Documente Academic
Documente Profesional
Documente Cultură
Edición Preliminar
CONTENIDO
1 Aproximaciones y errores
1.1 Objetivo de la unidad didáctica 3
1.2 Introducción 3
1.3 Algoritmo 4
1.4 ¿Qué es el análisis numérico? 4
1.5 Objetivo del Análisis Numérico 4
1.6 Introducción a los métodos numéricos 4
1.7 Análisis de errores 8
1.8 Las fórmula de Taylor y de Mc Laurin 11
1.9 Problemas 16
4 Interpolación
4.1 Introducción 70
4.2 Diferencias finitas divididas de Newton 75
4.3 Polinomio de interpolación de Newton con diferencias divididas 76
4.4 Polinomio de interpolación de Lagrange 78
4.5 Interpolación de Splines 81
4.6 Funciones de spline de grado 0 83
4.7 Funciones de Splines de grado 1 83
4.8 Funciones de Splines de grado 2 87
4.9 Funciones de Splines de grado 3 93
4.10 Problemas 95
---------------------------------------------------------------------------------------------------------------- 1
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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 96
5.2 Teorema fundamental del cálculo integral 96
5.3 Fórmulas de integración de Newton – Cotes 97
5.4 Regla de integración del trapecio 97
5.5 Regla de Simpson de un tercio 101
5.6 Regla de Simpson de tres octavos 106
5.7 Integración en intervalos desiguales 108
5.8 Método de integración de Romberg 110
5.9 Algoritmo de integración de Romberg 116
5.10 Problemas 118
Bibliografía 136
---------------------------------------------------------------------------------------------------------------- 2
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
UNIDAD DIDÁCTICA 1
APROXIMACIONES Y ERRORES
Lograr que el estudiante de ingeniería, alcance una percepción clara de las estructuras
generales que instituyen ésta área del conocimiento matemático y reconozca los diferentes
tipos de errores y el efecto que los mismos causan en la determinación de soluciones de
problemas de cálculo numérico.
1.2 INTRODUCCIÓN
En razón de no existir una definición simple que detalle lo que es el análisis numérico, la
mejor manera de entenderlo, parecería ser describirlo progresivamente a través de las
necesidades que motivan su creación y las características que fue adquiriendo según esas
necesidades.
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.
De este modo podemos inferir que el objeto de estudio del análisis numérico es la
construcción y valoración de métodos numéricos para la solución de problemas del análisis
matemático que tienen como resultado un valor numérico
---------------------------------------------------------------------------------------------------------------- 3
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Los métodos numéricos de esta rama del análisis son aproximados, ya que, en la práctica,
cada cantidad se calcula con un cierto número de cifras significativas que, para las
aplicaciones resulta suficiente, y no es importante conocer el valor exacto de una cantidad.
1.3 ALGORITMO
Por lo expuesto en 1.2, el análisis numérico y sus métodos constituyen un puente entre el
análisis matemático cualitativo y el análisis matemático cuantitativo; puesto que, mientras
el primero muestra que, bajo ciertas condiciones, se tiene “algo” (un modelo matemático),
el segundo complementa al primero permitiendo calcular aproximadamente el valor
numérico de aquello que existe.
Así pues, se dice que el análisis numérico es “la teoría de los métodos constructivos en el
Análisis Matemático” o también, que es “La rama de las Matemáticas que intenta obtener
soluciones aproximadas, a los problemas del análisis matemático, por medio de
operaciones elementales”.
---------------------------------------------------------------------------------------------------------------- 4
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
F = FG + FR
Donde:
dv
Por sustitución obtenemos: m =mg–cv
dt
dv c
De donde: =g– v … (1)
dt m
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
dv
= dt
c
g v
m
m c
De lo cual obtenemos: ln g v =t+ k (2)
c m
m
ln g = k
c
---------------------------------------------------------------------------------------------------------------- 5
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
m c m
Finalmente tenemos: ln g v =t ln g
c m c
ct
m
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:
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
v ti 1 v ti c
g– v(ti)
ti 1 ti m
c
v(ti+1) = v(ti) + [g – v(ti)] (ti+1 – ti) … (4)
m
---------------------------------------------------------------------------------------------------------------- 6
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
19,600t
70,000x980
v= 1 e 70,000 = 3500 (1 – e-0.28t)
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.
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
---------------------------------------------------------------------------------------------------------------- 7
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
"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.
---------------------------------------------------------------------------------------------------------------- 8
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b) Errores de truncamiento, Son los errores propios del método de cálculo y, resultan
de representar aproximadamente un procedimiento matemático exacto.
c) Errores de redondeo, cuando no se utilizan todas las cifras verdaderas de un
número irracional.
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
aproximación al proceso de derivación, la cual es una aproximación al procedimiento
matemático exacto.
dv v( t i 1 ) v( t i )
=
dt ti 1 ti
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
---------------------------------------------------------------------------------------------------------------- 9
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Ev = 10 – 9 = 1 cm
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:
v= 100 Er %
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.
---------------------------------------------------------------------------------------------------------------- 10
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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.
a < s
---------------------------------------------------------------------------------------------------------------- 11
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
matemático desarrollado. Las fórmulas de Taylor y de Mc Laurin son una ayuda muy
práctica para este fin.
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) xn 1
f (x) = f (0) + x f '(0) + f“(0) + ... + f (0) + f (n+1)(c)
2! n! ( n 1)!
---------------------------------------------------------------------------------------------------------------- 12
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x2 0 xn 0 xn 1 c
Lluego: ex e0 xe0 e e e
2! n! n 1!
1 0 12 1n
Como e = e , hacemos x = 1 y, como e = 1, entonces resulta: e 1 1
2! n!
1
Y, en forma concentradas: e
n 0 n!
1 1
e =2
0! 1!
actual previa 2 1
a = 100 = 100 = 50 %
actual 2
1 1 1
e = 2.5
0! 1! 2!
2.5 2
a= 100 % = 20 %
2.5
El proceso continua hasta lograr la meta. Los resultados se resumen en la siguiente tabla:
---------------------------------------------------------------------------------------------------------------- 13
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
---------------------------------------------------------------------------------------------------------------- 14
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Figura 1.1
Figura 1.2
---------------------------------------------------------------------------------------------------------------- 15
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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 x7 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
e) p = e10, p*=22000 f) p=10 , p*=1400
g) p = 8!, p*=39900 h) p = 9!, p*= 18 ( 9 / e )9
i) Determina el valor aproximado de la función sen( /4) hasta la cuarta cifra significativa.
j) Determina el valor aproximado de la función cos( /6) hasta la cuarta cifra significativa.
---------------------------------------------------------------------------------------------------------------- 16
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
---------------------------------------------------------------------------------------------------------------- 17
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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].
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.
---------------------------------------------------------------------------------------------------------------- 18
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Hacemos: arc tg x + x – 1 = 0
Figura 2.3
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:
---------------------------------------------------------------------------------------------------------------- 19
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
a b
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).
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
---------------------------------------------------------------------------------------------------------------- 20
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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:
1 1.5
xr1 = = 1.25
2
---------------------------------------------------------------------------------------------------------------- 21
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
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:
---------------------------------------------------------------------------------------------------------------- 22
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 0
xr1 0.5
2
Puesto que f (0.5) y f (1) tienen signos opuestos, entonces la raíz se localiza en el intervalo
[0.5, 1]
1 0.5
xr2 0.75
2
Que es la nueva aproximación a la raíz de f (x). Ahora, si podemos calcular el primer error
aproximado:
0.75 0.5
a = 100 % = 33.33 %
0.75
---------------------------------------------------------------------------------------------------------------- 23
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
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
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:
---------------------------------------------------------------------------------------------------------------- 24
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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:
xr2 xr1
a = 100 % = 1.11 %
xr2
Construimos la tabla:
1 1.125
Calculamos el punto medio: xr3 = = 1.0625
2
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:
---------------------------------------------------------------------------------------------------------------- 25
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
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.
---------------------------------------------------------------------------------------------------------------- 26
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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=
b a
f b f a
Y, la ecuación de esta recta es: y – f (a) = (x – a)
b a
f b f a
– f (a) = (x – a)
b a
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.
---------------------------------------------------------------------------------------------------------------- 27
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
f b a b f 2 1 2
x1 = b – =2– = 1.397410482
f a f b f 1 f 2
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:
f 1.397410482 1 1.397410482
x2 1.397410482 1.321130513 3
f 1 f 1.397410482
1.321130513 1.397410482
a = 100 % = 5.77%
1.321130513
Luego:
---------------------------------------------------------------------------------------------------------------- 28
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f 1.321130513 1 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
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 1 0 1
x1 = xb – =1– = 0.5600991535
f xa f xb f 0 f 1
f 0.56009915 35 0 0.56009915 35
x2 = 0.5600991535 – = 0.5231330281
f 0 f 0.56009915 35
---------------------------------------------------------------------------------------------------------------- 29
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
0.52313302 81 0.5600991535
a = 100 % = 7.06%
0.52313302 81
De los cual tenemos que la raíz se localiza en el intervalo [0, 0.5231330281], luego
podemos calcular la siguiente aproximación:
f 0.52313302 81 0 0.52313302 81
x3 = 0.5231330281 – =0.5204706484
f 0 f 0.52313302 81
0.52047064 84 0.523133081
a = 100 % = 0.51 %
0.52047064 84
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.
---------------------------------------------------------------------------------------------------------------- 30
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
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
---------------------------------------------------------------------------------------------------------------- 31
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f xi
xi+1 = xi –
f ' xi
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.
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).
1
f´(x) = – e-x –
x
e xi ln xi e xi ln xi
xi 1 xi = xi
xi 1 1
e e xi
xi xi
e 1 ln 1
x1 = 1 = 1.268941421
1
e 1
1
1.268941421 1
El error aproximado es: a = 100 % = 21.19%
1.268941421
---------------------------------------------------------------------------------------------------------------- 32
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
---------------------------------------------------------------------------------------------------------------- 33
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x2 – R = 0
Expresión que define la función: f (x) = x2 – R. Derivándola: f´(x) = 2x. Al sustituir estas
expresiones en la fórmula de Newton-Raphson tenemos:
x2 R
xi+1 = xi – i
2 xi
1 R
De donde resulta: xi+1 = xi
2 xi
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:
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.
---------------------------------------------------------------------------------------------------------------- 34
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f xi f xi 1
f ´(xi)
xi xi 1
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.
---------------------------------------------------------------------------------------------------------------- 35
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2
Ejemplo 1. Utilicemos el método de la secante para aproximar la raíz de f (x) = e x – x,
comenzando con x0 = 0 y x1 = 1, hasta que a < 1%.
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:
f x1 x0 x1 0.63210558 0 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 0.214601836 0 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:
---------------------------------------------------------------------------------------------------------------- 36
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x = g(x)
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.
---------------------------------------------------------------------------------------------------------------- 37
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
… 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
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:
gb ga
g´ ( ) =
b a
g xr g xi
g´ ( ) =
xr 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.
---------------------------------------------------------------------------------------------------------------- 38
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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:
x2 ex x2 ex
x= g (x) =
5 5
---------------------------------------------------------------------------------------------------------------- 39
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
x2 = g (x1) = – 0.1557461506
Continuamos con el método hasta la quinta iteración, para reducir el error menor al 1%.
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
---------------------------------------------------------------------------------------------------------------- 40
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
3
1. Usa el método de bisección para aproximar la raíz de f (x) = e x – 2x + 1
comenzando en el intervalo [0.75, 1] y hasta que a < 1
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.
---------------------------------------------------------------------------------------------------------------- 41
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
---------------------------------------------------------------------------------------------------------------- 42
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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.
---------------------------------------------------------------------------------------------------------------- 43
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x1
x2
b) La matriz de incógnitas: X=
xn
b1
b2
c) La matriz de términos independientes: B=
bn
De los variados y diferentes métodos para resolver sistemas de ecuaciones lineales, solo
estudiaremos algunos de ellos en la presente unidad didáctica.
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.
---------------------------------------------------------------------------------------------------------------- 44
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Hay algunas matrices que aparecen frecuentemente y que según su forma, sus elementos, y
otras características, reciben nombres diferentes:
6 12 3 0
2 3
0 5 7 10
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:
1 0 ... 0
0 1 ... 0
In =
... ... ... ...
0 0 0 1
C = (A B)
---------------------------------------------------------------------------------------------------------------- 45
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
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 “ ”.
---------------------------------------------------------------------------------------------------------------- 46
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
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
1 2
(iv) Finalmente se multiplica por la fila 1: 1 9 12 ~ 1 9 12
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
---------------------------------------------------------------------------------------------------------------- 47
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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:
6 2 2 4
12 8 6 10
A=
3 13 9 3
6 4 1 8
6 2 2 4 1 6 2 2 4
2, , 1
2
12 8 6 10 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
1
0 4 2 2 3, 0 4 2 2
2~
0 12 8 1 0 0 2 5
0 2 3 4 0 0 4 3
---------------------------------------------------------------------------------------------------------------- 48
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
6 2 2 4 6 2 2 4
0 4 2 2 0 4 2 2
~
0 0 2 5 2 0 0 2 5
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.
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
---------------------------------------------------------------------------------------------------------------- 49
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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 3 1 1 2 3 1
1
0 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.
x1 7, x2 18 , x3 10
x1 3x2 2 x3 12
2 x1 5 x2 x3 10
3x1 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
---------------------------------------------------------------------------------------------------------------- 50
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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:
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.
0.00005x1 5 x2 3.00005
x1 x2 1
0.00005x1 5 x2 3.00005
99999x2 66666
2
De donde se obtiene: x2 = ; valor que sustituido arriba, permite obtener:
3
---------------------------------------------------------------------------------------------------------------- 51
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2
3.33335 5
3
x1 =
0.00005
1 1 1 0.00005 1 1 1
~
0.00005 5 3.33335 0 4.99995 3.3333
x1 x2 1
4.99995x2 3.3333
2
De donde se obtiene x2 = ; sustituyendo arriba da:
3
2 1
x1 = 1 – =
3 3
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.
---------------------------------------------------------------------------------------------------------------- 52
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
a11
a 21 a 22
a31 a32 a33
a n1 a n 2 a n3 a nn
x1 2 x2 0.5 x3 5
2 x1 5 x2 1.5 x3 0
0.2 x1 1.75x2 x3 10
1 2 0.5 5
2 5 1.5 0
0.2 1.75 1 10
---------------------------------------------------------------------------------------------------------------- 53
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2 5 1.5 0
1 2 0.5 5
0.2 1.75 1 10
Luego, se procede a hacer ceros debajo del pivote. Para ello, se multiplica la fila 1 por
1 0 .2
y se la suma a la fila 2. También, se multiplicamos la fila 1 por y se la suma a la
2 2
fila 3. Es decir:
1 0 .2
2 5 1.5 0 , 2 5 1.5 0
2 2
1 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 x3 0
1.25x2 0.85x3 10
0.09 x3 9
x1 = – 100, x2 = – 60 y x3 = – 75
---------------------------------------------------------------------------------------------------------------- 54
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Ejemplo 2. Usar eliminación Gaussiana con pivoteo para resolver el siguiente sistema de
ecuaciones:
0 .5 0 .4
10 9 2.5 30 , 10 9 2.5 30
10 10
0 .5 15 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.
---------------------------------------------------------------------------------------------------------------- 55
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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 x3 5
2 x1 5 x2 1.5 x3 0
0.2 x1 1.75x2 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
2 2
1 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
5 0.5
0 1.25 0.85 10 , ~ 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
Finalmente para obtener los unos en la diagonal principal, multiplicamos las filas 1, 2, y
1 1 1
3 por , y , respectivamente. Obteniéndose:
2 1.25 0.09
---------------------------------------------------------------------------------------------------------------- 56
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1
2 0 0 150 2 1 0 0 75
1
0 1.25 0 75 ~ 0 1 0 60
1.25
0 0 0.09 9 1 0 0 1 100
0.09
x1 2 x2 3x3 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,
2.8
multiplicamos la misma fila 2 por y la sumamos a la fila 3. Esto es:
4
1 2 3 1 1 0 2.75 8.25
2.8
0 4 0.5 14.5 0.5, ~ 0 4 0.5 14.5
4
0 2.8 0.2 10.4 0 0 0.15 20.55
---------------------------------------------------------------------------------------------------------------- 57
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
1
0 4 0 54 ~ 0 1 0 13.5
4
0 0 0.15 20.55 1 0 0 1 137
0.15
4 11 1 0
1 3 0 1
---------------------------------------------------------------------------------------------------------------- 58
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
4~
1 3 0 1 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
11 ~
0 0.25 0.25 1 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
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,
2
0.3125
multiplica la misma fila 1 por y la sumamos a la fila 3. Esto es:
2
---------------------------------------------------------------------------------------------------------------- 59
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
0.5 0.3125
2 4 0 1 0 0 , 2 4 0 1 0 0
2 2
0.5 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
4 0.2
0 1.25 3.125 0.15625 0 1 , ~
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
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
---------------------------------------------------------------------------------------------------------------- 60
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
….
b a n1 x1 ... a nn 1 x n 1
xn = n (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:
---------------------------------------------------------------------------------------------------------------- 61
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b1
b2 a 21
a11
x2 =
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 %
,1 = 100
1
2 2 %
,2 = 100
2
n n
,n = 100 %
n
---------------------------------------------------------------------------------------------------------------- 62
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
8 0.2 x2 0.5 x3
x1 = (1)
3
Expresiones estas que son las fórmulas iterativas. En la ecuación (1), asignamos los
valores de:
x3 = x2 = 0.
x2 = – 2.82381
x3 = 7.1051
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
---------------------------------------------------------------------------------------------------------------- 63
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
Observamos que ahora se cumple con el objetivo para cada uno de los errores
aproximados. Por lo tanto, la solución aproximada del sistema es:
---------------------------------------------------------------------------------------------------------------- 64
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
5 x1 1.4 x2 2.7 x3 94 .2
0.7 x1 2.5 x2 15 x3 6
3.3x1 11 x2 4.4 x3 27 .5
5 x1 1.4 x2 2.7 x3 94 .2
3.3x1 11 x2 4.4 x3 27 .5
0.7 x1 2.5 x2 15 x3 6
---------------------------------------------------------------------------------------------------------------- 65
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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 x2
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:
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
---------------------------------------------------------------------------------------------------------------- 66
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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 %
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
---------------------------------------------------------------------------------------------------------------- 67
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
---------------------------------------------------------------------------------------------------------------- 68
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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.
---------------------------------------------------------------------------------------------------------------- 69
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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.
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
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:
---------------------------------------------------------------------------------------------------------------- 70
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
---------------------------------------------------------------------------------------------------------------- 71
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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)
Y, como se debe cumplir que f (x1) = y1 y ya que sabemos que y0 = b0, entonces, resulta:
---------------------------------------------------------------------------------------------------------------- 72
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
y1 = y0 + b1(x – x0)
y y0
b1 = 1 (3)
x1 x0
y1 y0
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 y0
y2 = y0 + (x2 – x0) + b2(x2 – x0)(x2 – x1)
x1 x0
y1 y0
y2 y0 x2 x0
x1 x0
= b2(x2 – x0)
x2 x1
y1 y0
y2 y1 y1 y0 x2 x0
x1 x0
= b2(x2 – x0)
x2 x1
y2 y1 y1 y0 y1 y0 x2 x0
= b2(x2 – x0)
x2 x1 x2 x1 x1 x0 x 2 x1
y2 y1 y1 y0 x2 x0
1 = b2(x2 – x0)
x2 x1 x2 x1 x1 x0
y2 y1 y1 y0 x2 x0 x1 x0
= b2(x2 – x0)
x2 x1 x2 x1 x1 x0
y2 y1 y1 y0
= b2(x2 – x0)
x2 x1 x1 x0
---------------------------------------------------------------------------------------------------------------- 73
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
y2 y1 y1 y0
x2 x1 x1 x0
b2 = (4)
x2 x0
Si sustituimos las expresiones (2), (3) y (4) en la ecuación (1), la ecuación del polinomio
de interpolación para este caso resulta:
y2 y1 y1 y0
y y0 x2 x1 x1 x0
f (x) = y0 + 1 (x – x0) + (x – x0)(x – x1)
x1 x0 x2 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 f xj
f [xi, xj] =
xi xj
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:
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:
---------------------------------------------------------------------------------------------------------------- 74
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
f x3 , x 2 , x1 f x 2 , x1 , x0
f [x3, x2, x1, x0] =
x3 x0
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] =
x2 x0
f x3 f x2
f [x3, x2] =
x3 x2
f ( x 2 ) f ( x1 )
f x2 , x1 =
x 2 x1
f ( x1 ) f ( x0 )
f x1 , x0 =
x1 x0
x xo x1 … xn
y yo y1 … yn
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] =
x2 x0
f x n , , x1 f x n 1 , x0
bn = f [xn, xn-1, …, x1, xo] =
x n x0
---------------------------------------------------------------------------------------------------------------- 75
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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] M
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] M
x2 f (x 2) f [x 3, x 2] f [x 4, x 3, x 2] M
x3 f (x 3) f [x 4, x 3] M
x4 f (x 4) M
M M
x –2 –1 2 3
y 4 6 9 3
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:
---------------------------------------------------------------------------------------------------------------- 76
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
x x0 x1 … xn
y y0 y1 … yn
---------------------------------------------------------------------------------------------------------------- 77
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Un análisis lógico de esta expresión sugiere que, si x = x0, entonces debe satisfacerse que
P(x0) = y0 , lo cual se cumple si l0(x0) = 1 y también si li(x0) = 0 para toda i 0.
Del mismo modo, si x = x1 , entonces debe satisfacerse que: P(x1) = y1 , lo cual se cumple
si l1(x1) = 1 y si li(x1) = 0 , para toda i 1.
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:
1
Luego, resulta: c=
x0 x1 x0 x 2 ... x0 xn
x - x1 x - x 2 ... x - x n
l0(x) =
x0 - x1 x0 - x 2 ... x0 - x n
Análogamente se podemos deducir:
n x xi
lj(x) = , con j = 1, 2, …, n
i 0 xj xi
i j
Para el conjunto de nodos x0, x1, x2, …, xn.
x 1 3 5 7
y –2 1 2 –3
---------------------------------------------------------------------------------------------------------------- 78
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x 3 x 5 x 7 x 3 x 5 x 7
Donde: l0(x) = =
2 4 6 48
x 1 x 5 x 7 x 1 x 5 x 7
l1(x) = =
2 2 4 16
x 1 x 3 x 7 x 1 x 3 x 7
l2(x) = =
4 2 2 16
x 1 x 3 x 5 x 1 x 3 x 5
l3(x) = =
6 4 2 48
Sustituyendo en el polinomio de Lagrange definido se tiene:
x 3 x 5 x 7 x 1 x 5 x 7 x 1 x 3 x 7
P (x) = – 2 + +2 –
48 16 16
x 1 x 3 x 5
3
48
x 3 x 5 x 7 x 1 x 5 x 7 x 1 x 3 x 7
P (x) = + – –
24 16 8
x 1 x 3 x 5
16
x –2 0 2 4
y 1 –1 3 –2
x 0 x 2 x 4 xx 2 x 4
Donde: l0(x) = =
2 4 6 48
x 2 x 2 x 4 x 2 x 2 x 4
l1(x) = =
2 2 4 16
x 2 x 0 x 4 xx 2 x 4
l2(x) = =
4 2 2 16
x 2 x 0 x 2 x 2 x 0 x 2
l3(x) = =
6 4 2 48
---------------------------------------------------------------------------------------------------------------- 79
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
xx 2 x 4 x 2 x 2 x 4 xx 2 x 4 x 2 x 0 x 2
P (x) = – +3 – 2
48 16 16 48
xx 2 x 4 x 2 x 2 x 4 xx 2 x 4 x 2 x 0 x 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
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
x 7 x 6 x x 5 x 6 x x 5 x 7 x x 5 x 7 x 6
P(x)= +23 –54 +954
660 84 72 210
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.
---------------------------------------------------------------------------------------------------------------- 80
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
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) s(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
s2 x c2 x x1 ,x2
S(x) =
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)
---------------------------------------------------------------------------------------------------------------- 81
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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:
s1 x a1 x b1 x x0 ,x1
s2 x a2 x b2 x x1 ,x2
S(x) =
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.
En este caso, los polinomios sj(x), a través de los que construimos el spline tienen grado 2.
Esto significa que tendrán la forma:
---------------------------------------------------------------------------------------------------------------- 82
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
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 tener las 3n, necesitamos 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 2 b3 x c3 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
---------------------------------------------------------------------------------------------------------------- 83
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
4.5 2 a1 4.5b1 c1 2
s(4.5) = 1 =
4.5 2 a 2 4.5b2 c2 3
7 2 a2 7b2 c2 4
s(7) = 2.5 = 2
7 a3 7b3 c3 5
s(9) = 0.5 = 92a3 + 9b3 + c3 (6)
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
2a3 x b3 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
14a2 + b2 – 14a3 – b3= 0
---------------------------------------------------------------------------------------------------------------- 84
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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 c1 1
0 0 20.25 4.5 1 0 0 0 a2 1
0 0 49 7 1 0 0 0 b2 2 .5
=
0 0 0 0 0 49 7 1 c2 2 .5
0 0 0 0 0 81 9 1 a3 0 .5
1 0 9 1 0 0 0 0 b3 0
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 5.5c1 x 3,4.5
s(x) = 0.64 x 2 6.75 x 18.46 x 4.5,7
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.
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
---------------------------------------------------------------------------------------------------------------- 85
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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:
s1 x a1 x 3 + b1 x 2 + c1 x + d1 x x0 ,x1
s2 x a2 x3 + b2 x 2 + c2 x + d 2 x x1 ,x2
S(x) =
sn x an x3 + bn x 2 + cn x + d n x xn 1 ,xn
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)
y2= S2(x2)
yn= Sn(xn)
De este modo obtenemos dos ecuaciones por cada subintervalo, creándose por esta
condición, un total de 2n ecuaciones
---------------------------------------------------------------------------------------------------------------- 86
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
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
a3 x3 b3 x 2 c3 x d3 x 2; 4
---------------------------------------------------------------------------------------------------------------- 87
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
n – 1 = 3 – 1 2 ecuaciones
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:
---------------------------------------------------------------------------------------------------------------- 88
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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 a2 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 c2 0
0 0 0 0 12 4 1 0 12 4 1 0 d2 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 d3 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
Figura 4.8
---------------------------------------------------------------------------------------------------------------- 89
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
51 3 153 2 89 153
x x x x 1,1
140 140 140 140
21 3 297 2 473 48
s(x) = x x x x 1, 2
10 35 70 35
24 3 288 2 1867 732
x x x x 2, 4
35 35 70 35
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 c2 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)
s(3) = 27a2 + 9b2 +3c2 +d2 = 2 (3)
s(5) = 125a2 + 25b2 +5c2 +d2 = – 7 (4)
ii) Ahora trabajamos con la condición de derivabilidad, por lo que calculamos la primera
derivada s´(x):
3a1 x 2 2b1 x c1 x 2 ,3
s´(x) =
3a 2 x 2 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:
---------------------------------------------------------------------------------------------------------------- 90
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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 1
27 9 3 1 0 0 0 0 b1 2
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 c2 0
0 0 0 0 30 2 0 0 d2 0
Figura 4.9
---------------------------------------------------------------------------------------------------------------- 91
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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) =
a2 x3 b2 x 2 c2 x d2 x 3, 6
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:
---------------------------------------------------------------------------------------------------------------- 92
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
s”(x0) = 0 y s”(xn) = 0
De este modo obtenemos:
8 4 2 1 0 0 0 0 a1 0.69315
27 9 3 1 0 0 0 0 b1 1.09860
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 c2 0
0 0 0 0 18 1 0 0 d2 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:
x s(x) ln(x)
2 0,69317 0,6931472 0,003292149
3 1,09873 1,0986123 0,010714547
4 1,4037776 1,3862944 1,261149102
5 1,6210875 1,6094379 0,723829573
6 1,7949744 1,7917595 0,179428703
7 1,9690337 1,9459101 1,18831545
---------------------------------------------------------------------------------------------------------------- 93
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
4.10 PROBLEMAS
x 2 –2 1 4
y 0.5 –3 2.4 7.8
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
---------------------------------------------------------------------------------------------------------------- 94
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
b
En general, la evaluación de una integral definida de la forma f x dx , utilizando
a
métodos 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
b c b
Cuya propiedad básica es: f x dx = f ( x)dx + f ( x)dx c [a, b]
a a c
---------------------------------------------------------------------------------------------------------------- 95
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 2
e x dx
0
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).
b b
f x dx p1 x dx
a a
x a b
y f (a) f (b)
---------------------------------------------------------------------------------------------------------------- 96
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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)
b a
b b
f (b) f (a) ( x a ) 2
p1 ( x )dx = f (a) x + =
a
b a 2 a
f (b) f (a) (b a) 2
= f (a) (b – a) + =
b a 2
f (b) f (a) b a
= (b – a) f (a) = [f(b) + f(b)]
2 2
Figura 5.1
b
b a
f x dx [f(a) + f(b)]
2
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 2
Ejemplo 1: Utilicemos la regla del trapecio para aproximar la integral: e x dx
0
---------------------------------------------------------------------------------------------------------------- 97
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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: dx
2
x
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 4 2 e2 e4
Por lo tanto, se tiene: dx f 2 f 4 = = 17.3441
x 2 2 4
2
4 x
e
dx 17.3441
x
2
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
---------------------------------------------------------------------------------------------------------------- 98
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b
x1 x0 xn xn
f x dx [f(x0) +f(x1)] + … + 1
[f(xn-1) + f(xn)]
2 2
a
b
h
f x dx [f (x0) + 2 f (x1) + 2 f (x2) +… + 2 f (xn-1) + f (xn)]
2
a
b n 1
b a
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 2
Ejemplo 1: Apliquemos la regla del trapecio para aproximar la integral e x 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:
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 x dx [ f (0) + 2 f (0.2) + 2 f (0.4) +2 f (0.6) + 2 f (0.8) + f (1)]
25
0
1 2 1 2 2 2 2
e x dx [1 + 2 e 0.2 + 2 e 0.4 + 2 e 0.6 + 2 e 0.8 + e] = 1.48065
10
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.
---------------------------------------------------------------------------------------------------------------- 99
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
x xm x b x a x b x a x xm
f2(x) = f (a) + f (xm) + f (b)
a xm a b xm a xm b b a b xm
b a
Si denotamos con: h = = xm – a = b – xm, entonces, la anterior expresión se puede
2
escribir:
x xm x b x a x b x a x xm
f2(x) = f (a) + f (xm) + f (b)
h 2h h h 2h h
Simplificando términos:
f a f xm f b
f2(x) = (x – xm)(x – b) – (x – a)(x – b) + (x – a)(x – xm)
2h 2 h2 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:
2
x
u=x– du = dx y, dv = (x – )dx v= x dx =
2
---------------------------------------------------------------------------------------------------------------- 100
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2 2
x x
Resultando: x x dx = (x – ) – dx
2 2
2 3
x x
x x dx = (x – ) –
2 6
Utilizamos esta fórmula para calcular la integral de cada uno de los tres términos de f2(x),
obteniendo:
b b b b
f a f xm f 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 b2 x b3
Hacemos: I1 = x xm x b dx = (x – xm) – =
2 6
a a
a b2 a b3 2h 2 2h 3
I1 = – (a – xm) + =– ( – h) + =
2 6 2 6
4 3 2 3
I1 = 2h3 – h = h
3 3
b b
x b2 x b3 a b3 2h 3 4 3
I2 = x a x b dx = (x – a) – = = h
2 6 6 6 3
a a
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
h2 h3 h3 h 3 2h 3
I3 = (2h) – + = h3 – =
2 6 6 3 3
b
f a f xm f b
Luego tenemos: f 2 x dx = I1 – I2 + I3
2 2
a 2h h 2h 2
---------------------------------------------------------------------------------------------------------------- 101
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b
f a 2 3 f xm 4 3 f b 2h 3
f 2 x dx = [ h]– [ h]+ [ ]
a 2h 2 3 h2 3 2h 2 3
b
h 4h h
f 2 x dx = f (a) + f (xm) + f (b)
3 3 3
a
b
h
f 2 ( x )dx f ( a ) 4 f ( xm ) f (b)
Y, finalmente tenemos: 3
a
Debido al factor h/3 este método recibe el nombre de la regla de Simpson de un tercio. En
b a
la práctica, se sustituye el valor de h = para obtener la siguiente fórmula final:
2
b
b a
f x dx [f (a) + 4f (xm) + f (b)]
6
a
1 2
e x dx
0
2
a = 0, b = 1, xm = 0.5, y f(x) = e x
1 2 1 0 2 2 2
e x dx [ e0 + 4 e 0.5 + e1 ] = 1.47157
6
0
4 x 2
e3 e4
e
dx
4 2
[e +4 + ] = 1.47082
x 6 2 3 4
2
---------------------------------------------------------------------------------------------------------------- 102
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Del mismo modo que con la regla del trapecio, se puede mejorar la regla de Simpson de
b a
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, xmi el punto medio en cada subintervalo [xi-1, xi]. Ahora,
aplicamos la propiedad básica de la integral definida obtenemos:
b x1 x2 xn
f x dx = f x dx + f x dx + … + f x dx
a x0 x1 xn 1
Luego aplicamos la regla de Simpson de 1/3, en cada una de las integrales anteriores,
obteniendo:
b
x1 x0
f x dx [f (x0) + 4f ( xm1 ) + f (x1)] + … +
6
a
xn xn 1
+ [f (xn-1) + 4f ( xmn ) + f (xn)]
6
b a
Sustituimos x0 = a, xn = b y h = y usando la notación de sumatoria, podemos
n
escribir:
b n n 1
b a
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 2
e x dx
0
---------------------------------------------------------------------------------------------------------------- 103
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
6 5
1 2
e x dx 1.4626
0
Y, los puntos medios de cada subintervalo son: Pm = {2.25, 2.75, 3.25, 3.75}
4 x
e
dx y
x
2
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].
---------------------------------------------------------------------------------------------------------------- 104
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b
3
f x dx h[f(a) + 3 f(p) + 3 f(q) + f(b)]
8
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:
b
b a
f x dx [f(a) + 3 f(p) + 3 f(q) + f(b)]
8
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
f x dx = f x dx + f x dx + … + f x dx
a x0 x1 xn 1
---------------------------------------------------------------------------------------------------------------- 105
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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 ( xn 1 ) 3 f ( pn ) 3 f ( qn ) f ( xn )
8
b n n 1
3h
f ( x)dx f ( x0 ) 3 f ( pi ) f ( qi ) 2 f ( xi ) f ( xn )
a
8 i 1 i 1
b n n 1
b a
f ( x)dx f a 3 f pi f qi 2 f xi f b
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.
---------------------------------------------------------------------------------------------------------------- 106
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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:
0.1
f 0 f 0 .1
I1 = f x dx = (0.1 – 0) = 0.842
2
0
0.7
0.7 0.1
I2 = f x dx = [f(0.1) + 3 f(0.3) + 3 f(0.5) + f(0.7)] = 2.7712
8
0.1
1.2
1.2 0.7
I3 = f x dx = [f (0.7) + 4f (0.95) + f (1.2)] = 2.4658
6
0.7
---------------------------------------------------------------------------------------------------------------- 107
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
1
tabla:
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
0 1
I1 = f x dx = [f (–1) + 4f (–0.5) + f (0)] = – 1.41667
6
1
1
f 0 f 1
I2 = f x dx = (1 – 0) = 0.25
2
0
3.25
3.25 1
I3 = f x dx = [f(1) + 3 f(1.75) + 3 f(2.5) + f(3.25)] = 0.210938
8
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
---------------------------------------------------------------------------------------------------------------- 108
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
b
b a
I= f ( x )dx , mediante una partición de n subintervalos de longitud h = utilizando
n
a
la 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:
b a 2
E(h1) h1 f "
12
b a 2
E(h2) h2 f "
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 2
h1 f "
E h1 12 h12
E h2 b a 2
h2 f " h22
12
2
h1
Resultando que: E(h1) E(h2)
h2
2
h
I(h1) + 1 E(h2) I(h2) + E(h2)
h2
---------------------------------------------------------------------------------------------------------------- 109
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
2 2
h h
O también: I(h1) – I(h2) E(h2) – E(h2) 1 = E(h2)[1 – 1 ]
h2 h2
I h1 I h2
Despejamos E(h2): E(h2)
2
h1
1
h2
I ( h1 ) I ( h2 )
I = I(h2) +
2
h1
1
h2
I ( h1 ) I ( h2 )
I I(h2) +
1 22
4 I h2 I h1
I
3
---------------------------------------------------------------------------------------------------------------- 110
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
16I h2 I h1
I=
15
h1
En al cuarto nivel de aproximación se hace h2 = , obteniéndose:
8
64I h2 I h1
I=
63
Y, así sucesivamente hasta el último nivel de aproximación, que se alcanza cuando solo se
cuenta con una pareja del nivel anterior. Desde luego, el número de niveles de
aproximación que se alcanzan, depende de las integraciones que se hicieron en el primer
nivel de aproximación.
---------------------------------------------------------------------------------------------------------------- 111
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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 2
Primer e e1 = 1.859140914
2
1 0 02 2 2
Segundo e 2e 0.5 e1 = 1.571583165
4
1 0 02 2 2 2 2
Tercer e 2 e 0.25 e 0.5 e 0.75 e1 = 1.490678862
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
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).
---------------------------------------------------------------------------------------------------------------- 112
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1
Obtenemos: I= [16 x 1.463710761 – 1.475730582] = 1.46290944
15
1 2
e x dx 1.46290944
0
1 2
Ejemplo 2. Usemos el algoritmo de Romberg para aproximar la integral: e x dx
0
1
agregando 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:
1 0 02 2 2 2 2 2 2 2 2
I(h4) = e 2 e0.125 e0.25 e0.375 e0.5 e0.625 e0.75 e0.875 e1
16
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:
---------------------------------------------------------------------------------------------------------------- 113
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
1 2
e x 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:
2 1 1
Primer nivel de integración: I(h1) = e ln1 e 2 ln 2 = 2.560851701.
2
2 1 1
Segundo nivel de integración: I(h2) = e ln1 2e1.5 ln1.5 e 2 ln 2 = 2.189010122
4
2 1 1
I(h3) = e ln1 2 e1.25 ln1.25 e1.5 ln1.5 e1.75 ln1.75 e 2 ln 2 = 2.09430857
8
2 1 1
I(h4) = e ln1 2 e 0.125 ln 0.125 e 0.25 ln 0.25 ... e 0.875 ln 0.875 e 2 ln 2 =
16
2.070524501
---------------------------------------------------------------------------------------------------------------- 114
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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:
4k 1 I h j 1 k 1 I hj k 1
Ijk k 1
4 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:
I j ,k I j ,k 1
a 100 % s
I j ,k
---------------------------------------------------------------------------------------------------------------- 115
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
3 x
e
Ejemplo 1. Apliquemos el algoritmo de integración de Romberg a la integral: dx
x
1
para s = 0.01 %
3 1 e1 e3
Primer nivel: I(h1) = = 9.413460803
2 1 3
3 1 e1 e2 e3
Segundo nivel: I(h2) = 2 = 8.401258451
4 1 2 3
3 1 e1 e1.5 e2 e 2.5 e3
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:
Calculamos el error:
8.038733067 8.038743803
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:
---------------------------------------------------------------------------------------------------------------- 116
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
3 x
e
dx 8.038733067
x
1
5.10 PROBLEMAS
6
cos x
1. Usa la regla del trapecio para aproximar la integral: dx
x 1
0
4
2. Usa la regla de Simpson 1/3 para aproximar: xe x dx
0
4
3. Usa la regla de Simpson 3/8 para aproximar: ln x 3 dx
2
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 1 dx
1
i) Usando 1, 2 y 4 intervalos.
---------------------------------------------------------------------------------------------------------------- 117
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
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
---------------------------------------------------------------------------------------------------------------- 118
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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.
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).
---------------------------------------------------------------------------------------------------------------- 119
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
Este método es el menos exacto, pero si el más sencillo así como el que marca la pauta
para desarrollar los otros métodos.
Figura 6.2.
Figura 6.3
---------------------------------------------------------------------------------------------------------------- 120
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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
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)
Esta es la conocida fórmula de Euler que se usa para aproximar el valor de y(x1),
x1 x 0
aplicándola sucesivamente desde x0 hasta x1 en n pasos de longitud h = .
n
---------------------------------------------------------------------------------------------------------------- 121
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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: = 2 xdx ln│y│ = x2 + c
y
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
---------------------------------------------------------------------------------------------------------------- 122
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x1 = x0 + h = 0.1
y1 = y0 + h (2 x0 y0) = 1 + 0.1 x [2 x 0 x 1] = 1
x2 = x1 + h = 0.2
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
---------------------------------------------------------------------------------------------------------------- 123
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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:
2
x1 x0
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)
---------------------------------------------------------------------------------------------------------------- 124
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
xf = x3 +0.2 = 1.0
Calculamos primeramente:
---------------------------------------------------------------------------------------------------------------- 125
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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),
y´ = x2 + 1.5 y2,
y’ = 2xy,
---------------------------------------------------------------------------------------------------------------- 126
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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 xn , y n f xn 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.
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.
---------------------------------------------------------------------------------------------------------------- 127
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
x1 = x0 + h = 0 + 0.1 = 0.1
f (x0, y0) = 2 x 0 x 1 = 0
f x0 , y 0 f x1 , y1* 0 0. 1
y1 = y0 + h. = 1 + 0.1 x = 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* .
n xn yn
0 0 1
1 0.1 1.01
2 0.2 1.040704
3 0.3 1.093988
---------------------------------------------------------------------------------------------------------------- 128
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
f x0 , y 0 f x1 , y1* 4 3.7
y1 = y0 + h. = 2 + 0.1 x = 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
---------------------------------------------------------------------------------------------------------------- 129
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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
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
---------------------------------------------------------------------------------------------------------------- 130
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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] =
6 6
1.01005
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 +
6 6
0.04163] = 1.04081
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
---------------------------------------------------------------------------------------------------------------- 131
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
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.
x0 = 2, y0 = 4, h = 0.1, f (x, y) = x + y
h k
k2 = h f (x0 + , y0 + 1 ) = 0.1 x [2.05 + 4.3] = 0.635
2 2
h k
k3 = h f (x0 + , y0 + 2 ) = 0.1 x [2.05 + 4.3175] = 0.63675
2 2
1 1
y1 = y0 + [k1 + 2k2 + 2k3 + k4] = 4 + [0.6 + 2 x 0.635 + 2 x 0.63675 + 0.673675] =
6 6
4.6362
h k
k2 = h f (x1 + , y1 + 1 ) = 0.1 x [2.15 + 4.97301] = 0.7123
2 2
h k
k3 = h f (x1 + , y1 + 2 ) = 0.1 x [2.15 + 4.99235] = 0.71424
2 2
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
6.4 PROBLEMAS
---------------------------------------------------------------------------------------------------------------- 132
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López
Universidad Católica Boliviana San Pablo – Unidad Académica Regional Tarija
Departamento de Ingenierías y Ciencias Exactas
-----------------------------------------------------------------------------------------
y(2) = 0.5
Usa el método de Euler para aproximar y(2.3) tomando h = 0.1 en cada paso del
proceso iterativo.
y(1) = 1.5
Usa el método de Euler para aproximar y(1.3) tomando h = 0.1 en cada paso del
proceso iterativo.
y(2) = 1
Usa el método de Euler mejorado para aproximar y(2.3) tomando h = 0.1 en cada
paso del proceso iterativo.
1
4. Dada la ecuación diferencial: y’ = 2
x y
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.
y(4) = 5
Usa el método de Runge-Kutta para aproximar y(4.3) tomando h = 0.1en cada paso
del proceso iterativo.
y(3) = 10
Usa el método de Runge-Kutta para aproximar y(3.3) tomando h =0.1 en cada paso
del proceso iterativo.
---------------------------------------------------------------------------------------------------------------- 133
Apuntes universitarios: MAT – 362: Análisis NuméricoI 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.
---------------------------------------------------------------------------------------------------------------- 134
Apuntes universitarios: MAT – 362: Análisis NuméricoI Profesor: Ing. Abel Barroso López