Captulo 3

Soluci
on de Funciones No Lineales
3.1.

M
etodo de Bisecciones

Sea y = f (x) una funci

on definida en el intervalo [x1 , x2 ] de tal manera que f (x1 )f (x2 ) < 0. El metodo
consiste en bisectar el intervalo dado, esto es, encontrar una x
tal que:
x
=

x1 + x2
2

(3.1)

Si |x2 x1 | , entonces x es una raz.

Si no, entonces (x1 , x
) o (
x, x2 ) contiene la raz.
Si f (x1 )f (
x) < 0, entonces la raz esta en el intervalo [x1 , x
] y se asigna x2 x
para tener nuevamente
el intervalo [x1 , x2 ] y as se procede de nuevo a calcular x hasta que |x2 x1 | .

Ejemplo 3.1
Encuentre una raz para la siguiente funcion en el intervalo [0, 1]:
f (x) = ex x,

f  (x) = ex 1

Soluci
on
El intervalo define los valores iniciales: x1 = 0 y x2 = 1. Obtenemos la abscisa intermedia x = 0.5 y
seleccionamos un intervalo a evaluar; para este ejemplo se seleccion
o el intervalo de la izquierda:
x) < 0?
Es f (x1 )f (

S
No

Es f (0)f (0.5) < 0?

Es (1)(0.106531) < 0? No

x2 x

x1 x
x1 0.5
El nuevo intervalo es [0.5, 1]

El proceso se repite hasta que |f (

x)| < 0.00001 como se muestra a continuacion. La primera fila de cada
, x2 y la segunda fila es la funci
on evaluada en esos valores: f (x1 ), f (
x), f (x2 ):
grupo es x1 , x
47

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

f ()

f ()

f ()

f ()

f ()

f ()

f ()

f ()

f ()

f ()

f ()

f ()

x1

x2

0
1
0.500000
0.106531
0.500000
0.106531
0.500000
0.106531
0.562500
0.007283
0.562500
0.007283
0.562500
0.007283
0.562500
0.007283
0.566407
0.001154
0.566407
0.001154
0.566407
0.001154
0.566897
0.000386

0.500000
0.106531
0.750000
0.277633
0.625000
0.089739
0.562500
0.007283
0.593750
0.041498
0.578125
0.017176
0.570313
0.004965
0.566407
0.001154
0.568361
0.001908
0.567385
0.000379
0.566897
0.000386
0.567142
0.000002

1.000000
0.632121
1.0
0.632121
0.750000
0.277633
0.625000
0.089739
0.625000
0.089739
0.593750
0.041498
0.578125
0.017176
0.570313
0.004965
0.570313
0.004965
0.568361
0.001908
0.567385
0.000379
0.567385
0.000379

0.5

1
x

Figura 3.1: Valores de las iteraciones y grafica de la funci

on.

3.2.

M
etodo de Newton-Raphson

Este metodo es muy sencillo, su formula recursiva se obtiene de la expansion en series de Taylor hasta
terminos de primer orden de la funci
on, dando como resultado lo siguiente:
xi+1 = xi

f (xi )
f  (xi )

(3.2)

El problema tambien se puede analizar en forma grafica. Tomando un valor inicial, xi , se obtiene la recta
tangente que pasa por la funcion evaluada en ese punto, f (xi ), La recta tangete no es mas que la recta con
pendiente igual a la de la funci
on, f  (xi ), y despejando el valor de la siguiente aproximacion, xi+1 , se obtiene
la f
ormula recursiva de la ecuacion 3.2.
Ejemplo 3.2
Encuentre una raz para la siguiente funcion:
f (x) = ex x,

f  (x) = ex 1

Soluci
on
La formula recursiva quedara:
xi+1 = xi

exi xi
,
ex 1
48

x0 = 0
Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

xi
0.5
0.566311003
0.567143165
0.567143290

i
1
2
3
4

|a | %
100.0
11.709
0.147
2.204E-7

0.5

1
x

Figura 3.2: Valores de las iteraciones y grafica de la funci

on.
Existen algunos problemas con el metodo, por ejemplo:
Puntos de inflexi
on cerca de la raz
Convergencia cerca de mnimos/maximos locales
Cuando la estimacion inicial se aleja varias races despues
Cuando se tiene una pendiente igual a cero

3.3.

M
etodo de Interpolaci
on Lineal Inversa

Sea y = f (x) una funci

on definida en el intervalo [x1 , x2 ] tal que f (x1 )f (x2 ) < 0. El metodo se deriva
aproximando la gr
afica de f (x) en el intervalo (x1 , xi ), i = 1, 2, 3, . . . por lneas rectas a traves de los puntos
(x1 , f (x1 )) y (xi , f (xi )). Posteriormente, se determina el valor de xi+1 que corresponde a y = f (xi+1 ) = 0.
y

f(x)

x5 x 4

x3

x2
x

x1

Figura 3.3: Proceso gr

afico del metodo de Interpolaci
on Lineal Inversa
49

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Existen lo que se conocen como las condiciones de Fourier, las lcuales son suficientes para garantizar la
convergencia del metodo. Las condiciones son:
f (x1 )f (x2 ) < 0
f (x1 )f  (x1 ) > 0
f  (x) = 0,

(3.3)
(3.4)
x1 < x < x2

(3.5)

En forma analtica, se utiliza la ecuaci

on de una lnea recta para dos puntos ,(x1 , f (x1 )) y (xi , f (xi )):
f (xi ) f (x1 )
f (xi ) y
=
xi x
xi x1

(3.6)

Esta recta corta al eje x en el punto (xi+1 , 0), es decir, x = xi+1 y y = 0, y sustituyendo estos valores en la
ecuacion anterior, obtenemos:
f (xi )
xi xi+1
xi+1

f (xi ) f (x1 )
xi x1
(xi x1 )f (xi )
= xi
f (xi ) f (x1 )
=

(3.7)
(3.8)

y esta es la formula de recursion para el metodo.

3.4.

Polinomios y Races de Polinomios

Teorema 3.1 (Fundamental del Algebra)

Cualquier ecuaci
on algebraica (polinomio) con coeficientes
completos, tiene almenos una raz real o completa.

3.4.1.

Algoritmo de la divisi
on

Si P (x) y F (x) son polinomios en x y F (x) = 0, entonces se pueden encontrar polinomios Q(x) y R(x) tal
que:
P (x) = Q(x)F (x) + R(x)
(3.9)
donde R(x) = 0 o grado(R(x)) < grado(F (x)). Por ejemplo:
(x 1)(x3 1)

(3.10)

Teorema 3.2 (del Residuo) El residuo obtenido al dividir un polinomio P (x) por (x ) es igual a P ().
P (x) = (x )Q(x) + R

(3.11)

P () = R

(3.12)

evaluando en x = , tenemos:
Teorema 3.3 (del Factor) Cualquier ecuaci
on polinomial de la forma:
Pn (x) = xn + a1 xn1 + a2 xn2 + . . . + an1 x + an = 0

(3.13)

Tiene a lo m
as n races distintas de . Si 1 es una raz:
Pn (x) = (x 1 )Pn1 (x) + R/
50

(3.14)
Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Si 2 es una raz:

3.5.

Pn1 (x)

=
..
.

(x 2 )Pn2 (x) + R/

(3.15)

P1 (x)

(x n )

(3.16)

Pn (x)

(x 1 )(x 2 )(x 3 ) . . . (x n )

(3.17)

M
etodo de Birge-Vieta

El metodo es un algoritmo directo para calcular las races de una ecuacion polinomial:
Pn (x) = xn + a1 xn1 + a2 xn2 + . . . + an = 0

(3.18)

Si i (i = 1, . . . , n) son races de Pn (x):

Pn (x) = (x 1 )(x 2 )(x 3 ) . . . (x n )

(3.19)

El metodo de Birge-Vieta calcula las races mediante el metodo de Newton-Raphson, Pn (xi ) y Pn (xi ) por
ormula
f
ormulas recursivas y resuelve para una raz de la ecuacion polinomial Pn (x) = 0 mediante su f
recursiva (de N R):
Pn (xi )
.
(3.20)
xi+1 = xi 
Pn (xi )

3.5.1.

C
omo se calculan Pn (xi ) y Pn (xi )

El c
alculo se lleva acabo por division sintetica. Si Pn (x) es dividida por un termino lineal estimado (x xi ),
se obtiene lo siguiente:
Pn (x) = (x xi )Pn1 (x) + pn
(3.21)
evaluando en x = xi :
para calcular

Pn (x):

evaluando en x = xi :

Pn (xi ) = pn

(3.22)


Pn (x) = (x xi )Pn1
(x) + Pn1 (x)

(3.23)

Pn (xi ) = Pn1 (xi )

(3.24)

Tambien podemos calcular Pn (x) como sigue:

evaluando en x = xi :

Pn1 (x) = (x xi )Pn2 (x) + pn

(3.25)

Pn1 (x) = pn .

(3.26)

Las f
ormulas de recursion para calcular pn (x) y Pn (x) se obtienen de la siguiente manera:
Pn (x)

=
=
=

(x xi )Pn1 (x) + pn
n1

n2

(3.27)

+ p1 x
+ . . . + pn2 x + pn1 ) + pn
(x xi )(x
n
n1
n2
+ p2 x
+ . . . + pn2 x2 + pn1 x
x + p1 x

(3.28)

xi xn1 p1 xi xn2 + . . . xi pn2 x xi pn1 + pn

(3.29)

51

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Se igualan terminos comunes del lado izquierdo con el derecho:

a1
a2
an1
an

= p1 xi
= p2 p1 xi
..
.

= pn1 xi pn2
= pn xi pn1

p1
p2

=
=
..
.

ai + xi
a2 + p1 xi

pk

=
..
.

ak + pk1 xi

pn

an + pn1 xi

(3.30)

F
ormula de recursion para pn .
pk
p1
Pn1 (x)
Pn (xi )

=
=
=
=

ak + pk1 xi , k = 2, . . . , n
a1 + xi
Pn2 (x) + pn
pn

(3.31)

Desarrollamos la ecuacion de Pn1 (x):

xn1 + p1 xn2 + p2 xn3 + . . . + pn2 x + pn1
= (x xi )(xn2 + p2 x2 xn3 + pn3 xn4 + . . . + pn2 x + pn1 ) + pn

(3.32)

Multiplicando el lado derecho por x y xi :

= xn1 + p2 xn2 + p3 xn3 + . . . + pn2 x2 + pn1 x + pn
xi xn2 xi p2 xn3 . . . xi pn2 x xi pn1 + pn
de donde obtenemos

Despejando:

p1
p2

=
=
..
.

p2 xi
p3 xi p2

pk

=
..
.

pk+1 xi pk

pn
pn1

=
=

pn1 xi pn2
pn xi pn1

(3.33)

(3.34)

p2
p3

=
=
..
.

p1 + p1 xi
p2 + p2 xi

pk

=
..
.

pk1 + pk1 xi

pn

pn1 + pn1 xi

(3.35)

p1 se introdujo arbitrariamente para guardar simetra, p1 = 1. La formula de recursion es:

p1 = 1

3.5.2.

pk = pk1 + pk1 xi ;

k = 2, . . . , n

(3.36)

C
alculo de las races

Sea Pn (x) un polinomio de la forma:

Pn (x) = xn + a1 xn1 + a2 xn2 + . . . + an1 x + an
52

(3.37)
Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

con un valor estimado xi = an /an1 , mediante division sintetica:

1
1
p1

a1
xi
p1
p1 xi
p2

a2
p1 xi
p2
p2 xi
p3

a3
p2 xi
p3
p3 xi
p4

. . . an2
. . . xi pn3
. . . pn2
. . . pn2
. . . pn1

an1
xi pn2
pn1
pn1
pn

an
xi pn1
pn

xi
Pn (xi )

(3.38)

Pn (xi )

on mejoraSi pn = 0, xi es la raz buscada. Si no, xi (se aleja) es diferente de cero, se calcula una estimaci
da xi+1 de la raz por Newton-Raphson:
xi+1 = xi
Este proceso se repite hasta que

Pn (xi )
Pn (xi )

xi+1 = xi

pn
pn

(3.39)



 xi+1 xi 




xi

(3.40)

y se encuentra una raz, disminuyendo el orden del polinomio y con los nuevos coeficientes Pk , k = 1, . . . , n,
disminuido en 1 del original.
Ejemplo 3.3
(22)
Calcule una raz de P3 (x) x3 11x2 + 32x 22, con x0 = 32 = 0.6875
Soluci
on
11
32
22
0.6875
0.6875
7.0898
17.1258
1 10.3125 24.9102
4.8742
P3 (0.6875)
0.6875
6.6172
1 9.6250 18.2930 P3 (0.6875)

x1 = x0

(3.41)

4.8742
P3 (x0 )
= 0.6875
= 0.9540
P3 (x0 )
18.2930

(3.42)

El c
alculo de los coeficientes pi y pi , as como la aproximaci
on por Newton-Raphson se listan a continuacion:
p

p
x1
p

p
x2
p

p
x3
p

p
x4

=
=
=
=
=
=
=
=
=
=
=
=

10.3125
1.0000
0.9540
10.0460
1.0000
0.9988
10.0012
1.0000
1.0000
10.0000
1.0000
1.0000

24.9102 4.8743
9.6250 18.2930
22.4165 0.6156
9.0921 13.7431
22.0112 0.0162
9.0025 13.0200
22.0000 0.0000
9.0000 13.0000
Es una raz

p
x1
p

p
x2
p

p
x3
p

p
x4
p

p
x5
53

=
=
=
=
=
=
=
=
=
=
=
=
=
=
=

9.3125
1.0000
2.4959
7.5041
1.0000
3.1489
6.8511
1.0000
3.2641
6.7359
1.0000
3.2679
6.7321
1.0000
3.2680

15.5977
8.6250

r1 = 1.0000
r2 = 3.2680
r3 = 6.7321

3.2704
5.0082
0.4264
3.7021
0.0133
3.4718
0.0000
3.4641
Es una raz
Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

3.6.

M
etodo de Lin-Bairstow Para Races de Polinomios

Este metodo es un procedimiento iterativo para calcular las races reales o complejas de un polinomio con
coeficientes reales y que solo requiere de manipulaci
on de n
umeros reales.
El metodo se basa en la extraccion sucesiva de factores cuadr
aticos Fm (x), m = 1, 2, . . ., del polinomio original
de orden n y de factores subsecuentes de grado n 2m. Cada factor cuadr
atico se determina mediante un
procedimiento de correcci
on diferencial iterativo (metodo de Newton para sistemas de ecuaciones no lineales).
Como las races complejas de un polinomio de coeficientes reales ocurren en pares conjuados, y , los
conjugados complejos se agrupar
an para que todos los productos cuadraticos tengan coficientes reales.
El polinomio de grado par (n = 2k), lo podemos expresar como:
k


Pn (x) =

Fm (x)

(3.43)

m=1

donde

Fm (x) = x2 + rm x + sm ,

m = 1, 2, . . . , k

(3.44)

y similarmente para un polinomio de grado impar, n = 2k + 1:

Pn (x) = (x 2k+1 )

k


Fm (x)

(3.45)

m=1

3.6.1.

Factores Cuadr
aticos de un Polinomio

Definiendo n como el grado del Polinomio a ser fractorizado en una etapa dada del metodo de Lin-Bairstow.
Esto es, n = N 2k(k = 0, 1, 2, ...) donde k factores cuadr
aticos ya han sido extrados del polinomio original.
atico al azar F (x) = x2 rx + s, donde r y s son constantes
Si Pn (x) lo dividimos por un factor cuadr
arbitrarias, obtenemos:
Pn (x) = F (x)Pn2 (x) + Rx + s
(3.46)
En forma extendida:
xn + a1 xn1 + a2 xn2 + . . . + an1 x + an
= (x2 + rx + s)(xn2 + b1 xn3 + b2 xn4 +
. . . + bn3 x + bn2 ) + Rx + S

(3.47)

Note que los cambios en r o s causaran cambios en los coeficientes bk del polinomio Pn2 (x) del cociente, y
en los coeficientes R y S del residuo. Consideremos a r y s como variables independientes y expresemos
bk , R y S como funciones de estas variables, denotandolas como bk (r, s), R(r, s) y s(r, s), respectivamente.
Los requisitos de que F (x) sea un factor de Pn (x) impone la siguiente restriccion:
R(r, s)

= 0

(3.48)

S(r, s)

= 0

(3.49)

Entonces el problema se reduce a calcular las races de las ecuaciones anteriores.

3.6.2.

Calculando races de R(r, s) = S(r, s) = 0

Suponer que los valores iniciales de las estimaciones (r0 , s0 ) de las races son conocidas para el sistema de
ecuaciones. Si estos valores iniciales los incrementamos con peque
nos cambios, r y s, entonces los cambios
54

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

resultantes de las aproximaciones de primer orden estaran dadas por las diferenciales totales (metodo de
Newton para sistemas de ecuaciones no lineales):
R =
S =

Rr r + Rs s
Sr r + Ss s

(3.50)
(3.51)

donde Rr , Rs , Sr , Ss denotan las derivadas parciales de R y S con respecto a r y s, en los valores actuales de
r y s. Dadas las estimaciones de las races r0 y s0 , podemos calcular R(r0 , s0 ) y S(r0 , s0 ) dividiendo Pn (x)
por (x2 + r0 (x) + s0 ), obteniendo los coeficientes R y S del termino residuo, como:
R

R(r0 , s0 )

= 0

(3.52)

S(r0 , s0 )

= 0

(3.53)

Debemos, por lo tanto, hacer r y s de tal manera que las diferenciales totales R y S satisfagan las
restricciones:
R(r0 , s0 ) + R

= 0

(3.54)

S(r0 , s0 ) + S

= 0

(3.55)

Es decir, se imponen las restricciones:

R =
S =

R(r0 , s0 )
S(r0 , s0 )

(3.56)
(3.57)

Al sustituir las ecuaciones 3.56 y 3.57 en las ecuacione 3.50 y 3.51, obtenemos:
Rr r + Rs s

= R(r0 , s0 )

(3.58)

Ss r + Ss s

= S(r0 , s0 )

(3.59)

La solucion al sistema anterior es la correcci

on diferencial. Podemos evaluar en la expansion de series de
Taylor de primer orden:
R(r0 + r, s0 + s) =
S(r0 + r, s0 + s) =

R(r0 , s0 ) + Rr r + Rs s
S(r0 , s0 ) + Sr r + Ss s

(3.60)
(3.61)

Al sustituir las ecuaciones 3.58 y 3.59 en el lado derecho de las ecuaciones anteriores, podemos notar que se
hace cero, entonces:
R(r0 + r, s0 + s)
S(r0 + r, s0 + s)

= 0
= 0

(3.62)
(3.63)

Esto es, r1 = r0 + r y s1 = s0 + s son aproximaciones de primer orden de los ceros de las funciones R(r, s)
y S(r, s). Y si para alguna iteraci
on k, las condiciones:
|rk1 rk |
|sk1 sk |

|r|
|s|

(3.64)

se cumplen simult
aneamente, se dice que las correcciones diferenciales han convergido y tendremos:
R(rk+1 , sk+1 ) = 0
S(rk+1 , sk+1 ) = 0
55

(3.65)
(3.66)
Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

3.6.3.

C
alculo de los Coeficientes R y S del Residuo

Como se not
o anteriormente, la divisi
on de Pn (x) por F (x) = x2 + rx + s d
a como cociente Pn2 (x) y residuo
Rx + S. La derivaci
on de las f
ormulas recursivas para su c
alculo: Dividiendo Pn (x) por F (x), obtenemos:
xn + a1 xn1 + . . . + an1 x + an
=

2
(x
rx + s)(xn2 + b1 xn3 + b2 xn4 + . . . + bn3 x + bn2 ) + Rx + S
 +



F (x)

(3.67)

Pn2 (x)

Llevando acabo las multiplicaciones y resolviendo las ecuaciones para los coeficientes de las potencias de x,
encontramos:
a1

b1 + r

(3.68)

a2

b2 + rb1 + s

(3.69)

a3

=
..
.
=
..
.

b3 + rb2 + sb1

(3.70)

bk + rbk1 + sbk2

(3.71)

=
=

R + rbn2 + sbn3
S + sbn2

(3.72)
(3.73)

ak
an1
an
Introduciendo la formula recursiva:

bk = ak rbk1 sbk2 ,

k = 3, 4, . . . , n

(3.74)

donde
b1
b2

=
=

a1 r
a2 rb1 s

(3.75)
(3.76)

y ademas se puede observar que:

R

= bn1

(3.77)

= bn + rbn1

(3.78)

Desarrollando las f
ormulas recursivas para bk en n y n 1 tenemos:
bn1

an1 rbn2 sbn3

(3.79)

bn

an rbn1 sbn2

(3.80)

y despejando an1 y an para sustituirlas en las u

ltimas ecuaciones de la igualaci
on de coeficientes para
potencias iguales de la variable independiente, tenemos:
an1

= R + rbn2 + sbn3

(3.81)

an
an1

= S + sbn2
= bn1 + rbn2 + sbn3

(3.82)
(3.83)

= bn + rbn1 + sbn2
= bn1 + rbn2 + sbn3 rbn2 sbn3

(3.84)
(3.85)

= bn + rbn1 + sbn2 sbn2

(3.86)

an
R
S

56

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

dando como resultado:

R

= bn1

(3.87)

= bn + rbn1

(3.88)

Note que tanto R como S son funciones R(r, s) y S(r, s) que se requieren en las ecuaciones de correccion
diferencial para Newton. Los terminos restantes Rr , Rs , Sr y Ss se obtienen derivando parcialmente R y S
con respecto a r y s:
Rr

Rs

Sr

Ss

bn1
r
bn1
s
bn1
bn
+r
+ bn1
r
r
bn1
bn
+r
s
s

(3.89)
(3.90)
(3.91)
(3.92)

Para simplificar la notaci

on en la derivaci
on de las f
ormulas recursivas para las derivadas parciales, definimos:
pk

qk

bk
r
bk
s

(3.93)
(3.94)

y derivando los bk , k = 1, . . . , n con respecto a r y s, respectivamente, tenemos:

p1
p2
p3

= 1
= r b1
= b2 rp2 sp1
..
.

q1
q2
q3

=
=
=
..
.

0
1
b1 rq2 sq1

pk

= bk1 rpk1 spk2

..
.

qk

=
..
.

bk2 rqk1 sqk2

pn1
pn

= bn2 rpn2 spn3

= bn1 rpn1 spn2

qn1
qn

=
=

bn3 qpn2 sqn3

bn2 rqn1 sqn2

(3.95)

De esta forma, las derivadas parciales (la matriz Jacobiana) se obtiene con los coeficientes anteriores:
Rr = pn1
Sr = pn + rpn1 + bn1

Rs = qn1
Ss = qn + rqn1

(3.96)

Tambien se puede observar que:

qk+1 = pk ,

k = 1, . . . , n 1

(3.97)

Los incrementos en r y s (s y r, respectivamente) se pueden calcular directamente del sistema de ecuaciones

que forman:




r
R
Rr Rs
=
(3.98)
s
S
Sr Ss
para obtener expresiones directas:
s =

SRr Sr R
,
Rs Sr Ss Rr

r =
57

SRs Ss R
Rs Sr Ss Rr

(3.99)
Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

El sistema tambien se puede ver en funci

on de los coeficientes calculados recursivamente:




pn1
qn1
r
bn1
=
s
pn + rpn1 + bn1 qn + rqn1
(bn + rbn1 )

(3.100)

y los incrementos se pueden expresar directamente en funcion de los datos anteriores:

(bn + rbn1 )pn1 (qn + rqn1 )bn1
pn1 (qn + rqn1 ) qn1 (pn + rpn1 + bn1 )
(b + rbn1 )pn1 (pn + rpn1 + bn1 )bn1
s = n
pn1 (qn + rqn1 ) qn1 (pn + rpn1 + bn1 )

r =

(3.101)

y as calcular las nuevas aproximaciones a las races:

rk+1 = rk + r

sk+1 = sk + s

(3.102)

El proceso se repite hasta que los incrementos sean mas peque

nos en valor absoluto que un predeterminado
valor de precisi
on ().
Ejemplo 3.4
Obtenga los coeficientes de un polinomio cuadr
atico que sea factor de P4 (x) = x4 10x3 + 35x2 50x + 24
utilizando el metodo de Lin-Bairstow con r0 = 4.1 y s0 = 4.85.
Soluci
on
Iteraci
on 1
Calculamos los coeficientes bi del polinomio del cociente al hacer la divisi
on sintetica, as como las derivadas parciales con respecto a r (coeficientes pi ) y a s (coeficientes qi ) con las formulas recursivas vistas
anteriormente:
b = [ 5.9 5.96 3.051 7.6031 ]
p = [ 1 1.8 6.27 13.926 ]
q= [
0 1
1.8
0]
y formamos el sistema de ecuaciones con incognitas r y s:




6.27
1.8
r
3.051
=
8.730 7.38
s
4.9060
para resolverlo y encontrar


.4478470872
=
.1349993127


y

r1
s1


=

r0 + r
s0 + s


=

4.547847087
4.715000687

El proceso continua ahora con los nuevos valores r1 y s1 :

Iteraci
on 2
b = [ 5.452152913 5.489441573
.67204560 1.17363983 ]
p= [
1 .904305826 3.338203731 10.24579192 ]
q= [
0
1 .904305826
0]
Sistema de ecuaciones en r y s:




3.338203731 0.904305826
r
0.67204560
=
4.26380259 4.112644617
s
1.882720794
58

0.1074974628
0.3463398777

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

r2
s2


=

r1 + r
s1 + s


=

4.655344550
4.368660809

Iteraci
on 3
b = [ 5.344655450 5.750126571
.11780719 .57191954 ]
p= [
1 .689310900 1.827513980 5.378534543 ]
q= [
0
1 .689310900
0]
Sistema de ecuaciones en r y s:




1.827513980
.689310900
r
.11780719
=
3.011365514 3.208979742
s
1.120352600
y

r3
s3


=

r2 + r
s2 + s


=

4.551289968
3.921883611

.1040545817
.4467771985

El proceso contin
ua hasta que se cumpla que r y s en valor absoluto sean menores que 0.0001:
Iteraci
on 28
b = [ 5.999530532 7.998356987
.6 107 .00070439 ]
p= [
1 1.999061064 2.999530057 6.000937353 ]
q= [
0
1 1.999061064
0]
Sistema de ecuaciones en r y s:




.6 107
2.999530057
1.999061064
r
=
5.998591117 7.997182751
s
0.0007041499718
y

r28
s28


=

r27 + r
s27 + s


=

4.000352088
3.000528198

.0001173799968
.0001760950852

Iteraci
on 29
b = [ 5.999647912 7.998767752
.2 107 .00052811 ]
p= [
1 1.999295824 2.999647670 6.000703304 ]
q= [
0
1 1.999295824
0]
Sistema de ecuaciones en r y s:




.2 107
2.999647670
1.999295824
r
=
5.998943496 7.997887224
s
0.0005281900070
y

r29
s29


=

r28 + r
s28 + s


=

4.000264080
3.000396145

0.00008800801686
0.0001320530157

La solucion es: x2 4.000264080x + 3.000396145 para un = 0.0001. Los coeficientes del polinomio del
cociente son los bi s: x2 5.999647912x + 7.998767752. Las races de ambos polinomios se pueden encontar
por la f
ormula general para polinomios cuadr
aticos.

59

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Ejemplo 3.5
Obtenga expresiones para R y S en funci
on de r y s para el siguiente polinomio
P4 (x) = x4 + a1 x3 + a2 x2 + a3 x + a4

(3.103)

Soluci
on
Sin seguir el algoritmo
a como resultado
La divisi
on de P4 (x) por x2 + rx + s d
P q = x2 + (a1 r)x + a2 s ra1 + r2
con residuo

P r = (a3 sa1 + 2sr ra2 + r2 a1 r3 )x + s2 + a4 sr2 sa2 + sra1







R

donde

(3.104)
(3.105)

R = a3 sa1 + 2sr ra2 + r2 a1 r3

S = s2 + a4 sr2 sa2 + sra1

La matriz Jacobiana para este sistema de ecuaciones es:



2s a2 + 2ra1 3r2
a1 + 2r
2sr + sa1
2s r2 a2 + ra1

(3.106)

(3.107)

Siguiendo el algoritmo
Se calculan los coeficientes del polinomio resultante de la division:
b1
b2

=
=

a1 r
a2 rb1 s

bk

ak rbk1 sbk2 ,

(3.108)
(3.109)
k = 3, . . . , n

a1 r

a2 r (a1 r) s

b=

a 3 s a1 + 2 s r r a 2 + r 2 a 1 r 3
a 4 r a 3 + 2 s r a 1 3 s r 2 + r 2 a 2 r 3 a 1 + r 4 s a2 + s2

(3.110)
(3.111)

(3.112)

de donde podemos obtener los coeficientes del residuo lineal:

R

bn1
a3 sa1 + 2sr ra2 + r2 a1 r3
bn + rbn1

(3.113)

=
=
=

s2 + a4 sr2 sa2 + sra1

(3.114)

Las derivadas parciales se obtienen con los coeficientes pk y qk :

p1 = 1
p2 = b1 + r
pk = bk1 rpk1 spk2

y estos son los valores de los coeficientes

q1 = 0
qk+1 = pk ,

+ 2r
a
1

2s a2 + 2ra1 3r2
6sr + 2sa1 + 4r3 + 2ra2 3r2 a1 a3
60

k = 1, . . . , (n 1)

a1 + 2r
2s a2 + 2ra1 3r2

(3.115)

(3.116)

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

y asignando las derivadas parciales:

Rr = pn1
Sr = pn + rpn1 + bn1

Rs = qn1
Ss = qn + rqn1

(3.117)

que es la misma matriz Jacobiana que se obtuvo con el otro procedimiento:



2s a2 + 2ra1 3r2
a1 + 2r
2sr + sa1
2s r2 a2 + ra1

(3.118)

Ejemplo 3.6
Encuentre las races del siguiente polinomio:
P4 (x) = x4 7x3 + 13x2 + 45x 50

(3.119)

Pq = x2 + ( 7 r ) x + 13 s + 7 r + r2

(3.120)

(45 + 7s + 2sr 13r 7r2 r3 )x + s2 50 sr2 13s 7sr

(3.121)

Soluci
on
Sin seguir el algoritmo
El cociente de la divisi
on es:
y el residuo
de donde obtenemos:
R = 45 + 7s + 2sr 13r 7r2 r3

S = s2 50 sr2 13s 7sr

(3.122)

que al resolver por Newton (r0 = 0.1, s0 = 0.1), obtenemos:

r = 1.157523855
pudiendo formar el factor cuadratico:

s = 2.042097746

x2 + rx + s = 0

(3.123)

(3.124)

para encontrar sus races:

x1 = 2.120534646,

x2 = .9630107907

(3.125)

y el polinomio del cociente queda como:

x2 8.157523855x + 24.48462622

(3.126)

que al resolver para x, obtenemos las races restantes:

x3,4 = 4.078761928 i2.801486634

61

(3.127)

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

3.7.

M
etodo de Newton para Sistemas de Ecuaciones No Lineales

Se tiene un sistema de ecuaciones no lineales de la forma:

f (x, y) =
g(x, y) =

0
0

(3.128)
(3.129)

con una raz aproximada (interseccion) (x0 , y0 ). Dado que se tienen funciones de mas de una variable, el
desarrollo en series de Taylor para este tipo de funciones esta descrita de la siguiente manera:
f (x, y) =

g(x, y) =

1
fxx (x, y)x2 + 2fxy (x, y)xy+
fx (x, y)x + fy (x, y)y +
2

fyy (x, y)y 2
1
gxx (x, y)x2 + 2gxy (x, y)xy+
gx (x, y)x + gy (x, y)y +
2

gyy (x, y)y 2

(3.130)

(3.131)

donde el subndice indica, por ejemplo,

fx =

f
x

fxy =

2f
xy

(3.132)

El metodo de Newton asume una aproximacion lineal, as pues

f (x, y) =
g(x, y) =

fx (x, y)x + fy (x, y)y

gx (x, y)x + gy (x, y)y

(3.133)
(3.134)

Una soluci
on al sistema de ecuaciones es suponer valores de x y y tales que f y g cumplan las restricciones:
f (x0 , y0 ) f (x0 , y0 ) =
g(x0 , y0 ) g(x0 , y0 ) =

0
0

(3.135)
(3.136)

f (x0 , y0 ) =
g(x0 , y0 ) =

f (x0 , y0 )
g(x0 , y0 )

(3.137)
(3.138)

Finalmente, podemos sustituir los valores de f y g de la serie de Taylor para obtener las siguientes
expresiones:
fx (x0 , y0 )x + fy (x0 , y0 )y

= f (x0 , y0 )

(3.139)

gx (x0 , y0 )x + gy (x0 , y0 )y

= g(x0 , y0 )

(3.140)

o expresadas en forma matricial


fx (x0 , y0 )
gx (x0 , y0 )

fy (x0 , y0 )
gy (x0 , y0 )

x
y


=

f (x0 , y0 )
g(x0 , y0 )

(3.141)

o
J|x0 ,y0 = f |x0 ,y0

(3.142)

Las ecuaciones anteriores se pueden resolver para encontrar las incognitas x y y, en donde el valor (x0 +
on a la soluci
on del sistema de ecuaciones:
x, y0 + y) es una nueva aproximaci
x1

x0 + x

(3.143)

y1

y0 + y

(3.144)

62

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

La solucion se habr
a encontrado cuando
|x| 

|y| 

(3.145)

siendo J la matriz de derivadas parciales de las funciones con respecto a cada una de las variables.
La solucion de dicho sistema de ecuaciones formado por 3.139 y 3.140 se puede resolver mediante alg
un
metodo directo (Gauss-Jordan o Montante).
El metodo anterior recibe el nombre de Newton Modificado. La idea b
asica en el metodo de Newton
Modificado para la solucion de ecuaciones no lineales es la obtenci
on de la matriz Jacobiana de las funciones
y evaluarla en la aproximacion de la raz mas reciente. La matriz Jacobiana es una matriz cuyas filas son los
gradientes de cada una de las funciones. El gradiente de una funci
on es un vector donde cada elemento es la
derivada parcial de la funci
on con respecto a cada una de las variables de las cuales la funcion depende:

f1 f1

f1
x
f1
x1
x2
n
f2
f2
f2
f2
x

x1
x2

(3.146)
J= . = .
.
.
.
..
..
. ..

fn

fn
x1

fn
x2

fn
xn

Ejemplo 3.7
Determinar la soluci
on del siguiente sistema de ecuaciones (la figura 3.4 muestra la grafica de ambas funciones) con raz aproximada en (1, 1):
x2 + y 2 4
x2
+ y2 1
9

y 1

8
6
4

-2
-1

-2

-1

0
x 00
y
-2
-4

2
1

2
1

1
2

(a) Isom
etrico
2

(b) En 2D

Figura 3.4: Gr
afica de f (x, y) y de g(x, y).

Soluci
on
El primer paso es encontrar la matriz Jacobiana:
fx = 2x,
gx = 29 x,

fy = 2y,
gy = 2y,

y
63

J=

2x
2
9x

2y
2y

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

La primera iteraci
on es evaluar la matriz Jacobiana en la raz inicial, as como las funciones:






2 2
f (x, y)
2
J|1,1 = 2
=
y f |1,1 =
g(x, y) 1,1
19
2
9
y la soluci
on al sistema de ecuaciones para encontrar x y y es:


x = 1.1875
y = 0.1875
La nueva aproximaci
on a la raz es:
x1
y1


Iteraci
on 1

=
=

x0 + x = 1 + 1.1875 = 2.1875
y0 + y = 1 0.1875 = 0.8125

2.
2.
J|(x0 ,y0 ) =
.2222222 2.


1.187500
=
,
.1875000
Iteraci
on 2

Iteraci
on 4

2.
, f |(x0 ,y0 ) =
.1111111



2.187500
x1
=
y1
.8125000

1.445312
.191840




1.865179
.3223213 .02163447
x2
=
=
y2
.7908655
,
4.375000 1.625000
.4861111 1.625000

J|(x1 ,y1 ) =

Iteraci
on 3

f |(x1 ,y1 ) =




3.730358 1.581731
.104361
, f |(x2 ,y2 ) =
J|(x2 ,y2 ) =
.4144842 1.581731
.012012





1.837328
.02785058
x3
=
=
,
.7905694
y3
.0002961131




3.674656 1.581139
.000774
, f |(x3 ,y3 ) =
.4082951 1.581139
.000086





x4
1.837117
.0002106320
,
=
=
y4
.7905694
.2 1010

J|(x3 ,y3 ) =

Iteraci
on 5



3.674234 1.581139
.1 105
, f |(x4 ,y4 ) =
J|(x4 ,y4 ) =
.1 106
.4082482 1.581139





x5
1.837117
.2755677 106
,
=
=
.7905694
.7905684 108
y5


64

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Ejemplo 3.8
Determinar la soluci
on del siguiente sistema de ecuaciones con raz aproximada en (0.1, 0.1, 0.1):

2


1
x21 81 x2 + 10
+ sin (x3 ) + 53
0.1
x1
50

, x = x2 , x0 = 0.1
f =
3 x1 + cos (x2 x3 ) + 21

0.1
x3

1
e(x1 x2 ) + 20 x3 + 10
3

0
0.2
0.4
z
0.6
0.8
1
0

0.4

0.2

0.2
y0

x
0.6

0.2

0.4

0.8

0.4

Figura 3.5: Gr
afica de las funciones

Soluci
on

2 x1
3

162 x2 81
5
sin(x2 x3 )x3

x2 ex1 x2

x1 ex1 x2

J=

Iteraci
on 1

cos(x3 )

sin(x2 x3 )x2

20

J|x0

.2
32.40000
.9950042
3.
.0009999833 .0009999833 ,
=
.09900498 .09900498
20.

.3998697
= .08053315 ,
.4215207

Iteraci
on 2

f |x0

.4998697
x1 = .01946685
.5215207

.9997394
19.35363
.8670626
3.
.005294582 .0001976314 ,
=
.01927834 .4950291
20.

J|x1

65

2.269833
= 1.199950
8.462030

.3443896
= .0003395
.03189

f |x1

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

.0001445853
= .01787836 ,
.002036876
Iteraci
on 3

.5000143
x2 = .00158849
.5235576

1.000029
16.45734
.8660460
.0258878
3.
.0004354250 .1321093 105 , f |x2 = .0000433
=
.00004
.001587229
.4996173
20.

.00001420459
.5000001
= .001576063 , x3 = .000012427
.00004137255
.5235990

J|x2

Iteraci
on 4
J|x3

Iteraci
on 5
J|x4

1.000000
16.20201
.8660253
.0002010

3.
.3406936 105 .8085957 1010 , f |x3 =
0
=
.00001
.00001242692
.4999970
20.

.1407714 1010
.5000001
= .00001239571 , x4 = .3129 107
.1901092 106
.5235988

1.000000
16.20001
.8660254
.1 106

3.
.8578334 108 .5126369 1015 , f |x4 =
0
=
7
0
.3129000 10
.5000001
20.

.1767450 1016
.5000001
= .6181096 108 , x5 = .374711 107
.1545275 109
.5235988

66

Tecnolgico de Monterrey

Captulo 4

Ajuste de Funciones por Mnimos

Cuadrados
4.1.

Introducci
on

El ajuste por Mnimos Cuadrados a una serie de datos (xi , yi ), i = 1, . . . , n, se basa en obtener una curva ya
sea lineal, polinomial o de cualquier otro tipo, que entrega como resultado el mnimo error total entre los
datos proporcionados y la curva ajustada. El ajuste se hace sobre los par
ametros de la curva, pudiendo ser
esta de cualquier tipo.

4.2.

Ajuste Lineal

La estrategia es obtener los par

ametros que caracterizan a la lnea recta, y = f (x) = a0 + a1 x, que pase lo
mas cercano posible a cada uno de los puntos proporcionandos como datos. Esto consiste en minimizar la
suma de los errores residuales (diferencia entre la curva y cada uno de los puntos). Para lograr lo anterior,
primeramente formamos los errores ei
ei = yi f (xi ) = yi a0 a1 xi

(4.1)

que corresponden a la diferencia entre el valor conocido yi y el valor aproximado f (xi ) (cuyos coeficientes
todava no conocemos) y posteriormente definimos una funci
on Q(a0 , a1 )
Q(a0 , a1 ) =

n

i=1

e2i =

n


(yi a0 a1 xi )2

(4.2)

i=1

que corresponde a la suma de dichas diferencias, ei , al cuadrado. Para poder obtener los par
ametros a0
y a1 que minimicen la ecuaci
on 4.2, tenemos que derivar parcialmente con respecto a cada uno de estos
par
ametros:

Q
= 2
(yi a0 a1 xi )
(4.3)
a0

Q
= 2
[(yi a0 a1 xi )xi ]
(4.4)
a1
Las sumatorias son desde i = 1 hasta n, a menos que se indique lo contrario. Si las ecuaciones 4.3 y 4.4 las
igualamos a cero y expandemos las sumatorias, las ecuaciones resultantes son:



0 =
yi
a0
a1 xi
(4.5)
67

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

yi xi

a0 xi

a1 x2i

(4.6)



y simplificando
a0 = a0 1 = a0 n, las ecuaciones forman un sistema de ecuaciones lineales con dos
inc
ognitas (a0 y a1 ):


xi =
yi
(4.7)
a0 n + a 1



a0
xi yi
(4.8)
xi + a1
x2i =
y en forma matricial:

n
xi


 


a0
y
 x2i
=  i
a1
xi
xi yi

(4.9)

Estas ecuaciones reciben el nombre de ecuaciones normales. Se pueden resolver simultaneamente (por GaussJordan, Montante, etc.) y as encontrar los valores de a0 y a1 :

 


n xi yi xi yi
yi a1 xi


= y a1 x
a1 =
,
a0 =
(4.10)
n x2i ( xi )2
n
donde y y x son los promedios de y y de x, respectivamente:


yi
xi
y x=
y=
n
n
Ejemplo 4.1
Ajustar una lnea recta a los pares de datos que se proporcionan a continuacion:
x
y

1
2
3
4
5
6
7
0.5 2.5 2.0 4.0 3.5 6.0 5.5

Soluci
on
Calculamos las siguientes cantidades:
 2

xi = 140
n=7
xi yi = 119.5


24
xi = 28
yi = 24
x = 28
7 = 4 y = 7 = 3.428571429
y utilizando las ecuaciones 4.10, obtenemos
a1 =

7(119.5)28(24)
7(140)(28)2

= 0.8393, a0 = 3.4286 0.8393(4) = 0.0714

para as tener el ajuste por mnimos cuadrados (la figura 4.1 muestra los puntos y la lnea resultante del
ajuste):
y = 0.0714 + 0.8393x

4.3.

Ajuste Polinomial

En la secci
on anterior se estudio el ajuste de una lnea recta a una serie de datos (puntos). Esa lnea recta
es un polinomio en x de grado 1. El metodo se puede generalizar para polinomios de grado m. El polinomio
es de la forma:
y = pm (x) = a0 + a1 x + a2 x2 + + am xm
(4.11)
68

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos
7
6
5
4
3
2
1

00

Figura 4.1: Datos y curva (lnea recta) ajustada

de tal manera que ahora los errores residuales son:
Q(a0 , . . . , am ) =

n


(yi pm (xi ))2 =

n


2
(yi a0 a1 xi a2 x2i am xm
i )

(4.12)

Dado que los valores que andamos buscando son los coeficientes ai s que hagan mnima la suma de errores,
tendremos que derivar parcialmente Q(a0 , . . . , am ) con respecto a cada uno de ellos:
Q
a0
Q
a1
Q
a2
..
.
Q
am

= 2


(yi pm (xi ))

(4.13)

= 2


(yi pm (xi ))xi

(4.14)

= 2


(yi pm (xi ))x2i

(4.15)

..
.

= 2


(yi pm (xi ))xm
i

(4.16)
(4.17)

Al expander las sumatorias en las ecuaciones anteriores, se pueden obtener las ecuaciones normales:




a0 n + a1
=
yi
(4.18)
xi + a2
x2i + + am
xm
i





xi + a1
x2i + a2
x3i + + am
xm+1
a0
=
xi yi
(4.19)
i





x2i + a1
x3i + a2
x4i + + am
xm+2
a0
=
x2i yi
(4.20)
i
a0

y en forma matricial

xm
i + a1

n
 x2i
xi
..
. m
xi

+ a2
xm+1
i


 x2i
 xi3
xi
..
 .m+1
xi

..
.


 2
 xi3
 xi4
xi
..
 .m+2
xi

+ + am
xm+2
i


 xm
i
 xm+1
i

xm+2
i
..
..
.
 . 2m

xi
69

a0
a1
a2
..
.
am

x2m
i

..
.


xm
i yi


 yi
 x2i yi
xi yi
..
 .m
xi yi

(4.21)

(4.22)

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Siendo las inc

ognitas los coeficientes ai s, se puede resolver el sistema y encontrar sus respectivos valores.
Los coeficientes que se encontraran definen el mejor polinomio de grado m que genera la menor suma de
errores, Q, entre los valores conocidos y los obtenidos con la evaluaci
on del polinomio.
Ejemplo 4.2
Por medio del metodo de mnimos cuadrados, obtenga los valores de los coeficientes del polinomio de grado
3 (p3 (x)) que mejor ajuste a los siguientes datos:
x
y

0.0000 0.1000
0.2000 0.3000 0.4000 0.5000
0.2995 0.0867 0.0590 0.1131 0.1946 0.3730

x
y

0.6000 0.7000
0.5910 0.6622

0.8000 0.9000 1.0000

0.7018 0.8375 0.9620

Soluci
on
Las cantidades requeridas para obtener las ecuaciones normales son:


n = 11
xi = 5.5
yi = 4.7624



2
yi xi = 3.39047
yi xi = 2.759837
yi x3i = 2.3483975
 2
 3
 4
xi = 3.85
xi = 3.025
xi = 2.5333
 5
 6
xi = 2.20825
xi = 1.987405
Las ecuaciones normales en forma matricial:

11
5.5
3.85
3.025
5.5
3.85
3.025
2.5333

3.85 3.025 2.5333 2.20825

3.025 2.5333 2.20825 1.987405
y cuya soluci
on es:

a0
4.624
a1 3.39047

a2 = 2.759837
a3
2.3483975

0.257249647
2.230132024

a=
6.671147840
3.796872452

El polinomio queda como

p3 (x) = 0.257249647 2.230132024x + 6.671147840x2 3.796872452x3

4.4.

Ajuste de cualquier combinaci

on lineal de funciones

En la secci
on anterior se vio el ajuste polinomial que es un caso especial del ajuste de cualquier combinaci
on
lineal de funciones si tomamos encuenta las siguientes relaciones:
pm (x) = fm (x) = a0 g0 (x) + a1 g1 (x) + a2 g2 (x) + + am gm (x)

(4.23)

donde
g0 (x) = 1,

g1 (x) = x,

g2 (x) = x2 ,
70

...,

gm (x) = xm

(4.24)
Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

0.8

0.6

0.4

0.2

0.2

0.4

0.6

0.8

Figura 4.2: Datos y polinomio evaluado en el rango de los datos (los datos son los peque
nos crculos y la
lnea continua es el polinomio ajustado)
El criterio sera el mismo que en las secciones anteriores, es decir, minimizar la suma de los errores al
cuadrado:
Q =
=

n

i
n


(yi fm (xi ))2

(4.25)

(yi a0 g0 (xi ) a1 g1 (xi ) a2 g2 (xi ) am gm (xi ))2

cuyas derivadas parciales con respecto a las inc

ognitas ai , i = 1, . . . , m son:
Q
a0

 

2
(yi fm (xi )) g0 (xi )

(4.26)

Q
a1

 

2
(yi fm (xi )) g1 (xi )

(4.27)

 

2
(yi fm (xi )) g2 (xi )

(4.28)

..
.
 

2
(yi fm (xi )) gm (xi )

(4.29)

Q
=
a2
..
.
Q
=
am
En forma matricial, tendramos:
 2
 g0

g0 g1

..

 .
g 0 gm


g1 g2 0
g1
..
 .
g1 gm


 gm g0

gm g1
..
..
.
. 2

gm

a0
a1
..
.
am


 yi g0

yi g1

=
..

 .
yi gm

(4.30)

Al resolver el sistema de ecuaciones anterior, obtenemos como resultado los valores de los coeficientes que
generan la menor suma de errores al cuadrado de las funciones gi (x), i = 0, . . . , m.

71

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Ejemplo 4.3
Ajuste de 2 funciones: Se tienen los siguiente datos:
x
y

.121
.542
.604
.995
1.196 1.370
.8588 .4911 .6433 .5214 .0531 .4930

y se desea ajustar la siguiente funcion:

f1 (x) = a0 g0 (x) + a1 g1 (x)

g0 (x) = e(1/2x ) ,

con

g1 (x) = x sin(2x)

Soluci
on
Los valores necesarios para obtener
 2
 g02 (xi ) =
 g1 (xi ) =
yi g0 (xi ) =

las ecuaciones normales son:


3.189083112
g0 (xi )g1 (xi ) =
2.325997736

.2064919344
yi g1 (xi ) =

2.074977077
.7402096705

y en formal matricial:


3.189083112 2.074977077
2.074977077 2.325997736

a0
a1


=

.2064919344
.7402096705

dando como resultado:

a0 = .3391795215

a1 = .6208086020

La suma de los errores al cuadrado es Q2 = 1.52079.

0.8
0.6
0.4
0.2
00

0.2

0.4

0.6

0.8

1.2

1.4

-0.2
-0.4
-0.6

Figura 4.3: Puntos y funci

on f1 (x) ajustada

72

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Ejemplo 4.4
Ajuste de 3 funciones: La figura 4.3 muestra los puntos dados en el ejemplo anterior y la funci
on ajustada
evaluada en el rango de [0, 1.4]. Los par
ametros obtenidos son los mejores que ajustan la combinacion lineal
de las funciones g0 (x) y g1 (x). Sin embargo, el ajuste es muy pobre ya que la funcion ajustada pasa muy
lejos de los puntos dados. Esto nos lleva a hacer un nuevo ajuste donde incluiremos una tercera funci
on:
g2 (x) = x
y ahora nuestra funcion de ajuste es:
f2 (x) = a0 g0 (x) + a1 g1 (x) + a2 g2 (x)
Soluci
on
Los valores que ahora necesitamos para ajustar esta nueva funci
on son:
 2

 2
g0 = 3.189083112
g0 g1 = 2.074977077
g1 = 2.325997736


 2
g0 g2 = 2.818825661
g1 g2 = 3.216771563
g2 = 4.970562



yi g0 = .2064919344
yi g1 = .7402096705
yi g2 = .3306900
y en forma matricial

a0
.2064919344
3.189083112 2.074977077 2.818825661
2.074977077 2.325997736 3.216771563 a1 = .7402096705
2.818825661 3.216771563
4.970562
a2
.3306900
Al resolver el sistema de ecuaciones anterior, obtenemos:

.3910317617
a = 2.556099354
1.365931529
on f2 (x). Como podemos ver, la
La figura 4.4 muestra los puntos dados, la funcion f1 (x) y la nueva funci
funci
on f2 (x) hace un mejor ajuste a los puntos dados ya que pasa m
as cerca a ellos que la funci
on f1 (x) y
esto se puede comprobar con el valor de la suma de los errores al cuadrado Q3 = 0.55062 que es menor que
Q2 = 1.52079.
0.8
0.6
0.4
0.2
00

0.2

0.4

0.6

0.8

1.2

1.4

-0.2
-0.4
-0.6

Figura 4.4: Puntos y funciones f1 (x) y f2 (x) ajustadas

73

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

Ejemplo 4.5
Ajuste de 4 funciones: El agregar una tercera funci
on en el ajuste del ejemplo anterior mejor
o la aproximacion a los puntos pero a
un permanece una diferencia considerable entre los puntos y la funci
on ajustada.
Para este ejemplo, ajustaremos una cuarta funcion que en este caso sera simplemente una constante:
g3 (x) = 1
y la funci
on a ajustar es
f3 (x) = a0 ex

/2

+ a1 x sin(2 x) + a2 x + a3

Soluci
on
Como se puede notar, solo hay necesidad de calcular la cuarta fila de la nueva matriz de coeficientes, ya que
las funciones de ajuste son las mismas que en el ejemplo anterior (lo que esta en negritas es lo nuevo que se
calcul
o):

3.18908 2.07498 2.81883 4.17925

a0
.2064919344
a1
2.07498
2.32600
3.21677
3.33196

.7402096705
2.81883 3.21677 4.97056 4.82800 a2
.3306900
a3
4.17925 3.33196 4.82800
6

.20649
.74021
=

.33069
.25090

y al resolver el sistema de ecuaciones anteriores, obtenemos:

13.0253
1.15064

a=
6.07876 ,
14.5612
x2/2
1.15064x sin(2 x) 6.07876x + 14.5612
f3 (x) = 13.0253e
La figura 4.5 muestra los puntos y la funci
on f3 (x). Tambien podemos notar la mejora en el ajuste al evaluar
la suma de los errores al cuadrado Q = 0.01056.
1.5

0.5

00

0.2

0.4

0.6

0.8

1.2

1.4

-0.5

Figura 4.5: Ajuste de la funcion f3 (x) que es una combinaci

on lineal de 4 funciones (g0 (x), g1 (x), g2 (x)
y g3 (x)).

74

Tecnolgico de Monterrey

c 19972006. Dr. Horacio Martnez Alfaro



M
etodos Num
ericos

4.4.1.

Ejercicios

1. Mediante el metodo de ajuste de funciones por Mnimos Cuadrados para los siguientes puntos:
x
0.100
0.153
0.574
0.618
1.007
1.364
1.526
1.663
1.914
1.942

y
0.918170
0.799154
0.559960
0.666777
0.474477
0.488981
0.674749
0.621156
0.130210
0.0532890

encuentre los valores de los coeficientes ai s de la siguiente funci

on, as como la suma de los errores al
cuadrado Q (utilice al menos 6 decimales).
f (x) = a1 + a2 x + a3 x3 + a4 xex + a5 sin(2.5x)

75

Tecnolgico de Monterrey