Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte de Durán
Apunte de Durán
RICO
ELEMENTOS DE CALCULO
NUME
Ri
ardo G. Dur
an, Silvia B. Lassalle y Julio D. Rossi
Indi e General
1
1
3
11
15
29
35
35
40
60
65
65
68
69
76
79
83
87
87
90
92
95
102
104
107
111
112
118
127
131
132
139
145
INDICE GENERAL
4. Cuadratura Gaussiana
5. Convergen
ia de los metodos de
uadratura
6. Ejer
i
ios
Captulo 8. Resolu
ion de e
ua
iones diferen
iales ordinarias
1. Metodos de un paso
2. Analisis del error y Convergen
ia
3. Metodos multipaso lineales
4. Ejer
i
ios
150
158
161
165
167
176
182
191
CAPTULO 1
Punto
otante y redondeo
El objeto de este
aptulo es analizar la representa
ion de los numeros en una
omputadora y la
propaga
ion de los errores de redondeo al realizar
al
ulos.
Como la
antidad de informa
ion que puede guardarse en una
omputadora es nita, la maquina
trabajara solo
on un
onjunto nito de numeros. A estos los llamaremos numeros de maquina.
En
onse
uen
ia, toda vez que de nuestros datos o
al
ulos surja un numero que no pertene
e a
este
onjunto nito, este debera ser reemplazado por una aproxima
ion (el numero de maquina
mas
er
ano). Este reemplazo da lugar a lo que llamamos errores de redondeo.
Al realizar
al
ulos estos errores de redondeo se propagan y esto puede llevar a resultados
totalmente in
orre
tos
omo veremos en algunos ejemplos simples.
En las apli
a
iones del
al
ulo numeri
o es pra
ti
amente imposible determinar exa
tamente la
magnitud de los errores de redondeo. Lo que si puede ha
erse, y es de fundamental importan
ia,
es identi
ar las posibles
ausas de que los errores se propaguen mas de lo admisible. Esto
permite mejorar los algoritmos o determinar que metodo es mas
onveniente para resolver un
problema. Un
laro ejemplo de esto, que veremos mas adelante, apare
e
uando se utiliza el
metodo de elimina
ion de Gauss para resolver un sistema de e
ua
iones lineales. En este
aso,
el analisis de la propaga
ion de errores permite determinar la forma mas e
iente de apli
ar el
metodo.
Por otra parte, es fundamental distinguir
uando la propaga
ion ex
esiva de errores se debe a
que el algoritmo utilizado es \malo" o inestable o a que el problema en s mismo esta \mal
ondi
ionado". En el primer
aso se puede (se debe!) tratar de mejorar el metodo de resolu
ion
mientras que en el segundo
aso el problema es mas esen
ial. Los ejemplos que presentaremos
ilustraran estos dos
asos.
1. Punto
otante
En lo que sigue supondremos que los numeros de maquina son los que apare
en en la pantalla.
Esto no es exa
to pues en realidad la
omputadora opera internamente
on los numeros desarrollados en base 2 y no en base 10. Este abuso de lenguaje es solo para mayor
laridad (el le
tor
podra observar que todo nuestro analisis puede repetirse trabajando en base 2).
Observemos primero que un numero real
ualquiera, x 2 IR, x > 0, puede es
ribirse
omo
1
10 r < 1 (es de
ir; a1 6= 0)
Pero en una
omputadora no se pueden poner innitos dgitos. Por lo tanto, se trabaja solo
on numeros de desarrollo nito y de una longitud dada. De la misma forma, el exponente l
(es de
ir el orden del numero) estara limitado a
ierto rango. En
onse
uen
ia los numeros de
maquina seran de la forma
x = 0; a1 a2 : : : ak : : : 10l = r 10l ;
x = 0; a1 a2 : : : am 10l = q 10l
M1 l M2 ; ; a1 6= 0
Los numeros m, M1 y M2 dependen de la maquina.
M1 l M2 ; a1 6= 0
x0 x x00
Supongamos, para simpli
ar, que am 6= 9 (anali
e el le
tor el
aso
ontrario). Enton
es tenemos
y
x0 = 0; a1 a2 : : : am 10l
x00 = 0; a1 a2 : : : (am + 1)10l
2. REDONDEO
2. Redondeo
Hay dos formas de aproximar a x. Una es por trun
amiento: se elige siempre x0 es de
ir el
mayor de los numeros
de00 maquina que son menores que x. La otra forma es tomar el mas
0
proximo a x entre x y x . A esta forma de aproximar se la
ono
e por redondeo y es la que
usan habitualmente las
omputadoras.
Veamos que error
ometemos al aproximar un numero por redondeo. Usaremos la nota
ion
x = x redondeado
jx x j 1
10l m
jxj
2 0; a1 a2 : : : am : : : 10l
0; a1 a2 : : : am : : : 101
jx xj 5 10
jxj
Observemos que
on
x = x(1 + )
jj " = 5 10
Este
" es el error de redondeo unitario, es de
ir, que el error que se
omete al aproximar x por
x es x
on jj ", de esta forma el error jx x j sera menor o igual que "jxj.
Este valor, ", depende de la maquina y se lo llama el " de la maquina. Re
ordemos que, segun lo
omentado antes, el verdadero " de maquina no es exa
tamente este debido a que la
omputadora
trabaja en base 2. Pero desde el punto de vista pra
ti
o solo interesa el orden de " (y este s es
orre
to!).
Ejer
i
io:
Otra forma de interpretar el signi
ado del " de la maquina es la siguiente: " nos di
e
ual es el
menor numero tal que, en la maquina,
1 + " 6= 1
O sea, si se le suma a 1 algo menor que ", \desapare
e" debido al redondeo. En efe
to, segun la
maquina tendremos
en
ambio,
1 + 4 10 m = 1; 0 : : : 04 = 0; 10 : : : 00 10 = 1
1 + " = 1; 0 : : : 06 = 0; 10 : : : 01 10 6= 1
Si sumamos exa
tamente " el resultado dependera de
omo redondee la maquina en el
aso en
que x equidista de dos numeros de maquina, es de
ir,
uando la
ifra m + 1 es justo 5.
Mas en general, el orden del menor numero que sumado a un x da, en la maquina, un resultado
distinto de x es "jxj.
Es fundamental observar que " no es el menor numero que se puede representar en la maquina
(y esta muy lejos de este!). Este ultimo depende de M1 y no de m.
Veamos ahora algunos de los problemas que surgen debido al redondeo.
Empe
emos por sumar dos numeros. Como vimos, si sumamos dos numeros de ordenes muy
distintos, el mas
hi
o puede \desapare
er". Por ejemplo, si m = 5 y
2. REDONDEO
tenemos
x = 78473000;
x = 0; 78473 108 ;
y = 24
y = 0; 24 102
x + y = 78473024
y por lo tanto,
(x + y) = 0:78473 108 = x = x
En parti
ular, esto nos di
e que si tenemos que sumar varios numeros x1; x2 ; : : : ; xN
onviene
ha
erlo de menor a mayor (>Por que?).
En el ejemplo anterior el problema no es muy importante ya que no se pierden dgitos signi
ativos, es de
ir, el orden del error relativo no se agranda (se esta perdiendo la informa
ion de un
numero que es despre
iable respe
to del otro sumando).
El problema es mu
ho mas serio
uando deben restarse dos numeros pare
idos. En este
aso,
debido a lo que se
ono
e
omo \
an
ela
ion
atastro
a", pueden perderse dgitos signi
ativos
o, en otras palabras, agrandarse mu
ho el error relativo.
Consideremos
omo antes m = 5 y tomemos
enton
es,
y por lo tanto,
mientras que
x = 0; 372154876;
x = 0; 37215;
y = 0; 372023264
y = 0; 37202
x y = 0; 000131612
x y = 0; 00013 = 0; 13 10 3
Observemos que su
edio: x e y estaban representados
on 5 dgitos signi
ativos pero al restarlos
quedaron solo 2 del resultado. En
onse
uen
ia5 el error relativo
re
io de manera tal2 que si bien
el error relativo en x e y era del orden de 10 el del resultado es del orden de 10 .
Como
on
lusion observamos que hay que tratar de evitar restar numeros \
asi iguales". Por
ejemplo, supongamos que queremos
al
ular
y=
1
para valores de x peque~nos. Si lo ha
emos dire
tamente, estamos en la situa
ion anterior. En
ambio podemos pro
eder de la siguiente manera:
y=
x2 + 1
x2 + 1
p2
p
2
x + 1 1)( x2 + 1 + 1)
p2
p 2x
=
( x + 1 + 1)
( x + 1 + 1)
1= (
y utilizar la ultima expresion para
al
ular y. Si los
al
ulos fueran exa
tos ambas formulas
daran el mismo resultado pero, debido al redondeo, dan resultados distintos. Por ejemplo,
trabajando
on 5 dgitos, si x = 0; 0312 obtenemos
on la primera formula y = 0; 0004 (un
solo dgito signi
ativo si bien
ono
amos x exa
tamente). Mientras que
on la segunda, y =
0; 00048662 (que tiene
uatro dgitos signi
ativos
orre
tos).
El mismo problema surge al
al
ular y = x senx para x peque~no. En este
aso se puede usar
el desarrollo de Taylor,
3
ax2 + bx + = 0
b + b2
2a
4a
x2 =
x2
105 x + 1 = 0
Los primeros dgitos exa
tos de las ra
es son
y
x1 = 99999:99999
x2 = 0:000010000000001
p2
b
2a
4a
2. REDONDEO
sign(b) b2 4a
x1 =
2a
y luego la otra raiz
omo hi
imos en el ejemplo. De esta forma se evita la perdida de dgitos
signi
ativos.
Un problema fundamental del
al
ulo numeri
o es la resolu
ion de sistemas de e
ua
iones lineales.
Veamos
omo los errores de redondeo pueden afe
tar la solu
ion aun en problemas de dos
e
ua
iones
on dos in
ognitas. Tratemos de resolver el siguiente sistema utilizando el metodo
de elimina
ion de Gauss,
b
1 x = 1
1 1
y
2
"
10 6 1 6 x = 1 6
0 1 10
y
2 10
pero,
on el redondeo a
in
o
ifras nos queda
10 6 1 6 x = 1 6
0 10
y
10
(perdimos la informa
ion de la segunda e
ua
ion!).
Mientras que el resultado exa
to es
10 6
0
1 x = 1
999999
y
999998
Hasta aqui el error no pare
e grave. Pero veamos: si utilizamos 0la matriz obtenida
on la maquina
y despejamos
de la segunda e
ua
ion obtenemos la solu
ion y = 1 y luego, reemplazando en la
primera, x0 = 0.
Pero la solu
ion verdadera es
1 2 10 6 1 = y0
1 10 6
1 6= 0 = x0
x=
1 10 6
x0 = x = 1 101 6 es aproximadamente 1. Ademas el error relativo es 1
y=
Observemos que x
(
atastro
o!).
Anali
emos que su
edio. Al ha
er las restas 1 1" , 2 1" se introdu
e un peque~no error en
la matriz triangulada que se propaga a la solu
ion. Este error, al perder la sexta
ifra, no es
signi
ativo respe
to de y pero al reemplazar en la primera e
ua
ion queda,
"x0 = 1 y0 ;
y enton
es x = 1" (1 y0)
Esto impli
a que el error y y se ampli
a por un fa
tor 1" dando lugar a un error grande en x.
Veamos ahora que pasa si ha
emos el mismo pro
eso de elimina
ion de Gauss pero inter
ambiando las las de lugar. Queda
1 6 1 x = 2
10 1
y
1
Operando (la 2 - " la 1), obtenemos
1
1 6 x =
2
0 1 10
y
1 2 10
y
on el redondeo a
in
o
ifras nos queda
1 1 x = 2
0 1
y
1
0
0
que tiene
omo solu
ion y = 1, x = 1.
>Que paso? El inter
ambio de las permitio obtener un resultado
orre
to evitando la propaga
ion
atastro
a del error que se daba en el otro
aso. Veremos mas adelante que esto es algo
general:
onviene elegir
omo \pivote" (elemento por el que se divide) para la elimina
ion de
Gauss el que tenga mayor valor absoluto.
En este ejemplo, la primera forma de resolver era un algoritmo \malo" o inestable en el sentido
de que ampli
aba los errores llevando a resultados absolutamente erroneos. Sin embargo, esto
2. REDONDEO
se solu
iono inter
ambiando el orden de las las, o sea, modi
ando el algoritmo. Esto muestra
que el error en el primer
aso se deba a la forma de resolver y no a algo inherente al problema
en s mismo.
Hay
asos de naturaleza esen
ialmente diferente en los
uales el problema que se quiere resolver
esta \mal
ondi
ionado". Esto signi
a que peque~nos
ambios en los datos impli
an grandes
ambios en la solu
ion. Esto ha
e que los errores de redondeo puedan ampli
arse mu
ho
independientemente del metodo que usemos para resolverlo.
Veamos un ejemplo de esto. Supongamos que nuestra maquina trabaja
on 3 dgitos y trun
a.
Resolvamos el sistema
son
en
ambio, las ra
es de
(x 2)2 = 10
x1 = 2 + 10 3
x2 = 2
(x 2)2 = 0
10
son x1 = x2 = 2.
Este ejemplo trivial muestra que un peque~no
ambio en un
oe
iente de la e
ua
ion polinomial
puede dar lugar a un
ambio de otro orden en las3 ra
es. En este
aso, un
ambio de 10 6 en el
termino independiente origina un
ambio de 10 en las ra
es.
Un ejemplo mas interesante es el estudiado por Wilkinson en 1963. Se trata de
al
ular las
ra
es de
10
Para nalizar, veamos otro ejemplo de algoritmo inestable. El problema
onsiste en
al
ular
En =
En =
xn ex
xn ex 1 dx
n = 1; 2; : : :
1 dx = xn ex 1 j1
0
nxn 1 ex 1 dx
En = 1 nEn 1
E1 = 1=e
...
E9 0:0684800
uando en realidad
E9 0:0916
3. EJERCICIOS
11
Como
on
lusion el algoritmo es malo. Pero observemos que no lo es el problema en s mismo.
Como alternativas podemos
al
ular En por integra
ion numeri
a o bien ha
er el siguiente tru
o.
Observemos que
En 1 =
y omo
En
xn dx =
En
n
1 !0
n+1
0
podemos empezar de E20 0 e ir ha
ia atras usando En 1 = 1
3. Ejer i ios
12
40x + 0:25 = 0;
utilizando aritmeti
a de 4 dgitos y
omparar
on el resultado obtenido utilizando aritmeti
a exa
ta. Cal
ular el error relativo y asegurarse de
omprender de donde viene la
perdida de dgitos signi
ativos. >Se le o
urre
omo
al
ular
on mayor pre
ision di
ha
raz? >Cual es el error relativo
on el nuevo metodo?
(7) Hallar una forma de
al
ular sin perdida de dgitos signi
ativos las siguientes
antidades, para x 0: n n
(a) ( +px)
(b) 2 x
(
)
os x 1
(d) sen( + x) sen()
(8) Se pretende
al
ular las sumas SN = PNk=1 ak
on N 2 IN. Llamemos S
N al valor
al
ulado que se logra de ha
er fl(SN 1 + aN ).
N
X
(a) SN = k1 . Mostrar que S
N se esta
iona a partir de algun N su
ientemente
k=1
grande. Dedu
ir que a partir de enton
es SN 6= S
N .
N
k+100
X
(b) Idem (a) para la suma SN = 2 k + 1 . En
ontrar, ha
iendo un programa
k=1
en Matlab, el valor de N para el
ual
S
N se esta
iona.
x
(9) El desarrollo de Taylor de la fun
ion e propor
iona una forma muy inestable de
al-12
ular este valor
uando x es negativo. Ha
er un programa en Matlab que estime e
evaluando el desarrollo de Taylor hasta grado n de la fun
ion ex en x = 12, para
n = 1; : : : ; 100. Comparar
on el valor exa
to: 0:000006144212353328210 : : : >Cuales
son las prin
ipales fuentes de error? Realizar otra estima
ion= de e 12
on algun
otro metodo que evite los problemas del metodo anterior (Sugeren
ia: Considerar
e x = 1=ex ).
(10) Cal
ular en Matlab los valores: sen(=2 + 210j )
= on 1 j 18. >Cuanto debera
dar? >Que esta pasando?
(11) Aproxima
ion de la derivada de una fun
ion.
3. EJERCICIOS
13
onsideramos las siguiente dos maneras de estimar numeri
amente el valor de (x) para
un x jo:
sumar los primeros n terminos de la serie (x),
teniendo en
uenta que (1) = 1, denir
1
1
X
X
1
1
(x) = (x) (1) = ( k(k + x) k(k + 1) ) = k(k +11)(xk + x) ;
k=1
k=1
luego expresar (x) = 1+ (x) y, de este modo, estimar (x)
omo 1 mas la suma
de los primeros n terminos de la serie (x).
Prede
ir
ual de las dos maneras
onverge mas rapidamente. Luego, ha
er un
programa que
al
ule y graque el resultado obtenido
on los dos metodos propuestos
para
al
ular (0),
on n = 1; : : : ; 100. Comparar
on el resultado exa
to, que es 62 .
(14) Algoritmo para
al
ular .
Comenzar
ini
ializando las variables a; b;
; d y e del siguiente modo: a = 0, b = 1,
p
= 1= 2, d = 1=4, e = 1. Luego, iterar n ve
es en el orden dado las siguientes
formulas:
p
b+
a = b; b =
;
=
a; d = d e(b a)2 ; e = 2e:
2
14
CAPTULO 2
Normas y
ondi
ionamiento de una matriz
Pero esta no es la uni
a medida razonable y en mu
hos
asos es
onveniente trabajar
on otras.
Por ejemplo, podemos de
ir que un ve
tor es \
hi
o" si lo son todas sus
omponentes y tomar
enton
es
omo medida de x la siguiente, llamada \norma innito",
kxk1 = 1max
jx j
in i
on 1 p < 1.
Todas estas formas de medir resultan equivalentes en el sentido de que, si x es \
hi
o" en una
de las normas enton
es lo es en
ualquier otra, puesto que una norma es mayor que la otra salvo
una
onstante que depende solo de n. Por ejemplo, utilizando la desigualdad de S
hwartz se
obtiene
y por otra parte, es fa
il ver que,
kxk1 pnkxk2
16
2. NORMAS Y CONDICIONAMIENTO
kxk2 kxk1
Mas en general, de
imos que una norma en IRn es una manera de asignar a
ada x un numero kxk
de tal forma que se veriquen las siguientes propiedades, analogas a las que
umple la longitud
usual,
1) kxk 0
8x 2 IRn
2) kxk = 0 si y solo si x = 0.
3) kxk = jjkxk
8 2 IR, 8x 2 IRn
4) kx + yk kxk + kyk
Una vez que sabemos
omo medir ve
tores podemos hablar tambien de la distan
ia entre dos
ve
tores x e y la
ual esta dada por kx yk. En parti
ular, esto permite hablar de
onvergen
ia
de su
esiones: xn ! x si kx xnk ! 0.
Tanto para medir el error
omo para analizar la
onvergen
ia de una su
esion elegiremos la
norma que nos resulte mas
onveniente en
ada
aso. Esto esta justi
ado por el he
ho de
que todas las normas son equivalentes:
onvergen
ia en una de ellas impli
a
onvergen
ia en
ualquier otra. Mas aun, se tiene el siguiente resultado.
Teorema 2.1. Dadas dos normas en IRn, k k y k k0 , existen
onstantes C1 y C2 que dependen
solo de n y de las normas
onsideradas (en parti
ular, son independientes de x) tales que
8x 2 IRn
kxk = k
n
X
i=1
xi ei k
n
X
i=1
n
X
jxi jkei k (
i=1
n
X
jxi j2)1=2 (
i=1
8x 2 IRn
(2.1)
(2.2)
2. NORMAS Y CONDICIONAMIENTO
17
Supongamos que una tal K no existe y veamos que se llega a una
ontradi
ion. En efe
to, si
(2.2) no se
umple para ningun K tenemos, en parti
ular, que dado m 2 IN, existe ym 2 IRn tal
que
kym k2 mkym k
y llamando xm = ym=kym k2 obtenemos kxm k2 = 1 y
kxm k m1
(2.3)
pero, toda su
esion a
otada en la norma
eu
ldea tiene una subsu
esion
onvergente. Enton
es
0
existe una subsu
esion de (xm ), (xm ) tal que
kx0m xk2 ! 0
para
ierto x 2 IRn. Pero enton
es por (2.1), tambien vale que
kx0m xk ! 0
Por otra parte, por (2.3) tenemos que kx0m k ! 0 y en
onse
uen
ia, por uni
idad del lmite,
Ahora s, estamos en
ondi
iones de abordar el problema de
omo afe
ta el error en los datos a
la solu
ion de un sistema lineal
uya matriz A es inversible. Si se reemplaza el dato b por b +b,
la solu
ion x del sistema sera modi
ada de tal forma que tendremos
A(x + x) = (b + b)
o equivalentemente,
Ax = b
kxk
kxk
La solu ion es
kbk
kbk
18
2. NORMAS Y CONDICIONAMIENTO
1
x= 0
Observemos que
kbk1 = 13:8
kxk1 = 1
4:11
9:70
0
:
34
0
x = x + x = 0:97
b0 = b + b =
kbk1 = 0:01
kxk1 = 1:63
kbk1 = 0:7246 10 3
kbk1
mientras que
kxk1 = 1:63
kxk1
Nuestro objetivo es tratar de entender a que se debe este
omportamiento y poder prede
ir,
dada una matriz A,
ual sera el fa
tor de ampli
a
ion del error relativo o, al menos, dar una
ota de este en terminos de A.
Anali
emos primero el
aso de una matriz diagonal.
1
2
b
x1 = 1
1
enton es,
x1
x2
b
x2 = 2
2
0
A = 1000
0 1001
b1
b2
2. NORMAS Y CONDICIONAMIENTO
Si ponemos b0 = b + b on
x1 =
b1
enton
es,
obteniendose
b = 0b2
x1 =
x2 = 100b2
1000
19
b1
b=
b1
x2 = 100b2
1000
b = 0b1
1 b1
x1 = 1000
b = b0
2
x2 = 100b2
1 kbk2 = kxk2
105 kbk2 kxk2
o sea que en este
aso el error relativo se redujo en un fa
tor 105 . En general, para una matriz
diagonal
A=
1
0 2
on j1j > j2 j, el error relativo puede multipli
arse por
en el peor de los
asos y por
j1 j
j2 j
20
2. NORMAS Y CONDICIONAMIENTO
j2 j
j1 j
A=
0
0 N
1
1
A
siendo max y min los de maximo y mnimo valor absoluto entre los j (observemos que min 6= 0
pues estamos suponiendo que A es inversible). Este
o
iente se llama numero de
ondi
ion o de
ondi
ionamiento de A en la norma k k2 y lo denotaremos Cond2(A).
Ahora veamos
omo denir el numero de
ondi
ion para una matriz A arbitraria. Comen
emos
por el
aso en que A sea simetri
a, es de
ir aij = aji. En este
aso A se puede diagonalizar,
es de
ir, existe una base de autove
tores fv1 ; : : : ; vng. Ademas, por ser A simetri
a podemos
onsiderar que la base es ortonormal. Enton
es, si Ax = b , A(x + x) = b + b y
x=
tenemos,
n
X
i=1
i vi
x =
n
X
i=1
i vi
n
X
kxk22 = 2i
i=1
X
kxk22 = i2
i=1
y ademas, si llamamos i al autovalor
orrespondiente a vi,
b=
n
X
i=1
kbk22 =
i i vi
n
X
i=1
2i 2i
b =
n
X
i=1
kbk22 =
i i vi
n
X
i=1
i2 2i
Enton
es, si max y min son los autovalores de maximo y mnimo valor absoluto respe
tivamente,
obtenemos
2. NORMAS Y CONDICIONAMIENTO
o sea
21
Pn
2
2
2
kxk22 = P
i=1 i 1=jmin j kbk2
n
2 1=jmax j2 kbk22
kxk22
i=1 i
j
es de
ir que el numero Cond2(A) = jjmax
minj es una
ota para el fa
tor de ampli
a
ion del error
relativo. Mas aun, esta
ota es la mejor posible pues la desigualdad se
onvierte en una igualdad
para
ierta ele
ion de b y b (b en la dire
ion
orrespondiente al maximo autovalor y b en
la
orrespondiente al mnimo).
Para generalizar el numero de
ondi
ion a
ualquier matriz observemos que, en el
aso de una
simetri
a, la dire
ion
orrespondiente al autovalor de maximo valor absoluto nos da la dire
ion
de \maxima expansion", es de
ir, si miramos el
o
iente entre la longitud de Ax y la de x
kAxk2
kxk2
este sera maximo entre todos los x
uando x esta en la dire
ion
orrespondiente a max. En
efe
to, si es
ribimos x en la base de autove
tores fv1 ; : : : ; vng
x=
enton
es,
Ax =
y de a a resulta que
n
X
i=1
n
X
i=1
i vi
i i vi
kAxk2 jmaxjkxk2
22
2. NORMAS Y CONDICIONAMIENTO
kAxk
kAk = 0=6 max
n
x2IR kxk
y en parti
ular, esto muestra que el maximo existe, o sea que la norma esta bien denida (kAxk
es una fun
ion
ontinua de x y por lo tanto, al
anza su maximo en el
onjunto de ve
tores de
norma igual a uno pues este es
errado y a
otado).
De la deni
ion se desprende la siguiente desigualdad que usaremos fre
uentemente,
kAxk kAkkxk
8x 2 IRn
(2.4)
Por otra parte puede veri
arse que kAk es la menor entre todas las
onstantes C para las
uales
vale la desigualdad
kAB k kAkkB k
8A 2 IRnn ; 8B 2 IRnn
kAxk C kxk
8x 2 IRn
kA 1 k2 = j 1 j
min
kAk2 kA 1 k2 = jjmaxjj
min
2. NORMAS Y CONDICIONAMIENTO
n 2.2. Sea A 2 IRnn una matriz inversible y sea
Defini
io
numero de
ondi
ion de A
omo
23
Cond(A) = kAkkA 1 k
Cond(A) 1
8A 2 IRnn
En efe
to, la primera es obvia mientras que, para ver la segunda, utilizamos la propiedad (2.4)
y obtenemos
1 = kI k = kAA 1 k kAkkA 1 k = Cond(A)
Podemos ahora probar el siguiente resultado fundamental
Teorema 2.3. Si A 2 IRnn es inversible, b; b 2 IRn, Ax = b y A(x +x) = b +b enton
es,
kxk Cond(A) kbk
kxk
kbk
b.
(2.5)
Ademas,
1 kbk
Cond(A) kbk
y nuevamente, vale la igualdad para
iertos b y b.
Demostra
ion.
y enton es,
kxk
kxk
(2.6)
Se tiene que
A(x) = b
vale.
24
2. NORMAS Y CONDICIONAMIENTO
Observemos ademas que si elegimos b tal que kxk = kA 1 bk = kA 1 kkbk, x tal que
kAxk = kAkkxk (lo que siempre se puede por la deni
ion de la norma matri
ial) y b = Ax
resulta la igualdad en (2.5).
Ahora, para ver la desigualdad (2.6) observemos que esta puede es
ribirse
omo
kbk Cond(A) kxk
kbk
kxk
la
ual, teniendo
en
uenta que Cond(A) = Cond(A 1), es exa
tamente la desigualdad (2.5)
1
apli
ada a A
on lo que el teorema esta demostrado.
Veamos ahora que el numero de
ondi
ion tambien tiene que ver
on la propaga
ion del error
que se
ometa en los
oe
ientes del sistema. Como veremos mas adelante, el teorema siguiente
es tambien de suma importan
ia en el analisis del error de redondeo en la elimina
ion de Gauss.
Teorema 2.4. Si A 2 IRnn es inversible, E 2 IRnn, b 2 IRn , Ax = b y (A + E )(x + x) = b
enton
es, llamando x~ = x + x tenemos
kxk Cond(A) kE k
kx~k
kAk
y si
Cond(A)
enton
es,
kE k < 1
kAk
kxk 1 Cond(A) kE k
kxk 1
kAk
Demostra
ion.
Tenemos
Ax = b
y enton
es,
por lo que
on
luimos que
lo que prueba (2.7).
(2.7)
Ax~ = b E x~
E x~ = Ax
(2.8)
2. NORMAS Y CONDICIONAMIENTO
25
Veamos ahora
omo
al
ular algunas normas matri
iales. Dada A 2 IRnn se llama radio
espe
tral de A a
(A) = jmax j
siendo max el de maximo valor absoluto entre todos los autovalores de A, in
luyendo los
omplejos.
Ya vimos que si A es simetri
a enton
es,
kAk2 = (A)
kAk2 = (AT A)
donde AT es la matriz traspuesta de A. En efe
to,
omo AT A es simetri
a, existe una base
ortonormal de autove
tores fvj g. Llamando j a los autovalores
orrespondientes tenemos
j = 1; : : : ; n
y si x = i=1 i vi enton
es, por la ortonormalidad
de los vj resulta kxk22 = Pni=1 2j y
P
onse
uen
ia, teniendo en
uenta que AT Ax = ni=1 j j vj , se tiene que para todo x 2 IRn
Pn
es de ir que
AT Avj = j vj
kAxk22 = xT AT Ax =
kxk22
kxk22
Pn
2
2
i=1 j
i=1 j j
Pn
(AT A)
kAk2 (AT A)
en
26
2. NORMAS Y CONDICIONAMIENTO
El
al
ulo de la norma 2 de una matriz involu
ra el
al
ulo de autovalores, el
ual es un problema
ompli
ado. Sin embargo, otras normas son mu
ho mas fa
iles de
al
ular. Por ejemplo, se tiene
que
n
X
kAk1 = 1max
in
j =1
jaij j
Para ver esto observemos primero que, para todo x 2 IRn vale
y enton es,
kAxk1 = 1max
j
in
N
X
j =1
aij xj j kxk1
n
X
kAk1 1max
in
j =1
max
N
X
1in j =1 jaij j
jaij j
Para ver que vale la otra desigualdad, sea k tal que Pnj=1 jakj j es maxima y tomemos
0
B
x=B
sg(ak1 )
sg(ak2 )
sg(akn )
1
C
C
A
n
X
j =1
jakj j
y on luimos que
n
kAxk1 X
kxk1 j=1 jakj j
kAk1 1max
in
n
X
j =1
jaij j
2. NORMAS Y CONDICIONAMIENTO
kAk1 = 1max
j n
n
X
i=1
27
jaij j
Hemos visto que el numero Cond(A) nos da una medida de
uan mala es una matriz en
uanto
a la propaga
ion de los errores relativos. Si este numero es grande se di
e que la matriz esta
\mal
ondi
ionada".
Si A es una matriz singular y, para
ierto b, el sistema Ax =n b tiene alguna solu
ion, enton
es
tendra innitas y estas formaran una variedad lineal de IR . Es de
ir que sin
ambiar nada
b se pueden obtener solu
iones tan distantes
omo se quiera. En otras palabras, en este
aso
tendramos b = 0 mientras que x sera arbitrariamente grande.
En
onse
uen
ia, es natural esperar que el numero Cond(A) nos de una medida de
uan
er
a
esta A de ser singular. Esto es efe
tivamente as y lo formalizaremos en el proximo teorema.
Pero antes veamos algunos ejemplos. Sea " 0 enton
es la matriz
esta
er
a de la matriz singular
y en este
aso
enton
es,
y en
onse
uen
ia,
A=
B=
A 1=" 2
kAk1 = 2 + "
1
"
1+"
1
1 1
1 1
1
1+"
1
1
"
kA 1 k1 = (2 + ")" 2
2
+
" 2 4
Cond1(A) =
> 2
"
"
Es importante re
al
ar que esta \distan
ia a las matri
es singulares" debe entenderse en forma
relativa al tama~no de A. En este ejemplo tenemos no solo que kA B k1 es
hi
a sino que lo es
en rela
ion
on kAk1. En efe
to,
kA B k1 = " < "
kAk1
2+" 2
28
2. NORMAS Y CONDICIONAMIENTO
En parti
ular, estar \
er
a" de ser singular no tiene nada que ver
on el tama~no del determinante.
Para a
larar esto veamos algunos
asos simples. Por ejemplo, si " 0, la matriz
A=
0
"
0 "
tiene determinante muy peque~no pero es una matriz buensima en
uanto a la propaga
ion de
errores relativos pues Cond(A) = 1.
En
ambio,
1
0
A= 0 1
"
tiene determinante grande pero, en las normas 2, 1 o 1, Cond(A) = 1="
Damos ahora el resultado que rela
iona el numero de
ondi
ion de una matriz
on su distan
ia
relativa a las matri
es singulares.
Teorema 2.5. Dadas A 2 IRnn inversible y una norma de ve
tores
ualquiera se tiene
=
Cond(A)
Demostra
ion.
inf
B singular
kA B k
kAk
Sea B 2 IRnn una matriz singular y tomemos x 6= 0 tal que Bx = 0. Enton es,
1 kA 1 kkA
Cond(A)
kAkAkB k
Bk
8B 2 IRnn singular
(2.9)
(2.10)
1. EJERCICIOS
zT u 1
29
(2.11)
La existen
ia de un tal z es la parte mas te
ni
a de la demostra
ion y omitiremos la es
ritura
formal. Sin embargo, observemos que es intuitivamente
laro si analizamos el signi
ado geometri
o: los u que veri
an la e
ua
ion zT u = 1 forman un hiperplano (es de
ir, una variedad
lineal de dimension n 1). Por lo tanto, que haya un z veri
ando (2.10) y (2.11)
signi
a que
hay un hiperplano que pasa por x y que deja a la bola unitaria B1 = fu 2 IRn : kuk 1g de un
lado. La existen
ia de tal hiperplano es
lara si se tiene en
uenta que, para toda norma, B1 es
un
onjunto
onvexo y que x esta en el borde de este. Observemos tambien que, en el
aso de
la norma k k2 , se tiene que z = x.
Denamos ahora B = A yzT y veamos que esta matriz es singular y
umple
on la igualdad
que queramos. En efe
to,
Bx = Ax yz T x = y y = 0
kA B k kA1 1k
1. Ejer
i
ios
3
0
(1) Cal
ular la norma 2 de la matriz A = 4 5 :
(2) Se quiere estimar la norma 2 de una matriz
A 2 IR33
omo el maximo del valor
3
kAxk2 =kxk2 entre varios ve
tores x 2 IR no nulos generados al azar. Ha
er un programa que pida el ingreso de una matriz A y luego
genere los primeros 100 terminos de la siguiente su
esion:
n
kAxk k2 o
s1 = 0; sk+1 = max sk ;
kxk k2
donde los xk 2 IR3 son ve
tores no nulos generados al azar
uyas
oordenadas
esten el intervalo [ 1; 1.
30
2. NORMAS Y CONDICIONAMIENTO
Re
ordar que tanto la norma de un ve
tor
omo de una matriz se
al
ulan en Matlab
on el
omando norm. Tener en
uenta que los ve
tores generados al azar (
omando
rand) tienen
oordenadas en el intervalo [0; 1. Chequear, ademas, que estos ve
tores
generados0resulten no1nulos.
3 0 0
(3) Sea A = 0 534 435 A. Cal
ular
ond2 (A) y
ond1(A).
0 4 4
(4) Probar que si A 2 IRnn es una matriz inversible y k k es una norma matri
ial, la
ondi
ion de A veri
a la desigualdad:
1 inf kA B k : B es singular
ond(A)
kAk
Nota: Mas aun, vale la igualdad, pero la otra desigualdad es un po
o mas
ompli
ada de probar. De di
ha igualdad se puede
on
luir que
ond(A) mide la distan
ia
relativa de A a la matriz singular mas proxima.
(5) (a) Mostrar que
ond1(A) ! 1
uando " ! 0 para
0
0
1 1 12 1
1 0 1+" 1
(i) A = 1 " " A ; (ii) B = 2 3 4 A :
1 0 0
1 " 0 1
(b) Con
luir que la
ondi
ion de las matri
es A y B deltem anterior tienden a innito,
ualquiera sea la norma
onsiderada.
(6) Sea A la matriz del ejer
i
io 3. Se quiere resolver el sistema
Ax = b para un valor
3
de b 6= 0 que se
ono
e
on una pre
ision mayor que 10 ; es de
ir, se
ono
e el valor
onjunto de b + b y se sabe que el error relativo kkbbkk2 < 10 3 .
2
(a) Estimar el error relativo de la solu
ion hallada x~ = x + x.
(b) En
uentre un ejemplo para b y b 6= 0 de modo que kkxxkk22 sea exa
tamente
ond2 (A) kkbbkk22 .
(7) Sea x la solu
ion exa
ta al sistema Ax = b y x~ la solu
ion obtenida numeri
amente. Se
llama \ve
tor residual" a r := b Ax~. Si e = x x~ se tiene Ae = r. Mostrar que:
1 krk kek
ond(A) krk :
ond(A) kbk kxk
kbk
Con
luir que para una matriz mal
ondi
ionada los metodos numeri
os no aseguran
buena aproxima
ion.
1
2
(8) Para
ada n 2 IN, se denen An = 2 4 + 12 , bn = (1; 2 n12 ) y se quiere resolver
n
el sistema Anx = bn. Utilizando
ierto metodo
numeri
o se obtiene
omo resultado el
ve
tor (1; 0).
(a) Cal
ular el ve
tor residual produ
ido por esta solu
ion tentativa. >Puede de
irse
que para n grande la solu
ion es razonablemente
onable?
(b) Resolver Anx = bn en forma exa
ta,
al
ular
ond1(An ) y veri
ar la
ota de error
del ejer
i
io 7.
1. EJERCICIOS
31
(9) Sea Dn la matriz diagonal de n n
on elementos diagonales iguales a 1/10. Cal
ular
el determinante de Dn y ver que det(Dn ) ! 0 si n ! 1. >Dn esta mal
ondi
ionada?
(10) (a) Es
ribir un programa en Matlab que resuelva un sistema Ax = b, A 2 IRnn
usando elimina
ion gaussiana sin pivoteo.
(b) Adaptar el programa del tem anterior para que
al
ule la matriz A 1 .
(11) Para
ada n 2 IN, se quiere
al
ular la solu
ion del sistema lineal:
10 n x + 2y = 8
x+y = 2
utilizando elimina
ion gaussiana sin pivoteo,
on aritmeti
a de punto
otante de 3
dgitos y sistema de redondeo.
(a) Para n = 2 y n = 3, analizar si el resultado diere signi
ativamente de la solu
ion
real.
(b) Para n = 3, repetir el metodo de elimina
ion gaussiana eligiendo el pivote mas
onveniente.
32
2. NORMAS Y CONDICIONAMIENTO
0
2 4 1 0 1
B 4 10
1 1C
C
(12) Obtener la des
omposi
ion LU de la matriz B
6 10
7 1 A de las siguientes dos
0 2 1 2
maneras:
(a) mediante el algoritmo de elimina
ion gaussiana,
(b) despejando
los
oe
ientes de L y U en forma ordenada.
(13) Sea A 2 IRnn una matriz que admite des
omposi
ion LU .
(a) Estimar
uantas opera
iones se ne
esitan para
al
ular esta des
omposi
ion de A,
despejando los
oe
ientes de L y U .
(b) Se quiere
al
ular el determinante de A. Para n 2, mostrar que si esto se ha
e
mediante el desarrollo su
esivo por alguna la o
olumna, enton
es se requieren
mas de n! opera
iones. Estimar
uantas opera
iones se ne
esitan para
al
ularlo
si se utiliza la des
omposi
ion LU .
(14) Demostrar que si todos los menores prin
ipales de una matriz A 2 IRnn son no singulares, enton
es esta admite des
omposi
ion LU .
(15) Probar que la matriz no singular:0
0 0 11
1 0 0 A
0 1 0
no tiene una des
omposi
ion LU , mientras que la matriz singular A I s la tiene. Dar
la matriz de permuta
iones P tal que P A tenga una fa
toriza
ion LU .
(16) Considerar el algoritmonnde elimina
ion gaussiana sin pivoteo apli
ado a un sistema
Ax = b donde A 2 IR
es una matriz tridiagonal. Demostrar que si A es ademas
estri
tamente diagonal dominante, enton
es durante la eje
u
ion del algoritmo no se
en
uentra ningun pivote nulo. (Ayuda: demostrar que si A es estri
tamente diagonal
dominante, enton
es luego de ha
er
ada etapa de la elimina
ion la matriz resultante
tambien lo nes.)
(17) Sea A 2 IR n una matriz tridiagonal tal que en el pro
eso de elimina
ion gaussiana
no se en
uentra ningun pivote nulo. Demostrar que A admite des
omposi
ion LU
on
L y U tambien tridiagonales.
(18) Adaptar el programa
del ejer
i
io 10 para que resuelva un sistema de e
ua
iones Ax = b,
n
n
donde A 2 IR es una matriz tridiagonal. Utilizar el
omando
ops de Matlab para
ono
er la
antidad de opera
iones efe
tuadas y
omparar
on las que se requieren al
resolver el mismo sistema utilizando los
omandos inv y n, que no estan espe
ialmente
pensados para matri
es tridiagonales.
1. EJERCICIOS
33
CAPTULO 3
Resolu
ion de sistemas lineales
Multipli
ar por
0
1 0
B m21 1
L1 = B
B ..
...
.
mN 1 0
on
mi1 =
L1 A = B
B
Segundo paso:
Multipli ar por
0
0C
C
... C
A
1
ai1
a11
a11 a12
0 a122
a1N
a12N
a1N 2
aNN
...
0
...
...
1
1
C
C
C
A
36
y nos queda
1 0 0
B 0
1 0 C
B
C
C
L2 = B
B 0 m32 0 C
B ..
.
.
. . .. C
.
A
0 mN 2 1
0
B
L2 L1 A = B
B
a11 a12
0 a222
...
0
a1N
a22N
...
0
...
2
aNN
C
C
C
A
LN 1 LN 2 L2 L1 A = U
u11 u12
0 u22
=B
B ..
.
0
u1N
u2N
...
0
...
uNN
1
C
C
C:
A
1 0 0
B
m
21 1 0 C
C
B
1
(L1) = B
.
.
.
.
.
.
A
. .C
.
mN 1 0 1
y, en general, Lj 1 es
omo Lj pero
ambiando los signos de los mji.
Enton
es podemos es
ribir A
omo sigue,
A = L1 1 L2 1 LN1 1 U;
ademas, observemos que la matriz L = L1 1 L2 1 LN1 1 es de la forma
0
1
1
0 0
B
m21
1 0 C
C
L = L1 1 L2 1 LN1 1 = B
B
.
.
.
.
.
.
A
. .C
.
mN 1 mN 2 1
As hemos demostrado el siguiente teorema,
37
Teorema
det(A) = det(U ):
P A = LU
1.2. Des
omposi
ion de Cholesky. En el
aso en que A 2 IRN N es denida positiva y
simetri
a una des
omposi
ion L U (
on U = LT ) puede obtenerse mas e
ientemente mediante
el metodo de Cholesky.
n 3.3. A 2 IRN N se di
e denida positiva si
Defini
io
hx; Axi > 0
8x 6= 0
A=
l11 0 0
l21 l22 0
l31 l32 l33
10
A
1
A
38
Ahora
veamos algunas propiedades que nos seran muy utiles. En el
aso general en que A 2
IRN N sea simetri
a (i.e. A = AT ) y denida positiva se tienen las siguientes propiedades,
(1) aii > 0 para
ualquier i = 1; : : : ; N , pues
0 < hei ; Aei i = aii
son positivos (este es un resultado
ono
ido de A lgebra
si y solo si
k
X
aik =
j =1
Es de
ir,
aik =
Ademas
lik =
j =1
1 lij lkj
j =1
Pk
aik
lkk
akk =
y enton es
k 1
X
lij lkj :
k
X
j =1
lkk =
l2
kj
v0
u
u
u
t akk
k 1
X
j =1
i > k:
2 + l2
lkj
kk
k 1
X
j =1
2A
lkj
Obtenemos, de esta manera, una forma re ursiva para el al ulo de los elementos lij .
Para k = 1; 2; : : : ; N ha
emos 8
>
>
>
>
>
<
>
>
>
lN
>
>
:
l11
l22
!
!
1N 1
lNN
! lNN 1
...
l21
l32
...
39
lN 1
lN 2
Para que el algoritmo de Cholesky este bien denido ne
esitamos ver que el argumento de la
raz
uadrada involu
rada en el
al
ulo de lkk sea positivo; es de
ir,
akk
k 1
X
j =1
2 > 0:
lkj
Veamos que esto es una
onse
uen
ia de ser A denida positiva. Lo ha
emos por indu
ion.
El a11 es positivo, enton
es existe l11 positivo tal que l112 = a11 . Supongamos que llegamos hasta
el paso k, es de
ir
l11 ; l22 ; : : : ; lk 1k 1
k 1
X
j =1
2 0:
lkj
Enton
es
lkk =
v0
u
u
u
t akk
k 1
X
j =1
2 A = 0 o es un numero en C:
lkj
Pero si llamamos Ak al menor prin
ipal de A y Lk al menor prin
ipal de L, las matri
es que se
obtienen son de tama~no k k
0
Ak = B
a11
a1k
ak1
akk
... . . . ...
1
C
A
Lk = B
l11
l1k
lk1
lkk
... . . . ...
Ak = Lk LTk :
2
1k 1 lkk ;
1
C
A
40
omo los primeros fa
tores son positivos el ultimo, lkk2 debe tambien ser positivo, absurdo.
Para terminar, hagamos las siguientes observa
iones, el algoritmo de Cholesky es mas
onveniente que el de Gauss (L U ) porque,
(1) El numero de opera
iones es O(N 3 =6) (en lugar de O(N 3=3)).
(2) Es estable, sin ne
esidad de \pivoteo". Los lij no
re
en respe
to de A pues
akk =
impli a que
k
X
j =1
2
lkj
jlkj j pakk
2. Metodos iterativos
Estos metodos
onvienen en general para matri
es ralas (i.e.
on mu
hos
eros). Este tipo de
matri
es apare
en, por ejemplo,
uando se dis
retizan e
ua
iones diferen
iales.
Como antes el objetivo es resolver
on A una matriz inversible.
Ax = b
de Ja obi,
La solu ion es
x0 ! x1 ! x2 !
y llamaremos
1
x= 1
5
b= 5
El metodo de Ja
obi
al
ula xk+1 a partir de xk de la siguiente forma
41
4xk1+1 = 5 xk2
4xk2+1 = 5 xk1
Es de
ir
1
b
xk+1 = 01 04 xk + :
4
4
Enton
es si empezamos
on x0 = (0; 0), tenemos
0
1
0 5 1
0 15
0
4
16
x0 = A ! x1 = A ! x2 =
5
15
0
4
16
1
A
!
xki +1 =
bi
1
k
j =1 aij xj
aii
Pi
PN
k
j =i+1 aij xj
42
Resulta natural utilizar las
omponentes ya
al
uladas xk1+1; : : : ; xki +11 para
al
ular la nueva
aproxima
ion xki +1, resultando el metodo de Gauss-Seidel.
2.2. Metodo de Gauss-Seidel.
xki +1 =
bi
Para i = 1; : : : ; N ;
1
k+1
j =1 aij xj
aii
Pi
PN
k
j =i+1 aij xj
A=B
Enton
es
si y solo si
a11
...
0
0
aNN
C
A
+B
01 00
B .
... C
A + ..
0
0
0
... . . .
aN 1
a1N
...
...
0
1
C
A
Ax = b
Dx =
(L + U )x + b
Tanto el metodo de Ja
obi
omo el de Gauss-Seidel pueden es
ribirse en la forma
xk+1 = Bxk +
:
(1) Ja
obi
xk+1 = D 1 (L + U )xk + D 1 b
(2) Gauss-Seidel
xk+1 = (D + L) 1 Uxk + (D + L) 1 b
Si es
ribimos ek = xk x y usamos que la solu
ion exa
ta x
umple
x = D 1 (L + U )x + D 1 b
y
x = (D + L) 1 Ux + (D + L) 1 b
respe
tivamente, tenemos
ek+1 = D 1 (L + U )ek = BJ ek
ek+1 = (D + L) 1 Uek = BGS ek
En general, si la itera
ion esta dada por una matriz B , o sea,
ek+1 = Bek
tenemos
ek = B k e0
43
Enton
es si queremos que ek ! 0 para todo dato ini
ial, es ne
esario que B k ! 0. El siguiente
objetivo es dar una
ara
teriza
ion de las matri
es
on esta propiedad.
En el ejemplo dedujimos que B k ! 0 del he
ho de que kB k < 1. Sin embargo kB k1 podra ser
grande y B k ! 0. Por ejemplo
1
1000
2
B= 0 1
2
1
2000
1
k
Observemos que kB k1 = 1000:5. Sin embargo B ! 0. En efe
to B = 2 0 1 .
1
a
1
ka
k
En general las matri
es de la forma C = 0 1 veri
an que C = 0 1
Enton
es
1
1
k
2000
k
k
B =( ) 0
1
2
k
k
y se tiene que (B )ij ! 0, 8i; j y esto impli
a que B ! 0.
Vale desta
ar que para que B k ! 0 basta que exista alguna norma tal que kB k < 1.
El segundo ejemplo trata el
aso en que A es simetri
a. En este
aso se puede diagonalizar, es
de
ir, existe S tal que
0
1
1 0
C
...
SAS 1 = B
A
0 N
on i los autovalores de A. En este
aso 0
1
k1 0
C
...
Ak = S 1 B
AS
k
0 N
y se tiene que
Ak ! 0
si y solo si
max
ji j = (A) < 1
i
Esto es
ierto en general, pero si A no es diagonalizable es mas dif
il de probar.
En el
aso en que A es simetri
a se tiene
(A) = kAk2
enton
es, si (A) < 1 se tiene que kAk2 < 1 y enton
es Ak ! 0.
(A) kAk
44
Demostra ion.
(A) kAk:
Observamos que kAk en IR es igual a kAk en C (ejer
i
io).
Ax = maxx
x 6= 0
1 0 1
B 0 i 0 C
Ji = B
B
C
... C
A
0 0 i
Esta es la forma normal usual. Sin embargo, puede obtenerse una nueva base en la
ual la
transforma
ion lineal toma la forma analoga pero
on los
0
1
i " 0
B 0 i 0 C
J~i = B
B
C
... C
A
0 0 i
i
45
donde " es positivo y arbitrario. Esto se logra re-es
alando la base. Miremos, por ejemplo, el
bloque 1,
0
1
1 1 0
B 0 1 0 C
C
J1 = B
B
C
...
A
0 0 1
en la base v1; : : : ; vm . Si T es la transforma
ion lineal aso
iada a B tenemos
T v1 = 1 v1
T v2 = v1 + 1 v2
T v3 = v2 + 1 v3
...
T vm = vm 1 + 1 vm
Ahora denamos v~1 = v1, v~2 = "v2 , v~3 = "2 v3,. .. , v~m = "m 1 vm . Tenemos enton
es
T v~1 = 1 v~1
T v~2 = "v~1 + 1 v~2
T v~3 = "v~2 + 1 v~3
...
T v~m = "v~m 1 + 1 v~m
Por lo tanto en la base v~1 ; : : : ; v~m queda el bloque
1
0
1 " 0
B 0 1 0 C
C
~J1 = B
C
B
...
A
0 0 1
He
ho esto, denamos la norma de la siguiente manera, dado x lo es
ribimos en la base v~i,
X
x = i v~i
y denimos
kxk = max jij
es de
ir la norma k k1 en esa base.
Enton
es, es fa
il ver que,
kAk = (A) + "
P
pues kAk es el maximo de j jaij j si kAk es la norma aso
iada a kxk.
Corolario
3.5.
46
Veamos primero la vuelta. Si (B ) < 1 por el teorema anterior existe una norma
tal que kB k < 1, enton
es
kB k k kB kk ! 0:
Ahora para la ida, supongamos que (B ) 1, enton
es existe z 2 CN , z 6= 0, tal que
Bz = maxz
y enton
es
B k z = kmax z
Esto impli
a que
kB k zk = (B )k kzk
no tiende a
ero.
Tomando parte real e imaginaria se ve que hay algun x 2 IRN tal que B k x no tiende a
ero.
Demostra
ion.
3.6.
Demostra ion. B
on J la forma de Jordan de B .
Ahora dado " > 0 multipli
amos por la matriz diagonal
0
1
" 1 0 0
B 0
" 2 0 C
B
C
D=B
C
.
.
A
.
0 0 " N
y su inversa para obtener
0
1 0
1 0
" 1 0 0
" 0 0
"
2 0 C B 0 "2 0 C B 01 2
B 0
"
C B
C B
DJD 1 = B
B
CJ B
C=B
.
.
.
.
A
A
.
.
0 0
0 0 " N
0 0 "N
0
0
...
k
1
C
C
C
A
En on lusion, queda
0
B
DCBC 1D 1 = B
B
1 "
0 2
0
0
...
47
1
C
C
C
A
=A
0 0 k
Para simpli
ar llamemos S = DC y nos queda
SBS 1 = A
Ahora observamos que kAk1 = (B ) + " pues kAk1 = maxj P jaij j:
Pero, B k = S 1Ak S . Enton
es,
kB k k1 kS 1 k1kAk k1kS k1
= Cond(S )kAk k1
Cond(S )kAkk1
Cond(S )((B ) + ")k ! 0
3.7.
Demostra ion.
kB k k1=k ! (B )
Basta probarlo para la norma k k1 pues todas las normas son equivalentes. Ya
kB k k1 Cond(S )((B ) + ")k "NC 1 ((B ) + ")k
(B )k (B k ) kB k k1
(B )k kB k k1
"N
k
1 ((B ) + ") :
C
(B ) kB k k11=k ( N 1 )1=k ((B ) + ") ! ((B ) + ")
"
Ahora observemos lo siguiente, para B simetri
a ya sabamos que kB k k = (B )k . En general esto
no es
ierto pero, para k grande vale que kB k k (B )k . Esto da una manera de
omparar dos
48
para k grande. O sea el metodo 1 es mejor asintoti
amente (aunque para un numero dado de
itera
iones podra ser mejor el 2).
2.3. Analisis de los metodos de Ja
obi y Gauss-Seidel.
n 3.8. Una matriz A 2 IRN N es estri
tamente diagonal dominante si
Defini
io
jaii j >
j 6=i
jaij j
8i
Si A es estri
tamente diagonal dominante enton
es tanto Ja
obi
omo Gauss-Seidel
onvergen.
Teorema 3.9. Si A es estri
tamente diagonal dominante el metodo de Ja
obi
onverge.
Re
ordemos que
A=D+L+U
En este
aso es fa
il ver que
Demostra ion.
D 1 (L + U )
kBJ k1 < 1
bij =
aij
aii
para i 6= j y
kBJ k1 = max
i
BJ
bii = 0
jaij j < 1
ja j
j 6=i ii
j =i+1
j =1
O bien,
aii xi =
i
X
j =1
jjjaii j jj
jj
aij xj
i 1
X
j =1
jaij j +
PN
N
X
j =i+1
N
X
j =i+1
j =i+1 jaij j
jaii j Pij=11 jaij j
49
aij xj
jaij j:
<1
p() = det
a a
a a
a a
1
A
= 3 + 2a3 3a2 :
50
3.11. Tomando
A=
B
B
B
B
1
1
2
1
2
1 1
2 2
1 12
1 1
2
1
C
C
C
C
A
tenemos que (BJ ) = 1,
on lo
ual Ja
obi no
onverge. Enton
es la
ondi
ion estri
ta es
ne
esaria en el teorema que muestra la
onvergen
ia para A estri
tamente diagonal dominante.
n 3.12.
Observa
io
A = D + L + LT
Puede demostrarse que si D (L + LT ) es denida positiva, enton
es
(BJ ) < 1
si y solo si A es denida positiva . En parti
ular, si
A = D + L + LT
y A~ = D (L + LT )
son denidas positivas, se tiene que
(BJ ) < 1
o sea Ja
obi
onverge para A y para A~ (la matriz B~J = BJ , solo
ambia de signo). Para una
demostra
ion de este he
ho ver Isaa
son-Keller (pag 72).
Ejemplo 3.13. Para la matriz
0
1 a a1
A= a 1 a A
a a 1
1
on 2 a < 1 se tiene
0
1 a a1
a A:
A~ = a 1
a a 1
Y resulta que A~ no es denida positiva.
51
B=
0
0
a
a
a2
a a2
a2 + a3 2a2 + a3
A:
Tenemos 1 = 0. Para simpli
ar, ahora
onsideremos el
aso parti
ular a = 21 , para este valor
de a se obtiene
0
0 112 121 1
B= 0 4
4 A:
1
3
0 8 8
Y enton
es,
0
0
0 4 41
4
4 1
8B = 0 2 2 A
y
I 8B = 0 2 2 A :
0 1 3
0 1 3
Con lo
ual,
det(I 8B ) = (( 2)( 3) + 2):
Las ra
es de ( 2)( 3) + 2 son
p
p
5
5
+
7
7
2 =
3 =
2
2
Como estos son los autovalores de 8B los autovalores
de
B
son p
p
5 + 7 2 = 5
7:
1 = 0
2 =
16
16
Observemos que
p
p
32
j2 j = j3 j = 16 = 42 < 1:
52
53
Con
luimos que en este ejemplo el metodo de Ja
obi
onverge en tres pasos pero Gauss-Seidel
no
onverge (existen datos ini
iales para los
uales no
onverge).
Modi
ando trivialmente este ejemplo puede obtenerse un ejemplo en que ambos metodos
onvergen y se tiene (BJ ) < (BGS ) < 1. Sea
0
5 2 21
A= 1 5 1 A
2 2 5
que es estri
tamente diagonal dominante y enton
es Ja
obi y Gauss-Seidel ambos
onvergen.
Veamos un ejemplo mas.
Ejemplo 3.15. Este es un ejemplo para el
ual ninguno de los dos metodos
onverge.
0
A=
=
BJ
2 1 11
2 2 2 A:
1 1 2
0 12 12
11 01 1
2 2 0
I
BJ
on lo ual,
1
2
1
A
5
4
5
2 = i
2
= 11
1
2
1
2
p() = 3 +
2 0 0
2 2 0 A;
1 1 2
(BJ ) =
3 = i
5:
2
5 >1
2
0
B
B
(L + D) 1 = B
B
1
2
1
2
1
2
0 0
1 0
2
1 1
4 2
1
C
C
C
C
A
54
1
0
2
2
(L + D) 1U = 14 0 2 6 A
0 2 4
1
5
2
3
de donde p() = + 4 4 y
al
ulando las ra
es de p() obtenemos
on aproxima
ion los
autovalores 1 = 0; 2 = 0:1514 y 3 = 1:6514 y por tanto
(BGS ) = j3 j > 1
y enton
es el metodo de Gauss-Seidel no
onverge.
Ejemplo 3.16. Caso IR2 En este
aso es fa
il analizar el metodo de Ja
obi y el de Gauss-Seidel.
a
a
11
12
A= a a
21 22
enton
es
a12
0
1
a
11
BJ = D (L + U ) =
a21
0
a22
y
a12
0
1
BGS = (D + L) U = 0 a12aa1121 :
a11 a22
Enton
es,
s
ja12a21 j
(BJ ) =
ja11a22 j
ja a j
(BGS ) = 12 21 :
ja11 a22 j
Es de ir,
(BGS ) = (BJ )2 :
El ejemplo anterior se generaliza para el metodo de Gauss-Seidel en IRN pero no para el metodo
de Ja
obi.
Veamos ahora el ultimo ejemplo de esta serie.
55
L+D =
a11 0 0
a21 a22 0
0 a32 a33
0 a12 0
U = 0 0 a23
0 0 0
a12
a11
a32
a33
a23 A
a22
1
A:
Enton
es
0
B
B
BGS = (L + D) 1 U = B
B 0
0
0
a12
a11
a12 a21
a11 a22
a12 a21 a32
a11 a22 a33
1
C
a23 C
C
a22 C
a23 a32
a22 a33
a a
a a
BGS ) = 3 2 12 21 + 23 32 :
a11 a22 a22 a33
det(I
Y los autovalores resultan ser
a12 a21 a23 a32
1 = 2 = 0
3 =
+
:
a11 a22 a22 a33
Enton
es,
a12 a21
a23 a32
(BGS ) =
+
= (BJ )2
a11 a22 a22 a33
Los autovalores de Ja
obi son los autovalores de BJ = D 1(L + U ) y resultan ser las ra
es
de
det(I + D 1(L + U )) = det(D 11 (D + L + U ))
= det(D )det(D + L + U )
1
y
omo por hipotesis det(D ) 6= 0 (asumimos aii 6= 0), son las ra
es de
det(D + L + U ):
56
Pongamos
A=
B
B
B
B
B
d1 a1 0
b2 d2 a2
0 b3 d3
0
0
...
...
... ...
aN 1
dN
: : : bN 1
1U
son semejantes.
1
C
C
C
C
C
A
y
onsideremos
0
1 0
B 0
C =B
B ..
...
.
0
Enton
es,
0
B
B
CAC 1 = B
B
B
d1 1 a1
01
b2 d2 a2
0 b3 d3
...
:::
N 1
...
...
bN
0
0
...
0
0
...
C
C
C
A
1 aN 1
dN
1
1
C
C
C
C
C
A
= D + L +
1U
Teorema 3.19. Sea A 2 IRN N una matriz tridiagonal y sean los autovalores no nulos de
BGS , los autovalores no nulos de BJ , enton
es y se rela
ionan de la siguiente manera
= 2 :
En parti ular,
(BGS ) = (BJ )2 :
57
det((L + D) + U ) = 0
pero (L + D) + U es tridiagonal y por el lema anterior
det(D + L + 1 U ) = 0
Si 6= 0 sea tal que 2 = 1 . Enton
es,
0 = N det(D + L + U )
y
omo los autovalores de BJ no nulos son las ra
es de det(D + L + U ) = 0 resulta que
=
Pero
omo 2 1 se tiene que
2 = :
Ahora observemos
que en lo anterior, dado 6= 0 autovalor de BGS en
ontramos autovalor de
BJ
on 2 = , pero en realidad es un si y solo si. Es de
ir, dado autovalor de BJ , = 2
resulta ser un autovalor de BGS ,
det(D + L + U ) = 0
si y solo si
det(2 D + (L + U )) = 0
si y solo si (por el lema previo)
det(2D + L + 1 U ) = 0
y tomando = se tiene
det(2(D + L) + U )) = 0:
Enton
es 2 es autovalor de BGS .
Convergen
ia del metodo de Gauss-Seidel para A 2 IRN N simetri
a
ComoNlos
autovalores de A 2 IRN N pueden ser
omplejos, trabajaremos dire
tamente
on
N
A2C .
Re
ordemos algunas deni
iones
n 3.20. Si A 2 CN N se dene A
Defini
io
tiene al elemento aij = aji:
n
Defini
io
3.21. A 2 CN N es Hermitiana si
= AT
A = A:
58
z Az 2 IR:
ij
z Az =
ij
zi aij zj = z A z
Demostra ion.
on
0 8z 6= 0),
A = L + D + L
0
0 0 0 1
B a21
0 0 C
L=B
C
B ..
... C
.
A
aN 1
0
1
Hay que ver que (BGS ) < 1 donde BGS = (L + D) L.
Observemos que BGS puede es
ribirse
omo
BGS = I (L + D) 1 A
Sea 2 C un autovalor de BGS y z 2 CN , z 6= 0, un autove
tor
orrespondiente a , es de
ir
(I (L + D) 1A)z = z
o bien
(L + D)z Az = (L + D)z
y esto es equivalente a
Az = (1 )(L + D)z
Como Az 6= 0 se dedu
e que 6= 1. Multipli
ando por z se obtiene
1 = z (L + D)z
1
z Az
tomando
onjugado y re
ordando que z Az 2 IR y que D es real se tiene
1 = z (L + D) z = z (L + D)z :
z Az
z Az
1
Y sumando estas dos igualdades se obtiene
2Re( 1 1 ) = 1 + zzDz
>1
Az
59
j =1
j =i+1
aii
En prin
ipio, ! es arbitrario. Sin embargo el siguiente teorema nos di
e que es ne
esario que
j! 1j < 1 para que haya
onvergen
ia (o sea para que (B! ) < 1). Si ! 2 IR enton
es ha
e
falta que 0 < ! < 2.
Teorema 3.23. (Kahan) Sea A 2 CN N ,
on aii 6= 0, enton
es
(B! ) j1 !j
60
!L) 1 ).
Si ! 2 IR, una
ondi
ion ne
esaria para que el metodo
onverja es que 0 < ! < 2. Esta
ondi
ion
es tambien su
iente si A es simetri
a denida positiva.
El problema
onsiste en en
ontrar el parametro optimo (o
er
ano al optimo) para a
elerar la
onvergen
ia. Para
iertas
lases de matri
es esto puede ha
erse (ver libro Varga, Ortega o
Smith).
3. Ejer
i
ios
3. EJERCICIOS
61
d2 u
dx2
= f (x);
u(0) = u(1) = 0:
x 2 [0; 1;
(9) Sea BJ la matriz aso
iada al metodo de Ja
obi de un sistema dado. Estimar
(a)
uantas multipli
a
iones y divisiones se requieren para
al
ular BJ .
(b)
uantas multipli
a
iones y divisiones se requieren para para realizar una itera
ion
on el metodo de Ja
obi.
62
(
) si (BJ ) < 1,m
uantas itera
iones se ne
esitan para redu
ir el error del metodo en
mas de 10 (en fun
ion de (BJ )).
(d)
uantas multipli
a
iones y divisiones se requieren para
al
ular la solu
ion del
sistema por el metodo de elimina
ion gaussiana.
(e)
uantas itera
iones del metodo de Ja
obi podran realizarse antes de igualar la
antidad de opera
iones ne
esarias al usar el metodo de elimina
ion gaussiana.
(10) Sean BJ y BGS las matri
es aso
iadas al metodo de Ja
obi y de Gauss-Seidel respe
tivamente del sistema Ax = b.
(a) Mostrar que si A(i; k) = 0 enton
es, el elemento BJ (i; k) = 0. Notar que si A es
una matriz rala (
on mu
hos
eros) enton
es BJ tambien lo es. Luego, en
ada
itera
ion se requieren po
as multipli
a
iones.
(b) Mostrar que = 0 siempre es un autovalor de BGS . >De que autove
tor?
(11) Dada una matriz
0
1
a11 a12 a13
A = a21 a22 a23 A
b 2 IR3 ,
y un ve
tor
se quiere resolver el sistema de e
ua
iones Ax = b; para lo
ual
se
onsidera el siguiente metodo iterativo, que es un
aso parti
ular de los metodos
llamados Ja
obi por bloques :
1 1
1 1 0
0
0
0 0 a13 1
a11 a12 0
a11 a12 0
xk+1 = a21 a22 0 A 0 0 a23 A xk + a21 a22 0 A b;
0 0 a33
0 0 a33
a31 a32 0
Este metodo resulta
onvergente para los siguientes datos:
0
0
20 1
8 2 31
A = 3 9 4 A y b = 62 A :
0
3 1 7
Ha
er un programa que
al
ule la su
esion de aproxima
iones generada
on valor ini
ial
4
el ve
tor nulo y que se detenga
uando kxk+1 xk k1 10 (es de
ir,
uando la
itera
ion \senestabiliza").
(12) Sea A 2 IR n. Probar que = 1 es autovalor de la matriz de Ja
obi (o Gauss-Seidel)
de A si y solo si A es no inversible.
(13) Para resolver el sistema Ax = b, se utiliza un metodo iterativo
uya matriz de itera
ion
J es diagonalizable y satisfa
e (J ) < 1. Sea ek el ve
tor error en el k-esimo paso.
(a) Demostrar que kek k1 = O((J )k ).
(b) Probar que si ek 6= 0 para todo k 2 IN y (J ) 6= 0, la su
esion (kek k1)k2IN tiende
a 0 linealmente.
(14) Utilizar la itera
ion de Gauss-Seidel para resolver el sistema Anx = bn para
1 ):
1
2
An = 2 4 + 1
y
bn = (1; 2
n2
n2
>Como es la
onvergen
ia? >Tiene esto que ver
on el mal
ondi
ionamiento de A? Dar
un ejemplo de una matriz mal
ondi
ionada para la
ual la
onvergen
ia sea rapida.
(15) Ha
er un programa que pida el ingreso de una matriz A y un ve
tor b y luego
al
ule las matri
es de itera
ion de los metodos de Ja
obi y Gauss-Seidel.
3. EJERCICIOS
63
al ule el menor de los radios espe trales de las dos matri es anteriores y, si este
valor resulta menor a 1, enton
es reali
e las primeras 10 itera
iones del metodo
orrespondiente (o de
ualquiera de los dos metodos en
aso de que los radios
espe
trales resulten
oin
identes),
on
valor ini
ial
el ve
tor nulo.
(16) Considerar el sistema Ax = b para A = 646 61 y b = (1; 2).
(a) Demostrar que el metodo de Ja
obi
onverge para todo dato ini
ial. Veri
ar, sin
embargo, que la matriz no es diagonal dominante.
(b) Sea J la matriz de itera
ion. Hallar las normas 1, 1 y 2 de J . Hallar una norma
k k en la
ual kJ k sea < 1.
CAPTULO 4
Resolu
ion de e
ua
iones no lineales
Este metodo, que se apoya en la idea geometri
a del teorema de Bolzano, permite
onstruir una
su
esion (xn)n2IN que
onverge a la solu
ion de f (x) = 0 de la siguiente manera.
66
Supongamos que f (a)f (b) < 0. Cal
ulemos
= a+2 b . Supongamos, por ejemplo, que f (a) > 0 y
f (b) < 0, enton
es
(1) Si f (
) = 0 listo.
(2) Si f (
) < 0, habra una raz en [a;
.
(3) Si f (
) > 0, habra una raz en [
; b.
Ahora se elige el subintervalo,
uya longitud es la mitad de [a; b y que
ontiene a la raz. Este
pro
eso se sigue su
esivamente.
As se genera una su
esion x1 = a+2 b 2 [a1 ; b1 , x2 2 [a2 ; b2 , x3 2 [a3 ; b3 .. .donde
ada intervalo
[an; bn mide la mitad del anterior,
b a
b1 a1 =
2
b a
b a
b2 a 2 = 1 1 =
2
4
...
bn an =
= b 2n a
Ademas,
a a1 a2 : : :
b
b b1 b2 : : :
a
lim
a
n!1 n
lim
b :
n!1 n
jbn anj b 2n a ! 0
lim
a
n!1 n
= nlim
!1 bn = r:
En
ada paso se veri
a f (an)f (bn) 0 y tomando lmite (usando que f es
ontinua) resulta
f (r)2 0:
67
Por otra parte el error se puede a
otar de la siguiente forma. Tenemos que
xn =
enton es
an 1 + bn 1
jr xnj 21 (bn 1 an 1) = b 2n a :
(1) xn ! r
on f (r) = 0,
(2) jr xnj b 2n a .
Una de las ventajas que tiene el metodo de bise
ion es que
onverge para
ualquier f
ontinua,
es de
ir no ha
e falta derivabilidad
omo en otros metodos que veremos mas adelante.
p
Ejemplo 4.3. Cal
ulemos 2.
Tomemos f (x) = x2 2 y [a; b = [1; 3. Se tiene f (1) = 1 < 0 < f (3) = 7 y
on un gra
o de
f podemos asegurar que no hay otra raz positiva. La sue
sion que produ
e el metodo es:
x1 = 2
f (x1 ) = 2
x2 = 1:5
f (x2 ) = 0:25
x3 = 1:25
f (x3 ) =
x4 = 1:375
x5 = 1:4375
x6 = 1:40625
x7 = 1:421875
x8 = 1:4140625
0:4375
f (x4 ) = 0:109375
f (x5 ) = 0:06640625
f (x6 ) = 0:022 : : :
f (x7 ) = 0:02 : : :
[a1; b1 = [1; 2
[a2; b2 = [1; 1:5
[a3; b3 = [1:25; 1:5
[a4; b4 = [1:375; 1:5
[a5; b5 = [1:375; 1:4375
[a6; b6 = [1:40625; 1:4375
[a7; b7 = [1:40625; 1:421875
:::
68
p
1:
j 2 x8j b 28 a = 228 = 128
p
j 2p x8j 1p 0:005 : : : 5 :
1000
2
128 2
La desventaja del metodo de bise
ion es que
onverge muy lentamente, por ejemplo en
ompara
ion
on el metodo de Newton-Raphson que veremos mas adelante.
En
ada paso la
ota del error, (b a)=2n , se redu
e a la mitad,
jen+1 j b 2n a :
En
onse
uen
ia se redu
e 101 en tres o
uatro pasos (se gana una
ifra en tres o
uatro pasos).
2. Metodo regula falsi
Este metodo llamado \regula falsi" o de falsa posi
ion puede verse tanto
omo una variante del
metodo de bise
ion
omo del metodo Newton-Raphson, que veremos en la proxima se
ion.
Supongamos, nuevamente, que tenemos una fun
ion f : [a; b ! IR
ontinua que veri
a
f (a)f (b) < 0 (enton
es existe una raz, r, en [a; b, por el teorema de Bolzano) y supongamos
que la raz es uni
a en ese intervalo.
Denimos x1
omo la interse
ion de la re
ta se
ante L
on el eje x (en lugar de tomar el
promedio b 2 a ,
omo se ha
e
on el metodo de bise
ion).
La re
ta L, que une los puntos (a; f (a))
on (b; f (b)) tiene e
ua
ion:
f (b) f (a)
y f (a) =
(x a):
b a
Como x1 es el valor de x que
umple y = 0, se tiene,
x1 = a
f (a)
af (b) bf (a)
(
b a) =
f (b) f (a)
f (b) f (a)
Si f (x1) 6= 0 enton
es f (a)f (x1) < 0 o bien f (b)f (x1) < 0. Supongamos f (b)f (x1) < 0, denimos x2
on el mismo pro
edimiento anterior
on el intervalo [x1 ; b = I1, y as su
esivamente.
Observemos que puede su
eder que jIn j no tienda a
ero, pero sin embargo xn ! r para toda f
ontinua.
69
Solucin exacta
f(x)
Figura 4.1.
3. Metodo de Newton-Raphson
La idea del metodo es \ir por la tangente"
omo se des
ribe a
ontinua
ion.
Se empieza
on x0. Se traza la tangente en x0 y se dene x1
omo la interse
ion de la tangente
on el eje x. Luego se traza la tangente por x1 y se toma x2 la interse
ion de la tangente
on
el eje x, y as su
esivamente. Esto genera una su
esion xn
omo muestra la Figura 4.2.
Observemos que ha
e falta que f sea derivable. Ademas, puede o
urrir que la su
esion que
produ
e este metodo no sea
onvergente. Esto ultimo se puede ver gra
amente
on el ejemplo
que muestra la Figura 4.3.
Sin embargo veremos que el metodo
onverge muy rapidamente si x0 esta \su
ientemente
er
a"
de una raz, bajo
ondi
iones bastante generales sobre la fun
ion f .
Des
rip
ion analti
a de metodo de Newton-Raphson.
x0 )f 0 (x0 ) = 0
70
Mtodo de NewtonRaphson
f(x)
x0
Figura 4.2.
f(x)
x1
x0
x2
Figura 4.3.
o sea,
xn+1 = xn
f (xn)
f 0 (xn )
Observemos que para que esto tenga sentido, hay que suponer f 0(xn) 6= 0, esto es obvio
gra
amente
omo muestra la gura 4.3.
71
Ahora
anali
emos la
onvergen
ia del metodo. Sea r una raz simple de f , es de
ir, f (r) = 0,
f 0 (r) 6= 0 y supongamos que f 00 es a
otada.
Debemos estimar el error que se
omete al usar xn en lugar de la solu
ion exa
ta (y des
ono
ida)
r. Esto es, estudiamos la expresion en = xn r y vemos si en ! 0.
Recta tangente a f en x
f(x)
x
x0
Figura 4.4.
en+1 = xn+1
r = xn
en+1 =
f (xn )
f 0 (xn )
r = en
f (xn )
f 0(xn )
en f 0(xn ) f (xn )
f 0 (xn )
(4.1)
Observemos que si f 0(r) 6= 0 enton
es f 0(xn) 6= 0 para xn
er
ano a r (esto lo justi
aremos
on
mas pre
ision despues).
Usando el desarrollo de Taylor de orden 2
entrado en la raz r se tiene,
0 = f (r) = f (xn) (xn r)f 0(xn) + 12 (xn
donde es un valor intermedio entre xn y r. Enton
es
r)2 f 00( )
72
1
en f 0(xn ) f (xn) = f 00 ( )e2n
Reemplazando en la igualdad 4.1 queda
1 f 00() e2
(4.2)
2 f 0(xn) n
Con todo esto podemos demostrar el siguiente teorema.
Teorema 4.4. (de
onvergen
ia) Si r es un
ero simple de f (i.e. f 0(r ) 6= 0) y sea I =
[r ; r + un intervalo tal que jf 0(x)j > 0 y jf 00(x)j M en I . Enton
es,
Existe " > 0 tal que I" = [r "; r + " I y se tiene que jen j ! 0 y
jen+1 j 21 M jenj2 ;
(4.3)
en+1 =
Como las
otas para f 0 y f 00 siguen siendo
iertas para
ualquier subintervalo de
I , podemos elegir " > 0 tal que
Demostra
ion.
1 M " = < 1:
2
Enton
es, si x0 2 I" tenemos que je0 j = jx0 rj < " y usando (4.2) obtenemos
je1 j = jx1 rj je0 j:
y x2 2 I". Continuando de esta manera, obtenemos una su esion (xn)n2IN I" tal que
jen j nje0 j:
Como 0 < < 1 se tiene que jen j ! 0 si n ! 1. Finalmente, la desigualdad (4.3) se obtiene de
(4.2).
73
n 4.6. Un
aso parti
ular del
orolario 4.5 es una fun
ion C 2 ([a; b) que tiene a
Observa
io
r 2 [a; b
omo raz simple.
Ahora, queremos estudiar la rapidez
on la que una su
esion generada por un metodo,
onverge
a la solu
ion exa
ta. Para eso ne
esitamos la siguiente
n 4.7. En general podemos denir que un metodo es de orden p si existe una
onstante
Defini
io
C > 0 tal que
jen+1j = 0
lim jjeen+1jpj = C
y
lim
n
!1
j
en jp "
n
Observemos primero que
uanto mas grande sea p mejor. Ahora, veamos que signi
a esto
geometri
amente. Para valores grandes de n, es de
ir,
asintoti
amente, se puede
onsiderar que
el
omportamiento de las su
esiones jen+1 j y jen jp son equivalentes, lo que se expresa
omo
n!1
jen+1 j C jenjp:
de la igualdad (4.2) se dedu
e que el metodo, en general,
onverge
uadrati
amente. Esto es, en
ada paso el error se redu
e
uadrati
amente (o sea es menor o igual que el
uadrado del error
del paso anterior).
Esta es la gran ventaja del metodo de Newton. El numero de
ifras
orre
tas se dupli
a (esen
ialmente) en un paso.
Este resultado de
onvergen
ia es \lo
al", o sea, el teorema garantiza la
onvergen
ia si se
empieza \su
ientemente
er
a" de r. En la pra
ti
a es un tema dif
il determinar lo que es
\su
ientemente
er
a". Mu
has ve
es, se
ombinan unos pasos del metodo de bise
ion para
en
ontrar un intervalo en el que se aplique el Teorema 4.4. Sin embargo, el metodo de Newton
fun
iona en forma ex
elente (in
luso en N variables) y es de los mas usados.
74
Cal
ulemos, apli
ando el metodo de Newton una aproxima
ion de p2. Comparemos el resultado
on el que se obtuvo al apli
ar el metodo de bise
ion. Como antes la fun
ion
es f (x) = x2 2 y elegimos x0 = 3. Tenemos
Ejemplo 4.8.
xn+1 = xn
f (xn )
f 0(xn )
= xn
x2n
2 = xn + 1
2xn 2 xn
(4.4)
x3 = 1:41499843 : : :
x1 = 1:833 : : :
x4 = 1:41421378 : : :
x2 = 1:4621212 : : :
x5 = 1:414213562 : : :
Observemos que
p
2 = 1:414213562 : : :
Es de
ir,
on
in
o pasos del metodo tenemos mas de diez
ifras exa
tas, mientras que
on
bise
ion en o
ho pasos tenamos
uatro
ifras exa
tas.
Comentario. Ha
ia el a~no 2000 a.C. los Babilonios usaban el siguiente metodo para \
al
ular"
el numero pp si p 2 IN. Si a > pp se tiene que ap < pp. Luego pp es un numero entre ap y a.
Enton
es,
onsideraban el promedio 12 (a + ap )
omo primera aproxima
ion, as su
esivamente.
Esto
oin
ide
on el metodo de Newton, de 1669 d.C., apli
ado a la fun
ion x2 p. Comparar
on (4.4).
Ejemplo 4.9. Como segundo ejemplo veamos que su
ede
on f (x) = x3 , r = 0. Es
laro que la
uni
a raz es r = 0. Lo que se pretende
on este ejemplo es mostrar alguna de las di
ultades a
tener en
uenta
uando se apli
a el metodo de Newton. La su
esion que produ
e este metodo
es:
xn+1 = xn
x3n
3x2n
= 23 xn
Enton
es
jen+1 j = 23 jen j
75
En este
aso, observamos que la
onvergen
ia es lineal y no0 es
uadrati
a. Lo que su
ede es que
no se veri
a la hipotesis de que r sea una raz simple (f (r) = 0 en este
aso).
Ejemplo 4.10. Este es un ejemplo donde el metodo de Newton-Raphson no
onverge. En este
aso, la hipotesis que no se
umple es la derivabilidad de f . Consideremos la fun
ion
f (x) =
8
<
:
px
x0
p x
x < 0;
on r = 0.
Un
al
ulo sen
illo permite ver que f no es derivable en la raz. En
ualquier otro valor se tiene
f 0(x) =
8
<
:
Es de ir,
1 1
2x 2
1 ( x)
2
x>0
1
2
1 jxj
2
La sue
ion que produ
e el metodo se es
ribe
omo
f 0(x) =
xn+1 = xn
xn2
1 xn 12
2
x < 0:
1
2:
= xn 2xn =
xn :
Ahora, salvo que
omen
emos en la raz (
on lo
ual no ne
esitaramos de un metodo para
hallarla) se tiene que xn es positivo o negativo.
Supongamos que xn > 0, enton
es xn+1 = xn < 0 y xn+2 = xn+1 > 0:
Si seguimos el pro
eso que genera xn desde un x0 ini
ial vemos que la su
esion es:
x0
x0
! x0 !
x0
! :::
Con
luimos que, en este ejemplo, el metodo de Newton no
onverge para ningun x0 por mas
er
a de r = 0 que este.
Ahora veamos un teorema de
onvergen
ia global para el metodo de Newton que se apli
a a
fun
iones
onvexas. Una fun
ion se di
e
onvexa en (a; b) si la re
ta tangente al gra
o de f
esta por debajo de este para todo
los x en el intervalo. Si la fun
ion es dos ve
es derivable esto
00
orresponde
on la
ondi
ion f > 0. En este
aso, f puede tener un valor mnimo. Digamos, si
existe, que lo al
anza en x .
76
Teorema 4.11. Sea f dos ve
es derivable en [a; b tal que f 00 > 0 (f es
onvexa), enton
es el
metodo de Newton-Raphson
onverge para todo x0 6= x . Es de
ir, en este
aso no ha
e falta
pedir que x0 este
er
a de r.
Demostra ion.
y enton
es la su
esion xn
onverge pues es monotona. Veamos que
onverge a una raz de f .
Supongamos que xn ! , luego tomando lmite en la expresion xn+1 = xn ff0((xxnn)) y usando
que f 0 es
ontinua queda
f ()
=
f 0()
de donde f () = 0 y = r pues supusimos f monotona.
Si bien este teorema es bastante
laro geometri
amente para fun
iones denidas en IR, su interes
radi
a en su extension a IRN .
4. Metodo de punto jo
El metodo de Newton puede verse
omo un
aso parti
ular del metodo de punto jo.
La idea es reemplazar la e
ua
ion f (x) = 0 por otra de la forma x = g(x) de manera que la
solu
ion de esta sea la solu
ion del problema original.
Esto puede ha
erse de diversas maneras, por ejemplo, si
f (x) = x3
13x + 18
podemos tomar g(x)
omo
ualquiera de las siguientes fun
iones
g1 (x) =
x3 + 18
g2 (x) = (13x
18) 13 ;
g3 (x) =
13x 18 :
13
x2
Una vez en
ontrada g una fun
ion
ontinua, el problema se reduje a en
ontrar puntos jos de
g, es de
ir, r tales que
r = g(r):
77
xn+1 = g(xn ):
(4.5)
Observemos que si la su
esion generada por (4.5) xn
onverge, enton
es lo ha
e a un punto jo
de g. En efe
to, tomando lmite y usando que g es
ontinua se tiene que si xn ! r enton
es
r = g(r):
Teorema 4.12. Sea I = [a; b si g (I ) I enton
es g tiene al menos un punto jo en I .
Como g(I ) I se tiene que a g(a) b y a g(b) b, si a = g(a) o b = g(b)
listo. Si no, g(a) a > 0 y g(b) b < 0. Enton
es la fun
ion F (x) = g(x) x
umple, F (a) > 0
y F (b) < 0 y
omo F es
ontinua existe un r en I tal que 0 = F (r) = g(r) r.
Demostra
ion.
Demostra ion.
Bajo estas mismas hipotesis, la su
esion generada iterativamente
onverge y se puede dar una
ota del error en terminos de .
Teorema 4.14. Sea g tal que jg 0 (x)j < 1 8x 2 I y g(I ) I enton
es la su
esion xn denida
por
xn+1 = g(xn )
x0 j que es
Por el teorema anterior sabemos que existe un uni
o punto jo de g que llamamos
La hipotesis sobre la derivada de g impli
a que jg(x) g(y)j jx yj, o sea g es Lips
hitz
on
onstante . Enton
es
Demostra
ion.
r.
jxn rj njx0 rj ! 0:
78
(1
y omo
)jx0 rj jx1
x0 j
jxn rj njx0 rj
La gura 4.5 muestra 0gra
amente
omo se genera una su
esion por el metodo de punto jo.
En di
ho gra
o 0 < f (x) < 1.
y=x
f(x)
x1
Figura 4.5.
Para apli
ar el teorema 4.14 hay que garantizar que g(I ) I (o sea primero hay que en
ontrar
un tal I ).
Si r es un punto jo de g
on jg0 (r)j < 1 este intervalo I existe, resultado que probamos en el
siguiente teorema.
79
Teorema 4.15. g 0
ontinua en (a; b), r 2 (a; b) un punto jo de g . Si jg0 (r)j < 1, enton
es
existe " > 0 tal que la itera
ion es
onvergente siempre que x0 2 I" = (r "; r + ").
5. Metodo de la se ante
En este metodo tenemos que xn+1 es fun
ion de xn y de xn 1. La idea es la misma que en
el metodo \regula falsi", trazar la se
ante, pero este metodo es diferente pues se usan las dos
ultimas aproxima
iones xn 1 y xn en lugar de en
errar la raz
omo en \regula falsi". Para
empezar hay que dar dos valores x0 y x1.
La e
ua
ion de la se
ante que une los puntos (xn 1 ; f (xn 1)) y (xn ; f (xn)) es
y = f (xn) + (x xn )
f (xn ) f (xn 1)
xn xn 1
enton
es se dene xn+1
omo la interse
ion de esta re
ta
on el eje x, as, xn+1 veri
a
0 = f (xn) + (xn+1
xn )
f (xn ) f (xn 1 )
xn xn 1
es de
ir,
xn+1 = xn f (xn)
xn xn 1
:
f (xn ) f (xn 1)
80
xn+1 =
Anali
emos el orden de
onvergen
ia de este metodo, segun la deni
ion 4.7. Tenemos
f (r) = 0 y en = r xn :
Luego,
en+1 = r xn+1
=r
Es de
ir,
en+1 =
f (xn 1 ) f (r)
en en 1 xn 1 r
f xn
( )
f (r) f (xn )
xn r
:
xn 1
f(
f (b) f (a)
b a
= f 0():
f (
) f (b)
b
f (b) f (a)
b a :
Segunda diferen
ia :
f [a; b;
=
(4.6)
4.16.
Demostra ion.
81
1
2
f [a; b;
= f 00():
f (x) = f (a) + f [a; b(x a) + f [a; b;
(x a)(x b) + Resto:
(4.7)
Enton
es g0 se anula en por lo menos dos puntos y de ah que existe
on g00 () = 0. Ahora,
derivando dos ve
es la expresion (4.7) y evaluando en se obtiene
es de
ir,
f [a; b; = f 00():
Apli
ando el lema 4.16 a nuestra expresion de en+1 dada en (4.6) queda
1 f 00(n) en en 1
2 f 0(n)
y de a
a se puede dedu
ir la
onvergen
ia lo
al.
Teorema 4.17. Si f 0 (r ) 6= 0, jf 00 j K en un entorno de r y x0 , x1 estan su
ientemente
er
a
de r, es de
ir existe " > 0 tal que si x0 ; x1 2 I" = (r "; r + "), enton
es
en+1 =
en ! 0:
82
Demostra
ion.
Existe " > 0 tal que jf 0j > en I", enton
es si x0 ; x1 2 I" tenemos que
je2 j 2K je1 jje0 j 2K "2
K
2 " = < 1
jenj n 1" ! 0:
1
f 00 (r)
n !
1 =
2 f 0(r) :
Supongamos que f 00(r) 6= 0, de esta forma
1 6= 0.
Tenemos
6. EJERCICIOS
83
Si = 1
p y p =
1, o sea
p p2 = p =
p2 p
1;
1 = 0;
p
1
+
5
p=
2 = 1:618 : : :
jen+1 j
jen jp
yn =
umple la itera
ion de punto jo (salvo que
n es variable pero
onverge a
1),
1
yn+1 = n yn p :
para n grande.
jen+1 j 1 f 00(r) p ;
jenjp 2 f 0(r)
(1) Usar el metodo de bise
ion para hallar una raz positiva de la e
ua
ion tras
endente:
2x = tan(x)
>Cuantos pasos hay que ha
er para garantizar que el error sea menor que 10 5 ?
84
(2) Ha
er un programa en Matlab que eje
ute los primeros 20 3pasos de los metodos de
bise
ion y Regula-Falsi para hallar una raz de la e
ua
ion 2x + x 2 = 0
omenzando
on el intervalo [0; 1.
(3) Ha
er un programa en Matlabp3que eje
ute los primeros 20 pasos de los metodos de
bise
ion y N-R, para
al
ular 2
omenzando
on valores ini
iales apropiados.
(4) Demostrar que la e
ua
ion
f (x) = ex + 5senx
2=0
tiene una uni
a raz en el intervalo (0; 32 ). En
ontrar las
otas ne
esarias de jf 0j y jf 00j
para determinar un valor ini
ial de modo que el metodo N-R
onverja a la raz. Apli
ar
el metodo para hallar una aproxima
ion de esta. >Cual es el orden de
onvergen
ia?
(5) Considerar la fun
ion f (x) = 1 +xjxj . Determinar para que valores de x0 la itera
ion
N-R es
onvergente, para
uales es divergente, y
uando se obtienen
i
los periodi
os.
(6) Se quiere resolver la e
ua
ion f (x) = 0, donde f (x) = ex 2. Cal
ular los 10 primeros
terminos de las su
esiones generadas por los metodos N-R y de la se
ante,
omenzando
on los valores ini
iales x1 = 3 para el primer metodo e y1 = 3; y2 = 2:3 para el segundo.
Gra
ar simultaneamente las dos su
esiones obtenidas.
(7) Sea f una fun
ion C 1 y sea (xn )n2IN la su
esio0 n que se obtiene de apli
ar el metodo
N-R a f . Supongamos que xn
onverge a r y f (r) 6= 0, mostrar que r es raz de f .
(8) Sea f una fun
ion suave, y a tal que0 f (00a) = 0, y f 0(a) 6= 0.
(a) Suponiendo que en (a; b, f; f ; f son positivas, probar que la itera
ion de N-R
generada a partir de x0 2 (a; b)
onverge de
re
ientemente ha
ia a.
(b) Con las mismas hipotesis, si x1 2 (a; x0 ), probar que la su
esion generada por el
metodo de la se
ante a partir de x0; x1
onverge de
re
ientemente ha
ia a.
(9) Sea f (x) = x . Se desea utilizar el metodo N-R para resolver la e
ua
ion f (x) = 0,
omenzando
on x0 > 0. Analizar1el
omportamiento del
metodo en los
asos
(
) = 12
(a) 1
(b) = 3
(10) (a) Sea f (x) = (x r1 )(x r2) : : : (x rd) donde r1 < r2 < < rd. Probar que si
x0 > rd la su
esion de N-R
onverge a rd .
(b) Para un polinomio P 2 IR[x, P (x) = adxd + + a0; ad 6= 0, tal que sus d ra
es
son reales y distintas, se propone el siguiente metodo que aproxima los valores de
todas sus ra
es:
(i) Se
omienza
on un valor x0 mayor que M = maxf1; Pdi=01 jjaadijj g (Dato: M
es una
ota para el modulo de todas las ra
es del polinomio).
(ii) Se genera a partir de x0 la su
esion de N-R, que, segun el tem anterior,
onverge a la raz mas grande de P , llamemosla rd ; obteniendose de este
modo un valor aproximado r~d.
(iii) Se divide P por x r~d y se despre
ia el resto, dado que rd r~d. Se redene
ahora P
omo el resultado de esta division y se
omienza nuevamente desde
el primer tem, para hallar las otras ra
es.
Apli
ar este metodo para aproximar todas las ra
es del polinomio P (x) = 2x3
4x + 1.
(11) Re
ordar que
una raz multiple de un polinomio f es una raz simple del polinomio
f= g
d(f; f 0), donde g
d indi
a el maximo
omun divisor. Ha
er un programa en Matlab
6. EJERCICIOS
85
que aplique el metodo N-R a f (x) y a f (x)= g
d(f; f 0) para hallar la raz multiple de
f (x) = (x 1)(x 2)2 :
Demostrar que, a pesar que la fun
ion f no esta en las hipotesis del metodo N-R,
este
onverge (aunque 0no tan velozmente
omo
uando la raz multiple se halla
omo
solu
ion de f= g
d(f; f )).
(12) Para f una fun
ion C 2 que tiene una raz de orden 2 en x0 :
(a) Demostrar que el metodo N-R
onverge solo linealmente a x0 .
(b) >Cual es el orden de
onvergen
ia de la siguiente modi
a
ion?
f (x )
xn+1 = xn 2 0 n
f (xn )
(13) Sea f (x) = 4x3 3x + 1 = 0. La e
ua
ion f (x) = 0 tiene una raz doble. Aproximarla
al
ulando las 10 primeras itera
iones de los metodos N-R y N-R
on la modi
a
ion
del ejer
i
io anterior,
omenzando
on los valores ini
iales x1 = y1 = 25. Gra
ar
simultaneamente las dos su
esiones obtenidas.
(14) Se quiere apli
ar el metodo N-R para dar una tabla de valores de la fun
ion y(x) denida
impl
itamente por la e
ua
ion G(x; y) = 0 en un intervalo [a; b.
El metodo
onsiste en
omenzar la tabla en un par de valores x0 ; y0 que veri
an
x0 = a y G(x0 ; y0 ) = 0 y pro
eder por in
rementos en x hasta llegar al valor xN = b.
En
ada paso se obtiene el valor de yn+1 apli
ando el metodo N-R a la fun
ion
G(xn+1; y) donde y es la variable y xn+1 permane
e jo;
on valor ini
ial el valor de
yn obtenido en el paso anterior. Dado que la fun
ion y(x) se supone
ontinua, esta
ele
ion del valor ini
ial se supone apropiada.
(a) Apli
ar el metodo para la e
ua
ion G(x; y) = x2 + y2 1 = 0,
omenzando en
x0 = 0; y0 = 1 para valores de x en [0; 1. Gra
ar junto
on la solu
ion que se
obtiene de despejar analti
amente y
omparar. Utilizar distintos valores para el
in
remento y para la
antidad de itera
iones del metodo N-R en
ada paso.
(b) Apli
ar el metodo para G(x; y) = 3x7 + 2y5 x3 + y3 3: Comenzar la tabla en
x0 = 0; y0 = 1 y pro
eder por in
rementos en x de 0:2 hasta llegar a x50 = 10:
(15) Dada F : IRn ! IRn el metodo N-R generalizado
onsiste en realizar la itera
ion
ve
torial
xk+1 = xk (DF jxk ) 1 :F (xk );
donde (DF jxk ) 1 es la inversa de la matriz diferen
ial de F evaluada en xk .
Usar la version generalizada a varias variables del metodo N-R para para resolver
el sistema de e
ua
iones
2x 3y = 0; x2 y2 3 = 0
omenzando
on valores ini
iales (x0; y0 ) = (2; 1).
(16) Resolver
os(x) = 2x, x > 0
omenzando1
on x0 = 0:5 y utilizando:
(a) La itera
ion de punto jo xn+1 = 2
os(xn)
(b) El metodo N-R.
Gra
ar, usando Matlab, las0 su
esiones obtenidas y
omparar.
(17) Sea g una fun
ion tal que g0 es
ontinua en [s; b, donde s es un punto jo de g. Si
ademas, se veri
a que 0 g (x) K < 1 para todo x 2 [s; b, mostrar que la itera
ion,
omenzando
on x0 2 [s; b,
onverge de
re
ientemente a s.
86
CAPTULO 5
Interpola
ion
El objetivo de este
aptulo es estudiar
omo puede aproximarse una fun
ion por polinomios.
Una forma de ha
er esto es
onstruir los polinomios de manera que
oin
idan
on la fun
ion
dada en algunos puntos predeterminados, lo que re
ibe el nombre de interpola
ion polinomial.
Analizaremos distintos metodos para resolver este problema y estudiaremos el error que se
omete al reemplazar una fun
ion por un polinomio interpolante.
Hay diversos motivos para estudiar este problema. Por un lado, el polinomio interpolante puede
utilizarse para re
onstruir una fun
ion f a partir de una tabla de valores. Por otra parte, es
una herramienta fundamental para integra
ion y diferen
ia
ion numeri
a,
omo veremos mas
adelante.
1. Interpola
ion de Lagrange
8j = 0; 1; : : : ; n:
(5.1)
Nuestro primer paso sera dar un resultado basi
o que estable
e que esto es posible. Mostraremos
una forma
on
reta de hallar un polinomio p que verique (5.1) y ademas veremos que si el
polinomio es de grado menor o igual que n, este es uni
o. Vamos a basar nuestra demostra
ion
en la Base de Lagrange que es una base de polinomios que
onstruimos a
ontinua
ion.
Base de Lagrange: Para
ada punto xj ; j = 0; : : : ; n; bus
amos un polinomio de grado n que
se anule en todos los xi salvo xj donde queremos que valga 1. Por ejemplo, `0 sera un polinomio
en Pn tal que se anula en x1; : : : ; xn y `0(x0 ) = 1.
5. INTERPOLACIO N
88
Como x1; : : : ; xn son ra
es de `0, `0(x) = Qni=1 (x xi); donde es una
onstante que se elige
de modo que `0 (x0) = 1. Imponiendo esta
ondi
ion obtenemos
n
Y
`0 (x) =
(x
xi )
(x0
xi )
i=1
n
Y
i=1
`j (xi ) = ij =
(x
xi )
(xj
xi )
i6=j
`j (x) = Y
i6=j
1 i=j
0 i 6= j
(5.2)
Los polinomios f`0 ; `1 ; : : : ; `n g se
ono
en
omo la base de Lagrange. Vale desta
ar que estos
polinomios solo dependen de los datos fx0 ; x1 ; : : : ; xng.
Teorema 5.1. Dados x0 ,. . . ,xn y valores y0 ; : : : ; yn existe un uni
o polinomio pn 2 Pn tal que
pn (xj ) = yj ; 8j = 0; : : : ; n:
Demostra
ion.
n
X
j =0
yj `j (x):
(5.3)
obteniendo un polinomio pn 2 Pn que veri
a (5.1). Veamos que es uni
o. Supongamos que hay
dos polinomios pn, qn 2 Pn que interpolan la tabla de pares (xi ; yi), esto es
(pn qn)(xj ) = 0 8j = 0; : : : ; n:
Enton
es pn qn es un polinomio de grado menor o igual que n
on n + 1 ra
es distintas; es
de
ir, pn qn es el polinomio nulo.
1. INTERPOLACIO N DE LAGRANGE
89
5.2.
(1) La es
ritura (5.3) se
ono
e
omo la forma de Lagrange del polinomio interpolador.
(2) El polinomio pn puede tener grado estri
tamente menor que n. Por ejemplo, si se
onsidera la tabla de 5 valores
(xj ): -4 -2 0 1 3
(yj ): 9 5 1 -1 -5
n
Observa
io
pn (x) = a0 + a1 x + + an xn
pn (xj ) = yj :
1
B 1
B
B ..
.
1
x0 x20
x1 x21
xn0
xn1
xn x2n
xn
. . . ...
n
10
CB
CB
CB
A
a0
a1
...
an
C
C
C
A
=B
B ..
.
y0
y1
yn
1
C
C
C
A
La matriz de la izquierda se llama matriz de Van der Monde y
omo solo depende de los datos
fx0 ; : : : ; xn g suele notarse por V (x0 ; : : : ; xn ).
Para ver que existe una solu
ion (a0 ; : : : ; an ) y que es uni
a hay que ver que la matriz V (x0 ; : : : ; xn )
es inversible. Esto equivale a ver que el nu
leo es nulo. Ahora, si (a0 ; : : : ; an ) 2 Nu(V (x0; : : : ; xn))
tendramos
5. INTERPOLACIO N
90
a0 + a1 xj + a2 x2j + : : : + an xnj = 0
8j = 0; : : : ; n:
Enton
es a0 = : : : = an = 0 (pues un polinomio de grado n no nulo no puede tener n + 1 ra
es
distintas).
Ejemplo 5.3. Anali
emos que su
ede si interpolamos la fun
ion f (x)
[ 1; 1 por un polinomio
onsiderando puntos equiespa
iados.
x 3 en el intervalo
En este
aso, sin en
ontrar expl
itamente el polinomio, si tenemos en
uenta la paridad de la
fun
ion, podemos pensar que un polinomio de grado par sera una buena ele
ion. La Figura 5.1
muestra el gra
o de f junto
on el polinomio interpolante p que se obtiene al
onsiderar 11
puntos equiespa
iados. Si
onsideramos la diferen
ia maxima entre f y el polinomio p evaluados
en una malla su
ientemente na (puntos equiespa
iados
on distan
ia h = 0:01), el error que
se obtiene es grande
omo puede observarse en el gra
o; el error numeri
o = 1.4886. ..
1.2
0.8
0.6
0.4
0.2
0.2
0.4
0.6
1
Figura 5.1.
0.8
0.6
0.4
Interpola ion de
0.2
f (x)
x3
en
0.2
0.4
1; 1,
0.6
0.8
Cuando los datos obtenidos
orresponden
on datos de una fun
ion f denida en [a; b y x0,
x1 ,. .. , xn 2 [a; b son n + 1 puntos distintos, el polinomio interpolador a en
ontrar sera un
polinomio pn 2 Pn que
oin
ida
on f en di
hos puntos, es de
ir pn veri
a que
pn(xj ) = f (xj )
8j = 0; : : : ; n:
La ventaja de obtener un polinomio que interpola a una fun
ion f de la
ual solo se
ono
en
sus valores en los puntos fx0 ; : : : ; xng es que, el polinomio, arroja una formula que permite
sustituir la fun
ion f y ha
er evalua
iones en puntos diferentes a los
ono
idos. Para que este
2. ERROR DE INTERPOLACIO N
91
reemplazo tenga alguna validez numeri
a es importante
ono
er una estima
ion del error que
se
omete. Para esto sera ne
esario suponer que la fun
ion f veri
a algunas
ondi
iones de
suavidad. Llamemos a este error:
En (x) = f (x) pn (x); x 2 [a; b:
Con el siguiente teorema, damos el primer paso para poder estimar el error
ometido; es de
ir,
damos una expresion para En(x).
Dados los puntos x0; : : : ; xn, utilizaremos la nota
ion Wn+1 para designar al polinomio moni
o
de grado n + 1 que se anula en esos puntos. Es de
ir,
Wn+1 (x) = (x x0 ) (x xn )
Teorema 5.4. Sean f 2 C n+1 [a; b y pn 2 Pn el polinomio interpolador de f en x0 ; : : : ; xn
puntos del intervalo [a; b. Para
ada x 2 [a; b, existe 2 [a; b, = (x), tal que
En (x) = f (x) pn(x) =
f (n+1) ( )
(n + 1)! Wn+1(x):
Demostra ion.
Se obtiene,
f (n+1) ( )
(n + 1)!
= f (Wx)n+1p(nx()x)
Ejemplo 5.5. Anali
emos que su
ede si se quiere interpolar la fun
ion f (x)
intervalo [ 3; 3 por un polinomio.
= os(x)3 en el
5. INTERPOLACIO N
92
Si se eligen 10 puntos equiespa
iados se obtiene un polinomio
omo muestra la Figura 5.2.
Si
onsideramos el error numeri
o, que es el que se obtiene
omo diferen
ia maxima entre f
y el polinomio evaluados en una malla su
ientemente na (puntos equiespa
iados
on paso
h = 0:01) se tiene un error de 0.4303. ..Tan solo al
onsiderar 25 puntos equiespa
iados (tomados
a intervalos de longitud 0.25) se obtiene un error numeri
o menor que 10 6 . En este
aso, en
una gura
omo la anterior, los gra
os del polinomio y la fun
ion se
onfunden.
4
6
1
Figura 5.2.
0.8
0.6
Interpola ion de
0.4
f (x)
0.2
0.2
3 en [
= os(x)
0.4
0.6
3; 3,
0.8
3. Forma de Newton
f [x0 ; x1 =
f (x1 ) f (x0 )
:
x1 x0
f [x1 ; x2 f [x0 ; x1
:
x2 x0
3. FORMA DE NEWTON
f [x0 ; : : : ; xk =
93
f [x1 ; : : : ; xk f [x0 ; : : : ; xk 1
:
xk x0
La
onstru
ion de la forma de Newton se basa en la siguiente idea. Una vez obtenido pk 2 Pk
que interpola a f en x0; : : : ; xk es
ribimos pk+1 2 Pk+1
omo
pk+1 (x) = pk (x) + ak+1 (x x0 ) (x xk ):
En lo que sigue veremos que los aj resultan ser las diferen
ias divididas y por lo tanto esta
expresion es analoga al polinomio de Taylor.
Por ejemplo si n = 1,
y
omo
tenemos
p1 (x) = a0 + a1 (x x0 )
p1 (x0 ) = f (x0 )
a0 = f (x0 )
p1 (x1 ) = f (x1 )
a1 = f [x0 ; x1 :
Si n = 2,
p2 (x) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 ):
5. INTERPOLACIO N
94
a0 = f (x0 )
a1 = f [x0 ; x1 :
a2 =
(x
f [x1 ; x2 f [x0 ; x1
x2 x0
= f [x0; x1; x2 :
Por lo tanto
95
x0 ) (x xn )
Como tomamos xn+1
ualquier punto distinto de x0; : : : ; xn se tiene para todo x,
En (x) = f (x) pn (x) = f [x0 ; : : : ; xn ; xWn+1 (x):
Corolario 5.8. Dados x0 ; : : : ; xn puntos distintos, existe intermedio, es de
ir entre x0 ; : : : ; xn
tal que
f [x0 ; : : : ; xn =
f (n) ( )
:
n!
5. INTERPOLACIO N
96
Tk (x) = os(k os 1 x)
T1 (x) = x
) = 2 os os , si ponemos x = os resulta
os((k 1));
es de
ir,
Tk+1 (x) = 2xTk (x) Tk 1 (x):
(5.5)
Algunos ejemplos que siguen a T0 y T1
uyos gra
os se muestran en la Figura 5.3 son
T2 (x) = 2x2
T3 (x) = 4x3
T4 (x) = 8x4
T5 (x) = 16x5
1;
3x;
n=3
n=4
0.5
0.5
0.5
0.5
1
1
0.5
0.5
1
1
0.5
n=5
1
0.5
0.5
0.5
0.5
0.5
0.5
0.5
n=6
1
1
8x2 +3 1;
20x + 5x
0.5
Figura 5.3.
1
1
0.5
97
on i = 0; : : : ; k:
para
yi = os(
i
)
k
Ahora s, estamos en
ondi
iones de enun
iar y probar el resultado que anti
ipamos. Es de
ir,
entre todas las posibles ele
iones de n + 1 puntos en [ 1; 1, los
eros de Tn+1 son los puntos
de interpola
ion que hay que elegir para minimizar la expresion k(x x0) : : : (x xn)k1 que
apare
e en la formula del error.
Teorema 5.10. Entre todos los polinomios moni
os de grado n + 1,
1
Wn+1 (x) = n Tn+1 (x)
2
minimiza la norma k k1 en [ 1; 1. O sea, si P 2 Pn+1 y es moni
o enton
es,
kWn+1k1 kP k1:
kP k1 < kWn+1k1:
5. INTERPOLACIO N
98
Por la proposi
ion anterior, jWn+1(x)j al
anza su maximo (que es 21n ) en los n + 2 puntos
yi =
os( ni+1 ), i = 0; : : : ; n + 1. Esto es, si restringimos Wn+1 a [yi ; yi+1 , Wn+1 al
anza la
norma innito en
ada uno de estos subintervalos. Enton
es, en
ada subintervalo se mantiene
la rela
ion
kP kL1 [yi;yi+1 < 21n = kWn+1 kL1[yi;yi+1:
(5.6)
Por otra parte, Wn+1(yi) = Wn+1(yi+1 ). Supongamos, por ejemplo, que Wn+1(yi) > 0 (en el
aso
ontrario se pro
ede de manera analoga). Enton
es, de la desigualdad (5.6) se sigue que
P (yi ) < Wn+1 (yi ) y que P (yi+1 ) > Wn+1 (yi+1 ).
Luego, el polinomio Q(x) = P (x) Wn+1(x) tiene al menos un
ero en el intervalo (yi; yi+1) y
omo hay n +2 valores de yi, resulta que Q tiene al menos n +1
eros. Pero tanto P
omo Wn+1
son polinomios de grado n + 1 y ambos son moni
os de donde se dedu
e que Q tiene grado a
lo sumo n. Esto es una
ontradi
ion pues a
abamos de ver que Q tiene n + 1 ra
es distintas.
Luego, un tal P no puede existir.
5.11. Puede demostrarse, aunque no lo haremos aqu, que la desigualdad del
teorema es estri
ta, o sea, kWn+1 k1 < kP k1 si P 6= Wn+1 es un polinomio moni
o P 2 Pn+1.
Es de
ir el minimizante es uni
o.
2
Ejemplo 5.12. Se quiere aproximar la fun
ion f (x) = x 3 en el intervalo [ 1; 1 por un polinomio
n
Observa
io
0.8
0.6
0.4
0.2
0
1
0.8
Figura 5.4.
0.6
0.4
0.2
Interpola
i
on de
0.2
f (x)
0.4
x3
0.6
0.8
en los eros de
11
Si se eligen los nodos
omo los
eros de T11 se obtiene un polinomio
omo muestra la Figura 5.4
(
omparar
on Figura 5.1). En este
aso el error numeri
o
ometido es menor que 0.1408,
(
omparar
on Ejemplo 5.3).
99
Veamos ahora
omo se apli
a el Teorema 5.7 para a
otar el error
uando se usan las ra
es de
omo puntos de interpola
ion.
Teorema 5.13. Sea f 2 C n+1 [ 1; 1. Si pn 2 Pn es el polinomio que interpola a f en las ra
es
Tn+1
(n+1)
kf pnk1 k2fn(n + k1)!1 :
Demostra
ion.
donde 2 [ 1; 1.
f (n+1) ( )
f (n+1) ( )
Wn+1 (x) = n
(n + 1)!
2 (n + 1)! Tn+1(x);
Enton
es, el resultado se sigue del he
ho de que jTn+1 (x)j 1.
f (x) pn (x) =
Ejemplo 5.14. Sea f : [ 1; 1 ! IR dada por f (x) = e3x . Queremos
omparar las
otas del
error que se produ
e al estimar el valor de f (0:8) al usar el polinomio interpolador de grado 4
onstruido
on puntos equiespa
iados y
on los
eros del polinomio T5 .
Cuando en realidad
p4 (0:8) = 0:2544:
5. INTERPOLACIO N
100
Observemos que tanto el error
omo su estima
ion se redu
en aproximadamente la mitad que
en el
aso de puntos equiespa
iados.
n 5.15. Una trasla
ion lineal del intervalo [a; b al intervalo [ 1; 1 nos permite dar
Observa
io
los polinomios de T
heby
hev
orrespondientes al intervalo [a; b.
En efe
to, es fa
il ver que el
ambio de variables t = 2(bx aa) 1 es la transforma
ion men
ionada. Por lo tanto
Tek
(x) = Tk (t) = Tk
2(x
a)
b a
1 = os k os
2(x
a)
b a
es un polinomio de grado k que tiene propiedades analogas a Tk pero ahora en el intervalo [a; b.
En parti
ular se tiene:
(1) La rela
ion de re
urren
ia:
2(x a) 1 Tek (x) Tek 1(x)
Tek+1 (x) = 2
b a
1
b a n+1 e
1
b a n+1
Wn+1 (x) = n
Tn+1 (x)
y kWn+1 k1 = 2n 2
2 2
obteniendose, para x 2 [a; b, la
ota del error
k
f (n+1) k1 b a n+1
jf (x) pn(x)j (n + 1)!2n 2
:
Antes de pro
eder
on algunos
omentarios nales estudiemos el analogo al Ejemplo 5.5
onsiderando
omo nodos los
eros del
orrespondiente polinomio de T
heby
hev.
Ejemplo 5.16. Se quiere aproximar la fun
ion f (x) =
os(x)3 en el intervalo [ 3; 3 por un
polinomio que la interpola en los
eros de T10 .
Al elegirse
omo nodos los
eros de T10 se obtiene un polinomio
omo muestra la Figura 5.53
(
omparar
on Figura 5.2). En este
aso el error numeri
o
ometido es menor que 4 10 .
Comparar
on Ejemplo 5.5 en el que se interpola la misma fun
ion en 10 puntos equiespa
iados.
101
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1
3
Figura 5.5.
Comentarios:
(1) A partir de la formula del error dada en el Teorema 5.4 puede demostrarse que si f
es una fun
ion entera, es de
ir, admite desarrollo de Taylor
onvergente en todo IR,
enton
es
kf pnkL1 [a;b ! 0
(n ! 1):
5. INTERPOLACIO N
102
x00
x10 x11
x20 x21 x22
x30 x31 x32 x33
...
arbitrarios en [a; bn, existen f
ontinua tal que kf
interpolador en x0 ; : : : ; xn.
En algunos
asos interesa tambien
onsiderar junto
on los valores de una fun
ion f datos
rela
ionados
on sus derivadas. Por ejemplo,
puede bus
arse un polinomio p que interpola a f
en determinados puntos y que ademas p0
oin
ida
on f 0 en algunos de esos puntos. Mas en
general, se tiene el siguiente teorema que fue probado por Hermite.
Teorema 5.17. Dada una fun
ion f , puntos x0 ; : : : ; xk y m0 ; : : : ; mk 2 IN0 tales que m0 + : : : +
mk = n + 1, existe un uni
o polinomio p 2 Pn que satisfa
e
8
>
>
>
<
>
>
>
:
..
.
..
.
No haremos una demostra
ion de este teorema pero para dar una idea mostramos la
onstru
ion
del polinomio interpolador en un
aso parti
ular; donde ademas puede verse
omo se generaliza
la deni
ion de diferen
ias divididas para valores de xi no todos distintos.
Se bus
a un polinomio p 2 P3 que
umpla
Como f1; x x0; (x x0 )2 ; (x x0)2 (x x1 )g forman una base de P3 por ser todos de distinto
grado,
ualquier polinomio en P3 se puede es
ribir de la forma
p(x) = a0 + a1 (x x0 ) + a2 (x x0 )2 + a3 (x x0 )2 (x x1 ):
Las
ondi
iones (i); (ii) se satisfa
en si y solo si a0 = f (x0) y a1 = f 0(x0 ). Ahora hay que
determinar a2 y a3 para que se
umplan las dos
ondi
iones restantes. Para simpli
ar la
nota
ion ponemos h = (x1 x0), enton
es se tiene
5. INTERPOLACIO N DE HERMITE
103
f (x1 ) f (x0 )
h
f 0 (x0 )
1:
Observemos que limx1 !x0 f [x0; x1 = f 0(x0) por lo que resulta natural generalizar la primer
diferen
ia dividida poniendo
f [x0 ; x0 = f 0(x0 ):
f [x0 ; x1 f [x0 ; x0
x1 x0
f (x1 ) f (x0 )
h
f 0 (x0 )
de donde,
a3
= h12 f 0(x1 )
= h12 (f [x1; x1
f 0(x0 )
2f [x0 ; x0 ; x1h
f [x0; x0
2f [x0; x0 ; x1 h)
= h12 (f [x1; x1
= f [x0; x1 ; xx11
f [x0 ; x0 ; x1
:
x0
O sea
a3 = f [x0 ; x0 ; x1 ; x1 :
2f [x0; x0 ; x1 h)
5. INTERPOLACIO N
104
En
onse
uen
ia, hemos demostrado que el uni
o polinomio en P3 que satisfa
e las
ondi
iones
pedidas es
p3 (x) = f [x0 + f [x0 ; x0 (x x0 ) + f [x0 ; x0 ; x1 (x x0 )2 + f [x0 ; x0 ; x1 ; x1 (x x0 )2 (x x1 ):
En mu
hos
asos para lograr una mejor aproxima
ion es
onveniente utilizar fun
iones polinomiales a trozos
omo interpolantes. De esta manera se parte el intervalo de manera tal que en
ada
subintervalo se elige un polinomio distinto que interpola los datos. Por ejemplo, al interpolar
on polinomios de grado uno a trozos, quedan poligonales.
Aproximacin por poligonales
f(x)
p1
p6
p
p5
p4
x0
x1
|
x3
x2
x4
x5
x6
Figura 5.2
Partimos el intervalo [a; b en subintervalos [xj ; xj+1 , a = x0 < x1 < x2 : : : < xn = b. Dada
f : [a; b ! IR denimos la fun
ion interpolante qn (x) tal que
qn j[xj ;xj+1 2 P1 :
Enton es
f 00(j )
2 (x
xj )(x xj +1 ):
105
00
2
00
2
kf qnk1 kf 2k1 h4 = kf 8k1 (b n2a) ! 0
uando n ! 1:
1 : Puede verse que
Ejemplo 5.18. Sea f : [ 1; 1 ! IR, la fun
ion de Runge f (x) =
1 + 25x2
kf 00k1 = 50. En
onse
uen
ia, aproximando por poligonales obtenemos
k
f 00 k1 2 2 25
kf qnk1 8 n = n2 :
Luego, en este
aso, interpolando por poligonales obtenemos una aproxima
ion mu
ho mejor
que la que se obtiene interpolando
on un polinomio, si se utilizan los mismos puntos.
Splines
ubi
os.
En mu
hos problemas interesa aproximar por fun
iones derivables. Esto no puede lograrse
aproximando por poligonales y por lo tanto es ne
esario aumentar el grado de los aproximantes.
Un metodo
lasi
o es el
orrespondiente a grado
tres, splines
ubi
os. Vamos a ver que, de esta
manera, puede obtenerse un aproximante C 2.
Dada f 2 C [a; b y a = x0 < x1 < x2 : : : < xn = b bus
amos S tal que S; S 0 y S 00 sean
ontinuas
en [a; b y ademas se verique
S (xj ) = f (xj )
para 0 j n y
S j[xj ;xj+1 2 P3 :
5. INTERPOLACIO N
106
Teorema
tal que
S (xj ) = f (xj )
S j[xj ;xj+1 2 P3
on S 00 (a) = S 00 (b) = 0:
Demostra
ion.
0jn
xj :
La fun
ion S bus
ada debe
umplir que S 00 es una poligonal. Por lo tanto, si S 00(xj ) = yj , Sj00 se
es
ribe
omo
x
x
x xj
Sj00 (x) = yj j +1
+
yj +1
0 j n 1:
hj
hj
Veremos que es posible en
ontrar valores yj de tal forma que se
umplan las
ondi
iones requeridas para S . Integrando dos ve
es obtenemos, para x 2 [xj ; xj+1,
on 0 j n 1
yj
3 yj +1
3
(5.7)
6hj (xj+1 x) + 6hj (x xj ) +
j (x xj ) + dj (xj+1 x)
donde
j , dj son
onstantes a determinar que provienen de la integra
ion.
Observemos que para
ualquier ele
ion de yj ,
j y dj , S 00 resulta
ontinua por ser poligonal.
Por lo tanto resta ver que esas
onstantes
pueden elegirse de manera que se veriquen las otras
ondi
iones requeridas sobre S y S 0.
Para que S sea
ontinua e interpole a f tenemos que elegir
j , dj tal que
Sj (xj ) = f (xj ) y Sj (xj +1 ) = f (xj +1 );
0jn 1
Sj (x) =
+ f (xhjj+1)
yj +1hj
(x
dj =
f (xj )
hj
yj hj
xj )3 +
xj ) +
f (xj )
hj
yj hj
(xj+1
x):
7. EJERCICIOS
107
f (xj ), obtenemos
f hj (y
xj )2 + j
hj
6 j+1 yj )
y tenemos que elegir yj para que se
umpla la
ondi
ion que falta, es de
ir, que S 0 sea
ontinua,
o sea
Sj0 (xj ) = Sj0 1(xj )
1jn 1
de lo que resulta que las n + 1 in
ognitas yj deben ser solu
ion del siguiente sistema de n 1
e
ua
iones,
hj 1 yj 1 + 2(hj + hj 1 )yj + hj yj +1 = bj
on
fj fj 1
bj = 6
hj
hj 1
Como tenemos dos in
ognitas mas que e
ua
iones, podemos dar valores arbitrarios a y0, yn y,
pasando los terminos
orrespondientes al lado dere
ho, obtenemos el sistema tridiagonal,
0
B
B
B
1 h1 0
h1
2 h2
0
0
...
10
CB
CB
CB
A
y1
y2
C
C
C
A
=B
B
b1 h0 y0
b2
1
C
C
C
A
... ...
...
...
...
0
n 1
yn 1
bn 1 hn 1 yn
donde
i = 2(hi + hi 1).
Ahora,
omo A es diagonal estri
tamente dominante, enton
es es inversible. Por lo tanto existe
solu
ion uni
a una vez elegidos y0, yn.
Por
ejemplo podemos elegir y0 = yn = 0 para que se satisfagan las
ondi
iones S 00(x0 ) = 0 y
00
S (xn ) = 0, lo que
on
luye la demostra
ion.
Observemos que en general S 0(xj ) 6= f 0(xj ) y S 00 (xj ) 6= f 00(xj ).
7. Ejer
i
ios
(1) Para
ada uno de los
onjuntos de datos dados en las siguientes tablas
al
ular el
polinomio p(x) interpolador de grado menor o igual que 3, en la forma de Lagrange.
Veri
ar utilizando el
omando polyt de Matlab. Gra
ar el polinomio interpolador,
usando el
omando polyval.
x -1 0 2 3
x -1 0 1 2
y -1 3 11 27
y -3 1 1 3
(2) Repetir el problema anterior, usando el metodo de
oe
ientes indeterminados.
108
5. INTERPOLACIO N
(3) (a) Construir las tablas de diferen
ias divididas para los datos del Ejer
i
io 1, y emplearlas para
onstruir los polinomios interpoladores.
(b) Agregar a las tablas de datos del Ejer
i
io 1 el punto x = 4; y = 1. Aumentar las
tablas de diferen
ias divididas y
al
ular los polinomios interpoladores.
(4) Considerar la fun
ion f (x) = 1 + 125x2 en el intervalo [-1,1. Gra
ar f junto
on los
polinomios que resultan de interpolar a f en los n + 1 puntos equiespa
iados x0 =
1; : : : ; xi = x0 + 2ni ; : : : ; xn = 1; para n = 5; 10; 15.
(5) Repetir el Ejer
i
io 4 para la fun
ion f1 : [ 1; 1 ! IR, f1(x) = jxj y para la fun
ion
f2 : [ 1; 1 ! IR, f2 (x) = sen(x).
(6) Sea f : [0; 5 ! IR, f (x) = 2x. Sea Pn un polinomio de grado n que interpola a f
en n + 1 puntos distintos
ualesquiera de di
ho intervalo. Demostrar que para todo
x 2 [0; 5;
n+1
jPn (x) f (x)j (32n:+5 1)!
(7) Sea f una fun
ion C 1 tal que para todo k 2 IN y para todo x 2 [a; b se tiene:
jf (k)(x)j C k k!
Mostrar que, si 0 < C < b 1 a y Pn en un polinomio de grado n que interpola a f en
n+1 puntos distintos, enton
es Pn
onverge a f uniformemente, es de
ir, kf Pn k1 ! 0
uando n tiende a 1.
(8) Sea f : [ 1; 1 ! IR, f (x) = a +1 x . Sean (xn)n0 una su
esion arbitraria de puntos en
[ 1; 1 y Pn(x) el polinomio que interpola a f (x) en x0; x1 ; : : : ; xn. Demostrar que si
a > 3 enton
es Pn
onverge a f uniformemente.
(9) (a) Dado el intervalo [a; b, sea m el punto medio entre a y b y sea h (b a)=2. Sea
p = m h y q = m + h. Demostrar que para todo x en [a; b,
2
j(x p)(x q)j (b 4 a) :
(b) Sean x0 = a; : : : ; xi = x0 + b na ; : : : ; xn = b, n + 1 puntos equiespa
iados en el
intervalo [a; b. Demostrar que para todo x en [a; b,
n+1
j(x x0) : : : (x xn)j (b 2na+1) :
(10) Sea f : [ ; ! IR, f (x) = sen(x). Sea Pn un polinomio de grado n que interpola a
f en n + 1 puntos equiespa
iados en di
ho intervalo.
(a) Demostrar que para todo x 2 [ ;
n+1
jPn (x) f (x)j (n+ 1)!
(b) Con
luir que Pn
onverge uniformemente
a f.
x
(11) Sea f : [0; 1 ! IR, f (x) = sen(x) + e . Sea Pn el polinomio de grado n que interpola
a f en n + 1 puntos equiespa
iados.
(a) Usando el ejer
i
io 9, a
otar el error kf Pnk1.
7. EJERCICIOS
109
110
5. INTERPOLACIO N
(22) (a) Determinar valores de , y
en IR para que S sea una fun
ion spline
ubi
a,
siendo:
3
x;
0x1
S (x) = xx+
3 + x2 5x + 1; 1 x 2:
(b) Con los valores de x , y
2 obtenidos en el tem anterior, de
idir si S interpola a
la fun
ion f (x) = 2 +0:5x 0:5x 1; 0 x 2 respe
to de la parti
ion f0; 1; 2g.
(
) Gra
ar simultaneamente f y S en el intervalo [0; 2.
(23) Sea f
omo en el Ejer
i
io 4. Utilizando Matlab, gra
ar la fun
ion f junto
on
una spline
ubi
a que la interpola en la red f 1; 0:75; : : : ; 0:75; 1g, tomando
omo
ondi
iones de borde las derivadas 3de f2 .
(24) En
ontrar una fun
ion del tipo 2ax +bx +
x+d que interpole la siguiente tabla de datos:
x -1 0 1 2
y 1 1 0.5 4
(25) Utilizando Matlab, en
ontrar y gra
ar una fun
ion del tipo ea4 x4+a3 x3++a0 que interpole a la fun
ion f (x) = 1=x en 5 nodos equiespa
iados en el intervalo [1; 10.
CAPTULO 6
Polinomios ortogonales y aproxima
ion por
uadrados mnimos
En el
aptulo anterior hemos dis
utido
omo aproximar una fun
ion por polinomios que interpolan a la fun
ion misma y/o a sus derivadas en algunos puntos. Hasta ahora, los metodos
analizados nos permiten
onstruir polinomios de grado n a partir de n + 1 datos. Cierto es que,
en un problema a modelizar,
uantos mas datos se
ono
en es de esperar que se pueda lograr
mayor pre
ision. Pero,
omo vimos, mu
has ve
es polinomios de alto grado produ
en efe
tos no
deseados
omo por ejemplo grandes os
ila
iones. En este
aptulo
onsideraremos otra forma de
aproximar fun
iones
ono
ida
omo el metodo de
uadrados mnimos. Este metodo nos permitira,
uando se trate de aproximar por polinomios,
ontemplar una tabla de valores sin sujetar
el grado del polinomio a la
antidad de datos. Tambien sera posible
onsiderar fun
iones mas
generales que ajusten de manera natural los valores predeterminados.
En general, en esta
lase de problemas uno sabe a priori a que tipo de fun
ion
orresponden
los datos. Una situa
ion fre
uente es la de aproximar una tabla de mas de dos valores por una
re
ta (
omo muestra la Figura 6.1). Es de
ir, se tienen valores (xi; yi), i = 0; : : : ; n y se quiere
en
ontrar una re
ta que ajuste estos datos lo mejor posible. Si es
ribimos la e
ua
ion de la re
ta
omo y = mx + b nuestro problema
onsiste en en
ontrar valores de m y b que hagan que el
error jyi (mxi + b)j sea lo mas
hi
o posible para todo i. Por ejemplo, una manera de lograr
esto sera pedir que m y b minimi
en
max jyi (mxi + b)j
o tambien podramos pedir que minimi
en
0in
n
X
i=0
n
X
i=0
De todas estas op
iones es usual
onsiderar la ultima, llamada \aproxima
ion por
uadrados
mnimos", debido a que es la mas simple ya que el problema se redu
e a resolver e
ua
iones
lineales.
En este
aptulo estudiaremos distintos metodos para resolver este y otros problemas. Como
en general los valores de yi
orresponden a datos de una fun
ion f , podemos plantear estos
problemas en el
ontexto de aproxima
ion de fun
iones. Dada una fun
ion f
onsideramos:
112
Figura 6.1.
Aproxima
i
on de 10 valores por una re
ta
Problema A. Dados w0 ; : : : ; wn
onstantes positivas (pesos), m < n y valores (xi ; f (xi )),
on
i = 0; : : : ; n se trata de hallar p 2 Pm que minimi
e
n
X
i=0
Nos dedi
aremos espe
ialmente al estudio de aproxima
iones por polinomios. Comenzamos esta
se
ion presentando un resultado
lasi
o de Weierstrass que muestra que toda fun
ion
ontinua
puede aproximarse uniformemente por polinomios, en todo intervalo
errado y a
otado.
Teorema 6.1. (Weierstrass) Sea f 2 C [a; b. Para todo " > 0 existe un polinomio p tal que
kf pk1 < "
Demostra
ion. Damos la demostra
ion para el intervalo [0; 1, el
aso general se obtiene fa
ilmente
mediante un
ambio de variables.
1. PRELIMINARES
113
n
X
n
k
k
k=0
xk (1 x)n
n
X
n
xk (1 x)n k = (x + 1 x)n = 1:
k
k=0
n
n
X
X
n k k
n 1 k
n
k
x (1 x) =
x (1 x)n k
Bn h1 (x) =
k
n
k
1
k=0
k=1
n
X n 1
=x
xk 1 (1 x)n k = x(x + 1 x)n 1 = x:
k
1
k=1
n
n 2
X
X
n 1 k k
n k
k
n
k
x (1 x) =
x (1 x)n
Bn h2 (x) =
n
k
1
n
k
k=0
k=0
n
X
n 1 n 1k 1 1 k
=
+ n x (1 x)n k
k
1
n
n
1
k=0
n
n 1 2X
n 2 k 2
x
= n x
x (1 x)n k +
k 2
n
k=2
= n n 1 x2(x + 1 x)n 2 + nx = x2 + x(1 n x) :
x(1 x)
:
n
(6.1)
Por otra parte,
omo toda fun
ion
ontinua en un intervalo
errado es uniformemente
ontinua,
dado " > 0, existe > 0 tal que,
jf (x) f (y)j " si jx yj < :
yj se tiene
114
es de
ir,
"
2kf k1 (x
2
2kf k1 (x
2
y)2 :
Ahora, si f1 f2, de la deni
ion de Bn puede verse que Bnf1 Bnf2; esto es Bn preserva el
orden. En
onse
uen
ia, apli
ando Bn en la desigualdad anterior, teniendo en
uenta (6.1), y
re
ordando que Bn es lineal y que Bn1 = 1 se obtiene (tener presente que hasta aqu estamos
onsiderando y
omo una
onstante),
jBnf (x) f (y)j " + 2kf2k1 (x y)2 + 2kf2k1 x(1 n x)
1. PRELIMINARES
115
6.3.
(1) El produ
to interno usual en IRn, para x = (x1 ; : : : ; xn ); y = (y1 ; : : : ; yn),
esta dado por
n
X
hx; yi = xj yj :
Ejemplos
j =1
Es fa
il ver (queda
omo ejer
i
io) que se satisfa
en todas las
ondi
iones de la deni
ion.
(2) Otros produ
tos internos para IRn similares al usual son los dados por pesos wj > 0
para j = 1; : : : ; n:
hx; yiw =
n
X
w1
j =1
nn
wj xj yj :
omo:
0
0
. . . ...
:::
w2 : : :
C
0
C
C
.
..
A
0 0 : : : wn
el produ
to interno
on pesos (wj )nj=1 puede darse a traves del produ
to interno usual
h: ; : i y la matriz Dw ,
B
Dw = B
B
hx; yiw =
n
X
j =1
wj xj yj = hx; Dw yi:
g(x) dx
Z b
g(x) dx >
2 (b
a) > 0;
116
En los espa
ios ve
toriales
on produ
to interno se tiene la norma indu
ida por di
ho produ
to:
kxk = hx; xi 12 ; para todo x 2 V:
No es inmediato ver que
on esta deni
ion se obtiene efe
tivamente una norma. Esto es posible
gra
ias a la siguiente desigualdad.
n 6.4. (Desigualdad de Cau
hy - S
hwarz) Si h:; :i es un produ
to interno sobre
Proposi
io
un espa
io ve
torial V , enton
es
para todo x; y 2 V:
0 b2
a = hx; yi2
hx; xihy; yi
, enton es
kx + yk2 = hx + y; x + yi
= kxk2 + 2hx; yi + kyk2 :
Usando la desigualdad de Cau
hy - S
hwarz vale, hx; yi jhx; yij kxkkyk. Luego,
kx + yk2 kxk2 + 2kxkkyk + kyk2
= (kxk + kyk)2
1. PRELIMINARES
117
Esto permite denir el angulo entre dos ve
tores x; y no nulos mediante la fun
ion
oseno. Es
de
ir 2 [0; sera el angulo entre x e y si veri
a
os() = khxx;kkyyik :
Luego resulta natural la siguiente deni
ion.
n 6.6. Si V es un espa
io
on produ
to interno h:; :i, se di
e que x e y son ortogonales
Defini
io
si hx; yi = 0. En este
aso suele notarse x ? y.
n 6.7. Dos
onjuntos A; B V se di
en ortogonales (A ? B ) si x ? y para todo
Defini
io
x 2 A e y 2 B.
El siguiente teorema rela
iona los problemas de aproxima
ion que queremos estudiar
on la
no
ion de ortogonalidad.
Teorema 6.8. Dados S un subespa
io de un espa
io V
on produ
to interno, x 2 V e y 2 S ,
son equivalentes:
(1) kx
(2) hx
yk = minfkx skg
s2S
y; si = 0;
8s 2 S:
Ademas, un elemento y 2 S que verique alguna de las propiedades anteriores es uni o.
Veamos primero que (1) impli
a (2). Sabemos que y 2 S minimiza la distan
ia
de x a S . Como S es un subespa
io, se tiene que y + s 2 S para todo s 2 S , y por lo tanto,
kx yk2 kx (y + s)k2 = k(x y) s)k2 = kx yk2 2hx y; si + ksk2 :
Demostra
ion.
118
As,
2hx y; si ksk2
para todo s 2 S . Si ahora
onsideramos t 2 IR y s 2 S se tiene que ts 2 S y de la desigualdad
anterior obtenemos
2hx y; tsi k2tsk22
2thx y; si t ksk
para todo t 2 IR y para todo s 2 S . Para los t > 0 tenemos 2hx y; si tksk2 y ha
iendo t ! 0
queda 2hx y; si 0. Los t < 0 dan la otra desigualdad, 0 2hx y; si; de donde
hx y; si = 0 para todo s 2 S:
Para ver que (2) impli
a (1), supongamos que y 2 S es tal que x
es un subespa
io x y ? y s para todo s 2 S . Luego,
y ? s para todo s 2 S .
Como
Nos queda mostrar que no puede haber mas de un elemento que
umpla las
ondi
iones (1) o
(2). Para esto, veamos que si y; ye 2 S veri
an (2) enton
es, y = ye. En efe
to, para
ada s 2 S
jo se tiene
hx y; si = 0; y hx ye; si = 0;
luego, restando miembro a miembro, queda
hye y; si = 0;
en parti
ular, tomado s = ye y 2 S obtenemos kye yk = 0 de donde ye = y.
Veremos mas adelante que
uando S es de dimension nita siempre existe y en las
ondi
iones
del teorema anterior. Este y se llama proye
ion ortogonal de x sobre S .
2. Solu
ion de los Problemas de Aproxima
ion
Ahora s, estamos en
ondi
iones de des
ribir los metodos para hallar las solu
iones de los
problemas A y B planteados. En lo que sigue de este
aptulo trabajaremos sobre espa
ios
on
un produ
to interno.
El primer problema se puede reformular de la siguiente manera: Se
onsidera en IRn el produ
to
es
alar dado por los pesos w0 ; : : : ; wn , es de
ir,
hx; yi =
n
X
i=1
xi yi wi :
119
Para los datos (xi ; f (xi)), se quiere en
ontrar un polinomio p 2 Pm
on n > m +1 que minimi
e
la distan
ia entre los ve
tores (f (x1); : : : ; f (xn)) y (p(x1 ); : : : ; p(xn)) en la norma aso
iada al
produ
to es
alar.
Si p(x) = amxm + : : : + a1 x + a0 enton
es
0
10
1 x1 xm1
a0
B
C B 1 x2 xm C B a1 C
B
B
B
C
(6.2)
B
C = B ..
C B .. C
... C
... . . . ...2 C
A .
A . A
p(xn )
1 xn xmn
am
Ahora, llamando b = (f (x1 ); : : : ; f (xn)) el problema se redu
e a en
ontrar un ve
tor a =
(a0 ; : : : ; am ) 2 IRm+1 que minimi
e
n(m+1)
donde A 2 IR
p(x1 )
p(x2 )
es la matriz de (6.2).
kAa bk;
kAx bk
S = fy 2 IRn; y = Ax;
120
Demostra ion.
hAT y; xi
n
X
i=1
0
1
m
X
ajiyj A xi
j =1
m
X
j =1
yj
n
X
i=1
aji xi
= hy; Axi
Teorema 6.10. Sea A 2 IRnm y b 2 IRn . Si h : ; : i indi
a el produ
to interno usual (tanto en
IRn
omo en IRm ) enton
es, son equivalentes
Demostra ion.
n P
Observa
io
6.11.
121
Ax = b
La solu ion es
10 5:5 a0 = 5:8
5:5 3:85
a1
3:6
a1 = 0:497
a0 = 0:3067
p(xi ))2 , a f
en los
122
Esta forma de resolver no puede apli
arse, en general, para resolver el problema B. Para abordar
esta
lase de problemas ne
esitamos desarrollar mas teora rela
ionada
on el produ
to interno
y la idea de ortogonaliza
ion. Es de
ir, vamos a dar una des
rip
ion de la solu
ion a traves de
la proye
ion ortogonal sobre un subespa
io.
n 6.13. Un sub
onjunto A de un espa
io ve
torial V se di
e ortonormal si A para
Defini
io
todo f 6= g en A se tiene que f ? g y ademas hf; f i = 1 para
ualquier f 2 A.
La ventaja de trabajar
on una base ortonormal es que podemos des
ribir fa
ilmente los es
alares
xi en terminos de x y de la base. En efe
to, tenemos
n
X
hx; vk i = h
Luego,
xi vi ; vk i =
i=1
x=
n
X
i=1
xi hvi ; vk i = xk :
n
X
i=1
hx; vi ivi :
Ahora, dado un subespa
io S de dimension nita de V , una base ortonormal de S puede en
ontrarse a partir de una base dada de S mediante el pro
eso de ortonormaliza
ion de GramS
hmidt que damos en el siguiente teorema.
Teorema 6.14. Dada una base de S ,
BS = fr1 ; r2 ; : : : ; rm g;
se
onsideran
u1 = r1 ;
y, para k = 2; : : : ; m,
uk = rk
k 1
X
i=1
v1 = u1 =ku1 k:
hrk ; vi ivi ;
y vk
= uk =kuk k:
Enton es, el onjunto fu1 ; : : : ; um g es ortogonal y el onjunto fv1 ; : : : ; vm g es una base ortonormal del subespa io S .
123
hx y; si = 0;
8s 2 S:
(6.3)
Demostra
ion. Sea fv1 ; : : : ; vm g una base ortonormal de S (que sabemos que existe gra
ias al
Teorema 6.14). Veamos que el elemento y 2 S bus
ado es
y=
m
X
i=1
hx; viivi :
(6.4)
En efe
to, es
laro que y 2 S ya que es una
ombina
ion lineal de elementos de la base y. Por
otra parte, para veri
ar (6.3) es su
iente ver que se
umple para s = vj , j = 1; : : : ; m. Pero
m
X
donde en el ultimo paso hemos usado la ortonormalidad de la base. La uni
idad la probamos
en el Teorema 6.8
El teorema anterior nos permite denir una apli
a
ion
P :V !S
que a
ada elemento x 2 V le asigna P x 2 S de tal forma que
hx P x; si = 0; 8s 2 S
generalizando a espa
ios
on produ
to interno la no
ion de proye
ion ortogonal
ono
ida en
IRn. Teniendo en
uenta el Teorema 6.8, P x nos da la mejor aproxima
ion a x por elementos
del subespa
io S en la norma aso
iada al produ
to interno.
Estos resultados nos permiten en
ontrar la mejor approxima
ion a una fun
ion
ontinua por
polinomios de un grado dado, en la norma aso
iada a un produ
to interno. Para esto basta
onsiderar el espa
io V = C [a; b y el subespa
io S = Pn.
Apli
ando el pro
eso2 de ortogonaliza
i
on dado en el Teorema 6.14 a la base
anoni
a de Pn,
n
es de
ir B = f1; x; x ; : : : ; x g, en un produ
to interno dado, obtenemos los polinomios ortogonales qk aso
iados a di
ho produ
to y los
orrespondientes polinomios ortonormales pk . Estos
polinomios estan dados por,
124
q0 (x) = 1;
p0 (x) = 1=kq0 k:
y, deniendo hk (x) = , para k = 1; : : : ; n,
k 1
X
qk (x) = hk (x)
hhk ; piipi(x); y pk (x) = qk (x)=kqk k:
i=1
xk
Observemos que,
omo este pro
edimiento puede ha
erse para
ualquier n 2 IN lo que se obtiene
es una su
esion de polinomios ortogonales q0; q1 ; : : : ; qn; : : :
uyas propiedades basi
as resumimos
en el siguiente teorema.
Teorema 6.16. Dado el espa
io V = C [a; b
on un produ
to interno, los polinomios ortogonales
q0 ; q1 ; : : : ; qn ; : : : obtenidos mediante el pro
eso de Gram-S
hmidt apli
ado a la base
anoni
a
dada por las poten
ias satisfa
en las siguientes propiedades. Para todo k 2 IN0 ,
(1) qk es un polinomio moni
o de grado k.
(2) fq0 ; q1; : : : ; qk g es una base ortogonal de Pk .
(3) qk es ortogonal a todo polinomio de grado menor que k.
Las
on
lusiones del teorema son validas si se
onsidera la base
anoni
a de Pk : B = f1; x; x2 ; : : : ; xk g.
El orden en que se toman los elementos es importante. La demostra
ion se sigue de todo lo anterior y por tanto la omitimos.
En lo que sigue
onsideramos jado el produ
to interno y usamos la nota
ion pk para indi
ar la
su
esion de polinomios ortonormales aso
iados a di
ho produ
to, es de
ir pk = qk =kqk k. Una vez
obtenidos estos polinomios podemos en
ontrar la mejor aproxima
ion a una fun
ion
ontinua
utilizando la teora general que hemos visto. En efe
to, tenemos
Teorema 6.17. Si f 2 C [a; b enton
es el polinomio pn 2 Pn que satisfa
e
kf pnk kf pk; 8p 2 Pn;
esta dado por pn = P f , donde P : C [a; b ! Pn es la proye
ion ortogonal, o sea,
pn =
Demostra
ion.
n
X
i=0
hf; piipi ;
Observemos que esto resuelve simultaneamente los problemas A y B. Para resolver
ualquiera
de los dos hay que, primero generar los polinomios ortonormales pj y luego
al
ular hf; pii. En
el
aso
ontinuo (problema B) apli
amos la teora trabajando en el espa
io de dimension innita
C [a; b mientras que en el
aso dis
reto (problema A) trabajamos en el espa
io de dimension nita
IRn+1 identi
ando a los valores de una fun
ion
ontinua f
on el ve
tor (f (x0 ); : : : ; f (xn)). De
esta forma se tiene un pro
edimiento alternativo al dado en el Teorema 6.10 para el problema
dis
reto. En algunos
asos el metodo basado en el uso de los polinomios ortogonales resulta
mejor respe
to de la propaga
ion de errores de redondeo.
125
El teorema de Weierstrass nos permite demostrar que el error entre la f y su mejor aproxima
ion en la norma aso
iada al produ
to interno tiende a
ero
uando el grado del polinomio
aproximante tiende a innito. Este es el objetivo del siguiente teorema.
Teorema 6.18. Si el produ
to interno en C [a; b esta dado por
Z b
hf; gi = f (x)g(x)w(x)dx
a
donde w es una fun
ion positiva e integrable en (a; b) enton
es,
pn
! f uando n ! 1.
Demostra ion.
p(x)j = kf
axb
Enton es
Por lo tanto,
lim kf
n!1
pnk = 0:
Corolario 6.19. (Igualdad de Parseval) Para un produ
to interno
omo el del teorema
anterior se tiene,
X
kf k2 = hf; pj i2
j =0
Demostra ion.
p
n
X
j =0
hf; pj i2 :
y pn se obtiene
n
X
j =0
hf; pj i2
pero por el teorema sabemos que el primer sumando del termino de la dere
ha tiende a
ero
uando n tiende a innito
on lo que
on
luye la demostra
ion.
126
Terminamos el
aptulo dando una forma mas e
iente de en
ontrar los polinomios ortogonales
aso
iados a un produ
to interno. En efe
to, el siguiente teorema muestra que
ada polinomio qn
se es
ribe en fun
ion de los dos anteriores y por lo tanto la su
esion de polinomios ortogonales
moni
os puede obtenerse por re
urren
ia.
Teorema 6.20. Si un produ
to interno en C [a; b satisfa
e hxf; gi = hf; xgi enton
es los polinomios ortogonales moni
os qn satisfa
en la rela
ion de re
urren
ia
an =
hxqn 1; qn 1i
hqn 1; qn 1i
bn =
8n 2
hqn 1; qn
hqn 2; qn
(6.5)
1i :
2i
Sea n 2. Como
ero es raz del polinomio qn(x) qn(0) podemos es
ribir
qn (x) qn(0) = xrn 1
donde rn 1 es un polinomio de grado menor o igual que n 1. Ademas,
omo qn es moni
o,
rn 1 tambien lo es. Tenemos enton
es,
qn (x) = xrn 1 (x) + qn(0) = xqn 1 (x) + x(rn 1 (x) qn 1 (x)) + qn (0):
(6.6)
Pero
omo rn 1 y qn 1 son moni
os su diferen
ia resulta un polinomio de grado menor o igual
que n 2 y por lo tanto,
omo q0; : : : ; qn 1 forman una base de Pn 1, existen
oe
ientes j
tales que
nX1
x(rn 1 (x) qn 1 (x)) + qn (0) = j qj (x)
Demostra
ion.
j =0
nX1
j =0
j qj (x):
(6.7)
nX2
j =0
donde en el ultimo paso hemos usado la ortogonalidad de los qj . Pero,
omo xqi es un polinomio
de grado menor que n 1, resulta
hxqn 1; qii = hqn 1; xqii = 0
y en
onse
uen
ia i = 0 para todo i < n 2. Por lo tanto, deniendo an = n 1 y bn = n 2,
(6.5) se obtiene de (6.7).
Finalmente, usando (6.5) y la ortogonalidad de los qj tenemos,
0 = hqn; qn 1 i = hxqn 1; qn 1i anhqn 1; qn 1i
de donde se obtiene la expresion para an. Analogamente,
0 = hqn; qn 2i = hxqn 1; qn 2i bnhqn 2; qn 2i
3. EJERCICIOS
y por lo tanto,
bn =
127
hxqn 1 ; qn 2i :
hqn 2 ; qn 2i
hqn 1; xqn 2 qn 1i = 0
lo que resulta del he
ho de que xqn 2 qn 1 es un polinomio de grado menor que n 1 porque
tanto xqn 2
omo qn 1 son moni
os de grado n 1.
6.21. Los produ tos internos aso iados a los problemas A y B satisfa en trivialmente la hipotesis del teorema.
n
Observa
io
3. Ejer i ios
128
3. EJERCICIOS
129
(9) De
idir
uales de las siguientes apli
a
iones < ; >: X X ! IR, son produ
tos internos,
siendo X = fpolinomios de grado menor o igual a 1 denidos en[0; 1g.
(a) < f; g >= f (0) + 2g(0)
(b) < f; g >= (f (0) + g(0))Z 21
(
) < f; g >= f (0)g(0) + f 0(t)g0 (t)dt
0
(d) < f; g >= f (0)g(0) + f (1)g(1)
(10) Sea < f; g >
ualquiera de los siguientes produ
tos es
alares:
(a)
< f; g >=
n
X
(b)
< f; g >=
Z b
f (x)g(x)w(x)dx
e x f (x)g(x)dx:
(13) Considerar
< f; g >=
1
1
f 0(x)g0 (x) dx
(a) Probar que < ; > es un produ
to interno en Sm, el espa
io generado por fx; x2 ; x3 ; ; xm g.
(b) Hallar una base ortonormal para S3.
(
) Hallar la4mejor aproxima
ion en el sentido de
uadrados mnimos sobre S3 para
f (x) = x y para g(x) = 1.
(14) Sea S el subespa
io de las fun
iones derivables denidas en el intervalo [ ; generado
por f1;
os(x); sen(x)g y
onsiderar
< f; g >= f 0( )g0 ( ) + f 0 (0)g0 (0) + f ( )g( ):
2
2
2 2
(a) Probar que < ; > es un produ
to interno en S .
(b) Hallar una base ortonormal para S .
(
) Hallar la mejor aproxima
ion en el sentido
de
uadrados mnimos sobre S para
f (x) = sen(2x), g(x) =
os(2x) y h(x) = 32 sen(2x) 5
os(2x).
(15) (a) Probar que el
onjunto de fun
iones: f1; sen(kx);
os(mx); k; m 2 INg es ortogonal
on el produ
to es
alar
< f; g >=
Z 2
f (x)g(x)dx:
130
k=1
CAPTULO 7
Integra
ion numeri
a
En este
aptulo estudiamos metodos para aproximar el valor de una integralR bdenida en un
intervalo [a; b. En los
ursos elementales de Cal
ulo se aprende que el valor a f (x)dx puede
obtenerse a partir de una primitiva de f mediante la regla de Barrow. Sin embargo, en mu
hos
asos no es posible en
ontrar una
primitiva expresable en terminos de fun
iones
ono
idas.
Un ejemplo es el de la integral Rab e x2 dx que juega un2 papel muy importante en la teora de
probabilidades. Puede demostrarse que la fun
ion e x no tiene primitiva expresable mediante
omposi
iones y opera
iones algebrai
as de las fun
iones
ono
idas. Mas alla de este ejemplo
lasi
o, esta situa
ion se da en una gran variedad de fun
iones.
En
onse
uen
ia sera ne
esario re
urrir a las llamadas reglas de integra
ion numeri
a o de
uadratura. La idea basi
a para
onstruir estas reglas es reemplazar la fun
ion por un polinomio
puesto que:
(1) Es fa
il integrar polinomios.
(2) Toda fun
ion
ontinua puede aproximarse por polinomios.
Enton
es, dada una fun
ion f 2 C [a; b aproximamos el valor Rab f (x)dx por Rab p(x)dx donde p
es algun polinomio que esta
er
a de f .
A
ontinua
ion des
ribimos el pro
edimiento mas usual para
onstruir reglas de integra
ion, el
ual
onsiste en elegir el polinomio aproximante
omo uno que interpole a f . Para esto se eligen
en primer lugar n + 1 puntos x0 ; : : : ; xn 2 [a; b. Sabemos que existe un uni
o pn 2 Pn tal que
pn (xj ) = f (xj ) para j = 0; : : : ; n y denimos enton
es la regla de integra
ion numeri
a Q(f ) por
Q(f ) =
Z b
pn (x) dx:
n
X
i=0
pn (x) dx =
Z bX
n
a j =0
n
X
j =0
f (xj )
Z b
`j (x) dx =
n
X
j =0
Aj f (xj ):
132
Luego, obtenemos las formulas de
uadratura usuales Q para aproximar una integral bus
ada,
de la forma:
Z b
f (x)dx
Q(f ) =
n
X
j =0
Aj f (xj )
(7.1)
donde los puntos xj son llamados los nodos y los Aj los pesos de la integra
ion numeri
a
(j = 0; : : : ; n).
Los pesos Aj = Rab `j (x) dx dependen solo de los nodos xj , una vez
al
ulados se usan para
aproximar la integral de
ualquier fun
ion f .
Notemos que si f es un polinomio de grado n enton
es,
omo la interpola
ion en n + 1 puntos,
es exa
ta, la formula que obtuvimos para aproximar la integral sera exa
ta sobre los polinomios
de grado menor o igual que n. En otro
aso, habra que estudiar el error que se
omete al utilizar
este tipo de aproxima
iones. Es de
ir, estudiaremos para
ada formula de
uadratura el error
que viene dado por:
R (f ) =
Z b
f (x) dx
Z b
pn(x) dx =
Z b
(f
pn)(x) dx:
Hay, esen
ialmente, dos maneras de determinar una formula de
uadratura
omo en (7.1).
Los nodos fx0 ; x1 ; : : : ; xn g estan prejados. En este
aso, se trata de hallar los pesos
fA0 ; A1 ; : : : ; An g. Cuando los nodos se toman equiespa
iados, las reglas que se obtienen
Si queremos aproximar la integral una fun
ion
ontinua f : [a; b ! IR por la integral de un
polinomio interpolador de grado n, probablemente la ele
ion mas natural para los nodos xj es
tomarlos equiespa
iados en el intervalo [a; b. para esto
onsideramos h = (b a)=n y xj = a + jh
on j = 0; : : : ; n. Una formula de aproxima
ion basada en estos puntos se
ono
e
omo \formula
de Newton-C^otes
errada" y si los puntos son tomados
omo xj = a + jh
on j = 1; : : : ; n 1
se llama \formula de Newton-C^otes abierta" (no in
luye a los extremos del intervalo). Estas
formulas seran exa
tas
uando el polinomio interpolador
oin
ida
on la fun
ion f , esto es, para
todo polinomio en Pn .
133
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
b a
Z b
p(x) dx
es de
ir:
Z b
f (x)dx
2 b
= f (a)x + f (bb) af (a) (x 2 a) a
= f (a)(b a) + f (b) 2 f (a) (b a);
T (f ) = (b 2 a) (f (a) + f (b)):
(7.2)
x3
4x + 4 dx 0 2( 1) (f ( 1) + f (0)) = 12 (7 + 4) = 112 :
134
En este
aso, es sen
illo
al
ular el valor exa
to de R 01 x3 4x + 4 dx = 234
on lo
ual se puede
al
ular exa
tamente el error que se
omete, R(f ) = 14 = 0:25.
Mas adelante nos dedi
aremos al estudio del error. Veamos ahora una peque~na modi
a
ion a
la regla de trape
ios.
Regla de Trape
ios abierta: en este
aso, en lugar de
onsiderar
omo nodos los extremos del
intervalo [a; b vamos a usar dos puntos interiores equiespa
iados fx1 ; x2 g. Luego, sustitumos
la fun
ion f por la re
ta que la interpola en esos nodos (ver Figura 7.2). Para esto partimos
al intervalo [a; b en ter
ios, es de
ir en subintervalos de longitud h = b 3 a . De esta manera
onsideramos fx1 ; x2 g los extremos del intervalo medio, es de
ir xj = a + jh para j = 1; 2. El
polinomio de grado 1 que interpola a f en esos nodos es
f (x ) f (x1 )
p(x) = f (x1 ) + 2
(x x1 ):
x2 x1
Integrando p en [a; b y re
ordando que h = b 3 a (esto es: b a = 3h; x2 x1 = h; b x1 = 2h;
y a x1 = h) tenemos
7
(x1, f(x1))
6
(x2, f(x2))
5
0.9
0.8
Figura 7.2.
Z b
p(x) dx
Luego, para h = b 3 a ,
0.7
0.6
0.5
0.4
0.3
0.2
0.1
2 b
= f (x1)x + f (xx2) fx(x1) (x 2x1 ) a
2 1
f (x1 ) f (x2 ) h (2h)2 ( h)2 i
= f (x1)3h +
h
2
f (x1 ) f (x2 ) 3h2
= 3hf (x1 ) +
2
f (x ) + f (x )h
1
2
= 3h
2
Z b
135
f (x)dx
(7.3)
0
1
x3
2
3 ; x2
1
3g
[ 1; 0.
on h = 13 . El valor
4x +4 dx 12 (f ( 23 )+ f ( 31 )) = 12 278 + 83 +4 271 + 43 +4 = 12 533 = 5:8333 : : :
Usando el valor exa
to, ya
al
ulado, de R 01 x3 4x + 4 dx = 234 podemos asegurar que el error
ometido es, R(f ) = 0:08333 : : :
Regla de Simpson: es la que se obtiene si se reemplaza en el intervalo [a; b la integral de la
fun
ion f por la de una fun
ion
uadrati
a que interpola a f . Como para dar un uni
o polinomio
de grado 2 que interpole a f se ne
esitan tres nodos, se
onsideran los extremos del intervalo y
su punto medio, es de
ir, fa; a+2 b ; bg (ver Figura 7.3). Como a y b forman parte de los nodos,
(a, f(a))
(b, f(b))
4
(a+h, f(a+h))
2
0
1
0.5
Figura 7.3.
0.5
1.5
Regla de Simpson
Para simpli
ar los
al
ulos, queremos hallar la formula que le
orresponde a una fun
ion
ontinua
uando se
onsidera el intervalo [ 1; 1 y derivar de esta la formula general. Para esto
ne
esitaremos el siguiente lema.
136
Lema
R1
7.3.
Si Q0 (f )
n
X
j =0
xj =
(b
a)
tj +
(a + b) ;
2
8j = 0; : : : ; n;
f (x) dx
Q(f ) =
n
X
(b
j =0
a)
Aj f (xj ):
(7.4)
Z b
f (x) dx =
1
1
f (t + ) dt:
on,
f (x) dx =
Q0 (g) =
n
X
j =0
1
1
f (t + ) dt
Aj g(tj ) =
n
X
j =0
Q0 (g)
(7.5)
Aj f (tj + ):
1
1
a
p(x) dx = 2 a0 + 2 =
3
2 6a0 + 2a2 :
6
137
1 1 1 1 0 a0 1 0 f ( 1) 1
1 0 0 A a1 A = f (0) A
1 1 1
a2
f (1)
Por lo tanto, a0 = f (0); a1 = f (1) 2f ( 1) y a2 = f ( 1) 2f2 (0) + f (1) .
Luego,
Z 1
Z 1
2
f (x) dx
p(x) dx = [f ( 1) + 4f (0) + f (1):
6
1
Ahora, por el Lema 7.3, se tiene para un intervalo [a; b la formula de Simpson simple
errada:
(b a) f (a) + 4f ((a + b)=2) + f (b):
S (f ) =
6
Si es
ribimos la formula en terminos de la distan
ia entre un nodo y otro, h = b 2 a , se tiene:
S (f ) =
h
f (a) + 4f (a + h) + f (b) :
(7.6)
3
Ejemplo 7.4. Para la fun
ion f (x) = x3 4x +4
onsideremos ahora el intervalo [ 1; 2. >Cual
es el valor que se obtiene al aproximar la integral de f en este intervalo si se emplea la formula
de Simpson
errada?
138
(a+h, f(a+h))
5
(a+2h, f(a+2h))
2
(a+3h, f(a+3h))
0
1
0.5
Figura 7.4.
0.5
1.5
f (x) dx
43h 2f (a + h) f (a + 2h) + 2f (a + 3h) :
Como h = b 4 a = 43 , enton
es a + h =
2
4x + 4 dx 12f ( 14 )
1
que vuelve a ser un
al
ulo exa
to.
Z
x3
1 ; a + 2h = 1 ; a + 3h = 5 , as tenemos
4
2
4
f(
1 ) + 2f ( 5 ) = 2 319 17 + 2 61 = 624 = 39 ;
2
4
64 8 64 64 4
n
Defini
io
7.6.
exa titud k, si
Z b
139
n
X
j =0
n 7.7.
Observa
io
Pk+1.
n
X
xm dx =
n
X
j =0
Aj xm
j
En lo que sigue notaremos por I (f ) = f (x) dx. Una vez obtenida una regla de
uadratura
a
Q(f ) surge la pregunta de que se puede de
ir sobre el error
ometido R(f ) = I (f ) Q(f ).
140
La forma mas usual de aproximar integrales es mediante las llamadas reglas de integra
ion
ompuestas que veremos mas adelante, las
uales se basan en partir el intervalo [a; b en intervalos
hi
os y apli
ar en
ada uno de ellos alguna de las reglas
onstrudas mediante interpola
ion.
Por esta razon nos interesa saber
omo es el error en terminos de la longitud del intervalo donde
se apli
a la regla. El siguiente teorema nos da un resultado general que nos di
e que el error
depende del grado de exa
titud de la regla.
Teorema 7.10. Dada una regla de
uadratura Q(f ) en el intervalo [a; b tal que
i) Q(f ) es lineal,
ii) Q(f ) tiene grado de exa
titud k,
iii) jQ(f )j M (b a)kf k1 , para alguna
onstante M .
Enton
es, si f 2 C k+1[a; b, se tiene
k+2
kf k+1k1
En efe
to, podemos tomar por ejemplo el polinomio dado por el desarrollo de Taylor de f en
ualquier punto del intervalo.
Enton
es,
omo la regla tiene exa
titud k, tenemos que I (pk ) = Q(pk ). Luego, usando la
linealidad de Q(f ),
R(f ) = I (f ) Q(f ) = I (f pk ) Q(f pk ):
Por lo tanto, usando la hipotesis iii) y que jI (f pk )j (b a)kf pk k1, obtenemos
k+2
jR(f )j jI (f pk )j + jQ(f pk )j (1 + M(k)(+b 1)!a) kf k+1k1;
on
luyendo la demostra
ion.
7.11. Si la regla esta dada
omo en (7.1)
on Aj > 0 para todo j = 0; : : : ; n, y
tiene grado de exa
titud al menos 0, enton
es la hipotesis iii) delPnteorema se
umple
on M = 1.
En efe
to,
omo la regla es exa
ta para
onstantes se tiene que j=0 Aj = Q(1) = I (1) = (b a)
y por lo tanto,
n
n
X
X
jQ(f )j = j Aj f (xj )j Aj jf (xj )j (b a)kf k1 :
n
Observa
io
j =0
j =0
141
Consideremos la regla del trape
io en el intervalo [a; b. Como esta tiene grado de exa
titud 1
el Teorema 7.10 y la Observa
ion 7.11 nos di
en que
jI (f ) T (f )j (b a)3 kf (3) k1:
Tomando por ejemplo la fun
ion f (x) = (x a)2 y
al
ulando I (f ) y T (f ) observamos que
(b a)3 ;
I (f ) T (f ) =
6
lo que muestra que el orden obtenido en terminos de la longitud del intervalo no puede mejorarse.
Lo que s se puede es, analizando
ada regla en parti
ular, obtener una expresion mas pre
isa del
error mejorando en parti
ular la
onstante que apare
e en la estima
ion de este. Esto es lo que
haremos a
ontinua
ion para algunas de las reglas
lasi
as. Para esto ne
esitamos la siguiente
version del teorema del valor medio para integrales, la
ual es un po
o mas general que la que
se ve en los
ursos elementales de Cal
ulo.
Teorema 7.12. (Valor Medio Integral Generalizado). Si g : [a; b ! IR, : [a; b ! [
; d,
y h : [
; d ! IR son tales que g es
ontinua y no
ambia de signo, h es
ontinua y h( (x))g(x)
es una fun
ion integrable, enton
es existe 2 (
; d) tal que
Z b
Z b
h( (x))g(x) dx = h() g(x) dx:
a
Demostra
ion. Supongamos que g(x) 0 (el
aso g(x) 0 se ha
e de manera analoga). Sean
m y M el mnimo y maximo de h respe
tivamente. Enton
es, m h( (x)) M y por lo tanto
mg(x) h( (x))g(x) Mg(x) para todo x 2 [a; b. Integrando obtenemos,
Z b
g(x)dx
Z b
h( (x))g(x)dx M
Z b
g(x)dx
y
omo Rab g(x)dx > 0 (suponiendo que g no es identi
amente
ero) resulta,
Rb
h( (x))g(x)dx
m a Rb
M
g
(
x
)
dx
a
y por lo tanto,
omo h es
ontinua, por el teorema de Bolzano sabemos que existe 2 (
; d) tal
que
Rb
h( (x))g(x)dx
h() = a R b
a g (x)dx
lo que
on
luye la demostra
ion.
El otro ingrediente para obtener las formulas del error para las reglas de
uadratura es la
expresion para el error de interpola
ion estudiada en el
aptulo anterior. El Teorema 5.4 nos
di
e que, para
ualquier fun
ion f 2 C n+1[a; b, si pn 2 Pn es su polinomio interpolador se tiene
f (n+1) ( )
En (x) = f (x) pn (x) =
(n + 1)! Wn+1(x)
on 2 (a; b) que depende de x:
142
Luego, si Q es una formula de
uadratura
omo en (7.1) podemos expresar el error de integra
ion
omo
Z b
R(f ) = I (f ) Q(f ) = (f pn )(x) dx:
a
Es de
ir
Z b (n+1)
f
()
R(f ) =
(n + 1)! Wn+1(x) dx:
a
7.13Z . (Error para la Regla de Trape
ios) Si f 2 C 2[a; b, el error que se produ
e
b
al aproximar
f (x)dx usando la regla de Trape
ios esta dado por
Teorema
R(f ) =
(b
a)3 00
f ();
R(f )
00
= I (f ) Q(f ) = f 2!() W2 (x) dx
a
Z
f 00 () b
= 2
(x a)(x b) dx
a
00
= f 12() (b a)3 :
Z b
(x
a)(x b) dx = (x
(x
b)
a)2 b
Z b
(x
a)2
dx =
(x
a)3 b
(b a)3 :
=
6
a
R1
h 00
Si h = b a tenemos h = 12 , f (x) = x4 x2 +2x +3 y f 00(x) = 12x2 2. Como R(f ) = 12
f ()
para algun 2 (0; 12 ), a
otamos jf 00(x)j para todo x 2 [0; 21 . Esto es, jf 00(x)j 2, puesto que
al
anza su valor maximo en el extremo izquierdo del intervalo.
143
h3 00
Luego, jR(f )j = 12
jf ()j 18 121 2 = 0:020833 : : :
144
Enton
es, por el teorema del valor medio, existe 1 = 1(t) tal que
2
e(3) (t) = t2 f (4) (1 )
3
Observemos que e(0) = 0 y que de las expresiones obtenidas resulta que tambien e0(0) = e00(0) =
0. Por lo tanto, integrando entre 0 y h y usando el Teorema 7.12, obtenemos
Z h
Z h
Z h
2
2
2
2
(4)
(4)
00
(3)
e (t)dt =
t f (1 )dt = f (2 ) t2 dt = f (4) (2 )h3
e (h) =
3 0
3
9
0
0
para algun 2 = 2(h). Analogamente, existe un 3 = 3(h) tal que,
Z h
2 f (4) (3 )h4
e0 (h) =
e00 (t)dt =
36
0
e integrando una vez mas, obtenemos que existe un 2 [ h; h tal que
e(h) =
h5 (4)
f ():
90
Ahora, en
ualquier intervalo [a; b, mediante un
ambio de variable, se obtiene
b a 5
1
(4)
R(f ) =
90 2 f ()
para algun punto intermedio 2 (a; b);
omo queramos demostrar.
Ejemplo
7.16. Aproximar
x2
Para estimar el error
onsideramos f iv (x) = 4(4x4 12x2 + 3)e x2 . Como R(f ) = 90h f (iv) ()
para algun 2 (0; 1), a
otamos jf 00(x)j para todo x 2 [0; 1.
Por una parte tenemos que en [0; 1, e x2 1 y por otra parte puede verse4que j4x24 12x2 + 3j
al
anza su valor maximo en el extremo superior del intervalo. Luego, j4x 12x + 3j 5 en
[0; 1 y por lo tanto
5
jR(f )j 901 12 20 = 0:006944 : : :
145
Si queremos aumentar la pre
ision al aproximar Rab f (x) dx, podemos aumentar el numero de
nodos. Esto es,
onsiderar n + 1 nodos y el polinomio de Pn que interpola a f en esos nodos,
on n 2 IN grande. Esto no siempre es
ondu
ente. Como vimos en el Captulo 5, aumentar
el grado del polinomio interpolador puede produ
ir errores grandes en la aproxima
ion, los que
podran trasladarse al
al
ulo de la integral. Otra posibilidad es partir el intervalo [a; b en
peque~nos subintervalos y en
ada uno de estos apli
ar una aproxima
ion del tipo Trape
ios o
Simpson. Este metodo que vamos a desarrollar en esta se
ion es el mas usual y se
ono
e
omo
\
uadratura
ompuesta".
La idea general es
omo sigue. Partimos el intervalo [a; b en subintervalos eligiendo puntos xj
on a = x0 < x1 < : : : < xn = b. Sabemos que
I (f ) =
Z b
f (x) dx =
Ij (f ) =
nX1 Z xj +1
j =0 xj
Z xj +1
xj
f (x) dx:
f (x) dx
obtenemos
R(f ) =
nX1
j =0
Rj (f )
=
=
nX1
j =0
Z b
a
(Ij (f )
Qj (f ))
f (x) dx
nX1
j =0
Qj (f )
f (x) dx
nX1
j =0
Qj (f )
on error
R(f ) =
nX1
j =0
Rj (f ):
(7.9)
Usando el Teorema 7.10 podemos obtener un resultado general de estima
ion del error.
Teorema 7.17. Sea Q(f ) una regla de
uadratura
omo en (7.9) donde
ada Qj (f ) es lineal,
tiene grado de exa
titud k y satisfa
e en el intervalo [xj ; xj +1 que jQj (f )j M (xj +1 xj )kf k1 ,
para alguna
onstante M .
146
Enton
es, si f
El teorema anterior puede apli
arse a las reglas
ompuestas usuales (tales
omo Trape
ios y
Simpson) para obtener una estima
ion del error en terminos de h = maxj (xj+1 xj ). Sin
embargo, un analisis mas detallado permite dar una expresion mas pre
isa del error en esos
asos parti
ulares. Para esto vamos a ne
esitar el siguiente lema.
Lema 7.18. Sea g 2 C [a; b y sean fa0 ; : : : ; ak g
onstantes
on el mismo signo y ft0 ; : : : ; tk g 2
[a; b, enton
es se tiene
k
X
j =0
aj g(tj ) = g()
k
X
j =0
aj
Demostra
ion. Sea m = min g(x) y M = max g(x) en [a; b. Podemos suponer que aj 0 para
todo j = 1; : : : ; k, luego
para
ada j :
(aj 0)
(sumando)
aj
m aj
m
k
X
j =0
g(tj )
k
X
j =0
aj g(tj )
k
X
j =0
aj ;
M aj
k
X
g(tj )aj M aj
j =0
147
xj
Luego,
T (f )
nX1
Tj (f ) = h2 (f (xj ) + f (xj+1));
f (x) dx
(f (xj ) + f (xj+1))
2
j =0
= h2 [2f (x0) + f (x1) + f (x1) + f (x32) + : : : + f (xn 1) + f (xn)
nX1
h4
5
2 f (x0) + j=1 2f (xj ) + f (xn)
Enton
es la
uadratura
ompuesta usando la regla de Trape
ios
errada viene dada por
2
T (f ) =
h4
nX1
5
2 f (x0) + j=1 2f (xj ) + f (xn)
nX1
f 00 (j ) 3
h3 nX1 00
h =
12
12 j=0 f (j ):
j =0
(7.10)
f 00 (j )
3
12 h se tiene
148
Ahora, gra
ias al Lema 7.18 (
on aj = 1 para todo j ) y teniendo en
uenta que h = (b
si y solo si n = (b a)=h, tenemos que existe 2 (a; b) tal que
R(f ) =
Ejemplo
h3
12
nf 00() =
h3 b a 00
h2
00
f ( ) =
12 h
12 (b a)f ():
a)=n
(7.11)
10
4.
x2
dx on error
Para hallar el numero de subintervalos a
onsiderar usamos la 2expresion del2 error (7.11). Debemos a
otar jf 00(x)j para x 2 [0; 1 siendo f 00(x) = (4x2 2)e x , Como e x 1 y j4x2 2j 2
en este intervalo, se tiene:
2
2
2
jR(f )j = h12 (b a)jf 00()j h12 2 = 61 n1
Si tomamos n > 40:8248 : : : podemos asegurar que jR(f )j < 10 4 . Es de
ir, basta tomar n = 41.
se trata de obtener una formula del tipo (7.9)
uando se usa
la formula de Simpson en
ada parti
ion del intervalo [a; b.
La formula (7.6) nos da para
ada integral
Regla de Simpson
ompuesta:
Z xj +1
xj
f (x) dx
nX1
j =0
x +x
(
f (xj ) + 4f ( j j +1 ) + f (xj +1))
3
2
S (f ) =
h4
f (a)
+2
nX1
j =0
f (xj )
+4
nX1
j =0
f(
xj + xj +1
) + f (b)5
(7.12)
149
Para analizar el error
ometido al usar esta formula, re
ordemos que en
ada subintervalo el
error esta dado por
h5 (iv)
Rj (f ) =
90 f (j ):
R (f ) =
nX1
h5 (iv)
h5 nX1 (iv)
f (j ) =
f (j ):
90
90
j =0
j =0
Por el Lema 7.18 (
on aj = 1 para todo j ) y teniendo en
uenta que h = b2na si y solo si n = b2ha ,
tenemos que existe 2 (a; b) tal que
R(f ) =
Ejemplo
h5
90
nf (iv) () =
h5 b a (iv)
90 2h f () =
h4
180 (b
(7.13)
10
x2
dx on error
El error viene dado por la formula (7.13). Ne
esitamos a
otar f (iv) (x) en el intervalo2 [0; 1.
Usamos la
ota hallada en el Ejemplo 7.16. Esto es, jf (iv) (x)j = j4(4x4 12x2 + 3)e x j 20:
Enton
es,
on h = b2na = 21n se tiene
4
h4 (iv)
jR(f )j = 180
jf ()j 91 21n :
Si tomamos n > 2:886 : : : podemos asegurar que jR(f )j < 10 4 . Es de
ir, basta tomar n = 3,
mientras que para la regla de Trape
ios
ompuesta podamos asegurar el mismo error partiendo
en 41 subintervalos de igual longitud.
Finalizaremos esta se
ion
on una apli
a
ion de los metodos hasta ahora estudiados al
al
ulo
aproximado de integrales multiples.
n 7.21. Es posible apli
ar en forma iterada las reglas de integra
ion que a
abamos
Observa
io
de desarrollar para aproximar integrales multiples de fun
iones
ontinuas, para las
uales el
teorema de Fubini puede apli
arse.
Por ejemplo, si D IR2 es una region que podemos des
ribir por medio de fun
iones reales,
podemos es
ribir (si la region es de Tipo 1)
Z b Z (x)
ZZ
f (x; y) dxdy =
f (x; y) dydx;
D
a (x)
y
al
ular las integrales iteradas por los pro
edimientos anteriores.
150
Ejemplo
7.22. Para f
Z
F (x) =
f (x; y) dy y luego
El valor de F (0) es el valor de la integral R01 g(y) dy
on g(y) = f (0; y), luego apli
ando la regla
de Simpson simple
errada tenemos h
i
F (0) 16 f (0; 0) + 4f (0; 12 ) + f (0; 1)
Analogamente se obtiene los otros dos valores:
h
i
F ( 12 ) 61 f ( 12 ; 0) + 4f ( 12 ; 12 ) + f ( 12 ; 1)
h
i
F (1) 16 f (1; 0) + 4f (1; 12 ) + f (1; 1)
Ahora,
1
F (x) dx
h
i
16 F (0) + 4F ( 12 ) + F (1) ;
donde
ada valor F (0); F ( 12 ) y F (1) se reemplazan por los valores aproximados ya
al
ulados.
En la forma expl
ita de esta regla apare
en los 9 nodos:
n
o
(0; 0); ( 12 ; 0); (1; 0); (0; 12 ); ( 12 ; 12 ); (1; 12 ); (0; 1); ( 21 ; 1); (1; 1)
para los
uales se debe
al
ular el valor de f (x; y).
4. Cuadratura Gaussiana
Segun vimos en las se
iones anteriores, la pre
ision de una regla de
uadratura depende de
su grado de exa
titud. En
onse
uen
ia resulta natural plantearse el problema de
omo elegir
los puntos para optimizar el grado de exa
titud. Es de
ir, jada la
antidad de puntos, n + 1,
queremos en
ontrar fx0 ; x1 ; : : : ; xn g de tal forma que la regla
onstruda interpolando en esos
puntos tenga el mayor grado de exa
titud posible. Este problema fue estudiado y resuelto por
Gauss por lo que una regla de este tipo se
ono
e
omo
uadratura gaussiana.
Observemos que si
onsideramos una regla de la forma
Z b
n
X
f (x)w(x)dx Q(f ) = Aj f (xj )
a
j =0
donde podamos elegir tanto los pesos fA0 ; A1 ; : : : ; An g omo los nodos fx0 ; x1 ; : : : ; xng, tendremos 2n + 2 variables a determinar. Pare e enton es natural pedir que la regla sea exa ta
4. CUADRATURA GAUSSIANA
151
hasta el grado 2n + 1, pues de esta manera la
antidad de
ondi
iones es igual al numero de
in
ognitas. Es de
ir, nos quedan las siguientes e
ua
iones
Z b
xk w(x) dx =
n
X
j =0
Aj xkj
0 k 2n + 1
Demostra ion.
Z b
0 = hpn; qi =
Z b
152
que resulta, nuevamente, una
ontradi
ion. En
onse
uen
ia todos lo
eros de pn son simples.
Finalmente, resta ver que todas las ra
es de pn pertene
en al intervalo (a; b).
Supongamos que x0; : : : ; xk son los
eros de pn que estan en (a; b) y supongamos que k < n 1,
es de
ir que pn tiene
eros que no pertene
en a (a; b). Como las ra
es x0; : : : ; xk son simples el
polinomio r dado por
r(x) = pn(x)=(x x0 )(x x1 ) : : : (x xk ):
tiene grado n (k +1),
on lo
ual es ortogonal a pn y tiene signo
onstante en (a; b).
que r(x) > 0.
0 = hpn; (x
x0 ) : : : (x xk )i
Z b
= pn(x)(x
Za b
= r(x)(x
a
Supongamos
x0 ) : : : (x xk )w(x) dx
x0 )2 : : : (x xk )2 (x)w(x) dx > 0;
Esta
ontradi
ion proviene de suponer que el grado de r es no nulo, luego k = n 1 y todos lo
eros de pn estan en (a; b).
Ahora probemos el teorema basi
o de las
uadraturas de Gauss.
Teorema
7.24. La formula
Z b
p(x)w(x) dx =
n
X
j =0
Aj p(xj );
vale para
ualquier polinomio de grado menor o igual a 2n + 1 si y solo si los puntos fxj g son
los
eros de pn+1 (x).
Sea p(x) 2 P2n+1 y supongamos que los puntos xj estan dados por
pn+1 (xj ) = 0
0 j n:
Por el algoritmo de division para polinomios se puede es
ribir
p(x) = pn+1 (x)S (x) + R(x)
on S (x) y R(x) en Pn(x).
Por la deni
ion de los pesos Aj ,
omo el grado de R es a lo sumo n, tenemos
Demostra ion.
I (R) = Qn (R):
4. CUADRATURA GAUSSIANA
Enton es
I (p) =
Z b
a
Z b
153
p(x)w(x) dx
pn+1 (x)S (x)w(x) dx +
Z b
R(x)w(x) dx
= hpn+1; S i + I (R)
= 0 + Qn(R)
=
=
n
X
j =0
n
X
j =0
Aj R(xj )
Aj p(xj ) = Qn (p):
p(x)w(x) dx =
n
X
j =0
Aj p(xj )
para todo p 2 P2n+1 . Dado r un polinomio de grado menor o igual que n y W (x) = Qnj=0(x xj )
el produ
to r(x)W (x) esta en P2n+1. Luego, por hipotesis I (rW ) = Qn(rW ). En
onse
uen
ia
hr; W i =
Z b
r(x)W (x)w(x) dx =
n
X
j =0
Aj r(xj )W (xj ) = 0;
pues W (x) se anula en los xj . Enton
es W (x) es un polinomio moni
o de grado (n+1) que resulta
ortogonal a
ualquier polinomio de grado menor o igual que n, en
onse
uen
ia W (x) = qn+1(x)
y por lo tanto los xj son los
eros de pn+1.
7.25. El resultado anterior es optimo. Es de
ir, no es posible en
ontrar n + 1
puntos de manera que, para un peso w > 0, una regla de
uadratura de la forma
Z b
n
X
f (x)w(x) dx = Aj f (xj );
n
Observa
io
Qn
j =0
(x
xj )2
j =0
veri a que
Z b
p(x)w(x) dx >
0 mientras que
154
Corolario 7.26. Sea Qn (f ) =
Aj > 0 para todo j = 0; : : : ; n.
Pn
j =0 Aj f
0<
Z b
X
`2k (x)w(x) dx = Aj (`k (xj ))2 = Ak :
j =0
= 1 e intervalo [ 1; 1
Para resolver la primer parte, los nodos son las ra
es del polinomio ortogonal de grado 3. Para
el peso w(x) = 1, la familia de polinomios ortogonales es f1; x; 12 (3x2 q1); 12 x(5x2 3)g. qLos
eros de p3
oin
iden
on los de q3(x) = 12 x(5x2 3) siendo x0 = 35 ; x1 = 0; x2 = 35 .
Los
oe
ientes fA0 ; A1 ; A2 g pueden en
ontrase por el metodo de
oe
ientes indeterminados,
teniendo en
uenta la exa
titud de la formula. Esto es, (n = 2)
Z
1
1
m
m
xm dx = A0 xm
0 + A1 x1 + A2 x2 ;
para m = 0; 1; 2; 3; 4; 5:
3 ) + 8 f (0) + 5 f ( 3 ):
5 9
9
5
4. CUADRATURA GAUSSIANA
Z
155
Si queremos usar la formula anterior para estimar ln(x) dx, primero tenemos que trasladar
1
la formula al intervalo [1; 3, esto es segun el Lema 7.3. Con a = 1; b = 3 queda
Z 3
2 (3 1)
2
X
X
f (x) dx Q(f ) =
Aj f (yj ) = Aj f (yj );
2
1
j =0
j =0
siendo yj = xj + 2; para j = 0; 1; 2: Luego,
Z
ln(x) dx
q
q
5 ln 2
3 + 8 ln(2) + 5 ln 2 + 3
9
5
9
9
5
5 0:12572880 + 8 0:69314718 + 5 1:05292619
9
19:27093916 9
Una
ota del error
ometido al aproximar una integral mediante una regla gaussiana se puede
obtener mediante el Teorema 7.10. Se puede, sin embargo, dar una expresion mas pre
isa para
el error utilizando estima
iones de error de interpola
ion de Hermite. Para esto usaremos la
siguiente nota
ion.
Sea Qn(f ) la regla de Gauss que usa los n + 1 puntos, x0; : : : ; xn, dados por los
eros de qn+1,
el polinomio ortogonal moni
o de grado n + 1 aso
iado al peso w en un intervalo [a; b.
Teorema 7.28. Si f 2 C 2n+2 [a; b se tiene,
I (f ) Qn (f ) =
f 2n+2 ()
(2n + 2)!
Z b
qn2 +1 (x)w(x)dx;
Sea p 2 P2n+1 el polinomio tal que p(xj ) = f (xj ); y p 0(xj ) = f 0(xj ) para
j = 1; : : : ; n; que existe por el Teorema 5.17.
Utilizando un argumento analogo al que usamos para en
ontrar la expresion del error en la
interpola
ion de Lagrange (ver Teorema 5.4) puede demostrarse que
f 2n+2 ( ) 2
f (x) p(x) =
(2n + 2)! qn+1(x);
para algun punto intermedio = (x). Por otra parte,
omo Qn tiene grado de exa
titud 2n +1,
I (p) = Qn (p);
ademas,
omo p
oin
ide
on f en los nodos de integra
ion,
Qn (p) = Qn (f ):
Por lo tanto, para el error de integra
ion tenemos,
Z b 2n+2
f
() 2
I (f ) Qn (f ) = I (f ) Qn (p) = I (f p) =
(2n + 2)! qn+1(x)w(x)dx
Demostra
ion.
156
f 2n+2()
(2n + 2)!
Z b
qn2 +1 (x)w(x)dx:
En el
aso en que w(x) = 1 se puede obtener una expresion expl
ita en terminos de n del la
integral que apare
e en el error. Re
ordemos que en este
aso, y si trabajamos en [ 1; 1, los
polinomios ortogonales son los de Legendre. El siguiente lema da otra forma de generar estos
polinomios la
ual resulta util para nuestros
al
ulos.
Lema 7.29. F
ormula de Rodrgues El polinomio moni
o de Legendre de grado k, lk , esta
dado por
k! dk 2
k
lk (x) =
(2k)! dxk (x 1) :
Demostra
ion. Es
laro que lk as denido resulta ser un polinomio moni
o de grado k. Falta
ver enton
es que lk es ortogonal a todo polinomio de grado menor que k.
Si q 2 Pk 1, integrando por partes k ve
es obtenemos
Z 1 k
Z 1
d 2
k
k
2 1)k dk q(x) dx = 0
(
x
1)
q
(
x
)
dx
=
(
1)
(
x
dxk
1
1 dxk
pues los terminos integrados se anulan porque (x2 1)k y todas sus derivadas hasta el orden
k 1 valen
ero en los extremos del intervalo.
Lema
x2 )k dx:
1 y(1
os2 y)dy
4. CUADRATURA GAUSSIANA
y por lo tanto,
Z
os2k+1 ydy =
os2k+1 ydy =
157
2k Z 2
os2k
2k + 1 2
1 ydy:
2 C n+2[a; b y se aproxima
f (x)dx usando la regla de
uadratura gaussiana tomando
omo nodos los
eros del polinomio
de grado n + 1 de la familia de Legendre, el error que se produ
e esta dado por
a
((n + 1)!)4 (b
((2n + 2)!)3 (2n + 3)
a)2n+3 ;
(7.14)
Demostra ion.
n 7.32.
Observa
io
Las formulas
orrespondientes a las reglas de uno y dos puntos resultan ser:
Para n = 0 (regla del punto medio) se tiene
1
I (f ) Q0 (f ) = f 00 () (b a)3 :
24
Para n = 1 queda,
1 (b a)5 :
4320
Notar que las
onstantes obtenidas para n = 0 y n = 1 son menores que las que se obtienen en los
Teoremas 7.13 y 7.15, que
orresponden a reglas del mismo grado de exa
titud, respe
tivamente.
I (f ) Q1 (f ) = f iv ()
158
Si bien la forma mas usual de obtener una buena aproxima
ion de una integral
onsiste en usar
alguna regla
ompuesta
on un numero de nodos su
iente, otra posibilidad es aumentar la
pre
ision
onstruyendo reglas basadas en interpola
ion de Lagrange en un numero
re
iente de
puntos. Por lo tanto es natural preguntarse si este pro
edimiento
onverge Ra bla integral
uando el
numero de nodos tiende a innito. Esto es, si Qn(f ) es la aproxima
ion de a f (x)w(x) dx que se
ha
e a traves de un polinomio que interpola a f en n+1 nodos, >vale que Qn(f ) ! Rab f (x)w(x) dx
uando n ! 1? En esta se
ion veremos una
ondi
ion para que esto su
eda. Esta
ondi
ion
se satisfa
e en parti
ular para las reglas gaussianas.
Una formula de
uadratura
Z b
n
X
f (x)w(x)dx Q(f ) = Aj f (xj )
a
j =0
Z b
A(jn) =
Z b
jA(jn) j K
8n
enton es
lim
Q
n!1 n
(f ) = I (f )
n
X
j =0
A(jn) f (x(jn) )
159
Demostra ion.
max jf (x)
qN (x)j = kf
axb
qN k1 ":
Observemos que
omo Qn es exa
ta para polinomios de grado menor o igual que n, enton
es se
tiene que Qn(qN ) = I (qN ) para todo n > N . Tenemos que,
jI (f ) Qn(f )j = jI (f ) I (qN ) + Qn(qN ) Qn(f )j
jI (f ) I (qN )j + jQn(qN ) Qn(f )j:
y ademas,
Z b
w
kf qN k1
(x)(f (x)
Z b
qN (x))
dx
w(x) dx ";
Con todo esto, hemos probado que dado " > 0 existe N tal que si n > N ,
jI (f ) Qn(f )j (
+ K )":
Tambien vale la impli
a
ion re
pro
a, que enun
iamos en el siguiente teorema, de la
ual omitimos una demostra
ion.
Teorema 7.34. Con las nota
iones anteriores, si lim Qn (f ) = I (f ), para toda f 2 C [a; b,
n!1
jA(jn) j K
8n:
160
Corolario
Z b
f (x)w(x) dx;
Como la aproxima
i
on por
uadraturas Qn es exa
ta para polinomios de Pn, en
Rb
parti
ular se tiene que Qn(1) = a w(x) dx, para todo n 2 IN.
Como w(x) > 0 y los pesos son todos positivos tenemos que,
Demostra
ion.
0 < I (1) =
Z b
w(x) dx = Qn (1) =
n
X
j =0
A(jn) =
n
X
j =0
jA(jn) j:
Z b
w(x) dx =
n
X
j =0
jA(jn) j;
lim
para toda f
2 C [a; b.
Demostra ion.
Q
n!1 n
(f ) =
Z b
f (x)w(x) dx;
Para terminar esta se
ion queremos
omentar que las hipotesis del Teorema 7.33 no se apli
an
al
aso de puntos equiespa
iados (o sea a las formulas de Newton-C^otes). En efe
to, se sabe
que en este
aso los pesos A(jn)
ambian de signo y, mas aun,
uando n
re
e no estan a
otados.
Por lo tanto existen fun
iones
ontinuas para las
uales este pro
edimiento para aproximar la
integral no
onverge.
6. EJERCICIOS
161
6. Ejer i ios
(1) Usar las formulas
erradas de Newton-C^otes de dos y tres puntos (reglas de trape
ios
y de Simpson, respe
tivamente) para
al
ular las integrales:
Z :3
1 dx
ln(x) dx
0
0:1
0 1+x
Cal
ular, ademas, en forma exa
ta
ada una de las integrales anteriores y veri
ar la
ota del error.
(2) Interpolando las fun
iones de base de Lagrange, hallar una formula de
uadratura por
interpola
ion de la forma
Z 2h
f (x) dx A0 f (0) + A1 f (h):
0
(3) Usar el metodo de
oe
ientes indeterminados para dar una formula de
uadratura por
interpola
ion:
Z 3h
f (x) dx A0 f (0) + A1 f (h) + A2 f (3h):
0
(4) Construir la formula abierta de Newton-C^otes para
al
ular R 11 f (x) dx
on nodos
1=2; 0; 1=2, y la formula
errada de Newton-C^otes
on nodos en los puntos 1; 1=3; 1=3; 1.
(5) Considerar la fun
ion denida en [ h; h (h > 0):
0; si h x 0
f (x) = x;
si 0 < x h:
Hallar el error de la regla de trape
ios apli
ada a f (x). >El orden es igual al obtenido
para una fun
ion su
ientemente suave?
(6) La formula de
uadratura
Z b
a+b
f (x) dx f (
)
b a
2
a
es
ono
ida
omo Regla de los Re
tangulos. Para f 2 C 1[a; b a
otar el error que se
omete al utilizarla. 2
(7) Para f una fun
ion C probar que el00 error
ometido al usar la formula de
uadratura
del Ejer
i
io 2 no ex
ede el valor kf 2k1 h3 .
(8) (a) Hallar una formula de
uadratura del tipo:
Z 1
f (x) dx Af ( 2) + Bf (0) + Cf (2):
1
(b) Para f 2 C 3[ 2; 2 probar que el error
ometido no ex
ede el valor 127 kf (3) k1 :
(9) Es
ribir un programa que utili
e las reglas de trape
ios, de Simpson, de trape
ios
ompuesta y de Simpson
ompuesta para
al
ular aproxima
iones de la integral de una
fun
ion f (x)Zen1 un intervalo [a; b.
(10) Se sabe que 1 +1 x2 dx = 4 :
0
Z
x4 dx
Z 0:2
162
(a) Para n = 1; : : : ; 100, utilizar las reglas de trape
ios y Simpson
ompuestas para
aproximar numeri
amente la integral y dar un valor
er
ano a .
(b) Gra
ar las su
esiones obtenidas junto
on el valor de que arroja Matlab y el
valor que se obtiene al apli
ar la rutina quad de Matlab.
(11) (a) Cal
ular exa
tamente la integral
Z 2
I=
[1
os(32x) dx:
0
(b) Aproximar el valor de I usando el programa del Ejer
i
io 9
on los metodos de los
trape
ios, Simpson, trape
ios
ompuesta y Simpson
ompuesta para n = 2; 4; 8 y
16.
(
) Cal
ular el valor
de I que produ
e la rutina quad.
Z 1
(12) Se quiere
al
ular e x2 dx utilizando la regla de trape
ios
ompuesta, partiendo el
1
intervalo [ 1; 1 en n subintervalos.
Hallar n de modo que el error sea menor que 10 3 .
Pn
(13) La expresion Qn(f ) = j=0 Aj f (xj ) dene una formula de
uadratura.
(a) Probar que Qn es lineal en f (el
onjunto de fun
iones).
(b) Supongamos que Qn(f ) Rab f (x)w(x) dx y que es exa
ta para las fun
iones
1; x; : : : ; xk . Mostrar que la formula tiene grado Rde1 pre
ision por lo menos k.
(14) Determinar el grado de pre
ision de las formulas para 1 f (x) dx:
(a) 43 f ( 0:5) 23 f (0) + 43 f (0:5):
(b) 41 f ( 1) + 34 f ( 13 ) + 34 f ( 31 ) + 14 f (1):
(15) Hallar reglas de
uadratura de grado de pre
ision maximo para aproximar R 33 f (x) dx,
de las siguientes formas:
(a) A[f (x0 ) + f (x1) (repitiendo el
oe
iente).
(b) Af (x0 ) + Bf (x0 + 4):
y determinar
uales son di
hos grados.
(16) Cal
ular R 11 f (x)x2 dx mediante una regla de
uadratura de la forma
Z 1
f (x)x2 dx A0 f (x0 ) + A1 f (x1 )
1
que sea exa
ta para polinomios de grado menor o igual que 3.
(17) (a) Hallar una regla de
uadratura del siguiente tipo
Z 1
p
f (x) jxjdx A0 f (x0 ) + A1 f (x1 ):
1
que tenga grado de pre
ision maximo. >Cual es di
ho grado?
(b) Hallar una regla de
uadratura
del siguiente tipo
r
Z 4
x 2
f (x)
2 dx A0 f (x0) + A1 f (x1):
0
que tenga grado de pre
ision maximo. >Cual es di
ho grado?
(18) Sea w una fun
ion de peso. Se
onsidera la regla de
uadratura de 1 punto:
Z b
f (x)w(x) dx A0 f (s):
a
6. EJERCICIOS
163
(a) Probar
que,
ualquiera sea w, la formula tiene grado de pre
ision maximo si s =
Rb
xw
(
x
) dx .
a
Rb
a w(x) dx
(b) Probar que si w(x) 1, esta regla
oin
ide
on la2 regla de los re
tangulos.
(
) Considerar el intervalo [ 1; 1 y w1(x) = (x 1) . A
otar el error que produ
e el
uso de esta regla para fun
iones C .
(19) Hallar los pesos y los nodos de las formulas de Gauss-Legendre2 de 1dos y3 tres3 puntos.
(Los polinomios de Legendre moni
os de grado dos y tres son x 3 y x 5 x).
(20) Usar las formulas de Gauss-Legendre de tres puntos para estimar:
Z 1
Z 3
Z 2
2
(a)
sen(3x) dx;
(b)
ln(x) dx;
(
)
ex dx:
1
1
1
(21) Probar que una formula de
uadratura
Z b
n
X
f (x)w(x) dx Qn (f ) = Aj f (xj )
a
j =0
no puede tener grado de pre
ision mayor que 2n +1, independientemente de la ele
ion
de los
oe
ientes (Aj ) y de los nodos (xj ).
Z b
Sugeren
ia: Hallar un polinomio p 2 P2n+2 para el
ual Qn(p) 6= p(x)w(x) dx.
a
(22) Para f : IRZZ2 ! IR una fun
ion
ontinua, se quiere dar una formula de
uadratura que
aproxime f (x; y) dx dy
on D IR2 usando el Teorema de Fubini.
D
(a) Repetir el pro
edimiento he
ho en el Ejemplo 7.22 y dar la formula
orrespondiente
para D el triangulo de verti
es Z(0x; 0); (0; 1); (1; 0).
Sugeren
ia:
onsiderar F (x) = f (x; y) dy.
0
(b) Probar que si D es el tria2ngulo2 de verti
es (0; 0); (0; 1); (1; 0) la formula anterior
es exa
ta para f (x; y) = x + y .
CAPTULO 8
Resolu
ion de e
ua
iones diferen
iales ordinarias
En este
aptulo abordaremos el problema de resolver e
ua
iones diferen
iales
on valores ini
iales. Es de
ir, desarrollaremos metodos numeri
os para aproximar una fun
ion
ono
iendo
una e
ua
ion que involu
ra sus derivadas.
Se llama orden de una e
ua
ion al maximo orden de derivada que apare
e en ella. En su forma
mas general una e
ua
ion diferen
ial de orden n, puede es
ribirse
omo
F (t; x(t); x0 (t); x00 (t); : : : ; x(n) (t)) = 0;
donde t 2 IR, F : IRn+2 ! IR es una fun
ion
ono
ida y x es la fun
ion que se desea en
ontrar.
Vamos a suponer que la derivada de mayor orden puede despejarse de tal forma que la e
ua
ion
se es
ribe
omo
x(n) (t) = f (t; x(t); x0 (t); x00 (t); : : : ; x(n 1) (t));
(8.1)
para t 2 IR y f : IRn+1 ! IR una fun
ion dada.
Algunos ejemplos de e
ua
iones diferen
iales son:
Ejemplos 8.1.
(1) Para una
onstante dada, la e
ua
ion
x0 (t) = x(t):
es una e
ua
ion lineal de primer orden. Su solu
ion general es
x(t) = Cet
on C una
onstante arbitraria, es de
ir, hay innitas solu
iones. Esto es lo que pasa
en general y por lo tanto, para poder determinar una solu
ion es ne
esario tener mas
datos. En este ejemplo se ve fa
ilmente que si se
ono
e el valor ini
ial x(0) = x0
enton
es la solu
ion es
x(t) = x0 et :
Esto es algo general: dada una e
ua
ion diferen
ial para determinar una solu
ion es
ne
esario
ono
er
iertos datos ini
iales.
(2) Veamos un ejemplo elemental de e
ua
ion que surge de un problema fsi
o. Supongamos
que se tiene una part
ula de masa m que se mueve en una dire
ion debido a la a
ion
de un resorte y se quiere
ono
er la posi
ion x(t) de la masa en el instante t. La ley de
166
Hooke di
e que la fuerza F (t) que ejer
e el resorte en el instante t es propor
ional a su
estiramiento o
ompresion, es de
ir,
F (t) = kx(t)
donde k es la
onstante de rigidez del resorte. Por otra parte, la ley de Newton nos
di
e que
F (t) = ma(t)
siendo a(t) la a
elera
ion en el instante t. En
onse
uen
ia,
omo a(t) = x00(t), obtenemos la e
ua
ion
mx00 (t) + kx(t) = 0:
Esta es una e
ua
ion lineal de segundo orden que, p
omo tiene
oe
ientes
onstantes,
puede resolverse analti
amente. Si llamamos ! = k=m, la solu
ion general de esta
e
ua
ion es
x(t) = C1
os(!t) + C2 sen(!t)
p
donde C1 y C2 son
onstantes arbitrarias. Introdu
iendo A = C12 + C22 y ' 2 [0; 2)
tal que2
os ' = C1=A y sen ' = C2 =A (notar que tal ' existe porque (C1 =A)2 +
(C2 =A) = 1), la solu
ion general puede es
ribirse
omo
A
os(' !t)
donde A representa la amplitud, ! la fre
uen
ia y ' la fase.
Para poder determinar la posi
ion en el instante t ne
esitamos
ono
er
iertas
ondi
iones ini
iales.0 Lo mas natural es
ono
er la posi
ion y la velo
idad ini
iales, es de
ir
x(0) = x0 y x (0) = v0 . Veamos que
on estos datos podemos en
ontrar A y ' de tal
forma que la solu
ion queda unvo
amente determinada.
En efe
to, es fa
il ver que de
p
las
ondi
iones ini
iales se dedu
e que A = x20 + (v0 =!)2 y ' 2 [0; 2) es el uni
o
angulo que satisfa
e
os ' = x0 =A y sen ' = v0=!A.
(3) Veamos ahora un ejemplo de e
ua
ion no lineal. Para esto
onsideremos otro ejemplo
de los
ursos basi
os de fsi
a que es el problema del pendulo. En este
aso se quiere
determinar el angulo (t) que un pendulo
on masa m forma respe
to de la verti
al en el
instante t. Despre
iando el rozamiento
on el aire podemos suponer que la uni
a fuerza
que a
tua es la de la gravedad, es de
ir, una fuerza en dire
ion verti
al ha
ia abajo y
de magnitud mg. La proye
ion F de esta fuerza en la dire
ion del movimiento (o sea
tangen
ial al ar
o de
ir
unferen
ia que des
ribe el pendulo) resulta enton
es,
F (t) = mg sen (t):
Teniendo en
uenta que la longitud re
orrida en un tiempo t es L((t) (0)), donde
L es la longitud del pendulo, resulta que la a
elera
ion en la dire
ion tangen
ial al
movimiento es L00(t). Por lo tanto, apli
ando nuevamente la ley de Newton obtenemos
L00 (t) = g sen (t)
o sea, una e
ua
ion no lineal de segundo orden. Tambien en este
aso hay una uni
a
solu
ion si se
ono
en la posi
ion y la velo
idad ini
ial, o sea, (0) y L0(0). Esto es
onse
uen
ia del teorema de existen
ia y uni
idad que enun
iaremos mas adelante.
167
Como vimos en los ejemplos una e
ua
ion diferen
ial puede tener mu
has solu
iones y para
obtener una solu
ion uni
a ha
e falta
ono
er
iertos datos que pueden ser valores de la fun
ion
y de algunas de sus derivadas en un valor ini
ial t0. Mas pre
isamente, puede demostrarse
que para la e
ua
ion de orden n (8.1) se tiene una solu
ion uni
a dados los datos ini
iales
x(t0 ); x0 (t0 ); : : : ; x(n 1) (t0 ), bajo hipotesis ade
uadas sobre la fun
ion f .
En lo que sigue, vamos a estudiar metodos numeri
os para e
ua
iones de grado 1. La razon por
la que ha
emos esto es que las e
ua
iones de grado n pueden redu
irse a sistemas de e
ua
iones
de orden 1 y los metodos que presentaremos pueden extenderse a sistemas.
La e
ua
ion de orden 1 que
orresponde
on la es
ritura 8.1 tienen la forma
(8.2)
Se trata de una e
ua
ion diferen
ial de primer orden porque la derivada de mayor orden que
apare
e es la derivada primera.
Por ejemplo, podemos
onsiderar e
ua
iones
omo las siguientes:
(i) x0 0 = 1;
(iii) x00 = x;2
(ii) x = t;
(iv) x = x :
Primero enun
iamos un teorema de existen
ia y uni
idad de solu
ion,
uya demostra
ion no
damos.
Teorema 8.2. Si f (t; x) es
ontinua y Lips
hitz en x, es de
ir
jf (t; x) f (t; y)j Ljx yj
Enton
es para
ualquier valor a 2 IR existe una uni
a fun
ion derivable x(t) que veri
a
0
x (t) = f (t; x(t))
x(t0 ) = a:
Los metodos numeri
os para aproximar la solu
ion de una e
ua
ion diferen
ial ordinaria se
dividen en dos grandes
lases: metodos de un paso y metodos multipaso.
1. Metodos de un paso
Nuestro estudio de aproxima
iones numeri
as para e
ua
iones ordinarias empieza
on los metodos
ono
idos
omo metodos de un solo paso.
Dado el problema (8.2) bus
amos una aproxima
ion de x(t) en un
ierto intervalo [t0; T . Para
esto bus
aremos una forma de generar n valores x1 ; : : : ; xn que aproximen x(t1); : : : ; x(tn )
on
t0 < t1 < t2 < < tn = T . Despues se puede interpolar en esos valores para obtener una
168
aproxima
ion de x(t). A ve
es solo interesa
ono
er el valor de x(T ) y en este
aso los pasos
intermedios x1; : : : ; xn 1 pueden verse
omo pasos auxiliares para
al
ular xn x(T ).
El metodo general de un paso tiene la forma
xi+1 = xi + h(ti ; xi ; h):
(8.3)
La fun
ion se
ono
e
omo la fun
ion de in
remento y nos di
e
omo
al
ular la aproxima
ion
xi+1 de x(ti + h) a partir de xi ; ti y de h. Una ventaja de estos metodos es que se puede
ambiar
fa
ilmente el paso h. Es de
ir
al
ulamos una aproxima
ion en un tiempo posterior (ti+1 ) a
partir de una aproxima
ion en el tiempo ti.
Dada la e
ua
ion diferen
ial
x0 (t) = f (t; x(t));
x(t0 ) = x0
vemos que de
ono
er el valor de x en un punto t
ono
emos tambien el valor de la pendiente
de la re
ta0 tangente en el punto (t; x(t)). Como x(t0 ) = x0 es
ono
ido sabemos exa
tamente el
valor de x (t0 ) = f (t0; x0 ).
Esto sugiere que el valor de x(t + h) sera aproximadamente x1 = x0 + hf (t0 ; x0) si el valor de h
es peque~no.
Si trabajamos en el intervalo [t0 ; T y queremos dar una aproxima
ion de x(T ), elegimos n 2 IN y
puntos equiespa
iados t1; : : : ; tn
on paso h = (T t0)=n, de manera que ti = t0 +ih; i = 0; : : : ; n.
Ahora, dada una aproxima
ion xi de x(ti) denimos una aproxima
ion de x(ti+1 ) = x(ti + h)
omo
1.1. Metodo de Euler.
xi+1 = xi + hf (ti ; xi )
(8.4)
ver Figura 8.1. La es
ritura (8.4) se
orresponde
on (8.3) para (t; x; h) = f (t; x).
Ejemplo 8.3. Apli
ar el metodo de Euler para dar una aproxima
ion del valor de e usando la
e
ua
ion diferen
ial
0
x (t) = x(t);
x(0) = 1:
Sabemos que la solu
ion exa
ta de la e
ua
ion es x(t) = et , puesto que x(0) = 1. 1Queremos
aproximar el valor de x(T ) siendo T = 1. Fijamos n 2 IN y
onsideramos paso h = n . El valor
bus
ado es xn x(1). Apli
ando el metodo de Euler para f (t; x) = x se obtiene la su
esi
on de
re
urren
ias
xi+1
= xi + hxi
= (1 + h)xi :
169
2.8
t
x=e
Interpolacin polinomial, h=0.25
x ,,x con h=0.25
2.6
2.4
2.2
1.8
1.6
1.4
1.2
Figura 8.1.
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
n
1 + n1 ;
1 n = e.
de la que sabemos que nlim
1
+
!1
n
La Tabla 8.1 muestra los valores que se obtienen si se usa el metodo ed Euler
on paso h = 0:25
y paso h = 0:125. Estos datos pueden apre
iarse en la Figura 8.1.
t
et
h = 0:25 h = 0:125
0.125 1.1331
1.125000
0.250 1.2840 1.250000 1.265625
0.375 1.4549
1.423828
0.500 1.6487 1.562500 1.601807
0.625 1.8682
1.802032
0.750 2.1170 1.953125 2.027207
0.875 2.3989
2.280697
1.000 2.7183 2.441406 2.565784
Tabla 8.1. Metodo de Euler, x0 = x; x(0) = 1;
on paso h = 0:25 y h = 0:125
170
(8.5)
El metodo de Euler (8.4) en el paso i + 1 se basa en utilizar (8.5) desarrollado en t = ti
reemplazando el valor des
ono
ido x(ti) por su aproxima
ion xi.
Este metodo se puede generalizar utilizando desarrollos de mayor orden dando lugar a los llamados metodos de Taylor de orden k. Re
ordemos que para valores de h peque~nos se tiene
1
k+1 (k+1)
x(t + h) = x(t) + hx0 (t) + h2 x00 (t) + + hk x(k) (t) +
2
k!
(k + 1)! h x ()
(8.6)
171
x000 (t) = ftt (t; x) + 2ftx (t; x)f (t; x) + fxx(t; x)f 2 (t; x)
+ft(t; x)fx (t; x) + ft2(t; x)f (t; x):
Continuando de esta manera se pueden
al
ular las derivadas de x hasta orden k en terminos
de f y sus derivadas. Esto nos da una manera de
al
ular metodos de aproxima
ion de un paso
(solo usamos ti; xi y h para
al
ular la siguiente aproxima
ion xi+1 ).
Para formalizar este pro
edimiento introdu
imos dos nota
iones. Llamamos Dj f a la derivada
total de f respe
to de t, es de
ir
d(j )
f (t; x(t)):
dt
Por ejemplo, si j = 0, D0f (t; x) = f (t; x) y para j = 1, D1f (t; x) = ft(t; x) + fx(t; x)f (t; x).
Dj f (t; x) =
Ahora, ponemos
Tk (t; x; h) =
k j
X
h
j!
j =1
Dj f (t; x):
(8.8)
Cono
emos la solu
ion exa
ta que
orresponde a la fun
ion x(t) = (t +1)et . En efe
to, x(0) = 1
y x0(t) = (t +2)et = (t +2) (xt (t1)) . Esto nos va a permitir
omparar las aproxima
iones obtenidas
on los valores reales de x(t)
omo muestra la Figura 8.2
Empezamos es
ribiendo la itera
ion que se obtiene usando el metodo de Euler.
8
< x0 = 1;
ti + 2
x:
: xi+1 = xi + h
ti + 1 i
172
x = (t + 1)et
Euler Taylor 2
0.000 1.000000
1.000000 1.000000
0.250 1.605032
1.500000 1.593750
0.500 2.473082
2.175000 2.440430
0.750 3.704750
3.081250 3.635223
1.000 5.436564
4.291741 5.306777
Metodos de Euler y Taylor orden 2, x0 = tt+2
+1 x; x(0) = 1; paso h = 0:25.
t
Tabla 8.2.
Para
el metodo de Taylor de orden 2 ne
esitamos
ono
er x00 en terminos de (t; x). Al derivar
0
x , se obtiene
1 x + t + 2 x0 = t2 + 4t + 3 x:
x00 =
(t + 1)2 t + 1
(t + 1)2
Enton
es, la itera
ion del metodo de orden 2 es
8
<
:
x0 = 1
h2 h t2i + 4ti + 3 i
t +2
xi+1 = xi + h i xi +
ti + 1
2 (ti + 1)2 xi :
= 0:25 on lo ual t =
5.5
t
x=(t+1)e
Interpolacin polinomial, M. de Euler
x0,,x4: M. de Euler
4.5
3.5
2.5
1.5
Figura 8.2.
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
173
1.3. Metodos de Runge-Kutta. Los metodos de un paso mas usados son los que se
ono
en
omo de Runge-Kutta. La idea es obtener aproxima
iones que resulten del mismo
orden que las que se obtienen
on los metodos de Taylor, pero sin tener que
al
ular derivadas
de f .
Veamos
omo se dedu
en los metodos de Runge-Kutta de orden 2. Re
ordemos, ver (8.6), que
el metodo de Taylor de orden 2 se basa en la igualdad
x(t + h) = x(t) + hT2 (t; x(t); h) + O(h3 ):
Ahora bus
amos 2(t; x; h) que no involu
re
al
ulo de derivadas de f y que
umpla
x(t + h) = x(t) + h2 (t; x(t); h) + O(h3 ):
Para esto es su
iente que se
umpla
T2 (t; x(t); h) 2 (t; x(t); h) = O(h2 ):
(8.9)
174
Otra ele
ion posible es = 1. En este
aso A1 = A2 = 12 y se obtiene la itera
ion que se
ono
e
omo Metodo de Heun,
h
xi+1 = xi + [f (ti ; xi ) + f (ti+1 ; xi + hf (ti ; xi )) :
(8.12)
2
En forma analoga a lo he
ho para orden 2, se pueden
onsiderar mas terminos en el desarrollo
de Taylor y dedu
ir metodos de Runge-Kutta de mayor orden. Espe
amente, un metodo de
Runge-Kutta de orden k tiene la forma
xi+1 = xi + hk (ti ; xi ; h)
donde k veri
a las siguientes dos
ondi
iones
Tk (t; x(t); h) k (t; x(t); h) = O(hk )
(8.13)
siendo Tk el operador denido en (8.8) y, ademas, es de la forma
k (ti; xi; h) = A1f (1;
1 ) + + AN f (N ;
N ):
(8.14)
on (i;
i) valores proximos a (ti; xi). Para determinar el metodo que usamos es ne
esario
espe
i
ar los Ai y los puntos (i;
i ).
Se demuestra que puede obtenerse (8.13)
onsiderando en (8.14) N = k si k = 1; 2; 3; 4; N = k +1
si k = 5; 6 y N = k + 2 si k 7.
A modo de ejemplo presentamos un metodo de Runge-Kutta de orden 4, que es uno de los mas
usados.
xi+1 = xi +
Donde,
K1
K2
= f (ti; xi );
= f (ti + h2 ; xi + h2 K1 );
K3
K4
(8.15)
= f (ti + h2 ; xi + h2 K2 );
= f (ti + h; xi + hK3 ):
onsiderando el intervalo
[1; 2.
x0 (t) = 21x ;
x(1) = 1:
En
ualquier
aso, la fun
ion a
onsiderar es f (t; x) = 21x . Para el metodo de Euler Modi
ado
la su
esion de re
urren
ias
orrespondiente a (8.10) es
175
x= t
Runge-Kutta 2 Runge-Kutta 4
1.000 1.000000 1.000000
1.000000
1.250 1.118034 1.058824
1.119073
1.500 1.224745 1.114734
1.226467
1.750 1.322876 1.168117
1.325074
2.000 1.414214 1.219278
1.416760
Tabla 8.3. Metodos de Runge-Kutta, x0 = 21x ; x(1) = 1; paso h = 0:25.
t
xi+1 = xi +
1 = xi + h xi :
2 2xi + h2 21xi
4x2i + h
1.5
1/2
x=t
M. de Euler Modificado
x0,,x4: RungeKutta orden 2
RungeKutta orden 4
x ,,x : RungeKutta orden 4
1.4
1.3
1.2
1.1
0.9
1.1
Figura 8.3.
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
176
El objetivo de esta se
ion es analizar
ual es el error que se
omete al utilizar los metodos
numeri
os para aproximar la solu
ion de una e
ua
ion de la forma (8.2). Para esto introdu
imos
dos
on
eptos el error de trun
amiento lo
al y el error global. El primero
orresponde al error
que se
ometera al aproximar el valor de x(t + h) si se
ono
iera el valor exa
to de x(t), mientras
que el segundo
orresponde al error que se a
umula al apli
ar n pasos de un metodo, es de
ir
x(tn ) xn .
2.1. Error de trun
amiento lo
al. Re
ordemos que un metodo general de un paso esta
dado por xi+1 = xi + h(ti ; xi; h). Para estos metodos damos las siguientes deni
iones
n 8.6. Llamaremos i al error de trun
amiento lo
al que se
omete en el paso i-esimo.
Defini
io
Este error esta dado por la expresion:
Es de ir,
i = (ti ; x(ti ); h) =
x(ti + h) x(ti )
h
(8.16)
Para simpli
ar la nota
ion,
uando esto no preste a
onfusion, llamaremos al error de trun
amiento lo
al en un t generi
o, es de
ir
x(t + h) = x(t) + h(t; x(t); h) + h:
n 8.7. Diremos que el metodo es de orden k si el error de trun
amiento lo
al satisfa
e
Defini
io
= O(hk ):
Observemos que si usamos el desarrollo de Taylor de orden 1 obtenemos el error de trun
amiento
lo
al del metodo de Euler. Sabemos que
h2
x(t + h) = x(t) + hx0 (t) + x00 ( ) para algun 2 (t; t + h):
2
Por otra parte la expresion (8.16) es de la forma
x(t + h) = x(t) + hf (t; x(t)) + h;
de donde se sigue que
En general se tiene:
= h2 x00 ():
(8.17)
8.8.
177
(8.18)
En
onse
uen
ia, este metodo es efe
tivamente un metodo de orden k de a
uerdo
on la Deni
ion 8.7.
Demostra
ion.
dada en (8.6).
Como los metodos de Runge-Kutta se obtienen
onsiderando su
ientes evalua
iones de la fun
ion f que dene la e
ua
ion diferen
ial (8.2) y el desarrollo de Taylor de orden k tenemos:
n 8.9. El error de trun
amiento lo
al de un metodo de de Runge-Kutta de orden k
Proposi
io
veri
a
= O(hk ):
Se sigue de la igualdad (8.13), es de
ir, Tk (t; x(t); h) k (t; x(t); h) = O(hk ) y
del error de trun
amiento lo
al de los metodos de Taylor.
Demostra ion.
1in
178
xi+1 =
+ h(ti ; xi; h)
x(ti+1 ) = x(ti ) + h(ti ; x(ti ); h) + hi
xi
luego,
ei+1 = x(ti+1 ) xi+1 = ei + h((ti ; x(ti ); h)
= (A + A2)hmax + hmax
= (1 + A + A2 )hmax
Iterando el pro
edimiento, podemos ver que
nX1
2
n
1
jen j (1 + A + A + + A )hmax = hmax Aj :
j =0
es de ir
)
jen j hmax (1 + Kh
Kh
179
(1 + )n en
enton es,
jenj max
(
enKh 1) = max (eK (T t0 ) 1);
K
K
8.11.
(1) El teorema anterior requiere de la existen
ia de una
onstante de
Lips
hitz K para . De existir una
onstante as,
ualquier otra mayor tambien sirve
para a
otar el error utilizando el teorema.
(2) En
uanto a la hipotesis sobre (debe ser Lips
hitz) esto puede extraerse de una
ondi
ion Lips
hitz sobre f .
n
Observa
io
Ejemplo 8.12. Se utiliza el metodo de Taylor de orden 2
on un paso h < 1 para aproximar la
solu
ion del siguiente problema:
Para estimar el error global ne
esitamos dar una
onstante Lips
hitz para la fun
ion de in
remento y estimar el error de trun
amiento lo
al .
Para
ono
er
al
ulamos x00 . Como x0 = sen(x) +
os(x) se tiene que
x00 = x0
os(x) x0 sen(x) =
os2 (x)
Luego, (t; x; h) = sen(x) +
os(x) + h2
os(2x). Busquemos una
onstante de Lips
hitz para .
Usamos que es derivable respe
to de su segunda variable y ponemos z un valor intermedio
entre x e y, as se tiene
j(t; x; h) (t; y; h)j = j sen(x) +
os(x) + h2
os(2x) [sen(y) +
os(y) + h2
os(2y)j
= j
os(z) sen(z) 2 h2 sen(z)j jx yj
[j
os(z)j + j sen(z)j + hj sen(z)jjx yj
[2 + hjx yj:
180
Ahora, para en
ontrar una
onstante independiente de t y h tenemos en
uenta el dato del
enun
iado h < 1. Es de
ir, obtenemos
j(t; x; h) (t; y; h)j 3jx yj;
on lo
ual elegimos K = 3.
El paso
siguiente es estimar . Para esto ne
esitamos
al
ular x000, lo ha
emos usando la expresion
00
de x , es de
ir,
x000 =
2 h2 (e3(0:5) 1) 2 h2 4 < h2 :
(
eK (T t0 ) 1)
jenj max
K
33
9
Como bus
amos h < 1 tal que el error
ometido sea menor que 10 4 basta
on tomar h = 10 2 .
Notar que
ualquier h mas peque~no tambien sirve.
Para dar el valor de n tal que jxn x(2:5)j < 10 4 re
ordemos que (T t0)=n2 = h. Luego,
n = 0:5=h = 50 sirve y
ualquier n > 50 tambien, ya si n > 50 enton
es h < 10 .
Del Teorema 8.10 se dedu
e que los metodos a un paso son
onvergentes si hlim
= 0: Esto
!0
se llama la
ondi
ion de
onsisten
ia para el metodo. En metodos de un paso
onsisten
ia y
onvergen
ia son
on
eptos equivalentes.
n 8.13. Si asumimos que es
ontinua, se tiene que la
onsisten
ia equivale a la
Proposi
io
igualdad x0 (ti ) = (ti ; x(ti ); 0): Como x es solu
ion de la e
ua
ion diferen
ial se tiene x0 (t) =
f (t; x(t)); y por tanto un metodo de un paso es
onsistente si y solo si
(t; x; 0) = f (t; x):
(8.19)
n
Observa
io
Demostra ion.
181
y por tanto
xi+1
xi+1
Luego (t; x; h) = f (t + h2 ; x + h2 f (t; x)); y (t; x; h) = 12 f (t; x) + f (t; x + hf (t; x)) respe
tivamente. En ambos
asos resulta
(t; x; 0) = f (t; x):
Apli
a
ion a sistemas de e
ua
iones:
x01 (t)
x02 (t)
De esta manera, se pueden usar los metodos ya estudiados. Por ejemplo usando el metodo de
Euler queda
Xi+1 = Xi + hF (ti ; Xi );
donde Xi es un ve
tor de n-
oordenadas, i = 1; : : : ; n. En general, los metodos a un paso tienen
la forma
182
Ejemplo 8.15. Se quiere dar la su
e
ion de re
urren
ias
orrespondientes al metodo de Euler
para el sistema de e
ua
iones
8
<
:
x0 (t)
y0 (t)
x(0)
= 3y(t) 2t
os(x(t));
= x2(t) ty(t);
= 1; y(0) = 2:
xi+1
yi+1
xi
yi
+h
F1 (t; xi ; yi )
F2 (t; xi ; yi )
xi
yi
ty.
3
y
2
t
os
(
x
)
i
i
i
+h
x2 ti yi
de modo que empezando
on x0 = 1; y0 = 2 el par de itera
iones del metodo de Euler viene
dado por
xi+1
yi+1
=
=
Hasta ahora para aproximar las solu
iones de x0 = f (t; x) nos basamos en el punto inmediato
anterior para
al
ular el siguiente, es de
ir, empezando en x0 las itera
iones de un paso son de
la forma
xn+1 = xn + h(tn ; xn ; h);
donde h es la distan
ia entre dos tiempos
onse
utivos, es de
ir, para puntos equiespa
iados.
La losofa de los metodos multipaso es usar la informa
ion obtenida hasta el momento (varias
aproxima
iones anteriores a la que se quiere
al
ular). Es de
ir, se quiere aproximar x en el paso
(n + 1)-esimo, x(tn+1), utilizando algunos de los valores ya
al
ulados
omo xn; xn 1; xn 2 ; : : :
Si se
onsidera un registro de k datos anteriores el metodo tiene la forma:
k xn+k =
k 1
X
j =0
j xn+j + h
k
X
j =0
j f (tn+j ; xn+j )
x(t + h) x(t h)
2h
(8.20)
183
y omo
xn+1 xn 1
2h
podemos poner
xn+1 xn 1
2h
es de ir
= f (tn; xn )
E ste, resulta ser un metodo multipaso de dos pasos puesto que para
al
ular xn+1 se usan xn y
xn 1 .
Los metodos de integra
ion tambien nos propor
ionan ejemplos de metodos multipaso. Por
ejemplo, partimos del
al
ulo de la integral
x(tn+2 ) x(tn ) =
Z tn+2
tn
x0 (s) ds;
h 0
(x (tn) + 4x0 (tn+1) + x0(tn+2)):
3
Como estamos resolviendo la e
ua
ion x0(t) = f (t; x(t)) podemos proponer el siguiente metodo
xn+2 xn =
j xn+j = h
k
X
j =0
j fn+j ;
(8.21)
184
(8.22)
es un metodo impl
ito, que se
ono
e
omo el metodo de Milne, mientras que el que resulta de
aproximar la derivada
xn+2 = xn + 2hfn+1
es un metodo de dos pasos expl
ito.
Si usamos una formula del tipo
Z tn+k
tn+k 1
Si es expl
ito se
ono
e
omo metodo de Adams-Bashforth y si es impl
ito
omo metodo de
Adams-Moulton (ver ejer
i
ios).
A menudo se usan estos metodos de a pares y se usa la diferen
ia entre las aproxima
iones
halladas por los dos metodos, xi x~i para estimar el error lo
al. Este pro
edimiento se
ono
e
omo \predi
tor-
orre
tor".
Para
omenzar a apli
ar los metodos multipaso se ne
esitan los primeros k valores que usualmente se
al
ulan
on metodos a un paso.
Ejemplo 8.16. Se quiere dar un metodo de multipaso que provenga de aproximar
on una formula de uadratura que utili e los nodos ftn ; tn+1 ; tn+2 g.
Z tn+3
tn+1
x0 (t) dt;
185
Para fa
ilitar el
al
ulo de los
oe
ientes A; B; C , trasladamos linealmente la situa
ion a un
intervalo
ono
ido y bus
amos la regla de
uadratura en di
ho intervalo.
Los valores de t
onsiderados son ftn; tn+1 ; tn+2; tn+3g que ademas son equiespa
iados, enton
es
podemos
onsiderar en su lugar lo nodos f 1; 0; 1; 2g. El problema se redu
e a resolver el sistema
de e
ua
iones
8
<
:
A~ + B~
A~ +
~A +
+ C~ = 2
+ C~ = 2
+ C~ = 38
Z tn+3
tn+1
x0 (t) dt =
Es de ir,
s=0
s=2
Z tn+3
tn+1
! t = tn+1 = tn + h ) a = h
! t = tn+3 = tn + 3h
b = tn + h :
1
3
x0 (t) dt h[ x0 (tn )
2 x0(tn+1) + 7 x0(tn+2 ):
3
3
2 x0(tn+1) + 7 x0(tn+2 );
3
3
proponemos el metodo
xtn+3
1
3
xtn+1 = h[ fn
2 fn+1 + 7 fn+2;
3
3
186
k
X
j =0
j xn+j = h
k
X
j =0
j fn+j
Si x(t) es la solu
ion de x0 = f (t; x) el error de trun
amiento lo
al esta dado por
k
X
j =0
j x(t + jh) h
k
X
j =0
j x0 (t + jh) = h
= 0 + + k ;
C1 = 1 + 22 + 33 + + kk 0 1 2
en general para
ualquier q 1 los valores a
onsiderar tienen la forma
C0
Cq =
1 (1 + 2q 2 + 3q 3 + + kq k )
1 (1 + 2q
q!
(q 1)!
k ;
1 2 + + kq 1 k )
(8.23)
187
Para ver la
onvergen
ia,
omo antes, jamos T y ponemos n y h tales que T = (n + k)h. (Notar
que estamos
onsiderando el intervalo [0; T .) Queremos
lim xn+k = x(T ):
h!0
Veremos que
ondi
iones debemos imponer al metodo para que esto o
urra.
Primero pongamos el problema x0(t) = 0, x(0) = 1 (solu
ion x 1). El metodo apli
ado a este
problema se redu
e a
k
X
j xn+j = 0:
j =0
Para
ualquier metodo multipaso debemos tener (
omo k esta jo y h ! 0) que los k pasos del
metodo sean
onvergentes, es de
ir, xn+k ! x(T ), .. ., xn ! x(T ). Enton
es podemos es
ribir
xn+j = x(T ) + 'j (h)
on 'j (h) ! 0
uando h ! 0.
Usando esto se obtiene
k
k
X
X
j x(T ) + j 'j (h) = 0:
j =0
j =0
k
X
j =0
j = 0:
C0 = 0:
Para
que el metodo
onverja, tambien debe ser C1 = 0. Para ver esto
onsideremos el problema
x0 (t) = 1, x(0) = 0 que tiene
omo solu
ion x(t) = t. El metodo para este problema se redu
e a
k
X
j =0
j xn+j = h
k
X
j =0
xl = lhM
Pk
= Pkj=0 j
j =0 jj
Si los valores ini
iales se eligen de la forma xl = lhM el metodo va a produ
ir la solu
ion
xl = lhM y en parti
ular
188
xn+k = (n + k)hM
Como suponemos que el metodo es
onvergente se tiene que lo valores ini
iales satisfa
en xi !
x(0) = 0
uando h ! 0, y ademas xn+k ! x(T ), pero
xn+k = (n + k)hM
lo que nos da
= TM ! T
=1
C1 = 0:
k
X
j =0
k
X
j =0
j xn+j = h
j z j
k
X
j =0
y q(z) =
k
X
j =0
j z j :
(8.24)
p(1) = 0;
p0 (1) = q(1):
Para los metodos de un paso, la
onsisten
ia impli
aba la
onvergen
ia, para los metodos multipaso se requiere una
ondi
ion adi
ional la
ondi
ion de la raz.
Veamos esto. Ahora
onsideremos el problema x0(t) = 0, x(t) = 0,
uya solu
ion es x(t) 0.
En este
aso el metodo se redu
e a
k
X
j xn+j = 0:
j =0
Esto des
ribe una e
ua
ion en diferen
ias que admite
omo solu
ion a la su
esion
xm = hrim
189
xtn+1 = h[ fn+2
3
2 fn+1 + 1 fn;
3
3
190
3 6= 0:
4. EJERCICIOS
191
0
(1) Utilizar el metodo de Euler para resolver xx(0)= =2x1: en [0; 1;
empleando pasos h = 0:1, h = 0:05 y h = 0:01. Gra
ar las tres solu
iones numeri
as
obtenidas junto
on la solu
ion exa
ta.
(2) Ha
er el mapa de
urvas integrales en la region [0; 10 [0; 10 de la e
ua
ion diferen
ial
x0 (t) = (x(t) 5):(
os2 (t) 0:5);
gra
ando simultaneamente, para k = 0; 1; : : : ; 10, la solu
ion que se obtiene utilizando
el metodo de Euler
on paso h = 0:01 y
on
ondi
ion ini
ial
x(0) = k:
0
(3) Considerar el problema xx(0)= =xx0 .
(a) Probar que el metodo de Euler
on paso h genera la su
esion:
xi = (1 + h)i x0 i = 0; 1; : : :
(b) Mostrar que si < 0, la solu
ion exa
ta tiende a
ero a medida que x
re
e.
(
) Para < 0, determinar para que valores de h o
urre que xi ! 0
uando i ! 1.
(4) Se
onsidera el problema
0
x (t) = x(t) + t2 + 3 en [0; 2
x(0) = 2
(a) Demostrar que la solu
ion es una fun
ion
onvexa.
(b) Utilizar los metodos de Euler expl
ito e impl
ito,
on paso h = 0:05 para obtener
dos aproxima
iones de la solu
ion y gra
arlas. De
idir en que region del gra
o
debera situarse la solu
ion analti
a del problema.
(
) Gra
ar la solu
ion que se logra al utilizar el
omando ode45 de Matlab.
(5) Se
onsidera la siguiente e
ua
ion diferen
ial:
0
x (t) = 2x(t) 5sen(t)
x(0) = 1
uya solu
ion exa
ta es la fun
ion x(t) = 2sen(t) +
os(t). Gra
ar simultaneamente
en el intervalo [0; 4 la solu
ion exa
ta y las que se obtienen
on los metodos de Euler
y Taylor de orden 2, ambos
on paso h = 0:05.
(6) Es
riba un programa que resuelva la e
ua
ion diferen
ial del Ejer
i
io 5 por algun
metodo de Runge-Kutta de orden 2 y de orden 4. Agregar estas solu
iones al gra
o
realizado en di
ho ejer
i
io.
(7) Veri
ar que la fun
ion error, erf, puede ser denida
omo la solu
ion de la e
ua
ion
diferen
ial
(
x0 (t) = p2 e t2 :
x(0) = 0
192
4. EJERCICIOS
193
Adams-Bashforth.
h
xn+3 xn+2 = (23fn+2 16fn+1 + 5fn ):
12
Adams-Moulton.
h
xn+3 xn+2 = (5fn+3 + 8fn+2 fn+1 ):
12
(18) Considerar el metodo de 2 pasos
xn+2 + axn+1 + axn = h(2 fn+2 + 1 fn+1 + 0 fn):
Determinar a; 2 ; 1 ; 0 de modo que el metodo resultante tenga orden 4.
(19) De
idir si existe algun valor de a 2 IR para el
ual el siguiente metodo multipaso sea
onvergente:
xn+3 3xn+2 + (3 a2 )xn+1 + (a2 1)xn = h[5fn+2 + ( a2 5)fn :
p
(20) Mis
elanea. Considerar la e
ua
ion x0 = jxj.
(a) Para el valor ini
ial x(0) = 0, seguir las itera
iones del metodo de Euler,
on paso
h = 0:1 hasta llegar al valor de x(10):
(b) Gra
ar la solu
ion que se obtiene
al apli
ar el metodo de Euler, si el valor de x(0)
6
es dado
on un error de 10 , es de
ir x(0) = 0:000001:
Nota: La gran propaga
ion del error en el dato ini
ial se debe a que esta e
ua
ion
tiene innitas solu
iones si x(0) 8= 0. En parti
ular,
ualquiera sea > 0
< 0
t
x(t) = (t )2
:
4 t>
es solu
ion de la misma.