UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO

FACULTAD DE ECONOMIA

ANALISIS NUMERICO

PROFR. IGNACION BARRAGAN

ALUMNA:

MORN AYALA BRENDA GUADALUPE

JUNIO 2015
TEMARIO:

UNIDAD 1. SOLUCIN NMERICA DE ECUACIONES

1.1 CIFRAS SIGNIFICATIVAS, EXACTITUD Y PRECISIN.

1.2 ERRORES DE REDONDEO Y TRUNCAMIENTO.
1.3 FUNCION MODIFICADA. APLICAR EN EL METODO DE
PROXIMACIONES SUCESIVAS PUNTO FIJO.
1.4 SOLUCIN PROXIMADA DE ECUACIONES CON UNA VARIABLE
MEDIANTE EL MTODO NEWTN RAPSN.

UNIDAD 2. MTODO DE RAICES DE ECUACIONES.

2.1 SOLUCIN DE ECUACIONES DE UNA SOLA VARIABLE.

2.1.1 MTODO GRFICO.
2.1.2 MTODO DE BISECCIN.
2.1.3 MTODO DE LA REGLA FALSA.
2.1.4 MTODO DE NWTON RAPSN.
2.1.5 INTEGRACIN DE PUNTO FIJO.
2.1.6 MTODO DE LA SECANTE.
2.1.7 MTODO DE MULLER.
2.1.8 MTODO DE DIFERENCIAS DIVIDIDAS.
UNIDAD 3. SISTEMA DE ECUACIONES LINEALES Y NO LINEALES.
3.1 REGRESN USANDO EL MTODO DE MINIMOS
CUADRADOS.
3.2 INTERPOLACION.
3.2.1 INTERPOLACIN LINEAL.
3.2.2 INTERPOLACIN CUADRATICA.
3.2.3 INTERPOLACIN CBICA.
3.2.4 INTERPOLACIN DE NEWTON CON DIFERENCIAS.
3.2.5 INTERPOLACIN DE LAGRANGE.
3.2.6 INTERPOLACIN DE SPLINE.
3.2.7 RESOLUCIN DE ECUACIONES NO LINEALES.

UNIDAD 4. INTEGRACION NUMERICA.

4.1 MTODO DEL TRAPECIO.
4.2 REGLA DEL SIMPLE TRAPECIO.
4.3 REGLA DE SIMPSON DE UN TERCIO
4.4MTODO DE INTEGRACIN DE ROMBERG
4.5 ALGORITMO DE INTEGRACIN DE ROMBERG
 1. SOLUCION NEMERICA DE ECUACIONES
1.1 CIFRAS SIGNIFICATIVAS, EXACTITUD Y PRECISION

El concepto de cifras significativas se ha desarrollado para designar formalmente

la confiabilidad de un valor numrico. Cifra significativa se refiere a el nmero de
dgitos ms un digito estimado que se pueda usar con confianza.

Por ejemplo un velocmetro y el odmetro de este estima hasta 3 y 7 cifras

significativas respectivamente. Los ceros no siempre son cifras significativas ya
que a veces se usan solo para ubicar el punto decimal, los nmeros;

0.000 018 45

0.000 1845

0.001845

Tienen cuatro cifras significativas, la incertidumbre de saber cuntos ceros son

cifras significativas es el usar notacin cientfica.

Por ejemplo, tenemos un valor nominal de: 45300= 4.53 X 104 .

1.2 ERRORES DE REDONDEO Y TRUNCAMIENTO.

Los nmeros flotantes se pueden aproximar mediante dos mtodos:

TRUNCAMIENTO

Si el nmero flotante normalizado tiene la forma:

0.d 1 , d 2 , d 3 , , d k , d k +1 , d k +2

d k+1 , d k+2
Truncar el nmero significa eliminar todos los dgitos y as
sucesivamente y quedarnos con el numero flotante de la forma:

f /( y )= 0. d1 , d 2 , d 3 , , d k

EJEMPLO: Truncar a tres cifras:

y=3.141592654

f /( y )=0.3141592654 Ya truncado: f /( y )=0.314 X 101

 REDONDEO
0.d 1 , d 2 , d 3 , , d k , d k +1 , d k +2
Si el nmero de nmero flotante de la forma:

Se quiere redondear a un nmero mayor o menor que l, produce otro nmero

flotante de la forma:

0. s1 , s 2 , s3 , , s k

El mtodo de redondeo se aplica en dos casos:

dk d k+1 5
a) Si el redondeo se desea hacer a K cifras cuando se le
d k+1
suma UNO, del mismo orden que la cifra o digito y se trunca el
resultado a las K cifras que se desea hacer el redondeo.
d k+1 5
b) Si entonces se trunca hasta la cifra K.

EJEMPLO: 1527.3125917= 0.1527312 X 10 4 1527.313

1.3 FUNCION MODIFICADA. APLICAR EN EL METODO DE

PROXIMACIONES SUCESIVAS PUNTO FIJO.

X 23
La funcin g(X) = 2 en el intervalo [2, 4 ] tiene un punto fijo nico c=3 es un

punto fijo de y, porque:

2
3 3
Y(3)= =3
2

Observe que g(x)=x y el intervalo [2, 4], g(x) 0 ; es decreciente y g(x)

1
, 6.5 ,
[ 2 Adems |g(x)|, esto demuestra que las hiptesis del teorema anterior,

ya que son suficientes para garantizar un punto nico, pero no necesarios.

Sea g una funcin continua [ a , b] x [ a , b] adems suponga que existe g en

K <1 tal que|g ( x )| K X [ a ,b ] ,

'
[ a , b ] y una constante positiva entonces para

todo X en [ a , b ] la sucesiva definida por X0 por Xn +1=g(Xn) converge al nico

punto fijo X en [ a , b] .

DEMOSTRACION

El teorema 1 implica que existe un punto fijo nico en [ a , b ] , ahora si se aplica

la desigualdad inductivamente se tiene:

|X nX|=|g ( Xn1 ) g ( x )=|g ' ( z )||g ( Xn1 )g ( x )||

POR ELTEOREMA DEL VALOR NETO

|XnX| K | Xn1 X|entoncesg ' (x) K , X (a , b)

|XnX| K n| X 0X|=0 ; s i|K| 1, lim K n =0,luego { Xn } converge a X

COROLARIO

Si y satisface la hiptesis del teorema dos, una cota para el error al aproximar el
punto fijo X de g por Xn es:

|XnX| K n max ( X 0a ,bX 0 )

DEMOSTRACION

Por el teorema
|XnX| K n| X 0X| como X [ a , b ]

|XnX| K n max ( X 0a ,bX 0 )

Luego ,| X 0 X| K n max ( X 0a , bX 0 )

EJERCICIO UNO.
Aplique el teorema dos para demostrar que g(x)= 2 x +3 tiene un punto fijo
nico en el intervalo [2, 4], usa el corolario para calcular el nmero de iteraciones
2
necesarias para lograr una exactitud de 10 y despus compare esta
X 0 =3.5
estimacin terica con la cantidad que realmente se requiere use .

( g ( x )= 2 1x +3 >0)
'

g(2)= 7 2.65; g ( 4 ) 3.32; luego g ( x ) [ g ( 2 ) , g ( 4 ) ] =[ 2.65,3.32 ]

g ( x ) [ a , b=[ 2, 4 ] ]

1 1
< 0.378
Adems: |g(x)|= 2 x+ 3 2 ( 2 ) +3

Por qu g(x) es decreciente y X existe en (2, 4), como g(x) K =0.378<1 el

punto fijo de g es nico en (2,4).

Para determinar la aproximacin el numero de iteraciones necesarias para lograr

una exactitud de 102 se usa el corolario.

|XnX| K n max ( X 0a ,bX 0 )

|XnX| 0.378n max (1.50.5 ) ; K=0.378|XnX| 0.378n (1.5)

2
Como el error debe ser menor que 10 ,n

( ) ( )
2 2
10 10
5.15042 se despeja n<ln =n> lnln
1.5 1.5

Por lo tanto se necesitan unas 6 iteraciones para lograr una aproximacin exacta
3
Dentro de 10 .

Dado el ejercicio anterior tenemos Xo=3.00381, observe que el error real es:
|X5 X|=|3.00381-3|=0.00381 que es menor a 102=0.01

Cabe sealar que el corolario no da ms que una cota del nmero de iteraciones
necesarias. En la mayora de los casos se requiere un nmero menor de
iteraciones.

1.4 SOLUCIN PROXIMADA DE ECUACIONES CON UNA

VARIABLE MEDIANTE EL MTODO NEWTN RAPSN.

El mtodo de NEWTN RAPSN es un mtodo iterativo que nos permite

aproximar la solucin de una ecuacin del tipo f(x)=0.

Partimos de la estimacin inicial de la solucin X 0 y construimos una

sucesin de aproximaciones de forma recurrente mediante la frmula:

f ( Xi)
X j+1= X j
f ' ( X j)

X 1
EJEMPLO: Consideramos la ecuacin: e = X

En este caso es imposible despejar la incgnita, no obstante si presentamos

1
y=e X y y= , X [ 0, 4 ]
la curva X la ecuacin tiene una solucin en este

intervalo.

a) Expresamos la funcin f(x)=0 e identificamos f:

1
eX
f(x)= X
1
eX
b) Calcula f(x)= x2

c) Utilizando la formula construimos la recurrencia:

1
ex j

Xj
X j+1= X j
1
ex 2 j

Xj
 d) Tenemos una estimacin inicial de la solucin en este caso tomamos
X0=1 y calculamos las aproximaciones.

X0 =1
1
e1
1
X 1= X j 0.53788284
1 1
e 2
1

0.53788284 1
e
0.537882841
X 2=0.53788284 =0.566277001
1
e0.53788284
0.53788284 2

1
e 0.566277001
0.566277001
X 3=0.566277001 =0.56714258
0.566277001 1
e
0.5662770012

UNIDAD 2. MTODO DE RAICES DE ECUACIONES.

 2.1 SOLUCIN DE ECUACIONES DE UNA SOLA VARIABLE.
2.1.1 MTODO GRFICO.
Un mtodo simple para obtener una aproximacin a la raz cuadrada de la
ecuacin f(x)=0, consiste en graficar la funcin y observar en donde cruza el eje X.
2.1.2 MTODO DE BISECCIN.
El mtodo de biseccin conocido tambin como corte binario de una particin en
dos intervalos iguales es un mtodo de bsqueda donde el intervalo que se
evala es el valor de la funcin en el punto medio.
3
EJEMPLO 1: Sea X 3=0 ; [ 0, 4 ] y x=1.4422
a+ b
X0= =2
2

f ( 2 )=5> 0 ; f ( 4 )=61> 0; F ( 6 )=3

f ( 2 ) f ( 4 ) >0 ; f ( 0 ) f (1 ) > 0; f ( 21 ) f (3 )< 0

X 1=1 ; por lo tanto [ 1, 2 ]

EJEMPLO 2: Sea X 33=0 ; [ 0, 4 ] y x=1.4422

2 3
Determinar la primera raz de la funcin -13-20X+19 X X para XL =-1 y X4=0.

Si f(X4) * f(Xr) 0 la raiaz esta en elintervalo superior derecho .

Si f(X4) * f(Xr) 0 la raiaz esta en elintervalo inferior izquierdo .

f(XL) * f(Xr)
X LX r 1 9
Xr= = =5
2 2

X LX r 0.25 5
Xr= = =0.3750
2 2

EJEMPLO 3: f ( X )=X sin X 1

2+ 0 1+2 2
=1; [ 1, 2 ] = =1.5 ; f (1.25 ) =0.039265 f ( 1 )=0.158529
2 2

EJEMPLO 4: Sea f ( X )=eX ln X .Calcular X en elintervalo [ 1,1.5 ] .

Evaluando:
f ( 1 )=0.3678 y f ( 5 ) =0.182
 11.5
Xr= =1.25 ; f ( 1.25 )=0.0635; f (1.5 )f ( 1.25 )= 0
2

1.281251.3125
X r 6= =1.30475
2

= |1.304751.297
1.30475 |100=0.54 <1

2.1.3 MTODO DE LA REGLA FALSA.

Supongamos que tenemos una funcin f(x) que es continua en el intervalo
[ X a , X b ] y adems f ( X a ) y f ( X b ) tienen signos opuestos .
Calculemos la ecuacin de la lnea recta que une los puntos
( X a , f (X a ) ) , ( X b , f ( X b ) ) ;sabemos que la pendiente de la recta esta dada por:
f ( X b )f ( X a)
m=
X b X a

Por lo tanto la ecuacin y es:

f ( X b ) f ( X a )
yf ( X a ) = ( X X a )
X bX a

Para obtener el cruce de la recta por el eje X hacemos a y=0

f ( X a )( X bX a)
X =X a
f ( X b ) f ( X a )

En este punto es el que tomaremos como X, en lugar del punto medio del
mtodo de biseccin. El mtodo de la regla falsa sigue los pasos que se muestran
a continuacin:
Xa , Xb X yf X
a) Encontrar valores iniciales tales que ( a ) ( b ) tienen signos

opuestos, i.e: ( X a )f ( X b ) < 0 .

b) La primera aproximacin a la raz se toma igual a:
f ( X a)( X b X a )
X r =X a
f ( X b )f (X a)
 f ( Xr) ;
c) Evaluar y caer forzasamente en uno de los siguientes casos:
f ( X a )f ( X r ) <0 f ( Xa) y f ( Xr)
i. ; en este caso tenemos que tienen
signos opuestos y por lo tanto la raz se encuentra en el intervalo
[ Xa , Xr ].
f ( Xa) y f ( X r ) >0 f ( Xr) y f ( Xa)
ii. ; en este caso tenemos que

f ( Xr) y f ( Xb)
tienen el mismo signo y de aqu tienen signos
opuestos, por lo tanto la raz se encuentra en el intervalo signo y de

aqu [ r b ] .
X ,X

f ( X a )f ( X r )=0 f ( X r ) =0
iii. ; en este caso se tiene que y por lo
tanto ya encontramos la raz; el proceso se vuelve a repetir hasta
que:
| a|< b

EJEMPLO: Usar el mtodo de la regla falsa para aproximar la raz de:

f ( X )=eX ln X . Comenzando en el intervalo [ 1,2 ] hasta que | a|<1 .

Sol.
f ( 1 )( 21 )
X r 1 =1 =1.394710
f ( 2 )f ( 1 )
1.394710
: f ( 1.394710 )=e ln 1.394710=0.087384509<0

f ( 1 ) (1.322113051 )
X r 3 =1 =1.311269
f ( 1.32211305 )f ( 1 )
1.311269
: f ( 1.311269 )=e ln 1.311269=0.0075219< 0

2.1.4 MTODO DE MULLER.

3 2
Sea X X 4 X 4, con X 0 =1, X 1=1.5, X 2=1.75, a<0.015

1. Evaluar los valores iniciales de X.

 f ( X 0 )=8 ; f ( X 1 )=8.875 ; f ( X 2) =8.703125

h0 , h1, 0 , 1
2.
h0=1.51=0.5; h1=1.751.5=0.25 ; 0=1.75, 1=0.6875

3. a, b y c.
1.750.6875
=3.25
a= 0.5

b= (-1.75* 0.25) + 0.0875= 2.3125

c= f ( X 2 )

2C
X 3= X 2 +
4. b b24 ac = 3.0688

I Xr Error(%)
0 1.75 -
1 3.0688 42.97
2 2.8535 7.54

2.1.8 MTODO DE DIFERENCIAS DIVIDIDAS.

 Xi , Y i
Dada una serie de datos ( con i= 0,, n, cada uno distinto entre s,
existe para todo polinomio en X de grado menor a n que interpola dichos
p ( X i )= y i i=0, , n .
valores:
TEOREMA DE LA UNICIDAD DEL POLINOMIO DE INTERPOLACION.
Xi
Si p(x) y q(x) son dos polinomios de grado menor a n, con distintos entre si,
entonces p(x) = q(x) para toda X existente en los reales.
PROPOSICION 2.
Dados {( i i ) } , con i= 0,, n, cada uno distinto entre s, existe para todo
X ,Y

polinomio en X de grado menor a n que los interpola es:

P(X)=
y 0 + y 01 ( XX 0 )+ Y 01 ( X X 0 ) ( XX 1) + +Y 01 n ( X X 0 ) ( X X 1 ) ( X X n1 ) ;

donde :

X i Y i Y ij Y ijk Y ijkl

X0 Y 0

Y 1Y 0 Y 12Y 01
=Y 01 =Y 012
X 1X 0 X 2 X 0

X1 Y 1

Y 2Y 1 Y 123 Y 012
=Y 12 =Y 0123
X 2X 1 X 3 X 0

X2 Y 2

Y 3Y 2 Y 23Y 12
=Y 23 =Y 012
X 3X 2 X 3 X 1

X3 Y 3

EJEMPLO: Hallar el polinomio de grado menor o igual a 3 que interpola:

Xi -2 -1 1 2
Yi -5 1 1 7

X i Y i Y ij Y ijk Y ijkl
 25

1(5) 06
=0 =2
1(2) 1(2)

1 1

11 2(2)
=0 =1
1(1) 2(2)

11

71 60
=6 =2
21 2(1)

17

Entonces: P(X)= 5+ 6 ( X +2 )2 ( X +2 ) ( X +1 ) + ( X + 2 )( X + 1 )( X 1 )
3
P ( X ) =X X +1

UNIDAD 3. SISTEMA DE ECUACIONES LINEALES Y NO LINEALES.

3.1 REGRESN USANDO EL MTODO DE MINIMOS CUADRADOS.

y i= + X i+ i Formalineal
Hiptesis:
n

2i = ( y i X i)2
L( , ) L( , )
, ^= S xy y ^ = ^y S xy
i=1
; ; dnde: Sxx Sxx

e i=0 ; e i= y i ^yi Sxx= x 2i n x 2 ; Syy= y 2i n y 2 ;

Sxy = X i Y in X Y ; Y^ i=^ + ^ X i MODELO FINAL

Ahora el modelo matricial:

Y = X+
 [] [ ]
Y 1 1 REG 1 REG 2
Y= Y2 ; X= 1

Yn 1

[
^=( X ' X )1 X ' Y ; X ' = 11, ,1
X 1 X 2 , , Xn ]

n Xi X i2 X i
' ' 11
X i X i2 ; ( X X ) X = DE T X i n

( X ' X ) =

XY= [ yi
Xi y i ]
Xi Yi Zi
35.3 10.98 20
29.7 11.13 20 i i yi
X 2
X
30.8
58.8
12.51
8.40
23
20
( X ' X ) X ' Y = 1
1

DET X i n

[
Xi yi ]
61.4 9.27 21
71.3 8.73 22
74.4 6.36 11
76.7 8.50 23
70.7 7.82 21
57.5 9.14 20
46.4 8.24 20
28.9 12.19 21 EJEMPLO: Con los datos de la siguiente tabla realizar el
28.1 11.88 21 anlisis con respecto a Yi, mediante el mtodo de mnimos
39.1 9.57 19 cuadrados.
46.8 10.94 23 Con ayuda del programa MINITAB, obtenemos:
48.5 9.58 20
59.3 10.09 22
Regression Analysis: Yi versus Xi, Zi
70.0 8.11 22
70.0 6.83 11 Analysis of Variance
74.5 8.88 23 Source DF Adj SS Adj MS F-Value P-Value
72.1 7.68 20
58.1 8.47 21
44.6 8.86 20
33.4 10.36 20
28.6 11.08 22
Regression 2 54.187 27.0935 61.90 0.000
Xi 1 35.845 35.8447 81.90 0.000
Zi 1 8.595 8.5947 19.64 0.000
Error 22 9.629 0.4377
Total 24 63.816

Model Summary

S R-sq R-sq(adj) R-sq(pred)

0.661565 84.91% 83.54% 80.79%

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant 9.13 1.10 8.28 0.000
Xi -0.07239 0.00800 -9.05 0.000 1.05
Zi 0.2028 0.0458 4.43 0.000 1.05

Regression Equation

Yi = 9.13 - 0.07239 Xi + 0.2028 Zi

3.6 INTERPOLACION
3.6.1 INTERPOLACIN LINEAL

Interpolar significa encontrar un valor intermedio entre dos o ms puntos

conocidos, los cuales se pueden aproximar mediante polinomios. La forma ms
simple de interpolacin es la de conectar dos puntos con una lnea recta.
 f ( x 1 )f ( x 0 )
f 1 ( x )=f ( x 0 ) + ( XX 0 ) Formula de interpolacionlineal .
X 1 X 0

EJEMPLO 1: Interpolar a=1. Determinar la funcin lineal de interpolacin que pasa

por los puntos: (-1, 0) y (4,2).
X , Y = (1, 0 ) y ( x i , y i )=( 4, 2 )
Sol. ( 0 0 )

20 2 4
f ( x )=0+ ( X(1) )= ( x +1 ) ; Interpolando X =1; obtenemos
4(1) 5 5

EJEMPLO 2:
Calcula la recta que pasa por los puntos A(-3, -2) y B(3, 2) e interpola el valor de
x=2.

Sustituyendo:
4(2 )
f ( x )=2+ ( X (3 ) )=( x +1 ) ; Interpolando X=2 ; obtenemos : 3
3(3 )

EJEMPLO 3:
(10050)( 5049.1 )
Mc=50+ =52.99
68.549.1

3.6.2 INTERPOLACIN CUADRATICA.

Si se tiene un error que se aproxima a una curva recta, la aproximacin es la
introduccin de cierta curvatura en la lnea que conecta a los puntos, si es con tres
datos lo anterior se puede llevar a cabo con un polinomio de segundo orden.

f ( X 2) f ( x 1 ) f ( x 1 )f ( x 0 )

X 2X 1 X 1 X 0
b2=
X 2 X 0

EJEMPLO UNO:
 1.79141.3862
0.462098
64
b2= =0.0518
61

Sustituyendo: f ( x )=0.462098 ( x1 )0.0518 ( x1 )( x4 )

EJEMPLO DOS: Calcular la parbola que pasa por A(-3,1), B(-1, -3), C(2, 5);
interpola X=3.
1=a (1 )2+ b (3 )+ c

Despejando b:
4 ab=2 ; b=4 a2 ; sustituyendo valor de b: 4 ( 1415 )2= 2615
EJEMPLO TRES: Calcula el valor aproximado con X(1, 5)

Xi -1 2 3
Yi 6 3 10
Sea : a X 2+ bX +C ; (1,6 ) , ( 2, 3 ) , ( 5, 10 )

ab+c =6

4 a+2 b+c=3 a= 2; b= -3; c= 1

9 a3 b+c=10

Sustituyendo y=1; el valor aproximado X (1,5)

 58593.75
a0 -3.614
3.6.3 INTERPOLACIN CBICA SPLINE.
a1 21.1268
Encontrar la a2 0.1454 distancia que recorre el
cohete entre t=11 y t=16 segundos.
Encontrar la a3 0.005172 aceleracin en
t=16segundos. t V(t)
Encontrar la velocidad g m/s en t=16 segundos.
0 0
0+ a 1 x i+ a2 x 2i +a 3 x 3i 10 227.04
15 362.78
y i=a
20 517.35
22.5 602.92
0+ a 1(10)+a 2 ( 102 ) + a3 ( 103 )
30 901.67
227.04=a

0+ a 1 15+a 2 ( 152 ) + a3 ( 15 3 )
362.78=a

0+ a 1 20+a 2 ( 20 2) + a3 ( 203 )
517.35=a

0+ a 1 22.5+a 2 ( 22.52 ) + a3 ( 22.53 )

602.92=a

Y i=3.61421.126 t +0.14154 t 2+ 0.005172t 3

a) T=16= 391.833552 m/s

d V (t ) m
b) t=16=29.66
dt s
b 16

c) V ( t ) dt=3.61421.126 t +0.14154 t 2+ 0.005172t 3 dt=1606.034 m

a 11
3.6.4 INTERPOLACIN DE LAGRANGE.

X 0 , Y 0 , , X k , Y k
Dado el conjunto de K+1 puntos ( , donde todos os
polinomios de asumen distintos, el polinomio de interpolacin de Lagrange es la
combinacin lineal de:
K
L ( X ) = Y i l j ( x )
0

De los polinomios de Lagrange:

k
x xi xx 0 xx j1 xx j +1 xx k
l j ( x) = =
x j xi x jx 0 x jx j1 x jx j+1 x j x k
i=0,i j

EJEMPLO UNO : En una planta qumica se sintetiza un producto que es utilizado

posteriormente como conservante de productos enlatados. El rendimiento del
proceso depende de la temperatura:

T(C) 150 160 170 180 190 200 210

R(%) 35.5 37.8 43.6 45.7 47.3 50.1 51.2

Se considera un rendimiento ptimo el que va de 38.5 a 45 por lo que la planta

trabaja a 175 C. Si la temperatura de trabajo cae a 162C por una averia ser el
proceso satisfactorio hasta que sea reparada.

( X160 ) ( X 170 )( X180 ) ( X 190 )( X200 ) ( X 210 )

l0 ( X )=
( 150160 ) ( 150170 )( 150180 )( 150180 ) (150190 ) ( 150200 ) ( 150210 )

l 0 ( X )+ 37.8 ( l 1 ( X ) ) + +51.2 ( l 6 ( X ) ) sustituyendo X=162=0.725222

L ( X ) =35.5

EJEMPLO DOS: En una planta se bombea esencia de trementina, 60 C, desde la

base de una columna de fraccionamiento hasta un gran tanque de
almacenamiento descubierto. La columna opera a 1.20 atmosferas en la siguiente
tabla se muestran los litros por hora en funcin de la potencia.

500 700 900 1100 1300 1500 1700 1900

( nl )
N(w) 365 361.6 370.6 379.6 384.4 395.5 395.9 397
4 8 6 5

Se quiere saber si bomba puede impulsar un caudal de 1000 litros hasta el tanque
de almacenamiento de 373 watts.

( X700 )( X 900 ) ( X 1100 ) ( X1300 )( X 1500 ) ( X1700 ) (X1900)

l 0 ( X )=
( 500700 ) ( 500900 )( 5001100 ) ( 5001300 )( 5001500 )( 5001700 ) (5001900)

EJEMPLO TRES: El pentoxido de dimitrogeno gaseoso puro reacciona en un

reactor intermitente segn la reaccin estequiometrica:

N 2 O5 2 N 2 O4 +O2

Calculamos la concentracin de dimitrogeno existente en ciertos instantes,

definiendo los siguientes datos:
T(S) 0 200 400 650 1100 1900 2300
C 5.5 5.04 4.36 3.45 2.37 1.32 0.71

Si lo tenemos en el reactor un tiempo mximo de 35 minutos, cual es la

concentracin de dimitrogeno que queda sin reaccionar ?

(2100200 ) ( 2100400 ) ( 2100650 ) ( 21001100 ) ( 21001900 ) ( 21002300 ) 2465

l1 ( X )= =
(200)(400)(650)(1100)(1900)(2300) 3289

29 203 2165
l 2 ( X )= ; l3 ( X ) =3.7996 ; l3 ( X ) =1.34113 ; l 5 ( X )= ; l 6 ( X )=
5 200 4108

3.6.5 RESOLUCIN DE ECUACIONES NO LINEALES.

Para la solucin de una ecuacin de esta naturaleza se pueden aplicar los
siguientes mtodos: biseccin, regla falsa, de la secante, Newton Rapson,
Iterativos.
ba
t
4
f ( X )=10 e 2 cos 2 t4 ; =10 en :
log

log 2(-1 )
 X a + X b 0+1
Formula: = =0.5 ; f ( 0.5 ) =2.937 ; f ( 0 ) =6
2 2

0.5+1
X 1= =0. 7 5 ; f ( 0. 7 5 )=2.9707 ; f ( 0 .5 ) =2.937
2

0.5+ 0.75
X 2= =0.625 ; f ( 0.625 )=0.30946 ; f ( 0.5 ) =2.93 7
2

X 9 =0.63867 0.19182 ; [ 0.636719,0.638672 ]

UNIDAD 4. INTEGRACION NUMERICA.

4.1 MTODO DEL TRAPECIO

INTEGRACIN NUMRICA
En los cursos de Anlisis Matemtico (Clculo Integral), nos ensean como
calcular una integral definida de una funcin continua mediante la aplicacin del
Teorema Fundamental del Clculo:

Teorema Fundamental del Clculo

Sea f(x) una funcin continua y definida en el intervalo [a, b] y sea F(X) una
funcin primitiva de f(x) entonces:

El problema en la prctica se presenta cuando nos vemos imposibilitados de

encontrar la funcin primitiva requerida, an para integrales aparentemente
sencillas como:

la cual simplemente es imposible de resolver con el Teorema Fundamental del

Clculo.

En este captulo estudiaremos diversos mtodos numricos que nos permitirn

obtener aproximaciones bastante precisas a integrales como la mencionada
anteriormente. Esencialmente, veremos dos tipos de integracin numrica: las
frmulas de Newton-Cotes y el algoritmo de Romberg.

Las frmulas de Newton-Cotes a desarrollar son las tres primeras, constituidas

por las reglas del trapecio y de Simpson (regla de un tercio y de tres octavos). El
algoritmo de Romberg forma parte de una tcnica conocida como mtodo de
extrapolacin de Richardson.

Haciendo uso de algunos programas computacionales matemticos (por ejemplo

Scilab) es posible discernir sobre las cualidades y defectos de cada uno de los
mtodos mencionados arriba.

FRMULAS DE INTEGRACIN DE NEWTON-COTES

Estas frmulas se basan en la idea de integrar una funcin polinomial en vez de:

Donde es un polinomio de aproximacin de grado para ciertos valores de que se

escogen apropiadamente (se suele conocer tambin como polinomio de
interpolacin, ya que la condicin es que tome los mismos valores que la funcin
original en los puntos elegidos). Estas frmulas se pueden aplicar tambin a una
tabla de datos, siendo stos los puntos a considerar.
Dentro de las frmulas de Newton-Cotes, existen las formas cerradas y abiertas.
En las formas cerradas se conocen los valores de f(a) y f (b) , en caso contrario,
se llaman formas abiertas.
Nos remitiremos a estudiar nicamente las formas cerradas, y por lo tanto,
siempre supondremos que conocemos los valores de los extremos, f (a) y f (b).

4.2 REGLA DEL SIMPLE TRAPECIO.

Corresponde al caso donde n=1, es decir:

Donde es un polinomio de grado 1.

En el grfico trazamos la recta que une los puntos: (a, f(a)) y (b, f (b)) obteniendo
un trapecio cuya superficie ser, aproximadamente, el valor de la integral I.

As tendremos:

Conocida como Regla del Trapecio.

Es de apreciar que el error que se llega a cometer con esta forma de aplicacin
puede ser significativo. Una mejor aproximacin se obtiene dividiendo el intervalo
de integracin en subintervalos y aplicando en cada uno de ellos la regla trapecial.
A este procedimiento se lo conoce como Regla Trapecial Compuesta.
Este nombre se debe a la interpretacin geomtrica que le podemos dar a la
frmula. El polinomio de interpolacin para una tabla que contiene dos datos, es
una lnea recta. La integral, corresponde al rea bajo la lnea recta en el intervalo ,
que es precisamente el rea del trapecio que se forma.

EJEMPLO: Utilizar la regla del trapecio para aproximar la integral:

Solucin
Usamos la frmula directamente con los siguientes datos:

Por lo tanto tenemos que:

EJEMPLO DOS:
Usar la regla del trapecio para aproximar la integral:

Solucin
Igual que en el ejemplo anterior, sustituimos los datos de manera directa en la
frmula del trapecio. En este caso, tenemos los datos:
Ahora bien, ya que todos los subintervalos tienen la misma longitud h, tenemos
que:

Sustituyendo el valor de h y usando la notacin sigma, tenemos finalmente:

EJEMPLO UNO:
Aplicar la regla del trapecio para aproximar la integral si subdividimos en 5
intervalos.

Si subdividimos en 5 intervalos.

Solucin
.
En este caso, tenemos que n=5, y la particin que se genera es:

P=
1.48065
Cabe mencionar que el valor verdadero de esta integral es de 1.4626
As, vemos que con 5 intervalos, la aproximacin no es tan mala. Para hacer
clculos con ms subintervalos, es conveniente elaborar un programa que aplique
la frmula con el nmero de subintervalos que uno desee. El lector debera hacer
su propio programa y checar con 50, 500, 1000, 10000 y 20000 subintervalos,
para observar el comportamiento de la aproximacin.
 4.3 REGLA DE SIMPSON DE UN TERCIO

Suponemos que tenemos los datos:

Donde es el punto medio entre y .

El polinomio P2(x) = a0 + a1 * x + a2 * x2 (Polinomio de grado 2 en x) aproxima a

la funcin pasando por los puntos (-h, y1), (0,y2), (h,y3).

Analizando el polinomio y la funcin en los distintos puntos:

x = 0 f(0) = y1 P2(0) = a0=Y1
x = h; f(h) = y2 P2(h) = a0 + a1 h + a2 h2
x = -h; f(-h) = y0 y P2(-h) = a0 a1 h + a2 h2
Sumamos a y b: y0 + y2 = 2 a0 + 2 a2 h2
y0 + y2 = 2 y1 + 2 a2 h2.

Reemplazando:
A = 2y1 h + (y0 2y1 + y2) h / 3
A = h/3 (6y1 + y0 2y1 + y2)

rea de la parbola (polinomio de grado 2) que pasa por y0, y1 e y2, Si tomamos
n particiones del intervalo (con n par), tenemos:
h = (b-a)/n (tamao de los subintervalos)
A = A1 + A2 + --- + A n/2 (n/2 parbolas se subtienden)
A = h/3 (y0 + 4y1 + y2) + h/3 (y2 + 4y3 + y4) + + h/3 (yn-2 + 4yn-1 + yn)
A = h/3 (y0 + 4y1 + 2y2 + 4y3 + 2y4 + + 2yn-2 + 4yn-1 + yn)

Si llamamos:

Error de Truncamiento

EJEMPLO UNO:

Usar la regla de Simpson de 1/3 para aproximar la siguiente integral:

Solucin.
Aplicamos la frmula directamente, con los siguientes datos:

Por lo tanto, tenemos que:

EJEMPLO DOS:

Usar la regla de Simpson de 1/3, para aproximar la siguiente integral:

Solucin.
Igual que en el ejercicio anterior, sustituimos datos adecuadamente:

Al igual que con la regla del trapecio, podemos extender la regla de Simpson de
1/3, si subdividimos el intervalo [ a , b ] en n subintervalos de la misma longitud

ba
h=
2 .

Sea la particin que se forma al hacer la subdivisin, y denotemos por el punto

medio en cada subintervalo. Aplicamos primero propiedades bsicas de la integral
definida:

Ahora, aplicamos la regla de Simpson de 1/3, en cada una de las integrales de

arriba:

Sustituimos y usamos la notacin sigma:

EJEMPLO UNO:
Aproximar la siguiente integral, aplicando la regla de Simpson de y subdividiendo
en 5 intervalos.

Solucin.
En este caso, tenemos que, y la particin que se genera es:

Adems, los puntos medios de cada subintervalo son:

Por lo tanto, sustituimos los datos en la frmula para obtener:

Ntese que esta aproximacin ya es exacta hasta el cuarto decimal.

EJEMPLO DOS.
Aproximar la siguiente integral, utilizando la regla de Simpson de y subdividiendo
en 4 intervalos.

Solucin.
En este caso, tenemos que, y la particin que se genera es:
Adems, los puntos medios de cada subintervalos son:

Sustituyendo todos estos datos en la frmula obtenemos la siguiente

aproximacin:
 4.4 MTODO DE INTEGRACIN DE ROMBERG

Sea el valor de la integral que aproxima a l= f ( X ) dx , , mediante una particin

a

ba
h=
de subintervalos de longitud n , usando la regla del trapecio. Entonces,

L=I ( h )+ E(h)

Donde E(h) es el error de truncamiento que se comete al aplicar la regla

trapecial.
El mtodo de extrapolacin de Richardson combina dos aproximaciones de
integracin numrica, para obtener un tercer valor ms exacto. El algoritmo ms
eficiente dentro de ste mtodo, se llama Integracin de Romberg, la cual es una
frmula recursiva.

L ( h1 ) e L(h2 )
Supongamos que tenemos dos aproximaciones: , con subintervalos
h1 y h2 respectivamente.

Se ha visto que el error que se comete con la regla del trapecio para n
subintervalos est dado por las siguientes frmulas:
Donde es un promedio de la doble derivada entre ciertos valores que pertenecen a
cada uno de los subintervalos. Ahora bien, si suponemos que el valor de es
constante, entonces:

Sustituyendo esto ltimo en nuestra primera igualdad, tenemos que:

E ( h2 ) :
De aqu podemos despejar

h1
En el caso especial cuando h2= (que es el algoritmo de Romberg), tenemos:
2
Esta frmula es solo una parte del algoritmo de Romberg. Para entender el
mtodo, es conveniente pensar que se trabaja en niveles de aproximacin. En un
primer nivel (que llamamos 0), es cuando aplicamos la regla del Trapecio, y para
poder usar la frmula anterior, debemos de duplicar cada vez el nmero de
subintervalos: as, podemos comenzar con un subintervalo, luego con dos, cuatro,
ocho, etc., hasta donde se desee.

Posteriormente, pasamos al segundo nivel de aproximacin (el 1), que es donde

se usa la frmula anterior, tomando las parejas contiguas de aproximacin del
h1
nivel anterior, y que corresponden cuando h2= .
2

Despus pasamos al tercer nivel de aproximacin (el 2), pero aqu cambia la
frmula de Romberg, y as sucesivamente hasta el ltimo nivel, que se alcanza
cuando solo contamos con una pareja del nivel anterior.

Desde luego, el nmero de niveles de aproximacin que se alcanzan, depende de

las aproximaciones que se hicieron en el nivel 0. En general, si en el primer nivel,
iniciamos con n aproximaciones, entonces alcanzaremos a llegar hasta el nivel de
aproximacin n.
Hacemos un diagrama para explicar un poco ms lo anterior.
Ejemplo 1.
Usar el algoritmo de Romberg, para aproximar la integral:

Usando segmentos de longitud: 1, , .

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

Ahora pasamos al segundo nivel de aproximacin donde usaremos la frmula que

se dedujo anteriormente:

Donde I ( h1) es la integral menos exacta (la que usa menos subintervalos) e es
la ms exacta (la que usa el doble de subintervalos).
En un diagrama vemos lo siguiente:
Para avanzar al siguiente nivel, debemos conocer la frmula correspondiente. De
forma similar a la deduccin de la frmula;

se puede ver que la frmula para el siguiente nivel de aproximacin (nivel 3)

queda como sigue:

dnde:
l m es la integral ms exacta.

l I es la integral menos exacta.

En el siguiente nivel (nivel 4) se tiene la frmula:

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

As, podemos concluir que el valor de la aproximacin, obtenido con el mtodo de

Romberg en el ejemplo 1, es:
EJEMPLO DOS.
Usar el algoritmo de Romberg para aproximar la integral:

1
I (h4 ) anterior donde h4 =
Agregando a la tabla 8 .

Solucin.

Calculamos I ( h4 ) con la regla del trapecio:

Tenemos entonces la siguiente tabla:

De donde concluimos que la aproximacin buscada es:

EJEMPLO TRES: Aproximar la siguiente integral:

Usando el mtodo de Romberg con segmentos de longitud:

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

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

siguiente tabla:

De donde concluimos que la aproximacin buscada es:

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

4.5 ALGORITMO DE INTEGRACIN DE ROMBERG

El mtodo, tomando en cada reiteracin una divisin a la mitad del intervalo, se
define de forma recursiva as:

Dnde:

La cota superior asinttica del error de R(n, m) es:

La extrapolacin a orden cero R(n,0) es equivalente a la Regla del trapecio con

n+2 puntos. La de orden uno R(n,1) es equivalente a la Regla de Simpson con n+2
puntos. El proceso se suele realizar hasta que se cumpla alguna de las
condiciones, segn sea la necesidad:

Error absoluto
 Error relativo

Error relativo porcentual

Donde es una cota suficiente de error, definida en forma absoluta, relativa o

porcentual segn corresponda.

EJEMPLO UNO: Aplicar el algoritmo de integracin de Romberg a la integral:

Tomando ,=0.01

Solucin.
En este caso no sabemos exactamente cuntas aproximaciones debemos hacer
con la regla del trapecio. As que para comenzar hacemos los clculos
correspondientes a uno, dos, cuatro y ocho subintervalos:
Con estos datos, podemos hacer los clculos desde el nivel 1 hasta el nivel 3.
Tenemos la siguiente tabla:

Haciendo los clculos de los errores, nos damos cuenta que efectivamente la
aproximacin se obtiene hasta el nivel 3, donde rp=0.008 .
Por lo tanto, concluimos que la aproximacin buscada es: