Metodos Numericos

CAPTULO 1.
ERRORES DE REDONDEO Y ESTABILIDAD

INTRODUCCIN
Al momento de aplicar las Matemticas a situaciones del mundo real nos encontramos a
menudo con problemas que no pueden ser resueltos analticamente o de manera exacta y
cuya solucin debe ser abordada con ayuda de algn procedimiento numrico. A
continuacin consideramos algunos problemas tpicos, ya formulados matemticamente,
para los cuales estudiaremos tcnicas numricas de solucin.
Problema 1.1 Encontrar el rea de la regin comprendida entre las grficas de y x 2sen ,
y e
x

con
[ ]
x 0, .
Problema 1.2 Encontrar las races de la ecuacin polinmica
x x x x x
5 4 3 2
11 21 10 21 5 0 +
Problema 1.3 Resolver los siguientes sistemas de ecuaciones:
a) El sistema lineal AX b con
A
_
,

2 1 0 0 0
1 2 1 0 0
0 1 2 1 0
0 0 1 2 1
0 0 0 1 2
b
_
,

3
2
2
2
1
b) El sistema no-lineal
x

2 3
2 3
9
3 4
+

'
xy
x y y

Problema 1.4 Dada la siguiente tabla de datos correspondiente a una cierta funcin ( ) y f x ,
x
k
2 1 0 1 2 3
( ) f x
k
5 1 1 1 7 25
TABLA 1.1
encontrar el polinomio de menor grado que pase a travs de los puntos dados.
Cul ser una estimacin para los valores ( ) f x correspondientes a x 15 . y x 15 . ?
Problema 1.5 Hallar el valor de cada una de las siguientes integrales:
2 MTODOS NUMRICOS
__________________________________________________________________________________
a)
senx
x
dx
0
1
b) e dx
x
2
0
1
c) 1
4
2
0
2
sen x
dx
(elptica) d)
1
2
3
lnx
dx

Problema 1.6 Resolver el problema de valor inicial
( ) ( )
d
dt
d
dt
2
2
16 0
0
4
0 0

+ +

'
sen
,

En relacin con los problemas anteriores, tenemos que:
En el problema 1.1, es necesario determinar los puntos de interseccin de las grficas de
y x 2sen y y e
x

, para lo cual debemos resolver la ecuacin 2senx e
x

y no
disponemos de un mtodo algebraico para hacerlo.
En el problema 1.2, se trata de hallar los ceros de un polinomio de grado 5 y, como sabemos,
slo se conocen mtodos algebraicos para encontrar races de ecuaciones polinmicas de
grado menor o igual que 4.
En el problema 1.3, tenemos dos sistemas de ecuaciones: El de la parte a) es lineal y
conocemos mtodos de solucin (por ejemplo, el mtodo de eliminacin Gaussiana), sin
embargo, para sistemas de tamao mayor, no slo es conveniente sino necesario
implementar tales mtodos a travs del computador (mtodo numrico). En la parte b)
tenemos un sistema no-lineal y no conocemos mtodos algebraicos generales para
resolverlo.
El problema 1.4 se puede resolver analticamente (por interpolacin), sin embargo para
determinar los coeficientes de dichos polinomios existen tcnicas que permiten encontrarlos
rpidamente y que pueden implementarse en el computador.
El problema 1.5, corresponde a integrales definidas cuyo integrando tiene antiderivada que
no es elemental.
Finalmente, en el problema 1.6, la ecuacin diferencial ordinaria
d
dt
d
dt
2
2
16 0

+ + sen (ecuacin de movimiento de un pndulo)
es no-lineal (por la presencia de sen ) y no disponemos de un mtodo analtico para
resolverla.
Captulo 1. ERRORES DE REDONDEO Y ESTABILIDAD 3
__________________________________________________________________________________
Los problemas anteriores sirven como motivacin para el estudio de cinco grandes temas en
un primer curso de mtodos numricos: solucin numrica de una ecuacin no-lineal en
una variable, solucin numrica de sistemas de ecuaciones lineales y no-lineales,
interpolacin polinomial, integracin numrica y solucin numrica de problemas de valor
inicial para ecuaciones diferenciales ordinarias.
Qu es un mtodo numrico?
Un mtodo numrico es un procedimiento mediante el cual se obtiene, casi siempre de
manera aproximada, la solucin de ciertos problemas realizando clculos puramente
aritmticos y lgicos (operaciones aritmticas elementales, clculo de funciones, consulta de
una tabla de valores, clculo proposicional, etc.). Un tal procedimiento consiste de una lista
finita de instrucciones precisas que especifican una secuencia de operaciones algebraicas y
lgicas (algoritmo), que producen o bien una aproximacin de la solucin del problema
(solucin numrica) o bien un mensaje. La eficiencia en el clculo de dicha aproximacin
depende, en parte, de la facilidad de implementacin del algoritmo y de las caractersticas
especiales y limitaciones de los instrumentos de clculo (los computadores). En general, al
emplear estos instrumentos de clculo se introducen errores llamados de redondeo.
1.1 ARITMTICA FINITA
Siendo los computadores la herramienta bsica en los mtodos numricos es conveniente
indicar cmo son los nmeros del computador y cmo se simula su aritmtica.
La mayora de los computadores usan slo un subconjunto finito, relativamente pequeo, de
los nmeros reales para representar a "todos" los nmeros reales; este conjunto, que slo
contiene nmeros racionales y que describiremos ms adelante, es llamado conjunto de
nmeros de punto flotante o conjunto de nmeros de mquina en punto flotante o
simplemente conjunto de punto flotante.
Cada nmero del computador se representa mediante un nmero finito de dgitos (aritmtica
finita), segn se indica a continuacin:
Un nmero del computador o de punto flotante, distinto de cero, se describe
matemticamente en la forma
( ) ...
.a a a
t
e
1 2
forma en la cual los smbolos que all aparecen, tienen el siguiente significado:
+1 o 1 es el signo del nmero.
es un entero que denota la base del sistema numrico usado. Por lo general 2
(Sistema Binario), 8 (Sistema Octal) o 16 (Sistema Hexadecimal).
a t
i
, , , , i ... 12 , es un entero con 0 1 a
i
. Los enteros 01 1 , , , ... son llamados dgitos
en la base . Nosotros asumiremos en todo lo que sigue que a
1
0 , en cuyo caso el
nmero se dice que est en forma normalizada.
4 MTODOS NUMRICOS
__________________________________________________________________________________
( ) .a a a
t 1 2
...

denota la suma
a a a
t
t
1
1
2
2

+ + + ...
y es llamada la mantisa o fraccin del nmero
de punto flotante.
El entero t indica el nmero de dgitos en la base que se usan para representar el
nmero de punto flotante, y es llamado precisin. Por lo general t 6 7 o t con 10
(precisin sencilla), t 14 15 o t con 10 (doble precisin). En algunos computadores
se pueden hacer representaciones en precisin sencilla, doble precisin e incluso en
precisin mayor.
e es un entero llamado el exponente, y es tal que L e U para ciertos enteros L y U; es
comn encontrar L U o L U t1. Un caso frecuente es L 63 64 y U , para un total
de 128 posibles exponentes.
El nmero cero requiere una representacin especial.
De acuerdo con lo anterior un conjunto de punto flotante F queda caracterizado por cuatro
parmetros:
a) La base ,
b) La precisin t ,
c) Los enteros L y U tales que L e U , donde e es el exponente.
Cualesquiera sean los parmetros elegidos, los conjuntos de punto flotante correspondientes
comparten las mismas caractersticas cualitativas, entre ellas la carencia de algunas de las
propiedades algebraicas de que gozan los nmeros reales.
Una de las caractersticas de todo conjunto de punto flotante F es que es finito y tiene
( ) ( ) 2 1 U L 1 +1
t 1
+
nmeros diferentes (incluyendo el cero), y donde los distintos de cero estn en forma
normalizada. En efecto:
a
1
puede tomar 1 valores y a t
i
, , , , i ... 23 puede tomar

valores, as que hay
( ) ( )

1
1
1
1

t
t
...
!"#
fracciones positivas distintas.
Ahora, considerando que el nmero de posibles exponentes es U L +1, que el nmero de
punto flotante puede ser positivo o negativo, y teniendo en cuenta que el nmero cero est
tambin en el conjunto de punto flotante, conclumos que el conjunto F tiene
( ) ( ) 2 1 U L 1 1
t 1
+ +
nmeros diferentes.
__________________________________________________________________________________
Lo anterior nos dice que se usan ( ) ( ) 2 1 1 1
1
+ +
t
U L nmeros de punto flotante para
"representar" el conjunto continuo de los nmeros reales (que es infinito), lo que implica que
muchos nmeros reales tendran que ser representados por un mismo nmero de punto
flotante.
Como ejemplo, consideremos el conjunto de punto flotante F con parmetros 2
(Binario), t 3 , L 1, U 2. Tal conjunto F tiene
( ) ( ) ( )
2 2 12 2 1 1 1 33
3 1
+ +
nmeros diferentes (incluyendo el cero).

Los nmeros de F , distintos de cero, son de la forma
( ) t .a a a
1 2 3
2
e
2
con a
1 2 3
1 0 1 1 0 1 2 , , , , , , a a y e ; as que las fracciones positivas distintas son:
( ) .100
1
2
0
2
0
2
1
2
2 2 3
+ +
8
16
( ) .101
1
2
0
2
1
2
5
8
2 2 3
+ +
10
16
( ) .110
1
2
1
2
0
2
3
4
2 2 3
+ +
12
16
( ) .111
1
2
1
2
1
2
7
8
2 2 3
+ +
14
16
Combinando estas mantisas con los exponentes, obtenemos todos los nmeros positivos de
F que aparecen en la TABLA 1.2 siguiente.
MANTISA EXP. 1 EXP. 0 EXP. 1 EXP. 2
( ) .100
8
16
2
( ) .100 2
4
16
2
1

( ) .100 2
8
16
2
0
( ) .100 2
16
16
2
1
( ) .100 2
32
16
2
2

( ) .101
10
16
2
( ) .101 2
5
16
2
1

( ) .101 2
10
16
2
0
( ) .101 2
20
16
2
1
( ) .101 2
40
16
2
2

( ) .110
12
16
2
( ) .110 2
6
16
2
1

( ) .110 2
12
16
2
0
( ) .110 2
24
16
2
1
( ) .110 2
48
16
2
2

( ) .111
14
16
2
( ) .111 2
7
16
2
1

( ) .111 2
14
16
2
0
( ) .111 2
28
16
2
1
( ) .111 2
56
16
2
2

TABLA 1.2
6 MTODOS NUMRICOS
__________________________________________________________________________________
Como estamos ms familiarizados con los nmeros decimales (en base 10), los 33
elementos de F en forma (racional) decimal son
0
4
16
5
16
6
16
7
16
8
16
10
16
12
16
14
16
16
16
20
16
24
16
28
16
32
16
40
16
48
16
56
16
, , , , , , , , ,
, , , , , , ,

.
t t t t t t t t
t t t t t t t t
Una representacin de los nmeros positivos y el cero de F en la recta real se muestra en
la FIGURA 1.1 siguiente.
FIGURA 1.1
Algunos hechos que se pueden observar en un conjunto de punto flotante F son:
1. Todo nmero real x que entra en el computador o que es el resultado de un clculo, es
reemplazado (si es posible) por un nmero de punto flotante que notaremos fl(x). Existen
reglas para escoger tal nmero (reglas de redondeo), por lo general es el nmero de punto
flotante ms cercano a x. La diferencia ( ) x fl x se llama error (absoluto) de redondeo.
2. Si observamos la distribucin de los elementos de F , en la recta real, vemos que no
estn igualmente espaciados (estn ms densamente distribudos el la cercana del cero), lo
que implica que el error de redondeo puede depender del tamao del nmero (entre ms
grande sea el nmero en valor absoluto, mayor puede ser el error de redondeo).
En el ejemplo, el nmero de punto flotante positivo ms pequeo es
4
16
1
4
, y el nmero de
punto flotante positivo ms grande es
56
16
7
2
.
En general, en un conjunto de punto flotante F con parmetros , t, L y U, se tiene que
( ) F ...
L
L L

.100 0
1

es el nmero de punto flotante positivo ms pequeo (para el ejemplo, F
L

2
1
4
1 1
), y
( ) ( )
F ... 1
U
U t U

.
con 1
__________________________________________________________________________________
es el nmero de punto flotante positivo ms grande (para el ejemplo,
( )
F
U

1 2 2
7
2
3 2
)
A la regin
{ }
R
L L
x x F < < R / 0 se le llama regin de underflow o subflujo, y en
algunos computadores si un nmero real cae en esta regin, el nmero es redondeado a
cero.
Por otra parte, a la regin
{ }
R
U U
x x F > R / , se le llama regin de overflow o
sobreflujo, y en algunos computadores si un nmero real cae en esta regin, el nmero es
redondeado al nmero de punto flotante ms cercano (
F F
U U
,
) o se informa del fenmeno
overflow.
Se define como rango del conjunto F, al conjunto
{ }
U L
F x F o 0 x / x R R
F
De acuerdo con sto, todo nmero de punto flotante, distinto de cero, fl(x), debe satisfacer
( ) F x F
L U
fl
3. La combinacin aritmtica usual
+ , , ,
de dos nmeros de punto flotante no
siempre produce un nmero de punto flotante.
Supongamos que ( ) ( ) fl x y , fl F. Veamos, como ejemplo, que la suma usual ( ) ( ) fl x fl y + no
necesariamente ser un nmero en F. Para ello consideremos el conjunto de punto flotante
F dado en el ejemplo: ( ) fl x
28
16
F, ( ) fl y
5
16
F, sin embargo
( ) ( ) fl x fl y + +
28
16
5
16
33
16
F. Luego la adicin usual no es cerrada en el sentido
matemtico ordinario.
Una manera de simular la adicin y las dems operaciones aritmticas entre nmeros reales,
pero realizadas por el computador es la siguiente:
Si x e y son nmeros reales en el rango de F, definimos las operaciones , , y , a
las que nos referiremos como operaciones de punto flotante, as
( ) ( ) ( )
x y fl fl x fl y +

x ( ) ( ) ( )
y fl fl x fl y
( ) ( ) ( )
x y fl fl x fl y

x ( ) ( ) ( )
y fl fl x fl y
donde + , , y son las operaciones aritmticas usuales.
8 MTODOS NUMRICOS
__________________________________________________________________________________
Ilustraremos estas operaciones en el conjunto F del ejemplo, al tiempo que pondremos de
manifiesto la carencia de ciertas propiedades para tales operaciones. Supondremos que fl(x)
se escoge como el nmero de punto flotante ms cercano a x y que cuando el nmero x
equidista de dos nmeros de punto flotante, se escoge fl(x) como el ms cercano a la
derecha si es positivo o el ms cercano hacia la izquierda si es negativo:
Tomemos en F, los nmeros
28
16
5
16
y y supongamos que x y , R son tales que
( ) fl x
28
16
y ( ) fl y
5
16
. Entonces
x y fl fl +
_
,
_
,

28
16
5
16
33
16
32
16
x
y fl fl
_
,
_
,

28
16
5
16
23
16
24
16
x y fl fl
_
,
_
,

28
16
5
16
35
64
32
64
8
16
x y fl fl
F
U

_
,
_
,

>
28
16
5
16
28
5
56
16
28
5
56
16
fenmeno overflow
Overflow, ya que
( )

Tomemos
6
16
F y supongamos que z R es tal que ( ) fl z
6
16
, entonces
z y fl fl
F
L

_
,
_
,

< <
6
16
5
16
1
16
0
0
1
16
4
16
(fenmeno underflow)
Underflow, ya que
Como 1
16
16
7
8
14
16
, ,
5
8
10
16
F , entonces existen u v , ,wR tales que ( ) fl u 1,
( ) fl v
7
8
y ( ) fl w
5
8
. Entonces
( u v ) w fl fl fl fl +
_
,
_
,
+

_
,
_
,
1
7
8
5
8
1
2
8
+
_
,
_
,
fl fl 1
2
8
10
8
10
8
20
16
__________________________________________________________________________________
( ) u v w fl fl fl fl +
_
,
_
,

_
,
_
,
1
7
8
5
8
15
8
5
8

_
,
_
,
fl fl
16
8
5
8
11
8
24
16
luego
( u v ) ( ) w u v w
Anlogamente, como 3F , entonces existe r R tal que ( ) fl r 3 y se tiene que
( ) r y x fl fl fl fl
_
,
_
,

_
,
_
,
3
5
16
28
16
3
35
64

_
,
_
,
_
,
fl fl fl 3
32
64
96
64
24
16
24
16
( ) r y x fl fl fl fl
_
,
_
,

_
,
_
,
_
,
3
5
16
28
16
15
16
28
16

_
,
_
,
fl fl
16
16
28
16
28
16
28
16
As que,
( ) ( ) r y x r y x
Finalmente, como
1
4
F , existe s R tal que ( ) fl s
1
4
y

( r v ) s fl fl fl fl
_
,
_
,

_
,
_
,
3
7
8
1
4
3
5
8

_
,
_
,
fl fl 3
5
8
15
8
32
16
Como
r v fl fl
_
,
_
,
3
7
8
21
8
20
8
y
r s fl fl
_
,
_
,
3
1
4
3
4
3
4
entonces
( ) r v ( ) r s fl fl
_
,
_
,

20
8
3
4
14
8
28
16
10 MTODOS NUMRICOS
__________________________________________________________________________________
As que
( r v ) ( ) s r v ( ) r s
1.2 ERRORES DE REDONDEO
Sabemos que todo nmero real x 0 puede escribirse en la forma decimal normalizada
siguiente
( ) x a a a
t t
n
t
+
.
1 2 1
10 ... a ... , n algn entero.
Para simplificar el anlisis de los errores de redondeo, supongamos que nuestro conjunto de
punto flotante F es de t-dgitos (precisin t) en base 10 (decimal); en tal caso la forma de
punto flotante (normalizada) de ( ) x x , fl , se obtiene finalizando la mantisa de x despus de t-
dgitos. Se acostumbran dos formas para hacerlo:
i. Cortando o truncando el nmero x: En este caso
( ) ( ) fl x a a a
t
n
t .
1 2
10 ... , (no importa como sea a
t+1
)
ii. Redondeando el nmero x: En este caso
( )
( )
( )
fl x
a a ...a 10 , si 0 a 5
a a ...a 10 10 10 , si a 5
1 2 t
n
t 1
1 2 t
n n t
t 1
t <
t t
+
'
.
. .
El error ( ) x fl x que resulta al reemplazar un nmero x por su representante de punto
flotante, fl(x), se seguir denominando error de redondeo, independientemente de que se
use el mtodo de cortado o de redondeo.
Ejemplo 1.1 Supongamos t 5 y usemos las reglas de redondeo y cortado para encontrar
el representante de punto flotante decimal en cada uno de los siguientes casos:
a) ( )
( ) ( )
e

2718281828
2718281828 10
1
.
.
...
...
irracional
forma decimal normalizada
Entonces
( )
( )
( )
fl e
>
'
.
.
27182 10
27183 10 8 5
1
1
6
, cortando
, redondeando ( ya que a )

__________________________________________________________________________________
b) ( )
( ) ( )

3141592653... irracional
3141592653... 10 forma decimal normalizada
1
.
.
Entonces
( )
( )
( )
fl
'
.
.
31415 10
31416 10
1
1
,

cortando
, redondeando
c) ( )
( ) ( )
x

123456789
123456789 10
9
racional
forma decimal normalizada .
Entonces
( )
( )
( )
fl x

'
.
.
12345 10
12346 10
9
9
,

cortando
, redondeando
d) ( )
( ) ( )
y

.
.
0000213475
213475 10
4
racional
Entonces
( )
( )
( )
fl y
'
.
.
21347 10
21348 10
4
4
, cortando
, redondeando

Qu pasa si se redondea el nmero y antes de normalizarlo?
e) ( )
( ) ( )
z

2
3
6666666
6666666 10
0
.
.
...
...
racional, peridico
Entonces
( )
( )
( )
fl z
'
.
.
66666 10
66667 10
0
0
,

cortando
, redondeando

Cmo medir los errores de redondeo?

Hay varias formas acostumbradas para medir errores de aproximacin; algunas de ellas se
dan en la siguiente definicin.
12 MTODOS NUMRICOS
__________________________________________________________________________________
Definicin 1.1 Sea x
una aproximacin de un nmero real x. El error de x
con
respecto a x es

x x ; el error absoluto de x
con respecto a x es E x

x y el
error relativo de x
con respecto a x, x 0, es Er
x

x
x
. Tambin se define el error
porcentual de x
con respecto a x, como Er 100 y se expresa en porcentaje (%).

Un caso particular de aproximacin de un nmero x es cuando ( ) x fl x
, y se tiene
( ) E fl x x y
( )
Er
fl x
x
x
, x 0
Ya vimos que el error de redondeo puede depender del tamao del nmero, pues los
nmeros de punto flotante no estn distribuidos de manera uniforme en la recta real; desde
este punto de vista el error relativo es una mejor medida del error de redondeo que el error
absoluto.
Estimemos la menor cota superior para el error relativo cuando un nmero real x 0 es
aproximado por su representante de punto flotante, ( ) fl x , en una aritmtica decimal de t-
dgitos.
Sea
( ) x a a a a
t t
n

+
.
1 2 1
10 ... ... , n algn entero,
un nmero real positivo cualquiera en forma decimal normalizada.
Si fl(x) se obtiene por redondeo, tenemos:
a) Si 0 5
1
<
+
a
t
, entonces
( ) ( ) fl x a a a
t
n
.
1 2
10 ...
y entonces
( ) ( )
( )
Er
... ... ...
... ...
+
+
. .
.
a a a a a a a
a a a a
t t
n
t
n
t t
n
1 2 1 1 2
1 2 1
10 10
10
( )
( )
+ +
+
...
... ...
.
.
a a
a a a a
t t
n t
t t
n
1 2
1 2 1
10
10
( )
( )

+ +
+
...
... ...
.
.
a a
a a a a
t t
t t
t
1 2
1 2 1
10
<

.
.
5
1
10 5 10
t t
__________________________________________________________________________________
b) Si 5 a 9
t 1

+
, entonces
( ) ( ) fl x a a a
t
n n t
+

. .
1 2
10 10 10 ...
as que
( ) ( )
[ ]
( )
Er
a a a a a a a
a a a a
t t
n
t
n n t
t t
n
+
... ... ...
... ...
. . .
.
1 2 1 1 2
1 2 1
10 10 10 10
10
( )
( )
+ +

+
...
... ...
. .
.
a a
a a a a
t t
n t n t
t t
n
1 2
1 2 1
10 10 10
10
( )
( )
+ +
+
...
... ...
.
.
a a
a a a a
t t
t t
t
1 2
1 2 1
10
10
.
( )

+
.
.
5
10
1 2 1
... ... a a a a
t t
t
, ya que . . a a
t t + +

1 2
5 ...
<

.
.
5
1
10 5 10
t t
ya que . . . a a a a
t t 1 2 1
10 05 100 00
1
... ... ... ...

posicin t
+
>
+
De a) y b) se tiene que si x 0,
F
R x y ( ) x fl se obtiene por redondeo, entonces
( )
Er
x
x

<

fl x
t
5 10
y 5 10
t

es la menor cota superior para el error relativo.
Observe, en el trabajo anterior, que ( ) E fl x
n t

+
x 5 10
1 ( )
.
Se puede verificar que si ( ) fl x se obtiene por cortado, entonces
( )
Er
fl x
t t

<
+
x
x
10 10 10
1
, y
( )
( )
E x
+
fl x
n t
10 10
1
Ejemplo 1.2 Encuentre el error absoluto y el error relativo de x
con respecto a x, en cada

uno de los siguientes casos:
a) ( ) x .50 10
2
, ( ) x
.51 10
2
. Entonces
14 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) ( ) ( ) E . . . . . 5 10 51 10 01 10 1 10 10
2 2 2 1
( )
( ) ( )
( ) Er

.
.
.
.
. .
1 10
5 10
1
5 10
1
50
2 10 02 2%
1
2 1
1

b) ( ) x

.50 10
3
, ( ) x

.51 10
3
. Entonces
( ) ( ) E

. . . 01 10 1 10 00001
3 4

( )
( )
( )
Er

.
.
.
.
.
1 10
5 10
1 10
5
1
50
02 2%
4
3
1

c) ( ) x .50 10
6
, ( ) x
.51 10
6
. Entonces
( ) ( ) E . . 01 10 1 10 10000
6 5
( )
( ) ( )
Er

.
.
.
.
.
1 10
5 10
1
5 10
1
50
02 2%
5
6 1

Este ejemplo nos muestra que el error relativo es invariante al cambio de escala y se usa
como una medida de precisin o cercana.
Teniendo en cuenta la menor cota superior para el error relativo usando redondeo, se define
el concepto de cifras significativas.
Definicin 1.2 Se dice que el nmero x
aproxima con sus primeros t-dgitos o cifras

significativas al nmero x 0, si t es el mayor entero no negativo para el cual
Er
x
x

<
x
t
5 10
Los t-dgitos significativos, a que se refiere esta definicin, son los primeros t-dgitos en la
mantisa de x
cuando x
se escribe en forma decimal normalizada.

De acuerdo con la definicin anterior, si ( ) x fl x
en una aritmtica de punto flotante

decimal con redondeo a t-dgitos, entonces ( ) fl x aproxima a x con t cifras significativas, es
decir, todos los dgitos en la mantisa de ( ) fl x son significativos con respecto a x.
Tambin se define el concepto de cifras decimales exactas, como sigue:
Definicin 1.3 Se dice que el nmero x
aproxima con sus primeras k-cifras decimales

exactas al nmero x, si k es el mayor entero no negativo tal que
__________________________________________________________________________________
( )
E x
+
x
k
5 10
1
Las k cifras decimales exactas, a que se refiere esta definicin, son las primeras k cifras
contadas a partir del punto decimal en x
, cuando x
se escribe en forma decimal.

Los dos conceptos anteriores pueden aparecer definidos de manera distinta en otros textos.
Aqu se usarn las definiciones dadas.
Ejemplo 1.3 Si x .003451 y x
.003348, entonces
. . . 00005 000103 0005 5 10 5 10 5 10 5 10
4 3 2 1
< < < < <

x x
as que k 3 es el mayor entero no negativo tal que . . 003451 003348 5 10
1

+ ( ) k
.
Luego .003348 aproxima a .003451 con sus tres primeras cifras decimales exactas, que son
en este caso 0, 0 y 3.
Observe que si y
28003451 28003348 . . y y , entonces

. . . 00005 000103 0005 5 10 5 10 5 10 5 10
4 3 2 1
< < < < <

y y
y nuevamente, y
aproxima a y con sus primeras tres cifras decimales exactas, que son, por
supuesto, 0, 0 y 3.
Ahora, el error relativo de x
con respecto a x es
1 2
10 5 10 5 05 029...
003451
000103
Er 005

< < < . .
.
.
.
as que t 2 es el mayor entero no negativo que satisface

. .
.
003451 003348
003451
5 10
<
t
y por tanto x
aproxima a x con sus primeros 2-dgitos significativos que son 3 y 3 (Por

qu?). Con cuntas cifras significativas aproxima y
a y?
Ejemplo 1.4 Con cuntas cifras significativas aproxima .333 a
1
3
?
Como

1
3
333
1
3
1
3
333
1
3
1 999 001

.
.
. .
16 MTODOS NUMRICOS
__________________________________________________________________________________
y . . . 0005< 001 005 5 10 5 10 5 10
3 2 1
< < <

, entonces t 3 es el mayor entero no
negativo tal que

1
3
333
1
3
5 10
<

.
t
Por lo tanto .333 aproxima a
1
3
con 3 cifras significativas. Observe que .333 es el nmero
en aritmtica de punto flotante decimal con redondeo a tres dgitos que representa a
1
3
.

Ejemplo 1.5 Dnde debe estar x
para que aproxime a 1000 con 4 cifras significativas?

De acuerdo con la definicin 1.2, x
debe ser tal que

i)
1000
1000
5 10
4
<
x
, y
ii)
1000
1000
5 10
5
x
La desigualdad i) tiene como solucin 9995 10005 . . < <
x y la desigualdad ii) tiene como

solucin x

99995 100005 . . o x . Interceptando las dos soluciones se obtiene que x
debe estar en
( ] [ ) 9995 99995 100005 10005 . . . . , ,
1.3 PRDIDA DE CIFRAS SIGNIFICATIVAS
Sean x y y . . 43574628 43574781. Si usamos aritmtica (de punto flotante) decimal
con redondeo a 6 dgitos, entonces los representantes de x y y son
( ) fl x = .435746, ( ) fl y .435748
Se sabe que fl(x) y fl(y) aproximan a x e y, respectivamente, con todas sus seis cifras
significativas (Verifquelo).
Ahora,
x y

153 10 153 10
6 5
. .
y
x ( ) ( ) ( ) ( ) y fl fl x fl y fl . . 435746 435748
( ) ( )

fl fl 20 10 2 10 2 10
6 5 5
. . .
__________________________________________________________________________________
por tanto el error relativo de x y con respecto a x y es
( )

. .
.
2 10 153 10
153 10
5 5
5
<

.
.
. .
047
153
307... 5 5 10
1
Luego x y aproxima al valor exacto x y con nicamente una cifra significativa (1), as
que hubo prdida de 5 cifras significativas ( ( ) fl x , ( ) fl y tenan cada uno 6 cifras significativas
con respecto a x e y, respectivamente); lo anterior sugiere que en un coputador debe evitarse
la resta de nmeros "casi iguales". Como ejercicio, revise en el mismo ejemplo, qu pasa
con las operaciones
y .
Ejemplo 1.6 Encontrar las races de la ecuacin cuadrtica
x x
2
4002 80 0 + .
usando la frmula usual y aritmtica decimal con redondeo a 4 dgitos.
De acuerdo con la frmula usual, las races son
( )
x
1
2
4002 4002 320
2
+ . .
y
( )
x
2
2
4002 4002 320
2
. .

Si hacemos los clculos para x
1
y x
2
, usando aritmtica decimal con redondeo a 4 dgitos,
obtenemos
x
1
4002 160200 320
2
4002 159900
2
4002 3999
2
8001
2
4001
+

. . . . .
.
x
2
4002 160200 320
2
4002 159900
2
4002 3999
2
3
2
1500

. . . . .
.
Como las races exactas de la ecuacin son x
1
4000 . y x
2
2 . , entonces x
1
es una
aproximacin precisa (a 4 dgitos) de x
1
, mientras que x
2
es una aproximacin muy pobre

de x
2
(nicamente tiene una cifra significativa con respecto a x
2
) .
La deficiencia en la estimacin de x
2
se debe a que los nmeros 400.2 y ( ) 4002 320
2
.
son nmeros muy cercanos entre s (en una aritmtica finita con redondeo a 4 dgitos). En
este caso se consigue una aproximacin ms exacta para x
2
, aumentando la precisin de la
aritmtica o "racionalizando el numerador".
Si racionalizamos el numerador, es decir, si hacemos
18 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( )
( ) ( )
x
2
2 2
2 2
4002 4002 320
2
4002 4002 320
4002 4002 320
160
4002 4002 320
+
+
+
. . . .
. . . .

( )
_
,
80
2
4002 4002 320
2
1
. .
c
x
, donde c es el trmino constante en la ecuacin
x bx c
2
0 + + , obtenemos
x
x
2
1
80 80
4001
2000

.
.
que coincide con el valor exacto de x
2
, en este caso.
Cmo resolvera la ecuacin x x
2
4002 80 0 + + . , usando aritmtica decimal con redondeo a
cuatro dgitos, si quiere intentar evitar la prdida de cifras significativas en el clculo de las
races?
Ejercicio 1.1 Elabore un programa de computador que resuelva la ecuacin cuadrtica
general ax bx c
2
0 + + (an en el caso de races complejas), usando aritmtica finita y que
intente evitar la prdida de cifras significativas en el clculo de las races.
Ejemplo 1.7 Recordemos que para todo xR
e
x
n
x
x x x
n
x
n n
n
+ + + + + +
! ! !
...
!
... 1
2 3
2 3
0

Si usamos aritmtica de computador para estimar e
x
, a partir de la serie, slo podremos
tomar un nmero finito de trminos; digamos que tomamos los primeros n+1 trminos (para
un cierto n), entonces
e x
x x x
n
x
n
+ + + + + 1
2 3
2 3
! !
...
!
El polinomio
( ) p x x
x x x
n
n
n
+ + + + + 1
2 3
2 3
! !
...
!
se llama polinomio de Taylor de grado n para la funcin f x e
x
( ) en el punto a 0 o
tambin polinomio de Maclaurin.
Se sabe que
( ) ( ) e p x R x
x
n n
+ ;0
con
( )
( )
R x;0 e
x
n 1!
n
n 1
+
+
para algn entre 0 y x

__________________________________________________________________________________
o tambin
( ) ( ) R x
n
x t e dt
n
n
t
x
;
!
0
1
0

Observe que
R x
n
( ; ) 0
no es otra cosa que el residuo en la serie de Taylor cuando se toman
los primeros n+1 trminos. A ( ) R x
n
;0 se le llamar error de truncamiento o de frmula al
aproximar la funcin e
x
mediante el polinomio p x
n
( ) .
El error de truncamiento o de frmula ocurre cuando un proceso matemtico se interrumpe
antes de su terminacin.
Supongamos que queremos estimar e
5
y e
5
a partir del polinomio de Taylor, es decir,
( )
( ) ( ) ( )
( ) e 1 5
5
2!
5
3!
...
5
n!
p 5
5
2 3 n
n
+ +

+

+ +

( ) e 1 5
5
2!
...
5
n!
p 5
5
2 n
n
+ + + +
Cul es la aproximacin que se obtiene para e
5
y e
5
, si se trabaja en una aritmtica (de
punto flotante) decimal con redondeo a 4 dgitos?
Las aproximaciones correspondientes a e
5
y e
5
aparecen en la TABLA 1.3.
De acuerdo con los resultados de la TABLA 1.3, en una aritmtica decimal con redondeo a 4
dgitos, e 9993 10
5 2
. (la suma
( )
5
0
k
k
n
k!
se estabiliz en n 22) y e
5
1484 . (la
suma
5
0
k
k
n
k!
se estabiliz en n 14) .
El valor exacto de e
5
es 6737946999 10
3
. ...

y el de e
5
es 148.4131591.... Se observa
que para e
5
todos los cuatro dgitos obtenidos en la aproximacin son significativos,
mientras que para e
5
slo hay un dgito significativo.
A qu se debe el problema en el clculo de e
5
? Se debe, entre otros, a la suma alternada
(hay que evitarlas) y al hecho de que hay trminos relativamente grandes con respecto al
nmero pequeo e
5
, los cuales al ser sumados producen prdida de cifras significativas.
Una forma ms adecuada de calcular e
5
es aumentando la precisin de la aritmtica o
calculando
1
5
e
: para la aritmtica de punto flotante decimal con redondeo a cuatro dgitos
20 MTODOS NUMRICOS
__________________________________________________________________________________
1 1
1484
6739 10
5
3
e

.
.
que es una mejor aproximacin de e
5
.
Con cuntas cifras significativas aproxima 6739 10
3
.

al valor exacto e
5
?
Grado n
Trmino Suma (
( )
5
0
k
k
n
k!
) Suma (
5
0
k
k
n
k!
)
0 1.000 1.000 1.000
1 5000 . 4000 . 6.000
2 12.50 8.500 18.50
3 2083 . 1233 . 39.33
4 26.04 13.71 65.37
5 2604 . 1233 . 91.41
6 21.70 9.370 113.1
7 1550 . 6130 . 128.6
8 9.688 3.558 138.3
9 5382 . 1824 . 143.7
10 2.691 .8670 146.4
11 1223 . .3560 147.6
12 .5097 .1537 148.1
13 .1960

.4230 10
1
148.3
14
.7001 10
1

.2771 10
1

148.4
15

.2333 10
1
.4380 10
2

148.4
16
.7294 10
2

.1167 10
1

17

.2145 10
2
.9525 10
2

18
.5959 10
3

.1012 10
1

__________________________________________________________________________________
19

.1568 10
3
.9963 10
2

20
.3920 10
4

.1000 10
1

21

.9333 10
5
.9991 10
2

22
.2121 10
5

.9993 10
2

23

.4611 10
6
.9993 10
2

TABLA 1.3
1.4 ESTABILIDAD DE UN ALGORITMO
Los ejemplos 1.6 y 1.7 anteriores, muestran como un algoritmo mal concebido puede
conducir a una respuesta defectuosa de un problema perfectamente bien planteado. La
deficiencia fue corregida cambiando el algoritmo.
Cuando al aplicar un algoritmo para resolver un problema, el efecto acumulativo de los
errores, incluyendo errores de redondeo, es limitado de modo que se genera un resultado
til, el algoritmo se dice estable; en caso contrario, es decir, cuando los errores crecen de
manera incontrolada de modo que se genera una respuesta defectuosa al problema, el
algoritmo se dice inestable.
Ejemplo 1.8 Supongamos que queremos calcular
I x e dx
n
n x

1
0
1
123 , n , , ,...
Una forma de proceder para estos clculos es como se indica a continuacin:
Usando integracin por partes con u x
n
y dv e dx
x
1
, tenemos que
]
I
n
n x n x n x n x
n
x e dx x e nx e dx n x e dx
I

1
0
1
1
0
1
1 1
0
1
1 1
0
1
1
1
! " $$ # $$
es decir, I nI
n n

1 234
1
, , , ,... n . Luego I nI
n n

1 234
1
, , , ,... n con I xe dx
e
x
1
1
0
1
1

(irracional).
22 MTODOS NUMRICOS
__________________________________________________________________________________
Usando aritmtica (de punto flotante) decimal con redondeo a 6 dgitos y la frmula de
recurrencia I nI
n n

1
1
, obtenemos
I I
1 1
367879

. , I I
2 2
264242

. , I I
3 3
207274

. , I I
4 4
170904

. ,
I I
5 5
145480

. , I I
6 6
127120

. , I I
7 7
110160

. , I I
8 8
118720

. ,
I I
9 9
0684800

.
Es claro que el valor ( ) .0684800
9
I es incorrecto, pues x e
x 9 1
es continua y positiva
sobre el intervalo ( ) 01 , . Qu caus este resultado? Observe que nicamente hay error de
redondeo en el clculo de I
1
, donde
1
e
fue redondeado a 6 dgitos significativos. Como la
frmula de recurrencia obtenida en la integracin por partes es exacta para la aritmtica real,
entonces no hay error de frmula y as el error en I
9
es debido en su totalidad al error de
redondeo en I
1
. El error inicial fue

4412 10
7
. .
Al calcular I
2
, tenemos
( )
I I I I I
2 1 1 1 2
1 2 1 2 1 2 2 2 +

entonces I I
2 2
2
.
Ahora,
( )
( )( ) ( )( ) I I I I I
3 2 2 2 3
1 3 1 3 2 1 3 2 3 2 3 + +

__________________________________________________________________________________
as que ( )( ) I I
3 3
2 3
.
Al llegar al clculo de I
9
, obtenemos
( )( ) ( ) I I
9 9
2 3 9 +
...
es decir,
( )( ) ( ) I I
9 9
2 3 9 9
... !
De donde
( )
I I
9 9
7
362880 4412 10 160102656

. .
El valor de I
9
, con por lo menos 4 cifras decimales exactas, es
I
9
0684800 160102656 091622656 + . . .
Observe que el error absoluto, debido a los clculos, crece a medida que n aumenta, y es
mucho ms grande que el valor real (en valor absoluto) que se est aproximando (se puede
ver que si es el error inicial, entonces el error despus de n pasos es
( )
n n n
n-1
I I 1 n! , y ( ) lim lim n
n
n
n
n

+ 1
1
! ; mientras que 0 I
1
n 1
n
<
+
). En
conclusin, el algoritmo dado por la frmula de recurrencia
n I con I nI
e
n n

1 23
1
1 1
, , ,...
es inestable.
Cmo podemos escoger un algoritmo diferente el cual evite esta inestabilidad?
Si reescribimos la relacin de recurrencia como
I
I
n
N
n
n
1
1
32 , ,..., , n
entonces en cada paso del clculo el error en I
n
es dividido por n. As que, si comenzamos
con un valor para algn I
n
con n>> 1, y trabajamos hacia atrs, cualquier error inicial o
errores de redondeo que ocurran estarn decreciendo en cada paso. Este es un ejemplo de
algoritmo estable.
Para obtener un valor inicial, notemos que
I x e dx x dx
x
n n
n
n x n
n

+
1
]
1
1

+
+

1
0
1
0
1
1
0
1
1
1
1
Por lo tanto I
n
0 cuando n +.
24 MTODOS NUMRICOS
__________________________________________________________________________________
Por ejemplo, si aproximamos I
20
por 0 y usamos el valor 0 como un valor inicial, entonces
cometemos un error inicial tal que 0
1
21
; este error es multiplicado por
1
20
al calcular
I
19
, as que el error en el clculo de I
19
, que es
1
20
, es tal que
0
1
20
1
20
1
21

Procediendo de la manera anterior, el error en el clculo de I
15
es tal que
0
1
16
1
17
1
20
1
16
1
17
1
20
1
21
256 10 5 10
8 8
<

... ... .
lo que garantiza una precisin de por lo menos 7 cifras decimales exactas de precisin para
los valores calculados de I I
15 9
,..., .
Haciendo los clculos para I I
20 9
,..., , obtenemos
I
20
0000000000 . , I
19
05000000000 . , I
18
0500000000 . ,
I
17
0527777778 . , I
16
05571895425 . , I
15
05901756536 . ,
I
14
06273216231 . , I
13
06694770269 . , I
12
07177325364 . ,
I
11
07735222886 . , I
10
0838770701 . , I
9
09161229299 .
Ejemplo 1.9 La sucesin { } p
n
n
con p
n
n
_
,

1
3
, n 0,1,... se puede generar de varias
maneras; dos de ellas son:
i) x x x
n n n 0 1 1 2
1
1
3
5
6
1
6
23

_
,
_
,

x x n , , , , ,...
ii) y y y
n n n 0 1 1 2
1
1
3
5
3
4
9
23

_
,
_
,

y y n , , , , ,...
Veamos que, efectivamente, la sucesin definida en i) es igual a la sucesin
1
3
01
_
,
'
n
n
, , ,... n
. En efecto:
x
0
0
1
1
1
1
3
1
3
1
3

_
,
_
,
; x
, y
x x x
2 1 0
2
5
6
1
6
5
6
1
3
1
6
1
5
18
1
6
1
9
1
3
_
,
_
,
_
,
_
,
_
,
.
__________________________________________________________________________________
Supongamos que x x x
k k k
k
_
,
_
,
_
,

5
6
1
6
1
3
1 2
para 2 < k n, y veamos que
x x x
n n n
n
_
,
_
,
_
,

5
6
1
6
1
3
1 2
:
x
n
n n n n n
_
,
_
,
_
,
_
,
_
,
_
,
_
,
_
,
_
,

5
6
1
3
1
6
1
3
1
3
5
6
1
3
1
6
1
3
1
3
1
3
1 2 2 2 2
Luego
x para todo n
n n n
n
x x

_
,
_
,
_
,

5
6
1
6
1
3
01
1 2
, , ,...
Anlogamente, se puede verificar que la sucesin definida en ii) es igual a la sucesin { } p
n
n
con p
n
n
_
,

1
3
01 , , ,... n .
Si usamos aritmtica decimal con redondeo a 7 dgitos para calcular los primeros trminos
de las sucesines { } p
n
n
, { } x
n
n
y { } y
n
n
, se obtienen los resultados que se muestran en la
TABLA 1.4 siguiente.
n
p
n
x
n
y
n
0 1.000000 1.000000 1.000000

1 .3333333 .3333333 .3333333
2 .1111111 .1111111 .1111111
3
.3703704 10
1

.3703704 10
1

.3703706 10
1

4
.1234568 10
1

.1234568 10
1

.1234571 10
1

5
.4115226 10
2

.4115227 10
2

.4115268 10
2

6
.1371742 10
2

.1371743 10
2

.1371797 10
2

7
.4572474 10
3

.4572475 10
3

.4573210 10
3

8
.1524158 10
3

.1524159 10
3

.1525139 10
3

9
.5080526 10
4

.5080529 10
4

.5093613 10
4

10
.1693509 10
4

.1693510 10
4

.1710958 10
4

11
.5645029 10
5

.5645036 10
5

.5877683 10
5

12
.1881676 10
5

.1881680 10
5

.2191882 10
5

13
.6272255 10
6

.6272272 10
6

.1040833 10
5

14
.2090752 10
6

.2090760 10
6

.7605514 10
6

15
.6969172 10
7

.6969214 10
7

.8049934 10
6

16
.2323057 10
7

.2323078 10
7

.1003633 10
5

17
.7743524 10
8

.7743628 10
8

.1314947 10
5

18
.2581175 10
8

.2581227 10
8

.1745519 10
5

19
.8603916 10
9

.8604175 10
9

.2324777 10
5

20
.2867972 10
9

.2868101 10
9

.3098842 10
5

TABLA 1.4
26 MTODOS NUMRICOS
__________________________________________________________________________________
Si comparamos los valores calculados p
20
9
2867972 10

. , x
20
9
286810 10

. y
y
20
5
3098842 10

.

con el valor exacto
1
3
1
3486784401
28679719 10
20
10
_
,

. ... , se
puede ver que p
20
9
2867972 10

. aproxima al valor exacto con todas sus 7 cifras
significativas, x
20
9
286810 10

. aproxima al valor exacto con cinco cifras significativas
(de siete), mientras que y
20
5
3098842 10

. aproxima al valor exacto con ninguna cifra
significativa.
Qu puede decirse de la estabilidad numrica de las frmulas que definen las sucesiones
{ } p
n
n
, { } x
n
n
y { } y
n
n
?
Observamos que la frmula para calcular y
n
produce rpidamente prdida de cifras
significativas, mientras que la frmulas para calcular p
n
y x
n
no, as que el algoritmo para
calcular y
n
es inestable, mientras que los algoritmos para calcular p
n
y x
n
son estables.
Si calculamos ms trminos de la sucesiones { } p
n
n
, { } x
n
n
y { } y
n
n
, se obtienen los
resultados que se muestran en la TABLA 1.5 siguiente.
n
p
n
x
n
y
n
30
.4856936 10
14

.4869553 10
14

.5502329 10
4

40
.8225264 10
19

.9457497 10
19

.9770887 10
3

50
.1392956 10
23

.1342649 10
23

.1735087 10
1

60
.2358983 10
28

.1177509 10
25

.3081121 10
0
70
.3994957 10
33

.1147647 10
28

.5471369 10
1
80
.6765496 10
38

.1120711 10
31

.9715907 10
2
90
.1149065 10
42

.1094443 10
34

.1725324 10
4
100 0
.1068791 10
37

.3063784 10
5
TABLA 1.5
Observe, en los clculos de la tabla anterior, que p
n
0 y x
n
0, mientras que y
n

(cuando n ), y es claro que lim
n
n
_
,

1
3
0.
Otra forma de estudiar la estabilidad numrica de las frmulas definidas en este ejemplo es
como sigue:
Las sucesiones definidas en i) y ii) pueden verse como ecuaciones en diferencias con
condicin inicial:
i)
( )
( )
x
5
6
x
1
6
x , n 2,3,... 1.1.a
x 1, x
1
3
1.1.b
n n 1 n 2
0 1

_
,
_
,
'

__________________________________________________________________________________
ii)
( )
( )
y
5
3
y
4
9
y , n 2,3,... 1.2.a
y 1, y
1
3
1.2.b
n n 1 n 2
0 1

_
,
_
,
'

Se puede probar que la solucin general de la ecuacin en diferencias (1.1.a), es
x
n
n n
c c

_
,
_
,
1 2
1
3
1
2
con c
1
y c
2
constantes arbitrarias.
Ntese que la solucin general anterior es el conjunto de todas las combinaciones lineales de
las soluciones particulares
1
3
_
,
_
,
n n
y
1
2
, de la ecuacin (1.1.a). Tales soluciones
particulares pueden obtenerse buscando soluciones de la forma
x
n
n

con 0, para la
ecuacin mencionada.
Para que se satisfagan las condiciones iniciales exactas (1.1.b), x
0
1 y x
1
1
3
, deben
escogerse c
1
1 y c
2
0 , es decir, la solucin de la ecuacin en diferencias (1.1.a) que
satisface la condicin inicial (1.1.b) es la sucesin
{ } con p , n p
n
n
n
n
_
,

1
3
012 , , ,...
Si las condiciones iniciales son cambiadas por x
0
1000000 . y x
1
3333333 . (redondeando
las condiciones iniciales (1.1.b) a siete dgitos), entonces los valores de las constantes son
ahora c
1
10000002 . y c
2
6
2 10

. , as que la solucin de la ecuacin en diferencias
(1.1.a) con las nuevas condiciones es
x
n
n n
_
,
_
,
10000002
1
3
2 10
1
2
6
. .
y entonces al calcular p
n
n
_
,
1
3
, mediante esta ltima frmula, el error es tan solo

_
,
_
,
_
,
_
,
_
,
_
,

n
n n n n n
10000002
1
3
2 10
1
2
1
3
2 10
1
3
1
2
6 6
. . .
(
n
0
cuando n y observe que
p 0 cuando n
n

)
En este caso el algoritmo se considera estable.
En cuanto a la ecuacin en diferencias (1.2.a), tenemos que su solucin general es
28 MTODOS NUMRICOS
__________________________________________________________________________________
y
n
n n
c c

_
,
_
,
1 2
1
3
4
3
con c
1
y c
2
Para que se satisfagan las condiciones iniciales (1.2.b), y
0
1 y y
1
1
3
, deben escogerse
c
1
1
y c
2
0 , es decir, la solucin de la ecuacin en diferencias (1.2.a) con condicin
inicial (1.2.b) es la sucesin
{ } con p , n p
n
n
n
n
_
,

1
3
012 , , ,...
Si las condiciones iniciales son cambiadas por y
0
1000000 . y y
1
3333333 . (redondeando
las condiciones iniciales (1.2.b) a siete dgitos), entonces los valores de las constantes son
ahora c
1
30000001
3
.
y
c
2
7
10 10
3

.
, es decir, la solucin de la ecuacin en diferencias
(1.2.a) que satisface las nuevas condiciones, es
y
n
n n
_
,
_
,
30000001
3
1
3
10 10
3
4
3
7
. .
El error al calcular p
n
n
_
,
1
3
, mediante esta ltima frmula, es

_
,
_
,
_
,
_
,
_
,
_
,

n
n n n n n
30000001
3
1
3
10 10
3
4
3
1
3
10 10
3
1
3
4
3
7 7
. . .
( +
n
cuando n , mientras que p 0 cuando n
n
)
En este caso el algoritmo definido por la frmula ii) es inestable.
1.5 CONDICIONAMIENTO DE UN PROBLEMA
Para ciertos problemas "buenas" respuestas no pueden ser obtenidas por cualquier
algoritmo, porque el problema es sensible a errores pequeos cometidos en la
representacin de los datos o en la aritmtica. Hay que distinguir entre algoritmos inestables
y problemas sensibles a cambios pequeos en los datos.
Un problema se dice bien condicionado si pequeos cambios en los datos inducen slo un
cambio pequeo en el resultado, es decir, problemas "cercanos" tienen respuesta "cercana".
El buen condicionamiento es algo inherente al problema.
Veamos un ejemplo.
Consideremos el siguiente sistema de ecuaciones lineales
__________________________________________________________________________________
'
+
+
21 y 10 x 05 10
2 y x

.
La solucin exacta (nica) de este sistema es x 20 e y 18. En este caso, el punto
( ) 20 18 , es la interseccin de las rectas casi paralelas:
L y
1
2 : x+ , con pendiente m
1
10 .
L x y
2
1005 10 21 : . + , con pendiente m
2
1005 .
Ahora cambiamos el coeficiente 10.05 por 10.1 (un cambio relativo de .5%) y consideramos
el sistema perturbado
'
+
+
21 y 10 x 1 . 10
2 y x

La solucin exacta de este sistema perturbado es x 10, y 8.
Se observa que un cambio pequeo en uno de los datos del problema (coeficientes y
trminos independientes del sistema) ha producido un gran cambio en la solucin (de ms de
100%). Este problema se dice que est mal condicionado.
TALLER 1.
1. Convertir los siguientes nmeros binarios a la forma decimal (equivalente decimal):
( ) ( ) ( ) ( ) ( ) ( ) . . . 1100011 1111111 1010 100101 1000001 10101
2 2 2 2 2 2
; ; ; ; ;
2. Para los siguientes nmeros x y x
, con cuntas cifras decimales exactas y con cuntas

cifras significativas aproxima x
a x ?
a) x
451023 45101 . . , x
b) x
. . 045113 04518 , x
c) x
234213 234604 . . , x
3. Un paralelippedo rectangular tiene lados de 3, 4 y 5 centmetros, medidos solamente al
centmetro ms cercano. Determine el intervalo ms pequeo en el cual debe estar el
rea lateral de este paralelippedo y el intervalo ms pequeo en el cual debe estar su
volumen.
30 MTODOS NUMRICOS
__________________________________________________________________________________
4. Sean ( ) x y
0 0
, y ( ) x y
1 1
, , con y y
0 1
, puntos dados de una cierta lnea recta. Verifique
que la abscisa del punto de interseccin de dicha recta con el eje x, se puede calcular con
cualquiera de las dos siguientes frmulas
( )
x , x

x y x y
y y
x
x x y
y y
0 1 1 0
1 0
0
1 0 0
1 0
Use los datos ( ) ( ) x y
0 0
131 324 , , . . , ( ) ( ) x y
1 1
193 476 , , . . y aritmtica decimal con
redondeo a tres dgitos para calcular dicha abscisa, utilizando las dos frmulas. Cul
frmula da el mejor resultado y por qu?
5. Considere el sistema de ecuaciones lineales

3169 1431 4500
1311 589 1900
. . .
. . .
x y
x y
+
+
'
Un mtodo para resolver este sistema es multiplicar la primera ecuacin por 13.11, la
segunda ecuacin por 31.69 y restar las ecuaciones resultantes para obtener el valor de
y ; luego se multiplica la primera ecuacin por 5.89, la segunda ecuacin por 14.31 y
restamos las ecuaciones resultantes para obtener el valor de x.
Efecte las operaciones indicadas usando aritmtica decimal con corte a cuatro dgitos y
compare los resultados obtenidos con la solucin exacta del sistema. Si hay alguna
diferencia en los resultados, puede explicar a qu se debe tal diferencia?
6. a) Escriba un programa que le produzca un error overflow en su computador.
b) Escriba un programa para determinar experimentalmente (no tericamente) el nmero
de punto flotante ms pequeo y el ms grande de su computador.
7. Calcule ln2 a partir de la serie de Maclaurin para la funcin ( ) ( ) f x x + ln 1 . Determine el
menor nmero de trminos en dicha serie que deben tomarse para conseguir ln2 con un
error menor que 10
8
. Haga lo mismo para ln15 . y ln11 . , y analice los resultados.
8. La aproximacin senx x se usa a menudo para x pequeo. Estime, con la ayuda del
teorema de Taylor, el error de truncamiento al usar esta frmula. Para qu rango de
valores de x da esta aproximacin resultados con una precisin de por lo menos seis
cifras decimales exactas?
__________________________________________________________________________________
9. Sea ( ) f x e
x

. Encuentre el polinomio de Taylor de tercer grado para f alrededor de
a 10 . , y selo para aproximar e
.99
. Cuntas cifras decimales exactas se esperan en la
aproximacin calculada?
10. Discuta los problemas que se pueden presentar al evaluar las siguientes funciones y
plantee alternativas que permitan evitarlos:
a) ( ) ( ) f x x x + ln ln 1 b) senhx
e e
x x

2
c) ( ) f x
x
x
1
2
cos
d)
( ) f x x + 1 1
3
11. Use aritmtica decimal con redondeo a cuatro dgitos y una frmula que intente evitar la
prdida de cifras significativas, para encontrar las races de cada una de las siguientes
ecuaciones cuadrticas
a) x x
2
1996 1995 0 + . . b) x x
2
40 1 0 +
12. Considere la ecuacin en diferencias
x x x , n 2,3,...
n n 1 n 2
+

(1)
a) Verifique que la sucesin
x
n
n
_
,

1 5
2
01 , , ,... n (2)
es solucin de la ecuacin en diferencias (1), y satisface las condiciones iniciales
x
0 1
1
1 5
2

+
y x .
Utilice aritmtica finita para calcular x , n 0,1,...,20
n
usando la frmula (1) con las
condiciones iniciales anteriores, y tambin usando la frmula (2). Explique los
resultados y concluya acerca de la estabilidad numrica de la frmula (1) .
b) Verifique que la sucesin
x
n
n
_
,

1 5
2
01 , , ,... n (3)
es solucin de la ecuacin en diferencias (1), y satisface las condiciones iniciales
x
0 1
1
1 5
2

y x .
32 MTODOS NUMRICOS
__________________________________________________________________________________
Utilice aritmtica finita para calcular x , n 0,1,...,20
n
usando la frmula (1) con las
condiciones iniciales anteriores, y tambin usando la frmula (3). Explique los
resultados y concluya acerca de la estabilidad numrica de la frmula (1) .
13. Considere la ecuacin en diferencias
( ) x 2 x x , n 2,3,...
n n 1 n 2
+

a) Verifique que si se dan las condiciones iniciales x 1 y x 1 3
0 1
, entonces
( )
x 1 3, , n 0,1,...
n
n
es solucin de la ecuacin en diferencias dada y satisface
las condiciones iniciales dadas.
b) Utilice aritmtica finita para calcular x , n 0,1,...,20
n
usando tanto la frmula
( )
x 1 3
n
n
, como la frmula ( ) x 2 x x
n n-1 n-2
+ , con las condiciones iniciales dadas
en a). Explique los resultados y concluya acerca de la estabilidad numrica de la
frmula ( ) x 2 x x
n n-1 n-2
+ .
14. Las funciones de Bessel J
n
satisfacen la siguiente frmula de recurrencia
( ) ( ) ( ) ( ) J n
n n n
x n x J x J x

2 1 23
1
1 2
, , ,...
(4)
Empiece con ( ) ( ) J
0 1
1 7651976866 1 4400505857 y J . . y use la frmula de
recurrencia anterior para calcular ( ) J
n
1 23 20 , , ,..., n . Se puede creer en los resultados
obtenidos? Explique.
Nota: Se sabe que las funciones de Bessel J
n
pueden definirse mediante la frmula
( ) ( ) J
n
x x n d
1
0
cos sen
15. Las funciones de Bessel Y
n
satisfacen la misma frmula de recurrencia (4) que las
funciones de Bessel J
n
. Empiece con ( ) Y
0
1 0882569642 .
y ( ) Y
1
1 7812128213 .
y
use la frmula de recurrencia (4) para calcular ( ) Y
n
1 23 20 , , ,..., n . Decida si los
resultados son confiables o no.
16. Escriba un programa de computador que calcule el valor de S
k
N
k
N
1
1
para varios
valores de N. Encuentre el valor de N tal que S S
n N
para todo n N . Le parece
__________________________________________________________________________________
extrao que tal valor exista? Recuerde que la serie armnica
1
1
k
k
es divergente.
Explique.
17. Para cualquier entero positivo N y una constante fija r 1, se tiene la siguiente frmula
para la suma geomtrica
G
N
N
N
N
r r r
r
r
Q + + + +

+
1
1
1
2
1
...
Escriba un programa de computador que calcule G
N N
y Q para valores arbitrarios de r
y N. Si r se escoge muy cerca de 1, los valores de G
N N
y Q pueden diferir. Cmo
explica sto? Cul de los dos cree que es una mejor aproximacin del valor exacto de la
suma? Explique.
18. Defina una sucesin { } x
n
n
, , ,... n 01 mediante la frmula de recurrencia
x , n , ,... donde x
n n
n
x
x
+
+ >
1 0
1
01 0
Qu puede decir acerca de la existencia de limx
n
n
?
CAPTULO 2. SOLUCIN NUMRICA DE UNA ECUACIN
NO-LINEAL EN UNA VARIABLE
INTRODUCCIN
El objetivo de este captulo es estudiar algunos mtodos numricos para hallar races reales
de una ecuacin no-lineal en una variable (slo se estudiarn races complejas para
ecuaciones polinmicas). En la siguiente definicin formalizamos el concepto de raz de una
ecuacin.
Definicin 2.1 Sea f: , D R D R , una funcin dada. Un nmero D se dice una
raz (en D) de la ecuacin ( ) f x 0, o un cero (en D) de la funcin f si ( ) f 0.
Como veremos, los mtodos numricos que estudiaremos para encontrar una raz de una
ecuacin ( ) f x 0,

generarn una sucesin { } x n
n
n
, , , ,... 012 (Mtodos iterativos) tal que
limx
n
n
. Cualquiera de tales mtodos numricos permitir calcular los trminos de la

sucesin { } x
n
n
; as que no se espera, en general, calcular limx
n
n
. Por lo tanto, deberemos

disponer de algn criterio para escoger un trmino de la sucesin { } x n
n
n
, , , ,... 012 como
aproximacin de la raz buscada .
CRITERIOS DE APROXIMACIN
Supongamos que la funcin f es continua en alguna vecindad de que contiene a la
sucesin { } x n
n
n
, , , ,... 012 , y que la sucesin { } x
n
n
es tal que limx
n
n
. Entonces
( ) ( ) limf x f
n
n
0 y as, dado cualquier nmero positivo , existe { } 0,1,2,... N = N tal que

para todo n N se tiene que ( ) f x
n
< . Teniendo en cuenta lo anterior, dado un nmero
> 0 adecuadamente pequeo, al cual llamaremos Tolerancia y que notaremos Tol,
podramos escoger como aproximacin de la raz al trmino x
N
de la sucesin
mencionada, donde N es el menor entero no-negativo que satisface
i) ( ) f x
n
<
Por otro lado, como limx
n
n
significa que dado > 0, existe { } N

0
012 N , , ,... tal que si
n N
0
, entonces x
n
< , y esto implica que
x x
x x
N N N N
N N
x x
0 0 0 0
0 0
1 1
1
2
+ +
+
+
+ < +

entonces tambin podramos tomar como aproximacin de la raz al trmino x
N
de la
sucesin mencionada, donde N es el menor entero no-negativo tal que
34 MTODOS NUMRICOS
__________________________________________________________________________________
ii) x x
n n 1
<

Tambin podramos tomar como aproximacin de la raz al trmino x
N
donde N es el
menor entero no-negativo tal que
iii)
x x
x
n n 1
n
<
, si 0 x
n

Pues bien, para una tolerancia > 0 previamente escogida, cualquiera de los tres criterios
mencionados, se adoptar como criterio para obtener una aproximacin de una raz .
Ahora, en cuanto a los criterios de aproximacin anteriores, es fcil ver que el hecho de que
( ) f x
N
< o x x
N N
<
1
no necesariamente indica que x
N

est muy cerca de , como
puede apreciarse en la FIGURA 2.1 y en el ejemplo 2.1 siguientes.
FIGURA 2.1
Ejemplo 2.1 Consideremos la ecuacin ( ) f x 0 donde ( ) ( ) f x x 1
10
. Es claro que 1 es
una raz de esta ecuacin, y que la sucesin { } x
n
n
, n 1,2,... donde x
n
n
+ 1
1
converge a
dicha raz.
Si tomamos como tolerancia

10
3
, al aplicar el criterio de aproximacin i), se tiene que
( ) f n x
n
n
n
n
< +
_
,
< >
1
1
1
1
10 10 2
10
10
3 10 3
Si tomamos como aproximacin de al trmino x
2
1
1
2
3
2
+ de la sucesin mencionada,
observamos que
2
1

2
3
1 x -
2
, y
1
2
no es menor que

10
3
; realmente
2
x
es una distancia muy grande entre y x
2
. Vea la FIGURA 2.2.
Si usamos el segundo criterio con la misma tolerancia, debemos encontrar n tal que
x x 1
1
n
1
1
n 1
1
n
1
n 1
10
n n 1
3
< + +
_
,
<
Captulo 2. SOLUCIN NUMRICA DE UNA ECUACIN NO-LINEAL EN UNA VARIABLE 35

__________________________________________________________________________________
Resolviendo esta ltima desigualdad se obtiene que si n 33, entonces
x x
n n
<
1
3
10 , as que la aproximacin de obtenida, usando este criterio, sera
x 1
1
33
1030...
33
+ . , y la distancia x
1
33
33
no es menor que

10
3
.
Observe que para que <

x 10
n
3
, debe tomarse x x 1
1
1001
100099..
n 1001
+ . ..
( < +
_
,
< < >

x
n n
n
n
1 1
1
10
1
10 10
3 3 3
)
FIGURA 2.2
Se sigue de lo anterior que cualquiera de los criterios i), ii), iii) puede no darnos una idea
clara de la distancia real x
n
.
Por otra parte, para garantizar que una sucesin, generada por un determinado mtodo
numrico, converge a la raz buscada, la funcin f en cuestin deber satisfacer ciertas
condiciones; resulta que muchas veces aplicaremos el mtodo sin chequear tales
condiciones lo que nos conducir, posiblemente, a una sucesin divergente, caso en el cual,
un entero N para el cual se cumpla i), ii) o iii), puede no existir. Puede ocurrir tambin que,
an tratndose de una sucesin que converge a la raz buscada, el entero N al que nos
hemos referido sea muy grande, por ser "muy lenta" la convergencia de la sucesin. Por lo
anterior, al aplicar cualquiera de los criterios, se hace necesario establecer siempre una cota
para N, es decir, imponer un mximo al nmero de iteraciones.
Tambin, con frecuencia, tendremos que combinar dos o ms de los criterios mencionados,
o considerar algn otro criterio, al momento de obtener una aproximacin de una raz .
Por lo general al aplicar un mtodo numrico necesitaremos de una aproximacin inicial de la
raz buscada o bien de un intervalo que contenga a dicha raz. Esta informacin puede
obtenerse dibujando la grfica de la funcin f, si la ecuacin en cuestin es ( ) f x 0; las
abscisas de los puntos de corte de dicha grfica con el eje x son races reales de la
36 MTODOS NUMRICOS
__________________________________________________________________________________
ecuacin. Adems, la grfica de f nos permitir tener alguna idea til del comportamiento
cualitativo de f en la vecindad de la raz

(por ejemplo crecimiento y concavidad). Ahora
bien, es posible que a travs de un proceso puramente grfico podamos obtener una
aproximacin para una raz, que aunque limitada, sea til para ciertos fines.
Ejemplo 2.2 Supongamos que estamos interesados en encontrar todas las races de la
ecuacin
3 0
2
x e
x

Una forma de iniciar la bsqueda de las races es determinando intervalos que contengan a
dichas races. Para esto, graficamos ( ) f x x e
x
3
2
(ver la FIGURA 2.3 siguiente).
FIGURA 2.3
De acuerdo con la grfica anterior se ve que la ecuacin en consideracin tiene por lo menos
tres races reales
[ ] [ ] [ ]

1 2 3
10 01 34 , , , , y . (Verifique analticamente que la
ecuacin 3 0
2
x e
x

tiene nicamente tres races reales).
Ahora bien, puesto que 3 0 3
2 2
x e x e
x x
, otra forma de proceder es graficando las
funciones ( ) f x x
1
2
3 y ( ) f x e
x
2
, en un mismo plano coordenado (ver la FIGURA 2.4). En
este caso las races buscadas son las abscisas de los puntos de interseccin de las dos
grficas.
Una forma de aproximar cada una de las races
1 2 3
, y , es dividiendo el intervalo
donde cada una de llas se encuentra, y hacer esto sucesivamente hasta lograr un
subintervalo de longitud suficientemente pequea y que contenga a dicha raz. Por ejemplo,
si empezamos con los intervalos dados y hacemos una tabla de valores para la funcin
( ) f x x e
x
3
2
con tamao de paso h 01 . , obtenemos que
[ ]
1
05 04 . . , ,
[ ]
2
0910 . . ,
y
[ ]
3
3738 . . , . La TABLA 2.1 corresponde a la tabla de valores para la funcin
__________________________________________________________________________________
( ) f x x e
x
3
2
en el intervalo
[ ]
01 , con tamao de paso h 01 . . Observe que como la
funcin f es continua en
[ ]
0910 . . , y ( ) ( ) f f 09 10 0 . . < , entonces
[ ]
2
0910 . . , .
FIGURA 2.4
x
( ) f x x e
x
3
2
0

10 .
01 . 107 . ...
02 . 110 . ...
03 . 107 . ...
04 . 101 . ...
05 .

089 . ...
06 .

074 . ...
07 .

054 . ...
08 .

030 . ...
09 .

002 . ...
10 .

028 . ...
TABLA 2.1
Instruccin en DERIVE:
VECTOR( ( )
[ ]
x f x , , , , , x a b h): aproXima una tabla de valores de la funcin ( ) f x en el
intervalo
[ ]
a b , , con tamao de paso h. Para el ejemplo, aproXime la expresin
VECTOR( ( )
[ ]
x x x x , exp , , , , 3 0 1 01
2
. ).
En situaciones como la del ejemplo anterior, donde se sabe de la existencia de una nica raz
para una ecuacin ( ) f x 0 en un determinado intervalo cerrado
[ ]
a b , , se puede usar
38 MTODOS NUMRICOS
__________________________________________________________________________________
alguno de los siguientes mtodos numricos llamados cerrados para encontrar una
aproximacin de dicha raz.
2.1 MTODOS CERRADOS
Los mtodos numricos que en cada paso dan un intervalo cerrado donde se encuentra la
raz buscada, son llamados mtodos cerrados. Aqu estudiaremos dos de tales mtodos: el
mtodo de Biseccin y el mtodo de Posicin Falsa.
2.1.1 Mtodo de Biseccin : Supongamos que f es una funcin continua en un intervalo
[ ]
a b , y ( ) ( ) f a f b < 0. Entonces, por teorema del valor intermedio para funciones continuas,
existe al menos un ( ) ab , tal que ( ) f 0. Asumiremos en lo que sigue que la raz en
este intervalo es nica (aunque el mtodo tambin se puede aplicar cuando hay ms de una
raz en ( ) a b , ).
El mtodo de Biseccin aplicado a la funcin f para aproximar la raz [ ] b , a , consiste en
dividir sucesivamente el intervalo
[ ]
a b , por la mitad, hasta que la longitud del subintervalo
que contiene a la raz sea menor que alguna tolerancia especificada .
Para empezar tomamos a a
1
, b b
1
y
1
x es el punto medio de [ ]
1 1
b , a , o sea
( ) x a b a
b a
1 1 1 1
1 1
1
2 2
+ +

: primera aproximacin de la raz .
FIGURA 2.5

x
b a b a
1
1 1
2 2
Si ( ) f x
1
0 o
b a
1 1
2
< , entonces x
1
y el proceso termina.
__________________________________________________________________________________
Si ( ) ( ) f a f x
1 1
0 < , entonces ( ) a x
1 1
, y tomamos a a
2 1
, b x
2 1
; en caso contrario
tomamos a x
2 1
, b b
2 1
.
Ahora aplicamos nuevamente el proceso anterior al intervalo
[ ]
a b
2 2
, , as:
( ) x a b a
b a
2 2 2 2
2 2
1
2 2
+ +

: segunda aproximacin de la raz
( )

_
,

x
b a
b a
b a b a
2
2 2
1 1
1 1
2 2
2
1
2
1
2
2 2
En general, despus de (n1)-pasos, la raz ( ) a b
n n
, y tomamos
( )
2
a b
a b a
2
1
x
n n
n n n n

+ +
: n-sima aproximacin de la raz

( ) 0
1
2
2

x b a
b a
n n n
n
Como lim
b a
n
n
2
0, entonces limx
n
n
, es decir, la sucesin
{ } x
n
n
converge a la raz ;
lo que significa que el mtodo de Biseccin siempre converge.
Dado > 0, si
n
2
a b
, entonces x
n
. En particualr, si
( )

+
5 10
1 k
para un
cierto entero no-negativo k, y N es el menor entero positivo para el cual
n
2
a b
, entonces
( ) 1 k
N
10 5 x
+
, as que x
N

aproximar a la raz con una precisin de por lo
menos k cifras decimales exactas.
Algoritmo 2.1 (Biseccin) Para encontrar una aproximacin
de una raz ( ) a b , de
una ecuacin ( ) f x 0 donde f es una funcin continua en
[ ]
a b , y ( ) ( ) f a f b < 0:
Entrada: ( ) f x ; los extremos a, b del intervalo; una tolerancia Tol, y un nmero mximo de
iteraciones N .
Salida: Una raz aproximada
o un mensaje.
40 MTODOS NUMRICOS
__________________________________________________________________________________
Paso 1: Tomar n 1.
Paso 2: Mientras que n N seguir los pasos 3-6:
Paso 3: Tomar c
a b
a
b a
+
+

2 2
o c (calcular x
n
)
Paso 4: Si ( ) f c 0 o
b a
Tol
<
2
, entonces salida: "Una raz aproximada de la
ecuacin dada es
c ". Terminar.
Paso 5: Tomar n n +1.
Paso 6: Si ( ) ( ) f a f c < 0, entonces tomar b c , de lo contrario tomar a c .
Paso 7: Salida: "Se alcanz el nmero mximo de iteraciones N pero no la tolerancia".
Terminar.
Para el ejemplo 2.2 anterior, usemos el mtodo de Biseccin en el intervalo
[ ]
0910 . . , para
aproximar la raz
2
, con una precisin de por lo menos tres cifras decimales exactas.
Debemos encontrar n tal que
2
4
5 10

x
n
; pero como

2
2
10 09
2
01
2

x
b a
n
n n n
. . .
, basta encontrar n tal que
01
2
5 10
4
.
n

. La solucin de
esta ltima desigualdad es n 8, as que x
8
aproximar a
2
con por lo menos tres cifras
decimales exactas.
La TABLA 2.2 siguiente, muestra los clculos para obtener x
8
.
n
a
n
b
n
x
n
signo de
( ) f a
n
( ) f x
n
1 .9 1.0 .95 1 .121...
2 .9 .95 .925 1
450 10
2
. ...

3 .9 .925 .9125 1
742 10
3
. ...

4 .9 .9125 .90625 1

111 10
2
. ...
5 .90625 .9125 .909375 1

188 10
3
. ...
6 .909375 .9125 .9109375 1
276 10
3
. ...

7 .909375 .9109375 .91015625 1
442 10
4
. ...

8 .909375 .91015625 .909765625 1

719 10
4
. ...
TABLA 2.2
__________________________________________________________________________________
BISECCION( ( ) f x x a b N , , , , ): aproXima las primeras N iteraciones en el mtodo de Biseccin
aplicado a la funcin ( ) f x en el intervalo
[ ]
a b , . Para el ejemplo aproXime la expresin
BISECCION( ( ) 3 09 10 8
2
x x x exp , , , , . . ).
De acuerdo con los resultados de la TABLA 2.2, x
8 2
909765625 . , y
( )
4
8
10 ... 19 7 x f

. . Observe que el menor valor de ( ) f x
n
, n 123 8 , , ,..., es
( ) f 91015625 ... .

442 10
4
. y ocurri en la iteracin n 7. Ser que x
7
es mejor
aproximacin de
2
que x
8
?
Si usamos el mtodo de Biseccin para buscar aproximaciones de
[ ]
1
5 . , 4 . y
[ ]
3
3 . . 7, 38 , con la misma precisin de
2
, obtenemos:
1 8
458984375 . x , ( ) f x
8
5
7485 10

. ...
3 8
3733203125 . x , ( ) f x
8
3
2408 10

. ...
Algunas de las desventajas del mtodo de Biseccin con respecto a otros mtodos son:
No tiene en cuenta la magnitud de los valores de la funcin en las aproximaciones calculadas
x
n
, slo tiene en cuenta el signo de ( )
n
x f , lo que hace que una aproximacin intermedia,
mejor que la respuesta final, pase desapercibida.
Aunque el mtodo de Biseccin siempre converge, su convergencia es muy lenta,
comparada con la convergencia de otros mtodos que estudiaremos, por lo que se sugiere
escoger el intervalo inicial
[ ]
a b , tan pequeo como sea posible o usar el mtodo de
Biseccin para obtener un buen punto de arranque para la aplicacin de otro mtodo.
Una de las mayores ventajas que tiene el mtodo de Biseccin es que el error de
truncamiento, x
n
, se acota fcilmente (recuerde que

x
b a
n
n
2
).
Ejercicio 2.1 Use el mtodo de Biseccin para estimar la menor raz positiva de la ecuacin
x tanx 0, con una precisin de por lo menos 3 cifras decimales exactas, empezando con
un intervalo
[ ]
a b , que contenga a dicha raz y b a 01 . .
2.1.2 Mtodo de Posicin Falsa (o Regula Falsi): Consideremos una funcin f continua
en un intervalo
[ ]
a b , y tal que ( ) ( ) f a f b < 0. El mtodo de Posicin Falsa, para encontrar una
aproximacin de una raz ( ) b , a de ( ) f x 0, es similar al mtodo de Biseccin en el
sentido de que se generan subintervalos
[ ]
a b
n n
, que encierran a la raz , pero esta vez x
n
no es el punto medio de
[ ]
a b
n n
, , sino el punto de interseccin de la recta que pasa por los
puntos ( ) ( ) ( ) ( )
a f a b f b
n n n n
, , , con el eje x (ver la FIGURA 2.6 siguiente).
42 MTODOS NUMRICOS
__________________________________________________________________________________
Al reemplazar la curva por una recta se obtiene una "posicin falsa" de la raz, de aqu el
nombre del mtodo. Tambin se le conoce como mtodo de Interpolacin Lineal Inversa.
FIGURA 2.6
Empezamos tomando a a
1
, b b
1
y encontramos la primera aproximacin de la raz, x
1
,
como la interseccin con el eje x , de la recta secante a la curva que pasa por los puntos
( ) ( ) ( ) ( )
a f a b f b
1 1 1 1
, , , :
( ) ( )
( ) ( )
( ) ( )
( ) ( )
x a
b a f a
f b f a
a f b b f a
f b f a
1 1
1 1 1
1 1
1 1 1 1
1 1

Si ( ) f x
1
0 , entonces x
1
y el proceso termina.
Si ( ) ( ) f a f x
1 1
0 < entonces ( ) a x
1 1
, y tomamos a a x
2 1 2 1
, b , de lo contrario tomamos
a x b
2 1 2 1
, b .
Aplicamos nuevamente el proceso anterior al intervalo
[ ]
a b
2 2
, , es decir, hacemos
( ) ( )
( ) ( )
x a
b a f a
f b f a
2 2
2 2 2
2 2

Despus de la (n1)-sima iteracin, tenemos ( ) a b

n n
, y tomamos
( ) ( )
( ) ( )
( ) ( )
( ) ( )
x
n n
n n n
n n
n n n n
n n
a
b a f a
f b f a
a f b b f a
f b f a

Observe que en el denominador de la expresin anterior nunca se resta, pues ( ) ( ) f a f b

n n
< 0.
Este mtodo tiene la desventaja, con respecto al mtodo de Biseccin, que la longitud del
subintervalo que contiene a la raz en general no tiende a cero, porque la mayora de las
grficas de las funciones son cncavas (hacia arriba o hacia abajo) en la vecindad de la raz,
lo que hace que uno de los extremos de los subintervalos se aproxime a la raz, mientras el
otro permanece fijo (ver la FIGURA 2.6 anterior).
__________________________________________________________________________________
Por lo anterior, la longitud del subintervalo
[ ]
a b
n n
, no puede tomarse como un criterio de
aproximacin a la raz; se requiere una tolerancia en el valor de la funcin en la aproximacin
x
n
, es decir, ( ) f x
n
< o x
n n
x <
1
para alguna tolerancia > 0 previamente
escogida. El procedimiento termina cuando se alcance esta tolerancia o un nmero mximo
de iteraciones previamente establecido.
Se puede demostrar, ver Ralston,1965, pgina 324, que este mtodo converge siempre que f
sea continua.
Ejercicio 2.2 Escriba un algoritmo para el mtodo de Regula Falsi.
Ejemplo 2.3 Con respecto a las races
[ ]
1
5 4 . , . ,
[ ]
2
10 .9, . ,
[ ]
3
3 38 .7, . de la
ecuacin 3 0
2
x e
x
, si usamos el mtodo de Regula Falsi con criterio de aproximacin
( ) f x
n
<

5 10
5
se obtienen los siguientes resultados
1 3
458960329 . x y ( ) f x
3
6
6

.56... 10
2 3
910006353 . x
y ( ) f x
3
6
3 10

.62...
3 4
373307860 . x y ( ) f x
4
6
824 10

. ...
REGULA( ( ) f x x a b N , , , , ): aproXima las primeras N iteraciones en el mtodo de Regula falsi
aplicado a la funcin ( ) f x en el intervalo
[ ]
a b , .
Compare los resultados anteriores con los obtenidos por el mtodo de Biseccin.
Ejercicio 2.3 Aplique el mtodo de Regula Falsi para estimar la menor raz positiva de la
ecuacin x tanx 0, usando como criterio de aproximacin ( ) f x
n
<

5 10
5
. Con
cuntas cifras decimales exactas aproxima el valor obtenido x
n
a ?
2.2 MTODOS ABIERTOS
A diferencia de los mtodos cerrados que requieren de un intervalo que encierre la raz
buscada, los mtodos abiertos que se vern requieren de un solo valor o dos valores iniciales
(de arranque) que no necesariamente encierran dicha raz; sto hace que algunas veces las
sucesiones generadas por estos mtodos sean divergentes o se alejen de la raz de inters
(vayan probablemente a otra raz), pero tienen la ventaja que cuando convergen lo hacen
"ms rpidamente" que las sucesiones generadas por los mtodos cerrados.
2.2.1 Mtodo de Punto Fijo: Dada una ecuacin ( ) 0 x f
, podemos transformarla, de
alguna manera, en otra equivalente (al menos localmente) del tipo ( ) x g x para alguna
44 MTODOS NUMRICOS
__________________________________________________________________________________
funcin g. En este caso se tiene que: es raz de ( ) ( ) ( ) g 0 f 0 x f es
raz de ( ) x g x .
Definicin 2.2 Un nmero tal que ( ) g se dice un punto fijo de la funcin g.
Cundo una funcin g tiene un punto fijo, y si lo tiene, cmo encontrarlo?
El siguiente teorema da respuesta parcial (condiciones suficientes) a las preguntas
formuladas antes.
Teorema 2.1 (de punto fijo) Si g es una funcin continua en
[ ]
a b , y ( ) [ ]
g x ab , para todo
[ ]
x a b , , entonces g tiene por lo menos un punto fijo en
[ ]
a b , . Si adems, ( ) g x existe para
todo ( ) x a b , y ( ) ( ) para todo x , K constante < g x K ab 1 , , entonces g tiene un nico
punto fijo
[ ]
ab , y la sucesin { } x
n
n
definida mediante la frmula de iteracin
( ) x n
n n
g x
1
123 , , , ,...
converge a (

n
n
x lim ) cualquiera sea
[ ]
x a b
0
, , y se tienen las siguientes cotas para
el error de truncamiento, x
n
:
i) { } 0 n cada para x b , a x Max K x ,
0 0
n

n
,
ii) , 0 n cada para , x x
K 1
K
x
0 1
n

n

iii) 1 n cada para , x x
K 1
K
x
1 n n n

.
Ilustracin:
FIGURA 2.7
Demostracin: Existencia: Si ( ) g a a o ( ) gb b , entonces a o b es un punto fijo de g.
__________________________________________________________________________________
Supongamos ( ) a g a < y ( ) b gb > y sea ( ) ( ) h x g x x . Entonces h es continua en
[ ]
a b , ,
( ) ( ) ( ) ( ) h a g a a b gb b > < 0 0 , h , por tanto (teorema del valor intermedio) existe por lo
menos un ( ) ab , tal que ( ) h 0, sto es, ( ) g .
Unicidad: Supongamos que ( ) < g x K 1 para toda ( ) x a b , y alguna constante K, y sean
y puntos fijos distintos de g en [ ]
a b , . Entonces
( ) ( ) ( )( ) ( ) g < g g g K
para algn ( ) , , lo cual es un absurdo, as que y entonces el punto fijo en
[ ]
a b , ,
que existe segn la primera parte, es nico.
Convergencia de la sucesin { } x
n
n
con ( ) x , n
n n
g x
1
123 , , ... y cotas para x
n
:
Sea
[ ]
x a b
0
, cualquiera. Entonces
( ) ( ) ( ) E g n
n n n n n
x g x g x KE

1 1 1
12 , , ,...
(2.1)
para algn entre y x
n1
.
Procediendo inductivamente sobre n, se tiene que
, con E 0
1
2
2 0 0 0

E KE K E K E x
n n n
n
.... (2.2)
y como K
n
0 cuando n +, pues 0 1 < K , entonces E x
n n
0 cuando
n +, es decir, limx
n
n
.
De la relacin (2.2), se tiene que
i) { } E x K x K x ab x
n n
n n
Max
0 0 0
, , ya que
[ ]
ab , .
De otro lado
+ + + x x x x x x x K x x x
0 1 1 0 1 1 0 0 1 0
as que
( ) 1
0 1 0
K x x x
y como 0 1 < K , entonces
x
x
K
x
0 1 0
1
1
(2.3)
Nuevamente, de (2.2)
x K x
n
n
0
y entonces multiplicando ambos miembros de (2.3) por K
n
, obtenemos
46 MTODOS NUMRICOS
__________________________________________________________________________________
x
x K x
K
K
x
n
n
n
0 1 0
1
as que
ii)
x n
x
K
K
x
n
n
1
12
1 0
, , ,...
La demostracin de la parte iii) se deja como ejercicio.
El mtodo de Punto Fijo para encontrar una raz de la ecuacin ( ) x g x , consiste en
generar la sucesin { } x
n
n
mediante la frmula de iteracin
( ) x g x , n 1,2,...
n n 1

con x
0
dado.
La funcin g se dice una funcin de iteracin de punto fijo.
Nota: Observe, a partir de la cota de error dada en el teorema 2.1, ii), que para 0 1 < K ,
entre ms pequea sea K, es decir, entre ms pequea sea ( ) ( ) g x , x a,b , "ms rpida"
ser la convergencia de la sucesin { } x
n
n
a . La convergencia puede ser muy lenta si K
est cerca de 1.
Algoritmo 2.2 (Punto Fijo) Para encontrar una aproximacin
de un punto fijo de una

funcin g, dada una aproximacin inicial x
0
:
Entrada: g(x); una aproximacin inicial x
0
; una tolerancia Tol, y un nmero mximo de
iteraciones N .
Salida: Un punto fijo aproximado
o un mensaje.
Paso 1: Tomar n 1.
Paso 3: Tomar ( ) c g x
0
(calcular x
n
).
Paso 4: Si c c c < < x Tol o x Tol
0 0
, entonces salida: "Un punto fijo
aproximado de la funcin dada es
c ". Terminar.
Paso 6: Tomar x c
0
(redefinir x
0
).
__________________________________________________________________________________
Paso 7 : Salida "Se alcanz el nmero mximo de iteraciones N pero no la tolerancia".
Terminar.
Las siguientes grficas muestran algunas formas de convergencia o divergencia de la
sucesin
{ } ( ) , donde n x x g x
n
n
n n

1
12 , , ,...
FIGURA 2.8.a FIGURA 2.8.b
Convergencia. (La sucesin no es Convergencia. (La sucesin
montona) es montona)
FIGURA 2.8.c FIGURA 2.8.d
Divergencia. No satisface las hip- Convergencia (dependiendo del
tesis del teorema de Punto Fijo. punto inicial ). No satisface las
hiptesis del teorema de Punto Fijo.
Hay situaciones en las que no se satisfacen las hiptesis del teorema de Punto Fijo y sin
embargo hay convergencia, es decir, el teorema es de condiciones suficientes no necesarias.
Ejemplo 2.4 Para la ecuacin 3 0
2
x e
x
sabemos que tiene tres races reales
[ ]
1
5 4 . , . ,
[ ]
2
10 .9, . y
[ ]
3
3 38 .7, . . Estimemos
2
usando el mtodo de iteracin
de Punto Fijo.
48 MTODOS NUMRICOS
__________________________________________________________________________________
Empezamos transformando el problema ( ) 0 x f en otro equivalente del tipo ( ) x g x para
alguna funcin g:
Como
'
,
_
t
0 x si ,
3
e
x
0 x si ,
3
e
x
3
e
x
3
e
x 0 e x 3
2
x
2
x
2
1
x x
2 x 2
entonces ( ) g x e
x
1
2
1
3
es una funcin de iteracin.
Como
, x 3 0
3
0
2
x e x
e
x
x
x

entonces ( ) g x
e
3x
, x 0
2
x
, tambin es una funcin de iteracin.
Como
( )
3x e 0 e 3x x ln 3x , x 0
2 x x 2 2

entonces
( )
( )
g x ln 3x , x 0
3
2

, es otra funcin de iteracin.
Como
0 e x 6 ,
e x 6
e xe x 3
x 0 e x 6 ,
e x 6
e x 3
x x 0 e x 3
x
x
x x 2
x
x
x 2
x 2

entonces
( ) g x
x xe e
x e
x e
x x
x
x
4
2
3
6
6 0
+
, , es una funcin de iteracin (la funcin de

iteracin del mtodo de Newton-Raphson) .
Como
3 0 3
2 2
x e x x x e
x x
+
entonces
( ) g x x x e
x
5
2
3 + , es tambin una funcin de iteracin.
Si escogemos la funcin de iteracin ( ) g x e
x
1
2
1
3
y el intervalo
[ ]
.9,10 . , vemos que:
g
1
es continua en
[ ]
.9,10 . ; ( ) > g x e
x
1
2
1
2 3
0 para todo
[ ]
x .9,10 . , as que g
1
es
creciente en
[ ]
.9,10 . , y como
__________________________________________________________________________________
( ) [ ]
g e
1
9
1
3
. . . .
.

9
2
905... 9,10
,
( ) [ ]
g ... 9,10
10
2
1
10
1
3
951 . . . .
.
e
entonces ( ) [ ]
g x
1
910 . . , para todo
[ ]
x . . 910 , . Luego g
1
tiene por lo menos un punto fijo en
el intervalo
[ ]
.9,10 . .
Ahora,
( ) [ ] 0 . 1 9, x todo para 0 e
3 4
1
x g
2
x
1
. >
as que g
1
es creciente en el intervalo
[ ]
.9,10 . (la grfica de g
1
es cncava hacia arriba
para
[ ]
x . . 910 , ), y como
( ) 9 452...
45
g e
1
1
2 3
. .
.
, ( ) ... g e
1
5
10
1
2 3
475 . .
.
entonces
( ) ( ) 0 1 9, x todo para 1 K 48 x g
1
. . . <
Luego g
1
tiene un nico punto fijo
2
en el intervalo
[ ]
.9,10 . , y cualquiera sea
[ ]
x
0
10 .9, .
la sucesin { } x
n
n
con
x , n=
n n
x
n
g x e
1 1
1
2
1
3
123 ( ) , , ,...
converge a
2
, es decir, limx
n
n

2
, y se tienen adems las cotas para el error de
truncamiento,
2
x
n
, dadas en el teorema 2.1.
Cuntas iteraciones n sern necesarias para que x
n
aproxime al punto fijo
[ ]
2
10 . . 9,
con por lo menos tres cifras decimales exactas ?
Como sabemos que { } Max b
2 0 0
x K x a x
n
n
, , basta resolver para n la
desigualdad
{ } K Max b
n
x a x
0 0
4
5 10

,
Tomando K .48 y x
0
.95 ( observe que x
0
.95 es el punto medio del intervalo
[ ]
.9,10 . y
es el valor que minimiza la expresin
{ } Max x a x
0 0
, b ), obtenemos
{ } { } Max b 95 9 95 05 x a x Max
0 0
10 , , . . . . .
y entonces debemos resolver la desigualdad
50 MTODOS NUMRICOS
__________________________________________________________________________________
{ } ( ) ( ) K Max b 05
4 n
n
x a x
0 0
48 5 10

, . .
La solucin de esta desigualdad es
( )
( )
n
ln
ln
...
10
48
627
2
.
.
Luego para n 7, se tiene que x
n
aproximar a
2
con una precisin de por lo menos tres
cifras decimales exactas.
La grfica de ( ) g x e
x
1
2
1
3
se muestra en la FIGURA 2.9, y los valores calculados usando el
mtodo de Punto Fijo con la funcin de iteracin ( ) g x e
x
1
2
1
3
, iniciando con x
0
95 . y
terminando en x
7 2
, se muestran en la TABLA 2.3.
FIGURA 2.9
N x
n
0 .95
1 .9283874
2 .9184090
3 .9138383
4 .9117522
5 .9108017
6 .9103690
7 .9101720
TABLA 2.3
__________________________________________________________________________________
PUNTO_FIJ O( ( ) g x x x N , , ,
0
): aproXima las primeras N iteraciones en el mtodo de Punto
Fijo aplicado a la funcin ( ) g x con aproximacin inicial x
0
. Para el ejemplo aproXime la
expresin PUNTO_FIJ O(
1
3
2
095 7 exp , , ,
x
x
_
,
.
).
De acuerdo con los resultados de la TABLA 2.3,
2 7
9101720 . x
.
Observe, en la FIGURA 2.9, que no existe intervalo
[ ]
a b , que contenga a
3
(que es punto
fijo de g
1
) donde se satisfagan todas las hiptesis del teorema de Punto Fijo para la funcin
g
1
. Para esta funcin de iteracin g
1
el mtodo de Punto Fijo no converge a
3
.
Si tomamos la funcin de iteracin ( ) g x
e
x
x
2
3
0 , x , cuya grfica se muestra en la FIGURA
2.10 siguiente, tenemos:
FIGURA 2.10
g
2
es continua en
[ ]
.9,10 . ; ( )
( )
[ ]

g x
xe e
x
e x
x
x x
x
2
2 2
3 3
9
1
3
0 910 si x , . .
, as que g
2
es
decreciente en
[ ]
.9,10 . , y como
( ) [ ]
g 9 ... ,
2
91 910 . . . .
,
( ) [ ]
g ... ,
2
10 90 910 . . . .
entonces ( ) [ ]
g x
2
910 . . , para todo
[ ]
x . . 910 , , as que g
2
tiene por lo menos un punto fijo en
el intervalo
[ ]
.9,10 . .
52 MTODOS NUMRICOS
__________________________________________________________________________________
Ahora,
( )
( )
( )
( )

+
g x
e x e x e x x
x
x x x
2
2
4
1 3 16
9

( )
+
x e xe e
x
e x x
x
x x x
x
2
3
2
3
2 2
3
2 2
3
y como
( ) R > + + + x todo para 0 1 1 x 2 x 2 x 2 x
2 2
entonces ( ) > > g x x
2
0 0 .
Por tanto g
2
es creciente en
[ ]
.9,10 . , y como
( ) ... g
2
9 10 . . , ( ) g
2
10 0 .
entonces
( ) ( ) 0 1 9 x todo para 1 K 11 x g
2
. , . . <
En consecuencia g
2
tiene un nico punto fijo [ ]
2
910 . , .
, y la sucesin { } x
n
n
con
( ) ... 3 2 1 n
x 3
e
x g x
1 n
1 n
x
1 n
2 n
, , , ,
converge a
2
cualquiera sea
[ ]
x
0
910 . , . , y se tienen adems cotas para el error de
truncamiento
2
x
n
.
Los valores obtenidos usando la funcin de iteracin g
2
con punto inicial x
0
95 . y criterio
de aproximacin x
n n
x <
1
5
5 10 , se muestran en la TABLA 2.4 siguiente.
n x
n
x x
n n
1
0 .95
1 .9072665
427335 10
2
.

2 .9102584
29919 10
3
.

3 .9099850
2734 10
4
.

4 .9100096
246 10
5
.

TABLA 2.4
De acuerdo con los resultados de la TABLA 2.4,
2 4
9100096 . x . Como ejercicio,
analice con cuntas cifras decimales exactas aproxima x
4
a
2
?
Ser que la funcin ( ) g x
e
x
x
2
3
nos sirve para determinar [ ]
3
3738 . , .
?
__________________________________________________________________________________
Veamos:
g
2
es continua en
[ ] 8 3 , 7 3 . .
, g
2
es creciente en
[ ]
3738 . . , y como ( ) [ ] 8 7,3 3 ... 6 3 7 3 g
2
. . . . ,
( ) [ ] 8 3 , 7 3 8 3 g
2
. . . , entonces no se satisface la condicin ( ) [ ]
g x
2
3738 . . , para todo
[ ]
x 3738 . . , .
Existir algn intervalo
[ ]
a b , que contenga a la raz
3
donde se satisfagan todas las
hiptesis del teorema de Punto Fijo para la funcin g
2
?
Observe, a partir de la grfica de g
2
, que no existe intervalo
[ ]
a b , con
[ ]
3
ab , tal que
( ) < g x K
2
1 para todo
[ ]
x a b , .
Como g
2
es creciente en
[ ]
3738 . , . , ( ) ( ) g g
2 2
37 265 38 288 . . . . ..., ..., entonces
( ) 1 x g
2
> para todo
[ ]
x 3738 . . , . Luego no existe intervalo
[ ]
a b , que contenga a la raz
3
donde se satisfagan las hiptesis del teorema de Punto Fijo para la funcin g
2
.
Por otro lado, como g
2
es decreciente en
[ ]
. . 5 4 , , ( ) g
2
5 121 . . ... y ( ) g
2
4 195 . . ... ,
entonces g
2
tampoco satisface las hiptesis del teorema de Punto Fijo en algn intervalo
que contenga a
1
.
Ejercicio 2.4 Use el mtodo de iteracin de Punto Fijo, con alguna de las funciones de
iteracin dadas anteriormente, para encontrar estimaciones de las races
1
y
3
de la
ecuacin 3 0
2
x e
x
, usando como criterio de aproximacin
x
n n
x <
1
5
5 10
Ejemplo 2.5 Usemos el mtodo iterativo de Punto Fijo para encontrar la menor raz positiva
de la ecuacin x tanx 0.
Como x tanx x tanx 0 , empezamos graficando, en un mismo plano coordenado, las
funciones
( ) ( ) f x x y f x tanx
1 2
(ver la FIGURA 2.11).
De acuerdo con la FIGURA 2.11, la menor raz positiva

_
,
2
3
2
, , y a partir de una tabla
de valores para ( ) tanx x x f , por ejemplo en el intervalo [ ] 7 4 , 4 . con tamao de paso
1 h . , puede verse que
[ ]
4445 . . , (cuando utilice una calculadora, use el modo radianes
para los clculos).
Una primera funcin de iteracin de Punto Fijo (que salta a la vista) es ( ) tanx x g (ya que
x tanx x tanx 0 ), pero es claro que para esta funcin g no existe intervalo
[ ]
a b , que
54 MTODOS NUMRICOS
__________________________________________________________________________________
contenga la raz donde se satisfagan todas las hiptesis del teorema de Punto Fijo, pues
( ) >> g 1 (observe la FIGURA 2.11).
FIGURA 2.11
Si aplicamos el mtodo de Punto Fijo con la funcin de iteracin ( ) tanx x g y punto inicial
x
0
44 . , se obtienen en las cinco primeras iteraciones los resultados que se muestran en la
TABLA 2.5 siguiente.
n x
n
0 44 .
1 096324 3.
2
2
10 529982 4

.
3
2
10 533083 4

.
4
2
10 536191 4

.
5

4539305 10
2
.
TABLA 2.5
Observando la TABLA 2.5 se concluye que no hay convergencia a la raz buscada.
Si empezamos con x
0
4 .5, se obtienen los resultados que se muestran en la TABLA 2.6,
donde se ve claramente que tampoco hay convergencia a la raz buscada.
Cul otra funcin de iteracin podramos construir?
Observando la grfica de la funcin tangente (vea la FIGURA 2.11), y teniendo en cuenta la
relacin entre la grfica de esta funcin y la de su inversa, se ve claramente que una funcin
__________________________________________________________________________________
de iteracin de punto fijo, apropiada para determinar , es la que se obtiene por la va de la
funcin inversa. Para obtener tal funcin de iteracin g(x) procedemos como sigue:
n x
n
0 45 .
1 4637332 .
2 1329819 .
3 8982038 .
4 255520 1.
5 066028 3.
TABLA 2.6
Puesto que ( ) x tan tanx , entonces
( )
( )
x tan x y
2
3
x
2

x x tan y
2
x
2

x tan x y
2
x
2

x tan x y
2
3
x
2
tanx x y
2
3
x
2
1
1
< <
< <
< <
< <
< <
As que podemos tomar como funcin de iteracin ( ) g x tan x +

1
. La grfica de
y tan x +

1
se muestra en la FIGURA 2.12 siguiente.
FIGURA 2.12
Veamos que ( ) g x tan x +

1
satisface todas las hiptesis del teorema de Punto Fijo en el
intervalo
[ ]
4445 . . , :
56 MTODOS NUMRICOS
__________________________________________________________________________________
g es continua en
[ ]
4445 . . , ;
( )
+
> g x
x
1
1
0
2
para todo xR , as que g es creciente en
[ ]
4445 . . , , y como ( ) g 44 448 . . ... y ( ) g 45 449 . . ... , entonces
[ ] ( ) [ ]
g 4445 4445 . . . . , , .
Ahora, g es decreciente en
[ ]
4445 . . , (a medida que x aumenta ( ) g x disminuye), y como
( ) g 44 049 . . ... y ( ) g 45 047 . . ... , entonces ( ) < g x K .05 1 para todo ( ) x 4445 . . , .
Por lo tanto g tiene un nico punto fijo
[ ]
4445 . . , , y la sucesin { } x
n
n
con
x tan x
n n
+
1
1
1 , n ,2,...
converge a cualquiera sea
[ ]
x
0
4445 . . , , y se tienen adems, las cotas para el error de
truncamiento x
n
La convergencia debe ser "rpida" pues K es pequea.
Como ejercicio, encuentre cuntas iteraciones n sern necesarias para que x
n
aproxime
a con por lo menos 4 cifras decimales exactas, tomando
[ ] [ ]
a b , , 4445 . . , x
0
445 . y
K .05?
La TABLA 2.7 siguiente, muestra los clculos de las iteraciones para ( ) g x tan x +

1
con
punto inicial x
0
445 . y criterio de aproximacin x
n n
x <
1
5
5 10 .
n x
n
x x
n n
1
0 445 .
1 4491341 . .041341
2 4493311 .
197 10
3
.

3 4493404 .
93 10
5
.

4 4493409 .
50 10
6
.

TABLA 2.7
De acuerdo con los resultados de la TABLA 2.7, 4493409
4
. x .
2.2.2 Mtodo de Newton-Raphson: Como veremos ms adelante, el mtodo de Newton-
Raphson se aplicar para hallar races simples de una ecuacin ( ) f x 0. Antes de ver el
mtodo de Newton-Raphson, veamos la siguiente definicin sobre la multiplicidad de una raz
de una ecuacin.
Definicin 2.3 Dada una ecuacin ( ) f x 0. Un nmero se dice una raz de multiplicidad
m (m un entero positivo) de la ecuacin ( ) f x 0, si ( ) f 0, y
__________________________________________________________________________________
( ) ( ) ( ) ( ) para x , f con h
x

x x h x lim x
m
0
Si m 1, la raz se dice simple.
El siguiente teorema relaciona la multiplicidad de una raz de una ecuacin ( ) f x 0 con las
derivadas de la funcin f .
Teorema 2.2 Supongamos que la funcin f tiene su dos primeras derivadas continuas en un
intervalo
[ ]
a b , que contiene a un nmero . Entonces es una raz simple de la ecuacin
( ) f x 0 si y slo si ( ) f 0 y ( ) f 0.
Demostracin: Supongamos que es una raz simple de la ecuacin ( ) f x 0. Entonces de
acuerdo con la definicin 2.3, ( ) f 0, y
para x , ( ) ( ) ( ) ( ) f x x h x
con limh x
x
0.
Derivando a ambos lados de la expresin anterior con respecto a x, obtenemos
( ) ( ) ( ) ( ) + f x h x x h x
Como
( ) ( ) limf x limh x
x x

0
y
f es continua en (por hiptesis), entonces ( ) ( ) limf x f
x

0 .
Recprocamente, supongamos que ( ) f 0 y ( ) f 0. Haciendo un desarrollo en serie de
Taylor para f alrededor de , obtenemos
( ) ( )
!
( )( ) ( )
( )
( ) ( ) ( )
( )
f x f f x f
x
x f f
x
+ +

+

'

0
2
2
2
!
!
para algn entre x y .
Llamando
( ) ( ) ( )
( )
h x f f
x
+

2!
tenemos que, para x , ( ) ( ) ( ) ( ) ( ) f x x h x limh x f
con
x
0 .
En general, se tiene el siguiente teorema cuya demostracin es completamente anloga a la
del teorema 2.2 anterior.
58 MTODOS NUMRICOS
__________________________________________________________________________________
Teorema 2.3 Supongamos que la funcin f tiene sus primeras m+1 derivadas continuas en
un intervalo
[ ]
a b , que contiene a un nmero . Entonces es una raz de multiplicidad m de
la ecuacin ( ) f x 0 si y slo si ( ) ( ) ( )
( )
( )
( )
( ) 0 0
1

f f f f
m m
... y f .
Volviendo al mtodo de Newton-Raphson, la hiptesis general para aplicar este mtodo
para hallar una raz ( ) b , a de una ecuacin ( ) 0 x f , es que la funcin f tenga sus
primeras dos derivadas continuas en el intervalo
[ ]
a b , y ( ) f x 0 para todo [ ] b , a x .
De acuerdo con la hiptesis general y el teorema 2.2, como ( ) f 0, entonces la raz es
simple, es decir, de multiplicidad 1.
Las siguientes grficas muestran diversas posibilidades de multiplicidad para una raz de
una ecuacin ( ) f x 0:
FIGURA 2.13.a FIGURA 2.13.b FIGURA 2.13.c
(Raz simple) (Raz mltiple, par) (Raz mltiple, impar)
Hay varias formas de presentar el mtodo de Newton-Raphson, dos de ellas son:
Presentacin grfica: Supongamos que f satisface la hiptesis general en un intervalo [ ] b , a
y escojamos
[ ]
x a b
0
, "cercano" a la raz .
La primera aproximacin x
1
, en el mtodo de Newton-Raphson, es el punto en el cual la
recta L, tangente a la grfica de f en el punto ( ) ( )
x f x
0 0
, , corta al eje x (ver la FIGURA 2.14).
De acuerdo con sto, se tiene que
( )
( )

f x
f x
x x
0
0
0 1
0
y entonces
( )
( )
x
1 0
0
0

x
f x
f x
En general, para cada
( )
( )
n x
f x
f x
n n
n
n

1
1
1
1
, x : abscisa del punto de interseccin de la
recta tangente a la grfica de f en el punto ( ) ( )
x f x
n n 1 1
, , con el eje x.
__________________________________________________________________________________
FIGURA 2.14
Presentacin usando polinomios de Taylor: Supongamos que f satisface la hiptesis
general en un intervalo [ ] b , a , y sea [ ] b , a
con

"pequeo".
Consideremos el polinomio de Taylor de primer grado para la funcin f alrededor de
:
( )
( ) ( )( )
( )
( )
f x f f x f
x
+ +

2
2!
con entre x y
En particular para x , tenemos
( )
( ) ( )( )
( )
( )
0
2
2
+ +
f f f f

!
, entre y
Suponiendo que el trmino ( )
( )

f

2
2!
es despreciable (recuerde que
f es acotada),
obtenemos
( ) ( )( )
0 +

f f
y despejando , llegamos a
( )
( )

f
f
y
( )
( )
f
f
es, por lo general, una mejor aproximacin de que
.
El mtodo de Newton-Raphson para encontrar una raz de una ecuacin ( ) f x 0,
consiste en generar la sucesin { } x
n
n
definida mediante la frmula de iteracin
60 MTODOS NUMRICOS
__________________________________________________________________________________
( )
( )
x n
n n
n
n
x
f x
f x

1
1
1
12 , , ,...
y escogiendo x
0
"cercano" a .
De acuerdo con la frmula anterior, se ve claramente que el mtodo de Newton-Raphson
es un caso especial del mtodo de iteracin de Punto Fijo, cuando se toma como funcin
de iteracin la funcin
( )
( )
( )
g x x
f x
f x

La escogencia del punto inicial x

0
es muy importante para la convergencia del mtodo de
Newton-Raphson. Como ejemplo, consideremos la funcin ( ) f x
x
x
4 7
2
, que tiene un cero
en
7
4
175 . . Como
( )
( ) ( )
( ) ( )
( )
( )
,

f x
x x
x x
f x
x
4 2 4 7
2
1
2
2
2
2 2 3
entonces f es continuamente diferenciable dos veces en todo intervalo que no contenga a
x 2.
La sucesin generada por el mtodo de Newton-Raphson para la funcin dada es
( )
x , x
n n
n
n
n
n
x
x
x
x

1
1
1
1
2
1
4 7
2
1
2
2
La grfica de ( ) f x
x
x
4 7
2
es como se muestra en la FIGURA 2.15.
Se puede ver que si en la frmula para x
n
(en el mtodo de Newton-Raphson) usamos
x
0
15 . , obtenemos x
1
20 . y el mtodo no puede continuarse.
Si ( ) x
0
152 . , el mtodo converge. Qu pasa si ( ) x
0
015 , . ?
En las TABLAS 2.8 y 2.9, se muestran los resultados obtenidos al aplicar el mtodo de
Newton-Raphson a la funcin ( ) f x
x
x
4 7
2
tomando como puntos iniciales x
0
165 . y
x
0
185 .
, respectivamente, y usando como criterio de aproximacin ( ) f x
n
<

5 10
5
o
x
n n
x <
1
5
5 10 .
__________________________________________________________________________________
FIGURA 2.15
n x
n ( ) f x
n
x
n n
x
1
0 165 . 114 . ...
1 179 . .761... .14
2 17564 . .105...
336 10
1
.

3 1750163 .

260 10
3
. ... 6237 10
3
.

4 175 . 0
163 10
4
.

TABLA 2.8
NEWTON( ( ) f x x x N , , ,
0
): aproXima las primeras N iteraciones en le mtodo de Newton-
Raphson aplicado a la funcin ( ) f x , tomando como aproximacin inicial x
0
. Para el ejemplo,
aproXime la expresin NEWTON(
4 , 65 1 , x ,
2 x
7 x 4
.
).
n x
n ( ) f x
n
x
n n
x
1
0 185 . 266 . ...
1 179 . .761...
60 10
2
.

2 17564 . .105...
336 10
1
.

3 1750163 .

260 10
3
. ... 6237 10
3
.

4 175 . 0
163 10
4
.

TABLA 2.9
Para la misma funcin f si usamos el mtodo de Newton-Raphson con x
0
10 . se obtienen,
hasta la quinta iteracin, los resultados que se muestran en la TABLA 2.10 siguiente.
62 MTODOS NUMRICOS
__________________________________________________________________________________
n x
n ( ) f x
n
x
n n
x
1
0 10 . 30 .
1 40 . 45 . 30 .
2 220 . 405 . 180 .
3 16420 . 4000609 . 16200 .
4
1076168 10
7
.
4000000 .
10760038 10
7
.
5
4632550 10
14
.
4000000 .
46325498 10
14
. ...
TABLA 2.10
El siguiente teorema da condiciones suficientes no necesarias para la convergencia del
mtodo de Newton-Raphson, aunque no da, de manera explcita, un intervalo donde se
pueda escoger el punto inicial x
0
.
Teorema 2.4 Sea f una funcin continuamente diferenciable dos veces en un intervalo
[ ]
a b ,
que contiene un nmero . Si ( ) ( ) f f 0 0 y ( es raz simple de la ecuacin
( ) f x 0), entonces existe > 0 tal que la sucesin { } x
n
n
con
( )
( )
x , n ,2,...
n n
n
n
x
f x
f x

1
1
1
1
converge a para cualquier
[ ]
x
0
+ , .
Demostracin: Haciendo
( )
( )
( )
g x x
f x
f x

se demostrar que existe un > 0 tal que la funcin g satisface las hiptesis del teorema 2.1
(de Punto Fijo) en el intervalo
[ ]
+ , .
En efecto:
Como ( ) f 0 y f es continua en
[ ]
a b , , existe
1
0 > tal que ( ) f x 0 para todo
[ ] [ ]
x ab +
1 1
, , . Entonces g es continua en
[ ]
+
1 1
, .
Ahora,
( )
( ) ( ) ( ) ( )
( )
[ ]
( )
[ ]
( )
[ ]
( ) ( )
( )
[ ]
( ) ( )
( ) [ ]
[ ]

para x

+
g x
f x f x f x f x
f x
f x f x f x f x
f x
f x f x
f x
1
2
2 2
2
2
1 1
,
__________________________________________________________________________________
y como f es continuamente diferenciable dos veces en
[ ]
a b , , entonces g es continua en
[ ]
+
1 1
, ; por otro lado ( ) f 0 y ( ) f 0, as que
( )
( ) ( )
( )
[ ]

g
f f
f
2
0
Ahora, como g es continua en
[ ]
+
1 1
, y ( ) g 0, entonces existe con 0
1
< <
tal que ( ) < g x K 1 para toda
[ ]
x + , (este depende del K escogido).
Fijados K y , falta demostrar que [ ] ( ) [ ]
g + + , , .
Si
[ ]
x + , , el teorema del valor medio aplicado a g implica que existe un entre x y
tal que
( ) ( ) ( ) ( ) g g x x x x x g g K <
(recuerde que ( )
( )
( )
g
f
f

).
As que ( ) g x , lo que significa que ( ) [ ]
g x + , para todo
[ ]
x + , .
Luego
[ ] [ ]
g: + + , , satisface todas las hiptesis del teorema 2.1, y en
consecuencia la sucesin
{ } x
n
n
definida por
( ) x n
n n
g x
1
12 , , ,...
converge a cualquiera sea
[ ]
x
0
+ , .
Nota: Los criterios de aproximacin que generalmente se utilizan en el mtodo de
Newton-Raphson son: dado > 0, se toma como aproximacin de la raz de la ecuacin
( ) 0 x f , al trmino x
N
de la sucesin generada mediante la frmula de iteracin de Newton,
donde N es el menor entero no-negativo tal que ( ) f x
n
< o x x
n n
<
1
.
Obsrve que si el mtodo de Newton-Raphson converge, como
( )
( )
x
n n
n
n
x
f x
f x

1
1
1
entonces entre ms grande sea ( ) f x en la vecindad de la raz , "ms rpida" ser la
convergencia.
64 MTODOS NUMRICOS
__________________________________________________________________________________
Algoritmo 2.3 (Newton-Raphson) Para encontrar una aproximacin
de una raz de
una ecuacin ( ) f x 0 conocida una aproximacin inicial x
0
:
Entrada: ( ) ( ) f x f x , , una aproximacin inicial x
0
, una tolerancia Tol, y un nmero mximo
de iteraciones N.
o un mensaje.
Paso 1: Tomar n 1.
Paso 3: Tomar ( ) e f x
0
y ( ) d f x
0
.
Paso 4: Si d 0 entonces salida: "No se puede continuar el mtodo". Terminar.
Paso 5: Tomar c x
e
d

0
(calcula x
n
).
Paso 6: Si ( ) f c c Tol o x
e
d
Tol < <
0
, entonces salida: "Una raz
aproximada es
c ". Terminar.
Paso 8: Tomar x c
0
(redefine x
0
).
Paso 9: Salida "Se alcanz el nmero mximo de iteraciones N pero no la tolerancia".
Terminar.
Ejemplo 2.6 Con respecto a las races
1
,
2
y
3
de la ecuacin 3 0
2
x e
x
, vemos que
la funcin ( ) f x x e
x
3
2
satisface la hiptesis general del mtodo de Newton-Raphson en
los intervalos
[ ]
. . 5, 4 ,
[ ]
. . 910 , y
[ ]
3738 . . , . Si aplicamos el mtodo de Newton-Raphson, con
aproximaciones iniciales apropiadas y criterio de aproximacin
( ) f x
n
<

5 10
5
o
x
n n
x <

1
5
5 10
se obtienen los resultados que se muestran en las TABLAS 2.11, 2.12 y 2.13 siguientes.
n x
n ( ) f x
n
x x
n n
1
0 .5 .143...
1 .4602195
426 10
3
. ...

397805 10
2
.

2 .4589635
418 10
6
. ...

1256 10
3
.

TABLA 2.11
__________________________________________________________________________________
Para este ejemplo aproXime la expresin NEWTON( ( ) 3 05 2
2
x x x exp , , , . ).
De acuerdo con la TABLA 2.11 se tiene que
1 2
4589635 . x .
n x
n ( ) f x
n
x x
n n
1
0 10 .
281 10
1
. ...

1 .9141552
426 10
3
. ...

858448 10
2
.

2 .9100176
418 10
6
. ...

41376 10
3
.

TABLA 2.12
De acuerdo con la TABLA 2.12 se tiene que
2 2
9100176 . x .
n x
n ( ) f x
n
x x
n n
1
0 8 3. ... 38 1.
1 736935 3.
2
10 ... 51 7

.
2
10 3065 6

.
2 733092 3.
4
10 ... 51 2

.
3
10 843 3

.
3 733078 3.
5
10 ... 96 1

.
5
10 4 1

.
TABLA 2.13
Los resultados de la TABLA 2.13 indican que
3 3
x 733078 3 .
.
Ejercicio 2.5 Use el mtodo de Newton-Raphson para encontrar la menor raz positiva de la
ecuacin x tanx 0, usando como criterio de aproximacin el mismo dado en ejemplo 2.6
anterior.
2.2.3 El mtodo de Newton-Raphson combinado con el algoritmo de Horner para
encontrar races reales de ecuaciones polinmicas con coeficientes reales: Dada una
ecuacin polinmica con coeficientes reales
( ) p con a y a x a a x a x a x a a a
n
n
n n
+ + + +
0 1 2
2
0 1 2
0 0 ... , , , ,..., R
Si es una raz real simple de la ecuacin ( ) p x 0, el mtodo de Newton-Raphson para
aproximar la raz , consiste en generar la sucesin { } x
n
n
mediante la frmula de iteracin
( )
( )
x x
p x
p x
n n
n
n

1
1
1
12 , , ,... n
con x
0
escogido cercano a .
Como se ve en la frmula anterior el clculo de cada iteracin requiere la evaluacin del
polinomio p y su derivada p en un nmero. Existe un algoritmo, llamado algoritmo de
Horner, muy fcil de implementar en el computador, el cual permite calcular de manera
eficiente, el valor del polinomio y el de su derivada en un nmero.
66 MTODOS NUMRICOS
__________________________________________________________________________________
El algoritmo de Horner se basa en escribir el polinomio ( ) x p en la forma encajada o
anidada siguiente:
( ) ( ) ( ) ( ) ( )
p x a x a x a x a x a xa
n n
+ + + + + +
0 1 2 3 1
... ...
queremos evaluar ( ) ( ) z p y z p para algn nmero real z, basta tener en cuenta que:
Si hacemos
b , y
b para k
n n
k k k
a
a zb n n
+
+1
1 2 10 , ,..., ,
entonces ( ) z p b
0

.
Los nmeros auxiliares b b
n n
, ,..., b
1 1
son los coeficientes del polinomio cociente
( ) x q
que
resulta de la divisin de ( ) x p por x z y b
0
es el residuo, es decir,
( ) ( ) ( )
0
b x q z x x p +
siendo ( ) x b x b x b b x q
1 n
n
2 n
1 n 2 1

+ + + + ... .
En efecto:
( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
x z q x b x z b b x b x b x b
b zb b zb x b zb x b zb x b x
a a x a x a x a x p x
n
n
n
n
n n
n
n
n
n
n
n
n
+ + + + + +
+ + + + +
+ + + + +
0 1 2 1
2 1
0
0 1 1 2 2 3
2
1
1
0 1 2
2
1
1
...
...
...
Como ( ) ( ) ( )
0
b x q z x x p +
, entonces para x z , se obtiene
( ) ( ) ( )
0 0
b b z q z z z p +
Ahora bien, como
( ) ( ) ( )
0
b x q z x x p +
entonces derivando a ambos lados de esta ltima ecuacin con respecto a x, obtenemos
( ) ( ) ( ) ( ) x q z x x q x p +
y entonces
( ) ( ) ( ) ( ) ( ) z q z q z z z q z p +
__________________________________________________________________________________
y como ( ) x q es un polinomio del cual conocemos sus coeficientes (los nmeros
b b
n n
, ,..., b
1 1
), podemos aplicar el algoritmo de Horner al polinomio ( ) x q para hallar ( ) z q y
de esta manera obtener ( ) z p .
Algoritmo 2.4 (Horner) Para evaluar un polinomio con coeficientes reales
( )
n
n
2
2 1 0
x a x a x a a x p + + + + ...
y su derivada en un nmero real z:
Entrada: El grado n del polinomio, los coeficientes a a a
n 0 1
, ,..., del polinomio ( ) x p , el nmero
real z.
Salida: ( ) ( ) z p c y z p b
0
.
Paso 1: Tomar b a
n n
(calcula el coeficiente b
n
de ( ) x q )
c a
n
Paso 2: Para 1 ,..., 2 n , 1 n j , tomar

b a zb
j j j
+
+1
(calcula los coeficientes ( ) x q de b ,..., b , b
1 2 n 1 n
)
c b zc
j
+ (almacena en c a ( ) ( ) z p z q )
Paso 3: Tomar b a zb
0 0 1
+ (almacena en ( ) z p a b
0
)
Paso 4: Salida: " ( ) ( ) c z p y b z p
0
". Terminar.
Observe, en el algoritmo anterior, que como b b b
n n
, ,...,
1 1
son los coeficientes del polinomio
reducido ( ) x q , si aplicamos el algoritmo de Horner a este polinomio ( ) x q , es decir, hacemos
c b
n n
, y
para 1 ,..., 2 n , 1 n j hacemos c b zc
j j j
+
+1
obtenemos que ( ) ( ) z p z q zc b c
2 1 1
+ . Por tanto, al terminar la aplicacin del
algoritmo de Horner, en c queda almacenado ( ) z q , es decir, ( ) ( ) z p z q c .
Es importante observar que el algoritmo de Horner slo usa n multiplicaciones y n sumas
para calcular ( ) z p , lo que hace muy eficiente dicho clculo. Intente calcular ( ) z p de cualquier
otra forma y compare el nmero de operaciones.
Para implementar el algoritmo de Horner manualmente usamos el esquema de divisin
sinttica:
68 MTODOS NUMRICOS
__________________________________________________________________________________
Ejemplo 2.7 Consideremos la ecuacin x x
3
1 0 . Como ( ) p x x x
3
1 es continua
en el intervalo
[ ]
12 , , ( ) ( ) 0 > 5 2 p y 0 1 1 p <
, entonces la ecuacin ( ) 0 x p
tiene por lo
menos una raz en el intervalo
[ ]
12 , . Por otro lado, como ( ) 0 1 x 3 x p
2
> para todo
[ ]
x 12 , , entonces la ecuacin ( ) 0 x p tiene una nica raz simple
[ ]
1
12 , . Es claro,
entonces, que se puede aplicar el mtodo de Newton-Raphson para calcular esta raz
1
. Si
hacemos los clculos usando el mtodo de Newton-Raphson combinado con el algoritmo
de Horner, tomando como aproximacin inicial 0 2 x
0
. , y criterio de aproximacin
x x
n n
<
1
3
5 10 o ( ) p x
n
<

5 10
3
, obtenemos:
( )
( )
( )
( )
x
1 0
0
0
20
20
20

x
p x
p x
p
p
.
.
.
Debemos calcular ( ) ( ) 0 2 p y 0 2 p . . . Si usamos el algoritmo de Horner y aritmtica con
redondeo a cinco (5) dgitos para los cculos, se obtienen los resultados que aparecen en el
siguiente esquema de divisin sinttica
Entonces
x
1
20
50
110
15455 .
.
.
. y x x
1 0
3
4545 5 10 >

.
Para calcular ( ) ( ) 5455 1 p x p
1
. y verificar si se satisface la condicin ( ) p x
1
3
5 10 <

,
usaremos el algoritmo de Horner. Vea el siguiente esquema de divisin sinttica:
__________________________________________________________________________________
Observe que ( ) p x
1
3
11461 5 10 >

.
, as que debemos calcular x
2
. De acuerdo con los
resultados que aparecen en el esquema anterior
( )
( )
x x
p x
p x
2 1
1
1
15455
11461
61657
13596
.
.
.
. y x x
2 1
3
1859 5 10 >

.
Si seguimos calculando como se indic en los dos casos anteriores, obtenemos
( ) p x
2
3
1536 5 10 >

.
, ( ) p x
2
45455 . , x
3
13258 .
, x x
3 2
3
0338 5 10 >

. ,
( ) p x
3
3
0046 005 5 10 <

. .
.
Luego
1 3
13258 . x . Puesto que la ecuacin dada, x x
3
1 0 , tiene tres races, cmo
podramos intentar aproximar las otras dos races
2 3
y de esta ecuacin? (Se puede
verificar fcilmente que las races
2 3
y son complejas no-reales).
Recordemos que
( ) ( ) ( ) ( ) 3258 1 p x q 3258 1 x x p . . +
donde
( ) x q
es el polinomio cociente en la divisin de ( ) p x x x
3
1 por x13258 . , y que
los coeficientes del polinomio ( ) x q se pueden obtener usando el algoritmo de Horner. Pues
bien, el siguiente esquema muestra cules son los coeficientes del polinomio
( ) x q
:
De acuerdo con el anterior esquema de divisin sinttica, el polinomio ( ) x q es
( ) q x x x + +
2
13258 7577 . .
Total que
( ) ( )
( )
p x x x x + + + 13258 13258 7577 00046
2
. . . .
(recuerde que estamos haciendo redondeo a cinco dgitos)
70 MTODOS NUMRICOS
__________________________________________________________________________________
Si despreciamos el residuo en la divisin anterior, es decir, despreciamos ( ) p13258 0046 . . ,
entonces
( ) ( )
( )
p x x x x + + 13258 13258 7577
2
. . .
y entonces podramos usar el polinomio reducido ( ) q x x x + +
2
13258 7577 . . (cociente en la
divisin del polinomio 1 x x
3
por el polinomio x13258 . ) para aproximar las otras dos
races de la ecuacin original ( ) p x x x
3
1 0. Si resolvemos la ecuacin
( ) 0 x q ,
obtenemos
23
6629 56415
,
t . . i .
QUOTIENT( ( ) p x x ,

): Simplifica o aproXima el polinomio cociente
( ) x q
que resulta de la
divisin del polinomio ( ) x p por x

. Para el ejemplo, aproXime la expresin
QUOTIENT( x x x
3
1 13258 , . ).
El proceso ilustrado en el ejemplo anterior para aproximar las races
2 3
y , se conoce
como Deflacin.
En general, la Deflacin aplicada al problema de hallar races reales de ecuaciones
polinmicas, consiste en lo siguiente:
Supongamos que en la N-sima iteracin en la aplicacin del mtodo de Newton-Raphson
obtuvimos un cero aproximado x
N
del polinomio ( ) x p , entonces
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) x q x x x p x q x x b x q x x x p
N N N 0 N
+ +
ya que
( ) 0 x p
N
(porque p(x) es continua y si x
N
, con un cero de ( ) x p , entonces
( ) ( ) 0 p x p
N

).
Lo anterior significa que ( ) x x
N
es un "factor aproximado" de ( ) x p .
Tomando ( )
1 1
x x
N n
y q como el polinomio reducido ( ) x q , de grado n1, se tiene que
( )
( )
( ) p x x q x
n

1 1
y podemos encontrar una aproximacin
2
de un segundo cero de ( ) x p , aplicando el

mtodo de Newton-Raphson al polinomio ( ) q x
n1
, con lo cual
( )
( )( )
( ) p x x x q x
n

1 2 2
siendo ( ) q x
n2
un polinomio de grado n 2.
__________________________________________________________________________________
Si ( ) x p es un polinomio de grado n con n ceros reales, este procedimiento aplicado
reiteradamente permitir, eventualmente, obtener n 2 ceros aproximados de ( ) x p y un
factor cuadrtico aproximado ( ) x q
2
, es decir,
( ) ( )( ) ( ) ( ) x q x x x x p
2 2 n 2 1

...
Al polinomio cuadrtico ( ) x q
2
le podremos calcular sus ceros usando la frmula cuadrtica.
El procedimiento descrito antes para obtener

2 n 2 1
,..., ,
se conoce como Deflacin.
La posible deficiencia en la precisin de las races obtenidas por Deflacin se debe a que
cuando obtenemos los ceros aproximados de ( ) x p , estamos usando el mtodo de Newton-
Raphson aplicado al polinomio reducido ( ) x q
k
. Para mejorar la precisin en el mtodo de
Deflacin, cualquier cero aproximado
k
que se encuentre para un polinomio reducido debe

someterse a un refinamiento aplicando el mtodo de Newton-Raphson al polinomio original
( ) x p , tomando a
k
como aproximacin inicial.

Un algoritmo para el mtodo de Newton-Raphson combinado con Horner es el siguiente.
Algoritmo 2.5 (Newton-Raphson combinado con Horner) Para encontrar un cero
aproximado
del polinomio
( )
n
n
2
2 1 0
x a ... x a x a a x p + + + +
Entrada: El grado n y los coeficientes a a a
n 0 1
, ,..., del polinomio ( ) x p ; una aproximacin
inicial x
0
; una tolerancia Tol, y un nmero mximo de iteraciones N.
Salida: Un cero aproximado
del polinomio ( ) x p o un mensaje.

Paso 1: Tomar i 1.
Paso 2: Mientras que i N seguir los pasos 3-10:
Paso 3: Tomar b a
n n
y c a
n
Paso 4: Para 1 ,..., 2 n , 1 n j , tomar

b a x b
j j j
+
+ 0 1
c b x c
j
+
0
(calcula ( ) p x
0
)
Paso 5: Tomar b a x b
0 0 0 1
+ (calcula ( ) p x
0
).
Paso 6: Si c 0, entonces salida: "No se puede continuar el mtodo porque se
anul ( ) p x
0
". Terminar.
72 MTODOS NUMRICOS
__________________________________________________________________________________
Paso 7: Tome x x
b
c
1 0
0
(calcula x
i
en el mtodo de Newton-Raphson).
Paso 8: Si b
0
< Tol o x
1 0
0
< x
b
c
Tol , entonces salida: "Una raz
aproximada de ( ) p x 0 es
x
1
". Terminar.
Paso 9: Tomar i i +1.
Paso 10: Tomar x x
0 1
.
Paso 11: Salida "Se alcanz el nmero mximo de iteraciones N pero no la tolerancia".
Terminar.
Ejemplo 2.8 Encontrar todas las races reales de la ecuacin polinmica
x x x x
4 3 2
2 4 4 4 0 + + , usando el mtodo de Newton-Raphson y Deflacin.
Empezamos graficando el polinomio ( ) p x x x x x + +
4 3 2
2 4 4 4 para ubicar las races
reales (ver la FIGURA 2.16 siguiente).
FIGURA 2.16
De acuerdo con la grfica del polinomio ( ) p x x x x x + +
4 3 2
2 4 4 4, se ve que todas las
races
1 2 3 4
, , y de la ecuacin polinmica dada son reales, con
[ ] [ ] [ ] [ ]

1 2 3 4
2 1 10 12 23 , , , , , , , .
__________________________________________________________________________________
Se ve claramente que ( ) p x satisface la hiptesis general del mtodo de Newton-Raphson en
intervalos apropiados para cada una de las races
4 3 2 1
y , , .
Usando el mtodo de Newton-Raphson para encontrar
1
, con criterio de aproximacin
( ) p x
n
<

5 10
5
o x
n n
x <
1
5
5 10 , se obtiene
4 4
2732076 . x usando x
0
30 . ,
y el correspondiente polinomio reducido de grado 3, es
( ) q x x x x
3
3 2
7320760 1999912 1463912 + . . .
Usando Deflacin, encontramos una aproximacin de la raz
3
, lo que da
3 5
1414157 . x tomando como aproximacin inicial x
0
10 . . El polinomio reducido
correspondiente de grado 2, es
( ) 035197 1 x 146233 2 x x q
2
2
. . + +
Finalmente, encontramos aproximaciones de la races
2
y
1
, resolviendo la ecuacin
cuadrtica ( ) 0 x q
2

, con lo que se obtiene
2 1
7319684 1414264 . . y .
Ejemplo 2.9 Encontrar todas las races reales de la ecuacin
x x x x
4 3 2
5 9 85 136 0 + , usando el mtodo de Newton-Raphson y Deflacin.
La grfica del polinomio ( ) p x x x x x +
4 3 2
5 9 85 136 es como se muestra en la FIGURA
2.17.
De acuerdo con la FIGURA 2.17, la ecuacin dada slo tiene dos races reales simples
[ ] [ ]

1 2
50 05 , , y (verifquelo analticamente).
Usando el mtodo de Newton-Raphson para encontrar
1
con criterio de aproximacin
( ) p x
n
<

5 10
5
o x x
n n
<
1
5
5 10 , obtenemos
1 5
4123123 . x usando como
punto inicial x
0
50 . , y el polinomio reducido correspondiente de grado 3, es
( ) 98486 32 x 61547 12 x 8768767 x x q
2 3
3
. . . +
Usando Deflacin, encontramos la aproximacin
2 4
4123122 . x , tomando como punto
inicial x
0
50 . , y el polinomio reducido correspondiente de grado 2, es
( ) 000134 8 x 999999 4 x x q
2
2
. . + +
74 MTODOS NUMRICOS
__________________________________________________________________________________
FIGURA 2.17
Finalmente, las races de la ecuacin cuadrtica ( ) 0 x q
2
son los nmeros complejos
conjugados

3 4
25 1322927 25 1322927 + . . . . i y i .
El siguiente ejemplo muestra que el mtodo de Newton-Raphson puede converger y hacerlo
lentamente cuando se aplica en la bsqueda de una raz mltiple de una ecuacin ( ) f x 0
(cosa similar ocurre cuando hay races reales cercanas entre s).
Ejemplo 2.10 Consideremos la ecuacin 0 tanx x .
Es claro que 0 es raz de esta ecuacin. Cul es la multiplicidad de esta raz?
La grfica de ( ) tanx x x f
alrededor de 0 es como se muestra en la FIGURA 2.18
siguiente.
__________________________________________________________________________________
FIGURA 2.18
De acuerdo con esta grfica la raz 0 es una raz mltiple con multiplicidad impar.
Como
( ) ( )
( ) ( )
( ) ( )
,
,
,

f x x f
f x xtanx f
f x xtan x x f
1 0 0
2 0 0
4 2 0 2 0
2
2
2 2 4
sec
sec
sec sec
entonces 0 es raz de multiplicidad m 3, segn el teorema 2.3.
Observe que aunque la raz 0 es mltiple, ( ) f x 0 para x cerca de 0, x 0, as que
podemos aplicar el mtodo de Newton-Raphson para aproximar la raz 0 . Si hacemos
sto con criterio de aproximacin ( ) f x
n
<

5 10
5
o x x
n n
<
1
5
5 10 , obtenemos los
resultados que aparecen en la TABLA 2.14 siguiente.
n x
n ( ) f x
n
x x
n n
1
0 .3

933 10
3
. ...
1
2024312 10
1
.

281 10
3
. ... 975688 10
2
.

2
1356958 10
1
.

839 10
4
. ... 667354 10
2
.

3
9068650 10
2
.

249 10
4
. ... 450093 10
2
.

4
6052418 10
2
.

740 10
5
. ... 3016232 10
2
.

5
4036921 10
2
.

219 10
5
. ... 2015497 10
2
.

TABLA 2.14
Observando los resultados de la TABLA 2.14, vemos que aunque ( ) f x
5
es pequeo, x
5
no
es una buena aproximacin de 0 , adems se ve la lentitud de la convergencia del
mtodo de Newton-Raphson.
76 MTODOS NUMRICOS
__________________________________________________________________________________
Ejercicio 2.6 Use el mtodo de Newton-Raphson para encontrar las dos races de la
ecuacin x x
2
20001 10001 0 + . .
, usando como puntos iniciales x
0
5 . , x
0
15 . y criterio
de aproximacin ( ) f x x x
n n n
< <
5 10 5 10
5
1
5
o . Cules son las races exactas
de esta ecuacin ?
En situaciones como la del ejemplo anterior (raz mltiple), se recomienda utilizar el mtodo
de Newton-Raphson modificado.
2.2.4 Mtodo de Newton-Raphson modificado: El mtodo de Newton-Raphson modificado
se basa en el siguiente resultado: Si es una raz de multiplicidad m> 1 de una ecuacin
( ) 0 x f
y ( ) 0 x f para toda x en alguna vecindad de , x , entonces es una raz
simple de la ecuacin ( ) 0 x M , donde la funcin M est definida como sigue:
( )
( )
( ) M x
f x
f x

'
, x
0, x
La funcin M resulta continua en la raz .

En efecto: Como por definicin de la funcin M, ( ) M 0, entonces es raz de la ecuacin
( ) 0 x M . Veamos que es una raz simple.
Como es una raz de multiplicidad m> 1 de la ecuacin ( ) f x 0, entonces ( ) f 0 y
para x , ( ) ( ) ( ) ( ) f x x h x limh x
m
x

con 0
Por ser ( ) ( ) ( ) x h x x f
m
, entonces ( ) ( ) ( ) ( ) ( ) x h x x h x m x f
m 1 m
+

, as que
( )
( )
( )
( ) ( )
( ) ( ) ( ) ( )
[ ]
( )
( )
( ) ( ) ( )
para x , M

+

+
x
f x
f x
x h x
x mh x x h x
x
h x
mh x x h x
m
m 1
con
( )
( ) ( ) ( )
( )
( )
lim
h x
mh x x h x
limh x
mlimh x m x
x
x
1
0, ya que ( ) limh x
x

0 . Luego es una raz

simple de la ecuacin ( ) 0 x M .
Observe que ( ) ( ) limM x M
x

0 , lo que significa que la funcin M es continua en .

El mtodo de Newton-Raphson modificado para aproximar una raz mltiple de una
ecuacin ( ) 0 x f , consiste en aplicar el mtodo de Newton-Raphson a la nueva funcin M,
as que la funcin de iteracin g del mtodo de Newton-Raphson modificado est definida
como
__________________________________________________________________________________
( )
( )
( )
( )
( )
( )
[ ]
( ) ( )
( )
[ ]
g x x
M x
M x
x
f x
f x
f x f x f x
f x

2
2
es decir,
( )
( ) ( )
( )
[ ]
( ) ( )
g x x
f x f x
f x f x f x

2
lo que requiere que f sea continua en alguna vecindad de .
Si aplicamos el mtodo de Newton-Raphson modificado a la funcin ( ) tanx x x f para
aproximar la raz 0 , con criterio de aproximacin ( ) M x
n
<

5 10
5
o
x x
n n
<
1
5
5 10 , se obtienen los resultados que se muestran en la TABLA 2.15
siguiente.
n x
n ( ) M x
n
x x
n n
1
0 .3
975 10
2
. ...

1

1595052 10
2
.

531 10
3
. ...
.31595052
2
2164831 10
6
.

721 10
7
. ...

1595268 10
2
.

TABLA 2.15
NEWTON_MOD( ( ) f x x x N , , ,
0
): aproXima las primeras N iteraciones en el mtodo de
Newton-Raphson modificado aplicado a la funcin ( ) f x , tomando como aproximacin inicial
x
0
. Para el ejemplo, aproXime la expresin NEWTON_MOD(
x tanx x , , , 03 2 .
).
Observando la TABLA 2.15 vemos que el valor de x
2
, obtenido por el mtodo de Newton-
Raphson modificado, es mucho ms cercano a 0 que el valor de x
5
obtenido por el mtodo
de Newton-Raphson aplicado a la funcin
( ) f x x tanx .
En el ejemplo anterior ( ) M x
x tanx
x

1
2
sec
y la grfica de M en la vecindad de 0 se muestra
en la FIGURA 2.19 .
78 MTODOS NUMRICOS
__________________________________________________________________________________
FIGURA 2.19
2.2.5 Mtodo de la Secante: El mtodo de Newton-Raphson para aproximar una raz simple
de una ecuacin ( ) f x 0, consiste en generar la sucesin { } x
n n
a partir de la frmula de
iteracin
( )
( )
x n
n n
n
n
x
f x
f x

1
1
1
12 , , ,...
y escogiendo x
0
cercano a la raz .
Como
( )
( ) ( )

f x lim
f x f x
x x
n
x x
n
n n
1
1
1 1
entonces si queremos evitar el uso de la derivada en la frmula de iteracin del mtodo de
Newton-Raphson, una forma es tomar x x
n
2
, y aproximar ( )

f x
n 1
por
( ) ( ) f x f x
x x
n n
n n

1 2
1 2
,
que no es otra cosa que la pendiente de la recta secante L a la grfica de f por los puntos
( ) ( ) ( ) ( )
2 n 2 n 1 n 1 n
x f x x f x

, , , (ver la FIGURA 2.20).
Remplazando, en la frmula de iteracin del mtodo de Newton-Raphson, ( )

f x
n 1
por su
aproximacin
( ) ( ) f x f x
x x
n n
n n

1 2
1 2
, obtenemos
( )( )
( ) ( )
x n
n n
n n n
n n
x
f x x x
f x f x

1
1 1 2
1 2
23 , , ,...
que constituye la frmula de iteracin para el mtodo de la Secante.
__________________________________________________________________________________
Ntese que para iterar con el mtodo de la Secante se requiere conocer dos aproximaciones
iniciales x
0 1
y x .
FIGURA 2.20
Observe la relacin entre el mtodo de la Secante y el mtodo de Regula Falsi: Ambos
mtodos usan dos puntos iniciales o de arranque para encontrar una nueva aproximacin a
la raz buscada, pero hay una gran diferencia entre la escogencia de esos dos puntos:
mientras que en el mtodo de Regula Falsi los dos puntos deben encerrar a la raz buscada y
el mtodo siempre converge, en el mtodo de la Secante los dos puntos iniciales no
necesariamente encierran a la raz buscada lo que puede provocar divergencia del mtodo.
El mtodo de la Secante converge bajo las mismas hiptesis de convergencia del mtodo de
Newton-Raphson.
Algoritmo 2.6 (Secante) Para encontrar una aproximacin
de una raz de una

ecuacin ( ) 0 x f conocidas dos aproximaciones iniciales x
0 1
y x :
Entrada: ( ) f x ; dos aproximaciones iniciales x
0 1
y x ; una tolerancia Tol, y un nmero
mximo de iteraciones N.
o un mensaje.
Paso 1: Tomar n 2, ( ) ( )
1 1 0 0
x f y y x f y .
Paso 3: Si y y
1 0
0 , entonces salida: "No se puede aplicar el mtodo,
porque el denominador en la frmula de la Secante se anul". Terminar.
Paso 4: Tomar
( )
x x
y x x
y y
2 1
1 1 0
1 0

.
80 MTODOS NUMRICOS
__________________________________________________________________________________
Paso 5: Si x
2 1
< x Tol, entonces salida: "Una aproximacin de una raz de la
ecuacin dada es
x
2
". Terminar.
Paso 7: Tomar
1 0
x x
1 0
y y
2 1
x x
( )
1 1
x f y
Terminar.
Ejemplo: 2.11 Si aplicamos el mtodo de la Secante para encontrar la menor raz positiva de
la ecuacin x tanx 0, con criterio de aproximacin x x
n n
<
1
5
5 10 , obtenemos los
n x
n
x
n+1 ( ) f x
n+1
x x
n n +

1
0 44 . 45 . .137... .1
1 45 . 4490469 .
585 10
2
. ...

9531 10
3
.

2 4490469 . 4494723 .

266 10
2
. ... 4254 10
3
.

3 4494723 . 4492822 .
118 10
2
. ...

1901 10
3
.

4 4492822 . 4493671 .

528 10
3
. ... 8490 10
4
.

5 4493671 . 4493292 .
237 10
3
. ...

3790 10
4
.

6 4493292 . 4493461 .

104 10
3
. ... 1690 10
4
.

7 4493461 . 4493386 .
473 10
4
. ...

7500 10
5
.

8 4493386 . 4493419 .

192 10
4
. ... 3300 10
5
.

TABLA 2.16
SECANTE( ( ) f x x x x N , , , ,
0 1
): aproXima las primeras N iteraciones en el mtodo de la
Secante aplicado a la funcin ( ) f x tomando aproximaciones iniciales x
0
y x
1
. Para el
ejemplo , aproXime la expresin SECANTE(
8 , 5 4 , 4 4 , x , tanx x . .
).
De acuerdo con los resultados de la TABLA 2.16, la menor raz positiva de la ecuacin
x tanx 0 es 4493419
8
. x .
2.3 RAPIDEZ DE CONVERGENCIA
__________________________________________________________________________________
Los mtodos numricos estudiados aqu para hallar una raz de una ecuacin ( ) f x 0
consistieron en generar una sucesin { } x
n
n
tal que limx
n
n

.
La eficiencia de un mtodo numrico depende, en parte, de la "rapidez" con la cual la
sucesin { } x
n
n
converge a , donde "rapidez" significa el nmero mnimo de iteraciones N
necesarias para tener x
N
a una distancia dada de la raz , es decir, tal que x
n
<
para algn > 0 dado. Una forma de medir la "rapidez" de la convergencia de un mtodo
iterativo de los que estudiamos, es en los siguientes trminos.
Notacin: Si
n n
x , entonces
n
puede ser positivo, negativo o cero y
E x
n n n
denota el valor absoluto del error de truncamiento en la iteracin n.
En la siguiente definicin se introduce el concepto de orden de convergencia de una
sucesin, usando el lmite. Hay otras formas de definir orden de convergencia de una
sucesin.
Definicin 2.4 Supongamos que limx
n
n
R , es decir, lim
n
n
0 o equivalentemente
limE
n
n
0. Si existen constantes positivas y L tales que

x
x
lim
E
E
lim L
n
n
n
n
n
n
1
1

entonces se dice que la sucesin

{ } x
n
n
converge a con orden de convergencia y error
asinttico L .
Veamos que la definicin 2.4 es una buena definicin en el sentido que si y L existen,
entonces son nicos.
Supongamos que existen
1 2 1 2
, , L y L constantes positivas, tales que
y lim
E
E
L lim
E
E
L
n
n
n
n
n
n
+

1
1
1
2
1 2

y veamos que
1 2 1 2
y L L .
Basta probar que
1 2
, pues si esto ocurre, entonces L L
1 2
(por la unicidad del lmite,
cuando existe).
Supongamos, por reduccin al absurdo, que existen
1
y
2
con
1 2
0 > > y tales que
, donde L , L lim
E
E
L lim
E
E
L
n
n
n
n
n
n
+
>
1
1
1
2 1 2
1 2
0

82 MTODOS NUMRICOS
__________________________________________________________________________________
Como
1 2
0 > > , entonces
1 2
0 >
, y

1
1 2 1
2
1
1
E
E
E
E
E
n
n
n
n
n

+
+
as que
lim
E
lim
E
E
E
E n
n
n
n
n
n
n
+
+
1
1 2 1
2
1
1

Pero
0 E lim que ya ,
E
1
lim
2 1
2 1
n
n
n
n

y
lim
E
E
E
E
lim
E
E
lim
E
E
L
L
L
L n
n
n
n
n
n
n
n
n
n
n
+
+

+
+

1
1
1
1
1
2
1
2
1
2
1
2
1
R
lo cual es una contradiccin. Luego
1 2
.
De la definicin 2.4 se tiene que, para n suficientemente grande
E
n n
LE
+

1

y as, fijado L, entre mayor sea , ms rpidamente converge la sucesin { } x
n
n
a , es
decir, entre mayor sea el orden de convergencia de una sucesin { } x
n
n
, menor ser el
nmero de iteraciones necesarias para tener a x
n
a una distancia dada del lmite de esa
sucesin.
Casos especiales:
i) Si 1 en la definicin 2.4, es decir, el orden de convergencia es uno, se dice que la
convergencia es lineal.
Si la convergencia es lineal, entonces para n suficientemente grande
E
n n
LE
+

1
lo que significa que el error en un paso es aproximadamente proporcional al error en el paso
anterior (en este caso debe tenerse 0 1 < L , casi siempre L < 1).
ii) Si 2 en la definicin 2.4, la convergencia se dice cuadrtica.
Si la convergencia es cuadrtica, entonces para n suficientemente grande
E
n n
LE
+

1
2
__________________________________________________________________________________
es decir, el error en un paso es aproximadamente proporcional al cuadrado del error en el
paso anterior. En este caso es claro que el error E
n
decrece ms rpidamente que en el
caso lineal, y as la convergencia ser ms "rpida".
Ejemplo 2.12 Consideremos las sucesiones { } x
n
n
con x
n
n

1
3
, y { }
"
x
n
n
con
"
x
n n
1
10
2
.
Como limx
n
n
0 y
limx
n
n
"
0
, entonces 0 , en la definicin 2.4, para ambas
sucesiones.
Encontremos el orden de convergencia de la sucesin { } x
n
n
.
Como
E
E
n
n
n
n
n
+
_
,
_
,
1
3
3
3
1
1
1
1

(n )
entonces
lim
n
n
lim
n n
L
n n

+

+

1
1
1
1
R, lo si L >0, si y s
Luego el orden de convergencia de la sucesin { } x
n
n
con
x
n
n

1
3
es uno, es decir, { } x
n
n
converge linealmente a cero. Observe que si 1, entonces L 1.
Procediendo de manera similar al caso anterior, se puede ver que el orden de convergencia
de la sucesin { }
"
x
n
n
con
"
x
n n
1
10
2
es dos, es decir, la sucesin { }
"
x
n
n
converge
cuadrticamente a cero, con error asinttico L 1.
Encontremos ahora, los valores mnimos de N
1
y N
2
tales que
E x y
N N N N
E x
1 1 2 2
10 10
3 3
< <

"
"
E
n
n n N
n
< > >
1
10 10 10 11
3
3 3 3
1
, as que .
"
E n N
n
n
n
n
< > >
1
10
10 10 10 2 3 2 2
2
3 2 3
2
, as que .
Lo anterior nos dice que para la sucesin { } x
n
n
con x
n
n

1
3
, que converge linealmente a
0 , son necesarias 11 iteraciones para que x
n
<

10
3
, mientras que para la
sucesin { }
"
x
n
n
con
"
x
n n
1
10
2
, que converge cuadrticamente a 0 , son necesarias slo
2 iteraciones para que
"
x
n
<

10
3
.
84 MTODOS NUMRICOS
__________________________________________________________________________________
Con base en la definicin 2.4, estudiaremos el orden de convergencia de los mtodos
abiertos que ya vimos.
2.3.1 Orden de convergencia del mtodo de iteracin de Punto Fijo: Sea un punto fijo
de una funcin g, es decir ( ) g :
i) Si g es continua en alguna vecindad de , ( ) g 0, y la sucesin { } x
n
n
definida por
( ) x , n ,2,...
n n
g x
1
1
converge a , entonces la convergencia es lineal.
En efecto:
( ) ( ) ( )( ) ( )
+ + n n n n n n n
x g x g g x g
1 1

con
n
entre x
n
y .
Ahora, como g es continua en , entonces ( ) ( ) limg g
n
n
, ya que
n
cuando
n , y entonces
( ) ( ) lim limg g
n
n
n
n
n

1
0
as que
( ) lim
E
E
g L
n
n
n
+
>
1
0
lo que significa que la convergencia es lineal.
ii) Si g es continua en alguna vecindad de , ( ) g 0, ( ) g 0 (el punto ( ) ( )
,g no es
de inflexin de la grfica de g), y la sucesin { } x
n
n
definida por
( ) x n
n n
g x
1
12 , , ,...
converge a , entonces la convergencia es cuadrtica, es decir, { } x
n
n
converge a
con orden de convergencia dos.
En efecto:
Como g es continua en un intervalo abierto que contiene a , entonces para x en ese
intervalo, se tiene
( ) ( ) ( )( )
( )
( ) g con entre x y x g g x
g
x + +

2
2
__________________________________________________________________________________
Como ( ) ( ) g g y 0, entonces
( )
( )
( ) g con entre x y x
g
x +

2
2
En particular, cuando x x
n
, nN, se tiene
( )
( )
( ) x con entre x y
n n
n
n n n
g x
g
x
+
+

1
2
2

Por tanto
( )
( )
( )

+ + n n
n
n
n
n
x
g
x
g
1 1
2
2
2 2

y como g es continua en el intervalo que contiene a x
n
y , entonces
( ) ( ) limg g
n
n
, lo que implica que

( ) ( )
lim lim
g g
n
n
n
n
n

1
2
2 2

y entonces
( )
lim
E
E
lim
g
L
n
n
n
n
n
n

>
1
2
1
2
2
0

lo cual significa que la convergencia es cuadrtica.

Si queremos tener esquemas iterativos
( ) x n
n n
g x
1
12 , , ,...
con orden de convergencia mayor, tenemos que poner condiciones sobre g.
Un teorema que generaliza las ideas anteriores y cuya prueba es similar a la de los casos i) y
ii) vistos antes, es el siguiente:
Teorema 2.4 Sea una raz de una ecuacin
( ) x g x
. Si g tiene las primeras k-derivadas
continuas en alguna vecindad de ,
( )
( ) g
i
0 para i k 12 1 , ,..., ,
( )
( ) g
k
0, y la sucesin
{ } x
n
n
definida por
( ) x n
n n
g x
1
12 , , ,...
converge a , entonces la convergencia es de orden k, es decir, { } x
n
n
converge a con
orden de convergencia k.
Observacin: Por lo general, la cantidad de clculos involucrados en la frmula de un
mtodo iterativo aumenta a medida que el orden de convergencia crece, por lo tanto, la
ganancia en el orden de convergencia no debe medirse por el nmero de iteraciones
86 MTODOS NUMRICOS
__________________________________________________________________________________
necesarias para que el error de truncamiento alcance cierta tolerancia, sino por el nmero
total de operaciones o tiempo del computador.
Sin embargo, los mtodos de convergencia cuadrtica parecen estar en un punto de
equilibrio si tenemos en cuenta la dificultad de los mtodos, el nmero de operaciones
requeridas y los resultados obtenidos; es por so, que uno de los mtodos mas usados es el
de Newton-Raphson que, como veremos enseguida, es de convergencia cuadrtica.
2.3.2 Orden de convergencia del mtodo de Newton-Raphson: Sea una raz de una
ecuacin ( ) 0 x f . Si la funcin f tiene sus dos primeras derivadas continuas en alguna
vecindad de , ( ) 0 x f para todo x en esa vecindad, ( ) f 0 (el punto ( ) ( )
,f no es de
inflexin de la grfica de f ), y la sucesin { } x
n
n
definida por
( )
( )
x n
n n
n
n
x
f x
f x
+

1
01 , , ,...
converge a , entonces la convergencia es cuadrtica.
En efecto:
Como la funcin f tiene segunda derivada continua en algn intervalo que contiene a ,
entonces para todo x en ese intervalo, se tiene
( ) ( ) ( )( )
( )
( ) f x f f x
f
x + +

2
2
con entre x y
Pero ( ) f 0, as que
( ) ( )( )
( )
( ) f con entre x y x f x
f
x +

2
2
De la misma manera
( ) ( )
( )
( ) con entre x y + f x f f x
" "
En particular, cuando x x
n
, nN, se tiene
( ) ( )( )
( )
( )
( ) ( )
( )
( )
f con entre y
con entre y

x f x
f
x x
f x f f x x
n n
n
n n n
n n n n n
+

+

2
2
" "
Sustituyendo ( ) f x
n
en la frmula de iteracin del mtodo de Newton-Raphson, obtenemos
( )
( )
( )
( )
x con entre x y
n n
n
n n
n n
x
f x
f f x
+

+
1

"
"
__________________________________________________________________________________
Restando a ambos miembros de la ecuacin anterior, se obtiene
( )
( )
( )
( )
( )
( )
( )
( )

+
+
+
+ n n
n
n n
n n n n
n n
f x
f f
f f f x
f f
1
2

"
"
"
y sustituyendo ( ) f x
n
, en la ltima ecuacin anterior, obtenemos
( )
( )
( )
( )
( )
( )

+

+
+ n
n n n n
n
n
n n
f f f
f
f f
1
2 2
2

"
"

( )
( )
( )
( )
1
]
1
+
1
]
1

n n n
n n
f f
f f
2
2
2
"
"

Luego
( )
( )
( )
( )
1
]
1
+ n
n
n n
n n
f f
f f
1
2
2
2
"
"

Como { } x
n
n
converge a , entonces { }
{ }

n
n
n
n
y
"
tambin convergen a , y { }
n
n
converge a 0, y como
f es continua en , entonces
( )
( )
( )
( )
( ) ( )
( )
[ ]
( )
( )
lim lim
f f
f f
f f
f
f
f n
n
n
n
n n
n n
1
]
1

1
2
2
2
2
2 2
"
"

Por tanto
( )
( )

L > lim
f
f n
n
n

1
2
2
0
(recuerde que
( ) ( ) f f 0 0 y ), as que la convergencia es cuadrtica.
Observe, en el trabajo anterior, que si ( ) f 0, ( ) f 0 y ( ) f 0, es decir, es raz de
multiplicidad dos de la ecuacin ( ) f x 0, entonces el mtodo de Newton-Raphson puede
an converger, pero la convergencia es lineal con error asinttico L
1
2
. En general, se
tiene que: Si ( )
( )
( ) 0
1

f f
m
... y
( )
( ) f
m
0, es decir, es una raz de multiplicidad
88 MTODOS NUMRICOS
__________________________________________________________________________________
m 2 de una ecuacin ( ) f x 0, y el mtodo de Newton-Raphson converge, entonces la
convergencia es lineal con error asittico L
m
m
1
.
Se puede demostrar, vase Ralston,1965, pginas 326 y 327, que el mtodo de la Secante,
cuando converge, tiene orden de convergencia
+
1 5
2
162 . , y que el mtodo de Regula
Falsi es de convergencia lineal siempre que la grfica de la funcin f sea cncava hacia
abajo o hacia arriba en la vecindad de la raz . El mtodo de Biseccin se considera de
convergencia lineal.
TALLER 2.
1. El mtodo de Biseccin se puede aplicar en un intervalo [ ] b , a siempre que ( ) ( ) f a f b < 0. Si
( ) f x tiene ms de un cero en ( ) a b , , se podr saber de antemano cul cero es el que se
encuentra al aplicar el algoritmo 2.1? Ilustre su respuesta con ejemplos.
2. Las siguientes funciones cumplen la condicin ( ) ( ) f a f b < 0 donde a 0 1 y b . Si se
aplica el mtodo de Biseccin en el intervalo
[ ]
a b , a cada una de esas funciones, qu
punto se encuentra en cada caso? Es este punto un cero de f ?
a)
( ) ( ) f x x

3 1
1
b) ( ) ( ) f x x cos 10 c) ( ) f x
>

'
x
x
1 0
1 0
,
,
3. Pruebe que la funcin ( ) f x e x
x
x
1
2
2
tiene un nico cero, precisamente en x 0.
Sugerencia: Puede usar el residuo en una expansin en serie de Taylor de e
x
alrededor
de 0 .
Evale en una calculadora o un computador la funcin ( ) f x para valores de x cercanos a
cero. Nota cambios de signo en los valores ( ) f x para nmeros x, a un mismo lado de
cero? De haber cambios de signo, qu har el mtodo de Biseccin en uno de los
intervalos en los que hay uno de esos cambios? Comente sobre la posibilidad de
encontrar, por un mtodo numrico, un "falso cero".
4. Verifique que se puede aplicar el mtodo de Biseccin para aproximar el nico cero de la
funcin ( ) f x x x
3
1 en el intervalo
[ ]
12 , . Cuntas iteraciones sern necesarias para
que al aplicar el mtodo de Biseccin en el intervalo
[ ]
12 , se logre una aproximacin de la
__________________________________________________________________________________
raz, con una precisin de por lo menos 3 cifras decimales exactas? Calcule tal
aproximacin.
5. Encuentre una aproximacin de 25
3
con una precisin de por lo menos tres cifras
decimales exactas, usando el mtodo de Biseccin.
6. Se quiere encontrar la menor raz positiva de cada una de las siguientes ecuaciones,
usando el mtodo de iteracin de Punto Fijo. En cada caso, encuentre una funcin de
iteracin de punto fijo y un intervalo en el que se satisfagan todas las hiptesis del
Teorema 2.1, y calcule una aproximacin de la raz buscada con una precisin de por lo
menos tres cifras decimales exactas.
a) e x
x
cos 0 b) x x
2
10 0 + cos c) x x cos 0
7. Estudie la funcin ( ) g x x + 1
2
como una posible funcin de iteracin de Punto Fijo. Por
qu no es convergente la iteracin ( ) x g x
n n

1
12 , , ,... n ?
8. a) Verifique que cada una de las siguientes funciones ( ) g x
i
, , , , i 1234 es una funcin de
iteracin de Punto Fijo para la ecuacin x x x
4 2
2 3 0 + , es decir,
( ) ( ) g f
i
0 1234 , , , , i , siendo ( ) f x x x x +
4 2
2 3.
i) ( )
( )
g x x x
1
2
1
4
3 2 +
ii) ( ) g x
x x
2
4
1
2
3
2
_
,
iii) ( ) g x
x
x
3
2
1
2 3
2
+
+
_
,
iv) ( ) g x
x x
x x
4
4 2
3
3 2 3
4 4 1
+ +
+
b) Efecte 4 iteraciones, si es posible, con cada una de las funciones de iteracin
definidas en a), tomando ( ) x g x
n i n 0 1
10 1234
. y x i , , , , .
c) Cul funcin cree usted que da la mejor aproximacin? Explique.
9. Demuestre que la ecuacin ( ) 2 0 sen x x + tiene una nica raz
1
]
1
1
2
3
2
, . Use el
mtodo de iteracin de Punto Fijo para encontrar una aproximacin de con una
precisin de por lo menos tres cifras decimales exactas.
90 MTODOS NUMRICOS
__________________________________________________________________________________
10. Resuelva la ecuacin x x
3
1 0 para la raz en el intervalo
[ ]
12 , , usando el mtodo
iterativo de Punto Fijo. Obtenga una aproximacin de la raz buscada con una precisin
de por lo menos tres cifras decimales exactas.
11. Use el mtodo iterativo de Punto Fijo para encontrar una aproximacin de 25
3
con una
precisin de por lo menos tres cifras decimales exactas.
12. Use el mtodo iterativo de Punto Fijo para demostrar que la sucesin { } x
n
n
definida por
x n
n n
n
x
x
+
_
,

1
2
2
12
1
1
, , ,...
converge a 2 , para x
0
0 > escogido adecuadamente.
En general, si R > 0, entonces la sucesin { } x
n
n
definida por
x x
R
x
n n
n
+
_
,

1
2
12
1
1
, , ,... n
converge a R , para x
0
0 > escogido adecuadamente. Esta sucesin se usa con
frecuencia en subrutinas para calcular races cuadradas.
13. La ecuacin e x
x
4 0
2
tiene una nica raz entre a 0 1 y b . Demuestre que la
sucesin de Punto Fijo, generada por la funcin de iteracin ( ) g x e
x
1
2
2
, converge a
esta raz si el punto inicial se escoge en el intervalo
[ ]
01 , .
14. Pruebe que la funcin ( ) g x x tan x +

2
1
tiene la propiedad ( ) < g x 1 para toda x.
Pruebe que g no tiene un Punto Fijo. Explique por qu esto no contradice el teorema 2.1
de Punto Fijo.
15. Cul es el valor de la siguiente expresin?
x + + + 2 2 2 ...
Note que esta expresin puede ser interpretada como significando x limx
n
n
, donde
x
0
2
,
x x
1 0
2 2 2 + +
,
y as sucesivamente. Use el mtodo de Punto Fijo
con una funcin de iteracin g apropiada.
__________________________________________________________________________________
16. Utilice el mtodo de Newton-Raphson para hallar ceros de las siguientes funciones en el
intervalo indicado.
a) ( ) [ ]
f x e e
x x

2
2 01 en , b) ( ) [ ]
f x x e
x
4 0 5 sen , en .
Calcule las iteraciones x
n
hasta que x
n n
x <
1
5
5 10 .
17. Utilice el mtodo iterativo de Punto Fijo para aproximar el dominio de la funcin
( ) ( )
[ ]
f x x e
x
21 1
1
2
.
18. Use el mtodo de Newton-Raphson para aproximar el valor de la abscisa del punto ( ) y , x
sobre la grfica de y x
2
ms cercano a ( ) 10 , . Calcule las iteraciones x
n
hasta que
x
n n
x <
1
5
5 10 .
19. Resuelva la ecuacin
x
e x cos 4 con una precisin de 5 10
5

, es decir, calcule las
iteraciones x
n
hasta que x
n n
x <
1
5
5 10 , usando:
a) El mtodo de Newton-Raphson con
0 1 x
0
.
.
b) El mtodo de la Secante con x
0 1
4 2

y x .
20. Use el mtodo de Newton-Raphson para resolver la ecuacin
con x senx
x
_
,

2
0
2
2
0

Itere hasta obtener una precisin de 5 10
5

para la raz aproximada, con
( ) f x x
x

_
,
sen
2
2
. Parecen los resultados fuera de lo comn para el mtodo de
Newton-Raphson? Resuelva tambin la ecuacin con x
0 0
5 10 y x .
21. Use el mtodo de Newton-Raphson modificado para encontrar una aproximacin de la
raz de la ecuacin
( ) f x x xe e
x x
+ +
2 2
2 0
92 MTODOS NUMRICOS
__________________________________________________________________________________
empezando con x
0
0
y efectuando 10 iteraciones. Cul es la multiplicidad de la raz
buscada?
22. Demuestre que la sucesin { } x
n
n
definida por
x n
n
k
n

1
12 , , ,...
con k cualquier entero positivo, converge linealmente a 0 . Para cada par de enteros
k y m, determine un nmero N para el cual
1
10
N
k
m
<

.
23. Suponga que es una raz de multiplicidad m de ( ) f x 0, donde f es continua en un
intervalo abierto que contiene a . Demuestre que la iteracin funcional usando
( )
( )
( )
g x x
mf x
f x

da convergencia cuadrtica.
24. Estudie el orden de convergencia de los mtodos abiertos aplicados en la solucin de
cada uno de los ejercicios anteriores.
25. Use el mtodo de Newton-Raphson para aproximar la raz 1 de la ecuacin
( ) f x x x x +
3 2
2 2 1 0, tomando x
0 0
0 10 y x . Termine las iteraciones
x
n
cuando ( ) f x o n 25 x x
n n n
< <
5 10 5 10
5
1
5
, . Imprima todos los valores
x
n
, ( ) f x
n
,
n n n
x 1
2
y , y verifique que
+ n n 1
2
.
26. Aproxime todas las races de la ecuacin x x x x
4 3 2
28 38 63 42 0 + . . . . , usando el
mtodo de Newton-Raphson y Deflacin.
27. Aproxime todas las races de la ecuacin
x
8 7 6 5 4 3 2
39 37 446 180 1928 256 1920 0 + + + x x x x x x x
usando el mtodo de Newton-Raphson y Deflacin.
Sugerencia: Las races son: 2
con multiplicidad 3, 4 con multiplicidad 2, 1, 3 y 5
.
28. Use el mtodo de Newton-Raphson y Deflacin para encontrar, con una precisin de
5 10
5

, todos los ceros, todos los puntos crticos y todos los puntos de inflexin de las
__________________________________________________________________________________
siguientes funciones. Use la informacin obtenida para hacer la grafica de cada una de
las funcines f dadas.
a)
( ) f x x x +
3 2
9 12 b) ( ) f x x x x x +
4 3 2
2 5 12 5
Captulo 3. SOLUCIN NUMRICA DE SISTEMAS DE ECUACIONES 1
__________________________________________________________________________________

CAPTULO 3. SOLUCIN NUMRICA DE SISTEMAS DE
ECUACIONES

INTRODUCCIN

Un sistema de n-ecuaciones (con coeficientes reales) en las n-incgnitas x x x
n 1 2
, ,..., es un
conjunto de n ecuaciones de la forma

( )
( )
( )

f x x x
f x x x
f x x x
n
n
n n
1 1 2
2 1 2
1 2
0
0
0
, ,...,
, ,...,
, ,...,
'
M
(3.1)

donde
f
i i i
n
: , D R D R

( ) ( ) X x x x X y
n i

1 2
, ,..., f

Si para cada i n 12 , ,..., , la funcin
f
i
es de la forma

( ) f x x x a x a x a x b
i n i i i n n i 1 2 1 1 2 2
, ,..., ... + + +

con a a a
i i i n i 1 2
, ,..., y b constantes reales, el sistema se dice lineal (con coeficientes reales); en
cualquier otro caso el sistema se dice no-lineal.

Si ( ) C c c c
n
n

1 2
, ,..., R es tal que
( )
f c c c
i n 1 2
0 , ,..., para cada i n 12 , ,..., , entonces se dice que
C es una solucin real del sistema (3.1).

El objetivo de este captulo es estudiar algunos mtodos numricos para encontrar una solucin
real de un sistema del tipo (3.1).

3.1 SOLUCIN NUMRICA DE SISTEMAS DE ECUACIONES LINEALES

Un sistema de n-ecuaciones lineales (con coeficientes reales) en las n-incgnitas x x x
n 1 2
, ,...,
puede escribirse en la forma

a x a x a x b
a x a x a x b
a x a x a x b
n n
n n
n n nn n n
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
+ + +
+ + +
+ + +
'
...
...
...
M con a j n
i j i
, , , , ,..., b i R 12 (3.2)

El sistema (3.2) puede escribirse en la forma matricial equivalente AX b con
__________________________________________________________________________________

A
a a a
a a a
a a a
n
n
n n nn
_
,
11 12 1
21 22 2
1 2
L
L
M M M
L
, X
x
x
x
n
_
,
1
2
M
y b
b
b
b
n
_
,
1
2
M

La matriz A es llamada matriz de coeficientes del sistema, el vector columna X el vector de
incgnitas y el vector b el vector de trminos independientes.

Nota: Consideraremos nicamente sistemas de ecuaciones lineales AX b con A
n n

R que
tengan solucin nica para cada vector b
n
R , es decir, con A invertible.

Los mtodos numricos que estudiaremos para la solucin de un sistema de ecuaciones lineales
se clasifican en dos tipos: directos e iterativos.

Los mtodos directos nos proporcionan una solucin del sistema en un nmero finito de pasos.
Si usamos aritmtica finita para los clculos, obtendremos por lo general una solucin aproximada,
debido nicamente a los errores de redondeo, puesto que no hay errores de truncamiento o de
frmula. Los mtodos directos ms usados tienen como base la eliminacin de Gauss.

En los mtodos iterativos se parte de una aproximacin inicial a la solucin del sistema dado y se
genera, a partir de dicha aproximacin, una sucesin de vectores que si converge lo hace a la
solucin del sistema. Al igual que en el captulo 2, tendremos frmulas para calcular los trminos
de la sucesin, as que en general no se espera calcular el lmite de la sucesin, por lo que
debemos tomar algn trmino de la sucesin como una solucin aproximada del sistema. Esta
vez, adems de los errores de redondeo si se usa aritmtica finita, habr errores de truncamiento o
de frmula. Los mtodos iterativos ms simples y conocidos estn basados en iteraciones de
Punto Fijo.

3.2 MTODOS DIRECTOS

CASO 1: La matriz A (de coeficientes del sistema AX b ) es triangular (superior o inferior)
con todas sus componentes sobre la diagonal principal no-nulas.

Supongamos que el sistema es de la forma

a x x a x x x b
x a x x x b
x x x b
x a x b
i n n n
i n n n
i i i i n n i n n i
n n n n n n n
11 1 12 2 1 1 1 1 1 1
22 2 2 2 1 1 2 2
1 1
1 1 1 1 1
a a a
a a a
a a a
a

i n
i n
+ + + + + +
+ + + + +
+ + +
+

... ...
... ...
...
,
,
,
, ,
M
M
a
n n n n
x b
'

Como a
n n
0 , entonces podemos despejar
x
n
de la ltima ecuacin y obtenemos

__________________________________________________________________________________

x
n
n
n n
b
a

Conocido x
n
, usamos la penltima ecuacin para obtener

x
b a x
a
n
n n n
n

1
1 1
1 1
,
,
n
n

Conocidos x
n
y x
n1
, obtenemos (de la antepenltima ecuacin)

( )
x
b a x a x
a
n
n n n n n
n
+
2
2 2 1 1 2
2 2
, ,
,
n n
n

En general, conocidos x x x
n n i
, ,...,
+ 1 1
, obtenemos

x i
i
i i k k
k i
n
i i
b a x
a
n n
1
1 2 1 , , ,...,

El mtodo anterior para determinar la solucin del sistema se denomina sustitucin reversiva,
regresiva o hacia atrs.

Si la matriz de coeficientes del sistema es triangular inferior, para resolver el sistema podemos
proceder de manera similar al caso anterior, pero empezando por despejar x
1
de la primera
ecuacin. El procedimiento en este caso se denomina sustitucin progresiva o hacia adelante.

Algoritmo 3.1 (Sustitucin regresiva) Para encontrar una solucin aproximada
~
X de un sistema
triangular superior AX b con
( )
A a
i j
n n
invertible.

Entrada: El orden n del sistema; los coeficientes a n i n
i j
, , ,..., , ,..., i j 12 ; los trminos
independientes b n
i
, , ,..., i 12 .

Salida: Una solucin aproximada ( )
~
, ,..., X x x x
n
1 2
.

Paso 1: Tomar x
b
a
n
n
n n
.

Paso 2: Para i n n 1 2 1 , ,..., , tomar
x
b a x
a
i
i i k k
k i
n
i i
1

Paso 3: Salida: "Una solucin aproximada del sistema es ( )
~
, ,..., X x x x
n
1 2
".
Terminar.
__________________________________________________________________________________

CASO 2: La matriz A (de coeficientes del sistema AX b ) es tal que no se requieren
intercambios de filas para culminar con xito la eliminacin Gaussiana.

Digamos que el sistema AX b tiene la forma

E a x a x a x b
E a x a x a x b
E a x a x a x b
E x a x a x b
E a
j j n
j j n
j j j j j j n n j
i i i j j i n n i
n
1 11 1 1 1 1
2 21 1 2 2 2
1 1
1 1
:
:

:

: a

:
n
n
+ + + +
+ + + +
+ + + +
+ + + +
L L
L L
M M
L L
M M
L L
M M
n n j j n n n n
x a x a x b
1 1
+ + + +
'
L L

El proceso de eliminacin Gaussiana (simple) consiste en lo siguiente:

i) Eliminamos el coeficiente de x
1
en cada una de las ecuaciones E E E
n 2 3
, ,..., para obtener un
sistema equivalente
( ) ( )
A X b
1 1
, realizando las operaciones elementales

( )
E
a
a
E E i n
i
i
i
_
,
_
,

1
11
1
1
23 , , ,...,

ii) Eliminamos el coeficiente de x
2
en cada una de las ecuaciones
( ) ( ) ( )
E E E
n 3
1
4
1 1
, ,...,
, para obtener
un sistema equivalente
( ) ( )
A X b
2 2

( )
( )
( )
( ) ( )
E
a
a
E E i n
i
i
i
1
2
1
2 2
1
2
1 2
3 4
_
,
_
,

, , ,...,

(debe ocurrir que
( )
a
2 2
1
0 ).

iii) En general, eliminados los coeficientes de
x x x
j 1 2 1
, ,...,
, eliminamos el coeficiente de x
j
en
cada una de las ecuaciones
( ) ( ) ( )
E E E
j
j
j
j
n
j
+
+

1
1
2
1 1
, ,..., , para obtener un sistema equivalente
( ) ( )
A X b
j j

( )
( )
( )
( ) ( )
E
a
a
E E i j n
i
j i j
j
j j
j
j
j
i
j
_
,
_
,
+
1
1
1
1
1 , ,...,

(debe ocurrir que
( )
a
j j
j
1
0 ).

Los nmeros
__________________________________________________________________________________

( )
( )
m
i j
i j
j
j j
j
a
a
j n i j n +
1
1
1 1 1 , ,..., , ,...,
se llaman multiplicadores (si
( )
( )
j
a
a
a
a
i i
1
1
0
11
0
1
11
, ) .

El sistema (reducido) resultante tendr la forma

( ) ( ) ( ) ( ) ( )
( ) ( ) ( )

a

a
j
j
a x a x a x a x a x b
x a x a x a x b
x a x a x b
j n n n n
j n n n n
j j
j
j j n
j
n j n
j
n j
j
11 1 12 2 1 1 1 1 1 1
22
1
2 2
1
2 1
1
1 2
1
2
1
1
1
1
1
1
+ + + + + +
+ + + + +
+ + +

... ...
... ...
...
,
,
,
M
( )
( ) ( ) ( )
( ) ( )
'
1
1 1
2
1 1
2
1
2
1 1

a
a
n n
M
n
n
n n
n
n n
n
n n
n
n n
n
x a x b
x b
, ,

el cual se resuelve por el mtodo de sustitucin regresiva, para obtener la solucin del sistema
original.

CASO 3: La matriz A (de coeficientes del sistema AX b ) es tal que se requieren
intercambios de filas para culminar con xito el proceso de eliminacin Gaussiana.

Procedemos exactamente como en el caso 2, solo que cuando encontremos
( )
a
j j
j 1
0 para algn
j n 12 1 , ,..., (recuerde que si
( ) ( )
j a a
j j
j

1
1
11
0
11
, a ), continuamos de la siguiente manera:

Se busca en la j-sima columna de
( )
A
j1
(si
( ) ( )
j A A
j

1
1 0
, A
) desde la fila (j + 1)-sima
hasta la n-sima, el primer elemento distinto de cero (Por qu debe existir tal elemento?). Si
( )
a
k j
j
1
0 es tal elemento, entonces se efecta la operacin elemental

( ) ( )
E E
j
j
k
j
1 1
: intercambio de las ecuaciones j-sima y k-sima

y se continua con el proceso de eliminacin Gaussiana.

Una vez que se ha hecho la eliminacin Gaussiana completa, se realiza la sustitucin regresiva
para obtener la solucin nica del sistema dado.

Los procedimientos descritos anteriormente quedan incluidos en el siguiente algoritmo, en el cual
incluso la matriz A puede ser no invertible (singular) .

Algoritmo 3.2 (Eliminacin Gaussiana con sustitucin regresiva) Para obtener una solucin
aproximada
~
X
de un sistema de la forma

__________________________________________________________________________________

E :
E :

E :
1 11 1 1 1
2 21 1 2 2
1 1
a x a x b
a x a x b
a x a x b
n n
n n
n n nn n n
+ +
+ +
+ +
'
...
...
...
M M

Entrada: El orden n del sistema; las componentes a i n
i j
, , ,..., 12 , j n + 12 1 , ,..., de la matriz
aumentada ( ) A M b con a b n
i n i ,
, , ,...,
+

1
12 i .

Salida: Una solucin aproximada
( )
~
, ,..., X x x x
n
1 2
del sistema dado o un mensaje.

Paso 1: Para j n 12 1 , ,..., , seguir los pasos 2-4 (Proceso de eliminacin):

Paso 2: Hallar el menor entero k tal que j k n y a
k j
0 ( a
k j
es el contenido en la
posicin de memoria ( ) k j , en ese momento).

Si no existe tal k, entonces A no es invertible, por tanto, salida: "El sistema no
tiene solucin nica". Terminar.

Paso 3: Si existe tal k y k j , hacer

E E
j k
(intercambio de las filas j-sima y k-sima)

Paso 4: Para i j n + 1,..., , seguir los pasos 5 y 6:

Paso 5: Tomar m
a
a
i j
i j
j j
.
Paso 6: Efectuar
( )
E m E E
i i j j i
.

(Hasta aqu llega la eliminacin Gaussiana)

Paso 7: Si a
n n
0 , entonces, salida: "El sistema no tiene solucin nica". Terminar.

Paso 8: Tomar x
a
a
n
n
n n
+ , n 1
(Aqu empieza la sustitucin regresiva).

Paso 9: Para i n 1 1 ,..., tomar

x
n
i
i i k k
k i
n
i i
a a x
a
+
+
, 1
1

Paso 10: Salida: "Una solucin aproximada del sistema es ( )
~
, ,..., X x x x
n
1 2
".
Terminar.

__________________________________________________________________________________

Hay sistemas de ecuaciones lineales, como vimos en el captulo 1, que son sensibles a pequeos
cambios en los datos; de tales sistemas decimos que estn mal condicionados.

En la prctica, por lo general, cuando se requiere resolver un sistema AX b , asociado con un
problema, los datos (coeficientes y trminos independientes) no se conocen de manera exacta,
debido por ejemplo a errores de medicin, es decir, se dispone realmente de un sistema
perturbado. Por otra parte, aunque los datos se conozcan de manera exacta, stos al ser entrados
al computador sern transformados (por el compilador) en nmeros de mquina, lo que sabemos
introduce errores de redondeo. En cualquier caso, interesa saber si tales errores pueden afectar
de manera significativa la solucin del problema. Una manera de estudiar estos comportamientos
es a travs del nmero de condicin de la matriz de coeficientes del sistema.

3.3 SISTEMAS MAL CONDICONADOS Y NMERO DE CONDICIN DE UNA MATRIZ

Para llegar a la idea del nmero de condicin de una matriz empecemos considerando el siguiente
ejemplo que muestra dos sistemas de ecuaciones lineales mal condicionados.

Ejemplo 3.1 Consideremos los siguientes sistemas de ecuaciones lineales

x

+
+
'
y
x y
2
10 05 10 21 .
(3.3)

y
4 1 2 8 41
9 7 6 6 9 7
. . .
. . .
x y
x y
+
+
'
(3.4)
En el captulo 1, vimos que la solucin exacta del sistema (3.3) es X
1
20
18
_
,

y si cambiamos el
coeficiente 10.05 por 10.1 (un cambio relativo de aproximadamente .5%), la solucin exacta del
sistema perturbado

x +
+
'
y
x y
2
10 1 10 21 .
(3.3')

es
~
X
1
10
8
_
,
, que muestra un cambio relativo del 50% en el valor de x y de aproximadamente el
56% en el valor de y.

Anlogamente, el sistema (3.4) tiene solucin exacta X
2
10
0 0
_
,
.
.
y si cambiamos el trmino
independiente 4.1 por 4.11 (un cambio relativo aproximado de .2% en el trmino independiente), la
solucin exacta del sistema perturbado

4 1 2 8 4 11
9 7 6 6 9 7
. . .
. . .
x y
x y
+
+
'
(3.4')

__________________________________________________________________________________

es
~
X
2
34
97
_
,

.
.
, que muestra un cambio relativo aproximado de 66% en el valor de x.

Se observa entonces que un cambio "pequeo" en uno de los datos (coeficientes y trminos
independientes) ha producido un cambio "grande" en la solucin, es decir, la solucin del sistema
perturbado es "muy diferente" de la solucin del sistema original.

Los anteriores son ejemplos de problemas mal condicionados.

Un problema se dice bien condicionado si "pequeos" cambios en los datos introducen,
correspondientemente, un cambio "pequeo" en la solucin. El buen o mal condicionamiento de un
problema es inherente al problema y no depende del algoritmo empleado para resolverlo.

El mal condicionamiento en el sistema (3.3) puede visualizarse grficamente, al graficar las dos
rectas: L y x y
1 2
2 10 05 10 21 : : x y L + + . . Como las pendientes de estas dos rectas son casi
iguales, es difcil ver exactamente dnde se cortan, esta dificultad visual, digamos que se mide
cuantitativamente en los resultados numricos obtenidos.

Observe que si A es la matriz de coeficientes del sistema (3.3), entonces det A .05 y se puede
pensar que el mal condicionamiento est relacionado con el tamao del determinante de la matriz
de coeficientes, pero recuerde que si una ecuacin de un sistema se multiplica por un escalar, el
determinante de la matriz de coeficientes queda multiplicado por ese escalar mientras los dos
sistemas siguen teniendo exactamente las mismas soluciones, es decir, son equivalentes.

El objetivo siguiente es desarrollar una teora que permita estudiar el condicionamiento de un
sistema lineal AX b .

Empezamos con la siguiente definicin:

Definicin 3.1 Si X es la solucin exacta de un sistema lineal AX b , A invertible, b 0 , y
~
X es
una solucin aproximada de dicho sistema, entonces llamamos vector error de
~
X con respecto a
X al vector E definido por

E
~
X X

y vector error residual correspondiente a la solucin aproximada
~
X , al vector R definido por
R AX b
~

Observe que E usualmente no se conoce (pues X no se conoce), mientras que R si empre puede
conocerse.

Como R AX b
~
, entonces R mide hasta dnde la solucin aproximada
~
X satisface el sistema
AX b . Observe que
~
X es tal que AX R b
~
+ , es decir,
~
X es solucin de una perturbacin del
sistema AX b .

Ntese que R 0 implica
~
X X , es decir, R 0 implica E 0 . Ser que R "pequea" implica
E tambin "pequea", donde . es alguna norma vectorial?

Empecemos recordando qu es una norma vectorial y qu es una norma matricial.
__________________________________________________________________________________

Definicin 3.2 Una norma vectorial en R
n
es una funcin

. :

R R
n
X X

tal que para todo X Y
n
, R y todo R :

i) , X X 0 0 si y slo si X 0

ii) X X

iii) X Y X Y + + .
Ejemplo 3.2 Las siguientes son algunas normas vectoriales en R
n
. Si X
x
x
n
n
_
,
1
M R , entonces

1) La norma euclidiana ( o norma 2) definida por

X x
i
i
n
2
2
1
1
2
_
,

2) La norma suma ( o norma 1) definida por

X x
i
i
n
1
1

3) La norma del mximo (o norma ) definida por

i n
X Max x
i
1

Estas normas en R
n
, inducen las siguientes nociones de distancia entre dos vectores X Y
n
, R :
1) ( ) ( )
d X Y Y x y
i i
i
n

X
2
2
2
1
1
2
,
_
,
(distancia asociada con la norma euclidiana).

2) ( ) d X Y X Y x y
i i
i
n
1
1
1
,
(distancia asociada con la norma suma)

3) ( )
d X Y Y Max y
i i

i n
X x

,
1
(distancia asociada con la norma del mximo).

Definicin 3.3 Una norma matricial en R
n n
es una funcin:

__________________________________________________________________________________

. :

R R
n n
A A

tal que para todo A B
n n
,

R y todo R :

i) A A 0 0 , si y slo si A 0

ii) A A

iii) A B A B + +

iv) AB A B .

Aunque hay diversas formas de construir normas matriciales, aqu solamente consideraremos las
normas matriciales que sern obtenidas a partir de las normas vectoriales dadas en el ejemplo 3.2
segn se indica en el siguiente teorema, teorema cuya demostracin puede ser consultada en
Kincaid 1972, pginas 163 y 164.
Teorema 3.1 Sea . cualquier norma vectorial en R
n
. Entonces la funcin . de R
n n
en R ,
definida por

A
AX
X
A

Max
X
n n
0
, R
(3.5)

es una norma matricial en R
n n
.

La norma matricial dada por (3.5) se dir la norma matricial inducida por la correspondiente
norma vectorial . .

Note que (3.5) implica que

AX A X (3.6)

para cada X
n
R y cada A
n n

R , pues si X
n
R , X 0 , entonces

AX
X
AX
X
A
Max
X 0

Para X 0 claramente se satisface (3.6).

Ntese, adems, que

A
AX
X
A
X
AZ
Z

Max Max
X
Max
X X 0 0 1

Las normas matriciales inducidas por las normas vectoriales
.
2
,
.
1
y

.

son:
__________________________________________________________________________________

1) A AX
X

2
2
1
2
Max , difcil de calcular con la informacin que se conoce hasta aqu, pues
calcular esta norma es resolver un problema de mximo en varias variables.

2) A Max AX
X
1
1
1
1
, fcil de calcular, ya que se puede demostrar que

1
j n
A Max a
i j
i
n
1
1

3) A Max
X

AX
1
, fcil de calcular, ya que como en el caso 2), se puede demostrar, vase
Burden 1985, pginas 453 y 454, que

i n
A Max a
i j
j
n

1
1

Debido a la facildad del clculo de las normas
. .
1
y
, las usaremos en lo que sigue.

Una distancia entre las matrices A
n n
, B

R se puede definir como ( ) d A B B , A
, donde
. es cualquier norma matricial.

Definicin 3.4 El radio espectral de una matriz A
n n

R , ( ) A , se define como

( ) { }
A Max / es valor propio de A

Recuerde que si es un nmero complejo, digamos
+ i
con y en R, entonces
+ + i
2 2
.

El siguiente teorema, cuya demostracin puede ser consultada en Ortega 1990, pginas 21 y 22,
relaciona el radio espectral de una matriz A con A
2
.

Teorema 3.2 Si A
n n

R , entonces
i)
( )
A A A
T
2
, y en consecuencia, si A es simtrica
( ) A A .
2

ii)
( )
A A para cualquier norma matricial inducida.

Con respecto al ejemplo 3.1, tenemos:

__________________________________________________________________________________

Para el sistema (3.3), X
1
20
18
_
,

es su solucin exacta y si consideramos como una solucin
aproximada a
~
X
1
10
8
_
,
, que es la solucin exacta del sistema perturbado (3.3'), entonces el

vector error de
~
X
1
con respecto a
X
1
, es

E X X
1 1 1
10
10

_
,
~

y el vector error residual correspondiente a la solucin aproximada
~
X
1
, es

R

1 1
1 1
10 05 10
10
8
2
21
2
20 5
2
21
0
5

_
,
_
,

_
,

_
,

_
,

_
,
AX b
~
. . .

Entonces

E
1
1
10 10 20 +
,
R
1
1
0 5 5 + . .

( ) ( )
{ } { }

,
,

E R
E Max R Max
1
2
2
2
1
2
2
1 1
10 10 14 14 5 5
10 10 10 0 5 5
+

. . .
. . , ,

as que un vector error residual "pequeo" (relativo al vector de trminos independientes
b b b

_
,

2
21
23 21095
1 2
, , .
,
b

21
) corresponde a un vector error relativamente
"grande".

Para el sistema (3.4), X
2
10
0 0
_
,
.
.
es la solucin exacta y si consideramos como una solucin
aproximada a
~
.
.
X
2
34
97
_
,
, que es la solucin exacta del sistema perturbado (3.4'), entonces el
vector error de
~
X
2
con respecto a X
2
, es

E

2
34
97
10
0
66
97
_
,

_
,

_
,
.
.
.
.
.

y el vector error residual correspondiente a la solucin aproximada
~
X
2
, es

R
2
4 11
9 7
4 1
9 7
01
0
_
,
_
,
_
,
.
.
.
.
.

Como

E R E R E R
2 2 2
2
2
2
2 2
163 01 117 01 97 01
1 1

. . . . . . , ; , ; ,

__________________________________________________________________________________

entonces, nuevamente, un vector error residual "pequeo" no corresponde a un vector error
"pequeo".

El ejemplo anterior pone de manifiesto que R "pequeo", no necesariamente implica que
E

tambin sea "pequeo". Sin embargo, a partir del siguiente teorema podremos probar que,
satisfecha cierta condicin,
R
b
"pequeo" implica
E
X
tambin "pequeo".

Teorema 3.3 Sea A
n n

R una matriz no-singular y X la solucin exacta del sistema
AX b , b 0 . Si
~
X es una solucin aproximada del sistema AX b , entonces para cualquier
norma matricial inducida se tiene que

R
b
A A
E
X
A A
R
b
1
1
1
(3.7)

Demostracin: Como
( )
R AX b AX AX A X X AE
~ ~ ~
, y A es invertible, entonces

E A R b AX X A b
1 1
, , y aplicando la desigualdad (3.6), se obtiene

R A E es decir,
R
A
E y E A R

, ,
1

de donde

R
A
E A R
1
(3.8)

Aplicando la misma desigualdad (3.6), se tiene que

b A X es decir,
b
A
X y X A b

, ,
1

de donde
b
A
X A b

1

o equivalentemente
1 1
1
A b
X
A
b

(3.9)
Combinando (3.8) y (3.9), obtenemos las siguientes cotas para el error relativo,

E
X
, en trminos
del error residual relativo,
R
b
:

R
b
A A
E
X
A A
R
b
1
1
1
(3.10)
__________________________________________________________________________________

que era lo que quera demostrarse.

De acuerdo con este teorema 3.3, si se satisface la condicin A A
1
1, entonces
R
b
y

E
X
son ms o menos del mismo tamao. As que si
R
b
es "pequeo", tambin lo ser

E
X
, y
si
R
b
es "grande", tambin lo ser

E
X
; por lo tanto si A A
1
1, podremos distinguir una
solucin aproximada,
~
X , buena de una mala observando el error residual relativo
R
b
.

El nmero ( ) Cond A A A
1
se llamar NMERO DE CONDICIN o CONDICIONAL de la
matriz no-singular A, relativo a la norma matricial usada. Aunque el valor de
( )
Cond A depende de
la norma matricial usada; sin embargo ( ) Cond A 1, cualquiera sea la norma matricial inducida,
pues
I AA I A A
n n

1 1
, y I Max I
X
X
Max
X
X
n
X
n
X

0 0
1

De acuerdo con la relacin (3.7), dada en el teorema 3.3, vemos que si
( ) Cond A 1, entonces el
error relativo,

E
X
, y el error residual relativo,
R
b
, son ms o menos del mismo tamao y
podremos distinguir una solucin aproximada "buena" de una "mala" observando el error residual
relativo; pero entre ms grande sea ( ) Cond A , menor es la informacin que se puede obtener del
error relativo, a partir del error residual relativo.

De lo anterior se espera que A tenga un buen comportamiento, en el sentido de que un error
residual relativo pequeo implique, correspondientemente, una buena solucin aproximada de
AX b , si
( )
Cond A 1, caso en el cual diremos que A est bien condicionada (el sistema
AX b est bien condicionado). Si
( ) Cond A >> 1, es posible que A tenga un mal
comportamiento, en el sentido que un error residual relativo pequeo puede corresponder a una
solucin aproximada mala, y diremos que A est mal condicionada (el sistema AX b est mal
condicionado).

A pesar de las definiciones anteriores, no debemos olvidar que lo que realmente nos interesa es
poder determinar cuando una solucin aproxi mada
~
X de un sistema AX b es "buena", y tratar de
distinguir si el sistema AX b est bien o mal condicionado.

Para la matriz
A

_
,
1 1
10 05 10 .

del ejemplo 3.1, tenemos
A
_
,
1
1
05
10 1
10 05 1 . .

__________________________________________________________________________________

{ } { } A Max Max
+ + 1 1 10 05 10 2 20 05 20 05 , , . . .

A
_
,

1
1
05
10 1
10 05 1
1
05
1105 221
. . .
.

luego

( ) ( )( )
Cond A A A
>>

1
20 05 221 443105 1 . .

Este nmero de condicin nos dice que un error residual relativo
R
b

pequeo, puede
corresponder a un error relativo

X

~
X X
muy grande, as que A puede considerarse mal

condicionada.

Veamos qu puede decirse, en este caso, de la calidad de la solucin aproximada
~
X
1
10
8
_
,
del
sistema
x +
+
'
y
x y
2
10 05 10 21 .

Para este ejemplo tenemos

( )
R
b
y Cond

1 5
21
443105

.
. A

as que la desigualdad (3.7) dada en el teorema 3.3, se convierte en

.
.
.
. 5
21
1
443105
443105
5
21
1 1
1
~
X X
X

esto es,
...

...

5 37 10 105 5
6
1 1
1
. .
~
X X
X

lo que indica que aunque el error residual relativo es pequeo,
.5
21
, el nmero de condicin es tan
grande (4431.05) que hace que la solucin calculada pueda tener un error relativo de hasta
105.5..., as que nada puede decirse de la cercana entre
~
. X
1 1
y X

Instrucciones en DERIVE:

NORMA_INF(A): Simplifica en la norma del mximo de la matriz A, A

.

__________________________________________________________________________________

COND_INF(A): Simplifica en el nmero de condicin relativo a la norma del mximo de la matriz A,
es decir, simplifica en el nmero
( )
Cond A A A
1
.

Existe otro nmero asociado con una matriz, al cual se le denomina tambin nmero de condicin.
A continuacin nos referiremos a tal nmero:

Del teorema 3.2 se sabe que
( )
A A para toda norma matricial inducida, as que

( ) ( )
( )
Cond A A A A A
1 1

pero como los valores propios de A
1
son los recprocos de los valores propios de A, se tiene que

( )
( )
( )
( ) Cond

A
Max
Min
Cond A
A
A

con
( ) { }
A C / es valor propio de A : espectro de A. (Recuerde que
( )
( )
( )

A Max
Min
A
A

1
1
1

)

El nmero ( )
( )
( )
Cond A
Max
Min
A
A

se denomina nmero de condicin espectral de A . Segn se
acaba de probar ( ) ( ) Cond A Cond A

.

Para la matriz A
_
,
1 1
10 05 10 .
, se tiene que

( )
det A

I
1 1
10 05 10
11 05
2
.
.

as que los valores propios de A son
1
1100454358 . ,
2
3
4 5435778 10

. , y por tanto
( ) Cond A
>>
1100454358
4 5435778 10
2421999592 1
3
.
.
.

Dado un sistema AX b , si A y b denotan perturbaciones en A y b, respectivamente, el
siguiente teorema, cuya demostracin puede ser consultada en Ortega, 1990, pginas 32 y 33,
establece una cota para el error relativo

~
X X
X
, en trminos de las perturbaciones relativas

A

b
A b
,
y ( ) Cond A
, donde X es la solucin exacta de AX b y
~
X es la solucin exacta del
sistema perturbado ( ) A X b + + A b .

__________________________________________________________________________________

Teorema 3.4 Supngase que A es no-singular y que A
A
<
1
1
(esta hiptesis asegura que
A A + es invertible y que
( )
1 0 > Cond A
A
A
). Si
~
X es la solucin exacta del sistema
perturbado
( )
A A X b b + + , entonces
~
X
aproxima a la solucin exacta X

del sistema AX b ,
b 0 , con la siguiente estimacin de error

( )
( )

~
X X
X
Cond A
Cond A
A
A
b
b
A
A
_
,
1

(3.11)

La desigualdad (3.11) dice que si la matriz A est bien condicionada, es decir, si
( )
Cond A 1,
entonces cambios "pequeos" en A y b producen, correspondientemente, cambios "pequeos" en
la solucin del sistema (el sistema AX b est bien condicionado). Por otro lado, si A est mal
condicionada, entonces cambios "pequeos" en A y b pueden producir "grandes" cambios en la
solucin del sistema (el sistema AX b est mal condicionado).

Ejercicio 3.1 Estime la cota de error dada en el teorema 3.4 para los sistemas (3.4) y (3.4') del
ejemplo 3.1.

Ejercicio 3.2 a) Calcule ( ) Cond A usando .
2
, .
1
y .

para las siguientes matrices:

1 2
10001 2
4 56 218
2 79 138 .
. .
. .
_
,
_
,
,

b) Qu puede decir del condicionamiento de los siguientes sistemas de ecuaciones lineales?

i)
3 9 16 5 5
6 8 2 9 9 7
1 2
1 2
. . .
. . .
x x
x x
+
+
'

ii)
4 56 2 18 6 74
2 79 138 4 17
1 2
1 2
. . .
. . .
x x
x x
+
+
'

ESTABILIDAD NUMRICA EN LA ELIMINACIN GAUSSIANA

Volvamos al mtodo de eliminacin Gaussiana (simple) y consideremos el siguiente ejemplo:

Ejemplo 3.3 Resuelva el siguiente sistema de ecuaciones lineales usando eliminacin Gaussiana
con sustitucin regresiva y aritmtica (decimal) con redondeo a tres dgitos:

E x x
E x x
1 1 2
2 1 2
03 58 9 59 2
5 31 6 10 47 0
:
:
. . .
. . .
+

'

Usando eliminacin Gaussiana, obtenemos

__________________________________________________________________________________

( )
( )
b
:
:
:
:
,
A
E m
M
_
,
_
,
_
,

. . .
. . .
. . .
.
.
03 58 9 59 2
5 31 6 10 47 0
03 58 9 59 2
0 10400 10500
21 21
5 31
03
177

y por sustitucin regresiva

~
x
2
10500
10400
101

.

~
( )
x
1
59 2 58 9 101
03
59 2 59 5
03
3
03
10 0

. . .
.
. .
.
.
.
.

luego la solucin calculada es
~
~
~
X
x
x
_
,

_
,
1
2
10 0
101
.
.
.


PIVOT(A, i, ,j): Usa operaciones elemetales de fila para Simplificar (o aproXimar) en una matriz,
obtenida de la matriz A, que tiene ceros en la columna j y por debajo de la fila i.

Qu puede decir de la calidad de la solucin aproximada
~
X ?

Para intentar responder esta pregunta encontremos las cotas para el error relativo

~
X X
X
,
dadas por el teorema 3.3.

Como A
_
,
. .
. .
03 58 9
5 31 6 10

, entonces usando aritmtica con redondeo a tres dgitos para todos los
clculos se obtienen las siguientes aproximaciones:

A
_
,
1
1
313
6 10 58 9
5 31 03
. .
. .

{ }
A Max ,
58 9 114 58 9 . . .
{ }
A Max

1
1
313
65 0 5 34
1
313
65 0 208

. . . . ,

entonces ( ) ( )( )
Cond A A A

1
58 9 208 12 3 . . . , que no es muy grande comparado
con uno, as que la matriz A puede considerarse bien condicionada.

(Por ciertas consideraciones tericas sobre el nmero de condicin de una matriz A, las cuales
pueden ser consultadas en Burden, 1985, pginas 481 y 482, cuando se trabaja en aritmtica finita
(decimal) con redondeo a t-dgitos y ( )
Cond A
t
10 se espera un mal comportamiento de A con
respecto a la solucin de AX b y A se considera mal condicionada. En este ejemplo
( )
Cond A < 12 3 10
3
. ).

Ahora,
__________________________________________________________________________________

Estas operaciones se realizan en doble precisin (6 dgitos)

AX b
~

_
,
_
,
_
,
_
,
_
,
_
,
. .
. .
.
.
.
.
.
.
.
.
.
.
03 58 9
5 31 610
10 0
101
59 2
47 0
59 189
59 261
59 2
47 0
011
106 261
1 2 444444 3 444444

(Para evitar la prdida de cifras significativas, se debe calcular el vector error residual, R AX b
~
,
en doble precisin).

Convirtiendo este ltimo resultado a tres dgitos usando redondeo, se obtiene

R

_
,
.011
106

Entonces R y b

106 592 . y por tanto

( )
( )
R
b
...
X X
X
...
R
b

1 106
59 2
1
12 3
145 22 02 12 3
106
59 2 Cond A
Cond A
. .
. . .
~
.

pero como ( ) Cond A
1, entonces se espera que

R
b
y
X X
X

~
sean ms o menos del
mismo tamao, y ya que
R
b

es grande, se espera que

X

~
X X
sea tambin grande.

En situaciones como la observada en este ejemplo, se sugiere hacer un refinamiento iterativo
sobre la solucin calculada
~
X
o usar esta solucin calculada como aproximacin inicial en un
mtodo iterativo, con el propsito de tratar de mejorar la solucin aproximada y lograr que el error
residual relativo sea ms pequeo. El mtodo de refinamiento iterativo puede ser consultado en
Kincaid, 1972, pginas 174-176.

La solucin exacta del sistema en consideracin es
X
x
x
_
,

_
,
1
2
10
1
. A qu se debe la diferencia
entre la solucin exacta y la solucin calculada?

Observe que el error en el clculo de
~
x
2
con respecto a x
2
fue de slo .01 (un error relativo de
1%) y este error fue multiplicado por un factor de aproximadamente 2000 al obtener
~
x
1
, debido
al orden en que se realiz la eliminacin Gaussiana.


RESUELVA_1(A,b): Simplifica en la solucin exacta X del sistema AX b . El vector b se entra
como un vector fila.

En el ejemplo anterior la eliminacin Gaussiana condujo a una respuesta defectuosa de un sistema
de ecuaciones lineales bien condicionado. Esto muestra la inestabilidad numrica del algoritmo
de eliminacin Gaussiana (consecuencia de la divisin por un nmero (pivote) pequeo). Hay, sin
__________________________________________________________________________________

embargo, situaciones en las cuales el algoritmo de eliminacin Gaussiana es numricamente
estable. El siguiente teorema cuya demostracin puede consultarse en Burden, 1985, pginas 366
y 367, se refiere a una de tales situaciones:

Teorema 3.5 Si
( )
A a
i j
n n
es una matriz estrictamente dominante diagonalmente (E.D.D.) por

filas, es decir, si

a a para cada i
i i i j
j
j i
n
n >
1
12 , ,...,

entonces A es invertible (no-singular). Adems, se puede realizar eliminacin Gaussiana sin
intercambio de filas en cualquier sistema AX b para obtener su nica solucin, y los clculos
son estables con respecto al crecimiento de los errores de redondeo.

Ntese que como consecuencia del teorema anterior se tiene que: Si
( )
A a
i j
n n
es E.D.D. por
filas, entonces A tiene factorizacin LU, es decir, A LU , con L triangular inferior con unos en su
diagonal principal y U triangular superior (escalonada).

Observe que la matriz de coeficientes del ejemplo 3.3 anterior, no es E.D.D. por filas.

El teorema 3.5 tambin es vlido para matrices reales, simtricas y definidas positivas (vase
Burden, 1985, pgina 368). Una matriz
A
n n

R
, simtrica, se dice definida positiva si satisface
una cualquiera de las siguientes condiciones (las cuales son equivalentes):

i) X AX
T
> 0 para todo X X
n
R , 0 .

ii) Todos los valores propios de A son positivos.

iii) Todos los pivotes obtenidos en la eliminacin Gaussiana sobre A, sin intercambio de filas, son
positivos.

iv) Todas las submatrices principales de A tienen determinante positivo.

(Las submatrices principales de la matriz
( )
A a
i j
n n
son las matrices

A
a a
a a
n
k
k
k kk
_
,
11 1
1
12
L
M M M
L
, k , ,..., )

Ntese nuevamente que: Si A
n n

R es simtrica y definida positiva, entonces A tiene
factorizacin A LU , con L triangular inferior con sus componentes sobre la diagonal principal
iguales a uno y U triangular superior (ver ms adelante factorizacin de Choleski).

Observe que la matriz de coeficientes del ejemplo 3.3 anterior, no es simtrica.

3.4 ESTRATEGIAS DE PIVOTEO
__________________________________________________________________________________

El ejemplo 3.3 anterior, muestra una de las dificultades que pueden surgir al aplicar el mtodo de
eliminacin Gaussiana cuando el pivote
( )
a
j j
j1
es "pequeo" comparado con algunos elementos
( )
a
i t
j1
para j i t n , .
Para tratar de evitar tales dificultades, se introduce en el mtodo de eliminacin Gaussiana una
estrategia llamada de pivoteo, la cual consiste en seleccionar el pivote de acuerdo con un cierto
criterio. Nosotros usaremos dos estrategias: la estrategia de pivoteo mximo por columna o
pivoteo parcial y la estrategia de pivoteo escalado de fila o escalamiento.

3.4.1 Pivoteo mximo por columna o pivoteo parcial: Esta estrategia difiere de eliminacin
Gaussiana simple, nicamente en la escogencia del pivote
( )
a
j j
j1
, la cual se hace ahora, as:

Para j n 12 1 , ,..., , se determina el menor entero k k n , j , tal que

( ) ( ) ( )
a y a a
j 1 j 1
i n
j 1
k j k j
j
i j
Max

0

es decir, seleccionamos el primer elemento diferente de cero sobre la columna j-sima a partir de
la j-sima fila y que tenga mayor valor absoluto (para j 1,
( ) ( )
a a a
k j k k
j 1

1
0
1
).

Si tal k no existe, el sistema no tiene solucin nica y el proceso se puede terminar.

Si tal k existe y k j , entonces hacemos intercambio de las ecuaciones j-sima y k-sima:

( ) ( )
E E
j
j
k
j
1 1

y continuamos con la eliminacin Gaussiana.

Ilustremos esta estrategia para resolver el sistema

E x x
E x x
1 1 2
2 1 2
03 58 9 59 2
5 31 6 10 47 0
:
:
. . .
. . .
+

'

que es el mismo del ejemplo 3.3, usando aritmtica con redondeo a tres dgitos.

Como para j 1, se tiene que
{ } { } Max a a Max a
11 21 21
03 5 31 5 31 0 , , . . .

entonces k j 2 1 , as que intercambiamos E E
1 2
y y continuamos con la eliminacin

( )
A b
:
:

:
:
M
_
,
_
,
. . .
. . .
. . .
. . .
03 58 9 59 2
5 31 610 47 0
5 31 6 10 47 0
03 58 9 59 2
12
P

( )
E m
21 21
3
03
5 31
5 65 10
5 31 610 47 0
0 58 9 58 9
.
.
.
. . .
. .
_
,

_
,
,

:
:

__________________________________________________________________________________

Por sustitucin regresiva, obtenemos

~
x
2
58 9
58 9
100
.
.
. ,
( )
~
.
.
. x
1

+

47 0 610 100
5 31
531
5 31
10 0
. . .
.

Observe que en este caso
~
~
~
X
x
x
1
2
_
,
es la solucin exacta del sistema dado.


SWAP(A, i, j): Intercambia las filas (o elementos) i y j de la matriz A (de un vector ).

Nota: En el procedimiento de pivoteo mximo por columna (pivoteo parcial) cada multiplicador m
i j

es tal que
( )
( )
m
a
i j
i j
j

1
1
a

j j
j 1

y aunque esta estrategia permite resolver satisfactoriamente muchos sistemas de ecuaciones
lineales, hay casos donde fracasa, como se ilustra en el siguiente ejemplo.

Ejemplo 3.4 Consideremos el sistema

E x x
E x x
1 1 2
2 1 2
30 0 58900 59200
5 31 6 10 47 0
:
:
.
. . .
+

'

el cual es un sistema equivalente al del ejemplo 3.3 (los coeficientes de la primera ecuacin en el
sistema del ejemplo 3.3, han sido multiplicados por 10
3
). El pivoteo mximo por columna con
aritmtica de redondeo a tres dgitos, nos lleva a los siguientes resultados:

( )
( )
A b
:
:
:
:
,
M
_
,

_
,
_
,

30 0 58900 59200
5 31 6 10 47 0
30 0 58900 59200
0 10400 10500
21 21
5 31
30 0
177
.
. . .
.
.
.
. E m

y por sustitucin regresiva
~
. x
2
101 y
~
. x
1
10 0 , que es la misma solucin que se obtiene si
usamos eliminacin Gaussiana simple.
En casos como el de este ejemplo, donde un pivote es mucho ms "pequeo" que alguno de los
coeficientes de la ecuacin que l encabeza, se recomienda la tcnica conocida como pivoteo
escalado de fila o escalamiento, la cual es nuestra segunda estrategia.

3.4.2 Pivoteo escalado de fila: Esta tcnica slo difiere de la eliminacin Gaussiana simple, al
igual que el pivoteo parcial, en la escogencia del pivote.
Esta vez el pivote
( )
a
j j
j1
se escoge como se indica a continuacin:

Para j 1,2,..., n 1, hacemos lo siguiente:

a) Para i j, j 1,...,n + , calculamos

__________________________________________________________________________________

( )
S a : Factor de escala
l n
i
j
i l
j
Max

1

Si S
i
0, entonces el sistema no tiene solucin nica y el proceso se puede terminar.

b) Para i j, j 1,...,n + , calculamos

( )

a
S
i j
j
i
1

c) Encontramos el menor entero k con j k n tal que

( )
( ) ( )
a 0 y
i n
k j
j
k j
j
k
j
i j
j
i
a
S
Max
a
S

1
1 1

Si tal k no existe, entonces el sistema no tiene solucin nica y el proceso se puede terminar.

Si tal k existe y k j , entonces hacemos intercambio de las ecuaciones j-sima y k-sima:
( ) ( )
E E
j
j
k
j
1 1

y continuamos con la eliminacin Gaussiana.

Apliquemos esta estrategia para resolver el sistema del ejemplo 3.4, usando aritmtica con
redondeo a tres dgitos.

Para j 1:

a) { } { } S Max Max
1 11 12
30 0 58900 58900 0 a , a , , y .

{ } { } S Max Max
2 21 22
5 31 6 10 610 0 a , a , . . .

b) Ahora,
a
S
11
1
30 0
58900
.
, y

a
S
21
2
5 31
610
.
.

c) Max
a
S
a
S
Max
a
S
11
1
21
2
21
2
30 0
58900
5 31
6 0
5 31
6 0
0 , ,
'

'

. .
.
.
.
, as que k j 2 1 y por tanto
intercambiamos las ecuaciones
E
1 2
y E
y continuamos con la eliminacin Gaussiana:

( )
A b
:
:

: .
:
M
_
,
_
,
30 0 58900 59200
5 31 6 10 47 0
5 31 6 10 47 0
30 0 58900 59200
12
.
. . .
. .
.
P

__________________________________________________________________________________

( ) E m
21 21
30 0
5 31
5 65
5 31 610 47 0
0 58900 58900
.
.
.
. . .
_
,

_
,
,

:
:

Por sustitucin regresiva
~
. x
2
100 ,
( )
~
. . .
.
.
.
. x
1
47 0 6 10 100
5 31
53 1
5 31
10 0
+

Observe que en este caso
~
~
~
X
x
x
1
2
_
,

_
,
10 0
100
.
.
es la solucin exacta del sistema.

3.5 FACTORIZACIN TRIANGULAR

Consideremos un sistema AX b , con A no-singular y b 0 . Con respecto a la matriz A, se sabe
que existen matrices P de permutacin, L triangular inferior con sus componentes sobre la diagonal
principal iguales a uno y U triangular superior (escalonada) tales que PA LU . Una forma eficiente
computacionalmente de encontrar P, L y U, usando eliminacin Gaussiana, se muestra en el
siguiente ejemplo:

Ejemplo 3.5 Resuelva el siguiente sistema de ecuaciones lineales usando eliminacin Gaussiana
con pivoteo parcial y obtenga una factorizacin PA LU para la matriz A de coeficientes, asociada
con este mtodo:

+

+
'
x x x
x x x
x
1 2 3
1 2 3
1 2
2 3 2
3 3 4
3

x

Empezamos introduciendo un vector ( )
p p p p
T
1 2 3
, , el cual inicializamos con p i i
i
, , , 12 3 y
donde se almacenarn los intercambios necesarios en el proceso de eliminacin Gaussiana con
pivoteo parcial (el nmero de componentes del vector p coincide con el orden n del sistema a
resolver):

( ) ( )
{ } ( )
p A b
T Max
T

_
,
_
,

12 3
1 2 3 2
3 3 1 4
1 1 0 3
3 3 1 4
1 2 3 2
1 1 0 3
13 1 3 213
, , ,
:
:
:
:
:
:
, , , , ,

p
M

m m
E
21 31
21 31
1
3
1
3
1
3
1
3
3 3 1
1
3
1
10
3
10
3
1
3
2
1
3
13
3
_
,
_
,
_
,
_
,
_
,
_
,
_
,
,
, E
: 4
:
:

(Observe que cada multiplicador m
i j
es almacenado en la posicin correspondiente
( )
i j , en la
matriz de trabajo)

__________________________________________________________________________________

{ } ( ) Max
T
12 2 2 3 1
3 3 1 4
1
3
2
1
3
13
3
1
3
1
10
3
10
3
, , p , ,

:
:
:

_
,
_
,
_
,

(Observe que la permutacin se hace para las filas 2 y 3 completas, es decir, incluyendo los
multiplicadores)

E
m
32
32
1
2
1
2
3 3 1 4
1
3
2
1
3
13
3
1
3
1
2
7
2
11
2
_
,
_
,
_
,
_
,
_
,
_
,
:
:
:

La eficiencia en el mtodo indicado se debe a que en la misma matriz de trabajo se almacenan los
multiplicadores que van a conformar la matriz L (en el ejemplo son los nmeros que se encuentran
dentro de parntesis), lo que significa un ahorro de memoria, y como los intercambios necesarios
afectan simultneamente a las matrices L y U, se evita tener que volver a la matriz original a
realizar los intercambios ya observados y repetir la eliminacin Gaussiana con pivoteo parcial. De
esta manera, al terminar el proceso de eliminacin podemos leer en la matriz final la parte
estrictamente triangular inferior de L (son los nmeros entre parntesis) y la matriz triangular
superior U (que es la parte triangular superior de la matriz final), y en el vector p final quedan
almacenados los intercambios realizados que se usan para producir la matriz de permutacin P.

Para el ejemplo 3.5,

L
_
,

1 0 0
1
3
1 0
1
3
1
2
1
,

U

_
,
3 3 1
0 2
1
3
0 0
7
2
, y como ( ) p P
T
_
,
2 31
0 1 0
0 0 1
1 0 0
, , entonces ,

(Verifique que PA LU ) .

Para obtener la solucin del sistema original, usamos sustitucin regresiva en el sistema reducido
UX
c
_
,
4
13
3
11
2

12 4 3 4

y obtenemos
x
3 2
11
7
40
21
, x y x
1
23
21

__________________________________________________________________________________

as que la solucin (exacta) del sistema dado es X
T
_
,
23
21
40
21
11
7
, , .

Cmo se resuelve el sistema AX b a partir de la factorizacin PA LU obtenida?

3.5.1 Algunas aplicaciones de la factorizacin PA LU : La factorizacin PA LU es utilizada
eficientemente en aquellos casos donde se trabaja repetdamente con la misma matriz A. Dos de
esos casos se presentan a continuacin.

1) Resolver varios sistemas AX b con la misma matriz de coeficientes A, ya que en P, L y U est
almacenado todo el proceso de eliminacin Gaussiana. El algoritmo se basa en la siguiente
equivalencia
AX b PAX Pb
LUX Pb

UX L Pb
1

UX c y c L Pb
1

UX c y Lc Pb
Lc Pb y UX c

Los pasos a seguir son:

Paso 1. Calcular Pb .
Paso 2. Resolver, para c, Lc Pb por sustitucin progresiva.
Paso 3. Resolver, para X, UX c por sustitucin regresiva.

Como ejercicio, resuelva el sistema del ejemplo anterior, usando este algoritmo.
2) Encontrar la matriz inversa A
1
de una matriz invertible A, resolviendo los n-sistemas

( )
AX e j n
j
, , ,..., 12
donde
( )
( )
e
j T
n
0,...,0,1,0,...,0 R .

posicin j
La solucin X del sistema
( )
AX e j n
j
, ,2,..., 1 , produce la correspondiente columna j-sima
de la matriz A
1
.

Como ejercicio, compare el nmero de operaciones para encontrar A
1
usando el mtodo de
Gauss-Jordan, con el nmero de operaciones resolviendo los n-sistemas indicados antes.

Ejercicio 3.3 Calcule la inversa de la matriz A de coeficientes del sistema del ejemplo 3.5, usando
el mtodo de Gauss-Jordan y tambin usando la factorizacin PA LU .

3.6 SISTEMAS TRIDIAGONALES

Un caso muy importante de sistemas de ecuaciones lineales, que requiere un tratamiento especial,
es el de los sistemas tridiagonales. Tales sistemas aparecen en diversas aplicaciones, como por
ejemplo al utilizar mtodos de diferencias finitas en la solucin de problemas con valores en la
frontera para ecuaciones diferenciales ordinarias y, como veremos ms adelante, en el problema
de la interpolacin segmentaria cbica.

__________________________________________________________________________________

Un sistema tridiagonal es de la forma

d x c x b
a x d x c x b
x d x c x b
x d x c x b
x d x b
n n n n n n n
n n n n n
1 1 1 2 1
2 1 2 2 2 3 2
3 2 3 3 3 4 3
1 2 1 1 1 1
1
+
+ +
+ +
+ +
+
'

a

a
a
M

La matriz de coeficientes del sistema es

A
d c
a d c
a d c
a d c
a d
n n n
n n
_
,

1 1
2 2 2
3 3 3
1 1 1
0 0 0
0
0
0 0
L
M M
L

la cual se dice una matriz TRIDIAGONAL (caso especial de las llamadas matrices banda).

En general, una matriz
( )
A a
i j
n n
se dice TRIDIAGONAL si a 0
i j
para i j >1,
i,j 1,2,...,n.

Suponiendo que la matriz A de coeficientes del sistema tridiagonal es E.D.D. por filas, podemos
usar eliminacin Gaussiana simple para resolver el sistema (recuerde que la eliminacin
Gaussiana simple es adecuada para resolver sistemas con matriz de coeficientes E.D.D. por filas).
Otra forma de resolver un sistema tridiagonal con matriz de coeficientes A E.D.D. por filas es a
partir de la factorizacin directa A LU (encontrando directamente las componentes de las
matrices L y U, es decir, sin usar eliminacin Gaussiana), donde L es triangular inferior con todos
sus elementos diagonales iguales a uno y U es triangular superior. Para encontrar tales matrices L
y U, partimos de que ellas deben ser de la forma

L
n
n
_
,
1 0 0 0 0
1 0 0 0
0 1 0 0
0 1 0
0 0 1
2
3
1
L
L
L
M O
L
, U
c
c
c
c
n n
n
_
,
1 1
2 2
3 3
1 1
0 0 0
0 0 0
0 0 0
0 0
0 0 0
L
L
L
M O
L

Como
__________________________________________________________________________________

LU
+
+
+
+
_
,

1 1
2 1 2 1 2 2
3 2 3 2 3 3
1 2 1 2 1 1
1 1
0 0 0
0 0
0 0
0
0 0
c
c c
c c
c c
c
n n n n n n
n n n n n
L
M M
L

d c
a d c
a d c
a d c
a d
A
n n n
n n
1 1
2 2 2
3 3 3
1 1 1
O O O

_
,

igualando componente a componente las matrices LU y A, se tiene que

1 1
1
1
2
d
a i n
c d
i i i
i i i i
, ,3,...,
, i 2,3,..., n

y resolviendo para
i i
y , obtenemos

para i 2,3,..., n

1 1
1
1
d
a
d c
i
i
i
i i i i

(
i
0 , porque en U todos los elementos diagonales son distintos de cero).

As que un algoritmo para determinar L y U, en el caso que nos ocupa es el siguiente:

Paso 1: Haga
1 1
d .

Paso 2: Para i n 23 , ,..., , haga

i
i
i
i i i i
a
d c
1
1

__________________________________________________________________________________

Una vez encontradas L y U se resuelve el sistema AX b , resolviendo para c, Lc b y luego
resolviendo para X, UX c .

Ejemplo 3.6 Resolver el siguiente sistema tridiagonal usando aritmtica (decimal) con redondeo a
tres dgitos y la factorizacin A LU .

x

x
. . .
. . . .
. . .
.
5 25 35
35 8 4 77
25 5 5
2 2 25
1 2
1 2 3
2 3 4
3 4
x x
x x
x x x
x
+
+ +
+ +

'

Es claro que el sistema es tridiagonal E.D.D. por filas (ya que . . . . 5 25 8 75 > > , , 1 75 2 1 > > . , ) .

A partir del sistema dado se tiene que

d
c
a
1 2 3 4
1 2 3
2 3 4
5 8 10 2 0
25 4 5
35 25 10

, d , d , d
, c , c
, a , a
. . . .
. . .
. . .

y las matrices L y U son de la forma

L
_
,
_
,
1 0 0 0
1 0 0
0 1 0
0 0 1
25 0 0
0 4 0
0 0 5
0 0 0
2
3
4
1
2
3
4
, U
.
.
.

Usando el algoritmo ya descrito, se obtiene

( )( )
( )( )
( )( )
1
2
2
3
3
4
4
5
35
5
7
8 7 25 625
25
625
4
10 4 4 84
10
84
119
2 0 119 5 2 60

.
.
.
.
. . . .
.
.
.
. . . .
.
.
.
. . . .

Luego
L
_
,
1 0 0 0
7 1 0 0
0 4 1 0
0 0 119 1
.
.
.
y
U
_
,
. .
. .
. .
.
5 25 0 0
0 625 4 0
0 0 84 5
0 0 0 2 60

Ahora, resolvemos el sistema
__________________________________________________________________________________

Lc
_
,
_
,
_
,
b
c
c
c
c
1 0 0 0
7 1 0 0
0 4 1 0
0 0 119 1
35
77
5
2 25
1
2
3
4
.
.
.
.
.
.
.

por sustitucin progresiva, y se obtiene

c
1 2 3 4
35 525 71 141 , c , c , c . . . .

Enseguida resolvemos el sitema

UX
_
,
_
,
_
,
c
x
x
x
x
. .
. .
. .
.
.
.
.
.
5 25 0 0
0 625 4 0
0 0 84 5
0 0 0 2 60
35
525
71
141
1
2
3
4

por sustitucin regresiva, y obtenemos

x
4 3 2 1
542 117 159 096 , x , x , x . . . .
Luego la solucin (aproximada) obtenida para el sistema dado, es ( )
~
, , , X
T
. . . . 096 159 117 542 .
__________________________________________________________________________________

3.7 FACTORIZACON DE CHOLESKI

Se puede probar (vase Kincaid 1972, pgina 133) que si A es una matriz real, simtrica y definida
positiva, entonces A tiene una nica factorizacin de la forma A LL
T
en la cual L es una matriz
triangular inferior con sus elementos en la diagonal principal todos positivos (no necesariamente
con unos en su diagonal principal). Esta factorizacin se conoce como factorizacin de Choleski
(recuerde que si A es definida positiva, entonces se puede realizar eliminacin Gaussiana sobre A
sin intercambio de filas y todos los pivotes que resultan son positivos).

Se puede demostrar que si A
n n

R y tiene factorizacin de Choleski, entonces A es definida
positiva (ejercicio!).

Para ilustrar cmo se obtiene la factorizacin directa de Choleski, es decir, sin usar eliminacin
Gaussiana, supongamos que la matriz A es de orden 4. Entonces

ca)
l
l l
l l l
l l l l
L
l l l l
l l l
l l
l
L
a a a a
a a a a
a a a a
a a a a
A (simtri
T
11
21 22
31 32 33
41 42 43 44
11 21 31 41
22 32 42
33 43
44
11 21 31 41
21 22 32 42
31 32 33 43
41 42 43 44
0 0 0
0 0
0
0
0 0
0 0 0
_
,
_
,
_
,
1 2 444 3 444 1 2 444 3 444 1 2 4444 3 4444

Como l l a
1111 11
, entonces escogemos l a
11 11
, lo que requiere que a
11
0 > .
l l a
2111 21
, entonces l
a
l
21
21
11
11
0 , l .

l l a
21
2
22
2
22
+
, escogemos l a l
22 22 21
2
. Observe que a
22
debe ser mayor o igual que cero.

l l a
3111 31
, luego l
a
l
31
31
11
.

l l l l a
31 21 32 22 32
+ , luego l
a l l
l
l
32
32 31 21
22
22
0

, , as que a l
22 21
2
0 > , esto es a
22
0 > .

l l l a
31
2
32
2
33
2
33
+ + , escogemos
( )
l a l l
33 33 31
2
32
2
+ , a
33
0 .

En general, para encontrar la fila i de L,
( )
i 3 , asumiendo que ya se conocen las primeras i 1
filas de L, procedemos as:

De l l a
i i 111 1
, obtenemos l
a
l
i
i
1
1
11
.
l l l l a
i i i 1 21 2 22 2
+ , as que l
a l l
l
i
i i
2
2 1 21
22

.

l l l l l l a
i i i i 1 31 2 32 3 33 3
+ + , as que

__________________________________________________________________________________

( )
l
a l l l l
l
i
i i i
3
3 1 31 2 32
33
+
, l
33
0 ,
( )
a l l
33 31
2
32
2
0 > + , as que a
33
0 > .

(Fila i-sima de L) (Columna j-sima de L
T
), j < i:

l l l l l l a
i j i j i j j j i j 1 1 2 2
+ + + ... , entonces para cada i n 3,..., :

l , j 2,...,i
i j
i j i k j k
k
j
j j
a l l
l
1
1
1

(Fila i-sima de L)(Columna i-sima de L
T
):

l l l a
i i i i i i 1
2
2
2 2
+ + + ...
, escogemos

l
i i i i i k
k
i
a l
2
1
1

Algoritmo 3.3 (Factorizacin directa de Choleski) Para factorizar una matriz
( )
A a
i j
n n
real,
simtrica y definida positiva en la forma A LL
T
, donde L es triangular inferior.

Entrada: La dimensin n de la matriz A, los elementos a i j n
i j
, , 1 (basta almacenar la parte
triangular inferior de A, por ser A simtrica).

Salida: Los elementos l i n j i
i j
, , 1 1 de la matriz L.

Paso 1: Tomar l a
11 11
.

Paso 2: Para i 2,..., n , tomar l
a
l
i
i
1
1
11
(primera columna de L).
Paso 3: Tomar l a l
22 22 21
2
.

Paso 4: Para i 3,..., n , seguir los pasos 5 y 6:

Paso 5: Para j 2,...,i 1 , tomar
l
a l l
l
i j
i j i k j k
k
j
j j
_
,
1
1

Paso 6: Tome l a l
i i i i i k
k
i

_
,
2
1
1
1
2
.
__________________________________________________________________________________

Paso 7: Salida: "Las componentes l
i j
de la matriz L para i 1,2,...,n, j 1,2,...,i ".
Terminar.

Ejemplo 3.7 Diga si la siguiente matriz es simtrica y definida positiva, y si lo es, encuentre la
factorizacin directa de Choleski:
A
_
,

2 1 0
1 2 1
0 1 2

Es claro que la matriz A es simtrica, ya que A A
T
. Para ver si la matriz A es definida positiva,
realicemos eliminacin Gaussiana sobre la matriz A:

A

_
,
_
,
_
,
_
,
_
,
2 1 0
1 2 1
0 1 2
2 1 0
0
3
2
1
0 1 2
2 1 0
0
3
2
1
0 0
4
3
21 32
1
2
2
3
E E

Como no hubo necesidad de intercambio de filas y todos los pivotes, 2,
3
2
,
4
3
, resultaron
positivos, la matriz dada es definida positiva y por lo tanto tiene factorizacin de Choleski.

Sea L
l
l l
l l l
_
,
11
21 22
31 32 33
0 0
0 tal que LL A
T
, entonces

l
l l
l l l
l l l
l l
l
11
21 22
31 32 33
11 21 31
22 32
33
0 0
0 0
0 0
2 1 0
1 2 1
0 1 2
_
,
_
,
_
,

De acuerdo con el algoritmo 3.3, empezamos calculando l
11
.

l
11
2
2 , entonces l
11
2 .
l l
2111
1 , entonces l
l
21
11
1 1
2
2
2
.
l l
3111
0 , entonces l
31
0 .

l l
21
2
22
2
2 + , entonces l l
22 21
2
2 2
1
2
3
2
3
2
6
2
.

l l l l
31 21 32 22
1 + , entonces
( )( )
l
l l
l
32
31 21
22
1
1 0 1
6
2
2
6
2 6
6
6
3

.
l l l
31
2
32
2
33
2
2 + + , entonces
__________________________________________________________________________________

( )
l l l
33 31
2
32
2
2 +
2
6
9
2
2
3
4
3
2
3
2 3
3

As que
L
_
,

2 0 0
2
2
6
2
0
0
6
3
2 3
3

es tal que LL A
T
.

Ejercicio 3.4 Encuentre, si es posible, la factorizacin directa de Choleski para la siguiente matriz

A

_
,
4 1 1 1
1 3 1 1
1 1 2 0
1 1 0 2

3.8 MTODOS ITERATIVOS

Como ya se mencion al comienzo de este captulo, en los mtodos iterativos para resolver
sistemas de ecuaciones lineales, se parte de una aproximacin inicial a la solucin, la cual se va
"mejorando" sucesivamente aplicando cierto algoritmo. Un mtodo iterativo puede ser convergente
o divergente, y aunque el mtodo iterativo converja, en general, slo podemos esperar la obtencin
de una solucin aproximada, por efecto de los errores de truncamiento y/o redondeo. Entre las
ventajas de los mtodos iterativos, comparados con los directos, estn la simplicidad y uniformidad
de las operaciones que se realizan, ya que se usa repetdamente un proceso sencillo; y su relativa
insensibilidad al crecimiento de los errores de redondeo, es decir, usualmente los mtodos
iterativos son estables.

Las matrices asociadas con los sistemas de ecuaciones lineales se clasifican en densas y
esparcidas. Las matrices densas tienen pocos elementos nulos y su orden es relativamente
pequeo ( ) 100 ; para sistemas con matrices densas se recomienda usar mtodos directos. Las
matrices esparcidas tienen pocos elementos no nulos y surgen, por ejemplo, al resolver ecuaciones
diferenciales por mtodos de diferencias finitas; su orden puede ser muy grande. Los mtodos
iterativos son recomendados para resolver sistemas con matrices esparcidas.

Los mtodos iterativos que estudiaremos son generalizaciones del mtodo de iteracin de punto
fijo:

Dado un sistema AX b , o equivalentemente,
( )
AX b
F X

123
0 , donde A no-singular y b 0 , lo
transformamos en un sistema equivalente
( )
X BX c
G X
+
123
para alguna matriz B y algn vector c.

Se construye entonces la sucesin de vectores
( )
{ }
X
k
k
a partir de la frmula de iteracin
__________________________________________________________________________________

( ) ( )
X , k 1,2,...
k k
BX c +
1

y se espera que
( )
{ }
X
k
k
"converja" a la nica solucin X del sistema AX b
( )
+ X BX c ,
donde la convergencia se entiende en el siguiente sentido.

Definicin 3.5 Sea
.
una norma vectorial en R
n
. Decimos que la sucesin
( )
{ }
X
k
k
de
vectores de
R
n
converge al vector X
n
R , segn la norma vectorial
.
dada, si
( )
lim X
k
k
X . 0

Recuerde que
( )
lim X
k
k
X 0 significa que, dado > 0 , existe { } N N 0,1,2,... tal que si

k N , entonces
( )
X . < X
k
Puede probarse que si una sucesin

( )
{ }
X
k
k
de vectores de R
n

converge al vector X
n
R segn una norma vectorial
.
dada, entonces tambin converge al
vector X segn cualquier norma vectorial en R
n
, por tal razn diremos simplemente que
( )
{ }
X
k
k

converge al vector X en lugar de
( )
{ }
X
k
k
converge al vector X segn la norma
.
dada.

Digamos que
( )
{ }
X
k
k
converge al vector X . Si usamos la norma vectorial .

, entonces
( )
lim X
k
k

X ,

0
y si ( )
( ) ( ) ( ) ( )
X x x x x x x
i n
T k k
i
k
n
k
T

_
,
1 1
,... ,..., ,... ,..., y X , esto ltimo significa
que: dado > 0 , existe NN tal que si k N , entonces
( )
x x
i i
k
< para todo i 1,2,...,n (ya
que
( ) ( )
X x ) .

i n

X Max x
k
i i
k
1

Un primer mtodo construido siguiendo la idea anterior es el siguiente:

3.8.1 Mtodo iterativo de Jacobi o de desplazamientos simultneos: Dado un sistema lineal de
ecuaciones
a x a x a x a x b
a x a x a x a x b
x a x a x a x b
a x a x a x a x b
i i n n
i i n n
i i i i i i n n i
n n n i i n n n n
11 1 12 2 1 1 1
21 1 22 2 2 2 2
1 1 2 2
1 1 2 2
+ + + + +
+ + + + +
+ + + + +
+ + + + +
'
... ...
... ...

a ... ...

... ...
M
M

Si a
i i
0 para todo i n 12 , ,..., , entonces despejando x
i
de la i-sima ecuacin, obtenemos el
sistema equivalente
__________________________________________________________________________________

x
a
a
b
a
n
i
i j
i i
j
j i
n
j
i
i i

_
,
+
1
12 x , i , ,...,

Si
( )
B b
i j
n n
con
b
a
a
j
i j
i j
i i
'
, i
i, j ,2,...,n
0, i j
1

y ( )
c c c c
n
T
1 2
, ,..., con c
b
a
i
i
i i
, i 1,2,...,n , entonces el sistema AX b dado es equivalente al
sistema X BX c + . As que la sucesin
( )
{ }
X
k
k
de vectores, correspondiente a este mtodo, se
genera a partir de la frmula de iteracin

( ) ( )
X BX c
k k
+
1
, k 1,2,...

donde, conocido
( ) ( ) ( ) ( )
X x x x
k k
i
k
n
k
T

_
,
1
1
1 1 1
,..., ,..., , se calcula la aproximacin siguiente
( ) ( ) ( ) ( )
X x x x
k k
i
k
n
k
T
_
,
1
,..., ,..., , mediante la frmula

( )
( )
x , i 1,2,...,n
i
k
i i j j
k
j
j i
n
i i
b a x
a
1
1
(3.12)

que es llamada frmula (escalar) de iteracin del mtodo de Jacobi.

Escogida alguna norma vectorial (por ejemplo .
), alguna tolerancia > 0 y un nmero

mximo de iteraciones N, se termina el proceso iterativo, indicado en la frmula (3.12), cuando se
satisfaga alguno de los siguientes criterios de aproximacin:

i)
( )
R
k
< , siendo
( ) ( )
R AX b
k k
,

ii)
( ) ( )
X X
k k
<
1
,

iii)
( ) ( )
( )
X
X
k
k k
X
<
1

o en su defecto, cuando se alcance el nmero mximo de iteraciones N .

__________________________________________________________________________________

Algoritmo 3.4 (Mtodo de Jacobi) Para encontrar una solucin aproximada
~
X de un sistema
AX b , con
( )
A a
i j
n n
n n

R invertible, b 0 , y
a 0 , i 1,2,...,n
i i

.

Entrada: El orden n del sistema; las componentes (no nulas) a , i, j 1,2,...,n
i j
de la matriz A; las
componentes b , i 1,...,n
i
del vector de trminos independientes; las componentes
x0 , i 1,2,...,n
i
de una aproximacin inicial
( )
X X 0
0
; una tolerancia Tol y un nmero

~
X x , x ,..., x
1 2 n
T
o un mensaje.

Paso 1: Tomar k 1.

Paso 2: Mientras que k N , seguir los pasos 3-6:

Paso 3: Para i 1,..., n , tomar
x
b a x
a
i
i i j j
j
j i
n
i i
0
1

Paso 4: Si X X Tol < 0 , entonces: salida: "Una solucin aproximada es
( )
~
X x , x ,..., x
1 2 n
T
". Terminar.

Paso 5: Tomar k k + 1.

Paso 6: Para i 1,..., n , tomar x x
i i
0 .

Terminar.

ANALISIS DE CONVERGENCIA

Para entrar en el anlisis de la convergencia del mtodo de Jacobi, empezamos
descomponiendo la matriz A en la forma

A D L U

donde D es la matriz diagonal cuya diagonal es la diagonal principal de A (es decir,
( ) D diag a
nn
11
, a ,..., a ) ,
22
L es la matriz triangular inferior obtenida de la parte triangular
estrictamente inferior de A, y U es la matriz triangular superior obtenida de la parte triangular
estrictamente superior de A. Entonces

__________________________________________________________________________________

( )
( )
( )
( )
AX b D L U X b
DX L U X b
DX L U X b
X D L U X D b

+
+ +
+ +
1 1

lo que nos conduce a la frmula vectorial de iteracin del mtodo de Jacobi

( )
( )
( )
X , k 1,2,...
k k
D L U X D b + +

1
1
1

que se usa para efectos tericos, mientras que la frmula (3.12) se usa para los clculos
numricos.

La matriz ( ) B D L U
J
+
1
se llama matriz de iteracin del mtodo de Jacobi.

Veamos un caso en el cual la sucesin
( )
{ }
X
k
k
, generada por el esquema iterativo
( ) ( )
X BX c
k k
+
1
, converge.
Teorema 3.6 Si B <1 para alguna norma matricial inducida, entonces la sucesin
( )
{ }
X
k
k
,
generada por la frmula de iteracin
( ) ( )
X BX c , k 1,2,...
k k 1
+

converge a la nica solucin X del sistema X BX c + , cualquiera sea la aproximacin inicial
( )
X
0
,
y se tienen las siguientes cotas para el error de truncamiento
( )
X X
k
:

i)
( ) ( )
X X B X
k k
X , k
0
1
ii)
( ) ( ) ( )
X X
B
B
X
k
k

1
1
1 0
X , k
iii)
( ) ( ) ( )
X X
B
B
X
k k k

1
1
1
X , k

Demostracin: Para demostrar que el sistema X BX c + tiene slo una solucin, basta probar
que el sistema homogneo X BX , es decir, ( ) I B X 0 , tiene solucin nica X 0 , ya que si
( ) I B X 0
tiene solucin nica, entonces I B es invertible y entonces ( ) I B X c tiene solucin
nica, y como ( ) I B X c es equivalente a X BX c + , entonces este ltimo sistema tiene
solucin nica.

Veamos entonces que el sistema X BX tiene solucin nica X 0:

Si X es solucin de X BX , entonces

0 X BX B X

__________________________________________________________________________________

Si 0 1 < < B y X 0 , entonces B X X < , lo cual implicara que X X < , lo cual es un
absurdo. Luego X 0.

Si B 0 , entonces B 0 y se tendra
( )
X c
k
para todo k 12 , ,... , y
( )
{ }
X
k
k
converge a c,
que es la nica solucin de X c .

Ahora,
( ) ( )
( )
X X B X X , k 1,2,...
k k 1

y usando induccin sobre k se tiene que

( ) ( ) ( ) ( )
X B X B X ... B X 0
1 2 2 0

X X X X
k k k k
(3.13)

Como B
k
0 cuando k (pues 0 1 < B ), entonces
( )
X X
k
0 cuando k , es
decir,
( )
{ }
X
k
k
converge a X .

De (3.13), obtenemos
i)
( ) ( )
X X B X X
k k

0

De otro lado,

( ) ( ) ( ) ( ) ( ) ( ) ( )
X X X X + + X X X X X X
0 1 1 0 1 1 0

( ) ( ) ( )
+ B X X X X
0 1 0

(La ltima desigualdad se tiene por la relacin (3.13))

As que
( )
( ) ( ) ( )
1
0 1 0
B X X X X

y como 0 1 < B , entonces
( ) ( ) ( )
X X
X
B
X
0 1 0
1
1
(3.14)

y entonces multiplicando a ambos lados de (3.14) por B
k
, obtenemos

( ) ( ) ( ) ( )
X
usando )
X X
X B X
B
B
X
k k
k
i
0 1 0
1

de donde se obtiene
ii)
( ) ( ) ( )
X X
B
B
X
k
k

1
1 0
X
__________________________________________________________________________________

Finalmente,

( ) ( ) ( ) ( ) ( ) ( ) ( )
X X X X + +

X X X X X X
k k k k k k k 1 1 1

( ) ( ) ( )
+

B X X X X
k k k 1 1

as que
( )
( ) ( ) ( )
1
1 1

B X X X X
k k k

y como 0 1 < B , entonces
( ) ( ) ( )
X X

X
B
X
k k k 1 1
1
1
(3.15)
y entonces multiplicando a ambos lados de (3.15) por B , obtenemos

( ) ( ) ( ) ( )
X X X

X B X
B
B
X
k k k k 1 1
1

lo que implica
iii)
( ) ( ) ( )
X X
B
B
X
k k k

1
1
X

Compare este teorema con el teorema 2.1, de punto fijo.

Nota: La desigualdad ii)
( ) ( ) ( )
X X
B
B
X
k
k

1
1 0
X , en el teorema 3.6 anterior, vlida
para B , < 1 nos dice que entre ms "pequea" sea B , ms "rpida" ser la convergencia del
mtodo iterativo. Las cotas para el error de truncamiento
( )
X X
k
, dadas en el teorema 3.6,
permiten analizar la calidad de una solucin aproximada
( )
X
k
.

A continuacin probaremos que la matriz
( )
B b
J i j
n n
, de iteracin del metodo de Jacobi, tiene la

propiedad B
J

< 1 si la matriz
( )
A a
i j
n n
, de coeficientes del sistema AX b , es E.D.D. por

filas:

Recordemos que en la matriz
( )
B b
J i j
n n
,

b
a
a
, i j
i, j 1,2,...
0 , i j
,n
i j
i j
i i
'

Ahora, si A es E.D.D. por filas, entonces para todo i n 12 , ,..., , se tiene
__________________________________________________________________________________

a a
i i i j
j
j i
n
>
1

luego
a
a
a
a
i j
i i
j
j i
n
i j
i i
j
j i
n

<
1 1
1, i n 12 , ,...,
de donde
Max
a
a
i j
i i
j
j i
n
1
1
1
i n

<

Pero
B b
i n
j 1
i n
j=1
j i
n
J i j
n
i j
i i
Max Max
a
a

1 1
(pues
b
i i
0
)
as que
B

J

< 1
.

Aplicando el teorema 3.6 a la situacin anterior, obtenemos el siguiente teorema:

Teorema 3.7 Si la matriz A en un sistema AX b es E.D.D. por filas, entonces el mtodo iterativo
de Jacobi converge a la nica solucin X del sistema AX b , cualquiera sea
( )
X
0
, y se tienen las
cotas para el error
( )
X
X
k

Se dispone, adems, del siguiente resultado cuya demostracin puede consultarse en Burden,
1985, pginas 469 y 470:

Teorema 3.8 Para cualquier
( )
X
n
0
R , la sucesin
( )
{ }
X
k
k
definida por la frmula de iteracin
( ) ( )
X BX c k
k k
+
1
12 0 , , ,..., c , converge a la nica solucin X del sistema X BX c + si y
slo si ( ) B < 1.

Como una aplicacin particular del teorema 3.8 se tiene que: El mtodo iterativo de Jacobi
converge a la nica solucin X del sistema X B X c
J
+ si y slo si ( ) B
J
<1.

Ejemplo 3.8 Use el mtodo iterativo de Jacobi para resolver el sistema

2 1
3 0
3 3 5 4
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x

+
+ +
+ +
'

Lo primero que observamos es que el mtodo de Jacobi es aplicable a este sistema, ya que la
matriz de coeficientes del sistema dado tiene todas sus componentes diagonales no nulas.

Veamos si el mtodo de Jacobi converge o n, en este caso.

__________________________________________________________________________________

Empecemos observando que la matriz A de coeficientes del sistema no es E.D.D. por filas (ya que
2 1 1 + ), as que para el estudio de la convergencia del mtodo de Jacobi debemos
encontrar la matriz de iteracin B
J
.

Una forma de obtener B
J
es despejando x , x y x
1 2 3
de la primera, segunda y tercera ecuacin
del sistema, respectivamente, y escribiendo el sistema resultante en forma matricial, lo que nos da

{ {

x
x
x
X
B
x
x
x
X
c
J
1
2
3
1
2
3
0
1
2
1
2
1 0 3
3
5
3
5
0
1
2
0
4
5
_
,
_
,
_
,
_
,
1 2 444 3 444 123

Como B
J

> 4 1 ( B
J
1
7
2
1 > ) no podemos concluir sobre la convergencia del mtodo de
Jacobi (a partir de las normas
. .
,
1
), as que debemos estudiar el radio espectral
( )
B
J
, de
la matriz de iteracin B
J
.

Como
( ) det B I
J

+ +

1
2
1
2
1 3
3
5
3
5
8
5
3
5
3

entonces la ecuacin caracterstica de la matriz B
J
es + +
3
8
5
3
5
0 , cuyas races son

, y
1 2 3
1 142195 421954 . .

y como
( ) { }
B Max
J
> , , 1 142195 421954 142195 1 . . .

entonces el mtodo iterativo de Jacobi no converge (diverge), segn el teorema 3.8.


BJ( A ): Simplifica en la matriz de iteracin, B
J
, del mtodo de Jacobi.
CHARPOLY( M, w): Simplifica en el polinomio caracterstico ( ) p w
M
de la matriz M.
EIGENVALUES( M, w ): Simplifica en los valores propios w w w
n 1 2
, ,..., de la matriz M.

En situaciones como la del ejemplo 3.8, se recomienda reordenar las ecuaciones del sistema dado,
de modo que la matriz de coeficientes del sistema reordenado sea lo ms cercana posible a una
matriz E.D.D. por filas (colocando primero las ecuaciones que tienen un coeficiente dominante y
luego las restantes).

En el caso del ejemplo, la reordenacin ms conveniente para el sistema es
__________________________________________________________________________________

2 1
3 3 5 4
3 0
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x

+
+ +
+ +
'

Observe que la matriz de coeficientes de este sistema reordenado tampoco es E.D.D. por filas.

Las frmulas escalares de iteracin para el mtodo de Jacobi son ahora

( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
x
x x
x
x x
x x
k
k k
k
k k
k k
1
2
1
3
1
2
1
1
3
1
1
1
2
1
1
2
4 3 5
3
12
3
'

,
, , ,...
,
k
x
3
k

cuya forma vectorial es

( )
( )
( )
( )
( )
( )
( )
( )
x
x
x
X
B
x
x
x
X
c
k
k
k
k
J
k
k
k
k
1
2
3
1
1
2
1
3
1
1
0
1
2
1
2
1 0
5
3
1
3
1
3
0
1
2
4
3
0
_
,
_
,
_
,
_
,
123
1 2 444 3 444
12 4 3 4
123

,
k 12 , ,...

Como B

J

>
8
3
1 ( B
J
1
13
6
1 > ), entonces nada se puede afirmar sobre la convergencia del
mtodo de Jacobi (a partir de las normas B B
J J
,
1
), por tanto debemos encontrar ( ) B
J
. La
ecuacin caracterstica de B
J
es
+ +
3
2
9
1
9
0

cuyas races son

,
1 2 3
631096 315548 276567 315548 276567 + . . . . . i , i

y como

( ) { }
{ }
B Max i i
Max
J
+
<
, ,
,
. . . . .
. . .
631096 315548 276567 315548 276567
631096 419595 631096 1

__________________________________________________________________________________

entonces, segn el teorema 3.8, el mtodo iterativo de Jacobi converge a la nica solucin X del
sistema reordenado, cualquiera sea la aproximacin inicial
( )
X
0
.

Iterando con el mtodo de Jacobi, tomando como aproximacin inicial
( )
( )
X
T 0
0 0 0 , , , y usando
como criterio de aproximacin
( ) ( )
X X
k k
<
1
001

. , obtenemos

( )
( )
( )
( )
( )
( )
( )
( )
X , , , X , , ,...,
X , , , X , ,
T T
T T
1 2
15 16
5 13333 0 16667 18333 27778
99798 19990 99842 99873 19994 99901

. . . . .
. . . . . .

Como
( ) ( )
X

16 15
7 5 4 001 <
X E . . y k 16 es el primer entero positivo para el cual

( ) ( )
X ,

k k
X <
1
001 .
entonces

( )
( ) X , , X
16
99873 19994 99901 . . .
~ T
X


JACOBI(A, b,
( )
X
0
, N): aproXima las primeras N iteraciones en el mtodo de Jacobi aplicado al
sistema AX b , con aproximacin inicial
( )
X
0
. Para el ejemplo, aproXime la expresin
JACOBI( [ ] [ ] [ ] [ ] [ ] [ ]
2 1 1 3 3 5 1 1 3 1 4 0 0 0 0 16 , , , , , , , , , , , , , , ,
).

Cul es la calidad de la solucin aproximada obtenida
( )
X
16
?

Como no se pueden aplicar las cotas para el error de truncamiento
( )
X X
16
, dadas en el
teorema 3.6 (ya que no se satisface la condicin B
J
<1 para las normas calculadas
B B
J J
,
1
), entonces vamos a usar las cotas para el error relativo
( )
X X
X
16
, dadas en el
teorema 3.3:

( )
( )
( )
( )
( )
R
b Cond A
X X
X
Cond A
R
b
16 16 16
1

En esta desigualdad
( ) ( )
R AX b
16 16
, con

A

_
,
2 1 1
3 3 5
3 3 9

y
b

_
,
1
4
0

Si hacemos los clculos indicados, obtenemos

__________________________________________________________________________________

( )
5 10 16 10 011 05 5 10
6 5
16
2
<
<

. . . ... ...
X X
X

Extendiendo de manera natural, los conceptos de cifras significativas y cifras decimales exactas
para vectores, dados en el captulo 1 para escalares, podemos concluir, a partir de la ltima
desigualdad, que
( )
( )
X
T 16
99873 19994 99901 . . . , , aproxima a la solucin exacta X del sistema
dado con una precisin de por lo menos dos cifras significativas (y no ms de cinco). Se puede
verificar que la solucin exacta del sistema dado es ( )
X 1, 2, 1
T
.

Ejemplo 3.9 Use el mtodo iterativo de Jacobi para resolver el sistema

2 10 11
3 8 11
10 2 6
11 3 25
1 2 3
2 3 4
1 2 3
1 2 3 4
x x x
x x x
x x x
x x x x
+
+
+
+ +
'

Observe que el mtodo de Jacobi es aplicable a este sistema, pero nuevamente como en el
ejemplo anterior, la matriz de coeficientes del sistema dado no es E.D.D. por filas, as que para
estudiar la convergencia del mtodo de Jacobi debemos encontrar la matriz de iteracin B
J
.

Se ve fcilmente que la matriz de iteracin del mtodo de Jacobi es, en este caso, la siguiente
matriz
B
J

_
,

0
1
2
5 0
0 0
1
3
8
3
5
1
2
0 0
1
3
11
3
1
3
0

Como B

J

>
11
2
1 ( B
J
1
1 > ), entonces todava no podemos concluir acerca de la
convergencia del mtodo de Jacobi ( apartir de las normas B B
J J
,
1
) . Encontremos
entonces el radio espectral de la matriz de iteracin B
J
.

Se puede ver que la ecuacin caracterstica de la matriz B
J
es

4 2
629
18
31
18
240 0 + +

cuyas races son

1 3 4
5 3 01292 3 11967 5 10674 , , y
2
. . .

por tanto
( ) B
J
> 5 10674 1 .

__________________________________________________________________________________

lo que implica que el mtodo de Jacobi diverge, en este caso.

Sin embargo, si reordenamos las ecuaciones del sistema en la forma

10 2 6
11 3 25
2 10 11
3 8 11
1 2 3
1 2 3 4
1 2 3
2 3 4
x x x
x x x
x x x
x x x

x

+
+ +
+
+
'

obtenemos un sistema equivalente AX b donde A s es E.D.D. por filas, as que, segn el
teorema 3.7, el mtodo iterativo de Jacobi converge a la nica solucin del sistema, cualquiera sea
la aproximacin inicial
( )
X
0
, y se tienen cotas para el error de truncamiento
( )
X X
k
.

La forma matricial del mtodo de Jacobi, para el sistema reordenado, es

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )

x
x
x
x
X
B
x
x
x
x
X
k
k
k
k
k
J
k
k
k
k
k
1
2
3
4
1
1
2
1
3
1
4
1
1
0
1
10
2
10
0
1
11
0
1
11
3
11
2
10
1
10
0 0
0
3
8
1
8
0
6
10
25
11
_
,
_
,
_
,
123
1 2 44444 3 44444
12 4 3 4
11
10
11
8
_
,
c
123

Observe que B

J

<
4
8
1
2
1 ( B
J
1
23
40
1 < ) .

Investigue cuntas iteraciones k sern necesarias en el mtodo de Jacobi (usando la norma
.

), para que
( )
X
k
aproxime a la solucin exacta X del sistema dado, con por lo menos tres
cifras significativas, tomando como aproximacin inicial
( )
( )
X
T 0
0 0 0 0 , , , ? (ejercicio!)

Los resultados obtenidos en las iteraciones aplicando el mtodo de Jacobi, empezando con
( )
( )
X
T 0
0 0 0 0 , , , y usando como criterio de aproximacin
( ) ( )
X X
k k
<
1
001

. , son
( )
( )
( )
( )
X
X
T
T
1
2
60000 2 2727 11000 13750
10473 2 6023 99273 2 3648

. . . .
. . . .
, , ,
, , ,

M

( )
( )
( )
( )
X , , ,
X , , ,
8
9
11040 2 9958 10210 2 6262
11038 2 9965 10212 2 6261

. . . .
. . . .
~
T
T
X X

Slo fueron necesarias

k 9
iteraciones para alcanzar la tolerancia dada.
Con cuntas cifras
decimales exactas aproxima
( )
X
9
a X ?
(ejercicio)

__________________________________________________________________________________

3.8.2 Mtodo iterativo de Gauss-Seidel o de desplazamientos sucesivos: Una posible mejora
en el algoritmo de Jacobi puede ser la siguiente: para calcular
( )
x
i
k
se usan las componentes de
( )
X
k1
, pero como
( ) ( ) ( )
x , x ,..., x
1
k
2
k
i 1
k
ya han sido calculadas y supuestamente son mejores

aproximaciones de las componentes x , x ,..., x
1 2 i 1
de la solucin exacta que
( ) ( )
x ,..., x
1
k 1
i 1
k 1

(asumiendo convergencia), parece ms recomendable calcular
( )
x
i
k
usando los valores
( ) ( ) ( )
x x x
k k
i
k
1 2 1
, ,...,

calculados recientemente. Esta tcnica se conoce como mtodo iterativo de
Gauss-Seidel o de desplazamientos sucesivos.

Se inicia el proceso iterativo con una aproximacin inicial
( ) ( ) ( ) ( ) ( )
X x x x x
i n
T
0
1
0
2
0 0 0
_
,
, ,..., ,..., . A partir

de este vector se obtiene la primera aproximacin
( ) ( ) ( ) ( ) ( )
X
T
1
_
,
x , x ,..., x ,..., x
1
1
2
1
i
1
n
1
, mediante las
siguientes frmulas (suponemos que a odo i
i i
0 1 para t ,2,...,n ):

( )
( )
x
b a x
a
j j
j
n
1
1
1 1
0
2
11
,
( )
( ) ( )
x
b a x a x
a
j j
j
n
2
1
2 21 1
1
2
0
3
22

y en general, para i 2,..., n 1 , se calcula

( )
( ) ( )
x
b a x a x
a
i
i i j j
j
i
i j j
j i
n
i i
1
1
1
1
0
1
+

y
( )
( )
x
b a x
a
n
n n j j
j
n
n n
1
1
1
1

El paso genrico es:

Conocida la aproximacin
( ) ( ) ( ) ( )
X x ,..., x ,..., x
k 1
1
k 1
i
k 1
n
k 1
T

_
,
, se obtiene la aproximacin siguiente

( ) ( ) ( ) ( )
X x ,..., x ,..., x
k
1
k
i
k
n
k
T
_
,
, usando las frmulas

( )
( )
x
1
1 1
1
2
11
k
j j
k
j
n
b a x
a

para i 2,3,..., n 1 ,

__________________________________________________________________________________

( )
( ) ( )
x
i
k
i i j j
k
i j j
k
j i
n
j
i
i i
b a x a x
a

1
1 1
1

(3.16)

y

( )
( )
x
n
k
n n j j
k
j
n
n n
b a x
a
1
1

que son llamadas frmulas escalares de iteracin del mtodo de Gauss-Seidel.

Se termina el proceso iterativo con alguno de los criterios de aproximacin mencionados
anteriormente.

Algoritmo 3.5 (Mtodo de Gauss-Seidel) Para encontrar una solucin aproximada
~
X de un
sistema AX b , ( )
A a
i j
n n
n n

R
invertible, b 0 y a
i i
0 para todo i 1,2,...,n .

Entrada: El orden n del sistema; las componentes no nulas a , i,j 1,2,...,n
i j
de la matriz A; las
componentes b , i 1,2,...,n
i
del vector de trminos independientes; las componentes
x0 , i 1,2,..., n
i
( )
X X 0
0
; una tolerancia Tol, y un nmero

~
X x , x ,..., x
1 2 n
T
o un mensaje.

Paso 1: Tomar k 1.

Paso 2: Mientras que k N , seguir los pasos 3-8:

Paso 3: Tomar x
b a x
a
j j
j
n
1
1 1
2
11
0
.

Paso 4: Para i 2,..., n 1 , tomar
x
i
i i j j
j
i
i j j
j i
n
i i
b a x a x
a
+

1
1
1
0

Paso 5: Tomar x
b a x
a
n
n n j j
j
n
n n
1
1
.

__________________________________________________________________________________

Paso 6: Si X X Tol < 0 , entonces salida: "Una solucin aproximada del sistema es
( )
~
X x , x ,..., x
1 2 n
T
". Terminar.


Paso 8: Para i 1,2,..., n , tomar x x
i i
0 .

Paso 9: Salida: "Se alcanz el nmero mximo de iteraciones N pero no la tolerancia". Terminar.

ANLISIS DE CONVERGENCIA

Al igual que en el mtodo de Jacobi, con el propsito de analizar la convergencia del mtodo de
Gauss-Seidel, veamos cul es la frmula vectorial de iteracin del mtodo de Gauss-Seidel
( ) ( )
X BX c
k k
+
1
,
k 12 , ,...

Multiplicando a ambos lados de la ecuacin (3.16) por a
i i
y asociando los k-simos trminos
iterados, obtenemos
( )
( )
( )
a x a x b
i j j
k
j
i
i j j
k
j i
n
i
+

+
1
1
1
(3.17)

Si D es la matriz diagonal cuya diagonal es la diagonal de A, L es la matriz triangular inferior
formada por la parte estrictamente inferior de A y U es la matriz triangular superior formada por
la parte estrictamente superior de A, como en el mtodo de Jacobi, entonces al poner a variar i de
1 a n en la ecuacin (3.17), obtenemos el sistema

( )
( ) ( )
D L X UX b
k k
+
1

o equivalentemente
( )
( )
( )
( )
X D L U
B
X D L b, k 1,2,...
k 1
G
k 1 1
+

1 2 4 3 4

siempre que la matriz D L (triangular inferior) sea invertible, o sea si a
i i
0 para cada
i 1,2,..., n .

La frmula anterior se conoce como frmula vectorial de iteracin del mtodo de Gauss-Seidel,
y la matriz
( )
B D L U
G

1
se llama matriz de iteracin del mtodo de Gauss-Seidel.

Al igual que en el mtodo de Jacobi, se tiene para el mtodo de Gauss-Seidel el siguiente
resultado, el cual puede ser consultado en Kincaid, 1972, pginas 189 y 190.

Teorema 3.9 Si la matriz A de coeficientes de un sistema AX b es E.D.D. por filas, entonces el
mtodo iterativo de Gauss-Seidel converge a la nica solucin X del sistema AX b , para
cualquier eleccin de
( )
X
0
.

__________________________________________________________________________________

Recurdese que segn el teorema 3.6: Si B
G
< 1 para alguna norma matricial inducida,
entonces la sucesin
( )
{ }
X
k
k
, k 0,1,... , obtenida en el mtodo de Gauss-Seidel, converge a la
nica solucin X del sistema X B X c
G
+ para cualquier
( )
X
n
0
R , y se tienen las cotas para el
error de truncamiento
( )
X X
k

Tambin se tiene, de acuerdo con el teorema 3.8, que: Para cualquier
( )
X
n
0
R , la sucesin
( )
{ }
X
k
k
, con
( ) ( )
X B X c, k 1,2,..., c 0
k
G
k 1
+

converge a la nica solucin X del sistema
( )
X B X c AX b
G
+ si y slo si
( )
B
G
< 1.

Ejemplo 3.10 Apliquemos el mtodo de Gauss-Seidel para resolver el sistema

2 1
3 0
3 3 5 4
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x

+
+ +
+ +
'

Este sistema es el mismo del ejemplo 3.8.

Como la matriz de coeficientes no es E.D.D. por filas, nada podemos decir todava acerca de la
convergencia del mtodo de Gauss-Seidel, as que debemos encontrar la matriz de iteracin del
mtodo de Gauss-Seidel, B
G
. Una forma de encontrarla es la siguiente:

Las frmulas escalares de iteracin del mtodo de Gauss-Seidel para el sistema dado, son
( )
( ) ( )
( ) ( ) ( )
( )
( ) ( )
x
x k
x
1
2
1
3
1
2 1 3
1
3
1 2
1
2
3 12
4 3 3
5
k
k k
k k k
k
k k
x x
x x
x x
'
,
, , ,...
,

Reemplazando
( )
x
k
1
en la frmula de iteracin para
( )
x
k
2
, obtenemos la siguiente expresin para
( )
x
k
2
, en trminos de
( ) ( )
x
k k
2
1
3
1
y x :
( )
( ) ( )
x
2
2
1
3
1
1 5
2
k
k k
x x

Ahora se reemplazan
( )
x
k
1
y la ltima expresin obtenida para
( )
x
k
2
, en la frmula de iteracin para
( )
x
k
3
, con lo cual se obtiene
( )
( )
x
3
3
1
4 9
5
k
k
x
+

As que, finalmente, se tiene el siguiente esquema de iteracin

__________________________________________________________________________________

( )
( ) ( )
( )
( ) ( )
( )
( )
x
x k
x
1
2
1
3
1
2
2
1
3
1
3
3
1
1
2
1 5
2
12
4 9
5
k
k k
k
k k
k
k
x x
x x
x
'
,
, , ,...
,

el cual escrito en forma vectorial es

( )
( )
( )
( )
( )
( )
( )
( )

k
x
x
x
X
B
x
x
x
X
c
k
k
k
k G
k
k
k
k
1
2
3
1
1
2
1
3
1
1
0
1
2
1
2
0
1
2
5
2
0 0
9
5
1
2
1
2
4
5
12
_
,
_
,
_
,
_
,
123
1 2 44 3 44
12 4 3 4
123
, , ,...

que constituye la frmula vectorial de iteracin del mtodo de Gauss-Seidel para el sistema dado.

Otra forma de obtener la matriz de iteracin B
G
, es a partir de su frmula ( )
B D L U
G

1
.

Como D L
_
,
2 0 0
1 1 0
3 3 5
, entonces ( ) D L
_
,
1
1
2
0 0
1
2
0
0
3
5
1
5

1

, y como U
_
,
0 1 1
0 0 3
0 0 0
, entonces
( ) B D L U
G

_
,
1
0
1
2
1
2
0
1
2
5
2
0 0
9
5

Como
B

G

> 3 1
(
B
1
G
> 1
), todava no podemos concluir acerca de la convergencia del
mtodo de Gauss-Seidel; pero como ( ) B Max
G

'
> , , 0
1
2
9
5
9
5
1, entonces el mtodo de
Gauss-Seidel diverge (recuerde que si una matriz es triangular superior o inferior, entonces los
valores propios de tal matriz son los nmeros que aparecen en su diagonal principal).

Observe que el nmero cero es siempre un valor propio de la matriz de iteracin B
G
, as que,
en particular, B
G
siempre es singular (no invertible).


__________________________________________________________________________________

BG(A): Simplifica en la matriz de iteracin, B
G
, del mtodo de Gauss-Seidel.

Una reordenacin del sistema dado, de modo que la matriz de coeficientes del sistema resultante,
sea lo ms cercana posible a una matriz E.D.D. por filas, es

2 1
3 3 5 4
3 0
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x

+
+ +
+ +
'

Las frmulas escalares de iteracin del mtodo de Gauss-Seidel para encontrar una aproximacin
de la solucin de este sistema reordenado, son

( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
x
x x
x
x x
x
x x
k
k k
k
k k
k
k k
1
2
1
3
1
2
1 3
1
3
1 2
1
2
4 3 5
3
12
3
'
,
, , ,...
,
k

Dado que
( ) D ,

1
3

y

_
,
_
,
_
,
L D L U
2 0 0
3 3 0
1 1 3
1
2
0 0
1
2
0
0
1
9
1
3
0 1 1
0 0 5
0 0 0
1

entonces
( ) B D L U
G

_
,
1
0
1
2
1
2
0
1
2
7
6
0 0
5
9

Como B

G

> 1 ( B
1
G
> 1), todava no podemos concluir sobre la convergencia del mtodo de
Gauss-Seidel, pero como
( )
B Max
G

'
< , , 0
1
2
5
9
5
9
1 , entonces el mtodo de Gauss-
Seidel converge a la nica solucin del sistema dado, cualquiera sea la aproximacin inicial.

Si usamos el mtodo de Gauss-Seidel con aproximacin inicial
( )
( )
X
T 0
0 0 0 , , y criterio de
aproximacin
( ) ( )
X ,

k k
X <
1
001 . se obtienen los siguientes resultados:

( )
( )
( )
( )
( )
( )
( )
( )
X
X X X
T T
T T
1 2
12 13
50000 18333 44444 63889 14352 69136
99858 19988 99914 99898 19996 99952

. . . . . .
. . . . . .
~
, , , X , , ,...
, , , X , ,

__________________________________________________________________________________

Aqu k 13 es el menor nmero de iteraciones para el cual se satisface
( ) ( )
X

k k
X <
1
001 .
.
Al igual que en el ejemplo 3.8, nos podemos preguntar por la calidad de la solucin aproximada
obtenida
( )
X
13
(ejercicio!).


G_SEIDEL(
A b ,
,
( )
X
0
,
N
): aproXima las primeras N iteraciones en el mtodo de Gauss-Seidel
aplicado al sistema AX b , tomando como aproximacin inicial
( )
X
0
. Para el ejemplo, aproXime la
expresin G_SEIDEL( [ ] [ ] [ ] [ ] [ ] [ ]
2 1 1 3 3 5 1 1 3 1 4 0 0 0 0 13 , , , , , , , , , , , , , , ,
).

Ejemplo 3.11 Si aplicamos el mtodo de Gauss-Seidel para resolver el sistema

2 10 11
3 8 11
10 2 6
11 3 25
1 2 3
2 3 4
1 2 3
1 2 3 4
x x x
x x x
x x x
x x x x

+
+
+
+ +
'

(que es el mismo sistema del ejemplo 3.9), encontramos que la matriz de coeficientes de este
sistema no es E.D.D. por filas, as que para estudiar la convergencia del mtodo de Gauss-Seidel
debemos considerar la matriz de iteracin B
G
.
Se puede ver que
( )
B

G
D L U
_
,
1
0
1
2
5 0
0 0
1
3
8
3
0
5
2
151
6
4
3
0
2
3
11
2
28
3

y como B

G

> 1 ( B
1
G
> 1 ), entonces por ahora nada podemos afirmar acerca de la
convergencia del mtodo de Gauss-Seidel; pero se puede ver que la ecuacin caracterstica de la
matriz de iteracin B
G
, es

4 3 2
621
18
4343
18
0 +

cuyas races son
12
0
,
(es decir, 0 es raz doble),
3 4
24 7523 9 74768 . . , . Por lo
tanto
( )
B
G
>1
, lo que implica que el mtodo de Gauss-Seidel diverge.

Si reordenamos el sistema de modo que la matriz de coeficientes del nuevo sistema equivalente
sea lo ms cercana posible a una matriz E.D.D. por filas, obtenemos el sistema

__________________________________________________________________________________

x

10 2 6
11 3 25
2 10 11
3 8 11
1 2 3
1 2 3 4
1 2 3
2 3 4
x x x
x x x
x x x
x x x
+
+ +
+
+
'

cuya matriz de coeficientes es E.D.D. por filas. As que el mtodo de Gauss-Seidel converge a la
nica solucin del sistema dado, cualquiera sea la aproximacin inicial y se tienen cotas para el
error de truncamiento
( )
X X
k
, segn el teorema 3.9. Si iteramos con el mtodo de Gauss-
Seidel, empezando con
( )
( )
X
T 0
0 0 0 0 , , , y usando como criterio de aproximacin
( ) ( )
X

k k
X <
1
001 . , se obtienen los siguientes resultados:

( )
( )
( )
( )
( )
( )
X , , ,
X , , ,

X , , ,
1
2
5
60000 2 3273 98727 2 3711
10302 2 9233 10137 2 5980
11038 2 9964 10211 2 6263

. . . .
. . . .
. . . .
~
T
T
T
X X
M

Si comparamos los resultados de los ejemplos 3.8 y 3.9, obtenidos por el mtodo de Jacobi, con
los obtenidos en los ejemplos 3.10 y 3.11 por el mtodo de Gauss-Seidel, vemos que el mtodo de
Gauss-Seidel es de convergencia ms rpida; esto es lo que generalmente ocurre cuando ambos
mtodos convergen. Anotamos que hay sistemas lineales para los cuales un mtodo converge y el
otro diverge.

3.8.3 Mtodo SOR (Successive Over-Relaxation): Este mtodo fue ideado para acelerar la
convergencia del mtodo de Gauss-Seidel. La idea del mtodo es que para producir un nuevo
valor
( )
x
i
k
se ponderan los valores
( )
x
i
k
actual, obtenido por Gauss-Seidel, y
( )
x
i
k1
anterior, como
se indica a continuacin:

Dada una aproximacin inicial
( )
X
0
y calculada la aproximacin
( ) ( ) ( ) ( ) ( )
X
k
T

_
,
1
x , x ,..., x ,..., x
1
k 1
2
k 1
i
k 1
n
k 1
, se calcula la aproximacin siguiente
( ) ( ) ( ) ( ) ( )
X x
k
T
_
,
1
k
2
k
i
k
n
k
, x ,..., x ,..., x
, de acuerdo con las frmulas siguientes:

( )
( )
( )
( )
x
1 1
1
1 1
1
2
11
1
k k
j j
k
j
n
w x w
b a x
a
+
_
,

para i 2,...,n 1:

__________________________________________________________________________________

( )
( )
( )
( ) ( )
x
i
k
i
k
i i j j
k
i j j
k
j i
n
j
i
i i
w x w
b a x a x
a
+

_
,

1
1
1
1 1
1
(3.18)

y

( )
( )
( )
( )
x
n
k
n
k
n n j j
k
j
n
n n
w x w
b a x
a
+
_
,
1
1 1
1

donde w es un parmetro, llamado de aceleracin. Ms adelante mostraremos que la variacin de
w debe ser 0 2 < < w , para que el mtodo pueda converger.

Las frmulas anteriores son llamadas frmulas escalares de iteracin del mtodo SOR.

Para 0 1 < < w el mtodo se denomina de sub-relajacin y se puede usar para obtener
convergencia en algunos sistemas para los cuales el mtodo de Gauss-Seidel no es convergente.

Para 1 2 < < w el mtodo se denomina de sobre-relajacin y se puede usar para acelerar la
convergencia en algunos sistemas que son convergentes por el mtodo de Gauss-Seidel.

Observe que si w 1, el mtodo se convierte en el mtodo de Gauss-Seidel.

La escogencia del valor ptimo de w se hace de modo que
( )
B
w
sea mnimo, donde B
w
es la
matriz de iteracin del mtodo SOR.

Se puede obtener, siguiendo la misma idea que se us en el mtodo de Gauss-Seidel, la frmula
vectorial de iteracin del mtodo SOR:

( )
( ) ( )
[ ]
( )
( ) X
k
w
k
D wL w D wU
B
X w D wL b + +
1 1 1
1
1 2 44444 3 44444 (3.19)

donde D, L y U son matrices tales que
A D L U
, como en los mtodos de Jacobi y
Gauss-Seidel.

Dada la dificultad de obtener el w ptimo, a menudo se trabaja experimentando con distintos
valores de w.

La variacin del parmetro w, con 0 2 < < w , se debe al siguiente resultado:

Si a
ii
0 para cada i n 12 , ,..., , entonces ( ) B
w
w 1 .

En efecto:
__________________________________________________________________________________

( ) ( ) ( )
[ ]
{ }
( )
[ ]
( )
[ ]
det det
det det
B D wL w D wU
D wL w D wU
w
+
+
1
1
1
1

Pero
( )
[ ]
( )
det
det detD
D wL
D wL

1 1 1

y
( ) [ ] ( ) [ ] ( )
det det detD 1 1 1 + w D wU w D w
n

as que
( ) ( ) ( ) det
detD
detD B w w
w
n n

1
1 1

De otro lado, como ( ) det B ...
w

1 2 n
donde
1 2
, ,...,
n
son los valores propios de la matriz
B
w
, entonces

( )
[ ]
( ) ( ) B B w w
w
n
n n w
n n

1 2 1 2
1 1 ... ... det

y por tanto
( )
B
w
w 1 .

Como consecuencia del resultado anterior, si w 1 1, es decir, si w 2 o w 0 , entonces
( )
B
w
1 y entonces el mtodo SOR diverge, segn el teorema 3.8. Luego slo si 0 2 < < w
( w < 1 1), es posible que ( ) B
w
<1 y as el mtodo SOR posiblemente sea convergente.

En el siguiente teorema, cuya prueba puede consultarse en Ortega, 1990, pgina 123, se
establecen condiciones suficientes para la convergencia del mtodo SOR:

Teorema 3.10 Si A es una matriz real, simtrica y definida positiva, entonces el mtodo SOR
converge a la nica solucin X del sistema AX b para cualquier eleccin de la aproximacin
inicial
( )
X
n
0
R y cualquier valor de w con 0 2 < < w .

Tambin se tiene, como en los mtodos de Jacobi y Gauss-Seidel, que:

Si B
w
< 1 para alguna norma matricial inducida, entonces el mtodo SOR converge a la nica
solucin X del sistema X B X c ,
w
+ c 0, cualquiera sea la aproximacin inicial
( )
X
n
0
R , y se
tienen las cotas para el error de truncamiento
( )
X X
k

Para cualquier
( )
X
n
0
R , el mtodo SOR converge a la nica solucin X del sistema
X B X c ,
w
+ c 0 si y slo si ( ) B
w
< 1 .

Algoritmo 3.6 (Mtodo SOR) Para encontrar una solucin aproximada
~
X de un sistema AX b
con A

invertible, b 0 y a
i i
0 para todo i 1,2,...,n , dado un valor del parmetro w con
0 2 < < w :
__________________________________________________________________________________

Entrada: El orden n del sistema; las componentes no nulas a , i, j 1,2,...,n
i j
de la matriz A; las
componentes b , i 1,2,..., n
i
del vector de trminos independientes b; las componentes
x0 , i 1,2,..., n
i
( )
X X 0
0
; un valor del parmetro w; una
tolerancia Tol, y un nmero mximo de iteraciones N.

~
X x ,..., x
1 n
T
o un mensaje.

Paso 1: Tomar k 1.

Paso 2: Mientras k N , seguir los pasos 3-8:

Paso 3: Tomar
( )
x w x w
b a x
a
j
j
n
1 1
1 1
2
11
1 0
0
+
_
,
j

Paso 4: Para i 2,..., n 1 , tomar

( )
x w x w
b a x a x
a
i i
i i j j i j j
j i
n
j
i
i i
+

_
,

1 0
0
1 1
1

Paso 5: Tomar
( )
x w x w
b a x
a
n n
n n j j
j
n
n n
+
_
,
1 0
1
1

Paso 6: Si X < X Tol 0 , entonces salida: "Una solucin aproximada es
( )
~
, ,..., X x x x
n
T
1 2
". Terminar.


Paso 8: Para i 1,2,..., n , tomar x x
i i
0 .

Paso 9: Salida: "Se alcanz el nmero mximo de iteraciones N pero no la tolerancia". Terminar.

Ejemplo 3.12 Consideremos el siguiente sistema de ecuaciones lineales

__________________________________________________________________________________

4 3 1
3 4 1
4 1
1 2
1 2 3
2 3
x x
x x x
x x
+
+
+
'

Como la matriz de coeficientes de este sistema es simtrica y definida positiva (verifquelo!),
entonces el mtodo SOR converge a la nica solucin del sistema dado, cualquiera sea la
aproximacin inicial y cualquiera sea w con 0 2 < < w , segn el teorema 3.10.
Si usamos
( )
( )
X
T 0
0 0 0 , , y criterio de aproximacin
( ) ( )
X

k k
X <
1
001 . , se obtienen los
siguientes resultados para distintos valores de w, siendo las frmulas escalares de iteracin del
mtodo SOR, en este caso, las siguientes:

( )
( )
( )
( )
( )
( )
( )
( ) ( )
( )
( )
( )
( )
x w x w
x
x w x w
x x
x w x w
x
w
k k
k
k k
k k
k k
k
1 1
1
2
1
2 2
1
1 3
1
3 3
1
2
1
1 3
4
1
1 3
4
1
1
4
12 0 2
+

_
,
+
+
_
,
+
+
_
,
'
< <
, , ,..., k

Como el mtodo de Gauss-Seidel converge, en este caso, podemos pensar en utilizar el mtodo
SOR para acelerar la convergencia del mtodo de Gauss-Seidel; as que tomaremos valores de w
con 1 2 < w .

Para w 10 . (Gauss-Seidel):

( )
( )
( )
( )
, ,

, ,
X
X X
T
T
1 2
13
3
25000 6 2500 10 26563
11546 10 33237 33309

. . .
. . .
M

Para w 12 . :
( )
( )
( )
( )
X , ,

X , ,
1 2
9
4
30000 3 0000 10 30900
3 5372 10 33310 33329

. . .
. . .
T
T
X
M

Para w 125 . :
( )
( )
( )
( )
X , ,

X , ,
1
2
8
5
31250 19531 10 31860
6 4330 10 33331 33333

. . .
. . .
T
T
X
M

Para w 13 . :
__________________________________________________________________________________

( )
( )
( )
( )
X , ,

X , ,
1 3
6 3
32500 8 1250 10 32764
12411 10 33427 33335

. . .
. . .
T
T
X
M

Para w 14 . :
( )
( )
( )
( )
X , ,

X , ,
1 2
8 4
35000 17500 10 34388
9 7704 10 33286 33315

. . .
. . .
T
T
X
M

Observando los resultados anteriores, se puede concluir que, para este ejemplo, el valor ptimo del
parmetro w debe estar cerca de 1.3, y para este valor de w la convergencia del mtodo SOR es
ms rpida.


BW(A,w): Simplifica en la matriz de iteracin, B
w
, del mtodo SOR.
SOR(A,b,w,
( )
X
0
,N): aproXima las primeras N iteraciones en el mtodo SOR aplicado al sistema
AX b , para el valor dado de w y tomando aproximacin inicial
( )
X
0
. Para el ejemplo, aproXime
la expresin SOR( [ ] [ ] [ ] [ ] [ ] [ ]
4 3 0 3 4 1 0 1 4 1 1 1 13 0 0 0 6 , , , , , , , , , , , , , , , , . ).

Ejemplo 3.13 Si aplicamos el mtodo SOR para resolver el sistema de ecuaciones lineales

10 2 6
11 3 25
2 10 11
3 8 11
1 2 3
1 2 3 4
1 2 3
2 3 4
x x x
x x x x
x x x
x x x

+
+ +
+
+
'

con
( )
( )
X
T 0
0 0 0 0 , , , y criterio de apr oximacin
( ) ( )
X

k k
X <
1
001 .
, se obtienen los siguientes
resultados:

Para w 15 . :
( )
( )
( )
( )
( )
( )
X
X
X X
T
T
T
1
2
13
90000 3 5318 13902 4 3098
13968 3 4072 86286 19859
11041 2 9965 10210 2 6260

. . . .
. . . .
. . . .
, , ,
, , ,

, , ,
M

Para w 18 . :
__________________________________________________________________________________

( )
( )
( )
( )
( )
( )
X
X
X X
T
T
T
1
2
42
10800 4 2676 16006 5 7158
15604 3 4762 63554 39176
11040 2 9967 10207 2 6262
, , ,
, , ,

, , ,

. . . .
. . . .
. . . .
M

Analice la convergencia del mtodo SOR en cada uno de los casos anteriores.

3.9 SOLUCIN NUMRICA DE SISTEMAS NO-LINEALES

Consideremos un sistema no-lineal

( )
( )
( )
f x , x ,..., x 0
f x , x ,..., x 0

f x , x ,..., x 0
1 1 2 n
2 1 2 n
n 1 2 n
'
M

donde para cada i 1,2,...,n ,

( ) ( )
f
X x x X y
i i i
n
n i
: ,
,..., f
1
D R D R

y alguna f
i
es no-lineal.

Si hacemos F
f
f
f
n
_
,
1
2
M
y ( ) X x , x ,..., x
1 2 n
, el sistema anterior puede ser escrito en la forma vectorial
( )
F X 0 con F
n n
: , D R D R .

El problema de hallar las soluciones reales de un sistema no-lineal es mucho ms difcil que el
problema de hallar las races reales de una sola ecuacin no-lineal (en una variable), y mucho ms
que el problema de resolver un sistema lineal de ecuaciones.

Aunque estudiaremos ciertos mtodos que convergen a una solucin, no existe un criterio general
para saber cuntas soluciones tiene un sistema no-lineal dado, e incluso es posible que el sistema
no tenga solucin, como ocurre con el siguiente sistema

xy
'
1
0 y

Un posible mtodo (directo) para resolver sistemas no-lineales de ecuaciones puede ser el de
reduccin de variables.

Por ejemplo, para el sistema
__________________________________________________________________________________

E x y
E
1
2 2
2
1
0
:
: xy
+
'

es claro que sus soluciones son ( ) 10 , , ( ) 01 , , ( ) 10 , y ( ) 0 1 , ; que son los puntos de interseccin, en
el plano xy , de la circunferencia unitaria x y
2 2
1 + con los ejes coordenados x 0 y y 0 . Ver
la FIGURA 3.1.

FIGURA 3.1

Una manera de resolver el sistema, en este caso, es la siguiente:

Despejando x de la ecuacin E
1
, obtenemos t E y
1
2
1 : x , y sustituyendo en la ecuacin E
2
,
obtenemos t
_
,
E y y
2
2
1 0 : . Si resolvemos la ecuacin E
2
para y, obtenemos y 0 , y 1 o
y 1. Sustituyendo en la ecuacin E
1
, los valores de y obtenidos, tenemos que: si y 0,
entonces x 1 1 o x , lo que produce las soluciones
( ) ( ) 1,0 y 1,0 ; y si y 1 o y 1,
entonces x 0 , lo que produce las soluciones ( ) ( ) 0,1 y , 1 . 0

En general, este mtodo no es fcil de aplicar, pues la eliminacin de variables puede ser muy
difcil incluso imposible de realizar.

Estudiaremos los mtodos iterativos de Punto Fijo y Newton-Raphson para aproximar soluciones
reales de sistemas no-lineales.

3.9.1 Iteracin de Punto Fijo para sistemas no-lineales: Dado un sistema no-lineal de n-
ecuaciones con n-incgnitas,
( ) F X 0 ( F
n n
: , D R D R ), el mtodo de Punto Fijo para
resolver este sistema consiste en transformar dicho sistema en otro equivalente (por lo menos en
forma local) del tipo
( )
X G X para alguna funcin G
n
: D R ,
D D
.

Por ejemplo, si tenemos un sistema de dos ecuaciones con dos incgnitas

__________________________________________________________________________________

( )
( )
( )
,
,
con F
f x y
f x y
F X
f
f
1
2
1
2
0
0
0
'
_
,
_
,

lo escribimos en la forma equivalente
( )
( )
( )
x g x y
y g x y
X G X
g
g
'
_
,
_
,
1
2
1
2
,
,
con G

(despejando, por ejemplo, si es posible, x de
( ) f x, y 0
1
e y de
( ) f x, y 0
2
).

La iteracin vectorial de punto fijo correspondiente

( ) ( )
( )
X G X
k k

1
, k 1,2,...
se convierte en

( ) ( ) ( )
( )
( ) ( ) ( )
( )

x
k
k
'

g x y
y g x y
k k
k k k
1
1 1
2
1 1
12
, ,
, ,....
, ,

que no es otra cosa que la iteracin de Jacobi para sistemas no-lineales.

Otra forma de iteracin vectorial de punto fijo es

( ) ( ) ( )
( )
( ) ( ) ( )
( )

x
k
k
'
g x y
y g x y
k k
k k k
1
1 1
2
1
12
, ,
, ,....
, ,

que usa el valor ya calculado
( )
x
k
, y que no es otra cosa que el mtodo de Gauss-Seidel para
sistemas no-lineales.

El siguiente teorema general, cuya demostracin puede ser consultada en Ortega, 1990, pgina
153, da condiciones suficientes (no necesarias) para la convergencia de la sucesin
( )
{ }
X
k
k

generada por la frmula de iteracin de Punto Fijo
( ) ( )
( )
X G X
k k

1
, k 1,2,...

Teorema 3.11 Sea ( )
{ }
D R x , x ,...., x a , ,2,...,
1 2 n
n
i i i
x b i n 1 para alguna coleccin de
constantes reales a b n
i i
, , , ,..., i 12 . Supongamos que G
n n
: R R con G
g
g
n
_
,
1
M , es tal que
( ) G D D , es decir, para todo X D, ( ) G X D ; y que para cada
j n 12 , ,...,
, g
j
y sus primeras
__________________________________________________________________________________

derivadas parciales
( )
g X
x
n
j
i
, , ,..., i 12 , son continuas en D. Entonces G tiene un punto fijo en
D.
Si, adems, existe una constante M, con 0 1 < M , tal que para cada i 1,2,...,n

( )
g X
x
M
n
j
i
, siempre que X D,
entonces G tiene un nico punto fijo PD y la sucesin
( )
{ }
X
k
k
definida por la iteracin
( ) ( )
( )
X G X
k k

1
, k 1,2,...
converge al punto fijo P , cualquiera sea la escogencia de
( )
X
0
D, y se tiene la siguiente cota de
error
( ) ( ) ( )
X P
M
M
X X
k
k

1
1 0

Ejemplo 3.14 Consideremos el siguiente sistema no-lineal

( )
( )
( )
( )

,
,
x x y f x y x x y
xy x y f x y xy x y
2 2
1
2 2
2
2
2
10 8 0 10 8
10 8 0 10 8
+ + + +
+ + + +
'

Las grficas de x x y
2 2
10 8 0 + + y xy x y
2
10 8 0 + + , en un mismo plano coordenado, se
muestran en la FIGURA 3.2.

Observando la FIGURA 3.2 vemos que el sistema dado tiene nicamente dos soluciones reales.
Para encontrar estas soluciones por el mtodo de Punto Fijo, empezamos por transformar el
sistema dado en otro equivalente de la forma ( ) X G X . Uno de esos sistemas es

( )
( )

,
,
x
x y
g x y
x y
y
xy x
g x y
xy x
+ +
+ +
_
,
+ +
+ +
_
,
'
2 2
1
2 2
2
2
2
8
10
8
10
8
10
8
10

(Para obtener el sistema equivalente se despejaron las variables x e y de las ecuaciones
( ) f x y
1
0 , y ( ) f x, y 0
2
, respectivamente, de aquellas posiciones donde llas eran dominantes, de
acuerdo con la solucin buscada).

Observe que G
g
g
_
,
1
2
es tal que:
g
1 2
y g
son continuas en todo R
2
, porque son polinmicas.

( ) ( )
g X
x
x
X
x
y
1
2
2
10
1
10

+
,
g
2
2
.

__________________________________________________________________________________

( ) ( )
g X
y
y
X
y
xy
1
2
10
2
10
,
g
2
2
.

FIGURA 3.2

Ahora,
0 15 0 2 25
2 2
x y x y , , . .
+ 0 4 5
2 2
x y .
0
8
10
4 5 8
10
12 5
10
125 15
2 2
+ +
+

x y . .
. .
Tambin,
( )( )
0 x, y 15 0 xy x 15 2 25 15 4 875
2
+ + . . . . .
0
8
10
4 875 8
10
12 875
10
12875 15
2
+ +
+

xy x . .
. .

Luego si ( )
{ }
D R x y x y , ,
2
0 15 . , entonces ( ) G D D , as que G satisface las hiptesis
del teorema 3.11 en D, y por lo tanto G tiene por lo menos un punto fijo en D.

Ahora, si X D,
( )

g X
x
x
1
5
15
5
3
.
.
( )

g X
y
y
1
5
3 .
__________________________________________________________________________________

( )

g X
x
y
2
2
1
10
3 25
10
325
+

.
.
( )
g X
y
xy
2
2
10
4 5
10
45
.
.

Escogiendo M de modo que
M
2
45 . , es decir, escogiendo M .90 tendremos que 0 1 < M , y
para cada X D,

( )
g X
x
M
j
2
y
( )
g X
y
M
j
j

2
12 , ,

En consecuencia, G tiene un nico punto fijo P D y cualquiera sea
( )
X
0
D, la sucesin
( )
{ }
X
k
k
, con
( ) ( )
( )
X G X
k k

1
, k 1,2,... converge a P.

Si al sistema dado le aplicamos la iteracin funcional de Punto Fijo

( )
( )
( )
( )
( )
( ) ( ) ( )
( )
x
x y
x g x y
k
k k
k k k
+ +
_
,

1
2
1
2
1
1 1
8
10
,
( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
y
x y x
y g x y
k
k k k
k k k
+ +
_
,

1 1
2
1
2
1 1
8
10
,

empezando con
( )
( ) X
0
5 5 . . ,
y criterio de aproximacin
( ) ( )
X

k k
X <
1
001 .
, obtenemos los

k

( )
x
k

( )
y
k

( ) ( )
X X
k k
1

0 .5 .5
1 .85

.8625

.3625

2 .946641

.948232

.096641

3 .979527

.979781

.032886

4 .991944

.991984

.012417

5 .996799

.996805
4 855 10
3
.

6 .998723

.998724
1924 10
3
.

7 .999490

.999490
7 67 10
4
.

TABLA 3.1

Luego
( ) P . . 999490 999490 ,
.

__________________________________________________________________________________


FIXED_POINT( ( ) ( )
[ ] [ ] [ ]
g x y g x y x y x y N
1 2 0 0
, , , , , , , ,
): aproXima las primeras Niteraciones en el mtodo
de Punto Fijo aplicado al sistema no-lineal
( )
( )
x g x y
y g x y
'
1
2
,
,
, tomando como aproximacin inicial el
punto
( ) x y
0 0
, . Para el ejemplo, aproXime la expresin
FIXED_POINT(
[ ] [ ]
x y xy x
x y
2 2 2
8
10
8
10
0 5 0 5 7
+ + + +
1
]
1
1
, , , , , , . . ).

Usando la cota de error dada por el teorema 3.11 con M .90 , obtenemos

( )
( )
( )

X P
7
7
9
1 9
3625 173
.
.
. .

la cual no indica la precisin real de
( )
X
7
con respecto a P, pues como el lector puede verificar
fcilmente,
( ) P 11 ,
y realmente
( )
X P
7
4
5 1 10

. .

Si usamos las frmulas de iteracin del mtodo de Gauss-Seidel

( )
( )
( )
( )
( )
( ) ( ) ( )
( )
x
x y
x g x y
k
k k
k k k
+ +
_
,

1
2
1
2
1
1 1
8
10
,
( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
y
x y x
y g x y
k
k k k
k k k
+ +
_
,
1
2
2
1
8
10
,

con
( )
( )
X
0
5 5 . . , y criterio de aproximacin
( ) ( )
X

k k
X <
1
001 .
, se obtienen los resultados de
la TABLA 3.2 siguiente.

k
( )
x
k

( )
y
k

( ) ( )
X X
k k
1

0 .5

.5

1 .85

.90625

.40625

2 .954379

.973820

.104379

3 .985916

.992089

.031537

4 .995627

.997556
9 711 10
3
.

5 .998639

.999240
3 012 10
3
.

6 .999576

.999763
9 37 10
4
.

TABLA 3.2
Observe que
( )
X P
6
4
4 24 10

. , lo que asegura una precisin en la aproximacin de P de
tres cifras decimales exactas. Como ejercicio haga un anlisis similar para encontrar una
aproximacin de la otra solucin del sistema dado.

__________________________________________________________________________________

3.9.2 Mtodo de Newton-Raphson para sistemas no-lineales: Consideremos un sistema no-
lineal de dos ecuaciones con dos incgnitas

( )
( )
( )
,
,
, con F
f x y
f x y
F x y
f
f
1
2
1
2
0
0
0
'
_
,
_
,

y sea ( )
1 2
, una raz de ( ) F X 0 con ( ) X x y , .

Supongamos que conocemos una aproximacin
( ) ( ) ( )
( )
X x y
k k k
, de . Para generar la
aproximacin siguiente
( ) ( ) ( )
( )
X x , y
k 1 k 1 k 1 + + +
, mediante el mtodo de Newton-Raphson,
procedemos como se indica a continuacin:

Si las funciones ( ) f x y
1
, y ( ) f x y
2
, y todas sus derivadas parciales de orden menor o igual que dos
son continuas en una vecindad de
( )
X
k
, entonces para
( ) ( )
( )
x y
k k + + 1 1
, en esa vecindad se tiene

( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( )
( ) ( )
( )
( ) ( )
( )
( )
( ) ( )
( )
( )
f , , ,

,
, ,

1
1 1
1
1
1
1
1
1
2
2
1
2
1 1
2
1
1
2
2
1
2
1
2
2
x y f x y x x
f
x
x y y y
f
y
x y
x x
f
x
x x y y
f
x y
y y
f
y
k k k k k k k k k k k k
k k k k k k
k k
+ + + +
+ + +
+
+ +
+
+
+
1
]
1
1
,

con entre
( )
x
k
y
( )
x
k+1
, y entre
( )
y
k
y
( )
y
k+1
.

Si suponemos que
( ) ( )
( )
f x y
k k
1
1 1
0
+ +
, y que el residuo

( ) ( )
( )
( ) ( )
( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( )
R f x y x x
f
x
x x y y
f
x y
y y
f
y
k k k k k k k k
k k
2 1
1 1 1
2
1
2
1 1
2
1
1
2
2
1
2
1
2
2
0
, , ,
,
+ + + + +
+

+
+
1
]
1
1

obtenemos
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
0
1
1
1
1
1
+ +
+ +
f x y x x
f
x
x y y y
f
y
x y
k k k k k k k k k k
, , ,
(3.20)
Al trabajar, de manera similar, con
( )
f x y
2
, obtenemos

( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
0
2
1
2
1
2
+ +
+ +
f x y x x
f
x
x y y y
f
y
x y
k k k k k k k k k k
, , ,
(3.21)

__________________________________________________________________________________

Si las cuasi-igualdades (3.20) y (3.21) las manejamos como igualdades y las escribimos en forma
matricial, obtenemos el siguiente sistema de dos ecuaciones lineales en las dos incgnitas
( ) ( )
x
k k + + 1 1
, y :
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )

, ,
, ,
,
,
f
x
x y
f
y
x y
f
x
x y
f
y
x y
J X
x x
y y
X X
f x y
f x y
F X
k k k k
k k k k
k
k k
k k
k k
k k
k k
k
1 1
2 2
1
1
1
1
2
_
,
_
,
_
,
_
,
_
,
_
,
_
,
+
+
+
1 2 444444 3 444444
1 2 44 3 44
1 2 44 3 44

La matriz
( )
( )
J X
k
, en la ecuacin anterior, se denomina matriz Jacobiana del sistema.
Despejando
( )
( )
x
y
k
k
+
+
_
,
1
1
, siempre que
( )
( )
J X
k
1
]
1
1
exista, obtenemos

( )
( )
( )
( )
( )
( )
( )
( )
x
y
x
y
J X F X
k
k
k
k
k k
+
+
_
,
_
,
1
]
1
1
1
1

o sea
( ) ( ) ( )
( )
( )
( )
X , k 0,1,...
k k k k
X J X F X
+

1
]
1

1
1

la cual es la frmula vectorial de iteracin del mtodo de Newton-Raphson para el sistema no-
lineal
( ) F X 0 (compare esta frmula con la frmula de iteracion del mtodo de Newton-Raphson
obtenida en el captulo 2).

Para implementar este mtodo no es necesario, ni conveniente calcular
( )
( )
J X
k
1
]
1
1
; se recomienda
el siguiente algoritmo:

Dada una aproximacin inicial
( )
X
0
, una tolerancia
> 0
, y un nmero mximo de iteraciones N;
para k N 01 , ,..., , hacemos:

Paso 1: Definimos
( ) ( ) ( )
Z X X
k k k + +

1 1

Paso 2: Resolvemos, para
( )
Z
k+1
, el sistema lineal

( )
( )
( ) ( )
( )
J X Z F X
k k k +

1

Paso 3: calculamos
( ) ( ) ( )
X Z X
k k k + +
+
1 1
.

Paso 4: Si
( ) ( ) ( )
Z X X
k k k + +
<
1 1
para alguna norma vectorial . , entonces
( )
X
k+1
es una
aproximacin de una solucin del sistema ( ) F X 0 . De lo contrario se vuelve a iterar.

Ejemplo 3.15 Si usamos el mtodo de Newton-Raphson para resolver el siguiente sistema de
ecuaciones no-lineales
__________________________________________________________________________________

x x y
xy x y
2 2
2
10 8 0
10 8 0
+ +
+ +
'

que es el mismo del ejemplo 3.14, obtenemos los resultados que aparecen en las TABLAS 3.3 y
3.4, donde se us como criterio de aproximacin
( ) ( )
X X
k k
<
1
001

. .

k
( )
x
k

( )
y
k

( ) ( )
X

k k
X

1

0 .5 .5
1 .937685

.939169

.439169

2 .998694

.998388

.061009

3 .999999

.999999
1611 10
3
.

4 100000 .

100000 .
10 10
6
.

TABLA 3.3


NEWTONS( ( ) ( )
[ ] [ ] [ ]
f x y f x y x y x y N
1 2 0 0
, , , , , , , , ): aproXima las primeras N iteraciones del mtodo de
Newton-Raphson aplicado al sistema no-lineal
( )
( )
f x y
f x y
1
2
0
0
,
,

'
, tomando como aproximacin inicial el

punto
( )
x y
0 0
, . Para el ejemplo, aproXime la expresin
NEWTONS(
[ ]
[ ] [ ]
x x y xy x y x y
2 2 2
10 8 10 8 0 5 0 5 4 + + + + , , , , , , . . ).

De acuerdo con los resultados de la TABLA 3.3, se tiene que
( )
( ) ( ) X X
4
100000 100000 11 . . , ,
.

k
( )
x
k

( )
y
k

( ) ( )
X

k k
X

1

0 2 0 .

3 0 .

1 219444 .

302778 .

.19444

2 219345 .

3 02048 .
7 3 10
3
.

3 219344 .

3 02047 .
2 0 10
5
.

TABLA 3.4
De acuerdo con los resultados que aparecen en la TABLA 3.4, se tiene que
( )
( )
X
3
219344 3 02047 . . , es una aproximacin de la otra solucin del sistema dado.

Veamos como se calcula la primera iteracin
( )
( )
X
1
219444 3 02778 . . , , que aparece en la TABLA
3.4, usando el mtodo de Newton-Raphson:

Primero que todo, sean ( ) ( )
f x y x x y x y xy x y
1
2 2
2
2
10 8 10 8 , , f , + + + + . Entonces

( ) ( )
f
x
x y x
f
y
x y y
1 1
2 10 2 , , ,

__________________________________________________________________________________

( ) ( )
f
x
x y y
f
y
x y xy
2 2 2
1 2 10 , , , +

Es claro que las funciones ( ) ( ) f x y x y
1 2
, , , f y sus derivadas parciales de orden menor o igual que
dos son continuas en todo R
2
, por ser polinmicas.

Para calcular la primera iteracin
( )
( )
( )
X
x
y
1
1
1
_
,
, siguiendo los pasos en el algoritmo anterior,

procedemos as:

Definimos
( ) ( ) ( )
Z X X
1 1 0
( k 0 ), y resolvemos el sistema lineal

( )
( )
( ) ( )
( )
J X Z F X
0 1 0

En este sistema
( )
( )
( )
( )
( )
( )
F X
f X
f X
0
1
0
2
0
_
,

siendo
( )
( )
( )
( )
( )
( )
f X f X f
1
0
1 2
0
2
2 0 10 2 0 0 2 . . . . , 3 0 , f , 3 .

y

( )
( )
( ) ( )
( ) ( )
J X
f
x
f
y
f
x
f
y
0
1 1
2 2
2 0 3 0 2 0 3 0
2 0 3 0 2 0 3 0
6 6
10 2
_
,
_
,
. . . .
. . . .
, ,
, ,

Luego el sistema a resolver es
( )
( )

_
,
_
,
_
,
6 6
10 2
1
2
1
1
2
1
z
z

La solucin nica de este sistema es
( )
( )
z
z
1
1
2
1
1
72
2 6
10 6
1
2
1
36
7
1
_
,
_
,
_
,

_
,

Entonces
( ) ( ) ( )
X Z X
1 1 0
1
36
7
1
2
3
1
36
79
109
219444
3 02778
+

_
,
+

_
,

_
,

_
,
.
.

Procediendo de manera similar se obtienen
( ) ( )
X
2 3
y X .

Ejemplo 3.15 Consideremos el sistema no-lineal

__________________________________________________________________________________

x y x
x y y
2 2
2 2
0
0
+

'

Las grficas de las ecuaciones
x y x
2 2
0 +
y
x y y
2 2
0
( ( )
f x y x y x
1
2 2
, + ,
( )
f x y x y y
2
2 2
, ), se muestran en la FIGURA 3.3 siguiente.

FIGURA 3.3

Por simple inspeccin sobre el sistema dado, u observando la FIGURA 3.3, se ve que ( ) 0,0 es una
solucin del sistema, y que el sistema dado solamente tiene dos soluciones reales.

Si usamos el mtodo de Newton-Raphson para encontrar la solucin no nula del sistema dado, con
criterio de aproximacin
( ) ( )
X X
k k
<
1
3
10

, se obtiene como solucin aproximada
( )
( )
X
4
771845 419643 . . , tomando como aproximacin inicial
( )
( )
X
0
10 5 . . , ; si tomamos
aproximacin inicial
( )
( )
X
0
10 10 . . , , se obtiene la solucin aproximada
( )
( ) X
4
771845 419644 . . , ,
y si tomamos aproximacin inicial
( )
( )
X
0
5 5 . . , , obtenemos la solucin aproximada
( )
( )
X
5
771845 419643 . . , .

Como una aplicacin del mtodo de Newton-Raphson para sistemas no-lineales, tenemos el
mtodo de Bairstow para encontrar ceros complejos de funciones polinmicas, mtodo al cual
nos referiremos a continuacin.

3.10 CEROS COMPLEJOS DE POLINOMIOS: MTODO DE BAIRSTOW
__________________________________________________________________________________

Para hallar una raz compleja de una ecuacin polinmica con coeficientes reales puede utilizarse
el mtodo de Newton-Raphson con una aproximacin inicial compleja y aritmtica compleja. Otra
forma de enfocar el problema de las races complejas de una ecuacin polinmica con coeficientes
reales se basa en el hecho de que si z a bi + es un cero complejo de multiplicidad m de un
polinomio ( )
p x
, entonces su conjugado z a bi es tambin un cero de multiplicidad m de
( )
p x y
( )
x ax a b
m
2 2 2
2 + + es un factor de
( )
p x . Es decir, las races complejas de ecuaciones
polinmicas con coeficientes reales se producen en pares conjugados y por sto, se debe buscar
un factor cuadrtico, ms que lineal, del polinomio. Esta es la base del mtodo de Bairstow, el
cual nos permitir encontrar races reales o complejas de una ecuacin polinmica con coeficientes
reales, realizando nicamente aritmtica real. A continuacin describimos este mtodo:

Dado un polinomio con coeficientes reales

( )
p x a a x a x + + + +
0 1 2
2
2 ... a x , a 0, n
n
n
n
(3.22)

El algoritmo de la divisin de Euclides nos permite expresarlo en la forma

( )
( )
( ) ( ) p x x ux v q x r x u s + +
2
(3.23)

donde u y v son constantes reales,
( )
q x es un polinomio de grado n 2 con coeficientes
reales,
( )
q x b b x b x
n
n
+ + +

0 1 2
2
...
(3.24)

y ( ) r x u s + es un residuo lineal con coeficientes reales r y s.

Las expresiones ( )
x ux v y r x u s
2
+ han sido escritas as para simplificar los clculos
posteriores.

El objetivo es encontrar u y v tales que x ux v
2
sea un factor cuadrtico de ( ) p x
.

Al sustituir (3.24) en (3.23), se obtiene

( )
( )
( ) ( ) p x x ux v q x r x u s + +
2

( )( )
( )
+ + + + + + +

x ux v b b x b x b x b x r x u s
n
n
n
n 2
0 1 2
2
3
3
2
2
...
(3.25)
( ) ( ) ( )
+ + + + + vb ru s ub vb r x b ub vb x
0 0 1 0 1 2
2
...

( ) ( )
+ + +

b ub vb x b ub x b x
n n n
n
n n
n
n
n
4 3 2
2
3 2
1
2

Igualando (3.22) y (3.25), obtenemos

__________________________________________________________________________________

a

a
a
a
a
n n
n n n
n n n n
n n n n
b
a b ub
a b ub vb
a b ub vb
b ub vb
b ub vb
r ub vb
s ur vb
'

2
1 3 2
2 4 3 2
3 5 4 3
3 1 2 3
2 0 1 2
1 0 1
0 0
M

igualdades que pueden escribirse en la forma

b a
b a ub
b a ub vb
b a ub vb
a ub vb
a ub vb
r a ub vb
a ur vb
n n
n n n
n n n n
n n n n
+
+ +
+ +
+ +
+ +
+ +
+ +
'
2
3 1 2
4 2 3 2
5 3 4 3
1 3 2 3
0 2 1 2
1 0 1
0 0

b
b

s
M

(3.26)

Para que x u x v
2
sea un factor de ( ) p x , como queremos, es necesario que r 0 y s 0 , pero
r y s son funciones no-lineales de u y v (observe que b
0
y b
1
son funciones de u y v).

Debemos entonces resolver el sistema no-lineal

( ) ( ) ( )
( ) ( ) ( )
r u v f u v
s u v f u v
, ,
, ,

'
0 0
0 0
1
2
(3.27)

para las incgnitas u y v.

Usando el mtodo de Newton-Raphson para sistemas no-lineales, si

J
r r
s s
u v
u v
_
,

donde r s
u v u v
, r , s , son las derivadas parciales de r y s con respecto a u y v, respectivamente,
entonces en la k-sima iteracin (para determinar u y v), tenemos

__________________________________________________________________________________

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )

u
v
X
u
v
X
J X
r X
s X
F X
k
k
k
k
k
k
k
k
k
k
+
+
+
_
,
_
,
1
]
1
_
,
_
,
1
1
1
1
12 4 3 4 123
1 2 4 3 4
(3.28)

Aparentemente no se dispone de las derivadas parciales de r y s, por no conocerse una relacin
explcita para r y s; sin embargo, si usamos la relacin de recurrencia para a b u v r
j j
, , , , y s
dada en (3.26) y derivamos parcialmente con respecto a u, obtenemos

( ) b
n
u

2
0 , pues b a
n n

2
con
a
n

constante, y

( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
b b
b b u b
b b u b v b
b b u b v b
b u b v b
r ur v b
n
u
n
n
u
n n
u
n
u
n n
u
n
u
u u u
u
u u
u u
u

+
+ +
+ +
+ +
+ +
'
3 2
4 3 3
5 4 4 3
0 1 1 2
0 0 1
0

r
s
M

(3.29)

Si definimos
( )
c b
k k
u
2
, k n 1 2 ,n 2,..., , c r
u 1
y
c s
u 0

, las relaciones en (3.29) pueden
escribirse como sigue

c b
c b uc
c b uc vc
b uc vc
b uc vc
r uc vc
n n
n n n
n n n n
o

+
+ +
+ +
+ +
+ +
'
1 2
2 3 1
3 4 2 1
2 1 3 4
1 2 3
0 1 2

c
c
c
M

(3.30)

de modo que
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
J X
r X r X
s X s X
k
u
k
v
k
u
k
v
k
_
,

se convierte en
__________________________________________________________________________________

( )
( )
( ) ( )
( )
( ) ( )
( )
J X
c r X
c s X
k
k
v
k
k
v
k
_
,
1
0

donde
( ) ( )
c
k k
1 0
y c
son los valores de
c
1 0
y c
, obtenidos en las ecuaciones (3.30) en la iteracin
k-sima.

Para obtener expresiones para
( )
( )
( )
( )
r X X
v
k
v
k
y s ,
derivamos parcialmente las mismas
relaciones en (3.26) pero con respecto a v, con lo cual obtenemos

( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
b b
b u b b b u b
b u b b v b b u b v b
b u b b v b b u b v b
u b b v b b u b v b
ur b v b b ur v b
n
v
n
n
v
n
v
n n n
v
n
v
n
v
n n
v
n n
v
n
v
v v v v v
v
v v v v
v v
v
v
v

+ +
+ + + +
+ + + +
+ + + +
+ + + +
'
4 2
5 4 3 3 4
6 5 4 4 4 5 4
0 1 2 2 2 1 2
0 1 1 1 0 1
0 0 0 0

r
s
M

(3.31)

Si definimos ( ) d b
k k
v
3
,
k n 1 3 ,n 2,...,
, d r
v 2
y d s
v 1
, entonces las ecuaciones (3.31) se
convierten en

d b
d b ud
d b ud vd
b ud vd
b ud vd
b ud vd
n n
n n n
n n n n

+
+ +
+ +
+ +
+ +
'
1 2
2 3 1
3 4 2 1
3 2 4 5
2 1 3 4
1 0 2 3

d
d
d
M

(3.32)
de modo que
( )
( )
( ) ( )
( ) ( )
J X
c d
c d
k
k k
k k
_
,
1 2
0 1

Si observamos las ecuaciones (3.30) y (3.32), vemos que ellas producen los mismos valores para
k n 1 1 , n 2,..., , es decir, d c
k k
, k n 1 1 , n 2,..., ; por tanto (3.32) es redundante, y
( )
( )
J X
k

puede calcularse como
__________________________________________________________________________________

( )
( )
( ) ( )
( ) ( )
J X
c c
c c
k
k k
k k
_
,
1 2
0 1

Resumimos la discusin precedente en el siguiente algoritmo:

Algoritmo 3.7 (Mtodo de Bairstow) Para encontrar un factor cuadrtico x ux v
2
de un
polinomio con coeficientes reales

( ) p x a a x a x + + + +
0 1 2
2
2 ... a x , a 0, n
n
n
n

Entrada: El grado n

del polinomio ( ) p x ; los coeficientes a
n 0
, a ,...,a
1
del polinomio ( ) p x ; unas
aproximaciones iniciales u
0 0
, v de u y v, respectivamente; una tolerancia Tol, y un
nmero mximo de iteraciones N.

Salida: Un factor cuadrtico aproximado x ux v
2
del polinomio ( ) p x o un mensaje.

Paso 1: Hacer

b a
c
c a
n n
n
n n
0
1
(observe que se cambi la notacin de subndices)

Paso 2: Tomar i 1.

Paso 3: Mientras que i N seguir los pasos 4-10:

Paso 4: Hacer b a u b
n n n
+
1 1 0
.

Paso 5: Para k n 2,n 3,...,0 , hacer

b a u b v b
c b u c v c
k k k k
k k k k
+ +
+ +
+ +
+ + +
0 1 0 2
1 0 1 0 2

(con este cambio de subndices b r y b s
1 0
)

Paso 6: Hacer J c c c
0 2 1
2
(aqu J es igual a

_
,
det )
c c
c c
1 2
0 1
.

Paso 7: Hacer
u u
c b c b
J
v v
c b c b
J
1 0
1 1 2 0
1 0
1 0 0 1
+

+

(Se est usando la regla de Cramer para resolver el sistema)
__________________________________________________________________________________

Paso 8: Si b r b s
1 0
< < Tol y Tol , entonces : salida: "Un factor cuadrtico
aproximado del polinomio dado, y los correspondientes valores de r y s son:
x u x v
2
1 1
; r b , s b
1 0
". Terminar.

Paso 9: Tomar i i +1.

Paso 10: Hacer u u
v v
0 1
0 1

Terminar.

Ejemplo 3.16 Encontrar todas las races de la ecuacin x x x x
4 3 2
4 7 5 2 0 + , usando el
mtodo de Bairstow.

Solucin: Con un programa diseado siguiendo el algoritmo 3.7 anterior, se obtienen los
siguientes resultados:

Para las aproximaciones iniciales u
0
3 y v
0
4 , y una tolerancia Tol

10
10
, se obtiene en la
sptima iteracin que u 2 2756822037 3 6273650847 . . y v y los valores de r y s
correspondientes son r

5 7853028 10 11423154 10
16 15
. . y s .

Las races del factor cuadrtico aproximado x ux v
2
obtenido, son complejas conjugadas con
parte real 11378411018 . y parte imaginaria 15273122509 . , y si usamos Deflacin se obtiene el
polinomio reducido de grado dos

( )
q x x x
2
17243177963 5513644073 . .

cuyas races son x
1 2
2 0000000000 2756822037 . . y x .


BAIRSTOW( ( ) p x x u v N , , , ,
0 0 ): aproXima las primeras N iteraciones en el mtodo de Bairstow
aplicado al polinomio
( )
p x para obtener valores aproximados
u
N
y
v
N
de los coeficientes u y v de
un factor cuadrtico x ux v
2
del polinomio
( ) p x , tomando como aproximaciones iniciales
u
0
y
v
0
. Para este ejemplo, aproXime la expresin BAIRSTOW( x x x x x
4 3 2
4 7 5 2 3 4 7 + , , , , ).

Ejemplo 3.17 Encontrar todas las races de la ecuacin

( )
p x x x x x x x x + + +
7 6 5 4 3 2
28 322 1960 6769 13132 13068 5040 0

usando el mtodo de Bairstow.

__________________________________________________________________________________

Solucin: Si aplicamos el mtodo de Bairstow con Deflacin para hallar todas las races de la
ecuacin polinmica dada, se obtienen los resultados que aparecen a continuacin, usando como
tolerancia Tol

10
10
:

Para los valores iniciales u
0 0
2 3 y v , se obtiene en la octava iteracin u 4 0000000000 . ,
v 3 0000000000 . y los valores de r y s correspondientes son
r

18927082 10 3 6550318 10
11 11
. . y s . Las dos races del factor cuadrtico aproximado
obtenido son 3.00000000000, 1.0000000000 y el polinomio reducido ( ) q x
5
, de grado cinco, es
( )
q x x x x x x
5
5 4 3 2
24 223 996 2116 1680 + + .

Si aplicamos Deflacin, es decir, aplicamos el mtodo de Bairstow al polinomio reducido ( ) q x
5
, se
obtiene para los valores iniciales
u
0 0
3 5 y v
, en la dcima iteracin los valores de
u 8 00000000000 . , v 120000000000 . , r

14388490 10
13
. y s

9 1660013 10
13
. . Las
races del factor cuadrtico aproximado correspondiente son 6.0000000000 y 2.00000000000, y el
polinomio reducido, de grado tres, es ( ) q x x x x
3
3 2
16 83 140 + .

Al aplicar nuevamente Deflacin, para los valores iniciales u
0 0
8 30 y v , se obtiene en la
sptima iteracin u 9 0000000000 . , v 20 0000000000 . , r

86330942 10
13
. y
s

8 3950624 10
12
.
. Las races del factor cuadrtico correspondiente son 5.00000000000 y
4.0000000000, y el polinomio reducido de grado uno es ( ) q x x
1
7 , que nos lleva a obtener
como ltima raz aproximada de la ecuacin polinmica original el valor 7.0 .

Las races exactas de la ecuacin polinmica dada, son 1, 2, 3, 4, 5, 6 y 7.

TALLER 3.

1. Use el mtodo de eliminacin Gaussiana simple (sin pivoteo) con sustitucin regresiva y
aritmtica exacta para resolver, si es posible, los sistemas lineales AX b siguientes, y
encuentre matrices P de permutacin, L triangular inferior con sus elementos diagonales iguales
a 1 y U escalonada (triangular superior) tales que PA LU .

a)
x
x
1 2 3
1 2 3
1 2
3 2
3 3 1
3
+
+
+
'
x x
x x x
x

b)
x
x
x x
x
1 2 3
1 2 3 4
1 2
1 2 3 4
1
2
4
2 5
2
1
2
5
+
+
+
+ +
'
x x
x x x
x x x

2. Use el algoritmo 3.2 y aritmtica de precisin sencilla en un computador para resolver, si es
posible, los siguientes sistemas de ecuaciones

__________________________________________________________________________________

a)
1
4
1
5
1
6
9
1
3
1
4
1
5
8
1
2
2 8
1 2 3
1 2 3
1 2 3
x x x
x x x
x x
+ +
+ +
+ +
'
x

b)
x

1 2 3 4
1 2 3 4
1 2 3 4
1 2 3 4
1
2
1
3
1
4
1
6
1
2
1
3
1
4
1
5
1
7
1
3
1
4
1
5
1
6
1
8
1
4
1
5
1
6
1
7
1
9
+ + +
+ + +
+ + +
+ + +
'
x x x
x x x x
x x x x
x x x x

3. Resuelva los siguientes sistemas
AX b
por Eliminacin Gaussiana sin pivoteo. Chequee si A
tiene factorizacin LU con L triangular inferior con sus elementos diagonales iguales a 1 y U
escalonada (triangular superior).

a) A
_
,
_
,
1 1 1
1 2 2
2 1 1
1
0
1
, b b) A
_
,
_
,
4 3 2 1
3 4 3 2
2 3 4 3
1 2 3 4
1
1
1
1
, b =

4. Dados los cuatro sistemas de ecuaciones lineales
( )
AX b
1
,
( )
AX b
2
,
( )
AX b
3
y
( )
AX b
4
,
donde

( ) ( ) ( ) ( )
A
_
,
_
,
_
,
_
,
_
,
2 3 1
1 1 1
1 1 3
2
1
0
6
4
5
0
1
3
1
0
0
1 2 3 4
, b

, b , b

, b

a) Resuelva los sistemas lineales aplicando eliminacin Gaussiana a la matriz aumentada
( ) ( ) ( ) ( )
( )
A M b b b b
1 2 3 4
, y luego haciendo sustitucin regresiva.

b) Resuelva los sistemas lineales usando eliminacin Gaussiana para obtener matrices P, L y U
tales que PA LU , y luego siguiendo los pasos siguientes:
Paso1: Calcular
( )
Pb , i 1,2,3,4 .
i

Paso 2: Resolver, para
( )
c
i
,
( ) ( )
Lc Pb
i i
, i 1,2,3,4, por sustitucin progresiva.
Paso 3: Resolver, para
( )
X
i
,
( ) ( )
UX c
i i
, i 1,2,3,4 , por sustitucin regresiva.

c) Resuelva los sistemas lineales aplicando el mtodo de Gauss-Jordan a la matriz aumentada
de a).

d) Resuelva los sistemas lineales encontrando la inversa de la matriz A y calculando los
productos
( )
A b , i 1,2,3,4 .
1
i

e) Cul mtodo de los anteriores parece ser ms fcil? Cul mtodo de los anteriores requiere
ms operaciones?

__________________________________________________________________________________

5. Encontrar X X
y
2
para cada uno de los siguientes vectores:

a) X
T

_
,
3
3
2
, 4,0, b)
( ) X 2,1, 3,4
T

c)
( )
X
T
senk, cosk,2
k
, para un entero positivo fijo k.

6. a) Verificar que la funcin

.
1
definida en R
n
por

x X
i
i
n
1
1

es una norma vectorial.

b) Encontrar

X
1
para cada uno de los vectores dados en el ejercicio 5.

7. Demuestre que para todo X
n
R ,

X X X
2 1

y que las igualdades pueden ocurrir, an para vectores no nulos.

8. Demuestre que para todo
X
n
R ,

X n X
1

y

X n X
2

9. a) Encuentre A A A
2 1
, y
para cada una de las siguientes matrices

A

_
,
1 2
4 3
,
A

_
,
1 0 0
1 0 1
1 1 2

b) Calcule el radio espectral ( ) A para cada una de las matrices dadas en a).

10. Demuestre que si A es simtrica, entonces ( ) A A
2
.

11. Calcule ( ) ( ) Cond A A

y Cond

para cada una de las matrices dadas en el ejercicio 9.a).

12. Sea A
n n

R . Demuestre que
( ) ( )
Cond A Cond A para cualquier escalar R, 0.

__________________________________________________________________________________

13. a) Considere el sistema lineal
AX b
dado por

1 1
1 101
2
2 01
1
2
. .
_
,
_
,

_
,
x
x

y calcule su solucin exacta X .

b) Considere ahora el sistema perturbado
( )
A A X b + dado por

1 1
1 1011
2
2 01
1
2
. .
_
,
_
,

_
,
x
x

y calcule su solucin exacta
~
X .
c) Calcule
X
X

~
X
y comprela con la cota de error obtenida a partir del teorema 3.4. Es la
matriz A mal condicionada?

14. Considere el sistema

. . .
. . .
780 563 217
913 659 254
1 2
1 2
x x
x x
+
+
'

Calcule el vector error residual R AX b
~
, para las dos soluciones aproximadas
( ) ( )
~
. .
~
. . X X
T T
1 2
341 087 999 1001 , y , y concluya, a partir nicamente del tamao de estos
errores residuales, cul es la mejor aproximacin de la solucin del sistema. Verifique que la
solucin exacta del sistema es
( ) X 1, 1 .
T

15. El sistema
x y
x y

+
+
'
0
999999 1 .

tiene solucin exacta x 10 10
6 6
, y . Encuentre la solucin exacta del sistema

x y
x y
+
+
'
0
1000001 1 .

Comente ampliamente los resultados.

16. Considere las matrices

__________________________________________________________________________________

A , B

_
,
_
,
1 1
1 100001
1 1
1 100001 . .

Muestre que ( ) ( )
Cond A B

y Cond

1 4 10
5
. Muestre, sin embargo, que
( ) ( )
Cond A Cond B
2 2
. Concluya que ( ) Cond
. no es un buen nmero de condicin para

matrices no simtricas. Es A mal condicionada o bien condicionada?

17. La matriz de Hilbert
( )
( )
H h
n
i j
n n
definida por h
i j
i j

+

1
1
, 1 i, j n es un importante
ejemplo en el lgebra lineal numrica.

a) Encuentre la matriz
( )
H
4
, demuestre que
( )
[ ]
H
4
1
16 120 240 140
120 1200 2700 1680
240 2700 6480 4200
140 1680 4200 2800
_
,

y calcule
( )
( )
Cond H
4
.

b) Resuelva el sistema lineal
( )
H
x
x
x
x
4
1
2
3
4
1
0
0
1
_
,
_
,

usando aritmtica con redondeo a tres dgitos y compare el error real en la aproximacin
calculada con la cota de error dada en el teorema 3.3. Es la matriz
( )
H
4
mal condicionada?

18. Considere el sistema lineal

2
x

x x x
x x
x x x
1 2 3
1 2 3
1 2 3
2
3
1
3
1
2 0
6 2 2 2
+ +
+
+ +
'

y verifique que su solucin es x
1 2 3
2 6 3 8 5 0 . . . , x , x .

a) Usando aritmtica de punto flotante decimal con redondeo a cuatro dgitos, resuelva el
sistema anterior por el mtodo de eliminacin Gaussiana sin pivoteo.

b) Repita la parte a), usando pivoteo parcial y pivoteo escalado de fila.

c) Cul de las tres soluciones calculadas en a) y b) es la mejor? Explique.

__________________________________________________________________________________

19. a) Muestre todos los pasos intermedios, sto es, los multiplicadores, los factores de escala S
i
,
y el vector de intercambios p, al aplicar el pivoteo escalado de fila sobre la matriz siguiente:
A
_
,
1 2 3
3 5 1
2 4 2

b) Use la informacin de la parte a) para encontrar matrices P, L y U, correspondientes al
mtodo de pivoteo escalado de fila, tales que PA LU .

c) Use la factorizacin PA LU , para calcular det A.

20. Resuelva cada uno de los siguientes sistemas de ecuaciones lineales, usando aritmtica de
computador en precisin simple y eliminacin Gaussiana con: i) sin pivoteo, ii) pivoteo parcial,
iii) pivoteo escalado de fila.

a)

. . . .
. . . .
. . . .
2641 1735 8642 7521
8641 4243 0711 2501
9411 0175 1463 6310
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x
+ +
+
+ +
'

b)
x

1 2 3
1 2 3
1 2 3
1
2
1
3
2
1
2
1
3
1
4
1
1
3
1
4
1
5
0
+ +
+ +
+ +
'
x x
x x x
x x x

c)
x
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1
2
1
3
1
4
1
5
1
1
2
1
3
1
4
1
5
1
6
1
1
3
1
4
1
5
1
6
1
7
1
1
4
1
5
1
6
1
7
1
8
1
1
4
1
5
1
6
1
7
1
9
1
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
'
x x x x
x x x x x
x x x x x
x x x x x
x x x x x

En cada caso estime el nmero de condicin, relativo a la norma

.

, de la matriz de
coeficientes y concluya sobre el bien o mal condicionamiento de esta matriz, y si es posible,
sobre la bondad de la solucin calculada.

21. Determine cules de las siguientes matrices son
i) simtricas,
ii) singulares,
iii) estrictamente dominantes diagonalmente (E.D.D.) por filas,
__________________________________________________________________________________

iv) definidas positivas.

a)
2 1
1 3
_
,
b)
_
,
2 1
1 3

c)
2 1 0
0 3 2
1 2 4
_
,
d)

2 1 0
1 4 2
0 2 2
_
,

22. Defina la matriz tridiagonal de orden n
A
n

_
,

2 1 0 0
1 2 1 0
0 1 2 1
0 1 2
L
M M
L

a) Encuentre una frmula general para A LU
n
, con L triangular inferior con sus elementos
diagonales iguales a uno y U triangular superior.

b) Use la factorizacin obtenida en a) para resolver el sistema
A X b
n n
donde
( )
b
n
1,1,...,1
T
, para n 3, 4, 5, 6 .

c) Con base en la respuesta obtenida en a), muestre que la matriz
A
n
es invertible.

23. Pruebe que si A LL
T
con L
n n

R no singular, entonces A es simtrica y definida positiva.

24. Usando el mtodo de Choleski, encuentre la factorizacin A LL
T
para las siguientes matrices:

a) A
_
,
2 25 3 0 4 5
3 0 5 0 10 0
4 5 10 0 34 0
. . .
. . .
. . .

b) A

_
,

15 18 15 3
18 24 18 4
15 18 18 3
3 4 3 1

25. Considere la matriz
A

_
,
2 3
1 4
. Verifique que la matriz A no es estrictamente dominante
diagonalmente (por filas), pero que los mtodos iterativos de Jacobi y Gauss-Seidel, para
resolver cualquier sistema AX b , convergen.

26. Demuestre que para la matriz
A
_
,
1

1 0
1 1 0
1 2 3

las iteraciones de Jacobi convergen y las de Gauss-Seidel divergen.
__________________________________________________________________________________

2 4
2 4
2 4
x y z
y z
y z
+ +
+ +
+ +
'
x
x

a) Muestre que la matriz de coeficientes del sistema no es estrictamente dominante
diagonalmente (por filas).

b) Partiendo de
( )
( )
X
T 0
8 8 8 . . . , , , muestre que las iteraciones de Jacobi oscilan entre los
valores
( ) ( ) 121212 8 8 8 . . . . . . , , y , , .
T T

c) Muestre que las iteraciones de Gauss-Seidel convergen a la solucin ( )
X
T
1,1,1 ,
calculando iteraciones hasta que
( ) ( )
X .

k k
X <
1
3
10

28. Para cada uno de los siguientes sistemas de ecuaciones, explique si los mtodos iterativos de
Jacobi y Gauss-Seidel convergen o no. En los casos donde haya convergencia calcule las
iteraciones hasta que
( ) ( )
X

k k
X <
1
3
10 .

a)
2 1
6 3
2 1
1 2
1 2
2 3
x x
x
x x

x

+
+
+
'
b)
2 3 1
3 2 12
3 3 0
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x

+
+ +
+
'
c)
+ +
+
+
'
x x x
x x
x x x
1 2 3
1 2 3
1 2 3
2 3 0
4 6
2 3 2

x

d)
2 1
1
2 2
1 2 3
1 2
1 2 3
x x x
x
x x
+
+
+
'

x
x
e)
x x

x

1 2 4
1 2 3
1 3 4
1 2 3
2 0
3 4 2
3 1
2 1
+ +
+
+
+
'
x
x x x
x x
x x x

29. Para cada uno de los sistemas del ejercicio 28, si la matriz de coeficientes no es estrictamente
dominante diagonalmente (por filas), reordnelo de modo que el nuevo sistema equivalente
tenga matriz de coeficientes lo ms cercana posible a ser estrictamente dominante
diagonalmente (por filas) y estudie la convergencia o divergencia de los mtodos iterativos de
Jacobi y Gauss-Seidel para estos sistemas reordenados. En los casos donde haya
convergencia calcule las iteraciones hasta que
( ) ( )
X

k k
X <
1
3
10 .

30. Para cada uno de los sistemas reordenados del ejercicio 30, use el mtodo SOR con w 12 . ,
w . .8

__________________________________________________________________________________

31. Resuelva los siguientes sistemas de ecuaciones no-lineales usando el mtodo de Punto Fijo y
el mtodo de Newton-Raphson. En los casos donde haya convergencia del mtodo, calcule
las iteraciones hasta que
( ) ( )
X

k k
X <
1
3
10
. En cada caso haga una grfica que ilustre
cuntas soluciones reales tiene el sistema.

a)
x y
x y
2 2
3
4
0
+

'

b)
x
2 2
4
1

+
'

y
e xy
x
c)
4 0
4 1
2 2
2
x y
xy x

'

32. Use el mtodo de Newton-Raphson para aproximar un punto crtico de la funcin

( ) ( ) f x y x xy y , + + +
4
2
1

33. Considere el polinomio

( )
p x x x x x x + + 3 7 5 8 2
5 4 3 2

a) Haga una grfica que ilustre cuntas races reales tiene la ecuacin ( ) p x 0 .

b) Aplique el algoritmo 3.7 (mtodo de Bairstow) con punto inicial ( ) ( ) u , v 3,1
0 0
y
Tol

10
3
.
Una vez que haya encontrado un factor cuadrtico x ux v
2
, use Deflacin
para encontrar todas las races de la ecuacin ( ) p x 0 .

CAPTULO 4. INTERPOLACIN POLINOMIAL Y AJUSTE
POLINOMIAL
INTRODUCCIN
En este captulo trataremos bsicamente dos problemas, el primero de los cuales es el
siguiente:
Problema 1: Dados n +1 puntos de R
2
( ) ( ) ( )
n n 1 1 0 0
y , x ,..., y , x , y , x
en los cuales
n 1 0
x ,..., x , x son nmeros distintos, se quiere encontrar un polinomio ( ) p x
n
de
grado menor o igual que n tal que
( ) p x y , k 0,1,...,n
n k k

Probaremos que un tal polinomio ( ) p x
n
siempre existe y adems es nico. A tal polinomio
se le denomina polinomio de interpolacin, polinomio interpolante o polinomio de
colocacin para los puntos (datos) dados. En este contexto los nmeros
n 1 0
x ,..., x , x son
llamados nodos. Cuando n 1, es decir, slo tenemos dos puntos, el polinomio de
interpolacin correspondiente se denomina tambin polinomio de interpolacin lineal.
El caso de mayor inters para nosotros es aquel en el cual ( ) y f x
k k
siendo f una cierta
funcin de la que posiblemente no se conoce una frmula explcita, o bien es muy
complicada para evaluarla, derivarla, integrarla, hallarle ceros, etc. En este caso el polinomio
de interpolacin ( ) p x
n
puede usarse como aproximacin de la funcin f y, en particular, para
aproximar valores de la funcin f en puntos intermedios entre los nodos
n 1 0
x ,..., x , x . Nos
referiremos a esta manera de aproximar una funcin dada, mediante un polinomio de
interpolacin, como interpolacin polinomial; cuando usemos slo dos nodos, nos
referiremos a la correspondiente interpolacin como interpolacin lineal. En este contexto
el polinomio de interpolacin ( ) p x
n
se dir el polinomio que interpola a la funcin f en los
nodos
n 1 0
x ,..., x , x .
El otro problema a tratar es:
Problema 2: Dados n +1 puntos de R
2
( ) ( ) ( )
n n 1 1 0 0
y , x ,..., y , x , y , x
en los cuales
n 1 0
x ,..., x , x son nmeros distintos, y dado un entero no-negativo m, con
m n < , se trata de encontrar un polinomio
( ) p x a a x a x
m m
m
+ + +
0 1
...
184 MTODOS NUMRICOS
__________________________________________________________________________________
tal que la suma de cuadrados
( ) ( )
p x y
m k k
k
n
2
0
sea mnima.
El criterio mediante el cual se elige el polinomio ( ) p x
m
es conocido como criterio de los
mnimos cuadrados. Probaremos que tal polinomio ( ) p x
m
existe y es nico; se le
denomina polinomio de ajuste segn mnimos cuadrados para los datos dados. Ntese
que esta vez, a diferencia de lo que ocurre con el polinomio de colocacin, ( ) p x
m k
no
necesariamente es igual a y
k
para todo k n 01 , ,..., . El polinomio ( ) p x
m
lo que da es un
ajuste razonable a los datos dados.
Este tipo de aproximacin mediante el polinomio de ajuste ( ) p x
m
se conoce como ajuste
polinomial. Aunque el ajuste polinomial segn mnimos cuadrados es el caso ms usado,
tambin consideraremos el caso de ajuste exponencial, logartmico y de potencia segn
mnimos cuadrados.
4.1 INTERPOLACIN POLINOMIAL
Teorema 4.1 (existencia y unicidad del polinomio interpolante) Dados los n +1 puntos
( ) ( ) ( )
n n 1 1 0 0
y , x ,..., y , x , y , x de R
2
, con
n 1 0
x ,..., x , x nmeros distintos, existe un nico
polinomio
( ) p x a a x a x ... a x
n 0 1 2
2
n
n
+ + + +
de grado menor o igual que n, que interpola los puntos dados, es decir, tal que
( ) p x y , k 0,1,...,n
n k k

Demostracin: Existe un nico polinomio
( ) p x a a x a x a x
n n
n
+ + + +
0 1 2
2
...
tal que
( ) p x y , k 0,1,...,n
n k k

si y slo si existen nmeros reales nicos a a a a
n 0 1 2
, , ,..., tales que

a a x a x a x y
a a x a x a x y
a a x a x a x y
n
n
n
n
n n n n
n
n
0 1 0 2 0
2
0 0
0 1 1 2 1
2
1 1
0 1 2
2
+ + + +
+ + + +
+ + + +
'
...
...
...
!
Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 185
__________________________________________________________________________________
El sistema anterior, de n +1 ecuaciones lineales en las n +1 incgnitas a a a a
n 0 1 2
, , ,..., ,
escrito en forma matricial es

1
1
1
0 0
2
0
1 1
2
1
2
0
1
0
1
x x x
x x x
x x x
A
a
a
a
X
y
y
y
b
n
n
n n n
n
n n
"
"
! ! ! !
"
# $ %%%%%% & %%%%%%
!
#$ % & %
!
#$ % & %
_
,
_
,
_
,
Ahora bien, como

( )
det A
j i n

<
1
1
1
0 0
2
0
1 1
2
1
2
0
x x x
x x x
x x x
x x
n
n
n n n
n
i j
"
"
! ! ! !
"
entonces det A 0 (porque si i j , entonces x x
i j
), y por tanto el sistema en consideracin
tiene solucin nica. Esto prueba la existencia de un nico polinomio interpolante de grado
menor o igual que n para los n +1 datos dados.
Una forma de encontrar el polinomio interpolante para los puntos ( ) ( ) ( )
n n 1 1 0 0
y , x ,..., y , x , y , x
es resolviendo directamente el sistema AX b que aparece en la prueba del teorema
anterior; pero este procedimiento no se acostumbra porque, por lo general, la matriz de
coeficientes de este sistema resulta mal condicionada, lo que puede ocurrir si dos abscisas
estn relativamente cerca. Lo que resta de esta seccin lo dedicaremos a otras formas de
encontrar el polinomio interpolante.
4.1.1 Forma de Lagrange del polinomio interpolante: Supongamos, para ilustracin del
mtodo de Lagrange, que se tienen los puntos ( ) ( ) ( )
2 2 1 1 0 0
y , x , y , x , y , x con x
0 1 2
, x y x
nmeros distintos y queremos encontrar el polinomio interpolante de grado menor o igual que
dos
( ) p
2 0 1 2
2
x a a x a x + +
para dichos puntos.
Como ( ) p x y
k k 2
012 , , , k , entonces
186 MTODOS NUMRICOS
__________________________________________________________________________________
( )
( )
( )

p x a a x a x y
p x a a x a x y
p x a a x a x y
2 0 0 1 0 2 0
2
0
2 1 0 1 1 2 1
2
1
2 2 0 1 2 2 2
2
2
+ +
+ +
+ +
'
que es un sistema de tres ecuaciones lineales cuyas incgnitas son a , a y a .

0 1 2
Veamos que el determinante de la matriz de coeficientes de este sistema es, como ya se
dijo, ( )( )( ) x x x x x x
1 0 2 0 2 1
. En efecto:
( )( )
( )( ) ( )( )( )

+
+
+

1
1
1
1
0
0
1
0 1
0 1
1
0 1
0 0
0
0 0
2
1 1
2
2 2
2
0 0
2
1 0 1
2
0
2
2 0 2
2
0
2
1 0 2 0
0 0
2
1 0
2 0
1 0 2 0
0 0
2
1 0
2 1
1 0 2 0 2 1
x x
x x
x x
x x
x x x x
x x x x
x x x x
x x
x x
x x
x x x x
x x
x x
x x
x x x x x x
(As que el sistema tiene solucin nica).
De acuerdo con la regla de Cramer
a

0
0 0 0
2
1 1 1
2
2 2 2
2
y x x
y x x
y x x
de donde
( )
+
_
,
_
,
a
y x x
y x x
y x x
y x x x x y x x x x y x x x x
0
0 0 0
2
1 1 1
2
2 2 2
2
0 1 2
2
2 1
2
1 0 2
2
2 0
2
2 0 1
2
1 0
2
(Desarrollando el determinante por los cofactores de la primera columna)
Anlogamente,
( )
y +
_
,
_
,
a
y x
y x
y x
x x y x x y x x
1
0 0
2
1 1
2
2 2
2
0 2
2
1
2
1 2
2
0
2
2 1
2
0
2
1
1
1
(Desarrollando el determinante por los cofactores de la segunda columna)
y
__________________________________________________________________________________
( ) ( ) ( ) y + a
x y
x y
x y
x x y x x y x x
2
0 0
1 1
2 2
0 2 1 1 2 0 2 1 0
1
1
1
(Desarrollando el determinante por los cofactores de la tercera columna)
Por tanto
( )
( ) ( ) ( )
( )( ) ( )( ) ( )( )
[ ]
( ) ( ) ( )
[ ]
( ) ( )
[ ]
( ) ( )
[ ]
( )
+ +
+
+ + + + +
+ +
+ + + +
+
p x a a x a x
y x x x x y x x x x y x x x x
y x x x x y x x x x y x x x x x
y x x y x x y x x x
x x y x x x x x x x x y x x x x x x
x x y x
2 0 1 2
2
0 1 2 2 1 1 0 2 2 0 2 0 1 1 0
0 2 1 2 1 1 2 0 2 0 2 1 0 1 0
0 2 1 1 2 0 2 1 0
2
2 1 0 1 2 2 1
2
2 0 1 0 2 2 0
2
1 0 2 2
( ) ( )
[ ]
+ + x x x x x x x
1 0 1 1 0
2
Total que
( ) ( )( )( ) ( )( )( )
( )( )( )

+
+
p x y x x x x x x y x x x x x x
y x x x x x x
2 0 2 1 1 2 1 0 2 0 2
2 1 0 0 1
y entonces
( )
( )( )
( )( )
( )( )
( )( )
( )( )
( )( )
p
2 0
1 2
0 1 0 2
1
0 2
1 0 1 2
2
0 1
2 0 2 1
x y
x x x x
x x x x
y
x x x x
x x x x
y
x x x x
x x x x

+

+

Si definimos los polinomios de grado dos
( )
( )( )
( )( )
L
0
1 2
0 1 0 2
x
x x x x
x x x x

( )
( )( )
( )( )
L
1
0 2
1 0 1 2
x
x x x x
x x x x

( )
( )( )
( )( )
L
2
0 1
2 0 2 1
x
x x x x
x x x x

entonces
( ) ( ) ( ) ( ) x L y x L y x L y x p
2 2 1 1 0 0 2
+ +
Observe que
( ) L x
1 si k j
0 si k j
, j 0,1,2, k 0,1,2
j k

'

y que, como era de esperarse, ( ) p x y
k k 2
012 , , , k .
188 MTODOS NUMRICOS
__________________________________________________________________________________
Los polinomios ( ) ( ) ( ) x L y x L , x L
2 1 0
, se denominan polinomios fundamentales de
Lagrange y el polinomio ( ) p x
2
, obtenido de la manera anterior, se denomina polinomio de
interpolacin de Lagrange o forma de Lagrange del polinomio interpolante para los
datos dados.
En general se tiene que:
Dados n +1 puntos ( ) ( ) ( )
n n 1 1 0 0
y , x ,..., y , x , y , x con
n 1 0
x ,..., x , x nmeros distintos, el
polinomio de interpolacin de Lagrange o la forma de Lagrange del polinomio
interpolante para los datos dados es el polinomio
( ) ( ) ( ) ( ) ( ) ( ) x L y x L y ... x L y ... x L y x L y x p
n
0 j
j j n n j j 1 1 0 0 n
+ + + + +
donde
( )
( )( ) ( )( ) ( )
( )( ) ( )( ) ( )
( )
( )
L
x x x x ... x x x x ... x x
x x x x ... x x x x ... x x
, j 0,1,...,n
0 1 j 1 j 1 n
j 0 j 1 j j 1 j j 1 j n
j
k
j k k
k j
n
x
x x
x x

+
+
0
Los polinomios ( ) L x
j
, anteriores, se denominan polinomios fundamentales de Lagrange.
Ntese que si se trata de n +1 puntos, tales polinomios son de grado n.
Observe que
( ) L x
1 si k j
0 si k j
, j 0,1,2,...,n, k 0,1,2,...,n
j k

'

y que para cada k 0,1,...,n,
( ) ( ) ( ) ( ) ( ) p ... ...
n k k k k k k n n k
k
x y L x y L x y L x y L x
y
+ + + + +
0 0 1 1
0 0 1 0
#$& #$& #$& #$&
En el caso en que ( ) y f x n
k k
, , ,..., k 01 , la expresin para el polinomio de interpolacin de
Lagrange se convierte en
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) p x f x L x f x L x f x L x f x L x
n j j n n
+ + + + +
0 0 1 1
... ...
Caso particular: Calculemos el polinomio de interpolacin lineal, correspondiente a los
puntos ( ) ( ) x , y , x , y con x
0 0 1 1 0 1
x , usando la forma de Lagrange:
En este caso, el polinomio de interpolacin de Lagrange es
__________________________________________________________________________________
( ) ( ) ( ) x L y x L y x p
1 1 0 0 1
+
siendo
( ) ( ) L y L
0
1
0 1
1
0
1 0
x
x x
x x
x
x x
x x
es decir,
( ) ( ) ( )
( ) ( )
( ) ( )( )
p
1 0 0 1 1 0
1
0 1
1
0
1 0
0 1 1 0
1 0
0 1 0 1 1 0
1 0
0 1 0 0 0 0 0 1 1 0
1 0
0 1 0 1 0 0
1 0
x y L x y L x y
x x
x x
y
x x
x x
y x x y x x
x x
y x y x y x y x
x x
y x y x y x y x y x y x
x x
y x x y y x x
x x
+

+ +
Luego
( )
( )
( )
( ) p = y
1
0
1 0
1 0
0
x
y y
x x
x x +

Ntese que ( ) y p x
1
es la ecuacin de la recta determinada por los puntos
( ) ( ) x y x y
0 0 1 1
, , y
.
Ejemplo 4.1 Supongamos que queremos aproximar la funcin ( ) f x cosx sobre el intervalo
1
]
1

2 2
, mediante un polinomio de interpolacin. Una forma razonable de hacerlo es
mediante un polinomio de interpolacin de Lagrange de grado menor o igual que dos, ( ) p x
2
,
usando como nodos los nmeros x
0 1 2
2
0
2

, x y x .
Como
( ) ( ) ( ) ( ) ( ) ( ) ( ) x L x f x L x f x L x f x p
2 2 1 1 0 0 2
+ +
y
( ) ( ) ( ) f , f y f x x x
0 1 2
2
0 0 1
2
0
_
,
_
,
cos cos cos

entonces ( ) ( ) p x L x
2 1
, donde
( )
( )( )
( )( )
L
1
0 2
1
0
1 2
2
2
2 2
2
2 2
2 2
4
4
1
4
x
x x x x
x x x x
x x
x
x

+
_
,
_
,
_
,
_
,

Total que el polinomio de interpolacin de Lagrange para la funcin ( ) f x x cos en los nodos
x
0 1 2
2
0
2

, x y x , es
190 MTODOS NUMRICOS
__________________________________________________________________________________
( ) p x x
2
2
2
1
4

Observe que ( ) p p
2 2 2
2
0
2
0 1
_
,
_
,

y p , como era de esperarse
La FIGURA 4.1 siguiente, muestra las grficas de y x cos y del polinomio interpolante
obtenido ( ) y p x x
2
2
2
1
4
.
FIGURA 4.1
Si usamos el polinomio interpolante de Lagrange, ( ) p x
2
, para aproximar
f

4 4
2
2
71
_
,
_
,
cos . , obtenemos
cos

4 4
1
4
4
1
1
4
3
4
75
2
2
2
_
,
_
,
_
,
p .
Instruccin en DERIVE: Dados los n +1 datos
[ ] [ ] [ ] [ ]
M x y x y x y
n n
:
0 0 1 1
, , , ,..., , :
POLY_INTERPOLATE( M x , ): Simplifica o aproXima en el polinomio interpolante de grado
menor o igual que n, ( ) p x
n
, para los n +1 datos dados en la matriz M. Para el ejemplo
anterior, Simplifique la expresin POLY_INTERPOLATE( [ ]
1
]
1
1
]
1

1
]
1

x , 0 ,
2
, 1 , 0 , 0 ,
2
).
__________________________________________________________________________________
Nota: Con el propsito de comparar el polinomio ( ) p x
2
, obtenido en el ejemplo anterior, con
el polinomio de Taylor de grado dos para ( ) f x x cos , alrededor de cero (polinomio de
Maclaurin), calculamos este ltimo a continuacin:
Como
( ) ( ) f x x cos cos , f 0 0 1
( ) ( ) f x x f sen sen , 0 0 0
( ) ( ) f x x f cos cos , 0 0 1
entonces el polinomio de Maclaurin, ya mencionado, es ( ) p x
x
1
2
2
.
Si usamos el polinomio de Maclaurin ( ) p x para aproximar el valor f

4 4
_
,
_
,
cos ,
obtenemos
cos

4 4
1
4
2
69
2
_
,
_
,
_
,
p .
Ntese que, en este caso, la aproximacin que da el polinomio de Maclaurin para cos

4
_
,
es
mejor que la que da el polinomio de interpolacin. Como ejercicio compare los valores
p
2
2 2

_
,
_
,
y p con el valor exacto cos

2
_
,
.
En relacin con el ejemplo anterior, tenemos que los otros dos polinomios fundamentales de
Lagrange de grado dos para f usando los nodos x
0 1 2
2
0
2

, x y x , son
( )
( )( )
( )( )
( )
L
0
1 2
0 1 0 2
2
2 2
2
2
2
2
2
2 1
x
x x x x
x x x x
x x
x x
x x

_
,
_
,

y
( )
( )( )
( )( )
L
2
0 1
2 0 2 1
2
2 2
2
2
2
2
2
2 1
x
x x x x
x x x x
x x
x x
x x

+
_
,
_
,
+
+

Observe que
( ) ( ) ( ) L
0 1 2
2
2
2
2
2
2
2 1
1
4 2 1
1 x L x L x x x x x x + + + + +

192 MTODOS NUMRICOS
__________________________________________________________________________________
Instruccin en DERIVE: Dados los n +1 datos
[ ] [ ] [ ] [ ]
M x y x y x y
n n
:
0 0 1 1
, , , ,..., , :
LAGRANGE_POLY(M): Simplifica o aproXima en el polinomio de interpolacin de Lagrange
para los datos dados en la matriz M.
LAGRANGE_POLYS( M): Simplifica o aproXima en los n +1 polinomios fundamentales de
Lagrange de grado n, ( ) L x j n
j
, , ,..., 01 , para los datos dados en la matriz M, y vienen en la
expresin
( )
[ ]
( )
[ ]
( )
[ ] [ ]
L x L x L x
n 0 1
, ,...,
. Para el ejemplo anterior, Simplifique la expresin
LAGRANGE_POLYS(
[ ]
1
]
1

1
]
1
1
]
1

2
0 0 1
2
0 , , , , , ).
En general, los polinomios fundamentales de Lagrange ( ) L x n
j
, , ,..., j 01 , correspondientes a
n +1 puntos dados, tienen la propiedad
( ) para todo x L x
j
j
n

0
1
A continuacin nos referiremos al error involucrado en la interpolacin polinomial.
Si ( ) p x
n
es el polinomio que interpola a una funcin f en los nmeros distintos x x x
n 0 1
, ,..., , y
si x es un punto intermedio entre dichos nmeros, entonces el error al aproximar ( ) f x
mediante ( ) p x
n
es
( ) ( ) ( ) E x f x p x
n

En relacin con este error se tiene el siguiente resultado cuya demostracin puede ser
consultada en Burden, 1985, pginas 103 y 104:
Teorema 4.2 Sea f una funcin definida en un intervalo
[ ]
a b , y sea ( ) p x
n
el polinomio que
interpola a f en los nmeros distintos x x x
n 0 1
, ,..., de dicho intervalo. Si f tiene sus primeras
n +1 derivadas continuas en
[ ]
a b , , entonces para cada
[ ]
x a b , , el error ( ) ( ) ( ) E x f x p x
n

puede expresarse en la forma
( )
( )( ) ( )
( )
( )
( ) ( )
E x
x x x x x x
n
f x
n n

+
+ 0 1 1
1
...
!

donde ( ) x es un nmero que depende de x y ( ) ( ) x a b , .
Esta frmula para el error es un resultado terico importante, pues los polinomios de
interpolacin se usan por ejemplo, para deducir frmulas de integracin numrica y a partir
de dicha frmula de error se pueden obtener cotas para el error en la integracin; sin
embargo, en la prctica la frmula del error en la interpolacin es de uso muy restringido
pues slo se puede aplicar a funciones que tengan derivadas fcilmente acotables.
__________________________________________________________________________________
En relacin con el ejemplo 4.1 tenemos que, si x
1
]
1

2 2
, , entonces el error al aproximar
( ) f x x cos mediante el polinomio de interpolacin ( ) p x x
2
2
2
1
4

, obtenido usando los

nodos x
0 1 2
2
0
2

, x y x , es
( )
( )( )( )
( ) ( ) ( ) E con x
x x x x x x
f x x

_
,
0 1 2
3 2 2 !
,

es decir,
( )
( )
( ) ( ) ( ) E x
x x x
f x
+
_
,
_
,
_
,

2
0
2
6 2 2
con x ,
Como
( ) ( ) ( ) ( ) f x x f x x f x x y f x x cos , sen , cos sen
entonces
( ) ( ) ( ) ( ) ( ) para toda
_
,
f x x x

sen , 1
2 2
y por tanto
( ) E x para todo x x x
_
,
1
]
1
1
6 4 2 2
2
2

,
En particular, para x

4
, se tiene que
E

4
1
6 4 16 4 24
3
16 128
24
2 2 2 3
_
,
_
,
_
,
.
Observe que el error real es
E

4 4 4
1
2
3
4
043
2
_
,
_
,
_
,
cos p .
que est por debajo de la cota terica de error, ya calculada.
Ejercicio 4.1 Use el polinomio interpolante de Lagrange para la funcin ( ) f x x cos con
nodos x
0 1 2
2
0
2

, x y x , para estimar
i)
cos xdx
0
2
ii)
_
,
f

4

194 MTODOS NUMRICOS
__________________________________________________________________________________
Ejemplo 4.2 Use los polinomios interpolantes de Lagrange de grados uno, dos y tres, ms
apropiados, para aproximar ( ) f 2 5 . , si ( ) f 2 0 5103757 . . , ( ) f 2 2 5207843 . . ,
( ) f 2 4 5104147 . . , ( ) f 2 6 4813306 . . y ( ) f 2 8 4359160 . . .
Solucin: Como
[ ]
2 5 2 4 2 6 . . . , , entonces el polinomio de interpolacin de Lagrange de
grado uno, ms apropiado, es el que se obtiene tomando los nodos x
0 1
2 4 2 6 . . y x , ya
que stos son los dos nodos ms cercanos a 2.5.
As que
( ) ( ) ( ) ( ) ( ) p
1 0 0 1 1
x f x L x f x L x +

( ) ( )

f x
x x
x x
f x
x x
x x
0
1
0 1
1
0
1 0
y entonces
( )
( )
p

1
2 5 5104147
2 5 2 6
2 4 2 6
4813306
2 5 2 4
2 6 2 4
2552074 2406653
4958727 2 5
. .
. .
. .
.
. .
. .
. .
. .
+
f
Para el caso de grado dos, hay dos polinomios interpolantes igualmente apropiados:
Un primer polinomio se obtiene tomando los nodos x
0 1 2
2 2 2 4 2 6 . . . , x y x , lo que nos
da
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
( )( )
( )( )
( )
( )( )
( )( )
( )
( )( )
( )( )
p x f x L x f x L x f x L x
f x
x x x x
x x x x
f x
x x x x
x x x x
f x
x x x x
x x x x
2 0 0 1 1 2 2
0
1 2
0 1 0 2
1
0 2
1 0 1 2
2
0 1
2 0 2 1
+ +

+

+

y entonces
( )
( )( )
( )( )
( )( )
( )( )
( )( )
( )( )
p
2
2 5 5207843
2 5 2 4 2 5 2 6
2 2 2 4 2 2 2 6
5104147
2 5 2 2 2 5 2 6
2 4 2 2 2 4 2 6
4813306
2 5 2 2 2 5 2 4
2 6 2 2 2 6 2 4
. .
. . . .
. . . .
.
. . . .
. . . .
.
. . . .
. . . .

+

+

( )
+ +
+

. . .
. .
. .
06509804 3828110 1804990
06509804 5633100
4982120 2 5

f
El otro polinomio interpolante se obtiene tomando x
0 2
2 4 2 6 2 8 . . . , x y x
1
, y se tiene
que
__________________________________________________________________________________
( )
( )( )
( )( )
( )( )
( )( )
( )( )
( )( )
p
2
2 5 5104147
2 5 2 6 2 5 2 8
2 4 2 6 2 4 2 8
4813306
2 5 2 4 2 5 2 8
2 6 2 4 2 6 2 8
4359160
2 5 2 4 2 5 2 6
2 8 2 4 2 8 2 6
. .
. . . .
. . . .
.
. . . .
. . . .
.
. . . .
. . . .

+

+

( )
+

. . .
. .
. .
1914055 3609980 05448950
5524035 05448950
4979140 2 5 f
Para grado tres el polinomio interpolante, ms apropiado, se obtiene tomando los nodos
x
0
2 2 . , x
1
2 4 . , x
2
2 6 . y x
3
2 8 . , ya que
[ ]
2 5 2 22 8 . . . , y 2.2, 2.4, 2.6 y 2.8 son los
nodos ms cercanos a 2.5. As que
( ) ( )
( )( )( )
( )( )( )
( )
( )( )( )
( )( )( )
( )
( )( )( )
( )( )( )
( )
( )( )( )
( )( )( )
p
3 0
1 2 3
0 1 0 2 0 3
1
0 2 3
1 0 1 2 1 3
2
0 1 3
2 0 2 1 2 3
3
0 1 2
3 0 3 1 3 2
x f x
x x x x x x
x x x x x x
f x
x x x x x x
x x x x x x
f x
x x x x x x
x x x x x x
f x
x x x x x x
x x x x x x

+

+

+

y entonces
( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )
p
3
2 5 5207843
2 5 2 4 2 5 2 6 2 5 2 8
2 2 2 4 2 2 2 6 2 2 2 8
5104147
2 5 2 2 2 5 2 6 2 5 2 8
2 4 2 2 2 4 2 6 2 4 2 8
4813306
2 5 2 2 2 5 2 4 2 5 2 8
2 6 2 2 2 6 2 4 2 6 2 8
4359160
2 5 2 2 2 5 2 4 2 5 2 6
2 8 2 2 2 8
. .
. . . . . .
. . . . . .
.
. . . . . .
. . . . . .
.
. . . . . .
. . . . . .
.
. . . . . .
. . .

+

+

+

( )( ) 2 4 2 8 2 6 . . .
( )
+ +

. . . .
. .
. .
03254902 2871083 2707485 02724475
5578568 0597977
4980630 2 5 f
Cul es la aproximacin obtenida, mediante el polinomio de interpolacin, usando los nodos
x
0
2 0 .
,
x
1
2 2 . , x
2
2 4 .
y x
3
2 6 .
? (ejercicio)
Cul de todas las aproximaciones calculadas es la mejor ?
Como la cota para el error en la interpolacin requiere conocer hasta la cuarta derivada de la
funcin f (la funcin de donde provienen los datos), y no disponemos de esa informacin,
pues no conocemos una frmula explcita para f, no podemos decidir cul de las
aproximaciones calculadas es la mejor. Sin embargo, de dos aproximaciones calculadas que
utilicen el mismo nmero de nodos, se espera que sea mejor la que use los nodos ms
cercanos al dato a interpolar.
Ejemplo 4.3 Suponga que se quiere construir una tabla para la funcin logaritmo natural,
desde x 1 hasta x 10 , de tal manera que la interpolacin lineal usando dos nodos
consecutivos de la tabla, tenga una precisin de seis cifras decimales exactas. Determine el
tamao de paso h ms grande posible para dicha tabla.
Solucin: Podemos suponer, sin prdida de generalidad, que los nodos x
0
, x ,..., x
1 n
en el
intervalo [1,10] estn igualmente espaciados. Entonces el tamao de paso es
196 MTODOS NUMRICOS
__________________________________________________________________________________
h , k 0,1,...,n con x y x
+
x x
k k n 1 0
1 1 10
Por lo tanto
x 1, x 1 h, x 1 2h,..., x 1 ..., x 1 nh 10
0 1 2 k n
+ + + + kh,
y entonces para x con x x x
k k

+1
, se tiene que el error en la interpolacin lineal, usando
los nodos x
k k
y x
+1
, es
( ) ( ) ( )
( ) ( )
( )( ) E x f x p x
f x
x x x x
k k

+
2
1
!
para algn
( ) ( ) x x x
k k
+
,
1
.
Como ( ) f x lnx , entonces
( ) ( ) f x
x
f x
x
1 1
2
, , y entonces para
[ ]
x x x
k k
+
,
1
, se tiene
( )
[ ]
( )
[ ]
( )( )
[ ] [ ]
( )( )
1 k k
1 k
x ,
k
x x
2
1 k
x ,
k
x x
1 k k
1 k
x ,
k
x x
1 k
x ,
k
x x
x x x x Mx
x
1
Mx
2
1
x x x x Mx x f Mx
2
1
x E
+
+
+
+

,
_

Si
( ) ( )( ) ( ) g x x x x x x x x x x x
k k k k k k
+ +
+ + + 1
2
1 1
entonces
( ) ( ) +
+
+
+
g x x x x x
x x
k k
k k
2 0
2
1
1
Como ( ) ( ) g x g x
k k

+
0
1
, y
g
x x x x
x
x x
x
x x x x h h h
k k k k
k
k k
k
k k k k
+
_
,
_
,
_
,
_
,
_
,
_
,

+ + +
+
+ + 1 1 1
1
1 1
2
2 2 2 2 2 2 2 4
0
entonces
[ ]
( )( ) 1 n ,..., 1 , 0 k ,
4
h
x x x x Mx
2
1 k k
1 k
x ,
k
x x

+
+
Por otro lado, como

[ ]
( )
1 n 1,..., 0, k ,
x
1
x
1
Mx
2
k
2
1 k
x ,
k
x x

+
entonces para
[ ]
x x x
k k
+
,
1
, se tiene que
( )
( )
E x
x
h
n
k

1
2
1
4
01 1
2
2
, , ,..., k
__________________________________________________________________________________
Finalmente, como
[ ]
x n
k
110 01 , , , ,..., k , entonces
( ) [ ]
E x
h h

1
2
1
1
4 8
110
2
2 2
para todo x ,
Para encontrar el tamao de paso h ms grande para la tabla, basta entonces resolver la
desigualdad
h
2
7
8
5 10

(porque se quieren 6 cifras decimales exactas)
lo que nos da h
2 10 002
3
. .
De acuerdo con este resultado, el tamao de paso ms grande para construir la tabla es
h .002 . As que si se toma, por ejemplo, el tamao de paso h .001 para construir la
tabla, la interpolacin lineal correspondiente (para dos nodos consecutivos), ser exacta en
por lo menos seis cifras decimales. Es claro que una tabla con estas caractersticas debe ser
escrita con por lo menos siete cifras decimales.
Otra forma de obtener el polinomio interpolante de grado menor o igual que n para una
funcin f, a partir de n +1 datos conocidos,
( ) ( ) ( ) ( ) ( ) ( )
n n 1 1 0 0
x f , x ,..., x f , x , x f , x
, es la siguiente:
4.1.2 Forma de Newton del polinomio interpolante: Dados n +1 puntos
( ) ( ) ( )
n n 1 1 0 0
y , x ,..., y , x , y , x con
n 1 0
x ,..., x , x nmeros distintos y ( ) y f x n
k k
, , ,..., k 01 para
alguna funcin f definida en algn intervalo [a,b] que contiene a los nodos distintos
n 1 0
x ,..., x , x . El polinomio ( ) p x
n
de grado menor o igual que n que interpola a f en los datos
dados, puede expresarse en la forma
( ) ( ) ( )( ) ( )( ) ( ) p x b b x x b x x x x ... b x x x x ... x x
n 0 1 0 2 0 1 n 0 1 n 1
+ + + +

para ciertas constantes
n 1 0
b ,..., b , b
.
Cmo determinar los coeficientes
n 1 0
b ,..., b , b ?
Puesto que ( ) ( ) n ,..., 1 , 0 k , x f y x p
k k k n
, entonces
( ) ( ) p x b f x
n 0 0 0
, as que
( ) b f x
0 0
( ) ( ) ( ) p x b b x x f x
n 1 0 1 1 0 1
+ , as que
( ) ( )
b
f x f x
x x
1
1 0
1 0
( ) ( ) ( )( ) ( ) p x b b x x b x x x x f x
n 2 0 1 2 0 2 2 0 2 1 2
+ + , as que
198 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( )
( ) ( )
( )
( )( )
b
2
2 0
1 0
1 0
2 0
2 0 2 1

f x f x
f x f x
x x
x x
x x x x
y despus de realizar algunas manipulaciones algebraicas se tiene que
( ) ( ) ( ) ( )
b
2
2 1
2 1
1 0
1 0
2 0
f x f x
x x
f x f x
x x
x x
Los otros coeficientes
n 4 3
b ,..., b , b se pueden obtener consecutivamente, siguiendo el
mtodo anterior.
Para facilitar la escritura de los coeficientes
n 1 0
b ,..., b , b , del polinomio interpolante obtenido
de esta manera, se introduce la siguiente notacin de diferencia dividida hacia adelante
(progresiva) de Newton.
Definicin 4.1 Dados n +1 puntos ( ) ( ) ( ) ( ) ( ) ( )
x ,f x , x ,f x ,..., x ,f x
0 0 1 1 n n
con
n 1 0
x ,..., x , x
nmeros distintos y f alguna funcin, definimos:
a) La diferencia dividida cero de f con respecto a x
k
es
[ ] ( ) f x f x , k 0,1,2,...,n
k k

(As que, con respecto al polinomio interpolante ( ) p x
n
, se tiene que
[ ]
b f x
0 0
)
b) La diferencia dividida uno de f con respecto a x
k
y
1 k
x
+
es
[ ]
[ ] [ ]
f x , x
f x f x
x x
, k 0,1,...,n 1
k k 1
k 1 k
k 1 k
+
+
+

Observe que las diferencias divididas uno dependen de las diferencias divididas cero y
que, mientras hay n +1 diferencias divididas cero, hay n diferencias divididas uno.
(Tambin observe que
[ ]
[ ] [ ]
b f x x
f x f x
x x
1 0 1
1 0
1 0

,
)
c) La diferencia dividida dos de f con respecto a x x
k k k
,
+ + 1 2
y x es
[ ]
[ ] [ ]
f x , x , x
f x , x f x , x
x x
, k 0,1,...,n 2
k k 1 k 2
k 1 k 2 k k 1
k 2 k
+ +
+ + +
+

Observe que las diferencias divididas dos dependen de las diferencias divididas uno y
que, mientras hay n diferencias divididas uno, hay n 1 diferencias divididas dos.
__________________________________________________________________________________
(Tambin observe que
[ ]
[ ] [ ]
b
2 0 1 2
1 2 0 1
2 0
f x , x , x
f x , x f x , x
x x

)
d) En general, conocidas las ( ) n i n i + + 1 1 2 diferencias divididas i 1 de f con
respecto a [ ] ( ) 1 i n ,..., 1 , 0 k , x ,..., x , x f , x ,..., x , x
1 i k 1 k k 1 i k 1 k k

+ + + +
, se definen las
n i +1 diferencias divididas i de f con respecto a
i k 1 k k
x ,..., x , x
+ +
, as
[ ]
[ ] [ ]
f x , x ,..., x
f x , x ,..., x f x , x ,..., x
x x
, k 0,1,...,n
k k 1 k
k 1 k 2 k k k 1 k 1
k k
+ +
+ + + + +
+

i
i i
i
i

Con esta notacin de diferencia dividida se tiene que
[ ]
b f
i
x , x ,..., x , i 0,1,...,n
0 1 i
y as el
polinomio interpolante toma la forma
( ) [ ] [ ]( ) [ ]( )( )
[ ]( )( ) ( )
p x f x f x , x x x f x , x , x x x x x ...
f x , x ,..., x x x x x ... x x
n 0 0 1 0 0 1 2 0 1
0 1 n 0 1 n 1
+ + +
+

Esta forma del polinomio interpolante se conoce como frmula de diferencia dividida
(progresiva) interpolante de Newton o forma progresiva de Newton del polinomio
interpolante, y se usa en los clculos numricos cuando se interpola en un punto x que est
ms cerca de x
0
que de x
n
(suponemos ordenados los nodos
n 1 0
x ,..., x , x ) . Si el punto x
en el cual vamos a interpolar est ms cerca de x
n
que de x
0
se usa la frmula de
diferencia dividida (regresiva) interpolante de Newton:
( ) [ ] [ ]( ) [ ]( )( )
[ ]( )( ) ( )
p x f x f x , x x x f x , x , x x x x x ...
f x , x ,..., x x x x x ... x x
n n n n n n 2 n 1 n n n 1
0 1 n n n 1 1
+ + +
+

1
Es muy importante tener en cuenta que el polinomio progresivo y el polinomio regresivo de
Newton son el mismo polinomio (siempre y cuando se usen los mismos datos); lo que ocurre
es que en la frmula progresiva el dato que ms "pesa" es
[ ]
f x
0
, mientras que en la
regresiva el que ms "pesa" es
[ ]
f x
n
.
En el caso en que el dato a interpolar est ms cerca del nodo central (o los nodos
centrales), se recomiendan otras diferencias divididas llamadas centradas, que no
estudiaremos aqu.
La forma de Newton del polinomio interpolante es ms ventajosa que la forma de Lagrange,
pues el clculo de los coeficientes en la forma de Newton va usando la informacin anterior,
lo que no sucede con la forma de Lagrange.
Observe que dados n +1 datos ( ) ( ) ( ) ( ) ( ) ( )
n n 1 1 0 0
x f , x ,..., x f , x , x f , x , la forma progresiva de
Newton del polinomio interpolante tiene la propiedad
200 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) [ ]( )( ) ( ) p i
i i i i
x p x f x x x x x x x x x n +
1 0 1 0 1 1
23 , ,..., ... , , ,...,
Una propiedad anloga se tiene para la forma regresiva del polinomio interpolante de
Newton.
La TABLA 4.1 siguiente, muestra las diferencias divididas que hay que calcular para
determinar los coeficientes del polinomio interpolante de Newton.
K x
k
Diferencias
divididas 0
( ) [ ]
f x f x
k k
Diferencias
divididas 1
[ ]
f x x
k k
,
+1
Diferencias divididas
n
[ ]
f x ,..., x
0 n
0 x
0 [ ]
f x b
0 0
[ ]
f x , x b
0 1 1

[ ]
f x ,..., x b
0 n n
1 x
1 [ ]
f x
1
[ ]
f x , x
1 2

2 x
2 [ ]
f x
2
[ ]
f x , x
2 3

3 x
3 [ ]
f x
3
!
! ! !
n 1 x
n1 [ ]
f x
n1
[ ]
f x , x
n 1 n
n x
n [ ]
f x
n
TABLA 4.1
Observe que en la misma tabla pueden leerse los coeficientes para la forma progresiva y
para la forma regresiva de Newton del polinomio interpolante.
En el caso particular n 1, la forma de Newton del polinomio interpolante es
( ) [ ] [ ]( ) ( )
( ) ( )
( ) p x f x f x , x x x f x
f x f x
x x
x x
1 0 0 1 0 0
1 0
1 0
0
+ +

que coincide con la frmula deducida para ( ) p x
1
en el caso de la forma de Lagrange del
polinomio interpolante. Recuerde que el polinomio de interpolacin es nico.
Con respecto al error en la interpolacin al usar la forma de Newton, tenemos:
__________________________________________________________________________________
Dada una funcin f definida en
[ ]
x , x
0 1
. Si f es continua en
[ ]
x , x
0 1
y
f existe en ( ) x , x
0 1
,
entonces el teorema del valor medio implica que existe ( ) x x , x
0 1
tal que ( ) [ ]
f x f x , x
0 1
.
En general, se tiene el siguiente resultado cuya demostracin puede ser consultada en
Burden, 1985, pginas 117 y 118:
Teorema 4.3 Si f es una funcin de valor real definida sobre el intervalo
[ ]
a,b , n veces
continuamente diferenciable en
[ ]
a,b y x x x
n 0 1
, ,..., son nmeros distintos en
[ ]
a b , ,
entonces existe
[ ]
a b , tal que
[ ]
( )
( )
f x x x
f
n
n
n
0 1
, ,...,
!

Usando esta frmula se puede llegar a una expresin para estimar el error al aproximar una
funcin f mediante el polinomio interpolante de Newton, ( ) p x
n
, a partir de los puntos
x x x x
n 0 1
, ,..., , , como se indica a continuacin:
De la frmula del error ( ) E x , dada al estudiar la forma de Lagrange del polinomio
interpolante, tenemos que
( ) ( )
( )( ) ( )
( )
( )
( ) ( )
( )
f x p x
x x x x x x
n
f x
E x
n
n n
+

+
+ 0 1 1
1
...
!

# $ %%%%%%% & %%%%%%%
(4.1)
donde ( ) x es un nmero que depende de ( ) ( ) x y x a b , .
De otro lado, usando la forma de Newton del polinomio interpolante de grado menor o igual
que n +1 para f en los nodos x x x x
n 0 1
, ,..., , , tenemos que
( ) ( ) ( ) [ ]( )( ) ( ) f x p x p x f x x x x x x x x x x
n n n n
+
+1 0 1 0 1
, ,..., , ...
(4.2)
Igualando las ecuaciones (4.1) y (4.2), concluimos que
( ) ( ) ( ) [ ]( )( ) ( ) E x f x p x f x x x x x x x x x x
n n n

0 1 0 1
, ,..., , ... (4.3)
donde para calcular
[ ]
f x x x x
n 0 1
, ,..., , usamos ( ) ( ) p x f x
n
.
La ecuacin (4.3) nos da una frmula alternativa para estimar el error al usar un polinomio
interpolante.
Ejemplo 4.4 Considere la siguiente tabla de datos
202 MTODOS NUMRICOS
__________________________________________________________________________________
x
( ) f x
2 0 . .5103757
2 2 . .5207843
2 4 . .5104147
2 6 . .4813306
2 8 . .4359160
TABLA 4.2
Si queremos obtener una aproximacin de ( ) f 21 . usando todos los datos dados, debemos
elegir la forma progresiva del polinomio interpolante de Newton con todos los datos dados, y
una escogencia adecuada para los nodos es x
0
2 0 . , x
1
2 2 . , x
2
2 4 . , x
3
2 6 . y
x
4
2 8 . , ya que x 21 . est ms cerca de x
0
que de x
4
.
Veamos qu resultados obtenemos si usamos los polinomios interpolantes de Newton ms
apropiados de grados uno, dos, tres y cuatro, para aproximar ( ) f 21 . .
Empezamos calculando las diferencias divididas que se muestran en la TABLA 4.3 siguiente,
donde el valor correspondiente a la diferencia dividida cuatro es
8 34125 10
3
4
.
b
(que no
aparece en la tabla).
k x
k ( ) [ ]
f x f x
k k
Diferencias
divididas 1
Diferencias
divididas 2
Diferencias
divididas 3
0 2.0 .5103757
0
b .052043
1
b .2597275
2
b .04299367
3
b
1 2.2 .5207843 .051848 .2339313 .04966667
2 2.4 .5104147 .1454205 .2041313
3 2.6 .4813306 .227073
4 2.8 .4359160
TABLA 4.3
Instruccin en DERIVE: Dados los n +1 puntos ( )
[ ]
( )
[ ]
( )
[ ] [ ]
M x f x x f x x f x
n n
:
0 0 1 1
, , , ,..., , :
DIFERENCIAS_DIV( M): aproXima o Simplifica en las n +1 diferencias divididas progresivas
de Newton, [ ] [ ] [ ] [ ]
f x f x x f x x x
n 0 0 1 0 1
, , ,..., , ,..., , correspondientes a los n +1 puntos dados en la
matriz M. Para este ejemplo, tome la matriz
[ ] [ ] [ ] [ ] [ ] [ ]
M: . . . . . . . . . . 2 0 0 5103757 2 2 0 5207843 2 4 0 5104147 2 6 0 4813306 2 8 0 4359160 , , , , , , , , , y
aproXime la expresin DIFERENCIAS_DIV(M).
Entonces
( ) [ ] [ ]( )
( )
p x f x f x x x x
x
1 0 0 1 0
5103757 052043 2 0
+
+
,
. . .
as que
( ) ( )
( )
p
f
1
21 5103757 052043 21 2 0
5155800 21
. . . . .
. .
+

__________________________________________________________________________________
Si usamos el polinomio ms apropiado de grado dos
( ) [ ] [ ]( ) [ ]( )( )
( ) [ ]( )( )
p x f x
x x x x
2 0
0 1
+ +
+
f x , x x x f x , x , x x x x x
p x f x , x , x
0 1 0 0 1 2 0 1
1 0 1 2
obtenemos
( ) ( ) ( )( )
( )
p p
f
2 1
21 21 2597275 21 2 0 21 2 2
5155800 002597275
5181773 21
. . . . . . .
. .
. .

+

Si usamos el polinomio ms apropiado de grado tres
( ) [ ] [ ]( ) [ ]( )( )
[ ]( )( )( )
( ) [ ]( )( )( )
p , , x ,
, x , x ,
, x , x ,
1
1 2
0 1 2
3 0 0 1 0 0 2 0 1
0 3 0 1 2
2 3 0 1 2
x f x f x x x x f x x x x x x
f x x x x x x x x
p x f x x x x x x x x
+ +
+
+
entonces
( ) ( ) ( )( )( )
( )
p p
f
3 2
4
21 21 04299367 21 2 0 21 2 2 21 2 4
5181773 1289810 10
5183063 21
. . . . . . . . .
. .
. .
+
+

Finalmente, si usamos el polinomio de grado cuatro
( ) [ ] [ ]( ) [ ]( )( )
[ ]( )( )( )
[ ]( )( )( )( )
( ) [ ]( )( )( )( )
p x f x f x , x x x f x , x , x x x x x
f x , x , x , x x x x x x x
f x , x , x , x , x x x x x x x x x
p x f x , x , x , x , x x x x x x x x x
4 0 0 1 0 0 1 2 0 1
0 1 2 3 0 1 2
0 1 2 3 4 0 1 2 3
3 0 1 2 3 4 0 1 2 3
+ +
+
+
+
obtenemos
( ) ( ) ( )( )( )( )
( )
p

4 3
3
3
21 21 8 341125 10 21 2 0 21 2 2 21 2 4 21 2 6
5183063 1251169 10
5182938 21
. . . . . . . . . . .
. .
. .
+

p
f
Si estamos interesados en aproximar ( ) f 27 . mediante el polinomio interpolante ms
apropiado de grado menor o igual que tres, a partir de los datos dados en la TABLA 4.3,
debemos usar la forma regresiva de Newton del polinomio interpolante con los nodos
x
4
2 8 . , x
3
2 6 . , x
2
2 4 . y x
1
2 2 . , lo que nos da en este caso
( ) ( ) ( )( )
( )( )( )
p x x x x
x x x
3
4359160 227073 2 8 2041313 2 8 2 6
04966667 2 8 2 6 2 4

+
. . . . . .
. . . .
as que
204 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) ( )( )
( )( )( )
p
3
3 4
4
27 4359160 227073 27 2 8 2041313 27 2 8 27 2 6
04966667 27 2 8 27 2 6 27 2 4
4359160 0227073 2 041313 10 1490000 10
4606646 1490000 10
4605156
. . . . . . . . . .
. . . . . . .
. . . .
. .
.

+
+ +

Como un ejercicio encuentre el polinomio interpolante regresivo de grado menor o igual que
cuatro para los datos dados, ( ) p x
4
, y selo para estimar ( ) f 27 . . Tambin estime ( ) f 27 .
usando el polinomio ( ) p x
4
y compare los valores ( ) p
4
27 . y ( ) p
4
27 . . Aproxime tambin
( ) f 2 5 . usando ( ) ( ) 5 2 p y 5 2 p
4 4
. . . !
Un algoritmo para encontrar los coeficientes
n 1 0
b ,..., b , b de la forma de Newton del polinomio
interpolante es el siguiente.
Algoritmo 4.1 (Diferencias divididas progresivas) Para obtener los coeficientes
n 1 0
b ,..., b , b
de la forma de Newton del polinomio interpolante usando diferencias divididas
progresivas, conocidos n +1 puntos ( ) ( ) ( ) ( ) ( ) ( )
n n 1 1 0 0
x f , x ,..., x f , x , x f , x con
n 1 0
x ,..., x , x
nmeros distintos:
Entrada: Los nmeros
n 1 0
x ,..., x , x , los valores ( ) ( ) ( )
n 1 0
x f ,..., x f , x f .
Salida: Los coeficientes
n 1 0
b ,..., b , b de la forma progresiva de Newton del polinomio
interpolante
( ) ( ) ( )( ) ( )( ) ( ) p
n n n
x b b x x b x x x x b x x x x x x + + + +
0 1 0 2 0 1 0 1 1
... ...
Paso 1: Tomar ( ) b f x
0 0
.
Paso 2: Para i n 12 , ,..., , hacer:
( )
( ) ( )
Para k = tomar
f =
01
1
, ,..., , n i
x
f x f x
x x
k
k k
k i k
+
+
( ) b f x
i

0
Paso 3: Salida: "Los coeficientes del polinomio interpolante progresivo de Newton son
b b b
n 0 1
, ,..., ". Terminar.
Ejercicio 4.2 La siguiente tabla corresponde a la funcin ( ) f x e
x
:
__________________________________________________________________________________
x 0 .5 1.0 2.0
( ) f x
1.00000 1.64872 2.71828 7.38906
a) Aproxime ( ) f .25 usando interpolacin lineal con x
0 1
0 5 y x . .
b) Aproxime ( ) f .75 usando interpolacin lineal con x
0 1
5 10 . . y x .
c) Aproxime ( ) f .25 y ( ) f .75 usando interpolacin de grado menor o igual que dos con
x
0 1 2
0 10 2 0 , x y x . . .
d) Cul de las aproximaciones calculadas es la mejor? Por qu?
e) Aproxime ( ) f .25 usando el polinomio de interpolacin de Newton de grado menor o igual
que tres para los datos dados.
Ejercicio 4.3 La siguiente tabla corresponde a la funcin ( ) f x x sen :
x .30 .32 .33 .35
( ) f x
.29552 .31457 .32404 .34290
a) Encuentre una aproximacin de ( ) sen .34 , usando el polinomio de interpolacin de
Lagrange de grado menor o igual que tres para los datos dados.
b) Encuentre una aproximacin de ( ) sen .34 , usando el polinomio de interpolacin de
Newton ms apropiado de grado menor o igual que tres.
c) Encuentre una cota para el error en cada aproximacin. Cul de las aproximaciones
calculadas en a) y b) es mejor?
Hasta aqu se han construido polinomios de grado menor o igual n para interpolar entre n +1
puntos dados. Como cuando n aumenta el polinomio interpolante ( ) p x
n
tiene ms
oscilaciones y ocurre a menudo que no aproxima bien a la funcin f, esto sugiere que se
intente la interpolacin pero localmente, es decir, por subintervalos.
La idea es que el intervalo que se tiene para interpolar los datos se descompone en una serie
de subintervalos y se usan aproximaciones separadas para cada subintervalo, sujetas a que
las aproximaciones deben coincidir, en algn sentido, en los extremos de los subintervalos.
Este proceso de aproximacin sobre subintervalos se conoce como interpolacin
segmentaria o por segmentos.
206 MTODOS NUMRICOS
__________________________________________________________________________________
4.2 INTERPOLACIN SEGMENTARIA CBICA (CUBIC SPLINES)
Dados n +1 puntos ( ) ( ) ( ) ( ) ( ) ( )
n n 1 1 0 0
x f , x ,..., x f , x , x f , x con
n 1 0
x ,..., x , x
nmeros distintos y f
alguna funcin de valor real definida en un intervalo [a,b] que contiene a los nodos
n 1 0
x ,..., x , x
, se trata de aproximar la funcin f por segmentos o tramos, como se indica a
continuacin. Aqu se supone que
x
0 1
< < < x x
n
...
Una primera forma es aproximar la funcin f en cada subintervalo [ ] 1 n ,..., 1 , 0 k , x , x
1 k k

+
,
mediante un polinomio lineal, lo que se conoce como interpolacin segmentaria lineal.
Una segunda posibilidad es aproximar la funcin f en cada subintervalo
[ ] 1 n ,..., 1 , 0 k , x , x
1 k k

+
, mediante un polinomio cuadrtico, lo que se conoce como
interpolacin segmentaria cuadrtica, esta vez imponiendo algunas condiciones sobre el
comportamiento de los polinomios aproximantes en cada segmento.
Finalmente tenemos la interpolacin segmentaria cbica, que es la ms usada, la cual
consiste en lo siguiente:
Se aproxima la funcin f en cada subintervalo
[ ]
x x
k k
,
+1
mediante un polinomio de grado
menor o igual que tres, el cual suponemos de la forma
( )
( ) ( ) ( ) ( ) ( ) p k
3
2 3
01 1
k
k k k k k k k k
x p x a b x x c x x d x x n + + + , , ,...,
FIGURA 4.2
Son n polinomios de grado menor o igual que tres y cada uno con cuatro coeficientes
incgnitas, as que tenemos un total de 4n incgnitas por determinar.
Las condiciones que deben satisfacer tales polinomios son:
i)
( ) ( )
( ) ( )
p x f x n
p x f x
k k k
n n n

'

k , , ,..., 01 1
1
(Condiciones de interpolacin. Estas condiciones producen n +1 ecuaciones)
__________________________________________________________________________________
ii) ( ) ( ) p x p x n
k k k k + + +

1 1 1
01 2 k , , ,...,
(Condiciones de continuidad en los nodos interiores. Estas condiciones producen n 1
ecuaciones)
iii) ( ) ( )
+ + +
p x p x n
k k k k 1 1 1
01 2 k , , ,...,
(Condiciones de derivabilidad en los nodos interiores. Estas condiciones producen n 1
ecuaciones)
iv) ( ) ( )
+ + +
p x p x n
k k k k 1 1 1
01 2 k , , ,...,
(Condiciones de continuidad de la primera derivada en los nodos interiores: se conserva
la concavidad en la vecindad del nodo interior, a no ser que la segunda derivada sea cero
en el nodo interior. Estas condiciones dan lugar a n 1 ecuaciones)
Hasta aqu tenemos ( ) n n n + + 1 3 1 4 2 condiciones.
v) Se satisface uno de los siguientes pares de condiciones de frontera:
a)
( ) ( )
p x p x
n n 0 0 1
0 0 y
b) ( ) ( ) ( ) ( )
p x f x p x f x
n n n 0 0 0 1
y
Las condiciones dadas en a) se llaman de frontera libre (no dependen de condiciones
adicionales sobre la funcin f ).
Observe que en el caso a), basta tener una lista de datos ( ) x y
k k
, con
n 1 0
x ,..., x , x nmeros
distintos para poder realizar la interpolacin segmentaria cbica.
Las condiciones dadas en b) se llaman de frontera sujeta, requieren que se conozca
( ) f x
0
y ( ) f x
n
, y fijan al polinomio ( ) [ ]
p x x x
0 0 1
, , x , en el punto extremo x
0
, y al polinomio
( ) [ ]
p x x x
n n n
1 1
, , x , en el punto extremo x
n
; como en este caso se usa ms informacin
acerca de la funcin f las aproximaciones obtenidas suelen ser mas exactas. Si no se
dispone de esta informacin sobre f se usarn las condiciones de frontera libre o unas
buenas aproximaciones para ( ) ( ) f x f x
n 0
y .
Si definimos
[ ]
( ) ( ) [ ]
T
x si x
: x x
T x p x x x
n
k k k
0
1
,
, ,

+
R
208 MTODOS NUMRICOS
__________________________________________________________________________________
y ( ) 1 n ,..., 1 , 0 k , x p
k
, satisfaciendo las condiciones i)-v), entonces T se dice un Trazador
o adaptador cbico para f en [ ] x , x
n 0
. Si el Trazador cbico satisface las condiciones v),
a), se llama natural, y si satisface las condiciones v), b) se llama de frontera sujeta.
Nota: Si no se da una tabla de datos correspondiente a una cierta funcin f, ni condiciones
de frontera, se entiende que un Trazador cbico es una funcin como se defini antes, pero
satisfaciendo las condiciones ii), iii) y iv).
Una forma de construir un Trazador cbico para una funcin f en
[ ]
x x
n 0
, es la siguiente:
De acuerdo con la condicin i)
( ) ( ) ( ) ( ) p k y p
k k k k n n n
x a f x n x f x
, , ,..., 01 1
1
y si aplicamos la condicin ii), tenemos para k n 01 2 , ,..., ,
( ) ( )
( ) ( ) ( )
a

k k k k k
k k k k k k k k k k
p x p x
a b x x c x x d x x
+ + + +
+ + +

+ + +
1 1 1 1
1 1
2
1
3
Si notamos 1 n ,..., 1 , 0 k , x x h
k 1 k k

+
, usamos que ( ) a f x
k k
, para k n 01 1 , ,..., y
definimos ( ) a f x
n n
, entonces
a k
k k k k k k k k
a b h c h d h n
+
+ + +
1
2 3
01 1 , , ,..., (4.4)
(ya que ( ) ( ) a f x p x a b h c h d h
n n n n n n n n n n n
+ + +
1 1 1 1 1 1
2
1 1
3
)
De otro lado ( ) p x b
k k k
para k = 0,1,...,n 1, y si aplicamos la condicin iii), obtenemos
( ) ( ) b k
k k k k k k k k k k
p x p x b c h d h n
+ + + +
+ +
1 1 1 1
2
2 3 01 2 , , ,...,
Si definimos ( ) b p x
n n n

1
, entonces
b k
k k k k k k
b c h d h n
+
+ +
1
2
2 3 01 1 , , ,..., (4.5)
( ya que ( ) + +

p x b c h d h
n n n n n n n 1 1 1 1 1 1
2
2 3
)
Ahora,
( ) ( ) k + p x c d x x n
k k k k
2 6 01 1 , , ,...,
entonces
( ) k p x c n
k k k
2 01 1 , , ,...,
__________________________________________________________________________________
y si aplicamos la condicin iv), obtenemos
( ) ( ) 2 2 6
1 1 1 1
c p x p x c d h
k k k k k k k k + + + +
+
o sea
c k
k k k k
c d h n
+
+
1
3 01 2 , , ,...,
Si definimos ( )
p x c
n n n 1
2 , entonces
c k
k k k k
c d h n
+
+
1
3 01 1 , , ,..., (4.6)
( ya que ( ) + +

p x c d h c c d h
n n n n n n n n n n 1 1 1 1 1 1 1
2 6 2 3 o sea c )
Despejando
k
d de la ecuacin (4.6), obtenemos
d k
k
k k
k
c c
h
n

+1
3
01 1 , , ,...,
(4.7)
y sustituyendo en las ecuaciones (4.4) y (4.5), obtenemos
a
k k k k k k
k k
k
k
a b h c h
c c
h
h
+
+
+ + +

1
2 1 3
3
o sea
( ) a k
k k k k
k
k k
a b h
h
c c n
+ +
+ + +
1
2
1
3
2 01 1 , , ,...,
(4.8)
y
b
k k k k
k k
k
k
b c h
c c
h
h
+
+
+ +

1
1 2
2 3
3
es decir,
( ) b k
k k k k k
b h c c n
+ +
+ +
1 1
01 1 , , ,...,
(4.9)
Despejando b
k
en (4.8), obtenemos
( ) b k k
k k
k
k
k k
a a
h
h
c c n

+
+
+
1
1
3
2 01 1 , , ,...,
(4.10)
y aumentando el ndice en uno en la ecuacin (4.10), se tiene que
( ) b
k
k k
k
k
k k
a a
h
h
c c
+
+ +
+
+
+ +

+
1
2 1
1
1
1 2
3
2
y sustituyendo en (4.9), se tiene que
210 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) ( )
a a
h
h
c c
a a
h
h
c c h c c
k k
k
k
k k
k k
k
k
k k k k k
+ +
+
+
+ +
+
+ +
+

+ + +
2 1
1
1
1 2
1
1 1
3
2
3
2
o sea
( ) ( )
a a
h
a a
h
h
c c
h
c c
k k
k
k k
k
k
k k
k
k k
+ +
+
+
+
+
+ +

+ + +
2 1
1
1
1
1
1 2
3
2
3
2
lo que nos lleva finalmente a que
( ) ( ) ( ) h
para k
k k k k k k k
k
k k
k
k k
c h h c h c
h
a a
h
a a
n
+ + +

+ + + +
+
+ + +
2
3 3
01 2
1 1 1 2
1
2 1 1
, ,...,
(4.11)
En este sistema final las incgnitas son c n
k
, , ,..., k 01 , ya que ( ) n ,..., 1 , 0 k , x f a
k k
, y
h x x
k k k

+1
,
1 n ,..., 1 , 0 k
, son conocidos.
Este sistema es de n 1 ecuaciones con n +1 incgnitas, pero si usamos las condiciones
de frontera se introducen dos nuevas ecuaciones, con lo cual obtenemos un sistema de
n +1 ecuaciones con n +1 incgnitas. La pregunta que surge es si este sistema tiene
solucin y si la tiene saber si es nica. La respuesta la d el siguiente teorema.
Teorema 4.4 Si f es una funcin de valor real definida en un intervalo [a,b], entonces f tiene
un nico Trazador cbico natural T en [a,b], o sea un trazador cbico T que satisface las
condiciones ( ) ( ) T a T b 0 0 y .
Demostracin: Haciendo a x x x b
n
< < <
0 1
... y usando las condiciones de frontera
libre
( ) ( ) ( ) ( ) y 2 2
0 0 1
c p a T a c p b T b
n n

obtenemos c
0
0 y c
n
0 .
Estas dos ecuaciones junto con las ecuaciones en (4.11) nos producen un sistema lineal
AX b de n +1 ecuaciones con n +1 incgnitas, donde
( )
( )
( )
A , X

+
+
+
_
,
_
,
1 0 0 0 0
2 0 0
0 2 0
0
0 2
0 0 0 1
0 0 1 1
1 1 2 2
2 2 1 1
0
1
2
1
"
! !
"
" "
!
h h h h
h h h h
h h h h
c
c
c
c
c
n n n n
n
n
__________________________________________________________________________________
( ) ( )
( ) ( )
( ) ( )
b
h
a a
h
a a
h
a a
h
a a
h
a a
h
a a
n
n n
n
n n
_
,

0
3 3
3 3
3 3
0
1
2 1
0
1 0
2
3 2
1
2 1
1
1
2
1 2
!
Como se ve la matriz A de coeficientes de este sistema es tridiagonal estrictamente
dominante diagonalmente por filas, en consecuencia el sistema dado tiene solucin nica
para
n 1 0
c ,..., c , c .
Conocidos los valores de
n 1 0
c ,..., c , c , podemos obtener los valores
1 n 1 0
b ,... b , b

usando las
ecuaciones (4.10) y los valores de
1 n 1 0
d ,... d , d

usando las ecuaciones (4.7), con lo cual se
obtiene el nico Trazador cbico
( ) T x .
Tambin se tiene el siguiente resultado:
Teorema 4.5 Si f est definida en [a,b], entonces f tiene un nico Trazador cbico T en [a,b],
que satisface ( ) ( ) ( ) ( ) T a f a f b y T b .
En este caso los valores de
n 1 0
c ,..., c , c
se determinan encontrando la nica solucin del
sistema tridiagonal
AX b , donde
( )
( )
( )
A X

+
+
+
_
,
_
,
2 0 0 0
2 0 0
0 2 0
0
0 2
0 0 2
0 0
0 0 1 1
1 1 2 2
2 2 1 1
1 1
0
1
2
1
h h
h h h h
h h h h
h h h h
h h
c
c
c
c
c
n n n n
n n
n
n
"
! !
"
" "
!
,
( ) ( )
( ) ( )
( ) ( )
( ) ( )
b
h
a a f a
h
a a
h
a a
h
a a
h
a a
f b
h
a a
n
n n
n
n n
n
n n
_
,
3
3
3 3
3 3
3
3
0
1 0
1
2 1
0
1 0
1
1
2
1 2
1
1
!
212 MTODOS NUMRICOS
__________________________________________________________________________________
que tiene, como en el teorema anterior, matriz de coeficientes estrictamente dominante
diagonalmente por filas.
Conocidos los puntos ( ) ( ) ( ) ( ) ( ) ( )
n n 1 1 0 0
x f , x ,..., x f , x , x f , x , un algoritmo para encontrar un
Trazador cbico para f en
[ ]
x x
n 0
, , debe empezar por hacer: ( ) n ,..., 1 , 0 k , x f a
k k
,
calcular 1 n ,..., 1 , 0 k , x x h
k 1 k k

+
, resolver el sistema AX b correspondiente y obtener
1 n ,..., 1 , 0 k , d y c , b , a
k k k k
.
Recuerde que para cada
1 n ,..., 1 , 0 k
,
( ) ( ) ( ) ( ) p x a b x x c x x d x x
k k k k k k k k
+ + +
2 3
es el polinomio interpolante para f en
[ ]
x x
k k
,
+1
.
Ejemplo 4.5 Dada la funcin f definida por ( ) f x xe e
x x
3 2 y la tabla siguiente:
k x
k ( ) f x
k
0 1.00 2.718282
1 1.05 3.286299
2 1.07 3.527609
3 1.10 3.905416
TABLA 4.4
Encontrar el Trazador cbico natural T para f en [1.0,1.10] y usarlo para estimar ( ) f 103 . .
Solucin: Como los nodos
3 2 1 0
x y x , x , x no estn igualmente espaciados, debemos
empezar encontrando h
0 1 2
, h y h :
De acuerdo con los datos de la tabla, se tiene que
h , h , h
0 1 0 1 2 1 2 3 2
05 02 03 x x x x x x . . .
Ahora, como ( ) ( ) p x c p x c
0 0 0 2 3 3
2 0 2 0 y , entonces c
0 3
0 0 y c , as que
debemos resolver el siguiente sistema:
( ) ( ) ( )
( ) ( ) ( )
'
+ +
+ +
0 c
286299 3 527609 3
02
3
527609 3 905416 3
03
3
c 03 c 05 2 c 02
718282 2 286299 3
05
3
286299 3 527609 3
02
3
c 02 c 07 2 c 05
0 c
3
3 2 1
2 1 0
0
. .
.
. .
.
. . .
. .
.
. .
.
. . .
La solucin de este sistema es
__________________________________________________________________________________
c , c , c , c
0 1 2 3
0 13 22529 1319694 0 . .
Usando las ecuaciones (4.10), obtenemos
b , b , b
0 1 2
1113992 1180118 12 32963 . . .
y usando las ecuaciones (4.7), obtenemos
d , d , d
0 1 2
8816863 4725490 146 6327 . . .
y como
a
0 1 2
2718282 3 286299 3 527609 . . . , a , a
(ya que ( ) n ,..., 1 , 0 k , x f a
k k

), entonces el Trazador cbico natural T para f en
[ ]
x x
0 3
, es
[ ]
( ) ( ) ( ) ( ) ( )
[ ]
T x , x
x T x p x a b x x c x x d x x ,
si x x , x , k 0,1,2
0 3
k k k k k k
2
k k
3
k k 1
:
+ + +

+
R
siendo
( ) ( ) ( ) ( ) p x x x x
0
2 3
2718282 1113992 100 0 100 8816863 100 + + + . . . . . . ,
( ) ( ) ( ) ( ) p x x x x
1
2 3
3 286299 1180118 105 13 22529 105 4725490 105 + + . . . . . . .
,
( ) ( ) ( ) ( ) p x x x x
2
2 3
3 527609 12 32963 107 1319694 107 146 6327 107 + + . . . . . . .
Como
[ ]
x 103 10105 . . . , , entonces
( ) ( ) ( )
( ) ( )
f

.
103 103 103
2718282 1113992 103 100 8816863 103 100
3 054860
0
3
. . .
. . . . . . .
.

+ +
T p
Instruccin en DERIVE: Dados los n +1 puntos [ ] [ ] [ ] [ ]
M x y x y x y
n n
:
0 0 1 1
, , , ,..., , :
TRAZADOR( M): Simplifica o aproXima en el Trazador cbico natural correspondiente a los
datos dados en la matriz M. El resultado es la matriz
( )
[ ]
( )
[ ]
( )
[ ] [ ]
x p x x p x x p x
n
, , , ,..., ,
0 1 1
.
Despus de aproximar el TRAZADOR( M), se puede graficar el resultado, entrando los
nmeros x
k
y x
k+1
, correspondientes a los extremos del dominio del polinomio ( ) p x
k
, para
cada k, cuando DERIVE le solicite los valores Min y Max. Para el ejemplo anterior, tome la
matriz [ ] [ ] [ ] [ ] [ ]
M: 10 2718282 105 3 286299 107 3 527609 110 3 905416 . . . . . . . . , , , , , , , y aproXime la
expresin TRAZADOR ( M).

214 MTODOS NUMRICOS
__________________________________________________________________________________
Como ejercicio use el polinomio interpolante de Newton para f en los datos dados en el
ejemplo 4.5, para estimar ( ) f 103 . y compare el resultado con el obtenido usando el Trazador
cbico natural.
Dados cuatro o menos puntos, sabemos que existe un nico polinomio de grado tres o
menor que interpola a los datos dados, as que usaremos Trazadores cbicos cuando
tengamos cinco o ms puntos.
Ejemplo 4.6 Determine todos los valores de a, b, c, d y e para los cuales la siguiente funcin
es un Trazador cbico
( )
( ) ( ) ( ]
( ) [ ]
( ) ( ) [ )
'
+ +

+
, 3 x , 3 x e 2 x d
3 , 1 x , 2 x c
1 , x , 1 x b 2 x a
x T
3 2
2
3 2
Adems, determine los valores de los parmetros de modo que el trazador interpole la
siguiente tabla
x 0 1.0 4.0
y 26.0 7.0 25.0
Solucin: Para que ( ) T x sea un trazador cbico en ( ) + , , debe satisfacer:
i)
( ) T x debe ser continua en todo punto de ( ) + , , y como lo es en ( ) ,1 , (1,3) y ( ) 3,+ ,
por ser polinmica en cada uno de estos intervalos, debemos imponer condiciones para
que sea continua en los nmeros 1 y 3. Debe tenerse que
( ) ( ) ( ) lim T x T lim T x
x x

+

1 1
1 y ( ) ( ) ( ) lim T x T lim T x
x x

+

3 3
1
es decir,
( ) ( ) ( ) ( ) a b T c 1 2 1 1 1 1 2
2 3 2
+ y ( ) ( ) ( ) ( ) c T d e 3 2 3 3 2 3 3
2 2 3
+
o sea que debe tenerse a c y c d .
ii) ( ) T x debe ser derivable en todo punto de ( ) + , , y como lo es en ( ) ,1 , (1,3) y
( ) 3,+ , por ser polinmica en cada uno de estos intervalos, debemos imponer
condiciones para que sea derivable en los nmeros 1 y 3, lo cual se tiene si
( ) ( )
+
T T 1 1 y ( ) ( )
+
T T 3 3
es decir, si
( ) ( ) ( ) 2 1 2 3 1 1 2 1 2
2
a b c + y ( ) ( ) ( ) 2 3 2 2 3 2 3 3 3
2
c d e +
__________________________________________________________________________________
o sea, si 2 2 a c y 2 2 c d , o equivalentemente si a c y c d , que como vemos
son las mismas condiciones obtenidas en i).
iii) ( ) T x debe tener primera derivada continua en todo punto de ( ) + , , y como la derivada
es continua en ( ) ,1 , (1,3) y ( ) 3,+ , por ser polinmica en cada uno de estos intervalos,
slo hay que considerar los casos
x 1
y
x 3
, es decir, debe tenerse
( ) ( ) + T a b c 1 2 6 1 1 2 y ( ) ( ) + T d e c 3 2 6 3 3 2 , o sea a c y c d .
Hasta aqu, sin condiciones de interpolar una tabla de datos dada, los coeficientes a, b, c, d y
e del Trazador cbico ( ) T x , deben satisfacer a c d y b, e arbitrarios.
Para que el Trazador cbico interpole la tabla de datos dada, los parmetros a, b, c, d y e
deben satisfacer las siguientes ecuaciones
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
T a b
T a b c
T d e
0 0 2 0 1 26
1 1 2 1 1 1 2 7
4 4 2 4 3 25
2 3
2 3 2
2 3
+
+
+
lo que nos conduce al siguiente sistema lineal
4 26
7
4 25
a b
a c
d e

+
'
cuya solucin es
a c 7 2 3 , b y e
Pero de las condiciones obtenidas antes, se tiene que a c d , as que en definitiva el
Trazador cbico que interpola la tabla de datos dada es
( )
( ) ( ) ( ]
( ) [ ]
( ) ( ) [ )
T
, x ,
, ,
, x ,
x
x x
x x
x x
+

+
'
7 2 2 1 1
7 2 13
7 2 3 3 3
2 3
2
2 3
Es el Trazador cbico obtenido un Trazador cbico natural?
Como
( ) T 1 14 0 , entonces el Trazador cbico obtenido no es natural.
216 MTODOS NUMRICOS
__________________________________________________________________________________
4.3 AJUSTE DE UN POLINOMIO POR MNIMOS CUADRADOS (REGRESIN
POLINOMIAL)
Hasta ahora hemos estudiado el problema de aproximar una funcin ( ) y f x por un
polinomio interpolante a partir de una serie de datos conocidos
( ) ( ) ( ) ( ) ( ) ( )
n n 1 1 0 0
x f , x ,..., x f , x , x f , x .
En esta parte se estudiar el siguiente problema:
Supongamos que existe una relacin funcional ( ) y f x entre dos cantidades x e y, con f
desconocida y se conocen valores y
k
que aproximan a ( ) f x
k
, es decir,
( ) n ,..., 1 , 0 k , y x f
k k k
+
con
k
desconocido.
Se trata de recuperar la funcin f a partir de los datos aproximados n ,..., 1 , 0 k , y
k
.
Este problema se conoce como un problema de "ajuste de datos" o "ajuste de curvas"
(caso discreto). Trabajaremos bsicamente el caso en el que f es una funcin polinmica.
Si f es una funcin polinmica, digamos ( ) ( ) f x p x
m
, entonces el problema se convierte en:
Dados 1 n +

puntos ( ) ( ) ( )
n n 1 1 0 0
y , x ,..., y , x , y , x con
n 1 0
x ,..., x , x nmeros reales distintos, se
trata de encontrar un polinomio
( ) n m con , x a ... x a a x p
m
m 1 0 m
< + + +
que "mejor se ajuste" a los datos. Lo de "mejor ajuste" se entender en el sentido de que
( ) ( )
p x y
m k k
k
n
1
]
1
1
2
0
1
2
sea mnimo, es decir, que
( ) ( )
p x y
m k k
k
n
2
0
sea mnimo.
Este criterio de mejor ajuste, como ya se mencion antes, se conoce como mnimos
cuadrados, y el mtodo para obtener los polinomios que mejor se ajustan segn mnimos
cuadrados se llama Regresin polinomial.
4.3.1 Regresin polinomial: Supongamos que se conocen los datos
( ) ( ) ( )
n n 1 1 0 0
y , x ,..., y , x , y , x , con
n 1 0
x ,..., x , x nmeros distintos y se desea encontrar un
polinomio
__________________________________________________________________________________
( ) p x a a x a x n
m m
m
+ + + <
0 1
... , con m
tal que
( ) ( ) ( ) ( )
S a a a p x y a a x a x a x y
m m k k
k
n
k k m k
m
k
k
n
0 1
2
0
0 1 2
2
2
0
, ,..., ... + + + +

sea mnima.
El grado m del polinomio ( ) p x
m
se puede escoger previamente con base en algn resultado
terico, alguna expectativa o por la aplicacin que se le pretenda dar al polinomio. En
cualquier caso estamos "libres" de elegir el grado que parezca mejor. En muchos casos el
grado ser uno y el polinomio obtenido se llamar la recta que mejor se ajusta o la recta de
mnimos cuadrados para la tabla de datos.
Volviendo a la funcin ( )
m 1 0
a ,..., a , a S , una condicin necesaria para la existencia de un
mnimo relativo de esta funcin es que las derivadas parciales de ( )
m 1 0
a ,..., a , a S con
respecto a a m
j
, , ,..., j 01 sean cero.
Resultan entonces las siguientes m+1 ecuaciones lineales en las incgnitas a a a
m 0 1
, ,..., :
( )
S
a
0
0 1 2
2
0
2 0 + + + +
a a x a x a x y
k k m k
m
k
k
n
...
( )
( )
S
a
1
0 1 2
2
0
2 0 + + + +
a a x a x a x y x
k k m k
m
k k
k
n
...
( )( )
( )( )
( )( )
S
a

S
a

S
a
2
0 1 2
2 2
0
0 1 2
2
0
0 1 2
2
0
2 0
2 0
2 0
+ + + +
+ + + +
+ + + +
a a x a x a x y x
a a x a x a x y x
a a x a x a x y x
k k m k
m
k k
k
n
j
k k m k
m
k k
j
k
n
m
k k m k
m
k k
m
k
n
...
...
...
! !
! !
Si en las ecuaciones anteriores cancelamos el 2, desarrollamos los parntesis y usamos que
( ) a n a
k
n
0
0
0
1
+ , obtenemos
218 MTODOS NUMRICOS
__________________________________________________________________________________
( )

n a x a x a y
x a x a x a x y
x a x
k
k
n
k
m
k
n
m k
k
n
k
k
n
k
k
n
k
m
k
n
m k k
k
n
k
j
k
n
k
j
k
n
+ +

_
,
+ +

_
,
_
,
_
,
+ +

_
,
_
,
+

+

1
0
0
1
0 0
0
0
2
0
1
1
0 0
0
0
1
0
...
...
!
_
,
+ +

_
,
_
,
_
,
+ +

_
,
'
+

a x a x y
x a x a x a x y
k
m j
k
n
m k
j
k
k
n
k
m
k
n
k
m
k
n
k
m
k
n
m k
m
k
k
n
1
0 0
0
0
1
0
1
2
0 0

...
...
!
Este es un sistema de m+1 ecuaciones lineales en las m+1 incgnitas
m 1 0
a ,..., a , a , que
se llama sistema de ECUACIONES NORMALES. Este sistema de ecuaciones normales se
puede escribir en forma simplificada como sigue:
j a x x y m
i
i
m
k
i j
k
n
k
j
k
k
n
+

0 0 0
01 , , ,...,
Estas ecuaciones se pueden reproducir a partir de
( ) p
m k k m k
m
k
x a a x a x y + + +
0 1
...
multiplicando a ambos lados por x m
k
j
, , ,..., j 01 ,
a
0 1
1
x a x a x x y
k
j
k
j
m k
m j
k
j
k
+ + +
+ +
...
y luego sumando sobre k
a , j
0
0
1
1
0 0 0
01 x a x a x x y m
k
j
k
n
k
j
k
n
m k
m j
k
n
k
j
k
k
m
+

+ + + ... , ,...,
La matriz de coeficientes del sistema de ecuaciones normales es simtrica y no singular,
siempre que las x n
k
, , ,..., k 01 , sean distintas, por lo tanto el sistema tiene solucin nica.
Aunque la matriz puede estar mal condicionada cuando m es grande.
__________________________________________________________________________________
Para ver que la matriz A de coeficientes del sistema de ecuaciones normales es no-singular,
mostraremos que la matriz
B
_
,
1
1
1
0 0
2
0
1 1
2
1
2
x x x
x x x
x x x
m
m
n n n
m
"
"
! ! ! !
"
es tal que B B A
T
y B tiene todas sus columnas linealmente independientes.
En efecto:
( ) ( )
( ) ( )
B B
x x x
x x x
x x x
x x x
x x x
x x x
T
n
n
m m
n
m
m n
m
m
n n n
m
n m
_
,
_
,
+ +
+ +
1 1 1
1
1
1
0 1
0
2
1
2 2
0 1
1 1
0 0
2
0
1 1
2
1
2
1 1
"
"
"
! ! !
"
"
"
! ! ! !
"
( ) ( )
B B
n x x x
x x x x
x x x x
x x x x
A
T
k
k
n
k
k
n
k
m
k
n
k
k
n
k
k
n
k
k
n
k
m
k
n
k
k
n
k
k
n
k
k
n
k
m
k
n
k
m
k
n
k
m
k
n
k
m
k
n
k
m
k
n
m m
_
,
+

+ +

1
0
2
0 0
0
2
0
3
0
1
0
2
0
3
0
4
0
2
0
0
1
0
2
0
2
0
1 1
"
"
"
! ! ! !
"
Ahora, las columnas de B son
X X X X con x distintos y m
0 1
0
1
2
0
2
1
2
2
0
1
0 1
1
1
1
_
,
_
,
_
,
_
,
<
! !
! !
, , ,..., , ,...,
x
x
x
x
x
x
x
x
x
x x n
n
n
m
m
m
n
m
n
Sean R
m 1 0
c ,..., c , c tales que
c X c X c X
m m 0 0 1 1
0 + + + ...
y veamos que
c c c
m 0 1
0 ... .
Como
220 MTODOS NUMRICOS
__________________________________________________________________________________
,
_
,
_
+ + + +
+ + + +
+ + + +
,
_
+ +
,
_
,
_
,
_
+ + + +
0
0
0
x c ... x c x c c
x c ... x c x c c
x c ... x c x c c
x
x
x
c ...
x
x
x
c
x
x
x
c
1
1
1
c X c ... X c X c X c
m
n m
2
n 2 n 1 0
m
1 m
2
1 2 1 1 0
m
0 m
2
0 2 0 1 0
m
n
m
1
m
0
m
2
n
2
1
2
0
2
n
1
0
1 0 m m 2 2 1 1 0 0
! !
! !
! !
entonces
c c x c x c x
c c x c x c x
c c x c x c x
m
m
m
m
n n m n
m
0 1 0 2 0
2
0
0 1 1 2 1
2
1
0 1 2
2
0
0
0
+ + + +
+ + + +
+ + + +
'
...
...
...
!
(4.12)
y si ( ) q x c c x c x c x
m m
m
+ + + +
0 1 2
2
... con m< n y no todos los coeficientes nulos,
entonces el sistema (4.12) dice que la ecuacin polinmica ( ) q x
m
0 tiene por lo menos n
races distintas ( ) x x x
n 0 1
, ,...., m< n , lo cual es imposible.
As que c c c
m 0 1
0 ... y entonces las columnas de la matriz B son linealmente
independientes, y usando el hecho de que rango de B B
T
rango de B, entonces la matriz
A B B
T
es invertible, lo que implica que el sistema de ecuaciones normales tiene solucin
nica. De este modo se garantiza la existencia de un nico polinomio de ajuste segn
mnimos cuadrados, si x x x
n 0 1
, ,..., son todos distintos.
En el caso particular en que m 1, ( ) p x a a x
1 0 1
+ es la recta de mnimos cuadrados
donde a
0 1
y a se obtienen resolviendo el sistema lineal de dos ecuaciones con dos
incgnitas

n+1

x a x a y
x a x a x y
k
k
n
k
k
n
k
k
n
k
k
n
k
k
n
k k
k
n
0
0
0
1
0
1
0
1
0
0
2
0
1
0

_
,
_
,
_
,
_
,
'
#$ % & %
(No se recomienda usar la regla de Cramer para resolver el sistema anterior, porque la regla
de Cramer es fuertemente inestable)
__________________________________________________________________________________
Una manera de medir el error para estimar la bondad del ajuste segn mnimos cuadrados,
es a travs de:
i) El error ( ) ( )
E p x y
m k k
k
n

2
0
, o
ii) El error cuadrtico medio
( ) ( )
2
1
n
0 k
2
k k m
S M R
1 n
y x p
E
,
_
.
Ejemplo 4.7 Dada la tabla siguiente
k x
k
y
k
0 0 1
1 2 0
2 3 2
3 5 1
TABLA 4.5
1) Encuentre:
a) La recta de mnimos cuadrados para la tabla y su error E y
S M R
E .
b) La parbola de mnimos cuadrados para la misma tabla y su error E y
S M R
E .
2) Cul ser el polinomio cbico de mnimos cuadrados para dicha tabla? Cul es su error E
y
S M R
E ?
Solucin: Para dar respuesta a la pregunta 1) debemos resolver dos sistemas de
ecuaciones lineales:
Para la parte a) la recta es ( ) p x a a x
1 0 1
+ donde a
0 1
y a se obtienen resolviendo el
sistema
x a x a y
x a x a x y
k
k
k
k
k
k
k
k
k
k
k k
k
0
0
3
0
1
0
3
1
0
3
1
0
3
0
2
0
3
1
0
3

_
,
_
,
_
,
_
,
'
(4.13)
Para la parte b) la parbola es ( ) p x b b x b x
2 0 1 2
2
+ + donde b b
0 1 2
, y b se determinan
resolviendo el sistema
222 MTODOS NUMRICOS
__________________________________________________________________________________

x b x b x b y
x b x b x b x y
x b x b x
k
k
k
k
k
k
k
k
k
k
k
k
k
k
k k
k
k
k
k
k
k
k
0
0
3
0
1
0
3
1
2
0
3
2
0
3
1
0
3
0
2
0
3
1
3
0
3
2
0
3
2
0
3
0
3
0
3
1
4
0
3

_
,
_
,
_
,
_
,
_
,
_
,
_
,
_
,
_
,
'
b x y
k k
k
2
2
0
3
(4.14)
Una manera conveniente de disponer todas las sumatorias necesarias para los dos sistemas
es como se muestra en la siguiente tabla
k x
k x
k
2
x
k
3
x
k
4
y
k
x y
k k x y
k k
2
0 0 0 0 0 -1 0 0
1 2 4 8 16 0 0 0
2 3 9 27 81 2 6 18
3 5 25 125 625 1 5 25
k
0
3
10 38 160 722 2 11 43
TABLA 4.6
De modo que los sistemas (4.13) y (4.14) son
4 10 2
10 38 11
0 1
0 1
a a
a a
+
+
'
(4.13')

4 10 38 2
10 38 160 11
38 160 722 43
0 1 2
0 1 2
0 1 2
b b b
b b b
b b b
+ +
+ +
+ +
'
(4.14')
La solucin del sistema (4.13') es a
0 1
17
26
6
13
, a , y la solucin del sistema (4.14') es
b
0 1 2
15
13
101
78
1
6
, b y b . Luego la recta de mnimos cuadrados para los datos dados
es ( ) p x x
1
17
26
6
13
+ , y el polinomio cuadrtico de mnimos cuadrados para los datos dados
es
( ) p x x x
2
2
15
13
101
78
1
6
+ .
__________________________________________________________________________________
La TABLA 4.7 siguiente, muestra los valores de ( ) p x
k 1
y ( ) p x
k 2
, k 0123 , , , , llamados datos
suavizados, y las diferencias ( ) y p x
k k
1
, ( ) y p x
k k
2
.
x
k
0 2 3 5
y
k
1 0 2 1
( ) p x
k 1
.654 .269 .731 1.65
( ) y p x
k k
1
.346 .269 1.27 .65
( ) p x
k 2
115 . .769 1.23 1.15
( ) y p x
k k
2
.15 .769 .77 .15
TABLA 4.7
El error para la recta de mnimos cuadrados es
( ) ( ) ( ) ( ) ( ) ( ) E + + +
p x y
k k
k
1
2
0
3
2 2 2 2
346 269 127 65 2 23 . . . . .
y el error cuadrtico medio es
.
( ) ( )
747
4
23 2
4
y x p
E
2
1
2
1
3
0 k
2
k k 1
S M R
.
.

,
_
,
_
Anlogamente, para la parbola de mnimos cuadrados se obtiene que

( ) ( )
( ) ( )
555
4
y x p
E y 23 1 y x p E
3
0 k
2
1
3
0 k
2
k k 2
S M R
2
k k 2
. .
,
_
Para la respuesta a la pregunta 2), recordemos que hay un nico polinomio de grado menor
o igual que tres que pasa por los cuatro puntos dados y es el polinomio de interpolacin, as
que el polinomio cbico de mnimos cuadrados debe ser este polinomio. El polinomio de
interpolacin para los datos dados es
( ) p x x x x
3
2 3
10 21
11
6
4
15
+ . .
que se puede obtener usando, por ejemplo, diferencias divididas. Es claro que el error
E 0 y el error E
RMS
0 .
224 MTODOS NUMRICOS
__________________________________________________________________________________
Un dibujo de los puntos dados, la recta, la parbola y el polinomio cbico segn mnimos
cuadrados, se muestra en la FIGURA 4.3 siguiente.
FIGURA 4.3
4.3.2 Regresin exponencial, logartmica y de potencia: Aunque la regresin polinomial
es la ms usada, tambin hay casos de inters en los cuales la relacin funcional entre las
variables x y y es de alguno de los tipos siguientes:
y + a b x ( ln Regresin logartmica )
(4.15)
y ( Regresin exponencial ) ae
bx
(4.16)
( ) y Regresin de potencia ax
b
(4.17)
Estos problemas se tratan como un problema de ajuste lineal, as: En el caso (4.15), lineal
entre las variables lnx e y; en el caso (4.16), como y ae y a bx
bx
+ ln ln , se trata como
un caso lineal entre las variables x y lny ; en el caso (4.17), como y ax y a b x
b
+ ln ln ln ,
se trata como un caso lineal entre las variables lnx y lny .
Las soluciones para a y b en el caso (4.15), para
lna
y b en los casos (4.16) y (4.17),
pueden encontrarse modificando apropiadamente las ecuaciones obtenidas en el caso de
regresin lineal. Debe tenerse en cuenta que la aproximacin obtenida de esta manera no
es la aproximacin de mnimos cuadrados del problema inicial y que, incluso, esta
aproximacin puede, en algunos casos, diferir significativamente de la aproximacin de
mnimos cuadrados del problema original.
Ejemplo 4.8 Encuentre la recta logartmica y a b x + ln para la siguiente tabla
__________________________________________________________________________________
k x
k
y
k
0 29 1.6
1 50 23.5
2 74 38.0
3 103 46.4
4 118 48.9
TABLA 4.8
y sela para estimar el valor de y cuando x 80.
Solucin: Para encontrar los valores de
a y b
, hacemos z x
k k
ln , , , , , k 0123 4 , y
resolvemos el siguiente sistema
5
0
4
0
4
0
4
2
0
4
0
4
a z b y
z a z b z y
k
k
k
k
k
k
k
k
k k
k
+

_
,
_
,
_
,
'

Para calcular los coeficientes
a y b
, modificamos los datos dados como se indica en la
TABLA 4.9. Los datos suavizados, que aparecen en la ltima columna de la TABLA 4.9, se
obtienen una vez que se conoce la recta logartmica, que en este caso es
y + 111123688 34 019025 . . lnx
k x
k
z x
k k
ln
z
k
2
y
k
z y
k k
Datos suavizados
0 29 3.367296 11.338682 1.6 5.387674 3.428433
1 50 3.912023 15.303924 23.5 91.932541 21.959520
2 74 4.304065 18.524976 38.0 163.55447 35.29641
3 103 4.634729 21.480713 46.4 215.051426 46.545273
4 118 4.770685 22.759435 48.9 233.286497 51.170352
k
0
4
374 20.988798 89.40773 158.4 709.212608 E
RMS
1907944 .
TABLA 4.9
De acuerdo con la TABLA 4.9 el sistema a resolver es
5 20 988798 158 4
20 988798 89 40773 709 212608
a b
a b
+
+
'
. .
. . .
La solucin del sistema es
a
b

111123688
34 019025
.
.
226 MTODOS NUMRICOS
__________________________________________________________________________________
as que la recta logartmica es y + 111123688 34 019025 . . lnx . Si x 80 , entonces
y + 111123688 34 019025 80 37 835394 . . . ln .
Ejercicio 4.4 Encuentre la curva y ae
bx
usando mnimos cuadrados para la TABLA 4.10
siguiente. sela para calcular el valor de y cuando x 16. Cul es el error E?
x
k
6.9 12.9 19.8 26.7 35.1
y
k
21.4 15.7 12.1 8.5 5.2
TABLA 4.10
Ejercicio 4.5 Encuentre la curva y ax
b
usando mnimos cuadrados para la TABLA 4.11
siguiente y sela para calcular el valor de y cuando x 36. Cul es el error ?
x
k
28 30 33 35 38
y
k
2410 3033 3895 4491 5717
TABLA 4.11
TALLER 4.
1. Use la forma de Lagrange del polinomio interpolante para encontrar los polinomios
interpolantes ms apropiados de grados uno, dos y tres para aproximar ( ) f .2 , a partir de
los siguientes datos
x .2 .1 .3 .7
( ) f x
.163746 .110517 .404958 1.40963
2. Use la forma de Lagrange del polinomio interpolante y todos los datos de la tabla siguiente,
para aproximar ( ) f 125 . . La funcin que se est aproximando es ( ) f x e
x

2
1
. Use esta
informacin para encontrar una cota terica para el error en esta aproximacin.
x 1.0 1.1 1.2 1.3 1.4
( ) f x
1.00000 1.23368 1.55271 1.99372 2.61170
3. Suponga que se desea construir una tabla de valores para la funcin ( ) f x = senx , en el
dominio 0
2
,

1
]
1
, con tamao de paso h. Si se usa interpolacin lineal con cada dos datos
consecutivos de la tabla, y suponemos que el error total, incluyendo el efecto de los
errores de redondeo en las entradas de la tabla, es a lo ms de 10
6
. Cul es el valor
__________________________________________________________________________________
ms grande posible para h, y cuntas cifras decimales se deben usar para los datos de la
tabla?
4. Demuestre que
( ) L x
j
j
n

0
1 para toda x
donde cada ( ) L x
j
es el polinomio fundamental de Lagrange de grado n, correspondiente
a n +1 nmeros
n 1 0
x ,..., x , x .
Sugerencia: Considere la forma de Lagrange del polinomio interpolante de grado menor
o igual que n para la funcin ( ) f x 1.
5. Sea ( ) ( ) w x x x
k
k
n

0
. Demuestre que el polinomio interpolante de grado menor o igual
que n para una funcin f en los nodos
n 1 0
x ,..., x , x , puede escribirse como
( ) ( )
( )
( ) ( )
p
n
k
k k
k
n
x w x
f x
x x w x
0
6. Para la funcin ( ) f x
x
x
+

1
1
5 5
2
, , genere el polinomio interpolante ( ) p x
n
usando
n +1
nodos igualmente espaciados en el intervalo [ ]
5 5 , . Calcule ( ) p x
n
para distintos
valores de n y grafquelos junto con la funcin f. Es cierto que
[ ]
( ) ( ) Max x p x
x
n

5 5
0
,
f cuando n ?
7. Encuentre un polinomio que tome los siguientes valores
x 1 2 0 3
y 3 2 4 5
8. Encuentre las formas de Lagrange y de Newton del polinomio interpolante para los
siguientes datos
x 2 0 1
( ) f x
0 1 1
Escriba ambos polinomios en la forma a bx cx + +
2
para verificar que llos son idnticos.
228 MTODOS NUMRICOS
__________________________________________________________________________________
9. Use la forma deLagrange y la forma de Newton del polinomio interpolante para encontrar
los polinomios interpolantes ms apropiados de grado dos, para aproximar ( ) ( ) f .4 y f 6 . a
partir de los siguientes datos, y calcule la aproximacin en cada caso
x .1 .3 .5 .7 1.0
( ) f x
11.052 4.4995 3.2974 2.8768 2.7183
10. Demuestre que si ( )
n 1 0
z ,..., z , z es una permutacin de ( )
n 1 0
x ,..., x , x ,

entonces
[ ] [ ]
f z , z ,..., z f x , x ,..., x
0 1 n 0 1 n
.
Sugerencia: Use la unicidad del polinomio interpolante.
11. Los siguientes datos son tomados de un polinomio de grado menor o igual que cinco.
Cul es dicho polinomio y cul es su grado?
x 2 1 0 1 2 3
y 5 1 1 1 7 25
12. Verifique que el polinomio ( ) ( ) ( ) ( )( ) p x x x x x x x + + + + 2 1 1 2 1 1 interpola los
primeros cuatro puntos de la tabla siguiente:
x 1 0 1 2 3
y 2 1 2 7 10
Adicionando nicamente un trmino al polinomio ( ) p x , encuentre un polinomio que
interpole la tabla completa.
13. Encuentre el polinomio de menor grado que pasa por los puntos ( ) 12 , , ( ) 21 , , ( ) 312 , y
( ) 7146 , .
14. Un vehculo que viaja en una carretera recta es cronometrado en algunos puntos. Los
datos de las observaciones se dan en la siguiente tabla donde el tiempo est dado en
segundos y la distancia en metros
Tiempo 0 3 5 8
Distancia 0 225 383 623
Encuentre el polinomio que interpola estos datos y selo para aproximar la distancia, la
velocidad y la aceleracin del vehculo a los seis segundos.
__________________________________________________________________________________
15. Determine todos los valores de a, b y c tales que
( )
[ ]
( ) ( ) ( ) [ ]
'
+ + +
+
1,2 x , 1 x d 1 x c 1 x b a
0,1 x , 9x x 3
x T
3 2
3
es un Trazador cbico con nodos 0, 1, 2.
Ahora, determine el valor de d tal que
( ) [ ]
T x dx
2
0
2
sea mnima. Finalmente, encuentre el valor de d que haga de T un Trazador cbico
natural en
[ ]
0 2 , , y explique por qu este valor es distinto del obtenido previamente.
16. Determine si el Trazador cbico natural que interpola la siguiente tabla
x
k
0 1 2 3
y
k
1 1 0 10
es o no la funcin
( )
[ ]
( ) ( ) ( ) [ ]
( ) ( ) ( ) [ ]
T x
1 x x , x 0,1
1 2 x 1 3 x 1 4 x 1 , x 1,2
4 x 2 9 x 2 3 x 2 , x 2,3
3
2 3
2 3
+
+
+
'
17. Determine si la siguiente funcin es un Trazador cbico natural

( )
( ) ( ) [ ]
[ ]
( ) ( ) ( ) [ ]
T
x
x
x
x
x x
x x
x x x
+ + +
+ +
+ +
'
2 1 1 10
3 5 3 01
11 11 1 3 1 1 12
3
2
2 3
, ,
, ,
, ,
18. Cules propiedades de un Trazador cbico natural posee la siguiente funcin y cules
no?
( )
( ) ( ) [ ]
( ) ( ) [ ]
T x
x x
x x x
+ + +
+ +
'
x

1 1 10
4 1 1 01
3
3
, ,
, ,
230 MTODOS NUMRICOS
__________________________________________________________________________________
19. Determine los coeficientes a, b, c y d tales que la funcin
( )
( ]
[ ]
[ )
S
x
a x
x
x
x
bx cx dx
x

+ + +
+
'
1 2 3
3 4
157 32 4
2 3
, ,
, ,
, ,
es un Trazador cbico natural para el intervalo
[ ]
3 4 , .
20. Se pueden definir a y b de modo que la funcin
( )
( ) ( ) ( ]
( ) ( ) [ ]
( ) ( ) [ )
T
x
x
x
x
x a x
x x
x b x
+

+ +
'
2 1 2
2 3 23
3 2 3
3 2
3 2
3 2
, ,
, ,
, ,
sea un Trazador cbico natural en ( ) + , ? Por qu s o por qu no?
21. Qu valores de a, b, c y d hacen de la siguiente funcin un Trazador cbico?
( )
[ ]
[ ]
T
x x
a x
x
bx cx dx

+ + +
'
3
2 3
10
01
, ,
, ,
22. Construya la aproximacin de mnimos cuadrados de la forma y ax
b
para la siguiente
tabla, y calcule su error E.
x
k
4.0 4.2 4.5 4.7
y
k
102.56 113.18 130.11 142.05
23. Encuentre la curva y ae
bx
que mejor se ajusta segn mnimos cuadrados a la siguiente
tabla de datos y calcule su error E
RMS
.
x
k
1.0 2.0 2.5 3.0
y
k
1108 . 8190 . 222 6 . 605 1 .
206 MTODOS NUMRICOS
__________________________________________________________________________________
4.1.3 Algunos hechos importantes acerca de las diferencias divididas de Newton: las
siguientes son algunas de las propiedades ms importantes de las diferencias divididas de
Newton:

1. Si es una permutacin de (
n 1 0
z , , z , z K ) ( )
n 1 0
x , , x , x K , entonces

[ ] [ ]
n 1 0 n 1 0
x , , x , x f z , , z , z f K K =

CASO PARTICULAR: [ ] [ ]
0 1 1 0
x , x f x , x f =

( Esta propiedad es consecuencia de la unicidad del polinomio interpolante para los
nodos ).
n 1 0
x , , x , x K

2. Si es n-veces continuamente diferenciable en f [ ] b , a (es decir, ) y
son nmeros distintos en
[ b , a C f
n
]
n 1 0
x , , x , x K [ ] b , a , entonces existe ( ) b , a tal que

[ ]
( )
( )
! n
f
x , , x , x f
n
1 1 0

= K

CASO PARTICULAR: [ ]
( )
( ) =

= f
! 1
f
x , x f
1 0
para algn entre y (teorema
del valor medio).
0
x
1
x

3. Si es un nmero intermedio entre los nodos , entonces el error al
aproximar mediante el polinomio de interpolacin
x
n 1 0
x , , x , x K
( ) x f ( ) x p
n
para en los nodos
dados es:
f

( ) ( ) ( ) [ ] ( ) ( ) ( )
n 1 0 n 1 0 n
x x x x x x x , x , , x , x f x p x f x = = K K

4. Sea , con conteniendo a los nmeros . Entonces [ b , a C f
n
] ] [ b , a
n 1 0
x , , x , x K

[ ]
( )
( )
[ ]
4 4 4 3 4 4 4 2 1
K K
K
0
0 n 2 1
x veces 1 n
0 0 0
0
n
n 1 0
x x , x , x
x , , x , x f
! n
x f
x , , x , x f lim
+
=

CASO PARTICULAR: [ ]
( ) ( )
,
x x
x f x f
x , x f
0 1
0 1
1 0
=
[ ]
( ) ( )
( ) [ ]
0 0 0
0 1
0 1
x x
1 0
x x
x , x f x f
x x
x f x f
lim x , x f lim
0 1 0 1
=
=

Se definen las siguientes diferencias divididas con repeticin:

__________________________________________________________________________________
[ ] ( )
[ ]
( )
[ ]
( )
( )
1 k ,
! k
x f
x , , x , x f
! 2
x f
x , x , x f
x f x , x f
0
k
x veces 1 k
0 0 0
0
0 0 0
0 0 0
0
=

=
=
+
4 4 4 3 4 4 4 2 1
K
M

Esta definicin extendida de diferencia dividida con repeticin, es vlida siempre que tenga
derivada continua en , del orden correspondiente. Tenga cuidado para .
f
0
x 2 k

4.1.4 Interpolacin de Hermite: Esta interpolacin se refiere a la interpolacin de una
funcin f y algunas de sus derivadas en un mismo conjunto de nodos.

Como primer ejemplo, supongamos que queremos encontrar un polinomio, de menor grado
posible, que satisfaga ( ) ( ) 2 1 p , 1 0 p = = y 3
2
1
p =
(observe que se tienen 3 nodos

distintos).

Como hay 3 condiciones, podemos pensar en resolver el problema mediante un polinomio
( es el espacio vectorial real de todos los polinomios de grado menor o igual
que dos con coeficientes reales). Digamos
( )
2
x p
2

( ) ( ) ( )
2 2
x c x b a 0 x c 0 x b a x p + + = + + =

donde a, b, c son coeficientes reales por determinar.

Como , entonces las condiciones impuestas conducen a: ( ) x c 2 b x p + =

( ) 1 a 0 p = = ,

( ) 2 c b a 1 p = + + = , entonces 1 c b = + ,

3 c b
2
1
c 2 b
2
1
p = + =
+ =

De acuerdo con las ecuaciones 1 c b = + y 3 c b = + , se concluye que no existe un
polinomio de grado menor o igual que dos que resuelva el problema planteado.

Intentamos con un polinomio ( )
3
x p . Digamos

( ) ( )
2 3 2
dx 3 cx 2 b x p , dx cx bx a x p + + = + + + =

Las condiciones impuestas conducen a:

208 MTODOS NUMRICOS
__________________________________________________________________________________
( ) 1 a 0 p = = ,

( ) 2 d c b a 1 p = + + + = , de donde se tiene que 1 d c b = + + ,

3 d
4
3
c b
2
1
d 3
2
1
c 2 b
2
1
p
2
= + + =
+ =

Como el sistema
= + +
= + +
3 d
4
3
c b
1 d c b

tiene infinitas soluciones: 9 c b , 8 d = + = , entonces el problema planteado tiene infinitas
soluciones (

2
4
1
0 0
1 1 1 1
3
4
3
1 1
1 1 1 1
).

Como un segundo ejemplo, supongamos que queremos encontrar un polinomio de
menor grado posible que interpole a f y
( ) x p
f en dos nodos distintos y , es decir, tal
polinomio debe satisfacer las cuatro condiciones siguientes
0
x
1
x
( ) x p

( ) (
i i
x f x p = ) y ( ) ( ) 1 , 0 i , x f x p
i i
= =

Como hay 4 condiciones (4 ecuaciones), es razonable pensar que un tal polinomio
puede ser de grado 3, es decir,
( ) x p
( )
3
x p . Digamos que ( ) x p es de la forma

( ) ( ) ( ) ( ) ( )
1
2
0
2
0 0
x x x x d x x c x x b a x p + + + =

Esta forma de expresar el polinomio ( ) x p se plantea para simplificar los clculos de los
coeficientes a, b, c y d.

Como ( ) ( ) ( ) ( ) ( )
2
0 1 0 0
x x d x x x x d 2 x x c 2 b x p + + + = , las cuatro condiciones
sobre conducen a: ( ) x p

( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
1
2
0 0 1 1
0 0 0 0
x f x x c x x b a x p 3
x f b x p 2 ; x f a x p 1
= + + =
= = = =

conocidos a y b se calcule c.

( ) ( ) ( ) ( ) ( )
1
2
0 1 0 1 1
x f x x d x x c 2 b x p 4 = + + =

conocidos a, b y c se calcula d.

__________________________________________________________________________________

Como se observa este problema tiene solucin nica, independientemente de los valores
( ) ( ) ( ) ( )
1 0 1 0
x f y x f , x f , x f .

Estudiaremos nicamente un caso especial para el cual un problema, del tipo anterior, tiene
siempre solucin nica, problema que es conocido como Interpolacin de Hermite. En este
tipo de problemas, se suponen las siguientes condiciones de interpolacin sobre el polinomio
buscado : ( ) x p

Siempre que se prescriba o establezca la condicin
( )
( )
i
j
x p para un cierto nodo , (donde
denota el valor de la derivada de orden j del polinomio en el nodo ),
tambin se deben establecer las condiciones
i
x
( )
(
i
j
x p ) ( ) x p
i
x

( )
( ) ( ) ( )
i i i
1 j
x p , x p , , x p
K

Si denota el nmero de condiciones prescritas o establecidas sobre en el nodo ,
para cada , es decir, si se dan las condiciones
i
k ( ) x p
i
x
n , , 1 , 0 i ... =

( )
( ) ( ) n i 0 1 k j 0 , c x p
i j i i
j
= ( * )

(Observe que puede variar con ), entonces el nmero total de condiciones sobre el
polinomio , que denotaremos por
i
k i
( ) x p 1 m+ es tal que:

n 1 0
k k k 1 m + + + = + K

El siguiente teorema garantiza existencia y unicidad de un polinomio (de grado
menor o igual que m) que satisface las condiciones ( * ) , tal polinomio se llamar polinomio
de interpolacin de Hermite.
( )
m
x p

Teorema: Existe un nico polinomio ( )
m
x p (de grado menor o igual que m) que
satisface las condiciones de interpolacin de Hermite ( * ).

Demostracin: Si , entonces ( )
m
x p ( ) x p tiene 1 m+ coeficientes (por ser de grado
menor o igual que m) y como el nmero de condiciones impuestas sobre (en (*)) es
tambin , entonces tales condiciones generan un sistema de
( ) x p
1 m+ 1 m+ ecuaciones lineales
con incgnitas, y deseamos asegurar que la matriz de coeficientes de este sistema es
invertible, para lo cual es suficiente probar que el sistema homogneo asociado
1 m+
0 AU =
tiene solucin nica . 0 U =

El problema homogneo asociado, consiste en encontrar ( )
m
x p tal que

( )
( ) n i 0 , 1 k j 0 , 0 x p
i i
j
=

Como para todo j con
( )
( ) 0 x p
i
j
= 1 k j 0
i
, entonces el polinomio tiene en
un cero de multiplicidad mayor o igual que (segn teorema que dice: si
( ) x p
i
x
i
k
210 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( )
( )
( )
( )
( ) 0 p y 0 p p p
k 1 k
= = = =

... , entonces es una raz de multiplicidad k
de la ecuacin ) y por lo tanto ( ) 0 x f = ( ) x p debe ser un mltiplo del polinomio dado
por
( ) x q
( ) ( )
=
=
n
0 i
k
i
i
x x x q
(segn teorema del factor: si es una raz de
i
x ( ) 0 x p = , entonces ( )
i
x x es un factor de
) ( ) x p

Observe, sin embargo, que es de grado ( ) x q 1 m+ ( ), mientras que es
de grado a lo ms m. Concluimos entonces que
=
= +
n
0 i
i
k 1 m ( ) x p
( ) ( ) 0 x q x p = = , as que todos los
coeficientes del polinomio son cero, y entonces el sistema ( ) x p 0 AU = tiene solucin nica
. 0 U =

Veamos como se encuentra el polinomio de interpolacin de Hermite, mediante unos
ejemplos.

Ejemplo 1: Supongamos que queremos encontrar el polinomio ( ) x p que satisface
y ( ) ( )
10 i 0 0 0
c x p , c x p = = ( )
01 0
c x p = .

Solucin: Puesto que las condiciones son de interpolacin de Hermite (es decir, del tipo (*)),
con ( 2 es el nmero de condiciones sobre el nodo y 1 es el nmero de
condiciones sobre el nodo ), entonces existe un nico polinomio que
satisface las condiciones dadas. Consideremos la siguiente tabla de diferencias divididas
extendidas:
3 1 2 1 m = + = +
0
x
1
x ( )
2
x p

i
z D.D.0 ( )
i
z p D.D.1 D.D.2
0 0
x z = ( )
0 0 0
z p c = [ ]
1 0 1 0
c z , z p = [ ]
2 0 2 1 0
c z , z , z p =
0 1
x z = ( )
1 0 0
z p c = [ ]
2 1
z , z p
1 2
x z = ( )
2 10
z p c =

NOTA: En esta tabla se repite el nodo tantas veces como condiciones hayan impuestas
sobre ese nodo. Cada uno de los clculos que aparecen en la tabla se realiza usando la
definicin de diferencia dividida con o sin repeticin, segn sea el caso.
i
x

[ ] [ ] ( )
1 0 0 0 0 1 0
c x p x , x p z , z p = = = ( definicin)

[ ] [ ]
( ) ( )
0 1
0 0 10
0 1
0 1
1 0 2 1
x x
c c
x x
x p x p
x , x p z , z p
= =

__________________________________________________________________________________
[ ]
[ ] [ ]
( )
2 0
0 1
1 0
2
0 1
0 0 0 1
0 1
1 0
0 1
0 0 10
0 2
1 0 2 1
2 1 0
c
x x
c
x x
c c
x x
c
x x
c c
z z
z , z p z , z p
z , z , z p
2
z
0
z

El polinomio

( ) [ ] [ ] ( ) [ ] ( ) ( )
1 0 2 1 0 0 1 0 0
z x z x z , z , z p z x z , z p z p x p + + =

es decir,
( ) ( ) ( )
2
0 2 0 0 1 0 0 0
x x c x x c c x p + + =

satisface las condiciones dadas. En efecto:

( )
0 0 0
c x p =
( ) ( ) ( )
( ) ( [ ]
10
0 1 1 0 0 0 0 1 0 1 1 0 0 0
2
0 1 2 0 0 1 1 0 0 0 1
c
x x c c c x x c c
x x c x x c c x p
=
+ + =
+ + =
)
( ) ( ) ( )
1 0 0 0 2 0 1 0
c x p , x x c 2 c x p = + =

En conclusin es el polinomio de interpolacin de Hermite para las condiciones dadas. ( ) x p

Ejemplo 2: Use el mtodo de diferencias divididas extendidas de Newton para obtener el
polinomio de Hermite que interpola la siguiente tabla:

i
x ( )
i
x f ( )
i
x f ( )
i
x f
0 2 3
1 6 7 8

Solucin: Como nmero de condiciones sobre el nodo = = 2 k
0
1 x
0
= , y nmero
de condiciones sobre el nodo
= = 3 k
1
2 x
1
= , entonces en la tabla se repite el nodo 1 x
0
= dos
veces y el nodo tres veces. As que se construye la siguiente tabla de diferencias
divididas:
2 x
1
=

i
z D.D.0 D.D.1 D.D:2 D.D.3 D.D.4
1 z
0
= 2 [ ] 1 2 , 1 , 1 f = [ ] 3 1 , 1 f = [ ] 1 2 , 2 , 1 , 1 f = [ ] 1 2 , 2 , 2 , 1 , 1 f =
1 z
1
= 2 [ ] 4 2 , 1 f = [ ] 3 2 , 2 , 1 f = [ ] 1 2 , 2 , 2 , 1 f =
2 z
2
= 6 [ ] 7 2 , 2 f = [ ] 4 2 , 2 , 2 f =
2 z
3
= 6 [ ] 7 2 , 2 f =
2 z
4
= 6

En esta tabla los clculos se realizan como se indica a continuacin:

212 MTODOS NUMRICOS
__________________________________________________________________________________
[ ] [ ]
( )
[ ] [ ]
( )
7
! 1
2 f
2 , 2 f z , z f ; 3
! 1
1 f
1 , 1 f z , z f
3 2 1 0
=
= = =
= =
[ ] [ ]
( )
7
! 1
2 f
2 , 2 f z , z f
4 3
=
= =
[ ] [ ]
( )
4
2
8
! 2
2 f
2 , 2 , 2 f z , z , z f
4 3 2
= =

= =

Luego el polinomio

( ) ( ) ( )( ) ( )( )( ) ( )( )( )( )( )
( )( ) ( ) ( ) ( ) ( )
2 2 2 2
3 2 1 0 2 1 0 1 0 0
2 x 1 x 2 x 1 x 2 1 x 1 x 3 2
z x z x z x z x 1 z x z x z x 2 z x z x 1 z x 3 2 x p
+ + =
+ + + + =

satisface las condiciones dadas. En efecto:

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 6 1 5 2 2 1 2 2 2 1 2 2 1 2 1 2 3 2 2 p ; 2 1 p
2 2 2 2
= + = + + + = =
( ) ( ) ( ) ( )( ) ( )( ) ( ) ( ) 2 x 1 x 2 2 x 1 x 2 2 x 1 x 4 1 x 2 1 x 2 3 x p
2 2 2
+ + + =
( ) ( ) ( ) ( ) 7 2 2 3 1 2 2 1 2 2 3 2 p ; 3 1 p
2
= + + = + + = =
( ) ( ) ( )
( )
( ) ( ) ( )( ) ( )( ) ( )
2 2
1 x 8
1 x 2 2 x 1 x 4 2 x 1 x 4 2 x 2 2 x 4 1 x 4 1 x 4 2 x p + + + =
4 4 4 3 4 4 4 2 1

( ) ( ) ( ) 8 1 2 2 1 2 8 2 2 p
2
= + =

Ejercicio: Encuentre el polinomio de interpolacin de Hermite cuando todas las condiciones
se dan en un nico nodo , es decir, para las condiciones
0
x

( )
( ) k j 0 , c x p
j 0 0
i
=

4.1.5 Interpolacin trigonomtrica y serie finita de Fourier: A continuacin
describiremos un tipo de interpolacin donde las funciones bsicas utilizadas no son los
polinomios algebraicos en una variable real, sino los polinomios llamados trigonomtricos.

Definicin: Un polinomio trigonomtrico de grado a lo ms n es cualquier funcin de la
forma
( ) ( ) ( ) [ ]
=
+ + =
n
1 k
k k
0
kx sen b kx cos a
2
a
x p

Como se observa, es una funcin peridica de perodo , es decir,
para todo
( ) x p 2 ( ) ( ) 2 x p x p + =
R x .

El problema de inters esta vez es:

Dada una funcin f peridica de perodo y N puntos 2 ( ) ( )
j j
x f , x con
1 N , , 1 , 0 j , j
N
2
x
j
= = ... , nodos igualmente espaciados en el intervalo [ ] 2 , 0 , se quiere
"aproximar " la funcin f en el intervalo [ ] 2 , 0 , en el sentido de los mnimos cuadrados
__________________________________________________________________________________
continuos, mediante un polinomio trigonomtrico ( ) x p de modo que ( ) ( )
j j
x f x p = para cada
, es decir, se quiere que 1 N , , 1 , 0 j = ... ( ) x p interpole la funcin f en los nodos igualmente
espaciados 1 N , , 1 , 0 j , j
N
2
x
j
= = ... .
En esta figura, el tamao de paso es
N
2
h = .

Se puede demostrar, ver por ejemplo Kincaid, 1991, pgina 413 y 414 que: Existe un nico
polinomio trigonomtrico de grado menor o igual que 1 N de la forma

( ) ( ) ( ) [ ]
=
+ + =
1 N
1 k
k k
0
kx sen b kx cos a
2
a
x p
que interpola a f en los N nodos igualmente espaciados 1 N , , 1 , 0 j , j
N
2
x
j
= = ... . Tal
polinomio tiene coeficientes

( )
( ) ( )
( ) ( ) 1 N , , 2 , 1 k , x k sen x f
N
1
b
1 N , , 2 , 1 k , x k cos x f
N
1
a
, x f
N
1
2
a
j
1 N
0 j
j k
1 N
0 j
j j k
1 N
0 j
j
0
= =
= =
=
=
...
...

( ) ( ) ( ) [
=
+ + =
1 N
1 k
k k
0
kx sen b kx cos a
2
a
x p ] satisfaciendo las condiciones anteriores se dir el
polinomio trigonomtrico de interpolacin para los datos ( ) ( )
j j
x f , x , 1 N , , 1 , 0 j = ... , o
serie finita (discreta) de Fourier para f.

Ejemplo 1 Considere la funcin ( ) x x f = , [ ] , x y extendida peridicamente por la
relacin para todo ( ) x f 2 x f = + ( ) R x . La grfica de esta funcin es como se indica:

214 MTODOS NUMRICOS
__________________________________________________________________________________

Aproximemos f en el intervalo mediante el polinomio trigonomtrico correspondiente
a . En este caso
[ 2 , 0 ]
3 N =
3
2
N
2
h = = , y entonces los nodos son: 0 0
3
2
x
0
= = ,
3
2
1
3
2
x
1
= = y
3
4
2
3
2
x
2
= = .

De acuerdo con la definicin de f, se tiene que ( ) ( ) 0 0 f x f
0
= = , ( )
3
2
3
2
f x f
1
=
= y
( )
3
2
3
4
2
3
4
f x f
2
= =
= . Entonces el polinomio trigonomtrico interpolante para f en

este caso es:
( ) ( ) ( ) [ ]
=
+ + =
2
1 k
k k
0
kx sen b kx cos a
2
a
x p
con
( ) ( )
9
4
3
2
3
2
0
3
1
x f
3
1
x f
N
1
2
a
2
0 j
j
1 N
0 j
j
0
=
+ + = = =

=
=

__________________________________________________________________________________
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
+ =
+ =
= =
=
+ =
+ =
= =

=
=
=
=
0
2
3
3
2
2
3
3
2
0
3
1
3
4
sen
3
2
3
2
sen
3
2
0 sen 0
3
1
x sen x f
3
1
x 1 sen x f
N
1
b
9
2
2
1
3
2
2
1
3
2
0
3
1
3
4
cos
3
2
3
2
cos
3
2
0 cos 0
3
1
x cos x f
3
1
x 1 cos x f
N
1
a
2
0 j
j j
1 N
0 j
j j 1
2
0 j
j j
1 N
0 j
j j 1

( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
+ =
+ =
= =
=
+ =
+ =
= =

=
=
=
=
0
2
3
3
2
2
3
3
2
0
3
1
3
8
sen
3
2
3
4
sen
3
2
0 sen 0
3
1
x 2 sen x f
3
1
x 2 sen x f
N
1
b
9
2
2
1
3
2
2
1
3
2
0
3
1
3
8
cos
3
2
3
4
cos
3
2
0 cos 0
3
1
x 2 cos x f
3
1
x 2 cos x f
N
1
a
2
0 j
j j
1 N
0 j
j j 2
2
0 j
j j
1 N
0 j
j j 2

Luego el polinomio trigonomtrico de interpolacin buscado es

( ) ( ) ( ) x 2 cos
9
2
x cos
9
2
9
4
x p =

Como ejercicio compruebe que este polinomio satisface las condiciones de interpolacin
para la funcin ( ) x x f = , [ ] , x . La grfica de la funcin extendida de f en el
dominio [ ] junto con la del polinomio 2 , 0 ( ) x p , aparecen en la siguiente figura:

216 MTODOS NUMRICOS
__________________________________________________________________________________
El problema planteado al comienzo de esta parte tambin puede resolverse usando variable
compleja como sigue:

Definicin: Un polinomio exponencial de grado a lo ms n es cualquier funcin de la forma

( ) ( ) ( ) ( ) [ ] ( ) ( ) [ ]

= = = =
+ = + = = =
n
0 k
k
n
0 k
k
k
n
0 k
k
x i
k
n
0 k
x k i
k
kx sen i kx cos c x sen i x cos c e c e c x q

( Frmula de Euler, ( ) ( ) : x isen x cos e
x i
+ = 1 i
2
= , { } R C + = b , a / ib a c
k

( )
( ) ( ) : kx isen kx cos e
x k i
+ = Frmula de De Moivre).

Observe que es un polinomio en la variable compleja ( ) x q ( ) (x isen x cos e z
ix
+ = = ) .

Usando polinomios exponenciales, el problema planteado (interpolacin trigonomtrica)
puede ser transformado en el problema de encontrar un polinomio exponencial

( )
( )
= + + + =
1 N
0 k
x k i
k
x 1 N i
1 N
ix
1 0
e c e c ... e c c x q

con coeficientes complejos tales que
k
c ( ) ( ) 1 N , , 1 , 0 j , x f x q
j j
= = ... , con
1 N , , 1 , 0 j , j
N
2
x
j
= = ... (nodos igualmente espaciados en el intervalo [ ] 2 , 0 ).

Se puede demostrar que el polinomio exponencial de grado a lo ms que mejor
aproxima a una funcin f ( peridica) en los puntos , segn Mnimos Cuadrados, es
1 N
2
j
x

( )
( )x 1 N i
1 N
x i
1 0
1 N
0 k
x k i
k
e c ... e c c e c x q

=
+ + + = =

con coeficientes ( ) 1 N , , 1 , 0 k , e x f
N
1
c
1 N
0 k
x k i
j k
j
= =

... y este polinomio interpola a la

funcin f en los nodos 1 N , , 1 , 0 j , j
N
2
x
j
= = ... , es decir,

( ) ( ) 1 N , , 1 , 0 j , x f x q
j j
= = ...

Si consideramos el mismo ejemplo anterior: 3 N = , 0 x
0
= ,
3
2
x
1
= ,
3
4
x
2
= y , ( ) 0 x f
0
=
( )
3
2
x f
1
= , ( )
3
2
x f
2
= . Encontremos el polinomio exponencial que
interpola a f en los nodos .
( )

=
=
2
0 k
x k i
k
e c x q
2 , 1 , 0 j , x
j
=

Debemos calcular los coeficientes 2 , 1 , 0 k , c
k
= , como sigue:
__________________________________________________________________________________

( )
( )
( ) ( ) ( ) ( ) [ ]

+ + = + + = = =

=
3
2
3
2
0
3
1
x f x f x f
3
1
x f
3
1
e x f
N
1
c
2 1 0
2
0 j
j
1 N
0 j
x 0 i
j 0
j

( )
( )
( ) ( ) ( ) ( ) [ ]
( )
+ + =
+ + = = =

=

3
4
i
3
2
i
0 i
x i
2
x i
1
x i
0
2
0 j
x i
j
x 1 i
1 N
0 j
j 1
e
3
2
e
3
2
e 0
3
1

e x f e x f e x f
3
1
e x f
3
1
e x f
N
1
c
2 1 0
j j

9
2
2
3
2
3
i
3
3
1
2
3
i
2
1
3
2
2
3
i
2
1
3
2
3
1
3
4
isen
3
4
cos
3
2
3
2
isen
3
2
cos
3
2
3
1
c
1
=
=

( )
( )
( )
( ) ( ) ( ) { }
( )
9
2
2
3
2
3
i
3
3
1
2
3
i
2
1
3
2
2
3
i
2
1
3
2
3
1
3
8
isen
3
8
cos
3
2
3
4
isen
3
4
cos
3
2
3
1
e
3
2
e
3
2
e 0
3
1
e x f e x f e x f
3
1
e x f
3
1
e x f
N
1
c
3
4
i 2
3
2
i 2
0 i 2
x i 2
2
x i 2
1
x i 2
0
x i 2
2
0 j
j
1 N
0 j
x 2 i
j 2
2 1 0
j j
=
+ =
+ + =
+ + =
= =

Luego el polinomio exponencial buscado es:

( )
( ) ( ) [ ] ( ) ( ) [ ]
( ) ( )
( )
( ) ( )
=
+ + =
=

x 2 sen
9
2
x sen
9
2
i x 2 cos
9
2
x cos
9
2
9
4
x 2 sen i x 2 cos
9
2
x sen i x cos
9
2
9
4
e
9
2
e
9
2
9
4
x q
x p
x i 2 x i
4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 2 1

218 MTODOS NUMRICOS
__________________________________________________________________________________
Observe que la parte real del polinomio ( ) x q es el polinomio trigonomtrico obtenido
anteriormente.
( ) x p

El polinomio exponencial y su correspondiente polinomio trigonomtrico
coinciden en todos los nodos
( ) x q ( ) x p
1 N , , 1 , 0 j , j
N
2
x
j
= = ... , es decir,
( ) ( ) ( ) 1 N , , 1 , 0 j , x f x p x q
j j j
= = = ... , pero no necesariamente se tiene que
para puntos . ( ) ( ) x q x p =
j
x x
La grfica, en el intervalo [ , tanto de la funcin ] 2 , 0 ( ) [ ] , x , x x f = extendida
peridicamente junto con la parte real e imaginaria del polinomio exponencial , se
muestra en el siguiente dibujo:
( ) x q

CAPTULO 5. INTEGRACIN NUMRICA
INTRODUCCIN
En este captulo estudiaremos algunos mtodos numricos para estimar el valor de una
integral definida
( ) I
f x dx
a
b
Integral en la cual el intervalo de integracin
[ ]
a b , es finito, y f es una funcin de una
variable real y valor real continua en
[ ]
a b , .
Segn el teorema fundamental del Clculo, para una funcin f con las caractersticas
indicadas antes, existe una antiderivada F de f en
[ ]
a b , , es decir, ( ) ( ) x f x F para todo
[ ] b , a x , y
( ) ( ) ( ) f x dx F b F a
a
b

El problema para usar los mtodos analticos de integracin es que, es posible que F no se
pueda expresar en trminos de funciones elementales, o aunque F se conozca
explcitamente, sta no se pueda evaluar fcilmente.
Ejemplos de tales integrales son:
1
3
0
1
x dx

1
1
5
0
1
+
x
dx

e
x
dx
x
1
2

e dx
x
2
1
5
lnx
x
dx
+
1
1
2

xtanxdx
0
4

1
2
3
lnx
dx

( )
sen x dx
2
0
2
( )
cos x dx
2
0
2

1
3 3
0
1
+
x dx

senxdx
0
2

x x dx +
2 3
0
1
( )
9
2
1
3
0
1
x dx

tanxdx
0
1

senx
x
dx
0
1

1
1
2
0
+
sen x
dx
Lo anterior motiva el uso de los mtodos de integracin numrica que estudiaremos en lo

que sigue; los primeros que consideraremos se basan en la aproximacin de la funcin f
mediante polinomios interpolantes.
232 MTODOS NUMRICOS
__________________________________________________________________________________
5.1 ALGUNAS FRMULAS CERRADAS DE NEWTON-COTES
Supongamos que queremos estimar el valor de
( ) I
f x dx
a
b
donde la funcin f es continua en el intervalo finito
[ ]
a b , .
Una manera de hacer sto se indica a continuacin:
Empezamos dividiendo el intervalo
[ ]
a b , en N subintervalos de igual longitud,
[ ] [ ] [ ] [ ]
N 1 N 1 k k 2 1 1 0
x , x ,..., x , x ,..., x , x , x , x
+
, donde los N+1 puntos
N 1 0
x ,..., x , x de la particin se
obtienen a partir de la frmula
x a kh N
k
+ , , ,..., k 01
siendo h
b a
N

. Nos referiremos a h como el tamao de paso.
Ntese que x a b
N 0
, x , y que h x x
k k

+1
, cualquiera sea
1 N ,..., 1 , 0 k .
Ahora bien, si ( ) ( ) ( ) p x f x L x
N j j
j
N
0
es el polinomio de interpolacin de Lagrange para la
funcin f en los nodos
N 1 0
x ,..., x , x , entonces
( ) ( ) ( ) ( ) ( ) ( )

b
a
j
N
0 j
j
b
a
j
N
0 j
j
b
a
N
b
a
dx x L x f dx x L x f dx x p dx x f
De esta forma se obtiene una frmula del tipo
( ) ( ) x f A dx x f
N
0 j
j j
b
a

donde
( ) N ,..., 1 , 0 j , dx x L A
b
a
j j

Una frmula del tipo anterior, para aproximar el valor de ( ) f x dx

a
b
, es llamada una frmula de

cuadratura (cerrada) de Newton-Cotes.
En muchos casos, en lugar de aproximar la funcin f en el intervalo completo
[ ]
a b , por un
slo polinomio interpolante, usando todos los nodos
N 1 0
x ,..., x , x , ms bien la aproximamos
Captulo 5. INTEGRACIN NUMRICA 233
__________________________________________________________________________________
por tramos mediante polinomios interpolantes usando dos, tres o ms nodos consecutivos.
Estudiaremos solamente tres de estos ltimos tipos de aproximaciones: La regla de los
Trapecios, la regla de Simpson
1
3
_
,
y la regla de Simpson
3
8
_
,
.
5.1.1 Regla de los Trapecios: Corresponde sta al caso en que la funcin f se aproxima en
cada subintervalo [ ]
x x
k k
,
+1
,
1 N ,..., 1 , 0 k , mediante el polinomio de interpolacin lineal de
Lagrange, ( ) p x
k
, usando los nodos x
k
y x
k+1
.
FIGURA 5.2
Como el polinomio de interpolacin de Lagrange es
( ) ( ) ( ) p
k k
k
k k
k
k
k k
x f x
x x
x x
f x
x x
x x
+
+
+
+
1
1
1
1
entonces
( ) ( )
( ) ( )
( ) ( )
( )
( )
( )
( )
( )
( )
( )

dx
f x dx p x dx
f x
x x
x x
f x
x x
x x
f x
x x
x x
dx f x
x x
x x
dx
f x
x x
x x
f x
x x
x x
f x
x x
x
x
k
x
x
k
k
k k
k
k
k k
x
x
k
k
k k
x
x
k
k
k k
x
x
k
k
k k
k
k
k k
x
x
k
k
k
k
k
k
k
k
k
k
k
k
k
k
+ +
+
+ +
+

1
]
1
1
]
1
1

+
+
+
+
+
+
+
+
+
+
+
+
+
+
1 1
1
1 1
1
1
1
1
1
1
1
1
1
1
2
1
1
2
1
1
1
2 2
( )
( )
( )
( )
( )
( )
( ) ( )
k
k k
k
k k
k k
k k
k k
x x
f x
x x
x x
x x
f x f x
2
1
1
2
1
1
1
2 2
2
+
+
+
+
+

+
ancho
altura promedio
! " # $ #
! " ## $ ##
234 MTODOS NUMRICOS
__________________________________________________________________________________
Pero h x x
k k

+1
, as que
( ) ( ) ( ) [ ]
f x dx
h
f x f x
x
x
k k
k
k+
+
+
1
2
1
y entonces
( ) ( ) ( ) ( )
[ ]
I f x dx f x dx
h
f x f x
a
b
x
x
k
N
k
N
k k
k
k
+

+
+
1
0
1
0
1
1
2
es decir,
( ) ( ) ( ) ( ) f x dx
h
f a f b f x
a
b
k
k
N

+ +
1
]
1
1
2
2
1
1
Si N> 1, la frmula anterior se conoce como regla compuesta de los Trapecios. En el
caso N 1, caso en el cual h b a , dicha frmula se reduce a
( ) ( ) ( )
[ ]
f x dx
b a
f a f b
a
b

+
2
frmula que se conoce como regla simple de los Trapecios.
Algoritmo 5.1 (Regla de los Trapecios) Para aproximar la integral ( ) I f x dx
a
b
, usando la
regla de los Trapecios:
Entrada: f(x) , los extremos a y b de la integral, un entero positivo N.
Salida: Una aproximacin AI de I.
Paso 1: Tomar h
b a
N

.
Paso 2: Tomar
( ) ( ) AIO f a f b +
.
AI 0 (Inicializacin de la suma para los puntos ) 1 N ,..., 2 , 1 k , x
k

Paso 3: Para
1 N ,..., 2 , 1 k , seguir los pasos 4 y 5:
Paso 4: Tomar x a kh +
Paso 5: Tomar ( ) AI AI f x +
Paso 6: Tomar
( )
AI
h AIO AI
+ 2
2
.
__________________________________________________________________________________
Paso 7: Salida: "Un valor aproximado de la integral para N subintervalos es AI".
Terminar.
Error de frmula en la regla de los Trapecios: Recordando la frmula para el error en la
interpolacin, tenemos que si ( ) p x
k
es el polinomio de interpolacin lineal de Lagrange para
la funcin f en los nodos x
k
y x
k+1
, entonces para
[ ]
x x x
k k
+
,
1
, el error al aproximar ( ) x f
mediante ( ) p x
k
, es
( ) ( ) ( )
( )( )
( ) ( )
E x f x p x
x x x x
f x
k
k k
k

+1
2!

y entonces
( ) ( ) ( )
( )( )
( ) ( )
E x
x
k+1
dx f x dx p x dx
x x x x
f x dx
x x
x
k
x
x
k k
k
x
x
k k
k
k
k
k
k

1
]
1
1
+ + +
+
1 1 1
1
2!

donde ( )
k
x es un nmero que depende de x y ( ) ( )
k k k
x x x
+
,
1
.
Luego el error en la aproximacin obtenida al usar la regla de los Trapecios en el intervalo
[ ]
x x
k k
,
+1
, que se denomina error local, es
( ) ( )( )( )
+
+

1 k
k
x
x
1 k k k k
dx x x x x x f
2
1
E
Como ( ) ( )( ) g x x x x x
k k

+1
no cambia de signo en el intervalo [ ]
x x
k k
,
+1
, entonces por el
teorema del valor medio ponderado para integrales, se tiene que
( ) ( )( )( )
( )
( )
( )
( )
( )
( )
E
k k k k
x
x
k
k k k k
x
x
k
k k
k k
k k
k k k k
f x x x x x dx
f
x
x x
x
x x x
f
x x
x x
x x
x x x x
k
k
k
k

+ +
1
]
1
1
_
,
_
,
+
+ +
+
+
+
+ +
+
+
1
2
2 3 2
2 3 2
1
3
1
2
1
1
3 3
1
1
2 2
1 1
1
1
para algn ( )
k k k
x x
+
,
1
.
Factorizando, agrupando y teniendo en cuenta que h x x
k k

+1
, obtenemos
( ) E
k k
h
f
3
12

para algn ( )
k k k
x x
+
,
1
.
236 MTODOS NUMRICOS
__________________________________________________________________________________
Teorema del valor medio ponderado para integrales: Si f es una funcin continua en
[ ]
a b , , g es una funcin integrable en
[ ]
a b , y ( ) g x no cambia de signo en
[ ]
a b , , entonces
existe ( ) c a b , tal que
( ) ( ) ( ) ( ) f x g x dx f c g x dx
a
b
a
b

Cuando en el teorema anterior ( ) g x 1, ste se convierte en el teorema del valor medio para
integrales.
La demostracin del teorema del valor medio ponderado para integrales puede ser
consultada en Kincaid, 1972, pginas 12 y 13.
El error total al aplicar la regla de los Trapecios, es decir, el error que se comete al aplicar la
regla de los Trapecios sobre todo el intervalo
[ ]
a b , , es
( ) ( ) ( ) E
T k
k
N
k
k
N
k
k
N
k k k
E
h
f
h
f x x
_
,
+
0
1
3
0
1
3
0
1
1
12 12
, ,
( )
( ) ( )
f
12
a b
h f N
12
h
2
N
a b
h
3
para algn ( ) a b ,
( ) la igualdad se debe a la aplicacin del teorema del valor intermedio a la funcin
f , que
suponemos continua en el intervalo
[ ]
a b , .
La frmula anterior del error en la regla de los Trapecios indica que si f es una funcin lineal,
entonces la regla de los Trapecios es exacta, es decir, E
k
0 para todo k N 01 1 , ,..., , ya
que si ( ) f x cx d + , entonces ( ) ( ) f x c y f x 0 para todo
[ ]
x ab , .
Volviendo a la frmula para el error total, E
T
, tenemos que si
( ) f x L para toda
[ ]
x a b ,
entonces
( )
( )
E
T
h
N f
h
NL h
b a
L

3 3
2
12 12 12
(recuerde que h
b a
N

)
El resultado anterior se indica escribiendo
( )
E O h
T
2
, de acuerdo con la siguiente definicin:
Definicin 5.1 (Notacin O-grande) Supongamos que
( ) limF x L
x

0
R . Se dice que ( ) F x
converge a L cuando x0 con rapidez de convergencia ( ) ( )
O G x , si existe una constante
positiva K, independiente de x, tal que
__________________________________________________________________________________
( )
( )
F
G
x L
x
K
para x suficientemente pequeo. Si este es el caso escribimos ( ) ( ) ( )

F x L O G x + .
En el caso de la regla simple de los Trapecios, tenemos que h b a y
( ) E
h
f
T

3
12
, para algn ( ) ab ,
as que
( )
E O h
T

3
, en este caso.
5.1.2 Regla de Simpson
1
3
_
,
: En este caso se aproxima la funcin f en cada subintervalo
[ ]
x x
k k
,
+2
, k N 02 2 , ,..., , mediante un polinomio de interpolacin de Lagrange de grado
menor o igual que dos, usando los nodos x x x
k k k
, ,
+ + 1 2
. Observe que, en este caso, el
nmero de subintervalos N debe ser par, N 2 .
FIGURA 5.3
Como el polinomio de interpolacin de Lagrange de grado menor o igual que dos, usando los
nodos x
k
, x
k+1
y x
k+2
, es
( ) ( )
( )( )
( )( )
( )
( )( )
( )( )
( )
( )( )
( )( )
p
k k
k k
k k k k
k
k k
k k k k
k
k k
k k k k
x f x
x x x x
x x x x
f x
x x x x
x x x x
f x
x x x x
x x x x

+

+

+ +
+ +
+
+
+ + +
+
+
+ + +
1 2
1 2
1
2
1 1 2
2
1
2 2 1
entonces
238 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( )
( )
( )( )
( )
( )
( )( )
( )
( )
( )( )
( )
f x dx p x dx
f x
x x x x
x
x x
x
x x x
f x
x x x x
x
x x
x
x x x
f x
x x x x
x
x x
x
x x x
x
x
k
x
x
k
k k k k
k k k k
k
k k k k
k k k k
k
k k k k
k k k k
k
k
k
k + +

+ +
_
,
+

+ +
_
,
+

+ +
_
,
1
]
+ +
+ + + +
+
+ + +
+ +
+
+ + +
+ +
2 2
1 2
3
1 2
2
1 2
1
1 1 2
3
2
2
2
2
2 2 1
3
1
2
1
3 2
3 2
3 2
1
1
+
x
x
k
k 2
Evaluando, agrupando y teniendo en cuenta que
1 k 2 k k 1 k
x x x x h
+ +
, obtenemos
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
[ ]

ancho
altura promedio
f x dx x x
f x f x f x
h
f x f x f x
h
f x f x f x
x
x
k k
k k k
k k k
k k k
k
k+

+ +
+ +
+ +
+
+ +
+ +
+ +
2
2
1 2
1 2
1 2
4
6
2
4
6
3
4
! " # $ #
! " #### $ ####
Luego
( ) ( ) ( ) ( )
( ) ( ) ( )
[ ]
( ) ( ) ( )
[ ]
( ) ( ) ( )
[ ] { }
I + + +
+ + + + + + + + +

f x dx f x dx f x dx f x dx
h
f x f x f x f x f x f x f x f x f x
a
b
x
x
x
x
x
x
N N N
N
N
0
2
2 2
4
3
4 4 4
0 1 2 2 3 4 2 1
...
...
es decir,
( ) ( ) ( ) ( ) ( ) f x dx
h
f a f b f x f x
a
b
k
k
N
k
k
N

+ + +
'
3
4 2
2 1
0
2
2
2
1
2
2
Si N m 2 , con m un entero, m 2, la frmula anterior se conoce como regla compuesta de
Simpson
1
3
_
,
. Lo de
1
3
viene de que en la frmula obtenida, h aparece multiplicada por
1
3
.
En el caso particular N 2, se tiene que h
b a

2
, y la frmula anterior se reduce a
__________________________________________________________________________________
( ) ( ) ( ) f x dx
b a
f a f
a b
f b
a
b

+
+
_
,
'
6
4
2
frmula que se conoce como regla simple de Simpson
1
3
_
,
.
Algoritmo 5.2 (Regla de Simpson
1
3
_
,
) Para aproximar la integral ( ) I f x dx
a
b
, usando la
regla de Simpson
1
3
_
,
:
Entrada: ( ) f x , los extremos a y b de la integral, un entero positivo par N m 2 .
Salida: Una aproximacin AI de I.
Paso 1: Tomar h
b a
m
b a
N

2
.
Paso 2: Tomar
( ) ( ) AIO f a f b +
AI1 0 (Inicializacin de la suma para los nodos x
k 2 1 +
,
1 m
2
2 N
,..., 1 , 0 k
)
AI2 0 (Inicializacin de la suma para los nodos x
k 2
,
1 m
2
2 N
,..., 2 , 1 k
)
AI 0
Paso 3: Para
1 m 2 ,..., 2 , 1 i , seguir los pasos 4 y 5:
Paso 4: Tomar x a ih + .
Paso 5: Si i es impar (i k + 2 1), entonces tomar ( ) AI AI f x 1 1 + , de lo contrario
( ) i k 2 tomar
( ) AI AI f x 2 2 +
.
Paso 6: Tomar
( )
AI
h AIO AI AI
+ + 4 1 2 2
3
.
Paso 7: Salida: "Un valor aproximado de la integral para N m 2 subintervalos es AI".
Terminar.
240 MTODOS NUMRICOS
__________________________________________________________________________________
Error de frmula en la regla de Simpson
1
3
_
,
: Como el trmino ( )( )( ) x x x x x x
k k k

+ + 1 2
que aparece en la formula de error al interpolar por un polinomio de interpolacin de
Lagrange (de grado menor o igual que 2) usando los nodos x
k k k
, x , x ,
+ + 1 2
cambia de signo
en el intervalo
[ ]
x x
k k
,
+2
, no podemos obtener una frmula para el error al aplicar la regla de
Simpson
1
3
_
,
usando el teorema del valor medio ponderado para integrales; sin embargo se
puede demostrar, ver Kincaid, 1972, pginas 447 y 448, que el error al emplear la regla de
Simpson
1
3
_
,
en el intervalo [ ]
x x
k k
,
+2
, llamado error local, est dada por
( )
( ) E
k
iv
k
h
f
5
90

donde ( ) 2 N 2,..., 0, = k , x , x y
N
a b
h
2 k k k

+
.
Entonces el error al aplicar la regla de Simpson
1
3
_
,
sobre todo el intervalo
[ ]
a b , , es decir, el
error total, E
T
, es
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ) ( ) b , a , f
180
a b
h f
180
N
h
f 1
2
2 N
90
h
f
90
h
x , x , f
90
h
E E E
iv 4 iv 5
iv
5 2
2 N
0 p
p 2
iv
5
1 p 2 p 2 p 2
2
2 N
0 p
p 2
iv
5 2
2 N
0 p
p 2
2 N ,.., 2 , 0 k
k T

,
_

,
_
,
_

( (*) La igualdad se debe al cambio de variable k p 2 : si k 0, entonces p 0 , y si
k N 2, entonces p
N 2
2

)
Esto implica que la regla de Simpson
1
3
_
,
es exacta cuando se aplica a polinomios de grado
menor o igual que 3, que es un grado ms de lo que era de esperarse, ya que estamos
aproximando la funcin f por medio de polinomios de grado menor o igual que dos.
Si
( )
( ) [ ]
f da x a,b
iv
x L para to , entonces
__________________________________________________________________________________
( )
( ) E f
T
iv h N h
NL h
b a
L

5 5
4
90 2 180 180
as que
( )
E O h
T

4
.
En el caso N 2,
( )
( )
( )
( )
( ) ( ) E con
T
iv iv h
f
b a
f a b

5
5
90 2880
, ,
(recuerde que h
b a
N

), as que
( )
E O h
T

5
.
5.1.3 Regla de Simpson
3
8
_
,
: De la misma forma que se obtuvieron las regla de los

Trapecios y la regla de Simpson
1
3
_
,
, se puede interpolar la funcin f en cada subintervalo

[ ]
x x
k k
,
+3
, k N 03 3 , ,..., (lo que requiere que N sea un entero positivo mltiplo de 3, es
decir, N m 3 , m un entero positivo), mediante un polinomio de interpolacin de Lagrange de
grado menor o igual que tres, ( ) p x
k
, usando los nodos x
k k k k
, x , x , x
+ + + 1 2 3
.
FIGURA 5.4
Entonces
( ) ( ) f x dx p x dx
x
x
k
x
x
k
k
k
k + +

3 3
242 MTODOS NUMRICOS
__________________________________________________________________________________
y se obtiene
( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
[ ]

ancho
altura promedio
f x dx x x
f x f x f x f x
h
f x f x f x f x
x
x
k k
k k k k
k k k k
k
k+

+ + +
+ + +
+
+ + +
+ + +
3
3
1 2 3
1 2 3
3 3
8
3
8
3 3
! " # $ #
! " ####### $ #######
As que
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
[ ] {
( ) ( ) ( ) ( )
[ ]
( ) ( ) ( ) ( ) [ ] }
f x dx f x dx f x dx f x dx
h
f x f x f x f x f x f x f x f x
f x f x f x f x
a
b
x
x
x
x
x
x
N N N N
N
N

+ + +
+ + + + + + + +
+ + + +

0
3
3
6
3
3
8
3 3 3 3
3 3
0 1 2 3 3 4 5 6
3 2 1
...
...

es decir,
( ) ( ) ( ) ( ) ( ) ( ) f x dx
h
f a f b f x f x f x
a
b
k
k
N
k k
k
N
k
N

+ + + +
'
3
8
3 3 2
3 1
0
3
3
3 2 3
1
3
3
0
3
3
Si N m 3 2 , , m m un entero, la frmula anterior se conoce como regla compuesta de
Simpson
3
8
_
,
.
En el caso N 3, caso en el cual h
b a

3
, dicha frmula se reduce a
( )
( )
( ) ( )
( ) ( )
f x dx
b a
f a f
a b
f
a b
f b
b a
f a f
a b
f
a b
f b
a
b

+
+
_
,
+
+
_
,
'

+
+
_
,
+
+
_
,
'
3
24
3
2
3
3
2
3
8
3
2
3
3
2
3
frmula que se conoce como regla simple de Simpson
3
8
_
,
.
Al igual que en el caso de la regla de Simpson
1
3
_
,
, se puede demostrar que el error al
aproximar el valor de la integral ( ) f x dx
a
b
por medio de la regla de Simpson

3
8
_
,
en el
intervalo
[ ]
x x
k k
,
+3
, es decir, el error local, es
__________________________________________________________________________________
( )
( ) ( ) 3 N ,..., 3 , 0 k , x , x ,
N
a b
h , f h
80
3
E
3 k k k k
iv 5
k

+
y entonces el error total es
( )
( )
( )
( )
( )
( )
( )
( ) ( )
E
para alg n
T
iv
p
p
N
iv
iv iv
h f h
N
f
h
N
f h
b a
f ab

+
_
,
3
80
3
80
3
3
1
80 80
5
3
0
3
3
5
5 4

,
Si
( )
( ) [ ]
f toda x a,b
iv
x L para , entonces
( )
( ) E f
T
iv
h
b a
h
b a
L

4 4
80 80
as que
( )
E O h
T
4
, como en la regla de Simpson
1
3
_
,
.
Si N 3, entonces h
b a

3
y
( )
( )
( )
( )
( )
( )
( ) ( )
E
para alg n a,b
T
iv
iv iv
h f
b a
f
b a
f

_
,
3
80
3
80 3 6480
5
5
5

as que
( )
E O h
T

5
, en este caso.
Ejemplo 5.1 Use las reglas de los Trapecios, Simpson
1
3
_
,
y Simpson
3
8
_
,
simples y
compuestas con N 6, para estimar
I xdx
sen
2
0
3
Cul es una cota para el error en la estimacin, en cada caso ? (desprecie los errores de
redondeo)
Solucin: En este ejemplo ( ) f x x sen
2
, que es una funcin continua en todo R , por tanto
se satisfacen todas las hiptesis para que se puedan aplicar las reglas de integracin
numricas vistas.
244 MTODOS NUMRICOS
__________________________________________________________________________________
CASO SIMPLE: En este caso N 1 para la regla de los Trapecios, N 2 para la regla de
Simpson
1
3
_
,
y N 3 para la regla de Simpson
3
8
_
,
.
i) Segn la regla de los Trapecios:
( ) ( )
[ ]
I sen

+
+

_
,
1
]
1
2
0
3
2 2
2
6
0
3
3926991
xdx
b a
f a f b

sen sen
.
ii) Segn la regla de Simpson
1
3
_
,
:
( ) ( ) ( ) I xdx
b a
f a f
a b
f b

+
+
_
,
1
]
1
+

_
,
_
,
1
]
1
sen sen sen sen

2
0
3
2 2 2
6
4
2 18
0 4
6 3
3054326

.
iii) Segn la regla de Simpson
3
8
_
,
:
( )
( ) ( )
( )
I xdx
b a
f a f
a b
f
a b
f b

+
+
_
,
+
+
_
,
1
]
1
+

_
,
_
,
_
,
1
]
1
sen
sen sen sen sen
2
0
3
2 2 2 2
3
24
3
2
3
3
2
3
24
0 3
9
3
2
9 3
3063656

.
Cul de estas aproximaciones es la mejor ?
Estudiemos el error para cada caso.
i) Regla de los Trapecios: En este caso
( ) E con h
T
h
f b a
_
,

3
12
0
3 3

, ,
Como ( ) f x x sen
2
, entonces
__________________________________________________________________________________
( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( )
( )
,
, f

f x x x x f x x
f x x x x
iv
2 2 2 2
4 2 8 2
sen cos sen cos
sen cos
luego
( ) ( ) para todo x <
_
,
f x x 2 2 2 0
3
cos ,
y entonces
( ) E
T
h
f
_
,
<

3
3
1
12
3
12
2 19 5 5 10
. .
lo que no garantiza que el valor obtenido aproxime al valor exacto con alguna cifra decimal
exacta.
ii) Regla de Simpson
1
3
_
,
: En este caso
( )
( ) E
T
iv h
f
5
90

para algn

_
,

0
3 2 6
, , h
b a
y como
( )
( ) ( ) f para todo x
iv
x x <
_
,
8 2 8 0
3
cos ,
entonces
( )
( ) E f
T
iv h

_
,
<

5
5
3 3
90
6
90
8 35 10 5 10
.
lo que asegura una precisin de por lo menos dos cifras decimales exactas en la
aproximacin obtenida aplicando la regla simple de Simpson
1
3
_
,
.
iii) Regla de Simpson
3
8
_
,
: En este caso
( )
( ) E
T
iv h
f
3
80
5
para algn

_
,

0
3 3 9
, , h
b a
entonces
( )
( ) E f
T
iv h

_
,
<

3
80
3
9
80
8 16 10 5 10
5
5
3 3
.
lo que garantiza una precisin de por lo menos dos cifras decimales exactas en la
aproximacin obtenida usando la regla de Simpson
3
8
_
,
.
246 MTODOS NUMRICOS
__________________________________________________________________________________
Segn estas estimaciones de error, se espera que la mejor aproximacin sea la obtenida por
la regla de Simpson
3
8
_
,
, pero para dar una respuesta definitiva debemos conocer el valor
exacto de la integral dada.
CASO COMPUESTO CON N 6: Si N 6, entonces h
b a
N

18
y los puntos de la
particin son
x
0 1 2 3 4 5 6
0
18 9 6
2
9
5
18 3
, x , x , x , x , x , x

Entonces tenemos:
i) Regla de los Trapecios: Segn esta regla
( ) ( )
[ ]
I xdx
h
f x f x
k k
k
+
sen
2
0
3
1
0
5
2
( ) +

_
,
_
,
_
,
_
,
_
,
_
,
1
]
1
'

36
0
3
2
18 9 6
2
9
5
18
f f f f f f f
.3092953
En este caso el error es
( ) ( ) E
h
Nf f
T

_
,
1
]
1
3
3
12
18
12
6

para alg n 0,
3
y como
( ) para toda x 0,
3

1
]
1
f x 2

entonces
( )( ) E
T

_
,
_
,
<

18
12
6 2
18
53 10 5 10
3
3
3 2
.
lo que garantiza una precisin de por lo menos una cifra decimal exacta en la aproximacin
calculada.
ii) Regla de Simpson
1
3
_
,
: Segn esta regla

( ) ( ) ( )
[ ]
( ) ( ) ( ) ( ) ( )
[ ]
( ) ( )
[ ] { }
I xdx
h
f x f x f x
h
x f x f x f x f x f x f x
k k k
k
+ +
+ + + + + +
+ +
sen
, ,
2
0
3
1 2
0 24
0 6 1 3 5 2 4
3
4
3
4 2
3070743
f
.
__________________________________________________________________________________
El error en la aproximacin es
( )
( )
( )
( )
( )
( ) E
h
Nf
h
f
h
f
T
iv iv iv

5 5 5
180 180
6
30
para algn

1
]
1
0
3
,
y como
h

18
y

( )
( ) f para toda x 0,
3
iv
x
1
]
1
8

entonces
E
T

_
,
<

18
30
8 43 10 5 10
5
5 5
.
lo que garantiza una precisin de por lo menos cuatro cifras decimales exactas en la
aproximacin calculada.
iii) Regla de Simpson
3
8
_
,
: En este caso
( ) ( ) ( ) ( )
[ ]
( ) ( ) ( ) ( )
[ ]
( ) ( )
[ ]
( )
{ }
I
f

+ + +
+ + + + + +
+ + +
sen
,
2
0
3
1 2 3
03
0 6 1 4 2 5 3
3
8
3 3
3
8
3 3 2
3070510
xdx
h
f x f x f x f x
h
x f x f x f x f x f x f x
k k k k
k
.
El error en la aproximacin para este caso es
( )
( )
( )
( ) E
h
Nf f
T
iv iv

_
,
5
5
80
18
80
6
para algn

1
]
1
0
3
,
y entonces
( )( ) E
T

_
,
<

18
80
6 8 97 10 5 10
5
5 4
.
lo que garantiza una precisin de por lo menos tres cifras decimales exactas en la
aproximacin calculada.
De estas tres ultimas aproximaciones, se espera que la mejor sea la dada por la regla de
Simpson
1
3
_
,
, que es la que tiene menor cota de error.

Como el valor exacto de I xdx

_
,
sen sen ...

2
0
3
6
1
4
2
3 6
3
8
307092424

. , entonces
el error absoluto real en las aproximaciones obtenidas, para el caso de las reglas
compuestas, es:
248 MTODOS NUMRICOS
__________________________________________________________________________________
sen
2
0
3
3
3092953 21 10 xdx

. .
... , para la regla de los Trapecios.

sen ,
2
0
3
5
3070743 18 10 xdx

. .
... para la regla de Simpson

1
3
_
,
.
sen ,
2
0
3
5
3070510 41 10 xdx

. .
... para la regla de Simpson

3
8
_
,
.
TRAPECIO( ( ) f x x a b N , , , , ): Usa la regla de los Trapecios con N subintervalos para aproXimar
el valor de la integral ( ) f x dx
a
b
.
SIMPSON( ( ) f x x a b N , , , , ): Usa la regla de Simpson
1
3
_
,
con N subintervalos (N debe ser un

entero positivo PAR) para aproXimar el valor de la integral ( ) f x dx
a
b
.
Para el ejemplo anterior, aproXime las expresiones TRAPECIO(( ) sinx x
2
0
3
6 , , , ,
);
SIMPSON(( ) sinx x
2
0
3
6 , , , ,
).
Los valores obtenidos por las reglas de los Trapecios, Simpson
1
3
_
,
y Simpson
3
8
_
,
, para
valores de N 12 18 24 36 , , y se muestran en la TABLA 5.1 siguiente.
N
Regla de los
Trapecios
Regla de
Simpson
1
3
_
,
Regla de
Simpson
3
8
_
,
6 .3092953 .3070743 .3070510

12 .3076423 .3070913 .3070899
18 .3073367 .3070922 .3070919
24 .3072298 .3070924 .3070923
36 .3071535 .3070924 .3070924
TABLA 5.1
__________________________________________________________________________________
Se recomienda usar la regla de Simpson
1
3
_
,
con h .05. Si el nmero de subintervalos

es impar se pueden combinar las reglas de Simpson
1
3
_
,
y Simpson
3
8
_
,
, mejor que usar la

regla de los Trapecios.
Para el ejemplo, observe que si N 18, entonces
h
b a
N
3
0
18 54
058 .
Una propiedad muy importante de las frmulas de integracin (cerradas) de Newton-Cotes
es la estabilidad con respecto a los errores de redondeo.
Por ejemplo, supongamos que aplicamos la regla de Simpson
1
3
_
,
con N m 2
subintervalos a una funcin f en
[ ]
a b , , y determinemos una cota para el error de redondeo
acumulado ocasionado por la aplicacin de dicha regla.
Si el valor calculado de ( ) f x
k
se nota por ( )
~
f x
k
, es decir,
( ) ( ) f x f x
k k k
+
~
, para k N m 01 2 , ,...,
donde
k
denota el error de redondeo correspondiente a ( ) f x
k
, entonces al aplicar la regla
de Simpson
1
3
_
,
a la funcin f debemos calcular la expresin

( ) ( ) ( ) ( )
h
f x f x f x f x
m k
k
m
k
k
m
3
4 2
0 2 2 1
0
1
2
1
1
+ + +
1
]
1
1
+

Por lo tanto el error de redondeo acumulado E
R
, al usar la regla de Simpson
1
3
_
,
, es
E
R m k
k
m
k
k
m
h
+ + +
1
]
1
1
+

3
4 2
0 2 2 1
0
1
2
1
1
as que
E
R m k
k
m
k
k
m
h
+ + +
1
]
1
1
+

3
4 2
0 2 2 1
0
1
2
1
1
y entonces
'
+ + +

+
2 4
3
h
E
1 m
1 k
m 2 k 2
1 m
0 k
1 k 2 0 R
250 MTODOS NUMRICOS
__________________________________________________________________________________
Ahora bien, si los errores de redondeo estn acotados uniformemente por , es decir

k
para todo
m 2 N ,..., 1 , 0 k , entonces
( )
[ ]
E
R
h
m m
h
m mh + + +
3
4 2 1
3
6 2
pero h
b a
N
b a
m

2
, as que 2mh b a , y por lo tanto
( ) E
R
b a
Luego una cota para el valor de E
R
es ( ) b a , que es una cota independiente de h, lo que
implica que el procedimiento de la regla de Simpson
1
3
_
,
es estable cuando h tiende a
cero.
Ejemplo 5.2 Use la regla de Simpson
1
3
_
,
con N 6 para estimar la longitud L del arco de

la curva y x cos comprendida entre los puntos
_
,
_
,

2
0
2
0 , , y
.
Solucin: Como y x cos ,
dy
dx
x sen , entonces
L x +
1
2
2
2
sen dx
(Integral elptica de segunda clase)

Es claro que la funcin ( ) f x x x + 1 2 1
1
2
2 2
sen cos es continua en el intervalo finito
1
]
1

2 2
, . As que podemos aplicar la regla de Simpson
1
3
_
,
para aproximar el valor de L.

Si N 6, entonces h
b a
N

6
, y entonces los puntos x
k
de la particin y los valores
( ) ( ) f x x
k k
+ 1
2
sen correspondientes, son los que se dan en la TABLA 5.2 siguiente:
k 0 1 2 3 4 5 6
x
k

2

3

6
0

6

3

2
( ) f x
k 2
7
2
5
2
1
5
2
7
2
2
TABLA 5.2
__________________________________________________________________________________
Por consiguiente
( ) ( ) ( ) ( ) L x
h
f x f x f x f x
k
k
k
k
+ + + +
1
]
1
1

1
3
4 2
2
2
2
0 6 2 1
0
2
2
1
2
sen
dx
+ + + +
_
,
+ +
_
,
1
]
1
1
18
2 2 4
7
2
1
7
2
2
5
2
5
2
3819403 .
De acuerdo con la frmula de error en la aplicacin de la regla de Simpson
1
3
_
,
, se tiene
que
E h
b a
M M
T

_
,
4
4
180 6 180

siendo M una constante tal que
( )
( ) M x f
iv
para toda x
1
]
1

2 2
, . Se puede verificar que el
menor valor para M es 7, as que
E
T

_
,

6 180
7 009 5 10
4
2
.
lo que asegura una precisin de por lo menos una cifra decimal exacta en la aproximacin
obtenida. En situaciones como la del ejemplo, donde la funcin ( ) f x x + 1
2
sen tiene
derivada difcil de calcular, podemos estimar el error teniendo en cuenta que
( )
E O h
T

_
,
<
4
4
1
6
075 5 5 10
. .
Si N 60, entonces h
60
05 . y la aproximacin obtenida es L 3820198 . con
E
T

91 10 5 10
7 6
. , lo que asegura una precisin de por lo menos cinco cifras
decimales exactas en la aproximacin obtenida.
Ejemplo 5.3 Determine los valores de N y h necesarios (de acuerdo con la teora) para
aproximar
e
x
senxdx
1
3
de manera que el error en la aplicacin de la regla de Simpson

1
3
_
,
no sea mayor que 10

4
y determine la aproximacin (desprecie los errores de redondeo).
252 MTODOS NUMRICOS
__________________________________________________________________________________
Solucin: Sabemos que el error en la aplicacin de la regla compuesta de Simpson
1
3
_
,
es
( )
( ) ( ) E
N
2
f , donde 1,3 y h
iv
T
h b a
N N

5
90
2

De acuerdo con esta frmula, debemos empezar por conocer una cota para
( )
( ) f x
iv
en el
intervalo
[ ]
13 , , siendo ( ) f x e
x
senx.
Como
( ) ( ) + + f x e e e
x x x
senx cosx senx cosx
( ) ( ) ( ) + + f x e e e
x x x
senx cosx cosx senx cosx 2
( ) ( ) f x e e e
x x x
2 2 2 cosx senx cosx senx
y
( )
( ) ( ) ( ) ( ) f x e x x e x x e x e x
iv x x x x
+ 2 2 2 2 4 cos sen sen cos sen sen
entonces
( )
( ) ( ) f x e x e x e x x
v x x x
+ 4 4 4 sen cos sen cos , as que
( )
( )
[ ]
f x x x x x
x
v
+

0 0
3
4
2356 13
sen cos sen cos
,
.
Ahora,
( )
f ...
iv
e sen
3
4
4
3
4
2984
3
4

_
,
_
,
.
( )
( ) f sen ...
iv
e 1 4 1 9149
1
.
( )
( ) f sen ...
iv
e 3 4 3 1133
3
.
luego en x
3
4
ocurre el mnimo de
( )
( ) f x e
iv x
4 senx en el intervalo
[ ]
13 , , pero
( )
( ) [ ]
f x e
iv x
< 4 0 senx para toda x 1,3 , as que el mximo de
( )
( ) f
iv
x
en el intervalo
[ ]
13 , ocurre en x
3
4
, es decir,
( )
( ) [ ]
f para todo x
iv x
x e x e

_
,
< 4 4
3
4
2984 30 13
3
4
sen sen ,
.
__________________________________________________________________________________
As que finalmente,
( ) E
T
h
N
N
N
_
,
5
5
180
30
2
6
y entonces debemos encontrar N, tal que
32
6
10
4
4
N

. La solucin de esta desigualdad es
N> 15 y como N debe ser par, entonces el menor valor de N es N 16.
Si N 16, entonces h
2
16
125 . y la regla de Simpson
1
3
_
,
da
e xdx
x
sen
1
3
1095011
.
Como E
T
<

10 5 10
4 4
, entonces (despreciando los errores de redondeo) la
aproximacin calculada tiene una precisin de por lo menos tres cifras decimales exactas,
que son 9,5 y 0.
Si integramos por partes, obtenemos e xdx
x
sen ...
1
3
1095017
. , as que la aproximacin
calculada es bastante buena.
5.2 INTEGRACIN DE ROMBERG
La integracin de Romberg es un mtodo numrico para obtener una estimacin del valor de
una integral definida con base en dos o ms aplicaciones de una frmula como la de los
Trapecios (o Simpson) empleando diferentes tamaos de paso, pero que es mejorada al
combinarse con el proceso de extrapolacin de Richardson. Para estudiar la extrapolacin
de Richardson se puede consultar Burden, 1985, pginas 167-173.
El procedimiento de Romberg para aproximar ( ) f x dx
a
b
, consiste en lo siguiente:
Aplicamos la regla de los Trapecios sucesivamente para tamaos de paso h
k
variables, as:
h b a
1
( ) m
1
1 subintervalo , h
h b a
2
1
2 2

(m
2
2 subintervalos), h
h b a
3
2
2
2
2

( )
m 2 subintervalos
3
2
,..., h
h b a
k
k
k

1
1
2
2
(m
k
k

2
1
subintervalos),
...,h
h b a
N
N
N

1
1
2
2
(
m
N
N

2
1
subintervalos) donde N es algn entero positivo.
Al reemplazar h h
k
por en la regla de los Trapecios, obtenemos
254 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) ( ) ( ) ( ) f x dx
h
f a f b f a ih
h
f
a
b
k
k
i
k
i
i
k k

+ + +
1
]
1
1

2
2
12
1
2 1 3
0
2 1
1 1

donde
i
es tal que ( ) a ih a i h
k i k
+ < < + + 1 .
Si denotamos
( ) ( ) ( ) R
h
f a f b f a ih
k
k
k
i
k
,1
1
2 1
2
2
1
+ + +
1
]
1
1
entonces al variar k N 12 , ,..., , obtenemos las aproximaciones mediante la regla de los

Trapecios
( ) ( )
[ ]
( ) ( )
[ ]
R
h
f a f b
b a
f a f b
11
1
2 2
,
+

+
( ) ( ) ( )
[ ]
R
h
f a f b f a h
21
2
2
2
2
,
+ + +
( ) ( )

+ + +

_
,
1
]
1
b a
f a f b f a
b a
4
2
2
( ) ( ) [ ] ( ) ( )

+ + +
_
,
'
1
2 2
1
2
b a
f a f b b a f a b a
es decir,
R R h f a h
21 11 1 1
1
2
1
2
, ,
+ +
_
,
1
]
1
Ahora,
( ) ( ) ( ) R
h
f a f b f a ih
i
31
3
3
1
3
2
2
,
+ + +
1
]
1
1
( ) ( ) ( ) ( ) ( )
[ ] { }
+ + + + + + +
h
f a f b f a h f a h f a h
3
3 3 3
2
2 2 3
( ) ( )
( )

+ + +

_
,
+ +

_
,
+ +

_
,
1
]
1
1
'
b a
f a f b f a
b a
f a
b a
f a
b a
8
2
4 2
3
4
( ) ( )

+ + +

_
,
'
+

+

_
,
_
,
+ +

_
,
_
,
'
'
1
2 4
2
2 2
1
2 2
3
2 2
b a
f a f b f a
b a b a
f a
b a
f a
b a
es decir,
R R h f a
h
f a
h
31 21 2
2 2
1
2 2
3
2
, ,
+ +
_
,
+ +
_
,
1
]
1
'
En general, se puede demostrar que

__________________________________________________________________________________
R R h f a
i
h
k k k k
i
k
, , 1 11 1 1
1
2
1
2
2 1
2
2
+ +

_
,
_
,
'
, k 23 , ,...,N
Para ilustrar esta primera parte del procedimiento, aproximemos la integral
( )
1
3 10986128
1
3
x
dx
ln ... .
mediante los nmeros de Romberg ( ) 3 = N 3 2, 1, = k con R
1 , k
:
R
11
3 1
2
1
1
1
3
4
3
1333333
,

+
1
]
1
.
( ) R
21
1
2
4
3
3 1
1
2
1
2
7
3
7
6
1166667
,
+
1
]
1

_
,
.
R
31
1
2
7
6
3 1
2
2
3
2
5
1
2
7
6
16
15
1
2
67
30
67
60
1116667
,
+

+
1
]
1
'
'
.
Se observa que las aproximaciones R
k,1
van acercndose al valor exacto de la integral, pero
con lentitud. Para acelerar la convergencia, usamos ahora extrapolacin de Richardson y
un resultado que nos muestra otra forma para el error en la aplicacin de la frmula de los
Trapecios:
( ) ( ) ( ) ( ) ( ) ( )
[ ]
( )
( )
( )
error
f x dx
h
f a f b f a ih
R
h
f b f a
b a h
f
a
b
k
k
i
k
k
k iv
k
k

+ + +
1
]
1
1
+

2
2
12 720
1
2 1
1
2
4
1
,
! " ###### $ ######
! " ####### $ #######
para algn
k
con a b
k
< < , N ,..., 2 , 1 k .
Combinando la ecuacin
( ) ( ) ( )
[ ]
( )
( )
( ) f x dx R
h
f b f a
b a h
f
a
b
k
k
k iv
k
+

11
1
2
1
4
1
12 720
,

con la ecuacin
( ) ( ) ( )
[ ]
( )
( )
( ) f x dx R
h
f b f a
b a h
f
a
b
k
k
k iv
k
+

,1
2
4
12 720

( ) ( )
[ ]
( )
( )
( ) +

R
h
f b f a
b a h
f
k
k
k iv
k ,1
1
2
4
48 720
, ya que h
h
k
k
1
2
256 MTODOS NUMRICOS
__________________________________________________________________________________
o sea con la ecuacin
( ) ( ) ( )
[ ]
( )
( )
( ) 4 4
12
4
720
1
1
2
4
f x dx R
h
f b f a
b a h
f
a
b
k
k
k iv
k
,

podemos eliminar el trmino que contiene a ( ) ( ) f b f a , para obtener
( )
( )
( )
( )
( )
[ ]
3 4
720
4
1 11
4
1
4
1
f x dx R R
b a
h f h f
a
b
k k k
iv
k k
iv
k
+

, ,

Luego
( )
( )
( )
( )
( )
[ ]
f x dx
R R
b a
h f h f
a
b
k k
k
iv
k k
iv
k

4
3 2160
4
1 11 4
1
4
1
, ,

( )
( )
( )
( )
[ ]
4
3 2160
4 16
1 11 4 4
1
R R
b a
h f h f
k k
k
iv
k k
iv
k
, ,
, ya que h h
k k

1
2 .
( )
( )
( )
( )
[ ]
4
3 540
4
1 11 4
1
R R
h
b a
f f
k k
k
iv
k
iv
k
, ,

y asumiendo que
( )
f
iv
est acotada en
[ ]
a b , , entonces
( )
( )
f x dx
R R
O h N
a
b
k k
k
4
3
23
1 11 4 , ,
, , ,..., k
Para continuar con el procedimiento de Romberg, definimos:
R para =
k
k k
R R
k N
,
, ,
, ,...,
2
1 11
4
3
23

Se puede demostrar que las aproximaciones R
k,2
, k N 23 , ,..., corresponden a las
aproximaciones obtenidas por la Regla de Simpson
1
3
_
,
con h h
k
.
Para el ejemplo, tenemos
R
R R
22
21 11
4
3
4
7
6
4
3
3
10
9
1111111
,
, ,
_
,

.
R
R R
3 2
31 21
4
3
4
67
60
7
6
3
198
180
1100000
,
, ,
_
,

.
Aplicando sucesivamente el proceso de extrapolacin de Richardson, obtenemos
__________________________________________________________________________________
R para cada i =1,2,...,N y j =2,...,i
j i
j
i j i j
j
R R
,
, ,
4
4 1
1
1 1 1
1
con error asociado de orden
( )
O h
i
j 2
.
Recuerde que
R k
k k k k
i
R h f a
i
h N
k
, ,
, , ,...,
1 11 1 1
1
2
1
2
2 1
2
23
2
+ +

_
,
_
,
'
y que
( ) ( )
[ ]
R
11
2
,

+
b a
f a f b
El orden en que se calculan los R
i j ,
es (por filas):
N , N 3 , N 2 , N 1 , N
3 , 3 2 , 3 1 , 3
2 , 2 1 , 2
1 , 1
R R R R
R R R
R R
R

%
&
donde para calcular R
22 ,
necesitamos conocer R
11 ,
y R
21 ,
; para calcular R
3 2 ,
necesitamos
conocer R
21 ,
y R
31 ,
; para calcular R
3 3 ,
necesitamos conocer R
22 ,
y R
3 2 ,
; etc. As que el uso
mas eficiente de esta tabla se logra realizando los clculos por filas de modo que con aplicar
una sola vez ms la regla de los Trapecios (para calcular R
k,1
) se pueda calcular la siguiente
fila.
Es decir, el orden en que se calculan los elementos es R
11 ,
, R
21 ,
, R
22 ,
, R
31 ,
, R
3 2 ,
, R
3 3 ,
... , .
Se puede demostrar, ver Ralston, 1965, pginas 121-124, que los trminos de la diagonal
convergen al valor exacto de la integral siempre y cuando los valores R
k,1
converjan a este
nmero. Se espera, en general, que la sucesin { }
R
k k
k
, converja mucho ms rpido que la
sucesin
{ }
R
k
k
,1
.
El procedimiento de Romberg se termina cuando, prefijada alguna tolerancia > 0, se
satisfaga que R
k k kk
R
, ,
<
1
y se toma R
k k ,
como la aproximacin al valor de la integral.
258 MTODOS NUMRICOS
__________________________________________________________________________________
Para el ejemplo, tenemos:
R
R R
3 3
3 1
3 2 22
3 1
4
4 1
16
198
180
10
9
15
176
10
10
9
15
1584 100
1350
1484
1350
1099259
,
, ,
_
,
.
con
3
3 , 3 2 , 3
10 5 005 000741 R R
< . .
Como
3
3
1
3 3
10 5 005 000647 dx
x
1
R
<
. .
,
entonces el valor calculado R
3 3
1099259
,
. , aproxima al valor exacto de la integral con una
precisin de dos cifras decimales exactas ( 0 y 9) .
Algoritmo 5.3 (Mtodo de Romberg) Para encontrar un valor aproximado de ( ) I f x dx
a
b
usando el mtodo de integracin de Romberg:

Entrada: ( ) f x , los extremos a y b, y un entero positivo N.
Salida: Los nmeros de Romberg R I
N n NN 11 21 22 1 2 , , , , , ,
, , , ..., , , ..., R R R R R
.
Paso 1: Tomar h b a ,
( ) ( ) [ ]
2
b f a f h
R
1 1
+
,
Paso 2: Salida:
R
11 ,
.
Paso 3: Para
N ,..., 3 , 2 i , seguir los pasos 4-8:
Paso 4: Tomar
( ) ( )
R R h f a k h
k
i
21 11
1
2
1
2
5
2
, ,
. + +
1
]
1
1
(aproximacin usando regla de los

Trapecios)
Paso 5: Para j 2,...,i , tomar
R
R R
j
j
j j
j
2
1
2 1 1 1
1
4
4 1
,
, ,
(Extrapolacin de Richardson)
__________________________________________________________________________________
Paso 6: Salida: Los nmeros de Romberg i 2,..., 1, j , R
j 2,
.
Paso 7: Tomar h
h
2
(cambiar la longitud del subintervalo).
Paso 8: Para
i ,..., 2 , 1 j tomar R R
j j 1 2 , ,
.
Paso 9: Terminar
Este algoritmo slo utiliza dos vectores en memoria para calcular los nmeros de Romberg.
5.3 MTODO DE LOS COEFICIENTES INDETERMINADOS
Vimos en la seccin 5.1 que la frmula de los Trapecios es exacta para todos los polinomios
de grado menor o igual que uno y que las reglas de Simpson
1
3
3
8
_
,
_
,
y
son exactas para
polinomios de grado menor o igual que tres. Otra forma de deducir frmulas de integracin
numrica que sean exactas para todos los polinomios de hasta cierto grado, se estudia a
continuacin:
Supongamos que queremos obtener una frmula de integracin numrica del tipo
( ) ( ) ( ) ( )
FORMULA ERROR TOTAL
f x dx Af a Bf b E f
a
b
T
+ +
! " ## $ ## !"$
(5.1)
de modo que dicha frmula sea exacta para todos los polinomios de grado menor o igual que
uno, es decir, tal que el error
( ) E f
T
0 cuando
( ) f x sea un polinomio de grado menor o igual
que uno.
Cmo se determinan los coeficientes A y B?
Para generar ecuaciones que permitan determinar los coeficientes A y B, observe que: Si
( ) f x a a x con a +
0 1 0 1
,a R , entonces
260 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( )
E f E a a x f x dx Af a Bf b
a a x dx A a a a B a a b
a dx A B a xdx A a B b
a E a E x
T T
a
b
a
b
a
b
a
b
T T
+
+ + +

1
]
1
1
+
1
]
1
1
+

0 1
0 1 0 1 0 1
0 1
0 1
1 1 1
1

. . . .
es decir,
( ) ( ) ( ) x E a 1 E a x a a E
T 1 T 0 1 0 T
+ +
As que
( ) E a a x
T 0 1
0 + para todo a a
0 1
, R si y slo si ( ) E
T
1 0 y ( ) E x
T
0
es decir, la frmula buscada es exacta para todos los polinomios de grado menor o igual que
uno si y slo si la frmula es exacta para las funciones polinmicas bsicas de grado menor
o igual que uno: ( ) f x
0
1 y ( ) f x x
1
. De acuerdo con lo anterior, para determinar los
coeficientes A y B, en la frmula buscada, basta sustituir
( ) f x por 1 y
( ) f x por x en la
ecuacin (5.1) con
( ) E f
T
0 .
Haciendo dichas sustituciones, obtenemos
( ) E 1
T

1 1 1 0 dx A B
a
b
( ) E x
T

xdx A a B b
a
b
0
es decir, se obtiene el sistema lineal de dos ecuaciones en las dos incgnitas A, B:
A
aA
+
+

'
B b a
bB
b a
2 2
2
Como este sistema tiene solucin nica A B
b a

2
, entonces la frmula obtenida es
( ) ( ) ( )
[ ]
f x dx
b a
f a f b
a
b

+
2
que es la ya conocida regla simple de los Trapecios para f en [a,b] (verifique que esta frmula
no es exacta para todos los polinomios de grado dos!).
__________________________________________________________________________________
El trabajo realizado antes en el intervalo
[ ]
a b , puede hacerse, sin prdida de generalidad, en
el intervalo
[ ]
01 , , pues la funcin lineal
[ ] [ ]
( ) ( )

t
: 01 , ,
+
ab
t b a t a
es uno a uno y sobre, adems ( ) ( ) 0 1 a b , ( ( ) ( )

1 1
0 1 a b , ). Vea la FIGURA 5.5
como ayuda para construir la funcin ( ) x t .
( )
x a
b a
t
x a b a t

1
FIGURA 5.5
Si en la integral
( ) f x dx
a
b
hacemos el cambio de variable ( ) x b a t a + , entonces ( ) dx b a dt y

( ) ( ) ( )( ) ( ) ( ) ( )
f x dx f b a t a b a dt b a f b a t a dt
a
b

+ +
0
1
0
1
En general, la funcin lineal
[ ] [ ]
( ) ( )

t
: c d a b
t
b a
d c
t c a
, ,

+
es uno a uno y sobre, y adems ( ) ( ) c a y d b ( ( ) ( )

1 1
a c b d , ). Si en la integral
( ) f x dx
a
b
262 MTODOS NUMRICOS

__________________________________________________________________________________
hacemos el cambio de variable
( ) x

+
b a
d c
t c a
obtenemos
( ) ( ) ( ) ( ) f x dx
b a
d c
f t dt
b a
d c
f
b a
d c
t c a dt
a
b
c
d
c
d

_
,
Observe que como es lineal en t, si ( ) f x es polinomial, entonces ( ) ( )

f t es tambin
polinomial en t y del mismo grado. Por consiguiente, la exactitud de una frmula no se altera
al hacer el cambio de variable indicado antes, es decir, si una frmula de integracin
numrica es exacta para todos los polinomios de grado menor o igual que m en la variable x
en
[ ]
a b , , tambin lo ser para todos los polinomios correspondientes en la variable t en
[ ]
c d ,
y recprocamente.
Como ejemplo, supongamos que queremos determinar los coeficientes A, B y C de modo
que la frmula
( ) ( ) ( )
# # # $ # # # " !
frmula
1
0
1 Cf
2
1
Bf 0 Af dx x f +
,
_
sea exacta para todos los polinomios de grado menor o igual que dos.
Siguiendo la misma idea del ejemplo anterior se tiene que: la frmula buscada ser exacta
para todos los polinomios ( ) f x a a x a x + +
0 1 2
2
, de grado menor o igual que dos, si y slo si
la frmula es exacta para las funciones polinmicas bsicas de grado menor o igual que dos
1
2
, , x x .
Luego para determinar los coeficientes A, B y C basta resolver el sistema lineal

1 1 1 1 1
1
2
1
2
1
1
3
1
4
1
0
1
0
1
2
0
1
+ +
+
+
'
dx A B C
xdx B C
x dx B C
es decir, debemos resolver el sistema lineal de tres ecuaciones en las tres incgnitas A, B, C:
__________________________________________________________________________________

A

+ +
+
+
'
B C
B C
B C
1
1
2
1
2
1
4
1
3
La solucin de este sistema es A
1
6
4
6
1
6
, B y C .
As que la frmula obtenida es
( ) ( ) ( ) f x dx f f f
0
1
1
6
0
4
6
1
2
1
6
1
_
,
+
que es exacta para todos los polinomios de grado menor o igual que dos. Como
ejercicio verifique si esta frmula es exacta para todos los polinomios de grado
menor o igual que tres. Es exacta esta frmula para todos los polinomios de grado
menor o igual que cuatro?
Si usamos el cambio de variable ( ) x b a t a + , obtenemos
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( )

f x dx b a f b a t a dt
b a f a f
a b
f b
b a
f a f
a b
f b
a
b
+
+
+
_
,
1
]
1

+
+
_
,
1
]
1

0
1
1
6
4
6 2
1
6
6
4
2
que coincide con la regla simple de Simpson
1
3
_
,
aplicada a la funcin f en el
intervalo
[ ]
a b , .
El mtodo ilustrado en los ejemplos anteriores para encontrar frmulas de integracin
numrica se conoce como mtodo de los coeficientes indeterminados.
5.4 MTODO DE CUADRATURA GAUSSIANA
En las frmulas de integracin numrica o de cuadratura estudiadas hasta aqu para
aproximar el valor de
264 MTODOS NUMRICOS
__________________________________________________________________________________
( ) I
f x dx
a
b
se ha usado siempre una particin regular a x x x b
n
< < <
0 1
... del intervalo
[ ]
a b , ,
es decir, los puntos
n 1 0
x ,..., x , x se han dado igualmente espaciados. Si se quita esta
condicin, pueden disearse frmulas de integracin numrica ms precisas
escogiendo adecuadamente los puntos
n 1 0
x ,..., x , x . Una de estas frmulas es la
cuadratura Gaussiana, que se puede presentar en los siguientes trminos:
La cuadratura Gaussiana consiste en obtener los valores de los puntos
n 2 1
x ,..., x , x
en el intervalo
[ ]
11 , (podemos trabajar en
[ ]
11 , en vez de trabajar en
[ ]
a b , y luego
usar un cambio de variable como se hizo en la seccin anterior) y los coeficientes
n 2 1
A ,..., A , A tales que la frmula
( ) ( )
f x dx A f x
j j
j
n
FORMULA
1
1
1
! " # $ #
(5.2)
sea exacta para todos los polinomios de grado tan alto como sea posible. Esta idea se
debe a Carl Friedrich Gauss (1777-1855).
Este proceso involucra la determinacin de 2n

incgnitas,
n 2 1
A ,..., A , A y
n 2 1
x ,..., x , x ,
donde, en principio,
n 2 1
x ,..., x , x slo estn restringidos a que la funcin f est
definida en
n 2 1
x ,..., x , x y [ ] 1 , 1 x ,..., x , x
n 2 1
.
Los coeficientes A
j
y los puntos
n 2 1
x ,..., x , x son determinados de modo que el error
( ) ( ) ( )
E
n j j
j
n
f f x dx A f x

1
1
1
0
(5.3)
para todos los polinomios ( ) f x de grado tan alto como sea posible.
Para derivar ecuaciones que permitan obtener los coeficientes
n 2 1
A ,..., A , A y los
puntos
n 2 1
x ,..., x , x , notemos, como en el caso del mtodo de los coeficientes
indeterminados, que si ( ) f x a a x a x a x
m
m
+ + + +
0 1 2
2
... , entonces
__________________________________________________________________________________
( ) ( )
( ) ( )
( ) ( )
( )
( ) ( ) ( ) ( )
m
n m
2
n 2 n 1 n 0
m
x
n
E
n
1 j
m
j j
1
1
m
m
2
x
n
E
n
1 j
2
j j
1
1
2
2
x
n
E
n
1 j
j j
1
1
1
1
n
E
n
1 j
j
1
1
0
n
1 j
m
j m
2
j 2 j 1 0 j
1
1
m
m
2
2 1 0
m
m
2
2 1 0 n n
x E a x E a x E a 1 E a
x A dx x a
x A dx x a x A xdx a 1 A dx 1 a
x a x a x a a A dx x a x a x a a
x a x a x a a E f E
+ + + +
1
1
]
1
+
+
1
1
]
1
+
1
1
]
1
+
1
1
]
1

+ + + + + + + +
+ + + +
,
_
...
...
... ...
...
# # # # $ # # # # " !
# # # $ # # # " ! # # # $ # # # " ! # # # $ # # # " !
Por consiguiente: El error
( )
E a a x a x a x
n m
m
0 1 2
2
0 + + + + ... para todos los polinomios
de grado menor o igual que m si y slo si ( ) m ,..., 2 , 1 , 0 i todo para 0 x E
i
n
.
Volviendo al tema de cmo determinar los coeficientes n ,..., 2 , 1 j , A
j
, y los puntos
de la particin n ,..., 2 , 1 j , x
j
, tenemos los siguientes casos particulares:
CASO 1: n 1. En este caso
( ) ( ) ( )
( ) ( )
E
1
1
1
1
1
1
1
1 1
f f x dx A f x
f x dx A f x
j j
j

As que queremos encontrar A

1 1
y x tales que ( ) E f
1
0 para todos los polinomios
( ) f x de grado tan alto como sea posible.
Como hay dos incgnitas por determinar, consideraremos al menos dos ecuaciones,
una para ( ) f x 1 y otra para ( ) f x x , lo que nos lleva a
y 1 1 0 0
1
1
1
1
1
1 1
dx A xdx A x

es decir, resulta el siguiente sistema no-lineal de dos ecuaciones en las dos incgnitas
A
1 1
y x :
2 0
0
1
1 1

'
A
x A
266 MTODOS NUMRICOS
__________________________________________________________________________________
Como la nica solucin de este sistema es A
1
2 0 y x
1
, entonces la frmula
obtenida es
( ) ( ) f x dx f

1
1
2 0
que es llamada regla del punto medio, y es exacta para todos los polinomios de
grado menor o igual que uno, como la regla de los Trapecios. (Verifique que la regla
del punto medio no es exacta para todos los polinomios de grado menor o igual que
dos!).
CASO 2: n 2. En este caso
( ) ( ) ( )
( ) ( ) ( )
E f f xdx A f x
f x dx A f x A f x
j j
j
2
1
1
1
2
1
1
1 1 2 2

As que, esta vez, debemos encontrar A

1 2 1 2
, , A x y x tales que ( ) E f
2
0 para todos los
polinomios ( ) f x de grado tan alto como sea posible. Consideramos entonces cuatro
ecuaciones, una para cada una de las funciones polinmicas bsicas de grado menor o
igual que tres 3 , 2 , 1 , 0 i , x
i
, con lo que obtenemos
1 1 1 0
0
0
0
1
1
1 2
1
1
1 1 2 2
2
1
1
1 1
2
2 2
2
3
1
1
1 1
3
2 2
3

dx A A
xdx A x A x
x dx A x A x
x dx A x A x
es decir,
A
A
1 2
1 1 2 2
1 1
2
2 2
2
1 1
3
2 2
3
2
0
2
3
0
+
+
+
+
'
A
x A x
A x A x
A x A x
__________________________________________________________________________________
Este sistema resultante es no-lineal de cuatro ecuaciones con cuatro incgnitas, y se
puede verificar que la solucin de este sistema es A A
1 2 1 2
1
3
3
3
3
, , x x , as
que la frmula obtenida es
( ) f x dx f f
_
,
_
,
1
1
3
3
3
3
que es exacta para todos los polinomios de grado menor o igual que tres, como en la
regla de Simpson
1
3
_
,
. (Verifique que la frmula anterior no es exacta para todos
los polinomios de grado cuatro).
En general, para n tenemos, como ya mencionamos antes, 2n incgnitas
n 2 1
A ,..., A , A
,
n 2 1
x ,..., x , x
, y queremos que ( ) 1 2n 1,..., 0, i para 0 x E
i
n
, lo que nos conduce al
siguiente sistema no-lineal de 2n ecuaciones con 2n incgnitas

i
i
A x xdx
x
i
n
i
n
j j
i
j
n
i
i

+
1
]
1
1

+

'
1
1
1
1
1
1
1
0 13 2 1
2
1
02 2 2
, , ,...,
, , ,...,
La solucin de estos sistemas se ve que no es fcil, y precisamente por la dificultad
que se presenta al trabajar con estos sistemas no-lineales, hay otra teora ms general,
pero que no presentaremos aqu. En dicha teora se puede demostrar que el error
( ) E f
n
viene dado por
( )
( )
( ) ( )
[ ]
( )
( )
( )
E
n
n n
f
n
n n
f
n
+
+
2
2 1 2
2
2 1
4
2
2
!
!
!
para algn ( ) 1 , 1 .
La TABLA 5.3 siguiente, muestra los valores de los puntos
n 2 1
x ,..., x , x y los valores
de los coeficientes
n 2 1
A ,..., A , A , correspondientes a los valores de
5 , 4 , 3 , 2 , 1 n para
la frmula de cuadratura llamada de Gauss-Legendre
( ) ( )
f x dx A f x
j j
j
n
1
1
1
n
Coeficientes
A j
j
n , ,..., 1
Nodos
x j
j
n , ,..., 1
Error de frmula
268 MTODOS NUMRICOS
__________________________________________________________________________________
1
A
1
2 x
1
0
( ) f
2
A
A
1
2
1
1
x
x
1
2
5773502692
5773502692

.
.
( )
( ) f
4
3
A
A
A
1
2
3
5555555556
8888888889
5555555556

.
.
.
x
x
x
1
2
3
7745966692
00
7745966692

.
.
.
( )
( ) f
6
4
A
A
A
A
1
2
3
4
3478546451
6521451549
6521451549
3478546451
.
.
.
.
x
x
x
x
1
2
3
4
8611363116
3399810436
3399810436
8611363116

.
.
.
.
( )
( ) f
8
5
A
A
A
A
A
1
2
3
4
5
2369268851
4786286705
5688888889
4786286705
2369268851

.
.
.
.
.
x
x
x
x
x
1
2
3
4
5
9061798459
5384693101
00
5384693101
9061798459

.
.
.
.
.

( )
( ) f
10
TABLA 5.3
Si se desea consultar la teora sobre Cuadratura Gaussiana se puede ver Kincaid,
1972, pginas 456-465.
Ejemplo 5.4 Use el mtodo de cuadratura Gaussiana con n 2 y n 3 para estimar
sen
2
0
3
xdx
Solucin: Para usar los datos de la TABLA 5.3, primero hacemos el cambio de
variable
[ ]
( ) ( ) ( )

t
1
]
1

+
+ +
11 0
3
3
1 1
1
6
1
, ,
t t t x
con el cual
( ) sen sen
2
0
3
2
1
1
6 6
1 xdx t dt
_
,

__________________________________________________________________________________
i) Si n 2 , entonces
( ) ( ) sen sen sen
2
0
3
2 2
6 6
5773502692 1
6
5773502692 1
308208655
xdx
_
,
+ +
_
,
'
. .
.
Compare este resultado con el obtenido usando la regla de Simpson
1
3
_
,
.
ii) Si n 3 , entonces
( )
( )
( )
sen sen
sen
sen
.
2
0
3
2
2
2
6
5555555556
6
7745966692 1
8888888889
6
0 1
5555555556
6
7745966692 1
307081826
xdx
_
,
'
+ +
_
,
+ +
_
,
. .
.
. .
.
El valor exacto de la integral dada es
sen ...
2
0
3
3070924246 xdx
.

TALLER 5.
1. a) Use las reglas de los Trapecios, Simpson
1
3
_
,
y Simpson
3
8
_
,
con seis
subintervalos para obtener valores aproximados de cada una de las siguientes
integrales
i)
e
x
dx
x
1
2
ii)
1
2
3
lnx
dx
iii)
e dx
x
2
0
1
iv)
e dx
x
2
0
1
270 MTODOS NUMRICOS

__________________________________________________________________________________
v)
lnx
x
dx
1
1
2
+
vi)
senx
x
dx
0
1
vii) senxdx
0
2
viii)
( )
sen x dx
2
0
1
b) Para cada uno de los valores obtenidos en a) encuentre cotas para el error en la
aproximacin calculada y estime, a partir de esas cotas, con cuntas cifras
decimales exactas aproxima dicho valor al valor exacto. Desprecie los errores
de redondeo.
2. Si ( ) f x dx
0
0 8
2
.
y nos dan la tabla siguiente

x
k
0 .1 .2 .3 .4 .5 .6 .8
( ) f x
k
5 8 6 3 0
3 3
5
Emplee la regla de Simpson
1
3
_
,
para estimar
( ) f .7 .
3. La siguiente tabla muestra valores aproximados de una funcin f y los
correspondientes errores de redondeo
x
1.8 2.0 2.2 2.4 2.6
( )
~
f x
3.12014 4.42569 6.04241 8.03014 10.46675
Error en ( ) f x 2 10
6

2 10
6

.9 10
6

.9 10
6
2 10
6

Use todos los datos de la tabla anterior y la regla de Simpson
1
3
_
,
para aproximar
el valor de ( ) f xdx
18
2 6
.
.
, y calcule el error de redondeo total al aplicar dicha regla.

4. a) Determine el menor nmero de subintervalos N necesarios para obtener una
aproximacin de
ln
.
xdx
1
25
,
con una precisin de por lo menos cinco cifras
decimales exactas, usando la regla de los Trapecios y la regla de Simpson
,
_
3
1
.
__________________________________________________________________________________
Calcule la aproximacin correspondiente, en cada caso. Desprecie los errores
de redondeo.
b) Responda la pregunta planteada en a) para cada una de las integrales en el
problema 1. a).
5. a) Utilice el mtodo de los coeficientes indeterminados para generar una frmula
de integracin numrica del tipo
( ) ( )
f x dx A f x
j j
j
n
0
1
1
que sea exacta para todos los polinomios de grado menor o igual que cuatro.
b) Verifique que la frmula obtenida en a) es exacta para todos los polinomios de
grado menor o igual que cinco, y que no es exacta para todos los polinomios de
grado menor o igual que seis.
c) Aproxime ln2 por medio de la frmula obtenida en a). Cul es el error que se
comete en la aproximacin?
Nota: ln2
1
x
dx
1
2

.
6. Use la regla de Simpson
,
_
3
1
con N 6 y un cambio adecuado de variable para
estimar
x
x
dx
2
5
1
1+
+
.
7. Use las reglas de los Trapecios y Simpson
,
_
3
1
con N 10 para aproximar la cuarta
parte de la longitud de la elipse
x y
2 2
4 1
1 + . Concluya, a partir de las cotas
tericas para el error total, cul es la calidad de la aproximacin obtenida en cada
caso.
272 MTODOS NUMRICOS
__________________________________________________________________________________
8. Use el mtodo de Romberg con N 2 para aproximar cada una de las integrales del
ejercicio 1. a).
9. Use el mtodo de cuadratura Gaussiana con n 2 y n 3 para aproximar cada una
de las integrales del ejercicio 1. a).
10. Encuentre una frmula de cuadratura del tipo indicado
( ) ( )
#$ #" !
frmula
2
0 j
j
1
1
x f c dx x f
que sea exacta para todos los polinomios cuadrticos. Estas frmulas son
conocidas como frmulas de cuadratura de Chebyshev.
11. a) Encuentre una frmula del tipo
( ) ( )
#$ #" !
frmula
n
0 j
j j
1
1
x f A dx x xf
con n 1 que sea exacta para todos los polinomios ( ) f x de grado menor o
igual que tres.
b) Repita con n 2 , haciendo la frmula exacta para todos los polinomios ( ) f x de
grado menor o igual que cinco.
12. Determine los coeficientes A
0 1 2
, A y A que hacen que la frmula
( ) ( ) ( ) ( )
# # # # $ # # # # " !
frmula
2 1 0
2
0
2 f A 1 f A 0 f A dx x f + +
sea exacta para todos los polinomio de grado menor o igual que tres.
13. a) Verifique que la siguiente frmula de cuadratura Gaussiana es exacta para
todos los polinomios de grado menor o igual que cinco.
__________________________________________________________________________________
( ) ( )
# # # # # $ # # # # # " !
frmula
1
1
5
3
f
9
5
0 f
9
8
5
3
f
9
5
dx x f
,
_
+ +
,
_
b) Muestre cmo puede ser usada la frmula dada en a) para calcular ( ) f x dx

a
b
, y
aplique este resultado para evaluar cada una de las siguientes integrales
i)
xdx
0
2
senx
x
dx
0
4
CAPTULO 6. SOLUCIN NUMRICA DE PROBLEMAS DE

VALOR INICIAL PARA ECUACIONES
DIFERENCIALES ORDINARIAS
INTRODUCCIN
Este captulo se dedicar al estudio de algunos mtodos numricos para encontrar una
aproximacin discreta de la solucin ( ) y t de un problema de valor inicial (P.V.I.) de primer
orden, con solucin nica, del tipo
( )
( )
'

inicial) (condicin y t y
T t t , y , t f
dt
dy

0 0
0
(6.1)
Los mtodos numricos que estudiaremos se podrn aplicar a sistemas de ecuaciones
diferenciales de primer orden con condiciones iniciales, con solucin nica, de la forma
( )
( )
( )
( ) ( ) ( ) ( )
'
inicial condicin y t y ,..., y t y , y t y

, y ,..., y , y , t f
dt
dy

T t t , y ,..., y , y , t f
dt
dy

, y ,..., y , y , t f
dt
dy

0 , n 0 n 0 , 2 0 2 0 , 1 0 1
n 2 1 n
n
0 n 2 1 2
2
n 2 1 1
1
! (6.2)
En este caso se aplicar el mtodo a cada ecuacin del sistema.
Los mtodos numricos que veremos tambin se podrn aplicar a problemas generales de
n-simo orden con condicin inicial, de solucin nica, de la forma
( ) ( )
( )
( ) ( )
( )
( ) ( )
'

T t t , y ,..., y , y , t f
dt
y d
y
0 , n 0
1 n
0 , 2 0 0 , 1 0
0
1 n
n
n
n
(6.3)
Esta vez, para aplicar el mtodo numrico, empezamos transformando el P.V.I. dado en un
sistema equivalente del tipo (6.2), introduciendo las variables y y
1

, y y
2

, y y
3

,
,
( )
y y
d y
dt
n
n
n
n

1
1
1
. Derivando miembro a miembro cada una de estas ltimas ecuaciones
con respecto a t, obtenemos el sistema equivalente
274 MTODOS NUMRICOS
__________________________________________________________________________________
( )
( ) ( ) ( ) ( )
'

, y ,..., y , y , t f y

, y y
T t t , y y
, y y

0 , n 0 n 0 , 2 0 2 0 , 1 0 1
n 2 1 n
4 3
0 3 2
2 1
!
Existencia de solucin: Ser que todo P.V.I. de la forma (6.1) tiene una solucin?
La respuesta es no, hay que imponer algunas condiciones sobre la funcin ( ) f t y , , y an
satisfechas tales condiciones, es posible que la solucin exista solamente en una vecindad
de t
0
. Como ejemplo, consideremos el P.V.I.
( )

'
y
t
y
1
1 1
La solucin general de la ecuacin diferencial ordinaria (E.D.O.) y
t
1
, es ( ) y t t c + ln , c
constante arbitraria. Para la condicin inicial dada la solucin del P.V.I. es
( ) y t t + ln 1
,
pero no hay solucin para una condicin inicial en t 0.
Para el P.V.I.
( )
+
'
y y
y
1
0 0
2
( ) y t tant es la solucin, pero no est definida para t t t

2
3
2
, ,... . As que la solucin
es vlida nicamente para
_
,

2 2
, o cualquier intervalo contenido all y que contenga al
nmero
0
.
Con respecto a la existencia se tiene el siguiente teorema:
Teorema 6.1 Si ( ) f t y , es continua en el rectngulo
( ) { }
R + t y t t t a y y b , / ,
0 0 0
entonces existe un intervalo t t t
0 0
+ en el cual existe una solucin ( ) y t
del P.V.I.
( )
( )

'
y f t y
y t y
,
0 0
(Un resultado anlogo se tiene para t t
0
).
Captulo 6. SOLUCIN NUMRICA DE P.V.I. PARA E.D.O. 275
__________________________________________________________________________________
Unicidad de la solucin: Puede que, aunque ( ) f t y ,
sea continua, el P.V.I. (6.1) tenga ms
de una solucin. Un ejemplo es el P.V.I.
( )

'
y y
y
1
3
0 0
para el cual ( ) y t
1
0 y ( ) y t t
2
3
2 2
3
_
,
son soluciones.
Para asegurar que el P.V.I. (6.1) tiene una nica solucin en una vecindad de t t
0
, se
requiere algo ms que la continuidad de la funcin ( ) f t y ,
. Una de las formas ms usuales de
presentar el teorema que garantice existencia y unicidad de solucin del P.V.I. (6.1), es la
siguiente.
Teorema 6.2 Si ( ) f t y , y
( )
f t y
y
,
son continuas en un rectngulo
( ) { }
R t y t t t a y y b + , / ,
0 0 0
entonces existe un intervalo t t t
0 0
+ en el cual existe una nica solucin ( ) y t del
P.V.I.
( )
( )

'
y f t y
y t y
,
0 0
(6.4)
(Un resultado anlogo se tiene para t t
0
).
Para la demostracin del teorema 6.2, se transforma el P.V.I. (6.4) en otro problema
equivalente, como se indica a continuacin:
Supongamos que existe una funcin ( ) y t que satisface (6.4), es decir,
( ) ( )
dy
dt
f t y t ,
y
( ) y t y
0 0
Entonces integrando a ambos lados de la E.D.O. dada, se tiene

( )
( ) ( )
dy s
ds
ds f s y s ds
t
t
t
t
0 0

,
o sea
( ) ( ) ( ) ( )
y t y t f s y s ds
t
t
+
0
0
,
(6.5)
276 MTODOS NUMRICOS
__________________________________________________________________________________
Recprocamente, si ( ) t y satisface (6.5) y es continua, entonces derivando en (6.5), con
respecto a t, obtenemos ( ) ( )
dy
dt
f t y t , . Adems es claro que ( ) y t y
0 0
.
Por lo tanto, ( ) t y es una solucin del P.V.I. (6.4) si y slo si ( ) t y es una solucin continua de
la ecuacin integral (6.5).
Ahora, un mtodo para probar que la ecuacin integral (6.5) tiene una nica solucin, es el
mtodo de aproximaciones sucesivas o iteraciones de Picard (Emilio Picard, matemtico
francs (1856-1941)), el cual describimos a continuacin:
Se inicia el mtodo con una solucin tentativa (aproximacin inicial) de (6.5). La eleccin
ms simple es
( ) y t y
0 0
la cual satisface la condicin inicial.

Ahora se calcula
( ) ( ) ( )
y t y f s y s ds
t
t
1 0 0
0
+
,
Si ( ) y t y
1 0
, entonces ( ) y t y
0
es una solucin de (6.5). Si n, se utiliza ( ) y t
1
como la
siguiente aproximacin, y se calcula
( ) ( ) ( )
y t y f s y s ds
t
t
2 0 1
0
+
,
En general, calculada ( ) y t
n1
, si ella no es solucin de (6.5), se calcula la siguiente
aproximacin
( ) ( ) ( )
y ,
n n
t
t
t y f s y s ds +

0 1
0
Las funciones ( ) t y
n
son llamadas aproximaciones o iteraciones de Picard.
Se completa la prueba del teorema, demostrando que la sucesin
( ) { }
y t
n
n
converge
uniformemente, en un determinado intervalo, a una solucin ( ) y t de (6.5), y luego se
demuestra la unicidad de la solucin.
Ejemplo 6.1 Para ilustrar el mtodo iterativo de Picard, consideremos el siguiente P.V.I.
( )

'
y y
y 0 1
en el cual ( ) f t y y , .
__________________________________________________________________________________
La ecuacin integral equivalente, correspondiente al P.V.I. dado, es
( ) ( ) y t y s ds
t
+
1
0
Iniciamos las iteraciones tomando ( ) y t
0
1 . Entonces
( ) ( ) ( ) y t y s ds ds t y t
t t
1 0
0 0
0
1 1 1 1 + + +

( ) ( ) ( ) ( ) y t y s ds s ds t
t
y t
t t
2 1
0 0
2
1
1 1 1 1
2
+ + + + +

( ) ( ) ( ) y t y s ds s
s
ds t
t t
t
t t
y t
t t
3 2
0
2
0
2 3 2 3
2
1 1 1
2
1
2 2 3
1
2 3
+ + + +
_
,
+ + +
+ + +

! !
y en general,
( ) ( )
( )
y t y s ds s
s s
n
ds t
t t t
n
n n
t
n
t
n
+ + + + + +
_
,
+ + + + +

1 1 1
2 1
1
2 3
1
0
2 1
0
2 3
!
...
! ! !
...
!
Sabemos que
...
!
...
!
+ + + + +
n
t
2
t
t 1 e
n 2
t
, as que ( ) limy t e
n
n
t
, lo que indica que las

iteraciones de Picard convergen a la funcin ( ) y t e
t
que es, claramente, la solucin del
P.V.I. dado.
Con base en algunos detalles adicionales en la prueba del teorema anterior, dicho teorema
puede ser expresado en los siguientes trminos:
Teorema 6.3 Si ( ) f t y , y
( )
f t y
y
,
son continuas en el rectngulo
( ) { }
R t y t t t a y y b + , , /
0 0 0
entonces el P.V.I.
( )
( )

'
y f t y
y t y
,
0 0
tiene una nica solucin ( ) y t en el intervalo t t t
0 0
+ , donde

_
,
Min a
b
M
, siendo
( )
( ) y , t f Mx M
R y , t
.
278 MTODOS NUMRICOS
__________________________________________________________________________________
Nota: Si en el teorema 6.3 se quita la condicin
( )
f t y
y
,
continua, entonces slo se puede
concluir la existencia de solucin en el intervalo indicado.
Ejemplo 6.2 Considere el P.V.I.
( )
( )
+
'
y y t
y
2 2
0 0
cos
y usemos el teorema 6.3 para demostrar que este P.V.I tiene una nica solucin en el
intervalo 0
1
2
,
1
]
1
. En efecto:
Sea
( ) R t y t y b
'
, / , 0
1
2
, entonces ( )
( )
f t y y t , cos +
2 2
y
( )
f t y
y
y
,
2 son
continuas en R .
Como
( )
( )
( )
( )
M Max f t y Max y t b
t y R t y R
+ +
, ,
, cos
2 2 2
1, entonces para que
1
2
1
2
1
2

+
_
,
Min
b
b
,
se requiere que
b
b 1
1
2
2
+

, pero dado que el mximo de la funcin
b
b 1
2
+
es
1
2
y ocurre en 1 b , entonces el P.V.I. dado tiene solucin nica para
2
1
t 0 , y
an ms, en este intervalo ( ) y t 1 ( porque b 1 ).
El siguiente teorema es de tipo diferente al del teorema 6.3, y nos permite concluir existencia
y unicidad de una solucin de un P.V.I. de la forma (6.1) en un intervalo prescrito [ ]
a b , .
Teorema 6.4 Si ( ) f t y , es continua en la franja
( ) { } + < < + y , a t t t / y , t
0 0
D
y satisface una desigualdad
( ) ( ) f t y f t y L y y , ,
1 2 1 2

(6.6)
para todo ( ) ( ) t y t y , , ,
1 2
D y alguna constante L, entonces el P.V.I.
( )
( )

'
y f t y
y t y
,
0 0
tiene una nica solucin ( ) y t en el intervalo
[ ]
t t a
0 0
, + .
__________________________________________________________________________________
Si la funcin ( ) f t y , satisface la desigualdad (6.6), decimos que ( ) f t y , satisface una
condicin de Lipschitz en la segunda variable y en D, y la constante L se llama constante
de Lipschitz para la funcin ( ) f t y , .
La condicin de Lipschitz se sigue si
( )
f t y
y
,
existe y est acotada en D. En general, se
tiene que: Si
( )
f t y
y
,
est definida en un conjunto convexo D R
2
y si existe una
constante L > 0 tal que
( )
f t y
y
L
,
para todo ( ) t y , D, entonces ( ) f t y , satisface una
condicin de Lipschitz en D para la variable y con constante de Lipschitz L .
En efecto:
Fijemos t y sean cualesquiera ( ) ( ) t y t y , , ,
1 2
D. Entonces aplicando el teorema del valor
medio a la funcin ( ) f t y , en la variable y, existe y
3
entre y
1 2
y y (aqu se necesita que D
sea convexo para garantizar la existencia de y
3
entre y
1 2
y y ) tal que
( ) ( )
( )
2 1 2 1
3
2 1
y y L y y
y
y , t f
y , t f y , t f

Luego ( ) f t y , satisface una condicin de Lipschitz en la variable y con constante de Lipschitz
L .
D R
2
se dice convexo si siempre que ( ) ( ) t y t y
1 1 2 2
, , , D, el punto
( ) ( ) ( )
1 1
1 2 1 2
+ + t y t y , D para 0 1 , es decir, el segmento de recta que une
los puntos ( ) ( ) t y t y
1 1 2 2
, , , D est totalmente contenido en D.
Las demostraciones de los teoremas anteriores, pueden consultarse en un texto sobre teora
de ecuaciones diferenciales ordinarias.
Ejemplo 6.3 El P.V.I.
( )

y
dy
dt t
y t e
t
+
'
2
1 0
2
tiene solucin nica en el intervalo
[ ]
12 , .
En efecto: Sea ( ) { }
D < < + / t y t y , , 1 2 . Entonces ( ) f t y
t
y t e
t
, +
2
2
es
continua en D, y como
280 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( )
( )
f
y y
t y f t y
t
y t e
t
y t e
t
y y
t
y y
t t
, ,
1 2 1
2
2
2
1 2 1 2 1 2
2 2
2 2
2
+

, para todo ( ) ( ) t y t y , , ,
1 2
D.
entonces ( ) f t y , satisface la condicin de Lipschitz con constante de Lipschitz L 2 .
Observe que esta vez fue fcil verificar la condicin de Lipschitz.
Como el dominio ( ) { }
D < < + / t y t y , , 1 2 es un conjunto convexo de R
2
, otra
forma de concluir sobre la condicin de Lipschitz en la segunda variable y en D es
estudiando
( )
D en
y
y , t f
.
Como
( )
t
2
y
y , t f
est definida en D y
( )
L 2
1
2
t
2
y
y , t f

para todo ( ) t y , D
entonces ( ) f t y , satisface una condicin de Lipschitz en la variable y con constante de
Lipschitz L 2.
Cul es la nica solucin del P.V.I. dado?
dy
dt t
y t e
dy
dt t
y t e
t t
_
,
+ +
_
,

2 2
2 2
: ecuacin diferencial ordinaria lineal de primer orden
con coeficientes variables.
( )
( )
t e e e t
t
x
dx
t
t

_
,

2
2 2
2
2
1
t ln
ln
es un factor integrante para la E.D.O. dada.
Multiplicando a ambos lados de dicha E.D.O. por
1
2
t
, obtenemos
1 2 1
2 3 2
t
dy
dt
t
y e
d
dt
t
y e
t t

_
,

Luego
1
2
t
y e dx
x
t
o sea
1
2
t
y e c
t
+ , c constante arbitraria
Por tanto la solucin general de la E.D.O.
dy
dt t
y t e
t
+
2
2
, es
__________________________________________________________________________________
( )
y t e c
t
+
2
c , constante arbitraria
Como ( )
( )
y e c 1 1 0
2 1
+ , entonces c e , y as ( )
( )
y t t e e
t

2
es la nica solucin del
P.V.I. dado.
( )

'
y y t
y
2 0 1
0 0
1
2
,
tiene soluciones ( ) ( ) y t t t
1
2
0 y y
2
(Verifquelo). Por qu no contradice este hecho el
teorema 6.4?
( )

y 0

'
y y e t
t
100 101 0 1
1
,
tiene solucin ( ) y t e
t

(Verifquelo). El problema perturbado
( )

y 0

+
'
y y e t
t
100 101 0 1
1
,
en el cual slo se ha modificado la condicin inicial en , tiene solucin ( ) y t e

t t
; +
e
100
(Verifquelo). Es claro que la solucin del problema perturbado y del problema original
pueden diferir mucho, an para valores pequeos de .
Los mtodos numricos que estudiaremos nos permitirn obtener valores aproximados de la
solucin ( ) y t de un P.V.I. de la forma
( )
( )
'

0 0
0
y t y
T t t , y , t f y
(6.7)
en puntos igualmente espaciados. Es decir, un mtodo numrico de los que estudiaremos
nos permitir obtener una aproximacin discreta de la solucin del P.V.I. dado (mtodo de
variable discreta), sto es, tomaremos valores t t t T
m 0 1
, ,..., igualmente espaciados,
digamos que m ,..., 1 , 0 k , h k t t
0 k
+ , y calcularemos, con la ayuda del mtodo numrico,
un valor Y
k
, el cual va a ser considerado como una aproximacin del valor de la solucin
exacta ( ) y t en t
k
, es decir,
( ) Y y t m
k k
, , ,..., k 01 . Luego lo que realmente obtendremos
ser una tabla de valores de la forma
282 MTODOS NUMRICOS
__________________________________________________________________________________
0
t
1
t
2
t ... t T
m

Y
0
Y
1
Y
2
... Y
m
TABLA 6.1
Para una tabla como la anterior podremos hacer una interpolacin segmentaria cbica u otro
tipo de aproximacin para obtener una solucin aproximada continua del P.V.I. dado.
En este contexto los nmeros m ,..., 1 , 0 k , h k t t
0 k
+ , se llamarn puntos de red, y el
nmero h se llamar tamao de paso.
En lo que sigue la solucin nica del P.V.I. (6.7) la notaremos ( ) t y .
Nuestro primer paso en un mtodo numrico es determinar
1
Y a partir de ( )
0 0
Y t
(condicin inicial) y de ( ) ( ) ( ) ( )
0 0 0 0 0
y , t f t , t f t (obtenida de la ecuacin diferencial
( ) y , t f
dt
dy
); conocido
1
Y determinamos
2
Y y as sucesivamente. Para determinar
2
Y
podemos usar el mismo mtodo que lleva de Y
0
a Y
1
o podemos aplicar un mtodo
diferente en el cual se use el conocimiento de Y
0
y Y
1
.
Los mtodos numricos que slo requieren del conocimiento de Y
k
para determinar Y
k+1
, es
decir, Y
k+1
depende nicamente de Y
k
, y el conocimiento de los valores aproximados
Y Y Y
k k 1 2 0
, ,..., no se usa, se conocen como mtodos de un escaln, de un paso o de
arranque. Si para calcular Y
k+1
se usan dos o ms valores previamente calculados,
digamos por ejemplo Y
k
, Y
k1
, Y
k2
, el mtodo se dice mtodo de varios escalones,
multipaso o prolongado.
Es claro que si se va a usar un mtodo prolongado que comprenda Y
k
y Y
k1
, debe usarse
un mtodo de arranque en el primer paso para determinar
1
Y , y entonces se usa el mtodo
prolongado para determinar Y Y
2 3
, ,... .
Observe la FIGURA 6.1 siguiente, donde aparece la grfica de la solucin exacta ( ) y t de
un P.V.I. del tipo (6.7) y los puntos ( ) t Y m
k k
, , , ,..., k 01 .
__________________________________________________________________________________
FIGURA 6.1
Una solucin aproximada obtenida por un mtodo numrico puede no darnos una buena
informacin acerca del comportamiento de la solucin exacta. Por una parte se tiene el
problema de la convergencia del mtodo: A medida que la distancia entre los puntos
t
m 0 1
, ,..., t t tiende a cero, los valores de la solucin numrica Y Y Y
m 0 1
, ,..., se aproximan a
los correspondientes valores de la solucin exacta? Tambin est el problema de la
consistencia y la estabilidad del mtodo numrico.
Estos temas no sern tratados aqu, pero pueden ser consultados en Kincaid, 1972, captulo
8.
Aqu nos preocuparemos del error de frmula asociado con el mtodo numrico usado para
calcular los valores Y Y Y
m 0 1
, ,..., .
Antes de estudiar algn mtodo numrico consideremos las siguientes notaciones.
Notacin: La solucin exacta del P.V.I., con solucin nica,
( )
( )
'

0 0
0
y t y
T t t , y , t f
dt
dy

se denotar por ( ) y t , como ya se haba indicado.
Para un mtodo numrico dado, los smbolos ( ) Y Y f t Y
k k k k
, , denotarn los valores
aproximados (obtenidos mediante la aplicacin del mtodo numrico) de la solucin exacta y
su derivada, respectivamente, en el punto de red t
k
, es decir, ( ) Y t
k k
, y
284 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) ( ) ( ) Y f t Y f t t t
k k k k k k
, , . Es claro que ( ) t Y
0 0
, pero en general,
( ) t Y
k k
, k 1, del mismo modo ( ) ( ) t Y f t Y
0 0 0 0
, , pero en general ( ) t Y
k k
, k 1.
En cualquiera de los mtodos numricos que estudiaremos, usaremos siempre un mismo
espaciamiento o tamao de paso h sobre el eje t, as que
t t kh m
k
+
0
01 , , ,..., k
6.1 MTODO DE EULER O DE LA RECTA TANGENTE
Este es un mtodo de un paso para obtener valores aproximados de la solucin ( ) t y de
un P.V.I., con solucin nica,
( )
( )
'

0 0
0
y t y
T t t , y , t f
dt
dy

y hace uso de la recta tangente.
Como se conocen t
0
, ( ) Y t
0 0
y ( ) ( ) ( ) ( ) Y t f t t f t Y
0 0 0 0 0 0
, , , tambin se conoce la
pendiente de la recta tangente a la curva solucin ( ) y t en t
0
, y obtenemos un valor
aproximado Y
1
de ( ) t
1
movindonos a lo largo de dicha recta tangente desde t
0
hacia t
1
(ver la FIGURA 6.2).
Como
( )
Y Y
t t
t
1 0
1 0
0

entonces despejando Y
1
de la ecuacin anterior, se obtiene
( ) ( )
( ) ( )
Y Y t t t
Y t t f t Y
1 0 1 0 0
0 1 0 0 0
+
+
,
Una vez determinado Y
1
, podemos calcular
( ) Y f t Y
1 1 1
, que es un valor aproximado de
( ) ( ) ( )
t f t t
1 1 1
, : pendiente de la recta tangente a la curva solucin exacta en el punto t
1
.
Usando esta aproximacin de la pendiente, obtenemos
Y Y
t t
Y
2 1
2 1
1

y despejando Y
2
, obtenemos
( )
( ) ( )
Y
2 1 2 1 1
1 2 1 1 1
+
+
Y t t Y
Y t t f t Y ,
__________________________________________________________________________________
FIGURA 6.2
En general, conocido ( ) Y t
k k
, obtenemos ( ) Y t
k k + +
1 1
mediante la frmula
( ) ( ) Y
k k k k k k
Y t t f t Y
+ +
+
1 1
,
y como el tamao de paso h entre los puntos de red t t t
m 0 1
, ,..., es uniforme, entonces
t t h
k k +
+
1
, y obtenemos la frmula de Euler:
( )
( ) ( )

t y y Y
1 m ,..., 1 , 0 k , Y , t hf Y Y

0 0 0
k k k 1 + k
'

+
Algoritmo 6.1 (Euler) Para encontrar una aproximacin discreta de la solucin del P.V.I., con
solucin nica,
( )
( ) ( ) ( )
'

0 0 0
0
t y y t y
T t t , y , t f y
en m+1 nmeros igualmente espaciados a partir del nmero inicial t
0
:
Entrada: La funcin ( ) f t y , , los valores iniciales t
0
y y
0
, un entero m y el tamao de paso h.
Salida: Aproximacin Y de la solucin ( ) y t en los m+1 puntos t t t h t t mh
m 0 1 0 0
, ,..., + + .
Paso 1: Hacer t t y
0 0
, Y .
286 MTODOS NUMRICOS
__________________________________________________________________________________
Salida: ( ) t Y , .
Paso 2: Para k m 12 , ,..., , seguir los pasos 3 y 4:
Paso 3: Hacer ( ) Y Y hf t Y + , (calcula Y
k
)
t t kh + (Calcula t
k
)
Paso 4: Salida: ( ) t Y , .
Paso 5: Terminar.
Ejemplo 6.6 Consideremos el P.V.I. con solucin nica
( )
'
+
0 1 y
2 t 1 , e t y
t
2
dt
dy

t 2
Usando la frmula de Euler con tamao de paso h .1, determinemos un valor aproximado
de la solucin ( ) y t en t 12 . .
Solucin: Como h .1, entonces t
0 1 2
10 11 12 . . . , t , t , as que necesitamos calcular
Y
2
. En este ejemplo ( ) f t y
t
y t e
t
, +
2
2
, por lo tanto
( ) ( ) Y t
0 0
1 0
( )
( )
( )
( )
Y Y hf t
f
1 0 0 0
0 1 100
12718282
2718282 11
+
+

,Y
,

. .
. .
. .
( )
( )
( )
Y Y hf t Y
f
2 1 1 1
2718282 1 11 2718282
6847556 12
+
+

,
,

. . . .
. .
Como la solucin exacta del P.V.I. dado es ( )
( )
t t e e
t

2
, entonces el valor exacto de
( ) 12 . es ( ) ( )
( )
12 12 8666425
2
12
. . .
.
e e , con lo cual el error real en la aproximacin
calculada es
( ) 12 8666425 6847556 1818869
2
. . . . Y
lo que no asegura alguna cifra decimal exacta de precisin en la aproximacin de ( ) 12 . .
__________________________________________________________________________________
Si reducimos el tamao de paso a la mitad, es decir, tomamos h .05, entonces para
aproximar ( ) 12 . , debemos tomar t
0 1 2 3 4
100 105 110 115 120 . . . . . , t , t , t , t , as que
debemos calcular Y
4
.
Y
0
0
( )
( )
( )
Y Y hf t Y
f
1 0 0 0
0 05 1000
1359141 105
+
+

,
,

. .
. .
( )
( )
( )
Y Y hf t Y
f
2 1 1 1
1359141 05 105 1359141
3063863 110
+
+

,
,

. . . .
. .
( )
( )
( )
Y Y hf t Y
f
3 2 2 2
3063863 05 110 3063863
5159917 115
+
+

,
,

. . . .
. .
( )
( )
( )
Y Y hf t Y
f
4 3 3 3
5159917 05 115 5159917
7696960 120
+
+

,
,

. . . .
. .
Obsrvese que el error real es ahora . . . 8666425 7696960 0969466 , que es
aproximadamente igual a la mitad del error en t 12 . , con h .1, as que el valor obtenido
disminuyendo el tamao de paso, h, es una mejor aproximacin del valor exacto ( ) 12 . . Si
se sigue disminuyendo el tamao de paso se obtienen mejores resultados. Hasta dnde se
puede disminuir el tamao de paso de modo que los resultados numricos obtenidos todava
sean tiles? La respuesta a esta pregunta la da el estudio de la regin de estabilidad
absoluta del mtodo de Euler, pero este tema no ser estudiado aqu. Hay otros
procedimientos que darn resultados mas satisfactorios sin usar un tamao de paso muy
pequeo.
Si usamos tamao de paso h.05, los valores aproximados de la solucin exacta en los
puntos de red
t
5 6 7 8 9 10 11 13
125 130 135 140 145 150 155 160 165 . . . . . . . . . , t , t , t , t , t , t , t , t
12
t , t , t , t , t , t , t
19 14 15 16 17 18 20
170 175 180 185 190 195 200 . . . . . . .
se dan en la TABLA 6.2. La grfica de la FIGURA 6.3, muestra la curva
( )
( )
y t t e e
t

2
, solucin del problema de valor inicial del ejemplo 6.1, y los puntos
( ) t ,Y , k 0,1,...,20
k k
correspondientes a las aproximaciones calculadas por el mtodo de
Euler con h t para . . . 05 10 20.
288 MTODOS NUMRICOS
__________________________________________________________________________________
k t
k
Y
k ( ) y t
k
Error
5 1.25 1.0728858 1.2063456 .1334598
6 1.30 1.4313997 1.6072151 .1758154
7 1.35 1.8515629 2.0760894 .2245265
8 1.40 2.3402236 2.6203596 .2801360
9 1.45 2.9047920 3.2480107 .3432187
10 1.50 3.5532824 3.9676663 .4143839
11 1.55 4.2943579 4.7886350 .4942771
12 1.60 5.1373786 5.7209615 .5835829
13 1.65 6.0924530 6.7754803 .6830273
14 1.70 7.1704927 7.9638735 .7933808
15 1.75 8.3832717 9.2987326 .9154609
16 1.80 9.7434894 10.7936247 1.0501353
17 1.85 11.2648372 12.4631628 1.1983256
18 1.90 12.9620715 14.3230815 1.3610100
19 1.95 14.8510897 16.3903179 1.5392282
20 2.00 16.9490133 18.6830971 1.7340838
TABLA 6.2
En esta tabla el error k-simo es ( ) y t Y
k k
.
EULER( ( ) f t y t y t y h m , , , , , , ,
0 0
): aproXima los valores Y Y Y
m 0 1
, ,..., obtenidos al aplicar el
mtodo de Euler al P.V.I.
( )
( )
dy
dt
f t y
y t y
'
,
0 0
, con m pasos de tamao h. Si se grafica la matriz
resultante al aplicar el mtodo de Euler, se visualiza un conjunto de puntos que aproxima la
curva solucin del P.V.I. dado. Para el ejemplo anterior, aproXime la expresin
EULER(
2
10 005 20
2
t
y t t t y + exp( ), , , , , , . ).
Otra forma de deducir la frmula del mtodo de Euler par encontrar una aproximacin de la
solucin ( ) y t del P.V.I. con solucin nica
( )
( )
'

0 0
0
y t y
T t t , y , t f
dt
dy
es usando el desarrollo en serie de Taylor para la funcin
( ) y t .
Supongamos que la funcin ( ) y t tiene un desarrollo en serie de Taylor alrededor del
punto t
k
, entonces
__________________________________________________________________________________
( ) ( ) ( ) ( )
( )
( )
( )
( )
( ) t h
t
t h t
h
t
h
n
t
h
n
k
k
k k k
n
n
k
n
n
k
+ + + + + +
+
+
+
+
1
2 1
1
2 1
"# $ % $
!
...
! !
o bien
( ) ( ) ( ) ( ) ( )
( )
( )
( )
( )
( ) t t hf t t
h
t
h
n
t
h
n
k k k k k
n
n
k
n
n
k +
+
+
+ + + + +
+
1
2 1
1
2 1
,
!
...
! !
con
k
algn nmero entre t t h
k k k
y t
+
+
1
.
FIGURA 6.3
Si la serie de Taylor se termina despus de los dos primeros trminos, y ( ) t
k+1
, ( ) t
k
se
reemplazan por sus valores aproximados Y
k+1
y Y
k
, respectivamente, se obtiene
nuevamente la frmula de Euler
( ) Y Y hf t Y
k k k k +
+
1
,
Si se conservan ms trminos de la serie de Taylor se obtiene una frmula ms precisa.
Tambin podemos obtener la formula de Euler integrando a ambos lados de la ecuacin
( ) ( ) ( )
t f t t , con respecto a t entre t
k
y t
k+1
290 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) ( )

+ +

t dt f t t dt
t
t
t
t
k
k
k
k 1 1
,
lo que nos da
( ) ( ) ( ) ( )
( )
t t f t t dt
k k
t
t
k
k
+

1
1
,
" # $ % $$
y aproximamos la integral
( )
reemplazando ( ) ( )
f t t , por su valor en t t
k
, ( ) ( )
f t t
k k
, . La
FIGURA 6.4 muestra la situacin grfica correspondiente a la aproximacin de la integral.
FIGURA 6.4
Entonces
( ) ( ) ( ) ( )( )
( ) ( ) ( )

t t f t t t t
t hf t t
k k k k k k
k k k
+ +
+
+
1 1
,
,
y reemplazando ( ) t
k+1
y ( ) t
k
por sus valores aproximados Y Y
k k +1
y , respectivamente,
obtenemos
( ) Y Y hf t Y
k k k k +
+
1
,
Error en la frmula de Euler: Supongamos que la solucin ( ) y t del P.V.I. con solucin
nica
( )
( )
'

0 0
0
y t y
T t t , y , t f
dt
dy
tiene segunda derivada continua en el intervalo de inters, lo cual es equivalente a que
( )
( )
( )
( )
( ) f t y
f t y
t
f t y
f t y
y
f t y
t y
, ,
,
, ,
,
,
son continuas en la regin de inters, pues

( ) ( ) ( )
t f t t ,
y entonces
__________________________________________________________________________________
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
+
+

t f t t f t t t
f t t f t t f t t
t y
t y
, ,
, , ,
Usando la frmula de Taylor con residuo para ( ) t alrededor de t
k
, obtenemos
( ) ( ) ( )
( ) ( )
( )
t h
t
t h t
f t t
h
k
k
k k
k k
k
+ + +
+1
2
2
"# $ % $ "#%
,
!
donde
k
es algn nmero entre t
k
y t t h
k k +
+
1
, y entonces
( ) ( ) ( ) ( ) ( ) ( )
[ ]
( )
[ ]
( ) ( ) ( )
[ ]
( )

t Y t hf t t
h
Y hf t Y
t Y h f t t f t Y
h
k k k k k k k k k
k k k k k k k
+ +
+ +
1
]
1
1
+
+ +
1 1
2
2
2
2
, ,
, ,
Si suponemos que en el paso k-simo ( ) Y t
k k
(para poder cuantificar el cambio al pasar
de t
k
a t
k+1
), entonces el error local debido a la aplicacin de la frmula de Euler en el paso
de t
k
a t
k+1
, es
( ) ( ) , k=0,1,...,m 1
+ + + k k k k
t Y
h
1 1 1
2
2

El error acumulado (total) E
T
debido a la aplicacin de la frmula de Euler desde
0
t hasta
T t
m
, es decir, la acumulacin de todos los errores locales al aplicar la frmula de Euler en
todo el intervalo [ ]
t t T
m 0
, , es
( )
( )
( ) [ ]
( ) [ ]
( ) [ ]
E con
con
con
T k
k
m
k
k
m
h h
m t T
h T t
m
m t T
h
T t
t T

_
,
1
0
1
2
0
1
2
0
0
0
0
0
2 2
2
2

,
,
,
(La explicacin de la igualdad
( )
se debe a la aplicacin del teorema del valor intermedio
para funciones continuas)
Si
[ ]
( ) M Max t
t t t
m

0
,
(recuerde que estamos asumiendo que
( ) t
es continua en [ ]
t t
m 0
, ),
entonces
+ k
h
M
1
2
2
y M
2
t T
h E
0
T

para cualquier tamao de paso h, es decir,
( )

+ k
O h
1
2
, y ( ) E O h
T
.
El problema es estimar M; sin embargo observe que M no depende de h, as que si h se
reduce a la mitad, la cota del error total se reduce tambin a la mitad, es por esto que
292 MTODOS NUMRICOS
__________________________________________________________________________________
reduciendo el tamao de paso h, se reduce el error total (recuerde que t T
m
y m es el
nmero de pasos necesarios para alcanzar el valor T iniciando en t
0
, es decir, m
T t
h

0
).
En general se tiene que: si el error local en un mtodo numrico es
( )
O h
n+1
, entonces el
error total es
( )
O h
n
, ya que si
k independiente de h
+
k
n
Ch m con C
1
12 , , ,...,
entonces
E Ch mCh
T k
k
m
k
k
m
n
k
m
n

+
+

1 1
1
1
1
pero m
t t
h
T t
m
m

0 0
, as que
( ) E h
T t
m
mC h T t C
T
n n

0
0
lo que significa que
( )
E O h
T
n
.
Otro tipo de error que est presente en los clculos numricos es el error de redondeo y se
debe, como ya se ha mencionado antes, a la limitacin en la precisin de la herramienta de
clculo. El error de redondeo local en un mtodo numrico es el error en cada etapa
debido a la herramienta de clculo y el error de redondeo global o total es la acumulacin
de los errores locales. El error total es la suma del error global debido a la frmula y el error
de redondeo global.
Si el error total debido a la frmula (error de truncamiento total) en un mtodo numrico es
( )
E O h
T
n
, el mtodo numrico se dice de orden n.
De acuerdo con esta definicin el mtodo de Euler es de orden uno.
Apliquemos el mtodo de Euler a cada una de los problemas de valor inicial de los ejemplos
6.7 y 6.8.
Ejemplo 6.7 Para el P.V.I., con solucin nica,
( )

y
+
'
y t e t
t
sen , 0 1
0 0
__________________________________________________________________________________
los resultados obtenidos al aplicar el mtodo de Euler con h.1, para resolver el P.V.I. dado
en el intervalo
[ ]
01 , , se muestran en la TABLA 6.3 siguiente.
k t
k
Y
k ( ) y t
k
Error
0 0 0 0 0
1 .1 .1000000 .1001584
1584 10
4
.

2 .2 .2004671 .2012027
7356 10
4
.

3 .3 .3022071 .3038453
16382 10
3
.

4 .4 .4058409 .4086190
27781 10
3
.

5 .5 .5118148 .5158868
4072 10
3
.

6 .6 .6204104 .6258527
54423 10
3
.

7 .7 .7317558 .7385725
68167 10
3
.

8 .8 .8458361 .8539643
81282 10
3
.

9 .9 .9625046 .9718204
93158 10
3
.

10 1.0 1.0814943 1.0918183 .0103240
TABLA 6.3
El error k-simo que aparece en la TABLA 6.3 corresponde al error total, es decir, a la suma
del error debido a la frmula y el error de redondeo. La solucin exacta del problema de
valor inicial dado es ( ) y t t e
t
+
cos 2 . La grfica de la solucin exacta y los puntos

( ) t Y
k k
, obtenidos al aplicar el mtodo de Euler se muestran en la FIGURA 6.5 siguiente.
FIGURA 6.5
Ejemplo 6.8 El P.V.I. dado es
( )
( )
,
y 1
+

'
y
t
y y t
1
1 3
2
2
294 MTODOS NUMRICOS
__________________________________________________________________________________
y se pide aproximar su solucin exacta ( ) y t
t
t
2
1 2
en el intervalo
[ ]
13 , , usando el mtodo
de Euler con tamao de paso h.2.
Los resultados de los clculos se muestran en la TABLA 6.4 siguiente, y la FIGURA 6.6
muestra la grfica de la solucin exacta y los puntos ( ) t Y
k k
, correspondientes a las
aproximaciones calculadas.
k t
k
Y
k
0 1.0 20 .
1 1.2 16 .
2 1.4 144 .
3 1.6 13494857 .
4 1.8 12905325 .
5 `2.0 12488723 .
6 2.2 12177913 .
7 2.4 11936800 .
8 2.6 11744140 .
9 2.8 11586575 .
10 3.0 11455268 .
TABLA 6.4
FIGURA 6.6
__________________________________________________________________________________
6.2 UN MTODO DE EULER MEJORADO
Considere el P.V.I. bien planteado
( )
( )
t,y
y

'
y f
t y
0 0
Suponiendo que ( ) y t es la solucin exacta de este P.V.I. se tiene que ( ) ( ) ( )
t f t t , e
integrando a ambos lados con respecto a t, desde t
k
a t
k+1
, obtenemos
( ) ( ) ( ) ( )
( )
t t f t t dt
k k
t
t
k
k
+
+
+
1
1
,
" # $ % $$
Si aproximamos ahora la integral () de manera ms exacta a la aproximacin que se hizo en
el mtodo de Euler, aproximando el integrando por la media aritmtica de sus valores en los
extremos del intervalo (regla de los Trapecios, ver la FIGURA 6.7), es decir, por
( ) ( ) ( ) ( ) { }
1
2
1 1
f t t f t t
k k k k
, , +
+ +
obtenemos
( ) ( )
( )
( ) ( ) ( ) ( ) { }
t t
t t
f t t f t t
k k
k k
k k k k +
+
+ +
+

+
1
1
1 1
2
, ,
FIGURA 6.7
296 MTODOS NUMRICOS
__________________________________________________________________________________
Reemplazando ( ) t
k
por
Y
k
y ( ) t
k k + + 1 1
por Y , en la relacin anterior, y escribiendo el
resultado como una ecuacin, obtenemos
( ) ( )
[ ]
Y Y
h
f t Y f t Y
k k k k k k + + +
+ +
1 1 1
2
, , (6.8)
Como la incgnita Y
k+1
aparece como uno de los argumentos en el segundo miembro de la
ecuacin (6.8) (en este caso el mtodo se dice implcito), lo que har, por lo general, difcil
de resolver esta ecuacin para Y
k+1
, reemplazamos Y
k+1
en el segundo miembro de la
ecuacin (6.8) por el valor que se obtuvo usando la frmula de Euler sencilla (el mtodo se
convierte en explcito), con lo que obtenemos
( ) ( ) ( ) [ ]
( ) ( )

t y y Y
1 m 0,1,..., = k , Y , t hf Y , t f Y , t f
2
h
Y Y

0 0 0
k k k 1 k k k k 1 k
'

+ + +
+ +
(6.9)
o equivalentemente
( )
( ) ( ) [ ]
( ) ( )

t y y Y
Y , t f Y , t f
2
h
Y Y
1 m ,..., 1 , 0 k
Y , t hf Y Y

0 0 0
1 k 1 k k k k 1 k
k k k 1 k
'

+ +

+
+ + +
+
(6.10)
La ecuacin (6.9) o la ecuacin (6.10) dan una frmula para calcular ( ) Y t
k k + +
1 1
en
trminos de los datos en t
k
, y se conoce como frmula de Euler mejorada o mtodo
predictor-corrector de Euler.
Es mejorada, respecto a la frmula de Euler sencilla, porque se puede demostrar que el
error local de frmula es, en este caso,
( )
O h
3
como en la regla de los Trapecios, mientras
que en el de Euler es
( )
O h
2
, y el error total de frmula es
( )
O h
2
, mientras que en Euler es
( ) O h . De acuerdo con lo anterior, la frmula de Euler-mejorada es de orden dos.
Observe que en la frmula de Euler mejorada se obtiene una mayor exactitud a expensas de
un trabajo de clculo mayor, ya que para ir de t
k
a t
k+1
hay que evaluar dos veces la funcin
( ) f t y , .
Ejemplo 6.9 Consideremos el mismo P.V.I del ejemplo 6.6
( )
'
+
0 1 y
2 t 1 , e t y
t
2
y
t 2
__________________________________________________________________________________
y usemos el mtodo de Euler mejorado para aproximar ( ) 12 . , donde ( ) y t es solucin
exacta del P.V.I. dado.
Si h.1, entonces t
0 1 2
10 11 12 . . . , t y t , as que debemos calcular Y
2
.
( ) ( ) Y y t y
0 0
1 0
( ) ( )
( ) ( ) [ ] ( ) ( ) [ ] ( )
'
+ + + +
+ +
1 1 3423778 2718282 , 1 1 f 0 , 0 1 f
2
1
0 Y , t f Y , t f
2
h
Y Y
2718282 e 1 0 , 0 1 f 1 0 Y , t hf Y Y
1 1 0 0 0 1
0 0 0 1
. . . . .
.
. . . .
( ) ( )
( )
( )
[ ]
( ) ( )
[ ]
( )
Y Y hf t Y f
Y Y
h
f t Y f t Y f f
2 1 1 1
2 1 1 1 2 2
3423778 1 11 3423778 7681324
2
3423778
1
2
11 3423778 12 7681324
8583146 12 8666425
+ +
+ + + +

'
, ,
, , , ,

. . . . .
.
.
. . . .
. . .
El error real es ( ) y Y 12 83279 10 5 10
2
3 2
. . <

, lo que asegura una precisin de la
primera cifra decimal exacta en la aproximacin obtenida (8).
Para h .05, se obtienen los resultados que se muestran en la TABLA 6.5.
De acuerdo con los resultados que aparecen en la TABLA 6.5, el valor calculado
Y
4
8642907 . aproxima al valor exacto
( ) y 12 8666425 . . con dos cifras decimales exactas.
La FIGURA 6.8 muestra la grfica de la solucin del P.V.I. del ejemplo 6.9, junto con los
puntos ( ) t Y
k k
, correspondientes a las aproximaciones obtenidas usando el mtodo de Euler
mejorado, y que aparecen en la TABLA 6.5.
Compare los resultados obtenidos por el mtodo de Euler mejorado con los obtenidos por el
mtodo de Euler. Se observa alguna relacin en los clculos numricos con respecto a los
resultados tericos esperados?
Ejemplo 6.10 Para el P.V.I.
( )
sent ,
y
+
'
y e t
t
0 1
0 0
si usamos el mtodo de Euler mejorado con tamao de paso h.1 para resolver este P.V.I.,
en el intervalo indicado, se obtienen los resultados que se muestran en la TABLA 6.6. La
grfica de la solucin exacta de este P.V.I., ( ) y t e
t
+
cost 2, junto con los puntos

298 MTODOS NUMRICOS
__________________________________________________________________________________
( ) t Y
k k
, corespondientes a las aproximaciones calculadas que aparecen en la TABLA 6.6, se
muestran en la FIGURA 6.9.
k t
k
Y
k ( ) y t
k
Error
0 1.00 0 0 0
1 1.05 .1531932 .1536546
4614 10
4
.

2 1.10 .3449150 .3459199
10049 10
3
.

3 1.15 .5801485 .5817824
16339 10
3
.

4 1.20 .8642907 .8666425
23518 10
3
.

5 1.25 1.2031831 1.2063455
31624 10
3
.

6 1.30 1.6031459 1.6072151
40692 10
3
.

7 1.35 2.0710137 2.0760894
50757 10
3
.

8 1.40 2.6141742 2.6203596
61854 10
3
.

9 1.45 3.2406089 3.2480107
74018 10
3
.

10 1.50 3.9589377 3.9676663
87286 10
3
.

11 1.55 4.7784656 4.7886350 .0101694
12 1.60 5.7092339 5.7209615 .0117276
13 1.65 6.7620734 6.7754803 .0134069
14 1.70 7.9486627 7.9638735 .0152108
15 1.75 9.2815897 9.2987326 .0171443
16 1.80 10.7744178 10.7936247 .0192069
17 1.85 12.4417567 12.4631628 .0214061
18 1.90 14.2993372 14.3230815 .0237443
19 1.95 16.3640929 16.3903179 .0290861
20 2.00 18.6542453 18.6830971 .0288518
TABLA 6.5
( )
( )
,
y
+

'
y
t
y y t
1
1 3
1 2
2
al usar el mtodo de Euler mejorado con tamao de paso h.2 para resolver este P.V.I. en
el intervalo indicado, se obtienen los resultados que aparecen en la TABLA 6.7 .
La FIGURA 6.10 muestra la grfica de la solucin exacta de este P.V.I., junto con los puntos
( ) t Y
k k
, , correspondientes a las aproximaciones obtenidas al aplicar el mtodo de Euler
mejorado y que aparecen en la TABLA 6.7.
__________________________________________________________________________________
FIGURA 6.8
k t
k
Y
k
0 0 0
1 .1 .1002335
2 .2 .2013371
3 .3 .3040240
4 .4 .4088279
5 .5 .5161126
6 .6 .6260831
7 .7 .7387960
8 .8 .8541704
9 .9 .9919994
10 1.0 1.0919618
TABLA 6.6
6.3 MTODO DE LOS TRES PRIMEROS TRMINOS DE LA SERIE DE TAYLOR
Si ( ) y t es la solucin exacta del P.V.I. con solucin nica
( )
( )
'

0 0
0
y t y
T t t , y , t f y
300 MTODOS NUMRICOS
__________________________________________________________________________________
y suponemos que ( ) t tiene al menos las tres primeras derivadas continuas en el
intervalo de inters
[ ]
t T
0
, (equivalentemente
( ) f t y , tiene segundas derivadas parciales
continuas), entonces usando la serie de Taylor con residuo para ( ) t alrededor de t
k
,
obtenemos
( ) ( ) ( ) ( ) ( ) t h t h t
h
t
h
k k k k k
+ + + +
2 3
2 3 ! !
(6.11)
donde t t h t
k k k k
< < +
+
1
.
FIGURA 6.9
k t
k
Y
k
0 1.0 0000000 2.
1 1.2 7200000 1.
2 1.4 5612725 1.
3 1.6 4595385 1.
4 1.8 3889051 1.
5 2.0 3370438 1.
6 2.2 2973648 1.
7 2.4 2660334 1.
8 2.6 2406693 1.
9 2.8 2197173 1.
10 3.0 2021193 1.
TABLA 6.7
Como ( ) ( ) ( )
t f t t , , entonces ( ) ( ) ( ) ( ) ( ) ( ) + t f t t f t t t
t y
, , , y por tanto
__________________________________________________________________________________
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
+
+

t f t t f t t t
f t t f t t f t t
k t k k y k k k
t k k y k k k k
, ,
, , ,
FIGURA 6.10
Reemplazando en la ecuacin (6.11), ( ) t
k
por su valor aproximado Y
k
, ( ) t
k
por su valor
aproximado ( ) f t Y Y
k k k
, y ( ) t
k
por su valor aproximado ( ) ( ) ( ) f t Y f t Y f t Y Y
t k k y k k k k k
, , , +
y despreciando el trmino de error ( )
h
k
3
3!
, obtenemos la siguiente frmula para el valor
Y
k+1
aproximacin de ( ) ( ) t h t
k k
+
+1
:
( ) ( )

t y y Y
1 m 0,1,..., k , Y
2
h
Y h Y Y

0 0 0
k
2
k k 1 k
'

+ +
+
(6.12)
que se conoce como frmula de los tres primeros trminos de la serie de Taylor.
El error local en la frmula (6.12) es
( ) ( ) con t t , k=0,1,...,m 1
k k+1
< <
+ + + k k k k k
t Y h
1 1 1
3
1
6
,
302 MTODOS NUMRICOS
__________________________________________________________________________________
por lo tanto el error local es proporcional a h
3
, como lo es para la frmula de Euler mejorada,
es decir,
( )

k
3
O h , k 1,2,...,m. Entonces el error total debido a la frmula (6.12) es
( )
O h
2
, as que este mtodo es de orden dos.
Nota: La frmula de los tres primeros trminos de la serie de Taylor requiere el clculo de
( ) f t y
t
, y ( ) f t y
y
, , y despus la evaluacin de estas funciones y de ( ) f t y , en el punto ( ) t Y
k k
, ,
cosa que en algunos problemas puede ser difcil o bastante tedioso de calcular. Si este es el
caso, puede ser mejor usar una frmula con precisin comparable, como la frmula de Euler
mejorada, que no requiere de ( ) f t y
t
, ni de ( ) f t y
y
, .
Ejemplo 6.12 Si aplicamos el mtodo de los tres primeros trminos de la serie de Taylor
para obtener valores aproximados de la solucin del P.V.I.
( )
dy
dt t
y t e t
y
t
+
'
2
1 2
1 0
2
,
con tamao de paso h.1, se obtienen los resultados que aparecen en la TABLA 6.8
siguiente.
k t
k
Y
k
0 1.0 0
1 1.1 .3397852
2 1.2 .8521434
3 1.3 1.5817695
4 1.4 2.5809966
5 1.5 3.9109846
6 1.6 5.6430810
7 1.7 7.8603816
8 1.8 10.6595145
9 1.9 14.1526821
10 2.0 18.4699945
TABLA 6.8
TAYLOR3( ( ) f t y t y t y h m , , , , , , ,
0 0
m 0 1
mtodo de los tres primeros trminos de la serie de Taylor al P.V.I.
( )
( )
dy
dt
f t y
y t y
'
,
0 0
con m pasos
de tamao h. Para el ejemplo anterior, aproXime la expresin
TAYLOR3( ( )
2
10 0110
2
t
y t t t y + exp , , , , , , . ).
__________________________________________________________________________________
Compare el valor obtenido ( ) Y
2
8521434 12 . . , utilizando el mtodo de los tres primeros
trminos de la serie de Taylor, con el correspondiente valor obtenido por el mtodo de Euler
mejorado.
Veamos cul es la frmula de avance del mtodo de los tres primeros trminos de la serie de
Taylor para este ejemplo.
Como ( ) f t y
t
y t e
t
, +
2
2
, entonces ( ) f t y
t
y t e te
t
t t
, + +
2
2
2
2
,
( ) f t y
t
y
,
2
, as que la frmula
de avance en el mtodo de los tres primeros trminos de la serie de Taylor, para este caso,
es
Y Y hY
h
Y
Y
k k k k +
+ +

'
1
2
0
2
01 9
0 1
, , ,...,
,
k
h .
con
( ) + Y f t Y
t
Y t e
k k k
k
k k
t
k
,
2
2
( ) ( ) ( ) +
+ + +
Y f t Y f t Y f t Y
t
Y t e t e
t
Y
k t k k y k k k k
k
k k
t
k
t
k
k
k k
, , ,
2
2
2
2
2

Como ejercicio aplique la frmula de los tres primeros trminos de la serie de Taylor para
obtener valores aproximados de la solucin exacta en cada uno de los P.V.I. dados en los
ejemplos anteriores.
Si se toman ms trminos en la serie de Taylor de la funcin ( ) t alrededor del punto
t
k , se
obtienen frmulas de mayor precisin. Es posible desarrollar frmulas con la precisin de las
frmulas de tres o ms trminos de la serie de Taylor, en las que no aparezcan derivadas
parciales de ( ) f t y , . El desarrollo de estas frmulas lo inici Carl Runge (1.856-1.927) y lo
continu G. Kutta (1.867-1.944), matemticos aplicados alemanes.
6.4 MTODO DE RUNGE-KUTTA
El mtodo de Runge-Kutta se fundamenta en el mtodo de la serie de Taylor, buscando la
exactitud de este mtodo pero sin tener que calcular derivadas parciales de la funcin
( ) f t y , .
Existen mtodos de Runge-Kutta de diferentes ordenes, el orden lo define el orden de la
derivada en el trmino de la serie de Taylor donde sta se corte.
Consideremos el P.V.I.
( )
( )
'

0 0
0
y t y
T t t , y , t f y
304 MTODOS NUMRICOS
__________________________________________________________________________________
con solucin nica ( ) y t .
La frmula de los tres primeros trminos de la serie de Taylor es
( ) ( ) ( ) ( ) { }
( ) ( ) ( ) ( )
[ ]
Y Y hY
h
Y
Y hf t Y
h
f t Y f t Y f t Y
Y h f t Y
h
f t Y f t Y f t Y
k k k k
k k k t k k y k k k k
k k k t k k y k k k k
+
+ +
+ + +
+ + +
'
1
2
2
2
2
2
, , , ,
, , , ,
(6.13)
y consideremos la frmula
( ) ( ) ( ) { }
Y Y h af t Y bf t Y t Y
k k k k k k k k +
+ + + +
1
, , , h hf (6.14)
donde a, b, y son constantes arbitrarias.
Se puede ver que la frmula (6.14) es una generalizacin del mtodo de Euler mejorado.
La ecuacin (6.14) la podemos expresar en la forma
( )
( )
Y Y aK bK
hf t Y
hf t h Y K
k k
k k
k k
+
+ +

+ +
'
1 1 2
1
2 1
con
K
K
,
,
(6.15)
que se conoce como frmula general de Runge-Kutta de segundo orden.
El propsito es encontrar valores de las constantes a, b, y tales que la frmula (6.15)
tenga la exactitud del mtodo de los tres primeros trminos de la serie de Taylor (frmula
(6.13)) sin tener que calcular derivadas de orden superior de la funcin ( ) t .
Para esto procedemos as:
En la frmula (6.15), en la parte que corresponde a K
2
, hacemos el desarrollo en serie de
Taylor de orden dos para una funcin de dos variables, as
( )
( ) ( ) { ( )
( ) ( )( ) ( ) ( )
[ ] }
K hf t h Y K
h f t Y hf t Y K f t Y
h f t y h K f t y K f t y
k k
k k t k k y k k
t t t y y y
2 1
1
2 2
1
2
1
2
1
2
2
+ +
+ +
+ + +

,
, , ,
, , ,
para algn t entre t h
k k
y t + y algn y entre Y K
k k
y Y +
1
.
Sustituyendo K
1
y K
2
en (6.15), obtenemos
__________________________________________________________________________________
[ ]
Y Y ahf bh f hf hff h f h ff h f f
k k t y t t t y y y +
+ + + + + + +
'
1
2 2 2 2 2 2
1
2
2
y agrupando trminos, llegamos a
( ) ( ) ( )
Y
k k t y t t t y y y
Y a b hf bh f ff
bh
f ff f f
+
+ + + + + + +
1
2
3
2 2 2
2
2
(6.16)
( f y sus derivadas parciales de primer orden evaluadas en el punto ( ) t Y
k k
, ; f f
t t t y
, y f
y y
evaluadas en el punto
( )
t y , ).
Comparando la ecuacin (6.13) con la ecuacin (6.16), trmino a trmino, hasta h
2
,
obtenemos el siguiente sistema no-lineal de ecuaciones en las variables a, b, y :
a b +
'
1
1
2
1
2
b
b
sistema que tiene infinitas soluciones: a b

b b
1
1
2
1
2
0 , , , y b b R .
Recordando la frmula para el error local en el mtodo de los tres primeros trminos de la
serie de Taylor y observando el residuo en la serie de Taylor en la ecuacin (6.16), se tiene
que el error local en la frmula general de Runge-Kutta de segundo orden es
( )
O h
3
y
entonces el error total debido a la frmula es
( )
O h
2
.
Casos particulares:
1) Si b
1
2
, entonces a
1
2
, 1 , y obtenemos
( ) ( ) { }
Y Y K K Y t Y hf t h Y K
k k k k k k k +
+ + + + + +
1 1 2 1
1
2
1
2
1
2
hf , ,
o sea
( ) ( ) ( ) { }
( ) ( )

t y y Y
1 m ,..., 1 , 0 k , Y , t hf Y , t f Y , t f
2
h
Y Y

0 0 0
k k k 1 k k k k 1 k
'

+ + +
+ +
que es el mtodo de Euler mejorado.
2) Si b 1, entonces a 0,
1
2
, y entonces
Y Y K Y hf t h Y K
k k k k k +
+ + + +
_
,
1 2 1
1
1
2
1
2
,
o sea
306 MTODOS NUMRICOS
__________________________________________________________________________________
( )
( ) ( )

t y y Y
1 m ,..., 1 , 0 k , Y , t hf
2
1
Y , h
2
1
t hf Y Y

0 0 0
k k k k k 1 k
'

,
_
+ + +
+
que se conoce como mtodo de Euler modificado o del punto medio.
3) Si b
3
4
, entonces a
1
4
,
2
3
, y entonces
( )
( ) ( )
Y Y K K
Y hf t Y hf t h Y K
Y hf t Y hf t h Y hf t Y
k k
k k k k k
k k k k k k k
+
+ +
+ + + +
_
,
+ + + +
_
,
1 1 2
1
1
4
3
4
1
4
3
4
2
3
2
3
1
4
3
4
2
3
2
3
, ,
, , ,
o sea
( ) ( )
( ) ( )

t y y Y
1 m ,..., 1 , 0 k , Y , t hf
3
2
Y , h
3
2
t f 3 Y , t f
4
h
Y Y

0 0 0
k k k k k k k 1 k
'
'
,
_
+ + + +
+
que se conoce como mtodo de Heun.
Los anteriores mtodos estn clasificados como mtodos de Runge-Kutta de orden dos,
que es el orden de su error total de frmula.
Ejemplo 6.13 Si al P.V.I.
( )
,
y
dy
dt t
y t e t
t
+
'
2
1 2
1 0
2
le aplicamos el mtodo de Heun con h.05, para aproximar la solucin ( ) t y de este
P.V.I., obtenemos los resultados que se muestran en la TABLA 6.9.
Compare los resultados obtenidos por el mtodo de Heun, para este ejemplo, con los
correspondientes resultados obtenidos usando el mtodo de Euler mejorado.
En la FIGURA 6.11 aparece la grfica de la solucin exacta
( )
( )
y t t e e
t

2
del P.V.I. dado
en este ejemplo, junto con los puntos ( ) t Y
k k
, correspondientes a las aproximaciones
calculadas usando el mtodo de Heun, y que aparecen en la TABLA 6.9.
Ejemplo 6.14 Si al P.V.I.
( )
( )

y
+

'
y
t
y y t
1
1 3
1 2
2
,
__________________________________________________________________________________
le aplicamos el mtodo de Heun para calcular valores aproximados de la solucin exacta de
este P.V.I. con tamao de paso h.2, obtenemos los resultados que aparecen en la TABLA
6.10.
k t
k
Y
k ( ) y t
k
Error
0 1.00 0 0 0
1 1.05 .1530888 .1536546 .0005658
2 1.10 .3446870 .3459199 .0012329
3 1.15 .5797752 .5817824 .0020072
4 1.20 .8637476 .8666425 .0028949
5 1.25 1.2024431 1.20633456 .0039025
6 1.30 1.6021788 1.6072150 .0050362
7 1.35 2.0697864 2.0760894 .0063030
8 1.40 2.6126498 2.6203597 .0077099
9 1.45 3.2387469 3.2480106 .0092637
10 1.50 3.9566938 3.9676664 .0109726
11 1.55 4.7757914 4.7886353 .0128439
12 1.60 5.7060762 5.7209616 .0148854
13 1.65 6.7583744 6.7754803 .0171058
14 1.70 7.9443594 7.9638734 .0195140
15 1.75 9.2766136 9.2987328 .0221192
16 1.80 10.7686946 10.7936249 .0249303
17 1.85 12.4352056 12.4631624 .0279568
18 1.90 14.2918711 14.3230820 .0312109
19 1.95 16.3556171 16.3903179 .0347009
20 2.00 18.6446577 18.6830978 .0384402
TABLA 6.9
k t
k
Y
k
0 1.0 20 .
1 1.2 17317647 .
2 1.4 15731911 .
3 1.6 14700834 .
4 1.8 13980664 .
5 2.0 13450418 .
6 2.2 13044170 .
7 2.4 12723171 .
8 2.6 12463225 .
9 2.8 12248473 .
10 3.0 12068097 .
TABLA 6.10
308 MTODOS NUMRICOS
__________________________________________________________________________________
Procediendo de manera similar al caso de los mtodos de Runge-Kutta de orden dos, se
obtendr una frmula de Runge-Kutta de orden tres (3), tomando la frmula de los cuatro
primeros trminos de la serie de Taylor
Y Y hY
h
Y
h
Y
k k k k k +
+ + +
1
2 3
2 3 ! !
y considerando la frmula general de Runge-Kutta de orden tres
( )
( )
( )
Y Y aK bK cK
K hf t Y
K hf t h Y K
K hf t h Y K
k k
k k
k k
k k
+
+ + +
+ +
+ +
'
1 1 2 3
1
2 1
3 2
con
,
,
,

FIGURA 6.11
Una de las frmulas de Runge-Kutta de tercer orden viene dada por
__________________________________________________________________________________
( )
( )
( )
( ) ( )

t y y Y
K 2 Y , h t hf K
1 m ,..., 1 , 0 k , K
2
1
Y , h
2
1
t hf K
Y , t hf K
con K K 4 K
6
1
Y Y

0 0 0
2 k k 3
1 k k 2
k k 1
3 2 1 k 1 k
'
'
+ +

,
_
+ +
+ + +
+
La frmula clsica de Runge-Kutta y que ms se utiliza es equivalente a la frmula de los
cinco primeros trminos de la serie de Taylor, o sea un mtodo de Runge-Kutta de orden
cuatro, y viene dada as
( )
( )
( )
( ) ( )

t y y Y

K Y , h t hf K
K
2
1
Y , h
2
1
t hf K
1 m ,..., 1 , 0 k
K
2
1
Y , h
2
1
t hf K
Y , t hf K
con K K 2 K 2 K
6
1
Y Y

0 0 0
3 k k 4
2 k k 3
1 k k 2
k k 1
4 3 2 1 k 1 k
'
'
+ +
,
_
+ +

,
_
+ +
+ + + +
+
Este mtodo tiene error local de frmula de orden
( )
O h
5
y error total de orden
( )
O h
4
,
siempre y cuando la solucin ( ) t del P.V.I. dado tenga las primeras cinco derivadas
continuas.
Algoritmo 6.2 (Runge-Kutta de orden cuatro) Para encontrar una aproximacin discreta de
la solucin del P.V.I., con solucin nica
( )
( )
t
y t
0
0

'
y f t y t T
y
, ,
0
en m+1nmeros igualmente espaciados en el intervalo
[ ]
t T
0
, :
Entrada: La funcin ( ) f t y , , los valores iniciales t
0 0
, y , el tamao de paso h, y un entero m.
Salida: Aproximacin Y de la solucin ( ) y t en los m+1 nmeros
t t t h t t mh T
m 0 1 0 0
, ,..., + + .
Paso 1: Hacer t t y
0 0
, Y .
310 MTODOS NUMRICOS
__________________________________________________________________________________
Salida: ( ) t Y , .
Paso 2: Para k m 12 , ,..., seguir los pasos 3-5:
Paso 3: Tomar

( )
( )
K hf t Y
K hf t h Y K
K hf t h Y K
K hf t h Y K
1
2 1
3 2
4 3
1
2
1
2
1
2
1
2
+ +
_
,
+ +
_
,
+ +
, ,
, ,
,
,

,
.
Paso 4: Tomar ( ) Y Y K K K K + + + +
1
6
2 2
1 2 3 4
(calcula Y
k
)
t t kh + (Calcula t
k
)
Paso 4: Salida: ( ) t Y , .
Paso 5: Terminar.
Ejemplo 6.15 Usando el mtodo de Runge-Kutta de orden cuatro para encontrar una
aproximacin de la solucin del P.V.I., con solucin nica
( )
,
y
dy
dt t
y t e t
t
+
'
2
1 2
1 0
2
con tamao de paso h .1, obtenemos los resultados que se muestran en la TABLA 6.11
siguiente.
k t
k
Y
k ( ) y t
k
Error
0 1.0 0 0 0
1 1.1 .3459103 .3459199
96 10
6
.

2 1.2 .8666217 .8666425
208 10
5
.

3 1.3 1.6071813 1.6072151
338 10
5
.

4 1.4 2.6203113 2.6203596
483 10
5
.

5 1.5 3.9676019 3.9676663
644 10
5
.

6 1.6 5.7208793 5.7209615
822 10
5
.

7 1.7 7.9637718 7.9638735
1017 10
4
.

8 1.8 10.7935018 10.7936247
1229 10
4
.

9 1.9 14.3229357 14.3230815
1458 10
4
.

10 2.0 18.6829266 18.6830971
1705 10
4
.

TABLA 6.11
__________________________________________________________________________________
RK( ( )
[ ] [ ] [ ]
f t y t y t y h m , , , , , , ,
0 0
m 0 1
mtodo de Runge-Kutta de cuarto orden al P.V.I.
( )
( )
dy
dt
f t y
y t y
'
,
0 0
en m pasos de tamao h.
Para el ejemplo anterior, aproXime la expresin RK( ( ) [ ] [ ]
2
10 0110
2
t
y t t t y +
1
]
1
exp , , , , , , . ).
Veamos cmo se calcula la primera aproximacin Y
1
, aplicando el mtodo de Runge-Kutta
de cuarto orden, al P.V.I. anterior.
( ) Y Y K K K K
1 0 1 2 3 4
1
6
2 2 + + + +
donde
Y
0
0
( ) ( ) K hf t Y f
1 0 0
1 100 27182818 , , . . .
K hf t h Y K f
2 0 0 1
1
2
1
2
1 105
27182818
2
3409444 + +
_
,
_
,
, , . .
.
.
K hf t h Y K f
3 0 0 2
1
2
1
2
1 105
3409444
2
3475269 + +
_
,
_
,
, . .
.
. ,
( ) ( ) K hf t h Y K f
4 0 0 3
1 11 3475269 4266908 + + , , . . . .
As que
( )( ) ( )( ) ( )
Y
1
0
1
6
2718281 2 3409444 2 3475269 4266908 3459103 + + + + . . . . .
De acuerdo con los resultados de la TABLA 6.11, Y
2
8666217 . aproxima al valor exacto
( ) y 12 8666425 . . con una precisin de cuatro cifras decimales exactas.
Una grfica de la solucin exacta del P.V.I. dado, junto con los puntos ( ) t Y
k k
,
correspondientes a las aproximaciones calculadas usando el mtodo de Runge-Kutta de
orden cuatro que aparecen en la TABLA 6.11, se muestran en la FIGURA 6.12.
( )
( )
,
y
+

'
y
t
y y t
1
1 3
1 2
2
312 MTODOS NUMRICOS
__________________________________________________________________________________
el mtodo de Runge-Kutta de orden cuatro con h .2, produce los resultados que se
muestran en la TABLA 6.12.
Una grfica de la solucin exacta ( ) y t
t
t
2
1 2
del P.V.I. del ejemplo 6.16, junto con los
puntos ( ) t Y
k k
, correspondientes a las aproximaciones calculadas que aparecen en la
TABLA 6.12, se muestran en la FIGURA 6.13.
FIGURA 6.12
k t
k
Y
k
0 1.0 20 .
1 1.2 17142452 .
2 1.4 15555229 .
__________________________________________________________________________________
3 1.6 14545197 .
4 1.8 13845945 .
5 2.0 13333159 .
6 2.2 12941027 .
7 2.4 12631448 .
8 2.6 12380836 .
9 2.8 12173809 .
10 3.0 11999905 .
TABLA 6.12
FIGURA 6.13
Ejemplo 6.17 Use el mtodo de Runge-Kutta de orden cuatro para aproximar la
solucin exacta del P.V.I.
( ) ( )
t lnt ,
y ,
2 3
2 2 1 15
1 1 1 0
+

'
y ty y t t
y
.
tomando h.05.
Solucin: Empezamos despejando y en la ecuacin diferencial dada
t
2 3
2 2 + y ty y t t ln
314 MTODOS NUMRICOS
__________________________________________________________________________________
lo que nos da
t + y
t
y
t
y t t
2 2
0
2
ln ,
Ahora transformamos el P.V.I. dado en el siguiente sistema de ecuaciones
diferenciales de primer orden con condicin inicial, introduciendo las variables
y y y
1 2
, y :
( ) ( )

y y

+ +

'
y y
t
y
t
y
t
y t t
1 2
2
2
1 2
1 2
1 15
2 2
1 1 1 0
,
ln ,
,
.
(6.17)
Este sistema es de la forma
( )
( )
( ) ( )
,
t

y y
0

'
y f t y y
t T
y f t y y
t y t y
1 1 1 2
2 2 1 2
1 0 10 2 0 20
, ,
, , ,
,
, ,
con
( ) ( ) f f y , y
1,0 2,0 1 1 2 2 2 1 2
2
1 2
2 2
1 0 t y y y t y y
t
y
t
y t t , , , , , , ln + +
Ahora aplicamos el mtodo de Runge-Kutta de orden cuatro a cada una de las
ecuaciones del sistema, as:
Para ( ) ( )
y y f t y y
1 2 1 1 2
, , :
( )
Y
0
1
1 , que es la condicin inicial para la funcin incgnita y
1
Para ( ) ( )
+ + y
t
y
t
y t t f t y y
2
2
1 2 2 1 2
2 2
ln , , :
( )
Y
0
2
0
, que es la condicin inicial para la funcin incgnita y
2
__________________________________________________________________________________
En esta notacin el superndice hace referencia al subndice de la funcin incgnita,
es decir, superndice 1 para la funcin incgnita y
1
, y superndice 2 para la funcin
incgnita y
2
.
Para calcular la primera aproximacin
( )
Y
1
1
, para la funcin incgnita y
1
y
( )
Y
1
2
, para la funcin incgnita y
2
procedemos as:
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
K hf t Y Y f
K hf t Y Y f
1
1
1 0 0
1
0
2
1
1
2
2 0 0
1
0
2
2
2
05 10 10 0 05 0 0
05 10 10 0 05
2
10
10
2
10
0 10 10 1
_
,
_
,
+ +
_
,

, , , ,
, , , , ln
. . . .
. . . .
.
.
.
. . .
( ) ( )
( )
( )
( )
( )
( ) ( )
( )
( )
( )
( )
K hf t
h
Y
K
Y
K
f
K hf t
h
Y
K
Y
K
f
2
1
1 0 0
1
1
1
0
2
1
2
1
3
2
2
2 0 0
1
1
1
0
2
1
2
2
2 2 2
05 1025 10 05 25 10
2 2 2
05 1025 10 05 098793992
+ + +
_
,

+ + +
_
,
, , , ,
, , , ,
. . . . .
. . . . .
( ) ( )
( )
( )
( )
( ) K hf t
h
Y
K
Y
K
f
3
1
1 0 0
1
2
1
0
2
2
2
1
3
2 2 2
05 1025 99875 049396996
24698498 10
+ + +
_
,

, , , , . . . .
.
( ) ( )
( )
( )
( )
( ) K hf t
h
Y
K
Y
K
f
3
2
2 0 0
1
2
1
0
2
2
2
2
2 2 2
05 1025 99875 049396996
09861618555
+ + +
_
,

, , , , . . . .
.
316 MTODOS NUMRICOS
__________________________________________________________________________________
( ) ( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( ) ( )
( )
K hf t Y K Y K f
K hf t Y K Y K f
4
1
1 1 0
1
3
1
0
2
3
2
1
3
4
2
2 1 0
1
3
1
0
2
3
2
2
05 105 9975301502 09861618555
4930809278 10
05 105 9975301502 09861618555
09730945925
+ +
_
,

+ +
_
,

, , , ,
, , , ,
. . . .
.
. . . .
.
Entonces
( ) ( ) ( ) ( ) ( ) ( )
( )
( ) ( ) ( )
9975215819
10 930809278 4 10 4698498 2 2 10 5 2 2 0
6
1
0 1
K K 2 K 2 K
6
1
Y Y
3 3 3
1
4
1
3
1
2
1
1
1
0
1
1
.
. . . .
+ + +
+ + + +

y
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
Y Y K K K K
1
2
0
2
1
2
2
2
3
2
4
2 1
6
2 2
0
1
6
1 2 098793992 2 099861618555 09730945925
09868830239
+ + + +
_
,
+ + +

. . . .
.
Si aplicamos el mtodo de Runge-Kutta de cuarto orden al P.V.I. dado, se obtienen
los resultados que se muestran en la TABLA 6.13 siguiente.
k
t
k
( )
Y
k
1 ( )
Y
k
2
0 1.0 1.0 0
1 1.05 .9975216
.09868830
2 1.10 .9901789
.1945121
3 1.15 .9781239
.2871223
4 1.20 .9615257
.3761856
5 1.25 .9405698
.4613824
6 1.30 .9154570
.5424067
7 1.35 .8864035
.6189642
8 1.40 .8536397
.6907718
9 1.45 .8174100
.7575566
10 1.50 .7779722
.8190555
TABLA 6.13
Las aproximaciones de la solucin exacta
__________________________________________________________________________________
( ) y t t
t
t t +
7
4 2
3
4
3
3
ln
del P.V.I. dado, corresponden a los valores
( )
Y
k
1
que aparecen listados en la tercera
columna de la TABLA 6.13.
RK( ( ) ( )
[ ] [ ] [ ]
f t y y f t y y t y y t y y h m
1 1 2 2 1 2 1 2 0 10 20
, , , , , , , , , , , , ,
, ,
): aproXima a una matriz de 3
columnas y m+1 filas, donde cada fila es de la forma
( ) ( )
t Y Y
k k k
, ,
1 2
1
]
1
, siendo
( )
( ) Y y t
k k
1
1
y
( )
( ) Y y t
k k
2
2
los valores obtenidos al aplicar el mtodo de Ringe-Kutta
de cuarto orden al sistema
( )
( )
( ) ( )

'
y f t y y
y f t y y
y t y t y
1 1 1 2
2 2 1 2
1 0 10 2 0 20
, ,
, ,
,
, ,
y
con m pasos de tamao h. Para el ejemplo anterior, aproXime la expresin
[ ] [ ]

,
_
1
]
1
+ 10 , 05 0 , 0 , 1 , 1 , z , y , t , t ln t y
t
2
z
t
2
, z RK
2
.
. Si desea graficar los puntos
( )
t Y
k k
,
1
_
,
y/o los puntos

( )
t Y
k k
,
2
_
,
, correspondientes a las aproximaciones obtenidas, la siguiente

instruccin puede ser utilizada:
EXTRACT_2_COLUMNS(M, j, l): Simplifica en una matriz formada por las
columnas j y l de la matriz M.
Es claro que cualquiera de los mtodos estudiados se puede aplicar para un sistema de
ecuaciones diferenciales de primer orden del tipo (6.2). Como ejemplo veamos como
se escribira el mtodo de Runge-Kutta de cuarto orden para el sistema (6.17):
( ) ( )

y y

+ +

'
y y
t
y
t
y
t
y t t
1 2
2
2
1 2
1 2
1 15
2 2
1 1 1 0
,
ln ,
,
.
Este sistema se puede escribir en forma vectorial como sigue
318 MTODOS NUMRICOS
__________________________________________________________________________________
( )
( )
_
,

+ +
_
,
_
,

_
,
'
y
y
y
t
y
t
y t t
t
y
y
1
2
2
2
1 2
1
2
2 2 1 15
1
1
1
0
ln
, .

( )
( )
,
_
'
,
_
0
1
1
5 1 t 1 , t,
Y
Y F Y . =
y entonces la forma vectorial del mtodo de Runge-Kutta de cuarto orden para
aproximar la solucin del P.V.I. vectorial del ejemplo 6.17, es
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
'
,
_
,
_
,
_
,
_
,
_
,
_
+
+
+
% # " % # " % # " % # " % # " % # "
4
2
4
1
4
3
2
3
1
3
2
2
2
1
2
1
2
1
1
1
k
2
k
1
k
1 k
2
1 k
1
1 k
K
K
K
K
2
K
K
2
K
K
6
1
Y
Y
Y
Y

K K K K Y Y
donde
( )
( )
( ) ( )
,
_
+ +

k k
2
k
k
1
k
2
k
2
k
k k 1
t ln t Y
t
2
Y
t
2
Y
h , t h Y F K
( ) ( )
( ) ( ) ( ) ( )
,
_
,
_
+
,
_
+ +
,
_
,
_
+
+
,
_
,
_
,
_
+ +
h
2
1
t ln h
2
1
t K
2
1
Y
h
2
1
t
2
K
2
1
Y
h
2
1
t
2
K
2
1
Y
h
2
1
, h
2
1
t h
k k
2
1
2
k
k
1
1
1
k
2
k
2
1
2
k
1 k k 2
K Y F K
( ) ( )
( ) ( ) ( ) ( )
,
_
,
_
+
,
_
+ +
,
_
,
_
+
+
,
_
,
_
,
_
+ +
h
2
1
t ln h
2
1
t K
2
1
Y
h
2
1
t
2
K
2
1
Y
h
2
1
t
2
K
2
1
Y
h
2
1
, h
2
1
t h
k k
2
2
2
k
k
1
2
1
k
2
k
2
2
2
k
2 k k 3
K Y F K
__________________________________________________________________________________
( )
( ) ( )
( )
( ) ( )
( )
( )
( ) ( )
( ) ( ) ( )
,
_
+ + + +
+
+ +
+
+ +
h t ln h t K Y
h t
2
K Y
h t
2
K Y
h
, h t h
k k
2
3
2
k
k
1
3
1
k
2
k
2
3
2
k
3 k k 4
K Y F K

Como ejercicio use la forma vectorial del mtodo de Runge-Kutta de orden cuatro
para calcular las aproximaciones de la solucin exacta del P.V.I. del ejemplo 6.17.
TALLER 6.
1. Use el teorema 6.1 para demostrar que el P.V.I.
( )

'
y tany
y 0 0
tiene una solucin en el intervalo t

4
.
2. Use cada uno de los teoremas 6.1, 6.2, 6.3 y 6.4 para predecir dnde tiene solucin
el siguiente P.V.I., y luego resulvalo explcitamente para comparar la teora con
los hechos:
( )

'
y y
y
2
0 1
3. Demuestre que el P.V.I.
( )
+
'
y y
y
1
0 0
2
tiene una solucin en el intervalo [ ]
11 ,
. Pruebe que este ejemplo no satisface la
hiptesis del teorema 6.4. Explique por qu este ejemplo no contradice al teorema
6.4.
320 MTODOS NUMRICOS
__________________________________________________________________________________
4. Encuentre un intervalo para el cual se pueda asegurar que el P.V.I.
( )

'
y y
y
sec
0 0
tiene una nica solucin.
5. Use el teorema 6.4 para demostrar que cada uno de los siguientes P.V.I. tienen
solucin nica en el intervalo
[ ]
01 , :
i)
( )

'
y y t
y
cos
0 1
ii)
( )
( )
+
'
y t ty
y
1
0 0
sen
6. Verifique que ( ) y t
t
1
2
4
y ( ) y t t
2
1 son soluciones del P.V.I.
( )
2 4
2 1
2
+

'
y t y t
y
Por qu no contradice este hecho al teorema 6.2?
7. Para cada una de las funciones ( ) f t y , siguientes
i) ( ) f t y t y , +
2
1 ii) ( ) f t y tan y ,
1
iii)
( ) f t y ty ,
iv)
( ) f t y ty
t
y
, +
4
a) Satisface f una condicin de Lipschitz en la segunda variable y en el dominio
( ) { }
/ D < < t y t y , , ? 0 1
b) Determine si el P.V.I.
( )
( )

y

'
y f t y t , , 0 1
0 1
__________________________________________________________________________________
tiene solucin nica.
8. a) Demuestre que cada uno de los siguientes problemas de valor inicial tiene
solucin nica
a)
( )

y

'
y y t t cos , 0 1
0 1
b)
( )
( )

y
+
'
y t ty t 1 0 1
0 0
sen ,
b) Use dos pasos de los mtodos de Euler, Euler mejorado, Heun, Taylor de orden
dos y mtodo de Runge-Kutta de orden cuatro para aproximar ( ) y 02 . .
9. Considere el P.V.I.
( )

y

'
y y t 10 0 2
0 1
,
el cual tiene solucin exacta ( ) y t e
t
10
.
Qu pasa cuando el mtodo de Euler se
aplica a este problema con tamao de paso h .1?
10. Encuentre valores aproximados de la solucin de cada uno de los siguientes
problemas de valor inicial, usando el mtodo de los tres primeros trminos de la
serie de Taylor y el mtodo de Runge-Kutta de orden cuatro con tamao de paso
h . . 5 25 y h . Haga una grfica que muestre los puntos ( ) t Y
k k
, correspondientes
a las aproximaciones calculadas y la grfica de la solucin exacta. Discuta sus
resultados.
a)
( )

y

'
y y t
2
0 4
0 1
,
con solucin exacta ( ) y t
t
+
1
1
b)
( )

y
+
'
y y t t 2 0 4
0 1
cos ,
con solucin exacta ( ) y t t t + sen cos
c)
( )

y

'
y y t t 2 0 4
0 1
sen ,
con solucin exacta ( ) y t t t + sen cos
322 MTODOS NUMRICOS
__________________________________________________________________________________
11. Un proyectil de masa m 011 . Kgrs. se lanza verticalmente hacia arriba desde el
suelo con una velocidad inicial ( ) v m seg 0 8 ./ . y se va frenando debido a la fuerza
de la gravedad F mg
g
y a la resistencia del aire F kv
r

2
, donde
g m seg 98
2
. ./ . y k kg m 0002 . ./ .
a) Demuestre que la ecuacin diferencial para la velocidad
( ) t v
del proyectil en
cada instante t es
( )
( ) ( )
( ) ( )
'
+

bajando est proyectil el mientras , t v k mg
subiendo est proyectil el mientras , t v k mg
t v m
2
2
b) Demuestre que el problema de valor inicial
( ) ( )
( )
'

0 8 0 v
T t 0 , t v t v
m
k
g v
.
correspondiente a la situacin descrita en el enunciado tiene solucin nica en
el intervalo [ ] T , 0 , siendo T el tiempo que tarda el proyectil en caer.
c) Utilice el mtodo de Runge-Kutta de cuarto orden para estimar la velocidad del
proyectil en cada uno de los instantes .1, .2, .3,..., 1.0 segundos, tomando
tamao de paso 1 h . .
d) Estime el tiempo para el cual el proyectil alcanza la altura mxima y empieza a
caer.
e) Estime la altura mxima alcanzada por el proyectil.
12. a) Convierta cada uno de los siguientes problemas de valor inicial en un sistema
de ecuaciones diferenciales de primer orden con condicin inicial
i)
( ) ( ) ( )

y
+ + +

'
y y y y t t t
y y
4 5 2 4 2 0 1
0 1 0 0 0 1
sen cos ,
, ,
ii)
( ) ( )

y
+ +

'
y ty t y e t
y
t
2 0 1
0 1 0 1
2
,
,
__________________________________________________________________________________
b) Use el mtodo de Euler, el mtodo de los tres priemros trminos de la serie de
Taylor y el mtodo de Runge-Kutta de cuarto orden para aproximar la solucin
( ) y t de cada uno de los P.V.I. dados en i) y ii), usando tamao de paso h .1.
13. Considere el problema de valor inicial
( )

y

'
y e t
t
2
0 1
0 0
,
a) Demuestre que el P.V.I. dado tiene solucin nica.
b) Verifique que
( ) y t e ds
s
t
2
0
es la solucin del P.V.I. dado.
c) Use la regla de integracin numrica de los Trapecios con h .25 para
aproximar la solucin ( ) y t , dada en b), en los puntos
t
1 2 3 4
25 50 75 10 . . . . , , t t y t .
d) Use el mtodo de los tres primeros trminos de la serie de Taylor con tamao
de paso h .25 para aproximar la solucin ( ) y t , dada en b), en los puntos
t
1
025 . , t
2
050 . , t
3
075 . , y t
4
10 . .
e) Encuentre el polinomio interpolante de Newton (diferencias divididas) para la
funcin ( ) f x e
x

2
en [0,10] . usando como nodos 0, .25, .50, .75, 1.0 y selo
para aproximar
e dx
x
2
0
10 .

.
f) Compare los resultados obtenidos en c), d) y e).
Captulo 6. SOLUCIN NUMRICA DE P.V.I. Y P.V.F. PARA E.D.O. 323
__________________________________________________________________________________

PROBLEMAS DE VALOR EN LA FRONTERA (P.V.F.)

Hasta aqu se han considerado problemas de valor inicial (P.V.I.) para ecuaciones
diferenciales ordinarias (E.D.O.), es decir, problemas de E.D.O. donde se especifican
condiciones sobre la solucin de la ecuacin diferencial en un mismo punto llamado punto
inicial (condiciones iniciales). Ahora se considerarn E.D.O. donde se imponen condiciones
sobre la solucin desconocida es ms de un punto. Tales problemas son llamados
problemas de valores en la frontera (P.V.F.) o problemas de contorno.

Se considerar nicamente el caso de un P.V.F. de segundo orden con dos puntos, de la
forma general:

(1)
( ) [ ] ( )
( ) ( ) ( )
= =
< =
. F . C frontera de s Condicione : b y , a y
b a b , a t , y , y , t f y

La frontera en este caso es el conjunto { } b , a .

Qu puede decirse de la existencia y unicidad de solucin para un P.V.F. del tipo (1)?

Veamos algunos ejemplos:

1)
( ) ( )
= =
=
1 1 y , 1 0 y
y y

La solucin general de la ecuacin diferencial y y = es ( )
t t
e B e A t y

+ = , A y B

( ) ( ) ( )
( ) ( )

= = =
= = = = = =
y. y de res particcula soluciones son e t y , e t y que as

; 1 0 e 1 e e y y que as , e t y , e t y
t
2
t
1
t 2 t t 2 t 2 t

Tratamos ahora de encontrar valores de A y B de modo que se satisfagan las
condiciones de frontera:
( )
( )
= + =
= + =
1 e B e A 1 y
1 B A 0 y
1 1

Este sistema tiene solucin nica
e 1
e
B ,
e 1
1
A
+
=
+
= , as que
( )
t t
e
e 1
e
e
e 1
1
t y

+
+
+
= es solucin en [ ] 1 , 0 del P.V.F. dado. Existir otra
solucin?

2)
( )
=
=
4
2
y , 2 0 y
y y

324 MTODOS NUMRICOS
__________________________________________________________________________________

La solucin general de la ecuacin diferencial y y = es ( ) ( ) (t sen B t cos A t y + ) = , A
y B constantes arbitrarias.

( ( ) ( ) ( ) ( ) ( ) (t sen i t cos e t y , t sen i t cos e t y , i 0 1
t i
2
t i
1
2
= = + = = = = +

)
son soluciones particulares complejas de la ecuacin diferencial
( ) ( )
( )
( )
( ) t y t sen
i 2
t y
; t y t cos
2
t y t y
; y y
2
1
1
2 1
= = = =
+
= son soluciones
particulares reales de la ecuacin diferencial y y = )

Determinemos A y B, si es posible, para que se satisfagan la condiciones de frontera
( ) 4 B
2
y , 2 A 0 y = =
= = . Luego ( ) ( ) ( ) t sen 4 t cos 2 t y

1
+ = es solucin en
, 0 del P.V.F. dado. Existir otra solucin?

3)
( ) ( )
= =
=
4 y , 2 0 y
y y

La solucin general de la ecuacin diferencial y y = es ( ) ( ) t sen B t cos A t y + ( ) = , A y
B constantes arbitrarias. Para que se satisfagan las condiciones de frontera debe tenerse
y , lo cual es imposible. As que el P.V.F. dado no tiene
solucin.
( ) 2 A 0 y = = ( ) 4 A y = =

4)
( ) ( )
= =
=
y , 0 y
y y

La solucin general de la ecuacin diferencial y y = es ( ) ( ) t sen B t cos A t y + ( ) = , A y
B constantes arbitrarias. Para que se satisfagan las condiciones de frontera debe
tenerse que y ( ) A 0 y = = ( ) A y = = ; as que para que este P.V.F. tenga
solucin debe ser , y si esto ocurre, = ( ) ( ) ( ) t sen B t cos t y + = , B constante
arbitraria, es solucin en del P.V.F. dado. [ , 0 ]

Los ejemplos anteriores muestran diversas posibilidades en cuanto a existencia y unicidad
de solucin de un P.V.F. del tipo (1). Usaremos el siguiente teorema de existencia y
unicidad.

Teorema 6.5 Supongamos que la funcin ( ) z , y , t f y las derivadas parciales
( ) ( ) ( ) ( z , y , t f
z
z , y , t f , z , y , t f
y
z , y , t f
z y
= ) son continuas en la regin

( ) { } + < < = z , y , b t a / z , y , t R

Si adems, para todo ( ) 0 z , y , t f
y
> ( ) R z , y , t , y existe una constante tal que 0 M >
( ) M z , y , t f
z
para todo ( , entonces el P.V.F. ) R z , y , t
__________________________________________________________________________________

( ) ( )
( ) ( )
= =
=
b y , a y
y z y , y , t f y

tiene solucin nica con ( ) t y [ ] b , a t .

Ejemplo 6.18 Para el P.V.F.

( ) ( )
= =
=
1 1 y , 1 0 y
y y

se tiene que ( ) ( ) ( ) 0 z , y , t f
y
, 1 z , y , t f
y
, y z , y , t f =
= que son continuas en

. ( ) { } + < < = z , y , 1 t 0 / z , y , t R

Adems, ( ) 0 1 z , y , t f
y
> =
para todo ( ) R z , y , t y ( ) M 0 z , y , t f
z
=
para todo
(cualquiera sea ). As que el P.V.F. dado tiene solucin nica en[ ]. ( ) R z , y , t 0 M 1 , 0

Tal solucin es ( ) [ ] 1 , 0 t , e
e 1
1
e
e 1
1
t y
t t
+
+
+
=

.

Estudiaremos algunos mtodos numricos para aproximar la solucin de un P.V.F.
de la forma
( ) t y

( 1 )
( )
( ) ( )
= =
=
b y , a y
y , y , t f y

con solucin nica en [ ]. b , a

6.5 MTODO SHOOTING O DEL DISPARO

Considere el P.V.F. de dos puntos general

( 1 )
( )
( ) ( )
= =
=
b y , a y
y , y , t f y

con solucin nica . ( ) [ ] b , a t , t y

Una manera de calcular la solucin ( ) t y de este P.V.F. es relacionando este problema con
un P.V.I. del tipo
( 2 )
( )
( ) ( )
= =
=
z a y , a y
y , y , t f y

326 MTODOS NUMRICOS
__________________________________________________________________________________

donde z es un valor propuesto, esperando que si ( ) t y
z
es la solucin del P.V.I. ( 2 ) se
cumpla que , de esta manera ( ) b y
z
= ( ) t y
z
sera la solucin del P.V.F. ( 1 ) . Observar
la siguiente figura:

Si el valor propuesto no satisface la condicin z ( ) b y
z
= , proponemos un nuevo valor
y resolvemos el correspondiente P.V.I.
z

La idea general es definir una funcin
( ) ( ) b y z
z
=

y encontrar z de modo que . El problema visto de esta manera se convierte en un
problema de bsqueda de la raz de una ecuacin, ecuacin que en general es no-lineal.
( ) 0 z =

Este mtodo para resolver el P.V.F. ( 1 ) se conoce como MTODO SHOOTING o DEL
DISPARO.

Estudiaremos el siguiente caso especial:

CASO LINEAL: Consideramos el P.V.F. de dos puntos lineal:

(3)
( ) ( ) ( ) ( ) ( )
( ) ( )
= =
+ + =
b y , a y
y , y , t f t r y t q y t p y

donde suponemos que y ( ) ( ) t q , t p ( ) t r son continuas en [ ] b , a (lo que garantiza, en
particular, que ( ) ( )
[ ]
( ) { t p Mx M t p z , y , t f
z b , a t
y z

= =
}. Si ( ) 0 t q > , entonces el
P.V.F. (3) tiene solucin nica en , segn teorema de existencia y unicidad). [ b , a ]

El mtodo Shooting, para este caso, consiste en proponer dos valores de , es decir,
consideramos los siguientes dos P.V.I. asociados con el P.V.F. dado:
z

( a )
( ) ( ) ( )
( ) ( ) ( )
= =
+ + =
. I . C z a y , a y
t r y t q y t p y
1

__________________________________________________________________________________

( b )
( ) ( ) ( )
( ) ( ) ( )
= =
+ + =
. I . C z a y , a y
t r y t q y t p y
2

Si es la solucin del P.V.I. ( a ) y ( ) t y
1
( ) t y
2
es la solucin del P.V.I. ( b ), entonces la
combinacin lineal:

( ) ( ) ( ) ( ) t y 1 t y t g
2 1
+ =

donde es un parmetro real, es tambin solucin de la ecuacin diferencial del P.V.F.
dado, porque:

( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) [ ] ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( )
( ) ( ) ( ) ( ) [ ]
( )
( ) t r t y 1 t y t q t y 1 t y t p
t r t y t q t y t p 1 t r t y t q t y t p
t y 1 t y t g
t g
2 1
t g
2 1
2 2 1 1
2 1
+ + + + =
+ + + + + =
+ =
4 4 4 4 3 4 4 4 4 2 1 4 4 4 4 3 4 4 4 4 2 1

Adems, la solucin toma los siguientes valores en la frontera del intervalo [ ]: ( ) t g b , a

( ) ( ) ( ) ( ) ( ) 1 a y 1 a y a g
2 1
= + = + =

( ) ( ) ( ) ( ) b y 1 b y b g
2 1
+ =

La pregunta inmediata es, existir tal que ( ) b g = ? Es decir, la funcin resolver el
P.V.F. dado para algn valor de ? Para responder esta pregunta basta resolver la
ecuacin:
( ) t g

( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) b y b y b y b y 1 b y b g
2 2 1 2 1
= = + =

Resolviendo la ecuacin anterior, siempre que ( ) ( ) 0 b y b y
2 1
, se obtiene

( )
( ) ( )

b y b y
b y

2 1
2
=

Por lo tanto, si ( ) ( ) 0 b y b y
2 1
, la solucin nica del P.V.F. dado es

( ) ( ) ( ) ( ) t y 1 t y t g
2 1
+ = con
( )
( ) ( ) b y b y
b y
2 1
2
=

Para el caso , se tiene que ( ) ( ) 0 b y b y
2 1
= ( ) t y
2
o ( ) t y
1
es, en s misma, una solucin
del P.V.F. dado, pues ( ) 0 b y
2
= , siempre que el P.V.F. ( 3 ) tenga solucin (usando
teora de ecuaciones diferenciales lineales de segundo orden).

Para aplicar este mtodo Shooting, usando el computador procedemos como sigue:

Consideramos dos P.V.I. asociados con el P.V.F. dado, que pueden ser

328 MTODOS NUMRICOS
__________________________________________________________________________________

a) b)
( ) ( ) ( )
( ) ( )
= =
+ + =
0 a y , a y
t r y t q y t p y ( ) ( ) (
( ) ( )
= =
+ + =
1 a y , a y
t r y t q y t p y )

Aplicamos un mtodo numrico, como por ejemplo Runge-Kutta de orden cuatro, para
aproximar la solucin del P.V.I. a) y ( ) t y
1
( ) t y
2
del P.V.I. b), en los puntos igualmente
espaciados:

m
a b
h con t b , , t h k a , , t h a , t a
m k 1 0

= = = + = + = ... ...

Digamos que tales valores aproximados son , es decir,
k , 2 k , 1
Y , Y

( )
( )
k 2 k , 2
k 1 k , 1
t y Y
m , , 1 , 0 k
t y Y
...

En particular,
( ) ( )
( ) ( b y t y Y
b y t y Y
2 m 2 m , 2
1 m 1 m , 1
= )
=

Si , entonces definimos
m , 2 m , 1
Y Y
m , 2 m , 1
m , 2
Y Y
Y
= y calculamos los valores

( ) ( )
k k , 2 k , 1 k
t y Y 1 Y Y + =

siendo la solucin del P.V.F. dado. ( ) t y

Si , tomamos como valores aproximados de
m , 2 m , 1
Y Y ( )
k
t y a los valores ( o ).
k , 1
Y
k , 2
Y

Ejemplo 6.19 Usemos el mtodo del disparo en el caso lineal para aproximar la solucin
del siguiente P.V.F. en los puntos ( ) t y 10 , , 1 , 0 k , h k t
k
... = = con 1 0
10
1
h . = = :

( ) ( )
= =
=
1 1 y , 1 0 y
y y

(La nica solucin del P.V.F. dado es ( ) [ ] 1 , 0 t , e
e 1
e
e
e 1
1
t y
t t
+
+
+
=

).

Solucin: Para aplicar el mtodo Shooting, planteamos los siguientes dos P.V.I. asociados
con el P.V.F dado:

a) b)
( )

( ) ( )
= =
=
0 0 y , 1 0 y
y y
( )
= =
=
1 0 y , 1 0 y
y y

__________________________________________________________________________________

Observe que estos dos P.V.I. tienen solucin nica ( )
t t
1
e
2
1
e
2
1
t y

+ = para el P.V.I. a) y
para el P.V.I. b). ( )
t
2
e t y =
( , ( )
t t
e B e A t y

+ = ( ) 1 B A 0 y = + = , ( )
t t
e B e A t y

= , ( ) 0 B A 0 y = = , entonces
B
2
1
A = = , lo que produce ( )
t t
1
e
2
1
e
2
1
t y

+ = que es la solucin del P.V.I. a). Para el
P.V.I. b) se tiene que ( ) 1 B A 0 y = + = , ( ) 1 B A 0 y = = , entonces 1 A = , , as que
es la solucin del P.V.I. b)).
0 B =
( )
t
2
e t y =

Si aplicamos el mtodo de Runge-Kutta de orden cuatro para aproximar la solucin de cada
uno de los dos P.V.I., se obtiene:
( ) ( )
( ) ( ) ( )
= =
= =
=
=
=
=
) b . I . V . P el para 1 0 y , 1 0 y
) a . I . V . P el para 0 0 y , 1 0 y
y y
y y
y y
y y
2 1
2 1
1 2
2 1
2
1

(La instruccin en DERIVE para el P.V.I. a) es [ ] [ ] [ ] ( ) 10 , 1 0 , 0 , 1 , 0 , z , y , t , y , z RK .

k
k
t ( )
k 1 k , 1
t y Y ( )
k 2 k , 2
t y Y
0 0 1 1
1 0.1 1.00500 1.10517
2 0.2 1.02006 1.22140
3 0.3 1.04533 1.34985
4 0.4 1.08107 1.49182
5 0.5 1.12762 1.64872
6 0.6 1.18546 1.82211
7 0.7 1.25516 2.01375
8 0.8 1.33743 2.22553
9 0.9 1.43308 2.45960
10 1.0 ( ) 1 y 54307 1
1
. ( ) 1 y 1827 7 2
2
.

Observamos que 71827 2 Y y 54307 1 Y
10 , 2 10 , 1
. . , y como , entonces
calculamos
2,10 10 , 1
Y Y
( )
( ) ( )
46210 1
71827 2 54304 1
71827 2 1
b y b y
b y
2 1
2
.
. .
.
=
=

as que 46210 1 = . , con lo cual

( ) ( ) ( ) ( ) [ ] 1 , 0 t , t y 46210 1 1 t y 46210 1 t g
2 1
+ . .
es decir,
( ) ( ) ( ) t y t y 46210 0 t y 46210 1
2 1
. . : solucin del P.V.I. dado.

330 MTODOS NUMRICOS
__________________________________________________________________________________

Los valores que aparecen en la siguiente tabla se calcularon con base en la frmula:
k
Y

( ) 10 , , 1 , 0 k , t y Y 46210 0 Y 46210 1 Y
k k , 2 k , 1 k
... . . = =

Haciendo los clculos indicados, se obtiene:

k
k
t
k
Y ( )
k
t y
( )
k k
Y t y
0 0 1 1 0
1 0.1 0.958711 0.958715
6
10 x 4

2 0.2 0.927020 0.927025
6
10 x 5

3 0.3 0.904611 0.904614
6
10 x 3

4 0.4 0.891262 0.891256
6
10 x 6

5 0.5 0.886819 0.886818
6
10

6 0.6 0.891264 0.891256
6
10 x 8

7 0.7 0.904615 0.904614
6
10

8 0.8 0.927038 0.927025
5
10 x 3 1

.
9 0.9 0.958725 0.958715
5
10

10 10 1.00001 1
5
10

( [ ] ( ) ( ) [ ] ( 2 COL * * # 1 2 COL * # + ) produce los valores , y luego
produce:
k
Y
( ) ( ) 1 0 , 1 , 0 , t , t y TABLE .

( )
0 1 0 1
1 0
* * * #
t y t
k k
. .

y se hace # * * * COL [ 2 ], y luego se hace la resta con la columna que produce los valores
).
k
Y

En la siguiente grfica aparece la grfica de la solucin
( ) [ 1 , 0 t , e
e 1
e
e
e 1
1
t y
t t
+
+
+
=

] del P.V.F. dado junto con los puntos
correspondientes a los valores obtenidos mediante la aplicacin del mtodo del disparo.
( )
k k
Y , t
k
Y

__________________________________________________________________________________

6.6 MTODO DE DIFERENCIAS FINITAS

Supongamos que queremos aproximar la solucin ( ) t y de un P.V.F. de dos puntos general

( )
( ) ( )
= =
=
b y , a y
y , y , t f y

Una forma de hacerlo es aproximando las derivadas ( ) t y y ( ) t y a partir de expresiones
como las siguientes:

1) ( )
( ) ( )
( )
+
= , y
2
h
h
t y h t y
t y entre t y h t +
2) ( )
( ) ( )
( )

= , y
2
h
h
h t y t y
t y entre t y h t
3) ( )
( ) ( )
( )
+
= , y
6
h
h 2
h t y h t y
t y
2
entre h t y h t +
4) ( )
( ) ( ) ( )
( )
( )
+ +
= , y
12
h
h
h t y t y 2 h t y
t y
iv
2
2
entre h t y h t +

Veamos como se obtienen las expresiones 3) y 4) (las dems se dejan como ejercicio).

Por teorema de Taylor aplicado a la funcin ( ) t y , asumiendo ( ) t y analtica en , se
obtiene:
[ b , a ]

5) ( ) ( ) ( ) ( ) ( ) h t y t entre , y
! 3
h
t y
! 2
h
t y h t y h t y
1
error o residuo
1
3 2
+ + + + = +
43 42 1

6) ( ) ( ) ( ) ( ) ( ) t y h t entre , y
! 3
h
t y
! 2
h
t y h t y h t y
2
error o residuo
2
3 2
+ =
43 42 1

332 MTODOS NUMRICOS
__________________________________________________________________________________

Restando miembro a miembro las ecuaciones 5) y 6) se obtiene:

( ) ( ) ( ) ( ) ( ) [ ]
( )
4 4 4 3 4 4 4 2 1

+ + = +
y 2
2 1
3
y y
! 3
h
t y h 2 h t y h t y

(la igualdad ( ) ( ) ( ) = + y 2 y y
2 1
se obtiene aplicando el Teorema del valor
intermedio, asumiendo continuidad de ( ) [ ] b , a t , t y ).

Despejando en la ecuacin anterior, se obtiene: ( ) t y

( )
( ) ( )
( ) [ ] b , a , y
6
h
h 2
h t y h t y
t y
2

+
=

Como es continua en , entonces existe tal que ( ) t y [ b , a ] 0 M > ( ) M t y para todo
, as que [ b , a t ]
( )
( ) ( )
6
M
h
h 2
h t y h t y
t y
2
+
para todo [ ] b , a t

lo cual se indica escribiendo

( )
( ) ( )
( ) h O
h 2
h t y h t y
t y
2
+
+
=

Para obtener (4), usamos:

7) ( ) ( ) ( ) ( ) ( )
( )
( ) h t y t entre , y
! 4
h
t y
! 3
h
t y
! 2
h
t y h t y h t y
1 1
iv
4 3 2
+ + + + + = +
8) ( ) ( ) ( ) ( ) ( )
( )
( ) t y h t entre , y
! 4
h
t y
! 3
h
t y
! 2
h
t y h t y h t y
2 2
iv
4 3 2
+ + =

Sumando miembro a miembro las ecuaciones 7) y 8), se obtiene

( ) ( ) ( ) ( )
( )
( )
( )
( ) [ ]
( )
4 4 4 4 3 4 4 4 4 2 1
+ + + = + +
iv
y 2
2
iv
1
iv
4
2
y y
! 4
h
t y h t y 2 h t y h t y

y despejando , se obtiene ( ) t y

( )
( ) ( ) ( )
( )
( ) [ ] b , a , y
12
h
h
h t y t y 2 h t y
t y
iv
2
2

+ +
=

__________________________________________________________________________________

Esta vez, como en 3),

( )
( ) ( ) ( )
( ) h O
h
h t y t y 2 h t y
t y
2
2
+
+ +
=

En lo que sigue usaremos las expresiones

( ) ( ) ( ) ( ) ( )
2
h
h t y t y 2 h t y
,
h 2
h t y h t y + + +

para aproximar ( ) ( ) t y y t y , respectivamente, y diremos que son aproximaciones de
orden dos o de orden ( )
2
h O .

Ahora s, para aproximar la solucin ( ) t y del P.V.F.

9)
( )
( ) ( )
= =
=
b y , a y
y , y , t f y

en el intervalo , usando el mtodo de diferencias finitas, empezamos discretizando el
intervalo mediante
[ b , a ]
] [ b , a 2 N+ puntos igualmente espaciados en [ ] b , a :
b t , , h i a t , , h 2 a t , h a t , a t
1 N i 2 1 0
= + = + = + = =
+
... ... , con
1 N
a b
h
+
= el tamao
de paso.

Enseguida se discretiza el problema continuo 9), discretizando las funciones
, como sigue: ( ) ( ) t y y t y

10) [ ]

= +
=
+
+
+
1 N
1 i 1 i
i i 1 i i 1 i
2
0
y
N i 1 ,
h 2
y y
, y , t f y y 2 y
h
1
y

En esta discretizacin se tiene en cuenta que ( ) ( ) = = = a y t y y
0 0
, ( )
i i
t y y ,
( ) ( ) = = =
+ +
b y t y y
1 N 1 N
.

La aproximacin de la solucin ( ) t y del P.V.F. 9) vara dependiendo de la solucin del
problema discreto 10), la cual, a su vez, depende de la forma de la funcin f.

334 MTODOS NUMRICOS
__________________________________________________________________________________

Consideraremos solamente, el caso en el cual ( ) y , y , t f es una funcin lineal de las
variables y , es decir, consideramos solamente P.V.F. del tipo: y y

( ) ( ) ( )
( ) ( )
= =
+ + =
b y , a y
t r y t q y t p y

La discretizacin de este P.V.F., usando diferencias finitas de los tipos 3) y 4), es:

[ ]
=
+ +

= +
=
+
+
+
1 N
i i i
1 i 1 i
i 1 i i 1 i
2
0
y
N i 1 , r y q
h 2
y y
p y y 2 y
h
1

y

donde , y ( )
i i
t p p = (
i i
t q q = ) ( )
i i
t r r = .

Multiplicando por a ambos lados de la ecuacin
2
h
[ ] N i 1 , r y q
h 2
y y
p y y 2 y
h
1
i i i
1 i 1 i
i 1 i i 1 i
2
+ +

= +
+
+
, y agrupando trminos
semejantes, se obtiene el siguiente sistema lineal de ecuaciones:

( * ) ( )
=
=
+ + + +

=
+
+
1 N
i
2
1 i i i i
2
1 i i
0
y
N i 1 , r h y p
2
h
1 y q h 2 y p
2
h
1
y

Introduciendo las notaciones
i 1 i
p
2
h
1 a =
, ,
i
2
i
q h 2 d + =
i i
p
2
h
1 c + = , , el
sistema ( * ) toma la forma siguiente:
i
2
i
r h b =

=
= + +
=
+
+
1 N
i 1 i i i i 1 i 1 i
0
y
N i 1 , b y c y d y a
y

( o
1 2 1 1 1 0 0
b y c y d y a 1 i = + + = : = +
0 1 2 1 1 1
a b y c y d , ya que ; =
0
y

.
2 3 2 2 2 1 1
b y c y d y a 2 i = + + = :

En general:
1 N i 2 , b y c y d y a
i 1 i i i i 1 i 1 i
= + +
+

o
N 1 N N N N 1 N 1 N
b y c y d y a N i = + + =
+
: = +
N N N N 1 N 1 N
c b y d y a , ya que ) =
+1 N
y
__________________________________________________________________________________

Sistema que en forma matricial es:

43 42 1 3 2 1
M
4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 2 1
L
M O O M
O
L
b
c b
b
b
b
a b
Y
y
y
y
y
y
A
d a 0 0
c d a 0
0 c d a 0
0 0 c d a
0 0 0 c d
N N
1 N
3
2
0 1
N
1 N
3
2
1
N 1 N
1 N 1 N 2 N
3 3 2
2 2 1
1 1

El sistema final es un sistema tridiagonal para el cual hay algortmos especiales para
resolverlo, como por ejemplo, a travs de la factorizacin de la matriz de coeficientes A,
porque este sistema, para h pequeo, casi siempre resulta con matriz de coeficientes
estrictamente dominante diagonalmente por filas.
U L

Resolviendo este sistema se obtiene una aproximacin discreta de la resolucin ( ) t y del
P.V. F.

( ) ( ) ( )
( ) ( )
= =
+ + =
b y , a y
t r y t q y t p y

Este mtodo de solucin se conoce como mtodo de diferencias finitas.

Se puede demostrar que bajo ciertas condiciones sobre las funciones ( ) ( ) ( ) t r y t q , t p
y ciertas condiciones de frontera, el mtodo de diferencias finitas es convergente, es
decir, ( ) 0 y t y
i i
cuando . 0 h

Ejemplo 6.20 Considere el P.V.F.

( ) ( )
= =
+ + =
2 1 y , 1 0 y
t y y 2 y

a) Demuestre que el P.V.F. dado tiene solucin nica en [ ] 1 , 0 .

Demostracin: ( ) t y z 2 z , y , t f Sea + + = . Entonces

( ) ( ) ( ) 2 z , y , t f , 1 z , y , t f , z , y , t f
z y
= =
son continuas en

( ) { } + < < = z , y , 1 t 0 / z , y , t R

336 MTODOS NUMRICOS
__________________________________________________________________________________

adems para todo ( ) 0 1 z , y , t f
y
> = ( ) R z , y , t , y ( ) M 2 2 z , y , t f
z
= =
para todo . ( ) R z , y , t

Luego el P.V.F. dado tiene solucin nica ( ) [ ] 1 , 0 t , t y .
b) Use el mtodo de Diferencias finitas de orden ( )
2
h O (diferencias finitas centradas)
con tamao de paso
4
1
h = , para obtener valores aproximados de
4
3
y ,
2
1
y ,
4
1
y .

Solucin: Empezamos discretizando el intervalo [ ] [ ] 1 , 0 b , a = . Como
4
1
h = , entonces
1 t y
4
3
h 3 t ,
2
1
h 2 0 t ,
4
1
h 0 t , t 0 a
4 3 2 1 0
= = = = + = = + = = =
Debemos aproximar
4
3
y ,
2
1
y ,
4
1
y ya que ( ) ( ) 2 1 y y 1 0 y = = .

Discretizamos la E.D.O t y y 2 y + + = , tomando centro en 3 i 1 , t
i
, y se obtiene:

( )
( )
= =
+ +
=
+
= =
+ +
2 1 y y
3 i 1 , t y
h 2
y y
2
h
y y 2 y
1 0 y y
4
i i
1 i 1 i
2
1 i i 1 i
0

Como
4
1
h = , entonces el sistema toma la forma:

=
+ +
+
=
+ +
2 y
3 i 1 , t y
4
1
y y
4
1
y y 2 y
1 y
4
i i
1 i 1 i
2
1 i i 1 i
0

__________________________________________________________________________________

es decir:

( ) ( )
=
+ + = +
=
+ +
2 y
3 i 1 , t y y y 4 y y 2 y 16
1 y
4
i i 1 i 1 i 1 i i 1 i
0

y agrupando trminos semejantes, se obtiene:

=
= +
=
+
2 y
3 i 1 , t y 12 y 33 y 20
1 y
4
i 1 i i 1 i
0

Escribiendo las ecuaciones para cada i , se obtiene:

( )
4
79
1 20
4
1
y 12 y 33 t y 12 y 33 y 20 : 1 i
2 1 1 2 1 0
= = + = + =
es decir,
4
79
y 12 y 33
2 1
=
2
1
y 12 y 33 y 20 t y 12 y 33 y 20 : 2 i
3 2 1 2 3 2 1
= + = + =
es decir,
2
1
y 12 y 33 y 20
3 2 1
= +
{
( )
4
93
2 12
4
3
y 33 y 20 t y 12 y 33 y 20 : 3 i
3 2 3
2
4 3 2
= = = + =
es decir,

4
93
y 33 y 20
3 2
= +

Luego el sistema lineal a resolver es:

43 42 1
3 2 1 4 4 4 3 4 4 4 2 1
b
4
93
2
1
4
79
Y
y
y
y
filas por E.D.D es A
33 20 0
12 33 20
0 12 33
3
2
1

cuya nica solucin es:

( )
( )
( )

4
3
y
2
1
y
4
1
y
358871970 1
079638752 1
9910807583 0
80388
109237
1218
1315
26796
26557
y
y
y
3
2
1
.
.
.

338 MTODOS NUMRICOS
__________________________________________________________________________________

ECUACIN DE LAPLACE (BIDIMENSIOSNAL)

La ecuacin de Laplace en dos variables es una ecuacin diferencial parcial elptica (Forma
general: ( )
y x y y y x x x
, , , y , x f C B A = + + , con A, B y C constantes, si
, la ecuacin se dice elptica; si , la ecuacin se dice
parablica; si , la ecuacin se dice hiperblica) donde no aparece la variable
t:
0 C A 4 B
2
< 0 C A 4 B
2
=
0 C A 4 B
2
>
(1) ( ) 0 U o 0 U o 0 y y U x x U
2
= = = +

siendo U una funcin en las variables y , es decir, x y ( ) y , x U .

Al estudiar procesos estacionarios (procesos que se estabilizan o estacionan cuando
, o sea que ya no cambian con el tiempo) de distinta naturaleza fsica (por ejemplo:
oscilaciones, vibraciones, conduccin del calor, difusin y otros) se obtiene, por lo general,
ecuaciones diferenciales parciales de tipo elptico, y la ecuacin ms frecuente de este tipo
es la ecuacin de Laplace:
+ t
0 U
2
=

Una funcin se dice armnica en una regin T del plano , si U junto con sus
derivadas parciales de orden menor o igual que 2 son continuas en T y
( y , x U ) y x
( ) y , x U satisface la
ecuacin de Laplace.

PROBLEMA DE DIRICHLET: Un problema que ocurre en el estudio del color, electricidad y
muchas otras ramas de la fsica es el problema de Dirichlet. En la versin bidimensional se
dan una regin abierta en y una funcin
2
R ( ) y , x g definida sobre la frontera de ,
, y se busca una funcin ( ) y , x U que sea continua sobre la clausura de
= , , y satisfaga la ecuacin de Laplace en y sea igual a en la
frontera de . Esto se sintetiza escribiendo:
( y , x g )

(2)
( )
( ) ( ) ( )
( ) ( )
=
=
= +
de clausura sobre continua es y , x U
y , x y , x g y , x U
de abierto conjunto , y , x 0 y y U x x U
2
R

(Principio del valor mximo: Los valores mximo y mnimo de ( ) y , x U se alcanzan en
)

Si est sujeta a algunas restricciones y si ( ) y , x g es continua en , entonces se
puede probar que el problema (2) tiene solucin nica.

En el problema (2), se trata de encontrar ( ) y , x U para todo ( ) y , x (en el interior de ),
conociendo el comportamiento de
( ) y , x U en la frontera de ( ) .

Para ilustrar el mtodo numrico que vamos a estudiar para aproximar la solucin
del problema (2) , considrese el P.V.F. siguiente:
( ) y , x U

__________________________________________________________________________________

( ) ( )
=
= +
en y , x g y , x U
en 0 y y U x x U
) 3 (

siendo ( ) ( ) ( ) { } abierto unitario cuadrado : 1 y 0 , 1 x 0 / y , x 1 , 0 x 1 , 0 < < < < = =

( )
[ ] [ ] ( ) 1 , 0 x 1 , 0
1 x 0 y 1 y , 1 x 0 y 0 y
, 1 y 0 y 1 x , 1 y 0 y 0 x / y , x
=
= =
= =
=

La funcin de frontera es arbitraria, por el momento. ( y , x g )
) Para aplicar el mtodo de diferencias finitas para aproximar la funcin en ( y , x U ,
empezamos discretizando el cuadrado , mediante los puntos de malla (o de red):

( ) ( )
1 M
1
k ,
1 N
1
h con , k j , h i y , x
i i
+
=
+
= =

N y M enteros positivos. En este caso el tamao de paso en x puede ser diferente al
tamao de paso en . y

Una discretizacin del rectngulo [ ] [ ] 1 , 0 1 , 0 es como se muestra en la siguiente grfica,
donde se utiliza para indicar que en el punto de malla con coordenadas
j , i
U
( ) ( jk , ih y , x
j i
= ) , se va a aproximar la funcin desconocida ( ) y , x U .

En lo que sigue, consideraremos el estudio para el caso particular:
, es decir ( ) ( ) 1 N j , i 0 , h j , h i y , x
i i
+ =
1 N
1
k h
+
= = , N entero positivo cualquiera.
340 MTODOS NUMRICOS
__________________________________________________________________________________

El propsito es encontrar valores aproximados de ( )
j i
y , x U para cada uno de los puntos
( )
j i
y , x interiores de la malla.

Si tomamos como caso particular 3 N = , se necesita aproximar ( )
j i
y , x U para cada uno de
los ( )
2
N 9 9 = puntos interiores de la malla (en el caso general, se aproxima ( )
j i
y , x U en
cada uno de los NM puntos interiores de la malla).

Tomaremos como notacin para representar el valor aproximado de
j , i
U ( )
j i
y , x U . En
este caso, los valores 4 j , i 0 , U , U , U , U
4 , i 0 , i j , 4 j , 0
son conocidos (condiciones de
frontera).

Ahora discretizamos la E.D.P.:

( 1 ) 0 y y U x x U = +

mediante diferencias finitas del tipo:

( )
( ) ( ) ( )
( )
2
2
h O
h
h x f x f 2 h x f
x f +
+ +
=

Tomando como centro el punto ( ) ( ) h j , h i y , x
i i
= , y las diferencias finitas del tipo
indicado, obtuvimos la siguiente discretizacin de la E.D. parcial:

[ ] [ ] 0 U U 2 U
h
1
U U 2 U
h
1
1 j , i j , i 1 j , i
2
j , 1 i j , i j , 1 i
2
= + + +
+ +

(Recuerde que en situacin general sera:
__________________________________________________________________________________

[ ] [ ]
1 M
1
k ,
1 N
1
h , 0 U U 2 U
k
1
U U 2 U
h
1
1 j , i j , i 1 j , i
2
j , 1 i j , i j , 1 i
2
+
=
+
= = + + +
+ +
)

Multiplicando por y agrupando trminos semejantes, se obtiene:
2
h

3 j , i 1 , 0 U U U U 4 U
1 j , i 1 j , i j , 1 i j , i j , 1 i
= +
+ +

(En el caso general ( ) M j 1 , N i 1

la cual se conoce como Frmula de diferencias finitas de cinco puntos.

Para ordenar las ecuaciones correspondientes ( 9 ecuaciones: una para cada punto interior
de la malla ), usaremos el siguiente orden llamado natural:

[ ]
3 , 3 3 , 2 3 , 1 2 , 3 2 , 2 2 , 1 1 , 3 1 , 2 1 , 1
U , U , U , U , U , U , U , U , U U =
(ver la discretizacin del rectngulo [ ] [ ] 1 , 0 1 , 0 , hecha en pgina anterior)

En cada una de las ecuaciones, los valores conocidos se colocarn al lado derecho de la
ecuacin. Los resultados son como sigue:

Punto (1, 1): 0 U U U U 4 U
2 , 1 0 , 1 , 2 1 , 1 1 , 0
= + , la cual escrita en el orden natural es
U U U U U 4
1 , 0 0 , 1 2 , 1 1 , 2 1 , 1
+ = (1 )

Punto (2,1): 0 U U U U 4 U
2 , 2 0 , 2 1 , 3 1 , 2 1 , 1

U U U U 4 U
0 , 2 2 , 2 1 , 3 1 , 2 1 , 1
= + (2)

Punto (3,1): 0 U U U U 4 U
2 , 3 0 , 3 1 , 4 1 , 3 1 , 2

342 MTODOS NUMRICOS
__________________________________________________________________________________

U U U U 4 U
1 , 4 0 , 3 2 , 3 1 , 3 1 , 2
+ = + ( 3 )

Continuando de esta manera se obtienen las siguientes 6 ecuaciones, que presentamos en
el orden natural:

Punto (1,2); U U U U 4 U
2 , 0 3 , 1 2 , 2 2 , 1 1 , 1
= + (4 )

Punto (2,2): 0 U U U 4 U U
3 , 2 2 , 3 2 , 2 2 , 1 1 , 2
= + (5 )

Punto (3,2): U U U 4 U U
2 , 4 3 , 3 2 , 3 2 , 2 1 , 3
= + (6 )

Punto (1,3): U U U U 4 U
4 , 1 3 , 0 3 , 2 3 , 1 2 , 1
+ = + (7 )

4 , 2 3 , 3 3 , 2 3 , 1 2 , 2
= + (8 )

3 , 4 4 , 3 3 , 3 3 , 2 2 , 3
+ = + (9 )

Nota: Tngase en cuenta que ( )
j i j , i
y , x g U = es conocido para
4 i 0 y 4 j , 0 j ; 4 j 0 y 4 i , 0 i = = = = (En el caso general
) 1 M j , 0 j , 1 N i , 0 i + = = + = =

La matriz de coeficientes del sistema resultante es:

O

O
4 1 0 1 0 0 0 0 0
1 4 1 0 1 0 0 0 0
0 1 4 0 0 1 0 0 0
1 0 0 4 1 0 1 0 0
0 1 0 1 4 1 0 1 0
0 0 1 0 1 4 0 0 1
0 0 0 1 0 0 4 1 0
0 0 0 0 1 0 1 4 1
0 0 0 0 0 1 0 1 4

El sistema tridiagonal por bloques resultante, se resuelve usando un mtodo iterativo, por
ejemplo Gauss-Seidel (observe que el sistema no es E.D.D. por filas). Para el ejemplo,
solamente hay 33 elementos no nulos de un total de 81 ( ) ( ) ( ) 33 7 3 3 4 = + . En general,
hay a lo ms elementos no nulos de un total de
2
N 5
2 2
N N . Observe el tamao de los
sistemas que resultan cuando Naumenta, por ejemplo, 10 N = ).

__________________________________________________________________________________

ECUACIN DE POISSON: La forma tpica de la Ecuacin de Poisson en dos variables, es:

( )
( )
( ) ( )
=
= +
en y , x g y , x U
en y , x f U U
4
y y x x

Se puede resolver este problema (4), transformndolo en dos problemas ms simples, como
sigue:

( )
( ) ( )
=
= +
en y , x g y , x U
en 0 U U
a
y y x x
y ( )
( )
( )
=
= +
en 0 y , x U
en y , x f U U
b
y y x x

Despus de resolver (a) y (b), la solucin del problema de Poisson es
, siendo ( ) ( ) ( y , x U y , x U y , x U
2 1
+ = ) ( ) y , x U
1
y ( ) y , x U
2
las soluciones de los problemas
a) y b), respectivamente. Estos dos problemas ms simples tienen la ventaja de que cada
uno tiene una parte homognea.

Ejemplo 6.21: Consideremos el problema de Poisson:

( ) { } ( ) ( )
( ) [ ] [ ] ( )
= =
= < < = = +
1 , 0 x 1 , 0 en y x y , x U
1 , 0 x 1 , 0 1 y , x 0 / y , x en y U U
y y x x

Usando una particin uniforme de con
4
1
h = , calcule valores aproximados para ( ) y , x U
en cada punto interior de la malla.

Solucin: Los puntos interiores de la particin son: , , , , , , , y .
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
p
9
p

344 MTODOS NUMRICOS
__________________________________________________________________________________

Las coordenadas de los puntos interiores son:
=
4
1
,
4
1
p
1
,
=
4
1
,
2
1
p
2
,
=
4
1
,
4
3
p
3
,
=
2
1
,
4
1
p
4
,
=
2
1
,
2
1
p
5
,
=
2
1
,
4
3
p
6
,
=
4
3
,
4
1
p
7
,
=
4
3
,
2
1
p
8
y
=
4
3
,
4
3
p
9
.

La formula de diferencias finitas, nos conduce a:

[ ] [ ] 3 j , i 1 , y U U 2 U
h
1
U U 2 U
h
1
j 1 j , i j , i 1 j , i
2
j , 1 i j , i j , 1 i
2
= + + +
+ +

y como ,
4
1
h = entonces 16
h
1
2
= , con lo cual, al multiplicar por
16
1
h
2
= , se obtiene la
siguiente frmula de diferencias de cinco puntos:

3 j , i 1 , y
16
1
U U U U 4 U
j 1 j , i 1 j , i j , 1 i j , i j , 1 i
= +
+ +

Reemplazando en esta frmula para cada punto, se obtienen las ecuaciones
correspondientes:
1 j 1, i = = ( )
1 2 , 1 0 , 1 1 , 2 1 , 1 1 , 0 1
y
16
1
U U U U 4 U : 1 , 1 p = + ,
pero
4
1
4
1
0
4
1
, 0 U U
1 , 0
= =
= ,
4
1
0
4
1
0 ,
4
1
U U
0 , 1
= =
= ,
4
1
y
1
= , con lo cual la
ecuacin resultante, usando el orden natural es:

64
1
4
1
4
1
4
1
16
1
U U U 4
2 , 1 1 , 2 1 , 1
= +
= (1 ecuacin )

1 j 2, i = = ( )
1 2 , 2 0 , 2 1 , 3 1 , 2 1 , 1 2
y
16
1
U U U U 4 U : 1 , 2 p = + ,
pero
2
1
0
2
1
0 ,
2
1
U U
0 , 2
= =
= ,
4
1
y
1
= . Luego la ecuacin resultante es:

64
31
64
1
2
1
U U U 4 U
2 , 2 1 , 3 1 , 2 1 , 1
= = + (2 ecuacin )

1 j 3, i = = ( )
1 2 , 3 0 , 3 1 , 4 1 , 3 1 , 2 3
y
16
1
U U U U 4 U : 1 , 3 p = + ,
pero
4
3
4
1
1
4
1
, 1 U U
1 , 4
= =
= ,
4
3
0
4
3
0 ,
4
3
U U
0 , 3
= =
= ,
4
1
1
= y . Luego la
ecuacin resultante es:

64
95
64
1
4
3
4
3
U U 4 U
2 , 3 1 , 3 1 , 2
= + = + (3 ecuacin )

__________________________________________________________________________________

2 j 1, i = = ( )
2 3 , 1 1 , 1 2 , 2 2 , 1 2 , 0 4
y
16
1
U U U U 4 U : 2 , 1 p = + ,
pero
2
1
2
1
0
2
1
, 0 U U
2 , 0
= =
= ,
2
1
2
= y . Luego la ecuacin resultante es:

32
17
2
1
32
1
U U U 4 U
3 , 1 2 , 2 2 , 1 1 , 1
= = + (4 ecuacin )

2 j 2, i = = ( )
2 3 , 2 1 , 2 2 , 3 2 , 2 2 , 1 5
y
16
1
U U U U 4 U : 2 , 2 p = + . Luego la

32
1
U U U 4 U U
3 , 2 2 , 3 2 , 2 2 , 1 1 , 2
= + (5 ecuacin )

2 j 3, i = = ( )
2 3 , 3 1 , 3 2 , 4 2 , 3 2 , 2 6
y
16
1
U U U U 4 U : 2 , 3 p = + ,
pero
2
1
2
1
1
2
1
, 1 U U
2 , 4
= =

32
15
2
1
32
1
U U 4 U U
3 , 3 2 , 3 2 , 2 1 , 3
= + = + (6 ecuacin)

3 j 1, i = = ( )
3 4 , 1 2 , 1 3 , 2 3 , 1 3 , 0 7
y
16
1
U U U U 4 U : 3 , 1 p = + ,
pero
4
3
4
3
0
4
3
, 0 U U
3 , 0
= =
= ,
4
3
1
4
1
1 ,
4
1
U U
4 , 1
= =
= ,
4
3
y
3
= . Luego la

64
99
4
3
4
3
4
3
16
1
U U 4 U
3 , 2 3 , 1 2 , 1
=
= + (7 ecuacin)

3 j 2, i = = ( )
3 4 , 2 2 , 2 3 , 3 3 , 2 3 , 1 8
y
16
1
U U U U 4 U : 3 , 2 p = + ,

pero
2
1
1
2
1
1 ,
2
1
U U
4 , 2
= =

64
35
2
1
4
3
16
1
U U 4 U U
3 , 3 3 , 2 3 , 1 2 , 2
=
= + (8 ecuacin )

3 j 3, i = = ( )
= +
4
3
16
1
U U U U 4 U : 3 , 3 p
4 , 3 2 , 3 3 , 4 3 , 3 3 , 2 9
,
346 MTODOS NUMRICOS
__________________________________________________________________________________

pero
4
1
4
3
1
4
3
, 1 U U
3 , 4
= =
= ,
4
1
1
4
3
1 ,
4
3
U U
4 , 3
= =
= . Luego la ecuacin
resultante es:

64
3
4
1
4
1
4
3
16
1
U 4 U U
3 , 3 3 , 2 2 , 3
= +
= + (9 ecuacin )

Luego el sistema lineal a resolver es:

64 3
64 35
64 99
32 15
32 1
32 17
64 95
64 31
64 1
U
U
U
U
U
U
U
U
U
4 1 0 1 0 0 0 0 0
1 4 1 0 1 0 0 0 0
0 1 4 0 0 1 0 0 0
1 0 0 4 1 0 1 0 0
0 1 0 1 4 1 0 1 0
0 0 1 0 1 4 0 0 1
0 0 0 1 0 0 4 1 0
0 0 0 0 1 0 1 4 1
0 0 0 0 0 1 0 1 4
3 , 3
3 , 2
3 , 1
2 , 3
2 , 2
2 , 1
1 , 3
1 , 2
1 , 1

La solucin nica de este sistema es:

( )
( )
( )
( )
( )
( )
( )
( )
( )
4 3 , 4 3 U
4 3 , 2 1 U
4 3 , 4 1 U
2 1 , 4 3 U
2 1 , 2 1 U
2 1 , 4 1 U
4 1 , 4 3 U
4 1 , 2 1 U
4 1 , 4 1 U
02706 . 0
28404 . 0
52706 . 0
22656 . 0
03515 . 0
27734 . 0
48409 . 0
22935 . 0
15904 . 0
3584 97
1792 509
3584 1889
256 57
256 9
256 71
3584 1735
1792 411
3584 57
U
U
U
U
U
U
U
U
U
3 , 3
3 , 2
3 , 1
2 , 3
2 , 2
2 , 1
1 , 3
1 , 2
1 , 1

MTODOS NUMRICOS Ivn F. Asmar Ch.
Universidad Nacional de Colombia - Sede Medelln 1
TALLER N 1
Problema 1. Suponga que se desea calcular 2 ln a partir de las serie de Maclaurin para la funcin
( ) ( ) 1 + x ln x f . Determine el menor nmero de trminos que deben tomarse en dicha serie para
obtener una aproximacin de 2 ln con un error menor que
8
10
. Haga lo mismo para ( ) 5 1. ln y ( ) 1 1. ln ,

y analice los resultados.
Solucin: Empezamos encontrando la serie de Maclaurin para la funcin ( ) ( ) 1 + x ln x f . Recuerde
que la serie de Maclaurin es la serie de Taylor cuando se toma como centro del desarrollo el nmero 0.
As que tal serie de Maclaurin es
( ) ( )
( )
( )
+
0
0 1
k
k
k
k
x
f x ln x f
!
Como ( ) ( ) 1 + x ln x f , entonces ( ) ( ) 0 1 1 0 0 + ln ln f , ( ) ( ) 1 0
1
1

+
f ,
x
x f ;
( )
( )
( ) 1 0
1
1
2

+
f ,
x
x f ; ( )
( )
( ) 2 0
1
2
3

+
f ,
x
x f ;
( )
( )
( )( )
( )
( )
( ) ! 3 0
1
3 2
4

+

iv iv
f ,
x
x f ,
... ,
( )
( ) ( )
( )
( )
( )
( ) ( ) ( )!
!
1 1 0
1
1
1
1 1

+

k f ,
x
k
x f
k
k
k
k
k
Luego
( ) ( )
( )
( ) ( ) ( ) ( ) ( ]
( )
( )
( )
( )
( )
( )
4 4 3 4 4 2 1
4 4 4 4 4 3 4 4 4 4 4 2 1
0
1
1
1
3 2
1
1
1
1
0
1
1
3 2
1 1 1 1 1 0 1
;
! !
...
! !
,
! !
!
!
x R
n
n
x
n
p
n
n
k
k
k
k
k
k
k
k
k
n
n
x
f
n
x x x
x
x ,
k
x
k
x
k
k
x
f x ln x f
+
+ + +
+
+
+
siendo algn nmero entre 0 y x.

Pero
( )
( ) ( )
( )
1
1
1
1
+
+
+

n
n
n
n
f
!
, as que
( ) ( )
( )
( )
( )
( )
1
1
1
1
1
1
1 0
1
1
1
1
+
+

+
+

+
+
+
+
n
x
n
x n
x R
n
n
n
n
n
n
n

!
!
;
con algn nmero entre 0 y x.
CASOS PARTICULARES:
a) Si 1 x , entonces ( )
( ) ( )
( )
( )
( )
( )
4 4 4 3 4 4 4 2 1
4 4 4 4 3 4 4 4 4 2 1
0 1
1
1
1
1
1
1
1
1
1
1
1
3
1
2
1
1
1
1 1 2
;
.... ln ln
n
n
R
n
n
p
n
k
k
n n k + +
+
+ +
+
+
con algn nmero entre 0 y 1.

Nos piden encontrar el menor valor de n tal que
( ) ( )
( )
8
1
10
1
1
1
1
1 0 ; 1

+
<
+
+

n
R
n
n
n
siendo algn nmero entre 0 y 1.

Empezamos independizando el residuo ( o error) ( ) 0 1; R
n
de , como sigue:
( ) ( )
( )
1
1
1
1
1
1
1 0 1
1
+
<
+
+

+
n n
R
n
n
n
; , cualquiera sea ( ) 1 0,
Ahora s resolvemos para n, la desigualdad
8
10
1
1

<
+ n
. La solucin de esta desigualdad es
1 10
8
> n . As que el menor nmero de trminos que hay que sumar para aproximar 2 ln con la
precisin pedida es, de acuerdo con esta teora,
8
10 N . No intente calcular esta suma!
b) El caso ( ) 5 1. ln se deja como ejercicio. Veamos el caso de aproximar ( ) 1 1. ln . En este caso
1 0. x , y se tiene que:
( ) ( ) ( )
( )
( ) ( ) ( ) ( ) 0 1 0 1 0
10
1
1
10
1
1
1 0
1 11 0 1 1
1
1
1
1
1
1
; . .
.
. ln . ln
n n
k
k
k
k
k
k
k
k
k
R p
k k k
+
,
_
Esta vez ( ) ( )
( )
( )
( )
( )
1 1
1
1
10 1
1
1
1
1
1
10
1
1
1
1 0 1 0
+ +
+
+
+
+

+
,
_
+

n n
n
n
n
n
n
n n
R
`
; .

, con algn
nmero entre 0 y 1 0. .
Como queremos que el error sea menor que
8
10
, basta encontrar n tal que

( )
8
1
10
10 1
1

+
<
+
n
n
, ya
que
( ) ( )
( )
( ) ( )
1 1 1
10 1
1
10 1
1
1
1
1 0 1 0
+ + +
+
<
+ +

n n n
n
n
n n
R
; . , cualquiera sea ( ) 1 0 0 . , .
Puesto que
( )
( ) 7 8 1 10 10 1 10
10 1
1
8 1 8
1
+ > + <
+
+
+
n n n
n
n
n
entonces
( ) ( ) ( ) 5 0953101809 0
105000000
10007569
10
1
1 1 0 1 1
7
1
1
7
. . .

k
k
k
k
p ln
La instruccin en DERIVE para calcular la suma ( )
7
1
1
10
1
1
k
k
k
k
es
( )
,
_

7 1
10
1
1
, , , k
k
SUM
k
k
, la
cual aproXima en 5 0953101809 0. , trabajando con precisin 10 dgitos (Options-Precision:10).
Observe que ( )
8 9 9
10 10 5 10 14 1 5 0953101809 0 1 1

< < ... ln . . . , como era de esperarse.
Tiene otra forma mejor para calcular 2 ln ?
Observe la instruccin en DERIVE: ( ) ( ) Simplify n a x x ln TAYLOR : , , , 1 + para distintos valores de a
y de n.
Problema 2. Considere la ecuacin en diferencias
( ) ... n x x x
n n n
, , , 3 2 2
2 1
+

a) Verifique que si se dan las condiciones iniciales 1
0
x y 3 1
1
x , entonces
( ) ... n x
n
n
, , , 1 0 3 1 es solucin de la ecuacin en diferencias dada y satisface las
condiciones iniciales dadas.
Verificacin: Veamos primero que la sucesin ( ) { }
n
n
3 1 es solucin de la ecuacin en diferencias
dada.
( ) ( ) ( )
( ) ( ) [ ]
( ) [ ] ,... , ,
,... , ,
,... , ,
3 2 3 2 3 1 2
3 2 1 3 1 3 1 2
3 2 3 1 3 1 2 3 1
2
2
2 1

+

,
_

n
n
n
n
n
n n n
Por otro lado, ( ) ( ) 3 2 2 3 2 4 3 3 2 1 3 1
2
+ , as que
( ) ( ) [ ]
( ) ( )
( ) ( ) ( ) V n
n
n
n
n
n n
,... , ,
,... , ,
,... , ,
3 2 3 1 3 1
3 2 3 2 4 3 1
3 2 3 2 3 1 2 3 1
2 2
2
2

Con lo anterior se concluye que la sucesin ( ) { }

n
n
3 1 es solucin de la ecuacin en diferencias
dada.
Como ( ) 1 3 1
0
0
x y ( ) 3 1 3 1
1
1
x , entonces la sucesin ( ) { }
n
n
3 1 satisface las
condiciones iniciales dadas. Concluimos que la sucesin ( ) { } ,... , , 1 0 3 1 n
n
n
es la solucin de
la ecuacin en diferencias ( ) ,... , , 3 2 2
2 1
+

n x x x
n n n
con condiciones iniciales 1
0
x y
3 1
1
x . (se puede verificar que este problema es de solucin nica!).
b) Utilice aritmtica finita para calcular 20 1 0 ,..., , , n x
n
usando tanto la frmula ( )
n
n
x 3 1 como
la frmula ( )
2 1
2

+
n n n
x x x , con las condiciones iniciales dadas en a). Explique los resultados y
concluya acerca de la estabilidad numrica de la frmula ( )
2 1
2

+
n n n
x x x .
Solucin: Para los clculos numricos usamos las siguientes instrucciones en DERIVE:
( ) : , , , ,

,
_
1
]
1
20 0 3 1 n n VECTOR
n
aproXima los primeros 21 trminos de la sucesin ( ) { }
n
n
3 1 .
Los resultados obtenidos son (en precisin 6 dgitos):
Como
( )
( )
7 7
20
20
10 5 10 15 1
3 1
00195355 0 3 1

<

... .
.
, lo que asegura que 00195355 0.
aproxima al valor exacto ( )
20
20
3 1 x con todas sus primeras 6 cifras significativas.
En DERIVE la instruccin ( ) [ ] [ ] [ ] ( ) 20 3 1 1 2 , , , , , , + b a a b b ITERATES aproXima en la primera
columna los primeros 21 trminos de la sucesin { }
n n
x con ( )
2 1
2

+
n n n
x x x y condiciones iniciales
1
0
x y 3 1
1
x .
( )
n
n 3 1
Note que 27653 5
20
.
x aproxima con ninguna cifra significativa al valor exacto ( )

20
20
3 1 x .
Observe el comportamiento de los trminos
n
x que aparecen en esta ltima tabla.
Es claro que la frmula ( ) ,... , , 3 2 2
2 1
+

n x x x
n n n
es inestable numricamente, para las
condiciones iniciales 1
0
x y 3 1
1
x .
Problema 3. Las funciones de Bessel
n
J satisfacen la siguiente frmula de recurrencia
( ) ( ) ( ) ( ) ,... , , 3 2 1 2
2 1
1

n x J x J x n x J
n n n
Empiece con ( ) 7651976866 0 1
0
. J y ( ) 4400505857 0 1
1
. J y use la frmula de recurrencia anterior
para calcular ( ) ,... , , 3 2 1 n J
n
. Se puede creer en los resultados obtenidos?
Nota: Se sabe que las funciones de Bessel
n
J pueden definirse mediante la frmula
( ) ( )
0
1
d n xsen x J
n
cos
Solucin: Si hacemos uso del DERIVE para calcular los nmeros ( ) 20 3 2 1 ,..., , , n J
n
, a partir de la
frmula de recurrencia dada, utilizamos la instruccin
( ) [ ] [ ] [ ] ( ) 20 2 4400505857 0 7651976866 0 1 1 2 , , . , . , , , , , , n b a n a b n b ITERATES +
1 + n n
x x
la cual al aproXimarse en precisin de 10 dgitos, permite obtener los valores que aparecen en la
siguiente matriz, donde los nmeros de la primera columna corresponden a los valores
( ) 20 2 1 0 1 ,..., , , , n J
n
(la frmula de recurrencia es ( ) ( ) ( ) ( ) ,... , n , J J n J
n n n
3 2 1 1 1 2 1
2 1

).
Como se observa en la matriz de resultados, ( )
12
20
10 416969267 3 1 . J . Podr ser este resultado
una aproximacin razonable del valor exacto de ( ) 1
20
J ? Veamos:
Se sabe que
( ) ( )
0
1
d n xsen x J
n
cos
as que
( ) ( )
( )
1
1
1
1
1
1
0
0
0

d
d n xsen
d n xsen x J
n
cos
cos
En particualr, ( ) 1 1
n
J para todo n, y por tanto los valores obtenidos para ( ) 1
n
J y que aparecen en la
matriz siguiente (obtenidos a partir de la frmula de recurrencia) no son correctos, por lo menos a partir
de 12 n .
( ) ( ) 2 1 1
1
+
+
n J J
n n
Si se est interesado en obtener valores apropiados de las funciones de Bessel, en DERIVE cargue el
archivo BESSEL.MTH (Transfer+Merge:BESSEL.MTH) y aproXime la expresin ( ) 1 20, _ J BESSEL , se
obtiene
25
10 873503008 3

. (muy lento para este clculo). Compare este valor con el valor ( ) 1
20
J que
aparece en la matriz anterior.
Tambin puede aproXimar la expresin ( ) [ ] ( ) 20 0 10 1 , , n , , , n SERIES _ j _ BESSEL , n VECTOR y
compare los resultados con los que aparecen en la matriz anterior.
TALLER 2a
Suponga que un objeto de masa m se deja caer desde una altura
0
S y que la altura del objeto, con
respecto al suelo, a los t segundos viene dada por
( )
+ =

m
t k
e
k
g m
t
k
mg
S t S 1
2
2
0
donde pies S 300
0
= , Slugs . m 25 0 = ,
2
17 32
s
pies
g . = y
pie
s lb
. k

= 1 0 .
Obtenga, con una precisin dentro de s .01 0 , el tiempo que tarda ese objeto en llegar al suelo.
Solucin: Como la altura del objeto a los t segundos est dada por
( )
+ =

m
t k
e
k
g m
t
k
mg
S t S 1
2
2
0
, la solucin del problema consiste en hallar el tiempo para el cual el
objeto est en el piso, es decir, el valor de t para el cual ( ) 0 = t S , con un error menor que s
2
10
. De
acuerdo con los datos del problema se quiere encontrar el valor de t tal que
( )
( )( ) ( ) ( )
( )
0 1
1 0
17 32 25 0
1 0
17 32 25 0
300
25 0
1 0
2
2
=
+ =

.
. t
e
.
. .
t
.
. .
t S
lo cual es equivalente a resolver la ecuacin
0
16
3217
16
3217
40
3217
300
5
2
= +
t
e t
Sea entonces ( )
t
e t t S
5
2
16
3217
40
3217
16
8017

= . Para resolver la ecuacin ( ) 0 = t S , empezamos
graficando la funcin ( ) t S y = . La grfica es como se muestra en la siguiente figura. De acuerdo con
esta grfica, la raz de inters es la positiva [ ] 7 6, , ya que la raz negativa no tiene significado fsico
en nuestro problema.
Ahora hacemos una tabla de valores para la funcin ( ) t S y = en el intervalo [ ] 7 6, con tamao de paso
1 0. h = , para identificar un intervalo de longitud 1 0. donde se encuentra la raz .
SOLUCIN NUMRICA DE UNA ECUACIN NO-LINEAL EN UNA VARIABLE
2 Universidad Nacional de Colombia - Sede Medelln
La tabla de valores obtenida usando DERIVE es
Como la funcin S es continua en el intervalo [ ] 1 6 0 6 . , . y ( ) ( ) 0 1 6 0 6 < . S . S , entonces [ ] 1 6 0 6 . , . .
Ahora podemos aplicar los mtodos numricos vistos para aproximar la raz [ ] 1 6 0 6 . , . . Veamos:
1. MTODO DE BISECCIN: Como la funcin S es continua en el intervalo [ ] 1 6 0 6 . , . y
( ) ( ) 0 1 6 0 6 < . S . S , entonces se puede aplicar el mtodo de Biseccin a la funcin S en el intervalo
[ ] 1 6 0 6 . , . para aproximar la raz . Como nos piden aproximar la raz con una precisin dentro de
s
2
10
, esto quiere decir que el error

n
t debe ser menor que
2
10
, siendo
n
t el trmino n-simo
de la sucesin generada por el mtodo de Biseccin aplicado a la funcin S en el intervalo [ ] 1 6 0 6 . , . .
( ) t S t
Hallemos el nmero de iteraciones necesarias, de acuerdo con la teora, para que
2
10
<
n
t .
Como
n n n
n
. . . a b
t
2
1 0
2
0 6 1 6
2
=
, basta resolver para n la desigualdad

2
10
2
1 0

<
n
.
, pero
4 10 2 10
2
1 0
2
> <

n
.
n
n
as que
4
t es tal que
2
4
10
< t .
Para calcular
4
t , tenemos: a . a = = 0 6
1
, b . b = = 1 6
1
, entonces 05 6
2
1 6 0 6
2
1 1
1
.
. . b a
t =
+
=
+
= .
Como ( ) ... 38 3 05 6 . . S = y ( ) ( ) 0 05 6 0 6 < . S . S , entonces la raz buscada se encuentra en el
intervalo [ ] 05 6 0 6 . , . , y hacemos 0 6
1 2
. a a = = y 05 6
1 2
. t b = = , con lo cual
025 6
2
05 6 0 6
2
2 2
2
.
. . b a
t =
+
=
+
= . Si utilizamos el DERIVE para calcular las 4 iteraciones,
simplemente aproximamos la instruccin ( ) ( ) 4 1 6 0 6 , . , . , t , t S BISECCION , con lo cual obtenemos:
Luego 00625 6
4
. t = , y 00625 6. aproxima a la raz con un error absoluto menor que s
2
10
.
2. MTODO DE PUNTO FIJO: Empezamos transformando la ecuacin ( ) 0 = t S en otra equivalente
del tipo ( ) t g t = para alguna funcin g.
( )
t
t t
e t
e t e t t S
5
2
5
2
5
2
2
5
6434
40085
16
3217
16
8017
40
3217
0
16
3217
40
3217
16
8017

=
= = =
Luego una funcin de iteracin de punto fijo es ( )
t
e t g
5
2
2
5
6434
40085

= . Veamos s i la funcin g
satisface todas las hiptesis del teorema de punto fijo en el intervalo [ ] 1 6 0 6 . . , .
La grfica de la funciones ( ) t g y = y t y = , aparecen en la siguiente figura:
n
t
De acuerdo con la grfica se observa que la funcin g es una funcin apropiada para la aplicacin del
mtodo de Punto Fijo. Veamos que efectivamente la funcin g satisface todas las hiptesis del teorema
de punto fijo en el intervalo [ ] 1 6 0 6 . . , :
La funcin g es continua y creciente en el intervalo [ ] 1 6 0 6 . . , , pues g es derivable en [ ] 1 6 0 6 . . , y
( ) 0
5
2
> =
t
e t g para todo [ ] 1 6 0 6 . . , t , y como ( ) ... g 003 6 0 6 . . = y ( ) ... g 012 6 1 6 . . = , entonces
( ) [ ] 1 6 0 6 . . , t g para todo [ ] 1 6 0 6 . . , t . Por lo tanto la funcin g tiene por lo menos un punto fijo en el
intervalo [ ] 1 6 0 6 . . , .
Ahora, la funcin g es decreciente en el intervalo [ ] 1 6 0 6 . . , , ya que ( ) 0
5
2
5
2
< =
t
e t g para todo
[ ] 1 6 0 6 . . , t , y como ( ) ... g 09 0 0 6 . . = y ( ) ... g 08 0 1 6 . . = , entonces ( ) 1 1 0 < = K t g . para todo
[ ] 1 6 0 6 . . , t . En consecuencia, la funcin g tiene un nico punto fijo [ ] 1 6 0 6 . . , , la sucesin de
iteracin de punto fijo { }
n n
t con
( ) ... n , e t g t
n
t
n n
, ,2 1
2
5
6434
40085 1
5
2
1
= = =

converge a , cualquiera sea [ ] 1 6 0 6

0
. . , t , y se tiene adems cotas para el error
n
t , como
{ } 1 1 6 0 6
0 0
n , t , t Mx K t
n
n
. . .
Para aproximar la raz con la precisin pedida, es decir , con un error
2
10
<
n
t , utilizando el
mtodo de Punto Fijo, debemos encontrar el cuntas iteraciones se requieren para esto.
Teniendo en cuenta la cota para el error { } 1 1 6 0 6
0 0
n , t , t Mx K t
n
n
. . , bastar
resolver para n la desigualdad ( ) { }
2
10 05 6 1 6 0 6 05 6 1 0

< . . . . . , Mx
n
(aqu se escogi
05 6
2
1 6 0 6
0
.
. .
=
+
= t y 1 0. = K ). Como
( ) ( ) ( ) ( ) ( )
( )
( )
...
ln
ln
n ln ln n
n n
69 0
1 0
2 0
2 0 1 0 2 0 1 0 10 05 0 1 0
2
.
.
.
. . . . . . = > < < <

entonces ( ) 00788 6
2
5
6434
40085
05 6
5
2
0 1
.
.
= = =

e t g t aproximar la raz con la precisin pedida.
Si quiere usar el DERIVE para calcular
1
t , basta aproximar la instruccin
( ) ( ) 1 05 6 , . , , _ t t g FIJO PUNTO .
3. MTODO DE NEWTON-RAPHSON: Recordemos que la ecuacin a resolver es
( )
0
16
3217
40
3217
16
8017
5
2
=

4 4 4 4 3 4 4 4 4 2 1
t S
t
e t
y la raz buscada [ ] 1 6 0 6 . , . .
Como ( )
t
e t S
5
2
40
3217

= , ( )
t
e t S
5
2
100
3217

= son continuas en el intervalo [ ] 1 6 0 6 . . , . Por otro lado
( ) 0 < t S para todo [ ] 1 6 0 6 . . , t , as que S es decreciente en [ ] 1 6 0 6 . . , , y ya que [ ] ... S 1 73 0 6 . . = ,
( ) ... S 4 73 1 6 . . = , entonces ( ) 0 t S para todo [ ] 1 6 0 6 . . , t . Concluimos que se puede aplicar el
mtodo de Newton-Raphson a la funcin S en el intervalo [ ] 1 6 0 6 . . , para aproximar la raz (la es raz
es simple, observe la grfica de la funcin S).
La frmula de iteracin del mtodo de Newton-Raphson es
( )
( )
( )
... n ,
e
t e
t S
t S
t t
n
n
t
n
t
n
n
n n
, ,2 1
1 6434
5 2 3217 40085
1
1
5
2
1
5
2
1
1
1
=
+
=
Se puede ver que el mtodo de Newton-Raphson converge a la raz , cualquiera sea [ ] 1 6 0 6

0
. , . t
(observando la grfica de la funcin S, se ve que se mantiene la concavidad de la grfica de S en el
intervalo [ ] 1 6 0 6 . . , ). Iterando con el mtodo de Newton-Raphson aplicado a la funcin S con
aproximacin inicial 1 6
0
. = t (se escoge 1 6
0
. = t teniendo en cuenta la concavidad de la grfica de la
funcin S en el intervalo [ ] 1 6 0 6 . . , ) y calculando los valores ( )
n
t S , obtenemos (para los clculos se us el
DERIVE con precisin 20 dgitos):
Cul de las aproximaciones calculadas aproxima a la raz con un error
n
t menor que
2
10
?
Para responder esta pregunta basta observar la concavidad de la grfica de la funcin S cerca de la raz
, tener en cuenta que ( )
8
10 68172 4 00372 6

= . . S y que ( ) 1 >> S .
Como ( ) ( )
2 8
2
10 10 6 4 00372 6

< = = ... S t S . . y 2 es el menor entero positivo tal que
( )
2
10
<
n
t S , entonces (de acuerdo con lo dicho antes) ( )
2
2 2
10
< < t S t . As que

00372 6
2
. = t aproxima a la raz con un error menor que
2
10
.
( )
n n
t S t
TALLER N 2b
Problema 1. Considere la ecuacin 0 + x ln senx .
a) Verifique que la ecuacin dada tiene una nica raz .
Solucin: Dominio de ( ) x ln senx x f + es ( ) + , 0 . Como x ln senx x ln senx + 0 ,
podemos dibujar en un mismo plano coordenado las grficas de senx y y x ln y . Obtenemos:
De acuerdo con la grfica es claro que la ecuacin dada tiene una nica raz y [ ] 1 , 0 . La grfica
de x x x f ln sen ) ( + , es como se indica a continuacin:
y = sen x
y = -ln x
x x y ln sen +
( Plot - Overlay - Plot )
b) Encuentre un intervalo [ ] b a, de longitud 1 0. tal que [ ] b a, .
Solucin: Haciendo una tabla de valores para la funcin ( ) x ln senx x f + en el intervalo [ ] 1 , 1 0. con
tamao de paso 1 0. h , se obtiene:
La instruccin en DERIVE para obtener esta tabla de valores es:
[ ] ( ) approX : , , , x , x ln x sin , x vector 1 0 1 1 0 . . + .
c) Se puede utilizar el mtodo de Biseccin en el intervalo [ ] 6 0 , 5 0 . . para aproximar la raz ?
Solucin: S, ya se verific que f es continua en [ ] 6 0 , 5 0 . . y 0 ) 6 0 ( ) 5 0 ( < . . f f .
d) Aplique el mtodo de Biseccin en el intervalo [ ] 6 0 , 5 0 . . , calcule 15 iteraciones y tome a
15
x como
aproximacin de . Cul es la calidad de esta aproximacin?
Solucin: La instruccin en DERIVE para calcular las iteraciones en el mtodo de Biseccin es:
( ) approX x x ln x sin BISECCION : , , , , 15 6 0 5 0 . . + .
Al utilizar esta instruccin, se obtiene 578713 . 0
15
x (aproximacin a 6 dgitos significativos).
Como
6 6
15 15 15
15
10 5 10 ... 06 3
2
1 0
2
5 0 6 0
2

<
.
. . . a b
x , entonces
15
x aproxima a
con por lo menos 5 cifras decimales exactas, que son 1 7 , 8 , 7 , 5 y .
e) Aplique el mtodo de Punto Fijo para aproximar la raz con una precisin de por lo menos 5 cifras
decimales exactas.
Solucin: Como
[ ]
( ) x ln sen x x ln senx x ln senx
, , x
+

1
]
1

1
2 2
6 0 5 0
0

. .
, entonces una
funcin de iteracin de punto fijo es ( ) ( ) ( ) x ln sen x ln sen x g
1 1
.
Como ( ) x ln senx x f + es continua en [ ] 6 0 , 5 0 . . y
0 ) 6 0 ( ) 5 0 ( < . . f f , entonces [ ] 6 0 , 5 0 . .
( ) x f x
Al hacer las grficas de x y y ( ) ( ) x ln sen x ln sen y
1 1
, obtenemos:
(En DERIVE x sen
1
se entra como asinx)
Se ve que no existe intervalo [ ] b a, que contenga a , donde la funcin
( ) ( ) ( ) x ln sen x ln sen x g
1 1
satisfaga todos las hiptesis del T.P.F., ya que ( ) 1 > g .
Cambiamos de funcin de iteracin: Como 0 , 0 > +

x e x senx x ln x ln senx
senx
; sea
entonces ( )
senx
e x g

( en DERIVE ( ) ( ) x sin exp : x g ). Las grficas de x y y
senx
e y

son
) x ln ( sen y
1
x y
( ) 1 > ' g
senx
e y

x y
o x >
De acuerdo con la grfica, se espera que la funcin
senx
e x g

) ( satisfaga todas las hiptesis del
teorema de punto fijo en [ ] 6 0 , 5 0 . . . Veamos:
g es continua en [ ] 6 0 , 5 0 . . .
g es decreciente es [ ] 6 0 , 5 0 . . ( ya que ( ) [ ] 6 0 , 5 0 , 0 . . <

x x cos e x ' g
senx
), y como
( ) [ ]
( ) [ ]
'

6 0 , 5 0 568563 0 6 0
6 0 , 5 0 619138 0 5 0
. . . .
. . . .
g
g
entonces no se satisface ( ) [ ] 6 0 , 5 0 . . x g para todo [ ] 6 0 , 5 0 . . x .
Qu hacer? Podemos cambiar el intervalo [ ] 6 0 , 5 0 . . a un nuevo intervalo, por ejemplo [ ] 7 0 5 0 . . , . Es
claro que [ ] [ ] 6 0 5 0 7 0 5 0 . , . . . , . Como
( ) [ ]
( ) [ ]
'

7 0 5 0 525073 0 7 0
6 0 5 0 619138 0 5 0
. . . .
. . . .
, g
, g
entonces ( ) [ ] 7 0 5 0 . . , x g para todo [ ] 7 0 5 0 . . , x ( ya se sabe que g es decreciente en [ ] 7 0 5 0 . . , ).
Conclusin: g tiene por lo menos un punto fijo [ ] 7 0 , 5 0 . . .
) ( ' x g existe para todo ( ) 7 0 , 5 0 . . x .
' g es creciente en [ ] 7 0 , 5 0 . . (la grfica de g es cncava hacia arriba en [ ] 7 0 , 5 0 . . ,
( ) ( ) 0
2
> +

senx x cos e x g
senx
para todo [ ] 7 0 , 5 0 . . x ), y como
( )
( )
'

401598 0 7 0
543345 0 5 0
. .
. .
g
g
entonces ( ) 1 55 0 < K x g . ' para todo ( ) 7 0 , 5 0 . . x .
Conclusin: g tiene un nico punto fijo [ ] 7 0 , 5 0 . . , la sucesin { }
n n
x con
( )
( )
... 2 1 ,
1
1
, , n e x g x
n
x sen
n n

converge a cualquiera sea [ ] 7 0 , 5 0

0
. . x , y se tienen cotas para el error
n
x . En particular, se
tiene que:
{ } ( ) ( ) 1 1 0 55 0 6 0 7 0 5 0 6 0 55 0
1 0 1 0
0 0

'
n , , Mx x b a x Mx K x
n n
n
n
. . . . . . . ,
43 42 1 43 42 1
. .

Como queremos aproximar a con una precisin de por lo menos 5 cifras decimales exactas, debemos
encontrar el menor entero positivo N tal que
( ) ( ) ( )
( )
( )
...
ln
n l
n
n n
5 16
55 0
10 5
10 5 55 0 10 5 1 0 55 0
5
5 6
.
.
. . .

(En DERIVE la desigualdad anterior se puede resolver con soLve y luego approX)
Luego 17 N es tal que
6
17
10 5

x . Calculamos
17
x usando DERIVE y obtenemos
578713 0
17
. x .
La instruccin en DERIVE para obtener el resultado anterior es
( ) ( ) approX x sinx exp FIJO PUNTO : , , , _ 17 6 0. .
f) Aplique el mtodo de Newton-Raphson (si es posible) para aproximar la raz , tomando como
criterio de aproximacin ( )
6 6
10 5 10 5

< <
1 - n n n
x - x x f o .
Solucin: Como ( ) x ln senx x f + tiene sus dos primeras derivadas continuas en [ ] 6 0 5 0 . , . y
0 ) ( ' x f para todo [ ] 6 0 5 0 . , . x ( 0
1
cos ) ( ' > +
x
x x f para todo [ ] 6 0 5 0 . , . x , an ms,
( ) ... f 87 2 5 0 . . ' y ( ) ... f 49 2 6 0 . . ' , as que 2 ) ( ' > x f para todo [ ] 6 0 5 0 . , . x , y entonces
2 ) ( ' > f ), entonces se puede aplicar el mtodo de Newton-Raphson en el intervalo [ ] 6 0 5 0 . , . para
aproximar la raz .
Tomando 5 . 0
0
x , obtenemos:
n
n
x ) (
n
x f
1
n n
x x
0 5 0. 213721 0.
1 0.574271 0114310 0. 0.074...
2 0.578700
5
10 50181 3

.
0.0044...
3 0.578713
6
10 72985 1

.
5
10 ... 29 1

.
4 0.578713
6
10 72985 1

.
7
10 ... 06 7

.
Luego 578713 0
3
. x .
La instruccin en DERIVE para obtener las iteraciones en el mtodo de NewtonRaphson es
( ) approX x x ln x sin NEWTON : , , , 4 5 0. + . Aproximando la expresin anterior se obtienen los resultados
que aparecen en la segunda columna de la tabla anterior.
Problema 2. Aproxime todas las races de la ecuacin
( )
0 2 4 3 6 38 0 8 2
2 3 4
+
4 4 4 4 4 4 3 4 4 4 4 4 4 2 1
x p
x x x x . . . .
usando el mtodo de Newton-Raphson y Deflacin.
Solucin: Empezamos gratificando el polinomio ( ) 2 4 3 6 38 0 8 2
2 3 4
. . . . : + x x x x x p .
La apariencia de la grfica (en la escala 1 x , 1 y ) parece indicar que la ecuacin dada tiene una
raz doble y dos races simples. Sin embargo, un cambio de escala en x a 1 0. y en y a 1 0. (en
DERIVE Scale: 1 0 1 0 . : . : y x
, o un Zoom con F9, both) nos muestra que no se trata de una raz
doble, sino de dos races simples cercanas entre s. Tambin, haciendo una tabla de valores para el
polinomio ) (x p en el intervalo [ ] 1 , 2 con tamao de paso 1 . 0 h , obtenemos que
[ ] [ ] 5 1 6 1 6 1 7 1
2 1
. , . . , . , , [ ] 1 1 1
3
, . . La tabla de valores obtenida es:
x
) (x p
p es continua en [ ] 1 , 2 , y ( ) ( ) 0 6 1 7 1 < . . p p ,
entonces existe [ ] 6 1 7 1
1
. , . tal que 0 ) (
1
p
( ) ( ) 0 5 1 6 1 < . . p p , entonces existe [ ] 5 1 6 1
2
. , .
tal que 0 ) (
2
p
( ) ( ) 0 0 1 1 1 < . . p p , entonces existe [ ] 0 1 1 1
3
. , .
tal que 0 ) (
3
p
( ) x p y
x
Por otro lado p es continua en [ ] 5 1 4 1 . , . y ( ) ( ) 0 5 1 4 1 < . . p p , entonces existe [ ] 5 1 4 1
4
. , . tal que
0 ) (
4
p .
En conclusin se tiene que la ecuacin polinmica dada tiene todas sus 4 races reales simples. Es
claro, que existen intervalos adecuados donde la funcin p satisface la hiptesis general del mtodo de
Newton-Raphson para aproximar cada una de las races
1
,
2
,
3
y
4
.
Teniendo en cuenta los valores ( )
1
' p , ( )
2
' p , ( )
3
' p y ( )
4
' p , empezamos
aproximando
4
, con 5 1
0
. x . Iterando con el mtodo de Newton-Raphson hasta que se estabilicen
los 6 dgitos, obtenemos
1 4
49969 1 x . . La instruccin en DERIVE para estos clculos es
NEWTON ( ) ( ) approX x x p : , . , , 5 5 1 .
Si aplicamos Deflacin, hacemos la divisin de ) (x p por 49969 1. x . La correspondiente instruccin
en DERIVE es QUOTIENT ( ) ( ) approX x x p : . , 49969 1 . El resultado de tal operacin es el polinomio
cociente ( ) 80042 2 06820 6 29969 4
2 3
3
. . . + + + x x x x q ( ( ) ( ) ( ) ( ) 49969 1 49969 1 . . p x q x x p + ).
En DERIVE la instruccin ( ) ( ) approX x x p REMAINDER : . , 49969 1 , permite obtener el residuo en
la divisin de ( ) x p por 49969 1. x ; tal residuo es ( )
4
10 31615 2 49969 1

. . p .
Enseguida graficamos el polinomio ( ) x q
3
obtenido, junto con el polinomio original ( ) x p , y observamos
que la grfica de ( ) x q y
3
pasa por las races
1
,
2
y
3
de ( ) 0 x p .
Aplicamos ahora, el mtodo de Newton-Raphson al polinomio ) (
3
x q :
NEWTON ( )
{
approX x x q
x
: , . , ,

,
_
5 0 1
0
3
. Se obtiene
3 3
08813 1 x . .
Aplicamos nuevamente deflacin, es decir, dividimos el polinomio ) (
3
x q por ) 08813 . 1 ( x :
QUOTIENT ( ) ( ) approX x x q : . , 08813 1
3
+ ; obtenemos ( ) 57360 2 21156 3
2
2
. . + + x x x q
( ( ) ( ) ( ) ( )
4 43 4 42 1
6
10 46185 2
08813 1 08813 1
3 2 3
+ +
.
. . q x q x x q )
Graficando ) (
2
x q , observamos que la grfica de este polinomio ) (
2
x q pasa por las races
1
y
2
de
0 ) ( x p .
Finalmente, aproximamos las races
1
y
2
de 0 ) ( x p , resolviendo la ecuacin cuadrtica
0 ) (
2
x q .
En DERIVE la instruccin soLve aplicada a ( ) 57360 2 21156 3
2
2
. . + + x x x q , permite obtener
67594 1
1
. y 53561 1
2
. ( ( )
4
10 43475 2 67594 1

. . p y
( )
4
10 42548 2 53561 1

. . p ).
TALLER 3a
Problema 1. Use el mtodo directo que considere ms apropiado para resolver el siguiente sistema
utilizando aritmtica finita:
'
+ +
+
+ +
6310 0 1463 0 0175 0 9411 0
2501 0 0711 0 4243 0 8641 0
7521 0 8642 0 1735 0 2641 0
3 2 1
3 2 1
3 2 1
. . . .
. . . .
. . . .
x x x
x x x
x x x
Solucin: Se observa que la matriz de coeficientes del sistema no es estrictamente dominante
diagonalmente por filas, ni tampoco es simtrica, as que se sugiere una estrategia de pivoteo, y como los
coeficientes del sistema son ms o menos del mismo orden de magnitud
1
10
,
2
10
, se recomienda la
estrategia de pivoteo parcial. Para hacer uso del DERIVE, trabajamos con precisin 4 dgitos (Options-
Precision:4) y entramos la matriz aumentada del sistema:
[ ] [ ] [
[ ]] 6310 0 1463 0 0175 0 9411 0
2501 0 0711 0 4243 0 8641 0 7521 0 8642 0 1735 0 2641 0
. , . , . , .
, . , . , . , . , . , . , . , . : AU
La expresin anterior al entrar en la ventana de lgebra toma la forma
a) Para 1 j (primera columna), escogemos el pivote como sigue:
{ } j k , a , , Mx
1 3 0 9411 0 9411 0 8641 0 2641 0

1 3
. . . . , entonces debemos
intercambiar las filas 1 y 3. La instruccin en DERIVE para intercambiar tales filas es SWAP(AU,1,3).
Una vez simplificada esta expresin continuamos con la eliminacin:
,
_
,
_

,
_
7521 0 8642 0 1735 0 2641 0

8294 0 2054 0 4082 0 0
6310 0 1463 0 0175 0 9411 0
7521 0 8642 0 1735 0 2641 0
2501 0 0711 0 4243 0 8641 0
6310 0 1463 0 0175 0 9411 0
9411 0
8641 0
21
. . . .
. . .
. . . .
. . . .
. . . .
. . . .
.
.
E
,
_
,
_

,
_
9291 0 8231 0 1685 0 0

8294 0 2054 0 4082 0 0
6310 0 1463 0 0175 0 9411 0
7521 0 8642 0 1735 0 2641 0
8294 0 2054 0 4082 0 0
6310 0 1463 0 0175 0 9411 0
9411 0
2641 0
1 3
. . .
. . .
. . . .
. . . .
. . .
. . . .
.
.
E
Para la eliminacin en DERIVE, se ejecuta la instruccin PIVOT(#_,1,1), donde #_ es el nmero que
identifica (en la ventana de lgebra) a la matriz sobre la cual se hace la eliminacin. Esta instruccin
hace ceros debajo de la posicin ( ) 1 , 1 , es decir, elimina los coeficientes de
1
x en cada una de las
ecuaciones 2 y 3.
Para 2 j (segunda columna), escogemos el pivote como sigue:
SOLUCIN NUMRICA DE SISTEMAS DE ECUACIONES
{ } j k , a , Mx

2 0 4082 0 1685 0 4082 0

2 2
. . . , as que no necesitamos hacer
intercambio y continuamos con la eliminacin:
,
_
,
_

,
_
5866 0 9079 0 0 0
8294 0 2054 0 4082 0 0
6310 0 1463 0 0175 0 9411 0
9291 0 8231 0 1685 0 0
8294 0 2054 0 4082 0 0
6310 0 1463 0 0175 0 9411 0
4082 0
1685 0
32
. .
. . .
. . . .
. . .
. . .
. . . .
.
.
E
Para la eliminacin en DERIVE se ejecuta la instruccin PIVOT(#_,2,2): approX.
Por sustitucin regresiva, obtenemos:
6461 0
9079 0
5866 0
3
.
.
.
~

x ,
( )
356 2
4082 0
6461 0 2054 0 8294 0
2
.
.
. . .
~

x ,
( ) ( )
8148 0
9410 0
356 2 0175 0 6461 0 1463 0 6310 0
1
.
.
. . . . .
~

x
Luego la solucin aproximada obtenida es ( )
T
X 6461 0 , 356 2 , 8148 0 . . .
~
.
Qu se puede decir acerca de la precisin de esta solucin aproximada X
~
?
Para intentar responder esta pregunta, utilizaremos las cotas para el error relativo
X
X X
~
, dadas en
la teora:
( )
( )
b
R
A Cond
X
X X
A Cond b
R
~
1
( )

1
A A A Cond , y la instruccin en DERIVE para calcular este nmero de condicin es
COND_INF(A), siendo A la matriz de coeficientes del sistema dado. Para este caso,
( ) 1 756 6 . _ A INF COND , as que la matriz A est bien condicionada (el sistema b AX dado, est
bien condicionado).
Calculemos el vector error residual correspondiente a la solucin aproximada X
~
, b X A R
~
, y
recordemos que para evitar la prdida de cifras significativas, trabajamos en doble precisin, o sea 8
dgitos (Options-Precision:8). Antes de cambiar la precisin, entramos los vectores X
~
y b como vectores
fila:
[ ] X , , XA
~
. . . : 6461 0 356 2 8148 0 y [ ] 6310 0 2501 0 , 7521 0 . . . : , b
Ahora s, Options-Precision:8, y calculamos b XA A . (el . para indicar la multiplicacin de la matriz A
por el vector XA), el resultado obtenido es [ ]
5 4 4
10 3850066 5 , 10 5559014 4 , 10 5851 630 1

. . . .
Volvemos a precisin de 4 dgitos (Options-Precision:4) y aproximamos el resultado de b XA A . , para
obtener ( )
T
, , R
5 4 4
10 385 5 10 555 4 10 630 1

. . . , as que
4
10 555 4

. R ,
7521 0.
b , y entonces
3
4 4
5 5
10 5 004091 0
7521 0
10 555 4
756 6
756 6
1
7521 0
10 555 4
10 964 8 10 5

<
< .
.
.
.
~
. .
.
.
X
X X
Conclusin: La solucin aproximada ( )
T
X 6461 0 , 356 2 , 8148 0 . . .
~
aproxima a la solucin exacta
X del sistema dado con por lo menos tres cifras significativas y no ms de cuatro. La solucin exacta del
sistema es ( )
T
X 6460 , 356 2 , 8147 0 . . . . La instruccin en DERIVE para obtener la solucin
exacta de un sistema b AX con solucin nica es RESUELVA_1( A,b): Simplify.
Problema 2. Considere el siguiente sistema lineal
'
+
+ + +
+
+ +
0 2
4 4
3 3
2 2 4
4 3 2
4 3 2 1
3 2 1
4 2 1
x x x
x x x x
x x x
x x x
Lo primero que observamos es que el sistema dado est ordenado en la forma ms apropiada para
aplicar los mtodos iterativos de Jacobi y Gauss-Seidel, ya que la matriz de coeficientes de este sistema
es lo ms parecida a una matriz estrictamente dominante diagonalmente por filas.
a) ANLISIS DE CONVERGENCIA PARA EL MTODO DE JACOBI
1) La matriz de coeficientes del sistema dado es
,
_
2 1 1 0
1 4 1 1
0 1 3 1
2 0 1 4
A
que no es estrictamente dominante diagonalmente por filas, porque
43 42 41 44
1 1 2 a a a a + + + . Luego no se puede concluir todava sobre la convergencia
del mtodo de Jacobi. Debemos encontrar la matriz de iteracin del mtodo de Jacobi
( ) U L D B
J
+
1
:
Usando DERIVE, entramos la matriz de coeficientes
[ ] [ ] [ ] [ ] [ ] 2 1 1 0 1 4 1 1 0 1 3 1 2 0 1 4 , , , , , , , , , , , , , , , : A , y luego simplificamos la instruccin BJ(A) con lo
cual obtenemos la matriz de iteracin
,
_
0
2
1

2
1
0
4
1
0
4
1
4
1
0
3
1
0
3
1

2
1
0
4
1
0
J
B
2) En DERIVE, la instruccin NORMA_INF(
J
B ) simplifica en 1 1
J
B , as que no podemos
concluir todava, a partir de esta norma matricial, sobre la convergencia del mtodo de Jacobi. En
DERIVE, la instruccin ( )
`
J
B INF NORMA _ simplifica en 1 1
1

J
B , y tampoco podemos concluir
sobre convergencia, todava.
3) Debemos calcular el radio espectral de la matriz de iteracin
J
B , ( )
J
B . Esta vez, empezamos
encontrando el polinomio caracterstico de la matriz
J
B . En DERIVE, la instruccin
CHARPOLY(
J
B ,w) simplifica en el polinomio caracterstico de
J
B :
96
3 4 28 96
2 4
+ + w w w
.
Trabajando con ( ) 3 4 28 96
2 4
+ + w w w w p , encontramos que los valores propios de la matriz
J
B son 334610 0
1
. w , 244717 0
2
. w y i w 616126 0 0449461 0
4 3
. .
,
t . Como
( ) ( )
4 3 4 3
617763 0
, ,
. w w ABS DERIVE en n instrucci , entonces ( ) 1 617763 0 < .
J
B . Por
tanto el mtodo de Jacobi converge converge a la nica solucin X del sistema dado, cualquiera sea
la aproximacin inicial
( ) 4 0
R X . Iterando con el mtodo de Jacobi, tomando aproximacin inicial
( )
( )
T
X 0 , 0 , 0 , 0
0
y criterio de aproximacin
( ) ( ) 3 1
10 5

<
k k
X X , se obtiene
( )
( ) X X
T
838094 0 , 561029 0 , 11780 1 , 200239 0
13
. . . .
(ya que
( ) ( ) 3 12 13
10 5 00375458 0

< . X X y 13 k es el menor entero positivo que

satisface
( ) ( ) 3 1
10 5

<
k k
X X ). La instruccin en DERIVE para calcular las iteraciones es
[ ] [ ]
( )
{
,
_
N
X
b 0
A 15 0 0 0 0 0 4 3 2 , , , , , , , , ,
43 42 1 43 42 1
JACOBI : approX.
Cul es la precisin de la solucin aproximada
( ) 13
X ?
Para esto, analicemos las cotas para el error relativo
( )
X
X X
13
:
( )
( )
( )
( )
( )
4 4 4 3 4 4 4 2 1 4 4 4 3 4 4 4 2 1
2 4 5
10 5 05 0 008 0
4
00739 0
816 4
13 13
816 4
1
4
00739 0
10 8 3 10 5
13
1

<
<
. ... .
.
.
.
.
... .
b
R
A Cond
X
X X
A Cond b
R
Luego
( ) 13
X aproxima a la solucin exacta X del sistema dado con una precisin de por lo menos sus
dos primeras cifras significativas y no ms de cuatro.
b) ANLISIS DE CONVERGENCIA PARA EL MTODO DE GAUSS-SEIDEL
1) Ya vimos que la matriz A de coeficientes del sistema dado no es estrictamente dominante
diagonalmente por filas, as que no se puede concluir todava sobre convergencia del mtodo de
Gauss-Seidel. Debemos encontrar la matriz de iteracin ( ) U L D B
S G
1
del mtodo de Gauss-

Seidel:
En DERIVE, la instruccin BG( A) simplifica en la matriz de iteracin
,
_
8
1
8
1
0 0
12
1
12
1
12
1
0
6
1
3
1

12
1
0
2
1
0
4
1
0
S G
B
2) En DERIVE, la instruccin NORMA_INF(
S G
B

) simplifica en 1
4
3
<
S G
B , as que el
mtodo de Gauss-Seidel converge a la nica solucin X del sistema dado, cualquiera sea la
aproximacin inicial
( ) 0
X y se tienen cotas para el error
( )
k
X X (observe que
NORMA_INF(
`
S G
B

) simplifica en 1
8
7
1
<
S G
B , as que tambin podemos concluir sobre la
convergencia del mtodo de Gauss-Seidel a partir de esta norma matricial, pero ya que
1
S G S G
B B

< , usaremos la norma
. para los clculos posteriores).

3) Aunque ya tenemos conclusin sobre la convergencia del mtodo de Gauss-Seidel, calculemos
( )
S G
B

.
En DERIVE la instruccin EIGENVALUES(
S G
B

, w) simplifica en los valores propios de la matriz
S G
B

, que son 0
1
w ,
4
1
2
w y
24
1
3
w ( 0
1
w es valor propio de multiplicidad 2, ya que el
polinomio caracterstico de
S G
B

es
( )
96
1 28 96
2 2
+ +
w w w
).
Como ( ) 1
4
1
<
S G
B , el mtodo de Gauss-Seidel converge a la nica solucin X del sistema dado,
cualquiera sea la aproximacin inicial
( ) 0
X .
Ya que disponemos de cotas tericas para el error
( )
k
X X , encontremos el menor nmero de
iteraciones k, de acuerdo con la teora, para que al aplicar el mtodo de Gauss-Seidel con
aproximacin inicial
( )
( )
T
X 0 , 0 , 0 , 0
0
, se obtenga una aproximacin de la solucin exacta X del
sistema dado, con una precisin de por lo menos tres cifras significativas.
Como
( )
k
k
S G
k
B
X
X X
,
_
4
3
, bastar resolver para k la desigualdad
3
10 5
4
3

<
,
_
k
.
La solucin de esta desigualdad es,
( )
...
ln
ln
k 4 18
4
3
10 5
3
.
,
_
>
, as que
( )
3
10 5

<
X
X X
k
para todo 19 k . Calculando
( ) 19
X , usando el mtodo de Gauss-Seidel con aproximacin inicial
( )
( )
T
X 0 , 0 , 0 , 0
0
, se obtiene
( )
( ) X X
T
84 0 , 56 0 , 12 1 , 2 0
19
. . . . . En DERIVE, las iteraciones
en el mtodo de Gauss-Seidel se obtienen con la instruccin
[ ] [ ] ( ) 19 , 0 , 0 , 0 , 0 , 0 , 4 , 3 , 2 , A G_SEIDEL .
Cul es la solucin exacta X del sistema dado?
En DERIVE, la instruccin RESUELVA_1(A,b) con [ ] 0 4 3 2 , , , : b simplifica en la solucin exacta
T
X
,
_

25
21
,
25
14
,
25
28
,
5
1
del sistema dado.
Si observa las iteraciones en los dos mtodos, puede ver el tipo de convergencia para el mtodo de
Jacobi y compararla con la convergencia para el mtodo de Gauss-Seidel.
Cuntas iteraciones sern necesarias, de acuerdo con la teora, para que al aplicar el mtodo de
Gauss-Seidel con aproximacin inicial
( )
( )
T
X 0 , 0 , 0 , 0
0
, se obtenga una aproximacin de la
solucin exacta X del sistema dado con una precisin de por lo menos sus tres primeras cifras
decimales exactas?
TALLER N 3b
Problema 1. Considere el sistema lineal
'
+ +
+ +
+
+ +
8 4 2 2
4 2 3
3 3
7 2 4
4 3 1
4 3 2
3 2 1
4 2 1
x x x
x x x
x x x
x x x
La matriz de coeficientes de este sistema dado es
,
_
4 2 0 2
2 3 1 0
0 1 3 1
2 0 1 4
A
la cual es simtrica (ya que A A
T
), y adems, al realizar E.G. sobre A, sin intercambio de filas, se
obtiene
,
_
29
28
0 0 0
11
20
11
29
0 0
2
1
1
4
11
0
2 0 1 4
U
as que A es una matriz definida positiva. Luego el mtodo SOR converge a la nica solucin X del
sistema dado, cualquiera sea la aproximacin inicial y cualquiera sea el valor de w con 2 0 < < w . En
particular, el mtodo de GaussSeidel converge. Como el mtodo de GaussSeidel es convergente,
podemos intentar acelerar la convergencia mediante el mtodo SOR, escogiendo valores de w con
2 1 < < w .
Si iteramos con el mtodo SOR para distintos valores de w, tomando
T
X ) 0 , 0 , 0 , 0 (
) 0 (
y criterio de
aproximacin
3 1
10 5

<
) ( ) ( k k
X X , obtenemos:
w 0 1
1
. ( Gauss-Seidel ): La instruccin en DERIVE para realizar las iteraciones en el mtodo de
Gauss-Seidel es: [ ] [ ] ( ) 15 0 0 0 0 0 1 8 4 3 7 , , , , , . , , , , , A SOR . Aproximando esta expresin se obtiene
que
3 10 11
10 5 0032001 0

< .
) ( ) (
X X
As que
( )
( ) X X
T
996993 0 00415 1 00183 1 00185 1
11
. , . , . , . .
1 1
1
. w : En este caso, la instruccin en DERIVE para aproximar las iteraciones es
[ ] [ ] ( ) 15 0 0 0 0 1 1 8 4 3 7 , , , , , . , , , , , A SOR . Aproximando esta expresin, se obtiene que
SOLUCIN NUMERICA DE SISTEMAS DE ECUACIONES
3 8 9
10 5 00421927 0

< .
) ( ) (
X X
As que
( )
( ) X X
T
99823 0 00308 1 0019 1 0009 1
9
. , . , . , . .
5 1
1
. w : En este caso, la instruccin en DERIVE es [ ] [ ] ( ) 15 0 0 0 0 5 1 8 4 3 7 , , , , , . , , , , , A SOR .
Aproximando esta expresin , se obtiene que
3 12 13
10 5 00242674 0

< .
) ( ) (
X X
As que
( )
( ) X X
T
997921 0 00265 1 00021 1 00188 1
13
. , . , . , . .
Podemos intentar estimar el valor ptimo de w (es decir, el que produce mayor rapidez de convergencia
en el mtodo SOR), encontrando la parbola que interpola los puntos ( )
1 1
N w , , ( )
2 2
N w , , ( )
3 3
N w , ,
donde
k
N indica el menor numero de iteraciones en el mtodo SOR, para el valor dado
k
w , que fueron
necesarias para que se satisficiera el criterio de aproximacin dado, es decir, interpolamos los puntos
( ) ( ) ( ) 13 5 1 9 1 1 11 0 1 , . , . , , . y .
En DERIVE, la instruccin [ ] [ ] [ ] [ ] ( ) w E INTERPOLAT POLY , , . , , . , , . _ 13 5 1 9 1 1 11 0 1 , simplifica en
el polinomio ( ) 97 w 146 w 60 w p
2
+ .
Encontramos ahora el valor de
op
w para el cual la parbola ( ) w p alcanza el valor mnimo (si existe en el
intervalo [ ) 2 , 1 ). En este caso: ( ) ... . ' 2166 1
120
146
0 146 120 w w w p . Luego concluimos, de
acuerdo con estos resultados, que el valor optimo de w estar cerca de 2 1. . Si iteramos con el mtodo
SOR para el valor 2 1. w y criterio de aproximacin
( ) ( ) 3 1
10 5

<
k k
X X , obtenemos que
( ) ( ) 3 7 8
10 5 00192307 0

< . X X
As que
( )
( ) ( )
T T
X X 1 1 1 1 00135 1 998069 0 999525 0 99878 0
8
, , , . , . , . , .
Observe la convergencia en el caso de 2 1. w .
Problema 2.. Utilicemos el mtodo de Punto Fijo y el mtodo de Newton-Raphson (si es posible) para
resolver el sistema no lineal
'
1
4
2 2
xy e
y x
x
( )
( )
( )

,
_
,
_
1
4
0
2
2 2
1
2
1
xy e y , x f
y x y , x f
,
f
f
F con , X F
x
Solucin: Empezamos graficando las ecuaciones 4
2 2
y x y 1 +
xy e
x
(que son los trazas en el
plano xy de las superficies ( ) y x f z ,
1
y ( ) y x f z ,
2
) en un mismo plano coordenado. En DERIVE
editamos las expresiones 4
2 2
y x y ( ) 1 + xy x exp y luego ejecutamos Plot-(Overlay)-Plot.
Haciendo esto, se obtiene la siguiente grfica:
1. MTODO DE PUNTO FIJO: Transformamos el sistema ( ) 0 X F en otro equivalente del tipo
( ) X G X .
Observando las posiciones dominantes de las variables x y y , de acuerdo con la solucin buscada,
obtenemos el siguiente sistema:
'
+
+
0
1
1
0 4 4
2 2 2
x
x
e
y xy e
x y x y x
x
x
,
,
4
2 2
y x
1 +
xy e
x
De acuerdo con la grfica, el

sistema dado tiene una nica
solucin ( )
( ) 0
4 0 2 X . ,
Luego uno de los sistemas ( ) X G X es:
( ) ( )
( )
'
,
_
+ +

x
e
y x g
x
e
y
y y x g y x
x x
1 1
4 4
2
2
1
2
,
,
( ) ( ) y x g y x g , , ,
2 1
son continuas en ( ) { }: / , 0
2
> x R y x D Semiplano derecho (abierto)
0
1
x
g
;
2
1
4 y
y
y
g
+
;
x
e
x
e
x x
g
x x
+ +
2 2
2
1
; 0
2
y
g
son continuas en D.
Podemos aplicar el mtodo de Punto Fijo para aproximar la raz . Si tomamos, aproximacin inicial
( )
( ) 4 0 2
0
. , X y criterio de aproximacin
( ) ( ) 4 1
10 5

<
k k
X X , obtenemos:
( ) ( ) 4 4 3 4
10 5 10 03098 2

< . X X , as que
( )
( ) 425734 0 04477 2
4
. , . X
La instruccin en DERIVE para iterar con el mtodo de Punto Fijo es:
( ) ( ) ( ) [ ] [ ] [ ] ( ) approX y x x x EXP y SQRT POINT FIXED : , . , , , , / , _ 10 4 0 2 1 4
2
+
2. MTODO DE NEWTON_RAPHSON: Primero que todo escriba el sistema dado en la forma:
( )
( )
'
0
0
2
1
y x f
y x f
,
,
En este caso, ( ) 4
2 2
1
y x y x f , ; ( ) 1
2

xy e y x f
x
, .
x
x
f
2
1
; y
y
f
2
1

; y e
x
f
x

2
; x
x
f

,
_

x y
f
y x
f
y
f
e
x
f
x y
f
y x
f
y
f
x
f
2
2
2
2
2
2
2
x
2
2
2
1
2
1
2
2
1
2
2
1
2
1 0 0 2 2 ; ; ; ; ;
( ) y x f ,
1
, ( ) y x f ,
2
y todas las derivadas parciales de orden 2 de ( ) y x f ,
1
y ( ) y x f ,
2
son continuas
en todo
2
R . Podemos explicar el mtodo de Newton_Raphson para aproximar la solucin .
Tomando
( )
( ) 4 0 2
0
. , X y criterio de aproximacin
( ) ( ) 4 1
10 5

<
k k
X X , obtenemos:
( ) ( ) 4 6 2 3
10 5 10 27327 5

< . X X
As que
( )
( ) 425757 0 04481 2
3
. , . X .
La instruccin en DERIVE para iterar con el mtodo de Newton-Rapshon es en este caso:
[ ] [ ] [ ] ( ) approX y x xy e y x NEWTONS
x
: , . , , , , , 1 4 0 2 1 4
2 2
+

Problema 3 Considere el polinomio ( ) 2 8 5 7 3
2 3 4 5
+ + x x x x x x p .
a) Haga una grfica que ilustre cuantas races reales tiene la ecuacin ( ) 0 x p .
Solucin: La grfica del polinomio ( ) 2 8 5 7 3
2 3 4 5
+ + x x x x x x p es como se indica en la
figura siguiente:
b) Aplique el mtodo de Bairstow y Deflacin para aproximar todas las races de la ecuacin ( ) 0 x p .
Use como criterio de aproximacin
( ) ( ) 3 1
10

<
k k
u u y
( ) ( ) 3 1
10

<
k k
v v , es decir,
( ) ( )
( )
( ) ( )
( )
3 1 1
10

<
k k k k
v u v u , ,
Solucin: Teniendo en cuenta que 1
1
, 0
2
y 3
3
, podemos escoger valores iniciales de u
y v , como sigue:
( )( ) 0 3 3 3 0
0 0
2 2
v u v ux x x x x x ,
La instruccin en DERIVE para aproximar u y v en el mtodo de Bairstow es:
( ) ( ) approX x x p BAIRSTOW : , , , , 10 0 3
Aproximando esta expresin, obtenemos
( ) ( ) 3 5 3 4
10 10 98737 7

< . X X , as que
( )
( )
( ) ( )
( ) ( ) v u v u X , , . , .
4 4 4
725057 0 19947 3
( ) x p y
3
De acuerdo con la grfica, la ecuacin

( ) 0 x p tiene tres races reales y dos
complejas no-reales
Luego un factor cuadrtico aproximado de ( ) x p es 725057 0 19947 3
2
. . + x x . Las races de
0 725057 0 19947 3
2
+ . . x x son 245447 0
2
. , 95402 2
3
. .
Usamos Deflacin, y obtenemos
( ) 75816 2 13836 1 59840 2 3
2 3
. . . + + + x x x x q
La instruccin en DERIVE para obtener el cociente en la divisin de ( ) x p por el factor aproximado
725057 0 19947 3
2
. . + x x es
( ) ( ) approX x x x p QUOTIENT : . . , 725057 0 19947 3
2
+
Al graficar este polinomio ( ) x q , vemos que
1
es raz de ( ) 0 x q . Si aplicamos nuevamente, el
mtodo de Bairstow, pero al polinomio ( ) x q con aproximacin inicial 1
0
u , 0
0
v , obtenemos
( ) ( ) 3 5 3 4
10 10 33331 3

< . X X . As que
( )
( )
( ) ( )
( ) ( ) v u v u X , , . , .
4 4 4
770279 0 327441 0
( La correspondiente instruccin en DERIVE es ( ) ( ) approX x x q BAIRSTOW : , , , , 10 0 1 ).
Luego un nuevo factor cuadrtico aproximado de ( ) x q es: 770279 0 327441
2
. . + x x . Las races de
0 770279 0 327441
2
+ . . x x son: i 665460 0
5 4
.
,
t .
Aplicando nuevamente Deflacin pero al polinomio ( ) x q
( ( ) ( ) approX x x q QUOTIENT : . . , 770279 0 327441 0
2
+ ), se obtiene en 5984 2 3 . + x , y la raz de
0 5984 2 3 + . x es 866133 0
1
. .
TALLER N 4
Problema 1. Use la forma de Newton del polinomio interpolante para encontrar los polinomios
interpolantes ms apropiados de grado uno y dos para aproximar ( ) 4 0. f a partir de los datos de la
siguiente tabla, y calcule la aproximacin en cada caso. Si la funcin que se est aproximando es
( )
x
e
x f
x
, analice la calidad de las aproximaciones y concluya, si es posible, cul es la mejor
aproximacin.
k
x 1 0. 3 0. 5 0. 7 0. 0 1.
( )
k
x f 052 11. 4995 4. 2974 3. 8768 2. 7183 2.
Solucin: grado uno (interpolacin lineal): Como 4 0. equidista de 3 0. y 5 0. , hay dos posibilidades
igualmente apropiadas:
a) Con 3 0
0
. x , 5 0
1
. x y la forma progresiva: Utilizando DERIVE, empezamos construyendo la
matriz [ ] [ ] [ ] 2974 3 5 0 4995 4 3 0 . , . , . , . : M y aproximamos la instruccin DIFERENCIAS_DIV(M), con
lo cual obtenemos los coeficientes [ ] 3 0. f y [ ] 5 0 3 0 . , . f del polinomio interpolante:
( ) [ ] [ ]( ) ( ) ( ) [ ] 5 0 3 0 3 0 0105 6 4995 4 5 0 5 0 3 0 3 0
1
. , . . . . . . , . . + x x f x x f f x p para
As que ( ) ( ) 89845 3 4 0 4 0
1
. . . p f (debe darse como respuesta ( ) 8985 3 4 0 . . f debido a la
precisin de los datos en la tabla dada).
b) Con 3 0
0
. x , 5 0
1
. x y la forma regresiva: Utilizando DERIVE, intercambiamos las filas en la
matriz M anterior y aproximamos la instruccin DIFERENCIS_DIV(nueva matriz), con lo cual
obtenemos [ ] 0105 6 2974 3 . , . , as que el polinomio interpolante es ahora
( ) [ ] [ ]( ) ( ) ( ) [ ] 5 0 3 0 5 0 0105 6 2974 3 5 0 5 0 3 0 5 0
1
. , . . . . . . , . . + x x f x x f f x p para
As que ( ) ( ) 89845 3 4 0 4 0
1
. . . p f (igual que en el caso anterior debe darse como respuesta
( ) 8985 3 4 0 . . f ). Observe que ( ) ( ) 4 0 4 0
1 1
. . p p , como era de esperarse.
Como ( ) ... 72956 3 4 0 . . f , en este caso el error real en la aproximacin obtenida es
( ) ( ) ( ) ... 1688 0 4 0 4 0 4 0
1
. . . . p f E
Grado dos: Hay dos posibilidades igualmente apropiadas:
a) Tomando los nodos 3 0. , 5 0. y 7 0. y la forma progresiva de Newton ( 4 0. est ms cerca de 3 0.
que de 7 0. ). Trabajamos ahora con la matriz [ ] [ ] [ ] [ ] 8768 2 7 0 2974 3 5 0 4995 4 3 0 . , . , . , . , . , . : M . En
DERIVE la instruccin DIFERENCIAS_DIV(M) aproxima en el vector
[ ] [ ] [ ]1
1
]
1
!" !# $ !" !# $ " # $

7 0 5 0 3 0 5 0 3 0 3 0
76875 9 0105 6 4995 4
. , . , . . , . .
. , . , .
f f f
.
INTERPOLACIN POLINOMIAL
As que el polinomio interpolante de grado dos es, en este caso
( ) ( ) ( )( ) ( ) [ ] 7 0 3 0 5 0 3 0 76875 9 3 0 0105 6 4995 4
2
. , . . . . . . . + x x f x x x x p para
y entonces ( ) ( ) 8007625 3 4 0 4 0
2
. . . p f (debe darse como respuesta ( ) 8008 3 4 0 . . f ).
El error real es, en este caso, ( ) ( ) ( ) ... 0712 0 4 0 4 0 4 0
2
. . . . p f E .
b) Tomando los nodos 1 0. , 3 0. , 5 0. y la forma regresiva de Newton ( 4 0. est ms cerca de 5 0. que
de 1 0. ). Trabajamos ahora con la matriz [ ] [ ][ ] [ ] 052 11 1 0 4995 4 3 0 2974 3 5 0 . , . . , . , . , . : M . En
DERIVE la instruccin DIFERENCIAS_DIV(M) aproxima en el vector
[ ] [ ] [ ]1
1
]
1
" # $ !" !# $ " # $

5 0 3 0 1 0 5 0 3 0 5 0
88 66 0105 6 2974 3
. , . , . . , . .
. , . , .
f f f
.
As que el polinomio interpolante de grado dos para estos nodos es
( ) ( ) ( )( ) ( ) [ ] 5 0 1 0 3 0 5 0 88 66 5 0 0105 6 2974 3
2
. , . . . . . . . + x x f x x x x p para
y entonces ( ) ( ) 22965 3 4 0 4 0
2
. . . p f (realmente ( ) 2297 3 4 0 . . f ).
El error real, en este caso, es ( ) ( ) ( ) ... 499 0 4 0 4 0 4 0
2
. . . . p f E .
En la siguiente tabla aparecen todas las diferencias divididas necesarias en los clculos anteriores:
k
x
D.D.0
( ) [ ]
k k
x f x f
D.D.1
[ ]
1 + k k
x x f ,
D.D.2
[ ]
2 1 + + k k k
x x x f , ,
1 0. 052 11. 7625 32. 88 66.
3 0. 4995 4. 0105 6. 76875 9.
5 0. 2974 3. 103 2.
7 0. 8768 2.
0 1. 7183 2.
Cul de todas las aproximaciones calculadas es la mejor?
De acuerdo con los tres resultados obtenidos, y comparando los errores reales, es claro que la mejor
aproximacin la d ( ) 8007625 3 4 0
2
. . p . Sin embargo, observe que al comparar ( ) 4 0
1
. p y ( ) 4 0
2
. p ,
es mejor resultado ( ) 4 0
1
. p (interpolacin lineal), y al comparar ( ) 4 0
2
. p y ( ) 4 0
2
. p , es mejor
aproximacin ( ) 4 0
2
. p . Finalmente, al comparar ( ) ( ) 4 0 4 0
1 1
. . p p con ( ) 4 0
2
. p es mejor aproximacin
( ) 4 0
2
. p .
Cul es su conclusin, respecto a la calidad de la aproximacin al comparar una interpolacin lineal con
una cuadrtica?
La grfica de los polinomios ( ) x p y
1
, ( ) x p y
2
, ( ) x p y
2
% % % y la funcin ( )
x
e
x f
x
junto con los
puntos dados es como se indica en la figura siguiente:
ANLISIS TERICO DEL ERROR EN LA INTERPOLACIN
1. Para [ ] 5 0 3 0 . , . x , el error al aproximar ( ) x f mediante ( ) x p
1
es
( ) ( )( ) ( ) ( ) ( ) ( ) 5 0 3 0 5 0 3 0
2
1
. , . , . . x x f x x x E algn para
Como ( )
,
_
+
3 2
2 2 1
x x x
e x f
x
es decreciente y positiva en el intervalo [ ] 5 0 3 0 . , . (Vea la siguiente
grfica), entonces ( ) ( ) 75 4922 74 3 0 < . . f x f para todo [ ] 5 0 3 0 . , . x .
( ) x f y
( ) x p y
2
( ) x p y
2
( ) x p y
1
x
e
y
x
Luego
( ) ( )( ) ( ) [ ] 5 0 3 0 3 0 5 0 3 0
2
1
. , . . . . x f x x x E paratodo ,
En particular,
( ) ( )( ) ( )
1
10 5 5 0 ... 37 0 3 0 5 0 4 0 3 0 4 0
2
1
4 0

< . . f E . . . . . .
desigualdad que no garantiza alguna cifra decimal exacta de precisin en la aproximacin de ( ) 4 0. f
mediante ( ) 4 0
1
. p .
2. Para [ ] 7 0 3 0 . , . x , el error al aproximar ( ) x f mediante ( ) x p
2
es
( ) ( )( )( ) ( ) ( ) ( ) ( ) 7 0 3 0 7 0 5 0 3 0
3
1
. , . . . .
!
x x f x x x x E algn para
Como ( )
,
_
+
4 3 2
6 6 3 1
x x x x
e x f
x
es creciente y negativa en el intervalo [ ] 7 0 3 0 . , . (vea la figura
siguiente), entonces ( ) ( ) 422 740 3 0 . . f x f para todo [ ] 7 0 3 0 . , . x
( ) x f y
Luego
( ) ( )( )( ) ( ) [ ] 7 0 3 0 3 0 07 5 0 3 0
6
1
. , . . . . x f x x x x E todo para
En particular
( ) ( )( )( ) ( )
1
10 5 5 0 ... 37 0 3 0 07 4 0 5 0 4 0 3 0 4 0
6
1
4 0

< . . f E . . . . . . .
que no garantiza de error que no garantiza alguna cifra decimal exacta de precisin en la aproximacin
de ( ) 4 0. f mediante ( ) 4 0
2
. p .
Problema 2. Encuentre el Trazador cbico natural que interpola la tabla siguiente:
x
1 0 1 2
( ) x f y 0 3 11 24
Solucin: De acuerdo con la teora, sabemos que dada una tabla de datos ( )
k k
y x , , n k ,..., 1 , 0 ,
existe un nico Trazador cbico natural ) (x T que interpola dicha tabla. Para este caso, tal Trazador es
de la forma
( )
( ) ( ) ( ) ( ) ( ) ( )
( )
[ ]
( ) ( ) ( )
( )
[ ]
( ) ( ) ( )
( )
[ ]
'
+ + +
+ + +
+ + +
2 , 1 , 1 1 1
1 , 0 , 0 0 0
0 , 1 , 1 1 1
2
1
0
3
2
2
2 2 2
3
1
2
1 1 1
3
0
2
0 0 0
x x d x c x b a
x x d x c x b a
x x d x c x b a
x T
x p
x p
x p
! ! ! ! ! ! ! " ! ! ! ! ! ! ! # $
! ! ! ! ! ! ! " ! ! ! ! ! ! ! # $
! ! ! ! ! ! ! ! ! " ! ! ! ! ! ! ! ! ! # $
con ( ) 0
0 0
x f a , ( ) 3
1 1
x f a , ( ) 11
2 2
x f a y
2 1 0
, , b b b ,
2 1 0
, , c c c ,
2 1 0
, , d d d son
constantes por determinar.
Utilizando el DERIVE, tal Trazador cbico natural se obtiene mediante la instruccin:
[ ] [ ] [ ] [ ] [ ] 24 , 2 , 11 , 1 , 3 , 0 , 0 , 1 TRAZADOR ). Al simplificar esta instruccin, obtenemos
1
1
1
]
1
+ + +
+ +
+ + +
4 2 6
3 5 3
3 5 3
2 3
2
2 3
x x x x
x x x
x x x x
, es decir, ( )
[ ]
[ ]
[ ]
'
+ + +
+ +
+ + +
2 , 1 , 4 2 6
1 , 0 , 3 5 3
0 , 1 , 3 5 3
2 3
2
2 3
x x x x
x x x
x x x x
x T .
Utilizando el DERIVE, se puede graficar el Trazador ( ) x T con la instrucciones Plot (Overlay) Plot, de la
misma manera que se grafica una funcin ( ) x f , y entrando los dominios correspondientes a cada
polinomio ( ) 2 , 1 , 0 , k x p
k
, cuando pida los valores
min
X y
max
X .
La grfica obtenida es
Como ejerci cio verifique que, efectivamente, ( ) x T satisface todas las condiciones de un Trazador
cbico natural en el intervalo [ ] 2 , 1
( ) x T y
TALLER N 5
Problema 1. Use la regla de los Trapecios y Simpson
,
_
3
1
con 10 subintervalos para aproximar la
cuarta parte de la longitud del arco de la elipse:
1
4
2
2
+ y
x
Solucin: La elipse es como se indica en la siguiente figura:
Como 1
4
2
2
+ y
x
, entonces
2
2
4
2
1
4
1 x
x
y ;
( )
2 2
4 2 4 2
2
2
1
x
x
x
x
dx
dy
y por tanto
la longitud del arco de la curva, usando coordenadas cartesianas, es
( )
dx
x
x
dx
x
x
dx
x
x
L

,
_
+
2
0
2
2 2
0
2
0
2
2
2
2
4
3 16
2
1
4 4
1
4 2
1
Como +
2
2
2
4
3 16
x
x
lim
x
(L es una integral impropia), no se pueden aplicar las reglas de los
Trapecios, ni la regla de Simpson
,
_
3
1
para aproximar el valor de L ( ( ) ? 2 f ); y ya que el nico punto
2
4
2
1
x y
INTEGRACIN NUMRICA
de discontinuidad de la funcin f definida por ( )
2
2
4
3 16
2
1
x
x
x f
para [ ] 2 , 0 x , est en 2 x
(pendiente infinita!), un intento de aproximar L es calculando dx
x
x
2
0
2
2
4
3 16
2
1
con 0 > pequeo.
Haciendo los clculos de esta integral para distintos valores de , aplicando las reglas de los Trapecios y
Simpson
,
_
3
1
con 10 N , se obtienen los resultados que aparecen en la siguiente tabla:
2 b
Trapecios Simpson
,
_
3
1
9 1. 10730 2. 09374 2.
99 1. 57033 2. 45433 2.
999 1. 66209 3. 18809 3.
9999 1. 08111 7. 46804 5.
Las instrucciones en DERIVE para los clculos anteriores, son:
( ) ( ) 10 , , , , b a x x f Trapecio ; ( ) ( ) 10 , , , , b a x x f Simpson : approX.
Estos resultados indican que no es una estrategia apropiada la que se intent para aproximar la longitud
L (Por qu? Observe que ( ) + b f cuando
2 b ).
Otra forma de resolver el problema planteado es parametrizando la elipse:
1
1 2
1
1 4
2 2
2 2

,
_
+
,
_
+
y x y x
Una parametrizacin de la cuarta parte de la longitud de la elipse indicada en el dibujo es
2
0 ,
2

'
t
t y
t x
sen
cos
En este caso la longitud L viene dada por
( ) ( )
( )
! ! ! " ! ! ! # $
clase segunda de elptica integral
dt t dt t dt t t
dt t t dt t t dt
dt
dy
dt
dx
L

+
+ +
,
_
+
,
_
2
0
2
2
0
2
2
0
2 2
2
0
2 2
2
0
2 2
2
0
2 2
4
3
1 2 3 4 1 4
4 2

cos cos cos cos
cos sen cos sen
Si ( ) t t f
2
4
3
1 2 cos , entonces f es continua en el intervalo finito
1
]
1
2
0
, , as que se pueden aplicar

las reglas de los Trapecios y Simpson
,
_
3
1
para aproximar la longitud L.
Si 10 N , entonces el tamao de paso es
20
N
a b
h , as que los puntos de la particin en el
intervalo
1
]
1
2
0
, son: 0
0
x ,
20
1

x ,
20
2
2

x ,
20
3
3

x ,
20
4
4

x ,
20
5
5

x ,
20
6
6

x ,
20
7
7

x ,
20
8
8

x ,
20
9
9

x y
2 20
10
10

x .
Al aplicar la regla de los Trapecios, se obtiene:
( )
( )

,
_
,
_
1
]
1
,
_
+
,
_
+
,
_
+
,
_
'
,
_
+
,
_
+
,
_
+
,
_
+
,
_
+
,
_
+
10
2
0 42211 2
20
9
20
8
20
7
20
6

20
5
20
4
20
3
20
2
20
2
2
0
2
, , , , .

t t f Trapecio
f f f f
f f f f f f f
h
L
Al aplicar la regla de Simpson
,
_
3
1
, se obtiene:
( )
( )

,
_
,
_
1
]
1
,
_
+
,
_
+
,
_
+
,
_
'
1
]
1
,
_
+
,
_
+
,
_
+
,
_
+
,
_
+
,
_
+
10
2
0 42211 2
20
8
20
6
20
4
20
2
2
20
9
20
7
20
5
20
3
20
4
2
0
3
, , , , .

t t f Simpson
f f f f
f f f f f f f
h
L
En DERIVE para producir la tabla de valores de la funcin ( ) t t f
2
4
3
1 2 cos , ejecutamos la
instruccin
,
_
1
]
1
20 2
0
4
3
1 2
2

, , , , cos , t t t VECTOR :approX.
(Con DERIVE: Calculus-Integrate:approX, aplicado a la integral en consideracin, produce el valor
aproximado 42211 2. L )
INTEGRACIN NUMRICA
ANLISIS TERICO DEL ERROR EN LA APROXIMACIN
I. Regla de los Trapecios: El error total al aplicar la regla de los Trapecios para aproximar el valor
de la longitud del arco L de la elipse es
( ) ( ) f
a b
h f N
h
E
T

12 12
2
3
con
,
_
2
0
,
es decir, el error al aproximar L mediante la regla de los Trapecios con 10 N , es
( )
f E
T

,
_

12
2
20
2
con
,
_
2
0
, (
20
h )
Como ( ) t t f
2
4
3
1 2 cos , entonces ( )
( )
1 3
3
1 3
3
2
2
2
3
2
2
+
+

t
t
t
t
t f
sen
sen
sen
cos
. La grfica de la funcin
( ) t f y es como se indica en la siguiente figura:
De acuerdo con la grfica se tiene que ( ) ( ) 3 0
2
0

1
]
1
f t f Max
t

,
, as que
2
2
10 5 05 0 ... 0096 0 3
24 20

<
,
_
. E
T
.

lo que garantiza, despreciando errores de redondeo, que el nmero 42211 2. aproxima al valor exacto de
L con una precisin de por lo menos una cifra decimal exacta.
II. Regla de Simpson
,
_
3
1
: El error total al aplicar la regla de Simpson
,
_
3
1
para aproximar el
valor de la longitud del arco L de la elipse es
( )
( )
( )
( )
iv iv
T
f
a b
h f
N h
E
180 2 90
4
5
con
,
_
2
0
,
es decir,
( )
( )

iv
T
f E
360 20
4
,
_
con
,
_
2
0
,
Como ( ) t t f
2
4
3
1 2 cos , y
( )
( ) t f
iv
es una funcin muy complicada, pero su grfica es como se
indica en figura siguiente:
entonces
( )
( )
( )
( ) 39 0
2
0

1
]
1
iv iv
t
f t f Max
,
, as que
4 4
4
10 5 10 ... 07 2 39
360 20

<
,
_
.

T
E
lo que garantiza, despreciando los errores de redondeo, que el nmero 42211 2. aproxima al valor
exacto de L con una precisin de por lo menos tres cifras decimales exactas (4, 2, 2).
Otros resultados obtenidos utilizando las reglas de los Trapecios y Simpson
,
_
3
1
para distintos valores
de N son
( )
( ) t f y
iv
INTEGRACIN NUMRICA
N
Trapecios Simpson
,
_
3
1
10 42211 2. 42211 2.
20 42211 2. 42211 2.
6 42211 2. 42215 2.
4 42210 2. 42283 2.
Problema 2. a) Utilice el mtodo de los coeficientes indeterminados para generar una frmula de
integracin numrica del tipo
( ) ( )
n
j
j j
x f A dx x f
1
1
0
que sea exacta para todos los polinomios de grado menor o igual que cuatro.
Solucin: De acuerdo con ele mtodo de los coeficientes indeterminados, la frmula buscada es del tipo:
( ) ( ) ( ) ( ) ( ) ( )
+ + + +
1
0
1 4 3 2 1 4 1 0
! ! ! ! ! ! ! ! ! ! " ! ! ! ! ! ! ! ! ! ! # $
Formula
f E f D f C f B f A dx x f / / /
donde D y C B A , , son coeficientes por determinar. Ahora bien, la frmula buscada ser exacta para
todos los polinomios de grado 4 si y solamente si es exacta para las funciones polinmicas bsicas de
grado 4 :
4 3 2
1 x y x x x , , , .
Luego las siguientes ecuaciones permitirn determinar los coeficientes E y D C B A , , , :
( )
( )
,
_
+ + + +
1
0
1 1 1 1 1 1 1 0 1
1
dx E D C B A E
x f
T
( )
( )
,
_
+ + + +
1
0
2
1
1
4
3
2
1
4
1
0 0 xdx E D C B A x E
x x f
T
( )
( )
,
_
+ + + +
1
0
2 2
3
1
1
16
9
4
1
16
1
0 0
2
dx x E D C B A x E
x x f
T
( )
( )
,
_
+ + + +
1
0
3 3
4
1
1
64
27
8
1
64
1
0 0
3
dx x E D C B A x E
x x f
T
( )
( )
,
_
+ + + +
1
0
4 4
5
1
1
256
81
16
1
256
1
0 0
4
dx x E D C B A x E
x x f
T
El sistema lineal resultante de 5 ecuaciones en las 5 incgnitas E y D C B A , , , tiene solucin nica.
Para trabajar en DERIVE, primero defina ( ) 1 : x f , y
( ) ( ) ( ) ( ) ( ) 1 4 3 2 1 4 1 0 f E f D f C f B f A FORMULA + + + + / / / : .
Si simplifica la formula para cada una de las funciones polinmicas bsicas de grado 4 : ( ) 1 : x f ;
( ) x x f : ; ( )
2
x x f : ; ( )
3
x x f : : ( )
4
x x f : , se obtiene la expresin del lado izquierdo de cada
una de las ecuaciones listadas antes.
Se resuelve el sistema lineal resultante en la instruccin:
[ ] ( )
5
1
4
1
3
1
2
1
1 , , , , , _ M I RESUELVA : Simplify, siendo M la matriz de coeficientes del sistema.
Tal solucin es:
90
7
A ,
90
32
45
16
B ,
90
12
15
2
C ,
90
32
45
16
D ,
90
7
E .
Luego la frmula obtenida es:
( ) ( ) ( ) ( ) ( ) ( ) [ ]
+ + + +
1
0
1
4
3
2
1
4
1
7 32 12 32 0 7
90
1
f f f f f dx x f
que es exacta para todos los polinomios de grado 4 .
b) Verifique que la frmula obtenida es exacta para todos los polinomios de grado 5.
Solucin: Como la frmula obtenida es exacta para todos los polinomios de grado 4 , entonces para
verificar que la frmula es exacta para todos los polinomios de grado 5 es suficiente verificar que la
formula es exacta para el polinomio bsico de grado 5,
5
x :
( ) ( ) ( )
5
5
5 5 5
1
0
5
1024
15360
90
1
1 7
4
3
32
2
1
12
4
1
32 0 7
90
1
6
1
x FRMULA dx x
1
]
1
1
1
]
1
+
,
_
+
,
_
+
,
_
La frmula NO es exacta para todos los polinomios de grado 6, pues

( )
6
1
0
6
384
55
7
1
x FRMULA dx x
c) Aproxime 2 ln , usando la frmula obtenida en a) y calcule el error que se comete en la aproximacin:

Solucin: Como
2
1
1
2 dx
x
ln , y la formula obtenida esta definida para integrales en el intervalo [ ] 1 0, ,
empezamos definiendo el siguiente cambio de variable dt dx t x + , 1 , con lo cual
... .693174603 0
6300
4367
1 1
1
7
1
4
3
1
32
1
2
1
1
12
1
4
1
1
32
1 0
1
7
90
1
1
1
1
1 1
2
1
0
2
1

1
1
1
1
]
1
,
_
+
+
,
_
+
+
,
_
+
+
,
_
+
+
,
_
,
_
+

t
FRMULA dt
t
dx
x
ln
INTEGRACIN NUMRICA
El error real es tal que
5 5
10 5 10 68 2
6300
4367
2

< ... . ln real Error , lo que asegura que
6300
4367
aproxima a 2 ln
con sus primeras 4 cifras decimales exactas, que son 6, 9, 3 y 1.
TALLER N 6
Problema 1. Un proyectil de masa kg m 11 0. se lanza verticalmente hacia arriba desde el suelo con
una velocidad inicial ( )
seg
m
v 8 0 y se va frenando debido a la fuerza de la gravedad y a la resistencia
del aire que suponemos proporcional al cuadrado de la velocidad en cada instante t (
2
8 9
seg
m
g . ,
constante de proporcionalidad
m
kg
k 002 0. )
a) Demuestre que la ecuacin diferencial para la velocidad ( ) t v del proyectil, en cada instante t , es:
( )
( ) ( )
( ) ( )
'
+

bajando est proyectil el mientras ,
subiendo est proyectil el mientras ,
2
2
t v k mg
t v k mg
t v m
Demostracin: Sea ( ) t x la posicin del proyectil, respecto al nivel del suelo, en el instante t . Entonces
.
De acuerdo con la 2 ley de Newton: ( ) ( ) t v m t x m F F F
r g TOTAL
+ siendo m la masa del
proyectil y ( ) t x la aceleracin del proyectil, Entonces:
( ) ( ) [ ]
2
t v k mg t v m
( ) ( ) [ ]
M
t t t v
m
k
g t v 0 ,
2
!
Siendo
M
t el tiempo donde se alcanza la altura mxima.
( )
( ) [ ]
2
t v k mg F F F
r g TOTAL
t v m
+ +
( ) ( ) [ ] T t t t v
m
k
g t v
M
+ ,
2
"
T tiempo que tarda el proyectil.
Las ecuaciones ! y " se pueden recoger en una sola ecuacin, como sigue:
( ) . m x 0 0
( ) ( ) t v t x es la velocidad del proyectil en el
instante t, ( ) ( )
seg
m
v x 8 0 0 .
Las fuerzas que actan sobre el proyectil son:
mg Fg (fuerza de gravedad, contraria a la
direccin del movimiento cuando el proyectil va
subiendo. Direccin positiva hacia arriba).
( ) ( )
2
t v k Fr (Fuerza debida a la resistencia
del aire, contraria a la direccin del movimiento en
todo instante t .
SOLUCION NUMERICA DE P.V.I. PARA E.D.O.
Mientras el proyectil est subiendo ( ) 0 t v para todo t con
M
t t 0 , ( ) t x es creciente, es decir,
( ) ( ) 0 t v t x ; cuando el proyectil est bajando ( ) 0 t v para todo t con T t t
M
, ( ) t x es
decreciente, es decir, ( ) ( ) 0 t v t x .
Para el caso !
( )
( )
1
t v
t v
, ( ) 0 > t v ; para el caso "
( )
( )
1
t v
t v
, ( ) 0 < t v .
Luego las E.D. ! y " se pueden recoger en el modelo:
( ) ( ) ( ) t v t v
m
k
g t v
La funcin ( ) ( ) t v t v es claramente continua en [ ] T , 0 , en particular, es continua en
M
t t
( ( ) ( ) ( ) ( )
M M
t t
t v t v t v t v lim
M

0 )
b) Demuestre que el problema de valor inicial
( ) ( )
( )
'

8 0
0
v
T t , t v t v
m
k
g v
correspondiente a la situacin descrita en el enunciado del problema tiene solucin nica en el intervalo
[ ] T , 0 .
Demostracin: Para este problema de valor inicial tenemos que
( ) ( ) ( ) ( ) ( ) ( ) ( ) t v t v t v t v t v t v
m
k
g v t f
55
1
8 9
11 0
002 0
8 9 .
.
.
. ,
que es continua en ( ) { } 8 v T t o v t D , / , ( D es un conjunto convexo; 8 v , pues
fsicamente la velocidad mxima que alcanza el proyectil es su velocidad inicial ).
( )
( )
55
2 t v
v
v t f

,
( Verifquelo! ) que esta definida en D , y como
( ) ( )
L
t v
v
v t f

55
16
8
55
2
55
2 ,
, para todo ( ) D v t ,
entonces el problema de valor inicial dado tiene solucin nica en el intervalo [ ] T , 0 .
c) Utilice el mtodo de Runge-Kutta de orden 4 para estimar la velocidad del proyectil en cada uno de
los instantes 0 1 5 0 4 0 3 0 2 0 1 0 . ... . . . . . , , , , , , segundos, tomando como tamao de paso 1 0. h .
Solucin: Haciendo los clculos de las aproximaciones en el mtodo de Runge-Kutta utilizando el
DERIVE (precisin 6 dgitos), se obtiene

K K
V t
Los resultados que aparecen en la tabla anterior se obtienen en DERIVE, aproximando la expresin
d) Estime el tiempo para el cual el proyectil alcanza la altura mxima y empieza a caer.
Solucin: De acuerdo con los resultados de la tabla anterior, como ( ) 0 844542 0 7 0 > . . v y
( ) 0 135820 0 8 0 < . . v , entonces en el intervalo de tiempo [ ] 8 0 7 0 . , . el proyectil alcanza su altura
mxima, es decir , existe [ ] 8 0 7 0 . , .
M
t tal que ( ) 0
M
t v .
Para estimar el tiempo
M
t en el cual ocurre ( ) 0 t v , usamos por ejemplo, interpolacin lineal inversa.
El polinomio de interpolacin lineal para aproximar la velocidad en el intervalo [ ] 8 0 7 0 . , . , se puede
obtener a partir de los puntos ( ) 844542 0 7 0 . , . y ( ) 135820 0 8 0 . , . . Tal polinomio es:
( ) ( ) [ ] 8 0 7 0 80362 9 70707 7
1
. , . . . t , t v t t p
(una instruccin en DERIVE para obtener el polinomio anterior es
[ ] [ ] [ ] ( ) approX POLY NEWTON : . , . , . , . _ 135820 0 8 0 844542 0 7 0 ).
Nos interesa encontrar t tal que ( ) 0
1
t p . Si resolvemos ( ) 0
1
t p para t ( soLve ), se obtiene
786145 0.
M
t , que es un valor aproximado de t para el cual ( ) 0 t v . Se puede mejorar este
resultado?
e) Estime la altura mxima alcanzada por el proyectil.
Solucin: Bastara estimar ( ) 786145 0. x . Como tenemos informacin de ( ) ( ) t x t v , podemos usar
( ) ( ) ( ) ( )

786145 0
0
786145 0
0
0 786145 0
. .
. dt t v dt t x x x
Considerando la tabla de valores:
( ) 10 2 1 0 , , , , k , t v V
K K
... ( )
SOLUCION NUMERICA DE P.V.I. PARA E.D.O.
[ ] 8 0 7 0 786145 0 . , . .
M
t
( )
K K K
t v V t
( ) approX M DATA TRAPECIO : _ : Usa la regla de los trapecios para integrar los puntos de la
matriz M ( por cada dos datos consecutivos [ ]
k k
y x , , [ ]
1 1 + + k k
y x , hace pasar el correspondiente
polinomio de interpolacin lineal ). En este caso se obtiene el valor 08651 . 3 , as que
( ) 08651 . 3 76145 . 0 x altura mxima alcanzada por el proyectil.
( ) approX M DATA SIMPSON : _ : Usa la regla de Simpson
,
_
3
1
para integrar los puntos de la
matriz M ( por cada tres puntos consecutivos [ ]
k k
y x , , [ ]
1 1 + + k k
y x , , [ ]
2 2 + + k k
y x , hace pasar el
correspondiente polinomio de interpolacin de grado 2 ). En este caso se obtiene el valor
07710 . 3 altura mxima alcanzada por el proyectil.
( ) approX DATA INT : _ ; En este caso ( ) es la matriz de resultados obtenida al aplicar el
mtodo de Runge_Kutta, y al aproximar esta instruccin obtenemos una tabla de valores que
permiten aproximar a una antiderivada ( ) t x de ( ) t v , teniendo el valor 0 en el punto ( )
0 0
V t , . Para
tal aproximacin usa la regla de los Trapecios. Si hacemos tales clculos obtenemos los resultados
que aparecen en la tabla siguiente:

k k
X t
Haciendo, por ejemplo, interpolacin lineal usando los puntos [ ] 05013 . 3 , 7 . 0 y [ ] 08557 . 3 , 8 . 0 ,
obtenemos ( ) 80205 2 354399 0 . . + t t x . As que ( ) 08066 . 3 786145 . 0 x altura mxima alcanzada
por el proyectil.
En situaciones como estas, donde los puntos de la
particin no estn igualmente espaciados (ver ltimo punto
en la tabla) se pueden usar varias instrucciones en
DERIVE para aproximar la integral a partir de los puntos
dados.
Algunas de ellas son:
( ) 10 1 0 ..., , , , k t x X
k k
Nota: la E.D. !: ( ) ( ) [ ]
2
t v
m
k
g t v ,
M
t t 0 , se puede resolver por separacin de variables :

+
dt dv
v
2
11 0
002 0
8 9
1
.
.
.
De donde
c t v tan +
,
_
77
11
7
11 5
1
, c constante arbitraria.
Como ( ) 8 0 v , entonces
,
_

77
11 8
7
11 5
1
tan c . Luego la solucin del P.V.I. correspondiente viene
definida implcitamente en la ecuacin
,
_
,
_

77
11 8
tan
7
11 5
77
11
tan
7
11 5
1 1
t v ,
y entonces encontrar t para el cual ( ) 0 t v da como solucin
786139 . 0
77
11 8
tan
7
11 5
1
,
_

c t .
Compare con el resultado obtenido anteriormente.
MTODOS NUMRICOS
EJERCICIOS SOBRE ERRORES DE REDONDEO Y ESTABILIDAD
1. Una mquina automtica guarda los nmeros de la siguiente manera:
a) Usa base diez.
b) Ocupa sendas posiciones (de memoria) para el signo del exponente, su valor, y el signo del
nmero, y cuatro posiciones para la mantisa normalizada.
i. Dar el nmero positivo ms pequeo que guarda la mquina.
ii. Dar el nmero positivo ms grande que guarda la mquina.
iii. Dar el nmero que le sigue a:
+ 0 + 8 9 5 9
iv. Listar los cuatro primeros nmeros positivos que distingue la mquina.
v. Listar los cuatro ltimos nmeros positivos que distingue la mquina.
vi. Cuntos nmeros distintos de cero distingue la mquina?
vii. En la forma ( ) 0, a (intervalo de underflow) y ( ) b,+ (intervalo de overflow), dar a y b .
viii. Responder las siguientes preguntas:
En el conjunto de los nmeros reales R hay un primer nmero positivo?
R tiene un nmero finito de elementos?
En R cada nmero tiene un consecutivo?
En R cada nmero tiene expansin decimal finita?
2. Se define x senh como
2
x x
e e
x senh

= . Se pide:
a) Dibujar
x
e y
x
e
.
b) Dar una frmula apropiada para x senh , que sea ms conveniente desde el punto de vista
numrico, cuando x es pequeo. Discuta. Justifique.
3. Considere la serie numrica
=1
1
n
n
y su sucesin de sumas parciales { } ,... , n , S
n n
2 1 = asociada:
=
= + + + =
n
k
n
k n
... : S
1
1 1
2
1
1
Sabemos que
=1
1
n
n
diverge a + . Si se calculan trminos de
n
S en la mquina hipottica del
problema 1, se pide dar una cota para detener el proceso antes de que la mquina se detenga por
overflow.
4. Sea N un entero positivo y 1 x , x R . Llame:
( )
N N
N
x x ... x x : x G + + + + + =
1 2
1
y
MTODOS NUMRICOS
x
x
: Q
N
N
=
+
1
1
1
Se sabe que ( ) ( ) x Q x G
N N
= , para todo 1 x , x R .
Para 1 r pequeo, Cul expresin prefiere para clculos numricos de ( ) r G
N
y ( ) r Q
N
?
Discuta. Justifique.
5. La sucesin ... ,
6
1
,...,
6
1
,
6
1
, 1
1 2 n
puede generarse mediante la frmula de recurrencia:
,... 3 , 2 ,
6
37
2 1
= =

n x x x
n n n
con
6
1
1
1 0
= = x x y
Tomando 16 6
6
37
166 0
6
1
. . y , analizar la estabilidad numrica de la frmula para calcular la
sucesin. Puede dar una explicacin razonable del comportamiento de los clculos ?
6. Considere la ecuacin de segundo grado 0
2
= + + c x b x a en el caso 1 = a ; 11 111. = b y
2121 1. = c . Resolverla usando la frmula usual.
Tiene completa confianza en su respuesta numrica? Discuta. Justifique.
Calcule el error relativo en su respuesta, usando como valor exacto el que da DERIVE con 20 cifras
decimales en aritmtica aproximada.
D una forma segura de calcular sus races, para el caso particular y el caso general. Recalcule.
7. Representar los nmeros 2 10 2 2 10
4 3
, ,
en una mquina que usa 5 = t dgitos de precisin

y redondea (round-off). Calcular los errores relativos y absolutos que comete en cada una de estas
representaciones. Analizar los resultados.
8. Calcular ( )
20 20
10 1 10 1 +

en calculadora, computador y manualmente, analizar sus resultados.
9. Escribir en programa de computador o calculadora que calcule
0 10 1 0 . x . x
25000 veces y acumule los resultados parciales de esta operacin. Cambie el nivel de precisin de
la aritmtica de la mquina y de las constantes que aparecen en la expresin. Analizar los
resultados (para varios valores de x).
10. Dado k entero positivo se tiene la frmula de recurrencia.
( ) ( ) x m cos x ln cos x cos x m cos 1 2 1 = + para 1 2 1 = k ,..., , m .
Calcular 10 cos con cien pasos y 1 0. x = rad. Calcular el error relativo en cada paso. Analizar los
resultados. Tomar otros valores de x ( ) 2 0 0 . < x .
MTODOS NUMRICOS
EJERCICIOS SOBRE SOLUCIN NUMRICA DE UNA ECUACIN
NO-LINEAL EN UNA VARIABLE
1. Un medicamento administrado a un paciente produce una concentracin en el torrente sanguneo
dada por ( ) ml mg Ate t c
t
/
3
= , t horas despus de que le fueron inyectadas A unidades del

medicamento. La concentracin mxima segura de medicamento es de ml mg / 1 . Donde sea
necesario, utilice un mtodo numrico apropiado para responder las siguientes preguntas:
a) Qu cantidad de medicamento debe ser inyectada para alcanzar la concentracin mxima segura
y cundo ocurrir este mximo?
b) Una dosis adicional de este frmaco le ser administrada al paciente despus de que la
concentracin decaiga a ml mg / 25 0. . Determine, con un error mximo de un minuto, cundo
debe ser proporcionada la segunda inyeccin.
c) Suponiendo que la concentracin de las inyecciones consecutivas es aditiva y que el 75% de la
dosis inyectada originalmente se administra en la segunda inyeccin, cundo se presenta el
momento para la tercera inyeccin?
2. Usar un procedimiento iterativo para calcular una aproximacin de la menor raz positiva de la
ecuacin 0 2 = x x sen . Calcular tres iteraciones.
3. Considerar la ecuacin
2 +
=
x
x
x tan , 2 x .
Usar el mtodo de Biseccin para estimar la menor raz positiva de la ecuacin, con los resultados
de la tercera iteracin. Dar una cota para el error que se comete.
4. Aplicar el mtodo de Newton-Raphson a la ecuacin 0 1
2
2 2
= +
x x Sen

, tomando
2
1
0
= x .
Calcular dos iteraciones para establecer un valor aproximado de la raz positiva.
5. Para la funcin ( ) 2
2
+ =

x e x f
x
, obtener aproximaciones a todos sus ceros, usando el mtodo
de Biseccin, con la cuarta iteracin. Tabular sus clculos.
6. El Principio de Arqumedes establece que el empuje a que est sometido un cuerpo sumergido en un
lquido es igual al peso del fluido desplazado.
Al plantear esta condicin de equilibrio para una esfera de radio 1 cm y densidad 75 0. = gm/cm
3
,
se consigue la ecuacin 0 3 3
2 3
= + h h , donde h es la altura de la parte de la esfera que est
sumergida.
Se pide aplicar el mtodo de Newton-Raphson-Horner para estimar un valor aproximado de h,
usando dos iteraciones. Tomar 1
0
= h (valor inicial).
MTODOS NUMRICOS
7. Considerar la ecuacin ( ) a p p
y n
y
=

1 para 1 0 < < p y 0 > > y n . Resolver esta ecuacin
para los valores 147 0 35 100 . = = = a y n y , .
0 3 = x e
x
(1)
a) Estudiar grficamente la ecuacin (1). Cuntas races tiene la ecuacin dada en [ ] 4 0, ?
b) Justificar que se puede aplicar Biseccin a ( ) x e x f
x
3 = en [ ] 1 0, . Hallar una aproximacin
a la raz en [ ] 1 0, , con tres iteraciones. Dar la cota de error.
c) Tomando
4
1
0
= x , calcular diez iteraciones por el mtodo de Newton-Raphson, aplicado a f.
d) Considerar la sucesin { }
n n
x generada por las iteraciones del mtodo de Newton-Raphson.
Demostrar que si L x
n
n

, entonces L es una raz de ( ) 0 = x f .
e) Las funciones ( ) ( ) x ln ln x g e x g
x
+ = = 3
3
1
2 1
y , tienen alguna relacin con el clculo de
las races de la ecuacin (1)?
f) Calcular ( ) 10 1
1 1
,..., n , x g x
n n
= =

; ( ) 10 1
1 2
,..., n , x g x
n n
= =

, para cada una de las
siguientes aproximaciones iniciales: 25 0
0
. = x , 40 0
0
. = x , 50 0
0
. = x , 0 1
0
. = x y 0 2
0
. = x .
Estudiar los resultados.
9. Considerar la ecuacin 0 = x tan x . Aplicar el mtodo de Newton-Raphson parra calcular dos
iteraciones que busquen aproximar la menor raz positiva de la ecuacin. Tomar
6
0

= x . Usar
aritmtica aproximada truncando en la cuarta cifra decimal. Hacer una grfica aproximada de
localizacin de la raz buscada.
10. Combinar los mtodos de Biseccin y Newton-Raphson para hallar una aproximacin de la menor
raz positiva de 0 4 3 2
3
= x x .
11. Considere la funcin ( ) x e x h
x
=
1
.
a) Probar que h tiene un nico cero, determnelo y d su multiplicidad.
b) Usar el mtodo de Newton-Raphson para aproximar el cero de h con tres iteraciones. Dar la
velocidad de convergencia del mtodo escogido.
12. Considerar la ecuacin 0 10 6
2
= + x x .
Al aplicar el procedimiento de Newton-Raphson, qu resultados se consiguen? Tendra el
polinomio races reales?
MTODOS NUMRICOS
13. Considerar la sucesin
+ =
+
n
n n
x
a
x x
2
1
1
, ,... , , n 2 1 0 = , donde 0 > a .
a) Pruebe que si la sucesin converge lo hace a a . (Nota: Para 0 > a y 0
0
> x , la sucesin
siempre converge a a ).
b) Calcular el orden de convergencia de la sucesin asumiendo que es convergente.
14. Probar que la funcin ( ) 1 = x e x f
x
tiene un cero de multiplicidad dos en 0 = x .
15. Demostrar que la funcin ( )
2
2
1
1 x x e x f
x
= tiene uno y slo un cero, que es 0 = x , dar su
multiplicidad. Calcular f en valores cercanos a cero. Analizar estos resultados. Si la raz 0 = , de
la ecuacin dada, fuera desconocida, cul mtodo numrico utilizara para calcularla?
4 3 2
3
+ = x x (2)
a) Demostrar que la funcin ( ) 4 3 2
3
= x x x f tiene un nico cero real en ( ) 2 1, .
b) Se puede usar Biseccin para hallar una aproximacin a ?
c) Convertir el problema de calcular la raz de la ecuacin (2) en un problema de Punto Fijo en el
intervalo [ ] 2 1, . Ensayar por lo menos cuatro funciones de iteracin en [ ] 2 1, .
d) Demostrar que la funcin ( )
3
2
4 3 +
=
x
x g es una funcin de iteracin para el problema. Para
esta funcin g, demuestre que:
i. ( ) 2 5
2
7
1
3
3
< < x g para todo [ ] 2 1, x .
ii. ( )
3 3
98
1
200
1
x ' g para todo [ ] 2 1, x
iii. La funcin g satisface las hiptesis del teorema de punto fijo en [ ] 2 1, . Concluir. Calcular
tres iteraciones del mtodo de Punto Fijo.
17. Considerar la ecuacin 0 3 = x e
x
. Estudiar la posibilidad de calcular la menor raz positiva por el
mtodo de Punto Fijo, con las funciones de iteracin ( )
x
e x g
3
1
1
= ( ) x ln ln x g + = 3
2
en [ ] 1 0, .
Si es del caso, para
2
g estudiar el intervalo [ ] 8 0 , 4 0 . . .
MTODOS NUMRICOS
0 5 4
2 3
= + x x (3)
a) Mostrar que ( ) 5
2
1
3
+ = x x g es una funcin de iteracin posible para el problema (3), en el
intervalo cerrado [ ] 2 1, .
b) Para la funcin g, en el intervalo [ ] 2 1, , examinar cules hiptesis del teorema fundamental de
punto fijo satisface. Justificar sus afirmaciones. Sacar conclusiones.
c) Decidir si la sucesin ( )
n n
x g x =
+1
, ,... , , n 2 1 0 = converge o no; si lo hace, a qu valor
converge? Depende la convergencia de { }
n
n
x del valor inicial
0
x escogido en [1,2]?.
Justificar sus afirmaciones.
d) Tomar
2
3
0
= x , y calcular
1
x y
2
x a partir de la frmula en c).
19. Considerar la ecuacin 0 18
3
= + x x .
a) Demostrar analticamente que la ecuacin dada tiene una nica raz real.
b) Comprobar que la funcin ( )
3
18 x x g = es una funcin de iteracin de punto fijo para la
ecuacin propuesta.
c) Determinar un intervalo cerrado [ ] b , a donde la funcin g satisfaga todas las hiptesis del
Teorema Fundamental de Punto Fijo y verificar analticamente sus afirmaciones.
(Ayuda: Para a y b sirven nmeros enteros).
d) Para un
0
x escogido en el interior del intervalo determinado, analizar si la sucesin de iteracin
de punto fijo converge o no. Justificar sus conclusiones.
20. Se dispone de una lmina rectangular 10 cm x 16 cm, para construir una caja rectangular sin tapa,
cortando un cuadrado de igual tamao en cada una de las esquinas. Estimar un posible valor para el
lado del cuadrado de tal forma que el volumen de la caja sea de 100 cm
3
.
21. Las grficas de las funciones ( )
x
e x f =
1
y ( )
2
2
100x x f = se cortan en algn punto con abscisa ,
con [ ] 1 0, .
a) Mostrar que ( )
2
10
1
x
e x g = es una funcin de iteracin de punto fijo para el clculo de .
b) Verificar que la funcin g satisface las hiptesis del teorema de Punto Fijo (existencia y
unicidad).
c) Dejar claramente indicadas las operaciones correspondientes a las dos siguientes iteraciones del
mtodo de Punto Fijo aplicado a la funcin g, tomando 0
0
= x .
d) La escogencia de la aproximacin inicial
0
x en el intervalo [ ] 1 0, influye en la convergencia o
divergencia del proceso iterativo de punto fijo? Justificar su respuesta.
MTODOS NUMRICOS
22. Encontrar valores aproximados de las coordenadas del punto situado en el primer cuadrante donde
se cortan las grficas de las ecuaciones 4
2 2
= + y x y
x
e y = .
Para ello, usar la tcnica de Punto Fijo, tomando como funcin de iteracin a ( ) ( )
2
4
2
1
x ln x g = en
el intervalo [ ] 1 0, . Verificar que g es una funcin de iteracin de punto fijo posible para resolver el
problema planteado y que, adems, cumple las hiptesis del teorema de punto fijo en dicho intervalo.
Concluya sobre la convergencia de la sucesin { }
n n
x generada por el mtodo de Punto Fijo, y decir
hacia dnde converge. Calcular dos iteraciones, tomando
2
1
0
= x .
23. Hallar una aproximacin de la menor raz positiva de la ecuacin 0 2 = x x
x
. Usar dos iteraciones
con la tcnica de punto fijo. Dar explcitamente un intervalo en el cual la funcin de iteracin g
escogida, satisface las hiptesis del teorema de punto fijo (probarlas!).
24. Usar el mtodo de punto fijo para determinar una aproximacin de la raz positiva de
( ) 0 1
1
=

x tan x , despus de tres iteraciones. Verificar que su funcin de iteracin cumple todas
las condiciones del teorema de punto Fijo, en el intervalo elegido por usted.
25. Considerar la ecuacin polinmica 0 10 4
2 3
= + x x .
Usar la tcnica de punto fijo para determinar una aproximacin de su raz positiva. Determinar un
intervalo apropiado y una funcin de iteracin que satisfagan todas las hiptesis del teorema de
punto Fijo. Calcular cinco iteraciones.
26. Considerar la funcin ( )

+ =
x
a
x x g
2
1
, con 0 > x .
a) Si la funcin g tiene un punto fijo, cul sera?
b) Construir un intervalo donde la funcin g satisfaga las hiptesis del teorema de punto fijo.
c) Para distintos valores de a, calcular varias iteraciones en el mtodo de Punto Fijo.
27. Usar el mtodo de Punto Fijo para calcular una aproximacin de la raz positiva ms pequea de la
ecuacin 0 =
x cos e
x
.
28. Demostrar que la ecuacin 0 2 = + x x sen tiene una nica raz en [ ]
2
3
2
1
, , y utilice el mtodo
de Punto Fijo para aproximar dicha raz con una precisin de por lo menos sus tres primeras cifras
decimales exactas.
29. El polinomio 0 18 2
3
= + es el polinomio caracterstico de una matriz A. Demostrar que
( ) 1 > A , siendo ( ) { } A / Mx A matriz la de o propi valor = .
MTODOS NUMRICOS
SOLUCIN NUMRICA DE SISTEMAS DE ECUACIONES LINEALES Y
NO-LINEALES
1. Para un sistema de ecuaciones lineales 3 3 sometido a procesos iterativos se obtuvieron:
Para el mtodo de Jacobi:
Matriz de iteracin de Jacobi:
1
1
1
]
1
0 2 0
1 0 0
1 0 0
J
B
Vector de trminos constantes independientes:
1
1
1
]
1
5
3
3
1

0
J
b
Para el mtodo de Gauss-Seidel:
Matriz de iteracin de Gauss-Seidel:
1
1
1
]
1
6
1
16
1
8
5
4
1
3
1
2
1
0
0
0
S G
B
Vector de trminos independientes:
1
1
1
]
1
12
1
6
1
16
3

S G
b
Se pide:
a) Decidir sobre la convergencia o divergencia de cada uno de los mtodos iterativos de Jacobi y
Gauss-Seidel para tal sistema.
b) Calcular
1
J
B ,
J
B ,
1
S G
B

,
S G
B , ( )
J
B y ( )
S G
B

.
c) Tomando como aproximacin inicial a
( )
1
1
1
]
1
1
1
1
0
X , calcular
( ) 1
X , en ambos procesos iterativos.
2. Considerar el sistema
'
+ +
+ +
+ +
16 4 2
9 4
15 4 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
a) Reorganizarlo de tal manera que la matriz del sistema sea E.D.D. o lo ms parecido a una matriz
de esta forma.
MTODOS NUMRICOS
b) Obtener paso a paso, en aritmtica exacta, las matrices de iteracin de los mtodos de Jacobi y
Gauss-Seidel. Adems, dar las frmulas matriciales de iteracin para ambos mtodos.
3. Considerar el siguiente sistema lineal:
'
+
+
+
19 4 2
5 2
14 4
z y x
z y x
z y x
a) Para el sistema dado, obtener la matriz de iteracin del mtodo de Jacobi (
J
B ) y el vector de
trminos independientes (
J
b ). Concluir si el proceso iterativo de Jacobi converge o no.
Justificar. Utilice aritmtica exacta.
b) Para el sistema dado, obtener la matriz de iteracin de Gauss-Seidel (
S G
B

) y el vector de
trminos independientes (
S G
b

). Concluir si el proceso iterativo de Gauss-Seidel converge o no.
Utilice aritmtica exacta.
4. Usar un procedimiento iterativo para aproximar soluciones a sistemas lineales y en el caso del
sistema
'
+
+
+ +
6 4
2 3
18 5
z y x
z y x
z y x
calcular dos iteraciones, tomando
( )
( )
T
, , X 0 0 0
0
. Examinar la convergencia o divergencia del
procedimiento iterativo que usted escogi. Conclusin y justificacin.
Si cree que es conveniente reorganizar el sistema antes de efectuar clculos, hgalo. Justificar su
decisin.
5. Para el sistema lineal siguiente:
'
+

+
3 2 4
4 3
2 5 2 3
z y x
z y x
z y x
Si alguno de los mtodos iterativos de Jacobi y Gauss-Seidel resulta convergente para el sistema
dado, calcule dos iteraciones. Dar la matriz de iteracin para los mtodos iterativos de Jacobi y
Gauss-Seidel. Justificar la convergencia. Dejar indicadas las sustituciones numricas antes de
realizar clculos.
6. Considerar el sistema de ecuaciones lineales
MTODOS NUMRICOS
'
+
+ + +
+
+ +
0 2
4 4
3 3
2 2 4
4 3 2
4 3 2 1
3 2 1
4 2 1
x x x
x x x x
x x x
x x x
a) Escriba las frmulas de iteracin y la matriz de iteracin de los mtodos iterativos de Jacobi y
Gauss-Seidel para resolver el sistema dado.
b) Determine, utilizando el procedimiento adecuado, la convergencia o divergencia de los mtodos
iterativos de Jacobi y Gauss-Seidel para el sistema dado. Si alguno de los mtodos es
convergente, calcule 10 iteraciones tomando como aproximacin inicial
( )
0
0
X y calcule
( ) ( )
9 10
X X . Concluya, si le es posible, con cuntas cifras decimales exactas aproxima
( ) 10
X a la solucin exacta X del sistema dado.
'

+
+
1 4
1 4
1 4
2 1
3 2
3 2 1
x x
x x
x x x
a) Dar una reorganizacin del sistema para que tanto el mtodo iterativo de Jacobi como el de
Gauss-Seidel sean convergentes. Justificar por qu est seguro de la convergencia.
b) Para el sistema reorganizado, dar las matrices de iteracin de los mtodos de Jacobi y Gauss-
Seidel.
c) Justificar la convergencia de ambos procesos iterativos mediante un criterio diferente al usado
en a).
d) Tomando
( )
( )
T
, , X 0 0 0
0
, dejar claramente indicadas las operaciones para calcular la
siguiente iteracin en cada uno de los mtodos iterativos de Jacobi y Gauss-Seidel.
8. Reorganizar el sistema
'

+
+
2 3
0 2
7 2 4
z x
z y
z y x
para que sea E.D.D. o lo ms parecido posible. Para los procesos iterativos de Jacobi y Gauss-
Seidel estudiar convergencia o divergencia. Justificar sus respuestas. Calcular dos iteraciones.
Utilice aritmtica exacta para los clculos.
'
+ +
+ +
+ +
16 4 2
9 4
15 4 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
MTODOS NUMRICOS
a) Reorganizar el sistema dado de tal manera que la matriz del sistema resultante sea EDD o lo
ms parecido a esta forma.
b) Obtener paso a paso, con aritmtica exacta, las matrices de iteracin de los mtodos de Jacobi
y Gauss-Seidel. Adems, dar las frmulas matriciales de iteracin para ambos mtodos.
10. Para resolver un cierto sistema 3 3 se obtuvo para Jacobi la matriz de iteracin
1
1
1
]
1
0 4 3
4 0 0
3 0 0
J
B
a) Calcular el polinomio caracterstico de
J
B , y con l, sus valores propios. Dar el radio espectral
de la matriz
J
B .
b) Las iteraciones de Jacobi convergen? Justificar su respuesta.
11. Para resolver un cierto sistema 3 3 se obtuvo para Gauss-Seidel la matriz de iteracin
1
1
1
]
1
9
1
6
1
3
2
3
1
2
1
0 0
0
0
S G
B
y como vector de trminos independientes
1
1
1
]
1
1
1
1
S G
b
a) Tomando
( )
[ ]
T
, , X 0 0 1
0
, calcular
( ) 1
X y
( ) 2
X . Dejar indicadas las operaciones matriciales
antes de efectuar operaciones.
b) Las iteraciones de Gauss-Seidel convergen? Justificar.
'
+ +
+ +
+ +
5 3
5 3
5 3
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
Reordene el sistema dado, si es necesario, de modo que los procesos iterativos de Jacobi y Gauss-
Seidel resulten convergentes, y encuentre la matriz de iteracin para cada uno de estos mtodos.
Calcular dos iteraciones para cada uno de los mtodos, tomando
( )
( )
T
, , X 0 0 0
0
. Dejar ver
claramente las sustituciones numricas antes de simplificar.
MTODOS NUMRICOS
'
+
+
8 5 10
3 2
y x
y x
a) Demostrar que el sistema dado no tiene solucin.
b) Con ayuda de un programa de computador, calcular iteraciones para los mtodos iterativos de
Jacobi y Gauss-Seidel. Examinar los resultados numricos.
14. Demostrar que para todo
n
X R , se cumple que:
a)
1 2
X X X
b)
X n X
1
c)
X n X
2
15. La matriz de un sistema lineal de n-ecuaciones con n-incgnitas es:
1
1
1
1
1
1
1
1
1
1
]
1
2 1
1 2 1
1 2 1
1 2 1
1 2
O O O
Obtener las matrices de iteracin para los mtodos iterativos de Jacobi y Gauss-Seidel. Sern
estos procesos iterativos convergentes? De serlo, a dnde convergirn?
Hacer clculos con un sistema 4 4 cuya solucin sea conocida por usted.
16. Considerar el sistema de ecuaciones
'
+
+
+
+
+
3
0 2
21 5 2 2
17 4 2
17 5 3
y x
t w z
t y x
w z y
t z x
a) Mostrar que el sistema tiene solucin nica.
b) Obtener la matriz de iteracin de cada uno de los mtodos iterativos de Jacobi y Gauss-Seidel.
c) Decidir sobre la convergencia o divergencia de los mtodos iterativos de Jacobi y Gauss-Seidel.
MTODOS NUMRICOS
d) Calcular un nmero apropiado de iteraciones (de acuerdo con sus posibilidades de clculo) para
ambos mtodos, analizar los resultados.
17. Considerar el siguiente sistema lineal
'
+
+
+
5 2
4 3
7 3
z y
z y x
z x
Para el sistema tal como est propuesto:
a) Obtener la matriz de iteracin para los mtodos iterativos de Jacobi y Gauss-Seidel. Decidir sobre
la convergencia o divergencia de estos mtodos iterativos. Justificar tericamente
(analticamente) todas sus conclusiones.
b) Reorganizar el sistema dado, si es necesario, de tal forma que el nuevo sistema resulte E.D.D. o
lo ms parecido posible. Decidir sobre la convergencia o divergencia de los nuevos procesos
iterativos que se obtendran para Jacobi y Gauss-Seidel.
18. Escoja uno de los sistemas de ecuaciones lineales propuestos en los ejercicios anteriores y mediante
un programa de computador (escrito por usted, o comercial, o DERIVE), calcular iteraciones con los
mtodos iterativos de Jacobi, Gauss-Seidel y SOR. En el caso del mtodo SOR, usar, 1 0. w ,
9 1 2 0 . w , , . w L ; incluso ensaye con 2 w . Analizar los resultados numricos obtenidos.
19. Dado el sistema no-lineal de ecuaciones
'
1
4
2 2
y x e
y x
x
a) Haga una grfica que ilustre cuntas soluciones reales tiene el sistema dado.
b) Para una de las soluciones reales, tome como aproximacin inicial un punto inicial apropiado de
coordenadas enteras
( ) ( ) ( )
( )
T
y , x X
0 0 0
y realice todos los pasos necesarios para obtener la
aproximacin
( ) ( ) ( )
( )
T
y , x X
1 1 1
, utilizando el mtodo de Newton-Raphson y el mtodo de Punto
Fijo.
c) Obtenga una aproximacin
( ) ( ) ( )
( )
T
k k k
y , x X por medio del computador, iterando hasta que
( ) ( ) 3 1
10
<
k k
X X , utilizando el mtodo de Newton-Raphson y el mtodo de Punto Fijo.
20. Resolver el siguiente sistema no-lineal
'

0
0
hy sen x cos y
hy cos senx x
usando como aproximacin inicial el punto ( )
T
9 2 , 2 0 . . y el mtodo de Newton-Raphson.
MTODOS NUMRICOS
21. Usar el mtodo de Newton-Raphson para sistemas no-lineales y el mtodo de Punto Fijo para
calcular una aproximacin de la solucin del sistema
22.
'
+
+
1
9 9
2 2
2 2
y x
y x
Tome como
( )
( )
T
X 1 , 1
0
y calcule dos iteraciones. Dejar indicadas las operaciones antes de
realizar clculos.
23. Aplicar el mtodo de Newton-Raphson y el mtodo de Punto Fijo al siguiente sistema
'
+ +
+
0 9 6 18 9
0 8 6
2 2
2 2
x y y x
x y x
Tome como punto inicial el punto ( ) 4 , 4 y calcule dos iteraciones. Utilice aritmtica exacta para los
clculos.
24. Considerar el siguiente sistema de ecuaciones no-lineales
'
+
+ +
+
1 3
2
0
2 2 2
2 2
z y
z y x
z y x
a) Usar el mtodo de Newton-Raphson y el mtodo de Punto Fijo para calcular dos iteraciones
tomando ( ) 0 , 0 , 1 como punto de partida.
b) Muestre que ( ) 0 , 0 , 1 t son solucines del sistema dado.
c) Usar un programa de computador para realizar los clculos, tomando varios puntos de partida.
25. Utilizar el Mtodo de Newton-Raphson y el mtodo de Punto Fijo para calcular varias iteraciones, en
los siguientes sistemas:
a)
'
+ +
+
0 2
21 3
2
2 3
z y x
y x
b)
'

+
0
1
2
2 2
x sen y
y x x
c)
'

+
0
0
2 2
2 2
x y x
y y x
MTODOS NUMRICOS
EJERCICIOS SOBRE INTERPOLACIN POLINOMIAL
1. Considere la siguiente tabla, donde
1 0
x x :
x
0
x
1
x
y
0
y
1
y
Deducir la frmula para el polinomio de Lagrange de grado a lo ms uno que Interpola la tabla.
2. Considere la siguiente tabla
x 0 1 2 4
y 1 1 2 5
Cuntos polinomios de grado a lo ms tres interpolan la tabla? Justificar su respuesta.
Calcular el polinomio de Newton de grado a lo ms tres que interpola la tabla. Hgalo de dos
maneras: Paso a paso (constructivamente) y mediante la tabla de diferencias divididas.
3. Considere la tabla:
x
0
x
1
x
y
( )
0
x f ( )
1
x f
Deducir la frmula para el polinomio de Lagrange de grado uno que interpole la tabla dada.
4. Considere la tabla:
x 0 1 2 4
( ) x f y
1 1 2 5
Obtener el polinomio de Newton de grado a lo ms tres que interpole la tabla dada.
5. Considere la funcin ( )
x
x f 2
2
1
para ( ) , x .
a) Calcular el polinomio ( ) x p que interpola a ( ) x f en los nodos 0
0
x , 1
1
x , 2
2
x y
3
3
x .
b) Calcular el error relativo que se comete al aproximar ( )
2
3
f mediante ( )
2
3
p .
6. El polinomio de Newton ( ) ( ) 6
9
1
2
2
x x x x p interpola la tabla x vs. y
MTODOS NUMRICOS
0
x
1
x
2
x
x 0 6 15
y 0 12 15
0
y
1
y
2
y
Se agrega como cuarto nodo a 30
3
x y 0
3
y . Se pide calcular el polinomio de Newton ( ) x p
3
que interpola la nueva tabla.
Los cuatro puntos de la tabla se obtuvieron de la semicircunferencia de la figura siguiente (radio 15).
Usar la frmula simple de Simpson ( )
3
1
para aproximar el rea del semicrculo, con ayuda de los
polinomios ( ) x p
2
y ( ) x p
3
. Estudiar la calidad de esta aproximacin y conclur. Calcular los errores
relativos.
7. Considere una tabla de 4 entradas, en la que
3 2 1 0
x x , x , x y son nmeros distintos:
x
0
x
1
x
2
x
3
x
y
0
y
1
y
2
y
3
y
Llame ( ) 3 2 1 0 , , , k , f x f y
k k k
.
a) Plantear una expresin para el polinomio de grado cero ( ) x p
0
que interpola la primera columna
de la tabla. Verificar que ( ) [ ]
0 0 0 0 0
c x f f y x p .
b) Escriba una expresin para el polinomio de grado a lo ms uno, ( ) x p
1
que interpola las dos
primeras columnas de la tabla, construido a partir de ( ) x p
0
.
Verificar que ( ) ( ) [ ] ( ) [ ]
1 01
0 1
0 1
1 0 0 1 0 0 1
c : f :
x x
f f
x , x f x x x , x f x p x p
+ donde
c) Con la misma idea obtener ( ) x p
2
a partir de ( ) x p
1
.
Verificar que ( ) ( ) ( )( )
1 0 012 1 2
x x x x f x p x p + ,donde
MTODOS NUMRICOS
[ ] [ ]
[ ]
2 012 2 1 0
0 2
1 0 2 1
c : f : x , x , x f :
x x
x , x f x , x f

Usted notar que la expresin de

012
f no aparece explcita sino que se debe construir.
d) Con la misma metodologa obtener ( ) x p
3
a partir de ( ) x p
2
.
Verificar que ( ) ( ) ( )( ) ( )( )( )
2 1 0 0123 1 0 012 2 3
x x x x x x f x x x x f x p x p + + , donde
[ ] [ ]
[ ]
3 0123 3 2 1 0
0 3
2 1 0 3 2 1
c : f : x , x , x , x f :
x x
x , x , x f x , x , x f

Para efectos de simplificar an ms la escritura se sugiere introducir la notacin

i j j i
x : x x .
Usted notar que le aparece
23 13 03
13 03 012 03 01 0 3
3
x x x
x x f x f f f
: c

Concntrese y sea paciente para construir

3
c . Por ejemplo, avanzando
( ) ( )
01 01 12 12 23 23 01
01
0 1
12
12
1 2
23
23
2 3
0 3
x f x f x f x
x
f f
x
x
f f
x
x
f f
f f + +
, etc.
Pero recuerde que tambin puede retroceder, empezando con la expresin que se dio de
3
c .
8. Considere la siguiente tabla, que tiene como elementos
x
( ) x f ( ) x f ( ) x f
1 2 3
2 6 7 8
Construir la tabla de diferencias divididas. Recordar que debe repetir la fila para 1 x , y para 2 x
se plantean tres filas. Adems, debe usar la definicin de diferencia dividida con repeticin.
Dar el polinomio de Hermite que ajusta los valores de la tabla dada.
Respuesta: ( ) ( ) ( ) ( ) ( ) ( ) ( )
2 2 2 2
2 1 2 1 2 1 1 3 2 + + + x x x x x x x p
9. Considere la siguiente tabla:
x
( ) x f ( ) x ' f
0 2 9
1
4
4
2 44
Usar el mtodo de diferencias divididas con repeticin para calcular un polinomio de grado 4 que
ajuste los valores de la tabla. Verificar que su respuesta satisface lo esperado.
MTODOS NUMRICOS
10. Ampliando la tabla del problema 9 con ( ) 2 3 f , obtener un polinomio que ajuste la nueva tabla.
Verificar su respuesta.
11. Considere la siguiente tabla:
k
k
x
k
f
k
f
k
f
0 0 1
2
6
1 1 1 0 8
Usar el mtodo de diferencias divididas con repeticin para obtener el Polinomio de Hermite de grado
5 correspondiente que interpola la tabla. Verificar.
12. Lo mismo que en el problema 11, pero para la siguiente tabla:
x
( ) x f y ( ) x f y ( ) x f y
0 1
1 2 3
3 1 2 3
4 2 5 6
13. Usando la Tcnica de Hermite, calcular el Trazador Cbico Sujeto que interpola la tabla:
x y
y
1
6 0
0 9
2 6
1
14. Usando la tcnica de Hermite, calcular el Trazador Cbico Natural que interpola la tabla:
x y
1 6
0 9
2 6
15. Calcular el polinomio que interpola la tabla siguiente:
x y y y
1 1
0
1
0 0
2 7
MTODOS NUMRICOS
16. Calcular el polinomio que interpola la tabla siguiente:
x y y y
-1 -1 4 -6
1 3 4 6
17. Considerar la funcin ( ) x T definida como sigue:
( )
'
+ +
+
+ +
4 3 271 109 34 3
3 1 28 28 7
1 0 26 22 2
2 3
2
2 3
x , x x x
x , x x
x , x x x
x T
Explicar cules propiedades cumple y cules no cumple ( ) x T para ser un Trazador Cbico natural
de la siguiente tabla:
x 0 1 3 4
y 26 7 7 187
18. Considere la tabla siguiente, en la cual
0
x ,
1
x ,
2
x ,
3
x y
4
x son nmeros distintos:
x
0
x
1
x
2
x
3
x
4
x
y
0
y
1
y
2
y
3
y
4
y
Con precisin, expresar todas las propiedades que debe tener el Spline Cbico ( ) x T natural, que
interpole la tabla dada.
19. Considerar la siguiente funcin:
( )
[ ]
[ ]
'
+ +
+
1 0 7 11 27 14
0 1 7 11 5
2 3
2
, x , x x x
, x , x x
x S
a) Inspeccionar si ( ) x S satisface o n la siguiente tabla: x vs. y :
x
y
1
13
0 7
1 9
b) Determinar si la funcin ( ) x S es un Trazador Cbico natural para la tabla dada en a). Precisar
cules condiciones se cumplen y cules no. Analice y concluya.
MTODOS NUMRICOS
20. Calcular el Trazador Cbico natural que interpola la siguiente tabla, x contra y :
x y
0 0
2
2
3 0
Explicar cada uno de los pasos dados para hallar el Trazador.
21. Calcular el Trazador Cbico ( ) x S para la tabla siguiente x vs. y:
x
1
1 2
y 0 2 0
que satisfaga ( ) 1 0 S y ( ) 0 2 S . Verificar que sus clculos sean correctos.
22. Calcular el Trazador (Spline) Cbico natural T que interpola la tabla x vs. y:
x 0 1 3 4
y
1
1 37 67
Usar aritmtica exacta para los clculos. Graficar x vs. ( ) x T , x vs. ( ) x T , y x vs. ( ) x T .
23. Calcular el Trazador cbico que interpola la tabla
x 0 1 3 4
y -1 0 26 60
y 39
y 0
24. Considerar la tabla siguiente en la cual x
o
<x
1
< x
2
< x
3
< x
4
:
x
0
x
1
x
2
x
3
x
4
x
( ) x f y
0
y
1
y
2
y
3
y
4
y
Llame ( ) x T el Trazador (Spline Cbico) que interpola la tabla dada. Mirando a ( ) x T como una
funcin, precisar su dominio
T
D , su Codominio y la regla para calcular ( ) x T con
T
D x .
Cuntos coeficientes no conocidos le aparecen en la regla para calcular ( ) T x ?
Enuncie las condiciones que le va a imponer a ( ) x T , que permitirn el clculo de lo no conocido en
( ) x T . Tiene tantas condiciones como incgnitas?
MTODOS NUMRICOS
Explique dos maneras usuales de completar las condiciones (Trazador sujeto, Trazador natural).
Dar explcitamente a ( ) x T y ( ) x T .
Hacer grficas ilustrativas de x vs. ( ) x T , x vs. ( ) x T y x vs. ( ) x T . Completar en los casos
siguientes:
( ) x T es polinomial de grado ___?____ a trozos.
( ) x T es polinomial de grado ___?___ a trozos.
( ) x T es polinomial de grado ___?____ a trozos.
25. Continuacin problema 24.
Para obtener el Trazador cbico que interpola la tabla dada, se seguir la siguiente estrategia: Como
( ) x T es lineal a trozos, dando por conocida su ecuacin, podremos integrar dos veces para
obtener ( ) x T . Simultneamente, usamos las condiciones sobre ( ) x T y ( ) x T para obtener las
constantes de integracin consiguiendo al final un sistema de 1 + n ecuaciones con 1 + n
incgnitas.
Para los datos ( ) ( ) ( )
n n
y , x ,..., y , x , y , x
1 1 0 0
desarrolle la idea general anterior as:
Llame
( ) ( ) ( )
1 1 0 0 n n
z x T ,..., z x T , z x T (1)
se desconocen los nmeros
n
z ,..., z , z
1 0
.
Escriba la ecuacin de la recta que pasa por ( ) ( ) 1 1 0
1 1

+ +
n ,..., , i , z , x z , x
i i i i
y en un plano
y x . Para [ ]
1 +
i i
x , x x , considere la funcin ( ) x p
i
.
Para [ ]
1 +
i i
x , x x integre dos veces entre x x
i
y . Verificar que obtiene:
( ) ( )( ) ( ) ( ) ( )
i i i i i i i
i
i
i
i
i
i i i i
y h z x x h z x x
h
z
x x
h
z
x x x ' p x p + + + +
+
+ 2 3
1
3 1
6
1
2
1
6
1
6
1
.......(2)
donde
i i i
x x h
+1
.
Calcule ( )
1 + i i
x p , despeje ( )
i i
x p y sustityalo en (2), obteniendo para 1 2 1 0 n ,..., , , i :
( ) ( ) ( ) ( ) ( ) ( )
i i i i
i
i
i
i
i
i
i
i i
i i i i i i i
y h z x x
h
z
x x
h
z
x x
h
y y
x x h z x x h z x p + + +
+
+
+ +
+
2 3
1
3 1 1
1
6
1
6
1
6
1
6
1
6
1
La ecuacin anterior se puede escribir en la forma:
( ) ( ) ( ) ( ) ( ) ( )
i i i i
i
i
i i i i
i i
i
i
i
i
i
i
i
i
i
y h z x x
h
y
x x h z x x
h z
h
y
x x
h
z
x x
h
z
x p + +
,
_
+ +
+ + +
+
2 1 1 3 1 3
1
6
1
6
1
6 6
1
6
1
para [ ] 1 1 0
1

+
n ,..., , i , x , x x
i i
.
MTODOS NUMRICOS
Donde sea conveniente cambie
i
x por su igual
i i
h x
+1
, para conseguir la expresin
( ) ( ) ( ) ( ) ( )
1
1 1 3 1 3
1
6 6 6
1
6
1
+
+ + +
+

,
_
,
_
+ +
i
i
i i i
i
i i
i
i
i
i
i
i
i
i
i
x x
h
y h z
x x
h z
h
y
x x
h
z
x x
h
z
x p
(3)
para [ ] 1 1 0
1

+
n ,..., , i , x , x x
i i
.
De las condiciones impuestas an no se ha usado la existencia de la primera derivada en los nodos
interiores
1 2 1 n
x ..., , x , x .
Use que ( ) ( ) 1 2 1
1

n ,..., , i , x p x p
i i i i
para obtener que
( ) ( ) ( ) 1 2 1
6 6
2
1
1
1 1 1 1 1
+ + +

+ +
n ,..., , i , y y
h
y y
h
z h z h h z h
i i
i
i i
i
i i i i i i i
Para 1 2 1 n ,..., , i , llame ( )
i i i
h h : u +
1
2 , ( )
i i
i
i
y y
h
: b
+1
6
,
1

i i i
b b : v .
Darle valores a 1 2 1 n ,..., , i para conseguir el sistema de 1 n ecuaciones lineales en las
1 + n incgnitas
n
z ,..., z , z
1 0
siguiente:
'
+ +
+ +
+ +
+ +
1 1 1 1 2 2
3 4 3 3 3 2 2
2 3 2 2 2 1 1
1 2 1 1 1 0 0

n n n n n n n
v z h z u z h
v z h z u z h
v z h z u z h
v z h z u z h
M
En el caso del Trazador Cbico natural, dar el sistema lineal de 1 n ecuaciones con incgnitas
1 2 1 n
z ,..., z , z . Pruebe que la matriz de coeficientes del sistema es E.D.D. por filas. Observar que
el sistema es tridiagonal.
Qu hara usted para definir el Trazador una vez conseguidos
1 2 1 n
z ,..., z , z ?
En el caso del Trazador sujeto, se dan como datos
n
y y
0
y . De la ecuacin donde se tiene ( ) x p
i
para [ ] 1 1 0
1

+
n ,..., , i , x , x x
i i
, obtener:
0 0 1 0 0 0
6 2 y b z h z h + y
n n n n n n
y b z h z h + +

6 2
1 1 1 1
Escribir el sistema lineal de 1 + n ecuaciones con las 1 + n incgnitas
n
z ,..., z , z
1 0
. Observe que el
sistema es tridiagonal y la matriz de coeficientes es E.D.D. por filas (probarlo!).
Cmo calcular el Trazador sujeto ( ) x T ?
MTODOS NUMRICOS
26. Considere la ecuacin 0 9
x
x
a) Graficar x y y
x
y

9 . En qu intervalo parecen cortarse. Cmo se interpreta esto para la
ecuacin dada?
b) Defina ( )
x
x x f

9 . Construya la tabla de valores de la funcim f para los nmeros
1
2
1
0
2 1 0
x x , x y , y para estos datos haga lo siguiente:
i. Obtenga el polinomio de interpolacin de Newton para la tabla.
ii. Use frmulas del problema (6) para obtener el Trazador cbico natural que intepola la tabla.
iii. Use las aproximaciones polinomiales, obtenidas en i. y ii. para estimar la raz de ( ) 0 x f .
En caso necesario, use DERIVE o su calculadora para ayudarse en los clculos y en la comparacin
y discusin de resultados. Las soluciones son:
Para la parte i.: ( ) ( )
2
1
9
8
3
7
1
2
+ x x x x p
Para la parte ii. : ( )
( )
'
1
]
1
+
1
]
1
1
2
1

12
11
36
65
1
9
13
2
1
0 1
36
71
9
13
3
3
, x , x x
, x , x x
x T
27. Para la siguiente tabla
x 1 0 1 2
( ) x f y
0 3 11 24
Calcular el Trazador cbico natural que interpola la tabla. Seguir los lineamientos del problema 25.
28. Considerar la tabla
x 2 0
( ) x f y
1
1
( ) x f y 2
( ) x f y 1
Usar la tcnica de Hermite para obtener el polinomio que interpola la tabla dada.
Si la tabla se completa con ( ) ( ) 1 1 2 1 f f y , calcular el polinomio que cumple con todos los
datos.
28. Los datos de la siguiente tabla corresponden a una cierta funcin f .
MTODOS NUMRICOS
x
( ) x f y ( ) x ' f ' y
1 4
2
1 4
2 11 12
Analizar si la funcin ( ) x T definida mediante:
( )
'
+
+
2 1 3
1 1 3
3
2
x , x
x , x
x T
es o no el Trazador cbico sujeto que interpola la tabla dada de la funcin f. Indicar cules
propiedades satisface y cules no.
29. Considerar la siguiente funcin T:
( )
'
+ +
+ +
1 0
6
1
2
1
2 1
0 2
2
1
2
1
2 1
3 2
3 2
x , x x x
x , x x x
x T
a) Calcular ( ) x ' T , ( ) x T . Graficar a ( ) x T , ( ) x ' T y ( ) x T .
b) Estudiar si T es el Trazador cbico natural de la siguiente tabla:
x
2
0 1
( ) x f y
1
1
2
29. Calcular el trazador cbico que ajusta la tabla:
x 0 1 3
y 0 2 2
' y 0 6
30. Discutir el problema de encontrar un polinomio ( ) x p de grado menor o igual que tres, que tome los
valores ( ) 0 0 p , ( ) 1 1 p y ( ) 2
2
1
p . Utilizar dos mtodos.
31. Discutir el problema de encontrar un polinomio ( ) x p de grado menor o igual que dos que tome los
siguientes valores: ( ) 0 0 p , ( ) 1 1 p y ( ) 2
2
1
p . Utilizar dos mtodos.
32. Qu condicin se debe imponer a los nodos
0
x y
1
x para que el problema de interpolacin
( ) ( ) 1 0
2 0
, i , c x p , c x p
i i i i
se resuelva con un polinomio cbico ( ) x p , para cualquier
escogencia de los valores
2 0 i i
c , c ?.
TALLER SOBRE INTEGRACIN NUMRICA
1. a) Calcular un valor aproximado para la longitud de la curva ( )
3
x x f = desde 0 x = hasta
1 x = . Hacer un grfico de la funcin f. Usar: Regla trapezoidal y Simpson
3
1
.
b) Hacer un cambio de variable que lleve su intervalo de integracin al intervalo de la
Cuadratura Gausssiana. Consultar en una tabla de Cuadratura Gaussiana los
coeficientes y los nodos, para 1 n = , 2 n = y 3 n = . Calcular, comparar los resultados.
c) Calcular el valor exacto de la longitud de arco. De ser necesario, usar tablas de
integracin. Comparar. Calcular errores relativos.
2. Lo mismo que en el problema 1. pero para la funcin ( )
x
e x f

= .
Con relacin al literal c), si considera que el valor exacto no lo puede obtener, hallar los tres
primeros trminos de la serie de Taylor para el integrando, alrededor de
2
1
0
x = . Calcular
y comparar.
3. Formular la integral que da el rea de la superficie de revolucin que se obtiene al girar la
regin bajo la curva ( ) x f y = , alrededor del eje x, y para cada una de las siguientes
funciones: ( ) [ ] 1 0 x , x x f
3
, = y ( ) [ ] 1 0 x , e x f
x
, =

.
Proceder en la misma forma que en el problema 1.
4. Calcular un valor numrico para 2 ln , usando una integral.
5. Para ( )
b
a
dx x f deducir: 1) La frmula trapezoidal simple, y 2) la frmula para el trmino de
error de esta aproximacin.
6. Usar el mtodo de coeficientes indeterminados para deducir la frmula de Simpson
3
1
que
aproxima ( )
b
a
dx x f .
7. Expresar ( )
b
a
dx x f como una integral en [ ] 1 0, , usando un cambio de variable lineal (sin
cambiar su valor).
8. De una cierta cantidad fsica ( ) t Q , se obtuvo en el laboratorio la siguiente informacin:
t 0 0.5 1.0 1.5 2.0
( ) t Q
3 2 2.5 2.8 2.9
i. Escoger un mtodo para aproximar ( )
2
0
dt t Q . Dar la frmula general de mtodo
seleccionado.
INTEGRACIN NUMRICA
2
ii. Hallar un valor aproximado para ( )
2
0
dt t Q , usando el mtodo definido en i. Que use los
cinco datos dados en la tabla.
iii. Exhibir con claridad el paso que corresponde a la situacin numrica en la frmula.
9. Mostrar que

+
=
1
1
1
0
dx
x 1
2
x 1
sen
dt
t
sent
.
10. Mostrar que
( )

1
1
8
1 x
1
0
2
t
dx
2
e
2
1
dt e
2
1
2
2
.
11. Mostrar que ( ) ( ) ( ) ( ) ( )

+ + =
1
1
2
1
2
1
b
a
dt a b t a b f a b
2
1
dx x f .
12. Calcular el trmino de error E para que
( ) ( ) ( ) [ ] E b f a f
2
a b
dx x f
b
a
+ +
Precisar la frmula para E, y dar una cota para el error absoluto, correspondiente a E.
Suponer que f(x) tiene sus dos primeras derivadas continuas en [ ] b a, .
13. Usar la regla de Simpson
3
1
para calcular una aproximacin de
+
+
2
5
2
dx
x 1
x
.
14. Deducir la frmula trapezoidal simple para aproximar ( )
b
a
dx x f . Dividir el intervalo [ ] b a, en
N subintervalos, aplicar regla trapezoidal simple en cada uno de los subintervalos, totalizar,
buscar regularidades. Compare lo obtenido por usted con lo que presenta el texto de su
confianza.
15. Deducir la frmula simple de Simpson
3
1
para aproximar ( )
1
1
dx x f , exigiendo que la frmula
( ) ( ) ( ) 1 Cf 0 Bf 1 Af + + sea exacta para polinomios hasta de grado 2. Cmo extiende la
frmula anterior para que sea aplicable para aproximar ( )
b
a
dx x f ? Continuar con las mismas
ideas del problema 14.
INTEGRACIN NUMRICA
3
16. Plantear el sistema de ecuaciones que permite determinar las constantes A, B c y C tales
que la frmula ( ) ( ) ( ) 1 Cf c Bf 0 Af + + es exacta para calcular ( )
1
0
dx x f , cuando f(x) es un
polinomio hasta de grado 3. Verificar que los coeficientes y nodos de la regla de Simpson
3
1
satisfacen el sistema. Existirn otras soluciones?
17. Plantear el sistema de ecuaciones que permite determinar las constantes A, B, c, C, d y D
tales que la frmula ( ) ( ) ( ) ( ) 1 Df d Cf c Bf 0 Af + + + es exacta para calcular ( )
1
0
dx x f , cuando
f(x) es un polinomio hasta de grado 5.
18. Hallar un coeficiente C y nodos
2 1 0
x y x , x para que la frmula ( ) ( ) ( ) [ ]
2 1 0
x f x f x f C + +
sea exacta para calcular ( )
1
1
dx x f cuando f(x) es un polinomio cuadrtico. Verificar, con
algunos casos particulares, que la frmula obtenida funciona.
19. Usar el mtodo de coeficientes indeterminados para encontrar las abscisas
2 1
x y x y los
pesos
1
w y
2
w tales que la frmula ( ) ( ) ( )
2 2 1 1
1
1
x f w x f w dx x f +
sea exacta para todos

los polinomios de grado a lo ms tres.
20. Usar una frmula de Cuadratura Gaussiana para estimar el valor de
( ) ( )
=
0
0
d xsen
1
x J cos en 1 x = . ( ( ) x J
0
: Funcin de Bessel de orden cero). Compare
su respuesta con la conseguida en tablas para ( ) 1 J
0
(*) en calculadora o en DERIVE.
(*) Manual de Frmulas y Tablas Matemticas, M. R. Spiegel.
21. Usar la frmula simple de Simpson
3
1
(nicamente) para aproximar la integral:
( )

2
0
2
x 2
2
dydx y 4
Es exacto el valor calculado? Justificar.
22. Usar solamente la regla simple de Simpson
3
1
para calcular un valor aproximado de
( )dydx y 4 x
2
0
x 4
0
2 2
2
2
1

+
Es aceptable la aproximacin? Justificar su respuesta.
INTEGRACIN NUMRICA
4
23. Calcular los coeficientes A, B y C tales que la frmula de Cuadratura:
( ) ( ) ( ) 1 Cf
2
1
Bf 0 Af dx x f
1
0
+
(1)
sea exacta para polinomios de grado menor o igual que dos. Verificar que la frmula
obtenida tambin resulta exacta para polinomios de grado tres. Obtenga la frmula
equivalente de (1) para ( )
b
a
dx x f .
24. En algunas aplicaciones aparece la funcin H(x) definida por:
( ) [ ) 1 0 x para , d sen x 1
x 1
1
x H
2
0
2 2
2
,
Usar la regla de Simpson

3
1
para obtener una aproximacin de H(x) y
2
1
H . Para
2
1
H
consultar en tablas el valor y comparar.
25. Considerar la integral
0
2
dx x sen .
i) Usar las frmulas simple de los Trapecios y Simpson
3
1
y Cuadratura Gaussiana de 4
nodos para hallar valores aproximados de la integral.
ii) Calcular el valor exacto de la integral.
iii) Calcular los errores relativos. Analizar.
2
0
dx x arctan .
i) Usar las frmulas simple de los Trapecios y Simpson
3
1
y Cuadratura Gaussiana de 4
nodos para hallar valores aproximados de la integral.
ii) Calcular el valor exacto de la integral (Usar tablas, calculadoras, DERIVE).
iii) Calcular los errores relativos. Analizar.
27. Obtener un valor aproximado de la integral
( )

3
1
2
1
2
dxdy y 3 x 2
INTEGRACIN NUMRICA
5
Usar nicamente la regla de Simpson
3
1
. Dar el valor exacto del error que se comete en la
aproximacin. Justificar.
28. Obtener un valor aproximado de la integral
( )

2
0
4
2
2 2
dxdy 17 y x
Usar nicamente la regla de Simpson
3
1
. Dar el valor exacto del error que se comete en la
aproximacin. Justificar.
29. Construir una regla de integracin de la forma
( ) ( )
+ +
2
1
f A 0 f A
2
1
f A dx x f
2 1 0
1
1
que sea exacta para todos los polinomios hasta de grado menor o igual que dos.
30. Considerar la integral doble

2
0
1
0
2
dxdy x 1 y
En qu orden aplicar las reglas trapezoidal y Simpson
3
1
? Calcular el error relativo.
31. Calcular una aproximacin al volumen de la octava parte de una esfera de radio uno. Usar
frmula de Simpson
3
1
, nicamente. Calcular el error relativo.
32. Considerar la integral impropia:
dt
t
1
sen
t
1
1
2 2
+
i. Convertir la integral dada en ( )
1
0
2
dx x sen .
ii. Calcular una aproximacin de la integral dada usando la regla de Simpson
3
1
, y a partir
de los cuatro primeros trminos de la expansin en serie de Taylor de ( )
2
x sen .
Comparar con los resultados de su calculadora y de un paquete computacional como
DERIVE.
33. Usar la regla de Simpson
3
1
para calcular
1
0
x
dx
x
e
.
INTEGRACIN NUMRICA
6
34. Mostrar que
2
0
xdx tan es divergente. Qu valores daran la regla de Simpson
3
1
y la
Cuadratura de Gauss para dos puntos?
35. Muestre que
1
0
x
dx
es convergente. Obtener una aproximacin con el mtodo de
Cuadratura Gaussiana para dos puntos. La regla de Simpson
3
1
le da algn resultado
numrico? Si es posible, en ambos casos calcular el error relativo.
36. Considerar la integral impropia
( )

3
0
2
1 x
dx
i. Analizar la convergencia o divergencia de la integral dada.
ii. Analizar el resultado numrico que se consigue aplicndole la regla simple de Simpson
3
1
.
+
4
0
dt t 1
Obtener aproximaciones con distintas frmulas de cuadratura y su calculadora. Calcularla
tambin exactamente. Calcular los errores relativos.
38. Probar que los coeficientes y nodos de la regla de Simpson
3
1
forman la nica solucin al
sistema no-lineal conseguido en el problema 16.
MTODOS NUMRICOS
Universidad Nacional de Colombia - Sede Medelln
1
EJERCICIOS SOBRE PROBLEMAS DE VALOR INICIAL Y PROBLEMAS
DE VALOR EN LA FRONTERA
1. Considere la funcin polinmica ( ) 1
2 3 4 10
+ + + + + x x x x x x p con [ ] 1 0, x .
a) Para 1 0 , obtenga una cota superior para
( )
( )
3
p .
b) Pruebe que ( ) ( )
3 2
1 x O x x x p + + + cuando 0 x .
2. Demostrar que ( )
3 2
2
1
1 h O h h cos + cuando 0 h .
3. Usar expansiones en serie de Taylor para demostrar que
( )
( ) ( )
( )
2
2
h O
h
h t x h t x
t ' x +
+
( )
( ) ( ) ( )
( )
2
2
2
h O
h
h t x t x h t x
t ' ' x +
+ +
4. Demostrar que el P.V.I.

( )
'
+ +
0 0
1
x
t cos x x ' x
tiene solucin nica en cualquier intervalo que contenga 0 t . Realizar la prueba de dos formas.
5. Considere el P.V.I.
( )( )
( )
'
+ +
1 0
1 1
x
x t ' x
a) Dar la frmula de avance de t a h t + para el Mtodo de Euler. Con un paso 1 0. h , calcular
aproximaciones para ( ) ( ) 2 0 1 0 . x . x y .
b) Dar la frmula de avance de t a h t + para un mtodo de Taylor que use los tres primeros
trminos. Con un paso de 1 0. h , calcular una aproximacin para ( ) 1 0. x y ( ) 2 0. x .
6. Considerar el P.V.I.
( ) ( )
( )
'
+
0 0
2
x
e t t x t ' x
t
Se pide:
a) Dar la frmula de avance de t a h t + para un mtodo de Taylor que utilice los cinco (5)
primeros trminos de la expansin en serie de Taylor de ( ) t x alrededor de t .
MTODOS NUMRICOS
2 Universidad Nacional de Colombia - Sede
b) Calcular ( ) ( ) t ' ' ' x , t ' ' x y
( )
( ) t x
4
.
c) Calcular ( ) ( ) ( ) 0 0 0 x x x , , y
( )
( ) 0
4
x .
d) Calcular una aproximacin de ( ) 1 0. x usando la frmula en a).
e) Calcular aproximaciones para ( ) 1 0. x , ( ) ( ) 1 0 1 0 . x . x , y
( )
( ) 1 0
4
. x .
f) Callcular una aproximacin de ( ) 2 0. x , usando la frmula en a).
( )
'
+
0 0
1
2
y
y ' y
a) Determinar si el P.V.I. tiene solucin y si es nica. (Justificar).
b) Hallar la solucin exacta del P.V.I. Dar un intervalo abierto donde la solucin satisface el P.V.I.
dado.
c) Deducir la frmula de avance de
k
Y a
1 + k
Y , para el mtodo de Euler.
d) Usar el mtodo de Euler para obtener una aproximacin de ( ) 4 0. y , con tamao de paso h 0 2 . .
En ambos pasos dejar explcitas e indicadas las sustituciones numricas. Usar aritmtica exacta.
e) Calcular el error relativo de la aproximacin para ( ) 4 0. y .
8. Para el P.V.I. del problema 7, escribir la expansin en serie de Taylor de ( ) t y alrededor de 0 (cero),
tomando nicamente los tres primeros trminos. Usar lo anterior para obtener la frmula de avance
explcita del mtodo de Taylor de los tres primeros trminos.
( )
'

+
3 1
2
x
x sen t t cos ' x
Usar expansin en serie de Taylor para x, tomando solamente los cuatro primeros trminos, para dar
la frmula de avance de 1 a h + 1 .
( ) ( ) ( ) ( )
( )
'
+ +
1 0
1 1
y
t y t t ' y
a) Justificar que el P.V.I. tiene solucin nica.
b) Calcular la solucin exacta del P.V.I.
c) Escribir la frmula de avance de t a h t + para el mtodo de Euler. Usar tamao de paso
1 0. h para calcular una aproximacin de ( ) 2 0. y . Calcular el error relativo.
11. Para el P.V.I. enunciado en 10:
MTODOS NUMRICOS
3
a) Dar la frmula de avance de t a h t + para un mtodo de Taylor que use los tres primeros
trminos. Con un tamao de paso de 1 0. h , calcular un valor aproximado de ( ) 2 0. y .
b) Calcular el error relativo para la aproximacin obtenida en a).
( ) ( )
( )
'
+
3 2 y
y x ln x y
Determinar valores de a, b, c y d, tales que un teorema de existencia y unicidad, aplicado al
rectngulo ( ) { } d y c b x a R y , x R
2
y , garantice existencia y unicidad de la
solucin. Justificar.
( ) ( )
( )
'
+
e y
t y e t ' y
t
1
a) Con un tamao de paso h, para el mtodo de Euler, obtener la frmula de avance de
k
t a
1 + k
t .
b) Con un tamao de paso h, para el mtodo de Taylor de los tres primeros trminos, obtener la
frmula de avance de
k
t a
1 + k
t .
c) Aproximar ( ) 1 0. y en los casos a) y b).
( ) ( )
( )
'
1 0 y
t cos t y t ' y
Usar un tamao de paso 1 0. h para calcular dos pasos por medio de los mtodos de Euler, Taylor
de los tres primeros trminos, Runge-Kutta de orden dos, Taylor de los cinco primeros trminos y
Runge-Kutta de orden cuatro. Consignar los resultados en una tabla. Calcular los errores relativos
para cada una de las aproximaciones obtenidas.
15. Convertir el P.V.I.
( ) ( )
( )
'
1 0 x
t cos t x t ' x
en un sistema de E.E.D.D. de primer orden autnomo. Representar el sistema en forma vectorial.
Para un tamao de paso 1 0. h , calcular dos pasos, por medio del mtodo Runge-Kutta, de cuarto
orden. Para ambos resultados, calcular el error relativo.
16. Considerar la ecuacin diferencial ( ) ( ) x f x ' y
x
2
2
1
, con condicin inicial ( ) 0 0 y .
MTODOS NUMRICOS
a) Obtener el polinomio que interpola a ( ) x ' y en 1 0
1 0
x x , , 2
2
x y 3
3
x . Usarlo para
calcular
,
_
2
1
y ,
,
_
2
3
y y
,
_
2
5
y .
b) Lo mismo que en a), pero interpolando el trazador sujeto para la tabla x vs. ( ) x ' y .
c) En a) y b), comparar con los valores exactos.
d) Estudiar los resultados.
( )
( )
'
1 0
2
y
yx x ' y
a) Mostrar que ( )
2
x
e x y es la solucin exacta del P.V.I. dado.
b) Hallar los cuatro primeros trminos para la expansin en serie de Taylor para ( ) x y , alrededor de
cero.
c) Usar la regla Trapezoidal para mostrar que ( )
2
1
1
h
h y
, con h h 0, "pequeo".
d) Halle los cuatro primeros trminos de la expansin en serie de Taylor de
2
1
1
h
, alrededor de
cero.
e) Dibujar, usando DERIVE, por ejemplo, ( )
2
x
e x f y ( )
2
1
1
x
x g
. Calcular ( ) ( ) x g x f , en
02 0 01 0 . . x x , , 1 0 08 0 . . x x , , con DERIVE, aritmtica mixta y 30 dgitos.
f) Analizar los resultados. Formular conclusiones.
( )
( )
'

0 0
2
y
e x y
x
a) Mostrar que la funcin ( ) dt e x y
x
t
0
2
es la solucin del P.V.I. dado.
b) Usar la regla Trapezoidal para mostrar que ( ) h h e h h h y
h
0
2
1
2
, , + "pequeo".
c) Calcular (con DERIVE, por ejemplo), ( ) ( ) 01 0 1 0 . . y y , y ( ) 001 0. y ; ( )
2
2
1
2
1
h
e h h h g + : , en
los mismos valores.
d) Analizar los resultados. Sacar conclusiones.
'
0 ) (
) ( ) ( '
a u
t f t u
con f una funcin continua.
MTODOS NUMRICOS
5
a) Mostrar que ( ) ( )ds s f t u
t
a
es la solucin al P.V.I. dado.

b) Aplicar el mtodo Runge-Kutta 4 para aproximar ( ) h t u + , suponiendo que se conoce ( ) t u .
c) Cmo le result ( ) ( ) t u h t u + ? Justifique que ( ) ( ) ( )ds s f t u h t u
h t
t
+
+ .
d) Analizar sus resultados.
( ) ( )
( )
'

1 0
'
w
w w
a) Mostrar que el P.V.I. tiene una nica solucin. Encontrar tal solucin.
b) Escribir la expansin en serie de Taylor para ( ) w , alrededor de cero.
c) Al resolver b), posiblemente observ que ( ) ( )
( )
( )
4
w w w , etc. Cmo concluye que
( ) ( ) 0 ... w w ?
d) Qu mtodo numrico result en b)? Cul es el error relativo para cada aproximacin calculada
mediante este mtodo?
( ) ( ) ( ) ( )
( )
'
+ +
1 0
1 1
y
t y t t ' y
a) Convertir el P.V.I. dado en un sistema de ecuaciones diferenciales de primer orden autnomo.
b) Expresar el sistema conseguido en a) en forma vectorial.
c) Usando el mtodo Runge-Kutta de orden cuatro (4) para sistemas autnomos, obtener una
aproximacin de ( ) 1 0. y . Dejar claramente indicado el proceso de clculo numrico.
( ) ( ) ( )
( )
'
0 0
x t x
t x , t f t ' x
en un sistema de E.E.D.D. de primer orden autnomo. Representar el sistema en forma vectorial.
Para un tamao de paso h, dar la frmula de avance del mtodo Runge-Kutta, cuarto orden.
23. Hallar una aproximacin en 25 0. t de la solucin del siguiente problema de valor inicial:
( ) ( ) 0 0 1 0 0 6
2
2
' y y y
dt
dy
dt
y d
; ;
Use el mtodo de Runge-Kutta 4. Calcule el error relativo en el clculo realizado.
MTODOS NUMRICOS
( ) ( ) ( )
( )
( )
'
+
0 0
1 0
2
' w
w
e w ' w w ' ' w

a) Convertir el P.V.I. dado en un sistema equivalente de ecuaciones diferenciales de primer orden
autnomo.
b) Expresar el sistema obtenido en a) en forma vectorial. Usar el mtodo numrico Runge-Kutta cuatro
(con tamao de paso 1 0. ) para:
i. Calcular una aproximacin de ( ) 1 0. w .
ii. Calcular una aproximacin de ( ) 2 0. w .
25. En forma ideal, el movimiento de un pndulo est descrito por el P.V.I.
( ) ( )
'

+
0 0
2
2
0 0
0
v
sen
L
g
dt
d

;
a) Convertir el P.V.I. en un sistema equivalente de dos ecuaciones diferenciales de primer orden con
dos incgnitas.
b) Expresar lo conseguido en a) en forma vectorial.
c) Convertir el P.V.I. en un sistema equivalente de tres ecuaciones diferenciales de primer orden con
tres incgnitas, autnomo, y expresarlo en forma vectorial.
d) Utilizando la respuesta en c), escribir la frmula de avance para Runge-Kutta cuatro de ( ) t a
( ) t t + .
26. Un modelo matemtico para un circuito electrnico est dado por el P.V.I.
( )
( ) ( )
'

+ +
0 0 0 0
10 24 50 6 5 0
2
2
Q Q
t sen t Q
dt
dQ
dt
Q d
;
.
Realizar lo mismo que en el problema 25, c), d).
27. Usar un mtodo aproximado para calcular ( ) 1 0. y ( ) 2 0. , sabindose que
( ) ( ) ( )
( ) ( )
'
,
_

0 0 1 0
6

,
t sen t t
MTODOS NUMRICOS
7
28. La vibracin de un resorte sometido a amortiguamiento y fuerza externa est modelada por el P.V.I.
( ) ( ) ( )
( ) ( )
'

+ +
0 0 0 0
18 3

2
y y
t t y t y t y
;
'
Usar el mtodo Runge-Kutta cuatro para calcular valores aproximados de la posicin ( ) 2 y , la
velocidad ( ) 2 y y la aceleracin ( ) 2 y del pndulo (usar un tamao de paso 2 h ).
29. El movimiento de un pndulo est dado por el P.V.I.
( ) ( ) ( )
( ) ( )
'

+
0 0 1 0
0
'

;
t sen t t
Usar Runge-Kutta cuatro para calcular la posicin angular ( ) 1 0. , la velocidad angular ( ) 1 0. ' y la
aceleracin angular ( ) 1 0. del pndulo. (Usar tamao de paso 1 0. h ).
30. Considerar la ecuacin diferencial con condiciones iniciales
( ) ( ) ( )
'

+
1 0 0 0 0
0 2
y y y
t y y t y t y
;
Calcular ( ) 2 0. y y ( ) 4 0. y usando un procedimiento vectorial Runge-Kutta cuatro para sistemas de
ecuaciones diferenciales de primer orden autnomas.
( ) ( ) ( )
( ) ( ) ( )
'

+
4 1 2 1 1 1
2
x x x
t t x t x t t x
; ;
a) Convertir el P.V.I. en un sistema equivalente de E.E.D.D. de primer orden, autnomo.
b) Expresar el sistema obtenido en a) en forma vectorial. Definir cada uno de los trminos que aqu
aparecen.
c) Dar la frmula de avance de t a h t + , en forma vectorial, para el mtodo de Runge-Kutta cuatro.
Definir cada uno de los trminos de esta frmula.
( ) ( ) ( )
'

+
1 0 0 0 0
2
y , y y
t y y t y t y
a) Convertir el P.V.I. en un sistema de ecuaciones diferenciales de primer orden equivalente que sea
autnomo. Expresar dicho sistema en forma vectorial.
b) Usar Runge-Kutta cuatro con tamao de paso 2 0. h para calcular un valor aproximado de
( ) 4 0. y .
MTODOS NUMRICOS
33. Considerar el P.V.F.
( ) ( ) ( ) [ ]
( ) ( )
'

+
0 12 0 0
12 0 12 3 2
w , w
, x , x x x w x w
a) Usar expansin en serie de Taylor para probar que
( )
( ) ( ) ( )
( )
2
2
2
h O
h
h t w t w h t w
t w +
+ +

b) Si 3 h , dar los valores de los nodos. Discretizar la ecuacin diferencial en un
i
x apropiado,
expresando los valores posibles de i .
c) Explicar, paso a paso, la construccin del sistema tridiagonal 3 3 que permite calcular la
funcin desconocida ( ) t w en los nodos interiores. Resolver el sistema resultante.
( ) ( )
( ) ( )
'
,
_
,
_
+
0 4 0 0
4
3
4 8
27
8
45
y , y
t sen t cos t y t y

Escribir el sistema matricial que permite calcular valores aproximados de ( ) 1 y , ( ) 2 y y ( ) 3 y . Usar el
mtodo de diferencias finitas y aritmtica exacta.
( )
( ) ( )
'

+
1 1 0 0
0
z , z
z t z
Usar el mtodo de diferencias finitas para resolver el P.V.F., tomando como tamao de paso a
4
1
h .
Explicar paso a paso la construccin del sistema tridiagonal asociado con la aplicacin del mtodo.
( ) ( )
( ) ( )
'

+ +
0 1 1 0
2

,
x x x x
Responda las mismas preguntas formuladas en el problema 35, con 2 0. h .
( )
( ) ( )
'
,
_

1 3 2 1
5
1
z , z
t z
t
t z
MTODOS NUMRICOS
9
Para un tamao de paso 5 0. t , dar los valores de los nodos. Discretizar la ecuacin diferencial
en un
i
t apropiado, dando los posibles valores de i .
Obtener, paso a paso, el sistema tridiagonal 3 3 que permite calcular a z en los nodos interiores.
Resolver dicho sistema.
38. Para el P.V.F.
( ) ( )
( ) ( )
'

67 4 3 0
2 2

4
y , y
x x y x x y
usar el mtodo de diferencias finitas para calcular valores aproximados de ( ) 1 y , ( ) 2 y y ( ) 3 y (use
tamao de paso 1 h ).
39. En el P.V.F.
( ) ( ) ( )
( ) ( )
'

+
8 3 0 1
1 4 3 3 2

2
y , y
x x x y x y x y
Calcular aproximaciones de ( ) 0 y , ( ) 1 y y ( ) 2 y . Usar el mtodo de diferencias finitas. Verificar que
( ) 1
2
x x y es solucin del P.V.F. Calcular los errores relativos (si es posible).
40. Calcular valores aproximados de ( ) 1 x , ( ) 2 x y ( ) 3 x , sabiendo que x satisface el P.V.F.
( ) ( ) ( )
( ) ( )
'
,
_

0 4 1 0
2
2

2
x , x
t t x t t x t cos t x


( ) ( )
( ) ( )
'
,
_
,
_
+
0 4 0 0
4
3
4 8
27
8
45
y , y
t sen t cos t y t y

Escribir el sistema matricial que permite calcular valores aproximados de ( ) 1 y , ( ) 2 y y ( ) 3 y ; usar el
mtodo de diferencias finitas.
( ) ( ) ( ) ( )
( ) ( )
'

+ +
0 1 0 0
2 2 4 4
2
y , y
x cos x y x y x y
MTODOS NUMRICOS
Usar el mtodo de diferencias finitas para calcular valores aproximados de ( )
4
1
y , ( )
2
1
y y ( )
4
3
y .
( ) ( )
( ) ( )
'

67 4 3 0
2 2
4
y , y
x x y x x " y
Calcular valores aproximados de ( ) 1 y , ( ) 2 y y ( ) 3 y .
Verificar que ( )
3
3 x x f + satisface el P.V.F. dado. Investigar un teorema que tenga relacin con
existencia y unicidad de P.V.F. y aplicarlo.
Calcular los errores relativos en las aproximaciones obtenidas.
44. Para el P.V.F.
[ ] [ ]
( ) ( ) [ ] [ ]
'

+
1 0 1 0 9
1 0 1 0 0
2 2
, , , y x y , x u
, , , u u
yy xx
cuadrado del frontera la en
cuadrado del interior el en
Calcular los valores aproximados de ( ) y , x u en los puntos
,
_
3
1
3
1
, ,
,
_
3
1
3
2
, ,
,
_
3
2
3
1
, y
,
_
3
2
3
2
, .
Usar tamao de paso
3
1
en ambos ejes.
45. Considerar el problema de Dirichlet
( ) ( ) ( )
( ) ( ) ( ) [ ] [ ]
'

+
1 0 1 0 3 27
1 0 1 0 0
2 3
, , y , x , y x x y , x u
, , y , x , u u
yy xx
en
en
Tomar tamao de paso
3
1
en ambos ejes, precisar los nodos de la malla resultante y calcular valores
aproximados para ( ) y , x u en los nodos donde no se tienen.
46. Considerar el problema de Dirichlet
( ) ( ) ( )
( ) ( ) ( ) [ ] [ ]
'

+
1 0 1 0
1 0 1 0 0
, , y , x , y , x g y , x u
, , y , x , u u
yy xx
en
en
Para los casos xy g x g y x g
3 2 1
2 , , , hallar valores aproximados de ( )
4
1
4
1
, u ,
( )
4
1
4
2
, u , ( )
4
1
4
3
, u , ( )
4
2
4
1
, u , ( )
4
2
4
2
, u , ( )
4
2
4
3
, u , ( )
4
3
4
1
, u , ( )
4
3
4
2
, u , ( )
4
3
4
3
, u .
47. Considerar el siguiente sistema de E.E.D.D. de primer orden:
MTODOS NUMRICOS
11
( ) ( )
'

+ +
+
4
5
0 4 0
2
4
y , x
e y x ' y
e y x ' x
t
t
a) Representarlo en forma vectorial no autnoma.
b) Representarlo en forma vectorial autnoma.
( ) ( ) ( )
( ) ( ) ( )
'

+ + + +
4 2 3 2 7 2
3 2
" y , ' y , y
t ln y y t sen y t cos y t sen
en un sistema no autnomo de E.E.D.D. de primer orden. Expresarlo en forma vectorial.
49. En los siguientes P.V.I. calcular el (los) datos pedidos con el mtodo indicado.
a)
( ) ( )
'

+ +
0 0 1 0
900 2 900
2
y , y
t y " y
; ( ) ? . y K R . h 2 0 4 2 0 ; ;
b)
( )
'
+
1 0
0 2
2
y
y x ' y
; frmula de avance para el mtodo de Euler; solucin exacta
1
1
2
+
x
y .
c)
( ) ( )
'

+ +
0 0 ' y ; 1 0 y
e t 2 e y ' y " y
2 2
t t
; ( ) ? y K R h 1 4 1 ; ;
50. Una caja rectangular hermtica (de dimensiones unitarias) con peso especfico
4
3
se sumerge en un
lquido de peso especfico unitario, bajo la accin de una fuerza externa ( ) 1 0
4
3
2
+ t , t t f ,
(movimiento y fuerza tienen direccin vertical).
Se pide :
a) Obtener el P.V.I. que describe el hundimiento de la caja, sabindose que en 0 t , posicin y
velocidad son nulos.
b) Usar RungeKutta cuatro para calcular aproximaciones de posicin, la velocidad y la aceleracin de
la caja, en pasos de una dcima.
c) Obtener la solucin exacta del P.V.I.
d) Calcular los errores relativos correspondientes a las aproximaciones calculadas (si es posible).
Graficar.
MTODOS NUMRICOS
51. Para cada uno de los siguientes P.V.F. calcular valores aproximados de la variable en los nodos
interiores:
a)
( ) ( ) ( ) ( )
( ) ( )
'

+
1 2 0
1
2
x , x
t t x t sen t ' x t cos t " x

;
4
h
b)
( ) ( )
'

1 2 0
4
x , x
t x e ' x t cos " x
t
;
4
h
c)
( ) ( )
'

+
0 1 0 0
2 16 4
2
y , y
t cos y " y
;
4
1
h
Aqu verificar que t sen t y 2 4 es solucin. Calcular los errores relativos (si es posible).
d)
( ) ( )
'

+ +
0 , 0 0
2 8 2 4 4
2
y y
x cos x x cos ' y x " y
;
4
h , solucin exacta x sen x y 2 .

e)
( )
( ) ( )
'

0 2 1 1
2 12 2
y , y
x ' y " y x
;
4
1
h , solucin exacta ( )
3
2 x y .
52. A travs de una tubera cilndrica fluye vapor de agua a alta temperatura y presin. La distribucin de
temperatura est modelada por el P.V.F.
( ) ( )
'

+
20 2 500 1
0
u , u
' u " u r
Los valores 1 r y 2 r corresponden al radio interior y exterior de la tubera, respectivamente.
Calcular valores aproximados de la temperatura tomando un paso 1 0. r .
53. Considerar el problema de Dirichlet:
( ) ( ) ( ) [ ] [ ]
( ) ( ) ( ) [ ] [ ]
'
1 0 1 0
1 0 1 0 0
2
2
2
2
, , y , x , y , x g y , x u
, , Int y , x , y , x ,
y
u
y , x
x
u
con
en con
Para las funciones ( ) y , x g dadas, tomar un tamao de paso adecuado (igual por ambos ejes) con
sus posibilidades de clculo, y calcular los valores de u en los nodos interiores de la malla:
a) ( )
3 3
y x y x y , x g
MTODOS NUMRICOS
13
b) ( ) y x y y , x g
2 3
3
c) ( ) x cos e y sen e y , x g
y x
+
d) ( ) y h cos x sen y h sen x cos y , x g +
e) ( ) x cos e y cos e y , x g
y x
+
54. Expresar los siguientes P.V.I. como sistemas de ecuaciones diferenciales de primer orden.
a) Autnomos.
b) No autnomos.
i.
( )
( ) ( )
'

+ +
01 0 0 0
x t x , x t x
x , t f x k x b x
g
w
ii.
( )
( )
( ) ( ) ( ) ( )
'

D ' y , C y , B ' y , A y
y y k " y m
y y k y k " y m
0 0 0 0
2 2 1 1
2 1 2 2 2
2 1 2 1 1 1 1
55. Probar que cuando la frmula RungeKutta de cuarto orden se aplica al P.V.I.
( )
'
0 0
x t x
x ' x
La frmula de avance es ( ) ( ) t x h h h h h t x
1
]
1
+ + + + +
4 4 3 3 2 2
24
1
6
1
2
1
1 y que el error
es ( )
5
h O , en un paso.
56. Usar RungeKutta cuatro para resolver aproximadamente el P.V.I.
( )
( )
'
+
3 1 x
t x cos e x
t x
Usar 1 0. h . Hacerlo con un programa de computador. Calcular varios pasos. Estar atento al
overflow.
57. En la solucin de los P.V.F. del problema 53, organizar el sistema de ecuaciones resultante de tal
forma que la matriz del sistema luzca tridiagonal por bloques; observar con atencin la estructura de los
bloques.
MTODOS NUMRICOS
58. Una masa est colocada sobre un resorte que est sometido a fuerza externa y amortiguamiento. Su
posicin ( ) t y satisface el P.V.I.
( ) ( )
'

+ +
0 0 0 0
6 0 18 3
2
' y , y
t , t y ' y " y
Se pide:
a) Tomar tamao de paso 1 0. h en el mtodo RungeKutta cuatro y calcular posicin, velocidad y
aceleracin de la masa, para 60 1 0 1 0 ,..., , k , k . t
k
. Graficar.
b) Obtener la solucin exacta del P.V.I. Graficar ( ) t y , ( ) t y y ( ) t y .
c) Comparar los resultados exactos con los clculos aproximados. Analizar.
( )
( ) ( )
'

< < +
0 12 0 0
12 0 12 3 2
w , w
x , x x w " w
Mediante un programa de computador. Calcular valores aproximados de
( ) 1 0 119 2 1 . h , ,..., , k , h k w . Graficar x vs. ( ) x w .

Metodos Numericos

Cargado por

Información del documento

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

Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

CAPTULO 1.

ERRORES DE REDONDEO Y ESTABILIDAD

nmeros diferentes (incluyendo el cero).

Cmo medir los errores de redondeo?

una aproximacin de un nmero real x. El error de x

con respecto a x, como Er 100 y se expresa en porcentaje (%).

con respecto a x, en cada

aproxima con sus primeros t-dgitos o cifras

se escribe en forma decimal normalizada.

en una aritmtica de punto flotante

aproxima con sus primeras k-cifras decimales

se escribe en forma decimal.

28003451 28003348 . . y y , entonces

aproxima a x con sus primeros 2-dgitos significativos que son 3 y 3 (Por

Ejemplo 1.5 Dnde debe estar x

para que aproxime a 1000 con 4 cifras significativas?

debe ser tal que

x y la desigualdad ii) tiene como

es una aproximacin muy pobre

para algn entre 0 y x

1.4 ESTABILIDAD DE UN ALGORITMO

0 1.000000 1.000000 1.000000

, con cuntas cifras decimales exactas y con cuntas

. Cualquiera de tales mtodos numricos permitir calcular los trminos de la

. Por lo tanto, deberemos

0 y as, dado cualquier nmero positivo , existe { } 0,1,2,... N = N tal que

significa que dado > 0, existe { } N

Captulo 2. SOLUCIN NUMRICA DE UNA ECUACIN NO-LINEAL EN UNA VARIABLE 35

< < >

Despus de la (n1)-sima iteracin, tenemos ( ) a b

Observe que en el denominador de la expresin anterior nunca se resta, pues ( ) ( ) f a f b

de un punto fijo de una

, , es una funcin de iteracin (la funcin de

As que podemos tomar como funcin de iteracin ( ) g x tan x +

La escogencia del punto inicial x

Paso 2: Para 1 ,..., 2 n , 1 n j , tomar

de un segundo cero de ( ) x p , aplicando el

que se encuentre para un polinomio reducido debe

como aproximacin inicial.

del polinomio ( ) x p o un mensaje.

Paso 4: Para 1 ,..., 2 n , 1 n j , tomar

La funcin M resulta continua en la raz .

0 . Luego es una raz

0 , lo que significa que la funcin M es continua en .

de una raz de una

0. Si existen constantes positivas y L tales que

entonces se dice que la sucesin

, lo que implica que

lo cual significa que la convergencia es cuadrtica.

(distancia asociada con la norma euclidiana).

(distancia asociada con la norma suma)

, fcil de calcular, ya que se puede demostrar que

, las usaremos en lo que sigue.

, que es la solucin exacta del sistema perturbado (3.3'), entonces el

muy grande, as que A puede considerarse mal

, en trminos de las perturbaciones relativas

1, entonces se espera que

es grande, se espera que

sea tambin grande.

es una matriz estrictamente dominante diagonalmente (E.D.D.) por

son las matrices

es la solucin exacta del sistema dado.

1 2 444 3 444 1 2 444 3 444 1 2 4444 3 4444

X 0 significa que, dado > 0 , existe { } N N 0,1,2,... tal que si