Antologiademetodosnumericosisc 110305230854 Phpapp01

INSTITUTO TECNOLGICO SUPERIOR
de Acayucan

Asignatura: Mtodos Numricos
Clave de la asignatura: SCC - 0423
Carrera: Ingeniera en Sistemas Computacionales

A N T O L O G I A

Presenta:
ING. ULISES GIRON JIMENEZ

ACAYUCAN, VER. OCTUBRE 2009
Mtodos Numricos
Ing. Ulises Girn J imnez

INDICE
OBJETIVO GENERAL... 5
JUSTIFICACION .. 6
UNIDAD I Teora de errores 7
1.1 importancia de los mtodos numricos. 8
1.2 Conceptos bsicos: cifra significativa, precisin, exactitud,
incertidumbre y sesgo...............

15
1.3 Tipos de errores...
1.3.1 Definicin de error: error absoluto y relativo
1.3.2 Error por redondeo
1.3.3 Error por truncamiento..
1.3.4 Error numrico total
17
17
18
20
22
1.4 Software de computo numrico.. 23
1.5. Mtodos iterativos .. 26

UNIDAD II Mtodos de solucin de ecuaciones... 37
2.1. Mtodo de Intervalo.. 38
2.2. Mtodo de biseccin 41
2.3. Mtodo de interpolacin..
2.3.1. Mtodo de Newton Raphson
2.3.2. Mtodo de la secante
48
48
51
2.4. Aplicaciones 54

UNIDAD III Mtodos de solucin de sistemas de ecuaciones 61
3.1 Mtodos Iterativos
3.1.1 J acobi..
3.1.2. Gauss Seidel.
62
62
64
3.2 Sistemas de ecuaciones no lineales.
3.2.1. Mtodo iterativo secuencial.
66
66
III
3.3 Iteracin y convergencia de sistemas de ecuaciones..

3.3.1 sistemas de ecuaciones de Newton..
71
71
3.4 Aplicaciones.. 76

UNIDAD IV Diferenciacin e integracin numrica ... 86
4.1. Diferenciacin numrica.. 87
4.2. Integracin numrica....
4.2.1. Mtodo del trapecio...
4.2.2. Mtodo de Simpson.
95
98
106
4.3. Integracin Mltiple.. 114
4.4. Aplicaciones.. 116

UNIDAD V Soluciones de ecuaciones diferenciales 118
5.1 Mtodo de un paso..
5.1.1 Mtodo de Euler y Euler mejorado..
5.1.2 Mtodo de Runge Kutta..
119
120
129
5.2. Mtodo de pasos Mltiples 134
5.3. Sistemas de ecuaciones diferenciales ordinarias 135
5.4. Aplicaciones 136

Bibliografa 141

IV
OBJ ETIVO GENERAL

El estudiante conocer, comprender y aplicar mtodos numricos para resolver problemas
de la ingeniera y cientficos mediante el uso de computadora.

V
VI
J USTIFICACION

Uno de los objetivos del Instituto Tecnolgico Superior de Acayucan, es el de promover,
apoyar e impulsar el trabajo creativo del docente, principalmente en la elaboracin de
antologa que apoya al proceso enseanza aprendizaje, el cual debe ser estimulado con
los comentarios y sugerencias del profesorado y conviene que sea imitado por otros
maestros, quienes con capacidad de trabajo y tiempo disponible, pueden y deben gestar
literatura de este gnero, dando los pasos adecuados para pulirla y poder formar as textos
que faciliten la enseanza y el aprendizaje del curso.

El presente material de consulta y apoyo didctico se pone en manos de nuestros maestros
y, particularmente, de los alumnos que se forman en nuestro instituto. Considero los
contenidos de esta antologa como el propsito ms firme de mi convencimiento para facilitar
el estudio de la probabilidad y estadstica en las nuevas generaciones que me honran al
confiarme su preparacin y garantizar modestamente el fijarles una enseanza para toda la
vida.

UNIDAD 1
TEORA DE ERRORES.
Objetivo:
El estudiante comprender la
importancia de los mtodos numricos
y conocer las caractersticas
operativas del software de cmputo
numrico comercial.
UNIDAD I / TEORIA DE ERRORES

1.1. Importancia de los mtodos numricos.
El objeto de estudio del anlisis numrico es la construccin y valoracin de los mtodos
numricos que tienen como resultados un valor numrico.
Relacin entre anlisis numrico y mtodos numricos:

Algunas de las razones por las cuales se debe estudiar los mtodos numricos son los
siguientes:
Son algoritmos que establecen la secuencia de solucin de sistemas de ecuaciones
de gran tamao, con caractersticas de ser no lineales y geomtricas complicadas,
porque la mayor parte de los problemas reales tienen este comportamiento, y que
por lo general su solucin es muy complicada a travs de mtodos analticos.
Es importante que el futuro ingeniero tenga los conocimientos bsicos de los
mtodos ms comunes, ya que en el transcurso de su carrera, tendr la necesidad
de usar software comercial o implementar su propio software, que resuelvan los
algoritmos de problemas reales y que estn basados sobre algn mtodo numrico.
Con los mtodos numricos el ingeniero usara la computadora como herramienta, el
cual es uno de los propsitos, porque el profesionista debe de olvidarse de los
clculos, y enfocarse en el diseo y planteamiento de la solucin de los problemas.
Proporciona una mayor comprensin de las matemticas, ya que reducen las
matemticas superiores a operaciones bsicas simples.

8

Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas de
tal forma que puedan resolverse usando operaciones aritmticas. Aunque hay muchos tipos
de mtodos numricos, todos comparten una caracterstica comn: invariablemente los
mtodos numricos lleva a cabo un buen numero de tediosos clculos aritmticos. Con el
desarrollo de computadoras digitales eficientes y rpidas, el papel de los mtodos numricos
en la solucin de problemas de ingeniera haya aumentado considerablemente en los ltimos
aos.
Mtodos anteriores a la aparicin de la computadora.
Ms all de solo proporcionar un aumento en la potencia de clculo la disponibilidad general
de las computadoras (especialmente de las computadoras personales) y su asociacin con
los mtodos numricos, ha tenido una influencia muy significativa en el proceso de solucin
de problemas de ingeniera. Antes del uso de la computadora haba tres mtodos diferentes
que los ingenieros aplicaban a la solucin de problemas:
1. Primero, se encontraban las soluciones de algunos problemas usando mtodo
exacto o analtico. Con frecuencia estas soluciones resultaban tiles y
proporcionaban una comprensin excelente del comportamiento de algunos
sistemas. Sin embargo, las soluciones analticas pueden encontrarse solo para una
clase limitada de problemas. Estos problemas incluyen aquellos que pueden
aproximarse mediante modelos lineales y tambin aquellos que tienen valor prctico
limitado, porque la mayor parte de los problemas reales no son lineales, e implican
formas y procesos complejos.

2. Para analizar el comportamiento de los sistemas se usaban soluciones grficas.
stas tomaban la forma de grafos o nomogramas. Aunque las tcnicas grficas a
menudo pueden emplearse para resolver problemas complejos, los resultados no
son muy precisos. Es ms, las soluciones grficas (sin la ayuda de una
computadora) son tediosas en extremo y difciles de implementar. Finalmente, las
tcnicas grficas estn limitadas a aquellos problemas que puedan describirse
usando tres dimensiones o menos.

3. Para implementar los mtodos numricos se utilizaban calculadoras manuales y
reglas de clculo. Aunque en teora estas aproximaciones deberan ser
perfectamente adecuadas para resolver problemas complicados, en la prctica se
9

presentan algunas dificultades. Los clculos manuales son lentos y tediosos.
Adems no existen resultados consistentes debido a que surgen equivocaciones
cuando se efectan las tareas manualmente.

Antes del uso de la computadora, se gastaba mucha energa en la tcnica misma de
solucin, en vez de aplicarla sobre la definicin del problema su interpretacin (Fig. 1.1 a).
Esta situacin desafortunada exista debido al tiempo y trabajo montono que se requeran
para obtener resultados numricos con tcnicas que no utilizaban a la computadora.
Hoy en da, las computadoras y los mtodos numricos proporcionan una alternativa para
clculos tan complicados. Al usar la computadora para obtener soluciones directamente, se
pueden aproximar los clculos sin tener que recurrir a suposiciones de simplificacin o
tcnicas deficientes.
Aunque dichas suposiciones son an extremadamente valiosas tanto para resolver
problemas como para proporcionar una mayor comprensin, los mtodos numricos
representan alternativas que amplan considerablemente la capacidad para confrontar y
resolver los problemas; como resultado, se dispone de ms tiempo para aprovechar las
habilidades creativos personales. Por consiguiente, es posible dar ms importancia a la
formulacin de un problema, a la interpretacin de la solucin y a su incorporacin al sistema
total, o conciencia "holstica" (Fig. 1.1 b).

Figura: Las tres fases en la solucin de problemas de ingeniera en a) la era anterior a las
computadoras y b) la era de las computadoras. Los tamaos de los recuadros indican con el
10

nivel de importancia que se dirige a cada fase en el saln de clases. Las computadoras
facilitan la implementacin de tcnicas de solucin as permiten un mayor cuidado sobre los
aspectos creativos de la formulacin de problemas y la interpretacin de resultados.
Los mtodos numricos y la prctica de la ingeniera
Desde finales de la dcada de 1940, la multiplicacin y disponibilidad de las computadoras
digitales ha llevado a una verdadera explosin en cuanto al uso y desarrollo de los mtodos
numricos. Al principio, este crecimiento estaba algo limitado por el costo de acceso a
computadoras grandes (mainframes), por lo que muchos ingenieros continuaban usando
simples planteamientos analticos en una buena parte de su trabajo. No es necesario
mencionar que la reciente evolucin de computadoras personales de bajo costo, ha dado a
mucha gente un fcil acceso a poderosas capacidades de cmputo.
Adems existen un buen nmero de razones por las cuales se deben estudiar los mtodos
numricos:
1. Los mtodos numricos son herramientas extremadamente poderosas para la
solucin de problemas. Son capaces de manejar sistemas de ecuaciones grandes,
no linealidades y geometras complicadas que son comunes en la practica de la
ingeniera y que, a menudo, son imposibles de resolver analticamente. Por lo tanto,
amplan la habilidad de quien los estudia para resolver problemas.

2. En el transcurso de la carrera, es posible que el estudiante tenga la ocasin de usar
software disponible comercialmente que contenga mtodos numricos. El uso
inteligente de programas depende del conocimiento de la teora bsica en la que se
basan estos mtodos.

3. Los mtodos numricos son un vehculo eficiente para aprender a servirse de las
computadoras personales. Es bien sabido que una manera efectiva de aprender
programar las computadoras es escribir los programas. Como los mtodos
numricos, en su mayor parte estn elaborados para implementarse en
computadoras, resultan ideales para este propsito. Aun mas, estn especialmente
adaptadas para ilustrar la potencia as como las limitaciones de las computadoras.

11

4. Los mtodos numricos son un medio para reforzar su comprensin de las
matemticas. Porque una funcin de los mtodos numricos es la de reducir las
matemticas superiores a operaciones aritmticas bsicas ya que se profundizan en
los temas que de otro modo resultan oscuros. Esta alternativa aumenta su
capacidad de comprensin en la materia.

Problemas matemticos y sus soluciones.
En el campo profesional de la ingeniera se requiere utilizar modelos matemticos para la
prediccin y explicacin de ciertos fenmenos, un modelo matemtico imprescindible para el
ingeniero son los mtodos numricos, ya que son tcnicas mediante las cuales es posible
plantear soluciones a los problemas.
1. Races de ecuaciones.
Estos problemas estn relacionados con el valor de una variable o de un parmetro que
satisface una ecuacin. Son especialmente valiosos en proyectos de ingeniera donde
con frecuencia resulta imposible despejar analticamente parmetros de ecuacin de
diseo.

Encontrar x tal que f(x) =0
2. Sistemas de ecuaciones algebraicas lineales.
Estos problemas son similares a los de races de ecuaciones en sentido de que estn
relacionados con valores que satisfacen las ecuaciones. Sin embargo, en lugar de
satisfacer una sola ecuacin se busca un conjunto de valores que satisfaga
simultneamente un conjunto de ecuaciones algebraicas lineales las cuales surgen en el
contexto de una variedad de problemas y en todas las disciplinas de ingeniera. Se
originan a partir de modelos matemticos de grandes sistemas de elementos
interrelacionados, tal como estructuras, circuitos elctricos y redes de flujo. Las
ecuaciones lineales simultneas surgen en el contexto de una variedad de problemas y
en todas las disciplinas de la ingeniera.
12

Dadas las a y las c
Encontrar:
2 2 22 1 21
1 2 12 1 11
c x a x a
c x a x a
= +
= +
x tal que
3. Integracin.
Tal como se representa, una interpretacin fsica de la integracin numrica es la
determinacin del rea bajo la curva. La integracin tiene diversas aplicaciones en la
prctica de la ingeniera, que van desde la determinacin de los centroides de objetos de
forma extraa hasta el clculo de cantidades totales basadas en conjunto de medidas
discretas.

Encontrar el rea bajo la curva.
=
b
a
dx x f I ) (
4. Ecuaciones diferenciales ordinarias.
Las ecuaciones diferenciales ordinarias tienen un enorme significado en la practica de la
ingeniera. Esto se debe a que muchas leyes fsicas estn expresadas en trminos de la
razn de cambio de una cantidad mas que en trminos de magnitud. Entre otros
13

14
ejemplos tenemos los modelos de la prediccin demogrfica (razn de cambio de una

poblacin) hasta la aceleracin de un cuerpo que cae ( razn de cambio de la velocidad)
) , ( y t f
t
y
dt
dy
=

Encontrar y como funcin
de t.

1.2. Conceptos bsicos: cifra significativa, precisin, exactitud, incertidumbre y sesgo.
El anlisis numrico proporciona mtodos computacionales para el estudio y solucin de
problemas matemticos. Al derivar los mtodos numricos para la solucin de dichos
problemas, analizaremos los errores presentes en esos mtodos. Debido a que muchos
clculos son realizados en computadores digitales, es conveniente la discusin para la
implementacin de los mtodos numricos como programas de computador.
Una caracterstica de estos mtodos es que proporcionan slo resultados aproximados, por lo
tanto el estudio del error es de inters central para el anlisis numrico. En la practica
profesional, los errores pueden resultar costosos y en algunas ocasiones catastrficos. Se
puede perder hasta la vida si una estructura o un dispositivo llega a fallar.
El concepto de cifras o dgitos significativos se han desarrollado para designar
ormalmente la confiabilidad de un valor numrico. Las cifras significativas de un numero son
aquellas que pueden utilizarse en forma confiable. Se trata del numero de dgitos que se
ofrecen con certeza, mas uno estimado. Estas cifras proporcionan informacin real relativa a
la magnitud y precisin de las mediciones de una cantidad. El aumento de la cantidad de
cifras significativas incrementa la precisin de una medicin. Los ceros no siempre son
cifras significativas ya que pueden usarse solo para ubicar el punto decimal. Los nmeros
0.000 018 45
0.000 184 5
0.001 845
tienen cuatro cifras significativas. La incertidumbre (duda) se puede desechar usando la
notacin cientfica en donde :
4.53 x 10
4

4.530 x 10
4

4.5300 x 10
4

muestran que el numero tiene tres, cuatro y cinco cifras significativas.
El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de los
mtodos numricos:

15

1. Los mtodos numricos dan resultados aproximados, por lo tanto, se deben de
desarrollar criterios para especificar que tan confiables son dichos resultados. Una
manera de hacerlo es en trminos de cifras significativas. Por ejemplo, es posible
afirmar que la aproximacin es aceptable siempre y cuando sea correcta con cuatro
cifras significativas.
2. Aunque ciertas cantidades tales como 7 , ,e representan cantidades especificas,
no se pueden expresar exactamente con un numero finitos de dgitos. Por ejemplo,
3.14159265358979 =
..
hasta el infinito. Como las computadoras tienen solo un numero finito de cifras
significativas, tales nmeros jams se podrn representar con exactitud. A la
omisin del resto de cifras significativas se le conoce como error de redondeo.

Los errores asociados con los clculos y medidas se pueden caracterizar observando su
precisin y exactitud.
La precisin es el grado de concordancia dentro de un grupo de mediciones o instrumentos.
Ya que el numero de cifras significativas que representa una cantidad o la extensin en las
lecturas repetidas de un instrumento que mide alguna propiedad fsica. La precisin se
compone de dos caractersticas: conformidad y el numero de cifras significativas con las
cuales se puede realizar la medicin.

La exactitud se refiere al grado de aproximacin o conformidad al valor real de la cantidad
medida. .
Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador al
blanco. Los agujeros en el centro del tiro al blanco de cada esquema de la figura siguiente se
pueden imaginar como las predicciones en una tcnica numrica, mientras que el centro del
blanco de cada esquema representa la verdad. La inexactitud (conocida tambin como
sesgo) se define como un alejamiento sistemtico de la verdad. Por lo tanto, aunque las
balas en la figura c estn ms juntas que las de la figura a, los dos casos son igualmente
inexactos ya que ambos se centran en la esquina superior izquierda del blanco. La precisin,
por el otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo tanto, aunque
las figuras b y d son igualmente exactas (esto es, igualmente centradas respecto al blanco),
la ltima es ms precisa ya que las balas estn en un grupo ms compacto.
16

Figura: Un ejemplo de un buen tirador ilustra el concepto de exactitud y precisin. a)
Inexacto e impreciso; b) exacto e impreciso; e) inexacto y preciso; d) exacto y preciso.

1.3. Tipos de errores.
1.3.1. Definicin de error: error absoluto y relativo.
Definicin de Error. Es la discrepancia que existe entre la magnitud verdadera y la magnitud
obtenida.
Si es una aproximacin a , el error se define como * p p
* p p E =
Sin embargo, para facilitar el manejo y el anlisis se emplea el error absoluto definido como
* p p EA =
y el error relativo como
,
*
p
p p
ER

= si 0 p
y como por ciento de error a
100 ) (ER ERP =

17

18
Error aproximado
100 x
on aproximaci
actual
a
=
on aproximaci on aproximaci
anterior actual

Ejemplo: Suponga que el valor para un calculo debera ser
2
10 10 . 0 x p = pero se obtuvo el resultado , entonces
2 *
10 08 . 0 x p =
% 20 100
2 . 0
10 10 . 0
10 08 . 0 10 10 . 0
2 10 08 . 0 10 10 . 0
2
2 2
2 2
= =
=
=
= =
ERx ERP
x
x x
ER
x x EA

1.3.2. Error por redondeo
Este error es el resultado de representar aproximadamente nmeros exactos. Es decir, se
debe a la omisin de algunas de las cifras significativas de algn valor especfico. Un
ejemplo de donde sucede se da en las computadoras o calculadoras, que solo guardan un
nmero finito de cifras significativas, cuyo mximo de dgitos o de cifras significativas son de
8 a 14 lo cual obliga a redondear el valor real.

Los errores de redondeo se deben a que las computadoras solo guardan un numero finito de
cifras significativas durante un calculo. Las computadoras realizan esta funcin de maneras
diferentes. Por ejemplo, si solo se guardan siete cifras significativas, la computadora puede
almacenar y usar como =3.141592, omitiendo los trminos restantes y generando un
error de redondeo.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los
errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razones del
porque pueden resultar crticos en algunos mtodos numricos:
1. ciertos mtodos requieren cantidades extremadamente grandes para obtener una
respuesta. Adems, estos clculos a menudo depende entre si. Estos es, los
clculos posteriores son dependientes de los anteriores. En consecuencia, aunque
un error de redondeo individual puede ser muy pequeo, el efecto de acumulacin
en el transcurso de la gran cantidad de clculos puede ser significativos.

2. el efecto del redondeo puede ser exagerado cuando se llevan a cabo operaciones
algebraicas que emplean nmeros muy pequeos y muy grandes al mismo tiempo.
Ya que este caso se presenta en muchos mtodos numricos, el error de redondeo
puede resultar de mucha importancia.

En el redondeo se conservan las cifras significativas y el resto se descarta.

El ltimo dgito retenido se aumenta en uno si el primer dgito descartado es 5 , si no
fuera as, el dgito conserva su valor.
Ejemplo: la importancia de las cifras significativas de los clculos algebraicos.

Determnese la diferencia de dos nmeros grandes: 32981108.1234 y 32981107.9989.
Enseguida, reptase los clculos pero incrementndose el minuendo en in 0.001%.
Solucin:
La diferencia de los nmeros es:
32981108.1234
32981107.9989
0.1245

19

Ahora incrementando el minuendo en un 0.001 % se obtiene el numero 32 981 437.934 5 y
la diferencia es:
32981437.9345
32981107.9989
329.3356

Que es considerable diferente de la primera. De aqu que una modificacin en el minuendo,
aparentemente insignificante, provoca una gran diferencia en el resultado.
Ejemplo: Ilustraciones de las reglas de redondeo
Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo analizados.
1. Errores de redondeo
5.6723 5.67 3 cifras significativas

2. suma y resta
a) 2.2 1.768 =0.432 =0.4
b) 0.00468 x 10
-7
+8.3 x 10
-4
228 x 10
-6
=6.02468 x 10
4
=6.0 x 10
-4
se
redondea hasta el 3 porque nos indica que es el valor para redondeo
3. multiplicacin y divisin
a) Evalese 0.0642 x 4.8 =0.30816 =0.31
b) 945/0.3185 =2967.032967=2970

1.3.3. Error por truncamiento.
Los errores de truncamiento son aquellos que resultan al usar una sucesin finita o infinita
de pasos en el cual se realizan clculos para producir un resultado exacto, se trunca
prematuramente despus de un cierto nmero de pasos.
20

Truncar la siguiente cifra hasta centsimos, o hasta que sean dos las cifras significativas :
645751311 . 2 7 =
2.64 7
Como podemos ver, en este tipo de error, lo que se hace es omitir algunas de las cifras de
una cantidad, debido a que esta contiene muchos decimales, entonces se trunca o corta el
nmero, por lo que tambin cae en un error.
Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar de
un procedimiento matemtico exacto. Estos errores se regresan a la formulacin matemtica
usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial.
La serie de Taylor.
La serie de Taylor
La serie de Taylor da una formulacin para predecir el valor de la funcin en en trminos
de la funcin y de sus derivadas en una vecindad al punto
1 + i
x
.
i
x
Por ejemplo: el primer trmino de la serie es conocida como aproximacin de orden cero.
) ( ) (
1 i i
x f x f
+

aproximacin de primer orden .
h x f x f x f
i i i
) ( ) ( ) (
1
+
+
donde ) (
1 i i
x x h =
+

aproximacin de segundo orden .
2
1
! 2
) (
) ( ) ( ) ( h
x f
h x f x f x f
i
i i i

+ +
+
donde ) (
1 i i
x x h =
+

De esta manera se puede agregar trminos adicionales para desarrollar la expansin
completa de la serie de Taylor.

21

n
n i
n
i
i i i
R h
n
x f
h
x f
h x f x f x f + +

+ +
+
!
) (
! 2
) (
) ( ) ( ) (
) (
2
1

Se incluye un termino residual para considerar todas los trminos desde n +1 hasta el
infinito:
1
) 1 (
)! 1 (
) (
+
+
+
=
n
n
n
h
n
f
R

donde el subndice n indica que el residuo es de la aproximacin a n- simo orden y es un
valor cualquiera de x que se encuentra en y
i
x
1 + i
x

1.3.4. Error numrico total.
El error numrico total es la suma de los errores de truncamiento y de redondeo. ste es el
medio para poder lograra minimizar los errores debido a redondeo, y esto se logra
incrementando el nmero de cifras significativas.

Los errores por truncamiento pueden ser disminuidos cuando los errores por redondeo se
incrementan. Para poder disminuir un componente del error numrico total, se debe
incrementar otro valor.

Errores humanos
1. Errores por equivocacin. Las equivocaciones ocurren a cualquier nivel del proceso de
modelacin matemtica y puede contribuir con todas las otras componentes del error.
22

Se puede evitar nicamente con el conocimiento de los principios fundamentales y con
el cuidado sobre la aproximacin y diseo de la solucin a un problema.

2. Errores de formulacin. Los errores de formulacin o de modelamiento degeneran en lo
que se podran considerar como un modelo matemtico incompleto. Un ejemplo de un
error de formulacin imperceptible es el hecho de que la segunda ley de newton no
explica los efectos relativistas.

3. Incertidumbre en los datos. Algunas veces se introducen errores en un anlisis debido
a la incertidumbre de los datos fsicos sobre los que se basa el modelo.

1.4. Software de cmputo numrico
En la actualidad existen dos tipos de usuarios de software. Por un lado estn aquellos que
toman lo que se les da. Es decir, quienes se limitan a las capacidades que encuentran en el
modo estndar de operacin del software existente. Por ejemplo, resultan muy sencillo
resolver un sistema de ecuaciones lineales o generar graficas con valores x - y con EXCEL,
Matlab o Mathcad . como este modo de operacin por lo comn requiere un mnimo
esfuerzo, muchos de los usuarios adoptan este modo de operacin. Adems, como los
diseadores de estos paquetes se anticipan a la mayora de las necesidades tpicas de los
usuarios, muchos de los problemas pueden resolverse de esta manera.
Pero , Que pasa cuando se presentan problemas que estn mas all de las capacidades
estndar de dichas herramientas ? . en tal caso usted tiene dos alternativas.
La primera seria buscar otro paquete y ver si sirve para resolver el problema. Esta es una de
las razones por las que quisimos usar EXCEL como mathcad o Matlab. Como veremos ,
ninguno de ellos abarca todo y cada uno tiene sus ventajas.
El segundo seria que es posible volverse un potente usuario si se aprende a escribir
macros en EXCEL VBA ( visual basic for applications ).
Programas computacionales
Los programas computacionales son nicamente conjuntos de instrucciones que dirigen a la
computadora para realizar cierta tarea.
23

Visto desde esta perspectiva , reducimos toda complejidad a unos cuantos tpicos de
programacin, que son:
Representacin de informacin sencilla ( declaracin de constantes, variables y
tipos)
Representacin de informacin ms compleja ( estructura de datos, arreglos y
registros)
Formulas matemticas (asignacin, reglas de prioridad y funciones intrnsecas)
Entrada / salida
Representacin lgica ( secuencia, seleccin y repeticin)
Programacin modular ( funciones y subrutinas)
Programacin estructurada
En esencia la programacin estructurada es un conjunto de reglas que desarrollan en el
programa los hbitos para lograr un buen estilo. Aunque la programacin estructurada es
bastante flexible para permitir considerable creatividad y expresin personal, sus reglas
imponen suficientes restricciones para hacer que los programas resultantes sean muy
superiores a sus versiones no estructuradas.
Un diagrama de flujo es una representacin visual o grafica de un algoritmo. Emplea una
serie de cajas o bloques y flechas, cada una de las cuales representa un determinado paso u
operacin del algoritmo. Otra manera de expresar los algoritmos y que constituyen un puente
de unin entre los diagramas de flujo y el cdigo de la computadora, es el pseudocodigo.
Programacin modular
Dividir una tarea o una materia complicada en partes mas accesibles es una manera de
hacerla mas fcil. Siguiendo una misma idea, los programas de computacin se dividen en
subprogramas mas pequeos, o mdulos que pueden desarrollar y probarse por separado. A
esta forma de trabajar se le llama programacin modular.
Excel.
Excel es una hoja de calculo producida por Microsoft Inc. Las hojas de clculos son un tipo
especial de software para matemticas que permite al usuarios ingresar y realizar clculos
en renglones y columnas de datos. Como tales, son una versin computarizada de una gran
hoja de contabilidad en la que se lleva a cabo una gran cantidad de clculos
interrelacionados. Puesto que cuando se modifica un valor de la hoja , hay que actualizar
todos los clculos , las hojas son ideales para hacer anlisis del tipo y que pasa si ... ?
24

Excel cuenta con varios recursos numricos interconstruidos como resolucin de
ecuaciones, ajuste de curvas y optimizacin. Incluye tambin VBA como un lenguaje de
macro que sirve para hacer clculos numricos. Por ultim, tiene varias herramientas para la
visualizacin como diagramas y graficas tridimensionales, que son un valiosos complemento
para el anlisis numrico.
Matlab
Matlab es el principal producto de software de Mathworks, Inc. , fundada por los analistas
numericos Cleve Moler y J ohn N. Little. Como su nombre lo indica, Matlab se desarrollo
originalmente como un laboratorio para matrices. Hoy , el elemento principal de Matlab sigue
siento la matriz. La manipulacin matemtica de matrices se ha realizado muy
adecuadamente en un ambiente interactivo fcil de utilizar. A esta manipulacin matricial,
Matlab agrega varias funciones numricas, clculos simblicos y herramientas para
visualizacin.
Matlab tiene diferentes funciones y operadores que permiten la adecuada realizacin de los
mtodos numericos que aqu desarrollamos.
Mathcad
El uso del software Mathcad 2001 Professional supone un paso adelante para clarificar y
potenciar el aprendizaje de conceptos, tcnicas e ideas matemticas de forma que sean de
clara utilidad prctica, tanto de cara al desarrollo del currculo acadmico como de cualquier
actividad profesional. En este sentido, el uso adecuado de este programa no slo facilita la
adquisicin de conceptos clave sino que tambin fomenta la creatividad dentro del mbito
matemtico, facilitando la contextualizacin de las asignaturas cuantitativas y ofreciendo
cientos de operadores y funciones incorporadas para resolver problemas tcnicos, desde los
ms simples hasta los ms complicados.
Mathcad 2001 Professional es un software de clculo, extremadamente verstil y potente
como lenguaje de programacin. Contiene una exhaustiva biblioteca de funciones
estadsticas y de anlisis, una coleccin de potentes algoritmos para resolucin problemas
as como herramientas de manipulacin de matrices. La principal caracterstica de Mathcad
es que resulta tan fcil de usar como las conocidas hojas de clculo que pueden encontrarse
en el mercado. Y, sin embargo, no es necesario aprender ninguna sintaxis complicada en
Mathcad una ecuacin aparece tal y como se podra ver en una pizarra o en un libro.

25

Algoritmos y estabilidad.
El tema fundamental de esta asignatura es el estudio, seleccin y aplicacin de algoritmos,
que se definen como secuencias de operaciones algebraicas y lgicas para obtener la
solucin de un problema. Por lo general, se dispone de varios algoritmos para resolver un
problema particular; unos de los criterios de seleccin es la estabilidad del algoritmo; esto es,
que a pequeos errores de los valores manejados se obtengan pequeos errores en los
resultados finales
.
1.5. Mtodos iterativos.
Ejemplo: Estimacin del error para mtodos iterativos
Enunciado del problema : en matemticas, a menudo se puede representa las funciones
mediante una serie infinita. Por ejemplo la funcin exponencial se puede calcular usando:
...
! 4 ! 3 ! 2
1
4 3 2
+ + + + + =
x x x
x e
x

Mientras mas trminos se le agreguen a la serie , la aproximacin se acercara mas y mas al
valor de
x
. la ecuacin anterior se le llama serie de Maclaurin.
Empezando con el primer termino , e
x
=1, y agregando un termino a la vez, estmese el
valor de e
0.5
. despus que se agregue cada termin, calclense los ERP y
a
. Ntese
que el valor real de agrguense trminos hasta que 648721271 . 1
5 . 0
= e
s a
<
contempla tres cifras significativas.

Solucin

s
=(0.5 x 10
2 3
) % =0.05 %
por lo tanto , se agregaran trminos a la serie hasta que
a
se menos que este nivel.
,
*
p
p p
ER

= si 0 p 100 ) (ER ERP =
26

100 x
on aproximaci
on aproximaci on aproximaci
actual
anterior actual
a
=

Ejercicio: La expansin en serie de Maclaurin para el cos x es:
L + + =
! 8 ! 6 ! 4 ! 2
8 6 4 2
x x x x
Cosx

Iniciando con el primer termino cos x =1 , agrguense los trminos uno a uno para estimar
3
cos
. Despus que se agregue cada uno de los trminos, calclense los errores
porcentuales relativos, exactos y aproximados .sense una calculadora para determinar el
valor exacto. Agrguense trminos hasta el valor absoluto del error aproximado falle bajo
cierto criterio de error, considerando dos cifras significativas.
Solucin:

s
=(0.5 x 10
2 2
) % =0.5 %
cos

3
0.5 =

27

28
Ejercicio: Reptase los clculos del problema anterior pero ahora usando la serie de
Maclaurin para sen x =0
L + + =
! 7 ! 5 ! 3
7 5 3
x x x
x Senx

estmese el 2
Sen

s
=(0.5 x 10
2 2
) % =0.5 %
1
2
=
Sen
empezando sen x =0

Ejemplo: Aproximaciones de un polinomio mediante la serie de Taylor.
Enunciado del problema: sense trminos en la serie de Taylor de cero a cuarto orden para
aproximar la funcin :
2 . 1 25 . 0 5 . 0 15 . 0 1 . 0 ) (
2 3 4
+ = x x x x x f
desde el punto
0 =
i
x
y con h =1. Esto es,
predecir el valor de la funcin en
. 1
1
=
+ i
x

Solucin:
Ya que se trata de una funcin conocida se puede calcular valores f(x) 0 y 1
f x ( ) 0.1 x
4
0.15x
3
0.5x
2
0.25x 1.2 + := x 0 :=
f x ( ) 1.2 =
f x ( ) 0.1 x
4
0.15x
3
0.5x
2
0.25x 1.2 + := x 1 :=
f x ( ) 0.2 =

Los resultados indican que la funcin empieza en f(0)=1.2 y continua hacia abajo hasta
f(1)=0.2. por lo tanto el valor que se trata de predecir es 0.2.

La aproximacin en serie de Taylor de orden cero es:
) ( ) (
1 i i
x f x f
+
=1.2
Como se puede ver en la figura la aproximacin de orden cero es una constante . el error de
truncamiento en este caso es
* p p E =
E =0.2 1.2 =- 1.2

En x = 1. Para n = 1, la primera derivada se debe determinar y evaluar en x = 0
f x ( ) 0.1 x
4
0.15x
3
0.5x
2
0.25x 1.2 + := x 0 :=
x
f x ( )
d
d
0.25 =

La aproximacin a primer orden es:
) (
1 i i
x x h =
+

) )( ( ' ) ( ) (
1 1 i i i i i
x x x f x f x f +
+ +

h x f
i
25 . 0 2 . 1 ) (
1

+

29

f h ( ) 1.2 0.25 h ( ) + := h 1 :=
f h ( ) 0.95 =

que se puede usar para h =1 , calcular f(1) =0.95 . Por consiguiente , la aproximacin
empieza a coincidir con la trayectoria de la funcin como la pendiente de una lnea recta. De
esta manera el error de truncamiento se reduce a :

E

=valor verdadero valor aproximado =0.2 0.95 =- 0.75

en x = 1 para n = 2, se evala la segunda derivada en x = 0:
f x ( ) 0.1 x
4
0.15x
3
0.5x
2
0.25x 1.2 + := x 0 :=
2
x
f x ( )
d
d
2
1 =

2
1 1 1
) (
! 2
) ( ' '
) )( ( ' ) ( ) (
i i
i
i i i i i
x x
x f
x x x f x f x f + +
+ + +

2
1
)
! 2
1
( 25 . 0 2 . 1 ) ( h h x f
i
+
+

f h ( ) 1.2 0.25 h ( ) +
1
2!
h
2
+ := h 1 :=
f h ( ) 0.45 =

E

=valor verdadero valor aproximado =0.2 0.45 =- 0.25

Los trminos adicionales mejoran aun mas la aproximacin.

en x = 1 para n = 3, se evala la tercera derivada en x = 0:
30

f x ( ) 0.1 x
4
0.15 x
3
0.5x
2
0.25 x 1.2 + := x 0 :=
3
x
f x ( )
d
d
3
0.9 =

3
1
2
1 1 1
) (
! 3
) ( ' ' '
) (
! 2
) ( ' '
) )( ( ' ) ( ) (
i i
i
i i
i
i i i i i
x x
x f
x x
x f
x x x f x f x f + + +
+ + + +

3 2
1
)
! 3
9 . 0
( )
! 2
1
( 25 . 0 2 . 1 ) ( h h h x f
i
+
+

f h ( ) 1.2 0.25 h ( ) +
1
2!
h
2
+
0.9
3!
h
3
+ := h 1 :=
f h ( ) 0.3 =

E =valor verdadero valor aproximado =0.2 0.3 =- 0.1

En x = 1 para n = 4, se evala la cuarta derivada en x = 0:
f x ( ) 0.1 x
4
0.15 x
3
0.5 x
2
0.25 x 1.2 + := x 0 :=
4
x
f x ( )
d
d
4
2.4 =

4
1
4
3
1
2
1 1 1
) (
! 4
) (
) (
! 3
) ( ' ' '
) (
! 2
) ( ' '
) )( ( ' ) ( ) (
i i
i
i i
i
i i
i
i i i i i
x x
x f
x x
x f
x x
x f
x x x f x f x f + + + +
+ + + + +

4 3 2
1
)
! 4
4 . 2
( )
! 3
9 . 0
( )
! 2
1
( 25 . 0 2 . 1 ) ( h h h h x f
i
+
+

Donde el termino residual es:

1
) 1 (
)! 1 (
) (
+
+
+
=
n
n
n
h
n
f
R

5
) 5 (
4
! 5
) (
h
f
R

=

31

f x ( ) 0.1 x
4
0.15x
3
0.5x
2
0.25x 1.2 + := x 0 :=
5
x
f x ( )
d
d
5
0 =

ya que la quinta derivada de un polinomio de cuarto orden es nula, R
4
=0. Por consiguiente,
la expansin en serie de Taylor hasta la cuarta derivada produce una aproximacin exacta
en x =1
f h ( ) 1.2 0.25 h ( ) +
1
2!
h
2
+
0.9
3!
h
3
+
2.4
4!
h
4
+ := h 1 :=
f h ( ) 0.2 =

En general, la expansin en serie de Taylor de n-simo orden es exacta para un polinomio
de n-simo. Para otras funciones continuas diferenciales, como las exponenciales o
senoidales, no se obtiene una estimacin exacta mediante un numero finito de trminos.
Cada uno de los trmino adicionales contribuye al mejoramiento de la aproximacin , aunque
sea con poco. La decisin sobre cuantos trminos se requieren para obtener una
aproximacin razonable se basa en el termino residual de la expansin .

1
) 1 (
)! 1 (
) (
+
+
+
=
n
n
n
h
n
f
R

Esta ecuacin residual es de la forma general, tiene dos grandes desventajas . Primero
no se conoce exactamente sino que solo se sabe que esta entre x

i
y x
i+1
. Segundo , para la
evaluacin de la ecuacin anterior se requiere para evaluar la (n +1 ) sima derivada de
f(x).

Ejemplo: Uso de la serie de Taylor para aproximar una funcin que tiene un numero infinito
de derivadas.

Enunciado del problema : sense los trminos de la serie de Taylor con n =0 hasta 6 para
aproximar :
32

x x f cos ) ( =

en
3 / = x
4 /
con base al valor de f(x) y de sus derivadas alrededor del punto
) 60 (
=
45 (
x
)
.Ntese que esto significa que 12 4 3

= = h

Solucin:
Nota: el resultado de la sustitucin y de ellos quien tengan el
valor pequeo ese ser el valor exacto
F(x)= 0.5 f(x)= 0.707106781
El valor exacto
f x ( ) cos x ( ) := x

3
:=
f x ( ) 0.5 =

La aproximacin de orden cero es
f x ( ) cos x ( ) := x

4
:=
f x ( ) 0.707106781 =

% 4 . 41 % 100
5 . 0
707106781 . 0 5 . 0
=
= ERP

La aproximacin de primer orden es
) ( ) ( ' x sen x f =

( ) h x sen x f )) ( ( cos
3

f h ( ) cos x ( ) sin x ( ) ( )h + := x

4
:= h

12
:=
f h ( ) 0.521986659 =

% 40 . 4 % 100
5 . 0
521986659 . 0 5 . 0
=
= ERP

La aproximacin de segundo orden es

) cos( ) ( ' ' x x f =

33

( )
2
! 2
) cos(
)) ( ( cos
3
h
x
h x sen x f

f h ( ) cos x ( ) sin x ( ) ( ) h +
cos x ( )
2!
h
2
+ := x

4
:= h

12
:=
f h ( ) 0.497754491 =

% 449 . 0 % 100
5 . 0
497754491 . 0 5 . 0
=
= ERP

La aproximacin de tercer orden es
) ( ) ( ' ' ' x sen x f =

( )
3 2
! 3
) (
! 2
) cos(
)) ( ( cos
3
h
x sen
h
x
h x sen x f +

f h ( ) cos x ( ) sin x ( ) ( )h +
cos x ( )
2!
h
2
+
sin x ( )
3!
h
3
+ := x

4
:= h

12
:=
f h ( ) 0.499869147 =

% 0262 . 0 % 100
5 . 0
499869147 . 0 5 . 0
=
= ERP

La aproximacin de cuarto orden es
) cos( ) (
4
x x f =

( )
4 3 2
! 4
) cos(
! 3
) (
! 2
) cos(
)) ( ( cos
3
h
x
h
x sen
h
x
h x sen x f + +

f h ( ) cos x ( ) sin x ( ) ( )h +
cos x ( )
2!
h
2
+
sin x ( )
3!
h
3
+
cos x ( )
4!
h
4
+ := x

4
:= h

12
:=
f h ( ) 0.500007551 =

2
10 51 . 1 % 100
5 . 0
500007551 . 0 5 . 0

=
= x ERP

34

35
La aproximacin de quinto orden es

) ( ) (
5
x sen x f =

( )
5 4 3 2
! 5
) (
! 4
) cos(
! 3
) (
! 2
) cos(
)) ( ( cos
3
h
x sen
h
x
h
x sen
h
x
h x sen x f + +

f h ( ) cos x ( ) sin x ( ) ( )h +
cos x ( )
2!
h
2
+
sin x ( )
3!
h
3
+
cos x ( )
4!
h
4
+
sin x ( )
5!
h
5
+ := x

4
:= h

12
:=
f h ( ) 0.500000304 =

5
10 08 . 6 % 100
5 . 0
500000304 . 0 5 . 0

=
= x ERP

La aproximacin de sexto orden es

) cos( ) (
6
x x f =

( )
6 5 4 3 2
! 6
) cos(
! 5
) (
! 4
) cos(
! 3
) (
! 2
) cos(
)) ( ( cos
3
h
x
h
x sen
h
x
h
x sen
h
x
h x sen x f + +

f h ( ) cos x ( ) sin x ( ) ( )h +
cos x ( )
2!
h
2
+
sin x ( )
3!
h
3
+
cos x ( )
4!
h
4
+
sin x ( )
5!
h
5
+
cos x ( )
6!
h
6
:= x

4
:= h

12
:=
f h ( ) 0.499999988 =

6
10 40 . 2 % 100
5 . 0
499999988 . 0 5 . 0

=
= x ERP

Ntese que las derivadas nunca se acercan a cero, como es el caso del polinomio. Sin
embargo, cada trmino que se le agrega a la serie produce una mejor aproximacin. Ntese
tambin que la mayor aproximacin se consigue con los primeros trminos.

36
f x ( ) cos x ( ) := x 4 3.9 , 10 .. :=
5 0 5 10
1
1
f x ( )
x

Orden n
) (x f
n

f

ERP

6
5
4
3
2
1
0
499999988 . 0
500000304 . 0
500007551 . 0
499869147 . 0
497754491 . 0
521986659 . 0
707106781 . 0
6
5
2
10 40 . 2
10 08 . 6
10 51 . 1
0262 . 0
449 . 0
4 . 4
4 . 41

) cos(
) sin(
) cos(
) sin(
) cos(
) sin(
) cos(
x
x
x
x
x
x
x
x
x
x

UNIDAD 2
METODOS DE SOLUCION
DE ECUACIONES
Objetivo:
Implementara mtodos de solucin de
ecuaciones algebraicas o
trascendentales, con apoyo de un
lenguaje de programacin.
UNIDAD II / METODO DE SOLUCION DE ECUACIONES

2.1 Mtodo de Intervalo
A estas tcnicas se les llama mtodos que usan intervalos porque se necesitan de dos
valores inciales para la raz. Como su nombre lo indica, estos valores deben encerrar o
estar uno de cada lado de la raz. Los mtodos particulares descritos sobre este punto
emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y as
converger a la respuesta correcta. Adems de la utilidad de los mtodos grficos para
determinar valores inciales, tambin son tiles para visualizar las propiedades de las
funciones y el comportamiento de los mtodos numricos.

Mtodos grficos.
Un mtodo simple para obtener una aproximacin a la raz de la ecuacin f(x) =0 consiste
en graficar y observar en donde cruza el eje x. Este punto , que representa el valor de x para
el cual f(x) =0 , proporciona una aproximacin inicial de la raz.

Ejemplo: Mtodos grficos
Enunciado del problema: Emplese graficas para obtener una raz aproximada de la funcin
:
x e x f
x
=

) (
Solucin: Se calcula los siguientes valores
f x ( ) e
x
x := x 0.2 0.1 , 1.1 .. :=
0.5 0 0.5 1 1.5
1
1
2
f x ( )
x

38

39
f x ( ) 0.874 x
2
1.75x + 2.627 + := x 2.5 2.4 , 4.5 .. :=
5 0 5
10
5
5
f x ( )
x

f x ( ) 2 x
2
3 x + 5 := x 5 5 .. :=
5 0 5
50
50
100
f x ( )
x

f x ( ) sin 10x ( ) cos 3x ( ) + := x 5 4.9 , 5 .. :=
5 0 5
2
2
f x ( )
x

Ejemplo: Para determinar el coeficiente de arrastre c necesario para que un paracaidista de
masa m =68.1 kg. Tenga una velocidad de 40 m/s despus de una cada libre de t =10 s.
Nota la aceleracin de la gravedad es 9.8 m/s
2
. Determine su grafica.
( )

t
m
c
e
c
gm
t v 1
S
E
1
f

E

E
S
Solucin:
Este problema
10, g =9.8, v
( )
c
gm
c f
= 1
0
20
20
40
34.115
3.977
f c ( )
4
Ejemplo : Gra
f x ( ) x
10
:=
5
5
10
15
f x ( )
Ejemplo: realic
Solucin:
a se resuelve
=40 y m =68
e
t
m
c
1
0 5
ficar
1
0 0.5
x
ce la grafica d

UNIDAD I
e determinand
8.1
v
10 15
c
x 0 0.001 , .. :=
1 1.5
x
de la ecuacin
I / METODO
do la raz de
( f
20
17

1.3

n
O DE SOLUC
la ecuacin
. 68 ( 8 . 9
) ( =
c
c
CION DE EC
usando los p
1
) 1
1 . 68
c
e
CUACIONES
40
parmetros t =
40
10
1

S
0
=

Ejemplo: Escriba el programa que utiliza en Matlab para poder grafica r la siguiente funcin
X =1:0.1:5
Y =x.^3 +3*x^2 +5*x +3
Figure
Plot(x,y)
Disp( grafica de funcin )

2.2 Mtodo de biseccin
Los mtodos de bsqueda incremental se aprovechan de esta caracterstica para localizar
un intervalo donde la funcin cambie de signo. Por lo tanto, la localizacin del cambio de
signo, se logra ms exactamente dividiendo el intervalo en una cantidad definida de
subintervalos.
El mtodo de biseccin conocido tambin como de corte binario, de particin en dos
intervalos iguales o mtodo Bolzano, es un mtodo de bsqueda incremental en el que el
intervalo se divide siempre en dos. Si la funcin cambia de signo sobre un intervalo, se
evala el valor de la funcin en el punto medio. La posicin de la raz se determina
41

42
situndola en el punto medio del subintervalo dentro del cual ocurre un cambio de signo. El
proceso se repite hasta obtener una mejor aproximacin.
Si el intervalo original es de tamao y el criterio de convergencia aplicado al valor
absoluto de la diferencia de dos consecutivas es
a
r
x , entonces se requerirn n iteraciones
, donde n se calcula con la igualdad de la expresin

n
a
2

de donde :
( ) ( )
( ) 2 ln
ln ln
=
a
n

Por esto se dice que se puede saber de antemano cuantas iteraciones se requieren.
O bien se puede utilizar el siguiente criterio de convergencia <
a
E
anterior actual a
aprox aprox E =
Algoritmo Sencillo :
Paso 1: Elija los valores iniciales inferior y de forma tal que la funcin cambie de
signo sobre el intervalo. Esto se puede verificar asegurndose de que
1
x
u
x
( ) ( ) 0
1
<
u
x f x f
Entonces hay al menos una raz entre y .
1
x
u
x

Paso 2: La primera aproximacin a la raz X, se determinan como:
2
1 u
r
x x
x
+
=
Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalo cae la raz
) a ( ) ( ) 0
1
<
r
x f x f ; entonces la raz se encuentra dentro del subintervalo inferior o
izquierdo . Por lo tanto, tome
r u
x x = y continu en el paso 2.
) b ( ) ( ) 0
1
>
r
x f x f ; entonces la raz se encuentra dentro del subintervalo superior o
derecho. Por lo tanto, tome
r
x x =
1
y continu en el paso 2.
) c ( ) ( ) 0
1
=
r
x f x f ; la raz es igual a ; termina el calculo.
r
x
Paso 4: Fin

Problema: Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
n 10 = n
ln 1 0 ( ) ln 0.001 ( )
ln 2 ( )
:=
si tiene raz
f x1 ( ) f xu ( ) 0.632120559 =
xu 1 := x1 0 := f x ( ) e
x
x :=
0 0.5 1
1
f x ( )
x 0 0.001 , 1 .. :=
Calculo :
n =[ln (xu - x1 ) - ln ( error)] / ln (2)
n =numero de iteraciones
x1 =valor de x inferior
xu =valor de x superior
xr =valor de x media (aproximacion de la raz)
f(x1) =funcion de x inferior
f(xu) =funcion de x superior
f(xr) =funcion de x media
Algoritmo
Intervalo [x1,xu]
f(x1)*f(xu) <0 , existe raz
xr =(x1 +xu ) / 2
f(x1)*f(xr) <0, intevalo izquierdo
f(x1)*f(xr) >0, intevalo Derecho
Datos
xu 1 := x1 0 := error 0.001 := f x ( ) e
x
x :=

43

s x1 0
xu 1
xr
x1 xu +
2
c e
x1
x1
( )
e
xr
xr
( )

xr
x1 xu +
2
tmp xr
xu tmp
c 0 < if
xr
x1 xu +
2
tmp xr
x1 tmp
c 0 > if
xr c 0 = if
k 1 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 , for
xr
:=
s 0.567382813 =

44

s 1.303710938 =
s x1 1
xu 2
xr
x1 xu +
2
c cos x1 ( ) ln x1 ( ) ( ) cos xr ( ) ln xr ( ) ( )
xr
x1 xu +
2
tmp xr
xu tmp
c 0 < if
xr
x1 xu +
2
tmp xr
x1 tmp
c 0 > if
xr c 0 = if
k 1 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 , for
xr
:=
n 10 = n
ln 2 1 ( ) ln 0.001 ( )
ln 2 ( )
:=
si tiene raz
f x1 ( ) f xu ( ) 0.599354115 =
xu 2 := x1 1 := f x ( ) cos x ( ) ln x ( ) :=
1 1.5 2
2
1
1
f x ( )
x
x 1 1.001 , 2 .. :=
Cal culo :
Algoritmo
Intervalo [x1,xu]
xr =(x1 +xu ) / 2
Datos
xu 2 := x1 1 := error 0.001 := f x ( ) cos x ( ) ln x ( ) :=
Problema 2: Utilice el metodo de biseccion para obtener la ra real de la funcin

45

Problema: La ecuacin de estado de Van der Walls para un gas real es:
( ) RT b V
V
a
P =
+
2

Donde :

= P presin en atm ;
= T temperatura en K;
= R constante universal de los gases en atm L / (gmol K) =0.08205
= V volumen molar del gas en L / gmol;
46

= b a, constantes particulares para cada gas

Calcule V a 80 C (353.2 K) para una presin de 10 atm

Gas a b
He
0.03412 0.02370

Realice los clculos necesarios para resolver esta ecuacin usando como intervalo inicial
, , v V 8 . 0
1
= v V
u
2 . 1 =
Donde . Con P RT v / = 01 . 0 <
a
E

Solucin:

n 7 = n
ln vu v1 ( ) ln 0.01 ( )
ln 2 ( )
:=
Algoritmo
Intervalo [x1,xu]
xr =(x1 +xu ) / 2
Datos
si tiene raz
f v1 ( ) f vu ( ) 2178.6232848 =
f V ( ) p V
3
( )
p b R T + ( ) V
2
aV + ab :=
vu 3.4776072 = v1 2.3184048 =
vu 1.2v := v1 0.8v :=
b 0.02370 := a 0.03412 :=
v
R T
p
:=
T 353.2 := R 0.08205 := p 10 :=

47

s v1 2.3184048
vu 3.4776072
vr
v1 vu +
2
c p v1
3
( )
p b R T + ( ) v1
2
av1 + ab
p vr
3
( )
p b R T + ( ) vr
2
avr + ab

vr
v1 vu +
2
tmp vr
vu tmp
c 0 < if
vr
v1 vu +
2
tmp vr
v1 tmp
c 0 > if
vr c 0 if
k 1 2 , 3 , 4 , 5 , 6 , 7 , for
vr
:=
s 2.925174806 =

2.3. Mtodo de interpolacin

2.3.1. Mtodo de Newton Raphson

Calculo de races por el mtodo de newton
Es una de las formulas mas ampliamente usadas para localizar races, si el valor inicial de la
raz es X
i
, entonces se puede extender una tangente desde el punto [X
i
, f (X
i
) ]. El punto
donde esta tangente cruza el eje X, representa una aproximacin mejorada de la raz.

El mtodo de Newton-Raphson se puede obtener sobre la base de una interpretacin
geomtrica, la primera derivada en X es equivalente a la pendiente
48

( )
( )
1
0
+

=
i i
i
i
x x
x f
x f

Que se puede ordenar para obtener
( )
( )
i
i
i i
x f
x f
x x
=
+ 1

La cual es conocida como frmula de Newton - Raphson.

Ejemplo . Utilice el mtodo de Newton Raphson para obtener la raz real de la funcin
20 10 2 ) (
2 3
+ + = x x x x f
3
1
10
+
=
i i
x x

49

50
Clculos en mathcad
f x ( ) x
3
2x
2
+ 10x + 20 :=
x
f x ( )
d
d
3 x
2
4 x + 10 +
df x ( ) 3x
2
4x + 10 + :=
x
0
1 := i 0 5 .. :=
x
i 1 +
x
i
f x
i
( )
df x
i
( )
:=
x
i
1
1.41176
1.36934
1.36881
1.36881
1.36881
= x
i 1 +
x
i
0.412
0.042
5.28310
-4
8.0810
-8
1.77610
-15
0
= f x
i
( )
-7
0.918
0.011
1.70410
-6
3.90810
-14
0
=

Clculos de Matlab

Ejemplo: Use el mtodo de Newton Raphson para encontrar la raz de la ecuacin
5
15 18 3
) (
2
+
=
x x
x f , con un punto inicial de 8 , con un error de aproximacin 01 . 0 = Ea
.

2.3.2. Mtodo de la secante
Un problema fuerte en la implementacin del mtodo de newton Raphson es la evaluacin
de la derivada. Aunque esto no es un inconveniente para los polinomio y para muchas otras
funciones, existen algunas cuyas derivadas pueden ser extremadamente difciles de evaluar.
En estos casos la derivada se puede aproximar mediante una diferencia dividida, como la
figura

Esquema grfico del mtodo de la secante. Esta tcnica es similar a la del mtodo de
Newton - Raphson en el sentido de que una aproximacin a la raz se calcula extrapolando
51

52
una tangente de la funcin hasta el eje x. Sin embargo, el metodo de la secante usa una
diefrencia en vez de la derivada para aproximar la pendiente.

Por lo tanto el mtodo de la secante
( ) (
( ) ( )
)
1
i i
x f x f
1
1

+

=
i i i
i i
x f x x
x x <
+ i i
x x
1

Ejemplo . Utilice el mtodo de la secante para obtener la raz real de la funcin
20 10 2 ) (
2 3
+ + = x x x x f
3
1
10
+
=
i i
x x

clculos en Mathcad
f x ( ) x
3
2x
2
+ 10x + 20 :=
x
0
0 := x
1
1 := i 0 5 .. :=
k 1 6 .. :=
x
k 1 +
x
k
x
k
x
k 1
( )
f x
k
( )
f x
k
( )
f x
k 1
( )
( )
:=
x
i
0
1
1.53846
1.35031
1.36792
1.36881
= x
i 1 +
x
i
1
0.538461538
0.188150612
0.017606419
0.000895543
0.000004782
= f x
k
( )
-7
3.75967228
-0.388136149
-0.018786791
1.00857988810
-4
-2.60078039110
-8
=

Clculos en Matlab

Otra forma de resolver en Matlab

53

clculos en EXCEL.

2.4. Aplicaciones
Problema: utilice el mtodo de biseccin: La ecuacin de estado de Van der Walls para un
gas real es:
( ) RT b V
V
a
P =
+
2

donde :
= P presin en atm ;
= V volumen molar del gas en L / gmol ;
constantes particulares para cada gas = b a,


Gas A b
He
0.03412 0.02370

, , donde v V 8 . 0
1
= v V
u
2 . 1 = P RT v / = . Con 01 . 0 <
a
E

54

n 7 = n
ln vu v1 ( ) ln 0.01 ( )
ln 2 ( )
:=
Algoritmo
Intervalo [x1,xu]
xr =(x1 +xu ) / 2
Datos
si tiene raz
f v1 ( ) f vu ( ) 2178.6232848 =
f V ( ) p V
3
( )
p b R T + ( ) V
2
aV + ab :=
vu 3.4776072 = v1 2.3184048 =
vu 1.2v := v1 0.8v :=
b 0.02370 := a 0.03412 :=
v
R T
p
:=
T 353.2 := R 0.08205 := p 10 :=

55

s v1 2.3184048
vu 3.4776072
vr
v1 vu +
2
c p v1
3
( )
p b R T + ( ) v1
2
av1 + ab
p vr
3
( )
p b R T + ( ) vr
2
avr + ab

vr
v1 vu +
2
tmp vr
vu tmp
c 0 < if
vr
v1 vu +
2
tmp vr
v1 tmp
c 0 > if
vr c 0 if
k 1 2 , 3 , 4 , 5 , 6 , 7 , for
vr
:=
s 2.925174806 =

Problema : utilice el mtodo de biseccin: La ecuacin de estado de Van der Walls para un
gas real es:
( ) RT b V
V
a
P =
+
2

donde :
= P presin en atm ;
= V volumen molar del gas en L / gmol ;
= b a, constantes particulares para cada gas

56

57

Gas a b
He
0.03412 0.02370

, , v V 8 . 0
1
= v V
u
2 . 1 =

Donde . Con P RT v / = 01 . 0 <
a
E

p 30 := R 0.08205 := T 353.2 :=
v
R T
p
:=
a 0.03412 := b 0.02370 :=
v 0.966002 =
v1 0.8v := vu 1.2v :=
v1 0.7728016 = vu 1.1592024 =
f V ( ) p V
3
( )
p b R T + ( ) V
2
aV + ab :=
f v1 ( ) f vu ( ) 26.5288152 =
si tiene raz

Datos
Algoritmo
Intervalo [x1,xu]
xr =(x1 +xu ) / 2
n
ln vu v1 ( ) ln 0.01 ( )
ln 2 ( )
:= n 5 =

P
c
A
a

S

s v1 0.
vu 1
vr
c
v
t
v
c if
v
t
v
c if
vr i
k for
vr
:=
s =
Problema: Pa
con su vapor,
Aplicando un
aproximacin
Solucin:
.7728016
.15922024
v1 vu +
2
p v1
3
( )
p (
vr
v1 vu +
2
tmp vr
vu tmp
0 <
vr
v1 vu +
2
tmp vr
v1 tmp
0 >
c 0 if
1 2 , 3 , 4 , 5 ,
0.978086503
ra obtener la
se lleg a la
mtodo iterat
de 10
-2
aplica
UNIDAD I
b R T + ) v1
2
temperatura d
ecuacin:
tivo de dos p
ado a f(T).
I / METODO
a v1 + a b

de burbuja de
puntos, encue
O DE SOLUC
p vr
3
( )
p b (
e una mezcla

entre la tempe
CION DE EC
b R T + ) vr
2
+
de CCl
4
y CF
eratura de bu
CUACIONES
58
a vr + a b

F
4
en equilibrio
rbuja con una
S
8
o
a
A continuacin se muestra la hoja de MathCAD con que se resuelve este problema usando
el mtodo de posicin falsa. Previamente a lo mostrado, se hicieron algunas evaluaciones de
f(T) para obtener un intervalo de bsqueda relativamente pequeo.

A continuacin se muestra la hoja de MATLAB con que se resuelve este problema usando el
mtodo de posicin falsa. Previamente a lo mostrado, se hicieron algunas evaluaciones de
f(T) para obtener un intervalo de bsqueda relativamente pequeo.
59

60

UNIDAD 3
METODOS DE SOLUCION
DE SISTEMAS DE
ECUACIONES
Objetivo:
Implementara los mtodos numricos
de solucin de sistemas de ecuaciones,
con apoyo de un lenguaje de
programacin.
UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

3.1 Mtodos Iterativos

3.1.1. Jacobi
El mtodo de J acobi es un proceso simple de iteraciones de punto fijo en la solucin de
races de una ecuacin. La iteracin de punto fijo tiene dos problemas fundamentales :
Algunas veces no converge
Cuando lo hace, es a menudo, muy lento.

El mtodo J acobi tambin puede tener esas fallas.
Esquema grafico que muestra el mtodo de iteracin de J acobi, en la solucin de
ecuaciones algebraicas lineales simultaneas.

s
k
i
k
i
k
i
i a
x
x x
<
=

100 *
1
,

Ejemplo : resuelva el siguiente sistema por el mtodo de J acobi
1 4
1 4
1 4
1 4
4 3
4 3 2
3 2 1
2 1
= +
= +
= +
=
x x
x x x
x x x
x x

62

63
con 01 . 0 =
s

s
k
i
k
i
k
i
i a
x
x x
<
=

100 *
1
,

despejando las ecuaciones
4
1
2
1
+
=
x
x
4
1
3 1
2
+ +
=
x x
x
4
1
4 2
3
+ +
=
x x
x
4
1
3
4
+
=
x
x

Otro manera de poder resolverse utilizando otro criterio de paro o de convergencia
( ) ( )
1
1
d x x
k k
=
+

( ) ( ) ( )
2
1
2
2
1
2
2
1
1
1 1
...
k
n
k
n
k k k k
x x x x x x d + + + =
+ + +

Problemas:
Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de J acobi con
2
10

3
L
e
S
p
C
i
l

2
2
8 9
3
2 1
4 2
2 1
2 1
+ +
= +
+ +
+ +
x x x
x x
x x x
x x
3.1.2. Gau
Los mtodos
eliminacin.
Suponga que
k
i
i a
x
x

=
,
para todas la
Como cada
inmediatamen
la solucin es
UNIDAD III
3
1 4
2 5
4 3
4 3
4 3
=
= +
= +
x x
x x
x x
ss Seidel
s iterativos
El mtodo d
e se da un con

k
i
k
i
x
<
100 *
1
s i, donde j y
nuevo valor
nte en la sigu
s convergente
/ METODO
5
10 =

o aproximad
e Gauss-Sei
njunto de n ec
s
<
j-1 son las ite
de x se ca
uiente ecuaci
e, se emplear
OS DE SOLU
dos proveen
del es el m
cuaciones:
eraciones act
lcula con el
n para deter
ra la mejor es
UCION SIST
n una altern
todo iterativ
uales y previa
mtodo de
rminar otro va
stimacin pos
TEMAS DE E
nativa en lo
o ms com
as.
Gauss-Seide
alor de x. De
ible.
ECUACIONE
s mtodos
nmente usad
el, este se u
esta manera
ES
64
de
do.
usa
, si

D

O

Ejemplo : res
4
4
4
1 4
4 3
3 2
2 1
2 1
= +
+
+
=
x x
x x
x x
x x
Despejando l
4
1
2
1
+
=
x
x
Otro manera
( ) ( ) 1
x x
k k
+
UNIDAD III
suelva el sigu
1
1
1
4
3
=
=
=
x
x

as ecuacione

1
2
+
=
x
x
a de poder re
1
d =
1
d
/ METODO
uiente sistema
es
4
1
3
+ + x
x
esolverse uti
(
1
1
1 1
k
x x =
+
OS DE SOLU
a por el mto
4
4 2
3
+
=
x x
x
lizando otro
) (
1
2
2
1
k k
x x +
+
UCION SIST
odo de Gauss
1 +

4
= x
criterio de p
) (
2
2
...
k
n
k
x x + +
+
TEMAS DE E

s Seidel
4
1
3
+
=
x

paro o de con
)
2
1 k
n
x
+

ECUACIONE
nvergencia
ES
65

Problemas :
Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Gauss Seidel con

2
10
=
3 2
2
15 4 8 9
10 2 5 3
4 3 2 1
4 2
4 3 2 1
4 3 2 1
= + +
= +
= + + +
= + + +
x x x x
x x
x x x x
x x x x

3.2. Sistemas de ecuaciones no lineales

3.2.1. Mtodo iterativo secuencial
A continuacin se dan ejemplos:
a)
( )
0 ) , (
0 4 ,
2
1 2 2 1 2
2
2
2
1 2 1 1
= =
= + =
x x x x f
x x x x f

b)
0 1 ) , (
0 ) ( 10 ) (
1 2 1 2
2
1 2 2 , 1 1
= =
= =
x x x f
x x x x f

66

c)
0 3 3 5 ) , (
0 15 ) ( 2 ) , (
0 10 ) , (
3
3 3 1
2
2 3 , 2 1
2 3 2 1 3 , 2 1
2
3
1 3 2 1 3 , 2 1
= + =
= + + =
= + =
x x x x x x x f
x sen x x x x x x f
x x x x x x x x f

Ejemplo: Encuentre una solucin del sistema de ecuaciones no lineales
0 8 10
0 8 10
2
2
2 2
1
= + + =
= + + =
y x xy y x f
y x x y x f
) , (
) , (

Solucin:
Despejar x Despejar y
10
8
2 2
+ +
=
y x
x
10
8
2
+ +
=
x xy
y

Con la notacin de la ecuacin :
10
8
2 2
1
+ +
=
+
) ( ) (
k k
k
y x
x
10
8
2 2
1
+ +
=
+
) ( ) (
k k k
k
y y x
y
con los valores iniciales se inicia el proceso iterativo , , 0 0
0 0
= = y x
Primera iteracin
8 0
10
8 0 0
2 2
1
. =
+ +
= x 8 0
10
8 0 0 0
2
1
.
) (
=
+ +
= y
Segunda iteracin
928 . 0
10
8 ) 8 . 0 ( ) 8 . 0 (
2 2
2
=
+ +
= x 9312 0
10
8 8 0 8 0 8 0
2
2
.
. ) . ( .
=
+ +
= y
Al continuar el proceso iterativo, se muestra la siguiente sucesin de vectores:
67

68
k
k
x
k
y
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0.00000
0.80000
0.92800
0.97283
0.98937
0.99578
0.99832
0.99933
0.99973
0.99989
0.99996
0.99998
0.99999
1.00000
0.00000
0.80000
0.93120
0.97327
0.98944
0.99579
0.99832
0.99933
0.99973
0.99989
0.99996
0.99998
0.99999
1.00000

Usando mathcad

s x 0
y 0
xr
x
2
y
2
+ 8 +
10
xq
xy
2
x + 8 +
10
tmp1 xr
tmp2 xq
x tmp1
y tmp2
k 0 12 .. for
:=
s 1 =


Para observar la convergencia del proceso iterativo, se pudieron usar los criterios, como
distancia entre dos vectores consecutivos, o bien las distancias componente a componente
de dos vectores consecutivos.
Una condicin suficiente aunque no necesaria , para asegurar la convergencia es que
; 1
2 1
<
M
x
g
x
g
1
2 1
<
M
y
g
y
g

Por otro lado, si M es muy pequea en una regin de inters, la iteracin converge
rpidamente ; si M es cercana a 1 en magnitud , entonces la iteracin puede converger
lentamente.
( )
( )
k k k
k k k
y x g y
y x g x
,
,
1
2
1
1
1
+ +
+
=
=

Problema : Encuentre una solucin del sistema de ecuaciones no lineales, utilizando el
mtodo de punto fijo multivavriable con desplazamiento sucesivos
0 8 10
0 8 10
2
2
2 2
1
= + + =
= + + =
y x xy y x f
y x x y x f
) , (
) , (

69

Solucin:
10
8
2 2
+ +
=
y x
x
10
8
2
+ +
=
x xy
y

( )
10
8 ) ( ) (
,
2 2
1
1
+ +
= =
+
k k
k k k
y x
y x g x
( )
10
8 ) (
,
1 2 1
1
2
1
+ +
= =
+ +
+ +
k k k
k k k
x y x
y x g y
Al derivar parcialmente, se obtiene
10
2
1
k
x
x
g
=

10
2
1
k
y
y
g
=

10
1 ) (
2
+
=
k
y
x
g

10
2
1
2
k k
y x
y
g
+
=

con los valores iniciales se inicia el proceso iterativo , , 0 0
0 0
= = y x
0
0
1
=
x
x
g
0
0
1
=
y
y
g

10
1
0
2
=
y
x
g
0
0
0
2
=
y
x
y
g

Por lo tanto
; 1
10
1
10
1
0
2 1
< = + =
x
g
x
g

1 0 0 0
2 1
< = + =
y
g
y
g

70

3.3. Iteracin y convergencia de sistemas de ecuaciones

3.3.1. Sistemas de ecuaciones de Newton
El mtodo iterativo para sistemas de ecuaciones convergen linealmente. Como en el
mtodo de una incgnita, puede crearse un mtodo de convergencia cuadrtica, es decir, el
mtodo de Newton Raphson multivariable , a continuacin se obtendr este procedimiento
para dos variables; la extensin a tres o mas variables es viable generalizando los
resultados. Supngase que se esta resolviendo el sistema.
( )
( ) 0 ,
0 ,
2
1
=
=
y x f
y x f

Donde ambas funciones son continuas y diferenciables, de modo que puedan expandirse en
serie de Taylor. Esto es:
] ... ) (
) )( ( 2 ) ( [
! 2
1
) ( ) ( ) , ( ) , (
2
2
2
2
2
+

+ =
b y
y x
f
b y a x
y x
f
a x
x x
f
b y
x
f
a x
x
f
b a f y x f

donde f(x, y) se ha expandido alrededor del punto ( a, b) y todas las derivadas parciales
estn evaluadas en ( a, b ).
71

72
Para simplificar aun mas se cambia la notacin con

j y y
k k
=
+1
h x x
k k
=
+1

y as queda la ( k +1) sima iteracin en trminos de la k sima , como se ve a
continuacin:
j y y
h x x
k k
k k
+ =
+ =
+
+
1
1

la sustitucin de la ecuacin :
) , (
) , (
2
2 2
1
1 1
k k
k k
y x f j
y
f
h
x
f
y x f j
y
f
h
x
f
=

el cual es un sistema de ecuaciones lineales en las incgnitas h y j.
Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre que el
determinante de la matriz de coeficiente o matriz j no sea cero; es decir, si
0
2 2
1 1
=
y
f
x
f
y
f
x
f
J
Interpretacin geomtrica del mtodo de Newton Raphson.
Desarrollemos en etapas esta interpretacin para un sistema de dos ecuaciones. Sea el
sistema
1 ) , (
1 ) , (
2 2
2
2 2
1
=
+ =
y x y x f
y x y x f

La grafica de se muestra en la figura 4.4. 1 ) , (
2 2
1
+ = y x y x f


73

74
Ejemplo: Use el mtodo de Newton Raphson para encontrara una solucin aproximada del
sistema:
0 8 10
0 8 10
2
2
2 2
1
= + + =
= + + =
y x xy y x f
y x x y x f
) , (
) , (

+ =
10 2 1
2 10 2
2 2 2
1 1
xy
y
f
y
x
f
y
y
f
x
x
f

que aumentada en el vector de funciones resulta en:
+
+
=
+ =
8 10
8 10
10 2 1
2 10 2
2
2 2
2 2 2
1 1
y x xy
y x x
xy
y
f
y
x
f
y
y
f
x
x
f

primera iteracin
al evaluar la matriz en se obtiene : [
T
y x
0 0
, ]

8 10 1
8 0 10

que al resolverse por eliminacin de Gauss da
h =0.8, j =0.88
al sustituir en la ecuacin se obtiene
88 . 0 88 . 0 0
8 . 0 8 . 0 0
0 1
0 1
= + = + =
= + = + =
j y y
h x x

75
Calculo de la distancia entre y

0
x
1
x
18929 . 1 ) 0 88 . 0 ( ) 0 8 . 0 (
2 2 ) 0 ( ) 1 (
= + = x x

segunda iteracin
al evaluar la matriz en se obtiene : [
T
y x
1 1
, ]

61952 . 0 592 . 8 7744 . 1
41440 . 1 7600 . 1 400 . 8

que al resolverse por eliminacin de Gauss da
h =0.19179, j =0.11171
al sustituir en la ecuacin se obtiene
99171 . 0 11171 . 0 88 . 0
99179 . 0 19179 . 0 8 . 0
2 2
1 2
= + = + =
= + = + =
j y y
h x x

Calculo de la distancia entre y
1
x
2
x
22190 . 0 ) 88 . 0 99171 . 0 ( ) 8 . 0 99179 . 0 (
2 2 ) 0 ( ) 1 (
= + = x x
Con la continuacin de este proceso iterativo se obtienen los resultados siguientes:
k
k
x
k
y
k k
x x
+1

0
1
2
3
4
0.00000
0.80000
0.99179
0.99998
1.00000
0.00000
0.88000
0.99171
0.99997
1.00000
------
1.18929
0.22195
0.01163
0.00004

76
3.4. Aplicaciones
Problema: En una columna de cinco platos, se requiere absorber benceno contenido en una
corriente de gas V, con un aceite L que circula a contracorriente del gas. Considrese que el
benceno transferido no altera sustancialmente el nmero de moles de V y L, fluyendo a
contracorriente, que la relacin de equilibrio est dada por la ley de henry (y = mx) y que la
columna opera a rgimen permanente. Calcule la composicin del benceno en cada plato.
Datos: V =100 moles / min;
L =500 moles / min, fraccin molar de benceno en V. 09 . 0
0
= y
0 . 0
0
= x fraccin molar del benceno en L (el aceite entra por el domo sin benceno).
m =0.12.
Solucin : los balances de materia para el benceno en cada plato son

Plato Balance de benceno
1
2
3
4
5

( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) 0
0
0
0
0
1 0 1 2
2 1 2 3
3 2 3 4
4 3 4 5
5 4 5 0
= +
= +
= +
= +
= +
y y V x x L
y y V x x L
y y V x x L
y y V x x L
y y V x x L

Al sustituir la informacin que se tiene, las consideraciones hechas y rearreglando las
ecuaciones, se llega a:

512 x
1
- 500 x
2
= 9
12 x
1
- 512 x
2
+ 500 x
3
= 0
12 x
2
- 512 x
3
+ 500 x
4
= 0
12 x
3
- 512 x
4
+ 500 x
5
= 0
- 12 x
4
+ 512 x
5
= 0

Un sistema de cinco ecuaciones con cinco incgnitas, que se resuelve con mathcad como
sigue:

A
512
12
0
0
0
500
512
12
0
0
0
500
512
12
0
0
0
500
512
12
0
0
0
500
512
9
0
0
0
0
:= rref A ( )
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0.018
4.32 10
4
1.037 10
5
2.487 10
7
5.829 10
9
=

Problema : Con los datos del diagrama siguiente 8 donde los porcentajes estn dados en
peso) , encuentre posibles valores de la corriente , si
3 2 1
, , M M M kg M 100
4
=

Solucin : Mediante balance de materia por componentes y global, se tiene:
Componente Balance de materia
Etanol
Metanol
Agua
Global

0
0 21 . 0 21 . 0 39 . 0 17 . 0
0 21 . 0 24 . 0 61 . 0 0
0 58 . 0 55 . 0 0 83 . 0
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
= + +
= + +
= + +
= + +
M M M M
M M M M
M M M M
M M M M

77

0
21 21 . 0 39 . 0 17 . 0
21 24 . 0 61 . 0 0
58 55 . 0 0 83 . 0
4 3 2 1
3 2 1
3 2 1
3 2 1
= + +
= + +
= + +
= + +
M M M M
M M M
M M M
M M M

A
0.83
0
0.17
0
0.61
0.39
0.55
0.24
0.21
58
21
21
:= rref A ( )
1
0
0
0
1
0
0
0
1
19.014
4.225
76.761
=

por lo tanto kg M kg M kg M 761 . 76 , 225 . 4 , 014 . 19
3 2 1
= = =
Problema: Un granjero desea preparar una formula alimenticia para engordar ganado,
dispone maz, desperdicios, alfalfa y cebada, cada uno con ciertas unidades de ingredientes
nutritivos , de acuerdo con la tabla siguiente:
Alimento
Maz Desperdicios Alfalfa Cebada Requerimientos
unidades / Kg.
Carbohidratos
Protenas
Vitaminas
Celulosa

Costo $
80
28
20
50

18
15
72
20
10

5
35
57
12
20

7
60
25
20
60

20
230
180
80
160

__

a) Determine los kilogramos necesarios de cada material para satisfacer el
requerimiento diario ( Presentado en la ultima columna)
b) Determine el costo de la mezcla.

78

a ( )
A
80
28
20
50
15
72
20
10
35
57
12
20
60
25
20
60
230
180
80
160
:=
rref A ( )
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
1.852
1.032
0.618
0.745
=
b ( )
Costo 18 5 7 20 ( ) := kilogramos
1.852
1.032
0.618
0.745
:=
Total Costo kilogramos := Total 57.722 ( ) =

Problema : (manufactura). R. S. C. L. S y Asociados fabrica tres tipos de computadora
personal: Cicln, Cclope y Cicloide. Para armar una Cicln se necesitan 10 horas, otras 2
para probar sus componentes y 2 horas mas para instalar sus programas. El tiempo
requerido para la Cclope es 12 horas en su ensamblado, 2.5 para probarla y 2 horas para
instalarla. La Cicloide, la mas sencilla de la lnea, necesita 6 horas de armado, 1.5 horas de
prueba y 1.5 horas de instalacin. Si la fabrica de esta empresa dispone de 1560 horas de
trabajo por mes para armar, 340 horas para probar y 320 horas para instalar, cuantas PC
de cada tipo puede producir en un mes ?
Solucin:
Marcas Ensamblado Pruebas Instalacin
Cicln
Cclope
Cicloide
10
12
6
2
2.5
1.5
2
2
1.5
1560 340 320

320 5 . 1 2 2
340 5 . 1 5 . 2 2
1560 6 12 10
= + +
= + +
= + +
z y x
z y x
z y x

79

80
Resuelta por el mtodo de Gauss J ordn

A
10
2
12
2.5
6
1.5
1560
340
2 2 1.5 320
0 0 1 80
:= rref A ( )
1
0
0
1
0
0
60
40
=

Por consiguiente cada mes se pueden fabricar 60 Ciclones, 40 Cclopes y 80 Cicloides.
Problema : ( Cambio de moneda extranjera ).Una empresaria internacional necesita, en
promedio, cantidades fijas de yenes japoneses, libras inglesas y marcos alemanes durante
cada viaje de negocios. Este ao viajo 3 veces. La primera vez cambio un total de $ 2550
dlar con las siguientes tasas: 100 yenes por dlar, 0.6 libras por dlar y 1.6 marcos por
dlar. La segunda vez cambio $ 2840 dlar en total con las tasas de 125 yenes, 0.5 libras y
1.2 marcos por dlar. La tercera vez, cambio un total de $ 2800 dlar a 100 yenes, 0.6 libras
y 1.2 marcos por dlar. Cuantos yenes, libras y marcos compro cada vez ?

Solucin:
2800
2 . 1
1
6 . 0
1
100
1
2840
2 . 1
1
5 . 0
1
125
1
2550
6 . 1
1
6 . 0
1
100
1
= + +
= + +
= + +
z y x
z y x
z y x

A
1
100
1
125
1
100
1
0.6
1
0.5
1
0.6
1
1.6
1
1.2
1
1.2
2550
2840
2800
:= rref A ( )
1
0
0
0
1
0
0
0
1
80000
600
1200
=

En consecuencia, cada vez compro 80 000 yenes, 600 libras y 1200 marcos para viajar.
81
Problema : ( Calculo de una funcin demanda ). Bikey, Inc., quiere fabricar un nuevo tipo de
zapato deportivo, poco costoso, e investiga el mercado de la demanda. Encuentra que si un
par de zapatos nuevo cuesta $ 20 en un rea de ingreso familiar promedio de $ 20000, y que
si un competidor Trceps , Inc., vende cada par de zapatos a $ 20, vendera 660 pares. Por
otro lado, si el precio fuera igual y Trceps bajara su precio a $10 el par, entonces, vendera
1130 pares en un rea de $ 30000 de ingreso. Por ultimo, si el precio de los zapatos fuera $
15 el par, y la competencia se queda en $ 20 el par, se vendera 1010 pares en un rea de
$25000 de ingreso. Determine la funcin demanda, suponiendo que depende linealmente de
sus variables.
Solucin:
Sea D =a P +b I +c C . Deseamos conocer a, b y c.
1010 20 25000 15
1130 10 30000 20
660 20 20000 20
= + +
= + +
= + +
c b a
c b a
c b a

A
20
20
15
20000
30000
25000
20
10
20
660
1130
1010
:= rref A ( )
1
0
0
0
1
0
0
0
1
20
0.05
3
=

Por consiguiente , la funcin demanda esta expresada por C I P D 3 05 . 0 20 + + =
Problema: ( soluciones qumicas ). Se necesitan tres ingredientes distintos, A, B y C , para
producir determinada sustancia. pero deben disolverse primero en agua, antes de ponerlos a
reaccionar para producir la sustancia. La solucin que contiene A con 1.5 gramos por
centmetros cbicos ( g / cm
3
), combinada con la solucin B cuya concentracin es de 3.6 g
/ cm
3
y con la solucin C con 5.3 g / cm
3
forma 25.07 g de la sustancia. si las proporciones
de A, B y C en esas soluciones se cambian a 2.5, 4.3 y 2.4 g / cm
3
, respectivamente (
permaneciendo iguales los volmenes ), se obtienen 22.36 g de la sustancia. Por ultimo, si
las proporciones se cambian a 2.7, 5.5 y 3.2 g / cm
3
, respectivamente, se producen 28.14 g
de la sustancia. Cuales son los volmenes, en centmetros cbicos, de las soluciones que
contienen A, B y C?

Solucin:
14 . 28 2 . 3 5 . 5 7 . 2
36 . 22 4 . 2 3 . 4 5 . 2
07 . 25 3 . 5 6 . 3 5 . 1
= + +
= + +
= + +
z y x
z y x
z y x

A
1.5
2.5
2.7
3.6
4.3
5.5
5.3
2.4
3.2
25.07
22.36
28.14
:= rref A ( )
1
0
0
0
1
0
0
0
1
1.5
3.1
2.2
=

Por consiguiente, los volmenes correspondientes de las soluciones que contienen A, B y C
son 1.5 cm
3
, 3.1 cm
3
y 2.2 cm
3
.

Ejemplo: Un ingeniero industrial supervisa la produccin de cuatro tipos de computadoras.
Se requiere cuatro clases de recursos horas-hombre, metales, plsticos y componentes
electrnicos en la produccin. En el cuadro siguiente se resumen las cantidades
necesarias para cada uno de estos recursos en la produccin de cada tipo de computadora.
Si se dispone diariamente de 504 horas-hombre, 1970 Kg. de metal , 970 Kg. de plstico y
601 componentes electrnicos, Cuntas computadoras de cada tipo se puede construir por
da?

Computadoras Horas-hombre,
kg/computadora
Metales
kg/computadora
Plsticos
kg/computadora
Componentes,
unidades /
computadora
1
2
3
4
3
4
7
20
20
25
40
50
10
15
20
22
10
8
10
15
Totales 504 1970 970 601

82

Usando mathcad
A
3
20
10
10
4
25
15
8
7
40
20
10
20
50
22
15
504
1970
970
601
:= rref A ( )
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
10
12
18
15
=
M
3
20
10
10
4
25
15
8
7
40
20
10
20
50
22
15
:= v
504
1970
970
601
:=
soln lsolve M v , ( ) :=
soln
10
12
18
15
=

x
1
504
1970
970
601
4
25
15
8
7
40
20
10
20
50
22
15
3
20
10
10
4
25
15
8
7
40
20
10
20
50
22
15
:= x
2
3
20
10
10
504
1970
970
601
7
40
20
10
20
50
22
15
3
20
10
10
4
25
15
8
7
40
20
10
20
50
22
15
:=
x
1
10 = x
2
12 =
x
4
3
20
10
10
4
25
15
8
7
40
20
10
504
1970
970
601
3
20
10
10
4
25
15
8
7
40
20
10
20
50
22
15
:=
x
3
3
20
10
10
4
25
15
8
504
1970
970
601
20
50
22
15
3
20
10
10
4
25
15
8
7
40
20
10
20
50
22
15
:=
x
4
15 =
x
3
18 =

83

84

Problema : Un ingeniero necesita 4800 m
3
de NaCl, 5810 m
3
de KCl y 5960 m
3
de NaOH,
existen tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin
de estos depsitos viene dad en la siguiente tabla. Cuantas m
3
debe tomar de cada
depsito para cumplir con las necesidades requeridas ?

Sustancia Depsito ( % )
1 2 3
NaCl
KCl
NaOH
52
30
18
20
50
30
25
20
55

Solucin:

A
0.52
0.30
0.18
0.20
0.50
0.30
0.25
0.20
0.55
4800
5810
5960
:= rref A ( )
1
0
0
0
1
0
0
0
1
3744.767
7071.744
5753.488
=

Problema: Sobre una membrana elstica, apoyada en sus extremos actan 3 fuerzas
, aplicadas en 3 puntos equidistantes . Estas fuerzas provocan los
siguientes deshilamiento en cada punto respectivamente 3, 5 y 3 , si los coeficientes de
influencia son ;
3 2 1
, , f f f
3 2 1
, , P P P
3
2 , 1
= a 2
2 , 1
= a ; 1
3 , 1
= a ; para el y
1
P 2
1 , 2
= a ; ; 4
2 , 2
= a 5 / 1
3 , 2
= a
para y ; ;
2
P 1
1 , 3
= a a 2
2 ,
=
3
3
3 , 3
= a para . Se piden determinar las fuerzas para
.
3
P
3 2 1
, , f f f

A
3
2
1
2
4
2
1
1
5
3
3
5
3
:= rref A ( )
1
0
0
0
1
0
0
0
1
5
29
67
58
5
29
=
rref A ( )
1
0
0
0
1
0
0
0
1
0.172
1.155
0.172
=

85
Problema: Determine las concentraciones molares de una mezcla de cinco componentes en

solucin a partir de los siguientes datos espectrofotometricos .
Longitud de
onda
i
Absorbancia molar del componente Absorbancia
total
observada
j
1 2 3 4 5
1
2
3
4
5
98
11
27
1
2
9
118
27
3
4
2
9
85
17
7
1
4
8
142
17
0.5
0.88
2
25
118
0.1100
0.2235
0.2800
0.3000
0.1400

Asmase que la longitud de la trayectoria ptica es unitaria y que el solvente no absorbe a
estas longitudes de onda. Utilice el mtodo de Gauss Seidel. Utilizando como criterio de
paro 002 . 0 = ; es la concentracin molar del componente j en la mezcla. =
j
C

UNIDAD 4
DIFERENCIACION E
INTEGRACION
NUMERICA
Objetivo:
Aplicara los mtodos numricos para la
solucin de problemas de diferenciacin
e integracin numrica, usando un

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

4.1 Diferenciacin numrica.
Cuando se va a practicar una operacin en una funcin tabulada, el camino es aproximar la
tabla por alguna funcin y efectuar la operacin aproximadamente. As se procedi en la
integracin numrica y as se proceder en la diferenciacin numrica; esto es, se
aproximara la funcin tabulada f(x) y se diferenciara la aproximacin ). (x p
n
Si la aproximacin es polinomial y con el criterio de ajuste exacto, la diferenciacin numrica
consiste simplemente en diferenciar la formula del polinomio interpolante que se utilizo. Sea
en general.
) ( ) ( ) ( x R x p x f
n n
+ =
y la aproximacin de la primera derivada queda entonces
dx
x dp
dx
x df
n
) ( ) (
=
o en general
n
n
n
n
n
dx
x p d
dx
x f d ) ( ) (
=
Al diferenciar la formula fundamental de Newton dada arriba se tiene
n
n
n
n
n
n
n
n
dx
x R d
dx
x p d
dx
x f d ) ( ) ( ) (
+ =
donde
n
n
n
dx
x R d ) (
es el error que se comete al aproximar
n
n
dx
x f d ) (
por
n
n
n
dx
x p d ) (
.
Si las abcisas dadas estn espaciadas regularmente por intervalos de longitud
h, entonces puede escribirse en trminos de diferencias finitas.
n
x x x ,..., ,
1 0
) (x p
n

Y la primera derivada de f(x) queda aproximada por
h
x f x f
dx
x df ) ( ) ( ) (
0 1

=
Se desarrollan las diferencias hacia delante y se tiene

87

) (
2
2
) (
2
2 2 4 2
) (
2
2 2 ) (
2
2
1 0
1
2
1 0
0
2
1 0
x f
h
x x x
x f
h
h x x x
x f
h
h x x x
dx
x df
+ +
+

=

la segunda derivada puede calcularse derivando una vez mas con respecto a x, o sea
) (
1
) (
2
) (
1 ) (
2
2
1
2
0
2 2
2
x f
h
x f
h
x f
h dx
x f d
+ =

Problema : La ecuacin de Van der Walls para un gmol de CO
2
es
( ) RT b v
v
a
P =
+
2

donde
K gmol cm atm R
gmol cm b
gmol cm atm x a
* / * 1 . 82
/ 8 . 42
/ * 10 6 . 3
3
3
2 6 6
=
=
=

Si T =350 K, se obtiene la siguiente tabla de valores.
Puntos 0 1 2 3
P (atm) 13.782 12.577 11.565 10.704
V (cm
3
) 2000 2200 2400 2600

Calcule
v
P
cuando v =2300 cm
3
y comprelo con el valor de la derivada analtica
Solucin :
2
2
1 0
1
2
1 0
0
2
1 0
2
2
2
2 2 4 2
2
2 2
P
h
v v v
P
h
h v v v
P
h
h v v v
v
P
+ +
+
; con h =200
00506 . 0 ) 565 . 11 (
) 200 ( 2
2200 2000 ) 2300 ( 2
) 577 . 12 (
) 200 ( 2
) 200 ( 2 ) 2200 ( 2 ) 2300 ( 4 ) 2000 ( 2
) 782 . 13 (
) 200 ( 2
) 200 ( 2 2200 2000 ) 2300 ( 2
2
2 2
=

+
+
+

=

88

89
La derivada analtica es
Pv Pb
a
v
+
ab
v
2
RT P v b ( )
a
v
+
ab
v
2
RT
P v ( )
a
v v b ( )
ab
v
2
v b ( )
+
R T
v b ( )
+ P v ( )
a
v
2
v b
( )
ab
v
3
v
2
b
( )
+
R T
v b ( )
+
v
a
v
2
v b
d
d v
ab
v
3
v
2
b
d
d
+
v
R T
v b
d
d
+ simplify
1
v
3
2 a v
2
4 a v b 2 a b
2
R T v
3
+
( )
v b + ( )
2

R 82.1 := T 350 := a 0.0000036 := b 42.8 := v 2300 :=
1
v
3
2 a v
2
4 a v b 2 a b
2
R T v
3
+
( )
v b + ( )
2
5.6398962938964669366 10
-3

Problema : En una reaccin qumica A +B ---->Productos, la concentracin del reactante A
es una funcin de la presin P y la temperatura T. La siguiente tabla presenta la
concentracin de A en gmol/L como una funcin de estas dos variables.
P (Kg/cm
2
) Temperatura T (K)
273 300 325 360
1 0.99 0.97 0.96 0.98
2 0.88 0.82 0.79 0.77
8 0.62 0.51 0.48 0.45
15 0.56 0.49 0.46 0.42
20 0.52 0.44 0.41 0.37

Calcule la variacin de la concentracin de A con la temperatura a P =8 Kg/cm
2
y T =300 K,
usando un polinomio de segundo grado.
Solucin.
Lo que se busca es en si
8 , 300 = =
P T
A
T
C
que se puede evaluar con la ecuacin
( )( ) ( )( ) ( )( )
) (
2
) (
2
) (
2 ) (
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1 2
x f
x x x x
x x x
x f
x x x x
x x x
x f
x x x x
x x x
dx
x dp

=

donde f(x) representa a C
A
y x a T; de tal modo que sustituyendo los tres puntos enmarcados
de la tabla queda
2
300, 8
( ) (2(300) 300 325)(0.62)
(273 300)(273 325)
(2(300) 273 325)(0.51) (2(300) 273 300)(0.48)
0.0026
(300 273)(300 325) (325 273)(325 300)
A
T P
p x C
x T
gmol
LK
= =

= =

+ + =

90

91
Diferencias divididas finitas de la primera derivada hacia delante

Primera derivada
( )
( ) ( )
h
x f x f
x f
i i
i
=
+1

( )
( ) ( ) ( )
h
x f x f x f
x f
i i i
i
2
3 4
1 2
+
=
+ +

Segunda derivada
( )
( ) ( ) ( )
2
1 2
3 2
h
x f x f x f
x f
i i i
i

=
+ +

( )
( ) ( ) ( ) ( )
2
1 2 3
3 5 4
h
x f x f x f x f
x f
i i i i
i
+ +
=
+ + +

Tercera derivada
( )
( ) ( ) ( ) ( )
3
1 2 3
3 3
h
x f x f x f x f
x f
i i i i
i
+
=
+ + +

( )
( ) ( ) ( ) ( ) ( )
3
1 2 3 4
2
5 18 24 14 3
h
x f x f x f x f x f
x f
i i i i i
i
+ +
=
+ + + +

Cuarta derivada
( )
( ) ( ) ( ) ( ) ( )
4
1 2 3 4
4 6 4
h
x f x f x f x f x f
x f
i i i i i
i
+ +
=
+ + + +

( )
( ) ( ) ( ) ( ) ( ) ( )
4
1 2 3 4 5
3 14 26 24 11 2
h
x f x f x f x f x f x f
x f
i i i i i i
i
+ + +
=
+ + + + +

92
donde:
f
i
=se le conoce como la primera diferencia hacia adelante y
h =se le llama tamao del paso, esto es la longitud del intervalo sobre el cual se hace la
aproximacin.

Se le llama diferencia hacia adelante ya que se usa los datos i e i +1 para estimar la
derivada.

Esta diferencia dividida hacia adelante no es sino una de tantas que se puede desarrollar
mediante la serie de Taylor para la aproximacin de derivadas numricas. Por ejemplo, las
aproximaciones a primeras derivadas, utilizando las diferencias hacia atrs o las diferencias
centrales se pueden desarrollar de una manera similar a la ecuacin:
Aproximaciones a la primera derivada con diferencia hacia atrs.
Primera derivada
( )
( ) ( )
h
x f x f
x f
i i
i
1
=
( )
( ) ( ) ( )
h
x f x f x f
x f
i i i
i
2
4 3
2 1
+
=
Segunda derivada
( )
( ) ( ) ( )
2
2 1
2
h
x f x f x f
x f
i i i
i

+
=
( )
( ) ( ) ( ) ( )
2
3 2 1
4 5 2
h
x f x f x f x f
x f
i i i i
i
+
+
=
Tercera derivada
( )
( ) ( ) ( ) ( )
3
3 2 1
3 3
h
x f x f x f x f
x f
i i i i
i

+
=
( )
( ) ( ) ( ) ( ) ( )
3
4 3 2 1
2
3 14 24 18 5
h
x f x f x f x f x f
x f
i i i i i
i

+ +
=
93
Cuarta derivada
( )
( ) ( ) ( ) ( ) ( )
4
h
i
4 3 2 1
4 6 4 x f x f x f x f x f
x f
i i i i i
+ +
=
( )
( ) ( ) ( ) ( ) ( ) ( )
4
5 4 3 2 1
2 11 24 26 14 3
h
x f
i i i i i i
i

+ +
=

Aproximaciones a la primera derivada con diferencias centrales.
Primera derivada
( )
( ) ( )
h
x f x f
x f
i i
i
2
1 1 +

=
( )
( ) ( ) ( ) ( )
h
x f x f x f x f
x f
i i i i
i
12
8 8
2 1 1 2 + +
+ +
=
Segunda derivada
( )
( ) ( ) ( )
2
1 1
3 2
h
x f x f x f
x f
i i i
i
+
+
=
( )
( ) ( ) ( ) ( ) ( )
2
2 1 1 2
12
16 30 16
h
x f x f x f x f x f
x f
i i i i i
i
+ +
+ +
=
Tercera derivada
( )
( ) ( ) ( ) ( )
3
2 1 1 2
2
2 2
h
x f x f x f x f
x f
i i i i
i
+ +
+
=
( )
( ) ( ) ( ) ( ) ( ) ( )
3
3 2 1 1 2 3
8
8 13 13 8
h
x f
i i i i i i
i
+ + +
+ + +
=
94
Cuarta derivada
( )
( ) ( ) ( ) ( ) ( )
4
h
i
2 1 1 2
4 6 4 x f x f x f x f x f
x f
i i i i i + +
+ +
=
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
4
3 2 1 1 2 3
6
12 39 56 39 12
h
x f x f x f x f x f x f x f
x f
i i i i i i i
i
+ + +
+ + + + +
=

Las aproximaciones mas exactas de la primera derivada se pueden desarrollar incluyendo
en la serie de Taylor trminos de orden mas alto. Finalmente, todas las versiones anteriores
se pueden desarrollar para derivadas de segundo orden, tercer orden y ordenes superiores.

Ejemplo : Formulas de diferenciacin con alta exactitud.
Planteamiento del problema:

F (x) =- 0.1 x
4
0.15 x
3
0.5 x
2
0.25 x +1.2
En x =0.5 usando un tamao de paso h =0.25.
Solucin:
F (x) =- 0.4 x
3
0.45 x
2
1.0 x 0.25 x
Y se puede usar para calcular el valor exacto de :

F (x) =- 0.4 x
3
0.45 x
2
1.0 x 0.25 x ; X =0.5; f ( 0.5) =- 0.9125.

1
75 0
5 0
25 0
0
2
1
1
2
=
=
=
=
=
+
+
i
i
i
i
i
x
x
x
x
x
.
.
.

2 0
6363281 0
925 0
103516 1
2 1
2
1
1
2
. ) (
. ) (
. ) (
. ) (
. ) (
=
=
=
=
=
+
+
i
i
i
i
i
x f
x f
x f
x f
x f

Estos datos se pueden usar para calcular la diferencia dividida hacia delante
859375 0
25 0 2
925 0 3 6363281 0 4 2 0
5 0 .
) . (
) . ( ) . ( .
) . ( =
+
= f

la diferencia dividida hacia atrs
878125 0
25 0 2
2 1 103515625 1 4 925 0 3
5 0 .
) . (
. ) . ( ) . (
) . ( =
+
= f

Y la diferencia dividida central
9125 0
25 0 12
2 1 103515625 1 8 6363281 0 8 2 0
5 0 .
) . (
. ) . ( ) . ( .
) . ( =
+ +
= f

Ejercicios propuestos:
sense aproximaciones de diferencias de 0(h) hacia atrs y hacia delante y una
aproximacin central de 0 (h
2
). Para estimar la primera derivada de la funcin mencionada .
F(X) =25 x
3
6x
2
+7x 88
Evalese la derivada en x =2.5 usando un tamao de paso de h =0.25. comprense los
resultados con el valor correcto de la derivada en x =2.5.

4.2 Integracin numrica
De acuerdo a la definicin del diccionario, integrar significa unir todas las partes en un todo;
unificar; indicar la cantidad total, . . . . matemticamente, la integracin se representa por
=
b
a
dx x f I ) (
EC. 1

95

La cual representa a la integracin de la funcin f (x) con respecto a la variable x, evaluada
entre los limites x =a y x =b.

Como lo sugiere la definicin del diccionario, el significado de la ecuacin es el valor total o
sumatoria de f (x ) dx sobre el intervalo de x =a a b. En realidad, el smbolo es una s
mayscula estilizada que indica la conexin cercana entre la integracin y la sumatoria (
Thomas y Finney, 1979).

La figura 1 , representa una manifestacin grafica de este concepto. Para las funciones que
se encuentran sobre el eje x, la integral expresada por la ecuacin 1, corresponde al rea
bajo la curva de f (x) entre x =a y x =b. Habr muchas ocasiones de volver a referirse a
esta concepcin grafica a medida que se desarrollen formulas matemticas para integracin
numrica. De hecho, la mayor parte de los mtodos numricos para integracin, se puede
interpretar desde una perspectiva grafica.

figura 1. Representacin grafica de la integral de f(x) .

Formulas de integracin de Newton - cotes
Las formulas de Integracin de Newton-Cotes son los esquemas de integracin numrica
ms comunes. Se basan en la estrategia de reemplazar una funcin complicada o datos
tabulados con una funcin aproximada que sea fcil de integrar :
dx x f dx x f I
b
a
b
a
n

= ) ( ) (
donde f
n
(x)=polinomio

96

donde n es el orden del polinomio. Por ejemplo en la figura (1) , se usa un polinomio de
primer orden (una lnea recta) como aproximacin. En la figura (1 b) se emplea una parbola
para el mismo propsito.

figura 1 : estimacin de una integral mediante el rea bajo a) una lnea recta, y b) una
parbola.

La integral se puede aproximar usando una serie de polinomios aplicados por partes a la
funcin o a los datos sobre intervalos de longitud constantes. Por ejemplo en la figura 2, se
usan tres segmentos de lnea recta para aproximar la integral.

figura 2: aproximacin de la integral mediante el rea bajo tres segmentos.
Se puede usar polinomio de mayor grado para este mismo propsito. Con estos
fundamentos ahora se reconoce que el mtodo de bandasde la figura 3 empleo una serie
de polinomios de orden cero ( esto es, constantes) para aproximar la integral.
97

Se dispone de las formas abiertas y cerradas de las formulas de Newton-Cotes. Las formas
cerradas son aquellas en donde los puntos al principio y al final de los limites de integracin
se conocen figura (3 a. )

figura 3: diferencia entre formulas de integracin a) cerradas y b) abiertas.

Las formulas tienen los limites de integracin extendidos mas all del rango de los datos
figura (3 b) . Las formulas abiertas de Newton Cotes, en general, no se usan en la
integracin definida. Sin embargo, se usan extensamente en la solucin de ecuaciones
diferenciales ordinarias.

Fundamentos matemticos
b
a
b
a
x F dx x f I ) ( ) ( = =

en donde F(x) es la integral de F(x) , esto es , cualquier funcin tal que F(x) =f(x) . la
nomenclatura sobre el lado derecho queda

) ( ) ( ) ( a F b F x F
b
a
=

4.2.1 Mtodo del trapecio
La regla del trapecio o regla trapezoidal es la primera de las formulas de integracin cerrada
de Newton-Cotes. Corresponde al caso donde el polinomio en la ecuacin [1] es de primer
orden :
98

99

=
b
a
b
a
dx x f dx x f ) ( ) ( /
1

Recuerde que una lnea recta se representa como :
( ) ( )
( ) ( )
( ) a x
a b
a f b f
a f x f
+ =
1

El rea bajo la lnea recta es una aproximacin de la integral de f (x) entre los limites a y b :
+ =
b
a
dx a x
a b
a f b f
a f I ) (
) ( ) (
) (
El resultado de la integracin es :
( )
2
) ( ) ( b f a f
a b I
+
=
La cual se denomina regla trapezoidal.

Error de la regla Trapezoidal
Cuando empleamos la integral bajo un segmento de lnea recta para aproximar la integral
bajo una curva, obviamente podemos incurrir en un error que puede ser sustancial. Una
estimacin para el error de truncamiento de una sola aplicacin de la regla trapezoidal es :
( )( )
3
12
1
a b f E
t
=

donde est en algn lugar en el intervalo de "a" a "b". La ecuacin anterior indica que si la
funcin sujeta a integracin es lineal, la regla trapezoidal ser exacta.

De otra manera, ocurrir un error para funciones con derivadas de segundo y tercer orden
(es decir con curvatura).
100

Ejemplo: aplicacin de la regla trapezoidal simple para integrar numricamente
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ := x 0 0.001 , 0.8 .. :=
a 0 := b 0.8 :=
0 0.5 1
2
4
f x ( )
I
1
a
b
x f x ( )
d := I
1
1.64053333 =
x
I b a ( )
f a ( ) f b ( ) +
2
:=
I 0.1728 =

que representan un error de

E
v
=1.64053334 0.1728 =1.46773334
Que corresponde a un error relativo porcentual de
v
=89.5 % . La razn para este error
tan grande es evidente en la grafica .
ntese que el rea bajo la lnea recta descuida una porcin significativa de la integral sobre
la lnea.
En la situacin actual, no se tendra conocimiento previo del valor verdadero. Por lo tanto, se
requiere una aproximacin al error. Parta obtener esta aproximacin, se calcula la segunda
derivada de la funcin sobre el intervalo , derivando la funcin original dos veces para dar
media
a
b
x
2
x
f x ( )
d
d
2
d
b a
:= media 60 =
E
a
1
12
media b a ( )
3
:=
E
a
2.56 =

Que es el mismo orden de magnitud y signo que tiene el error verdadero.
Existe una discrepancia debido a que un intervalo de este tamao, el promedio de la
segunda derivada no es necesariamente una aproximacin exacta de f ( ). Por lo tanto, se
denota que el error es aproximado usando la notacin E
a
, en vez de usar E
v.

Ejercicio : aplicacin de la regla trapezoidal simple
f x ( ) 10 2x + 6x
2
5x
4
+ := x 0 0.001 , 10 .. :=
a 0 := b 10 :=
0 5 10
2
.
10
4
4
.
10
4
6
.
10
4
f x ( )
x
I
1
a
b
x f x ( )
d := I
1
98200 =
I b a ( )
f a ( ) f b ( ) +
2
:=
I 247200 =

101

102
f x ( ) 1 x 4x
3
3x
5
+ := x 3 2.99 , 5 .. :=
a 3 := b 5 :=
5 0 5
5000
5000
1
.
10
4
f x ( )
x
I
1
a
b
x f x ( )
d := I
1
6904 =
I b a ( )
f a ( ) f b ( ) +
2
:=
I 33016 =

f x ( ) 8 5sin x ( ) + := x 0 0.001 , .. :=
a 0 := b :=
0 1 2 3 4
8
10
12
14
f x ( )
x
I
1
a
b
x f x ( )
d := I
1
35.13274123 =
I b a ( )
f a ( ) f b ( ) +
2
:=
I 25.1327 =

La regla del trapecio utilizando segmentos mltiples
Una mejor manera de mejorar la actitud de la regla trapezoidal es la de dividir el intervalo
de integracin de a a b en un conjunto de segmentos y aplicar el mtodo a cada uno de los
segmentos.
103

Figura: ilustracin de la regla trapezoidal mltiple a) dos segmentos, b) tres segmentos; c)
cuatro segmentos; d) cinco segmentos
En seguida se suman las reas de los segmentos individuales y se obtiene la integral sobre
el intervalo completo. A las ecuaciones resultantes se les conoce como formulas de
integracin de segmento mltiple o formulas de integracin compuestas.
n
a b
h

=
Si a y b son designados como X
o
y X
n
, respectivamente, la integral total se representa como

+ + + =
1
0
2
1 1
) ( ... ) ( ) (
x
x
x
x
x
x
n
n
dx x f dx x f dx x f I
( ) ( )

Al sustituir la regla trapezoidal para cada integral se obtiene :
( ) ( ) ( ) ( )

+ +

=

2
...
2 2
1 2 1 1 0 n n
x f x f
h
x f x f
h
x f x f
h I

o mediante agrupacin de trminos :
( ) ( ) ( )
+ + =

=
1
1
0
2
2
n
i
n i
x f x f x f
h
I
en formato general es :
n
x f x f x f
a b I
n
n
i
i
2
) ( ) ( 2 ) (
) (
1
1
0
+ +
=

=

ya que la sumatoria de los coeficientes de f(x) en el numerador dividido por 2n es igual a 1,
la altura promedio representa un promedio pesado de los valores de la funcin. De acuerdo
a la ecuacin anterior , las alturas de los puntos interiores aparecen doblemente respecto a
los puntos finales f ( x
0
) y f (x
n
).
n
f
f
n
i
=

=
1
por lo tanto.
( )
2
3
12n
f a b
E
a

=

De esta manera que , si el numero de segmento se duplica , el error de truncamiento
disminuye a un cuarto de su valor. Ntese que la ecuacin anterior es un error aproximado
debido a la naturaleza aproximada de la ecuacin.

Ejemplo : regla trapezoidal de segmentos mltiples.
104

I 1.0688 =
I b a ( )
f x
0
( )
2f x
1
( )
+ f x
2
( )
+
2n
:=
x
2
0.8 = x
1
0.4 =
x
2
x
1
h + := x
1
x
0
h + := x
0
0 :=
h 0.4 =
h
b a
n
:=
0 0.5 1
2
4
f x ( )
x
Int 1.64053333 = Int
a
b
x f x ( )
d :=
n 2 :=
b 0.8 := a 0 :=
x 0 0.001 , 0.8 .. := f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=

Ejercicio : regla trapezoidal de segmentos mltiples
f x ( ) 8 5sin x ( ) + := x 0 0.001 , .. :=
0 1 2 3 4
8
10
12
14
f x ( )
x
a 0 := b :=
n 6 :=
Int
a
b
x f x ( )
d := Int 35.13274123 =
h
b a
n
:=
h 0.523599 =

105

4
U
o
c
S
c

I 34.9032274 =
I b a ( )
f
(
:=
x
6
3.141593 =
x
6
x
5
h + :=
x
1
x
1
x
0
0 :=
4.2.2 Mto
Un forma de
orden superio
camino entre
Si hay dos p
conectar con
UN
E
b a (
12n
2
:=
4
x
0
)
2 f x
1
( )
+
(
+
3
1
0.523599 =
1
x
0
h + :=
odo de Simp
obtener una
or para cone
f(a) y f(b), los
puntos igualm
un polinomio
IDAD IV / D
a)
3
2
a
b
2
x
f(
d
d
2
b a
f x
2
( )
+ f x
3
( )
+
2n
x
2
1.047198 =
x
2
x
1
h + :=
pson
estimacin e
ctar los punto
s tres puntos
mente espaci
o de tercer ord
DIFERENCIA
x x ( ) d
a
f x
4
( )
+ f x
5
( )
+
x
3
1.570796 =
x
3
x
2
h + :=
exacta de una
os. Por ejem
se pueden co
iados entre f
den.
ACION E INT
E 0.228463 =
)
f x
6
( )
+

x
4
2.09439 =
6
x
4
x
3
h + :=
a integral es c
plo, si hay u
onectar con u

f(a) y f(b), lo

TEGRACIO
3
x
5
2.6179 = 95
x
5
x
4
h + :=
con el uso de
n punto extra
una parbola.
os cuatro pun
N NUMERIC
1
994
h

e polinomios
a a la mitad d
.
ntos se pued
CA
106
de
del
den
Las formulas que resultan al tomar las integrales bajo esos polinomios son conocidos como
reglas de Simpson.

Regla de Simpson 1/3
La Regla de Simpson 1/3 resulta cuando una interpolacin polinomial de segundo orden es
sustituida en la ecuacin :

=
d
b
d
b
dx x f dx x f I ) ( ) (
2

2
a b
h

=

donde, para este caso, h =(b - a)/2. Esta ecuacin es conocida como regla Simpson 1/3. La
especificacin"1/3" surge del hecho de que h est dividida entre 3 en la ecuacin anterior .
La regla de Simpson 1/3 se expresa tambin con el uso del formato de la ecuacin :
6
) ( ) ( 4 ) (
) (
2 1 0
x f x f x f
a b I
+ +
=

Ejemplo de aplicacin de la regla de Simpson de 1/3 simple
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
desde a =0 hasta b =0.8
solucion
el valor exacto es:
0
0.8
x f x ( )
d 1.640533333333333333
x 0 0.01 , 0.8 .. :=

107

108
,
0 0.5 1
2
4
f x ( )
x
a 0 := b 0.8 :=
h
b a ( )
2
:=

h 0.4 =
f x ( ) 0.2 25x + 200 x
2
675 x
3
+ 900 x
4
400 x
5
+ :=
f a ( ) 0.2 = f h ( ) 2.456 = f b ( ) 0.232 =
la regla de Simpson 1/3
I b a ( )
f a ( ) 4 f h ( ) + f b ( ) +
6
:=
I 1.367467 =

media
0
0.8
x
4
x
f x ( )
d
d
4
d
b a
2400.0000000000000000 :=
E
1
90
h
5
media :=
E
a
b a ( )
5
2880
media :=
E 0.2730667 ( ) =
E
a
0.2730667 =

Problemas propuestos: evalense las integrales con la aplicacin simple de la regla Simpson
de 1/3
a ( )
0
10
x 10 2x + 6x
2
5x
4
+
( )
d
b ( )
3
5
x 1 x 4x
3
3x
5
+
( )

R
L
s

L
O
A
S
r
a
c ( )
0
d ( )
0
4
x
Regla de Sim
La Regla de S
segmentos de
n
a b
h

=

La integral tot
Observe que
Adems, los
Sin embargo
representan e
aplicaciones
UN
8 5sin x ( ) + ( )
x e
2x
d
7
4
ex
mpson 1/3 de
Simpson se p
e igual anchu
tal se puede
b I ( =
e, se debe ut
coeficientes
o, siguen en
el termino me
adyacentes y
IDAD IV / D
x d 8 10 +
xp 8 ( )
1
4
+
e segmentos
puede mejora
ura
representar c
x f
a
4 ) (
)
0
+
tilizar un num
"4"y "2" en la
n forma natu
edio para cad
y por tanto se
DIFERENCIA
0

s mltiple
ar al dividir el

como :
n
x f
n
i
i
3
) ( 4
1
5 , 3 , 1
+
=
mero par de s
a ecuacin po
ural la regla
da aplicacin
cuentan dos
ACION E INT
intervalo de i

n
x f
n
j
j
) ( 2
2
6 , 4 , 2
=
segmentos p
odran parece
a de Simpso
n. Los puntos
veces.
TEGRACIO
integracin en
x f
n
) ( +

para impleme
er peculiares
on 1/3. Los
s pares son c
N NUMERIC
1
n un numero

ntar el mtod
a primera vis
puntos non
comunes en
CA
109
de
do.
sta.
nes
las
110

Un error estimado para la aplicacin de la regla de Simpson se obtiene sumando los errores
individuales de los segmentos y sacando el promedio de la derivada.
) (
180
) (
) 4 (
4
5
f
n
a b
E
a
=

donde f
(4)
es el promedio de la cuarta derivada para el intervalo

Ejemplo : de la regla de Simpson de 1/3 de aplicacin mltiples
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
desde a =0 hasta b =0.8 con n =4
solucion
el valor exacto es:
0
0.8
x f x ( )
d 1.640533333333333333
x 0 0.01 , 0.8 .. :=

,
0 0.5 1
2
4
f x ( )
x
a 0 := b 0.8 := n 4 :=
h
b a ( )
n
:=
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
h 0.2 =

I b a ( )
f x
0
( )
4 f x
1
( )
f x
3
( )
+
( )
+ 2 f x
2
( ) ( )
+ f x
4
( )
+
3 n
:=
la regla de Simpson 1/3 de aplicacin multiple
f x
3
( )
3.464 = f x
2
( )
2.456 = f x
1
( )
1.288 = f x
0
( )
0.2 =
f x
4
( )
0.232 =
x
4
0.8 = x
3
0.6 = x
2
0.4 = x
1
0.2 = x
0
0 =
x
4
b := x
3
a h + h + h + := x
2
a h + h + := x
1
a h + := x
0
a :=

I 1.623467 =
media
0
0.8
x
4
x
f x ( )
d
d
4
d
b a
2400.0000000000000000 :=
E
a
b a ( )
5
180 n
4
media :=
E
a
0.017067 =

Regla de Simpson 3/8

3
a b
h

=

[ ]
8
) ( ) ( ) ( 3 ) (
) (
3 2 1 0
x f x f x f x f
a b I
+ + +
=

111

) (
6480
) (
) 4 (
5
f
a b
E
a
=

LA REGLA DE SIMPSON 3/8
a ( )
Con la regla de Simpson 3/8 integre
f x ( ) 0.2 25x + 200 x
2
675 x
3
+ 900 x
4
400 x
5
+ :=
desde a =0 hasta b =0.8 con n =4
b ( )
Usela junto con la regla de simpson 1/3 con la finalidad de integrar la misma funcion
en cinco segmentos.

solucion
a ( )
Una sola aplicacion de la regla de Simpson requiere cuatro puntos equidistantes:
el valor exacto es:
0
0.8
x f x ( )
d 1.640533333333333333
x 0 0.01 , 0.8 .. :=
0 0.5 1
2
4
f x ( )
x

f x
3
( )
0.232 = f x
2
( )
3.487177 = f x
1
( )
1.432724 = f x
0
( )
0.2 =
x
3
0.8 = x
2
0.5333 = x
1
0.267 = x
0
0 =
x
3
b := x
2
a h + h + := x
1
a h + := x
0
a :=
h 0.267 =
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
h
b a ( )
3
:=
n 4 := b 0.8 := a 0 :=

112

la regla de Simpson 3/8
I b a ( )
f x
0
( )
3f x
1
( )
+ 3f x
2
( )
+ f x
3
( )
+
8
:=
I 1.51917 =
media
0
0.8
x
4
x
f x ( )
d
d
4
d
b a
2400.0000000000000 :=

E
a
b a ( )
5
6480
media :=
E
a
0.121363 =
b ( )
Los datos necesarios para una aplicacion con cinco segmentos

f x
5
( )
0.232 = f x
4
( )
3.182 = f x
3
( )
3.186 = f x
2
( )
1.743393 = f x
1
( )
1.296919 = f x
0
( )
0.2 =
x
1
0.16 = x
0
0 =
x
5
0.8 = x
4
0.64 = x
3
0.48 = x
2
0.32 =
x
5
a h + h + h + h + h + :=
x
4
a h + h + h + h + := x
3
a h + h + h + := x
2
a h + h + := x
1
a h + := x
0
a :=
h 0.16 =
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
h
b a ( )
n
:=
n 5 := b 0.8 := a 0 :=

113

La integral para los dos primeros segmentos se obtiene usando la regla de simpson
1/3
x
0
0 = x
1
0.16 = x
2
0.32 =
I
1
x
2
x
0
( )
f x
0
( )
4 f x
1
( )
+ f x
2
( )
+
6
:=
I
1
0.3803237 =
Para los ultimos tres segmentos , la regla 3/8 se utiliza para obtener
x
2
0.32 = x
3
0.48 = x
4
0.64 = x
5
0.8 =
I
2
x
5
x
2
( )
f x
2
( )
3 f x
3
( )
f x
4
( )
+
( )
+ f x
5
( )
+
8
:=
I
2
1.2647535 =
La integral total calculada sumando los dos resultados:
I I
1
I
2
+ :=
I 1.6450772 =

4.3 Integracin Mltiple

Cualquiera de las tcnicas de integracin vistas en esta unidad es modificable, de modo que
se puede aplicar en la aproximacin de integrales dobles o triples. A continuacin se ilustra
el mtodo de Simpson 1/3 en la solucin de integrales dobles.
a)

0
3
0
ysenxdxdy
Se divide el intervalo [ a, b] =[ 0, 3 ] en n =6 subintervalos iguales, con lo que la amplitud de
cada subintervalo es igual a:
I
0
y
0
3
x y sin x ( )
d := I 9.82022 =
h1
3 0
6
:= h1 0.5 =
f x ( ) sin x ( ) :=
x0 0 := x1 x0 h1 + := x2 x1 h1 + := x3 x2 h1 + := x4 x3 h1 + := x5 x4 h1 + := x6 x5 h1 + :=
I1 3 0 ( )
f x0 ( ) 4 f x1 ( ) f x3 ( ) + f x5 ( ) + ( ) + 2 f x2 ( ) f x4 ( ) + ( ) + f x6 ( ) +
3 6 ( )
:=
I1 1.9907 =

114

115
Se divide el intervalo [ a, b] =[ 0, ] en n =8 subintervalos iguales, con lo que la amplitud de

g y ( ) I1y := h2
0
8
:= h2 0.393 =
y0 0 := y1 y0 h2 + := y2 y1 h2 + := y3 y2 h2 + := y4 y3 h2 + := y5 y4 h2 + := y6 y5 h2 + :=
y7 y6 h2 + := y8 y7 h2 + :=
I2 0 ( )
g y0 ( ) 4 g y1 ( ) g y3 ( ) + g y5 ( ) + g y7 ( ) + ( ) + 2 g y2 ( ) g y4 ( ) + g y6 ( ) + ( ) + g y8 ( ) +
3 8 ( )
:=
I2 9.8237 =

I
1
3
y
0
4
x e
x y +
d := I 930.85274 =
h1
4 0
4
:= h1 1 =
f x ( ) e
x
:=
x0 0 := x1 x0 h1 + := x2 x1 h1 + := x3 x2 h1 + := x4 x3 h1 + :=
I1 4 0 ( )
f x0 ( ) 4 f x1 ( ) f x3 ( ) + ( ) + 2 f x2 ( ) ( ) + f x4 ( ) +
3 4 ( )
:=
I1 53.8638 =

g y ( ) I1 e
y
:= h2
3 1
6
:= h2 0.333 =
y0 0 := y1 y0 h2 + := y2 y1 h2 + := y3 y2 h2 + := y4 y3 h2 + := y5 y4 h2 + := y6 y5 h2 + :=
I2 3 1 ( )
g y0 ( ) 4 g y1 ( ) g y3 ( ) + g y5 ( ) + ( ) + 2 g y2 ( ) g y4 ( ) + ( ) + g y6 ( ) +
3 6 ( )
:=
I2 344.162 =

4.4 Aplicaciones
Antecedentes:
La determinacin de la cantidad de calor requerido para elevar la temperatura de un material
es un problema con el que a menudo nos enfrentamos. La caracterstica necesaria para
llevar acabo este calculo es la capacidad calorfica
c
. este parmetro representa la cantidad
de calor requerida para elevar una unidad de temperatura en una unidad de masa. Si
c
es
constante en el intervalo de temperatura que se examinan, el calor requerido
T mc H =
............EC. 1
donde
c
esta en , m =masa (g) y
) /( C g cal
T =cambio de temperatura . Y la
ecuacin para calcular el promedio
) ( C
: ) (T c
1 2
2
1
T T
dT T c
T c
T
T
=

) (
) (
........................EC. 2
donde . 1 2
T T T =
Nota : para hallar el valor exacto de la funcin se debe sustituir la ecuacin 2 en la ecuacin
1.
La capacidad calorfica de un material podra aumentar con la temperatura de acuerdo con
la relacin tal como
2 7 4
10 64 2 10 56 1 132 0 T x T x T c

+ + = . . . ) (

con 1000 gramos de material desde 100 hasta 200 C.
Determine:
a) El valor exacto de la integral
] ( )

= = =
2
1
2
1
1 2
1 2
T
T
T
T
dt T c m T T
T T
dt T c
m t T c m T mc H ) (
) (
) ( ) ( )[ (

116

1000
100
200
T 0.132 0.000156 T + 0.000000264 T
2
+
( )
d 42732.000000000000000

b) Grafica
100 0 100 200
0.1
0.15
0.2
0.174
0.119
c T ( )
200 100 T

c) Las integracin numrica siguiente
Regla del trapecio simple
c T ( ) 0.132 0.000156T + 0.000000264T
2
+ :=
T
0
100 := c T
0
( )
0.11904 =
m 1000 :=
T
1
200 := c T
1
( )
0.17376 =
I
1
T
1
T
0
( )
c T
0
( )
c T
1
( )
+
2
:= I mI
1
:= I 43920 =
Regla del trapecio de aplicacin mltiple con n =2
c T ( ) 0.132 0.000156T + 0.000000264 T
2
+ :=
h
200 100 ( )
2
150 := T
0
100 := c T
0
( )
0.11904 =
T
1
T
0
h + 50 := c T
1
( )
0.17376 =
n 2 :=
m 1000 := T
2
T
1
h + 200 := c T
2
( )
0.17376 =
I
1
T
2
T
0
( )
c T
0
( )
2 c T
1
( )
+ c T
2
( )
+
2n
:=
I mI
1
:= I 43029 =

117

118

Regla de Simpson de 1/3
c T ( ) 0.132 0.000156 T + 0.000000264 T
2
+ :=
h
200 100 ( )
2
150 := T
0
100 := c T
0
( )
0.11904 =
T
1
T
0
h + 50 := c T
1
( )
0.14046 =
m 1000 := T
2
T
1
h + 200 := c T
2
( )
0.17376 =
I
1
T
2
T
0
( )
c T
0
( )
4 c T
1
( )
+ c T
2
( )
+
6
:=
I m I
1
:= I 42732 =

Regla de Simpson de 1/3 de aplicacin mltiple n =5
I 39413.6 = I mI
1
:=
I
1
300
0.11904 4 0.12618 0.14617 + ( ) + 2 0.13523 0.15901 + ( ) + .17376 +
15
39.413600000000000001 :=
m 1000 :=
c T
5
( )
0.17376 =
c T
4
( )
0.15901 =
c T
3
( )
0.14617 =
T
5
T
4
h + 200 := c T
2
( )
0.13523 = c T
1
( )
0.12618 = c T
0
( )
0.11904 =
T
4
T
3
h + 140 := T
3
T
2
h + 80 := T
2
T
1
h + 20 := T
1
40 := T
0
100 :=
c T ( ) 0.132 0.000156 T + 0.000000264 T
2
+ :=
h
300
5
60 :=

Regla de Simpson de 3/8
h
300
3
100 :=
c T ( ) 0.132 0.000156 T + 0.000000264 T
2
+ :=
T
0
100 := T
1
0 := T
2
T
1
h + 100 := T
3
T
2
h + 200 :=
c T
0
( )
0.11904 = c T
1
( )
0.132 = c T
2
( )
0.15024 = c T
3
( )
0.17376 =
m 1000 :=
I
1
300
0.11904 3 0.132 .15024 + ( ) + .17376 +
8
42.732000000000000000 :=
I mI
1
:= I 42732 =

UNIDAD 5
SOLUCION DE
ECUACIONES
DIFERENCIALES
Objetivo:
Aplicara los mtodos numricos para la
solucin de problemas de diferenciacin
de integracin numrica, usando un
.

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

5.1. Mtodo de un paso
El objetivo del mtodo es obtener una aproximacin al problema
), , ( y x f
dx
dy
= b x a
con la condicin inicial,
0 0
) ( y x y = .
Inicialmente no se obtendr una aproximacin continua de la solucin y(x), sino que se
generarn aproximaciones de y en varios puntos, llamados puntos de red, en el intervalo [a , b].
Una vez que se obtenga la solucin aproximada en estos puntos, es posible encontrar un
polinomio de interpolacin que se ajuste a los valores (tabulados) obtenidos. Supondremos que
los puntos de la red estn distribuidos uniformemente sobre el intervalo [a , b]. Podemos
garantizarlo, escogiendo un entero positivo N y seleccionando los puntos de red
n
x x x x < < < < ...
2 1 0
donde
ih x x
i
+ =
0
, para cada i =0, 1, 2, ..., N
La distancia comn entre los puntos,
N
a - b
= h

se llama tamao de paso, y el punto inicial, (x
0
, y
0
), es el nico punto conocido de la solucin
exacta.
La aproximacin y
1
en el prximo punto x
1
de la red est determinado por la recta tangente a la
curva y en el punto (x
0
, y
0
):

119

120
Como
,
dx
= ) y ,
x
f( = )
x
( y =
x
-
x
0
0 0
0 1
0 1
dy y - y

entonces,
( ) ( )
0 0 0 1 0 1
, y x f x x y y =
Por lo tanto,
( )
0 0 0 1
, y x hf y y + =
Y, en general,
) , (
1 n n n n
y x hf y y + =
+

con
n n
x x h =
+1
La solucin explcita es y =2e
x
- x - 1, y para el punto x
20
=1 se tiene que y (x
20
) =3.4365637.

5.1.1 Mtodo de Euler y Euler mejorado
Mtodo de Euler
Este mtodo fue ideado por Euler hace ms de 200 aos. Es bastante sencillo, pero no tan
preciso como los otros mtodos que veremos posteriormente. Sin embargo, el mtodo de
Euler sirve como punto de partida hacia tcnicas alternativas que aparecern segn se
considere.

La primera derivada proporciona una estimacin directa de la pendiente en X
i

) , (
i i
y x f =
donde f (X
i
, Y i) es la ecuacin diferencial evaluada en X
i
y Y
i
, Tal estimacin podr
substituirse en la ecuacin nos queda que :
h y x f y Y
i i i i
) , ( + =
+1
Esta frmula es conocida como el mtodo de Euler ( o Euler- Caunchy o de un punto medio).
Se predice un nuevo valor de Y por medio de la pendiente (igual a la primera derivada en el
valor original de X) que habr de extrapolarse en forma lineal sobre el tamao de paso h

Ejemplo:
Mtodo de Euler
Enunciado del problema : utilcese el mtodo de Euler para la ecuacin
f x ( ) 0.5 x
4
4x
3
+ 10x
2
8.5x + 1 + :=

De x =0 hasta x =4 con un tamao de paso de 0.5. La condicin inicial en x =0 es y =1.
Solucin:

=
=
=
+ + =
=
5 . 0
? ) 4 (
1 ) 0 (
5 . 8 20 12 0 . 2
) (
2 3
h
y
y
x x x
dx
x df
PVI

121

f x ( ) 0.5 x
4
4x
3
+ 10x
2
8.5x + 1 + :=
x 0 0.0001 , 4 .. :=
0 1 2 3 4
10
5
5
10
f x ( )
x
f x ( )
d
d
x

5.25000
5.87500
5.12500
4.50000
4.75000
5.87500
7.12500
7.00000
3.25000
1.00000
3.21875
3.00000
2.21875
2.00000
2.71875
4.00000
4.71875
3.00000
0.00000
1.00000
2.00000
3.00000
4.00000
5.00000
6.00000
7.00000
8.00000
1 2 3 4 5 6 7 8 9
Ejercicios:
Enunciado del problema : utilcese el mtodo de Euler para la ecuacin
f x ( ) 0.5 x
4
4x
3
+ 10x
2
8.5x + 1 + :=

De x =0 hasta x =4 con un tamao de paso de 0.25. La condicin inicial en x =0 es y =1.
=
=
=
+ + =
=
25 . 0
? ) 4 (
1 ) 0 (
5 . 8 20 12 0 . 2
) (
2 3
h
y
y
x x x
dx
x df
PVI
122

3.12500
4.17969
4.49219
4.34375
3.96875
3.55469
3.24219
3.12500
3.25000
3.61719
4.17969
4.84375
5.46875
5.86719
5.80469
5.00000
3.12500
1.00000
2.56055
3.21875
3.27930
3.00000
2.59180
2.21875
1.99805 2.00000
2.24805
2.71875
3.34180
4.00000
4.52930
4.71875
4.31055
3.00000
0.00000
1.00000
2.00000
3.00000
4.00000
5.00000
6.00000
7.00000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Anlisis de error en el mtodo de Euler

La solucin numrica de las ecuaciones diferenciales ordinarias (EDO) involucra dos tipos de
error :
1) Errores de Truncamiento, o discretizacion, causados por la naturaleza de las
tcnicas empleadas para aproximar los valores de y.
2) Errores de Redondeo , que son el resultado del numero limite de cifras significativas
que pueden retener una computadora.

Los errores de truncamiento se componen de dos partes. La primera es un error de
truncamiento local que puede que resulta al aplicar el mtodo en cuestin en un paso. El
123

segundo error de programacin que resulta de las aproximaciones producidas durante los
pasos anteriores. La suma de los dos es el error de truncamiento global.
Ejercicio: Resuelva el siguiente
=
=
=
=
2 . 0
? ) 1 (
2 ) 0 (
) (
h
y
y
y x
dx
dy
PVI
mediante el mtodo de Euler

1.60000
1.32000
1.13600
1.02880
0.983040.98643
0.00000
-0.30000
-0.44800
-0.50160 -0.50304 -0.48304
-1.00000
-0.50000
0.00000
0.50000
1.00000
1.50000
2.00000
1 2 3 4 5 6

Ejercicios: Un tanque cilndrico de fondo plano con un dimetro de 1.5 m contiene un lquido
de densidad =1.5 kg/L a una altura a de 3 m. Se desea saber la altura del lquido dentro
del tanque tres minutos despus de que se abre completamente la vlvula de salida, la cual
124

125
da un gasto de ga A 2 6 0. , donde A es el rea seccional del tubo de salida y es

m
2
y g =9.81 m/s
2
.
s m /
3
4
10 5 78

x .

Solucin
El vaciado el llenado de un tanque cilndrico se modela haciendo un balance de materia con
las siguiente expresin :
30
6
0 180
=
= h
Acumulacin =entrada salida ga A
dt
dV
2 6 0 0 . =

donde :
a h r V
2 2
= 75 0 ) . ( =

entonces :
ga A
dt
da
2 6 0. = 75 0
2
) . ( ga
ga A
dt
da
2 0026653 0
75 0
2 6 0
2
.
) . (
.
=

Al considerar como tiempo cero el momento el abrir momento de abrir la vlvula y adems la
altura buscada a un tiempo de 3 minutos (180 segundos), se llega
dt
da
=
=
=
? ) (
) (
.
180
3 0
2 0026653 0
a
m a
ga
PVI
En virtud de que la exactitud de los resultados que se esperan no es grande, se usa el
mtodo de Euler para resolver este PVI.

Tiempo (s) 0 30 60 90 120 150 180
a (m) 3.00 2.39 1.84 1.36 0.95 0.60 0.33

Ejercicios : Calcule el tiempo necesario para que el nivel del liquido del tanque esfrico con
radio r =5 m mostrado en la figura pase de 4 m a 3 m. La velocidad de salida por el orificio
del fondo es a v 895 4. = m/s, el dimetro de dicho orificio es de 10 cm

Solucin :
Balance de materia en el tanque
Acumulacin =entrada Salida
Av
dt
dV
= 0
126

127
donde v es el volumen del lquido en el tanque que, en funcin de la altura esta dado por
) (5
3
2
a
a
3
V =
3
m
A es el rea del orificio de salida
2
1 0
4
) . (
= A
2
m
y
a v 895 4. = m/s
Estas cantidades se sustituyen en la primera ecuacin y se tiene
a
dt
a
a d
895 4 1 0
4
3
5
2
3
2
. ) . (
) (

=

Se deriva
a
dt
da a
dt
da
a 895 4
4
1 0
3
3
10
2 2
.
) . (
=
y al despejar se tiene
) (
) . ( .
2
2
10 4
1 0 895 4
a a
a
dt
da
=

que con la condicin inicial y la pregunta forma el siguiente y la pregunta forman el siguiente
PVI(problema de valor inicial)
=
=

=
m a
m a
a a
a
dt
da
PVI
3
4 0
10
122375 0
2
(?)
) (
) (
.

128
Con el Mtodo de Euler y un paso de integracin de h =10 segundos, se tiene

Por lo tanto el tiempo necesario para que el nivel del liquido dentro del tanque esfrico pase
de 4 a 3m es aproximadamente 100 segundos.

Mtodo de Euler mejorado.
En el mtodo de Euler se tomo como valida para todo el primer subintervalo la derivada
encontrada en un extremo de este. Para obtener una exactitud razonable se utiliza un
intervalo muy pequeo, a cambio de un error de redondeo mayor 8 ya que se realizara mas
clculos).
El mtodo de Euler modificado trata de evitar este problema utilizando un valor promedio de
la derivada tomada en los extremos del intervalo, en lugar de la derivada tomada en un solo
extremo.
El mtodo de Euler modificado consta de dos pasos bsicos :
1. Se parte de y se utiliza el mtodo de Euler a fin de calcular el valor de
correspondiente a . Este valor de se denotara aqu como
(
0 0
, y x
1
x
) y
y
1
y , ya que solo es un
valor transitorio para . Esta parte del proceso se conoce como paso predictor.
1
y
2. El segundo paso se llama corrector , pues trata de corregir la prediccin. En el
nuevo punto obtenido ( )
1 1
, y x se evalua la derivada ( )
1 1
, y x f usando la ecuacin
diferencial ordinaria PVI que se este resolviendo; se obtiene la media aritmtica de
esta derivada y la derivada en el punto inicial ( )
0 0
, y x .

s
q

5
E
U
N
o
D
v
p
d
se usa la deri
que deber s
5.1.2 Mto
Es la resoluci
( , )
dy
f x y
dx
=
Utilizando un
Nuevo valor =
o en trminos
1 i i
Y y h
+
= +
De acuerdo c
valor anterior
puede aplicar
de la solucin
U
[
2
1
ivada promed
er mas exact
y
odo de Runge
in de ecuaci
)
mtodo num
=valor anterio
s matemtico
h
con esta ecu
r Y
i
a un nue
r paso a paso
n.
NIDAD V / S
( ) [
0 0
, f y x f +
dio para calcu
Y
i
=
+1
to que y
1
.
(
1
0 1
x
y y + =
e Kutta
iones diferenc
mrico se pued
or +pendient
s como :
uacin, la pen
vo valor Y
i+1
o para calcula
SOLUCION
( )]
1 1
, y x f =d
ular un nuevo
x f y
i
( +
)
( [
0
0
,
2
x f
x
ciales de la fo
de resolver un
te * tamao d
ndiente estim
en una dista
ar el valor en
DE ECUAC
derivada prom
valor de y
1
,
h y x
i i
) ,

) (
1 0
, y x f y +
orma
na ecuacin c
el paso
mada se us
ancia h (ver g
el futuro y, p
CIONES DIF
medio
con la ecuac
)]
1
y
como :
sa para extra
grfico N1). E
por tanto, traz

ERENCIALE
1
in
apolar desde
Esta frmula
ar la trayecto
ES
129
un
se
oria
130
Todos los mtodos de un paso se pueden expresar en esta forma general, que slo va a
diferir en la manera en la cual se estima la pendiente. El procedimiento mas simple es usar
la ecuacin diferencial para estimar la pendiente derivada en X
i
al inicio del intervalo. En
otras palabras, la pendiente al inicio del intervalo es tomada como una aproximacin de la
pendiente promedio sobre todo el intervalo. Este procedimiento se llama mtodo de Euler.
Existen otros mtodos de un paso que cumplen estimaciones de pendiente en forma alterna
y cuyas resultantes sern predicciones mas exactas. Todas estas tcnicas se conocen por lo
general como mtodos de Runge-Kutta.

Mtodo de Runge-Kutta
Los mtodos de Runge-Kutta (RK) logran la exactitud del procedimiento de una serie de
Taylor sin requerir el calculo de derivadas superiores. Existen muchas variaciones, pero
todas se pueden denotar en la forma generalizada de la ecuacin :
1
( , , )
i i i i
Y y x y h h
+
= +
donde (xi,yi,h) es conocida como funcin incremento, al cual puede interpretarse como una
pendiente representativa sobre el intervalo. La funcin incremento se escribe por lo general
como :
1 1 2 2
...
n n
a k a k a k = + + +
donde a son constantes y las k son :
1
2 1 11 1
3 2 21 1 22 2
1 1 1 1,2 2 1, 1
( , )
( , )
( , )
( , ... )
i i
i i
i i
n i n i n n n n n
k f x y
k f x p h y q k h
k f x p h y q k h q k h
k f x p h y q k h q k h q k h

=
= + +
= + + +
= + + + + +
1

Observe que las k son relaciones de concurrencia. Esto es k
1
aparece en la ecuacin para
k
2
, que apareces en la ecuacin de k
3
,etc. Esta recurrencia hace a los mtodos RK
eficientes para su calculo en computadoras.

Es posible concebir varios tipos de mtodos de Runge-Kutta al emplear diferentes nmeros
131
de trminos en la funcin incremento como la especificada por n. Observe que el mtodo de

Runge-Kutta (RK) de primer orden con n =1 es, de hecho, el mtodo de Euler.

Una vez que se elige n, se evalan las a,p y q al igualar la ecuacin [10] a los termino de la
serie de expansin de Taylor .As al menos para las versiones de orden inferior, el numero
de trminos n con frecuencia representa el orden de la aproximacin.

Mtodo de Runge-Kutta de segundo Orden
La versin de segundo orden de la ecuacin [10]
1 1 1 2 2
1
2 1 11 1
( )
( , )
( , )
i i
i i
i i
Y y a k a k h
k f x y
k f x p h y q k h
+
= + +
=
= + +

Los valores para a
1
,a
2
,p
1
y q
11
son evaluados al igualar el termino se segundo orden de la
ecuacin Y
i+1
en [12] con la expansin de la serie de Taylor. Para realizar esto,
desarrollamos tres ecuaciones para evaluar las cuatro constantes desconocidas. Las tres
ecuaciones son :
1 2
1 2
2 11
1
1
2
1
2
a a
a p
a p
+ =
=
=

Ejemplo : Mtodo RK de segundo orden:
F ( x , y) =- 2 x
3
+12 x
2
20 x +8.5
Desde x =0 hasta x =4 usando un tamao de paso de 0.5.
La condicin inicial en x =0 es y =1.
Solucin:
Y
I + 1
= y
I
+ ( 1/3 k
1
+ 2/ 3 k
2
) h
k
1
= f ( x
i
, y
i
)
k
2
= f ( x
I
+ 3/4 h , y
I
+ 3/4 hk
1
)
= 1/3k
1
+ 2/3 k
2

X =0 y =1 h =0.5
k
1
= f ( x
i
, y
i
)
K
1
0 f ( 0 , 1 ) = - 2 (0)
3
+ 12 (0)
2
20 (0) +8.5 =8.5

k
2
= f ( x
I
+ 3/4 h , y
I
+ 3/4 hk
1
)
K
2
=f [ ( 0 +3/4 ( 0.5) , 1 +3/4 (0.5)(8. 5 )] =
K
2
=f ( 0.375 , 4.1875 )
= - 2 (0.375)
3
+ 12 (0.375)
2
20 (0.375) +8.5 =
=2.58203125

= 1/3k
1
+ 2/3 k
2

= 1/3( 8.5 ) + 2/3 (2.58203125) = 4.5546875

Y
I + 1
= y
I
+ ( 1/3 k
1
+ 2/ 3 k
2
) h
Y (0.5)

= 1 + 4.5546875 ( 0.5 ) = 3. 27734375

X = 0.5 y = 3.27734375 h = 0.5
k
1
= f ( x
i
, y
i
)
K
1
= f ( 0.5 , 3. 27734375 )
= - 2 (0.5)
3
+ 12 (0.5)
2
20 (0.5) +8.5
=1.25
132

k
2
= f ( x
I
+ 3/4 h , y
I
+ 3/4 hk
1
)
K
2
=f [ ( 0.5 +3/4 ( 0.5) , 3.27734375 +3/4 (0.5)(1.25 )] =
K
2
=f ( 0.875 , 3.74609375 )
= - 2 (0.875)
3
+ 12 (0.875)
2
20 (0.875) +8.5
=- 1.15234375
= 1/3k
1
+ 2/3 k
2

= 1/3( 1.25 ) + 2/3 (- 1.15234375) = - 0.3515625

Y
I + 1
= y
I
+ ( 1/3 k
1
+ 2/ 3 k
2
) h
Y (0.5)

= 3.27734375 + ( - 0. 3515625) ( 0.5 ) = 3.1015625

X
Y
verdadera
Ralston RK
v

0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
1.00000
3.21875
3.00000
2.21875
2.00000
2.71875
4.00000
4.71875
3.00000
1.00000
3.27734375
3.1015625
2.34765625
2.140625
2.85546875
4.1171875
4.80078125
3.03125
0
1.8
3.4
5.8
7.0
5.0
2.9
1.7
1.0

133

134

Mtodo de Runge-Kutta de tercer Orden

Para n =3, se puede hacer desarrollo similar al mtodo de segundo orden. El resultado de
dicho desarrollo es de seis ecuaciones con ocho incgnitas. Por tanto, se debe especificar
con antelacin los valores para las dos incgnitas con el fin de establecer los parmetros
restantes. Una versin comn que resulta es :

( )
1 1 2
1
2 1
3 1
1
4
6
( , )
1 1
( , )
2 2
( , 2
i i
i i
i i
i i
Y y k k k h
k f x y
k f x h y k h
k f x h y k h k h
+
= + + +
=
= + +
= + +
3
2
)

5.2. Mtodos de pasos mltiples
Los mtodos del tipo de Runge - Kutta (los cuales incluyen los mtodos de Euler y de Euler
modificado como caso especial), se llaman mtodos de un paso, debido a que solo utilizan la
informacin del ltimo paso calculado. Es decir, a pesar de que estos mtodos generalmente
0.00000
1.00000
2.00000
3.00000
4.00000
5.00000
6.00000
0 2 4 6 8 10
Y
verdadera
135
usan informacin de evaluacin funcional en puntos entre x

1
y x
i+1
, no retienen esta
informacin para usarla directamente en aproximaciones futuras.
Las tcnicas alternas, llamadas Mtodos de Pasos Mltiples, se basan en el conocimiento de
que una vez que los clculos se han iniciado, la informacin evaluada en puntos previos
sirve de gua. La curvatura de las lneas que conectan estos puntos anteriores proporciona
informacin referente a la trayectoria de la solucin.
El principio fundamental de los Mtodos de Pasos Mltiples es el de utilizar los valores
anteriores de y o y' para construir un polinomio que se aproxime a la funcin derivada, y
extrapolar este polinomio en el siguiente intervalo. La mayora de los mtodos utilizan
valores equiespaciados anteriores, para hacer que la construccin de polinomios sea fcil.

5.3. Sistemas de ecuaciones diferenciales ordinarias
Problema : Pase la ecuacin diferencial ordinaria
2 2
2
2
y x
dx
dy
dx
y d
+ = +
A un sistema de dos ecuaciones diferenciales ordinarias simultaneas de primer orden.
Solucin :
2 2
2
2
y x y
dx
y d
+ + =
El cambio de variable es:
y y =
1
; y y =
2

Al derivar la primera y sustituir en la segunda queda:
2 1
y y =
Se deriva la segunda
y y =
2

Y las nuevas variables se sustituyen en la ecuacin diferencial, con lo cual resulta
2
1
2
2 2
2 1
y x y y
y y
+ + =
=

136

5.4. Aplicaciones
Ejercicios:
En un tanque perfectamente agitado se tiene 400L de una salmuera en la cual estn
disueltos 25 kg de sal comn (NaCl), en cierto momento se hace llegar al tanque un gasto de
80 L/min de una salmuera que contiene 0.5 Kg. de sal comn por litro. Si se tiene un gasto
de salida de 80 L/min determine.
a) Que cantidad de sal hay en el tanque transcurridos 10 minutos?
b) Qu cantidad de sal hay en el tanque transcurridos un tiempo muy grande?

Solucin:

a) si se llaman x los Kg. De sal en el tanque despus de t minutos , la acumulacin de
sal en el tanque esta dada por y por la expresin dt dx /
=
dt
dx
masa de sal que entra - masa de sal que sale
los valores conocidos se sustituyen y se llega a la ecuacin :
x
dt
dx
x
dt
dx
2 0 40
400
80 5 0 80
.
) ( ) . (
=
=

que con la condicin inicial de que hay 25 Kg. De sal al tiempo cero, da el siguiente
=
=
=
? ) (
) (
.
10
25 0
2 0 40
x
x
x
dt
dx
PVI
como va de ilustracin se utilizara un mtodo de Runge - Kutta de tercer orden cuyo
algoritmo esta dado por:
) (
3 2 1 1
4
6
k k k
h
y y
i i
+ + + =
+

con
( )
( )
1 2 3
1
2
1
2
2 2
hk hk y h x f k
hk
y
h
x f k
y x f k
i i
i i
i i
+ + =
+ + =
=
,
,
,

y
3
103.98 = y
3
y
2
1
6
k
1
4k
2
+ k
3
+
( )
h + :=
k
3
19.704 = k
2
25.788 = k
1
23.458 =
k
3
40 0.2 y
2
k
1
h 2k
2
h +
( )
:= k
2
40 0.2 y
2
1
2
k
1
h +
:= k
1
40 0.2 y
2
( )
:=
h 1 := y
2
82.712 := x
2
1 :=
y
2
82.712 = y
2
y
1
1
6
k
1
4k
2
+ k
3
+
( )
h + :=
k
3
24.069 = k
2
25.788 = k
1
28.653 =
x
0
0 := y
0
25 := h 1 :=
k
1
40 0.2 y
0
( )
:= k
2
40 0.2 y
0
1
2
k
1
h +
:= k
3
40 0.2 y
0
k
1
h 2k
2
h +
( )
:=
k
1
35 = k
3
29.4 =
k
2
31.5 =
y
1
y
0
1
6
k
1
4k
2
+ k
3
+
( )
h + := y
1
56.733 =
x
1
1 := y
1
56.733 := h 1 :=
k
1
40 0.2 y
1
( )
:= k
2
40 0.2 y
1
1
2
k
1
h +
:= k
3
40 0.2 y
1
k
1
h 2k
2
h +
( )
:=

137

x
3
1 := y
3
103.98 := h 1 :=
k
1
40 0.2 y
3
( )
:= k
2
40 0.2 y
3
1
2
k
1
h +
:= k
3
40 0.2 y
3
k
1
h 2k
2
h +
( )
:=
k
1
19.204 = k
2
17.284 = k
3
16.131 =
y
4
y
3
1
6
k
1
4k
2
+ k
3
+
( )
h + := y
4
121.392 =

y
6
147.316 = y
6
y
5
1
6
k
1
4k
2
+ k
3
+
( )
h + :=
k
3
13.206 = k
2
11.584 = k
1
12.871 =
k
3
40 0.2 y
5
k
1
h 2k
2
h +
( )
:= k
2
40 0.2 y
5
1
2
k
1
h +
:= k
1
40 0.2 y
5
( )
:=
h 1 := y
5
135.646 := x
5
1 :=
y
5
135.646 = y
5
y
4
1
6
k
1
4k
2
+ k
3
+
( )
h + :=
k
3
13.206 = k
2
14.149 = k
1
15.722 =
k
3
40 0.2 y
4
k
1
h 2k
2
h +
( )
:= k
2
40 0.2 y
4
1
2
k
1
h +
:= k
1
40 0.2 y
4
( )
:=
h 1 := y
4
121.392 := x
4
1 :=
y
8
164.69 = y
8
y
7
1
6
k
1
4k
2
+ k
3
+
( )
h + :=
k
3
7.246 = k
2
7.764 = k
1
8.626 =
k
3
40 0.2 y
7
k
1
h 2k
2
h +
( )
:= k
2
40 0.2 y
7
1
2
k
1
h +
:= k
1
40 0.2 y
7
( )
:=
h 1 := y
7
156.869 := x
7
1 :=
y
7
156.869 = y
7
y
6
1
6
k
1
4k
2
+ k
3
+
( )
h + :=
k
3
10.811 = k
2
11.584 = k
1
10.537 =
k
3
40 0.2 y
6
k
1
h 2k
2
h +
( )
:= k
2
40 0.2 y
6
1
2
k
1
h +
:= k
1
40 0.2 y
6
( )
:=
h 1 := y
6
147.316 := x
6
1 :=

138

x
8
1 := y
8
164.69 := h 1 :=
k
1
40 0.2 y
8
( )
:= k
2
40 0.2 y
8
1
2
k
1
h +
:= k
3
40 0.2 y
8
k
1
h 2k
2
h +
( )
:=
k
1
7.062 = k
2
6.356 = k
3
5.932 =
y
9
y
8
1
6
k
1
4k
2
+ k
3
+
( )
h + := y
9
171.093 =

x
9
1 := y
9
171.093 := h 1 :=
k
1
40 0.2y
9
( )
:= k
2
40 0.2 y
9
1
2
k
1
h +
:= k
3
40 0.2y
9
k
1
h 2k
2
h +
( )
:=
k
1
5.781 = k
2
5.203 = k
3
4.856 =
y
10
y
9
1
6
k
1
4k
2
+ k
3
+
( )
h + := y
10
176.335 =

b) la solucin se obtiene hasta que la cantidad de sal en el tanque no cambie con el
tiempo; esto es, hasta que se alcance rgimen permanente.
Por lo tanto se obtuvieron los siguientes datos:

139

140

BIBLIOGRAFIA

Chapra Steven y Canale R. ; Mtodos Numricos para ingenieros; Ed. Mc Graw Hill

Antonio Nieves Federico C. Domnguez; Mtodos numricos aplicados a la ingeniera ;
Ed. CECSA

Ing. J avier Rosas Margarito ; Mtodos numricos, teora y programacin en lenguaje C.;
Ed. Moya

Nakamura Shoichiro; Mtodos numricos aplicados a software; Ed. Prentice Hall;

Smith Allen; Anlisis numrico; Ed.Prentice Hall
141
142

Antologiademetodosnumericosisc 110305230854 Phpapp01

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Antologiademetodosnumericosisc 110305230854 Phpapp01

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLGICO SUPERIOR

Ing. Ulises Girn J imnez

3.3 Iteracin y convergencia de sistemas de ecuaciones..

OBJ ETIVO GENERAL

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

ejemplos tenemos los modelos de la prediccin demogrfica (razn de cambio de una

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

Ejemplo: la importancia de las cifras significativas de los clculos algebraicos.

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

no se conoce exactamente sino que solo se sabe que esta entre x

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

UNIDAD I / TEORIA DE ERRORES

La aproximacin de quinto orden es

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Para simplificar aun mas se cambia la notacin con

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Calculo de la distancia entre y

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Resuelta por el mtodo de Gauss J ordn