Material Didactico

INTRODUCCIN AL CLCULO
NUMERICO

Hugo R. Franco Paats

.Hugo R. Franco Paats
Clculo Numrico ndice
1

INDICE
CAPITULO I ANLISIS DEL ERROR Pg. 03
1.1- Introduccin
1.2- Representacin de nmeros reales
1.3- Errores de Redondeo y Truncamiento
1.4- Errores Absolutos y Relativos
1.4.1- Error Absoluto
1.4.2- Error Relativo
1.4.3- Cifras Significativas
1.5- Anlisis del Error en Aritmtica de Coma Flotante
1.6- Anlisis del Error en las Operaciones Aritmticas
1.6.1- Forma general
1.7- Ejercicios propuestos

CAPITULO II RESOLUCIN DE ECUACIONES NO LINEALES Pg 14
2.1 Introduccin
2.2 Fase 1: Aislamiento de races
2.2.1 Uso de Tablas
2.2.2 Mtodo Grafico
2.3 Fase 2: Refinamiento
2.3.1 Diagrama de Flujo de un mtodo iterativo
2.3.2 Criterio de Parada
2.4 Mtodo de la biseccin
2.4.1 Algoritmo del mtodo de la biseccin
2.4.2 Estimativa del nmero de iteraciones
2.4.3 Comentarios sobre el mtodo
2.5 Mtodo de la Falsa Posicin
2.5.1 Algoritmo
2.5.2 Comentarios sobre el mtodo
2.5.3 Convergencia
2.6 Mtodo de la Falsa Posicin Modificado
2.6.1 Algoritmo
2.7 Mtodo Iterativo Lineal (MIL)
2.7.1 Estudio para la convergencia
2.7.2 Criterio de parada
2.7.3 Algoritmo
2.8 Metodo de Newton
2.8.1 Algoritmo
2.9 Mtodo de al Secante
2.9.1 Algoritmo
2.10 Comparacin de los mtodos
2.11 Ejercicios

CAPITULO III INTERPOLACIN Pg 31
3.1 Introduccin
3.2 Interpolacin polinomica
3.3 Interpolacin de Lagrange
3.4 Formula de Newton
3.4.1 Operador de diferencias divididas
3.4.2 Tabla de diferencias divididas
3.5 Anlisis del Error en la interpolacin
3.5.1 Estimativa del Error
3.6 Evaluacin del grado del polinomio interpolador
3.7 Fenmeno de Ruge
Clculo Numrico ndice
2
3.8 Interpolacin Segmentaria Spline
3.8.1 Spline lineal
3.8.2 Spline cuadratica
3.8.3 Spline cbica
3.9 Ejercicios

CAPITULO IV -SISTEMAS DE ECUACIONES LINEALES Pg 51
4.1 - Introduccin
4.2 Mtodos directos
4.2.1 Regla de Cramer
4.2.2 Mtodo de Eliminacin de Gauss
4.2.2.1 Algoritmo
4.2.2.2 Algoritmo para el Mtodo de E. de Gauss
4.2.3 Mtodo de Descomposicin LU
4.2.3.1- Clculo de los factores LU
4.3 Mtodos Iterativos
4.3.1 Criterio de parada
4.3.2 Mtodo Iterativo de Gauss-Jacobi
4.3.3 Criterio de Convergencia para los mtodos Iterativos
4.3.4 Mtodo Iterativo de Gauss-Seidel
4.3.5 Criterio de Convergencia para Gauss-Seidel
4.4 Comparacin de los mtodos
4.5 Ejercicios

CAPITULO V - AJUSTE DE CURVAS A DATOS DE MEDICIONES Pg 67
5.1 Introduccin
5.2 Caso Discreto
5.3 Mtodos de los mnimos cuadrados
5.4 Caso contnuo
5.5 Ejercicios

CAPITULO VI - INTEGRACIN Y DERIVACIN NUMRICA Pg 73
6.1 Integracin Numrica
6.2 Regla del Trapecio
6.2.1 Regla del Trapecio Repetida
6.2.2 Clculo del Error
6.3 Regla de 1/3 de Simpson
6.3.1 Regla de Simpson Repetida
6.3.2 Anlisis de Error
6.4 Regla de 3/8 de Simpson
6.5 Integracin Numrica con lmites infinitos o singularidades
6.6 Aproximacin a las derivadas
6.6.1 Diferencias progresivas y Regresivas
6.6.2 Diferencia Central
6.7 Diferencias para las derivadas de orden superior
6.8 Ejercicios

CAPITULO VII - ECUACIONES DIFERENCIALES Pg 85
7.1 Introduccin
7.2 Mtodo de Euler
7.3 Mtodo de Euler Modificado
7.4 Mtodo de Runge-Kutta
7.5 - Ejercicios

Clculo Numrico CAPITULO I Anlisis del Error
Hugo Franco Paats 3

CAPITULO - I

ANLISIS DEL ERROR

1.1 - INTRODUCCIN

El clculo numrico es la rama de las matemticas que se encarga de disear algoritmos para que, a
travs de nmeros y reglas matemticas simples, se pueda simular procesos matemticos ms complejos
aplicados a procesos del mundo real.

Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas matemticos de
forma que puedan resolverse usando operaciones aritmticas simples. Hay muchos tipos de mtodos
numricos, y comparten una caracterstica comn: invariablemente se deben realizar un buen nmero de
tediosos clculos aritmticos. Los mtodos pueden manejar sistemas de ecuaciones grandes, la no
linealidad de las ecuaciones y geometras complicadas comunes en la ingeniera.

Los conocimientos de los conceptos bsicos asociados al uso de programas (software) disponibles
comercialmente, que aplican mtodos numricos, pueden ser herramientas muy poderosas que ayudan a
la resolucin de problemas complejos de ingeniera. Al mismo tiempo, es importante conocer y controlar los
diferentes tipos de errores que son inseparables de los clculos numricos a gran escala, de manera a
poder evaluar correctamente los resultados y por ende la solucin al problema asociado.

El resultado del clculo numrico es siempre una aproximacin, aunque (en principio) los resultados
pueden hacerse tan exactos como se quiera.

La resolucin de tales problemas envuelve varias fases o etapas que pueden ser estructuradas:

Problema Recoleccin
Real de datos

Construccin del eleccin del Implementar en
modelo matemtico mt. Numrico computador
adecuado

anlisis de reformular modelo
los resultados o elegir otro mtodo

Cada etapa puede presentar una serie de errores asociados al proceso como:
Error en la recoleccin de datos
Errores de apreciacin
Precisin de los equipos
Errores en la secuencia de operaciones

Uno de los principales errores se debe a la representacin de los nmeros reales dentro del computador.
La representacin de los nmeros se realiza por medio de un nmero limitado de dgitos lo que produce
una prdida de precisin.


4 Hugo Franco Paats
1.2 - REPRESENTACIN DE NMEROS REALES:

Los computadores representan los nmeros en notacin cientfica normalizada o aritmtica de coma
flotante (A.C.F). Un nmero est representado en notacin cientfica normalizada cuando todos los dgitos
del nmero estn a la derecha de la coma decimal y este primer dgito es diferente de cero.
Ejemplo 1.1:
14 11
10 785321 , 0 10 321 , 785 =
Por lo tanto cualquier nmero real diferente de cero, puede representarse en notacin cientfica
normalizada o Aritmtica de Coma Flotante, de la siguiente forma:

e
m I 10 = ;
donde m es un nmero comprendido entre 0 y 1 en el sistema decimal, denominado mantisa, y e es un
nmero positivo o negativo llamado exponente. Para la representacin de un nmero en la base en
aritmtica de coma flotante de t dgitos para la mantisa, se realiza de la siguiente forma:
e
t
d d d d I
= ) ... , 0 (
3 2 1

La mantisa ( ) ... , 0
3 2 1 t
d d d d es una fraccin en la base , donde cada dgito est comprendido
por 1 0
j
d , t j ,..., 3 , 2 = y 0
1
d . La condicin 0
1
d , o de normalizacin del nmero, se
impone para asegurar la representacin nica de cada nmero en coma flotante.
El exponente e vara en el intervalo [ ] m M; , siendo esto valores determinados por la capacidad de la
mquina, y por lo general m M = . El nmero mximo de dgitos t de la mantisa est limitado por la
longitud de la palabra que el computador puede representar.
La representacin de los nmeros en un computador simple que utiliza 32 bits es la siguiente:
32 bits

1 23 1 7
SM Mantisa SE Exponente

SM = signo de la mantisa
SE = signo del exponente
) ... ( ) 1 (
0 21 22
0 6
2 ). ... , 1 .( ) 1 (
e e SM
SE
m m m I

=
Observemos que el exponente se encuentra en el rango [-127, 127]. Entonces, esta mquina no puede
manejar nmeros con una magnitud mayor que ( )
38 127 127
10 2 2 11 ... 111 , 0 , ni menor que
( )
38 127 127
10 2 2 . ... 100 , 0

.
La conversin del sistema decimal a binario para efectuar los clculos en los computadores, acarrean una
serie de errores asociados con el nmero limitado de dgitos con los que se representan los nmeros (bits).
Dado un nmero N, su representacin en ACF de t dgitos est hecha por truncamiento o redondeo.
Este nmero podr ser representado en el sistema, si el exponente e estuviese dentro de los lmites m y
M.

FORMATO IEEE-754 EN COMA FLOTANTE

Existen varios formatos para la representacin de nmeros en coma flotante en un computador, aunque el
estndar, y por ello el utilizado en la mayora de los computadores, es el formato ANSI/IEEE standard 754-
1985, que llamaremos IEEE-754 para abreviar. Se puede representar nmeros en precisin simple (float),
doble (double) y cudruple (quadruple) que tienen 32, 64 y 128 bits de longitud, respectivamente. En la
figura, se muestra este formato en coma flotante, sistema binario (base 2), en doble precisin o de 64bits.
64bits

1 11 52
Exponente Mantisa

Como el primer dgito de la mantisa, que est normalizada, debe ser necesariamente igual a 1, se
aprovecha este bit para almacenar en su lugar el signo de la mantisa. Este formato permite representar +0
y -0, lo que a veces puede ser ventajoso. Se utilizan los 11 dgitos siguientes para el exponente y su signo.
Este nmero entero se representa en exceso a 1023 1 2
1
=
e
, por lo que se puede representar
solamente los nmeros enteros en el rango [ ] [ ] 1024 ; 1022 2 ; 1 2
1 1
= +
e e
. El exponente mximo 1024
Hugo Franco Paats 5

se reserva para representar los nmeros excepcionales como y NaN (Not a Number). Los primeros se
representan cuando la mantisa es 0 y se producen cuando una operacin aritmtica genera un nmero
ms grande que el mximo representable, es decir, se produce un desbordamiento por exceso u overflow.
NaN se genera en operaciones aritmticas de resultado no determinado, como 0/0, / , , etc.

1.2.1 - Exactitud y Precisin

La exactitud se refiere a que tan cercano est el valor calculado o medido del valor verdadero. La precisin
se refiere a qu tan cercano est un valor individual medido o calculado respecto a los otros.

La inexactitud se define como un alejamiento sistemtico de la verdad. La imprecisin, sobre el otro lado,
se refiere a la magnitud del esparcimiento de los valores.

1.3 ERRORES

La presencia de errores en el resultado de cualquier proceso numrico es inevitable, pueden haber errores
en los datos, pero an con los datos exactos el propio proceso de clculo puede ser fuente de error. Por lo
tanto, existen errores en:
Datos
Operaciones
Procedimientos
En este captulo vamos a analizar los dos primeros.

1.3.1 Errores de Redondeo y Truncamiento

Cuando un nmero x no tiene representacin exacta en su base numrica o si la longitud de la palabra
del computador es inferior a x , se realiza una aproximacin al nmero por redondeo o truncamiento.
Truncamiento: en este caso, la mquina representa el nmero y se queda con los dgitos de
precisin de la mantisa a la vez que descarta el resto.
Redondeo: se utiliza el redondeo simtrico: si el primer dgito a descartar es mayor o igual a 5,
entonces sumamos una unidad al dgito que est a la izquierda, si es menor que 5 se mantiene
igual.

Ejemplo 1.2: representar los siguientes nmeros en un sistema de ACF de 3 dgitos para 10 = , m =
-4 y M= 4, de los siguientes nmeros:

Nmero representacin por trucamiento por redondeo
25 , 1
1
10 125 , 0
1
10 125 , 0
15 , 238
3
10 238 , 0
3
10 238 , 0
1828 , 27
2
10 271 , 0
2
10 272 , 0
000007 , 0 Error.exponente menor que 4 (anderflow) Error...
82 , 221 . 185 . 7 Error.exponente mayor que 4 (overflow) Error...

Error numrico total

El error numrico total se entiende como la suma de todos los errores de redondeo y truncamiento
introducidos en el clculo. Mientras ms clculos se tengan que realizar para obtener un resultado, el error
de redondeo se ir incrementando. Pero por otro lado, el error de truncamiento se puede minimizar al
incluir ms trminos en la ecuacin, disminuir el paso o proseguir la iteracin (o sea mayor nmero de
clculos, seguramente mayor error de redondeo). En la prctica debemos considerar que hoy por hoy los
computadores tienen un manejo de cifras significativas mucho mayor que antes por lo que el error de
redondeo se minimiza enormemente, aunque no se debe dejar olvidar su aporte al error total.

6 Hugo Franco Paats
1.3.2 - Error Absoluto, Relativo y Porcentual

Error Absoluto: Definimos como error absoluto: a la diferencia entre el valor exacto de un nmero x y
su valor aproximado x .

x x E
Ax
=

En general apenas el valor aproximado x es conocido, siendo que estamos en la bsqueda del valor
exacto, por lo que es de inters conocer un lmite superior o una estimativa para valor del error absoluto,
a la que denominamos cota del error absoluto
AX
y que veremos mas adelante.

Ejemplo 1.3: considerando los siguientes nmeros aproximados 9 , 119 . 2 = x con error absoluto
1 , 0 <
Ax
E y el nmero aproximado 3 , 5 = y con 1 , 0 <
Ax
E
Se puede concluir que los dos nmeros tienen la misma precisin en la representacin?
Siendo que ambos tienen el mismo error absoluto no es posible determinar la precisin de cada
representacin.

Si el valor aproximado x es mayor que el valor exacto x , el error absoluto ser negativo, entonces
decimos que la aproximacin es por exceso. Si el valor aproximado x es menor que el valor exacto x el
error absoluto ser positivo y la aproximacin ser por defecto.

Error Relativo: El Error Relativo vamos a definirlo como el cociente entre el error absoluto del nmero y
su valor aproximado:

x
x x
x
E
E
Ax
Rx
= =

del ejemplo anterior
4
10 454567 , 0
9 , 199 . 2
1 , 0
<
Rx
E y 02 , 0
3 , 5
1 , 0
=
Ay
E
por lo que vemos que
Ay Ax
E E < , por lo que concluimos que el nmero x esta mejor representado que
el valor de y .

El error absoluto no es ms que la distancia entre el valor exacto y el valor aproximado, mientras que el
error relativo mide el error entendido como una porcin del valor exacto o del valor aproximado, para este
caso, ya que nos encontramos en la bsqueda del valor exacto.

Ejemplo 1.4: encontrar el error absoluto y el error relativo al aproximar el nmero ... 141592 , 3 = x
por 14 , 3 = x
001593 , 0 14 , 3 ... 141592 , 3 = =
Ax
E
000507 , 0
14 , 3
001593 , 0
= = =
x
E
E
Ax
Rx

Error Porcentual: El error porcentual no es otra cosa que el error relativo multiplicado por 100
% 100 % =
Rx
E E . Del ejemplo anterior: % 05 , 0 % =
Px
E

1.3.3 Cotas del Error

Cota del Error Absoluto: La cota de error es el error mximo que se puede cometer al realizar una
medida o tomar una aproximacin. Si el error cometido al tomar 2,718 es menor que una milsima
entonces diremos que 0,001 es una cota de dicho error.
Hugo Franco Paats 7

Se llama cota del error absoluto
AX
de un valor aproximado x a cualquier nmero no menor que el error
absoluto:
Ax Ax
E

Cota del Error Relativo: Se llama cota del error relativo de un valor aproximado x cualquier nmero no
menor que el valor del error relativo
Rx Rx
E

1.4 ANLISIS DEL ERROR EN ARITMTICA DE COMA FLOTANTE

En un sistema que opera en ACF de t dgitos en base decimal, cualquier nmero puede ser representado
de la forma:
t e
x
e
x
g f x

+ = 10 10 siendo que 1 1 , 0 <
x
f y 1 1 , 0 <
x
g

Ejemplo 1.5: sea el nmero 56 , 234 = x y t = 4, el nmero x al ser representado por la forma
anterior ser equivalente a:
1 3
10 6 , 0 10 2345 , 0

+ = x , siendo 2345 , 0 =
x
f y 6 , 0 =
x
g para este caso

Para realizar un anlisis general de los errores absoluto y relativo en la representacin de los nmeros y
utilizando la aproximacin por truncamiento, el nmero ser aproximado eliminando el trmino
t e
x
g

10 ,
que representa los dgitos descartados justamente por el truncamiento.

Calculamos el error absoluto:
x x E
Ax
=
t e
x
t e
x
e
x
t e
x
e
x
g g f g f

= = + = 10 10 10 10 10

De las condiciones iniciales y dado que 1 <
x
g , el valor mximo del error absoluto ser
t e
<10 , por lo que
podemos definir como cota del error absoluto por truncamiento
AX
, siendo:

t e
Ax
<10

El error relativo ser:
e
x
t e
x Ax
Rx
f
g
x
E
E
10
10
= =
como el error es mximo cuando 1 , 0 =

x
f y 1 <
x
g , por lo que el mximo error
o cota del error relativo cuando la representacin es por truncamiento, ser:

t
Rx
<
1
10

Cuando se utiliza el redondeo simtrico
x
f es modificado para llevar en consideracin
x
g tomando
como valor aproximado x analizamos los siguientes casos:

> +
< >
=
2 / 1 10 10
2 / 1 10
x
t e e
x
x
e
x
g si f
g si f
x

Si 2 / 1 <
x
g
Error absoluto es x x E
Ax
=
t e
x
t e
x
e
x
t e
x
e
x
g g f g f

= = + = 10 10 10 10 10

8 Hugo Franco Paats
Error relativos es
e
x
t e
x Ax
Rx
f
g
x
E
E
10
10
| |
| |
= =
considerando que el error es mximo cuando 1 , 0 =

x
f y
dado que 2 / 1 <
x
g , la cota del error absoluto es
t e
Ax
< 10
2
1

La cota del error relativo por redondeo es
t
Rx
<
1
10
2
1

Si 2 / 1
x
g
Error absoluto
t e
x
t e e
x
t e
x
e
x
g f g f

= + + = 10 ) 1 ( ) 10 10 ( 10 10
como 2 / 1
x
g la diferencia 1
x
g ser siempre 2 / 1 , por lo que tomamos como cota del
error absoluto:
t e
Ax
< 10
2
1

El error relativo ser:

e
x
t e
x
t e e
x
t e
x Ax
Rx
f
g
f
g
x
E
E
10
10 1
10 10
10 1
+

= =

Siendo que para que el error sea mximo 2 / 1
x
g y 1 , 0 =
x
f , tenemos que la cota del error
relativo ser:

t
Rx
<
1
10
2
1

Por lo tanto, para cualquiera de los casos para el redondeo simtrico tenemos que las cotas del
error absoluto y el relativo es:

t e
Ax
< 10
2
1

t
Rx
<
1
10
2
1

1.4.1- Cifras Significativas
Se considera que las cifras significativas de un nmero a aquellas que tienen significado real o aportan
alguna informacin. Las cifras no significativas aparecen como resultado de los clculos y no tienen
significado alguno. Las cifras significativas de un nmero vienen determinadas por su error. Son cifras
significativas aquellas que ocupan una posicin igual o superior al orden o posicin del error.
Por ejemplo, consideremos una medida de longitud que arroja un valor de 2.345,6789 m con un error de
0,5 m. El error es por tanto del orden de dcimas de metro. Es evidente que todas las cifras del nmero
que ocupan una posicin menor que las dcimas no aportan ninguna informacin. En efecto, qu sentido
tiene dar el nmero con precisin de diezmilsimas si afirmamos que el error es de casi 1 metro? Las cifras
significativas en el nmero sern por tanto las que ocupan la posicin de las dcimas, unidades, decenas,
etc., pero no las centsimas, milsimas y diezmilsimas.
Por lo tanto podemos afirmar que:
Se dice que el nmero x aproxima a x con t decimales correctos si t es el entero no negativo ms
grande para el cual
t
x x

< 10
2
1
.
Hugo Franco Paats 9

Se dice que el nmero x aproxima a x con t dgitos o cifras significativas si t es el entero no
negativo ms grande para el cual
t t
x
x x

= <
10 5 10
2
1
1
.
En virtud de estas definiciones, el nmero de decimales correctos da una idea de la magnitud del error
absoluto, mientras que el nmero de dgitos significativos da una idea de la magnitud del error relativo.

Ejemplo 1.6: Determinar el nmero de decimales correctos y cifras significativas del ejemplo 1.4

Si 141592 , 3 = x aproximamos por 14 , 3 = x , entonces
2 2
10
2
1
10 159 , 0

< =
Ax
E ;
por lo tanto, x es una aproximacin a x con dos decimales correctos.
3
10 5 000506749 , 0

< =
Rx
E , por lo tanto 3 = t es el menor entero positivo que verifica la
desigualdad y el nmero de cifras significativas.

Reglas para contar correctamente el nmero de cifras significativas:

1) Todos los dgitos a ambos lados del punto decimal son significativos, si no hay ceros.
23.742 5 cifras significativas
332 3 cifras significativas
2) Ceros usados para localizar un punto decimal no son significativos.
3) Ceros entre nmeros son significativos.
4) Ceros a la derecha del ltimo dgito que no es cero y a la derecha del punto decimal son significativos.
Las reglas para definir el nmero de cifras significativas para multiplicacin y divisin son diferentes que
para suma y resta.
Para multiplicacin y divisin el nmero de cifras significativas en el resultado final ser igual al nmero
de cifras significativas de la medicin menos precisa.

Ejemplo 1.7: Calcular la energa cintica de un cuerpo con una masa de 5.0 g viajando a la
velocidad de 1.15 cm/s.
la energa cintica es obtenida de la frmula E.C. = mv
2

en donde m = masa del cuerpo
v = velocidad del objeto

La respuesta es E.C. = (5.0 g)(1.15 cm/s)
2
=3.3 g-cm
2
/s
2

Cul nmero es el menos preciso?

10 Hugo Franco Paats

El nmero menos preciso tiene dos cifras significativas, as que la respuesta debe tener dos cifras
significativas.

En sumas y restas el ltimo dgito que se conserva deber corresponder a la primera incertidumbre en el
lugar decimal.

Ejemplo 1.8: en la siguiente suma
320.0 4
80.2
20.0 20
20.0
440.2 60
Por lo tanto para la suma tenemos el hasta el primer dgito despus de la coma

1.5 ANLISIS DEL ERROR EN LAS OPERACIONES ARITMTICAS

Dada una secuencia de operaciones es importante tener la nocin de cmo el error se propaga a lo largo
de las operaciones. El error total en una operacin esta compuesta por las diferentes partes de las
operaciones y por el resultado de la operacin. Ciertos errores como los motivados por truncamiento y
redondeo, reciben tambin el nombre de errores generados. Al combinar un dato que ya posee un error
generado con otros en las mismas condiciones, los errores se propagan. Entonces, error absoluto total
ser la suma de los errores generados y propagados.

El hecho de considerar los errores generados complica excesivamente el clculo con errores. Por ello, la
regla a tener en cuenta es que el error generado es despreciable siempre que sea cien veces ms
pequeo que el error propagado por hacer intervenir tal trmino.

1.5.1- Forma General

Considerando
Ax
E x x + = e
Ay
E y y + = , para la operacin de:

Suma
Ay Ax
E E y x y x + + + = + ; siendo que y x y x + = + y el error absoluto de la operacin
Ay Ax y Ax
E E E + =
+

El error relativo
y x
E
y x
E
y x
E E
y x
E
E
Ay
Ax
Ay Ax y Ax
y Rx
+
+
+
=
+
+
=
+
=
+
+
=

y x
y
E
y x
x
E
y x
y
y
E
y x
x
x
E
Ry Rx
Ay
Ax
+
+
+
=
+
+
+
= . . . .
El error relativo de la suma es:
y x
y
E
y x
x
E E
Ry Rx y Rx
+
+
+
=
+
. .

Resta
Ay Ax
E y E x y x + = donde:
Valor aproximado de la diferencia

no es un nmero medido, es parte de la frmula y por lo tanto tiene un nmero infinito de
dgitos significativos
5.0 tiene 2 cifras significativas
1.15 tiene 3 cifras significativas
Hugo Franco Paats 11

y x y x = y el Error absoluto de la diferencia es
Ay Ax y Ax
E E E =
la diferencia de los
errores absolutos de x e y . El error Relativo de y x ser:

y x
y
E
y x
x
E
y x
E
y x
E
y x
E
E
Ry Rx
Ay
Ax
y Ax
y Rx
. .

y x
y
E
y x
x
E E
Ry Rx y Rx
. .

Multiplicacin ( )
Ay Ax
E y E x y x + + = ). ( .

Valor aproximado del producto es igual al producto de los valores aproximados y x y x . . = y el
error absoluto de y x. es
Ax Ay y Ax
E y E x E . .
.
+ =

El error Relativo
Ry Rx
Ax
Ay Ax Ay y Ax
y Rx
E E
x
E
y
E
y x
E y E x
y x
E
E + = + =
+
= =
.
. .
.
.
.

Divisin
|
|
|
|
\
|
+
+
=
+
+
=
y
E
y
E x
E y
E x
y x
AY
AX
AY
AX
1
1
.
Representando
|
|
|
|
\
|
+
y
E
AY
1
1
. por la serie: ... 1
3 2
+
|
|
\
|
|
|
\
|
+
y
E
y
E
y
E
AY AY AY

Considerando los dos primeros trminos de la serie son significativos, nos queda
0
2 2
. .
1
1
1
.
y
E E
y
E x
y
E
y
x
y
E
y
E x
y
E
y
E x
y
x
AY AX AY AX AY AX
AY
AX
+ =
|
|
\
|

+
=
|
|
|
|
\
|
+
+
=

2
.
y
E x
y
E
y
x
y
x
AY AX
+ = por lo que el valor aproximado del cociente es

y
x
y x = y el error absoluto
2
/
. .
y
E x E y
E
AY AX
y Ax
=

Ry Rx
AY AX AY AX
y Rx
E E
y
E
x
E
x
y
y
E x E y
E = =
= .
. .
2
/


Ejemplo 1.9: Calcula los errores absoluto y relativo causado por el redondeo simtrico al efectuar,
manejando nicamente tres dgitos para las mantisas, la operacin y x + , si 4 , 765 = x e
362 , 7 = y .
3
10 765 , 0 = x ;
0
10 4 , 0 =
Ax
E
4
10 229 , 5

=
Rx
E
1
10 736 , 0 = y ;
2
10 2 , 0

=
Ay
E
4
10 7174 , 2

=
Ry
E ;
3
10 772 , 0 = + y x
Por tanto el error absoluto 402 , 0 002 , 0 4 , 0 = + = + =
+ Ay Ax y Ax
E E E

el error relativo:
0005207493 , 0
10 772 . 0
10 736 , 0
10 7174 , 2
10 772 , 0
10 765 , 0
10 229 , 5 . .
3
1
4
3
3
4
=
=
+
+
+
=

+
y x
y
E
y x
x
E E
Ry Rx y Rx
de otra manera
0005207253 , 0
10 772 , 0
402 , 0
3
=
=
+
=
+
y x
E
E
Ax
y Rx

1.6 EJERCICIOS

1.1- Expresa las siguientes cantidades en sistema de A.C.F. de tres cifras significativas, por redondeo y
truncamiento:
a) 74,24 b) 8.200,02 c) -1.863,55 c) 0,005 d) -13.485 e) 0,02475

1.1- Considerando las cantidades 28.294 y 13.485 y sus respectivas cantidades redondeadas a cuatro y
tres cifras significativas, 28.290 y -13.500 encontrar las cotas de los errores absolutos y relativos de
tales redondeos.

1.2- Si para
265625 , 0
64
17
= = x
se toma como valores 0,26 0,27, qu error absoluto se comete en
cada caso? Calcula tambin las cotas del error absoluto para ambos resultados.

1.3- A una cinta mtrica defectuosa le falta el primer centmetro. Despus de medir la longitud con la
misma, se obtiene 15 cm. Determina la verdadera longitud de la magnitud medida, el error absoluto de
la medicin, el relativo y el porcentual.

1.4- Un voltmetro marca las lecturas con un error de +0,05. Se toma una lectura de 60 V. Calcular los
errores absolutos y relativos.

1.5- Deducir los dgitos correctos de la cantidad aproximada 48,361 que tiene un error relativo mximo del
1%.

1.6- Considerando la operacin de suma de 1,015 + 0,3572 en el que ambos sumandos tienen todas sus
cifras correctas. Calcula la cota del error absoluto y relativo de la operacin

1.8.- Hallar las cifras correctas de la cantidad aproximada 52,135 que posee una cota de error relativo de
valor
4
10 1 , 0

1.9 - Probar con un ejemplo que, si una cantidad aproximada x tiene n cifras significativas correctas y la
primera de ellas es d , una cota del error relativo viene dada por la expresin:

1
10
1
=
n
x
d

1.10- Dadas las cantidades redondeadas que se indican:
0
10 18234 , 0 = x ; 314 , 12 = y 00377 , 0 = z ,
aplicando la expresin de la cota del error absoluto en el redondeo simtrico para cantidades
expresadas en coma flotante, calcula el lmite mximo de dicho error.


1.11- Se miden dos longitudes, x 3.32 e y 5.39. Calcula el valor de las siguientes operaciones,
manteniendo tres dgitos significativos en las sumas.
a) x + y b) x + 0.1 y c) x + 0.01 y
Determine las fuentes de error y magnitudes de los mismos y su incidencia en los resultados.

1.12- Evaluar 5 . 1 2 . 3 1 . 6 ) (
2 3
+ + = x x x x f en x = 4.71 usando aritmtica de punto flotante con tres
dgitos. Comparar los resultados haciendo truncamiento y redondeo. Calcular el error relativo en cada
caso considerando como valor exacto 263899 . 14 ) 71 . 4 ( = f .

1.13- Determinar las cotas del error absoluto y Relativo en los resultados de las operaciones
siguientes, donde x = 2.00, y = 3.00 y z = 4.00 han sido correctamente redondeados
a) z y x f + + = 3 b)
z
y
x f = c)
|
\
|
=
40
y
xsen f
1.14- Sea x = 0.045682138, y
5
10 5 , 0

=
Ax
una cota de su error absoluto. Dar un intervalo donde se
encuentre el nmero exacto x . Cuntos dgitos son significativos?

1.15- Si medimos la longitud L, de un pizarrn con una regla graduada hasta los centmetros y
determinamos que mide 2.72 m., cul es una cota para el error absoluto de esta aproximacin?

1.16- Sabemos que 17 = 4.1231056... Si tomamos como aproximacin de 17 el nmero 4.12, es
decir, 17 4.12, cul es el error mximo en esta aproximacin?

Clculo Numrico CAPITULO II Resolucin de ecuaciones no lineales


CAPITULO II

RESOLUCIN DE ECUACIONES NO LINEALES

2.1- INTRODUCCIN

Los mtodos numricos para resolucin de ecuaciones no lineales suelen ser mtodos iterativos que
producen una sucesin de valores aproximados de la solucin, que se espera, converja a la raz de la
ecuacin (un nmero es raz de una ecuacin o cero de una funcin ) (x f , s 0 ) ( = f ).
Estos mtodos van calculando las sucesivas aproximaciones en base a los anteriores, a partir de una o
varias aproximaciones iniciales.

) (x f

1

2
x

La idea central de los mtodos iterativos es que partiendo de una aproximacin inicial para la raz, se van
obteniendo nuevos valores mejorando la aproximacin inicial hacia el valor de la raz. Por lo que podemos
separarlos en dos etapas o Fases:
FASE 1: Aislamiento: en esta fase se localizan o aslan las races en un intervalo [ ] b a; .
FASE 2: Refinamiento, que consiste en mejorar sucesivamente las aproximaciones de la fase 1,
hasta obtener un valor lo suficientemente prximo a la raz, dentro de la precisin prefijada.

2.2- FASE 1: AISLAMIENTO DE LAS RAICES

En esta fase se realiza un anlisis terico y grfico de la funcin ) (x f . Es importante sealar que el suceso
de la fase 2, depende de la precisin de este anlisis. Para el anlisis terico utilizamos frecuentemente el
siguiente teorema:

2.2.1 Teorema de Bolzano: Dada una funcin ) (x f continua en el intervalo [ ] b a, . Si 0 ) ( ). ( < b f a f ,
entonces existe un punto = x , entre a y b que es cero de ) (x f .
Grficamente:

) (b f

a b
x

) (a f

Observacin: bajo la hiptesis del teorema anterior, si ) (x f existe y mantiene el signo en el intervalo [ ] b a,
entonces, este contiene un nico cero de ) (x f

Grficamente

) (a f
) (b f

a b
b a
) (a f ) (b f

[ ] b a x x f , , 0 ) ( > [ ] b a x x f , , 0 ) ( <

2.2.2 - Uso de tablas

Una de las formas de aislar las races de ) (x f , usando los conceptos anteriores, es tabular ) (x f , analizar
los cambios de signos de ) (x f y de la derivada en los intervalos en que ) (x f cambia de signo.

Ejemplo 2.1: Determina los intervalos que contienen a las races de a) 3 9 ) (
3
+ = x x x f y
b)
x
e x x f

= 5 ) ( , por medio de tablas y considerando apenas los cambios de signos.

a) Para 3 9 ) (
3
+ = x x x f la tabla ser:
x -100 -10 -5 -3 -1 0 1 2 3 4 5
) (x f
- - - - + + + - - + + +
Siendo que ) (x f es continua x tenemos que los intervalos [ ] [ ] 1 ; 0 ; 3 ; 5 y [ ] 3 ; 2 la funcin
cambi de signo, por lo que existe por lo menos un cero en estos intervalos

b) Para
x
e x x f

= 5 ) ( tenemos:
x 0 1 2 3 4
) (x f
- - + + +
Siendo que ) (x f es continua x , existe un cero de ) (x f en [ ] 2 ; 1 . Para saber si este cero es nico
en este intervalo analizamos el signo de ) (x f .
x
e x x f

+ = 5
2
1
) (
2 / 1
que es mayor que 0 0 > x
Observacin: si 0 ) ( ). ( > b f a f entonces podemos tener varias situaciones en [ ] b a, .

Ejemplos:



2.2.3 - El mtodo grfico

El anlisis grfico es fundamental para obtener buenas aproximaciones de las races. Existen numerosos
programas que auxilian en la obtencin del grfico de ) (x f . Esto puede hacerse de dos maneras a)
haciendo directamente el grfico ) (x f de la manera tradicional y b) obteniendo dos funciones ) ( ) ( x h x g =
tales que 0 ) ( ) ( ) ( = = x h x g x f . Graficamos ) (x g y ) (x h en los mismos ejes cartesianos y localizamos lo
puntos sobre el eje x donde las curvas se interceptan.
-4 -3 -2 -1 0 1 2 3 4
-30
-20
-10
0
10
20
30
40

3 9 ) (
3
+ = x x x f x x h = ) ( y 9 / ) 3 ( ) (
3
+ = x x g

2.3- FASE II : REFINAMIENTO

Un mtodo iterativo consiste en una secuencia de instrucciones que son ejecutadas paso a paso, algunas de
las cuales son repetidas por ciclos. La ejecucin de un ciclo recibe el nombre de iteracin. Cada iteracin
utiliza los resultados de las iteraciones anteriores y efecta determinadas pruebas verificado el resultado al
esperado.

Los mtodos iterativos dan una aproximacin para la solucin, a diferencia de los mtodos directos que dan
la solucin exacta.

2.3.1- Diagrama de flujo de un mtodo iterativo

inicio

Datos el valor
Iniciales aproximado si
Est suficientemente Resultado
Cerca de la raz
Clculos ?
Iniciales

K=1 no

K=K+1
Nueva
aproximacin

-4 -3 -2 -1 0 1 2 3 4
-8
-6
-4
-2
0
2
4
6
8

2.3.2- Criterio de parada

Todos lo mtodos iterativos efectan un test del tipo: est el valor calculado lo suficientemente prximo a la
raz exacta?. Para tal efecto se introduce el concepto de raz aproximada y tolerancia del error , que
es la precisin con que se desea el resultado (cuanto menor se ms prximo de estamos de la raz
exacta). Existen dos interpretaciones de la raz aproximada que no siempre arrojan el mismo resultado:
1.- < x
2.- < ) (x f
Como no conocemos el valor de la raz exacta , no podemos calcular el punto 1 de esa manera, lo que
hacemos es reducir el intervalo que contiene a la raz a cada iteracin, hasta conseguir un intervalo tal que
[ ] b a, y < a b ; entonces [ ] b a x , se da que < x de esa manera cumplimos con el
punto 1).

La condicin ptima es que se satisfaga las dos condiciones, pero eso no siempre es posible como
podemos ver grficamente

) (x f ) (x f
< ) (a f o < ) (b f ) (a f >> ) (b f
pero >> a b < a b

b a
a b

2.4- MTODO DE LA BISECCIN (BISECTRIZ)

Dada una funcin ) (x f continua en el intervalo [ ] b a, y tal que 0 ) ( ). ( < b f a f . Considerando que ) (x f
posee una nica raz en [ ] b a, , el mtodo tiene como objetivo reducir la amplitud del intervalo hasta alcanzar
la precisin requerida: < a b , usando para esto divisiones sucesivas del intervalo por la mitad.

Grficamente:
) (x f

1 0
a a a = =

2 1
a x =

2 1 0
b b x = =
0
b b = x

2
x

los clculos para evaluar la secuencia de puntos ,.... , ,
2 1 0
x x x es la siguiente:


2
0 0
0
a b
x
+
=
>
>
<
0 ) (
0 ) (
0 ) (
0
0
0
x f
b f
a f

[ ]
=
=
0 1
0 1
0 0
,
x b
a a
x a
>
0 0
a b

2
1 1
1
a b
x
+
=
<
>
<
0 ) (
0 ) (
0 ) (
1
1
1
x f
b f
a f

[ ]
=
=
1 2
1 2
1 1
,
b b
x a
b x
>
1 1
a b

2
2 2
2
a b
x
+
=
>
>
<
0 ) (
0 ) (
0 ) (
2
2
2
x f
b f
a f

[ ]
=
=
2 3
2 3
2 2
,
x b
a a
x a
<
2 2
a b

Como el mtodo utiliza la divisin sucesiva del intervalo, el criterio de parada para este mtodo ser cuando
<
k k
a b , tomando como valor aproximado de
k
x x = .

Ejemplo 2.2- Dada la funcin 1 log ) ( = x x x f , que posee un cero en [2, 3] con una precisin
1
10
< , encuentra la raz aproximada.

5 , 2
2
2 3
0
=
+
= x
< =
> =
< =
0 10 15 , 5 ) 5 , 2 (
0 4314 , 0 ) 3 (
0 3979 , 0 ) 2 (
3
f
f
f

[ ] {
3
5 , 2
3 ; 5 , 2
0 1
0 1
= =
= =
b b
x a
> = 1 2 3

75 , 2
2
5 , 2 3
1
=
+
= x
> =
>
<
0 2082 , 0 ) 75 , 2 (
0 ) 3 (
0 ) 5 , 2 (
f
f
f

[ ]
75 , 2
5 , 2
75 , 2 ; 5 , 2
2 2
1 2
= =
= =
x b
a a
5 , 0 5 , . 2 23 =

625 , 2
2
5 , 2 75 , 2
2
=
+
= x
> =
>
<
0 100 , 0 ) 625 , 2 (
0 ) 75 , 2 (
0 ) 5 , 2 (
f
f
f

[ ]
625 , 2
5 , 2
625 , 2 ; 5 , 2
3 3
2 3
= =
= =
x b
a a
25 , 0 5 , 2 75 , 2 =

5625 , 2
2
5 , 2 625 , 2
3
=
+
= x
=
>
<
0472 , 0 ) 5625 , 2 (
0 ) 625 , 2 (
0 ) 5 , 2 (
f
f
f

[ ]
5625 , 2
5 , 2
5625 , 2 ; 5 , 2
3 3
2 3
= =
= =
x b
a a
> = 125 , 0 5 , 2 625 , 2

53125 , 2
2
5 , 2 5625 , 2
4
=
+
= x
=
>
<
02094 , 0 ) 53125 , 2 (
0 ) 5625 , 2 (
0 ) 5 , 2 (
f
f
f

[ ]
53125 , 2
5 , 2
53125 , 2 ; 5 , 2
3 3
2 3
= =
= =
x b
a a
< = 06625 , 0 5 , 2 5625 , 2

valor aproximado de la raz es 53125 , 2 = x

2.4.1- Algoritmo del Mtodo de la Biseccin

Sea ) (x f continua en [ ] b a, y tal que 0 ) ( ). ( < b f a f
1) Datos iniciales
a) intervalo [ ] b a,
b) precisin
2) Si < a b , entonces elegir como x , un [ ] b a x ,
3) 1 = K
4) ) (a f M =
5)
2
b a
x
+
=
6) Si 0 ) ( . > x f M haga x a = y va para 8)
7) x b =
8) Si < a b , elegir como x , un [ ] b a x , . Fin
9) 1 + = K K y vuelve a 5)

2.4.2- Estimativa del nmero de iteraciones

Dada una precisin y el intervalo [ ] b a, es posible saber cuantas iteraciones sern efectuadas por el
mtodo de la biseccin hasta obtener la condicin < a b .
Usando el algoritmo anterior tenemos:
k
k k
k k
a b a b
a b
2
...
2
0 0 1 1

= =
=

debemos encontrar el valor de k tal que : <
k k
a b es decir: <
k
a b
2
0 0

k
a b
2
0 0
<
\
|
>
0 0
log ) 2 log(
a b
k
log ) log( 2 log .
0 0
> a b k ;
2 log
log ) log(
0 0

>
a b
k siendo que k es un nmero entero

Ejemplo 2.3: Del ejercicio del ejemplo 2.2 tenemos que:

32 , 3
2 log
) 10 log( ) 2 3 log(
1
=

>
k 4 = k

por lo tanto son necesarias por lo menos 4 iteraciones para encontrar la raz aproximada

2.4.3- Comentarios sobre el mtodo

El mtodo siempre converge por lo que se puede aplicar para obtener la raz aproximada de
cualquier ecuacin.
Las iteraciones no implican clculos complejos, pero si >> a b y si es muy pequea el
nmero de iteraciones puede ser muy grade, como se puede deducir de la frmula para calcular el
nmero aproximado de iteraciones.



2.5- MTODO DE LA FALSA POSICIN

Considerando la siguiente funcin:

Podemos constatar que la raz est ms prximo de a que de b , siendo que el proceso iterativo de
la biseccin sugiere como el prximo paso
k
x , en la bsqueda de la raz por
2
k k
k
b a
x

= , que es la media
aritmtica entre a y b . El mtodo de la Falsa Posicin, define como el paso
k
x a la interseccin de la recta
) (x r , con el eje x 0 , que pasa por ) (a f y ) (b f .

Grficamente:

De la deduccin de la ecuacin de la recta que pasa por dos puntos :
a b
a f b f
a x
a f x f
K
K
) ( ) ( ) ( ) (
; considerando que
K
x es raz de la ecuacin por tanto 0 ) ( =
K
x f y
despejando
K
x de la ecuacin, tenemos:

) ( ) (
) ( ) (
) ( ) (
) ( ) ( ) ( ) (
) ( ) (
) )( (
a f b f
a bf b af
a f b f
a af a bf a af b af
a f b f
a b a f
a x
K
+
=
=

) ( ) (
) ( ) (
a f b f
a bf b af
x
K
=

Posteriormente aplicamos el teorema Bolzano para determinar el intervalo que contiene a la raz, es decir; si
0 ) ( ). ( <
K
x f a f , entonces la raz se encuentra entre a y
K
x y b pasa a ser
K
x , y el proceso se repite
hasta que cumpla con el criterio de parada.

2.5.1- Algoritmo

Si ) (x f es continua en [ ] b a; y tal que 0 ) ( ). ( < b f a f
1) leer datos iniciales
intervalo [ ] b a; , precisin
2) Si < a b , entonces elegir como x cualquier [ ] b a x ,
Si < ) (a f , entonces a x =
Si < ) (b f , entonces b x = y Fin
3) 1 = K ;
4) ) (a f M = ;
5)
) ( ) (
) ( ) (
a f b f
a bf b af
x
= ;
6) Si < ) (x f ; entonces x x = y Fin.
7) Si 0 ) ( . > x f M ; entonces x a = y va la paso 9)
8) x b = ;
9) Si < a b ; entonces elegir como x cualquier [ ] b a x ,
10) 1 + = K K y vuelve a 4)

Ejemplo 2.4: Encuentra la raz de al funcin 1 log . ) ( = x x x f , en el intervalo [2; 3] para
2
10
= .

Construyendo una tabla con los valores que intervienen tenemos:

k
K
a
K
b
) (a f ) (b f
K
x
) (x f
0 2 3 -0,3979 0,4314 2,48 -0,022
1 2,48 3 -0,022 0,4314 2,504
<
3
10 87 , 1

Para la primera iteracin ya cumple con el criterio de parada por lo tanto 504 , 2 = x

2.5.2- Comentarios del mtodo

El mtodo de la Falsa Posicin, en general puede obtener un x en la cul < ) (x f sin que el
intervalo [ ] b a, sea pequeo. Entonces, si queremos que los dos criterios de parada sean cumplidos
simultneamente, el mtodo puede ser divergente.
Si ) (x f es continua en [ ] b a; y tal que 0 ) ( ). ( < b f a f , entonces el mtodo de la Falsa Posicin
tiene una convergencia asegurada.
Se puede demostrar que bajo ciertas condiciones el mtodo de la falsa posicin tiene orden de
convergencia lineal, por lo que suele converger ms lentamente a la solucin de la ecuacin que otros
mtodos.
Una vez iniciado el proceso iterativo, uno de los extremos del intervalo tiende a no modificarse.
Muchas veces es importante conocer cual de los extremos del intervalo es el que permanece
inalterado y eso es posible analizando el signo de la segunda derivada de la funcin, como se
muestra a continuacin:



Grficamente:

a
0
x
1
x a

1
x
0
x b
b

b
b f
x f
)
`
>
>
0 ) (
0 ) (
es punto fijo a
a f
x f
)
`
<
<
0 ) (
0 ) (
punto fijo

1
x
0
x b b

a a
0
x
1
x

a
a f
x f
)
`
>
>
0 ) (
0 ) (
punto fijo b
b f
x f
)
`
<
<
0 ) (
0 ) (
punto fijo

2.6- MTODO DE LA FALSA POSICIN MODIFICADO O MTODO DE HAMMING

Podemos observar que el mtodo de la Falsa Posicin obtiene un x donde ) (x f es pequea, pero falla con
relacin a la longitud del intervalo final que contiene a la raz. Una de las modificaciones, en la que se verifica
que 0 ) ( ) (
1
<
K K
x f x f , o sea en el intervalo que contiene a la raiz, es cambiar la recta que pasa por
) (a f y ) (b f por una recta de menor inclinacin, como se muestra en la figura:

) (b f

a x
2
) (b f

b


2.6.1- Algoritmo
Si ) (x f es continua en [ ] b a; y tal que 0 ) ( ). ( < b f a f
1) leer datos iniciales
intervalo [ ] b a; , precisin
2) FA = ) (a f y FB = ) (b f ;
3) Si < a b , entonces elegir como x cualquier [ ] b a x ,
Si < ) (a f , entonces a x =
Si < ) (b f entonces b x = y Fin
4) ;
0
a x =
5) 1 = K ;
6)
FA FB
FA b FB a
x
=
. .
1

7) Si < ) (
1
x f , entonces
1
x x = y Fin
8) Si 0 ) ( .
1
> x f FA va a 10)
9)
1
x b = y ) (
1
x f FB = ,
10) si 0 ) ( ). (
0 1
> x f x f haga 2 / FA FA = y va a 12)
11)
1
x a = y ) (
1
x f FA =
12) si 0 ) ( ). (
0 1
> x f x f , haga 2 / FB FB =
13) ) ( ) (
1 0
x f x f =
14) 1 + = K K y vuelve a 6)

2.7- MTODO ITERATIVO LINEAR (M.I.L)

El M.I.L. consiste en transformar una ecuacin en otra equivalente tal que ) (x x = ; es decir de una
aproximacin inicial
0
x , generar una secuencia de { }
k
x de aproximaciones para por la relacin
) (
1 k k
x x =
+
, pues la funcin ) (
k
x es tal que 0 ) ( = f , si y solo si ) ( = .
Una funcin ) (x que cumple esta condicin es llamada de funcin de iteracin para la ecuacin
0 ) ( = x f

Ejemplo 2.5 Para la ecuacin 0 6
2
= + x x podemos obtener varias funciones de iteracin:
1)
2
1
6 ) ( x x =
3) 1
6
) (
3
=
x
x
2) x x = 6 ) (
2

4)
1
6
) (
4
+
=
x
x

Dada la funcin ) (x f , existen infinitas funciones ) (x que son funciones de iteracin. La forma general de
esta funcin es: ) ( ). ( ) ( x f x A x x + = , con la condicin que en el punto fijo de ) (x , se tenga
= = ) ( 0 ) ( A



Graficamente

x y =

) (x x y =

) (x

2
x
1
x
0
x
1
x
2
x
0
x
{ }
k
x ; k { }
k
x ; k

) (x x y = ) (x x y =

0
x
1
x
2
x
1
x
0
x
2
x
{ }
k
x ; k { }
k
x ; k .

2.7.1- Estudio de Convergencia del M.I.L.

Vimos que dada una ecuacin 0 ) ( = x f , puede existir ms de una funcin ) (x tal que
). ( 0 ) ( x x x f = = Pero no cualquier ) (x , que en un proceso recursivo definido por ) (
1 k k
x x =
+
,
genera una secuencia que converge para la raz.

Ejemplo 2.6: De la ecuacin 0 6
2
= + x x , que tiene races en 3
1
= y 2
2
= , probamos dos
funciones de iteracin para un punto inicial 5 , 1
0
= x
a)
2
1
6 ) ( x x =
75 , 3 5 , 1 6 ) (
2
0 1
= = = x x
0625 , 8 75 , 3 6 ) (
2
1 2
= = = x x
... 00396 , 59 ) 0625 , 8 ( 6 ) (
2
2 3
= = = x x

...no converge para la raz 2
2
=


Grficamente
) (x
x y =

0
x

b) x x = 6 ) (
2

.. 12132 , 2 5 , 1 6 ) (
0 1
= = = x x
96944 , 1 ) (
1 2
= = x x ) (x
00763 , 2 ) (
2 3
= = x x x y =
99809 , 1 ) (
3 4
= = x x
00048 , 2 ) (
4 5
= = x x

Las condiciones suficientes para que el proceso sea convergente, las da el siguiente teorema:

TEOREMA: Sea una raz de la ecuacin 0 ) ( = x f , aislada en el intervalo [ ] b a, . Sea ) (x una funcin
de iteracin para la ecuacin 0 ) ( = x f . Si
a) ) (x y ) (x son continuas en [ ] b a, ,
b) 1 ) ( < M x , x [ ] b a,
c)
0
x [ ] b a,
Entonces la secuencia {
1 + k
x } generada por el proceso iterativo ) (
1 k k
x x =
+
, converge para .

Ejemplo: 2.7 Analizar las condiciones de convergencia para las funciones de iteracin de la ecuacin
del ejemplo anterior.

a)
2
1
6 ) ( x x = derivada x x 2 ) (
1
= en I = [1,5; 2]
) (
1
x y ) (
1
x son continuas en I ;
1 ) (
1
> x I x

b) x x = 6 ) (
2
derivada
x
x
=
6 2
1
) (
2
en I = [1,5; 2]
) (
2
x es continuas en { } 6 / = x IR x S ;



) (
2
x es continua en { } 6 / < = x IR x S ;
1 ) (
2
< x 75 , 5 1
6 2
1
< <
x
x
es posible obtener un intervalo centrado en
I tal que { }
k
x

c) 1
6
) (
3
=
x
x ; derivada
2
3
6
) (
x
x = en I = [1,5; 2]
) (
3
x y ) (
3
x tienen una discontinuidad en 0 = x ,fuera del intervalo I

1 ) (
3
< x en I 1
6
2
<
x
6 < x o 6 > x . Los intervalos que la funcin generar
un proceso convergente son [ ] 6 ; y [ ] ; 6 por lo tanto esta funcin encontrara la
raz negativa o sea 3 = , pero no la raz positiva.

2.7.2- Criterio de Parada

Los dos criterios de paradas pueden ser utilizados con este mtodo indistintamente, pero no en forma
simultnea.

2.7.3- Algoritmo

Sea 0 ) ( = x f y la ecuacin equivalente ) (x x = , suponiendo que cumpla las condiciones de
convergencia.
1) Datos iniciales
0
x aproximacin inicial
precisin
2) Si < ) (
0
x f entonces
0
x x = y Fin.
3) 1 = K ;
4) ) (
0 1
x x = ;
5) Si < ) (
1
x f si <
0 1
x x , entonces
1
x x = y Fin.
6)
1 0
x x = ;
7) 1 + = K K , y vuelve a 4)

2.8- MTODO DE NEWTON

Consideremos que ) (x f es continua en [ ] b a, , y que 0 ) ( x f . Considerando el primer polinomio de
Taylor para ) (x f expandido alrededor de
0
x
( )
( )
)), ((
2
) ( ) ( ) (
2
0
0 0 0
p f
x x
x f x x x f x f
+ + =
donde el ltimo trmino representa el error y p est entre x y
0
x . Dado que 0 ) ( = f y que
0
x es
muy pequeo, el trmino
2
0
) ( x es mucho menor y la expresin queda
( ) ) ( ) ( 0
0 0
x f x x f + despejando de esta ecuacin, tenemos
) (
) (
0
0
0
x f
x f
x
=

Esto nos prepara para introducir el mtodo de Newton, el cual comienza con una aproximacin inicial
0
x y
genera la sucesin { }
=0 n k
x definida por
) (
) (
1
k
k
k k
x f
x f
x x
=
+

Grficamente pendiente ) (
1
x f

0
x pendiente ) (
0
x f

2
x
1
x

La figura muestra grficamente cmo se obtiene las aproximaciones usando tangentes sucesivas.
Comenzando con la aproximacin inicial
0
x ,
1
x ,
2
x ,....

2.8.1- Algoritmo

Dada la funcin ) (x f y ) (x f continuas en [ ] b a, ;
1) Datos iniciales
0
x aproximacin inicial
precisin
2) Si < ) (
0
x f ; entonces
0
x x = y Fin
3) 1 = k
4)
) (
) (
0
0
0 1
x f
x f
x x
=
5) Si < ) (
1
x f o
si <
0 1
x x entonces
1
x x = y Fin
6)
1 0
x x =
7) 1 + = k k y vuelve a 4)

Ejercicio: Aplique el mtodo de Newton Raphson para encontrar al raz aproximada x con una precisin
4
10 1

= , para un valor inicial 5 , 0
0
= x , de la funcin 3 9 ) (
3
+ = x x x f

2.9- MTODO DE LA SECANTE

Una gran desventaja del mtodo de Newton es obtener y calcular la derivada de la funcin. Una forma de
evitar ese inconveniente es sustituir la derivada por:


1
1
) ( ) (
) (
=
k k
k k
x x
x f x f
x f , donde
k
x y
1 k
x son dos aproximaciones para la raz, sustituyendo en
la ecuacin de iteracin de Newton tenemos:
1
1
) ( ) (
) (
) (
=
k k
k k
k
k k
x x
x f x f
x f
x x

) ( ) (
) ( ) (
) (
1
1 1
=
k k
k k k k
k
x f x f
x f x x f x
x

Grficamente:

0
x
1
x

3
x
2
x

Dependiendo de la funcin el mtodo puede ser oscilante, es decir el error puede aumentar en algunas
iteraciones pero no en forma continua, luego deber ir disminuyendo. Caso contrario el mtodo ser
divergente.

Ejemplo 2.3.7- Aplicar el mtodo de la secante para encontrar la raz aproximada de la ecuacin
0 6
2
= + x x . 2 = 5 , 1
0
= x 7 , 1
1
= x

03571 , 2
25 , 2 41 , 1
) 25 , 2 .( 7 , 1 ) 41 , 1 .( 5 , 1
) ( ) (
) ( ) (
0 1
0 1 1 0
2
=
+

=
=
x f x f
x f x x f x
x ; 17983 , 0 ) (
2
= x f ; 2 , 0
0 1
= x x

9974 , 1
41 , 1 19983 , 0
) 41 , 1 ( 03571 , 2 ) 17983 , 0 ( 7 , 1
3
=
+

= x ; 01131 , 0 ) (
3
= x f ; 2974 , 0
1 2
= x x

... 9999 , 1
17983 , 0 01131 , 0
) 17983 , 0 ( 9974 , 1 ) 01131 , 0 ( 0357 , 2
4
=

= x 004099 , 0 ) (
4
= x f ; 03831 , 0
2 3
= x x

2.9.1- Algoritmo

Dada la funcin ) (x f y ) (x f continuas en [ ] b a, ;
1) Datos iniciales
0
x y
1
x aproximaciones iniciales
precisin
2) Si < ) (
0
x f entonces
0
x x = y Fin
< ) (
1
x f ; entonces
1
x x = y Fin
3) 1 = k

4)
) ( ) (
) ( ) (
0 1
0 1 1 0
2
x f x f
x f x x f x
x
=
5) Si < ) (
2
x f o entonces
2
x x = y Fin
6)
1 0
x x = y
2 1
x x =
7) 1 + = k k y vuelve a 4)

2.10- COMPARACIN DE LOS MTODOS

a) Los mtodos de la biseccin y Falsa Posicin tienen convergencia asegurada desde que ) (x f sea
continua en [ ] b a, y tal que 0 ) ( ). ( < b f a f ; mientras que el Mtodo Iterativo Lineal, de Newton y de
la Secante, tienen condiciones especiales para la convergencia. Siendo las ltimas de convergencia
ms rpida.

b) El mtodo de la biseccin efecta clculos simples, mientras que el de Newton requiere clculos ms
elaborados en cada iteracin. Por otro lado, el nmero de iteraciones efectuadas por el mtodo de la
biseccin es mucho mayor que el mtodo de Newton.

2.11- EJERCICIOS

2.1- Encuentra las soluciones reales de las ecuaciones siguientes, por el mtodo de la biseccin y de la
Falsa Posicin con una precisin de <
2
10

a) x x x f = ) cos( ) (
b) 6 5 ) (
3
= x x x f

2.2- Localiza la raz positiva de ) ( 5 , 0 ) ( x sen x x f = . Donde x esta dada en radianes. Utiliza el mtodo
grfico y despus calcula tres iteraciones con el mtodo de Newton Rapshon, con valor inicial de 2. Repita
los clculos con un valor inicial de 1. Utiliza el mtodo grfico para explicar los resultados

2.3- Calcula las soluciones reales de las ecuaciones siguientes por el mtodo de Newton Rapshon y el de la
secante, para una tolerancia del error del 0,05%
a) 1 2 ) ln( ) ( + = x x x f
b) x x sen x f = ) ( 2 ) (

2.4- Determina varias funciones de iteracin para el M.I.L. y en cada caso comprueba su convergencia para
la raz de la funcin 1 ) ( . 2 ) (
2
+ = x sen x x x f ; en el intervalo [0; 1].

2.5- Utiliza los mtodos de la biseccin, Falsa Posicin, Iterativo Lineal, de Nw R y el de la secante para
encontrar la raz aproximada de las siguientes funciones:
a) ) cos( ) (
2
x e x f
x
=

; intervalo [ 1; 2]; aproximacin
2
10

b) 1 ) (
3
= x x x f intervalo [1; 2]; aproximacin
2
10

c)
x
e x sen x f = ) ( 4 ) ( intervalo [0; 1]; aproximacin
2
10

Determina la aproximacin inicial utilizando el mtodo grfico de la Fase I y haga una tabla que
contenga los valores de x, el error relativo aproximado y el nmero de iteraciones de los diferentes mtodos.
Comente los resultados.

2.6- Determina la raz mayor de 6 11 6 ) (
2 3
+ = x x x x f
a) Grficamente
b) Por el mtodo de la biseccin (dos iteraciones a = 2,5 y b = 3,6)


c) Por el mtodo de la Falsa Posicin (dos iteraciones a = 2,5 y b = 3,6)
d) Por el mtodo de Newton - Raphson (dos iteraciones x
0
= 3.6)
e) Por el mtodo de la Secante (dos iteraciones [2,5; 3.6])

2.7- Aplicar el mtodo de la Falsa Posicin para encontrar la primera raz positiva de la
funcin
4
1 ) (
2
x
x x f + =
. Qu ocurre con la convergencia del mtodo? Explica.

2.8- Deduzca un esquema iterativo para encontrar la raz cuadrada de un nmero a con base en la iteracin
de Newton. Prueba el esquema para 7 = a utilizando 0,1 como valor inicial y una aproximacin
5
10
<

2.9- Encuentra la raz de la funcin x e x f
x
ln 4 ) (
cos
= , con una precisin
5
10
< . Determine el intervalo

que contiene a la raz y el criterio de parada segn el mtodo seleccionado.

2.10- Aplica el mtodo de Newton Raphon para obtener la solucin, con una exactitud de
3
10
, para la
funcin senx x x f 2 , 0 8 , 0 ) ( =
(
2
; 0

Clculo Numrico CAPITULO III - Interpolacin

CAPITULO III

INTERPOLACIN

3.1- INTRODUCCIN

Con frecuencia se tiene que estimar valores intermedios entre datos o valores conocidos, como por ejemplo;
se conocen los valores especficos del agua a ciertas temperaturas.

Temp C 20 25 30 35 40 45 50
Calor esp. 0,99907 0,99852 0,99826 0,99818 0,99828 0,99849 0,99878

Supongamos que se quiera calcular
a) Calor especfico del agua a 33 C
b) La temperatura para la cual el calor especfico es 0.99837
La interpolacin permite realizar los clculos aproximados.

INTERPOLAR una funcin, consiste en sustituir esta, por otra funcin ) (x p con el objeto de facilitar ciertas
operaciones. Podemos realizar la interpolacin cuando:
Conocemos los valores numricos de ) (x f solamente en un conjunto de puntos y necesitamos ) (x f en un
punto no tabulado.
La expresin ) (x f es difcil de derivar o integrar.

3.1.1 Problema general de la interpolacin

Consideremos 1 + n puntos distintos;
n
x x x x ,..., , ,
2 1 0
llamados puntos de interpolacin y los valores de
) (x f en esos puntos; ) (
0
x f , ) (
1
x f ,..., ) (
n
x f . La forma de interpolacin de ) (x f consiste en obtener una
funcin ) (x p tal que:
( )
0 0
) ( x f x p = ;
) ( ) (
1 1
x f x p = ); Siendo que ) (x p es un polinomio.
: :
( )
n n
x f x p = ) ( ;

Grficamente

x1 x2 x3 . . .

Dado los puntos )) ( ; ( )),..., ( ; ( )), ( ; (
1 1 0 0 n n
x f x x f x x f x por lo tanta 1 + n puntos distintos, queremos
aproximar ) (x f por un polinomio de grado < n , ) (x p
n
tal que :

= ) (
i
x f ) (
i n
x p ; para i = 1,2,3,...., n

si representamos ) (x p
n
de la forma ) (x p
n
=
n
n
x a x a x a a + + + + ...
2
2 1 0
; debemos encontrar los
valores de los coeficientes,
n
a a a a ,..., , ,
2 1 0
de ) (x p
n
.

3.2 INTERPOLACIN POLINOMIAL

De la condicin definida por ) ( ) (
i n i
x p x f = ; podemos montar el siguiente sistema lineal:
) ( ...
0 0
2
0 1 0 1 0
x f x a x a x a a
n
n
= + + + +
) ( ...
1 1
2
1 2 1 1 0
x f x a x a x a a
n
n
= + + + + 1 + n ecuaciones con 1 + n incgnitas

.
) ( ...
2
2 1 0 n
n
n n n n
x f x a x a x a a = + + + +

Resolviendo este sistema lineal, obtenemos los valores de los coeficientes
a
a ,
1
a ,...,
n
a de ) (x p
n
. La
matriz A de los coeficientes es:

n
n n n
n
n
x x x
x x x
x x x
2
1
2
1 1
0
2
0 0
1
. . . .
... 1
... 1
Matriz de Valdermonde

Ejemplo 3.1: Dada la siguiente tabla, encuentre ) (x p
n
=
2
2 1 0
x a x a a + +

x -1 0 2
f(x) 4 1 -1

) (
0 2
x p = 4 ) 1 ( ) 1 (
2
2 1 0
= + + a a a
) (
1 2
x p = 1 ) 0 ( ) 0 (
2
2 1 0
= + + a a a
) (
2 2
x p = 1 ) 2 ( ) 2 (
2
2 1 0
= + + a a a

Resolviendo el sistema de ecuaciones obtenemos que 1
0
= a ; 3 / 7
1
= a ; 3 / 2
2
= a ; por tanto, el
polinomio interpolador es:

2
2
3
2
3
7
1 ) ( x x x p + =

3.3 INTERPOLACIN DE LAGRANGE

Dado los siguientes puntos
n
x x x x ,..., , ,
2 1 0
, es decir n+1 puntos distintos y ) (
i i
x f y = ; para todo i = 1,
2, ...., n . Considerando ) (x p
n
, el polinomio de grado < n que interpola la funcin ) (x f en
n
x x x ,..., ,
1 0
.
Representamos ) (x p
n
por:
i i n n i i n
y x L Y x L Y x L Y x p = + + + = ) ( ... ) ( ) ( ) (
1 1 0 0
La forma ms simple de
satisfacer la relacin anterior es imponer la siguiente condicin:

0 si i k
) (
i K
x L =
1 si i k =

Definimos entonces

) )...( )( )...( )( (
) )...( )( )...( )( (
) (
1 1 1 0
1 1 1 0
n K K K K K K K
n K K
K
x x x x x x x x x x
x x x x x x x x x x
x L

=
+
+

En sntesis

=
=
=
n K
K
K K n
x L Y x p
0
) ( ) ( ; donde

=
=
=
n j
j k
j
j K
n j
j k
o j
j
K
x x
x x
x L
0
) (
) (
) (

Ejemplo 3.2: Utiliza la interpolacin de Lagrange para un polinomio de segunda orden
con los siguientes valores :

x -1 0 2
f(x) 4 1 -1

n = 2; y ) ( ) ( ) ( ) (
2 2 1 1 0 0 2
x L Y x L Y x L Y x p + + = ; donde:

3
2
) 2 1 )( 0 1 (
) 2 )( 0 (
) )( (
) )( (
) (
2
2 0 1 0
2 1
0
x x x x
x x x x
x x x x
x L

=

=

=

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

=

=

=
x x x x
x x x x
x x x x
x L

6 ) 0 2 )( 1 2 (
) 0 ))( 1 ( (
) )( (
) )( (
) (
2
1 2 0 2
1 0
2
x x x x
x x x x
x x x x
x L
+
=
+

=

=

de la tabla 4
0
= Y ; ; 1
1
= Y y 1
2
= Y . Sustituyendo los valores en la frmula tenemos:
) 2 (
6
1
) 2 (
2
1
) 2 (
3
4
) (
2 2 2
2
x x x x x x x p + =

Simplificando, obtenemos el polinomio de segundo grado que interpola a la funcin en los puntos dados
2
2
3
2
3
7
1 ) ( x x x p + =

3.4- FORMULA DE NEWTON

La frmula de Newton para el polinomio ) (x p
n
que interpola f(x) en
n
x x x ,..., ,
1 0
, con n+1 puntos distintos
es:
) )...( )( ( ... ) )( ( ) ( ) (
1 1 0 1 0 2 0 1 0
+ + + + =
n n n
x x x x x x d x x x x d x x d d x p

Donde
k
d es el operador de diferencias divididas y donde los coeficientes n k ,..., 1 ., 0 = son diferencias
divididas de orden k entre los puntos [ ] ) ( ;
j j
x f x n j ,..., 1 ., 0 =

3.4.1-Operador de Diferencias Divididas

Sea ) (x f una funcin tabulada en
n
x x x x ,..., , ,
2 1 0
; en n+1 puntos distintos.
Definimos el operador de diferencias divididas por:

) ( ] [
0 0
x f x f = orden 0

0 1
0 1
0 1
0 1
1 0
) ( ) ( ] [ ] [
] , [
x x
x f x f
x x
x f x f
x x f
= orden 1

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

orden n
se dice que ] ,..., , [
1 0 k
x x x f es la diferencia dividida de orden k de la funcin ) (x f sobre los k + 1 puntos:
k
x x x x ,..., , ,
2 1 0
.

3.4.2- Tabla de Diferencias Divididas

Dada la funcin ) (x f y conocidos los valores de ) (x f en los puntos
n
x x x x ,..., , ,
2 1 0
; podemos construir
la siguiente tabla con los operadores de diferencias divididas

X orden 0 orden 1 orden 2 orden 3 orden n
Xo f[xo]
f[xo,x1]
X1 f[x1] f[xo,x1,x2]
f[x1,x2] f[xo,x1,x2,x3]
X2 f[x2] f[x1,x2,x3] : . . . f[xo,x1,...,xn]
f[x2,x3] : f[x-3,x-2,x-1,xn]
: : :
f [ ]
n n n
x x x , ,
1 2
f[Xn-3,Xn-2,xn-1,xn]
xn f[xn] f[xn-1,xn] .

Ejemplo 3.2: dada la siguiente tabla, construya la tabla de diferencias divididas de Newton

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

Tabla de diferencias divididas:
X orden 0 orden 1 orden 2 orden 3 orden 4
-1 1
0
0 1 -1/2
-1 1/6
1 0 0 -1/24
-1 0
2 -1 0
-1
3 -2

de la tabla concluimos que los valores de do = 1; d1 = 0; d2 = -1/2; d3 = 1/6; d4 = -1/24; por tanto
utilizando la frmula de Newton para un polinomio de cuarto orden y sustituyendo los valores
tenemos
) )...( ( ... ) )( ( ) ( ) (
3 0 4 1 0 2 0 1 0 2
x x x x d x x x x d x x d d x p + + + + =

) 2 )( 1 )( 0 )( 1 (
24
1
) 1 )( 0 )( 1 (
6
1
) 0 )( 1 (
2
1
0 1 ) (
2
+ + + + + = x x x x x x x x x x p

4 3 2
2
24
1
4
1
8
5
12
7
1 ) ( x x x x x p + =

Ejemplo 3.3: utilice la interpolacin de Newton para un polinomio de segunda orden

Con los siguientes valores
x -1 0 2
) (x f 4 1 -1

construimos la tabla de diferencias divididas

x orden 0 orden 1 orden 2
-1 4
-3
0 1 2/3
-1
2 -1
de la tabla concluimos que ; 4
0
= d ; ; 3
1
= d ;
3
2
2
= d el polinomio interpolador de segunda orden de
Newton ser: 2
2
2
3
2
3
7
1 ) 0 )( 1 ( 3 / 2 ) 1 ( 3 4 ) ( x x x x x x p + = + + + + =

2
2
3
2
3
7
1 ) ( x x x p + =

3.5 ANALISIS DE ERROR EN LA INTERPOLACIN

Al aproximar ) (x f por un polinomio interpolador de grado < n se comete un error que esta dado por:
) ( ) ( ) ( x p x f x E
n n
= [ ]
n
x x x ;
0

El estudio del error es importante para saber cuan prximo est ) (x f de ) (x p
n
.
Graficamente.


Podemos ver que el mismo polinomio interpola ) (
1
x f y
) (
2
x f en
0
x y
1
x el error ser portanto:

) ( ) ( ) (
1 1 1
x p x f x E =
) ( ) ( ) (
1 2 2
x p x f x E = donde ) ( ) (
2 1
x E x E >
1 0
x x x < >

Consideremos un intervalo [a, b] de la funcin ) (x f y a = < < < =
n
x x x x ....
2 1 0
b; en 1 + n puntos. Por el
mtodo de Newton construimos ) (x p
n
que interpola ) (x f en los puntos
n
x x x x ,..., , ,
2 1 0
. Entonces ) (
0
x p
es el polinomio de grado cero que interpola ) (x f en
0
x x = = ) (
0
x p ) (
0
x f . Del mismo modo x [a,b] y
0
x x = tendremos
[ ]
0
0
0
) ( ) (
,
x x
x f x f
x x f
= [ ] ) ( ) ( , ) (
0 0 0
x f x f x x f x x = [ ] x x f x x x f x f , ) ( ) ( ) (
0 0 0
=
Donde = ) (
0
x p ) (
0
x f y el segundo trmino del segundo miembro de la ecuacin corresponde al error, o
sea ( ) [ ] x x f x x x E , ) (
0 0 0
=

Considerando ahora ) (
1
x p que es el polinomio de grado 1 que interpola ) (x f en
1 0
, x x

[ ]
[ ] [ ]
[ ] [ ]
[ ]
[ ] [ ] ( )( ) [ ]
( )( )
1 0
0 1 1 0 0
1
0 1
0
0
1
0 0 0
1 0
,
,
, ,
,..., ,
x x x x
x x f x x x x x f x f
x x
x x f
x x
x f x f
x x
x x f x x f
x x x f

=
=

( ) [ ]
0 0 0
, ) ( ) ( x x f x x x f x f + = +( )( ) [ ] x x x f x x x x , ,
1 0 1 0

) (
1
x p ) (
1
x E

Aplicando sucesivamente el mismo raciocinio para
n
x x x x ,..., , ,
2 1 0
tendremos la forma de Newton de grado
< n que interpola ) (x f en
n
x x x x ,..., , ,
2 1 0
;

( ) [ ] ( )( ) [ ] ( )( ) ( ) [ ]
n n n
x x x f x x x x x x x x x f x x x x x x f x x x f x p ,..., , ... ... , , , ) ( ) (
1 0 1 0 2 1 0 1 0 1 0 0 0
+ + + + =

Y el error dado por: ( )( ) ( ) [ ]
n n n
x x x f x x x x x x x E ,..., , ... ) (
1 0 1 0
=

3.5.1- Estimativas del Error

Existen diferentes maneras para estimar el error cometido cuando se interpola una funcin ) (x f por un
polinomio ) (x p
n
. Una manera prctica de estimar el error cuando usamos el polinomio de interpolacin de
Newton es:

( )( ) ( )
n n
x x x x x x x E = ... ) (
1 0
Max| diferencias divididas de orden 1 + n |


Ejemplo 3.4 : dada una funcin f(x) en la forma tabular

x O,2 0,34 0,4 0,52 0,6 0,72
) (x f 0,16 0,22 0,27 0,29 0,32 0,37

a) obtener f(0.47) usando un polinomio de segundo grado
b) dar una estimativa del error cometido

construimos la tabla de diferencias divididas de Newton

x orden 0 orden 1 orden 2 orden 3

0.2 0.16
0.4286
0.34 0.22 2.022
0.8333 -17.8916
0.4 0.27 -3.7033
0.1667 18.2492
0.52 0.29 1.0415
0.375 -2.6031
0.6 0.32 0.2085
0.4167
0.72 0.37

dado que 0.47 pertenece al intervalo [0.42; 0.52] y como el polinomio interpolador es de segunda orden
por lo tanto tenemos que elegir 3 puntos para obtener el polinomio; tomando:
xo = 0.4; x1 = 0.52; x2 = 0.6; obtenemos:

a) p2(x) = 0.27 + (x - 0.4)(0.1667) + (x 0.4)(x 0.52)(1.0415)

p2(0.47) = 0.2780

E2(0.47) = |(x xo)(x x1)(x x2)| Mx |dif. Divididas de orden 3|

b) E2(0.47) = |(0.47 0.4)(0.47 0.52)(0.47 0.6)||18.2492| = 0.0083
La estimativa del error es de 0.0083

Estimativa del error en la interpolacin de Lagrange

Teorema: si
n
x x x ,..., ,
1 0
son n+1 puntos distintos contenidos en el intervalo [a,b] y f(x) es una funcin
derivable n+1 veces en [a,b], entonces si x est contenido en el intervalo existe un nmero z(x) tal que

[ ] )! 1 /( ) )...( )( ( )) ( ( ) ( ) (
1 0
1
+ + =
+
n x x x x x x x z f x p x f
n
n
n

Colorario: una cota para el error vlida para todo punto x del intervalo es

)! 1 (
) )...( )( (
) ( ) ( ) ( ) (
1 0 1
+

=
+
n
x x x x x x
x f mx x p x f x E
n n
n n

3.6- EVALUACION DEL GRADO DEL POLINOMIO INTERPOLADOR

La tabla de diferencias divididas puede auxiliar en la eleccin del grado del polinomio que usamos para
interpolar una funcin dada.


En primer lugar debemos construir la tabla de las diferencias divididas.

Enseguida, examinamos las diferencias divididas de la funcin en las proximidades del punto de inters. Si en
estas proximidades las diferencias divididas de orden n son prcticamente constantes, o si las diferencias
divididas de orden n+1 varan en torno de cero, podemos concluir que un polinomio interpolador de orden n
ser el que mejor aproximar a la funcin en la regin considerada.

Ejemplo 3.5: consideremos f(x) dada por:

x
1 1,01 1,02 1,03 1,04 1,05
) (x f 1 1,005 1,01 1,0149 1,0198 1,0247

Construyendo la tabla de diferencias divididas

x orden 0 orden 1 orden 2
1 1.0
0.5
1.01 1.005 0
0.5
1.02 1.01 -0.5
0.49
1.03 1.0149 0
0.49
1.04 1.0198 0
0.49
1.05 1.0247

Decimos entonces que en el intervalo [1; 1.05] un polinomio de orden 1 = n es una buena
aproximacin para ) (x f

3.7- FENOMENO DE RUNGE

Cuando hacemos interpolacin polinomial para una funcin f(x) se desea que la secuencia {pn(x)} de los
polinomios de grado <n converja a f(x) cuando n crece. Pero existen ejemplos de divergencia como el
conocido fenmeno de Runge.

Ejemplo: sea
2
12 1
1
) (
x
x f
+
= definida ] 1 ; 1 [
Vamos a interpolar f(x) en puntos igualmente espaciados, tales que:

n i x
i
/ 2 1+ = y tomamos 14 = n .

Lo que ocurre grficamente es:


Ejemplo de
Runge.
Aproximamos
la funcin
por el
polinomio de
interpolacin
que pasa
por los
puntos en
asterisco. Se
puede
observar
que la
aproximacin
es mala
cerca de los
extremos
del
intervalo.

La divergencia ocurre en los extremos del intervalo. En este ejemplo conforme n crece, los puntos de
interpolacin se vuelven cada vez ms prximos y la diferencia | f(x) p(x) | se vuelve arbitrariamente grande.

3.8 INTERPOLACIN SPLINES

Terminamos este captulo, estudiando un tipo de interpolacin que ha demostrado poseer una gran finura, y
que inclusive es usado para el diseo por computadora, por ejemplo, de tipos de letras, imgenes, etc.

Esta interpolacin se llama interpolacin segmentaria o interpolacin por splines. La idea central es que en
vez de usar un solo polinomio para interpolar los datos, podemos usar segmentos de polinomios y unirlos
adecuadamente para formar nuestra interpolacin.

Cabe mencionar que entre todas, las splines cbicas han resultado ser las ms adecuadas para aplicaciones
como la mencionada anteriormente. As pues, podemos decir de manera informal, que una funcin spline est
formada por varios polinomios, cada uno definido en un intervalo y que se unen entre si bajo ciertas
condiciones de continuidad.

Definicin. (Splines de grado k). Dada nuestra tabla de datos

donde suponemos que
n
x x x < < < L
1 0
, y dado k un nmero entero positivo, una funcin de
interpolacin spline de grado k , para la tabla de datos, es una funcin ) (x S tal que :

i)
i i
y x s = ) (
, para toda para todo i = 1, 2, ...., n .
ii)
( ) x s
es un polinomio de grado
k
en cada subintervalo
[ ]
i i
x x ,
1
.
iii )
( ) x s
tiene derivada continua hasta de orden
1 k
en
[ ]
n
x x ,
0
.

x
0
x
1
x
n
x
y
0
y
1
y
n
y

3.8.1 Funciones spline lineal
Dados los
1 + n
puntos

Una funcin spline de grado 1 que interpole los datos es simplemente unir cada uno de los puntos mediante
segmentos de recta, como sigue:

Claramente esta funcin cumple con las condiciones de la spline de grado 1. As, tenemos que para este
caso:

( ) [ ]
( ) [ ]
( ) [ ]
=
n n n
x x x si x s
x x x s x s
x x x si x s
x s
,
,
,
) (
1
2 1 2
1 0 1
M

donde:
i)
( ) x s
j
es un polinomio de grado menor o igual que 1
ii)
( ) x s
tiene derivada continua de orden k-1=0.
iii)
( )
j j
y x s =
, para n j ,... 1 , 0 =
Por lo tanto, la spline de grado 1 queda definida como :

( )
[ ]( ) [ ]
[ ]( ) [ ]
[ ]( ) [ ]
+
+
+
=
n n n n n n
x x x si x x x x f y
x s
, ,
, ,
, ,
1 1 1 1
2 1 1 1 2 1
1 0 0 0 1 0
M

donde
] , [
j i
x x f
es la diferencia dividida de Newton.

3.8.2 Funciones spline cuadrtica

Para aclarar bien la idea, veamos un ejemplo concreto, consideremos los siguientes datos :

Ejemplo 3.6 Utilice la spline cuadratica para interpolar los puntos de la tabla

Y procedamos a calcular la interpolacin por splines de grado 2.
Primero que nada, vemos que se forman tres intervalos :

x
0
x
1
x
n
x
y
0
y
1
y
n
y
x 3 4,5 7 9
y
2,5 1 2,5 0,5

[ ]
[ ]
[ ] 9 , 7
7 , 5 . 4
5 . 4 , 3

En cada uno de estos intervalos, debemos definir una funcin polinomial de grado 2, como sigue:

( )
[ ]
[ ]
[ ]
+ +
+ +
+ +
=
9 , 7
7 , 5 . 4
5 . 4 , 3
3 3
2
3
2 2
2
2
1 1
2
1
x si c x b x a
x si c x b x a
x si c x b x a
x s

Primero, hacemos que la spline pase por los puntos de la tabla de datos. Es decir, se debe cumplir que:
5 . 0 ) 9 ( , 5 . 2 ) 7 ( , 1 ) 5 . 4 ( , 5 . 2 ) 3 ( = = = = s s s s

As, se forman las siguientes ecuaciones:

5 . 2 3 9 5 . 2 ) 3 (
1 1 1
= + + = c b a s

= + +
= + +
=
1 5 . 4 ) 5 . 4 (
1 5 . 4 ) 5 . 4 (
1 ) 5 . 4 (
2 2 2
2
1 1 1
2
c b a
c b a
s

= + +
= + +
=
5 . 2 7 49
5 . 2 7 49
5 . 2 ) 7 (
3 3 3
2 2 2
c b a
c b a
s

5 . 0 9 81 5 . 0 ) 9 (
3 3 3
= + + = c b a s

Hasta aqu, tenemos un total de 6 ecuaciones vs. 9 incgnitas.
El siguiente paso es manejar la existencia de las derivadas continuas. En el caso de las splines de
grado 2, necesitamos que la spline tenga derivada continua de orden k-1=1, es decir, primera
derivada continua. Calculamos primero la primera derivada:

( )
[ ]
[ ]
[ ]
+
+
+
=
9 , 7 2
7 , 5 . 4 2
5 . 4 , 3 2
3 3
2 2
1 1
x si b x a
x si b x a
x si b x a
x s

Vemos que esta derivada est formada por segmentos de rectas, que pudieran presentar
discontinuidad en los cambios de intervalo. Es decir, las posibles discontinuidades son
5 . 4 = x
y
7 = x
. Por lo tanto para que
( ) x s
sea continua, se debe cumplir que:

( ) ( )
2 2 1 1
5 . 4 2 5 . 4 2 b a b a + = +

o lo que es lo mismo,
2 2 1 1
9 9 b a b a + = +

Tambin debe cumplirse que:

( ) ( )
3 3 2 2
7 2 7 2 b a b a + = +

o lo que es lo mismo,

3 3 2 2
14 14 b a b a + = +

As, tenemos un total de 8 ecuaciones vs. 9 incgnitas; esto nos da un grado de libertad para
elegir alguna de las incgnitas. Elegimos por simple conveniencia
0
1
= a
.

De esta forma, tenemos un total de 8 ecuaciones vs. 8 incgnitas. Estas son las siguientes:


3 3 2 2
2 2 1
3 3 3
3 3 3
2 2 2
2 2 2
1 1
1 1
14 14
9
5 . 0 9 81
5 . 2 7 49
5 . 2 7 49
1 5 . 4 25 . 20
1 5 . 4
5 . 2 3
b a b a
b a b
c b a
c b a
c b a
c b a
c b
c b
+ = +
+ =
= + +
= + +
= + +
= + +
= +
= +

Este sistema de ecuaciones tiene la siguiente forma matricial:

(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

0
0
5 . 0
5 . 2
5 . 2
1
1
5 . 2
0 1 14 0 1 14 0 0
0 0 0 0 1 9 0 1
1 9 81 0 0 0 0 0
1 7 49 0 0 0 0 0
0 0 0 1 7 49 0 0
0 0 0 1 5 . 4 25 . 20 0 0
0 0 0 0 0 0 1 5 . 4
0 0 0 0 0 0 1 3
3
3
3
2
2
2
1
1
c
b
a
c
b
a
c
b

Usando Matlab se obtiene la siguiente solucin:

3 . 91
6 . 24
6 . 1
46 . 18
76 . 6
64 . 0
5 . 5
1
3
3
3
2
2
2
1
1
=
=
=
=
=
=
=
=
c
b
a
c
b
a
c
b

Sustituyendo estos valores (junto con
0
1
= a
), obtenemos la funcin spline cuadrtica que interpola
la tabla de datos dada:

( )
[ ]
[ ]
[ ]
+
+
+
=
9 , 7 3 . 91 6 . 24 6 . 1
7 , 5 . 4 46 . 18 76 . 6 64 . 0
5 . 4 , 3 5 . 5
2
2
x si x x
x si x x
x si x
x s

La grfica que se muestra a continuacin, contiene tanto los puntos iniciales de la tabla de datos,
as como la spline cuadrtica.

3 4 5 6 7 8 9
0.5
1
1.5
2
2.5
3
3.5

El siguiente caso, que es el ms importante en las aplicaciones, sigue exactamente los mismos pasos del
ejemplo que acabamos de resolver, solamente que en vez de trabajar con polinomios cuadrticos, lo hace con
polinomios cbicos.

3.8.3 Funciones spline cbica

Para hacer ms firme el entendimiento, escribimos la definicin correspondiente a este caso (k=3).
Dados los
1 + n
datos:

Una spline cbica que interpola estos datos, es una funcin
) (x s
definida como sigue :

( )
( ) [ ]
( ) [ ]
( ) [ ]
=
n n n
x x x si x s
x x x si x s
x x x si x s
x s
,
,
,
1 1
2 1 1
1 0 0
M

donde cada
( ) x s
i
es un polinomio cbico;
( )
i i i
y x s =
, para toda n k i ,... ,.., 1 , 0 = y tal que
( ) x s
tiene
primera y segunda derivadas contnuas en
[ ]
n
x x ,
0
.

Ejemplo 3.7: Interpolar los siguientes datos mediante una spline cbica :

Solucin.
Definimos un polinomio cbico en cada uno de los intervalos que se forman:

( )
[ ]
[ ]
+ + +
+ + +
=
5 , 3
3 , 2
2 2
2
2
3
2
1 1
2
1
3
1
x si d x c x b x a
x si d x c x b x a
x s

A continuacin, hacemos que se cumpla la condicin de que la spline debe pasar por los puntos dados
en la tabla. As, tenemos que:
x
0
x
1
x
n
x
y
0
y
1
y
n
y
x 2 3 5
y
-1 2 -7


( ) 1 2 4 8 1 2
1 1 1 1
= + + + = d c b a s

( ) 2 3 9 27 2 3
1 1 1 1
= + + + = d c b a s

2 3 9 27 ) 3 (
2 2 2 2
= + + + = d c b a s
( ) 7 5 25 125 7 5
2 2 2 2
= + + + = d c b a s

Ahora calculamos la primera derivada de
( ) x s
:

( )
[ ]
[ ]
+ +
+ +
=
5 , 3 2 3
3 , 2 2 3
2 2
2
2
1 1
2
1
x si c x b x a
x si c x b x a
x s

Al igual que en el caso de las splines cuadrticas, se presentan ecuaciones que pueden presentar
discontinuidad en los cambios de intervalo; las posibles discontinuidades son los puntos donde se
cambia de intervalo, en este caso
3 = x
. Para evitar esta discontinuidad, evaluamos
3 = x
en los
dos polinomios e igualamos:

( ) ( ) ( ) ( )
2 2
2
2 1 1
2
1
3 2 3 3 3 2 3 3 c b a c b a + + = + +

o lo que es lo mismo:
2 2 2 1 1 1
6 27 6 27 c b a c b a + + = + +

Anlogamente procedemos con la segunda derivada :

( )
[ ]
[ ]
+
+
=
5 , 3 2 6
3 , 2 2 6
2 2
1 1
x si b x a
x si b x a
x s

Para lograr que
( ) x s
sea continua :

( ) ( )
2 2 1 1
2 3 6 2 3 6 b a b a + = +
2 2 1 1
2 18 2 18 b a b a + = +

En este punto contamos con 6 ecuaciones y 8 incognitas, por lo tanto tenemos 2 grados de libertad;
en general, se agregan las siguientes 2 condiciones:

( )
( ) 0
0
0
=
=
n
x s
x s

De lo cual vamos a obtener :

( ) ( ) 0 2 2 6 0 2
1 1
= + = b a s

0 2 12
1 1
= + b a

( ) ( ) 0 2 5 6 0 5
2 2
= + = b a s

0 2 30
2 2
= + b a

Con lo cual, hemos completado un juego de 8 ecuaciones vs. 8 incgnitas, el cual es el siguiente:

0 2 30
0 2 12
2 18 2 18
6 27 6 27
7 5 25 125
2 3 9 27
2 3 9 27
1 2 4 8
2 2
1 1
2 2 1 1
2 2 2 1 1 1
2 2 2 2
2 2 2 2
1 1 1 1
1 1 1 1
= +
= +
+ = +
+ + = + +
= + + +
= + + +
= + + +
= + + +
b a
b a
b a b a
c b a c b a
d c b a
d c b a
d c b a
d c b a

Cuya forma matricial es la siguiente :

(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

0
0
0
0
7
2
2
1
0 0 2 30 0 0 0 0
0 0 0 0 0 0 2 12
0 0 2 18 0 0 2 18
0 1 6 27 0 1 6 27
1 5 25 125 0 0 0 0
1 3 9 27 0 0 0 0
0 0 0 0 1 3 9 27
0 0 0 0 1 2 4 8
2
2
2
2
1
1
1
1
d
c
b
a
d
c
b
a

Usando Matlab, obtenemos la siguiente solucin:

125 . 50
875 . 39
375 . 9
625 . 0
5 . 0
75 . 10
5 . 7
25 . 1
2
2
2
2
1
1
1
1
=
=
=
=
=
=
=
=
d
c
b
a
d
c
b
a

Sustituyendo estos valores en nuestra funcin inicial, vemos que la spline cbica para la tabla de datos
dada, queda definida como sigue:

( )
[ ]
[ ]
+
+ +
=
5 , 3 125 . 50 875 . 39 375 . 9 625 . 0
3 , 2 5 . 0 75 . 10 5 . 7 25 . 1
2 3
2 3
x si x x x
x si x x x
x s

Mostramos la grfica correspondiente a este ejercicio



Obsrvese la finura con la que se unen los polinomios cbicos que conforman a la spline. Prcticamente ni
se nota que se trata de dos polinomios diferentes! Esto es debido a las condiciones que se impusieron
sobre las derivadas de la funcin. Esta finura casi artstica, es la que permite aplicar las splines cbicas,
para cuestiones como el diseo de letras por computadoras, o bien a problemas de aplicacin donde la
interpolacin que se necesita es de un carcter bastante delicado, como podra tratarse de datos mdicos
sobre algn tipo de enfermedad.
Ejemplo 3.8: Interpolar los siguientes datos utilizando splines cbicas:

Solucin.
Nuevamente, definimos un polinomio cbico en cada uno de los intervalos:

[ ]
[ ]
[ ]
+ + +
+ + +
+ + +
=
4 , 2
2 , 1
1 , 1
) (
3 3
2
3
3
3
2 2
2
2
3
2
1 1
2
1
3
1
x si d c x b x a
x si d x c x b x a
x si d x c x b x a
x s

Despus, hacemos que la spline pase por los puntos dados en la tabla. As, tenemos que:
1 ) 1 ( = s
implica que,
1
1 1 1 1
= + + d c b a

1 ) 1 ( = s
implica que,
1
1 1 1 1
= + + + d c b a

1
2 2 2 2
= + + + d c b a

5 ) 2 ( = s
implica que,
5 2 4 8
2 2 2 2
= + + + d c b a

5 2 4 8
3 3 3 3
= + + + d c b a

Y finalmente
2 ) 4 ( = s
implica que,

2 4 16 64
3 3 3 3
= + + + d c b a

Enseguida, calculamos la primera derivada:
[ ]
[ ]
[ ]
+ +
+ +
+ +
=
4 , 2 2 3
2 , 1 2 3
1 , 1 2 3
) (
3 3
2
3
2 2
2
2
1 1 1
2
1
x si c x b x a
x si c x b x a
x si c x b x a
x s

Vemos entonces, que las posibles discontinuidades de
) (x s
son
1 = x
y
2 = x
. Por lo tanto,
para hacer que
) (x s
sea contnua, igualamos las ecuaciones correspondientes en ambos valores:
2 2 2 1 1 1
2 3 2 3 c b a c b a + + = + +

3 3 3 2 2 2
4 12 4 12 c b a c b a + + = + +

x -1 1 2
y
-1 1 ,5
Ahora procedemos a calcular la segunda derivada:
[ ]
[ ]
[ ]
+
+
+
=
4 , 2 2 6
2 , 1 2 6
1 , 1 2 6
) (
3 3
2 2
1 1
x si b x a
x si b x a
x si b x a
x s

Nuevamente, las posibles discontinuidades son
1 = x
y
2 = x
. Por lo tanto, para que
) (x s
sea
contnua , se igualan las ecuaciones en ambos valores:
2 2 1 1 2 2 1 1
3 3 2 6 2 6 b a b a b a b a + = + + = +

3 3 2 2 3 3 2 2
6 6 2 12 2 12 b a b a b a b a + = + + = +

Finalmente, se agregan las condiciones de que la doble derivada se anule en los puntos inicial y final de
la tabla. En este caso,
0 3 0 2 6 0 ) 1 (
1 1 1 1
= + = + = b a b a s

0 12 0 2 24 0 ) 4 (
3 3 3 3
= + = + = b a b a s

Con esto tenemos un juego de doce ecuaciones vs. doce incgnitas:
1
1 1 1 1
= + + d c b a

1
1 1 1 1
= + + + d c b a

1
2 2 2 2
= + + + d c b a

5 2 4 8
2 2 2 2
= + + + d c b a

5 2 4 8
3 3 3 3
= + + + d c b a

2 4 16 64
3 3 3 3
= + + + d c b a

2 2 2 1 1 1
2 3 2 3 c b a c b a + + = + +

3 3 3 2 2 2
4 12 4 12 c b a c b a + + = + +

2 2 1 1
3 3 b a b a + = +

3 3 2 2
6 6 b a b a + = +

0 3
1 1
= + b a

0 12
3 3
= + b a

Este sistema tiene la siguiente forma matricial:

(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

0
0
0
0
0
0
2
5
5
1
1
1
0 0 1 12 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 1 3
0 0 1 6 0 0 1 6 0 0 0 0
0 0 0 0 0 0 1 3 0 0 1 3
0 1 4 12 0 1 4 12 0 0 0 0
0 0 0 0 0 1 2 3 0 1 2 3
1 4 16 64 0 0 0 0 0 0 0 0
1 2 4 8 0 0 0 0 0 0 0 0
0 0 0 0 1 2 4 8 0 0 0 0
0 0 0 0 1 1 1 1 0 0 0 0
0 0 0 0 0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0 1 1 1 1
3
3
3
3
2
2
2
2
1
1
1
1
d
c
b
a
d
c
b
a
d
c
b
a

Usando Matlab, obtenemos la solucin :


140
51
1
= a
, 10
21
2
= a
, 35
24
3
= a

140
153
1
= b
, 35
297
2
= b
, 35
288
3
= b

140
89
1
= c
, 70
473
2
= c
, 70
1867
3
= c

40
153
1
= d
, 35
48
2
= d
, 35
732
3
= d

Por lo tanto, la spline cbica es:

[ ]
[ ]
[ ]
+
+ +
+ +
=
4 , 2
2 , 1
1 , 1
) (
35
732
70
1867
2
35
288
3
35
24
35
48
70
473
2
35
297
3
10
21
40
153
140
89
2
140
153
3
140
51
x si x x x
x si x x x
x si x x x
x s

Finalmente, mostramos la grfica correspondiente

3.8- EJERCICIOS

3.1- Dada la siguiente tabla:
x 2.4 2.6 2.8 3.0 3.2 3.4 3.6 3.8
x
e
11.02 13.46 16.44 20.08 24.53 29.26 36.59 44.70

a) Calcula
1 . 3
e usando un polinomio de interpolacin sobre tres puntos utilizando:
a.1- la forma de Lagrange
a.2- la forma de Newton.
b) De una estimativa del error para ambos casos.

3.2- Construya una tabla que contenga valores de ) cos(x para puntos igualmente espaciados en el
intervalo [1; 2]. Cul debe ser el menor nmero de puntos de esta tabla para obtener, a partir de ella, el
) cos(x usando interpolacin cuadrtica con un error menor que
6
10
[ ] 2 ; 1 x

-1 1 2 4
-2
2
4
6
8

3.3- Construya la tabla de diferencias divididas de Newton con los siguientes datos:

x 0.0 0.5 1.0 1.5 2.0 2.5
) (x f -2.78 -2.241 -1.65 -0.594 1.340 4.564

a) Calcula el valor de f(1,23) de la mejor manera posible de forma que se pueda calcular el error cometido.
b) Justifique el grado del polinomio elegido para resolver el item a)

3.4- Dado los siguientes datos:

x 0,0 0,5 1,0 1,5 2,0 2,5
) (x f 1 2,119 2,910 3,945 5,72 8,695
a) Calcula f(1,6) usando polinomios de interpolacin de Newton de orden 1, orden 2 y orden 3. Elija la
secuencia de puntos.
b) Haga una estimativa del error en cada prediccin.
c) Repita el item a) utilizando la interpolacin de Lagrange.

3.5- Encuentre el polinomio de 2 grado que interpola la funcin ) (x f , utilizando la interpolacin polinmica,
cuyos valores son indicados en la siguiente tabla:

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

3.6- Calcule f(3), utilizando la frmula de Lagrange si f(1) =2; f(2) = 11 y f(4) = 77.

3.7- Suponiendo que f(x) tiene un cero en el intervalo 1<x<2 y sabiendo que f(0) = 16; f(1) = 1 y f(2) =2,
estime la localizacin de este cero.

3.8 - Dada la siguiente tabla. Ajuste con un polinomio p(x) de grado tres o menor. Para tal polinomio qu
valor de b hace p(1) igual a 1

x -2 0 2 3
) (x f 0 1 b -1
3.9 - Calcula el polinomio de interpolacin de Newton para cada una de las siguientes tablas de datos:
x -2 1 2 4
y
-3 2.4 0,5 7,8

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

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

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

x 0,3 0,6 0,9 1,2 1,5
y -3 0 -6 9 -12


3.10 - Calcula el polinomio de Lagrange para los siguientes datos:
i)

ii)
x -1,5 -0,5 1 -2 -4
y 9 -2 5 33 0

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

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

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

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

3.11 - Calcula las splines cbicas para los siguientes datos:
i)
x -2 1 3
y 40 -5 -20
ii)
x -2 1 3
y 40 -5 -20
Soluciones:
[ ]
[ ]
+ +
+ +
=
3 , 1 125 . 8 125 . 16 375 . 3 375 . 0
1 , 2 5 . 7 25 . 14 5 . 1 25 . 0
) ( )
2 3
2 3
x si x x x
x si x x x
x s i

[ ]
[ ]
[ ]
+ +
+

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

x 1 -2 3 -5
y 1,56 3,54 -2,57 -8,9
Clculo Numrico CAPITULO IV Sistemas de ecuaciones lineales
CAPITULO IV
SISTEMAS DE ECUACIONES LINEALES
4.1- INTRODUCCIN
En la prctica de la ingeniera y ciencias es frecuente tener la necesidad de resolver un sistema de ecuaciones
lineales. Estos sistemas aparecen en muy diversos problemas, ya sea como la solucin completa de un
problema al menos como parte de ella. Dada esta necesidad frecuente, se requiere resolverlos en forma
eficiente. En este capitulo veremos algunos mtodos de solucin de sistemas de ecuaciones lineales.
El problema a resolver es un sistema de n ecuaciones con n incgnitas
n
x x x x ,..., , ,
3 2 1
de la forma
b Ax = donde:

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

Hay dos grupos de mtodos de resolucin: los mtodos directos los mtodos iterativos o aproximados.

4.2 MTODOS DIRECTOS

Son aquellos que dan los valores exactos, (sin errores de redondeo) caso exista. De estos mtodos tenemos: la
Regla de Cramer, el mtodo de Eliminacin de Gauss y el mtodo de Descomposicin LU

4.2.1- Regla de Cramer: que aplicada a la solucin de un sistema n n ; implica en calcular
1 + n determinantes de orden n .
Se aplica a sistemas que cumplan las dos condiciones siguientes:
El nmero de ecuaci ones es igual al nmero de i ncgni t as.
El det ermi nant e de la matriz de los coeficientes es di st i nt o de cero.

4.2.2 - Mtodo de Eliminacin de Gauss

El mtodo de Eliminacin de Gauss consiste en transformar el sistema lineal en un sistema lineal equivalente
donde la matriz de los coeficientes es triangular superior.

El mtodo de basa en tres operaciones permitidas que no cambian la solucin del sistema:

a) Una ecuacin puede multiplicarse por una constante diferente de cero.
b) Una ecuacin puede ser sustituida por una combinacin lineal de ella con otra.
c) Se puede intercambiar ecuaciones.

El resultado de la transformacin, por lo tanto ser una matriz triangular superior, del tipo:

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

donde la resolucin ser de atrs hacia delante, calculamos
nn
n
n
a
b
x =
Clculo Numrico CAPITULO IV Sistemas de ecuaciones Lineales

) 1 ( ), 1 (
), 1 ( 1
1

=
n n
n n n n
n
a
x a b
x , as sucesivamente:

hasta;
11
1 3 13 2 12 1
1
...
a
x a x a x a b
x
n n

=

4.2.2.1 Algoritmo

Dado un sistema triangular superior n n con elementos con elementos de la diagonal de la matriz A no nulos,
las variables
n
x x x x ,..., , ,
3 2 1
son obtenidas por:

nn
n
n
a
b
x =
de 1 = n k a 1; haga:

k k
n
k j
j j k k
k
a
x a b
x
,
1
,
+ =
=
fin

Descripcin del Mtodo

Consideremos que la matriz de los coeficientes A tiene su determinante diferente a cero, tambin llamaremos
de etapa k del proceso de eliminar la variable
k
x de la ecuacin n k k ,..., 2 , 1 + +

) (
,
k
j i
a coeficiente de la lnea i , columna j al final de la etapa k

) (k
i
b coeficiente de la lnea i en la etapa k
Se toma la matriz de los coeficientes A ampliada

n nn n n n
n
n
b a a a a
b a a a a
b a a a a
| ...
: : : : :
| ...
| ...
3 2 1
2 2 23 22 21
1 1 13 12 11

) 0 ( ) 0 ( ) 0 (
3
) 0 (
2
) 0 (
1
) 0 (
2
) 0 (
2
) 0 (
23
) 0 (
22
) 0 (
21
) 0 (
1
) 0 (
1
) 0 (
13
) 0 (
12
) 0 (
11
| ...
: : : : :
| ...
| ...
n nn n n n
n
n
b a a a a
b a a a a
b a a a a
=
) 0 (
A

Etapa (1) ( ) 1 = k
el elemento
) 0 (
11
a es llamado de pvot de la etapa (1) (asumimos que 0
) 0 (
11
a )
los elementos
) 0 (
11
) 0 (
1
1
a
a
m
i
i
= n i ,..., 3 , 2 = son los multiplicadores de la etapa (1)
eliminamos las variables
1
x de las ecuaciones 2, 3, ..., n , sustituyendo la i sima lnea por ella misma,
menos la primera ecuacin (lnea) multiplicada por
1 i
m .
Al final de la etapa (1) tendremos:

) 1 ( ) 1 ( ) 1 (
3
) 1 (
2
) 1 (
2
) 1 (
2
) 1 (
23
) 1 (
22
) 1 (
1
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
| ... 0
: : : : :
| ... 0
| ...
n nn n n
n
n
b a a a
b a a a
b a a a a
) 1 (
A =

donde n j a a
j j
,..., 2 , 1
) 0 (
1
) 1 (
1
= = ;

n i b m b b
n j
n i
a m a a
b b
i i i
j i ij ij
,..., 3 , 2 ;
,..., 2 , 1
,..., 3 , 2
;
;
) 0 (
1 1
) 0 ( ) 1 (
) 0 (
1 1
) 0 ( ) 1 (
) 0 (
1
) 1 (
1
= =
=
=
=
=

Etapa (2) (k = 2)
pvot
) 1 (
22
a
multiplicadores
) 1 (
22
) 1 (
2
2
a
a
m
i
i
= n i ,..., 4 , 3 =
eliminamos la variable
2
x de la lnea 3 y queda:
) 2 ( ) 2 ( ) 2 (
3
) 2 (
2
) 2 (
2
) 2 (
23
) 2 (
22
) 2 (
1
) 2 (
1
) 2 (
13
) 2 (
12
) 2 (
11
| ... 0 0
: : : : :
| ... 0
| ...
n nn n
n
n
b a a
b a a a
b a a a a

donde:
n i b m b b
n j
n i
a m a a
i b b
n j
i
a a
i i i i
j i ij ij
i i
ij ij
,..., 4 , 3
,..., 3 , 2
,..., 4 , 3
; 2 , 1
,...., 2 , 1
2 , 1
) 1 (
2
) 1 ( ) 2 (
) 1 (
2 2
) 1 ( ) 2 (
) 1 ( ) 2 (
) 1 ( ) 2 (
= =
=
=
=
= =
=
=
=

y as sucesivamente, por ltimo tenemos la matriz triangular superior, equivalente a la matriz original A

) 1 ( ) 1 (
) 1 (
2
) 1 (
2
) 1 (
23
) 1 (
22
) 1 (
1
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
| ... 0 0 0
: : : : :
| ... 0
| ...

n
n
n
nn
n n
n
n n
n n
n
n n n
b a
b a a a
b a a a a

( ) ( ) 1 1
=
n n
b x A


4.2.2.2- Algoritmo del Mtodo de eliminacin de Gauss

Dado un sistema lineal b Ax = , siendo
1
,
n n n
x A y
n n
b

. Suponiendo que 1 ,..., 2 , 1 , 0
) 1 (
=
n k a
k
kk

Para 1 = k hasta 1 n
Para 1 + = k i hasta n (lneas)
Calcular:
kk
ik
a
a
m = ;
; 0 =
ik
a
Para 1 + = k j hasta n (columnas)
;
kj ij ij
a m a a =
;
k i i
b m b b =

;
nn
n
n
a
b
x =
Para 1 = n k hasta 1

kk
n
k j
j ij k
k
a
x a b
x
+ =

=
1

Fin

Ejemplo 4.1: Dado el siguiente sistema de ecuaciones, resolver por el mtodo de eliminacin de Gauss

= +
= + +
= + +
3 2 3 4
2 2
1 4 2 3
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
donde la matriz A de los coeficientes ampliada ser
. 3 2 3 4
. 2 2 1 1
. 1 4 2 3
) 0 ( ) 0 ( ) 0 ( ) 0 (
) 0 ( ) 0 ( ) 0 ( ) 0 (
) 0 ( ) 0 ( ) 0 ( ) 0 (

Etapa k = 1 eliminar
1
x
pvot 3
11
= a
multiplicadores
3
1
) 0 (
11
) 0 (
21
21
= =
a
a
m
3
4
) 0 (
11
) 0 (
31
31
= =
a
a
m la operacin en las lneas ser:
1 31 3 3
1 21 2 2
L m L L
L m L L
=
=

y al final de la etapa (1) la matriz de los coeficientes queda
) 1 ( ) 1 ( ) 1 (
) 1 ( ) 1 ( ) 1 (
) 1 ( ) 1 ( ) 1 ( ) 1 (
3
5
3
22
3
1
0
3
5
3
2
3
1
0
. 1 4 2 3

Etapa k = 2, eliminar
2
x
pvot
3
1
) 1 (
22
= a
multiplicadores 1
) 1 (
22
) 1 (
31
31
= =
a
a
m
haciendo
2 32 3 3
L m L L = al final de la etapa 2 tenemos que la matriz de los coeficientes es:

) 2 ( ) 2 (
) 2 ( ) 2 ( ) 2 (
) 2 ( ) 2 ( ) 2 ( ) 2 (
0 8 0 0
3
5
3
2
3
1
0
. 1 4 2 3
donde la solucin es
=

=
=
=
=
3
3
0 5 2 1
5
3 / 1
0 3 / 5
0
1
2
3
x
x
x
x

y la solucin del sistema es [ -3, 5 y 0]

4.2.3 - Descomposicin LU

Dado un sistema lineal b Ax = , el mtodo de solucin por descomposicin LU consiste en transformar la
matriz de los coeficientes A en el producto de dos o ms matrices. Si hacemos U L A . = ; tendremos:
b Ux L = . , si llamamos y x U = . tendremos el sistema original escrito como b y L = . , resolviendo este sistema
y luego podemos resolver y Dx = .
La ventaja de este mtodo de resolucin es que si el vector de los trminos independientes b es alterado, la
solucin se obtiene casi inmediatamente sin necesidad de volver a calcular todo de nuevo. La matriz L es
triangular inferior con diagonal unitaria y la matriz U es una matriz triangular superior.

4.2.3.1- Clculo de los factores LU

Como obtener las matrices L y U veremos a travs de un sistema 3x3. Para el efecto aplicamos el mtodo de
eliminacin de Gauss.
3 3 33 2 32 1 31
2 3 23 2 22 1 21
1 3 13 2 12 1 11
b x a x a x a
b x a x a x a
b x a x a x a
= + +
= + +
= + +

trabajando solamente con la matriz de los coeficientes
A
a a a
a a a
a a a
A = =
) 0 (
33
) 0 (
32
) 0 (
31
) 0 (
23
) 0 (
22
) 0 (
21
) 0 (
13
) 0 (
12
) 0 (
11
) 0 (
. pivot
) 0 (
11
a , multiplicadores:
) 0 (
11
) 0 (
21
31
) 0 (
11
) 0 (
21
21
a
a
m
a
a
m
=
=

Para eliminar
1
x de al linea 3 , 2 = i hacemos:
) 0 (
1
) 0 ( ) 1 (
j ij ij ij
a m a a = donde 3 , 2 = i y 3 , 2 , 1 = j quedando
) 0 (
1
) 1 (
1 j j
a a = para 3 , 2 , 1 = j
Estas operaciones equivalen a multiplicar la matriz
) 0 (
A por la matriz
) 0 (
M , donde

1 0
0 1
0 0 1
31
21
) 0 (
m
m M
=


) 0 (
33
) 0 (
32
) 0 (
31
) 0 (
23
) 0 (
22
) 0 (
21
) 0 (
13
) 0 (
12
) 0 (
11
31
21
) 0 ( ) 0 (
.
1 0
0 1
0 0 1
a a a
a a a
a a a
m
m A M
= = =

) 0 (
33 31
) 0 (
33
) 0 (
12 31
) 0 (
32
) 0 (
11 31
) 0 (
31
) 0 (
23 21
) 0 (
23
) 0 (
12 21
) 0 (
22
) 0 (
11 21
) 0 (
21
) 0 (
13
) 0 (
12
) 0 (
11
a m a a m a a m a
a m a a m a a m a
a a a

) 1 (
) 1 (
33
) 1 (
32
) 1 (
23
) 1 (
22
) 1 (
13
) 1 (
12
) 1 (
11
0
0 . A
a a
a a
a a a
= =

Por lo tanto
) 1 ( ) 0 ( ) 0 (
A A M = es la matriz obtenida de la primera etapa del proceso de eliminacin de Gauss.
Para la segunda etapa las operaciones de eliminar la variable
2
x es equivalente a multiplicar la matriz

1 0
0 1 0
0 0 1
32
) 1 (
m
M
= por
) 1 (
33
) 1 (
32
) 1 (
23
) 1 (
22
) 1 (
13
) 1 (
12
) 1 (
11
) 1 (
0
0 .
a a
a a
a a a
A = y que es igual a

) 2 (
) 1 (
23 32
) 1 (
33
) 1 (
22 32
) 1 (
32
) 1 (
23
) 1 (
22
) 1 (
13
) 1 (
12
) 1 (
11
0
0 . A
a m a a m a
a a
a a a
=

=

Por lo tanto
) 2 ( ) 1 ( ) 1 (
A A M = que es la misma matriz obtenida en la segunda etapa del proceso de eliminacin
de Gauss. Tenemos entonces que:
A A =
) 0 (
y que
) 1 ( ) 0 ( ) 0 ( ) 0 (
A A M A M = = ;
A M M A M A
) 0 ( ) 1 ( ) 1 ( ) 1 ( ) 2 (
= =
donde
) 2 (
A es triangular superior. Entonces: [ ] [ ] [ ]
) 2 (
1
) 0 (
1
) 1 ( ) 2 (
1
) 0 ( ) 1 (
A M M A M M A

= =

como [ ]
1 0
0 1
0 0 1
31
21
1
) 0 (
m
m M =
y [ ]
1 0
0 1 0
0 0 1
23
1
) 1 (
m
M =
entonces [ ] [ ]
1
0 1
0 0 1
32 31
21
1
) 0 (
1
) 1 (
m m
m M M =

y LU
a
a a
a a a
m m
m A = =
) 2 (
33
) 2 (
23
) 2 (
22
) 2 (
13
) 2 (
12
) 2 (
11
32 31
21
0 0
0
1
0 1
0 0 1
donde
1
0 1
0 0 1
32 31
21
m m
m L = y
) 2 (
33
) 2 (
23
) 2 (
22
) 2 (
13
) 2 (
12
) 2 (
11
0 0
0 .
a
a a
a a a
U =

Ejemplo 4.2: Dado el siguiente sistema de ecuaciones, resolver por el mtodo LU

= +
= + +
= + +
3 2 3 4
2 2
1 4 2 3
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
donde la matriz A de los coeficientes es:
) 0 ( ) 0 ( ) 0 (
) 0 ( ) 0 ( ) 0 (
) 0 ( ) 0 ( ) 0 (
2 3 4
2 1 1
4 2 3

Etapa k = 1 eliminar
1
x
pvot 3
11
= a
multiplicadores
3
1
) 0 (
11
) 0 (
21
21
= =
a
a
m
3
4
) 0 (
11
) 0 (
31
31
= =
a
a
m
3 / 10 3 / 1 0
3 / 2 3 / 1 0
4 2 3
donde la matriz LU se pueden almacenar en una misma matriz

3 / 10 3 / 1 3 / 4
3 / 2 3 / 1 3 / 1
4 2 3
) 1 (
= A
pvot
3
1
) 1 (
22
= a
multiplicadores 1
) 1 (
22
) 1 (
31
31
= =
a
a
m
4 1 3 / 4
3 / 2 3 / 1 3 / 1
4 2 3
) 2 (
= A Por tanto:

1 1 3 / 4
0 1 3 / 1
0 0 1
= L y la matriz
4 0 0
3 / 2 3 / 1 0
4 2 3
= U . Resolviendo b Ly =

3
2
1
1 1 3 / 4
0 1 3 / 1
0 0 1
3
2
1
=
y
y
y

= =
= =
=
0 3 / 5 3 / 4 3
3 / 5 3 / 1 2
1
3
2
1
y
y
y

para obtener x resolvemos y Ux =

0
3 / 5
1
4 0 0
3 / 2 3 / 1 0
4 2 3
3
2
1
=
x
x
x

=

=
= =
=
3
3
5 2 1
5
3 / 1
3 / 5
0
1
2
3
x
x
x
la solucin del sistema es
0
5
3
= x

Ejercicio: Dado el siguiente sistema lineal, resolver utilizando el mtodo LU, y muestre los valores de las
matrices L y U

2 3 4
3 2 2
9 4 3
3 1
3 2 1
3 2 1
=
= + +
= +
x x
x x x
x x x


4.2.4 Pivoteamiento parcial

Los mtodos directos presentan un inconveniente cuando el pvot, en el proceso de eliminacin, es igual a cero.
Para evitar la divisin por cero, se utiliza la tcnica del pivoteamiento que consiste en comparar todos los
elementos de la columna donde se encuentra el pvot. Se elije el mayor elemento en mdulo y lo llevamos
como pvot por medio del intercambio de filas, entre aquella que tiene el pvot y la que posee el mayor
elemento. Este proceso se repite en cada etapa del proceso de eliminacin y adems minimiza los errores de
redondeo que se propagan el a travs de las operaciones.

4.3 MTODOS ITERATIVOS

Si bien los mtodos directos dan la solucin terica, no siempre se pueden aplicar. Para ver la razn
consideremos las fuentes de error. El error inherente, de momento lo podemos despreciar. El error de
truncamiento es 0. El error de redondeo esencialmente depende del nmero de clculos. Mientras mayor sea el
nmero de ecuaciones, se requieren ms operaciones y por lo tanto existira ms error de redondeo. En pocas
palabras, si el nmero de ecuaciones es grande el error de redondeo puede crecer tanto, que puede invalidar la
solucin. En la practica no es raro usar cientos a un miles de ecuaciones. Por esta razn, se crearon los
mtodos iterativos. Estos son esencialmente inmunes al redondeo.

Los sistemas lineales de grande porte en general poseen un gran porcentaje de ceros en la matriz de los
coeficientes. Para estos sistemas el mtodo de eliminacin de Gauss no es aconsejable, dado que durante el
proceso de eliminacin muchos elementos nulos pasaran a ser no-nulos.

Los mtodos iterativos consisten en algoritmos simples para convertir cualquier vector
) (k
x en otro
) 1 ( + k
x que
depende de
) (k
x , A y b , y preserva la caracterstica de A, dado que los coeficientes de Ano son alterados.

La idea central de los mtodos iterativos es generalizar el mtodo iterativo lineal, utilizado en la bsqueda de
races de una ecuacin, visto en el captulo II, donde dado el sistema lineal b Ax = , este es convertido en un
sistema similar del tipo ) (x g Cx x = + = , donde C es una matriz n n ; g es un vector 1 n .

Entonces g Cx x + = ) ( es la funcin de iteracin en forma matricial. El mtodo parte de
) 0 (
x , llamado de
valor inicial (vector), y va calculando otros vectores llamados de vectores de aproximacin a la raiz:
); (
) 0 ( ) 0 ( ) 1 (
x g Cx x = + = primera aproximacin;
); (
) 1 ( ) 1 ( ) 2 (
x g Cx x = + = Segunda aproximacin.
De forma genrica ) (
) ( ) ( ) 1 ( k k k
x g Cx x = + =
+

4.3.1- Criterio de parada

El criterio de parada comnmente usado por los mtodos iterativos, consiste en medir cuan prximo esta
) 1 ( + k
x
de
) (k
x . Calculamos n i x x M
k
i
k
i
k
,..., 1 ; max
) ( ) 1 ( ) 1 (
= =
+ +

Dada una precisin , e vector
) (k
x ser elegido como solucin aproximada si <
+ ) 1 (k
M . Es ms
conveniente utilizar como criterio de parada el tes del error relativo

) 1 (
) 1 (
) 1 (
+
+
+
=
k
i
k
k
R
x mx
M
M ; n i 1

Otro criterio de parada es el mximo nmero de iteraciones k


4.3.2 Mtodo Iterativo de Gauss-Jacobi

La forma como el mtodo de Gauss-Jacobi transforma el sistema lineal b Ax = en g Cx x + = es el siguiente:
n n nn n n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
= + + +
= + + +
= + + +
...
... : : :
...
...
3 3 2 2 1 1
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11

Suponiendo que 0
kk
a n k ,..., 2 , 1 = y despejando x , tenenmos:

[ ]
[ ]
[ ]
n n n n n n
nn
n
n n
n n
x a x a x a b
a
x
x a x a x a b
a
x
x a x a x a b
a
x
1 , 2 2 1 1
2 3 23 1 21 2
22
2
1 3 13 2 12 1
11
1
...
1
:
...
1
...
1
=
=
=

Entonces; de g Cx x + = tenemos que:
0 : ....
: 0 : :
... 0
... 0
.
2 1
22
2
22
23
22
11
11
1
33
13
11
12
nn
n
nn
n
n
n
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
C

= ;
nn
n
a
b
a
b
a
b
g
:
22
2
11
1
: .
=

El mtodo de Gauss-Jacobi consiste en que dado un vector de aproximacin inicial
) 0 (
x , obtenemos
) ( ) 2 ( ) 1 (
,..., ,
k
x x x a travs de la relacin recursiva g Cx x
k k
+ =
+ ) ( ) 1 (
. Entonces g Cx x + = ) ( es una funcin
en forma matricial.

La forma general para la funcin recursiva est dada por:

[ ]
[ ]
[ ]
) (
1 1 ,
) (
2 2
) (
1 1
) 1 (
) (
2
) (
3 23
) (
1 21 2
22
) 1 (
2
) (
1
) (
3 13
) (
2 12 1
11
) 1 (
1
...
1
:
...
1
...
1
k
n n n
k
n
k
n n
nn
k
n
k
n n
k k k
k
n n
k k k
x a x a x a b
a
x
x a x a x a b
a
x
x a x a x a b
a
x

+
+
+
=
=
=


Ejemplo 4.3 Resuelve el siguiente sistema lineal, utilizando el mtodo de Gauss-Jacobi

= + +
= + +
= + +
6 10 3 2
8 5
7 2 10
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
siendo vector inicial
6 , 0
6 , 1
7 , 0
) 0 (
= x y una tolerancia del error 05 , 0

El proceso recursivo de Gauss-Jacobi ser:
( )
( )
( )
) (
2
) (
1
) 1 (
3
) (
3
) (
1
) 1 (
2
) (
3
) (
2
) 1 (
1
3 2 6
10
1
8
5
1
2 7
10
1
k k k
k k k
k k k
x x x
x x x
x x x
=
=
=
+
+
+

Para 0 = k
( )
( )
( ) 94 , 0 ) 6 , 1 ( 3 7 , 0 2 6
10
1
86 . 1 6 , 0 7 , 0 8
5
1
96 , 0 6 , 0 ) 6 , 1 ( 2 7
10
1
) 1 (
3
) 1 (
2
) 1 (
1
= =
= =
= =
x
x
x
tes de parada
= =
= + =
= =
324 , 0 6 , 0 94 , 0
16 , 0 6 , 1 86 , 1
96 , 0 7 , 0 96 , 0
) 0 (
3
) 1 (
3
) 0 (
3
) 1 (
2
) 0 (
1
) 1 (
1
x x
x x
x x

34 , 0
) 1 (
= M y > = = = 1828 , 0
86 , 1
34 , 0
) 1 (
) 1 (
) 1 (
i
R
x mx
M
M

Para 1 = k
( )
( )
( ) 966 , 0 ) 86 , 1 ( 3 96 , 0 2 6
10
1
98 , 1 94 , 0 96 , 0 8
5
1
978 , 0 94 , 0 ) 86 , 1 ( 2 7
10
1
) 2 (
3
) 2 (
2
) 2 (
1
= =
= =
= =
x
x
x
tes de parada
= =
= + =
= =
324 , 0 94 , 0 966 , 0
12 , 0 86 , 1 98 , 1
018 , 0 96 , 0 978 , 0
) 1 (
3
) 2 (
3
) 1 (
3
) 2 (
2
) 1 (
1
) 2 (
1
x x
x x
x x

12 , 0
) 2 (
= M y > = 0606 , 0
98 , 1
12 , 0
) 2 (
R
M

Para 2 = k
( )
( )
( ) 9984 , 0 ) 98 , 1 ( 3 978 , 0 2 6
10
1
9888 , 1 966 , 0 978 , 0 8
5
1
9994 , 0 966 , 0 ) 98 , 1 ( 2 7
10
1
) 3 (
3
) 3 (
2
) 3 (
1
= =
= =
= =
x
x
x
tes
= =
= + =
= =
0324 , 0 966 , 0 9984 , 0
00888 , 0 98 , 1 9888 , 1
0214 , 0 978 , 0 9994 , 0
) 2 (
3
) 3 (
3
) 2 (
3
) 3 (
2
) 2 (
1
) 3 (
1
x x
x x
x x

0324 , 3
) 3 (
= M y < = = 0163 , 0
9888 , 1
0324 , 0
) 3 (
R
M y el proceso de clculo para

por lo tanto el vector solucin es
9984 , 0
9888 , 1
9994 , 0
= x

4.3.3 Criterio de Convergencia para los Mtodos Iterativos

El siguiente teorema establece una condicin suficiente para la convergencia del mtodo de Gauss-Jacobi.

Teorema: (Criterio de las Lneas)
Dado un sistema lineal b Ax = , y considerando

kk
n
k j
j
kj
k
a
a
=
=
1
Si 1 . < =
k
mx n k 1 ,
E
ntonces el mtodo de Gauss-Jacobi genera una secuencia { }
) (k
k
x convergente a la solucin del sistema,
independientemente de la eleccin de la aproximacin inicial
) 0 (
x .

Ejemplo 4.4 Dado el siguiente sistema lineal, haz un estudio para la convergencia para la aplicacin del
mtodo de Gauss-Jacobi.
= + +
= + +
= + +
6 10 3 2
8 5
7 2 10
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

5 , 0
10
3 2
4 , 0
5
1 1
3 , 0
10
1 2
3
2
1
=
+
=
=
+
=
=
+
=
1 5 , 0 .
3
< = = =
k
mx

Por el criterio de las lneas tenemos asegurada la convergencia para el mtodo de Gauss-Jacobi, para
cualquier valor inicial.

4.3.4 Mtodo Iterativo de Gauss-Seidel

Anlogamente al mtodo de Gauss-Jacobi, en el mtodo de Gauss-Seidel, el sistema lineal b Ax = es escrito
en la forma equivalente g Cx x + = . El proceso consiste en que, partiendo de una aproximacin inicial a la
solucin
) 0 (
x , calcula
) ( ) 2 ( ) 1 (
,..., ,
k
x x x por medio del proceso recursivo:

La frmula iterativa de Gauss- Seidel est dada por:
[ ]
[ ]
[ ]
) 1 (
1 1 ,
) 1 (
2 2
) 1 (
1 1
) 1 (
) (
2
) (
3 23
) 1 (
1 21 2
22
) 1 (
2
) (
1
) (
3 13
) (
2 12 1
11
) 1 (
1
...
1
:
...
1
...
1
+

+ + +
+ +
+
=
=
=
k
n n n
k
n
k
n n
nn
k
n
k
n n
k k k
k
n n
k k k
x a x a x a b
a
x
x a x a x a b
a
x
x a x a x a b
a
x

Entonces el proceso de Gauss-Seidel, en el momento de calcular
) 1 ( + k
j
x usamos todos los valores de
) 1 (
1
) 1 (
2
) 1 (
1
,..., ,
+
+ + k
j
k k
x x x que ya fueron calculados.

Ejemplo 4.5 Resuelve el siguiente sistema lineal por Gauss-Seidel, 0
) 0 (
= x y una tolerancia del error
2
10 5

<
= + +
= + +
= + +
0 6 3 3
6 4 3
5 5
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Proceso iterativo:
( )
( )
( )
) 1 (
2
) 1 (
1
) 1 (
3
) (
3
) 1 (
1
) 1 (
2
) (
3
) (
2
) 1 (
1
3 3 0
6
1
3 6
4
1
5
5
1
+ + +
+ +
+
=
=
=
k k k
k k k
k k k
x x x
x x x
x x x

Para 0 = k
( )
( )
( ) 875 , 0 ) 75 , 0 ( 3 ) 1 ( 3 0
6
1
75 , 0 0 ) 1 ( 3 6
4
1
1 0 ) 0 ( 2 5
5
1
) 1 (
3
) 1 (
2
) 1 (
1
= =
= =
= =
x
x
x
tes de parada
= + =
= =
= =
875 , 0 875 , 0 0
75 , 0 75 , 0 0
1 1 0
) 0 (
3
) 1 (
3
) 0 (
3
) 1 (
2
) 0 (
1
) 1 (
1
x x
x x
x x

1
) 1 (
= M y > = = = 1
1
1
) 1 (
) 10
) 1 (
i
R
x mx
M
M

Para 1 = k
( )
( )
( ) 9875 , 0 ) 95 , 0 ( 3 ) 025 , 1 ( 3 0
6
1
95 , 0 ) 875 , 0 ( ) 025 , 1 ( 3 6
4
1
025 , 1 ) 875 , 0 ( ) 75 , 0 ( 2 5
5
1
) 2 (
3
) 2 (
2
) 2 (
1
= =
= =
= =
x
x
x
parada
= + =
= =
= =
1125 , 0 875 , 0 09875
2 , 0 75 , 0 95 , 0
025 , 0 1 025 , 1
) 1 (
3
) 2 (
3
) 1 (
3
) 2 (
2
) 1 (
1
) 2 (
1
x x
x x
x x

2 , 0
) 2 (
= M y > = = 19 , 0
025 , 1
2 , 0
) 2 (
R
M

Para 2 = k
( )
( )
( ) 9993 , 0 ) 9912 , 0 ( 3 ) 0075 , 1 ( 3 0
6
1
9912 , 0 ) 9875 , 0 ( ) 0075 , 1 ( 3 6
4
1
0075 , 1 ) 9875 , 0 ( ) 95 , 0 ( 2 5
5
1
) 3 (
3
) 3 (
2
) 3 (
1
= =
= =
= =
x
x
x
tes de parada
=
=
=
0118 , 0
0412 , 0
0175 , 0
) 2 (
3
) 3 (
3
) 2 (
3
) 3 (
2
) 2 (
1
) 3 (
1
x x
x x
x x

0412 , 0
) 3 (
= M y < = = 0408 , 0
0075 , 1
0412 , 0
) 3 (
R
M

por lo tanto el vector solucin es
9993 , 0
9912 , 0
0075 , 1
= x

4.3.5 Criterio de Convergencia para Gauss-Seidel

El criterio de las lneas visto en el mtodo de Gauss-Jacobi puede ser aplicado para el mtodo de Gauss-
Seidel. Si no cumple con este criterio, an se puede aplicar el criterio de Sassenfeld, vlido solamente para
este mtodo.

Criterio de Sassenfeld: definimos como:
jj
jn j j j j j j j
j
n
n
a
a a a a a
a
a a a
a
a a a
+ + + + + +
=
+ + +
=
+ + +
=
+
... ...
:
...
...
1 , 1 1 , 2 2 1 1
.
22
2 23 1 21
2
11
1 12 12
1

Sea
j
n j
mx

=
1
si 1 < entonces, el mtodo de Gauss-Seidel genera una secuencia convergente para
cualquier valor inicial
) 0 (
x . Adems cuando menor sea el valor de ms rpida ser la convergencia al vector
solucin.

En caso de que no cumplan con los criterios de convergencia, no indica que el mtodo sea divergente, sino
que ello depender de la eleccin del valor inicial

Ejemplo 4.6: Verifica la convergencia a la solucin del siguiente sistema de ecuaciones, a travs del
criterio de Sassenfeld, si aplicramos el mtodo de Gauss-Seidel, ,:
5 , 2 2 , 0 3 , 0 1 , 0
1 2 , 0 2 , 0 1 , 0
6 , 2 1 , 0 2 , 0 2 , 0
2 , 0 14 , 0 1 , 0 5 , 0
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
= + + +
= + +
= +
= +
x x x x
x x x x
x x x x
x x x x


Calculamos los valores de
2736 , 0
1
) 358 , 0 ( 2 , 0 ) 44 , 0 ( 3 , 0 ) 7 , 0 ( 1 , 0
358 , 0
1
2 , 0 ) 44 , 0 ( 2 , 0 ) 7 , 0 ( 1 , 0
44 , 0
1
1 , 0 2 , 0 ) 7 , 0 ( 1 , 0
7 , 0
1
1 , 0 1 , 0 5 , 0
4
3
2
1
=
+ +
=
=
+ +
=
=
+ +
=
=
+ +
=
1 7 , 0
4 1
< = =

j
j
mx

Por lo tanto el mtodo de Gauss-Seidel ser convergente independientemente de la eleccin del valor
inicial.

4.4 SISTEMAS MAL CONDICIONADOS

Dado un sistema b Ax = ,se dice que una matriz A est mal condicionada cuando pequeos cambios en A o b
provocan grandes cambios en la solucin del sistema. Una circunstancia que suele llevar aparejada la mala
condicin es que la matriz sea casi singular y su determinante sea casi cero. Sin embargo, para detectar el
mal condicionamiento, primero es necesario escalar todas las ecuaciones de forma tal que la matriz sea
diagonalmente dominante. Otra posible causa es que un sistema de dos ecuaciones corresponde a dos lneas
rectas casi paralelas, o en un sistema de tres ecuaciones corresponda a tres planos casi paralelos

Ejemplo 4.7:
4 , 10 2 1 . 1
10 2
2 1
2 1
= +
= +
x x
x x

Que tiene como solucin del sistema 4 = x e 3 = y , si se modifica ligeramente el coeficiente de
1
x de la segunda ecuacin por 1,05, el resultado cambia drsticamente a 8
1
= x y 1
2
= x . Si
sustituimos estos valores en la ecuacin original
8 , 10 ) 1 ( 2 ) 8 ( 1 , 1
10 ) 1 ( 2 8
= +
= +

Por lo tanto, aunque 8
1
= x y 1
2
= x no son las soluciones reales al problema original, la
prueba del error es casi igual, lo que puede provocar el error al hacer creer que las soluciones
son correctas

4.5 COMPARACIN DE LOS MTODOS

a) Convergencia:
los mtodos directos son procesos finitos, es decir, tericamente se obtiene la solucin exacta de
cualquier sistema no singular. Los mtodos iterativos tienen convergencia asegurada solo bajo
ciertas condiciones.

b) Esparcidad de la matriz A.
Muchos sistemas lineales poseen la matriz de los coeficientes, esparza, es decir, muchos de sus
elementos son nulos. Para estos sistemas no es recomendable adoptar los mtodos directos, dado
que durante el proceso de triangulacin muchos elementos nulos pasan a ser no-nulos. Para estos
sistemas se recomienda los mtodos iterativos.

c) Nmero de operaciones.
Los mtodos directos requieren un nmero mayor de operaciones aritmticas.

d) Errores de Redondeo.
Lo mtodos directos presentan serios problemas de redondeo y que para atenuar este
inconveniente se adopta la tcnica de pivoteamiento descrita anteriormente. Los mtodos iterativos
no presentan problemas con el redondeo.

4.6 EJERCICIOS

4.1- Para el conjunto de ecuaciones

84 10 6 4
13 5 2
49 8 3 7
= +
=
=
z y x
z y x
z y x

a) calcula su determinante
b) resuelve utilizando la regla de Cramer
c) sustituye los resultados en la ecuacin original y compruebe los resultados.

4.2- Dado el siguiente sistema de ecuaciones:

92 10 2
5 4 6
80 7 12
3 2 1
3 2 1
3 2 1
= +
= +
= +
x x x
x x x
x x x

a) resuelve por eliminacin de Gauss, mostrando todos los pasos
b) comprueba los resultados

4.3- Usa el mtodo de eliminacin de Gauss, con pivoteamiento parcial para resolver el sistema de ecuaciones

4 8 4
44 6 2
50 13 3
3 1
3 2 1
3 2
= +
= +
=
x x
x x x
x x

4.4- Resuelva el siguiente sistema de ecuaciones
a) por eliminacin de Gauss
0 2 3 2
6 2 5 1
10 1 1 3
= + +
= + +
= +
z y x
z y x
z y x

b) por el mtodo L-U

4.5- Analiza los siguientes sistemas con relacin al nmero de soluciones, usando el mtodo de eliminacin de
Gauss
a)
11 15 6 4 6
23 19 6 9
9 8 4 6
7 5 2 3
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
= +
= + +
= + +
= + +
x x x x
x x x x
x x x x
x x x x
b)
9 25 . 0 21 . 0 147 . 0
8 24 . 0 16 . 0 11 . 0
7 12 . 0 36 . 0 252 . 0
3 2 1
3 2 1
3 2 1
= + +
= + +
= + +
x x x
x x x
x x x

4.6- Resuelva el siguiente sistema de ecuaciones

32 3 2 8
8 2 12 5
16 12 3
3 2 1
3 2 1
3 2 1
= + +
= + +
= +
x x x
x x x
x x x

a) utilizando a) el mtodo de eliminacin de Gauss
b) el mtodo iterativo de Gauss-Seidel con < 5%
c) el mtodo iterativo de Gauss-Jacobi con < 5%

4.7- Verifica la convergencia para la solucin para los sistemas dados a continuacin, utilizando la iteracin de
Gauss Seidel. Efecta tres pasos partiendo de una aproximacin inicial de [1, 1, 1].

a)
6 10
6 10
6 10
= + +
= + +
= + +
z y x
z y x
z y x
b)
20 8
10 5
14 2 4
= + +
= +
= + +
z y x
z y x
z y x

4.8- Aplicar Gauss Seidel (tres iteraciones) a los sistemas del problema anterior partiendo de a)[0, 0, 0]
b)[10, 10, 10] compare y haga un comentario (analiza el error en cada iteracin).

4.9- Utilizando la ley de Kirchhoff para resolver el circuito siguiente, encuentra las intensidades de la
corriente
2 1
, I I e
3
I para los siguientes casos:

a) 29 , 23 , 4 , 2 , 1 , 2 , 1 , 1
2 1 6 5 4 3 2 1
= = = = = = = = V V R R R R R R
b) 38 , 413 , 5 , 1 , 3 , 4 , 2 , 1
2 1 6 5 4 3 2 1
= = = = = = = = V V R R R R R R
c) con las mismos valores de R del item 1) pero cambiando 20 , 10
2 1
= = V V

4.10- Haga un programa que dada una matriz A
nxn
verifique el criterio de las lneas para la convergencia de los
mtodos iterativos.

4.11- Haga un programa que resuelva un sistema de n x n por el mtodo de Gauss Jacobi

4.12- Repita el problema anterior para el mtodo de Gauss Seidel

4.13 Resuelva el siguiente sistema de ecuaciones utilizando uno de los mtodos numricos
2 3 5
6 5 14
6 5 2
2 2
4 3 2
4 3 2 1
4 3 2 1
3 2 1
= + +
= + + +
= + + +
= +
x x x
x x x x
x x x x
x x x

CLCULO NUMERICO CAPITULO V Ajuste de Curvas a datos de Mediciones
67 Ing Hugo Franco Paats
CAPITULO V

AJUSTE DE CURVAS A DATOS DE MEDIONES

5.1- INTRODUCCIN

En muchos casos podemos buscar aproximar un cierto conjunto de datos por algn tipo de funciones
prefijadas, an cuando no se consiga que toda la funcin de aproximacin coincida con los valores de los
datos en todos los puntos.

As pues, el problema de la aproximacin es diferente al de interpolacin estudiada en el que
m i x
i
,..., 2 , 1 , = son un conjunto de mpuntos diferentes. El problema de ajuste de datos consiste en buscar
un polinomio de un orden dado m n < que se aproxime lo ms posible al conjunto de datos, y en el cual
utilizamos ms datos de los que sera estrictamente necesario para calcular un polinomio de interpolacin.

5.2 CASO DISCRETO

El problema del ajuste de curvas consiste en que tenemos una tabla de puntos
) ( , ( ),..., ( , ( ), ( , (
2 2 1 1 n n
x f x x f x x f x , donde los puntos pertenecen a un intervalo [ ] b a; y seleccionamos
n funciones ) ( ),..., ( ), (
2 1
x g x g x g
n
continuas en [ ] b a; , para obtener n constantes
n
,..., ,
2 1
tales
que: ) ( ... ) ( ) ( ) (
2 2 1 1
x g x g x g x
n n
+ + + = se aproxime lo mximo posible a ) (x f . Cmo elegir las
funciones ) ( ),..., ( ), (
2 1
x g x g x g
n
? La eleccin puede ser hecha observando el grfico de los puntos dados
en la tabla, colocndolos en un grfico cartesiano para visualizar la curva que mejor se ajusta a los datos.

Ejemplo 5.1 Dados los datos de la siguiente tabla

x -1,0 -0,75 -0,6 -0,5 -0,3 0 0,2 0,4 0,5 0,7 1,0
) (x f 2,05 1,153 0,45 0,4 0,5 0 0,2 0,6 0,512 1,2
2,05

0
0,5
1
1,5
2
2,5
-1,5 -1 -0,5 0 0,5 1 1,5
x
f(x)

Este diagrama nos sugiere aproximar la funcin dada por una parbola pasando por el origen. Por lo tanto
elegimos
2
) ( x x g = y buscaremos la solucin para
2
. ) ( . ) ( x x g x = = donde debe ser tal que
) ( ) (
i i
x x f sea mnimo; m i ,..., 2 , 1 = .

Clculo Numrico CAPITULO V Ajuste de Curvas
Ing Hugo Franco Paats 68

5.3 METODO DE LOS MMINOS CUADRADOS

Definimos
k
d como siendo: ) ( ) (
k k k
x x f d = y lo llamamos como el desvo en
k
x , el mtodo de los
mnimos cuadrados consiste en elegir los coeficientes de tal forma que la suma de los cuadrados de los
desvos sea mnimo.
[ ]

= = =
= = =
m
k
m
k
k n n k k k k k
m
k
k n
x g x g x g x f x x f d F
1 1
2
2 2 1 1
2
1
2
2 1
) ( ... ) ( ) ( ) ( )) ( ) ( ( ) ,..., , (

Sabemos por clculo diferencial que para obtener un punto mnimo de cualquier funcin debemos encontrar
los puntos crticos. Imponiendo dicha condicin:
0
) ,..., , (
2 1
=
n
j
F

n j ,..., 2 , 1 =

tendremos:
1 = j [ ]
=
=
m
k
k k n n k k K
x g x g x g x g x f
1
1 2 2 1 1
0 ) ( ( )) ( ... ) ( ) ( ) ( ( 2
2 = j [ ]
=
=
m
k
k k n n k k K
x g x g x g x g x f
1
2 2 2 1 1
0 ) ( ( )) ( ... ) ( ) ( ) ( ( 2
:
n j = [ ]
=
=
m
k
k n k n n k k K
x g x g x g x g x f
1
2 2 1 1
0 ) ( ( )) ( ... ) ( ) ( ) ( ( 2

Resolviendo

= = = =
=
+ +
m
k
k k n
m
k
k n k
m
k
k k
m
k
k k
x g x f x g x g x g x g x g x g
1
1
1
1 2
1
2 1 1
1
1 1
) ( ) ( ) ( ) ( ... ) ( ) ( ) ( ) (

= = = =
=
+ +
m
k
k k n
m
k
k n k
m
k
k k
m
k
k k
1
2
1
2 2
1
2 2 1
1
1 2
) ( ) ( ) ( ) ( ... ) ( ) ( ) ( ) (

: :

= = = =
=
+ +
m
k
k n k n
m
k
k n k n
m
k
k k n
m
k
k k n
1 1
2
1
2 1
1
1
) ( ) ( ) ( ) ( ... ) ( ) ( ) ( ) (

Tenemos un sistema lineal con n ecuaciones y n incgnitas. Podemos expresarlo en forma matricial
b Ax =

=
=
=
= = = =
= = = =
= = = =
=
=
=
=
m
k
n
m
k
m
k
n
m
k
n
m
k
n n
m
k
n
m
k
n
m
k
m
k
n
m
k
m
k
m
k
m
k
n
m
k
m
k
x g x f
x g x f
x g x f
1
1
2
1
1
2
1
1 1 1
2
1
1
1
2
1
2
1
2 2
1
1 2
1
1
1
1
1
2 1
1
1 1
) ( ) (
:
) ( ) (
) ( ) (
:
.
) ( ) ( ) ( ) ( ... ) ( ) ( ) ( ) (
: : : :
) ( ) ( ) ( ) ( ... ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ... ) ( ) ( ) ( ) (

Ejemplo 5.2: tomamos como ejemplo la tabla anterior el cual, a travs del diagrama de dispersin
sugera una parbola pasando por el origen como funcin de aproximacin. Por lo tanto
2
) ( x x =
De la ecuacin general tenemos:

= =
=
11
1
11
1
) ( ) ( ) ( ) (
k
k
k
k k
x g x f x g x g

= =
=
11
1
11
1
2
) ( ) ( ) (
k
k
k
k
x g x f x g siendo
2
) ( x x g =

= =
=
11
1
2
11
1
2 2
) ( ) (
k
k
k
x x f x

x -1,0 -0,75 -0,6 -0,5 -0,3 0 0,2 0,4 0,5 0,7 1,0
2 2
x x
1 0,3164 0,1296 0,0625 0,0081 0 0,0016 0,0256 0,0625 0,2401 1 2,8464
2
) ( x x f
2,05 0,6486 0,162 0,1 0,045 0 0,008 0,096 0,128 0,588 2,05 5,8756

Por lo tanto nuestra ecuacin se transforma en 8756 , 5 8464 , 2 = 0642 , 2 = y la ecuacin
es
2
0642 , 2 ) ( x x = es la parbola que se aproxima a ) (x f .

5.4 CASO CONTINUO

En el caso continuo el problema de ajuste de curva consiste en dada una funcin ) (x f continua en [ ] b a, y
seleccionadas las funciones ) ( ),... ( ), (
2 1
x g x g x g
n
todas continuas en [ ] b a, , determinar n constantes
n
,..., ,
2 1
de modo que la funcin ) ( ... ) ( ) ( ) (
2 2 1 1
x g x g x g x
n n
+ + + = se aproxime lo mximo
posible a ) (x f en el intervalo [ ] b a, .

Por ejemplo, supongamos que queremos encontrar la recta que mejor se aproxima de
3
4 ) ( x x f = , en un
intervalo [ ] 1 ; 0 . Tambin en este caso, nuestro 1 ) (
1
= x g y x x g = ) (
2
, debiendo encontrar el valor de
1
y
2
tal que ) ( ) ( ) (
2 2 1 1
x g x g x + = se aproxima lo mximo a ) (x f .

Por el criterio de los mnimos cuadrados, los coeficientes a ser obtenidos deben ser tal que
[ ]

b
a
dx x x f
2
) ( ) ( sea mnimo, entonces vamos a obtener el mnimo de

[ ] [ ]

+ =
b
a
b
a
dx x x x f x f dx x x f ) ( ) ( ) ( 2 ) ( ) ( ) (
2 2 2
,

Considerando tambin que ) ( ) ( ) (
2 2 1 1
x g x g x + = tenemos

( ) ( ) [ ]
+ + +
b
a
dx x g x g x g x g x f x f
2
2 2 1 1 2 2 1 1
2
) ( ) ( ) ( ) ( ) ( 2 ) (
debemos hacer que [ ] ) ,..., , ( ) ( ) (
2 1
2
n
b
a
F dx x x f =
sea mnimo, para ello encontrando los puntos

crticos para lo que hacemos 0 =
i
F
n i ,..., 2 , 1 =

0 ) ( ) ( 2 ) ( 2 ) ( ) ( 2
2 2 1 1
2
1 1
1
=
+ =
b
a
b
a
b
a
dx x g x g dx x g dx x g x f
F

0 ) ( 2 ) ( 2 ) ( ) ( 2
2
2
2 1 2 1 2
2
=
+ =
b
a
b
a
b
a
dx x g dx g x g dx x g x f
F

reagrupando trminos, tenemos entonces en forma matricial:

=
b
a
b
a
b
a
b
z
b
a
b
a
dx x f x g
dx x f x g
dx x g dx x g x g
dx x g x g dx x g
) ( ) (
) ( ) (
) ( ) ( ) (
) ( ) ( ) (
2
1
2
1
2
2 2 1
2 1
2
1
2
1
2
1
22 21
12 11
b
b
a a
a a
=

Resolviendo el sistema obtenemos los valores de
1
y
2

Ejemplo 5.3: Aproximar la funcin
3
4 ) ( x x f = por una recta en el intervalo [ ] 1 ; 0 .
Siendo una recta 1 ) (
1
= x g y x x g = ) (
2

1
1
0
11
= =
dx a ;
2
1
2
1
0
2 1
0
12
= = =
x
xdx a ;
2
1
12 21
= = a a ;
3
1
3
1
0
3 1
0
2
22
= = =
x
dx x a ;

1
4
4
4
1
0
4 1
0
3
1
= = =
x
dx x b ;
5
4
5
4
4
1
0
5 1
0
3
2
= = =
x
xdx x b ;
y tenemos el siguiente sistema:

5 / 4
1
3 / 1 2 / 1
2 / 1 1
2
1
=

resolviendo tenemos que
5
4
1
= y
5
18
2
= y la recta que se ajusta a la funcin en [0;1] es:
5
4
5
18
) ( = x x

5.3 LINEALIZACIN

En algunos casos, la familia de funciones escogidas puede no ser lineal en los parmetros. Por ejemplo, si el
diagrama de dispersin se ajusta a una exponencial del tipo
x B
Ae x y
2
) ( = = . Para aplicar el mtodo de
los mnimos cuadrados es necesario efectuar una linearizacin, a travs de una transformacin conveniente.

Si aplicamos logaritmo a ambos miembros de la ecuacin tenemos: Bx A y + = ln ln , si comparamos con la
ecuacin lineal x x
2 1
) ( + = la transformacin ser:
B
A
y x z
=
=
= =
2
1
ln
ln ) (

Ejemplo: Suponiendo que tenemos los siguientes mediciones

x -1 -0,7 -0,4 -0,1 0,2 0,5 0,8 1
y
36,547 17,264 8,155 3,852 1,82 0,86 0,406 0,246

Colando estos valores en un grfico:
0
5
10
15
20
25
30
35
40
-1,5 -1 -0,5 0 0,5 1 1,5

el diagrama nos sugiere un ajuste del tipo
Bx
Ae x y

= = ) (

haciendo la transformacin, y llamando

) ln( ) ln(
Bx
Ae y z

= =
Bx A z = ) ln( ;
tenemos que )) ( ln( x f z = ; ) ln(
1
A = y B =
2
, por lo que los valores de 1 ) (
1
= x g y de
x x g = ) (
2
.
De la tabla anterior, ampliamos los clculos a los valores siguientes:

x
-1 -0,7 -0,4 -0,1 0,2 0,5 0,8 1 0,3
2
x 1 0,49 0,16 0,01 0,04 0,25 0,64 1
3,59
y z ln =
3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402
8,041
x z
3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402 -8,646

8 1
8
1
11
= =

= k
a
21
8
1
12
3 , 0 a x a
k
= = =

=
59 , 3
8
1
2
22
= =

= k
x a

041 , 8 ) ( ) (
8
1
1 1
= =

= k
x g x f b 646 , 8 ) ( ) (
8
1
2 2
= =

= k
x g x f b

luego resolvemos el sistema
646 , 8
041 , 8
59 , 3 3 , 0
3 , 0 8
2
1

obtenemos que 099 , 1
1
= y 5 , 2
2
=

por la transformacin obtenemos que 001 , 3
099 , 1
1
= = = e e A

y 5 , 2
2
= = B , por lo tanto el
ajuste ser por la ecuacin
x
e x
5 , 2
001 , 3 ) (

=

5.5-EJERCICIOS

5.1 Obtenga la recta de mnimos cuadrados para los datos de la siguiente tabla:

x -1 1 3
f(x) 6 1 11

5.2 Ajusta una parbola por el mtodo de los mnimos cuadrados a los datos de la siguiente tabla:
X 1 2 3 4 5 6 7 8 9
f(x) 2.1 3.3 3.9 4.4 4.6 4.8 4.6 4.2 3.4

5.3 Los beneficios, en millones de Gs, obtenidos por varias compaas del mismo grupo durante los aos
1999 y 2000 vienen indicados por:

Ao 1999 70 260 150 100 20 60
Ao 2000 60 320 230 120 50 60

Obtener la recta de mnimos cuadrados y la parbola de mnimos cuadrados que se ajusta a los datos
anteriores e indica cul de ellas se ajusta mejor.

5.4 Calcula el ajuste de la funcin
x
xe x f = ) ( mediante un polinomio de segundo grado en [0;2]

5.5 Dada la siguiente tabla, haga e grfico de los datos y ajuste una curva de la mejor manera posible

x 0.5 0.75 1 1.5 2.0 2.5 3.0
f(x) -2.8 -0.6 1 3.2 4.8 6.0 7.0

5.6 Obtenga los polinomios de mnimos cuadrados de primero, segundo y tercer grados para los datos de
la tabla anexa. En cada caso calcula el error y grafica los datos y los polinomios.

x 1 1.1 1.3 1.5 1.9 2.1
) (x f 1.84 1.96 2.21 2.45 2.94 3.18

5.7 Repita el problema anterior para aproximar por una funcin del tipo
x
e y
2
1

=

Clculo Numrico CAPITULO VI Integracin y Derivacin Numrica

CAPITULO VI

INTEGRACIN Y DERIVACIN NUMRICA

6.1- INTEGRACIN NUMERICA

Es comn en ingeniera encontrar el problema de integrar funciones que estn definidas en forma tabular o
en forma grfica y no como funciones explcitas. La idea de integracin numrica es la de sustituir la
funcin ) (x f por un polinomio que se aproxima a ) (x f en ] , [ b a , por lo tanto necesitamos una frmula
para aproximar dx x f
b
a
) ( de la forma siguiente:

) ( ... ) ( ) ( ) (
1 1 0 0 n n
b
a
x f A x f A x f A dx x f + + + =
; ] , [ b a x
i
(6.1)

Esta frmula es conocida como frmula de Newton-Cotes, siendo el polinomio que aproxima a ) (x f en
puntos igualmente espaciados y tal que
m
a b
h x x
i i
= =
+1
, 0 = i 1, 2, . . ., ; 1 n siendo a x =
0
y
b x
n
= , por lo tanto:

=
= + + + =
b
a
x
x
n
o i
i i x n
n
x f A x f A x f A x f A dx x f dx x f
0
) ( ) ( ... ) ( ) ( ) ( ) (
1 1 0 0
(6.2)
siendo que
i
A se determina de acuerdo al grado del polinomio aproximador. Dentro de las frmulas de
Newton-Cotes, existen las formas cerradas y abiertas. En las formas cerradas se conocen los valores de
) (a f y ) (b f , en caso contrario, se llaman formas abiertas. Nos remitiremos nicamente las formas
cerradas, y por lo tanto, siempre supondremos que conocemos los valores en los extremos.

6.2- REGLA DEL TRAPECIO ( 1 = m ); [ b a; ] =[
1 0
; x x ]

Usando la frmula de Lagrange para expresar el polinomio de primer grado ) (
1
x p que interpola a ) (x f en
los puntos
2 1
, x x y sea a x =
0
; b x =
1
y a b h = para ; 1 = m el polinomio de Lagrange es:
). ( ) ( ) (
1
0 1
0
0
1 0
1
1
x f
x x
x x
x f
x x
x x
x p
= Luego

+
=
b
a
x
x
x
x
dx x x x x x f dx x f
x x
x x
x f
x x
x x
dx x f
1
0
1
0
) )( ))( ( (
2
1
) ( ) ( ) (
1 0 1
0 1
0
0
1 0
1

El segundo trmino representa el error cometido.
[ ]
=
b
a
x
x
f
h
x f x f
x x
f
h
x f
x x
x x
x f
x x
x x
dx x f ) (
12
) ( ) (
2
) (
12
) (
) ( 2
) (
) (
) ( 2
) (
) (
3
1 0
0 1
3
1
0 1
2
0
0
1 0
2
1
1
0

siendo que
0 1
x x h = tenemos que: [ ]
+ =
b
a
f
h
x f x f
h
dx x f ) (
12
) ( ) (
2
) (
3
1 0
(6.3)

Esta frmula es conocida por la Regla del Trapecio por que representa el rea de un trapecio, como se
muestra en la figura:

) (
1
x p
) (b f

) (a f

a x =
0
b x =
1

Como el trmino de error de la Regla del Trapecio contiene la segunda derivada, esta regla da el resultado
exacto cuando se aplica a una funcin cuya segunda derivada sea cero, es decir, cualquier polinomio de
grado 1 o menor.

6.2.1- REGLA DEL TRAPECIO REPETIDA

La ecuacin (6.3) puede extenderse a mltiples intervalos. Si la funcin integrada se representa mediante
1 + n puntos de datos con puntos de abscisa igualmente espaciados, la ecuacin (6.3) puede aplicarse
repetidamente a cada intervalo. La ecuacin as obtenida es la regla del Trapecio Repetida.
[ ]
+ + + + + =

b
a
n n
f m
h
x f x f x f x f x f
h
dx x f ) (
12
) ( )] ( .... ( ( [ 2 ) (
2
) (
3
1 2 1 0
(6.4)
El ltimo trmino corresponde al error

[ ]
+ + + + + =

b
a
n n TR
x f x f x f x f x f
h
dx x f I ) ( )] ( .... ( ( [ 2 ) (
2
) (
1 2 1 0
(6.5)

Grficamente

6.2.2- Clculo del Error de la Regla del Trapecio Repetida

De la ecuacin (6.4) el error est dado por:

) (
12
3
f m
h
E
TR
= siendo que
n
x x < <
0
y que
m
a b
h

= , donde mes el nmero de subintervalos, nos
queda que:

) (
12
) (
2
f
h a b
E
TR

= podemos deducir una cota del error, o valor mximo del error considerando que
] , [
) (
) (
2
b a x
x f mx
M f

= por lo que queda:

2
2
12
) (
M
h a b
E
TR
(6.6)

Ejemplo 6.1 Dada la funcin
x
e x f = ) ( definida en el intervalo [0; 1]
a) Calcula el valor de la integral utilizando 10 subintervalos y la regla del trapecio
b) Evala el error cometido
c) Cuntos subintervalos sern necesarios para que el error cometido sea menor que
3
10

Respuesta:
a) Debemos calcular
1
0
dx e
x
, siendo que 10 = m y 1 , 0
10
0 1
=
=
m
a b
h
aplicamos la frmula del trapecio repetida y tenemos
( ) [ ] .. 7197134914 . 1 ... 2
2
1 , 0
1 9 . 0 3 . 0 2 . 0 1 . 0 0
= + + + + + + = e e e e e e I
el valor exacto de la integral es ... 7182818284 , 1
1
0
= =
x
e I
el error absoluto es 001431663 . 0 =
A
E

b) Aplicando la frmula
2
2
12
) (
M
h a b
E
TR
calculamos que
x
e x f = ) ( por tanto
1
2
e M =
valor aproximado del error 002265 . 0
12
1 , 0
1
2
= = e E
TR

c) si el error
3
10
<
TR
E entonces:
3
2
2
10
12
) (

<
M
h a b
debemos despejar el valor de h
0044146 . 0
10 12
1
3
2
=
<
e
h 064425 . 0 004414 . 0 = < h y el valor de mser
52 , 15
064414 . 0
1
= =
>
h
a b
m , siendo que mdebe ser un nmero entero y mayor que 15,52
asumimos que el valor de 16 = m

6.3 REGLA DE SIMPSON DE 1/3 [ ] [ ]
2 0
; ; ).; 2 ( x x b a m = =

Utilizando la frmula de Lagrange para un polinomio de 2 grado, ) (
2
x p que aproxima a ) (x f en a x =
0
,
h x x + =
0 1
y b h x x = + = 2
0 2
; tenemos:


) (
) )( (
) )( (
) (
) )( (
) )( (
) (
) )( (
) )( (
) (
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
2
x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x p

+

+

=

) (
) )( 2 (
) )( (
) (
) )( (
) )( (
) (
) 2 )( (
) )( (
) (
2
1 0
1
2 0
0
2 1
2
x f
h h
x x x x
x f
h h
x x x x
x f
h h
x x x x
x p

+

+

=

as: [ ]

+ + = =
b
a
x
x
S
x f x f x f
h
dx x p dx x f I
2
0
) ( ) ( 4 ) (
3
) ( ) (
2 1 0 2
3
1
(6.7)
El error cometido esta dado por ) (
90
) 4 (
5
f
h
E
SR
= , donde [ ] b a,

6.3.1- Regla Simpson de 1/3 Repetida

Si aplicamos repetidas veces la Regla de Simpson en [ ] [ ]
m
x x b a , ,
0
= . Suponiendo
m
x x x ,....., ,
1 0
,
puntos igualmente espaciados y siendo
i i
x x h =
+1
y mes par:

[ ] [ ] { } ) ( ) ( ... ) ( ) ( 2 ) ( ... ) ( ) ( 4 ) (
3
2 4 2 1 3 1 0 m m m SR
x f x f x f x f x f x f x f x f
h
I + + + + + + + + + =

(6.8)
El error cometido es ) (
180
) 4 (
5
f
mh
E
SR
= donde [ ] b a; (6.9)

6.3.2- Anlisis del Error de la Regla de Simpson de 1/3 Repetida

De la ecuacin (6.9) el error est dado por:
) (
180
) 4 (
5
f
mh
E
SR
= siendo que
n
x x < <
0
y que
2 /
1
) 4 (
) 4 (
) 4 (
] , [
) (
) (
2
] , [
) ( min
n
j
j
b a x
x mxf
f
n b a x
x f

donde mes el nmero de subintervalos nos queda: que a b mh = ,
4
4
180
M h
a b
E
RS
siendo que
( )
] , [
) (
) (
4
) 4 (
b a x
x f mx
M f
IV
=

Ejemplo 6.2 Dada la funcin
x
e x f = ) ( definida en el intervalo [0; 1]
a) Calcula el valor de la integral utilizando 10 subintervalos y la regla de 1/3 de Simpson
b) Evala el error cometido
c) Cuntos subintervalos sern necesarios para que el error cometido sea menor que
3
10

Respuesta:
a) siendo que 10 = m y 1 , 0
10
0 1
=
=
m
a b
h
aplicamos la frmula se 1/3 de Simpson repetida y tenemos
( ) ( ) [ ] ... 718282782 . 1 ... 2 ... 4
3
1 , 0
1 8 . 0 4 . 0 2 9 . 0 3 . 0 1 . 0 0
= + + + + + + + + + = e e e e e e e e I
SR

el error absoluto es ... 6 0000009534 , 0 =
A
E
b) Aplicando la frmula
4
4
180
) (
M
h a b
E
TR
calculamos que
x IV
e x f = ) ( por tanto
1
4
e M =
valor aproximado del error
6 1
4
10 51 , 1
180
1 , 0

= = e E
TR


c) si el error
3
10
<
TR
E entonces:
3
4
4
10
180
) (

<
M
h a b
debemos despejar el valor de h
06621 . 0
10 180
1
3
4
=
<
e
h 5073 . 0 06621 . 0
4
= < h y el valor de mser
9712 , 1
5073 . 0
1
= =
>
h
a b
m , siendo que mdebe ser un nmero entero y mayor que 1,9712
asumimos que el valor de 2 = m

6.4 REGLA DE SIMPSON DE 3/8 ( ) 3 = m ; [ ] [ ] b a x x , ;
3 0
=

La funcin ) (x f se aproxima por un polinomio de tercer grado ) (
3
x p

{ } ) ( ) ( 3 ) ( 3 ) (
8
3
) ( ) (
3 2 1 0 3
8
3
3
0
x f x f x f x f h dx x p dx x f I
b
a
x
x
S
+ + + = =

El anlisis del error nos conduce a que en este caso:
4
4
8
3
80
M h
a b
E
S

6.3.2- Regla de Simpson de 3/8 Repetida

Si aplicamos repetidas veces la Regla de Simpson de 3/8 en [ ] [ ]
m
x x b a , ,
0
= . Suponiendo
m
x x x ,....., ,
1 0
,
son puntos igualmente espaciados y siendo
i i
x x h =
+1
y mes mltiplo de 3:

=
b
a
SR
dx x f I ) (
8 / 3
[ ] [ ] { } ) ( ) ( ... ) ( ) ( 2 ) ( ... ) ( ) ( 3 ) (
8
3
3 6 3 1 2 1 0 m m m
x f x f x f x f x f x f x f x f
h
+ + + + + + + + + =

6.5- INTEGRACIN NUMRICA CON LMITES INFINITOS O SINGULARIDADES

Algunos tipos de integrales que requieren atencin especial como por ejemplo
= dx e I
x
2
, se extiende sobre un dominio infinito conforme 0 x
+
=
1
0
1 ) (
1
dx
e x
I
x

=
1
0
7 . 0
) cos( dx x x I tienen singularidades en 0 = x

Una funcin es integrable en un dominio infinito o semi-infinito, solo si es significativamente distinta de cero
en un dominio pequeo y se aproxima de cero conforme x se aproxima de .

El paso para efectuar la integral

= dx x f I ) ( , consiste en sustituir los lmites infinitos por lmites finitos
=
X
X
dx x f I ) ( , donde X es un nmero tan grande que fuera de ese intervalo el valor es insignificante.



Grficamente:
) (x f

x x

6.6 APROXIMACIN A LAS DERIVADAS

La derivacin o diferenciacin numrica consiste en evaluar derivadas de una funcin usando nicamente
los valores que toma la funcin en una serie de puntos. La tcnica de aproximar las derivadas por
diferencias tiene muchas aplicaciones, en particular a la resolucin numrica de ecuaciones diferenciales y
ecuaciones en derivadas parciales.

6.6.1- Diferencias Progresivas y Regresivas

Se define como derivada ) (
i
x f de una funcin ) (x f y = , en un punto
i
x , a la expresin:

h
x f h x f
h
x f
i i
i
) ( ) (
0
lim
) (
+
=
Segn la frmula, una aproximacin a la derivada en un punto cualquiera
i
x puede conseguirse utilizando
un valor pequeo de h . As se obtiene la frmula aproximada:

h
x f h x f
x f
i i
i
) ( ) (
) (
+
; denominada primera deferencia progresiva, que representa la
pendiente de la recta BC de la figura

C

B
A

h x
i

i
x h x
i
+

De cara a analizar el error de la aproximacin, supongamos que ) (x f es derivable dos veces en un
entorno del punto x y apliquemos la frmula de Taylor a
2
2
) (
) ( ) ( ) ( h
f
x f h x f h x f

+ + = +
Para algn ( ) h x x + , . Despejando tendremos:

h
x f h x f
x f
) ( ) (
) (
+
, Cota del Error
2
2
M
h
E


6.6.2- Diferencia Regresiva

Otra aproximacin a la derivada se consigue empleando la primera diferencia regresiva que es

h
h x f x f
x f
i i
i
) ( ) (
) (

; Cota del Error
2
2
M
h
E

que proporciona la pendiente de la recta AB

6.6.3- Diferencia Central

Por ltimo, otra aproximacin til se obtiene empleando la diferencia central que se calcula como:

h
h x f h x f
x f
i i
i
2
) ( ) (
) (
+
; Cota del Error
4
2
12
M
h
E
que corresponde a la pendiente de la recta AC. La mejor aproximacin se obtiene con esta ltima frmula.

6.7- DIFERENCIAS PARA LAS DERIVADAS DE ORDEN SUPERIOR

Es posible obtener, por el mismo procedimiento, derivadas de orden superior al primero,
considerando la derivada de una funcin del tipo ) (x f y = . Teniendo en cuenta las aproximaciones
anteriores, calculamos la segunda derivada:

h
h
x f h x f
h
h x f h x f
h
x f h x f
x f
i i i i
i i
i
) ( ) ( ) ( ) 2 (
) ( ) (
) (
+
+ +
+

2
) ( ) ( 2 ) 2 (
) (
h
x f h x f h x f
x f
i i i
i
+ + +
Cora del Error
4
2
12
M
h
E

Que constituye la frmula de las diferencias progresivas para el clculo aproximado de la derivada de 2
orden.

) (x f

h h h h h

i
x

Nomenclaturas:
i i
f x f = ) (
1
) (

=
i i
f h x f
2
) 2 (

=
i i
f h x f . .. etc.


Frmulas:
2
2 1
2
h
f f f
f
i i i
i

+
; diferencias regresivas

2
1 1
2
h
f f f
f
i i i
i
+
+

; diferencias centrales (mejor aproximacin)

Para 3 y 4 orden:
Diferencias progresivas:
3
1 2 3
3 3
h
f f f f
f
i i i i
i
+
=
+ + +

4
1 2 3 4
) (
4 6 4
h
f f f f f
f
i i i i i
IV
i
+ +
=
+ + + +

Diferencias regresivas:
3
3 2 1
3 3
h
f f f f
f
i i i i
i

+
=

4
4 3 2 1
) (
4 6 4
h
f f f f f
f
i i i i i
IV
i

+ +
=

Diferencias centrales:
3
2 1 1 2
2
2 2
h
f f f f
f
i i i i
i
+ +
+
=

4
2 1 1 2
) (
4 6 4
h
f f f f f
f
i i i i i
IV
i
+ +
+ +
=
Como ya se ha visto, es usual expresar las derivadas en relacin con los distintos valores que toma una
funcin dada en puntos del eje x igualmente espaciados. La expresin general de una derivada depende
de: orden de la misma, grado deseado para el polinomio de interpolacin empleado para aproximar la
funcin dada y el tipo de diferencias empleado.

Segn lo anterior, la derivacin aproximada de una funcin tiene las expresiones que de indican a
continuacin, en la que se ha hecho
i i
f x f ) (

a) Empleo de diferencias progresivas a partir del punto
1
x
1) Grado del polinomio de aproximacin igual a 1:
h
f f
f
1 2
1

h
f f f
f
2
3 4
1 2 3
1
+
;
2
1 2 3
1
2
h
f f f
f

=

h
f f f f
f
6
11 18 9 2
1 2 3 4
1
+
= ;
2
1 2 3 4
1
2 5 4
h
f f f f
f
+ +
=

3
1 2 3 4
1
3 3
h
f f f f
f
+
=

b) Empleo de diferencias regresivas a partir del punto
4
x
h
f f
f
3 4
4


h
f f f
f
2
4 3
2 3 4
4
+
;
2
2 3 4
4
2
h
f f f
f
+
=

h
f f f f
f
6
2 9 18 11
1 2 3 4
4
+
= ;
2
1 2 3 4
4
4 5 2
h
f f f f
f
+
=

3
1 2 3 4
4
3 3
h
f f f f
f
+
=

c) Empleo de diferencias centrales a partir del punto
3
x
h
f f
f
2
2 4
3

h
f f
f
2
2 4
3
;
2
2 3 4
3
2
h
f f f
f
+
=

h
f f f f
f
6
8 8
1 2 4 5
3
+ +
= ;
2
2 3 4
3
12
2
h
f f f
f
+
=

3
1 2 4 5
3
2
2 2
h
f f f f
f
+
=

Los resultados anteriores tambin pueden obtenerse manejando tablas de diferencias sobre funciones
evaluadas en puntos equidistantes separados por una distancia h

TABLA DE DIFERENCIAS PROGRESIVAS

i
x
i
f
i
f
i
f
2

i
f
3

i
f
4

. . .
1
x
1
f

1
f

2
x
2
f

1
2
f

2
f

1
3
f

3
x
3
f

2
2
f

1
4
f

3
f

i
f
2
3

.
4
x
4
f

3
2
f
. .

4
f
.
.
. .
5
x
.
.
.
5
f
.
.
.
.
.
.
. . .
.
.


Basada en la tabla anterior,
1
f valdra, empleando diferencias progresivas:

+ +

+
n
f f f f
f
h
f
n n
1
1
1
4
1
3
1
2
1 1
) 1 (
...
4 3 2
1

de la misma forma
1
f sera:
+ ...
12
11 1
1
4
1
3
1
2
1
f f f
h
f

Se obtienen frmulas anlogas utilizando las diferencias regresivas o centrales.

6.8 EJERCICIOS

6.1- Calcula las siguientes integrales usando la regla de los trapecios y la regla de Simpson, usando cuatro
y seis divisiones para los intervalos de integracin.
a)
2
1
dx e
x
b)
4
1
dx x

6.2- Usando las integrales del ejercicio anterior determine con cuantas divisiones del intervalo, en lo
mnimo, podemos esperar obtener un margen de error menor que
5
10 1

6.3- Calcule el valor aproximado de
+
6 . 0
0
1 x
dx
con tres casas decimales de precisin
a) la regla de Simpson 1/3
b) la frmula del trapecio
c) En que sentido la regla de Simpson es mejor que la del trapecio?.

6.4- Cul es el error mximo cometido en la aproximacin de
+
4
0
3
) 1 3 3 ( dx x x por la regla de Simpson
con 4 sub-intervalos?. Calcule por Trapecios y compare los resultados.

6.5- Utiliza medios analticos para evaluar: 1)
+ +
10
0
4 2
) 5 6 2 10 ( dx x x x 2)
0
) sen 5 8 ( dx x
a) Evala las integrales con la regla del Trapecio simple y repita utilizando m=2, 4 y 6
b) Evala las integrales con la regla de Simpson de 1/3, con m = 4 y 6
c) Evala con la regla de Simpson de 3/8 y m = 5.

6.6- Calcula la siguiente integral
0
) sen 2 4 ( dx x
a) Analticamente
b) Por la regla del Trapecio y calcula el margen de error .
c) Por la regla de Simpson de 1/3 y evala el error asociado.
d) Por la regla de Simpson de 3/8 evaluando la cota mxima del error

6.7- Calcula la integral de los siguientes datos tabulados mediante la regla del trapecio

x 0 0.1 0.2 0.3 0.4 0.5

f(x) 1 7 4 3 5 9

Repita el problema utilizando la regla de Simpson.


6.8- Determine el valor de h h necesario para aproximar la integral:

5
0
sen xdx e
x
, usando la regla de
Simpson 1/3 repetida y la regla del Trapecio repetida con precisin de
5
10

6.9- Utilizando uno de los mtodos numricos para calcular las siguientes integrales con 3 decimales
exactos.
a)
+
2
1
2
1 x
dx
b)
2
1
2
cosh dx x

6.10- Calcule la seccin transversal del canal mostrado en la figura, donde las flechas indican donde
fueron efectuadas las mediciones. Utilice uno de los mtodos numricos para resolverlo.

Profundidad
0 1.8 2.0 4 4 6 4 3.4 3.6 2.8

2

4

6

0 10
distancia en metros

6.11 La distribucin de velocidad de un fluido cerca de una superficie plana dada por la tabla:

x(mm) 0 2 4 6 8
v 0.0 9.8853 15.4917 18.2075 19.0210
Evala las derivadas de v que pueda en x = 0

6.12 Los tiempos y velocidades correspondiente a un mvil viene dados por la tabla siguiente. Calcula la
aceleracin, en los instantes 0, 120, y 300 segundos

t 0 60 120 180 240 300
v 0,0 0,0824 0,2747 0,6502 1,3851 3,2229

6.13 La siguiente tabla se obtiene por medio de la funcin
x
xe x f = ) ( :
x 1,8 1,9 2,0 2,1 2,2
) (x f
10,8894 12,7032 14,7781 17,1490 19,8550
Evala ) 2 ( f utilizando dos y tres puntos. Calcula los errores absolutos de las aproximaciones
obtenidas. Emplear diferencias progresivas.

6.14 Sea ) cos( ) ( x x f = , con x medido en radianes. Utilizando diferencias centradas
a) Calcula aproximaciones a ) 8 , 0 ( f , utilizando las diferencias centradas y tomando 1 , 0 = h y
01 , 0 = h . Compara los valores obtenidos con ) 8 , 0 ( ) 8 , 0 ( sen f = .
b) Calcula aproximaciones a ) 8 , 0 ( f utilizando las diferencias centradas y tomando 1 , 0 = h y
01 , 0 = h . Compara los valores obtenidos con ) 8 , 0 cos( ) 8 , 0 ( = f .

6.15.- Se dan los puntos de coordenadas ) 5 : 2 (
1
P y ) 5 : 2 (
2
P . Obtener una estimacin para ) 0 ( f y
) 0 ( f , sabiendo que es 1 ) 0 ( = f



6.16 Utilice la frmula de tres puntos ms conveniente para determinar las aproximaciones para calcular
) 3 , 1 ( f y ) 3 , 1 ( f
x 1,1 1,2 1,3 1,4
) (x f
9,025013 11,02318 13,46374 16,44465

Sabiendo que los datos corresponden a la funcin
x
e x f
2
) ( = , calcula los errores reales.

6.17- Considerando que el voltaje de un circuito elctrico es Ri i L t E + = ) ( , Siendo = 2 R , 05 , 0 = L
H y los valores de la corriente en amperios se relaciona con la tabla siguiente:
t 1.0 1.1 1.2 1.3 1.4
) (t i
8.2277 7.2428 5.9908 4.5260 2.91222

a) Determina ) 2 . 1 ( i mediante derivacin numrica y utiliza este valor para calcular ) 2 . 1 ( E
b) Compara con la expresin que se obtiene de ) 2 ( 10 ) (
10 /
t sen e t i
t
=

Clculo Numrico CAPITULO VII - Ecuaciones diferenciales
CAPITULO VII
ECUACIONES DIFERENCIALES ORDINARIAS

7.1- INTRODUCCIN
Las ecuaciones diferenciales aparecen naturalmente al modelar situaciones fsicas en las ciencias
naturales, ingeniera, y otras disciplinas, donde hay envueltas razones de cambio de una varias funciones
desconocidas con respecto a una varias variables independientes. Estos modelos varan entre los ms
sencillos que envuelven una sola ecuacin diferencial para una funcin desconocida, hasta otros ms
complejos que envuelven sistemas de ecuaciones diferenciales acopladas para varias funciones
desconocidas. Por ejemplo, la ley de enfriamiento de Newton y las leyes mecnicas que rigen el
movimiento de los cuerpos, al ponerse en trminos matemticos dan lugar a ecuaciones diferenciales.
Usualmente estas ecuaciones estn acompaadas de una condicin adicional que especifica el estado del
sistema en un tiempo o posicin inicial. Esto se conoce como la condicin inicial y junto con la ecuacin
diferencial forman lo que se conoce como el problema de valor inicial. Por lo general, la solucin exacta de
un problema de valor inicial es imposible difcil de obtener en forma analtica. Por tal razn los mtodos
numricos se utilizan para aproximar dichas soluciones. Comenzaremos discutiendo los mtodos para
ecuaciones escalares y luego generalizamos los mismos a sistemas de ecuaciones.

7.2- MTODO DE EULER
La idea del mtodo de Euler es muy sencilla y est basada en el significado geomtrico de la derivada de
una funcin en un punto dado.
Supongamos que tuviramos la curva solucin de la ecuacin diferencial y trazamos la recta tangente a la
curva en el punto dado por la condicin inicial.

Debido a que la recta tangente aproxima a la curva en valores cercanos al punto de tangencia, podemos
tomar el valor de la recta tangente en el punto
1
x como una aproximacin al valor deseado ) (
1
x y .

As, calculemos la ecuacin de la recta tangente a la curva solucin de la ecuacin diferencial dada en el
punto ( )
0 0
; y x . De los cursos de Geometra Analtica, sabemos que la ecuacin de la recta es:

0 0
) ( y x x m y + =
donde m es la pendiente. En este caso, sabemos que la pendiente de la recta tangente se calcula con la
derivada:

) , (
0 0
y x
y m =
Por lo tanto, la ecuacin de la recta tangente es:

0 0 0 0
) )( , ( y x x y x f y + =
Ahora bien, suponemos que
1
x es un punto cercano a
0
x , y por lo tanto estar dado como h x x + =
0 1
.
De esta forma, tenemos la siguiente aproximacin:
0 0 0 0 0 0 1
) )( ( ) ( ) ( y x h x y x f h x y x y + + + =
De aqu, tenemos nuestra frmula de aproximacin:
) , ( ) (
0 0 0 0
y x f h y h x y + +
Esta aproximacin puede ser suficientemente buena, si el valor de h es realmente pequeo, digamos de
una dcima menos. Pero si el valor de h es ms grande, entonces podemos cometer mucho error al
aplicar dicha frmula. Una forma de reducir el error y obtener de hecho un mtodo iterativo, es dividir la
distancia
0 1
x x h = en n partes iguales (procurando que estas partes sean de longitud suficientemente
pequea) y obtener entonces la aproximacin en n pasos, aplicando la frmula anterior n veces de un
paso a otro, con la nueva h e igual a
n
x x
0 1

.
En una grfica, tenemos lo siguiente:

Ahora bien, sabemos que: ( )
0 0 0 1
; y x hf y y + =
Para obtener
2
y nicamente hay que pensar que ahora el papel de ( )
0 0
; y x lo toma el punto ( )
1 1
; y x , y
por lo tanto, si sustituimos los datos adecuadamente, obtendremos que:
) ; (
1 1 1 2
y x hf y y + =
De aqu se ve claramente que la frmula recursiva general, est dada por:
( )
n n n n
y x hf y y ;
1
+ =
+

Esta es la conocida frmula de Euler que se usa para aproximar el valor de ) (
1
x y aplicndola
sucesivamente desde
0
x hasta
1
x en pasos de longitud h .
Ejemplo 7.1 - Dada la siguiente ecuacin diferencial y la condicin inicia, aproximar ( ) 5 , 0 y
xy y 2 = ; 1 ) 0 ( = y
Primero observamos que esta ecuacin s puede resolverse por mtodos tradicionales de
ecuaciones diferenciales. Por ejemplo, podemos aplicar el mtodo de separacin de variables.
Veamos las dos soluciones.
Solucin Analtica. xy
dx
dy
2 =
xdx
y
dy
2 =

= xdx
y
dy
2
c x y + =
2
ln
Sustituyendo la condicin inicial: = 0 x 1 = y
c = 1 ln
0 = c
Por lo tanto, tenemos que la curva solucin real est dada:
2
ln x y =
2
ln x y
e e =

2
x
e y =
por lo tanto, la solucin exacta es: ( )
( )
28403 , 1 5 , 0
2
5 , 0
= = e y
Solucin Numrica
Aplicamos el mtodo de Euler y para ello, observamos que la distancia entre 0
0
= x y 5 , 0
1
= x
no es lo suficientemente pequea. Si dividimos esta distancia entre cinco obtenemos un valor de
1 , 0 = h y por lo tanto, obtendremos la aproximacin deseada en cinco pasos.
De esta forma, tenemos los siguientes datos: 0
0
= x ; 1
0
= y ; 1 , 0 = h
Sustituyendo estos datos en la formula de Euler, tenemos, en un primer paso:

( )( ) [ ]
= + = + =
= + =
1 1 0 2 1 , 0 1 ) ; (
1 , 0
0 0 0 1
0 1
y x hf y y
h x x

Aplicando nuevamente la formula de Euler, tenemos, en un segundo paso:
( )( ) [ ]
= + = + =
= + =
02 , 1 1 1 , 0 2 1 , 0 1 ) ; (
2 , 0
1 1 1 2
1 2
y x hf y y
h x x

Y as sucesivamente hasta obtener
5
y .Resumimos los resultados en la siguiente tabla:
n
n
x
n
y
0 0 1
1 0.1 1
2 0.2 1.02
3 0.3 1.0608
4 0.4 1.12445
5 0.5 1.2144

Concluimos que el valor aproximado, usando el mtodo de Euler es:
2144 , 1 ) 5 , 0 ( y
Puesto que en este caso, conocemos el valor verdadero, podemos usarlo para calcular el error
elativo porcentual que se cometi al aplicar la formula de Euler. Tenemos que:
% 2 , 5 % 100
28402 , 1
2144 , 1 28402 , 1
=
= E
Ejemplo 7.2 - Aplicar el mtodo de Euler para aproximar ) 3 , 1 ( y , dada la ecuacin diferencial:
2 2
5 , 0 y x y + = ; ( ) 2 1 = y

Solucin
Nuevamente vemos que nos conviene dividir en pasos la aproximacin. As, elegimos nuevamente
1 , 0 = h para obtener el resultado final en tres pasos. Por lo tanto, aplicamos el mtodo de Euler
con los siguientes dato
1
0
= x ; 2
0
= y ; 1 , 0 = h para
2 2
5 , 0 ) , ( y x y x f + =
En un primer paso, tenemos que:

( ) [ ]
= + + = + =
= + =
3 , 2 2 5 , 0 1 1 , 0 2 ) ; (
1 , 1
2 2
0 0 0 1
0 1
y x hf y y
h x x

Resumimos los resultados en la siguiente tabla:
n
n
x
n
y
0 1 2
1 1.1 2.3
2 1.2 2.6855
3 1.3 3.1901

De lo cual, concluimos que la aproximacin buscada es: 1901 , 3 ) 3 , 1 ( y

7.2.1- Algoritmo del Mtodo de Euler

Dado los valores iniciales
1) a , b , ) (
0
a y y = y h
2) Para 1 = i hasta n
Obtener ) , (
1 i i i i
y x hf y y + =
+

Hacer h x x
i i
+ =
+1

7.3 - MTODO DE EULER MEJORADO O MTODO DE HEUN
Este mtodo se basa en la misma idea del mtodo anterior, pero hace un refinamiento en la aproximacin,
tomando un promedio entre ciertas pendientes. La frmula es la siguiente:
2
) , ( ) , ( (
*
1 1
1
+ +
+
+
+ =
n n n n
n n
y x f y x f
h y y ; Donde ) , ( .
*
1 n n n n
y x f h y y + =
+

Para entender esta frmula, analicemos el primer paso de la aproximacin, con base en la siguiente
grfica:

En la grfica, vemos que la pendiente promedio m corresponde a la pendiente de la recta bisectriz de la
recta tangente a la curva en el punto de la condicin inicial y la recta tangente a la curva en el punto
( )
1 1
; y x , donde
1
y es la aproximacin obtenida con la primera frmula de Euler. Finalmente, esta recta
bisectriz se traslada paralelamente hasta el punto de la condicin inicial, y se considera el valor de esta
recta en el punto
1
x x = como la aproximacin de Euler mejorada.
Ejemplo 7.3 - Aplicar el mtodo de Euler mejorado, para aproximar ) 5 , 0 ( y si: xy y 2 = si
1 ) 0 ( = y
Solucin: Vemos que este es el mismo ejemplo 1 del mtodo anterior. As que definimos 1 , 0 = h
y encontraremos la aproximacin despus de cinco iteraciones. A diferencia del mtodo de Euler 1,
en cada iteracin requerimos de dos clculos en vez de uno solo: el de
*
n
y primero y
posteriormente el de
n
y .
Para aclarar el mtodo veamos con detalle las primeras dos iteraciones. Primero que nada,
aclaramos que tenemos los siguientes datos iniciales: 0
0
= x ; 1
0
= y ; 1 , 0 = h y xy y x f 2 ) , ( =
En nuestra primera iteracin tenemos:

1 , 0 1 , 0 0
0 1
= + = + = h x x

( )( ) [ ] 1 1 0 2 1 , 0 1 ) ; (
0 0 0
*
1
= + = + = y x hf y y

01 , 1
2
; ( ) ; (
*
1 1 0 0
0 1
=
|
|
\
| +
+ =
y x f y x f
h y y
Ntese que el valor de
*
1
y coincide con el
1
y (Euler 1), y es el nico valor que va a coincidir, pues
para calcular
*
2
y se usar
1
y y no
*
1
y .
Esto lo veremos claramente en la siguiente iteracin:

2 , 0 1 , 0 1 , 0
1 2
= + = + = h x x

0302 , 1 ) ; (
1 1 1
*
2
= + = y x hf y y

040704 , 1
2
; ( ) ; (
*
2 2 1 1
1 2
=
|
|
\
| +
+ =
y x f y x f
h y y
Ntese que ya no coinciden los valores de
2
y (Euler 1) y el de
*
2
y . El proceso debe seguirse
hasta la quinta iteracin. Resumimos los resultados en la siguiente tabla:
n
n
x
n
y
0 0 1
1 0.1 1.01
2 0.2 1.040704
3 0.3 1.093988
4 0.4 1.173192
5 0.5 1.28336
Concluimos entonces que la aproximacin obtenida con el mtodo de Euler mejorado es:
28336 , 1 ) 5 , 0 ( y
Con fines de comparacin, calculamos el error relativo verdadero:
% 05 , 0 % 100
28402 , 1
28336 , 1 28402 , 1
=
= E
Vemos que efectivamente se ha obtenido una mejor aproximacin con este mtodo, reduciendo el
error relativo verdadero de un 5.4% hasta un 0.05%. En nuestro tercer mtodo veremos cmo se
reduce an ms este error prcticamente a un 0%!
Veamos un segundo ejemplo.

Ejemplo 7.4 - Aplicar el mtodo de Euler mejorado para aproximar ) 3 , 1 ( y si 5 + = y x y ,
condicin inicial 2 ) 1 ( = y
Solucin
Tenemos los siguientes datos: 1 , 0 = h ; 1
0
= x ; 2
0
= y y 5 ) , ( + = y x y x f
En una primera iteracin, tenemos lo siguiente:

1 , 1
1 2
= + = h x x

4 , 2 ) ; (
0 0 0
*
1
= + = y x hf y y

( )
385 , 2
2
5 4 , 2 1 , 1 4
1 , 0 2
1
= |
\
| + +
+ = y
Resumimos los resultados en la siguiente tabla:
n
n
x
n
y
0 1 2
1 1.1 2.385
2 1.2 2.742925
3 1.3 3.07635

Concluimos entonces que la aproximacin buscada es: 07635 , 3 ) 3 , 1 ( y
Finalmente, veamos el tercero y ltimo mtodo que estudiaremos en este curso. Por simplicidad
del curso, no veremos la justificacin formal de estas ltimas frmulas.

7.3.1- Algoritmo del Mtodo de Heun

Dado los valores iniciales a , b , ) (
0
a y y = y h
1) Hacer a x =
0

2) Hacer h a b n / ) ( =
3) Para 0 = k hasta n haga:
Calcular kh x x
k
+ =
+ 0 1

Calcular ) , (
*
1 k k k k
y x hf y y + =
+

Calcular [ ] ) , ( ) , (
2
*
1 1 1 + + +
+ + =
k k k k k k
y x f y x f
h
y y
4) Imprimir los valores de
1 1
,
+ + k k
y x

7.4- MTODO DE RUNGE KUTTA
Consideremos nuevamente la ecuacin diferencial ordinaria:
) , ( y x f y = con
0 0
) ( y x y =
Para calcular
1 + n
y en h x x
n n
+ =
+1
, dado un valor de
n
y , podemos integrar la ecuacin anterior en el
intervalo [ ]
1
,
+ n n
x x
+
+ =
+
1
) , (
1
n
n
x
x
n n
dt y x f y y
Los diferentes mtodos de Runge-Kutta surgen de las diferentes aproximaciones tomadas para calcular la
integral de ) , ( y x f

Mtodo de Runge-Kutta de orden 2

Si aplicamos la regla del trapecio para integrar ) , ( y x f y = la sucesin de valores aproximados a la
solucin real es ahora:
[ ] ) , ( ) , (
2
1 1 1 n n n n n n
y x f y x f
h
y y + + =
+ + +

Este mtodo es conocido con el nombre de Mtodo de Euler Modificado o Mtodo de Heun. El problema
con este mtodo es que del lado derecho aparece
1 + n
y que es lo que queremos encontrar. Si ) , ( y x f es
lineal en y entonces podemos despejar
1 + n
y .
Si aproximamos a ) , (
1 1 + + n n
y x f mediante el mtodo de Euler, entonces tenemos el Mtodo de Runge-
Kutta de orden 2
) , (
*
1 n n n n
y x f y y + =
+

[ ] ) , ( ) , (
2
*
1 1 1 n n n n n n
y x f y x f
h
y y + + =
+ + +

Este mtodo suele aparecer en los libros bajo lo que se conoce como notacin cannica, que es la
siguiente
) , (
1 n n
y x f k =
) , (
1 2
k y h x f k
n n
+ + =
[ ]
2 1 1
2
k k
h
y y
n n
+ + =
+


Se define el mtdo de Runge-Kutta de orden 3 como:

[ ]
3 2 1 1
4
6
1
k k k y y
n n
+ + + =
+

donde:

) 2 , (
);
2
,
2
(
); , (
1 2 3
1
2
1
k k y h x hf k
k
y
h
x hf k
y x hf k
n n
n n
n n
+ + =
+ + =
=


Este es el mtodo ms empleado en la prctica. Surge de aproximar la integral de ) , ( y x f por la regla 1/3
de Simpson
[ ]
4 3 2 1 1
2 2
6
1
k k k k y y
n n
+ + + + =
+

Dependiendo del nmero de pasos intermedios empleados para calcular la derivada, es que surgen los
mtodos de Runge-Kutta de tercer y cuarto orden. Este ltimo, en notacin cannica se escribe como
) , (
1 n n
y x f h k =

( )
3 4
2
3
1
2
,
2
,
2
2
,
2
k y h x f h k
k
y
h
x f h k
k
y
h
x f h k
n n
n n
n n
+ + =
|
\
|
+ + =
|
\
|
+ + =

La deduccin de este mtodo no se expone aqu por ser muy extensa, se puede ver en cualquier libro de
texto. Este mtodo coincide con un desarrollo de Taylor de la solucin exacta hasta el cuarto orden, por lo
que el error por truncamiento local es O(h
5
).
Sin entrar en mucho detalle, mencionamos solamente que el mtodo de Runge-Kutta cambia la direccin
en el sentido de que no sigue la misma lnea de los mtodos de Euler. De hecho est basado en una
aplicacin de los polinomios de Taylor.
Comentamos sin embargo, que el mtodo de Runge-Kutta si contiene como casos especiales los de
Euler.
Se conocen como las reglas o frmulas de Runge-Kutta de orden cuatro para la ecuacin diferencial:
) , ( y x f y = ; ( )
0 0
y x y =

Ejemplo 7.5 Usar el mtodo de Runge-Kutta para aproximar ) 5 , 0 ( y dada la siguiente ecuacin
diferencial: xy y 2 = ; 1 ) 0 ( = y
Solucin
Primero, identificamos el mismo ejemplo 1 de los dos mtodos anteriores. Segundo, procedemos
con los mismos datos: 0
0
= x ; 1
0
= y ; 1 , 0 = h
Para poder calcular el valor de
1
y , debemos calcular primeros los valores de
3 2 1
, , k k k y
4
k
Tenemos entonces que:
0 ) ; (
0 0 1
= = y x hf k
( )( ) [ ] 01 , 0 1 05 , 0 2 1 , 0
2
;
2
1
0 0 2
= = |
\
|
+ + =
k
y
h
x hf k
( )( ) [ ] 01005 , 0 005 , 1 05 , 0 2 1 , 0
2
;
2
2
0 0 3
= = |
\
|
+ + =
k
y
h
x hf k
( ) ( )( ) [ ] 020201 , 0 01005 , 1 1 , 0 2 1 , 0 ;
3 0 0 4
= = + + = k y h x hf k
( ) ( ) [ ] 01005 , 1 020201 , 0 01005 , 0 2 01 . 0 2 0
6
1
1
1
= + + + + = y

Con el fin de un mayor entendimiento de las frmulas, veamos la siguiente iteracin:
2 , 0
1 2
= + = h x x
( ) ( )( ) [ ] 020201 , 0 01005 , 1 1 , 0 2 1 , 0 ;
1 1 1
= = = y x hf k
( )( ) [ ] 03060 , 0 02010 , 1 15 , 0 2 1 , 0
2
;
2
1
1 1 2
= = |
\
|
+ + =
k
y
h
x hf k
( )( ) [ ] 03076 , 0 02535 , 1 15 , 0 2 1 , 0
2
;
2
2
1 1 3
= = |
\
|
+ + =
k
y
h
x hf k
( ) ( )( ) [ ] 04163 , 0 04081 , 1 2 , 0 2 1 , 0 ;
3 1 1 4
= = + + = k y h x hf k
[ ] 04081 . 1 2 2
6
1
4 3 2 1 1 2
= + + + + = k k k k y y
El proceso debe repetirse hasta obtener
5
y . Resumimos los resultados en la siguiente tabla:
n
n
x
n
y
0 0 1
1 0.1 1.01005
2 0.2 1.04081
3 0.3 1.09417
4 0.4 1.17351
5 0.5 1.28403
Concluimos que el valor obtenido con el mtodo de Runge-Kutta es: 28403 , 1
5
y
Finalmente, calculamos el error relativo verdadero:
% 0007 , 0 % 100
28402 , 1
28403 , 1 28402 , 1
=
= E
Con lo cual vemos que efectivamente se ha reducido muchsimo el error relativo. De hecho
observamos que tenemos 6 cifras significativas en la aproximacin!

Ejemplo 7.6 Usar el mtodo de Runge-Kutta para aproximar ) 2 , 2 ( y dada la ecuacin
diferencial: y x y + = ; ( ) 4 2 = y

Solucin
Igual que siempre, tomamos 1 , 0 = h y llegaremos a la aproximacin en dos pasos.
Con esta aclaracin, tenemos los siguientes datos: 2
0
= x ; 4
0
= y ; 1 , 0 = h

Primera Iteracin:
[ ] 6 , 0 4 2 1 , 0 ) ; (
0 0 1
= + = = y x hf k
[ ] 635 , 0 3 , 4 05 , 2 1 , 0
2
;
2
1
0 0 2
= + = |
\
|
+ + =
k
y
h
x hf k
[ ] 020201 , 0 3175 , 4 05 , 2 1 , 0
2
;
2
2
0 0 3
= + = |
\
|
+ + =
k
y
h
x hf k
( ) [ ] 673675 , 0 63675 , 4 1 , 2 1 , 0 ;
3 0 0 4
= + = + + = k y h x hf k
[ ] 6362 , 4 2 2
6
1
4 3 2 1 0 1
= + + + + = k k k k y y
Segunda Iteracin:
1 , 2
0 1
= + = h x x
[ ] 67362 , 0 6362 , 4 1 , 2 1 , 0 ) ; (
1 1 1
= + = = y x hf k
[ ] 7123 , 0 97301 , 4 15 , 2 1 , 0
2
;
2
1
1 1 2
= + = |
\
|
+ + =
k
y
h
x hf k
[ ] 71424 , 0 99235 , 4 15 , 2 1 , 0
2
;
2
2
1 1 3
= + = |
\
|
+ + =
k
y
h
x hf k
( ) [ ] 75504 , 0 35044 , 5 2 , 2 1 , 0 ;
3 1 1 4
= + = + + = k y h x hf k
[ ] 34982 , 5 2 2
6
1
4 3 2 1 1 2
= + + + + = k k k k y y
Concluimos entonces que el valor buscado es: 34982 , 5 ) 2 , 2 ( y

7.3.1- Algoritmo del Mtodo de Runge-Kutta de Orden 4

Dado los valores iniciales a , b , ) (
0
a y y = y h
1) Hacer a x =
0

2) Hacer h a b n / ) ( =
3) Para 0 = i hasta n haga:
Calcular ) , (
1 i i
y x hf k = ;
Calcular ) 2 / , 2 / (
1 2
k y h x hf k
i i
+ + = ;
Calcular ) 2 / , 2 / (
2 3
k y h x hf k
i i
+ + = ;
Calcular ) , (
3 4
k y h x hf k
i i
+ + = ;
Calcular [ ]
4 3 2 1 1
2 2
6
1
k k k k y y
i i
+ + + + =
+

Calcular h x x
i i
+ =
+1

4) Imprimir los valores de
1 1
,
+ + k k
y x

7.5 EJERCICIOS

7.1- Resuelva la ecuacin diferencial usando el mtodo de Euler:
2
'
y x
y

=
en [0,3] con 1 ) 0 ( = y ; y
comparando las soluciones que se obtienen con 1 = h y 5 . 0 = h

7.2- Resuelva la ecuacin diferencial y x y =
2
' , con 1 ) 0 ( = y ; usando el mtodo de Euler. Tome h = 0.2
y d dos pasos calculando los valores. Repita los clculos para h = 0.1 y d cuatro pasos.

7.3- Utilizando el mtodo de Euler, resuelva la ecuacin diferencial xy y = ' , con 1 ) 0 ( = y para encontrar
) 4 , 0 ( y , siendo h = 0,2.

7.4- Resolver el problema 1 utilizando el mtodo de Heun.

7.5- Utilizando el mtodo de Heun, resuelve la siguiente ecuacin diferencial y e y
x
2 '
2
=

con
1 , 0 ) 0 ( = y para calcular ) 4 . 0 ( y en dos pasos. Repita para el mtodo de Euler y compare los resultados y
comente.

7.6- Mediante el mtodo de Euler modificado encuentre una aproximacin de ) 3 , 1 ( y en la solucin de la
ecuacin diferencial 1 3 2 ' + = y x y siendo que 5 ) 1 ( = y , utilizando cuatro decimales redondeados en
los clculos y h = 0,1.

7.7- Resuelva utilizando el mtodo de Runge- Kutta de segunda orden para resolver el problema del valor
inicial ) ( 5 , 0 ' y x y = en [0;3] con 1 ) 0 ( = y y h = 1

7.8- Repita el problema anterior utilizando el mtodo de Runge Kutta de 3. Orden

7.9- Determinar el valor aproximado de ) 1 , 0 ( y en la ecuacin diferencial y x y + = ' , 1 ) 0 ( = y mediante el
mtodo de Runge-Kutta de 2. orden con h = 0,1

7.10- Encuentre la solucin a la ecuacin siguiente con un grado de precisin tan alto como sea posible.
Puede elegir el mtodo que considere razonable y la longitud del paso de modo que est tan cerca de la
respuesta exacta como sea posible.
1 2 ' + = xy y 1 ) 0 ( = y ; determine ) 5 . 1 ( y

Material Didactico

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Material Didactico

Uploaded by

Copyright:

Available Formats

INTRODUCCIN AL CLCULO

como el error es mximo cuando 1 , 0 =

considerando que el error es mximo cuando 1 , 0 =

< , encuentra la raz aproximada.

> = 125 , 0 5 , 2 625 , 2

< = 06625 , 0 5 , 2 5625 , 2

< . Determine el intervalo

donde la matriz LU se pueden almacenar en una misma matriz

sea mnimo, para ello encontrando los puntos

You might also like