
|
\
|
.
|
2
as: n = 10
e v
e e v
t
i
t t
i
i
i i
= =
= =
32268 67 7
2 2445 9 7972
2
. .
. .
entonces, resolviendo el sistema lineal, dado por:
10 32268 67 7
32268 2 2445 9 7972
. .
. . .
.
.
|
\
|
.
|
b
a
=
=
10 0128
10 0009
.
.
por lo que: V = 10.0009 - 10.0128 e
-t
adems:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 86
t
i
0 0.2 0.5 1.0 1.5 2.0 3 4 5 8
v
i
0 1.8 3.9 6.3 7.8 8.7 9.5 9.8 9.9 10.0
V
i
-0.0119 1.8031 3.9278 6.3174 7.7667 8.6458 9.5024 9.8175 9.9334 9.9975
donde:
2
0 999988 = .
5.2. INTERPOLACIN POLINOMIAL
Se trata de aproximar una funcin f(x) tabulada a otras funciones de fcil manipulacin,
como son: polinomios, funciones trigonomtricas, exponenciales o racionales.
Siendo lo ms usual el uso de polinomios, entonces dada una funcin tabulada [x
i
, f(x
i
)], se
construye un polinomio nico p
n
(x) que pase exactamente por n+1 puntos, esto es:
p
n
(x
i
) = f(x
i
) f
i
> i = 0, 1, ......, n
5.2.1. TCNICA MATRICIAL
Considerando: p
n
(x) = a x
k
k
k
n
=
0
, donde
m i n ma x x x x
i i
( ) ( ) s s
(lo cual no permite extrapolar).
Entonces, considerando n+1 pares de valores [x
i
, f(x
i
)], el polinomio nico que pasa por
dichos puntos ser:
a x f
k i
k
i
k
n
=
=
0
> i = 0, 1, ......, n
donde:
a a x a x a x f
a a x a x a x f
a a x a x a x f
n
n
n
n
n n n n
n
n
0 1 0 2 0
2
0 0
0 1 1 2 1
2
1 1
0 1 2
2
+ + + + =
+ + + + =
+ + + + =
........
........
........
.
cuya forma matricial viene dada por:
1
1
1
0 0
2
0
1 1
2
1
2
0
1
0
1
x x x
x x x
x x x
a
a
a
f
f
f
n
n
n n n
n
n n
........
........
........
.
_
. .
|
\
|
.
|
|
|
|
|
|
\
|
.
|
|
|
|
=
|
\
|
.
|
|
|
|
MATRIZ DE VANDERMONDE
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 87
Debido a la forma de la matriz de potencias, es conveniente que n no sea alto, por lo que se
recomienda que n s 4.
RESUMEN: Aproximacin mediante un polinomio interpolante p
n
(x) = a x
k
k
k
n
=
0
ENTRADA: n (grado del polinomio), x
0
(argumento de evaluacin), [x
i
, f(x
i
)]
pares de valores de n+1 puntos.
SALIDA: p
n
(x
0
)
ALGORITMO: Para: i = 1, 2, ......, n+1
Considerar: a
i-1
> incgnitas
b
i
= f(x
i
) > trminos independientes
Hacer: j = 1, 2, ......., n+1
Calcular: C
ij
= x
i
j-1
> Coeficientes
Resolver: Sistema lineal por cualquier mtodo y obtener las
incgnitas a
k
.
Evaluar: p
n
(x
0
) = a x
k
k
k
n
0
0 =
Un caso particular de la Interpolacin Polinomial es la llamada INTERPOLACIN
LINEAL (n = 1), donde:
p
1
(x) = a
0
+ a
1
x
entonces:
1
1
0
1
0
1
0
1
x
x
a
a
f
f
|
\
|
.
|
|
\
|
.
| =
|
\
|
.
|
resolviendo el sistema se tiene: a
x f x f
x x
0
1 0 0 1
1 0
=
a
f f
x x
1
1 0
1 0
=
donde: ( ) p x
x f x f
x x
f f
x x
x
1
1 0 0 1
1 0
1 0
1 0
=
|
.
|
|
\
|
.
| =
|
\
|
.
|
a
a
resolviendo se tiene:
a
a
1
0
= - 0.548946
= 1.333716
entonces: p x x
1
( ) = 1.333716 - 0.548946
p
1
(1.5) = 1.333716 - 0.548946(1.5) = 0.5102908
Para INTERPOLACIN CUADRTICA, se tiene: p x x x
2 0 1 2
( ) = a + a + a , donde:
1
1
1
0 0
2
1 1
2
2 2
2
0
1
2
0
1
2
x x
x x
x x
a
a
a
f
f
f
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
Alternativa I:
1 10 10
1 13 169
1 16 256
0 7651977
0 620086
0 4554022
0
1
2
. .
. .
. .
.
.
.
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
a
a
a
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 89
resolviendo se obtiene: a
2
= - 0.1087339
a
1
= - 0.2336177
a
0
= 1.107549
por lo tanto p
2
(1.5) = 1.107549 - 0.2336177(1.5) - 0.1087339(1.5) = 0.5124715
Alternativa II:
1 13 169
1 16 2 56
1 19 361
0620086
0 4554022
0 2818186
0
1
2
. .
. .
. .
.
.
.
|
\
|
.
|
|
|
|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
a
a
a
Resolviendo el sistema y evaluando el polinomio se obtiene: p
2
(1.5) = 0.5112857
Finalmente, se sabe que el valor real de la funcin dada en 1.5 es: f(1.5) = 0.5118277, lo
cual permite concluir que en general, mientras mas alto es el grado del polinomio
interpolante, mejor ser la aproximacin.
5.2.2. POLINOMIO DE LAGRANGE
Otra forma de efectuar aproximaciones es mediante el uso del polinomio interpolante de
Lagrange.
El modelo del polinomio de interpolacin viene dado por:
P x L x f
n K
K
n
K
( ) ( ) =
=
0
donde: L x
x x
x x
K
j
K j j
j K
n
( ) =
|
\
|
.
|
|
=
=
[
0
polinomio de Lagrange de grado n
Puesto que el polinomio pasa por los n + 1 puntos, entonces:
P
n
(x
i
) = f
i
i = 0, 1, ..., n
para lo cual: ( ) L x
para i k
para i j
K i
=
=
=
1
0
Al igual que en el modelo matricial (Vandermonde), tambin en este modelo de Lagrange,
el grado del polinomio no debe ser alto, as es conveniente que n s 4.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 90
Este mtodo de interpolacin por Lagrange, a ms de permitir evaluar la funcin en valores
que no constan en la tabla min x max x
i i
( ) ( ) ( ( o , se usa preferentemente cuando los x
i
no estn IGUALMENTE ESPACIADOS.
RESUMEN: Aproximacin mediante un polinomio: P x L x f
n K
K
n
K
( ) ( ) =
=
0
ENTRADA: n (grado del polinomio interpolante), o (argumento de
evaluacin), [x
i
, f(x
i
)] pares de valores de n + 1 puntos.
SALIDA: p
n
(o)
ALGORITMO: Para: K = 0, 1, ........, n
Considerar: f f x
K K
( )
Calcular: L
x
x x
K
j
K j j
j K
n
( ) o
o
=
|
\
|
.
|
|
=
=
[
0
Calcular: P L f
n K
K
n
K
( ) ( ) o o =
=
0
Un caso particular es cuando: n = 1 (Interpolacin Lineal por Lagrange), esto es:
P x L x f L x f L x f
K
K
K 1
0
1
0 0 1 1
( ) ( ) ( ) ( ) = = +
=
donde: L x
x x
x x
x x
x x
j
j j
j
0
0 0
0
1
1
0 1
( ) =
|
\
|
.
|
|
=
=
=
[
L x
x x
x x
x x
x x
j
j j
j
1
1 0
1
1
0
1 0
( ) =
|
\
|
.
|
|
=
=
=
[
entonces: P x
x x
x x
f
x x
x x
f
1
1
0 1
0
0
1 0
1
( ) =
donde presentando de otra forma, se tiene que:
P x
x f x f
x x
f f
x x
x
1
1 0 0 1
1 0
1 0
1 0
( ) =
=
.
. . .
.
( )
( )
( )
( ) L x
x
x
1
13
16 13
1
0 3
13 =
=
.
. . .
.
entonces: p x x
1
( ) = 1.333716 - 0.548946
p
1
(1.5) = 0.5102968
P x L x f L x f L x f
2 0 0 1 1 2 2
( ) = ( ) + ( ) + ( ) ; donde:
Alternativa I: x
0
= 1.0 f
o
= 0.7651977
x
1
= 1.3 f
1
= 0.6200860
x
2
= 1.6 f
2
= 0.4554022
Alternativa II: x
o
= 1.3 f
o
= 0.6200860
x
1
= 1.6 f
1
= 0.4554022
x
2
= 1.9 f
2
= 0.2818186
Alternativa I:
L x
x x x x
x x x x
x x
x x
0
1 2
0 1 0 2
13 16
10 13 10 16
1
018
13 16 ( )
( )( )
( )( )
( . )( . )
( . . )( . . ) .
( . )( . ) =
=
=
L x
x x x x
x x x x
x x
x x
1
0 2
1 0 1 2
10 16
13 10 13 16
1
009
10 16 ( )
( )( )
( )( )
( . )( . )
( . . . )( . . ) .
( . )( . ) =
=
=
L x
x x x x
x x x x
x x
x x
2
0 1
2 0 2 1
10 13
16 10 16 13
1
018
10 13 ( )
( )( )
( )( )
( . )( . )
( . . )( . . ) .
( . )( . ) =
=
=
donde: p x x x
2
( ) = 1.107549 - 0.2336177 - 0.1081339
p
2
(1.5) = 0.5124715
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 92
Alternativa II:
L x
x x
x x
0
16 19
13 16 13 19
1
018
16 19 ( )
( . )( . )
( . . )( . . ) .
( . )( . ) =
=
L x
x x
x x
1
13 19
16 13 16 19
1
0 09
13 19 ( )
( . )( . )
( . . )( . . ) .
( . )( . ) =
=
L x
x x
x x
2
13 16
19 13 19 16
1
018
13 16 ( )
( . )( . )
( . . )( . . ) .
( . )( . ) =
=
donde: p x x x
2
( ) = 1.230874 - 0.4055603 - 0.04944333
p
2
(1.5) = 0.5112857
5.2.3. FRMULAS DE INTERPOLACIN DE NEWTON
Dependiendo de las caractersticas de los puntos [x
i
, f(x
i
)] tabulados, Newton ha
desarrollado frmulas de Interpolacin Polinomial, tanto para valores de x
i
con intervalo de
separacin constante, como para cuando los valores de x
i
no mantienen un orden lgico ni
una separacin constante.
5.2.3.1. DIFERENCIAS FINITAS
Concepto usado para definir un polinomio de interpolacin en el caso en que los valores de
x
i
mantienen un orden lgico y una separacin constante, esto es:
x
i
- x
i-1
= h puntos igualmente espaciados.
Las Diferencias Finitas se definen de la siguiente forma:
Af x f x h f x ( ) ( ) ( ) = + diferencias finitas de primer orden
A A A
2
f x f x h f x ( ) ( ) ( ) = + diferencias finitas de segundo orden
A A A
k k k
f x f x h f x ( ) ( ) ( ) = +
1 1
diferencias finitas de k-simo orden
Cambiando de notacin y considerando: f
i
f(x
i
) i = 0, 1,......, n
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 93
Se tiene: A A f x f x h f x f f f i n
i i i i i i
( ) ( ) ( ) , ........, = + = =
+1
0 1 1
A A A A A A
2 2
1
0 1 2 f x f x h f x f f f i n
i i i i i i
( ) ( ) ( ) , ......, = + = =
+
.
.
.
A A A A A A
k
i
k
i
k
i
k
i
k
i
k
i
f x f x h f x f f f
k n
i n k
( ) ( ) ( )
, ,....,
, ,....,
= + =
=
=
`
)
+
1 1 1
1
1
2 3
01
Es posible resumir todas las Diferencias Finitas en una tabla como la siguiente:
x
i
f
i
Af
i
A
2
f
i
A
3
f
i
. A
n
f
i
x
0
f
0
Af
0
x
1
f
1
Af
1
A
2
f
0
A
3
f
0
x
2
f
2
Af
2
A
2
f
1
x
3
f
3
.
.
.
.
.
.
A
n
f
0
x
n-3
f
n-3
Af
n-3
x
n-2
f
n-2
Af
n-2
A
2
f
n-3
A
3
f
n-3
x
n-1
f
n-1
Af
n-1
A
2
f
n-2
x
n
f
n
Es importante notar que las Diferencias Finitas permiten calcular aproximaciones a las
derivadas de ](x), puesto que segn el Teorema del Valor Medio, se tiene que:
Af x f x h f x hf ( ) ( ) ( ) ( ), = + = ' donde: x < < x + h
En general:
( )
A
k k k
f x h f ( ) ( ), = donde: x < < x + kh
RESUMEN: Clculo de Diferencias Finitas de todos los rdenes
ENTRADA: n(# mx de orden ), [x
i
, ](x
i
)] pares de valores de n+1 puntos
SALIDA : A
k
i
f
k n
i n k
=
=
`
)
1 2
0 1
, ,......,
, ,....,
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 94
ALGORITMO: Considerar: ]
o
= ](x
0
)
Para: i = 1, 2,., n
Considerar: ]
i
= ](x
i
)
Calcular: A]
i-1
= ]
i
- ]
i-1
Para: k = 2, 3,.., n
Hacer: i = 0,1,., n-k
Calcular: A A A
k
i
k
i
k
i
f f f =
+
1
1
1
Ejemplo: La funcin f x Cos z dz
x
( ) ( )
.
=
}
0 1
, viene tabulada con los valores dados en la tabla.
Calcular todas las Diferencias Finitas de todos los rdenes.
x
i
]
i
A]
i
A
2
]
i
A
3
]
i
0.2 0.09944
0.09843
0.3 0.19787 -0.00151
0.09692 -0.00052
0.4 0.29479 -0.00203
0.09489
0.5 0.38968
Para desarrollar la Frmula de Newton en funcin de las Diferencias Finitas, se parte de un
modelo de polinomio, dado por :
p x C C x x C x x x x C x x x x x x
n
( ) ( ) ( )( ) ( )( )( ) = + + + +
0 1 0 2 0 1 3 0 1 2
+C x x x x x x
n n
( )( ) ( )
0 1 1
Ahora, partiendo del hecho de que el polinomio de interpolacin es nico, esto es:
p x f i n
n i i
( ) , ,.........., = = 01
entonces:
p x f C
p x f C C x x
p x f C C x x C x x x x
p x f C C x x C x x x x C x x x x x x
n o o
n o
n o o
n n n n o n o n n o n n
( )
( ) ( )
( ) ( ) ( )( )
( ) ( ) ( )( ) ( )( )( ) .......
0
1 1 0 1 1
2 2 0 1 2 2 2 2 1
0 1 2 1 3 1 2
= =
= = +
= = + +
= = + + + +
.
+ C x x x x x x
n n n n n
( )( )........... ( )
0 1 1
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 95
Adems, siendo que: x x h
i i
=
1
, entonces
f C
f C C h
f C C h C h
f C C h C h C h
f C C nh C n n h C n n n h C n h
n n
n
0 0
1 0 1
2 0 1 2
2
3 0 1 2
2
3
3
0 1 2
2
3
3
2 2
3 6 6
1 1 2
=
= +
= + +
= + + +
= + + + + +
( )
( ) ( )
( ) ( ) ( )
( ) ( )( ) ( )( )( ) ....... ( ! )
.
Despejando de cada ]
i
la correspondiente C
i
y haciendo sustituciones sucesivas, se tiene:
| |
| |
C f
C
h
f f
C
h
f f f f
h
f f f
C
h
f f f f f f f
h
f f f f
C
h
f f f f f
C
n h
f nf
n n n n
n
0 0
1 1 0
2 2 2 0 1 0 2 2 1 0
3 3 3 0 1 0 2 1 0 3 3 2 1 0
4 4 4 3 2 1 0
1
1
1
2
2
1
2
2
1
6
3 3 2
1
6
3 3
1
4
4 6 4
1
=
=
= = +
= + = +
= + +
= +
( )
( ) ( )
( ) ( ) ( )
!
( )
!
.
( )
!
( )( )
!
( )
!
( ) ( ) ( )
n n n n n n
f f f nf f
n n
n n n
+ + + +
(
1
2
1 2
3
1
2
2 3
2
2
1
1 0
1 1 1
Ahora, segn el concepto de Diferencias Finitas, se tiene lo siguiente:
A
A A A
A A A A A A A A A A
A A A A A A
f f f
f f f f f f f f f f
f f f f f f f f f f f f f f f f
f f f f
f f f f f
o
o
0 1 0
2
0 1 0 2 1 1 0 2 1 0
3
0
2
1
2
0 2 1 1 0 2 1 0 3 2 2 1 1
3 2 1 0
4
0
3
1
3 2
2
2
1
2
2 2
3 3
=
= = = +
= = = + = + =
= +
= =
( )
( ) ( )
(
2
1
2 2
2
2
1
2
4 3 2 1 0
0
1
1
1 2
2
2
1
2
0
0
2 4 6 4
2 1
f f f f f f f f f f
f f f f f f
n
k
f
o o
n n n
o
n n n n
k
n
n k
= + = + +
= = + =
|
\
|
.
|
=
A A A A
A A A A A A
)
( )
( )
.
donde
n
k
n
k n k
|
\
|
.
| =
!
!( )!
Coeficiente Binomial o Factorial de Newton.
Segn todo esto, los coeficientes C
i
tendrn los siguientes modelos:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 96
C f
C
h
f
C
h
f
C
h
f
C
h
f
C
n h
f
o
n n
n
=
=
=
=
=
=
0
1 0
2 2
2
0
3 3
3
0
4 4
4
0
0
1
1
2
1
3
1
4
1
A
A
A
A
A
!
!
!
.
Por lo tanto el polinomio de interpolacin de Newton, toma la siguiente forma:
p x f x x
h
f x x x x
h
f x x x x x x
h
f
x x x x x x x x
n h
f
n
n n
n
o
( ) ( ) ( )( ) ( )( )( )
!
( )( )( ) ( )
!
= + + + +
+
0 0 0 0 1 2
2
0 0 1 2 3
3
0
0 1 2 1
1 1
2
1
3
1
A A A
A
Considerando : s
x x
h
=
0
, entonces:
x x
h
x x h
h
x x
h
s
x x
h
x x h
h
x x
h
s
x x
h
x x n h
h
x x
h
n s n
n
=
+
=
=
=
+
=
=
=
+
=
+ = +
1 0 0
2 0 0
1 0 0
1 1
2
2 2
1
1 1
( )
( )
( ( ) )
.
Por lo tanto:
p x f
x x
h
f
x x
h
x x
h
f x x
h
x x
h
x x
h
f
x x
h
x x
h
x x
h
x x
h
f
n
p x f s f s s
f
s s s
f
s
n
n
n
o
n
( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
.
( )
!
( ) ( ) ( )( ) (
= +
+
+
+
+
= + + + + +
0
0
0
0 1
2
0 0 1 2
3
0
0 1 2 1
0 0
2
0
3
0
2 3!
1
2
1 2
3!
A
A A
A
A
A A
s s s n
f
n
n
o
+ 1 2 1 )( ) ( )
!
A
entonces: p x f
s
k
f
n
k
n
k
( ) = +
|
\
|
.
|
=
0
1
0
A : FRMULA DE NEWTON
donde:
s
k
s s s s k
k
|
\
|
.
| =
+ ( )( ).........( )
!
1 2 1
Tambin: p f C f
n k
k
n
k
( ) o = +
=
0
1
0
A C
k
s i
k
i
k
=
=
[
1
0
1
!
( )
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 97
Segn la frmula, se puede evaluar el polinomio en un punto o (min(x
i
) < o < max(x
i
)), con
una precisin c que se requiera, o a su vez se puede limitar el grado del polinomio segn la
condicin dada por:
S
k
f
k
|
\
|
.
| s A
0
c , donde: n = k-1
RESUMEN: Polinomio de Interpolacin de Newton
ENTRADA: n(grado del polinomio), o(argumento de evaluacin), [x
i
, f(x
i
)]
pares de valores de n+1 puntos al inicio de la tabla alrededor de
o.
SALIDA: p
n
(o)
ALGORITMO: Calcular: Diferencias Finitas
Considerar: s
x
x x
=
o
0
1 0
Para: k = 1, 2,.., n
Calcular: C
k
s i
k
i
k
=
=
[
1
0
1
!
( )
Calcular: p f C f
n k
k
n
k
( ) o = +
=
0
1
0
A
Ejemplo: Considerando la funcin tabulada del ejemplo anterior, determinar el valor de
](0.25) y ](0.48) mediante un polinomio interpolante de Newton de segundo orden.
En general: p x f
s
f
s
f
o 2 0 0
2
1 2
( ) = +
|
\
|
.
| +
|
\
|
.
| A A
a) Para o = 0.25 x
0
= 0.2
x
1
= 0.3
x
2
= 0.4
adems:
s
x
h
s
s
s
s s
=
=
=
|
\
|
.
| = =
|
\
|
.
| =
=
o
0
0 25 0 2
01
05
1 1
05
2
1
2
0125
. .
.
.
!
.
( )
!
.
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 98
entonces: p
2
(0.25) = 0.09944 + (0.5)(0.09843) + (-0.125)(-0.00151)
p
2
(0.25) = 0.14884 ~ f (0.25)
b) Para: o = 0.48 x
0
= 0.3
x
1
= 0.4
x
2
= 0.5
adems: s
x
h
=
=
=
o
0 0 48 0 3
01
18
. .
.
.
s
s
1 1
18
|
\
|
.
| = =
!
. ,
( ) s
s s
2
1
2
0 72
|
\
|
.
| =
=
!
.
entonces: p
2
(0.48) = 0.19787 + (1.8)(0.09692) + (0.72)(-0.00203)
p
2
(0.48) = 0.37086 ~ f (0.48)
5.2.3.2. DIFERENCIAS DIVIDIDAS
Concepto usado para definir un polinomio de interpolacin en el caso en que los valores de
x
i
no mantienen un orden lgico ni una separacin constante.
Las Diferencias Divididas se definen de la siguiente forma:
f x x
f f
x x
i n
i i
i i
i i
[ , ] , ,....,
+
+
+
=
=
1
1
1
0 1 1 Diferencias Divididas de primer orden.
f x x x
f x x f x x
x x
i n
i i i
i i i i
i i
[ , , ]
[ , ] [ , ]
, ,....,
+ +
+ + +
+
=
=
1 2
1 2 1
2
0 1 2 Dif. Div. de 2 orden.
.
f x x x
f x x x f x x x
x x
i i i k
i i i k i i i k
i k i
[ , ,..., ]
[ , ,..., ] [ , ,..., ]
+ +
+ + + + +
+
=
1
1 2 1 1
para: i = 0, 1, .., n-k Diferencias Divididas de k-simo orden.
Tambin: f x x x
f
x x
i i i k
i
j m
m i
m j
k i
j i
k
[ , ,..., ]
( )
+ +
=
=
+
=
+
=
1
1
k = 1, 2,, n; i = 0, 1,..., n-k
Es posible resumir todas las Diferencias Divididas en una tabla como la siguiente:
x
i
f
i
f [x
i
, x
i+1
] f [x
i
, x
i+1
, x
i+2
] f [x
i
, x
i+1
,., x
i+n
]
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 99
x
0
x
1
x
2
x
3
:
:
:
x
n-2
x
n-1
x
n
f
0
f [x
0
, x
1
]
f
1
f [x
0
, x
1
, x
2
]
f [x
1
, x
2
]
f
2
f [x
1
, x
2
, x
3
]
f [x
2
, x
3
]
f
3
:
f [x
0
, x
1
, . , x
n
]
:
f
n-2
f [x
n-2
, x
n-1
]
f
n-1
f [x
n-2
, x
n-1
, x
n
]
f [x
n-1
, x
n
]
f
n
RESUMEN: Clculo de Diferencias Divididas de todos los rdenes.
ENTRADA: n (# mx. de orden), [x
i
, f(x
i
)] pares de valores de n + 1 puntos.
SALIDA: f [x
i
, x
i+1
,., x
i+n
]
k n
i n k
=
=
1 2
0 1
, ,...,
, ,...,
ALGORITMO: Para: i = 0, 1, .., n
Considerar: f
i
f(x
i
)
d
i i
= f
i
Para: k = 1, 2, , n
Hacer: i = 0, 1, ., n-k
Calcular: d
d d
x x
i k i
i k i i k i
k i i
,
, ,
+
+ + +
+
=
1 1
Ejemplo: Una funcin viene tabulada con los valores dados en la tabla. Calcular todas las
Diferencias Divididas de todos los rdenes.
i f
i
f [x
i
, x
i+1
] f [x
i
, x
i+1
, x
i+2
] f [x
i
, x
i+1
, x
i+3
]
1 0
0.46209813
4 1.3862944 - 0.051873116
0.20273255 0.0078655415
6 1.7917595 - 0.020410950
0.18232160
5 1.6094379
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 100
La frmula de Newton en funcin de las Diferencias Divididas, viene dada por:
p
n
(x)= f
0
+f
[x
0
,x
1
](x-x
0
)+f
[x
0
,x
1
,x
2
](x-x
0
)(x-x
1
)+...+f
[x
0
,x
1
,,x
n
](x-x
0
)(x-x
1
)(x-x
n-1
)
Tambin: p x f d x x
n k j
j
k
k
n
( ) ( )
,
= +
=
=
[
0 0
0
1
1
, donde: d f x x x
k k 0 0 1 ,
[ , ,..., ]
Ejemplo: Usando la tabla de diferencias del ejemplo anterior, determinar f(2) mediante un
polinomio interpolante de tercer orden.
Se tiene:
p
3
(x) = f
0
+ f
[x
0
,x
1
](x-x
0
) + f
[x
0
,x
1
,x
2
](x-x
0
)(x-x
1
) + f
[x
0
,x
1
,x
2
,x
3
](x-x
0
)(x-x
1
)(x-x
2
)
dnde: x
0
= 1 f
0
= 0
x
1
= 4 f
[x
0
,x
1
] = 0.46209813
x
2
= 6 f
[x
0
,x
1
,x
2
] = -0.051873116
x
3
= 5 f
[x
0
,x
1
,x
2
,x
3
] = 0.0078655415
entonces:
p
3
(2) = 0
+ 0.46209813(2-1) + (-0.051873116)(2-1)(2-4) + (0.0078655415)(2-1)(2-4)(2-6)
p
2
(3) = 0.62876869 ~ f (2)
5.2.4. ERROR EN EL POLINOMIO DE INTERPOLACIN
Al usar un polinomio de interpolacin y evaluarlo en un punto ( x
i
< < x
i+1
), se tendr
un error de aproximacin o de interpolacin ms o menos considerable y que depender del
grado de dicho polinomio.
As, la expresin bsica del error, viene dada por: e
n
(x) = f(x) - p
n
(x)
donde: e
n
(x) = 0 x = x
i
e
n
(x) = 0 x = x
i
, para: i = 0, 1,., n
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 101
Por otro lado, para el caso de una funcin, la expansin completa en Series de Taylor
presenta un trmino de error de truncamiento dado por:
e
f
n
x x
n
n
i i
n
=
+
+
+
+
( )
( )
( )!
( )
1
1
1
1
( x
i
< < x
i+1
)
Una expresin similar se obtiene para un polinomio de interpolacin de NEWTON de orden
n-simo, esto es:
e
f
n
x x x x x x x x
n
n
n n
=
+
+
( )
( )
( )!
( )( ).....( )( )
1
0 1 1
1
|
.
| =
+
|
\
|
.
|
+
=
+ + +
[
0 1 1
0
1
0
1 1
1 1
A
tambin:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 102
Ejemplo: En base a la tabla de Diferencias Divididas del ejemplo anterior, determinar el
error de un polinomio de interpolacin de segundo orden en x = 2.
Entonces: e x f x x x x x x
j
j
2 0 1 2 3
0
2
( ) [ , , , ] ( ) =
=
[
dnde: f
[x
0
, x
1
, x
2
, x
3
] = 0.0078655415
x
0
= 1, x
1
= 4, x
2
= 6
por lo tanto: e
2
(2) = 0.0078655415(2 - 1)(2 - 4)(2 - 6) = 0.062924332
Ejemplo: La funcin: f x u du
x
( ) sen ( ) =
}
2
0
viene tabulada con los siguientes valores:
x
i
0.1 0.2 0.3 0.4 0.5
f
i
0.0003326 0.0026454 0.0088393 0.0206609 0.0396321
a) Determinar un polinomio de interpolacin de tercer grado, mediante el proceso
matricial de Vandermonde y eliminacin Gaussiana con pivotacin completa.
b) Determinar las cotas del error del polinomio interpolante, mediante Newton -
Horner para determinar las races.
a) El modelo del polinomio viene dado por: p
3
(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
entonces,
mediante Vandermonde se tiene:
1
1
1
1
0 0
2
0
3
1 1
2
1
3
2 2
2
2
3
3 3
2
3
3
0
1
2
3
0
1
2
3
x x x
x x x
x x x
x x x
a
a
a
a
f
f
f
f
|
\
|
.
|
|
|
|
|
\
|
.
|
|
|
|
=
|
\
|
.
|
|
|
|
donde:
x f
x f
x f
x f
0 0
1 1
2 2
3 3
01
0 2
0 3
0 4
=
=
=
=
.
.
.
.
as, aplicando Eliminacin Gaussiana se tiene:
1 01 001 0 001
1 0 2 0 04 0 008
1 0 3 0 09 0 027
1 0 4 016 0 064
0 0003326
0 0026454
0 0088393
0 0206609
pivot
. . .
. . .
. . .
. . .
.
.
.
.
|
\
|
.
|
|
|
|
|
~
1 01 0 01 0 001
0 01 0 03 0 007
0 0 2 008 0 026
0 0 3 015 0 063
00003326
00023128
0 0085067
0 0203283
. . .
. . .
. . .
. . .
.
.
.
.
pivot
|
\
|
.
|
|
|
|
|
~
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 103
1 01 0 01 0 001
0 0 3 015 0 063
0 0 002 0 014
0 0 0 02 0 016
0 0003326
0 0203283
0 0044633
0 0050455
. . .
. . .
. .
. .
.
.
.
.
pivot
|
\
|
.
|
|
|
|
|
~
1 01 0 01 0001
0 0 3 015 0 063
0 0 0 02 0 014
0 0 0 0 002
00003326
0 0203283
0 0044633
0 0005822
. . .
. . .
. .
.
.
.
.
.
|
\
|
.
|
|
|
|
|
donde: a
3
= 0.2911
a
2
= 0.019395
a
1
= -0.0030675
a
0
= 0.0001543
por lo tanto: p
3
(x) = 0.0001543 - 0.0030675 x + 0.0030675 x
2
+ 0.2911 x
3
b) Puesto que la expresin de error viene dada por:
e x
f
x x
j
j
3
4
0
3
4
01 0 4 ( )
!
( ) . .
( )
( )
= < <
=
[
,
,
entonces los lmites del error pueden expresarse de la siguiente forma:
min min mx mx f
x
x x
e x
f
x
x x
j
j
j
j
( ) ( )
( )
!
( )
( )
!
IV IV
s s
= =
[ [
0
3
3
0
3
4 4
asi: f
I
(x) = Sen
2
(x)
f
II
(x) = Sen (2x)
f
III
(x) = 2 Cos (x)
f
IV
(x) = -4 Sen (2x) min f
x
x
( )
IV
= = 0 0
max f
x
x
( )
.
IV
= = 4 0 7854
Para este caso los valores de x estn fuera del intervalo |0.1, 0.4| , por lo que es necesario
determinar el min y el mx de f
x ( )
IV
usando el min y el mx local respectivamente, as :
min local: x = 0.1 min |f
IV
(x)
| = 0.7947
max local: x = 0.4 max|f
IV
(x)
| = 2.8694
por otro lado:
( ) ( . )( . )( . )( . ) . . . x x x x x x x x x x
j
j
= = + +
=
[
0
3
4 3 2
01 0 2 0 3 0 4 0 35 0 05 0 0024
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 104
entonces:
d
dx
x x x x x
j
j
( ) . . = = +
=
[
0
3
3 2
0 4 3 0 7 0 05
donde, al aplicar Newton - Horner con: x
0
= 0 (valor inicial), en la expresin:
x x
x x x
x x
k k
k k k
k k
+
=
+
+
1
3 2
2
4 3 0 7 0 05
12 6 0 7
. .
.
se obtienen los siguientes resultados:
xk
a
i
0.0714 0.1131 0.1326 0.1378
-0.05 -0.0138 -0.0034 -0.0006 -0.00003
0.7 0.5061 0.4120 0.3725 0.3625
- 3 - 2.7143 -2.5478 -2.4695 -2.4487
4 4 4 4 4
entonces: 4x
3
- 3x
2
+ 0.7x - 0.05 = (x - 0.1378)(4x
2
- 2.4487x + 0.3625) = 0
donde las races son: x
A
= 0.1378
x
B
= 0.2507
x
C
= 0.3615, todas estas races estn dentro del intervalo [0.1, 0.4]
por lo tanto: ( ) .
j
A j
x x
=
[
=
0
3
0 0001
( ) . x x x
B j
j
=
=
[
0
3
5
562 10
( ) . x x
C j
j
=
=
[
0 0001
0
3
donde: min x x
j
j
( ) =
=
[
0
3
4
10 mx x x x
j
j
( ) . =
=
[
0
3
5
562 10
finalmente, los lmites del error del polinomio interpolante, vienen dados por:
0 7947 562 10
4
2 8694 10
4
186 10 12 10
5
3
4
6
3
5
. .
!
( )
.
!
. ( ) .
x x x
x x
e x
e x
s s
s s
Ejemplo: La funcin: f(x) = e du
u
x
}
2
0
viene dado por la siguiente tabla de valores:
x
i
0.1 0.3 0.5 0.7 0.9
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 105
f
i
0.09950 0.29078 0.46063 0.59997 0.70557
a) Determinar f(0.4) mediante un polinomio de interpolacin de 3
er
orden que utilice
diferencias divididas.
b) Estimar el error del polinomio de interpolacin p
3
(0.4)
a) p
3
(x) = f
o
+ f|x
o
,x
1
|(x-x
0
) + f|x
o
,x
1
,x
2
|(x-x
0
)(x-x
1
) + f|x
o
,x
1,
x
2
,x
3
|(x-x
0
)(x-x
1
)(x-x
2
)
x
i
f
i
f|x
i
,x
i+1
| f|x
i
,x
i+1
,x
i+2
| f|x
o
,x
1
,x
2
,x
3
|
0.1 0.09950
0.95640
0.3 0.29078 -0.26788
0.84925 -0.18917
0.5 0.46063 -0.38138
0.69670
0.7 0.59997
0.9 0.70557
no utilizado por no ser necesario
entonces: f(0.4) ~ p
3
(0.4), donde:
p
3
(0.4) = 0.09950 + 0.95640(0.4 - 0.1) - 0.26788(0.4 - 0.1)(0.4 - 0.3) -
0.18917(0.4 - 0.1)(0.4 - 0.3)(0.4 - 0.5)
p
3
(0.4) = 0.37895
b) e
3
(0.4) = f|x
0
, x
1
, x
2
, x
3
, x
4
| (0.4 - x
0
)(0.4 - x
1
)(0.4 - x
2
)(0.4 - x
3
)
entonces:
x
i
f
i
f|x
i
,x
i+1
| f|x
i
,x
i+1
,x
i+2
| f|x
o
,x
1
,x
2
,x
3
| f|x
o
,x
1
,x
2
,x
3
,x
4
|
0.1 0.09950
0.95640
0.3 0.29078 -0.26788
0.84925 -0.18917
0.5 0.46063 -0.38138 -0.0001
0.69670 -0.18920
0.7 0.59997 -0.40030
0.73673
0.4 0.37895
por lo tanto: e
3
(0.4) = -0.0001(0.4 - 0.1)(0.4 - 0.3)(0.4 - 0.5)(0.4 - 0.7)
e
3
(0.4) = - 9 x 10
-8
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 106
6. DIFERENCIACIN E INTEGRACIN NUMRICA
Puesto que: f(x) ~ p
n
(x)
f x p x
f x dx p x dx
a n
a
a
b
n
a
b
' ~ '
~
} }
( ) ( )
( ) ( )
Adems: e
n
(x) = f(x) - p
n
(x)
| |
| |
E
d
dx
f x p x
d
dx
e x e a
E f x p x dx e x dx
D n a n
a
n
I n
a
b
n
a
b
= = =
'
= =
} }
( ) ( ) ( ) ( )
( ) ( ) ( )
Considerando: g x f x x x x
n n
( ) [ , ,..... , ] =
0 1
, entonces:
g x
lim g x x g x
x x x
lim
g x x x
n
n n
n
x x
' =
+
+
= +
( )
( ) ( )
( )
( , )
A A
A
A
A
0 0
Pero: g x x x f x x x x x x
n n
( , ) [ , ,........, , , )] + = + A A
0 1
tambin: g
n
(x) = lim f|x
0
, x
1
,......, x
n
, x,
x+Ax| = f|x
0
, x
1
,......, x
n
, x, x|
Ax 0
por lo que se concluye que:
d
dx
f x x x x f x x x x x
n n
[ , ...., , ] [ , ,...... , , ]
0 1 0 1
=
Por otro lado se tiene que: f x x x x
f
n
n
n
[ , ,....., , ]
( )!
( )
( )
0 1
1
1
=
+
+
,
y en consecuencia: f x x x x x
f
n
n
n
[ , ,....., , , ]
( )!
( )
( )
0 1
2
2
=
+
+
q
donde: , , q pertenecen al intervalo en el que se realiza la interpolacin.
6.1. FRMULAS DE DIFERENCIACIN
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 107
d
dx
e x f x x x x
d
dx
x x
d
dx
f x x x x x x
n n j
j
n
n j
j
n
( ) [ , ,...... , ] ( ) [ , ,....., , ] ( ) = +
= =
[ [
0 1
0
0 1
0
e x f x x x x W x f x x x x x W x
n n n
' = ' + ( ) [ , ,...... , ] ( ) [ , ,..... , , ] ( )
0 1 0 1
e x
f
n
W x
f
n
W x
n
n n
' =
+
' +
+
+ +
( )
( )!
( )
( )!
( )
( )
( )
( )
( )
, q
1 2
1 2
As, se tiene:
' =
+
' +
+
+ +
( ( e a
f
n
W a
f
n
W a
n
n n
i i
min max x x ( )
( )
( )!
( )
( )
( )!
( ) ( ,
( ) ( ) 1 2
1 2
, q
, q)
Esta ltima expresin se puede simplificar si se tienen puntos igualmente espaciados y si se
escoge a de tal forma que:
I) W(a) = 0
II) W (a) = 0
La primera condicin W(a) = 0 se logra si: x
i
= a, para lo cual se tiene:
W x
x a
x x x x x x x a x x x x
x a
i i n
( ) ( )( )........( )( )( )........( )
( )
=
+ 0 1 1 1
donde:
W x
x a
x x x x x x x x x x Q x
i i n
( )
( )( ) ( )( ) ( ) ( )
= =
+ 0 1 1 1
entonces: W x Q x x a W x Q x x a Q x ( ) ( )( ) ( ) = ( )( - ) + ( ) = ' '
por lo que:
W a W a Q a a x a x a x a x a x
i i n
( ) ( ) ( ) ( )( ) ( )( ) ( )
- +
= . ' = = 0
0 1 1 1
por lo tanto: ' =
+
+
=
=
[
e a
f
n
a x
n
n
j
j
j i
n
( )
( )
( )!
( )
( ) 1
0
1
,
La segunda condicin W (a) = 0 se logra si n es impar, de manera que:
x x x x
n
n
n
n n 0 1
1
2
1
2
1
, , ............ , , ............., ,
|
a (simtrico a los x
i
)
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 108
entonces:
a x x a
a x x a
a x x a
a x x a
a x x a
n
n
n
k n k
n
n
n
=
=
=
=
=
0
1 1
2 2
1
2
1
2
.
.
(*)
donde:
W x x x x x x x x x x x x x x x x x
n n n
n
n
n
( ) ( )( )][( )( )][( )( )]...[( )( )] =
[
0 1 1 2 2
1
2
1
2
W x x x x x
k n k
k
n
( ) ( )( ) =
=
[
0
1
2
de (*) a x x a x a x
k n k n k k
= =
- -
- 2
entonces: ( )( ) ( ) ( ) x x x a x x a a x
k k k
+ = 2
2 2
por lo tanto:
| |
W a a x
k
k
n
( ) ( ) =
=
[
2
0
1
2
, con lo que se puede demostrar que W (a) = 0
segn lo cual: | | ' =
+
+
=
[
e a
f
n
a x
n
n
k
k
n
( )
( )
( )!
( )
( ) 2
2
0
1
2
2
q
6.1.1. PRIMERA DERIVADA
FRMULAS: (n = 1)
f x p x f f x x x x ( ) ) = - ~ +
1 0 0 1 0
( [ , ]( )
' ~ ' =
' ~
f x p x f x x
f x f x
x x
f a
f x f x
x x
( ) ( ) =
( ( ( (
[ , ]
) )
( )
) )
0 1
1 0
1 0
1 2
1 2
CASO I:
x a
x a h
f a
f a h f a
h
0
1
=
=
' ~
+
( )
( + ) - ( )
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 109
'
''
=
''
=
''
=
[
e a
f
a x
f
a x
f
a a h
j
j
j
1
0
0
1
1
2 2 2
( ) ( ) ( ) =
( )
!
( -
( )
!
-
( )
- - )
=
, , ,
' '' e a
h
f a a h
1
2
( ) = - ( ) < < + , ,
CASO II:
x a h
x a h
x x h f a
f a h f a h
h
0
1
1 0
2
2
=
= +
`
)
= ~
+
/
( )
( ) ( )
| | | | | | '
'''
=
'''
=
'''
=
[
e a
f
a x
f
a x
f
a a h
k
k
1
2
0
0
0
2 2
3 3 6
( ( ) ( ) ( ) =
( )
!
-
( )
!
-
( )
- + )
q q q
' ''' < < e a
h
f a h a h
1
2
6
( ) = - ( ) - + q q
FRMULAS: (n = 2)
f x p x f f x x x x f x x x x x x x ( ) - - - ~ = + +
2 0 0 1 0 0 1 2 0 1
( ) [ , ]( ) [ , , ]( )( )
' ~ ' = + + f x p x f x x f x x x x x x
f
h
f
h
x x x ( ) - ( - = -
2 0 1 0 1 2 0 1
0
2
0
2 0 1
2
2
2 ( ) [ , ] [ , , ][ )] ( )
A A
' ~ + f a
f
h
f
h
a x x ( ) -
A A
0
2
0
2
0 1
2
2 ( )
CASO I:
x a
x a h
x a h
f a
f
h
f
h
a a a h
f
h
f
h
0
1
2
0
2
2
0
2
0
2
2
2
2
=
=
=
' ~ + +
+
( ) - - - ) =
A A A A
(
~
~
+ 2
2
2 2
2
0
2
0 1 0 2 1 0
A A f f
h
f f f f f
h
( ) ( )
donde: ' ~
+
~
+ + +
f a
f f f
h
f a f a h f a h
h
( )
( ) ( ) ( ) 3 4
2
3 4 2
2
0 1 2
'
'''
=
'''
=
'''
=
=
[
e a
f
a x
f
a x a x
f
a a h a a h
j
j
j
2
0
0
2
1 2
3 6 6
2 ( ) ) =
( )
!
( )
( )
( )(
( )
( )( )
, , ,
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 110
' ''' < < e a
h
f a a h
2
2
3
2 ( ) = ( ) + , ,
CASO II:
x a h
x a
x a h
f a
f
h
f
h
a x x
0
1
2
0
2
0
2 0 1
2
2
=
=
=
' ~ +
-
+
( ) - - )
A A
(
~ + + =
+ A A A A f
h
f
h
a a h a
f f
h
0
2
0
2
0
2
0
2
2
2
2
( )
donde: ' ~
+ +
~
~
+
f a
f f f f f
h
f f
h
f a h f a h
h
( )
( ( ) ( ) 2 2
2 2 2
1 0 2 1 0 2 0
) ( )
'
'''
=
'''
=
'''
+
=
=
[
e a
f
a x
f
a x a x
f
a a h a a h
j
j
j
2
0
1
2
0 2
3 6 6
( ) ) =
( )
!
( )
( )
( )(
( )
( )( )
q q q
' ''' < < e a
h
f a h a h
2
2
6
( ) = - ( ) - + q q
OBSERVACIN: Para el CASO II (n = 2), tanto ' f a ( ) como ' e a
2
( ) son exactamente
los mismos que el CASO II con (n = 1), esto se debe a que los x
i
, se
hallan simtricamente espaciados respecto al a. Lo que se deduce,
que al usar puntos de interpolacin simtricamente espaciados, se
obtienen frmulas de ORDEN SUPERIOR.
Si se quiere diferenciar en el ltimo punto de la tabla, as por ejemplo: x
2
= a, x
1
= a - h, x
0
=
a - 2h, es necesario deducir otras frmulas siguiendo el mismo proceso anterior.
6.1.2. SEGUNDA DERIVADA
f x = p x e x =p x +f x ,x ,.........,x ,x W x
n n n n
( ) ( ) ( ) ( ) ( ) + [ ]
0 1
| | '' '' + ' '
'
f x = p x f x ,x ,.........,x ,x W x +f x ,x ,..........,x ,x W x
n n n
( ) ( ) ( ) ( ) [ ] [ ]
0 1 0 1
= '' + '' ' ' ' ' p x f x ,x ,.......,x ,x W x + f x ,x ,......,x ,x W x +f x ,x ,......,x ,x W x
n n n n
( ) ( ) ( ) ( ) [ ] [ ] [ ]
0 1 0 1 0 1
2
'' ' ' + ' ' ' ' f x = p x f x ,x ,.......,x ,x,x W x + f x ,x ,......,x ,x,x W x +f x ,x ,......,x ,x W x
n n n n
( ) ( ) [ ] ( ) [ ] ( ) [ ] ( )
0 1 0 1 0 1
2
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 111
FRMULAS: (n = 2)
'' = '' + ' ' ' ' f a p x f x ,x ,x ,a,a W a + f x ,x ,x ,a,a W a +f x ,x ,x ,a W a ( ) ( ) ( ) ( ) ( )
2 0 1 2 0 1 2 0 1 2
2 [ ] [ ] [ ]
entonces: p x f f x ,x x-x f x ,x ,x x-x x-x
2 0 0 1 0 0 1 2 0 1
( ) ]( ) ]( )( ) = + + [ [
= + + + f f x ,x x-x f x ,x ,x x x x x+x x
0 0 1 0 0 1 2
2
0 1 0 1
[ [ ]( ) ]( ( ) )
donde: '' = '' = p x f x ,x ,x p a f x ,x ,x
2 0 1 2 2 0 1 2
2 2 ( ) ( ) [ ] [ ]
Por otro lado: W x = x-x x-x x-x W a = a - x a x a - x ( ) ( )( )( ) ( ) ( )( )( )
0 1 2 0 1 2
= + + + x x x x x x x +x x +x x x - x x x
3
0 1 2
2
0 1 0 2 1 2 0 1 2
( ) ( )
W a = a x +x +x a+ x x +x x +x x ' ( ) ( ) ( ) 3 2
2
0 1 2 0 1 0 2 1 2
W a = a x +x +x ' ' ( ) ( ) 6 2
0 1 2
tambin:
( )
f x ,x ,x ,a,a =
f
!
f x ,x ,x ,a =
f
!
[ ]
[ ]
0 1 2
4
0 1 2
4
3
( )
( )
,
q '''
min max ) x x ( ( ( , , q
CASO I:
x a
x a+h
x a+ h
0
1
2
2
=
=
=
| | | |
'' ' f = f x ,x ,x +f x ,x ,.....,x x,x a-a a-a-h a-a- h +
n
(a) ( )( )( ) 2 2
0 1 2 0 1
,
| | | | +
f
!
a a h a a a h a a h a h)(a h)
f
!
a a h 2
4
3 2 3 3 2 2
3
6 2 3 3
4
2
( )
( )
( ) ( ) ( ) (
( )
( )
, q
+ + + + + + + + +
'''
Simplificando, se tiene: f a = f x ,x ,x +
h
f hf '' ''' ( ) ( ) ( ) 2
6
0 1 2
2
4
[ ]
( )
, q
puesto que: f x x x
f
h
f f f
h
[ , , ]
0 1 2
2
0
2
2 1 0
2
2
2
2
= =
+ A
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 112
entonces: '' =
+ + +
f a
f a h f a h f a
h
( )
( ) ( ) ( ) 2 2
2
' ''' e a =
h
f -hf
2
2
4
6
( ) ( ) )
( )
( , q
CASO II:
x a - h
x a
x a+h
0
1
2
=
=
=
'' ' f a = f x ,x ,x +f x ,x ,.....,x x,x a - a+h a - a a- a - h +
n
( ) ( )( )( ) 2
0 1 2 0 1
[ ] [ , ]
| | | | +
f
!
a a-h+a+a+h a a h a a-h a h +a a h
f
!
a a 2
4
3 2
3
6 2 3
4
2
( )
( )
( ) ( ) ( )( ) ( )
( )
( )
, q
+ + + + +
'''
Simplificando, se tiene: f a = f x ,x ,x -
h
f ''( ) ( ) 2
12
0 1 2
2
4
[ ]
( )
,
entonces: '' ~
+ +
f a
f a h f a f a-h
h
( )
( ) ( ) ( ) 2
2
' e a = -
h
f
2
2
4
12
( ) ( )
( )
,
Ejemplo: Dada la funcin f(x) = e
x
, determinar f (0) y f (0) para los siguientes valores
de h: 1, 0.1, 0.01, 0.001, 0.0001, 0.00001, mediante frmulas que correspondan
a polinomios de 1
ro
o 2
do
grado y puntos simtricos.
Las frmulas son: f a
f a h f a h
h
E f
h
f
D
' ~
+
= ' ' ' ( )
( ) ( )
( ) ( )
2 6
2
q
f a
f a h f a f a h
h
E f
h
f
D
' ' ~
+ +
= ( )
( ) ( ) ( )
( ) ( )
( )
2
12
2
2
4
,
puesto que a = 0, entonces: f
f h f h
h
' ~
( )
( ) ( )
0
2
f
f h f f h
h
' ' ~
+
( )
( ) ( ) ( )
0
2 0
2
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 113
entonces aplicando las frmulas con cada valor de h, se obtiene lo siguiente:
h f (0) f (0)
1 1.1752012 1.0861613
0.1 1.0016675 1.0008336
0.01 1.0000167 1.0000083
0.001 1.0000002 0.9999990
0.0001 1.0000000 0.9999000
0.00001 1.0000001 0.9900000
por otro lado para h 0, entonces si: q 0 f(q) 1 E f
h
D
( ) =
2
6
, 0 f
(4)
(,) 1 E f
h
D
( ) =
2
12
Ejemplo: Dada la funcin g x e ds
s
x
( ) =
}
2
0
, determinar:
a) g(0.1), g(0.3), g(0.5), por medio de la frmula Compuesta del Trapecio y
considerando un h = 0.1.
b) g' ( . ) 01 en base a los valores tabulados de a), mediante frmulas que
involucren a todos los datos y provoquen el menor error.
a) Puesto que f s e
s
( ) =
2
, entonces segn la frmula Compuesta del Trapecio, se tiene:
- para: a = 0, b = 0.1, h = 0.1
| | g f f f
i
i
m
( . ) ( ) ( . ) . 01 0 01 01
1
1
~ + +
=
0.1
2
donde: m = =
0 1 0
0 1
1
.
.
entonces: | |
| |
g f f f e e
i
i
( . ) ( ) ( . ) .
.
.
( . )
01 0 01 01
01
2
0 09950
1
0
0 0 1
2
~ + + ~ + =
=
0.1
2
- para: a = 0, b = 0.3, h = 0.1
| | g f f f
i
i
m
( . ) ( ) ( . ) . 0 3 0 03 01
1
1
~ + +
=
0.1
2
donde: m = =
0 3 0
0 1
3
.
.
entonces:
| | | |
g e e e e ( . ) . .
( . ( . ) ( . )
01 01 0 29078
0 0 3) 0 1 0 2
2 2 2
~ + + + =
0.1
2
- para: a = 0, b = 0.5, h = 0.1
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 114
| | g f f f
i
i
m
( . ) ( ) ( . ) . 05 0 05 01
1
1
~ + +
=
0.1
2
donde: m = =
0 5 0
0 1
5
.
.
entonces:
| | | |
g e e e e e e ( . ) . .
( . ) ( . ) ( . ) ( . ) ( . )
01 01 0 46063
0 0 5 0 1 0 2 0 3 0 4
2 2 2 2 2
~ + + + + + =
0.1
2
b) Segn los valores obtenidos, se tiene la siguiente tabla:
x
i
0.1 0.3 0.5
g
i
0.09950 0.29078 0.46063
La frmula de Diferenciacin que involucre todos los datos e implique el menor error viene
dada por:
n = 2 x
o
= a = 0.1
x
1
= a + h = 0.3 f a
f a h f a f a h
h
' ~
+ +
( )
( ) ( ) ( ) 4 3 2
2
x
2
= a + 2h = 0.5
entonces:
g
g g g g g g
' ~
+ +
=
= ( . )
( . . ) ( . ) ( . . )
( . )
( . ) ( . ) ( . )
.
. 01
4 01 0 2 3 01 01 0 4
2 02
4 03 3 01 05
0 4
040399
6.2. INTEGRACIN NUMRICA
Puesto que f x = P x + e x
n n
( ) ( ) ( ) , entonces: ( ) f x dx
a
b
}
= ( ) P x dx
n
a
b
}
+ e x dx
n
a
b
( )
}
pero: e
n
(x) = f x ,x ,.....,x ,x x-x
n j
j
[ ] (
0
=0
n
1
)
[
Si [a, b] e [c, d] Intervalo de interpolacin [ ]
0
x , x ,....., x
n 1
n+1 puntos,
entonces: E
I
= [ ] ( )
0
f x , x ,.....,x , x W x dx
n
a
b
1 }
donde, dependiendo del comportamiento de W(x), la integral pude tomar las siguientes
formas:
a) Si W(x) no cambia de signo en [a, b]
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 115
Puesto que f x y z y ( , , ) . . *
0 0 0 0
05 05 4 2 = = = es continua en [a, b], se puede aplicar el
teorema del segundo valor medio de las integrales definidas, esto es:
y y hf x y z
1 0 0 0 0
4 05 2 3 = + = + = ( , , ) . *( )
=
g x y z y z ( , , ) . . . * . * .
0 0 0 0 0
4 01 0 3 4 01 4 0 3 6 18 = = =
z z hg x y z
1 0 0 0 0
6 05 18 6 9 = + = + = ( , , ) . * . .
e (a, b)
donde: E
I
=
f x y z y ( , , ) . . * .
1 1 1 1
05 05 3 15 = = =
y y hf x y z
2 1 1 1 1
3 05 15 2 25 = + = + = ( , , ) . *( . ) .
q e (c, d) c < q < d
b) Si W(x) cambia de signo en [a, b]
Eligiendo el punto x
n+1
e [a, b], con lo cual se tiene la siguiente identidad:
g x y z y z ( , , ) . . . * . * . .
1 1 1 1 1
4 01 0 3 4 01 3 0 3 6 9 163 = = = =
z z hg x y z
2 1 1 1 1
6 9 05 163 7 715 = + = + = ( , , ) . . * . .
donde:
y y
h
K K K K
i i +
= + + + +
1
1 2 3 4
6
2 [ ( ) ]
=
z z
h
L L L L
i i +
= + + + +
1
1 2 3 4
6
2 [ ( ) ]
+
K f x y z
i i i
1 = ( , , )
para lo cual:
E
I
=
L g x y z
i i i
1 = ( , , )
+
K f x
h
y
h
K z
h
L
i i i
2 1 1
2 2 2
= + + + ( , , )
En este caso es posible hacer simplificaciones, pero un caso particularmente deseable ocurre
cuando:
W(x)dx
a
b
}
= 0
entonces:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 116
E
I
=
K f x
h
y
h
K z
h
L
i i i
3 2 2
2 2 2
= + + + ( , , )
L g x
h
y
h
K z
h
L
i i i
3 2 2
2 2 2
= + + + ( , , )
+
K f x h y hK z hL
i i i
4 3 3 = + + + ( , , )
as: E
I
=
L g x h y hK z hL
i i i
4 3 3 = + + + ( , , )
Si se escoge el punto x
n+1
de tal manera que ) ( ) ( ) (
0
1 j
n
j
n
x x x x x V =
[
+
no cambie de signo en [a,
b], entonces de acuerdo al teorema del segundo valor medio de las integrales definidas, se tiene que:
Donde:
6.2.1. FRMULAS BSICAS
a. Eligiendo
Puesto que x e [a,b] W(x) > 0
entonces: W(x) no cambia de signo en [a, b}
Por lo tanto:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 117
A esta frmula se le conoce con el nombre de frmula del RECTNGULO, cuya interpretacin geomtrica
viene dada por el grfico
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 118
b. Eligiendo
puesto que
entonces: W(x) cambia de signo en [a, b]
Segn lo cual se tiene
por lo tanto
Ahora se debe elegir x
1
para que V(x) no cambie de signo.
As, eligiendo: x
1
= x
0
V(x) = (x x
0
) > 0 x [ a,b ]
Entonces:
reemplazando los lmites y reduciendo trminos semejantes se llega finalmente a la expresin:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 119
FORMULA DEL PUNTO MEDIO
entonces
eligiendo
pueso que
entonces: W(x) s 0, x e [ a,b] no cambia de signo.
Por lo tanto:
simplificando la expresin se llega a lo siguiente:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 120
En cuanto al error se tiene que:
reemplazando los lmites y reduciendo trminos semejantes, se tiene:
Eligiendo
Entonces
por lo tanto W(x) cambia de signo en [a, b]
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 121
Segn esto se puede demostrar que:
}
=
b
a
dx x W 0 ) ( , con lo que la expresin de error vendr dada por:
Ahora se debe elegir x para que V(x) no cambie de signo.
As, eligiendo:
Entonces
realizando la integracin se llega finalmente a la
siguiente expresin:
Ahora para evaluar p
1
(x), se usa una combinacin de las frmulas de punto medio y del trapecio, asociadas
a p
2
(x)
Entonces sumando I + II, se tiene:
Puesto que: k p k p = . = ) ( ) (
2
' '
2 1
' '
2
q q , por ser un polinomio de grado 2, entonces:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 122
( )
p dx b a p
p p
x
a b
a b
a
b
2 2
2
2 2
2
3 4
( )
( ) ( )
( ) = +
+
(
+
}
Adems p
2
(x) interpola a f(x) en los puntos: a ,
a b +
2
y b, por lo que:
( ) ( )
p f
a b a b
2
2 2
+ +
=
p
2
(a) = f(a)
p
2
(b) = f(b)
as, entonces: f x dx
a
b
( )
}
~
( )
2
3
2
4
( )
( ) ( )
b a f
f f
a b
a b
+
+
(
+
, donde:
f x dx
a
b
( )
}
~
( )
| |
( )
( ) ( )
b a
f a f f b
a b
+ +
+
6
4
2
FRMULA BSICA DE SIMPSON 1/3
f(x)
parbola
p x dx
a
b
2
( )
}
x
a
a b +
2
b
6.2.2. FRMULAS COMPUESTAS
Puesto que las frmulas desarrolladas anteriormente dependen de (b - a), entonces si este es
muy grande tambin los errores sern considerables, por lo que es conveniente ms bien
dividirle en subintervalos ms pequeos e iguales.
as: x
O
= a
x
1
= a + h
.
.
x
i
= a + ih
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 123
.
.
x
m
= a + mh = b
donde: m =
b a
h
}
I
1 1
1
a) Utilizacin de la frmula bsica del Rectngulo:
p x dx
x
x
x x f x
n
i
i i i
i
( ) ( ). ( )
}
=
1
1 1
e x dx
f
x x
x
x
n
i
i i
i
i
( )
' ( )
( ) =
}
q
2
1
2
1
q
i
e (x
i-1
, x
i
)
Puesto que: x
i
= a + ih
x
i-1
= a + (i - 1)h p x dx hf
x
x
n i
i
i
( ) =
} 1
1
f
i-1
f(x
i-1
)
e x dx
f
h
x
x
n
i
i
i
( )
' ( )
=
}
q
2
2
1
Por lo tanto: f x dx hf
f
h
a
b
i
i
m
i
i
m
( )
' ( )
= +
}
= =
1
1 1
2
2
q
Si f (x) es continua en [a, b] y en base al teorema del valor medio para las integrales
definidas, pero aplicndolo en forma discreta a un sumatorio, se tiene que:
f x dx h f f n
h
i
i
m
a
b
i
m
( ) ' ( ) = +
= =
}
1
1
2
1
2
q e (a, b)
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 124
f x dx h f f
mh
i
i
m
a
b
( ) ' ( ) = +
} 1
1
2
2
q m =
b a
h
donde: f x dx h f
i
i
m
a
b
( ) ~
=
} 1
1
FRMULA COMPUESTA DEL RECTNGULO
adems: E
I
= e x dx
f
b a h
n
a
b
( )
' ( )
( ) =
}
q
2
q e (a, b)
f(x)
p x dx
x
x
n
i
i
( )
}
1
x
a h b
b) Utilizacin de la frmula bsica del Punto Medio:
( )
f x dx f
x x
f
x
xi
i i
i i
i
i i
i
x x x x ( ) ( )
' ' ( )
( ) = +
}
+
1
1
1
2
1
3
24
q
donde: f x dx hf
f
h
a
b
i
i
m
i
i
m
( )
' ' ( )
/
= +
}
= =
1 2
1 1
3
24
q
( )
f f
x x
i
i i
1 2
1
2
/
Usando nuevamente una modificacin del teorema del valor medio para integrales definidas
y si f (x) es continua en [a, b], se tiene:
f x dx h f f
mh
a
b
i
i
m
( ) ' ' ( )
/
= +
}
=
1 2
3
1
24
q m
b a
h
=
donde: f x dx h f
i
i
m
a
b
( )
/
~
=
} 1 2
1
FRMULA COMPUESTA DEL PUNTO MEDIO
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 125
adems: E
I
= e x dx
f
b a h
n
a
b
( )
' ' ( )
( ) =
}
q
24
2
=> q e (a, b)
f(x)
p x dx
x
x
n
i
i
( )
}
1
x
a h b
c) Utilizacin de la frmula bsica del Trapecio:
f x dx x x f f
f
x x
x
xi
i i i i
i
i i
i
( ) ( )( )
' ' ( )
( )
}
= +
1
1
2 12
1 1 1
3
q
donde: f x dx
h
f f
f
h
a
b
i
i
m
i
i
m
i
i
m
( )
' ' ( )
= +
|
\
|
.
|
}
= = =
2 12
1
1 1 1
3
q
pero: f
i
i
m
=
1
1
f
0
+ f
1
+ f
2
+ ...... + f
m-2
+ f
m-1
f
i
i
m
=
=
1
f
1
+ f
2
+ ...... + f
m-1
+ f
m
entonces: f f
i
i
m
i
i
m
= =
+ =
1
1 1
f
0
+ 2(f
1
+ f
2
+ ..... + f
m-1
) + f
m
=
f
0
+ f
m
+ 2 f
i
i
m
=
1
1
as: f x dx
h
f f h f
f
h
a
b
m i
i
m
i
i
m
( ) ( )
' ' ( )
= + +
}
=
=
2 12
0
1
1
1
3
q
Aplicando los mismos criterios anteriores y adems: f
0
= f(a) y f
m
= f(b), se tiene:
f x dx
h
f a f b h f f
h
i
i
m
i
m
a
b
( ) [ ( ) ( )] ' ' ( ) = + +
=
=
}
2 12
1
1 3
1
q q e (a, b)
donde: f x dx
h
f a f b h f
a
b
i
i
m
( ) [ ( ) ( )]
}
~ + +
=
2
1
1
FRMULA COMPUESTA DEL TRAPECI O
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 126
adems: E
I
= e x dx
f
b a h
n
a
b
( )
' ' ( )
( )
}
=
q
12
2
q e (a, b)
d) Utilizacin de la frmula bsica de SIMPSON 1/3:
Siguiendo un proceso similar a lo hecho con las otras frmulas bsicas, mediante el uso de
la frmula bsica de Simpson 1/3, se llega a la siguiente FRMULA COMPUESTA DE
SIMPSON 1/3, dada por:
f x dx
a
b
( ) ~
}
h
f a f b f f
i i
i
m
i
m
3
2 4
1 2
1 3
1
2 4
2
( ) ( )
/
, ,... , ,...
+ + +
adems: E
I
=
|
\
|
.
|
f
b a
h
IV
( )
( )
q
180 2
4
q e (a, b)
Ejemplo: Dada la funcin g x e ds
s
x
( ) =
}
2
0
y en base a los valores tabulados, determinar
g x dx ( )
.
.
0 1
0 5
}
mediante frmulas que involucren a todos los datos y provoquen el
menor error.
x
i
0.1 0.3 0.5
g
i
0.09950 0.29078 0.46063
Las frmulas que involucren a todos los datos e impliquen el menor error, vienen dadas por:
x
o
= a = 0.1
x
a b
1 2
0 3 = =
+
. | | f x dx f a f f b
b a a b
a
b
( ) ( ) ( ) ( ) ~ + +
+
}
6
4
2
Frmula de Simpson 1/3
x
2
= b = 0.5
donde:
| | g x dx g g g ( ) ( . ) ( . ) ( . ) .
. .
.
.
~ + + =
}
05 01
6
01 4 0 3 05 011488
0 1
0 5
Tambin, mediante la frmula Compuesta del Trapecio, se tiene:
| | f x dx f a f b h f m
h
a
b
i
i
m
( ) ( ) ( )
. .
.
~ + + = =
}
=
2
05 01
0 2
1
1
2
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 127
donde: | | g x dx g g g ( ) ( . ) ( . ) . ( . ) .
.
.
.
~ + + =
}
0 2
2
01 05 02 03 0114169
0 1
0 5
7. SOLUCIN NUMRICA DE ECUACIONES DIFERENCIALES
ORDINARIAS DE PRIMER ORDEN
Una solucin de una Ecuacin Diferencial Ordinaria (EDO) es una funcin especfica de
la variable independiente y de los parmetros. As por ejemplo la EDO de primer orden
dada por:
dy
dx
x y = donde: y es la variable dependiente
x es la variable independiente
tiene una solucin:
y e x
x
= +
= = +
por otro lado, si:
y y
x x
y y y x x f x y
i
i
i i i i i i i
=
=
~ = +
+
+
+ + +
1
0
1
1 1
0
1
( ) ( , )
Generalizando las aproximaciones para un intervalo [a, b] en el que los x
i
mantienen una
separacin consecutiva de un valor h, entonces:
y y hf x y
i i i i +
= +
1
( , )
donde: f(x
i
, y
i
) corresponde a la EDO evaluada en (x
i
, y
i
)
Ejemplo: Determinar la solucin analtica y numrica de la EDO dada por
y e y
x , .
. = 4 05
0 8
, en el intervalo [0, 4] con un h = 0.5
Considerar las condiciones iniciales:
x
y
0
0
0
2
=
=
La solucin analtica viene dada por: y e e e
x x x
= +
4
1 3
0 8 0 5 0 5
2
.
. . .
( )
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 129
Mientras que el proceso numrico est dado por:
f x y e y
y y hf x y
i i
x
i
i i i i
i
( , ) .
( , )
.
=
= +
+
4 05
0 8
1
Algunos pasos se presentan a continuacin:
- (x
0
, y
0
) = (0, 2)
f x y e y f e
y y hf x y y
x
( , ) . ( , ) . *
( , ) . * .
. . *0
0 0
0 8
0
0 8
1 0 0 0 1
4 05 0 2 4 05 2 3
2 05 3 35
0
= = =
= + = + =
- (x
1
, y
1
) = (0.5, 3.5)
f x y e y f e
y y hf x y y
x
( , ) . ( . , . ) . * . .
( , ) . . * . .
. . *0.
1 1
0 8
1
0 8 5
2 1 1 1 2
4 05 05 35 4 05 35 4 217
35 05 4 217 5609
1
= = =
= + = + =
- (x
2
, y
2
) = (1.0, 5.609)
f x y e y f e
y y hf x y y
x
( , ) . ( . , . ) . * . .
( , ) . . * . .
. . * .
2 2
0 8
2
0 8 1 0
3 2 2 2 3
4 05 10 5609 4 05 5609 6 098
5609 05 6 098 8 658
2
= = =
= + = + =
La tabla presenta los resultados mediante el clculo analtico y el proceso numrico:
x
i
Analtico EULER % error relativo
0 2.0 2.0 0
0.5 3.7515 3.5 6.7
1.0 6.1946 5.6086 9.46
1.5 9.7070 8.6576 10.81
2.0 14.844 13.133 11.52
2.5 22.427 19.756 11.91
3.0 33.677 29.595 12.12
3.5 50.412 44.243 13.24
4.0 75.339 66.071 12.3
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 130
0
10
20
30
40
50
60
70
80
0 0.5 1 1.5 2 2.5 3 3.5 4
Intervalo
A
m
p
l
i
t
u
dAnaltico
EULER
%error
Conclusiones: Mientras ms pequeo es el h el error ser menor. Sin embargo pueden haber
casos de inestabilidad, donde exista un crecimiento del error.
7.2. MTODO MODIFICADO DE EULER
Determina un gradiente o pendiente en x
i
y otro en x
i+1
, luego obtiene el promedio de
estos gradientes, dando como resultado una mejor aproximacin al gradiente obtenido por
el mtodo simple de Euler en el intervalo (x
i
, x
i+1
).
pendiente = f x y
i i
( , )
+ + 1 1
0
y
y = F(x)
pendiente promedio
y
i+1
pendiente = f x y
i i
( , )
y
i
o
+1
y
i
x
x
i
x
i+1
El esquema representa a un modelo PREDICTOR - CORRECTOR
As, el gradiente en x
i
ser: y f x y
i i i
,
( , ) =
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 131
para lo cual se tiene: y y hf x y
i i i i +
= +
1
0
( , ) Ecuacin predictora
Adems el gradiente en x
i+1
viene dado por: y f x y
i i i + + +
=
1 1 1
0 ,
( , )
segn lo cual el gradiente promedio ser:
y y f x y f x y
i i i i i i
, ,
( , ) ( , ) +
=
+
+ + + 1 1 1
0
2 2
por lo tanto:
{ }
y y
h
f x y f x y
i i i i i i + + +
= + +
1 1 1
0
2
( , ) ( , )
donde: { } y y
h
f x y f x y hf x y
i i i i i i i i + +
= + + +
1 1
2
( , ) ( , ( , )) Ecuacin correctora
Ejemplo: En base al modelo de la EDO del ejemplo anterior, determinar la solucin
numrica mediante el mtodo modificado de Euler.
proceso numrico:
{ }
f x y e y
y y hf x y
f x y e y
y y
h
f x y f x y
i i
x
i
i i i i
i i
x
i
i i i i i i
i
i
( , ) .
( , )
( , ) .
( , ) ( , )
.
.
=
= +
=
= + +
+
+ + +
+ + +
+
4 05
4 05
2
0 8
1
0
1 1
0 0 8
1
0
1 1 1
0
1
A continuacin se desarrollan algunos pasos del proceso numrico.
- (x
0
, y
0
) = (0, 2)
{ } { }
f x y e y e
y y hf x y
f x y e y e
y y
h
f x y f x y
x
x
( , ) . . *
( , ) . * .
( , ) . . * . .
( , ) ( , ) . .
. . *0
. . *0.
.
0 0
0 8
0
0 8
1
0
0 0 0
1 1
0 0 8
1
0 0 8 5
1 0 0 0 1 1
0 0 5
2
4 05 4 05 2 3
2 05 3 35
4 05 4 05 35 4 2173
2
2 3 4 2173 38043
0
1
= = =
= + = + =
= = =
= + + = + + =
- (x
1
, y
1
) = (0.5, 3.8043)
{ }
f x y e
y
f x y e
y
( , ) . * . .
. . * . .
( , ) . * . .
. . . .
. * .
. * .
.
1 1
0 8 0 5
2
0
2 2
0 0 8 1 0
2
0 5
2
4 05 38043 4 0651
38043 05 4 0651 58369
4 05 58369 59837
38043 4 0651 59837 6 3165
= =
= + =
= =
= + + =
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 132
- (x
2
, y
2
) = (1.0, 6.3165)
{ }
f x y e
y
f x y e
y
( , ) . * . .
. . * . .
( , ) . * . .
. . . .
. * .
. * .
.
2 2
0 8 1 0
3
0
3 3
0 0 8 1 5
3
0 5
2
4 05 6 3165 57439
6 3165 05 57439 91885
4 05 91885 86857
6 3165 57439 8 6857 9 9239
= =
= + =
= =
= + + =
As sucesivamente, hasta completar con el intervalo de anlisis.
La tabla, que se presenta a continuacin, resume todo el proceso numrico. Se presentan
los resultados analticos y aquellos obtenidos mediante Euler y Euler Modificado; adems se
presentan los errores relativos porcentuales para cada mtodo.
x
i
Analtico Euler EULER
MODIFICADO
% error rela-
tivo Euler
% error relativo
E. Modificado
0 2.0 2.0 2.0 0 0
0.5 3.7515 3.5 3.8043 6.7 1.41
1.0 6.1946 5.6086 6.3165 9.46 1.97
1.5 9.7070 8.6576 9.9241 10.81 2.24
2.0 14.844 13.133 15.196 11.52 2.37
2.5 22.427 19.756 22.976 11.91 2.45
3.0 33.677 29.595 34.515 12.12 2.49
3.5 50.412 44.243 51.677 13.24 2.51
4.0 75.339 66.071 77.238 12.3 2.52
Por otro lado, en el caso de EDO polinomiales, por ejemplo:
f x y x x x ( , ) . = + + 2 12 20 85
3 2
, se puede aplicar el modelo dado por:
{ }
y y
h
f x f x
i i i i + +
= + +
1 1
2
( ) ( )
7.3. MTODOS DE RUNGE - KUTTA
Estos mtodos tienen la exactitud del esquema de la Serie de Taylor sin necesidad del
clculo de derivadas de orden superior.
El modelo general viene dado por: y y x y h h
i i i i +
= +
1
u( , , )
donde: u( , , ) x y h
i i
es una funcin de incremento y puede interpretarse como el promedio
de la gradiente en un intervalo (x
i
, y
i
).
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 133
As, u = + + + a K a K a K
n n 1 1 2 2
donde los { } a
i
son constantes y los { } K
i
vienen dados por:
K f x y
K f x p h y q K h
K f x p h y q K h q K h
K f x p h y q K h q K h q K h
i i
i i
i i
n i n i n n n n n
1
2 1 11 1
3 2 21 1 22 2
1 1 1 1 2 2 1 1 1
=
= + +
= + + +
= + + + + +
( , )
( , )
( , )
( , )
, , ,
.
Como se observa, las { } K
i
son relaciones recurrentes.
Por otro lado, los valores de { } a
i
, { } p
i
y
{ }
q
i j ,
son determinados eligiendo el valor de n y
comparando y y a K a K a K h
i i n n +
= + + + +
1 1 1 2 2
( ) con y y x y h h
i i i i +
= +
1
u( , , ) , donde
u se expande en Series de Taylor de orden n.
As, la ecuacin y y x y h h
i i i i +
= +
1
u( , , ) con la funcin u expandida en Series de Taylor,
viene dada por:
y y f x y h f x y
h
h
i i i i i i +
+
= + + +
1
2
3
2
( , ) ( , ) ( )
'
O
_
trmino de error
donde: u O ( , , ) ( , ) ( , ) ( )
'
x y h f x y f x y
h
h
i i i i i i
= + +
+
2
2
_
trmino de error
adems: f x y
f
x
f
y
dy
dx
dy
dx
f x y
i i i i
' ( , ) ( , ) = + =
c
c
c
c
Tambin la expansin en Series de Taylor de la funcin f x y
i i
( , ) + + viene dada por:
f x y f x y
f
x
f
y
h
i i i i
( , ) ( , ) ( ) + + = + + +
+
c
c
c
c
O
2
_
trmino de error
Por lo tanto, para n = 1, se tiene lo siguiente:
y y f x y h
i i i i +
= +
1
( , ) Serie de Taylor de primer orden
Tambin: y y a K h K f x y
i i i i +
= + =
1 1 1 1
( , )
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 134
Comparando, la Serie de Taylor de primer orden con la ltima expresin obtenida, se tiene
que a
1
= 1, por lo que:
y y f x y h
i i i i +
= +
1
( , ) Mtodo de Euler
Para n = 2 :
y y f x y h
f
x
f
y
dy
dx
h
i i i i +
= + + +
1
2
2
( , ) ( )
c
c
c
c
Serie de Taylor de segundo orden
por otro lado: y y a K a K h
K f x y
K f x p h y q K h
i i
i i
i i
+
= + +
=
= + +
1 1 1 2 2
1
2 1 11 1
( )
( , )
( , )
donde: f x p h y q K h f x y p h
f
x
q K h
f
y
i i i i
( , ) ( , ) + + = + +
1 11 1 1 11 1
c
c
c
c
por lo que: y y a K h a K h
i i +
= + +
1 1 1 2 2
= + + + +
(
y a h f x y a h f x y p h
f
x
q K h
f
y
i i i i i 1 2 1 11 1
( , ) ( , )
c
c
c
c
= + + + + y a h f x y a h f x y a p h
f
x
a q K h
f
y
i i i i i 1 2 2 1
2
2 11 1
2
( , ) ( , )
c
c
c
c
= + + + +
(
y a a h f x y a p
f
x
a q K
f
y
h
i i i
( ) ( , )
1 2 2 1 2 11 1
2
c
c
c
c
= + + + +
(
y a a h f x y a p
f
x
a q f x y
f
y
h
i i i i i
( ) ( , ) ( , )
1 2 2 1 2 11
2
c
c
c
c
Finalmente, comparando la Serie de Taylor de segundo orden con esta ltima expresin, se
obtiene lo siguiente:
a a
a p
a q
1 2
2 1
1
2
2 11
1
2
1 + =
=
=
Para resolver este ltimo sistema, es necesario dar un valor a una de las incgnitas, con lo
se tendr una familia de Mtodos de Segundo Orden.
7.3.1. MTODOS DE RUNGE - KUTTA DE SEGUNDO ORDEN
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 135
Para a
a
p
q
2
1
1
2
1
11
1
2
1
1
=
=
=
=
por lo que: y y a K a K h y K K h
i i i +
= + + = + +
1 1 1 2 2
1
2 1
1
2 2
( ) ( )
donde:
K f x y x x
K f x h y hK x x
i i i i
i i i i
1 1
2 1 1
=
= + +
+
+
( , ) ( , )
( , ) ( , )
gradiente al incio del intervalo
gradiente al final del intervalo
a este mtodo se le conoce con el nombre de MTODO DE HEUN
Para a
a
p
q
2
1
1
1
2
11
1
2
1
0
=
=
=
=
por lo que: y y a K a K h y K h
i i i +
= + + = +
1 1 1 2 2 2
( )
donde:
K f x y
K f x h y hK
i i
i i
1
2
1
2
1
2 1
=
= + +
( , )
( , )
mtodo conocido con el nombre de MTODO MEJ ORADO DEL POL GONO
Para a
a
p
q
2
1
1
3
1
3
4
11
3
4
2
3
=
=
=
=
por lo que: y y a K a K h y K K h
i i i +
= + + = + +
1 1 1 2 2
1
3 1
2
3 2
( ) ( )
donde:
K f x y
K f x h y hK
i i
i i
1
2
3
4
3
4 1
=
= + +
( , )
( , )
conocido con el nombre de MTODO DE RALSTON - RABI NOWI TZ
7.3.2. MTODOS DE RUNGE - KUTTA DE ORDEN SUPERIOR
Para n = 3 , una versin comn viene dada de la siguiente forma:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 136
y y K K K h
i i +
= + + +
1
1
6 1 2 3
4 ( )
donde:
K f x y
K f x h y hK
K f x h y hK hK
i i
i i
i i
1
2
1
2
1
2 1
3 1 2
2
=
= + +
= + +
( , )
( , )
( , )
Para n = 4 , un mtodo clsico viene dado por:
y y K K K K h
i i +
= + + + +
1
1
6 1 2 3 4
2 2 ( )
donde:
K f x y
K f x h y hK
K f x h y hK
K f x h y hK
i i
i i
i i
i i
1
2
1
2
1
2 1
3
1
2
1
2 2
4 3
=
= + +
= + +
= + +
( , )
( , )
( , )
( , )
Para n = 5 , el MTODO DE BUTCHER (1964) viene dado por:
y y K K K K K h
i i +
= + + + + +
1
1
90 1 3 4 5 6
7 32 12 32 7 ( )
donde:
K f x y
K f x h y hK
K f x h y hK hK
K f x h y hK hK
K f x h y hK hK
K f x h y hK hK hK hK hK
i i
i i
i i
i i
i i
i i
1
2
1
4
1
4 1
3
1
4
1
8 1
1
8 2
4
1
2
1
2 2 3
5
3
4
3
16 1
9
16 4
6
3
7 1
2
7 2
12
7 3
12
7 4
8
7 5
=
= + +
= + + +
= + +
= + + +
= + + + +
( , )
( , )
( , )
( , )
( , )
( , )
NOTA: Se pueden disponer de Mtodos de Runge - Kutta de orden superior, tal como el
de BUTCHER, pero en general la ganancia obtenida en exactitud por mtodos de
orden superior, se contrapone con la complejidad y esfuerzo de clculo.
Ejemplo: Resolver la EDO del ejemplo anterior, mediante el mtodo de Runge - Kutta de
segundo orden en la versin del Polinomio Mejorado.
y y
x
y
e
x , .
. =
=
=
4 05
0
2
0 8 0
0
Condciones iciales
Intervalo = [0, 4], paso = 0.5
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 137
Proceso numrico:
K f x y
x
y
x x h
y hK
K f x y
x
y
y y hK
i i
i
i
i i
i i
i i
i
i
i i
e
y
e
1
0 8
0 1
2
0 1
2 1
2
0 0
0 8
0
0
1 2
4 05
4 05
= =
= +
= +
= =
= +
+
( , ) .
( , ) .
.
.
Algunos pasos se detallan a continuacin:
- (x
0
, y
0
) = (0, 2)
K
x
K
y
e
y
e
1
0
0 1
2
0
0 1
2
2
1
4 05 2 3
0 05 0 25
2 05 3 2 75
4 05 2 75 35106
2 05 35106 37553
0 8 0
0 8 0 25
= =
= + =
= + =
= =
= + =
. *
. * .
. *
* . .
* . * .
. * . .
. * . .
- (x
1
, y
1
) = (0.5, 3.7553)
K
x
K
y
e
y
e
1
1
0 1
2
1
0 1
2
2
2
4 05 37553 4 0896
05 05 075
37553 05 4 0896 4 7778
4 05 4 7778 4 8996
37553 05 4 8996 6 2051
0 8 0 5
0 8 0 75
= =
= + =
= + =
= =
= + =
. * .
. * .
. * . .
. * . .
. * . * . .
. * . .
. . * . .
- (x
2
, y
2
) = (1.0, 6.2051)
K
x
K
y
e
y
e
1
2
0 1
2
2
0 1
2
2
3
4 05 6 2051 57996
10 05 125
6 2051 05 57996 7 655
4 05 7 655 7 0456
6 2051 05 7 0456 9 7279
0 8 10
0 8 125
= =
= + =
= + =
= =
= + =
. * .
. * .
. * . .
. * . .
. * . * . .
. * . .
. . * . .
La tabla presenta el resumen de resultados mediante el clculo analtico y el proceso
numrico:
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 138
x
i
Analtico R-K-2 % error relativo
0 2.0 2.0 0
0.5 3.7515 3.7553 0.101
1.0 6.1946 6.2051 0.169
1.5 9.7070 9.7279 0.215
2.0 14.844 14.880 0.245
2.5 22.427 22.486 0.264
3.0 33.677 33.770 0.276
3.5 50.412 50.555 0.283
4.0 75.339 75.556 0.288
8. SISTEMA DE ECUACIONES DIFERENCIALES ORDINARIAS
Un S.E.D.O. de primer orden viene expresado de la siguiente forma:
c
c
y
x
f x y y y
n
1
1 1 2
= ( , , ,.., )
c
c
y
x
f x y y y
n
2
2 1 2
= ( , , ,.., )
.
.
c
c
y
x
f x y y y
n
n
n
= ( , , ,.., )
1 2
La solucin del S.E.D.O. requiere de n condiciones iniciales de y en el valor inicial de x.
El procedimiento de solucin del S.E.D.O. consiste en aplicar uno de los mtodos
numricos para la solucin de una E.D.O., en forma secuencial a cada una de las E.D.O..
Ejemplo: Resolver el S.E.D.O. mediante EULER y R - K de 4to. ORDEN. Considerar el
intervalo [0,2], un valor de incremento h = 0.5 y las condiciones iniciales ( x
0
= 0,
y
0
= 4, z
0
= 6).
c
c
y
x
y = 05 .
c
c
z
x
y z = 4 01 0 3 . .
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 139
a) EULER:
Proceso numrico: f x y z y
i i i i
( , , ) . = 05
y y hf x y z
i i i i i +
= +
1
( , , )
g x y z y z
i i i i i
( , , ) . . = 4 01 0 3
z z hg x y z
i i i i i +
= +
1
( , , )
Algunos pasos se desarrollan a continuacin :
( x
0
= 0, y
0
= 4, z
0
= 6)
f x y z y ( , , ) . . *
0 0 0 0
05 05 4 2 = = =
y y hf x y z
1 0 0 0 0
4 05 2 3 = + = + = ( , , ) . *( )
g x y z y z ( , , ) . . . * . * .
0 0 0 0 0
4 01 0 3 4 01 4 0 3 6 18 = = =
z z hg x y z
1 0 0 0 0
6 05 18 6 9 = + = + = ( , , ) . * . .
( x
1
= 0.5, y
1
= 3, z
1
= 6.9)
f x y z y ( , , ) . . * .
1 1 1 1
05 05 3 15 = = =
y y hf x y z
2 1 1 1 1
3 05 15 2 25 = + = + = ( , , ) . *( . ) .
g x y z y z ( , , ) . . . * . * . .
1 1 1 1 1
4 01 0 3 4 01 3 0 3 6 9 163 = = =
z z hg x y z
2 1 1 1 1
6 9 05 163 7 715 = + = + = ( , , ) . . * . .
La siguiente tabla resume los pasos del proceso numrico:
x
i
y
i
z
i
0 4 6
0.5 3 6.9
1.0 2.25 7.715
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 140
1.5 1.6875 8.44525
2.0 1.265625 9.0940875
b) R-K 4to. ORDEN:
Proceso Numrico: y y
h
K K K K
i i +
= + + + +
1
1 2 3 4
6
2 [ ( ) ]
z z
h
L L L L
i i +
= + + + +
1
1 2 3 4
6
2 [ ( ) ]
donde: K f x y z
i i i
1 = ( , , )
L g x y z
i i i
1 = ( , , )
K f x
h
y
h
K z
h
L
i i i
2 1 1
2 2 2
= + + + ( , , )
L g x
h
y
h
K z
h
L
i i i
2 1 1
2 2 2
= + + + ( , , )
K f x
h
y
h
K z
h
L
i i i
3 2 2
2 2 2
= + + + ( , , )
L g x
h
y
h
K z
h
L
i i i
3 2 2
2 2 2
= + + + ( , , )
K f x h y hK z hL
i i i
4 3 3 = + + + ( , , )
L g x h y hK z hL
i i i
4 3 3 = + + + ( , , )
El desarrollo de algunos pasos se detallan a continuacin :
( x
0
= 0, y
0
= 4, z
0
= 6)
K f x y z y 1
0 0 0 0
05 05 4 2 = = = = ( , , ) . . *
L g x y z y z 1
0 0 0 0 0
4 01 03 4 01 4 0 3 6 18 = = = = ( , , ) . . . * . * .
K f x
h
y
h
K z
h
L f 2
0 0
1
0
1
2 2 2
0 25 35 6 45 05 35 175 = + + + = = = ( , , ) ( . , . , . ) . * . .
L g 2 0 25 35 6 45 4 01 35 0 3 6 45 1715 = = = ( . , . , . ) . * . . * . .
K f x
h
y
h
K z
h
L f 3
0 0
2
0
2
2 2 2
0 25 35625 6 42875 05 35625 = + + + = = = ( , , ) ( . , . , . ) . * . -1.78125
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 141
L g 3 0 25 35625 642875 4 01 35625 0 3 6 42875 1715125 = = = ( . , . , . ) . * . . * . .
K f x h y hK z hL f 4
0 0
3
0
3 05 3109375 68575625 05 3109375 = + + + = = = ( , , ) ( . , . , . ) . * .
= - 1.5546875
L g 4 05 3109375 68575625 4 01 3109375 0 3 68575625 163179375 = = = ( . , . , . ) . * . . * . .
entonces:
y y
h
K K K K
1 0
1 2 3 4
6
2 4
05
6
2 2 175 178125 15546875 = + + + + = + + = [ ( )
.
[ ( . . ) . ] ]
= 3.115234375
z z
h
L L L L
1 0
1 2 3 4
6
2 6
05
6
18 2 1715 1715125 163179375 = + + + + = + + + + = [ ( )
.
[ . ( . . ) . ] ]
= 6.857670313
( x
1
= 0.5, y
1
= 3.12, z
1
= 6.86 )
K f 1 05 312 686 05 312 156 = = = ( . , . , . ) . * . .
L g 1 05 312 686 4 01 312 0 3 6 36 163 = = = ( . , . , . )) . * . . * . .
K f x
h
y
h
K z
h
L f 2
1 1
1
1
1
2 2 2
0 75 2 73 7 27 05 2 73 1363 = + + + = = = ( , , ) ( . , . , . ) . * . .
L g 2 0 75 2 73 7 27 4 01 2 73 0 3 7 27 1548 = = = ( . , . , . ) . * . . * . .
K f x
h
y
h
K z
h
L f 3
1 1
2
1
2
2 2 2
075 2 77 7 24 05 2 77 1387 = + + + = = = ( , , ) ( . , . , . ) . * . .
L g 3 0 75 2 77 7 24 4 01 2 77 03 7 24 1549 = = = ( . , . , . ) . * . . * . .
K f x h y hK z hL f 4
1 1
3
1
3 10 2 42 7 63 05 2 42 1211 = + + + = = = ( , , ) ( . , . , . ) . * . .
L g 4 10 2 42 7 63 4 01 2 42 0 3 7 63 1468 = = = ( . , . , . ) . * . . * . .
entonces:
y y
h
K K K K
2 1
1 2 3 4
6
2 312
05
6
156 2 1363 1387 1211 = + + + + = + + = [ ( ) .
.
[ . ( . . ) . ] ]
= 3.12 - 0.689 = 2.426171303
z z
h
L L L L
2 1
1 2 3 4
6
2 686
05
6
163 2 1548 1549 1468 = + + + + = + + + + = [ ( ) ] .
.
[ . ( . . ) . ]
= 6.86 + 0.774 = 7.632105674
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 142
La siguiente tabla resume los pasos del proceso numrico:
x
i
y
i
z
i
0 4 6
0.5 3.115234375 6.857670313
1.0 2.426171303 7.632105674
1.5 1.8895231 8.3268860
2.0 1.4715768 8.9468651
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 143
CONTENIDO:
Pg. N
Objetivos generales 1
1. Introduccin al anlisis de errores 1
2. Evaluacin de un polinomio y sus derivadas en argumento real .. 6
2.1. Algoritmo de Horner . 7
2.2. Implementacin . 9
3. Solucin de ecuaciones de una variable .. 11
3.1. Mtodos de Unin 11
3.1.1. Algoritmo de Biseccin .. 12
3.1.2. Algoritmo de Falsa Posicin 15
3.2. Mtodos iterativos de Punto Fijo .. 18
3.2.1. Condiciones de convergencia en los lmites del intervalo 19
3.2.2. Algoritmo de Primer Orden 21
3.2.3. Algoritmo de Segundo Orden . 23
3.2.4. Algoritmo de la Secante .. 25
3.3. Solucin de Ecuaciones Polinomiales 27
3.3.1. Algoritmo de Newton - Horner .. 31
3.3.2. Algoritmo de Newton - Bairstow 34
3.3.3. Evaluacin de polinomios y sus derivadas en argumento complejo 40
4. Solucin de Sistema de Ecuaciones . 42
4.1. Mtodos Directos para la solucin de un Sistema de Ecuaciones Lineales .. 43
4.1.1. Algoritmo de Eliminacin - Gaussiana 43
4.1.2. Algoritmo de Gauss - Jordan .. 47
4.1.3. Algoritmo de Factorizacin 50
4.1.4. Pivotacin .. 55
4.1.5. Sistema de Ecuaciones Lineales mal condicionado 58
4.1.6. Anlisis de error en Sistema de Ecuaciones Lineales . 60
4.1.7. Sistema de Ecuaciones Lineales con trminos complejos .. 64
4.1.8. Inversin de Matrices . 65
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 144
Pg. N
4.2. Mtodos Iterativos para la solucin de Sistemas de Ecuaciones . 68
4.2.1. Mtodos Iterativos para la solucin de Sistemas Lineales . 68
4.2.1.1. Algoritmo de Jacobi 68
4.2.1.2. Algoritmo de Gauss - Seidel .. 71
4.2.1.3. Condicin de convergencia para los Mtodos Iterativos de Jacobi y
Gauss - Seidel en Sistemas Lineales .. 73
4.2.2. Mtodos Iterativos para la solucin de Sistemas No Lineales .. 73
4.2.2.1. Algoritmo de Jacobi 74
4.2.2.2. Algoritmo de Gauss - Seidel .. 75
4.2.2.3. Algoritmo de Newton 76
5. Interpolacin (Aproximaciones) 78
5.1. Interpolacin Estadstica 79
5.1.1. Regresin Polinomial . 80
5.1.2. Regresin No Polinomial 84
5.2. Interpolacin Polinomial 86
5.2.1. Tcnica Matricial 86
5.2.2. Polinomio de Lagrange .. 89
5.2.3. Frmulas de Interpolacin de Newton 92
5.2.3.1. Diferencias Finitas 92
5.2.3.2. Diferencias Divididas .. 98
5.2.4. Error en el Polinomio de Interpolacin .. 100
6. Diferenciacin e Integracin Numrica .... 106
6.1. Frmulas de Diferenciacin .. 107
6.1.1. Primera Derivada .. 108
6.1.2. Segunda Derivada . 110
6.2. Integracin Numrica .. 114
6.2.1. Frmulas Bsicas . 116
6.2.2. Frmulas Compuestas . 121
7. Solucin numrica de Ecuaciones Diferenciales Ordinarias de Primer Orden 126
7.1. Mtodo de Euler . 127
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!
ESCUELA POLITCNICA NACIONAL
Facultad de Ingeniera Elctrica Mtodos Numricos
Ing. Oscar E. Cern A. OECA _ 145
Pg. N
7.2. Mtodo Modificado de Euler 129
7.3. Mtodos de Runge - Kutta 131
7.3.1. Mtodos de Runge - Kutta de Segundo Orden .. 133
7.3.2. Mtodos de Runge - Kutta de Orden Superior .. 134
8. Sistema de Ecuaciones Diferenciales Ordinarias . 137
Created by eDocPrinter PDF Pro!!
Buy Now to Create PDF without Trial Watermark!!