Professional Documents
Culture Documents
DEPARTAMENTO DE INGENIERÍAS y
CIENCIAS EXACTAS
Edición Preliminar
Tarija, Agosto de 2018
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
CONTENIDO
---------------------------------------------------------------------------------------------------------------- 1
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
5 Integración Numérica
5.1 Introducción 102
5.2 Teorema fundamental del cálculo integral 102
5.3 Fórmulas de integración de Newton – Cotes 103
5.4 Regla de integración del trapecio 103
5.5 Regla de Simpson de un tercio 107
5.6 Regla de Simpson de tres octavos 112
5.7 Integración en intervalos desiguales 115
5.8 Método de integración de Romberg 116
5.9 Algoritmo de integración de Romberg 123
5.10 Problemas 125
6 Ecuaciones diferenciales ordinarias
6.1 Introducción 126
6.2 Método de Euler 128
6.3 Método de Taylor 132
6.4 Método de Euler mejorado 135
6.5 Método de Runge – Kutta 138
6.6 Problemas 141
Bibliografía 142
---------------------------------------------------------------------------------------------------------------- 2
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
UNIDAD DIDÁCTICA 1
1.2 INTRODUCCIÓN
¿Qué es la Ingeniería?
---------------------------------------------------------------------------------------------------------------- 3
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
términos precisos. Esa abstracción del problema del mundo real simplificando su expresión
se denomina modelización. El objetivo de un modelo se orienta a reproducir la realidad de
la forma más aproximada posible, tratando de entender cómo se comporta el mundo real y
obteniendo las respuestas que pueden esperarse de determinadas acciones. Este análisis
lleva a la formulación de un modelo matemático.
---------------------------------------------------------------------------------------------------------------- 4
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
El análisis numérico aborda los mismos problemas que el análisis matemático cualitativo,
pero manejando solo operaciones aritméticas. Es así como los métodos numéricos surgen
de la necesidad de métodos alternativos de solución de problemas matemáticos que no son
susceptibles de resolverse mediante métodos analíticos y, porque, no siempre se dispone del
tiempo suficiente para investigar hasta hallar una solución analítica elegante.
En este contexto, para calcular valores numéricos que resuelven problemas científicos y
tecnológicos, expresados analíticamente, mediante un modelo matemático, es necesario
desarrollar una regla que permita calcular una aproximación al valor buscado. La tarea de
construir y mejorar esa regla, es propia del análisis numérico, mientras que la regla en sí, es
el método numérico. Los métodos numéricos son procedimientos aproximados para
resolver problemas científicos y tecnológicos que han dado lugar al nacimiento de una rama
particular de las matemáticas, denominada matemáticas numéricas, o bien, Cálculo
Numérico o Análisis Numérico.
1.3 ALGORITMO
Un algoritmo puede definirse como una secuencia lógica de pasos necesarios para la
ejecución de una tarea específica, tal como la solución de un problema, ó también como
una secuencia de instrucciones para alcanzar un resultado deseado en un tiempo finito. Un
buen algoritmo se caracteriza por: terminar luego de una cantidad finita de pasos, ser lo más
general y preciso posible, ser determinístico, no dejar nada al azar y permitir obtener
resultados independientes de quien lo está utilizando.
---------------------------------------------------------------------------------------------------------------- 5
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
dv
F = m a. F=m
dt
Las fuerzas que actúan sobre el cuerpo indican que:
F = F G – FR
Donde:
FG = m g es la fuerza de gravedad (con g: aceleración de gravedad) y;
dv
Por sustitución obtenemos: m =mg–cv
dt
dv c
De donde se obtiene: =g– v … (1)
dt m
---------------------------------------------------------------------------------------------------------------- 6
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
a) Solución Analítica: En este caso se identifica el modelo como una ecuación diferencial
de primer orden de variables separables., por lo tanto, el camino se orienta a resolver la
ecuación diferencial (1)
dv
Separando las variables: = dt
c
g v
m
dt
dv
c
=
g v
m
m c
De lo cual obtenemos: ln g v = t + k (2)
c m
m
ln g = k
c
m c m
Sustituimos el valor de k en (2), tenemos: ln g v = t ln g
c m c
m
ct
v = g 1 e m … (3)
c
b) Solución Numérica. Orientamos nuestra solución a buscar una expresión que aproxime
el valor de v. Recordaremos la definición de la derivada de una función, teniéndose:
---------------------------------------------------------------------------------------------------------------- 7
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
dv ti v ti 1 v ti
= lim
dt ti 1 ti ti 1 ti
Cuando ti+1 es un valor muy cercano a ti, se puede quitar el límite y obtener la siguiente
aproximación:
dv ti v ti 1 v ti
dt ti 1 ti
vt i 1 vt i c
g – v(ti)
t i 1 t i m
c
v(ti+1) = v(ti) + [g – v(ti)] (ti+1 – ti) … (4)
m
70 ,000 x980
19 ,600t
v= 1 e 70 ,000 = 3500 (1 – e0.28t)
19 ,600
Para los valores del tiempo, desde t = 0 hasta t = 5, determinamos los resultados que se ven
en la siguiente tabla:
t (s) 0 1 2 3 4 5
v (cm/s) 0 854.7569 1500.76828 1989.01317 2358.02072 2636.91063
Esta tabla presenta los valores exactos de las velocidades indicadas y que se han obtenido
por un método analítico.
---------------------------------------------------------------------------------------------------------------- 8
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b) Solución numérica: Veremos ahora, como se puede aproximar los datos dados
utilizando un método numérico.
19 ,600
v(ti+1) v(ti) + [980 - v(ti)](ti+1 – ti) = v(ti) + [980 – 0.28v(ti)](ti+1 – ti)
70 ,000
Como expresamos anteriormente, comenzamos con v(0) = 0. Para aproximar v(1), tenemos
dos opciones: aproximarla directamente, saltando del tiempo t = 0 al tiempo t = 1, o bien
usar intervalos más pequeños de tiempo, como 0.2 segundos, para obtener una mejor
aproximación. Para la primera opción tendremos v(1) 980, mientras que para la segunda
tenemos los siguientes resultados:
Evidentemente, con la segunda opción obtenemos una mejor aproximación para v(1), ya
que los intervalos de tiempo son más pequeños, y lógicamente, si se reduce, aún más, la
duración de estos intervalos de tiempo, se obtendrán mejores aproximaciones. Para obtener
mejores aproximaciones, sin duda, se elegirá la segunda opción, con intervalos de tiempo
de 0.2 s. Esto arroja los resultados que se muestran en la siguiente tabla:
t (s) 0 1 2 3 4 5
V (cm/s) 0 876.2163839 1533.074153 2025.489197 2394.629346 2671,356168
Tabla en la que se han omitido los datos intermedios para no hacer más larga la tabla. Si
hacemos una comparación entre la tabla de valores exactos y esta última de valores
aproximados, se verá que hay diferencias entre los valores obtenidos, es decir, en la
segunda tabla se han cometido ciertos errores que deben ser medidos y lo que es más
importante, se hace necesario tener alguna forma de poder afirmar: "el resultado obtenido
es lo suficientemente bueno".
Es necesario destacar que, para poder elaborar un buen programa de computación, además
de manejar algún lenguaje de programación, es preciso saber realizar el proceso
---------------------------------------------------------------------------------------------------------------- 9
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
"manualmente", ya que ello permitirá asimilar la lógica del proceso para implementar un
mejor programa que contemple los posibles obstáculos que hay en el camino.
La respuesta está en el proceso del método, puesto que si el método numérico aplicado al
problema proporciona, cada vez, un valor que se acerca más al valor verdadero, entonces la
sucesión de valores aproximados obtenida tenderá a un número xr, y en este caso solo hay
que comparar el nuevo valor aproximado xi con el valor aproximado anterior xi-1. Si la
sucesión de valores converge en xr, la diferencia entre xi y xi-1, se irá haciendo más
pequeña; cuando esta diferencia sea prácticamente cero (con una tolerancia prefija E),
diremos que hemos encontrado una buena aproximación al valor verdadero, es decir si:
Los errores del primer grupo se deben a que la formulación del problema es sólo una
aproximación de la situación real, generalmente son errores despreciables.
1.7.1. Los errores de truncamiento, son los errores propios del método de cálculo y,
resultan de representar aproximadamente un procedimiento matemático exacto. Por
ejemplo, en la solución numérica al problema del objeto en caída libre, se usó una
---------------------------------------------------------------------------------------------------------------- 10
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
dv v( t i 1 ) v( t i )
=
dt t i 1 t i
1.7.2. Los errores de redondeo, resultan de representar aproximadamente números que son
exactos. Por ejemplo, aún en la "solución exacta" al problema del objeto en caída libre, los
resultados impresos en la tabla de velocidades no son totalmente exactos puesto que el
numero e es un número irracional y por lo tanto su extensión decimal es infinita y no
periódica lo que impide escribirlo de forma completamente exacta. Usando 5 decimales, se
tiene:
e = 2.71828…
Esto genera errores de redondeo durante los cálculos. En ambos casos se tiene que: valor
verdadero = valor aproximado + error
1.7.3. Error absoluto. Se define el error absoluto a la diferencia entre el valor verdadero y
el valor aproximado, es decir:
Ev = 20,000 – 19,999 = 1 cm
Ev = 10 – 9 = 1 cm
---------------------------------------------------------------------------------------------------------------- 11
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
En ambos casos, el error absoluto es igual, pero obviamente tiene mayor trascendencia el
error en el caso del clavo que en el caso de la varilla, es decir, es necesario comparar el
error absoluto contra el valor verdadero y esto da lugar a la siguiente definición.
1.7.4. Error relativo. Se define el error relativo al cociente del error absoluto sobre el valor
verdadero, es decir:
error absoluto
Er
valor verdadero
Esto es:
valor verdadero valor aproximado
Er
valor verdadero
También se define el error relativo porcentual, como sigue:
v = 100 Er %
valor verdadero valor aproximado
Es decir: v = 100 %
valor verdadero
De hecho el error que más se usa es este último, ya que da una idea del porcentaje del error
que se está cometiendo.
1
v = 100 % = 0.005 %
20 ,000
1
v = 100 % = 10 %
10
Se puede observar, que el error relativo porcentual refleja mejor la gravedad o no gravedad
del error que se está cometiendo.
---------------------------------------------------------------------------------------------------------------- 12
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
La forma de resolver este problema es pensar que para obtener una cierta aproximación a
un valor, se tuvo que haber obtenido una aproximación anterior al mismo valor.
Una vez calculada la nueva aproximación se procede a calcular otra aproximación al mismo
valor y así sucesivamente.
a < s
---------------------------------------------------------------------------------------------------------------- 13
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Si f (x) es una función continua definida en una vecindad (entorno) de un punto a, con
derivadas de todos los órdenes; es posible elegir un polinomio de grado n, pn(x), tal que
en el punto x = a tenga el mismo valor que f (x) y las mismas n derivadas que f (x) en el
mismo punto, este polinomio se aproximará más a f (x) en los puntos de abscisa x interiores
a la vecindad del punto a, del dominio de f. Para estas condiciones, recordamos que la
fórmula de Taylor muestra la siguiente forma:
( x a) 2 ( x a ) n (n)
f (x) ≈ f (a) + (x – a)f ' (a) + f ”(a) + ... + f (a)
2! n!
En general, si se tiene cualquier función, para aplicar la aproximación anterior y lograr que
se torne en una verdadera igualdad, debemos añadir al segundo miembro un término más,
llamado resto:
( x a) 2 ( x a) n (n) ( x a ) n 1 (n+1)
f (x) = f (a)+ (x – a)f ' (a) + f“(a) + ... + f (a)+ f (c)
2! n! (n 1)!
x2 x n (n) x n 1
f (x) = f (0) + x f '(0) + f“(0) + ... + f (0) + f (n+1)(c)
2! n! (n 1)!
---------------------------------------------------------------------------------------------------------------- 14
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x2 0 xn x n 1 c
Lluego: e x e0 xe0 e e0 e
2! n! n 1 !
12 1n
Como e = e , hacemos x = 1 y, como e = 1, entonces resulta: e 1 1
1 0
2! n!
1
Y, en forma concentradas: e
n 0 n!
Aplicando la lógica anterior, en un primer paso simplemente tendremos un término:
1
e = 1
0!
1 1
En el segundo paso, tenemos la suma de dos términos: e = 2
0! 1!
Aquí, calculamos el primer error de la aproximación:
actual previa 2 1
a = 100 = 100 = 50 %
actual 2
Puesto que no se ha cumplido el objetivo, seguimos agregando un nuevo término a la serie:
1 1 1
e = 2.5
0! 1! 2!
Y nuevamente calculamos el error aproximado correspondiente, es decir:
2 .5 2
a = 100 % = 20 %
2 .5
El proceso continua hasta lograr la meta. Los resultados se resumen en la siguiente tabla:
Que en realidad tiene 8 cifras significativas. Sin embargo, la cota definida por s , asegura
que, al menos, se tendrá n = 4 cifras significativas sin error.
---------------------------------------------------------------------------------------------------------------- 15
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Figura 1.1
---------------------------------------------------------------------------------------------------------------- 16
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Figura 1.2
La figura 1.2 muestra esta expresión y la de la función sen (x), donde observamos que la
fórmula de Mc Laurin con cinco términos, es congruente con la función seno en el
intervalo [–3; 3]. Lo que nos permite concluir que:
x3 x5 x 7 x9
sen (x) = x – + – + x [–3; 3]
3! 5 ! 7 ! 9 !
1.9. PROBLEMAS
a) p = , p* = 22/7 b) p = , p* = 3.1416
c) p = e, p*=2.718 d) p= 2, p*=1. 414
---------------------------------------------------------------------------------------------------------------- 17
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f (x) = log(1 + x)
f (x) = ln (1 + x)
---------------------------------------------------------------------------------------------------------------- 18
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
UNIDAD DIDÁCTICA 2
2.1. INTRODUCCIÓN
Muchas veces la solución de ecuaciones no puede obtenerse en forma analítica, por ello se
hace necesario determinarlas en forma numérica, las que constituyen una aproximación al
valor verdadero. En esta unidad didáctica, solo se considerarán raíces reales.
Geométricamente, sabemos que una función y = f(x) es una curva en el plano E2, de modo
que la raíz de dicha función representa el punto donde la gráfica de f (x) corta al eje x, tal
como lo podemos apreciar en la figura 2.1.
Figura 2.1
---------------------------------------------------------------------------------------------------------------- 19
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Este método básicamente se usa para determinar un intervalo en el cual una función dada
tiene alguna raíz.
Ejemplo 1. Localicemos un intervalo donde la función: f (x) = e-x – ln x tenga una raíz.
Es decir: e-x – ln x = 0
De donde: e-x = ln x
Figura 2.2
En la figura 2.2 observamos que la única raíz de la función dada, corresponde al punto de
intersección de los gráficos de las funciones ln(x) y e-x, se halla en el intervalo [1; 1.5].
---------------------------------------------------------------------------------------------------------------- 20
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Podemos afirmar que el interés del método gráfico radica en proporcionar un intervalo en el
cual se comienza a trabajar con un método numérico.
Ejemplo 2. Localicemos un intervalo donde la función f (x) = arc tg (x) + x – 1 tenga una
raíz.
Hacemos: arc tg x + x – 1 = 0
Figura 2.3
---------------------------------------------------------------------------------------------------------------- 21
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Teorema del Valor Intermedio Si f (x) es una función continua en un intervalo [a, b] y las
ordenadas f (a) y f (b) son valores diferentes, entonces para cada valor real k, comprendido
entre los valores f (a) y f (b), existe, al menos, una abscisa x0 (a, b) tal que f (x0) = k.
Esta conclusión se vale para cualquiera de los casos:
Básicamente el TVI expresa que toda función continua en un intervalo cerrado, una vez que
alcanzó ciertos valores en los extremos del intervalo, entonces puede alcanzar todos los
valores intermedios.
El Teorema de Bolzano es un caso particular del TVI y expresa: Si f (x) es una función
continua en un intervalo [a, b] y las ordenadas f (a) y f (b) tienen signos opuestos, entonces
debe existir, al memos, un valor x0 (a, b) tal que f (x0) = 0, es decir, debe haber por lo
menos una raíz de f (x) en el intervalo abierto (a, b).
Pasemos ahora a explicar la lógica del método de la bisección para una cota del error de
aproximación dada s:
i) En un primer paso, siendo f (x) una función continua, elegimos – por el método gráfico
explicado en el numeral anterior – el intervalo [a, b], de modo que f (a) y f (b) tomen
signos opuestos es decir: f (xa) f (xb) < 0
ii) Seguidamente, en una primera aproximación, para hallar la raíz, ésta se asume igual al
ab
punto medio entre a y b, es decir: xr =
2
iii) Se calcula el valor de la ordenada f (xr), con lo que, forzosamente se caerá en alguno de
los siguientes casos:
En este caso, se tiene que f (xa) y f (xr) tienen signos opuestos, y por lo tanto la raíz se
encuentra en el intervalo (a, xr).
En este caso, se tiene que f (a) y f (xr) tienen el mismo signo, resultando por lo tanto
que f (xr) y f (b) tienen signos opuestos; por lo que, la raíz se encuentra en el intervalo
(xr, b).
---------------------------------------------------------------------------------------------------------------- 22
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
c) f (xa) f (xr) = 0
Si se tiene, ya sea el caso a) o b), el proceso se vuelve a repetir con el nuevo intervalo,
calculando la nueva aproximación y verificando que:
xactual x previa
a= 100 % < s
xactual
El proceso se sigue en forma repetitiva hasta que se verifique que a< s.
Geométricamente, la lógica del este método, se observa en la figura 2.4
Figura 2.4
Solución. Por lo que vimos en el ejemplo 1 del numeral anterior, la función f (x) es
continua y se cumplen satisfactoriamente todos los requisitos para poder aplicar el método
de bisección.
i) Por el citado ejemplo 1 del numeral anterior, ya sabemos que la única raíz de f (x)
se localiza en el intervalo (1; 1.5). De este modo, este intervalo es el punto de
partida para la aplicación del método de la bisección, verificando en primer lugar
que f (1) y f (1.5) tengan signos opuestos. En efecto:
---------------------------------------------------------------------------------------------------------------- 23
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 1.5
xr1 = = 1.25
2
1.25 1.5
xr2 = = 1.375
2
Aquí si podemos calcular el primer error de la aproximación, puesto que se cuenta ya con la
aproximación actual y la aproximación previa:
xr2 xr1
a= 100 % = 9.09 %
xr2
Construimos la tabla:
1.25 1.375
xr3 = = 1.3125
2
---------------------------------------------------------------------------------------------------------------- 24
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
xr3 xr2
a = 100 % = 4.76 %
xr3
El proceso debe seguirse hasta cumplir el objetivo. Resumimos en la tabla siguiente los
valores obtenidos para las ocho iteraciones correspondientes:
1 0
xr1 0.5
2
---------------------------------------------------------------------------------------------------------------- 25
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Puesto que f (0.5) y f (1) tienen signos opuestos, entonces la raíz se localiza en el intervalo
[0.5, 1]
Como f (0.5) y f (0.75) tienen signos opuestos, entonces la raíz se localiza en el intervalo
[0.5, 0.75]. Por ello, calculamos:
0.75 0.5
xr3 0.625
2
0.625 0.75
Y el nuevo error de la aproximación es: a = 100 % = 20 %
0.625
El proceso debe continuarse hasta que se logre el objetivo. Resumimos en la tabla siguiente
los valores obtenidos para las ocho iteraciones correspondientes:
N de
xa xb xri f(xri) Error %
Iteración
1 0 1 0.5 – 0.036352
2 0.5 1 0.75 0.393501 33.33
3 0.5 0.75 0.625 0.183599 20
4 0.5 0.625 0.5625 0.07489 11.11
5 0.5 0.5625 0.53125 0019584 5.88
6 0.5 0.53125 0.515625 –0.008306 3.03
7 0.515625 0.53125 0.5234375 0.00566 1.49
8 0.515625 0.5234375 0.51953125 –0.001319 0.75
---------------------------------------------------------------------------------------------------------------- 26
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Ejemplo 3. La función f(x) = e–x + 4x2 – 5, tiene una raíz en el intervalo [1; 1.5], usa ocho
iteraciones del método de la bisección para aproximar la raíz de f(x). Tabula el error
después de cada iteración.
Solución: De forma general, como en este ejemplo se da el intervalo en el cual puede
hallarse la raíz, entonces, procedemos a verificar que el signo de f(x1) es opuesto al signo de
f(x 2), f(x1) f(x2) < 0:
1 1.5
Calculamos la primera aproximación a la raíz: xr1 = = 1.25
2
Para identificar mejor en que nuevo intervalo se encuentra la raíz, hacemos la siguiente
tabla:
f (1) f (1.25) f (1.5)
– + +
Por lo tanto, la raíz se encuentra en el intervalo [1; 1.25]. Calculamos el punto medio (que
es una segunda aproximación a la raíz):
1 1.25
xr2 = = 1.125
2
Ahora si podemos calcular el primer error de la aproximación, puesto que se cuenta ya con
la aproximación actual y la aproximación previa:
xr xr1
a= 100 2 % = 1.11 %
xr2
Puesto que no hemos logrado el objetivo, continuamos con el proceso.
1 1.125
Calculamos el punto medio: xr3 = = 1.0625
2
---------------------------------------------------------------------------------------------------------------- 27
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
xr3 xr2
Y calculamos el nuevo error aproximado: a = 100 % = 5,88 %
xr3
Seguimos hasta cumplir la octava aproximación pedida, los valores así obtenidos son:
Observación: El método de bisección por lo general es lento, y en los casos en los que la
función tiene su raíz muy próximo a uno de los extremos del intervalo de análisis, como el
de la siguiente gráfica, puede ser exageradamente lento.
Figura
2.5
En tal caso, el proceso de bisección comienza a acercarse a la raíz de forma muy lenta, ya
que el método solamente toma en cuenta que la raíz se encuentra en el centro del intervalo,
sin importar si se halla más cerca de alguno de los extremos del intervalo.
---------------------------------------------------------------------------------------------------------------- 28
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
En este método, se considera si la raíz de la ecuación se localiza más cerca de alguno de los
extremos del intervalo. Por tanto, la lógica del Método de la Regla Falsa aprovecha la
forma de la función y, para explicarlo podemos utilizar la figura 2.6.
Figura 2.6
Tracemos, en esta gráfica, la línea recta que una los puntos definidos por las coordenadas
(a, f(a) y (b, f(b)). Es claro que si en lugar de considerar el punto medio del intervalo,
elegimos el punto x1 donde esta recta intercepta al eje x, se determinará mucho más rápidez
la aproximación de la raíz.
Ésta es en sí, la idea central del método de la regla falsa y ésta es realmente la única
diferencia con el método de bisección, puesto que en todo lo demás, ambos dos métodos
son similares.
Si f (x) una función continua en el intervalo [a, b] tal que f (a) y f (b) tienen signos
opuestos; determinamos, primero, la ecuación de la línea recta que une los puntos (a, f (a))
y (b, f (b)), cuya pendiente está definida por la expresión:
f b f a
m=
ba
f b f a
Y, la ecuación de esta recta es: y – f (a) = (x – a)
ba
f b f a
– f (a) = (x – a)
ba
---------------------------------------------------------------------------------------------------------------- 29
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f a b a
x=a–
f b f a
Que es el valor que es una aproximación a xr Sobre la base de este análisis, podemos
aproximar la raíz de f(x) en el intervalo [a, b], siguiendo los siguientes pasos:
f a b a
x1 = a –
f b f a
iii. Se calcula la ordenada f (x1) y, forzosamente este valor deberá caer en uno de los
siguientes casos:
a) Si f (a).f (x1) < 0, entonces, tenemos que f (a) y f (xr) tienen signos opuestos, y
por lo tanto la raíz de f se encuentra en el intervalo [a, x1].
b) Si f (a).f (x1) > 0, en este caso, f (a) y f (x1) tienen el mismo signo, y por
tanto f (x1) y f(b) tienen signos opuestos; por lo que la raíz de f se encuentra en el
intervalo [x1, b].
c) Si f (a).f (x1) = 0, entonces se tiene que f (x1) = 0 y, por lo tanto la raíz es x1.
Par cualquiera de las situaciones a) o b), l proceso se vuelve a repetir en el nuevo intervalo,
verificando luego que se cumpla: a < s . De no cumplirse con este objetivo, deberá
repetirse este proceso hasta que dicho objetivo se cumpla.
Solución. Este es el mismo ejemplo 1 del método de la bisección, de modo que ya sabemos
que f (x) es continua en el intervalo dado y que toma signos opuestos en los extremos de
dicho intervalo. Por lo tanto podemos aplicar el método de la regla falsa y procedemos a
calcular la primera aproximación:
f b a b f 2 1 2
x1 = b – =2– = 1.397410482
f a f b f 1 f 2
---------------------------------------------------------------------------------------------------------------- 30
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Como solamente tenemos la primera aproximación, seguimos con el proceso para calcular
la segunda aproximación. Evaluamos:
Observamos que la raíz se encuentra en el intervalo [1, 1.397410482]. Para este nuevo
intervalo, calculamos la nueva aproximación:
1.321130513 1.397410482
a = 100 % = 5.77%
1.321130513
Luego:
f (1) f (1.397410482) f (1.321130513)
+ – –
f 1.3211305131 1.321130513
x3= 1.321130513 – = 1.311269556
f 1 f 1.321130513
1.311269556 1.321130513
Y el error aproximado: a = 100 % = 0.075%
1.311269553
xr x3 = 1.311269556
---------------------------------------------------------------------------------------------------------------- 31
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Es interesante observar la rapidez con la cual se converge a la raíz con el método de la regla
falsa, a diferencia de la lentitud que presenta el método de la bisección.
Solución. Este es el mismo ejemplo 2 resuelto por el método de la bisección, de modo que
ya sabemos que se cumplen las condiciones necesarias para poder aplicar este método, es
decir, que f (x) sea continua en el intervalo dado y que asume signos opuestos en los
extremos de dicho intervalo.
f (0) = arc tg 0 + 0 – 1 = – 1
f xb x a xb f 10 1
x1 = xb – =1– = 0.5600991535
f x a f xb f 0 f 1
f 0.56009915350 0.5600991535
x2 = 0.5600991535 – = 0.5231330281
f 0 f 0.5600991535
0.5231330281 0.5600991535
a = 100 % = 7.06%
0.5231330281
---------------------------------------------------------------------------------------------------------------- 32
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
De los cual tenemos que la raíz se localiza en el intervalo [0, 0.5231330281], luego
podemos calcular la siguiente aproximación:
f 0.52313302810 0.5231330281
x3 = 0.5231330281 – =0.5204706484
f 0 f 0.5231330281
0.5204706484 0.523133081
a = 100 % = 0.51 %
0.5204706484
xr x3 = 0.5204706484
Nuevamente observamos el contraste entre la rapidez del método de la regla falsa contra la
lentitud del método de la bisección.
1) La función f(x) = e–x + 4x2 – 5, tiene una raíz en el intervalo [1; 1.5], usa ocho
iteraciones del método de la regla falsa para aproximar la raíz de f(x). Tabula el error
después de cada iteración.
2) Dada la función f (x) = x6 – 1, determina su raíz en el intervalo [0, 1.5], por el método de
bisección hasta que a < 1 %, y compara el número de aproximaciones que requerirás con
el método de la regla falsa.
El Método de Newton - Raphson es un método iterativo que, por su rapidez, es uno de los
más usados y efectivos. A diferencia de los métodos anteriores, el método de Newton-
Raphson no trabaja sobre un intervalo sino que basa su fórmula en un proceso iterativo.
---------------------------------------------------------------------------------------------------------------- 33
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Para determinar la primera aproximación x1 a la raíz de f (x), por un punto (x0, f (x0))
asumido sobre la gráfica de f, se traza la recta tangente a dicha gráfica, esta tangente corta
al eje x en un punto de abscisa x1 que, en este método, será la aproximación a la raíz xr.
Para calcular esta abscisa x1, se determina primero la ecuación de la recta tangente, cuya
pendiente es: m = f ´(x0). Luego determinamos la ecuación de la recta tangente que resulta:
Figura 2.7
f x0
Despejando x1: x1 = x0 –
f ' x0
El siguiente paso usa el nuevo valor x1 para determinar de forma similar la aproximación x2
y así sucesivamente, hasta calcular el valor para el cual se cumple el objetivo a < s
f xi
xi+1 = xi –
f ' xi
Expresión que es la fórmula iterativa del método de Newton-Raphson para calcular la
siguiente aproximación xi+1 a la raíz de f.
---------------------------------------------------------------------------------------------------------------- 34
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Existen ejemplos en los que este método no converge a la raíz, en cuyo caso se dice que el
método diverge. Sin embargo, en los casos donde si converge a la raíz, lo hace con una
rapidez impresionante, por lo cual es uno de los métodos preferidos por excelencia.
También podemos observar que en el caso de que f ´(xi) = 0, el método no se puede aplicar.
En tal caso, geométricamente esto significa que la recta tangente es horizontal y por lo tanto
no corta al eje x en ningún punto, a menos que la tangente coincida con éste eje, en cuyo
caso xi es la misma raíz de f (x).
---------------------------------------------------------------------------------------------------------------- 35
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1
Solución: Calculemos la derivada: f ´(x) = +1
1 x2
arctg xi xi 1
xi+1 = xi –
1
1
1 xi2
arctg 0 0 1
Comenzamos con x0 = 0 y obtenemos: x1 = 0 – = 0.5
1
1
1 02
0 .5 0
En este caso tenemos un error aproximado de a = 100 % = 100 %
0.5
Expresión que define la función: f (x) = x2 – R. Derivándola: f ´(x) = 2x. Al sustituir estas
expresiones en la fórmula de Newton-Raphson tenemos:
x 2 R 1 R
xi+1 = xi – i xi+1 = xi
2 xi 2 xi
---------------------------------------------------------------------------------------------------------------- 36
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Fórmula que ya era conocida por los antiguos griegos (Herón). Para tomar un ejemplo de su
uso, asumiremos: R =26. Apliquemos la fórmula anterior, comenzando con xo = 5
Resumiendo los resultados del proceso en la siguiente tabla:
La misma idea puede aplicarse para crear algoritmos que aproximen raíces enésimas de
números reales positivos.
Ejemplo 4.
La función f(x) = e–x + 4x2 – 5, tiene una raíz próxima al punto x = 1, usa ocho iteraciones
del método de Newton - Raphson para aproximar la raíz de f(x). Tabula el error después de
cada iteración.
Observación:
Cuando el método de Newton-Raphson converge a la raíz, lo hace de una forma muy rápida
y de hecho, se observa que el error aproximado disminuye rápidamente en cada paso del
proceso.
Aunque no es el objetivo establecer formalmente las cotas para los errores en cada uno de
los métodos que se han estudiado, debemos mencionar que evidentemente, existen estas
cotas que miden con mayor precisión la rapidez ó lentitud del método en estudio.
f xi f xi 1
f ´(xi)
xi xi 1
---------------------------------------------------------------------------------------------------------------- 37
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f xi f xi
xi+1 = xi – xi –
f ' xi f xi f xi 1
xi xi 1
f xi xi xi 1
Luego, tenemos: xi+1 xi –
f xi f xi 1
Notamos que para poder calcular el valor de xi+1, es necesario conocer los dos valores
anteriores xi y xi-1. La lógica de este método, gráficamente se explica en la figura 2.8.
Figura 2.8
Observación: Existe un gran parecido con la fórmula del método de la regla falsa. La
diferencia entre una y otra es que mientras el método de la regla falsa trabaja sobre
intervalos cerrados, el método de la secante es un proceso iterativo y por lo mismo,
encuentra la aproximación casi con la misma rapidez que el método de Newton-Raphson.
Claro que se corre el mismo riesgo de éste último de no converger a la raíz, mientras que el
método de la regla falsa si es seguro.
Solución Tenemos que f (x0) = 1 y f (x1) = – 0.63210558; los que sustituimos en la fórmula
de la secante para calcular la aproximación x2:
---------------------------------------------------------------------------------------------------------------- 38
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f x1 x0 x1 0.632105580 1
x2 = x1 – =1– = 0.612699837
f x0 f x1 1 0.63210558
0612699837 1
a = 100 % = 63.2 %
0.612699837
f (xo) = arc tg 0 – 2 x 0 + 1 = 1
f x1 x0 x1 0.2146018360 1
x2 = x1 – =1– = 0.823315073
f x0 f x1 1 0.214601836
0.823315073 1
Con un error aproximado de: a = 100 % = 21.46 %
0.823315073
Como aún no se logra el objetivo, continuamos con el proceso. Resumiendo los resultados
en la siguiente tabla:
---------------------------------------------------------------------------------------------------------------- 39
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Un punto fijo a una función g(x) es un número real x tal que: x = g(x)
Este concepto aplicaremos para desarrollar un método que permita resolver numéricamente
ecuaciones de la forma: f (x) = 0.
Para continuar con el desarrollo del método, luego optamos por un valor x0, el que puede
ser elegido próximo a la raíz xr utilizando el método gráfico. Asumiendo éste como una
primera aproximación de xr.
Calculamos: x1 = g(x0) y, verificamos si a = 100( x1 – x0)/ x1 < r. Si no es así:
Calculamos: x2 = g(x1) y, verificamos si a = 100( x2 – x1)/ x2 < r. Si no es así:
… y así sucesivamente, hasta calcular el valor: xn+1 = g(xn) que llegue a satisfacer la
condición dada por el error de aproximación, es decir: a < r
---------------------------------------------------------------------------------------------------------------- 40
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Por el Teorema del Valor Medio para derivadas, se sabe que si g (x) es continua en [a, b] y
diferenciable en (a, b) entonces existe (a, b) tal que:
g b g a
g´ ( ) =
ba
g x r g xi
g´ ( ) =
x r xi
Tomando valor absoluto en ambos lados, resulta: │xr – xi+1│ = │g´( )│.│(xr – xi)│
En resumen, el método de iteración del punto fijo converge a la raíz si │g´( )│< 1 para
todo [a, b] que contiene a la raíz de f(x) y donde g (x) es continua y diferenciable, pero
diverge si │g´( )│> 1 en dicho intervalo. Analicemos ejemplos anteriores:
Gráficamente, el método de punto fijo, es un método de dos funciones: una formada por la
recta y = x y la otra por y =g(x). La raíz es el punto de intersección de ambas curvas, tal
como lo podemos observar en la figura 2.9.
---------------------------------------------------------------------------------------------------------------- 41
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Figura 2.9
Ejemplo 1. Usemos el método de iteración del punto fijo para aproximar la raíz de
f (x) = x2 – 5x – ex hasta que a < 1.
Solución. Utilizamos el método gráfico (ver figura 2.10) para determinar el intervalo donde
se halla la raíz de esta función, observándose que está en [– 0.5; 0]
Figura 2.10
Como primer paso del método, despejamos x del término lineal, observamos que la
ecuación equivalente tiene la forma:
---------------------------------------------------------------------------------------------------------------- 42
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x2 ex x2 ex
x= g (x) =
5 5
2x e x
Luego analizamos la convergencia, calculando la derivada de g(x): g´(x) = .
5
Figura 2.11
Graficamos la gráfica de esta derivada (ver figura 2.11) y, vemos que │g´(x)│< 1 para todo
x [–0.5, 0] , por lo que deducimos que el método sí converge a la raíz buscada.
---------------------------------------------------------------------------------------------------------------- 43
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Ejemplo 2. Usemos el método de iteración del punto fijo para aproximar la raíz de la
función: f (x) = cos x – x, comenzando con xo = 0 hasta que a < 1
x1 = cos xo = cos 0 = 1
En este caso, el error aproximado de 85.08 %. Se puede intuir que el error aproximado se
irá reduciendo muy lentamente.
x13 = 0.7414250866
2.8 PROBLEMAS
---------------------------------------------------------------------------------------------------------------- 44
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
7. Usa el método de la secante para aproximar la raíz de f (x) = arc sen x – e-2x comenzando
con xo = 0, x1 = 0.5 y hasta que a < 1.
8. Usa el método de la secante para aproximar la raíz de f (x) = e-x – x comenzando con xo
= 0, x1 = 1 y hasta que a < 1.
9. Usa el método de iteración del punto fijo para aproximar la raíz de f (x) = sen x + x – 1
comenzando con xo = 0.52 y hasta que a < 1.
10. Usa el método de iteración del punto fijo para aproximar la raíz de f (x) = ln x + 2x – 4
comenzando con xo = 1.5 y hasta que a < 1.
11. La función f(x) = e–x + 4x2 – 5, tiene una raíz en el intervalo [1; 1.5], usa ocho
iteraciones del método de la bisección para aproximar la raíz de f(x). Tabula el error
después de cada iteración.
12. Encontrar la raíz cerca de x = 0.75 de f (x) = ex–1 – 5x3 empezando con x0 = 0.75. ¿Cuán
exacta es la estimación después de cuatro iteraciones del método de Newton? Tabula el
número de dígitos correctos en cada iteración del método de Newton.
---------------------------------------------------------------------------------------------------------------- 45
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
UNIDAD DIDÁCTICA 3
3.1 INTRODUCCIÓN.
---------------------------------------------------------------------------------------------------------------- 46
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x1
x
X=
2
b) La matriz de incógnitas:
xn
b1
b
B=
2
c) La matriz de términos independientes:
bn
De los variados y diferentes métodos para resolver sistemas de ecuaciones lineales, solo
estudiaremos algunos de ellos en la presente unidad didáctica.
---------------------------------------------------------------------------------------------------------------- 47
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Entre los objetivos de la presente unidad didáctica no está previsto repetir el curso de
álgebra lineal, por lo que únicamente recordaremos algunas condiciones básicas para la
solución de sistemas de ecuaciones lineales.
Si en un sistema de ecuaciones lineales se sustituye una de ellas por una combinación lineal
de las ecuaciones, se obtiene un nuevo sistema equivalente que sustituye al anterior.
Hay algunas matrices que aparecen frecuentemente y que según su forma, sus elementos, y
otras características, reciben nombres diferentes:
6 12 3 0
0 5 7 10 2 3
A= B = 0 5
0 0 7 14
0 1
0 0 0 5
f) Matriz Diagonal: Es una matriz cuadrada en la que todos los elementos aij = 0 para i
j, es decir, es una matriz en la que solo los elementos de la diagonal principal no
son ceros. Un caso particular de la matriz diagonal es la matriz unitaria o matriz
identidad In, en la que aij = 1 para i = j, es decir:
---------------------------------------------------------------------------------------------------------------- 48
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 0 ... 0
0 1 ... 0
In =
... ... ... ...
0 0 0 1
C = (A B)
1 2 0 .5 5
A= 2 5 1.5 B = 0
0.2 1.75 1 10
1 2 0 .5 5
Solución:
(A B) = 2 5 1.5 0
0.2 1.75 1 10
A x B = In
Y también: B x A = In
A x A-1 = A-1 x A = In
Cuando la matriz inversa, de una matriz dada, existe, ésta es única, sin embargo debe
destacarse que no siempre existe la matriz inversa. El álgebra lineal prueba que la matriz
inversa A-1 existe si y solo si el determinante de dicha matriz A es distinto de cero.
Ciertas operaciones sobre filas y/o columnas de una matriz tienen las virtudes de conservar,
o modificar de manera controlada, ciertos objetos asociados: determinante, rango, conjunto
de las soluciones del sistema de ecuaciones asociado.
---------------------------------------------------------------------------------------------------------------- 49
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Seguimos presentando como usar las operaciones elementales para calcular el rango.
Acabamos remarcando que las operaciones elementales pueden ser realizadas por
multiplicación por ciertas matrices.
Para una matriz A recordaremos tres operaciones elementales por filas. Cuando sobre una
matriz A se aplican estas operaciones elementales se obtiene una matriz equivalente, y
utilizaremos el símbolo de equivalencia “”.
4 5 8 6 7 10
Ejemplo: Si se intercambian las filas 1 y 3: 1 2 3 ~ 1 2 3
6 7 10 4 5 8
II.- Multiplicación de una fila por una constante distinta de cero (escalar)
2 3 1 2 3 1
Ejemplo: Si se multiplica la fila 3 por la constante 2: 0 3 4 ~ 0 3 4
1 3 7 2 6 14
III.- Suma de una fila a otra fila: Se aplica el teorema que dice: “Si en un sistema de
ecuaciones lineales se sustituye una de ellas por una combinación lineal de las ecuaciones,
se obtiene un nuevo sistema equivalente que sustituye al anterior”
4 3 1 4 3 1
Ejemplo: Si se suma la fila 3 a la fila 2: 6 7 2 ~ 7 6 1
1 1 1 1 1 1
Las operaciones II y III se combinan para sumar un múltiplo de una fila a otra fila.
1 2 3
Ejemplo: (i) Se comienza con la matriz: 1 5 6
3 0 7
---------------------------------------------------------------------------------------------------------------- 50
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 2 3 2 2 4 6
(ii) Se multiplica la fila 1 por la constante 2: 1 5 6 ~ 1 5 6
3 0 7 3 0 7
2 4 6 2 4 6
(iii) Se suma la fila 1 a la fila 2: 1 5 6 ~ 1 9 12
3 0 7 3 0 7
1
2 4 6 1 2 3
2
la fila 1: 1 9 12 ~ 1 9 12
1
(iv) Finalmente se multiplica por
2
3 0 7 3 0 7
1
1 2 3 2, 1 2 3
2
Ahorrando pasos se puede escribir simplemente: 1 5 6 ~ 1 9 12
3 0 7 3 0 7
Estas operaciones elementales se utilizan para “hacer ceros” debajo de algún elemento
aij 0 con el objetivo final de transformar una matriz A en una matriz escalonada.
1 3 5
A = 2 5 6
3 0 1
Solución. Observamos que para lograr el objetivo, debemos multiplicar la fila 1 por 2, y
sumarla a la fila 2. Del mismo modo podemos multiplicar la misma fila 1 por –3 para
luego sumarla a la fila 3, obteniendo:
1 3 5 2 , 3 1 3 5
2 5 6 ~ 0 11 4
3 0 1 0 9 14
Ejemplos:
---------------------------------------------------------------------------------------------------------------- 51
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
6 2 2 4
12 8 6 10
A=
3 13 9 3
6 4 1 8
6 2 2 4 2 , 1 , 1 6 2 2 4
12 8 6 10
2 0 4 2 2
~
3 13 9 3 0 12 8 1
6 4 1 8 0 2 3 4
6 2 2 4 6 2 2 4 6 2 2 4
0 4
2 2 3,
1
0 4 2 2 0 4 2 2
2 ~ ~
0 12 8 1 0 0 2 5 2 0 0 2 5
0 2 3 4 0 0 4 3 0 0 0 7
1 2 3
2) Escalonemos la siguiente matriz: A = 4 5 6
7 8 10
1 2 3 4 , 7 1 2 3 1 2 3
4 5 6 ~ 0 3 6 2 ~ 0 3 6
7 8 10 0 6 11 0 0 1
Ahora, tenemos todas las herramientas para estudiar los dos primeros métodos numéricos
de solución a sistemas de ecuaciones lineales.
---------------------------------------------------------------------------------------------------------------- 52
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Donde la notación a´ij se usa para denotar que los elementos aij cambiaron. De este modo,
se despejan las incógnitas comenzando con la última ecuación y sustituyendo en la
penúltima y despejando hacia arriba. Por esta razón, muchas veces se dice que el
método de eliminación Gaussiana consiste en la eliminación hacia adelante y sustitución
hacia atrás.
x1 2 x2 3 x3 1
4 x1 5 x2 6 x3 2
7 x1 8 x2 10 x3 5
1 2 3 1 4, 7 1 2 3 1 1 2 3 1
4 5 6 2 ~ 0 3 6 6 2 ~ 0
3 6 6
7 8 10 5 0 6 11 2 0 0 1 10
1 2 1 3 1 2 1 3
0 1
3 6 6 ~ 0 1 2 2
3
0 0 1 10 0 0 1 10
x1 2 x2 3 x3 1
x2 2 x3 2
x3 10
De esta ecuación obtenemos x3 = 10; valor que sustituido en la ecuación de arriba nos
permite obtener x2 = – 18; sustituyendo estos valores en la ecuación de arriba obtenemos
x1 = 7.
---------------------------------------------------------------------------------------------------------------- 53
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x1 7, x2 18, x3 10
x1 3x2 2 x3 12
2 x1 5 x2 x3 10
3 x1 x2 6 x3 4
1 3 2 12 2, 3 1 3 2 12 1 3 2 12
2 5 1 10
~ 0 1 5 14 10 ~ 0 1 5 14
3 1 6 4 0 10 0 40 0 0 50 100
x1 3x2 2 x3 12
x2 5 x3 14
50 x3 100
x1 4, x2 4 , x3 2
1 2 3 7
0 0 10 6
0 5 8 3
El elemento a22 = 0 no puede usarse para hacer ceros. En este caso el problema se puede
resolver intercambiando las filas 2 y 3. En este caso el resultado que se obtiene es la
matriz escalonada:
---------------------------------------------------------------------------------------------------------------- 54
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 2 3 7
0 5 8 3
0 0 10 6
El problema puede presentarse también cuando el elemento aquel es muy cercano a cero.
0.00005 x1 5 x2 3.00005
x1 x2 1
0.00005 x1 5 x2 3.00005
99999 x 2 66666
2
De donde se obtiene: x2 = ; valor que sustituido arriba, permite obtener:
3
2
3.33335 5
x1 = 3
0.00005
---------------------------------------------------------------------------------------------------------------- 55
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 1 1 0.00005 1 1 1
0.00005 5 3.33335 ~
0 4.99995 3.3333
En este último caso, se ve que el error relativo porcentual no varía como en la solución
anterior. De este modo, se deduce que los elementos que son cercanos a cero, son
elementos malos para hacer ceros.
En general, para evitar este problema se elige como elemento para hacer ceros (elemento
que recibe el nombre de elemento pivotal o simplemente pivote), aquel elemento de mayor
valor absoluto de entre todos los candidatos. A este procedimiento se le llama método de
eliminación Gaussiana con pivoteo parcial.
---------------------------------------------------------------------------------------------------------------- 56
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
la fila que contiene a este elemento, se la relocaliza como segunda fila. De este modo
procedemos a hacer ceros debajo de este pivote.
Para la tercera columna, nos olvidándonos de las filas 1 y 2 y de las columnas 1 y 2
y, elegimos como su elemento pivote el de mayor valor absoluto de esta columna,
luego, la fila que contiene a este elemento, se la localiza como tercera fila. Luego se
procede a hacer ceros debajo de este pivote.
Y, así sucesivamente.
a11
a a 22
21
a31 a32 a33
a n1 an2 a n3 a nn
Ejemplo 1: Usar el método de eliminación Gaussiana con pivoteo para resolver el siguiente
sistema:
x1 2 x2 0 .5 x 3 5
2 x1 5 x2 1 .5 x 3 0
0.2 x1 1.75 x 2 x3 10
1 2 0 .5 5
2 5 1.5 0
0.2 1.75 1 10
2 5 1 .5 0
1 2 0.5 5
0.2 1.75 1 10
---------------------------------------------------------------------------------------------------------------- 57
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1
Luego, se procede a hacer ceros debajo del pivote. Para ello, se multiplica la fila 1 por
2
0.2
y se la suma a la fila 2. También, se multiplicamos la fila 1 por y se la suma a la fila
2
3. Es decir:
1 0 .2
2 5 1 .5 0 , 2 5 1 .5 0
1 2 2
2 0 .5 5 ~ 0 0.5 0.25 5
0.2 1.75 1 10 0 1.25 0.85 10
2 5 1 .5 0
0 1.25 0.85 10
0 0.5 0.25 5
Luego, procedemos a hacer ceros debajo del elemento pivote elegido. Para ello
0 .5
multiplicamos la fila 2 por y se suma a la fila 3 para obtener:
1.25
2 5 1 .5 0
0 1.25 0.85 10
0 0 0.09 9
2 x1 5 x2 1 .5 x 3 0
1.25 x 2 0.85 x3 10
0.09 x3 9
x1 = – 100, x2 = – 60 y x3 = – 75
Ejemplo 2. Usar eliminación Gaussiana con pivoteo para resolver el siguiente sistema de
ecuaciones:
---------------------------------------------------------------------------------------------------------------- 58
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
0.4 x1 1 .5 x 2 0.75 x3 20
0.5 x1 15 x 2 10 x3 10
10 x1 9 x2 2 .5 x 3 30
0 .5 0 .4
10 9 2 .5 30 , 10 9 2 .5 30
0.5 15 10 10 10 10
~ 0 14.55 9.875 11.5
0.4 1.5 0.75 20 0 1.86 0.85 18.8
Ahora el elemento pivote en la columna 2 resulta ser el -14.55, el mismo que está bien
colocado, y no hay necesidad de intercambiar filas. Procedemos a hacer ceros debajo del
pivote:
10 9 2 .5 30 10 9 2 .5 30
1.86
0
14.55 9.875 11.5 ~ 0 14.55 9.875 11.5
14.55
0 1.86 0.85 18.8 0 0 0.412371 17.3299
Este método utiliza las mismas técnicas que el de eliminación Gaussiana, incluyendo el
pivoteo, pero con el objetivo de finalizar con una matriz de la siguiente forma:
(A B) (In B̂ )
Donde In es la matriz identidad del mismo orden de la matriz A. Para lograr esto, se sigue
la técnica del pivoteo buscando hacer ceros hacia abajo y hacia arriba de los términos de la
diagonal principal.
---------------------------------------------------------------------------------------------------------------- 59
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x1 2 x2 0 .5 x 3 5
2 x1 5 x2 1 .5 x 3 0
0.2 x1 1.75 x 2 x3 10
1 2 0 .5 5
Solución.
Comenzamos con la matriz aumentada: 2 5 1.5 0
0.2 1.75 1 10
1 0 .2
2 5 1 .5 0 , 2 5 1 .5 0
1 2 2
2 0 .5 5 ~ 0 0.5 0.25 5
0.2 1.75 1 10 0 1.25 0.85 10
2 5 1 .5 0 2 0 1 .9 40
0 1.25 0.85 10 5 , 0.5 ~ 0 1.25 0.85 10
1.25 1.25
0 0.5 0.25 5 0 0 0.09 9
Luego, procedemos a hacer ceros arriba del pivote 0.09, para lo cual se multiplica la fila 3
0.85 1 .9
por y se la suma a la fila 2; igualmente multiplicamos la fila 3 por y la
0.09 0.09
sumamos a la fila 1. Todo ese conjunto de operaciones da los siguientes resultados:
2 0 1 .9 40 2 0 0 150
0 1.25 0.85 10
~ 0 1.25 0 75
0 0 0.09 9 0.85 , 1.9 0 0 0.09 9
0.09 0.09
---------------------------------------------------------------------------------------------------------------- 60
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Finalmente para obtener los unos en la diagonal principal, multiplicamos las filas 1, 2, y 3
1 1 1
por , y , respectivamente. Obteniéndose:
2 1.25 0.09
1
2 0 0 150 2 1 0 0 75
0 1.25 0 75
1
~ 0 1 0 60
1.25
0 0 0.09 9 1 0 0 1 100
0.09
x1 2 x2 3 x3 1
0.4 x1 2 x2 x3 10
0.5 x1 3x2 x3 15
1 2 3 1
Solución. La matriz aumentada del sistema es: 0.4 2 1 10
0.5 3 1 15
Se observa que el primer elemento pivote está bien colocado y por lo tanto no hay
necesidad de intercambiar filas. Por lo tanto hacemos ceros debajo del pivote a11 = 1; para
ello, multiplicamos la fila 1 por 0.4 y la sumamos a la fila 2, y luego multiplicamos la
misma fila 1 por –0.5 y luego la sumamos a la fila 3. Es decir:
1 2 3 1 0 . 4 , 0 . 5 1 2 3 1
0.4 2 1 10 ~ 0 2.8 0.2 10.4
0.5 3 1 15 0 4 0.5 14.5
Para elegir el segundo pivote, debemos elegir el elemento de mayor valor absoluto entre a22
= 2.8 y a32 = – 4, resultando este último. Por lo tanto, intercambiamos la fila 2 y la fila 3, y
luego, procedemos a hacer ceros arriba y abajo del segundo elemento pivote; para lo cual,
multiplicamos la fila 2 por 0.5 y la sumamos a la fila 1, y de igual modo, multiplicamos la
2.8
misma fila 2 por y la sumamos a la fila 3. Esto es:
4
---------------------------------------------------------------------------------------------------------------- 61
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 2 3 1 1 0 2.75 8.25
0 4 0.5 14.5 0.5, 2.8 ~ 0 4 0.5 14.5
4
0 2.8 0.2 10.4 0 0 0.15 20.55
El tercer elemento pivote es a33 = – 0.15. Para hacer ceros arriba de este elemento,
0 .5
multiplicamos la fila 3 por y la sumamos a la fila 2, e igualmente multiplicamos la
0.15
2.75
misma fila 3 por y la sumamos a la fila 1. De todo esto resulta:
0.15
1
Finalmente, obtenemos los unos de la diagonal, multiplicando la fila 2 por y la fila 3
4
1
por . Esto es:
0.15
1 0 0 385 1 0 0 385
0 4 0 54
1
~ 0 1 0 13.5
4
0 0 0.15 20.55 1 0 0 1 137
0.15
---------------------------------------------------------------------------------------------------------------- 62
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
4 11 1 0
1 3 0 1
El primer elemento pivote a11 = 4 está bien colocado y se procede a hacer ceros debajo de
1
este elemento. Para ello, multiplicamos la fila 1 por y la sumamos a la fila 2. Esto es:
4
4 11 1 0 1 4 11 1 0
1 3 0 1 4 ~ 0 0.25 0.25 1
El siguiente elemento pivote es a22 = 0.25. Para hacer ceros arriba de este elemento,
11
multiplicamos la fila 2 por y la sumamos a la fila 1. Esto da:
0.25
4 11 1 0 4 0 12 44
0 0.25 0.25 1 11 ~ 0 0.25 0.25 1
0.25
1
4 0 12 44 4 ~ 1 0 3 11
0 0.25 0.25 1 1 0 1 1 4
0.25
3 11
Por lo tanto, se concluye que la matriz inversa de A es: A-1 =
1 4
---------------------------------------------------------------------------------------------------------------- 63
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2 4 0
A = 0 .5 1 .2 0.1
0.3125 0.625 3.125
0.5
Para lo cual multiplicamos la fila 1 por y la sumamos a la fila 2; igualmente, multiplica
2
0.3125
la misma fila 1 por y la sumamos a la fila 3. Esto es:
2
0.5 0.3125
2 4 0 1 0 0 , 2 4 0 1 0 0
0 .5 2 2
1 .2 0 .1 0 1 0 ~ 0 0 .2 0 .1 0.25 1 0
0.3125 0.625 3.125 0 0 1 0 1.25 3.125 0.15625 0 1
Para el segundo elemento pivote, escogemos el elemento con mayor valor absoluto entre
a22 = 0.2 y a32 = –1.25, siendo éste último.
Por lo que intercambiamos la fila 2 y la fila 3. Luego procedemos a hacer ceros arriba y
4
abajo del segundo elemento pivote; para ello multiplicamos la fila 2 por y la
1.25
0 .2
sumamos a la fila 1, y del mismo modo multiplicamos la misma fila 2 por y la
1.25
sumamos a la fila 3. Es decir:
2 4 0 1 0 0
0 1.25 3.125 0.15625 0 1 4 , 0.2 ~
1.25 1.25
0 0.2 3.125 0.15625 1 0
2 0 10 0 .5 0 3 .2
0 1.25 3.125 0.15625 0 1
0 0 0 .4 0.275 1 0.16
El tercer elemento pivote resulta a33 = 0.4. Para hacer ceros arriba de este elemento,
3.125
multiplicamos la fila 3 por y la sumamos a la fila 2, e igualmente se multiplica la
0 .4
10
misma fila 3 por y se la suma a la fila 1. Este proceso tiene el siguiente resultado:
0 .4
---------------------------------------------------------------------------------------------------------------- 64
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2 0 10 0 .5 0 3 .2
0 1.25 3.125 0.15625 0 1 ~
0 0 0 .4 0.275 1 0.16 3 . 125
,
10
0 .4 0 .4
2 0 0 7.375 25 0 .8
~ 0 1.25 0 1.9921875 7.8125 0.25
0 0 0 .4 0.275 1 0.16
Finalmente, determinamos los unos de la diagonal principal. Para ello multiplicamos las
1 1 1
filas 1, 2 y 3 por , y , respectivamente. Esto da la matriz final:
2 1.25 0.4
b a x ... a1n x n
x1 = 1 12 2 (1)
a11
---------------------------------------------------------------------------------------------------------------- 65
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b a 21 x1 ... a 2n x n
x2 = 2 (2)
a 22
….
bn a n1 x1 ... a nn1 x n1
xn = (n)
a nn
Estas ecuaciones dan origen a las fórmulas iterativas. Para comenzar este proceso iterativo,
en la ecuación (1), se da el valor cero a las variables x2, …, xn; lo que permite obtener un
primer valor para x1, resultando:
b
x1 = 1
a11
Seguidamente se sustituye este valor de x1 en la ecuación (2), y las restantes variables x3,
…, xn siguen manteniendo el valor de cero. Esto permite obtener el siguiente valor para x2:
b
b2 a 21 1
x2 = a11
a 22
Estos últimos valores de x1 y x2, son sustituidos en la ecuación 3, mientras que x4, …, xn
siguen manteniendo el valor de cero; y así sucesivamente hasta llegar a la última ecuación.
Todos estos pasos, proporcionarán una lista de primeros valores para las incógnitas, los que
conforman el primer paso en el proceso iterativo. Obteniéndose los primeros valore:
x1 = 1 , x2 = 2 , …, xn = n
Se repite este proceso, pero ahora sustituyendo estos últimos valores en vez de los ceros
inicialmente asignados. Con ello se obtiene una segunda lista de valores para cada una de
las incógnitas. Teniéndose:
x1 = 1 , x2 = 2 , …, xn = n
A partir de estos valores se pueden calcular los errores aproximados relativos para cada una
de las incógnitas. Obteniéndose la siguiente lista de errores:
1
,1 = 100 1 %
1
2
,2 = 100 2 %
2
---------------------------------------------------------------------------------------------------------------- 66
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
n
,n = 100 n %
n
3 x1 0 .2 x 2 0 .5 x 3 8
0.1x1 7 x2 0 .4 x 3 19.5
0..4 x1 0.1x 2 10 x3 72.4
x3 = x2 = 0.
x2 = – 2.82381
x3 = 7.1051
---------------------------------------------------------------------------------------------------------------- 67
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
De este modo hemos concluido con el primer paso, determinando los valores para la
primera aproximación a la solución del sistema dado, es decir:
Segundo paso: Repetimos el proceso pero esta vez con los valores obtenidos para las
incógnitas en el paso anterior, es decir, sustituimos, en la ecuación (1) los valores:
x2 = – 2.82381 y x3 = 7.1051
x2 = – 3.24404
x3 = 7.06106
Para cerrar el primer ciclo de la iteración, calculamos los errores absolutos para cada una de
las incógnitas. Obteniendo:
3.6626 2.66667
,1 = 100 % = 27 %
3.6626
3.24404 2.82381
,2 = 100 % = 12.9 %
3.24404
7.06106 7.1051
,3 = 100 % = 0.6 %
7.06106
De este modo repetimos el mismo proceso y, omitiendo los pasos intermedios, obtenemos:
---------------------------------------------------------------------------------------------------------------- 68
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Observamos que ahora se cumple con el objetivo para cada uno de los errores aproximados.
Por lo tanto, la solución aproximada del sistema es:
---------------------------------------------------------------------------------------------------------------- 69
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
6 0.7 x1 2.5 x 2
x3 = (3)
15
Comenzamos, entonces, el primer paso del proceso iterativo sustituyendo los valores de x2
= x3 = 0 en la ecuación (1) para obtener el valor de:
x1 = – 18.82.
x2 = – 3.152.
x3 = – 0.04613.
Por lo tanto los valores obtenidos en el primer paso del proceso de iteración son:
---------------------------------------------------------------------------------------------------------------- 70
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Puesto que solo tenemos la primera aproximación de la solución del sistema dado, debemos
seguir con el segundo paso del proceso iterativo, para ello sustituimos los valores de x2 = –
3.152 y x3 = – 0.04613 en la ecuación (1), obtenemos x1 = – 19.69765.
Ahora procedemos calcular los errores aproximados para cada una de las incógnitas:
19.69765 18.84
,1 = 100 % = 4.35 %
19.69765
3.42775 3.152
,2 = 100 % = 8.04 %
3.42775
0.05207 0.04613
,3 = 100 % = 11.4 %
0.05207
En vista de que no se ha alcanzado el objetivo, debemos continuar con el tercer paso de este
proceso iterativo. Los resultados de esta tercera iteración se resumen como sigue:
x1 = – 19.77165, a1 = 0.3 %
x2 = – 3.45232, a2 = 0.7 %
x3 = – 0.05271, a3 = 1.2 %
x1 = – 19.77819, a1 = 0.03 %
x2 = – 3.45454, a2 = 0.06 %
x3 = – 0.05277, a3 = 0.1 %
---------------------------------------------------------------------------------------------------------------- 71
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
3.9 PROBLEMAS
NOTA: En todos los ejercicios que siguen, redondea tus resultados a cinco decimales.
5x1 – 8x2 + x3 = – 71
–2x1 + 6x2 – 9x3 = 134
3x1 – 5x2 + 2x3 = – 58
1 .1 0 3 .2 5 .7
2 1 1 0 6 .9 4
A = 0 1 1
1
i) ii) B=
1 .1 2 2 .5 6
3 0 6
4 .1 0 .7 0 .4
0 .5
---------------------------------------------------------------------------------------------------------------- 72
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
6. Usa el método de Gauss-Seidel hasta que < 1 % para aproximar la solución del
siguiente sistema de ecuaciones:
7. Usa el método de Gauss-Seidel hasta que < 1 % para aproximar la solución del
siguiente sistema de ecuaciones:
2 4 1 2
4 0 2 1
A
1 3 2 0
3 2 0 5
---------------------------------------------------------------------------------------------------------------- 73
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
UNIDAD DIDÁCTICA 4
INTERPOLACIÓN
4.1 INTRODUCCIÓN
El problema general de la interpolación se nos presenta cuando nos dan una función
discreta, definida por una serie de puntos:
(xo, yo), (x1, y1), ... (xi, yi), ..., (xn, yn)
y se pide hallar el valor de y que corresponde a un punto dado x( x0 , xn) de esta función.
Este proceso puede llevarse a cabo en forma gráfica o numérica. En la presente unidad
didáctica veremos dos tipos de interpolación numérica: la interpolación polinomial y la
interpolación segmentaria (splines o acanaladas).
x xo x1 x2 … xi … xn
y yo y1 y2 … yi … yn
Que corresponden a puntos del plano cartesiano cuya representación gráfica es semejante a
la que se muestra en la figura 4.1.
Figura 4.1.
---------------------------------------------------------------------------------------------------------------- 74
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Si existe una función f (x) definida en el intervalo [x0, xn] (siendo x0 < x1 < … < xn), tal que:
f (xi) = yi para i = 0, 1, 2, …, n, entonces se dice que f (x) es una función de interpolación
(ver figura 4.2) de dichos pares si es usada para aproximar valores dentro del intervalo
[xo, xn], y se le denomina función de extrapolación de dichos pares si está definida y es
usada para aproximar valores fuera del intervalo [xo, xn].
Figura 4.2.
Evidentemente pueden existir varios tipos de funciones que interpolen los mismos datos;
por ejemplo, funciones trigonométricas, funciones exponenciales, funciones polinómicas,
combinaciones de éstas, etc.
Un tipo muy importante es la interpolación por funciones polinómicas. Puesto que pueden
existir una infinidad de funciones polinomiales de interpolación para un mismo conjunto de
pares ordenados, se hace una postulación extra para que el polinomio de interpolación sea
único.
Un polinomio de interpolación es una función polinómica que además de contener los pares
ordenados dados, es el de menor grado posible. Si están dados n + 1 puntos (x0, y0 ), (x1, y1
), (x2, y2 ), …, (xn, yn ) del plano, el problema consiste en hallar un polinomio de grado n de
la forma:
pn(x)= a0 + a1 x + a2 x2 + .... + an xn
De modo que contenga a estos puntos, es decir que pj(xi) = yi , para j = 0, 1, 2, ..., n
---------------------------------------------------------------------------------------------------------------- 75
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Para probar la existencia de este polinomio podemos considerar sus coeficientes (a0 ,a1 ,a2 ,
…, an ) como incógnitas a determinar en las n + 1 ecuaciones pj(xi) = yi , para j = 0,1,2,
...,n, que resultan al sustituir los pares dados (xi, yi ) en la expresión que define pn(x). De
este modo tenemos el siguiente sistema de n + 1 ecuaciones con n + 1 incógnitas:
a0 + a1 x0 + a2 x02 + … + an x0n = y0
a0 + a1 x1 + a2 x12 + … + an x1n = y1
……………………
a0 + a1 xn + a2 xn2 + … + an xnn = yn
x xo x1
y yo y1
En este caso, el polinomio de interpolación es la función lineal que une a los dos puntos
dados. Por lo tanto su ecuación es:
y y0
f (x) = yo + 1 (x – xo)
x1 x0
Expresión que define el polinomio de interpolación lineal, cuya gráfica es similar a la que
presenta en la figura 4.3.
Figura 4.3.
---------------------------------------------------------------------------------------------------------------- 76
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
X xo x1 x2
Y yo y1 y2
y y0
f (x) = yo + 1 (x – xo) + término cuadrático
x1 x0
Figura 4.4.
Si asignamos x = x0, se anulan los términos que contienen a b1 y b2, quedando como
resultado: f (x0) = b0
y0 = b0 (2)
---------------------------------------------------------------------------------------------------------------- 77
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Y, como se debe cumplir que f (x1) = y1 y ya que sabemos que y0 = b0, entonces, resulta:
y1 = y0 + b1(x – x0)
y y0
b1 = 1 (3)
x1 x0
y1 y 0
Como debe cumplirse que: f (x2) = y2 y ya que sabemos que y0 = b0, y que b1 = , si
x1 x0
sustituimos estos datos en la anterior expresión de f (x2), obtenemos:
y1 y 0
y2 = y0 + (x2 – x0) + b2(x2 – x0)(x2 – x1)
x1 x0
y y0
y 2 y0 1 x 2 x0
x1 x0
= b2(x2 – x0)
x 2 x1
y y0
y 2 y1 y1 y 0 1 x 2 x0
x1 x0
= b2(x2 – x0)
x 2 x1
y 2 y1 y1 y 0 y1 y 0 x 2 x0
= b2(x2 – x0)
x 2 x1 x 2 x1 x1 x0 x 2 x1
---------------------------------------------------------------------------------------------------------------- 78
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
y 2 y1 y1 y 0 x 2 x0
1 = b2(x2 – x0)
x 2 x1 x 2 x1 x1 x0
y 2 y1 y1 y 0 x 2 x0 x1 x0
= b2(x2 – x0)
x 2 x1 x 2 x1 x1 x0
y 2 y1 y1 y 0
= b2(x2 – x0)
x 2 x1 x1 x0
y 2 y1 y1 y 0
x 2 x1 x1 x0
b2 = (4)
x 2 x0
Si sustituimos las expresiones (2), (3) y (4) en la ecuación (1), la ecuación del polinomio de
interpolación para este caso resulta:
y 2 y1 y1 y 0
y1 y 0 x 2 x1 x1 x0
f (x) = y0 + (x – x0) + (x – x0)(x – x1)
x1 x0 x 2 x0
Observación: Es evidente que cada uno de los coeficientes de la ecuación del polinomio de
interpolación se forma sobre la base de cocientes de diferencias finitas.
a) Si se tienen dos puntos xi y xj, con xi > xj, y si la función de interpolación está dada
por la expresión y = f (x), entonces la diferencia finita dividida, para estos dos
puntos, está definida por:
f [xi, xj] =
f xi f x j
xi x j
b) Si se tienen tres puntos xi, xj y xk, siendo xi > xj > xk, y si la función de interpolación
está dada por y = f (x), entonces la diferencia finita dividida estará definida por:
---------------------------------------------------------------------------------------------------------------- 79
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f xi ,x j f x j ,xk
f [xi, xj, xk] =
xi xk
c) Y, en general, si se tienen n + 1 puntos xn, xn-i … x1, xo, siendo xn > xn-i > … > x1 >
xo, y si la función de interpolación está definida por y = f (x), entonces la diferencia
finita dividida está dada por:
f x n , , x1 f x n 1 , x0
f [xn, xn-1, …, x1, xo] =
x n x0
Ejemplo: Se tienen los puntos x3, x2, x1 y x0, de modo que x3 > x2 > x1 > x0. Para la función
de interpolación f (x), se tienen las siguientes diferencias finitas divididas:
f x3 , x 2 , x1 f x 2 , x1 , x0
f [x3, x2, x1, x0] =
x3 x 0
f x3 , x 2 f x 2 , x1
f [x3, x2, x1] =
x3 x1
f x 2 , x1 f x1 , x0
f [x2, x1, x0] =
x 2 x0
f x3 f x 2
f [x3, x2] =
x3 x 2
f ( x 2 ) f ( x1 )
f x 2 , x1 =
x 2 x1
f ( x1 ) f ( x0 )
f x1 , x0 =
x1 x0
x xo x1 … xn
y yo y1 … yn
---------------------------------------------------------------------------------------------------------------- 80
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f (x) = bo + b1(x – xo) + b2 (x – xo)(x – x1) + ... + bn (x – xo)(x – x1) ... (x – xn-1)
Donde: bo = f (xo)
f ( x1 ) f ( x0 )
b1 = f x1 , x0 =
x1 x0
f x 2 , x1 f x1 , x0
b2 = f [x2, x1, x0] =
x 2 x0
…
f x n , , x1 f x n 1 , x0
bn = f [xn, xn-1, …, x1, xo] =
x n x0
f(x) = f(x0) + f[x1, x0](x – x0) + f[x2, x1, x0](x – x0)(x – x1)+ … +
Para calcular los coeficientes b0, b1,…, bn, es conveniente construir una tabla de diferencias
finitas divididas como la siguiente:
b0 b1 b2 b3 b4
x0 f (x 0) f [x 1, x 0] f [x 2, x 1, x 0] f [x 3, x 2, x 1, x 0] f [x 4, x 3, x 2, x 1, x 0]
x1 f (x 1) f [x 2, x 1] f [x 3, x 2, x 1] f [x 4, x 3, x 2, x 1]
x2 f (x 2) f [x 3, x 2] f [x 4, x 3, x 2]
x3 f (x 3) f [x 4, x 3]
x4 f (x 4)
Observamos que los coeficientes del polinomio de interpolación de Newton, se encuentran
en la parte superior de la tabla de diferencias finitas divididas.
x –2 –1 2 3
y 4 6 9 3
---------------------------------------------------------------------------------------------------------------- 81
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Por lo tanto el polinomio de interpolación de Newton con diferencias finitas divididas es:
x –3 –2 0 4
y 5 8 4 2
Solución. Con los datos dados, procedemos a construir la tabla de diferencias divididas
como sigue:
TEOREMA. Si x0, x1, …, xn son números reales distintos, entonces para valores arbitrarios
y0, y1, … yn existe un única polinomio de Newton fn(x) de máximo grado n, tal que:
fn (xi) = yi , : i = 0, 1, 2, …, n
Supóngase que gn(x) es otro polinomio de interpolación de máximo grado n, y sea: hn(x) =
fn (x) – gn(x). Luego: hn(xi) = fn (xi) – gn(xi) = yi – yi = 0, para todo i = 1, 2, …, n. Por lo
tanto, hn(x) tiene n + 1 raíces distintas, y es un polinomio de grado a lo más n, esto
solamente es posible si hn(x) = 0.
---------------------------------------------------------------------------------------------------------------- 82
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x x0 x1 … xn
y y0 y1 … yn
Este análisis lógico sugiere como determinar las funciones cardinales del polinomio de
Lagrange. Para ser más claros, analicemos detenidamente la lógica para determinar la
función l0(x0).
De acuerdo al análisis anterior es evidente que la función cardinal l0(x) debe cumplir con
las siguientes condiciones:
Por lo tanto, para que se cumplan ambas condiciones, el polinomio l0(x) debe tener la forma
que sigue:
---------------------------------------------------------------------------------------------------------------- 83
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1
Luego, resulta: c=
x0 x1 x0 x2 ...x0 xn
Por lo tanto el polinomio l0(x) queda definido como:
x - x1 x - x2 ...x - xn
l0(x) =
x0 - x1 x0 - x2 ...x0 - xn
Análogamente se podemos deducir:
n
x xi
lj(x) = , con j = 1, 2, …, n
i 0 x j xi
i j
Para el conjunto de nodos x0, x1, x2, …, xn.
x 1 3 5 7
y –2 1 2 –3
Donde: l0(x) =
x 3x 5x 7 = x 3x 5x 7
2 4 6 48
l1(x) =
x 1x 5x 7 = x 1x 5x 7
2 2 4 16
l2(x) =
x 1x 3x 7 = x 1x 3x 7
42 2 16
l3(x) =
x 1x 3x 5 = x 1x 3x 5
642 48
Sustituyendo en el polinomio de Lagrange definido se tiene:
P (x) = – 2
x 3x 5x 7 +
x 1x 5x 7 +2
x 1x 3x 7 –
48 16 16
3
x 1x 3x 5
48
---------------------------------------------------------------------------------------------------------------- 84
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
P (x) =
x 3x 5x 7 +
x 1x 5x 7 –
x 1x 3x 7 –
24 16 8
x 1x 3x 5
16
x –2 0 2 4
y 1 –1 3 –2
Donde: l0(x) =
x 0x 2x 4 = xx 2x 4
2 4 6 48
l1(x) =
x 2x 2x 4 = x 2x 2x 4
2 2 4 16
l2(x) =
x 2x 0x 4 = xx 2x 4
42 2 16
l3(x) =
x 2x 0x 2 = x 2x 0x 2
642 48
x x 2 x 4 x 2 x 2 x 4 x x 2 x 4 x 2x 0x 2
P (x) = – +3 – 2
48 16 16 48
x x 2 x 4 x 2 x 2 x 4 x x 2 x 4 x 2x 0x 2
P (x) = – +3 –
48 16 16 24
x 5 –7 –6 0
y 1 –23 –54 –954
x 7 x 6 x 0 x 7 x 6 x
l0(x) = = ;
5 7 5 6 5 0 660
---------------------------------------------------------------------------------------------------------------- 85
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x 5 x 6 x 0 x 5 x 6 x
l1(x) = = ;
7 5 7 6 7 0 84
x 5 x 7 x 0 x 5 x 7 x
l2(x) = = ;
6 5 6 7 6 0 72
x 5 x 7 x 6 x 5 x 7 x 6
l3(x) = =
0 5 0 7 0 6 210
De este modo, resulta que, un spline es una curva definida en fragmentos mediante
polinomios, cada uno definido entre los dos puntos extremos de cada subintervalo.
Para una partición en n subintervalos del intervalo [x0, xn] y los correspondientes valores yi
(con i = 0, 1, 2, …, n) que se presentan en una tabla de datos de la siguiente forma:
x xo x1 … xn
y yo y1 … yn
---------------------------------------------------------------------------------------------------------------- 86
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Y, dado un número entero positivo k, se define como una función de interpolación spline
de grado k, para el conjunto de n + 1 pares ordenados dados, a aquella función S(x)
compuesta de n polinomios sj(x) tal que:
i) sj(xi) = yi, i = 0, 1, 2, …, n.
ii) sj(x), (con j = 1, 2, 3, … n) es un polinomio de grado m k en cada
subintervalo [xj-1, xj].
iii ) S(x), es derivable, al menos, hasta el orden k-1 sobre el intervalo [x0, xn].
Los splines de grado 0 son funciones constantes por subintervalos. Una forma explícita de
presentar un spline de grado 0 es la siguiente:
s1 x c1 x x0 ,x1
s x c2 x x1 ,x2
S(x) = 2
sn x cn x xn 1 ,xn
Y, su gráfica tiene la forma semejante a la que se muestra en la siguiente figura:
Figura 4.5.
Observación: Los polinomios de grado cero no cumplen con la condiciones de continuidad
y derivabilidad en los puntos extremos que definen cada subintervalo [xi, xi+1] (con i = 0, 1,
2, 3, …, n)
Una función spline de grado 1 que interpole estos datos se define al unir cada uno de los
puntos dados mediante segmentos de recta y, su expresión analítica tiene la forma:
---------------------------------------------------------------------------------------------------------------- 87
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
s1 x a1 x b1 x x0 ,x1
s x a2 x b2 x x1 ,x2
S(x) = 2
sn x an x bn
x xn 1 ,xn
La misma que cumple con las condiciones que definen la spline de grado 1, es decir:
Y, su gráfica tiene asume una forma semejante a la que se muestra en la siguiente figura 4.6
Figura 4.6.
Observación: Los polinomios de grado uno cumplen con la condición de continuidad, pero
no cumplen con la condición de derivabilidad en los puntos extremos que definen cada
subintervalo [xi, xi+1] (con i = 0, 1, 2, 3,…, n)
En este caso, los polinomios sj(x), a través de los que construimos el spline tienen grado 2.
Esto significa que tendrán la forma:
La condición de continuidad: Que establece que los polinomios sj(x) y sj-1(x) pasen
por un mismo punto xi, es decir, que las valores sj-1(xi) sj(xi) deben ser iguales en
cada uno de los puntos xi.
La condición de derivabilidad: Que define que las derivadas s’j-1(xi) y s’j(xi) sean
iguales, es decir la función s(x) debe ser derivable en xi.
---------------------------------------------------------------------------------------------------------------- 88
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Dado que estas condiciones son las que nos permitirán determinar los parámetros aj, bj, y cj
(con j = 1, 2, 3, …, n) para los n polinomios sj, las mismas, no son suficientes, y
necesitamos alguna otra condición más; en razón a que, por cada spline sj(x) que pasa por
dos puntos, de cada subintervalo [xi-1, xi] del intervalo [x0, xn], tenemos 3 incógnitas por lo
que resultan 3n incógnitas, teniendo por otro lado que, por la condición de continuidad, se
planten dos ecuaciones por cada polinomio sj(x) obteniéndose 2n ecuaciones para los n
polinomios sj(x) y, por la condición de derivabilidad, podemos obtener una ecuación por
cada punto de contacto entre dos polinomios consecutivos, con lo que obtenemos n – 1
ecuaciones, lo que, en total, hacen 3n – 1 ecuaciones, necesitándose un sistema de 3n
ecuaciones, por lo que, en este caso, el sistema tiene un grado de libertad.
Para obtener las 3n ecuaciones, hace falta una ecuación más, la que puede obtenerse
asignando un valor a la derivada s’j(x) en algún punto, forzándose a uno de los sj(x), o
alternativamente, suministrando un valor a alguna de las incógnitas.
Resolvamos un ejemplo concreto para obtener una mejor comprensión de esta lógica.
xi 3 4.5 7 9
yi 2.5 1 2.5 0.5
Con los datos dados, se forman tres subintervalos: [3, 4.5], [4.5, 7] y [7, 9], por cada uno de
los cuales debemos definir una función polinomial de grado 2, que definirán el spline S(x)
de la forma siguiente:
s1 x a1 x 2 b1 x c1 x 3, 4.5
S(x) = s2 x a2 x 2 b2 x c2 x 4.5, 7
s3 x a3 x b3 x c3
2
x 7 ,9
Lo que nos indica que tenemos 9 incógnitas, cuya solución nos obliga a determinar 9
ecuaciones.
Para cumplir con la condición de continuidad, debemos hacer que cada polinomio pase por
los puntos dados de la tabla de datos. Es decir:
s1(3) = 2.5, s1(4.5) = 1, s2(4.5) = 1, s2(7) = 2.5, s3(9) = 2.5, s3(9) = 0.5
---------------------------------------------------------------------------------------------------------------- 89
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Ahora nos restan determinar 3 ecuaciones más, las que debemos deducir a partir de la
condición de derivabilidad de la función spline.
Los polinomios de grado 2, deben tener derivadas de orden k – 1 = 1, lo que implica una
derivada por polinomio, es decir:
2a1 x b1 x 3,4.5
s´(x) = 2a 2 x b2 x 4.5,7
2a x b
3 3 x 7 ,9
Con lo que obtenemos 8 ecuaciones para las 9 incógnitas; lo que nos da un grado de
libertad para elegir alguna condición que podríamos aplicarla sobre la primera derivada o
asignando un valor para alguna de las incógnitas.
De este modo eliminamos una incógnita y ahora tenemos un sistema de 8 ecuaciones con 8
incógnitas que resulta:
3b1 + c1 = 2.5
4.5b1 + c1 = 1
20.25a2 + 4.5b2 + c2 = 1
49a2 + 7b2 + c2 = 2.5
49a3 + 7b3 + c3 = 2.5
81a3 + 9b3 + c3 = 0.5
b1 – 9a2 – b2 = 0
---------------------------------------------------------------------------------------------------------------- 90
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
3 1 0 0 0 0 0 0 b1 2.5
4 .5 1 0 0 0 0 0 0 c 1
1
0 0 20.25 4.5 1 0 0 0 a 2 1
0 0 49 7 1 0 0 0 b2 = 2.5
0 0 0 0 0 49 7 1 c 2 2 .5
0 0 0 0 0 81 9 1 a 3 0 .5
1 0 9 1 0 0 0 0 b 0
3
0 0 14 1 0 14 1 0 c3 0
a1 = 0, b1 = – 1, c1 = 5.5,
a2 = 0.64, b2 = – 6.75, c2 = 18.46,
a3 = – 1.6, b3 = 24.6, c3 = – 91.3.
Sustituimos estos valores, en la función s(x), obtenemos la función spline cuadrática que
interpola la tabla de datos dada:
x 5 .5 x 3, 4.5
s(x) = 0.64 x 6.75 x 18.46 x 4.5,
2
7
1.6 x 2 24.6 x 91.3 x 7 , 9
La figura 4.7, contiene tanto los puntos iniciales de la tabla de datos, así como la spline
cuadrática determinada.
Figura 4.7.
---------------------------------------------------------------------------------------------------------------- 91
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Ejemplo 2. Este ejemplo es para que lo resuelvas tú: Utilizando un spline de segundo
grado interpola los siguientes datos:
x –1 1 2 4
y –1 1 5 –2
4.9 FUNCIONES SPLINES CÚBICOS
xi x0 x1 x2 xn
yi y0 y1 y2 yn
Cada uno de los n subintervalos [x0, x1], [x1, x2], …, [xn-1, xn] contiene un polinomio Sj
(con j = 1, 2, 3, …, n) de tercer grado de la forma:
Por lo que el spline S(x) queda definido por n polinomios diferentes de tercer grado Sj(x),
cuya forma toma la representación siguiente:
s x a x3 + b x 2 + c x + d x x0 ,x1
1 1 1 1 1
s x a2 x + b2 x + c2 x + d 2
3 2
x x1 ,x2
S(x) = 2
s x a x3 + b x 2 + c x + d x xn 1 ,xn
n n n n n
Donde aj, bj, cj y dj (con j = 1, 2, 3, …, n) son los 4 parámetros que hay que determinar para
cada uno de los n subintervalos, es decir que, en todo el spline tenemos 4n parámetros
desconocidos, los que deberán calcularse sobre la base de las condiciones de continuidad y
derivabilidad para la primer y segunda derivadas, que deben generar también 4n ecuaciones
para que la spline quede perfectamente definida como una curva suave.
y1 = S1 (x1)
---------------------------------------------------------------------------------------------------------------- 92
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
y2= S2(x2)
yn= Sn(xn)
De este modo obtenemos dos ecuaciones por cada subintervalo, creándose por esta
condición, un total de 2n ecuaciones
Condición de derivabilidad para la primera y segunda derivada: Para cada Sj(x) resultan
las siguientes derivadas:
Las que, en cada punto de contacto de cada Sj-1(x) y Sj(x), deben cumplir con la condición
de existencia de la primera deriva, generándose n – 1 ecuaciones de la forma:
Con lo que resulta que el número de ecuaciones que se forman por estas condiciones es:
(2n) + (n – 1) + (n – 1) = 4n – 2
S”1(x0) = 0 y S”n(xn) = 0
x –1 1 2 4
y –1 1 5 –2
---------------------------------------------------------------------------------------------------------------- 93
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Solución.- Como los datos dados presentan tres subintervalos, entonces, el número de
polinomios cúbicos del spline es n = 3, por lo que el número de incógnitas será:
4 n = 4 3 = 12
a1 x3 b1 x 2 c1 x d1 x 1;1
(A) s(x) = a2 x3 b2 x 2 c2 x d 2 x 1; 2
3
a3 x b3 x c3 x d3
2
x 2; 4
n – 1 = 3 – 1 = 2 ecuaciones
---------------------------------------------------------------------------------------------------------------- 94
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Finalmente, agregamos las condiciones para que la segunda derivada se anule en los puntos
inicial y final del intervalo [–1, 4]; obteniendo:
s”( –1) = – 6a1 + 2b1 = 0 – 3a1 + b1 = 0 … (11)
s”( 4) = 24a3 + 2b3 = 0 12a3 + b3 = 0 … (12)
Con lo que completamos el sistema de doce ecuaciones con doce incógnitas, cuya forma
matricial es la siguiente:
1 1 1 1 0 0 0 0 0 0 0 0 a1 1
1 1 1 1 0
0 0 0 0 0 0 0 b1 1
0 0 0 0 1 1 1 1 0 0 0 0 c1 1
0 0 0 0 8 4 2 1 0 0 0 0 d1 5
0 0 0 0 0 0 0 0 8 4 2 1 a 2 5
0 0 0 0 0 0 0 0 64 16 4 1 b2 2
=
3 2 1 0 3 2 1 0 0 0 0 0 c 2 0
0 0 0 0 12 4 1 0 12 4 1 0 d 2 0
3 1 0 0 3 1 0 0 0 0 0 0 a3 0
0 0 0 0 6 1 0 0 6 1 0 0 b3 0
3 1 0 0 0 0 0 0 0 0 0 0 c3 0
0 0 0 0 0 0 0 0 12 1 0 0 d 3 0
51 21 24
a1 , a2 , a3 ,
140 10 35
153 297 288
b1 , b2 , b3 ,
140 35 35
89 473 1867
c1 , c2 , c3 ,
140 70 70
153 48 732
d1 , d2 , d3 .
140 35 35
---------------------------------------------------------------------------------------------------------------- 95
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Figura 4.8
51 3 153 2 89 153
140 x 140 x 140 x 140 x 1,1
21 297 2 473 48
s(x) = x3 x x x 1, 2
10 35 70 35
24 3 288 2 1867 732
35 x 35 x 70 x 35 x 2, 4
x 2 3 5
y –1 2 –7
Solución. Se tendrá un polinomio cúbico en cada uno de los intervalos que se forman:
a1 x 3 b1 x 2 c1 x d1 x 2 ,3
s (x) =
a 2 x 3 b2 x 2 c 2 x d 2 x 3,5
Como tenemos dos subintervalos (n = 2), entonces tendremos que determinar (4n) = 8
ecuaciones para determinar las 8 incógnitas a1, b1, c1, d1, a2, b2, c2 y d2
i) Por la condición de continuidad se tiene:
s(2) = 8a1 + 4b1 + 2c1 + d1= – 1 (1)
s(3) = 27a1 + 9b1 + 3c1 + d1 = 2 (2)
---------------------------------------------------------------------------------------------------------------- 96
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
ii) Ahora trabajamos con la condición de derivabilidad, por lo que calculamos la primera
derivada s´(x):
3a x 2 2b1 x c1 x 2 ,3
s´(x) = 1 2
3a 2 x 2b2 x c 2 x 3,5
En este caso, el punto donde se cambia de intervalo es x = 3. Entonces, para que exista
s´(x), en x = 3 se reemplaza este valor en los dos polinomios anteriores y luego se los
iguala, es decir:
6a x 2b1 x 2 ,3
s”(x) = 1
6a 2 x 2b2 x 3,5
En este caso, para lograr que s”(x) exista en x = 3, se debe cumplir:
8 4 2 1 0 0 0 0 a1 1
27 9 3 1 0 0 0 0 b 2
1
0 0 0 0 27 9 3 1 c1 2
0 0 0 0 125 25 5 1 d1 = 7
27 6 1 0 27 6 1 0 a2 0
18 2 0 0 18 2 0 0 b2 0
12 2 0 0 0 0 0 0 c 0
2
0 0 0 0 30 2 0 0 d 2 0
---------------------------------------------------------------------------------------------------------------- 97
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Figura 4.9
Ejercicio 3 Dado que ln(2) = 0.69315, ln(3) = 1.0986 y ln(6) = 1.7918, interpolemos con
un polinomio spline cúbico el logaritmo natural de cada entero desde 2 hasta 7 y tabulemos
los valores de s(x), los valores verdaderos de ln(x) y el error en cada punto.
xi 2 3 6
f(xi) 0.69315 1.09860 1.79180
a1 x3 b1 x 2 c1 x d1 x 2,3
s (x) = 3
a2 x b2 x c2 x d 2
2
x 3, 6
---------------------------------------------------------------------------------------------------------------- 98
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
En este caso, el punto donde se cambia de intervalo es x = 3. Entonces, para que exista
s´(x), en x = 3 se reemplaza este valor en los dos polinomios anteriores y luego se los
iguala, es decir:
6a x 2b1 x 2 ,3
s”(x) = 1
6a 2 x 2b2 x 3,5
---------------------------------------------------------------------------------------------------------------- 99
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
8 4 2 1 0 0 0 0 a1 0.69315
27 9 3 1 0 0 0 0 b 1.09860
1
0 0 0 0 27 9 3 1 c1 1.09860
0 0 0 0 216 36 6 1 d1 = 1.79180
27 6 1 0 27 6 1 0 a2 0
9 1 0 0 9 1 0 0 b2 0
6 1 0 0 0 0 0 0 c 0
2
0 0 0 0 18 1 0 0 d 2 0
Luego, el cálculo de los valores de interpolación con un polinomio spline cúbico de cada
entero desde 2 hasta 7 se presentan junto a los valores verdaderos de ln(x) y el error en cada
punto en la siguiente tabla:
4.10 PROBLEMAS
x 2 –2 1 4
y 0.5 –3 2.4 7.8
---------------------------------------------------------------------------------------------------------------- 100
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x 1 –2 3 –5
y 1.56 3.54 –2.57 –8.9
x –1.5 –0.5 1 –2 –4
y 9 –2 5 33 0
3. Dado que ln(2) = 0.69315, ln(3) = 1.0986 y ln(6) = 1.7918, interpola con un polinomio
de Lagrange el logaritmo natural de cada entero en el intervalo [1, 10]. Tabula lo
anterior junto con el error en cada punto.
x –2 1 3
y 40 –5 –20
x –5 –2 3 7
y 20 4 –6 40
---------------------------------------------------------------------------------------------------------------- 101
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
UNIDAD DIDÁCTICA 5
INTEGRACIÓN NUMÉRICA
5.1 INTRODUCCIÓN
El objetivo de la presente unidad didáctica se orienta a la solución del problema del cálculo
de un área subtendida por la gráfica de una función (continua o discreta) en un intervalo,
definido por dos límites conocidos.
Específicamente se buscamos:
1. Comprender las bases conceptuales de la integración aproximada.
2. Comprender los procedimientos generales de la integración aproximada.
b
En general, la evaluación de una integral definida de la forma f x dx , utilizando métodos
a
exactos, es con frecuencia difícil o imposible. Por tanto, se hacen necesarios otros métodos
de solución, tanto para esos casos como para el problema más general de la integración, en
el que solamente se conocen valores discretos de f(x) para puntos de abscisas conocidas x0,
x1, x2, …, xn. Una evidente alternativa, en este caso, consiste en encontrar una función
polinómica p(x) que interpole dichos puntos y, para el primer caso, sea una adecuada
aproximación de f(x) que, además, sea fácil de integrar analíticamente. Es decir, se asume:
b b
f x dx p x dx
a a
b
f x dx = F(b) – F(a) F ’(x) = f (x)
a
---------------------------------------------------------------------------------------------------------------- 102
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b c b
Cuya propiedad básica es: f x dx = f ( x)dx + f ( x)dx c [a, b]
a a c
1 2
e dx
x
En esta unidad didáctica estudiaremos algunos métodos numéricos que nos permitirán
obtener aproximaciones bastante exactas a integrales imposibles de resolver con el teorema
fundamental, especialmente se verán dos tipos de integración numérica: las fórmulas de
Newton-Cotes y el algoritmo de Romberg.
Las fórmulas de Newton-Cotes están conformadas por las conocidas reglas del trapecio y
de Simpson (regla de un tercio y de tres octavos). En general, estas fórmulas se basan en la
integración de una función polinómica pn(x) como una aproximación de la función original
f(x) en el intervalo [a, b], es decir:
b b
f x dx pn x dx
a a
Donde pn (x) = a0 + a1x + a2x2 +…+ anxn es un polinomio de grado que interpola
adecuadamente ciertos puntos de f(x) escogidos apropiadamente o que se presentan en una
tabla de datos, los que se pueden ajustar a dicho polinomio de interpolación.
Dentro de las fórmulas de Newton-Cotes, existen las formas cerradas y abiertas. En las
formas cerradas se conocen los valores de f(a) y f(b), en el caso opuesto, se llaman formas
abiertas.
En la presente unidad didáctica estudiaremos únicamente las formas cerradas, por lo que,
siempre se suponen conocidos los valores f (a) y f (b).
---------------------------------------------------------------------------------------------------------------- 103
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b b
f x dx p1 x dx
a a
x a b
y f (a) f (b)
Como ya vimos en la unidad didáctica anterior, este polinomio esta dado por la expresión:
f (b) f (a )
p1(x) = f (a) + (x – a)
ba
b
f (b) f (a ) ( x a ) 2
b
f (b) f (a ) (b a ) 2
= f (a) (b – a) + =
ba 2
f (b) f (a ) b a
= (b – a) f (a ) = 2 [f(b) + f(b)]
2
Figura 5.1
---------------------------------------------------------------------------------------------------------------- 104
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b
ba
f x dx
2
[f(a) + f(b)]
a
Que define a la Regla del Trapecio. El nombre que recibe obedece a la interpretación
geométrica que se da a la fórmula; toda vez que, la integral obtenida, corresponde al valor
del área subtendida por la línea recta y el eje de las abscisas en el intervalo [a, b], que es
precisamente el área del trapecio que se forma, tal como lo muestra la figura 5.1.
1
x2
Ejemplo 1: Utilicemos la regla del trapecio para aproximar la integral: e dx
0
2
f (x) = e x , a = 0 , b=1
2 2
f (0) = e 0 = 1, f (1) = e1 = e
1 2 1 0 1 e
Aplicando la fórmula tenemos: e x dx f 0 f 1 = = 1.85914
2 2
0
4
ex
Ejemplo 2. Usemos la regla del trapecio para aproximar la integral: 2 x dx
Solución. Igual que en el ejemplo anterior, sustituimos los datos de manera directa en la
ex
fórmula del trapecio. En este caso, tenemos: f (x) = , a = 2, b=4
x
e2 e4
f (2) = , f (4) =
2 4
4 x
e 42 e2 e4
Por lo tanto, se tiene: x dx f = 17.3441
2 f 4 =
2 2 4
2
4 x
e
x
dx 17.3441
2
---------------------------------------------------------------------------------------------------------------- 105
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Sea P = {x0, x1, …, nn}el conjunto de los límites de los subintervalos que se forman con la
partición del intervalo [a, b], con x0 = a y xn = b.
b x1 x2 b
f x dx = f x dx + f x dx + … + f x dx
a a x1 xn 1
b
x1 x0 x xn 1
f x dx
2
[f(x0) +f(x1)] + … + n
2
[f(xn-1) + f(xn)]
a
b
f x dx
h
[f (x0) + 2 f (x1) + 2 f (x2) +… + 2 f (xn-1) + f (xn)]
2
a
b n 1
ba
f x dx [f (a) + 2 f xi + f (b)]
2n i 1
a
Esta es la regla del trapecio para n subintervalos. Es claro que entre más subintervalos se
utilicen, mejor será la aproximación a la integral.
1
x2
Ejemplo 1: Apliquemos la regla del trapecio para aproximar la integral e dx ,
0
subdividiendo [0, 1] en 5 subintervalos.
Solución. En este caso tenemos n = 5, y la partición generada es: P = {0, 0.2, 0.4, 0.6, 0.8,
1}, resultando:
---------------------------------------------------------------------------------------------------------------- 106
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2 2 2
f (0) = e 0 = 1, f (0.2) = e 0.2 , f (0.4) = e 0.4 ,
2 2
f (0.6) = e 0.6 , f (0.8) = e 0.8 , f (1) = e
1 2 1 0
e dx
x
[ f (0) + 2 f (0.2) + 2 f (0.4) +2 f (0.6) + 2 f (0.8) + f (1)]
25
0
1
x2 1 2 2 2 2
e dx
10
[1 + 2 e 0.2 + 2 e 0.4 + 2 e 0.6 + 2 e 0.8 + e] = 1.48065
0
Así podemos ver que con 5 subintervalos, la aproximación no es tan mala. Para hacer
cálculos con más subintervalos, sugerimos elaborar un programa que aplique la fórmula
con el número de subintervalos que se desee.
Supongamos que para una función continua y = f (x), tenemos los datos:
a xm b
f(a) f(xm) f(b)
Siendo xm es el punto medio del intervalo definido por los puntos a y b. Para este caso
tenemos:
b b
f x dx f 2 x dx
a a
Donde f2(x) es el polinomio de interpolación de Lagrange para los datos en la tabla anterior.
Si aplicamos la formula de este polinomio, obtenemos:
---------------------------------------------------------------------------------------------------------------- 107
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
ba
Si denotamos con: h = = xm – a = b – xm, entonces, la anterior expresión se puede
2
escribir:
f a f xm f b
f2(x) = (x – xm)(x – b) – (x – a)(x – b) + (x – a)(x – xm)
2 2
2h h 2h 2
En esta expresión observamos que cada uno de los términos tienen básicamente la misma
forma algebraica, es decir, todos tienen el factor general: (x – )(x – ); de modo que
podemos calcular una integral general que tenga la siguiente forma:
x x dx
Para ello utilizamos el método de integración por partes, haciendo los siguientes cambios:
x 2
u = x – du = dx y, dv = (x – )dx v = x dx =
2
x 2 x 2 dx
Resultando: x x dx = (x – )
2
– 2
x 2 x 3
x x dx = (x – )
2
–
6
Utilizamos esta fórmula para calcular la integral de cada uno de los tres términos de f2(x),
obteniendo:
f a f xm f b
b b b b
f 2 x dx x xm x b dx x a x b dx x a x xm dx
a 2h 2 a h2 a 2h 2 a
b
b
x b 2 x b 3
Hacemos: I1 = x xm x b dx = (x – xm ) – =
a
2 6 a
---------------------------------------------------------------------------------------------------------------- 108
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
I1 = – (a – xm)
a b 2 +
a b 3 =– ( – h) 2h 2 +
2h 3 =
2 6 2 6
4 3 2 3
I1 = 2h3 – h = h
3 3
b
b
x b 2 x b 3 a b 3 2h 3
x a x b dx = (x – a)
4
I2 = – = = h3
a
2 6 a 6 6 3
b
b
x xm 2 x xm 3
I3 = x a x xm dx = (x – a) 2
–
6
a
a
b xm 2 b xm 3 a xm 3
I3 = (b – a) – +
2 6 6
I3 = (2h)
h 2 – h 3 + h 3 = h3 –
h 3 2h 3
=
2 6 6 3 3
f a f xm f b
b
Luego tenemos: f 2 x dx = 2h 2
I1 –
h2
I2 +
2h 2
I3
a
f a 2 3 f xm f b 2h 3
b
f 2 x dx =
4
2h 2 3
[ h]–
h2
[ h3] +
3 2h 2
[
3
]
a
b
f 2 x dx = f (a) 3
h 4h h
+ f (xm) + f (b)
3 3
a
b
f 2 ( x )dx 3 f ( a ) 4 f ( xm ) f ( b )
h
Y, finalmente tenemos: a
Debido al factor h/3 este método recibe el nombre de la regla de Simpson de un tercio. En
ba
la práctica, se sustituye el valor de h = para obtener la siguiente fórmula final:
2
---------------------------------------------------------------------------------------------------------------- 109
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b
ba
f x dx
6
[f (a) + 4f (xm) + f (b)]
a
1 2
e dx
x
2
a = 0, b = 1, xm = 0.5, y f(x) = e x
1
x2 1 0 2 2 2
e dx
6
[ e0 + 4 e 0.5 + e1 ] = 1.47157
0
4 x 2
42 e3 e4
e
x dx 6 [e +4 + ] = 1.47082
2 3 4
2
Del mismo modo que con la regla del trapecio, se puede mejorar la regla de Simpson de
ba
1/3, si se parte el intervalo [a, b] en n subintervalos de la misma longitud h =
n
Sea P = {x0, x1, …, xn} el conjunto de los límites de los subintervalos de la partición que se
aplica al intervalo [a, b] y, x mi el punto medio en cada subintervalo [xi-1, xi]. Ahora,
aplicamos la propiedad básica de la integral definida obtenemos:
b x1 x2 xn
---------------------------------------------------------------------------------------------------------------- 110
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Luego aplicamos la regla de Simpson de 1/3, en cada una de las integrales anteriores,
obteniendo:
b
x1 x0
f x dx 6
[f (x0) + 4f ( xm1 ) + f (x1)] + … +
a
x n x n 1
+ [f (xn-1) + 4f ( xmn ) + f (xn)]
6
ba
Sustituimos x0 = a, xn = b y h = y usando la notación de sumatoria, podemos escribir:
n
b n 1
ba
n
f x dx f a 4 f xmi 2 f xi f b
6n i 1 i 1
a
Solución. Como n = 5, la partición que se genera es: P = {0, 0.2, 0.4, 0.6, 0.8, 1}
Y los puntos medios de cada subintervalo son: Pm = {0.1, 0.3, 0.5, 0.7, 0.9}
1
x2
e dx
0
1 0
f 0 4 f 0.1 f 0.3 ... f 0.9 2 f 0.1 f 0.4 ... f 0.8 f 1
65
1
x2
e dx 1.4626
0
---------------------------------------------------------------------------------------------------------------- 111
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Y, los puntos medios de cada subintervalo son: Pm = {2.25, 2.75, 3.25, 3.75}
dx y
4 x
e
x
2
y
1 e2 e 2.25 e 2.75 e 3.25 e 3.75 e 2 .5 e 3 e 3 .5 e 4
4 2 = 14.6767
12 2 2.25 2.75 3.25 3.75 2.5 3 3.5 4
b b
Corresponde a este caso n = 3, es decir: f x dx f 3 x dx ;donde f3(x) es un polinomio
a a
de interpolación de tercer grado para los siguientes datos:
a p q b
f(a) f(p) f(q) f(b)
Donde p y q son los puntos que dividen en tres partes iguales al intervalo [a, b].
b
f x dx 8 h[f(a) + 3 f(p) + 3 f(q) + f(b)]
3
a
Siendo h = (b – a)/3. Debido al factor (3/8)h que aparece en ésta formula, es que se le dio el
nombre de Regla de Simpson de 3/8. En la práctica, se sustituye el valor de h para obtener:
---------------------------------------------------------------------------------------------------------------- 112
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b
ba
f x dx 8
[f(a) + 3 f(p) + 3 f(q) + f(b)]
a
4
4 1
e
x
ln xdx [f(1) + 3 f(2) + 3 f(3) + f(4)]
8
1
4
3
e
x
ln xdx [e ln(1) + 3 e2ln(2) + 3 e3ln(3) + e4ln(4)] = 58.9698
8
1
Consideremos que x0, x1, …, xn son los límites de los subintervalos de la partición
determinada y, dividimos cada uno de estos subintervalos [xi-1, xi], en tres partes iguales,
siendo pi y qi los puntos que determinan esta división y aplicamos la regla de Simpson 3/8
en cada uno de los subintervalos, obtenemos:
b x1 x2 xn
3h 3h
f ( x0 ) 3 f ( p1 ) 3 f ( q1 ) f ( x1 ) + f ( x1 ) 3 f ( p2 ) 3 f ( q2 ) f ( x2 ) + …
8 8
3h
…+ f ( xn1 ) 3 f ( pn ) 3 f ( qn ) f ( xn )
8
---------------------------------------------------------------------------------------------------------------- 113
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
3h n n 1
b
f ( x)dx f ( x0 ) 3 f ( pi ) f ( qi ) 2 f ( xi ) f ( xn )
a
8 i 1 i 1
ba n n 1
b
f ( x)dx i
f a 3 f p f i f xi f b
q 2
a
8n i 1 i 1
Esta última, es la regla de Simpson de 3/8 para n subintervalos todos de la misma longitud.
4 5 7 8 10 11
1< < <2< < <3< < <4
3 3 3 3 3 3
4
4 1
e
x
ln xdx {f(1)+3[f( 4 )+f( 5 )+f( 7 )+f( 8 )+f( 10 )+f( 11 )]+2[f(2)+ f(3)]+ f(4)}
83 3 3 3 3 3 3
1
4
e
x
ln xdx = 57.96878
1
De los resultados obtenidos en los ejemplos anteriores, resulta evidente que la regla de
Simpson de 3/8, es más exacta que la de 1/3 y, a su vez, ésta es más exacta que la regla del
trapecio.
En realidad, pueden establecerse cotas para los errores que se cometen en cada uno de estos
métodos.
Como no es la intención justificar formalmente cada uno de los teoremas, los siguientes
resultados se mencionan para completar la información, omitiendo las demostraciones
correspondientes.
---------------------------------------------------------------------------------------------------------------- 114
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2.- Simpson 1/3 se aplica si falla la de 3/8 y se cuenta con 3 puntos igualmente
espaciados.
1 .2
Ejemplo 1. Evaluemos f x dx utilizando los datos de la siguiente tabla:
0
Solución. Vemos que en el intervalo [0, 0.1] podemos aplicar la regla del trapecio, en el
intervalo [0.1, 0.7] la regla de Simpson de 3/8 y en el intervalo [0.7, 1.2] la regla de
Simpson de 1/3. De este modo tenemos las siguientes integrales:
f 0 f 0.1
0 .1
I1 = f x dx = (0.1 – 0) 2 = 0.842
0
0 .7
0 .7 0 .1
I2 = f x dx = 8
[f(0.1) + 3 f(0.3) + 3 f(0.5) + f(0.7)] = 2.7712
0 .1
1 .2
1 .2 0 .7
I3 = f x dx = 6
[f (0.7) + 4f (0.95) + f (1.2)] = 2.4658
0 .7
---------------------------------------------------------------------------------------------------------------- 115
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 .2
f x dx = I1 + I2 + I3 = 0.842 + 2.7712 + 2.4658 = 6.079
0
3.25
Ejemplo 2. Calculemos la integral f x dx usando los valores dados en la siguiente tabla:
1
x –1 –0.5 0 1 1.75 2.5 3.25
f (x) 2 –3 1.5 –1 0.5 0.75 –2
Solución. En este caso, vemos que es posible aplicar la regla de Simpson de 1/3 en el
intervalo [–1, 0], la regla del trapecio en el intervalo [0, 1] y la regla de Simpson de 3/8 en
el intervalo [1, 3.25].
0 1
0
I1 = f x dx =
6
[f (–1) + 4f (–0.5) + f (0)] = – 1.41667
1
f 0 f 1
1
I2 = f x dx = (1 – 0) 2 = 0.25
0
3.25
3.25 1
I3 = f x dx = 8
[f(1) + 3 f(1.75) + 3 f(2.5) + f(3.25)] = 0.210938
1
Por lo tanto, la integral que buscamos es igual a la suma de las tres integrales anteriores, es
decir:
3.25
f x dx = I1 + I2 + I3 = – 1.41667 + 0.25 + 0.210938 = – 0.955729
1
Es menester destacar que no siempre tiene que suceder que se apliquen exactamente las tres
reglas. En realidad, esto depende de cómo se encuentran espaciados los intervalos de la
tabla de datos.
El Método de Integración de Romberg forma parte del método conocido como método de
extrapolación de Richardson. Si I(h) es la aproximación del valor de la integral I
---------------------------------------------------------------------------------------------------------------- 116
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b
ba
= f ( x )dx , mediante una partición de n subintervalos de longitud h = n
utilizando la
a
regla del trapecio. Entonces, se tendrá que:
I = I(h) + E(h)
I I h1 E h1
I(h1) + E(h1) = I(h2) + E(h2)
I I h2 E h2
Se puede demostrar que el error que se comete con la regla del trapecio para n subintervalos
está dado por las siguientes fórmulas:
E(h1)
b a h 2 f"
1
12
E(h2)
b a h 2 f"
2
12
Donde f " es un promedio de las segundas derivadas entre ciertos valores que pertenecen a
cada uno de los subintervalos. Ahora bien, si se supone que el valor de f " es constante,
entonces:
b a h 2 f "
E h1 12 1 h2
1
E h2
b a h 2 f " h22
2
12
2
h
Resultando que: E(h1) 1 E(h2)
h2
---------------------------------------------------------------------------------------------------------------- 117
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2
h
I(h1) + 1 E(h2) I(h2) + E(h2)
h2
2 2
h h1
O también: I(h1) – I(h2) E(h2) – E(h2) 1 = E(h2)[1 – ]
h2 h2
I h1 I h2
Despejamos E(h2): E(h2)
2
h
1 1
h2
I ( h1 ) I ( h2 )
I = I(h2) +
2
h
1 1
h2
---------------------------------------------------------------------------------------------------------------- 118
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------------------------- 119
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 1
h1 = 1, h2 = y h3 = .
2 4
Solución.
Primer nivel de integración, En este ejemplo debemos trabajar hasta un tercer nivel de
aproximación usando la regla del trapecio para las longitudes de segmentos indicadas:
Con ello, obtenemos las siguientes integraciones que definen los tres niveles:
Nivel de
Primer Nivel de Aproximación I(hi)
Integración
1 0 02 12
Primer e e = 1.859140914
2
1 0 02
e 2e 0.5 e1 = 1.571583165
2 2
Segundo
4
1 0 0 2 0.25 e 0.5 e 0.75 2 e12 = 1.490678862
2 2
Tercer e 2 e
8
Segundo nivel de aproximación, En este paso debemos trabajar hasta un segundo nivel de
aproximación usando utilizamos la formula de Romberg para determinar los valores de I:
4 I (h2 ) I (h1 )
I= .
3
---------------------------------------------------------------------------------------------------------------- 120
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Donde I(h1) es la integral menos exacta obtenida en el anterior nivel de aproximación (la
que usa menos subintervalos) e I(h2) es la más exacta (que usa el doble de subintervalos).
16 I (h2 ) I (h1 )
I=
15
1
Obtenemos: I= [16 x 1.463710761 – 1.475730582] = 1.46290944
15
Así, podemos concluir que el valor de la aproximación obtenido con el método de Romberg
en este ejemplo es:
1 2
e dx 1.46290944
x
1 2
Ejemplo 2. Usemos el algoritmo de Romberg para aproximar la integral: e x dx agregando
0
1
a la tabla anterior otro nivel de precisión para h4 .
8
Solución. Con la regla del trapecio, en el primer nivel de aproximación, se calcula el valor
del cuarto nivel de precisión I(h4), obteniéndose:
I(h4) =
1 0 02
16
e 2 e 0.125 e 0.25 e 0.375 e 0.5 e 0.625 e 0.75 e 0.875 e1
2 2 2 2 2 2 2 2
---------------------------------------------------------------------------------------------------------------- 121
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
I(h4) = 1.46972276
Si agregamos, a la anterior tabla, este nuevo valor obtenemos, para el segundo nivel de
aproximación, un tercer nivel de integración y, para el tercer nivel de aproximación, se
logra un segundo nivel de integración, obteniéndose finalmente un cuarto nivel de
aproximación con un solo nivel de integración que se detalla en tabla la siguiente:
1
x2
e dx 1.462653593
0
1 1 1
h1 = 1, h2 = , h3 = , h4 =
2 4 8
Solución. Primero, calculamos los valores que corresponden a los cuatro niveles de
integración del primer nivel de aproximación. Obteniendo:
I(h3) =
2 1 1
8
e ln 1 2 e1.25 ln 1.25 e1.5 ln 1.5 e1.75 ln 1.75 e 2 ln 2 = 2.09430857
Cuarto nivel de integración:
---------------------------------------------------------------------------------------------------------------- 122
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
I(h4) =
2 1 1
16
e ln 1 2 e 0.125 ln 0.125 e 0.25 ln 0.25 ... e 0.875 ln 0.875 e 2 ln 2 =
2.070524501
2
e
x
ln xdx = 2.06256821
1
Podemos escribir una fórmula general para calcular las aproximaciones en cada uno de los
niveles de integración, tal como lo explicamos en el algoritmo de Romberg: Observamos
que los coeficientes en cada una de las fórmulas de este método suman 1; con esta lógica
podemos escribir la siguiente fórmula recursiva:
4 k 1 I h j 1 k 1 I h j k 1
Ijk
4 k 1 1
4 I 2 ,1 I1,1
I1,2
3
Que es la fórmula que se aplica para el segundo nivel de integración y primer nivel de
precisión
Como todo proceso iterativo, éste se detiene cuando se obtiene una aproximación
suficientemente buena. En este caso se pide que:
---------------------------------------------------------------------------------------------------------------- 123
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
I j ,k I j ,k 1
a 100 % s
I j ,k
3 x
e
Ejemplo 1. Apliquemos el algoritmo de integración de Romberg a la integral: x
dx para
1
s = 0.01 %
3 1 e1 e 3
Primer nivel: I(h1) = = 9.413460803
2 1 3
3 1 e1 e 2 e3
Segundo nivel: I(h2) = 2 = 8.401258451
4 1 2 3
3 1 e1 e1.5 e 2 e 2.5 e 3
Tercer nivel: I(h3) = 2 = 8.131024374
8 1 1 .5 2 2 . 5 3
I(h4) = 8.06191719
Con estos valores, realizamos los cálculos hasta el cuarto nivel de integración, cuyos
resultados se son los siguientes:
---------------------------------------------------------------------------------------------------------------- 124
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
8.038733067 8.038743803
Calculamos el error: a 100 % = 0.008 %
8.038733067
Con lo que vemos que, efectivamente la aproximación que se logra hasta el cuarto nivel de
integraciones es suficiente, por lo tanto, concluimos que la aproximación buscada es:
3 x
e
x
dx 8.038733067
1
5.10 PROBLEMAS
6
cos x
1. Usa la regla del trapecio para aproximar la integral: x 1 dx
0
i) Dividiendo en un solo intervalo.
ii) Dividiendo en 6 intervalos.
4
2. Usa la regla de Simpson 1/3 para aproximar: xe x dx
0
i) Dividiendo en un solo intervalo.
ii) Dividiendo en 4 intervalos.
4
ln x
3
3. Usa la regla de Simpson 3/8 para aproximar: dx
2
i) Dividiendo en un solo intervalo.
ii) Dividiendo en 4 intervalos.
4. Integra las siguientes tablas de datos:
x –4 –1 0 1 1.5 2 2.5
f (x) –8 –3 1 2.5 –5 –1 6
6
5. Usa el algoritmo de integración de Romberg para aproximar: ln x.ln x 1dx
1
i) Usando 1, 2 y 4 intervalos.
---------------------------------------------------------------------------------------------------------------- 125
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
UNIDAD DIDÁCTICA 6
6.1 INTRODUCCIÓN
Recordemos que una ecuación diferencial ordinaria es aquella expresión o igualdad que
involucra una variable independiente, una variable dependiente y derivadas de esta última.
En una ecuación diferencial, la incógnita es la variable dependiente y se espera
determinarla como función de la variable independiente, de tal forma que si se sustituye
dicha variable dependiente, así como las derivadas que aparecen en la ecuación diferencial,
la igualdad que resulta es verdadera, es decir, es una identidad.
En general, sabemos que, existen una infinidad de funciones (curvas) que resuelven una
misma ecuación diferencial, así por ejemplo, la ecuación:
y´ = y
dy dy
De donde: y dx ln y x ln c
dx y
Luego, se tiene como solución general: y = c ex
Donde c es una constante arbitraria, denominada constante de integración, que puede ser
cualquier número real (y de aquí la infinidad de curvas soluciones que se mencionó
anteriormente).
Si deseamos que la curva solución pase por algún punto específico, por ejemplo y(x0) = y0,
entonces se dice que se trata de una ecuación diferencial con una condición inicial dada.
dy
f x, y
dx
---------------------------------------------------------------------------------------------------------------- 126
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
F(x, y, c) = 0
Ecuación que representa una familia de curvas como la que se muestra en la figura 6.1,
obtenidas cada una de ellas para un valor particular de la constante c.
Figura 6.1.
Cada una de estas curvas corresponde a una solución particular y analíticamente, el valor de
la constante c se obtiene haciendo que la curva solución pase por algún punto; esto es:
y(x0) = y0,
En la práctica la gran mayoría de las ecuaciones diferenciales no pueden resolverse por
métodos analíticos, por lo que debemos usar el análisis numérico, con el propósito de
determinar valores para y correspondientes a los valores dados de x.
y(x0) = y0
y(x1) = ?
La importancia de los métodos numéricos, para resolver este tipo de ecuaciones, radica en
la existencia de ecuaciones diferenciales que no pueden resolverse por métodos
tradicionales, y de ahí la necesidad de implementar algún método de aproximación.
El método de Euler.
Método de Taylor
El método de Euler mejorado.
El método de Runge-Kutta de orden 4.
---------------------------------------------------------------------------------------------------------------- 127
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
En todos estos métodos se busca aproximar el valor y(x1) donde x1 es un valor cercano a x0
(el de la condición inicial dada).
Este método es el menos exacto, pero si el más sencillo así como el que marca la pauta para
desarrollar los otros métodos. El método de Euler está basado en el significado geométrico
de la derivada de una función en un punto dado. Supongamos que tenemos la curva
solución de la ecuación diferencial (ver figura 6.2) y, en el punto de abscisa dada por la
condición inicial, trazamos la recta tangente a la curva.
Figura 6.2.
Figura 6.3
---------------------------------------------------------------------------------------------------------------- 128
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Como suponemos que x1 es un punto cercano a x0, entonces, puede estar dado como:
x1 = x0 + h
Una forma de reducir el error y obtener de hecho un método iterativo, es dividir la distancia
h = │x1 – x0│ en n partes iguales, procurando que estas partes sean de longitud
suficientemente pequeña, y obtener entonces la aproximación en n pasos, aplicando la
x1 x0
fórmula anterior n veces de un paso a otro, con la nueva h = .
n
Sabemos que: y1 = y0 + h. f (x0, y0) y, para obtener y2 únicamente hay que pensar que ahora
el papel de (x0, y0) lo asume el par (x1, y1), y por lo tanto, si se sustituyen adecuadamente
los datos, se obtiene:
y2 = y1 + h. f (x1, y1)
---------------------------------------------------------------------------------------------------------------- 129
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Esta es la conocida fórmula de Euler que se usa para aproximar el valor de y(x1),
x1 x0
aplicándola sucesivamente desde x0 hasta x1 en n pasos de longitud h = .
n
En esencia, se trata de aproximar la curva solución por medio de una serie de segmentos
rectilíneos que una los puntos A, B, C y D, como muestra la figura 6.4.
Figura 6.4.
Ejemplo 1.- Aproximemos y (0.5) para la siguiente ecuación diferencial y’ = 2xy, para la
condición inicial y(0) = 1
Observamos que, evidentemente, esta ecuación puede resolverse por métodos tradicionales
de ecuaciones diferenciales; por lo que, veremos las dos soluciones.
dy dy
Solución Analítica. Tenemos: = 2xy = 2xdx
dx y
dy
Integrando: y
= 2 xdx ln│y│ = x2 + c
---------------------------------------------------------------------------------------------------------------- 130
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Por lo tanto, se tiene que la curva solución real está dada por:
ln│y│ = x2
2
Resultando: y = ex
2
Y por lo tanto, el valor real que se pide es: y (0.5) = e 0.5 = 1.28403
Y así sucesivamente hasta obtener y5. Los resultados obtenidos los resumimos en la
siguiente tabla:
n H xi f(xi, yi) yi
0 0,1 0 0 1
1 0,1 0,1 0,2 1
2 0,1 0,2 0,408 1,02
3 0,1 0,3 0,63648 1,0608
4 0,1 0,4 0,8995584 1,1245
5 0,1 0,5 1,21440384 1,2144
y(0.5) 1.2144
Como en este caso, conocemos el valor verdadero, el que podemos usar para calcular el
error relativo porcentual que se cometió al aplicar la formula de Euler. Teniéndose:
1.28402 1.2144
v = 100 % = 5.42 %
1.28402
---------------------------------------------------------------------------------------------------------------- 131
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
y (1.3) 6,35997
Para una función F, continua y derivable en todos los puntos de su dominio DF; y
si x0, x1 DF; los tres primeros términos de la fórmula de Taylor se pueden escribir:
x1 x0
2
F x1 F x0 x1 x0 F ' x0 F " x0 y x1
2!
Como: F(x1) = y(x1), x1 – x0 = h, F(x0) = y(x0),
F’(x0) = f (x0, y0), F”(x0) = f ’ (x0, y0)
---------------------------------------------------------------------------------------------------------------- 132
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f x, y f x, y dy
f ' x, y
x y dx
Aplicando las ideas del método de Euler, pero con las modificaciones de la anterior
fórmula, se obtiene el método de Taylor de segundo orden. El orden es indicativo de la
derivada de mayor orden que se emplea y de cierta exactitud. Con esta terminología, al
método de Euler le correspondería el nombre de método de Taylor de primer orden.
Ejemplo 1.- A título comparativo, resolvamos el ejemplo 1 del método anterior y
calculemos el error que se obtiene. Aproximemos, entonces, y (0.5) para la ecuación
diferencial y’ = 2xy, para la condición inicial y(0) = 1
Los resultados de las operaciones que resultan de la aplicación del método se resumen en la
siguiente tabla:
n h xi f(xi, yi) f '(xi, yi) yi
0 0,1 0 0 2 1
1 0,1 0,1 0,4121616 2,060808 1,0102
2 0,1 0,2 0,89969543 2,24923859 1,04131416
3 0,1 0,3 1,55087999 2,58479999 1,09525423
4 0,1 0,4 2,48250149 3,10312687 1,17542684
5 0,1 0,5 3,86127718 3,86127718 1,28709239
dy
= f(x, y) = x – y; y(0) = 2, y(1) = ?
dx
---------------------------------------------------------------------------------------------------------------- 133
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
xf = x3 +0.2 = 1.0
Calculamos primeramente:
x y x y
f ' x, y x y 1 x y
x y
Y, ahora tenemos:
y1 = y(0.2) = y0 + h (x0 – y0) + h2 (1 – x0 + y0)/2 =
y3 =1,2541
y4 =1. 1564
Y finalmente, obtenemos:
y5 = y(1) =1.11222
y (1.3),
---------------------------------------------------------------------------------------------------------------- 134
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
y´ = x2 + 1.5 y2,
Este método se basa en la misma idea del método anterior, pero hace un refinamiento en su
aproximación, tomando un promedio entre ciertas pendientes.
La fórmula es la siguiente:
f x n , y n f x n 1 , y*n 1
yn+1 = yn + h.
2
Para entender esta fórmula, analizaremos, el primer paso de la aproximación, con base en la
figura 6.5, en la cual se ve 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 condición inicial y la
“recta tangente” a la curva en el punto (x1, y1), donde y1 es la aproximación obtenida con la
primera fórmula de Euler. Finalmente, esta recta bisectriz se traslada paralelamente hasta
el punto de la condición inicial, y se considera el valor de esta recta en el punto de abscisa
x = x1 como la aproximación de Euler mejorada.
Figura 6.5.
---------------------------------------------------------------------------------------------------------------- 135
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Solución Como ve, este es el mismo ejemplo 1 del método anterior, en el que se definimos
h = 0.1 y encontramos la aproximación después de cinco iteraciones.
A diferencia del método de Euler 1, en cada iteración se requiere de dos cálculos en vez de
uno solo: primero el de y*n y posteriormente el de yn.
Para entender mejor este método veremos con detalle las primeras dos iteraciones.
f (x0, y0) = 2 x 0 x 1 = 0
y1* = y0 + h. f (x0, y0) = 1 + 0.1 x [2 x 0 x 1] = 1
f (x1, y1* ) = 2 x 0.1 x 1 = 0.2
f x 0 , y 0 f x1 , y1*
y1 = y0 + h.
= 1 + 0.1 x 0 0.2 = 1.01
2 2
Notemos que el valor de y1* coincide con el y1 (Euler 1), y es el único valor que va a
coincidir, pues para calcular y*2 se usará y1 y no y1* .
f x1 , y1 f x 2 , y*2
y2 = y1 + h.
= 1.01 + 0.1 x 0.202 0.41208 = 1.040704
2 2
---------------------------------------------------------------------------------------------------------------- 136
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
n xn yn
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 con que la aproximación obtenida con el método de Euler mejorado es:
y (0.5) 1.28336
1.28402 1.28336
v = 100 % = 0.05 %
1.28402
Vemos que efectivamente se ha obtenido una mejor aproximación con este método,
reduciendo el error relativo verdadero de un 5.4% hasta un 0.05%.
h = 0.1, f (x, y) = x – y + 5, x0 = 1, y0 = 2
x1 = x0 + h = 1 + 0.1 = 1.1
f (x0, y0) = 1 – 2 + 5 = 4
---------------------------------------------------------------------------------------------------------------- 137
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f x 0 , y 0 f x1 , y1*
y1 = y0 + h.
= 2 + 0.1 x 4 3.7 = 2.385
2 2
n xn yn
0 1 2
1 1.1 2.385
2 1.2 2.742925
3 1.3 3.07635
y(1.3) = 3.07635
Por simplicidad del curso, no veremos la justificación formal de estas últimas fórmulas. Sin
entrar en mucho detalle, mencionaremos solamente que el método de Runge-Kutta cambia
la dirección en el sentido de que no sigue la misma línea de los métodos de Euler y, está
basado en una aplicación de los polinomios de Taylor.
Sin embargo, debemos destacar que, el método de Runge-Kutta si contiene como casos
especiales los métodos de Euler.
1
La fórmula: yn+1 = yn + [k1 + 2k2 + 2k3 + k4]
6
h k
k2 = h f (xn + , yn + 1 )
2 2
h k
k3 = h f (xn + , yn + 2 )
2 2
k4 = h f (xn + h, yn + k3)
Son conocidas como las reglas o fórmulas de Runge-Kutta de orden cuatro para la ecuación
diferencial y´= f (x, y) y la condición inicial y(x0) = y0
---------------------------------------------------------------------------------------------------------------- 138
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Solución En primer lugar, identificamos el mismo ejemplo 1 de los dos métodos anteriores
y, luego, procedemos con los mismos datos:
Para poder calcular el valor de y1, debemos calcular primeramente los valores de k1, 2k2, 2k3
y k4, obteniendo los siguientes valores:
x1 = x0 + h = 0 + 0.1 = 0.1
h k
k2 = h f (x0 + , y0 + 1 ) = 0.1 x [2 x 0.05 x 1] = 0.01
2 2
h k
k3 = h f (x0 + , y0 + 2 ) = 0.1 x [2 x 0.05 x 1.005] = 0.01005
2 2
1 1
y1 = y0 + [k1 + 2k2 + 2k3 + k4] = 1 + [0 + 2 x 0.01 + 2 x 0.01005 + 0.020201] = 1.01005
6 6
Con el fin de una mejor comprensión del procedimiento, veremos la segunda iteración:
h k
k2 = h f (x1 + , y1 + 1 ) = 0.1 x [2 x 0.15 x 1.0201] = 0.03060
2 2
h k
k3 = h f (x1 + , y1 + 2 ) = 0.1 x [2 x 0.15 x 1.02535] = 0.03076
2 2
1 1
y2 = y1 + [k1 + 2k2 + 2k3 + k4] = 1 + [0.020201 + 2 x 0.03060 + 2 x 0.03076 + 0.04163]
6 6
= 1.04081
---------------------------------------------------------------------------------------------------------------- 139
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
El proceso debe repetirse hasta obtener y5. Los resultados obtenidos se resumen en la
siguiente tabla:
n xn yn
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
y (0.5) 1.28403
1.28402 1.28403
v = 100 % = 0.0007 %
1.28402
Con lo que vemos que efectivamente se ha reducido muchísimo el error relativo. De hecho
observamos que se tienen 6 cifras significativas en la aproximación.
---------------------------------------------------------------------------------------------------------------- 140
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
h k
, y1 + 2 ) = 0.1 x [2.15 + 4.99235] = 0.71424
k3 = h f (x1 +
2 2
k4 = h f (x1 + h, y1 + k3) = 0.1 x [2.2 + 5.35044] = 0.75504
1 1
y2 = y1 + [k1 + 2k2 + 2k3 + k4] = 4.6362 + [0.67362 + 2 x 0.7123 + 2 x 0.71424 +
6 6
0.75504] = 5.34982
Concluyendo entonces que el valor buscado es: y (2.2) 5.34982
6.4 PROBLEMAS
1
4. Dada la ecuación diferencial: y’ =
x y 2
y(3) = 2.5
Usa el método de Euler mejorado para aproximar y(3.3) tomando h = 0.1 en cada
paso del proceso iterativo.
5. Dada la ecuación diferencial: y’ = ln x + 1/y
y(4) = 5
Usa el método de Runge-Kutta para aproximar y(4.3) tomando h = 0.1en cada paso
del proceso iterativo.
6. Dada la ecuación diferencial: y’ = x y
y(3) = 10
Usa el método de Runge-Kutta para aproximar y(3.3) tomando h =0.1 en cada paso
del proceso iterativo.
---------------------------------------------------------------------------------------------------------------- 141
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
BIBLIOGRAFÍA
Gerald and Wheatley, Análisis Numérico con Aplicaciones, Prentice Hall, Sexta Edición,
2000.
Matheus and Fink, Métodos Numéricos con Matlab, Prentice Hall, 3ra. Edición, 1999.
Cheney and Kincaid, Análisis Numérico, Las Matemáticas del Cálculo Científico,
Addison-Wesley Iberoamericana, 1994.
---------------------------------------------------------------------------------------------------------------- 142
Apuntes de: MAT – 362: Análisis Numérico I Profesor: Ing. Abel Barroso López