Metodos Numericos para Ingenieros

MTODOS
NUMRICOS
INGENIEROS
Con aplicaciones en
computadoras personales
PARA
MTODOS
NUMRICOS
INGENIEROS
PARA
C o n aplicaciones en
computadoras personales
Steven C. Chapra,
Ph.D.
Professorof Civil Engineering

Texas A&M University
Raymond
P. Canale, Ph.D.
Professor of Ci.vil Engineering

The University of Michigan
Traduccin:
Carlos Zapata S.
Ingeniero Electricista, UDLA
Diplomado en Ciencias de la Computacin,
Fundaci6n Arturo Rosenblueth
Alfredo Corts Anaya
LicenciadoenCienciasFsico-Matemiticas,
MaestroenCiencias de la Computaci6n,
IIMAS,UNAM
UMSNH
Revisin tcnica:
FernandoVeraBadillo
IngenieroCivil,Universidad La Salle
Jefe del Departamento de Matemlticas Aplicadas,
Universidad La Salle
MXICO
BOGOTA
NUEVA YORK
McGRAW-HILL
BUENOS AIRES
PANAMA
AUCKLAND
NUEVA
DELHI
ST.
LOUIS
CARACAS
SAN JUAN
GUATEMALA
LISBOA
SANTIAGO
S0 PAUL0
HAMBURG0
LONDRES
MONTREAL
PARS
SAN
FRANCISCO
SINGAPUR
SIDNEY
TOKIO
TORONTO
MADRID
METODOS NUMRICOS PARA INGENIEROS

Con aplicaciones en computadoras personales
Prohibida la reproduccin total o parcial de esta obra,
por cualquier medlo, sin autorizactn escrita del editor
DERECHOS RESERVADOS (9 1987, respecto a la primera edicin en espaol por
LIBROS McGRAW-HILL DE MCXICO. S. A. DE C. V.
Atlacomulco 499-501, Fracc. Industrial San Andrs Atoto
53500 Naucalpan de Jurez, Edo. de Mxico
Miembro de la Cmara Nacional de la lndustrla Editorial, Reg. Nm. 465
ISBN 968-451-847-1
Traducido de la primera edlclon en Ingls de
Numerical Methods for Engineers with Personal Computer Applications
Copyright @ MCMLXXXV, by McGraw-Hill, Inc., U.S. A
ISBN 0-07-010664-9
L.M.437 1234567890
Punted
Mexico
Impreso
en
Mexico
In
Esta obra se termin de

imprimir en febrero de 1988
en Talleres Grficos Continental, S. R. deC. V.
Calz. Tlalpan No. 4620
col. Nio Jess
Delegacin Tlalpan
1408 Mxico, D.F.
Se tiraron 2 600 ejemplares
CONTENIDO
xi
PREFACIO
PARTE I
LOS METODOS NUMERICOS Y LAS COMPUTADORAS

PERSONALES
I. 1
1.2
1.3
Motivacin
Fundamentos
matemticos
Orientacin
Captulo 1
Modelosmatemticos
Problemas
Captulo
2.1
2.2
2.3
2.4
La programacin en las computadoras

personales
Antecedentes
histricos
Desarrollo
de
programas
Desarrollodeunprogramapara
el problemadelparacaidista
Estrategias
de
programacin
Problemas
Captulo
Aproximaciones y errores
11
19
21
22
24
46
52
56
63
3.1
Cifras
significativas
3.2
Exactitud y precisin
66
Definiciones
de
error
67
3.3
64
3 . 4E r r o r e sd er e d o n d e o
3.5 Erroresdetruncamiento
3.6 Errornumricototal
3.7 Erroresporequivocacin,deplanteamiento
e incertidumbre en
Problemas
los datos
72
77
95
96
98
CONTENIDO
-
Vi
EPILOG0
PARTE I
1.4
PARTE II
Elementos
de
Juicio
1.5
Relaciones
frmulas
y
importantes
1.6
Mtodosavanzadosyalgunasreferenciasadicionales
RACES DEECUACIONES
II. 1 Motivacin
11.2 Fundamentos
matemticos
11.3
4.1
4.2
4.3
4.4
109
112
114
Orientacin
Captulo 4
119
Mtodos queusan intervalos
119
123
132
Mtodos
grficos
Mtodo
de
biseccin
Mtododelareglafalsa
Bsquedasconincrementosdeterminandouna
139
140
aproximacin inicial
Problemas
Capitulo 5
5.1
5.2
5.3
5.4
145
Mtodos abiertos
146
Iteracin
de
punto
fijo
Mtodo
de
Newton-Raphson
M t o d od e
1o1
106
107
152
la secante
158
163
167
Races
mltiples
Problemas
171
172
177
180
183
1 86
1 89
EPiLOGO PARTE II
11.4
11.5
11.6
Elementos
e
juicio
Relacionesyfrmulasimportantes
Mtodosavanzadosyalgunasreferenciasadicionales
PARTE 111 SISTEMAS DEECUACIONESALGEBRAICAS

III.1 Motivacin
111.2 Fundamentosmatemticos
111.3
Orientacin
Captulo 7 Eliminacingaussiana
7.1 Solucindepocasecuaciones
7.2
Eliminacin
gaussiana
simple
LINEALES
197
199
199
203
206
21 5
219
219
227
7.3
Desventajasde
7.4
Tcnicasdemejoramientoenlassoluciones
7.5
Resumen
los mtodosdeeliminacin
236
244
252
254
Problemas
Captulo 8
8.1
8.2
8.3
Gauss-Jordan, inversin de matrices y

Gauss-Seidel
Inversin
de
matrices
Mtodo
de
Gauss-Seidel
Problemas
Captulo 9
Casos de la parte 111: Sistemas de ecuaciones

algebraicas lineales
Caso
Caso
9.1
9.2
Distribucinderecursos(Ingenieraengeneral)
Clculodedistribucindetemperaturas
Caso
9.3
Anlisisdeunaarmaduraestticamentedeterminada
Caso
9.4
Corrientes
Caso
9.5 , Dinmica de partculas
(Ingeniera qumica)
280
287
y voltajesencircuitosresistivos
(Ingeniera elctrica)
291
y cuerpos rgidos
(Ingenieramecnica)
Problemas
293
295
PARTE 111
111.4
111.5
111.6
PARTE IV
279
283
(Ingeniera civil)
EPILOG0
259
259
262
268
276
Mtodo
de
Gauss-Jordan
Elementosde
juicio
Relaciones
y frmulasimportantes
Mtodos avanzados y algunasreferenciasadicionales
301
304
304
AJUSTE DE CURVAS
IV.1
IV.2
lV.3
Motivacin
Fundamentos
matemticos
Orientacin
Captulo 1 O
Regresin con mnimos cuadrados
10.1 Regresinlineal
10.2 Regresinpolinomial
10.3 Regresinlinealmltiple
Problemas
Capitulo 11
1 l. 1
lnterpolacin
307
310
315
319
321
336
342
345
349
Polinomios de interpolacin con diferencias

divididas de Newton
11.2 PolinomiosdeinterpolacindeLagrange
11.3 Comentariosadicionales
11.4 lnterpolacinsegmentaria(spline)
Problemas
350
363
368
370
383
vi
CONTENIDO
Captulo 12
12.1
Caso
12.2
Regresinlineal
qumica)
Caso
12.3
(Ingeniera
Ajuste decurvasen
Caso
12.4
Ajuste decurvas
Caso
12.5
en
387
la parte IV: Ajuste

de
curvas
Casos
de
Caso
Modelodeingenieradeventadeproductos
(Ingenieria
387
y modelosdemogrficos
39 1
el diseodeunmstil
parabarco
(Ingenieria
ca)
en laestimacindelacorriente
RMS
(Ingeniera
399
Regresinlinealmltipleen
el anlisisdedatos
mecnica)(Ingeniera
experimentales
402
404
Problemas
EPiLOGO
PARTE IV
IV.4
IV.5
IV.6
PARTE V
Elementosde
juicio
409
41 1
41 1
Relaciones y frmulasimportantes
Mtodos avanzados
y algunasreferenciasadicionales
INTEGRACION
V. 1
V.2
V.3
Motivacin
41 5
422
424
Fundamentos
matemticos
Orientacin
Captulo
13
429
43 1
443
455
458
46 1
Frmulas
de
integracin
de
Newton-Cotes
del
13.1 Regla
de
13.2 Regla
desiguales
intervalos13.3
con Integracin
erta
integracin
de13.4 Frmulas
Problemas
Captulo 14
de
gaussiana
14.1
14.2
Cuadratura
Problemas
Caso
Caso
15.1
15.2
Caso
15.3
V: Integracin
Casos de
parte
la
Anlisis
de
movimiento
de
efectivos
(Ingeniera
en
general)
El usodeintegralesparadeterminarlacantidad
en
calor
de
los materiales
(Ingeniera
qumica)
C a s o 15.4
(Ingeniera
Caso
Integracin de Romberg y cuadratura gaussiana
Integracin
Captulo 15
elctrica)
395
15.5
nica)
Problemas
465
465
474
484
487
488
total
490
Fuerzaefectivasobreelmstildeunvelerodecarreras
(Ingeniera
492
Determinacindelacorriente
numrica
496
Integracinnumricaen
(Ingeniera
RMS
medianteintegracin
el clculodeltrabajo
499
503
CONTENIDO
iX
EPiLOGO PARTE V
V.4 Elementosdeiuicio
V.5 Relacionesyfrmulasimportantes
V.6 Mtodosavanzadosyalgunasreferenciasadicionales
PARTE VI
ECUACIONES DIFERENCIALES ORDINARIAS

VI.1
V1.2
V1.3
Motivacin
Fundamentos
matemticos
Orientacin
Captulo 16 Mtodos de un paso

16.1 M t o d od e Euler
16.2 Modificacionesymeiorasalmtodode
16.3 MtodosdeRunge-Kuttc
16.4 Sistemasdeecuaciones
Euler
Captulo 17 Mtodos de pasos mltiples

17.1 U n e n f o q u e simple depasosmltiples:Mtodode
H e u n sin principio
Frmulasdeintegracin
Mtodos de pasos
mltiples de orden superior
Problemas
Captulo 18 Casos de la parte VI: Ecuaciones diferenciales ordinarias

C a s o 18.1 Modelosmatemticosparaproyectosdeventade
18.2
Caso
18.3
18.4
573
574
588
594
600
603
Diseodeunreactorparaproduccinfarmacutica
(Ingeniera qumica)
Caso
528
54 1
550
564
570
604
computadoras (Ingenieria en general)

Caso
51 5
51 9
522
527
Problemas
17.2
17.3
509
51 1
51 1
Deflexindel
mstil de unvelero(Ingeniera
civil)
608
61 3
Simulacindeunacorrientetransitoriaenuncircuitoelctrico
(Ingeniera elctrica)
Problemas
61 5
61 8
622
EPiLOGO PARTE VI
V1.4 Elementosde juicio
V1.5 Relacionesyfrmulasimportantes
V1.6 Mtodosavanzadosyalgunasreferenciasadicionales
625
627
627
BlBUOGRAFiA
63 1
iNDlCE
635
Caso
18.5
El
pndulooscilante(Ingenieramecnica)
PREFACIO
Para el ingeniero moderno el hecho de ir a la par con su profesin implica inevitablemente el uso de las computadoras.Hay pocas disciplinas,
o dicho sea de otra forma, pocas actividades cotidianas que de alguna
manera no tienen contacto con estas mquinas tan poderosasy rpidas.
Ciertamente, las computadoras han sido por aos un aliado de la ingeniera al desempear millares de tareas, tanto analticas como prcticas,
enel desarrollo de proyectos y la solucin de problemas en forma ms
eficiente. En consecuencia, cuanto ms a fondo y ms tempranose familiarice el estudiante de ingeniera con su terminal o su computadora pel.
sonal, mejor ser su formacin.
Pero, desde cundo?, y qu tan a fondo debe ser este contacto?
Los profesores de ingeniera reconocen desde hace mucho tiempo la importancia del entrenamiento en los primeros semestres enla tecnologa
de las computadoras. Tradicionalmente este entrenamiento abarcaba computadoras grandes (mainframes) y un lenguaje de programacin de alto
nivel como el FORTRAN. Desafortunadamente, es frecuente que a los
estudianteslesresulte
difcil aplicarsusnuevashabilidades
a problemas de otras materias. Esto se debe a una variedad de factores, de entre
los cuales no carece de importancia la preparacin necesaria para usar
sistemas con mquinas grandes. Como resultado, muchos estudiantes de
ingeniera no explotan bien la capacidad de solucin de problemas que
tienen las computadoras hasta que estn adentrados
ensu educacin.
Creemos que la revolucin de la microelectrnica nos dala oportunidad de integrar la computacin de una manera ms efectiva en el saln
de clases. Debido a su bajo costo y conveniencia, las computadoras personales pueden aumentar la capacidad del estudiante de ingeniera para
resolver problemas durante sus aosescolares. Sin embargo, para explotar esta oportunidad al mximo es necesaria una innovacin de los cursos
de introduccin a la computacin. Por ejemplo, a travs de los aos se
ha desarrollado en las universidadesdeTexas A&M y Michigan una reestructuracin en dos etapas. Hay un primer curso de computacin dedicado a orientar al estudiante al equipocomputacionaldisponible y al
Xii
PREFACIO
desarrollo de habilidades firmes dentro dela programacin. El segundo

curso de computacin est planeado para reafirmar estas habilidadesy
mostrarel empleo de lasolu&n de problemas en ingeniera.
El presente libro eman del segundo curso. Se eligi el tema de los
mtodos numricos como punto principal por sus muchas aplicaciones
a la ingeniera. Ya sea que los ingenieros utilicensoftware comercial o
propio, creemos que es esencial una base slida en los mtodos numricos para la aplicacin efectiva de las computadoras en la solucin de problemasdeingeniera. Desafortunadamente, los mtodosnumricos se
presentan durante el ltimo ao de licenciatura o a nivel de posgraduados, aos despus del punto donde pudieron haber
sido herramientas tiles, instructivas y creativas para el futuro ingeniero.
Por consigu.iente,hemos elaborado este libro de tal forma que pueda
ensearse en los extremos inferior o superior de la carrera de ingeniera
a nivel de licenciatura. Un aspecto de este plan se hace notar en la organizacin y en el alcance del libro, que est dividido en seis partes. La parte
I trata del material introductorio e incluye informacin sobre programacin
y anlisis de aproximacin y error. Las cinco partes restantes estn dedicadas a las reas de mtodos numricos, que tienen importancia directa para
el candidato a ingeniero: races de ecuaciones no lineales, ecuaciones algebraicaslineales,ajustedecurvas(regresineinterpolacin),integracin
y
ecuaciones diferenciales ordinarias. Excluimos temas como los valores caractersticosy las ecuaciones diferenciales parciales, que tiene mayor importancia para los estudiantes de posgrado.
Junto con este materialhemos incorporado ciertas caractersticas adicionales en la elaboracin de este libro, para hacerlo ms accesible a lectores tanto de los primeros como de los ltimos niveles de licenciatura.
Incluyen:
1. Recuadros. Nos hemos empeado en incluir derivaciones importantes y anlisis de error, con el fin de enriquecer la presentacin. Sin
embargo, algunas veces tal material representa un escollo para el estudiante novato. En consecuencia, hemos apartado en recuadros el
material matemtico ms complicado. Muchos estudiantesencontrarn que pueden aplicar los mtodos numricos sin tener que dominar completamente el material contenido en los recuadros.
2. Material introductorio y fundamentos matemticos. Cada parte del libro incluye una seccin de introduccin. Despus de una breve exposicin al problemamatemticogeneralque
va aestudiarse, se
suministra una motivacin describiendo cmo podra enfocarseel problema en ausencia de computadoras, y dnde se plantea este problema en la prctica de la ingeniera. En seguida se efecta una revisin
de los conceptos matemticos necesarios para comprender el tema
por estudiar. Por ejemplo, se revisa lgebra matricial antes del estudio de ecuaciones algebraicas lineales, y estadstica antes del estudio
xiil
PREFACIO
de regresin. Por ltimo, se presentan un esquema y los objetivos de

estudio de cada parte, como orientacin para el lector.
3. Epilogos. As como la introduccih est planeada para dar una motivacin y una orientacin, incluimos un eplogo alfinal de cada
partedellibroparaconsolidar
ios conceptos recin adquiridos. Un
detalleimportantedeesteeplogo
es una seccindedicada a los
elementos de juicio necesarios para la eleccin de los mtodos
numricos apropiados para un problemaenparticular. Adems, se
y se citanreferenciaspara
resumenalgunasfrmulasimportantes
mtodos avanzados.
4. Presentaciones secuenciales y grficas. Cada parte principal del libro

consta de tres captulos: dos dedicados a la teora y uno al estudio
de casos. Siempre que es posible, los captulos de teora se estructuranen forma secuencial, esto es, primero se presentan los planteamientos ms directos y elementales. Dado que muchos de los mtodos
ms avanzados se construyen sobre los ms simples, la intencin de
este desarrollo es proporcionar un sentido de evolucin de lastcnicas. Adicionalmente hemos desarrollado representaciones grficas para
complementar las descripciones matemticas en la mayor parte de los
planteamientos contenidos enellibro. Hemos encontrado que esta
orientacin visual es particularmente efectiva para proporcionar una
mayor comprensina los estudiantes de los primeros niveles de licenciatura.
5. Estudio de
casos. En cada parte del libro se incluyen casos para demostrar la utilidad prctica de los mtodos numricos. Se realiz un
gran esfuerzo para dar ejemplos de los cursos iniciales de las carreras
de ingeniera. Cuando esto no es posible, se han suministrado bases
tericas y motivacin para los problemas.
6. Software. Se dispone de un paquete de software denominado NUMERICOMP que muestra algunos mtodos numricosque se cubren
en el texto: biseccin, eliminacin gaussiana, interpolacin de Lagrange,
regresin lineal, la regla trapezoidal y el mtodo de Euler. Estos programas proporcionanal estudiante los criterios de programacinnecesarios para cada una de las partes del libro. El software est diseado
para utilizarse con facilidad. Los estudiantes tambin pueden emplearlo para verificar los resultados de sus propios esfuerzos de programacin. Aunque el paquete es opcional, pensamos que puede lograrse
un progreso ms rpidocuando se emplean ellibro y el software conjuntamente; se puede conseguir a travs de McGraw-Hill para lascomputadoras personales IBM-PC y APPLE 11. Una versin profesional
Softde NUMERICOMP puede adquirirse directamente de EnginComp
ware, Inc., 15 Research Dr., Ann Arbor, MI 48103.
Finalmente, nos hemos esforzado conscientemente en hacer este libro tan sencillo al usuario como sea posible, por lo que nos empefiamos
en mantener nuestras explicaciones con una orientacindirecta y prctica. Aunque nuestraintencin primaria es presentar a los estudiantes una
slida introduccin a los mtodos numricos, un objetivo subordinado ha
sido hacer d e esta introduccin una experiencia agradable. Creemos que
los estudiantes que disfruten los mtodos numricos, las computadoras
y las matemticas, sern al final mejores ingenieros.Si nuestro libro alienta
el entusiasmo por estas materias, consideraremos nuestro esfuerzo como
un xito.
AGRADECIMIENTOS
Queremos agradecer las revisiones hechas por los profesores Ted Cadman (University of Maryland), Lee W. Johnson (Virginia Polytechnic and
State University), Richard Noble (University of Colorado), Satish Ramadhyani (Purdue University), Howard Wicke (Ohio University) y Thomas C.
Young (Clarkson University). Extendemos nuestra gratitud a la Texas
A&M University y a la University of Michigan por proporcionarnos apoyo
secretarial y grfico y el tiempo necesario para preparar estelibro. En particular, Donald McDonald y Roy Hann de Texas A&M apoyaron consy buenasideas d e
tantemente este esfuerzo.Obtuvimossugerencias
nuestros colegas Bill Batchelor, Harry Jones, Bill Ledbetter, James Martin y Ralph Wurbs. Jeanne Castro ide la organizacin grfica de los captulos. Tambin Vanessa Stipp, con la ayuda de Kathy Childers, Cindy
Denton y Frances Kahlich, hicieron una excelente labor al mecanografiar
el manuscrito.
Este libro se experiment en clase durante cuatro semestres, principalmente con alumnos de segundo ao en Texas A&M y durante dos
semestres con alumnos de todoslos niveles d e licenciatura en Michigan.
Durante este tiempo, muchos de los alumnos nos ayudarona comprobar
la exactitud matemtica y a enriquecer la comprensin de este libro. Lisa
Olson ley el texto completo varias veces y prepar los programas en FORTRAN. Tad Slawecki proporcion una ayuda excelente en cuantoal software complementario. Adems, Marla lsenstein, Luis Garcia, Sijin Tom
Lee y Rick Thurman hicieron contribuciones notables.
Tambin debemos agradecer a Kiran Verma, Dave Damstra y a B.
J. Clark de McGraw-Hill su supervisin y aliento. Ursula Smith efectu
un trabajo impecable en la edicin de pruebas del libro. Finalmente, nos
gustara agradecer a nuestras familias, amigos y colegas, quienes soportaron comprensivamente la gran cantidad de horas robadas, necesarias para completar esta obra.
Steven C. Chapra
Raymond P. Canale
U N O
PARTE
LOSMTODOS
NUMRICOS Y LAS
COMPUTADORAS
PERSONALES
I.1 M O T I V A C I ~ N
Los mtodos numricos son tcnicas mediante las
cuales es posible formular problemas de tal forma que puedan resolverse usandooperaciones
aritmticas. Aunque hay muchos tipos de mtodos
numricos, todos comparten una caracterstica comn: Invariablemente los mtodos numricos Ilevan a cabo un buen nmero de tediosos clculos
aritmticos. No es raro que con el desarrollo de
computadoras digitales eficientes y rpidas, el papel de los mtodos numricos en la solucin de problemas de ingeniera haya aumentado considerablemente en losltimos aos.
I . 1 . l Mtodos anteriores a la aparicin

de la computadora
'),
7,
M s all de slo proporcionar un aumento en la

potencia de clculo, la disponibilidad general de
las computadoras (especialmente de las computadoras personales)y su asociacin con los mtoha tenido una influencia
muy
dosnumricos,
significativa en el proceso de solucin de problemas de ingeniera. Antes del uso de la computadora haba tres mtodos diferentes que los ingenieros aplicaban a la solucin de problemas:
1. Primero, se encontraban las soluciones de algunos problemas usando mtodos exactos o
analticos. C o n frecuencia estas soluciones resultaban tiles y proporcionaban una comprensin excelente del comportamiento de algunos
sistemas. Sin embargo, las soluciones analiticas pueden encontrarse slo para una clase Iimitada de problemas. Estos problemas incluyen
aquellosquepuedenaproximarse
mediante
modelos lineales y tambin aquellos quetienen
una geometrasimple y pocas dimensiones. En
consecuencia, las soluciones anabjticas tienen
valor prctico limitado, porque la mayor parte de los problemas reales no son lineales, e
implican formas y procesos complejos.
MTODOS NUMRICOS
PARA INGENIEROS
2.Para analizar el comportamiento de los sistemas se usaban soluciones grficas. stas tomaban la forma de grafoso nomogramas.
Aunque las tcnicas grficas a menudo pueden emplearse pararesolver problemas complejos, IQS resultados no son muy precisos. Es
ms, las soluciones grficas (sin la ayuda de una computadora)son
tediosas en extremo y difciles de implementar. Finalmente,las tcnicas grficas estn limitadas a aquellos problemas que puedan describirse usando tres dimensiones o menos.
3. Para implementar los
mtodos numricos se utilizaban calculadoras manuales y reglas de clculo. Aunque en teora

estas aproximacionesdeberan ser perfectamenteadecuadas para resolver
problemas complicados, en la prctica se presentan algunas dificultades. Los clculos manuales son lentos y tediosos. Adems no
existen resultados consistentes debido a que surgen equivocaciones cuando se efectan las tareas manualmente.
Antes del uso de la computadora, se gastaba mucha energa en la

tcnica misma de solucin, en vez de aplicarla sobre la definicin del
problema y su interpretacin (Fig. 1.1~).Esta situacin desafortunada
exista debido al tiempo y trabajo montono que se requeran para obtener resultados numricos con tcnicas que no utilizaban a la
computadora.
Hoy en da, las computadoras y los mtodos numricos proporcionan
unaalternativapara clculostan complicados. AI usar lacomputadora para obtener soluciones directamente, se pueden aproximar
los clculos sin tener que recurrir a suposiciones
de simplificacin o
tcnicas deficientes. Aunque dichas suposiciones son an extremadamente valiosas tanto para resolver problemas comopara proporcionar
una mayor comprensin, los mtodos numricos representan alternativas queamplanconsiderablementela
capacidad para confrontar
y resolver los problemas; como resultado, se dispone de ms tiempo
para aprovechar las habilidades creativas personales. Por consiguiente,
es posible dar ms importancia a la formulacin de un problema, a
la interpretacin de la solucin y a su incorporacin al sistema total,
o conciencia holstica
(Fig. 1 . 1 b).
1.1.2 Los mtodosnumricosy
la prctica de la ingeniera
Desde finales de la dcada de 1940, la multiplicacin y disponibilidad

de las computadoras digitales ha llevado a una verdaderaexplosin
en cuanto al uso y desarrollo de los mtodos numricos. Al principio,
este crecimiento estaba algo limitado por el costo de acceso a computadoras grandes (rnainfiames),por lo que muchos ingenieros continuaban usando simples planteamientos analticos en una buena parte
LOS METODOS NUMRICOS
..___3
Y LAS COMPUTADORAS
PERSONALES
Formulac4dn
fundamentales
Metodos muy elaborados
Exposici6n a fondo de
1. rdaci6n del
problema con las leyes
fundamentales
Mdtodo num6rico
y frecuentemente complcador
para hacer manelable

el problema
lnterpretacidn
Anll~oma fonda
lhmitado por una
FIGURA 1 . 1
permite pensar
holisticamente y
desarrollar la intulmdn:
se puede estudtar la
Lastresfases en la solucin de problemas de ingenieraen a ) la era anterioralas

computadoras y b) la era de las cornputadoras. Los tamaos de los recuadros indican el nivel de importancia que se dirige a cada fase en el saln de clases. Las cornputadoras facilitan la implementacin de tcnicas de solucion y as permiten un mayor
cuidado sobre los aspectos creativos de la formulacin de problemas y la interpretacin de resultados.
de su trabaio. N o es necesario mencionar que la reciente evolucin

de computadoras personales de baio costo, ha dado a mucha gente
un fcil acceso a poderosas capacidades
de cmputo.
Adems existe un buen nmero de razones
estudiar los mtodos numricos:
1.
por las cuales se deben
Los mtodos numricos son herramientas extremadamente poderosas para la solucin de problemas. Son capaces de manejar sistemas deecuacionesgrandes,nolinealidades
y geometras
complicadas que son comunes en la prctica de la ingenieray que,
a menudo, son imposibles de resolver analticamente. Por l o tanto, amplan la habilidad de quien los estudia para resolver problemas.
2. En el transcurso de su carrera, es posible que el lector tenga la

ocasin de usar software disponible comercialmente que conten-
MTODOS NUMRICOS PARA INGENIEROS
g a mtodos numricos. El uso inteligente de estos programas depende del conocimiento de lateora bsica enla que se basan estos
mtodos.
3.
H a y muchos problemas que no puedenplantearse al emplear programas hechos. Si se est versado en los mtodos numricos
y sees un adepto de la programacin de computadoras, entonces se tiene la capacidad de disear programas propios para resolver los problemas, sin tener que comprar unsoftware costoso.
4. Los mtodos numricos son un vehculo eficiente para aprender

a servirse de las computadoras personales. Es bien sabido que una
manera efectiva de aprender a programar las computadoras es
al escribir los programas. Comolos mtodos numricos, en su mayor parte estn elaborados para implementarse en computadoras, resultan ideales para este propsito. An ms, estn especialmente adaptados parailustrar la potencia as como las limitaciones
de las computadoras. Cuando el lector implemente con buen resultado los mtodos numricos en una computadora personal y
los aplique para resolver problemas que de otro modo
resultan
intratables, entonces tendr una demostracin tangible de cmo
pueden ayudarle las computadoras para su desarrollo profesional.
AI mismo tiempo, aprender a reconocer y controlar los errores
de aproximacin que son inesperables de los clculos numricos
a gran escala.
5. Los mtodos numricos son un medio para reforzar su comprensin de las matemticas. Porque una funcin de los mtodos numricos es la de reducir las matemticas superiores a operaciones
aritmticas bsicas, ya que profundizanen los temas que de otro
modo resultan oscuros. Esta alternativa aumenta su capacidad de

comprensin y entendimiento en la materia.
1.2 FUNDAMENTOSMATEMTICOS
Cada parte de este libro requiere de algunosantecedentes matemticos. En consecuencia, el material introductorio de cada parte incluye una seccin, como la que el lector est leyendo en este momento,
de fundamentos matemticos. Debido Q que la parte I en s est dedicada al material bsico sobre las matemticas y la computacin, la
presenteseccin no abarca la revisin de algn tema matemtico
especfico. En su lugar, se presentan los temas delcontenidomatemtico que se cubre en este libro. Estos se resumen en la figura 1.2,
y son:
LOS MTODOS
NUMRICOS
PERSONALES
COMPUTADORAS
Y LAS
FIGURA 1.2
Resumen de los mtodosnumricos
que se cubren eneste
libro.
MTODOS
NUMRICOS
PARA INGENIEROS
1. Rakes deecuaciones (Fig. 1.24.
Estos problemas estn relacionados con el valor de una variable o de un parmetro que
satisface una ecuacin. Son especialmente valiosos en proyectos
de ingeniera donde confrecuencia resulta imposible despejar analticamente parmetros de ecuaciones de diseo.
2. Sistemas de ecuaciones algebraicas lineales (Fig. 1.2b).

En esencia, estos problemas son similares a los de races de ecuaciones en el sentido de que estn relacionados con valores que
satisfacen ecuaciones. Sin embargo, a diferencia de satisfacer una
sola ecuacin, se busca un conjunto devaloresque
satisfaga
simultneamente a un conjunto de ecuaciones algebraicas. Las
ecuaciones lineales simultneas surgenen el contexto deuna
variedad de problemasy en todas las disciplinas de la ingeniera.
En particular, se originan a partir de modelos matemticos de sistemas grandes de elementos interconectados, como: estructuras,
circuitos elctricos y redes de fluio de fluidos, aunque tambin
pueden encontrarse en otras reasde los mtodosnumricos
como el aiuste de curvas.
3. Ajuste de curvas (Fig. 1.24. Con frecuencia
se presentar la
oportunidad de ajustar curvas a un conjunto de datos representados
por puntos. Las tcnicas que se han desarrollado para este fin pueden dividirse en dos categoras generales: regresin e interpolacion.
La regresin se emplea cuando hay un grado significativo de error
asociado a los datos; frecuentemente los resultados experimentales
son de esta clase. Para estas situaciones, la estrategia es encontrar
una curva que represente la tendencia general de los datos sin necesidad de tocar los puntos individuales. En contraste, la interpolacin se maneja cuando el objetivo es determinar valores intermedios
entre datos que estn relativamente libres de error. Tal esel caso
de la informacin tabulada. Para estas situaciones, la estrategia es
ajustar una curva directamente a travs de los puntos y usar esta
curva para predecir valores intermedios.
4. Integracin (Fig.l.2d).Tal como se representa, una interpre-
tacin fsica d e la integracin numrica es la determinacin del

rea bajo la curva. La integracintiene muchas aplicaciones par a el ingeniero prctico, empezando por la determinacin de los
centroides de objetos con formas extravagantes hasta el clculo
de cantidadestotales basadas en conjuntos de medidas discretas.
Adicionalmente las frmulas de integracin numrica juegan un
papel importante en la solucin de las ecuaciones en diferencias.
5 . Ecuaciones diferenciales ordinarias. (Fig.
1.2e). Las
ecuaciones diferenciales ordinarias tienen un enorme significado
NUMERICOS
LOS METODOS PERSONALES
COMPUTADORAS
Y LAS
en la prctica de la ingeniera. Esto se debe a que muchas leyes

fsicas estn expresadas en tefminos de la raznde cambio de una
cantidad ms que en trminos de su magnitud. Entre los ejemplos
se observan desde los modelos de prediccin demogrfica (razn
de cambio de la poblacin) hasta la aceleracin deun cuerpo en
descenso (razn de cambio de la velocidad).
1.3 ORIENTACI~N
Resultatilesta orientacin antes de proceder a la introduccin de
numricos. Lo que sigue est pensado como unavista panormica del material contenido en la parte l. Se incluyen adems
algunos objetivos como ayuda para concentrarel esfuerzo del lector
al estudiar el material.
los mtodos
1.3.1
Alcanceycontenido
La figura 1.3 es una representacin esquemticadel material contenido en la parte I. Se ha elaborado este diagrama para darleun panorama global de esta parte del libro. Se considera que un sentido de
"imagen global" resulta importante para desarrollar una verdadera
comprensin de los mtodos numricos. AI leer un texto, es posible
que frecuentemente se pierda uno en los detalles tcnicos. Siempre que
el lector perciba que est perdiendo la "imagen global" regrsese
a la figura 1.3 para orientarse nuevamente.C a d a parte de este libro
incluye una figura similar.
Esta figura sirve tambin como una breve revisin previa del material que se cubre en la parte I. El captulo 1 est diseado para orientarle a los mtodos numricos y para darleuna motivacin mostrndole
cmo pueden usarse estas tcnicas en el proceso de elaborar modelos matemticos aplicados a la ingeniera. El captulo 2 es una introestn
duccinyuna
revisinde los aspectosdecomputacinque
relacionados con los mtodos numricos y presenta las habilidades
de programacin que se deben adquirir para explotar eficientemente la computadora. El captulo 3 se ocupa del importante tema del
anlisis de error, que debe entenderse bien para
el uso efectivo de
los mtodos numricos.
1.3.2 Metas y objetivos

Estdiese los objetivos. AI terminm la parte I el lector deber estar
preparado para aventurarse en los mtodos numricos. En general,
MTODOS
FIGURA 1.3
NUMRICOS PARA INGENIEROS
Representacin de la organizacin del material en la parte I: Los mtodos numricos

y las computadoras personales.
habr adquirido una nocin fundamental de la importancia de las computadoras y el papel de las aproximaciones y los errores en la implementacin y desarrollo de los mtodos numricos. Adicionalmente a
los objetivos esestas metas generales, deber dominar cada uno de
pecficos de estudio que se enuncian en la tabla 1 . 1 .
LOS MhODOS NUMERICOS
TABLA 1.1
Y LASPERSONALES
COMPUTADORAS
Obietivos de estudio especificos para la parte I
1.
2.
3.
4.
5.
6.
7.
8.
9.
1o.
11.
Entender la diferencia entre error de truncamiento y de redondeo

Entender el concepto de cifras significativas
Conocer la diferencia entre exactitud y precisin
Apreciar la utilidad del error relativo
Conocer la diferencia entre el error relativo verdadero E" y el error
relativo aproximado eo; darse cuenta de cmo este ltimo puede
emplearse en conjunci6n con un error aceptable especificado con
anterioridad E , para terminar un clculo
Ser capaz de relacionar el error relativo con cifras significativas
Ser capaz de aplicar las reglas de redondeo explicadas enel recuadro 3.1
Comprender cmo se usa la serie de Taylor para aproximar funciones
Comprender la naturaleza de la aproximacin y los trminos residuales de
la serie de Taylor
Conocer la relacin que existe entre las diferencias finitas y las derivadas
Familiarizarse con los elementos de juicio que se describen enel eplogo de
la parte I
Objetivos en computacin. AI completar la parte I el lector se habr

familiarizado con el software (NUMERICOMP)disponible para este
libro. Deber saber qu programas contiene y algunas de sus capacidades de graficacin. Tambin deber
tener las habilidades de prolos
gramacinnecesariasparadesarrollarsoftwarepropiocon
mtodos numricos de este libro. Deber ser capaz de desarrollar programas en trminos de los algoritmos o diagramas de fluio dados.
Podr guardarsu software en dispositivos de almacenamiento, como
discos flexibles o cinta magnbtica. Finalmente, el lector habr desarrollado la capacidad de documentarsus programas de tal forma que
los usuarios puedan emplearlos eficientemente.
CAPTULO UNO
MODELOS
MATEMTICOS
Por qu se deben dominar los mtodos numricos y la programacin

de computadoras para resolver los problemas? Adem6s del hecho que
de
a diario se observa que las computadoras intervienen en las actividades
m6s comunes de la vida diaria, dhabr6 alguna contribucin esencial que
estas mAquinas, con sus capacidades decididamente sobrehumanas,puedan hacer a las tareas y retos de los ingenieros? Es totalmente factible,
y con el material contenido en este captulo, se tratar6 de orientar al lector y motivarlo hacia una posibilidad cuando menos.
Primero se aplica el concepto de modelos matemticos para ayudar
a definir lo que se entiende por mtodos numricos y para ilustrar cmo
pueden facilitar la solucin de problemas en ingeniera. Paraesto, se desarrolla aqu el modelo matemtico deun proceso fsico y se resuelve con
un mtodo numrico sencillo.
El mundo fsico, con toda su complejidad, puede parecer abrumador
e impredecible, Tradicionalmente,la tarea del cientfico ha sido la de identificar los patrones reproducibles y las leyes que gobiernaneste caos. Por
ejemplo, sobre la base de sus observaciones, Newton formul su segunda ley del movimiento, que afirma que la velocidad de cambio dela cantidad de movimiento de un cuerpo con respecto al tiempo es igual a la
fuerza resultante que acta sobrel. Considerando las maneras excesivamente complejas en que las fuerzas y los objetos interactan en la tierra,
estaleyhaprobadoserunageneralizacinvlida.
Adems de que estas leyes proveen de discernimiento, los ingenieros
pueden aplicarlas para formular soluciones
a problemas prcticos. Porejemplo, los conocimientos cientficosse usan rutinariamente por los ingenieros en el diseo de,elementos tales como estructuras, mhquinas, circuitos
elctricos y sustancias qumicas sintticas. Desde la perspectiva del diseo de ingeniera, estos conocimientos sonmuy tiles cuando se expresan
en formade un modelo matem6tico.
Un modelo matemtico puede definirse, de una manerageneral, como una formulacino ecuacin que expresalas caractersticas fundamentales de un sistema o proceso fisico en trminos matemti'cos. Los modelos
12
MTODOS
NUMRICOS
PARA.INGENIEROS
se clasifican desde simples relaciones algebraicas hasta grandesy complicados sistemas de ecuaciones diferenciales. Recordando nuevamente a
Newton para este ejemplo, la expresin matemtica, o modelo, de su segunda ley es la bien conocida ecuacin
ma
[1.11
donde F es la fuerza neta que acta sobre el cuerpo (en dinas, o gramocentmetro por segundo cuadrado), m es la masa del objeto (en gramos),
y a es su aceleracin (en centmetros por segundo cuadrado).
La ecuacin (1.1)tiene varias caractersticas habituales de los modelos matemticos del mundo fsico.
1. Describe un sistema o proceso natural en trminos matemticos.

2. Representa una idealizacin y una simplificacin de la realidad. Es decir,
ignora los detalles insignificantes del proceso natural y se concentra
en sus manifestaciones elementales. Es por esto que la segunda ley
no incluye los efectos de la relatividad, que tienen una importancia mnima cuando se aplican a objetos y fuerzas que interactan
sobre o alrededor de la tierra a escalas visibles a los seres humanos.
3. Finalmente, conduce a resultadospredecibles y , en consecuencia, puede emplearse para propsitosde prediccin. Por ejemplo, si se conocen la fuerza aplicada sobre un objeto y su masa, entonces puedeusarse
la ecuacin (l.1)para predecir la aceleracin. Como tiene unaforma
algebraica sencilla, puede despejarse directamente
a=-
m
De este modo, la aceleracin puede calcularse fcilmente. Sin embargo, los modelos matemticos de otros fenmenos fsicos pueden ser
mucho ms complejos y no pueden resolverse exactamente o requieren
de tcnicas matemticas ms complejas que la simple lgebra para susoluci6n. Para ilustrar un modelo de este tipo pero ms complicado, se puede
usar la segunda ley de Newton para determinar la velocidad final de un
cuerpo en cadalibre cerca de la superficie terrestre. El cuerpo en descenso ser un paracaidista como se muestra en la figura 1.1.Para este caso
puede crearse un modelo al expresar la aceleracin como la razn de
cambio de la velocidad con respecto al tiempo (dv/dtj y sustituir en la
MODELOS MATEMTICOS
FIGURA 1.1
13
Representacin de las fuerzas que actan sobreun paracaidista en descenso. FD es la fuerza hacia abaio debido a la atraccin de la gravedad. Fu. es la fuerza hacia arriba debido a la resistencia del aire.
ecuacin ( l .1) paradar
dv
dt
m-=F
u31
donde u es la velocidad en centmetros porsegundo). As, la masa multiplicada por la razn de cambio de la velocidad es igual a la suma de fuerzas que actan sobre el
cuerpo. Si lafuerzatotal es positiva, el objeto
acelera. Si es negativa, el objeto sufre una desaceleracin. Si lafuerza
neta es cero, la velocidad del objeto permanecer a un nivel constante.
Para un cuerpo que cae dentro del permetro de la tierra (Fig. l.1) ,
la fuerza total est compuesta por dos fuerzas contrarias:la atraccin hacia abajo debida a la gravedad F D y la fuerza hacia arriba debida a la resistencia del aire Fu.
Si a la fuerza hacia abajo se le asigna un signo positivo, se puede usar

la segunda leyparaformularlafuerzadebida
a la gravedad como
donde g es la constante de gravitacin, o la aceleracin debida a la gravedad, que es aproximadamente igual a 980 cm/s2.
INGENIEROS
MTODOS
14
NUMRICOS
PARA
La resistencia del aire puede formularse de diferentes maneras. Una

aproximacin sencilla es suponer que es linealmente proporcional
a la velocidad, como en
donde c es una constante de proporcionalidad llamada el coeficiente de
arrastre (en gramos por segundo). As, a mayor velocidad de cada, ma-
yor es la fuerza hacia arriba debida a la resistencia del aire. El parmetro

c toma en cuenta las propiedades del objeto descendente, tales como
la forma o la aspereza de su superficie, que afectanla resistencia del aire.
Para este caso, c podra ser una funcin del tipo de traje o la orientacin
usadaporelparacaidistadurantelacadalibre.
La fuerza total es la diferencia entre las fuerzas hacia abajo y hacia
arriba. Por tanto, las ecuaciones (1.3)a (1.6) pueden combinarse para dar
dv
m- = mg - cv
dt
o , dividiendocadaladoentre
m,
dv
C
-9--v
dt
m
La ecuacin (1.8)es un modelo que relaciona la aceleracin de un cuerpo que cae a las fuerzas que actan sobre l. Es una ecuacin diferencia[
porque est escrita en trminos de la razn de cambio diferencial (dv/dt)
de la variable que nos interesa predecir. Por esta razn a veces se denomina ecuacin e n diferencias. Sin embargo, en contraste con la solucin
dada por la segunda ley de Newton en la ecuacin(1.2),la solucin exacta
de la ecuacin (1.8)para la velocidad del paracaidista que cae, no puede
obtenerse usando simples manipulaciones algebraicasy operaciones aritmticas. Envez de eso, debern aplicarse las tcnicas del clculo para
obtener una solucin exacta. Por ejemplo, si el paracaidista inicialmente
est en reposo ( u = O en t = O ) , se puede usarelclculopararesolver
la ecuacin (1.8),as
EJEMPLO 1.1
Solucin analtica al problema del paracaidista que cae

Enunciado del problema: un paracaidista con una masa de 68 100 g salta de un aeroplano. Aplquese la ecuacin (1.9) para calcular la veloci-
15
MTODOS MATEMATICOS
FIGURA 1.2
Solucinanaltica al problema del paracaidista que cae segn se

calcula enel ejemplo l. l. La velocidad aumenta con el tiempo y
se aproxima asintticamente o una velocidad final.
dadantes
de abrir el paracadas. El coeficiente de arrastre c es
aproximadamente igual a 12 500 g / s .
Solucin: al sustituir los valores de los parmetros en la ecuacin (1.9)
se obtiene
v (t)
980(68,100)
[I - e-t12.500/68.1001f
12,500
1
= 5339.0 (1 - e-0 18355t )
=
al dar varios valores de t se obtienen las velocidades para dicho tiempo:

los resultados se presentan a continuacin
t, S
v, cm/s
2
4
6
2776.9
1640.5
3564.2
4 109.5
10
4487.3
12
4749.0
5339.0
16
MTODOS
NUMERICOS PARA INGENIEROS
De acuerdo al modelo, el paracaidista acelera rpidamente (Fig. 1 . 2 ) .Se

llega a una velocidad de 4 487.3 cm/s (161.5km/h) despu6s de 10 s .
Ntese tambin que despus deun tiempo suficientemente grande se alcanza una velocidad constante (llamada velocidad final) de 5 339.0 cm/s
(192.2 km/h). Esta velocidad es constante porque despus de u n tiempo suficiente, la fuerza de gravedad estar en equilibrio con la resistencia
del aire. Por lo tanto, la fuerza total es cero y cesa la aceleracin.
A la ecuacin (1.9)se le llama una solucin analtica o exacta porque
satisface exactamente la ecuacin diferencial original. Desafortunadamente, hay muchos modelos matemticos que no puedenresolverse exactamente. En muchos de estos casos,la nica alternativa es la de desarrollar
una solucin numrica que se aproxime a la solucin exacta. Como se
mencion con anterioridad, los mtodos numricos son aquellos en los
que se reformula el problema matemtico para que se puedaresolver mediante operaciones aritmticas. Esto puede ilustrarse para la segunda ley
de Newton notndose que se puede aproximar la razn de cambio de
la velocidad con respecto al tiempo mediante (Fig. 1.3)
[1.10]
FIGURA1.3
USO
de una diferenciafinita
v con respecto a t .
paraaproximarlaprimeraderivadade
METODOS MATEMATICOS
17
donde Au y At son diferencias en la velocidad y el tiempo calculadas sobre intervalos finitos, u(t,) es la velocidad en el tiempo inicial
t,, y u ( t , + I )
es la velocidadalgntiempo ms tarde t,, Laecuacin ( l .10) es una
diferencia finita diuida enel tiempo ti. Puede sustituirseenla ecuacin
(1.8)paradar
Esta ecuacin puede ordenarse otra
vez para dar
[ : I
9
- -u(ti)
u(t1+1) = U@)
Nuevo
valor
de u
valor
anterior
valor
estimulado
incremento
de u
dependiente
la
&+I
ti)
[1.12]
Y as, la ecuacindiferencial (1.8)se transforma enuna ecuacin qGe
puede resolverse algebraicamente para u(ti+J . Si se da un valorinicial
para la velocidad en un tiempo ti, se puede calcular fcilmente u en t ! ,
Este nuevo valor de u en ti+l puede emplearse para extender el clculo
de u en t i + 2 y as sucesivamente. Por lo tanto, en cualquier tiempor de
la trayectoria,
-
EJEMPLO 1.2
Solucin numrica al problema
del
tiempo
del paracaidista que cae
Enunciado del problema: efectuarel mismo clculo que en el ejemplo l .1

pero usando la ecuacin (1.12)para calcular u ( t ) con un incremento de
tiempo igual a 2 s.
Solucin: alprincipio de los cSlculos (tl = O ) , la velocidaddel paracaidista uft,) es igual a cero. Con esta informacin y los valores de los parmetros del ejemplo l.l , la ecuacin ( l .12) se puede usar para estimar
v (ti+1)en ti+l = 2 s.
Para el siguiente intervalo (de t

sultado,
~ ( 4=
) 1960 + 980
=
3200.5 cmis
2 a 4 S ) , se repite el clculo con el
___
68
l2500
100(1960+
re-
20
MTODOS
i)
j)
NUMRICOS
PARA INGENIEROS
significat~voasociado con los puntos de los datos.

Los sistemas grandes de ecuaciones. las no linealidades 51 las geometras complicadas son comunes en la prctica de la ingeniera y fciles de resolver analticamente
Los modelosmatemticos no se pueden usar nunca con propsitos de prediccin.
1.2 Lanse las siguientes descripciones de problemas e identifquese qu rea de los

mtodos numricos (segn lo sealado enla Fig. 1.2)se relaciona con su solucin.
Una persona pertenece a una cuadrilla de reconocimiento topogrfico y debe
determinar el rea de un terreno limitado por dos caminos y una corriente que
serpentea
Un ingeniero es responsable de la determinacin de los flujos en una gran red
de tuberas interconectadas entre s para distribuir gas natural a una serie de
comunidades diseminadas en un rea de 20 km2
Para el problema del paracaidista que cae. se debe decidir el valor del coeficiente de arrastre para que un paracaidista de 90 kg de masa no exceda los
160 km/h en los primeros 10 S despus de haber saltado. Deber hacer esta
evaluacin sobre la base. de la solucin analtica [Ec. (1.9)].
La informacin se emplear para disear un tra~ede salto.
Un investigador efecta experimentos para encontrar la cada de voltaje a travs de una resistencia como una funcin de la corriente. Hace las mediciones
de la cada de voltaje para diferentes valores de la corriente Aunque hay algn error asociado con sus datos, al 91-aficar los puntos. stos le sugieren una
relacin curvilnea. Debe derwar una ecuacin que caracterice esta relacin.
Un ingeniero mecnico tiene que desarrollar un sistemade amortiguamiento para
un auto de carreras. Puede usar la segunda ley de Newton para tener una ecuacin para predecir la razn de cambio en la posicin de la rueda delantera en
respuesta a fuerzas externas. Debe calcular el movimiento de la rueda. como
una funcin del tiempo despus de golpear contra un tope de 15 cm a 240
km/h.
Un administrador tiene que calcular el ingreso anual requerido en un periodo
de 20 aos para un centro de entretenimientos que se va a construir para u n
cliente. El prstamo puede hacerse a una tasa de inters del 17.6"; Aunque
para hacer este estimado. la informacin est contenida en tablas de economa, slo aparecen listados los valores para tasas de inters del 15 y 20%
1.3
Proporcinese un ejemplo de un problema de ingeniera donde sea oportuno cada

uno de los siguientes tipos de mtodos numricos. En IO posible. remitasr el ejemplo de las experiencias del lector en cursos y en conferencias u otras experiencias
profesionales que haya acumulado hasta la fecha.
a)
Races deecuaciones
b) Ecuaciones algebraicas lineales
c)
Ajuste de curvas: regresin
d ) Ajuste de curvas: interpotacin
el Integracin
fi
Ecuaciones diferenciales ordinaria5
CAPITULO DOS
LA PROGRAMACION
EN LAS COMPUTADORAS
PERSONALES
Los mtodos numricos combinan dos en las herramientas ms importantes en el repertorio de la ingeniera: matemticas y computadoras. Los
mtodos numricos se pueden definir (sin ser muy exacto) como las matemticas por computadora. Las buenas tcnicas de programacin aumentan la habilidad para aplicar los conocimientos de los mtodos numricos.
En particular, las potencialidades y limitaciones de las tcnicas numricas se aprecian mejor cuando se usan estos mtodos para resolver
los problemas de ingeniera utilizando como herramienta una computadora.
Al usar este libro se obtiene la posiblidad de desarrollar los propios
programas. Debido a la gran disponibilidad de computadoras personales
y dispositivos de memoria magntica, los programas se pueden conservar y usar durante toda la carrera. Por lo tanto, uno de los principales
objetivos de este texto es que el lector obtenga programas tiles y de alta
calidad.
Este texto contiene caractersticas especiales que maximizan esta posibilidad. Todas las tcnicas numricasvan acompaadas de material para una implementacin efectiva en la computadora. Adems, se dispone
de programas suplementarios para seis de los mtodos ms elementales
discutidos en el libro. Estos programas, desarrollados para computadoras
personales (IBM-PC y Apple 11), pueden servir como base para una biblioteca de programas propios.
Este captulo presenta una informacin preliminar que tiene utilidad
siempre y cuando se desee usar este texto como base para el desarrollo
de programas. Est escrito bajo la suposicin de que ya se ha tenido una
experiencia previa en la programacin de computadoras. Debido a que
el libro no est enfocado hacia un curso de programacin, se estudian
nicamente aquellos aspectos que definen el desarrollo de programas de
anlisis numrico. Tambin se propone proporcionarcriterios especficos
para la evaluacin de los esfuerzos del lector.
22
2.1 ANTECEDENTES HISTRICOS

En el sentido ms amplio, una computadora se puede
definir como un
dispositivo que ayuda acalcular. Con base en esta definicin, una de las
computadoras ms antiguas es el baco. Descubierto en el antiguo Egipto y en China, se compone de cuentas
hiladas sobre alambrese n un marco
rectangular (Fig. 2. la).
Las cuentas se usan para guardar potencias 10
de (unidades, decenas,
centenas, etc.) durante un clculo. Cuando se emplea con destreza, el
baco puede competir en velocidad con una calculadora
de bolsillo.
Aunque los dispositivos manuales tales comoel baco aceleran la velocidad en los clculos, las mquinas extienden an ms las capacidades
humanas para estos clculos. Estimulados por la revolucin industrial,
los cientficos del siglo XVII desarrollaron la primera de tales computadoras
mecnicas. Blas Pascal invent, en 1642, una mquina para sumar (Fig.
2. l b ) . AI final de ese siglo, Gottfried Leibnitz desarroll una calculadora
mecnica que poda multiplicar y dividir.
Aunque en los siglos siguientes se desarrollaron otros instrumentos
de clculo, no fuesino hasta la dcada de 1940 cuando surgieron las computadoras electrnicas. Se originaron, inicialmente para proyectosmilitares en la segunda guerra mundial, erandispositivos de investigacin para
un solo propsito. Estas mquinas, con nombres comoENIAC Y EDSAC,
usaron tubos al vaco como componentes electrnicos bsicos. Aunque
eran caras, lentas y a menudo desconfiables, estas computadoras de la
primera generacin auguraban un procesamiento de datos agran escala.
Aunque algunas mquinas de la primera generacin, en especial la
UNIVAC,se vendieron a nivel comercial, no fue sino hasta la dcada de
1960 que las computadoras estuvieron disponibles para una gran cantidad de cientficos e ingenieros. Esto se debi al desarrollo de los transistores y de algunos dispositivos electrnicos de estadoslido que suplieron
a los tubos al vaco creando computadoras que, entre otras cosas, eran
ms confiables. Aunque el uso de estas computadoras se extendi, su
acceso era algunas veces limitado ya que las mquinas seguan siendo
muy caras para quela mayora de los profesionistas las obtuvieran individualmente. Por lo tanto, los ingenieros deban asociarse con
grandes
organizaciones tales como universidades, oficinas gubernamentales, corporaciones o firmas consultoras para tener acceso a las computadoras.
Sin embargo, a la mitad de la dcada de 1960 y principios de la dcada de 1970 un adelanto en la tcnica alter dramticamente esta situacin. En particular, el reemplazo de los transistores por circuitos integrados
ha producido un gran poder computacional en el medio profesional de
los ingenieros. Un circuito integrado, o CI, consiste en una pastilla delgada de silicn donde se han colocado miles de transistores. El resultado
prctico de esta innovacin ha sido en dos aspectos. Primero, en el ncleo de la mquina o la parte central de las computadoras, las velocida-
LA PROGRAMAC16NEN LAS COMPUTADORASPERSONALES
FIGURA 2.1
23
Evolucin de los dispositivos de clculo: a) buco; b) calculadora de Pascal; c) supercomputadora y d) microcomputadora o computadora personal (los incisos b y c con permiso de IBM; el inciso d con permiso de
Apple Computer, Inc.).
des y la capacidaddememoriason
muy grandes. Segundo, y ms
importante en el contextoactual, las computadoras personales que son
convenientes, pequeas, rpidas y confiables se estn produciendo en masa
y a precios razonables.Como se expresen un artculo de la revistaScientific American: Las microcornputadoras de hoy da a un costo tal vez de
$300 dlares, tienen ms capacidad de cmputo que las primeras computadoras electrnicas gigantescas ENIAC. Son 20 veces ms rpidas,
24
MTODOS
CUADRO 2.1
de
* Condensodo de
PARA INGENIEROS
Comparacin de sistemas comunes de cmputo*
Longitud
Cifras
almacenaclculo,de Costo
palabra
significativas
(dlares) bits
Sistema
Calculadora
prograrnable
Microcomputadora
Minicornputadora
Cornputadoras
grandes
NUMRICOS
ciclosls
1-2
O
7-1 O
7-1 O
7-1 4
miento (K)
25-350
7-1 6
16-32
32
100-5000
15,000-1 20,000
100,000-1 o,ooo,ooo+
106-1
106-1
106-1
o7
o7
o*
16-256
128-51 2
8000-32,000
Auerboch Computer Technology Reports, Agosto 1983.
tienenunamemoriamayor,sonmilesdevecesms
confiables, consulocomotora,ocupan
menla energade un bulboenvezdeladeuna
1/30 O00 de volumen y cuestan 1/10 O00 parte. Se pueden obtener por
unaordenpostal o encualquiertiendaespecializada (Noyce, 1977).
Las computadoras personales se agrupan, por lo general en una de
dos categoras que a veces no estn bien delimitadas: micro y minicomputadoras. Las rnicrocornputadoras son aquellas cuya funcin principal
est contenida en una sola pastilla de circuito integrado. Comnmente
cuestan unos miles de dlares.Las minicomputadoras son un trmino ms
imprecisoque se refiere a computadorasquesonmspotentesque
las micros pero caen an dentro de las posibilidades de compra de algunas
personas y pequeas compaas. Ambos tipos de computadoras estn
en contraste con computadoras grandes, o supercornputadoras, que se
manejan en intervalos de millones de dlares y sus propietarios son, por
lo general, organizaciones o compaas muy grandes. El cuadro 2 . 1 resume lainformacingeneralsobrevariostiposdecomputadoras.
Larevolucinenelcampodelestadoslidohaabiertolaspuertas
en el rea computacional a cada ingeniero. Sin ernhnrgo, no importa qu
tipo de computadora se use, sta slo tiene utilidad si se le proporcionan
instrucciones precisas. A estas instrucciones se les conoce como progratil para
mas.Lassiguientesseccionescontieneninformacinqueser
el desarrollo de programas de alta calidad para utilizar los mtodos numricos.
2.2
DESARROLLODE
PROGRAMAS
El material de este captulo est organizado alrededor de cinco temas, esquematizados en la figura 2 . 2 , requeridos para la elaboracin y cuidado
de programas de alta calidad. Este caljitulo contiene secciones que
cubren cada uno de estos pasos. Este material incluye un caso de estudio
donde cada uno de los pasos se aplica para desarrollar un programa y
resolver el problema del paracaidista. Despus de asimilar este material,
EN
LA PROGRAMACldN
PERSONALES
LAS COMPUTADORAS
25
el estudiante debe estar mejor preparado para desarrollar programas de

alta calidad para los mtodos del resto del libro.
2.2.1
Diseo de algoritmos
Se puede ahora empezar con el proceso de desarrollar programas para

una computadora. U n programa es simplemente un conjunto de instrucciones para la computadora. Todos los programas que se necesitan correrenuna computadora particular, en conjunto se les llama software.
FIGURA 2.2
Cinco pasos necesarios para producir y dar soporte a programas de alta calidad . Las flechas hacia atrs indican que los primeros cuatro pasos
se pueden ir meiorando conforme se gane experiencia.
26
INGENIEROS
PARA
MTODOS NUMERICOS
Un algoritmo es una secuencia l6gica de pasos necesarios paraejecutar una tarea especfica tal como la solucin de un problema. Los buenos
algoritmos tienen ciertas caractersticas. Siempre deben terminardespuk
de una cantidad finita de pasos y deben ser lo ms general posible para
tratar cualquier caso particular. Los buenos algoritmos deben ser determinsticos; esto es, no debendejarnada al azar. Los resultadosfinales
no pueden ser dependientes de quin est usando el algoritmo. En este
sentido, un algoritmo es anlogo a una receta. Dos cocineros que preparan independientemente unabuenarecetadeben
obtener dos platillos
idnticos.
La figura 2 . 3 muestra
~
un algoritmo para la solucin de un problema
simple que suma dos nmeros. Dos programadores que partan de este
algoritmopuedendesarrollardosprogramasconestilos
diferentes. Sin
FIGURA 2.3
a) Algoritmo y b) diagrama de fluio para la solucindel problema de

una sumasimple.
EN
LA PROGRAMACldN
PERSONALES
LAS COMPUTADORAS
27
embargo, dados los mismos datos, los programas deben arrojar los mismos resultados.
Una forma alternativade representar un algoritmo es medianteun diagrama de flujo. Esta es una representacin visual o grfica del algoritmo
que emplea una serie de bloques y flechas. Cada bloque en el diagrama
representa una operacin particular o un paso en el algoritmo. Las flechas indican la secuencia en que se implementan las operaciones. La figura 2.4 ilustra ocho tipos de bloques y flechas que conforman la mayor
parte de las operaciones que se requieren en laprogramacindeuna
computadora personal. Lafigura 2.3b muestra un diagrama de flujo para el
problema simple de sumar dos nmeros. Los diagramas de flujo tienen
una utilidad particular para bosquejar algoritmos complicados. En estos
casos, un bosquejo grfico puede ser til para visualizar el flujo lgico del
algoritmo. En este texto, se han incluido diagramas de flujo para la mayor parte de los mtodos importantes. Se pueden usar estos diagramas
como base para el desarrollo de sus propios programas.
2.2.2
Composicin de un programa
Despus de confeccionarun algoritmo, el paso siguiente es expresarlocomo

una secuencia de declaraciones de programacin llamado cdigo. Es importante resistir la tentacin de escribir el cdigo antes de que el problema en su totalidad est claramente definido y la tcnica de solucin y el
algoritmo hayan sido cuidadosamente diseados. Lasdificultades que ms
comnmente encuentran los programadores sin experiencia se deben por
lo general a la preparacin prematura de un cdigo que no abarque un
plan o unaestrategia total, para la solucindelproblema.
Despus que se ha diseado un buen algoritmo, el cdigo se escribe
en un lenguaje de alto nivel para una computadora. Se han desarrollado
cientos de lenguajes de programacin de alto nivel desde que la era de
las computadoras empez. Entre ellos, hay tres que tienen importancia
paracomputadoras personales: BASIC, FORTRAN y PASCAL.
FORTRAN, es la construccin de frmula translation (traduccin de
frmulas), y se desarroll en la dcada de 1950. Debido a que fue expresamente diseado para clculos, ha sido el lenguaje ms usado en la ingeniera y la ciencia.
BASIC, es la contraccin de beginners all-purpose symbolic instruction code (clave de instrucciones simblicas de propsito general para principiantes), fue desarrollado en la dcada de 1960. Requiere una cantidad
pequea de memoria y es relativamente simple de implementar.En consecuencia es uno de los lenguajes ms usados en las computadoras personales; sin embargo, el BASIC no es tanflexible como el FORTRAN
y a veces no es conveniente para programas grandes o complejos.
El PASCAL, que debe su nombre al cientfico francs BlasPascal, es un
lenguaje estructurado que se desarroll enla dcada de 1970. Los programas escritos en Pascal para una computadora determinada pueden
METODOS
28
FIGURA 2.4
Smbolos utilizados en diagramas de fluio.
29
LAPERSONALES
PROGRAMACldN
COMPUTADORAS
EN LAS
ser corridos fcilmente en otra. Aunque el Pascal es ms difcil de aprender que el BASIC y el FORTRAN, su fuerza sugiere que su importancia
crecer en el futuro. Esto es verdad para la programacin avanzada
a gran
escala.
BASIC y FORTRAN son convenientes para programas simples
y cortos
que son suficientes parala implementacin de los mtodos numricosde
este libro. Por lo tanto, se ha optado por limitar las presentaciones del
texto, a programas en estos lenguajes. BASIC es unaalternativaobvia
por su amplia disponibilidad. Se ha incluido el FORTRAN por su significado continuo en el trabajo de ingeniera. Aunque este libro hace nfasis
enlas computadoras personales, puede usarse por aqullos que tienen
acceso a mquinas ms grandes y en conjuncin con cualquier lenguaje
de alto nivel. Con este espritu, los programas y diagramas de flujo son
lo suficientemente simples como para que puedan servir de base en el
desarrollo de programas para aqullos que son expertos en
Pascal.
Una descripcin completa delBASIC y el FORTRAN, obviamente va
ms all del alcance de este libro. Adems, el nmero de dialectos disponibles en cada lenguaje complica an ms su descripcin. Por ejemplo,
existen ms de 10 dialectos derivados del BASIC. Sin embargo, limitando la discusin a lo fundamental, se puede cubrir informacin suficiente
de forma tal que se pueda entender e implementar efectivamenteel material relacionado con la computadora enel resto dellibro.
En la figura 2.5 SF! presentan los cdigos en FORTRAN y BASIC para sumar dos nmeros, mostrando las diferencias estructurales principales
entre los dos lenguajes, el etiquetado y el espaciamiento de cdigo. En
BASIC, cada instruccin se escribe con un nmero. En contraste, en FORTRAN se etiquetan con un nmero slo aqullas instrucciones que requieren identificacin. Por ejemplo, lainstruccinque tiene la etiqueta
nmero 1 en la versin FORTRAN de la figura 2.5 se llama una declara-
SIC
c
I
FIGURA 2.5
Programa de computadora en
la suma simple.
FORTRAN y BASIC para el problema de
30
INGENIEROS
PARA
METODOS NUMERICOS
cin FORMAT. Especifica la forma en que seva a introducir o a imprimir

una lnea particular. Por lo tanto, se debe etiquetar con un nmero para
que la computadora pueda distinguirla de otras declaraciones FORMAT.
Las declaraciones FORTRAN se deben numerar para otros casos pero
la mayor parte, por lo general van sin numerar.
Otra diferencia entre los dos lenguajes es el espaciamiento de cada
lnea; en BASIC, por lo general el espaciamiento no tiene importancia.
Por ejemplo, la lnea 10 se pudo haber escrito de las siguientes formas
10 A = 25
1OA=25
10
25
y la computadora debe interpretar todas las formas como equivalentes.

En contraste, los trminos en FORTRAN se deben alinear en columnas
especficas. Las reglas sobre la alineacin provienen del hecho de que el
FORTRAN se introduca originalmente en una computadora usandolectora de tarjetas. Aunque las tarjetas se emplean menos frecuentemente
hoy en da, las reglas de espaciamiento por lo general se han conservado.
A las 80 columnas de la tarjeta perforada se les llama campos de la
tarjeta. Los campos de la tarjeta se agrupan por partes para diferentes
propsitos. Estos se ilustran en la forma de codificacin de la figura 2.6.
Una forma de codificacin es un pedazo de papel donde se puedeescribir y verificar un programa para revisarlo de errores antes de introducirlo
a la computadora. Ntese que tambin contiene80 columnas al igual que
una tarjeta perforada. Tambin obsrvese que cada una de las partes de
los campos se usa para propsitos particulares.
Aparte de la estructura, los dos lenguajes tienen otras diferencias as
como fuertessimilitudes. En el cuadro 2.2 se delinean stas. Este cuadro
muestra comparaciones en paralelo deseis elementos principales de programacic que tienen importancia directa en el uso de los mtodos numricos. Estos son:
1. Constantes y variables. Se deben seguir ciertas reglas para expresar
nmeros y nombres simblicos en los dos lenguajes. Como se puede

ver en el cuadro 2.2 sta es un rea en donde el BASIC y el FORTRAN son muy diferentes.
2. Entrada-salida. stas son instrucciones mediante las cuales se transmite informacin de y hacia la computadora. He aquotra rea donde
los lenguajes muestran diferencias considerables. Aunque la mayor parte
de los lenguajes modernos mejoran esta situacin, histricamente las
capacidades de entrada-salidadel BASIC, han sido muy limitadas. En
constraste, las declaraciones FORMAT del FORTRAN son herramientas
muy potentes para etiquetar y espaciar la salida. Sin embargo, son de
las declaraciones de programacin ms difciles para un novato y aun
para u n experto.
32
METODOS NUMRICOS
CUADRO 2.2
PARA INGENIEROS
Referencia rpida: comparacin de FORTRAN y BASIC. FORTRAN

y BASIC son lenguajes de computadora fciles de aprender y de
practicar, en general son los primeros lenguajes de
programacin que se les ensea a los estudiantes de ingeniera.
Como sucede con muchos lenguajes de programacin, existen
varios aspectos que hacen dificil entender su uso. La siguiente
comparacin resulta del intento de bosquejar las diferencias
generales y las similitudes entre FORTRAN y BASIC y a la vez
servir de referencia rpida y como recordatorio. Se pueden
consultar otras fuentes para los detalles referentes Q cada uno
de los lenguajes. Este resumen se limita y se enfoca a la vez al
material que tiene importancia directa con los metodos
numricos y con los programas descritos en el texto.
FORTRAN
BASIC
CONSTANTES Y VARIABLES
(Representan los nmeros y caracteres

usados a lo largo del programa)
Constantes
Son valores positivos o negativos, (excluyendo las comas o los smbolos

especiales) que se mantienen inalterados a lo largo del programa.
numricas
Constantes
Enteros
sonconstantes que no contienenpuntosonnmerosenteros
decimal:
1, -2, 100
o reales con punto
decimal:
1, -2.0, 0.001,100
Constantes reales:
contienen punto decimal:
1.o, -2., 0.001

Exponenciales
sonconstantesescritasen
notacin cientfica.
Por ejemplo, los nmeros:
-12 000, 0.000 006 8, 386 O00 O00

se expresan en notacin cientfica como:
-12 x
lo3, 6.8 x
3.86 x 10
y se pueden escribiren FORTRAN y BASIC como:

- 12E3, 6.8E-6, 3.86E8
Constantes alfanumricas y cadenas de caracteres

representan letras, nmeros y smbolos que se usanenestetexto
para etiquetar.
Las cadenas de caracteres tienenotras aplicaciones, incluyendo el U S O de
expresiones de relacin.
En FORTRAN se encierran como:
JOHN DOE, INTRODUCE B
En BASIC se encierran como:
VALOR DE A =, 8/5/48
EN
LA PROGRAMACldN
33
PERSONALES
LAS COMPUTADORAS
CUADRO 2.2
Referencia rpida: comparacin de FORTRAN y BASIC. (cont.)

FORTRAN
Variables numricas
representan cantidades que pueden cambiar de valor.
Se usan para estas
y no
variables los nombres simblicos, que deben empezar con una letra
pueden contener smbolos especiales.
Nombres de variables
Nombres de variables
consisten de uno a seis caracteres, desde

la A a la Z y del O a 9:
constan de dos caracteres (ms en algunos dialectos) de la A a la Z y del O al 9:
AA, X, N1
Variables enteras
representan valores enteros y empiezan representan valores

con las letras I a la N:
reales o enteros.
N,KOUNT, lNDl
Variables reales
representan valores reales y empiezan
con las letras A a la H y O a la Z:
X, COUNT, VEL1
Variables de caracteres o cadenas
representan cadenas alfanumricas y de caracteres. Se usan nombres simblicos.
. El tratamiento de las cadenas de caracteres vara considerablemente entre
diferentes versiones
Declaracin CHARACTER
Cadenas variables
$. La longitud de
son de la forma:
terminan
con
la varia-
ble es limitada.
A$, N1$
CHARACTER * n vorl,vor2
donde n es la longitud especfica de la
cadena de caracteres seguida por una
lista de variables. Por ejemplo,
CHARACTER * 4 NOMBRE1, NOMBRE2

~~
Arreglos
son variables con subndice que almacenan un conjunto de valores en vectores
de una dimensin y en matrices multidimensionales. El espacio de
almacenamiento suficiente para un nmero dado de elementos se especifica
mediante
Declaracin DlMENSldN
Declaracin DIM
DIMENSION A(n),
ISUM(n,,n2)
Se permiten hastasietesubindices
deben ser enteros positivos.
DIM A(n), IS(nl,n2)

que
La declaracin DIM, en general se limita a

arreglos bidimensionales; las n pueden
ser variables.
Los arreglos no dimensionados generan
un error.
dimensionados
Los
noarreglos
un valor de n = 10.
suponen
34
M ~ T O D ONUMRICOS
S
CUADRO 2.2.
Referenciarpida:comparacindeFORTRAN
PARA INGENIEROS
y BASIC. (cant.)
FORTRAN
BAS IC
La declaracin DIG-ENSION se debe colocar antes de cualquier declaracin

ejecutable.
La declaracin DIM se debe colocar antes

de la primera lnea donde la variable
dimensionada se va a usar. En caso de
no ir, supone el valor n = 10. El redimensionamiento genera a unmensaje
de error.
Las variables definidas en la declaracin

DIMENSION (esto es, A o ISUM)tienen
la misma regla de las variables numricas "esto es, el arreglo A debe contener valores reales, mientras que el
arreglo ISUM debe contener valores
enteros.
ENTRADAlSALlDA
qu medios se transmite informacin a y desde un programa),
Declaraciones de formato
especifican la longitud y la posicin de cada uno de los datos, que se van a leer
o a imprimir.
Aunque en laentraday
salida de datos existe formato libre, el FORTRAN
estndar, en general impone un formato de lectura o impresin.
Aunque existe Io declaracin de formato

para lectura o impresin de datos, las
versiones recientes de BASIC no lo empleon.
Entrada
especifica los medios por los cuales se transmitendatos al programa
Declaracin READ
permitenintroducirdatos
durante su ejecucin:
READ f varl,vur2,.
alprograma
. .
, vur,
donde f esun cdigo de formato que

especifica el tipo, disposicin y, en algunos casos, el dispositivo usado para leer
los valores de var], var2, . . ., varn. Por
ejemplo:
READ (5,2)
A,B
donde el 2 es la etiqueta donde est la
declaracin FORMAT correspondiente
y el 5 especifica que los datos se obtendrn de una lectora de tarjetas.
Declaracin DATA
Declaracin INPUT
Permitenintroducir datos at programa
durante su ejecucin:
In INPUT varl,vur2,. . . , var,

donde Ines el nmero de lneas donde
est la declaracin INPUT y var,, var2,
. . ., var, son los nombres de las variablescuyosvalores
se vanaleer.
Por
ejemplo:
10 INPUT A,B
Cuando se ejecutaestainstruccinse
deben introducir los valores de A y B en
undispositivo,tal como el teclado.
DeclaracionesREDlDATA
son declaraciones no ejecutables que defi- consiste de una declaracin READ asociada a una declaracin DATA que contienen el valor inicial de una variable.
ne los valores que se van a leer, como:
Tienen la forma general.
35
LAPERSONALES
PROGRAMACldN
COMPUTADORAS
EN LAS
CUADRQ 2.2
Referencia rpida: comparacin de FORTRAN y BASIC. (cont.).

FORTRAN
BASIC
DATA var,, , . .,var,,lvalor,,
10 READ
A,B,C,Z
. . .,valor,,/
donde var es el nombre de la variable

y valor es una constante. Por ejemplo:
90 DATA5,0.001,88,1 E-6
DATA A,B,C,Z/5.,0.001,88.,1.E-6/
Salida
esel
medio por el cual se transmiten datos del programa.
Declaracin WRITE
Declaracin PRINT
se usa comnmente para imprimir datos.

Su forma general es:
se usa comnmente para imprimir datos.

Su forma general es:
WRITE fvarl, . . . , vur,
In PRINT varl, . . . , var,

Por ejemplo:
Por ejemplo:
WRITE (6,2)A,B
donde (6,2) es el cdigo de formato, el
2 es la etiqueta de la declaracin FORMAT
correspondiente y el 6 especifica que los

datos se imprimirn en una impresora.
10 PRINT A,B
Enel
momento que esta declaracin
se ejecuta, los valores de A y B se imprimen en un dispositivo tal como la pantalla o una impresora.
1
I
cA1cu10s
(Operaciones que usan expresiones matemticas)
Declaraciones de asignacin
se usan para asignar un valor a una variable:
XM=3.281
indica a la computrdora
que asigne el valor
3.281
a la variable
XM;
A=XM+5
5 a XM y le asigne el resultado (en este caso,
8.281) a la variable A;
indica a la computadora que sume
A=A+40
indica a la computadora que sume 40 a A y le asigne el resultado (en este caso,
48.281) a la variable A . El valor anterior de A se destruye enel proceso.
Ntese que, aunque A = A
40 no es una expresin matemtica vlida, tiene
un significado especial dentro de la computadora. AI signo de igual en la
declaracin de asignacin se le puede dar un significado de "se reemplaza
por", como en:
A se remplaza por A+40

Operadores aritmticos
sonsmbolos usados para representar operaciones matemticas:
+
-
..
Suma
Resta
+
-
36
MTODOS
CUADRO 2.2
NUMRICOS
PARA INGENIEROS
y BASIC. (cont.).
Referencia rpida: comparacin de FORTRAN

FORTRAN
BASIC
Multiplicacin
Divisin
Exponenciacin
**
i
**, ? , A
(El signode exponenciacin
depende del tipo de BASIC)
Si una expresinaritmticatuvieratodos
los operadores, el orden en que se
efectuaransera: primero, todas las exponenciaciones de izquierda a derecha
en BASIC, Applesoft y Microsoft, y de derecha a izquierda en FORTRAN; a
continuacidn todas las multiplicaciones y divisiones
de izquierda a derecha, y
finalmentetodaslassumasyrestas
de izquierda a derecha. Cuando una
expresin presenta parntesis, la forma de efectuarlos es del msinterno al ms
externo.
x=
$0
3":
y4
45
"
X=(((A+B)-RA3)/33-YA4/45)A.5
X=(((A+B)-R**3)/33-Y**4/45)**.5
CONTROL
(Dirigen el flujo del programa mediante saltos,

transferencias y reasignacianes)
especificaunsalto
Dedaracin GO TO
incondicional aun nmero de lneaespecfico:
GO TO 200
Operadores lgicos
se usan para comparar los valores de dos expresiones:
.EQ.
.NE.
.IT.
.LE.
.GT.
.GE.
.AND.
.OR.
, Igual
.
a
diferente de
menor que
menor o igual que
mayor que
mayor o igual que
<>
<
<=
>
>=
lgica
AND
OR
Declaracin lgica If
se utilizan para la toma de decisiones, de acuerdo al valor verdadero
a falso
que tenga una expresin lgica
IF(N.GT.l .OR.N.LT.3)N=2
IF(N.GE.l) GOTO 10
IF(N>l)OR(N<3)THEN N=2
IF N>=l THEN 10
En los ejemplos anteriores, si la expresin lgica se cumple, seejecuta la

transferencia o la asignacin. En el primer ejemplo, si N es mayor que 1 a
EN
LA PROGRAMACldN
PERSONALES
LAS COMPUTADORAS
CUADRO 2.2
37
y BASIC. (cont.).
FORTRAN
BASIC
menor que 3, entonces N se iguala a 2 y el control pasa a la siguiente lnea. En

el segundo, si N es mayor o igual a 1, el programo se transfiere a la lnea 1 O.
En cualquier caso, si la expresin es falsa, no se ejecuto la transferencia o
reasignacin y el control se pasa a la siguiente lnea.
Ciclos
permiten repetir clculos con una cantidad
mnima de declaraciones
Ciclos con IF lgico

repiten calculos que se controlan con base en la declaracin
1 0 X=Y(I)*Z(I-1)
IF(X.LT.O)GO T O 50
1=1+1
GO TO 1 0
50 X=-X
IF:
10 X=Y(I)*Z(I-1)
20 IF X<O T H E N 50
30 I=!+l
40 GO T O 10
50 X=-X
Ciclos controlados por un indice

Ciclos D O
FORlNEXT
Ciclos
DO In I=j,n,k
In
CONTINUE
FOR I = i T O
In
STEP k
NEXT I
donde In es el nmero de lnea de la h a declaracin del ciclo, i es el valor

inicial del contador, n es el valor final o terminal y k es el incremento dado a la
variable I para que.vare desde j hasta n. Despus de terminar el ciclo,, I tiene el
valor de n + k siempre y cuando I sea mltiplo de n.
SUBPROGRAMAS: FUNCIONES Y SUBRUTINAS

(ejecutan una proposicin o un conjunto de proposiciones
que se repiten varias veces a lo largo de un programa)
~~
Funciones intrnsecas
son funciones construidas internamente o funciones de biblioteca que realizan
operaciones matemticas o trigonomtricas que se emplean comnmente.
SIN
Seno
Coseno
TAN
Tangente
ALOG o LOG
Logaritmo natural o de base e
ALOG o LOGIO
Logoritmo comn o de base 10
EXP
Exponencial
SQRT
Raz cuadrada
ABS
absoluto
Valor
IN T
El entero ms grande
que
Es menor o igu:?! a x
cos
SIN
cos
TAN
LOG
EXP
SQR
ABS
INT
38
INGENIEROSMETODOS
CUADRO 2.2
NUMRICOS
PARA
Referencia rpida: comparacin de FORTRAN y BASIC.(cont.).

FORTRAN
donde x es el argumento de la funcin. Ntese que la lista anterior no est
completa. Dependiendo de la versin del compilador pueden existirms funciones intrnsecas.
Funciones definidas por el usuario

SOL.
son funciones definidas por el programador.

Declaracin de funciones
son de la forma:
narnbre(xl, .
. . ,xn) =
Declaracin DEF
son de la forma general:
in DEF FNa(x) = f
donde nombre es el nombre de la funcin (se puede dar cualquier nombre);

x , , . . .,x,,son variables numricas que
no tienensubndice y f es una expresin
aritmtica
que
depende
de
x , , . . .,x,,.
donde In es el nmero de lnea, a es

cualquier letra del alfabeto, x es una
variable numrica (sin subndice) y f es
una expresin aritmtica que es funcin
de x .
Las declaraciones de funciones van antes

de laprimera proposicin de ejecutable.
La declaracin DEF va antes de ejecutar

dicha funcin.
Se pueden pasar varios argumentos en

unadeclaracin de unafuncin. Las
otras variables dentro de lafuncin tienen el mismo valor que en el programa
principal en el punto donde se llama la
funcin.
Se puede pasar slo argumentos en una

declaracin DEF. Lasotras variables
dentro de la funcin tienen el mismo valor que en el programa principal en el
punto donde se llama a la funcin.
TRIG(X,Y)=SIN(X)-LOG(Y)
&
)'&
A=5
B=10
S=TRIG(A,B)
Subprogramas Function
se parecen a las declaraciones de funciones en la ejecucin pero, como su nombre lo indica, son programas, esto es,
consisten de varias lneas. Los subprogramas tipofunctionson
de lo forma
general:
FUNCTION name(xl,. . . x2j
nombre =
RETURN
donde todos los valores que toma la

funcin son aquellos que se definen a1
llamar a dicha Funcin.
10 DEF FNT(X)=SIN(X)-LOG(B)
80 E= 10
70A=5
90 S=FNT(AJ
39
LA PROGRAMACldN EN PERSONALES
LAS COMPUTADORAS
CUADRO 2.2

FORTRAN
y BASIC. (cont.).
BASIC
A= 5
B=10
S=TRIG (A.B)
FUNCTION TRIG(X,Y)
TRIG=SIN(X)-LOG(Y)
RETURN
Ntese quelas constantes y las variables
que no se pasan como argumentosdeben definirse dentro de
la funcin o pasarse por una declaracin COMMON.
Subrutinas
son subprogramas que consisten de un conjunto de proposiciones que realizan
una tarea en particular. Contienen una declaracin RETURN que regresa al
punto donde se llam a la subrutina.
Las subrutinas se llaman con una declaracin CALL de la forma:
Call nombre (arg,,org,,.
. .,arg,)
donde nombre es el nombre de la subrutina y org,,. . ., org, son los n argumentos (variables o constantes) que se
pasan a la subrutina.
La subrutina va despus del programa
principal y empieza conuna declaracin
SUBROUTINE, de la forma:
Las subrutinas se llaman con una declaracin GOSUB de la forma:
In, GOSUB Inn

donde In, es el nmero de lnea de la
declaracin GOSUB y In2 es el nmero
de lnea donde empieza la subrutina.
La primera lnea de la subrutina puedeir
en cualquier lugar dentro del programa.
donde nombre debe ser el mismo al Ilamar dicha subrutina conla proposicin
CALL.
Una vez dentro de la subrutina, las proposiciones se ejecutan en secuencia hasta
que se encuentra una declaracin RETURN, despus de lo cual regresa a la siguiente lnea de donde est la subrutina.
Se pasan a y desde la subrutino nicaTodos los valores se pasan a y desde la
mentelos valoresqueaparecencomosubrutina.
argumentos de la misma:
40
MTODOS
CUADRO 2.2.
BAS

FORTRAN
y BASIC. (cont.)
IC
CALL SUM (X.Y,Z)
200 GOSUB 800
END
SUBROUTINE SUM (A,B,C)
C=A+B
RETURN
500 END
800 Z=X+Y
850 RETURN
Nteseque lasconstantes y las variables que no se pasan como argumentos

se deben definir dentro dela subrutina o pasarseconunadeclaracin
COMMON.
DOCUMENTACI~N
(le permite incluir informacin
para el usuario de los programas)
las declaraciones de documentacin son instrucciones no ejecutables.
REM
REM seguida
Declaracin
comentario
de Declaracin
Consiste del carcter C o del smbolo * en Consiste de

la declaracin
por unmensaje:
la columna 1 seguido por unmensaje:
C aqu se puede teclear cualquier
1 O REM aqu se puede teclearcualquier
mensaje.
mensaje.
3. Clculos. Las operaciones matemticas son muy similares en ambos

lenguajes. Aunquela nomenclatura es un poco diferente,las ecuaciones escritas en los dos lenguajes casi son idnticas.
4. Control. Estas declaraciones se usan para
dirigirla secuencia lgica

de las instrucciones en el programa. Para los m6todos numricos, es
suficiente con tres tipos: la declaracin GO TO, el IF lgico y los ciclos. Aunque hay pequeas diferencias en la nomenclatura de ambos
lenguajes, las declaraciones son muy similares en operacin.
5.
Subprogramas. Como lo indica el nombre, son miniprogramas dentro

del programa principal. Se disean para ejecutar declaraciones que
se repiten muchas veces a lo largo del programa. En vez de reescribir
los miniprogramas muchas veces dentro del programa, se pueden escribir slo una vez e invocarse con una declaracin simple cuando sea
necesario. Estos .subprogramas, que incluyen las subrutinas, funciones definidas por el usuario y funciones predefinidas, son otro caso
078fq
LA PROGRAMACIN EN LASCOMPUTADORASPERSONALES
donde FORTRAN y BASIC difieren significativamente. Las diferencias estriban en la manera en que se pasainformacin entre el cuerpo
principal del programa y los subprogramas. Como se muestra en el
cuadro 2.2. los argumentos de los subprogramas FORTRAN actan
como ventanaspara controlar el paso de informacih. Este es un ejemplo que muestra al FORTRAN como un lenguaje ms complicado y .
en consecuencia. ms potente que
el BASIC.
6. Documentacin. Estas declaraciones permiten incluir informacin enfocada al usuario dentro del programa.
En resumen, el FORTRAN es un poco ms flexible y ms poderoso

aunque tambin es ms difcil de aprender que el BASIC. Sin embargo.
ya que ste sedesarroll originalmente como una versin simplificada del
FORTRAN. los dos lenguajes muestran varias similitudes. Aunque cada
uno de ellos tiene sus reglas que deben respetarse e n cuanto a estilo. su
vocabulario y gramtica son lo suficientemente similares como para permitir una traduccin fcil de la mayor parte de los programas de un lenguaje a otro. Por 10 tanto, en este libro todo el cdigo para computadora
se presenta en formato doble como el de la figura 2.5. Aunque algunas
veces signifique que se olvidarn caractersticas peculiares de uno u otro
lenguaje, esto permitir alcanzar un conocimiento de los dos lenguajes
FORTRAN y BASIC.
2 . 2 . 3 Rastreo y
prueba
Despus de escribir el cdigo del programa. se debe probar para buscar

los errores, a los que se les llama bugs. AI proceso de localizar y corregir los
errores se les conoce como rastreo. Pueden ocurrir varios tipos de errores cuando se programa encualquier lenguaje. Los errores de sin taxis violan
las reglas del lenguaje como la ortografa. la formacin de los nmeros.
los nmeros delnea y otras reglas especficasa cada lenguaje. Estos errores
a menudo resultan al teclear cosas raras. Por ejemplo. la declaracin en
BASIC
30 A
5/(0.2+ 4 * SIN (2* Y1
generara un error de sintaxis inmediato porque los parntesis no se encuentran por parejas.
Los errores ms difciles de detectar estn asociados con la lgica y
con la construccin de los programas y pueden ocurrir sin interrupciones
de sintaxis. Por lo tanto, se debe tener especial cuidado y asegurarse de
que el programa hace lo que se le pide. Por ejemplo. supngase que.
se deseansumar los enterosentre 1 y 10 y luego dividirlos entre 10
(es decir. calcular su promedio). Los cdigos en FORTRAN y BASIC deben ser
42
MTODOS
FORTRAN
PARA INGENIEROS
BASIC
s=o
DO40 I
NUMRICOS
1 , 10
S=S+I
40 CONTINUE
A = S/I
WRITE (6, 1 )A
1os=o
20 FOR I = 1
TO 10
3OS=S+I
40 NEXT I
5C A = S/l
60 PRINT A
obteniendo como resultado A = 5.mientras que el resultado esperado

era A = 5.5. La sintaxis est perfecta. pero hay un error de lgica que
la computadora jams podr detectar porque no hay forma de observarlo. Una manera de eliminar este tipo de error es la de imprimir durante
el programa los valores de las variables que no se requieran en la forma
final del programa. Por ejemplo. si se ha escrito
WRITE f V O ~ I. , . . , vorn
in PRINT vorl, . . . , V O ~ ,
con los resultados A = 5 e I = 11, probablemente se notar que el error

estriba en que el valor de I se incrementa al salir del ciclo.
Los erroresdeeste tipo a menudoson muy dificiles de detectar
en programas muy grandeso muy complejos. Porlo tanto, es una buena
prctica verificar manualmente si es posible, los resultados dados por
' el programa y probarlos en casos especiales. Esto puede hacerse con lpiz,
papel y una calculadora. Los errores asociados con la lgica o con la finalidad de un programa. no con la gramtica, se les conoce como errores de semntica. Estos ocurren. por lo general durante la ejecucin del
programa y se les conoce tambin como errorese n el momento de /acorrida (run time errors). Es absolutamente necesaria la tcnica de imprimir los valores de las variables intermedias para verificar la lgica de un
programa y evitar errores de semntica en programas muy grandes.
El rastreo y la prueba de los programas se facilita empleando u n buen
estilo de codificacin, Esto puede implicar que el disefio de los programas
consista de varias partes pequeas. A este tipo de estilo de programacin se le conoce como programacin modular. Cada parte esespecifica
e identifica fcilmente las tareas a ejecutar. Las subrutinas son medios apropiados para tal modularizacin. El programa principal (o el programa que
las llama) puede, entonces ser simplemente un director que gua cada una
de las partes en un esquema lgico. De esta manera. si los programas
no funcionan perfectamente, se puede aislar y localizar el problema ms
rpidamente. Por ejemplo. se pueden escribir subrutinas para c,ada una
de las siguientes tareas:
1. datos.
Leer
4. Ejecutar algoritmos numricos.
2. Mostrar datos.
5. Mostrar los resultados en

una
3. Mostrarun carcter para
6. Mostrar los resultados enuna grfica.
informacin.
tabla.
LA PROGRAMACIN ENPERSONALES
LAS COMPUTADORAS
-
43
Cada una de estas subrutinas realiza una tarea limitada y aislada que se
puede programar y rastrear separadamente. Esto simplifica mucho eltrabajo total. comparado con el rastreo de todo el programa simultneamente.
Despus de probar los mdulos, todo el programa se debe sujetar a
una prueba total del sistema. Para un programa de mtodos numricos,
se debe realizar una serie de clculos y debe compararse con casos donde se
conozcapreviamente lasolucin exacta. Algunas veces sedispone de
la solucinanaltica lacual es aceptable para estos propsitos. Tal fue
el caso delparacaidista (recurdense los ejemplos 1.1. y 1.2). En otros
casos, el programador debe realizar clculos manuales con una calculadora de bolsillo para comprobar que el programa lleva a resultados confiables. En cualquier caso, el programa se sujetar a una gran variedad
de pruebas para asegurarse de que funcionar confiablemente bajo todas
las condiciones de operacin posibles. Unicamente hasta entonces el programa estar listo para ser usado en la solucin de problemas de ingeniera.
2.2.4
Documentacin
Despus de que el programa ha sido rastreado y probado, se debe documentar. La documentacin es la inclusin de comentarios que le permiten al usuario implementar el programa ms fcilmente. Recurdese que
junto con otras personas que pueden usar sus programas, el programador mismo es un usuario. Aunque un programa parezca simpley claro
cuando est recinhecho y se guarda en la mente, despus de pasar cierto
tiempo el mismo cdigopuede parecer inaccesible. Por lo tanto, se debe
incluir suficiente informacin para permitirle
a los usuariosentender e implementar inmediatamente tales programas.
Esta tarea exhibeaspectos internos y externos. La documentacininterna consiste de algn anlisis o explicacin que se inserta a lo largo del
cdigo del programa para la descripcin de cmo trabaja cada una de
las secciones del mismo. Es importante en casos donde se va a modificar
el programa. Esta documentacinse debe incluir tan pronto como se termine una parte del programa, en lugar de hacerlo hasta el final, para evitar la prdida del concepto en el diseo original que se tuvo en el desarrollo
del programa. La documentacin interna se mejora considerablemente
con el uso de nombres mnemnicos apropiados para las variables. Estos
nombres pueden ser ms difciles de codificar que los nombres
pequeos, pero la ventaja de ser ms informativos, por lo general hace que
valga la pena el esfuerzo adicional. Utilizar nombres mnemnicosconvenientes, incluyeen esencia eluso de nombres convencionales o est6ndares o abreviaciones comunes para variables.
La documentacin externa explica las instrucciones como mensajes
al usuario en
e informacin impresa suplementaria diseada para auxiliar
la implementacin de los programas. Los mensajes impresos se supone
que ayudan a que los resultados estn bien presentados y accesibles al
usuario. Esto implica el uso correcto de espacios, lneas en blanco o ca-
MTODOS
44
NUMRICOS
PARA INGENIEROS
racteres especiales que ilustren la secuencia lgica y la estructura de los

resultados de un programa. Los resultados bien presentados simplifican
la deteccin de errores y aumentan la comprensin de los mismos.
La informacin suplementaria puede variar desde una hoja hasta un
manual para el usuario. La figura 2.7 muestra un ejemplo de una forma
FIGURA 2 . 7
Formato simple de una pgina para la documentacin de un programa.

Esta pgina se debe guardar en una carpeta con un listado del programa.
45
L A P R O G R A M A C I ~EN
N LAS COMPUTADORASPERSONALES
de documentacin simple que se recomienda para preparar cada unode

los programas a desarrollar. Estas formas se pueden mantener enun cuaderno denotas para tener unareferencia rpida para la biblioteca d e programas. El manual del usuario para una computadora es un ejemplo de
una documentacin accesible.Este manual indica cmo correr el sistema
y los programas d e operacin en disco de la computadora.
2.2.5 Almacenamiento
y mantenimiento
Los pasos finales en el desarrollo de u n programa son el almacenamiento

y mantenimiento del mismo. El mantenimiento involucra acondicionar el
programa e incluso hacerle cambios que lo hagan accesible a problemas
reales. Despus de varias corridas, estos cambios pueden hacer al programa ms fcil de usar y ms aplicable a mayor cantidad de problemas.
El mantenimiento se facilita con una buena documentacin.
El almacenamiento se refiere a la manera en que los programas se
guardan para uso posterior. Antes del advenimiento de las computadoras personales, no haba formas simples de almacenar copias de trabajo
de programas realizados. Los listados de cdigo, de hecho se guardaban,
pero tenan que teclearse de nuevo para usos posteriores. Las cajasde tarjetas
FIGURA 2.8
Disco flexible.
46
INGENIEROS
PARA
MTODOS NUMERICOS
perforadas se podan guardar, pero paraun programa de cualquier magnitud resultaban difciles de manejar y susceptibles a deteriorarse.
Como se menciona al principio de este captulo, los dispositivos de
almacenamiento magntico han mejorado sustancialmente la habilidad
de retener programas. Un dispositivo comn de almacenamiento esel disco
flexible. mostrado en la figura 2.8. Los discos flexibles son un medio barato para almacenar programas y datos. Aunque los discos flexibles tienen una granutilidad. tambin tienen algunas desventajas. Por unaparte,
su tiempo de acceso es m u y lento; por otra, se deben manejary se deben
guardar con mucho cuidado. Dado que pueden borrarse muy fcilmente, siempre se debe teneruna copia de cada uno de ellos. Adems,cuando
se termina un programa de computadora, se debe imprimir inmediatamente y almacenarlo con la documentacin correspondiente. Estas impresiones pueden ser tiles en el caso no deseado, pero posible, de que
el disco y su copia se destruyan.
2.3 DESARROLLODE UN PROGRAMA PARA

EL PROBLEMADELPARACAIDISTA
Ahora se usar el material de las secciones previas para escribir u n programa en BASIC y en FORTRAN para el problema del paracaidista. Estos programas son un ejemplo ideal porque contienen todos los elementos
-entrada-salida, ciclos, decisiones, clculos y subprogramas- que conforman al programa en el resto del captulo.
Recurdese que el problema del paracaidistaes equivalente ala solucin de la ecuacin (l.12):
r
-7
donde v
es la velocidad en un tiempo posterior
v(tJ es la velocidad en el tiempo actual ti, g es la aceleracin de la gravedad (igual a)
980 cms/s2, c es el coeficiente de rozamiento, m es la masa del paracaidista y At = ti+l - ti. El trmino entre corchetes es el valor actual del
promedio de cambio de velocidad respecto al tiempo [Ec. (1.8)].Si se
conoce la velocidad inicial del paracaidista v (ti)la ecuacin (2.1) se puede resolver repetidamente para valores de v(ti+J, como se hizo en el
ejemplo l.2.
Con esta informacin como antecedente, ahora se puede desarrollar
un algoritmo para el problema. En este punto, se podra desarrollar un
algoritmo bien detallado. Sin embargo, con la prctica que se tiene, difcilmente se podra. En lugar de ello, se empezar con una versin general simple, agregndole detalles poco a poco en forma secuencia1 para
expandir la definicin. Entonces, cuando se haya obtenido una versin
LA PROGRAMACldN EN LAS COMPUTADORAS PERSONALES
FIGURA 2.9
Diagrama de fluio de un programa simple para el problema del

paracaidista.
47
48
MTODOS
NUMRICOS
PARA INGENIEROS
final. se puede proceder a escribir el programa. En programacin. este

mtodo de iniciar en general e ir avanzando hacia lo especfico se le conoce como esquema de anlisis descendente. Entre otras cosas. es eficiente porque,engeneralesmuchoms
fcil eliminar errores si los
algoritmos y los programas se escriben en pasos simples y se van verificando conforme se avanza.
Un algoritmo muy simple para realizar los clculos del ejemplo 1 . 2
puede escribirse con palabras de la siguiente manera: introducir los datos. calcular la velocidad, imprimir la respuesta y repetir hasta que se
hayan calculado tantos valores como seanecesario. Este algoritmo se puede
expresar d e manera ms formal con un diagrama de flujo. La figura 2 . 9
muestra un procedimiento detallado de la implementacin de los clculos.
El diagramade
flujo consiste de tres conjuntos de declaraciones:
1 . Introducir variables y constantes
2. Inicializar todas las variables

3. Hacer unciclo iterativo que calcule e imprimalas respuestas
Con base al diagrama de flujo, se puedeescribir ahora un programa.

Las versiones en FORTRAN y BASIC se muestran en la figura 2.10. Ntese que para la versicin en BASIC, se usan incrementos de 10 para etiquetar los nmeros de lnea. Esto se hace para prever la posibilidad de
T0=0
v0=0
H=Z
t4=t 0
C=t2500
M1681 O 0
T=TO
'V =v o
2 0O
URITE<6,I >T,V
FORMAT(2( ' ' , F 1 0 . 3 > )
I=O
' V = V + C 98 O-C*V,'l'l >*H
T=T+H
WRITE(6,l )T,V
I=I+t
I F ! I . L T . H jC O T O2 0 0
STOP
E ti C)
FIGURA 2.1 O
Programas FORTRAN y BASIC para el problema del paracaidista. Estos

programas duplican los clculosmanuales del ejemplo 1.2.
"
EN
LA PROGRAMAC16N
PERSONALES
LAS COMPUTADORAS
49
insertar nuevas lneas de cdigo en refinamiento subsecuentes del programa.

Aunque el ejercicio mencionado anteriormente ciertamente es un programa vlido para el problema del paracaidista, por ningn medio explota todas las posibilidades de programacin ni en FORTRAN ni en BASIC.
Para demostrar como se pueden emplear lneas adicionales, para desarrollar una versin mejor, ahora se refinar el programa.
Muchas de las modificaciones e insercionessiguientes representan una
tcnica de programacin ms eficiente y ms sencilla de ejecutar. Sin
embargo, cierto material se enfoca hacia propsitos didctico5 para demostrar el uso de ciertasdeclaraciones. El siguiente anlisis muestra
directamente la versin en BASIC. Ya que los programas de la figura 2.11
estn escritos en paralelo, es muy fcil extender el anlisis a la versin
FORTRAN.
El programa de la figura 2.11 tiene nuevas caractersticas. Lasprincipales son:
1. El programa calcula ahora la velocidadpara tres valores diferentes
del coeficiente d e rozamiento y d e la masa. La habilidad de realizar
clculos repetitivos es una delas ventajas de las computadoras. Dentro
del diseo en ingeniera, a menudo til
es realizar una serie de clculos varias veces con valores diferentesde los coeficientes para valorar
la sensibilidad del modelo a estos cambios. Esto se hace en este caso,
realizando los clculos del ejemplo 1.2 con el coeficiente de rozamiento
variando 2 10%. De esta manera, los tres casos usados en el programa son parael caso del coeficientede rozamiento original (12 500
g / s ) , el coeficiente de rozamiento ms el 10 por ciento (13 750 g/s)
y el coeficiente de rozamiento menos el 10 por ciento (11 250 g/s) .
El clculo repetitivo se lleva a cabo agregando un ciclo iterativo (lneas 3080 a la 3390). Cada vez que el programa pasa a travs del
ciclo, se usa un coeficiente de rozamiento diferente para calcular la
velocidad. Ntese tambin que el coeficiente de rozamiento y la masa se usan como variables con subindices C(K) y M(K) . Por lo tanto,
se les asigna una dimensin en la lnea 3040.
2. El programa tiene ahora un esquema iterativo ms preciso. Adems
de agregar el ciclo mayor para los tres casos dec y de m (lneas 3080
a la 3390), se han usado dos ciclos para calcular el valor actual de
u . Se hace as porque pudiese ser que no se deseeimprimir una respuesta despus de cada paso. Esto sera especialmente cierto si se
usara un paso muy pequeo, por ejemplo 0.01 S , para obtener resultados ms exactos. Para calcular desde t = O hasta 20 S , se requeriran 2 0 / 0 . 0 1 2 O00 nmeros. Ya que se requiere un valor para cada
2 S que esquemetice razonablementela cada del paracaidista, se han
usado dos ciclos anidados de forma tal que el programa imprima resultados en tiempos intermedios.Un ciclo anidado es aquelciclo que
50
MTODOS
NUMRICOS PARA I N G E N I E R O S
F
PRDCRRMR LEGIBLE RL USURRIO
En FDRTRBN p a s a EL PROBLEMQ
DEL PARPCP,IDISTP.
c
C
sc c u w R n
CIVIL
EHCINEERIHC
C
C
CDLLECE STATION, TEXnS 77843
TEXPS
a w UNIVERSITY
................................................
C
FUHCIOH
DV/DT
CRLCULUR
................................................
................................................
................................................
PPlRP
DVDT(C.V,N)-980-C.V/M
PRDCRRMR PRINCIPRL
................................................
................................................
UD
SUBRUTINR p a w IMPRIMIR EL ENCP,BEZPDO
SUBRDUTIHE LRBEL
VRITE(6, I >
FORMIIT( '-':SDLUCION
Paun LP,
VELOCIDAD
DE
................................................
................................................
RETURN
END
SUBRUTINR
L E EPRR W
calw
GEL P m m a I D I s T f i
DRTDS
SUBROUTINE INPUT(TO,TI,VO,U,P>
TIEMPO z H I c l a L ( S E G )
RERD < 5 . 2 > 1 0
C
TIEMPO F I H A L( S E G )
RE,
(S.Z)TI
C
VELDCIDRD I N I C l P L ( C M / S E C >
REIRD(S.2)VO
C
MRCNITUD DEL IHCREIEUTO ( S E C )
RE!RD<5 , 2 >H
C
IMPRIME EL IHTERVPlLO ( S E C )
RERD( S , 2 )P
2 FORtlPIT<F 6 . 2 )
C
VERIFICL LP, RPlCHITUD DEL IHCRENEHTO E IMPRIME EL IHTERVIILO
I F <P.CE.W.IIND.P.NE.O> COTO 222U
URIlE(6,3>
3 FDRNPIT('EL IWTERVLLD DESE SER MRVOR D IGURL P LO MPIGNITUD
*DELINCREMENTO
Y NO PUEDEVPLER
CERO')
22:2 0 RETURN
END
~~
...............................................
......................
C
C
SUBRUTIN0 PRRR RERLIZRR CfiLCULOS
SUBRDUTIHE C I L C ( T O , T 1 , V O , H , P )
REM. M
DIMEHSIOU C < 2 O ) , l M Z O )
DVOT(C.V,M)-SBO-C.Y~M
NC-IHT(P/HI
HP-IHTl(Tl-TO>/P>
CICLO PP,RR CRLCULRRV

CDU DIFERENTES C Y M
DO 3370 K-1.20
LEEELCOEFICIENTEDEFRICCIDU
REIID<S,4)C(K)
IF ( C < K ) . E P . O . ) COTO 3390
LEE LII men
REIID ( S . 4 I J U K )
4 FOR11RT<FIO.O)
VERIFICPIQUELR
(1181 SE1 CERD
IF (~lK>.CT.O.O)COTD
3220
VRITE(6,5>
S FORMRT('-','LR
NASR DEBE SER M(IV0R PUE C E R O ' ,
COTO 3390
C
INICIPLIZI( TIEMPO Y VELDCIDRD
3200 r-To
v-vo
C
C
VRITE(6.6)
,,4Y,'T
tSEC>'.1OX,'V
6 FDRIIPIT(,
YRITE(6.7>T.V
INPRIME E L CICLO
DO 31601-1,NP
CICLO DE CP,LCULD
CWSEC
3340
3360
1170 C O N T I k
3390 RETURN
END
FIGURA 2.1 1
Versiones FORTRAN y BASIC legibles al usuario del programa de la cada

del paracaidista.
INTERVALO
EN
LA PROGRAMACldN
PERSONALES
LAS COMPUTADORAS
51
contiene otro dentro de s mismo. En este ejemplo, el ciclo interno

(lneas 3320 a la 3350) realiza los clculos usandoel tamao de paso
deseado (lnea 2100). Despus de NC iteraciones de este ciclo (donde NC se calcula internamenteen la lnea 3050), se imprime una respuesta. El procedimiento se repiteNP veces (donde NP se calcula
internamente en la lnea 3060) mediante el cicloexterno (lneas 3300
a la 3370). Ntese tambin que en vez
de especificar el nmero de
pasos (N, especificado en la lnea 130 en las versiones simples de la
figura 2.10), ahora slo se introducen los tiempos inicial y final (lneas 2040 y 2060) y se usan las lneas 3050 y 3060 para determinar
internamente el nmero apropiado de pasos.
3. El programa muestra ahora un esquema
de etiquetado mbs descriptivo.Se incluyen declaraciones de documentacin al principio del programa, los mensajes de salida, por ejemplo las lneas 1030 a la 1080
y las entradas ms descriptivas, por ejemplo las lneas
2040 a la 2130.
4. El programa est modularizado. Ntese que el programa consiste de

una serie de subrutinas que realizan tareas bien definidas. El programa principal sirve como supervisor para dirigir cada una de las parte
dentro de un esquema lgico.
5. Se incluyen los diagnsticos para indicaral usuario q u e Se ha cometido un error. Los diagnsticos son declaraciones en el programa que
imprimenparaelusuario un mensaje descriptivo, siha ocurrido un
error. Las lneas3160 a la 3210 representan un diagnstico que verifica si la masa es cero. Si as fuese, la ecuacin de la lnea 210 realizara una divisin por cero. Si la masa es menor o igual a cero, la lines
3170 transfiere el control a la lnea 3180, que imprime el mensaje:
LA MASA NO DEBE SER MENOR O IGUAL A CERO

De forma similar, la lnea 2150 examina que el intervalo de impresin sea mayor que el tamao del paso. Si no es as, se imprimen
los mensajes de las lneas 2170 a la 2190 y el programa transfiere
el control a lalnea 2100 y pide un nuevo tamao de paso.
Las anteriores no son mas que cinco
de varias modificaciones quese han
hecho para incrementar las capacidades del programa.Se debe verificar
lnea por lnea para entender a fondo cmo contribuye cada una de las
declaraciones en el programa total. La figura 2.12 muestra una corrida.
En esta figura se introduce un error intencionalmente en el intervalo de
impresin para demostrar lascapacidades de diagnsticos del programa.
El anlisis de estas corridas junto conla figura 2.11 deben sugerir algunas
alternativas para empezar a obtener resultados claros y con un esquema
descriptivo.
52
MTODOS NUMERICOS PARA INGENIEROS
Depto Ingentera Cwl

Texas A&MUnwerstty
College Stahon. Texas 77843
DESCRlPClON Este programa calcula la velocidad vertical de cada de u n
paracatdtsta en functn del tiempo
REQUISITOSESPECIALES:
Se pueden usar hasta 20 coeficientes diferentes de rozamiento
REQUISITOS ESPECIALES- y masas para calcular la uelocldad
REFERENCIA
Mtodos numrtcos para Ingenieros con dphcaciones en computadoras

personales, 1986 (Mc-Graw-Hill. Mxico),Cap 2
SOLUCION PARA LA VELOCIDAD

DEL PARACAIDISTA
TIEMPO INICIAL lSEG1 10
TILMPOR FINAL (SEGI 123
Dt CAlCA
VICMISECI
MASS I G I - 6 8 1 0 0
TISECI
O
O
7
1w n
4699
3985 55437
4482 42869
4796 89686
4995 92151
5121 88278
5201 60276
5252 05696
5283 98906
3%;
4
VFLOCIOAD INICIAL ICMlSEGl
456
6
8
10
MAGNITUD DEL INCREMENTO 32

IMPRIME EL INTERVALOISEGI
12
14
16
18
= 3
20
EL (NTERVALO NO DEBE SER M A Y O R

O IGUAL QUE LA MAGNITUD DEL
INCREMENTO Y N O DEBE VALER CERO
DRAG COEFFICIENT (GlSECl

I T 0 TERMINATE COMPUTATION
ENTER ZERO1 = 11250
MAGNITUD DEL INCREMENTO - 8
M A S S I G I = 68100
IMPRIME EL INTERVALO\SEGI = 2 6
COEFICIENTE DE FRlCClON IG'SEGI
(PARA TERMINAR EL CALCULO
TECLEA U N CERO) 65
MASAIGI
23
VICMiSECI
42291
TlSECl
O
2
3272
4
6
6
VICMiSLGl
TlSEGl
5133.70342
TISECI
VlCMlSECl
O
2
3128
51689
4
6
8
5771
10
12
14
16
18
20
O
1960
4151.22591
4739.6755
5397 5459
5574 21 576
51452 5692
72778
5824.76927
1960
3825
16572
4240 49528
4488 10732
4635
72918
4723
73869
10
12
14
4776.20838
16
18
4807 48987
20
4826 13934
DRAG COEFFICIENT IGISECI

(TO TERMINATE COMPUTATION
ENTER ZERO1 = O
DRAG COEFFICIENTE IG.SECI

IT0 TERMINATE COMPUTATION
ENTERLEROi=12500
FIGURA 2.1 2
Documentacin del orograma legible al usuario del problema

paracaidista, incluye corrtda del programa.
del
2.4 ESTRATEGIAS DE PROGRAMACIN

Este librobrindaalestudiosodiversos
medios, de clculo con el fin de
convertir la teora de los mtodos numricos en herramientas prcticas
para la soluci6n de problemas de ingeniera,Estos medios incluyen 1) discos
EN
LA PROGRAMACldN
PERSONALES
LAS COMPUTADORAS
53
que guardan a los programas, 2) programas, 3) algoritmos y 4) diagramas de flujo. El propsito de esta seccin es el de descubrir la forma en
que cada una de estos medios complementa a los otros a lo largo del libro. La estrategia global se ilustraenlafigura
2.13.
Tal vez al comprar este libro el lector tambin adquiri un disco para
computadora. A este disco se le conocer con el nombre de NUMERICOMP, correr sobre una computadora IBM-PC (o cualquier compatible) o sobre una APPLE 11. El disco contiene seis programas escritos en
BASIC: biseccin, eliminacin Gaussiana, regresin lineal, interpolacin
Meta: Resolver los problemas

de ingeniera usando una
computadora y los mtodos
numricos
FIGURA 2.13
Estrategia empleada en el texto para integrar las computadoras

personales y los mtodosnumricos en la solucin deproblemasde
ingeniera.
54
MTODOS
NUM~RICOS
PARA INGENIEROS
de Lagrange, regla trapezoidal y el mtodo de Euler. Los programas representan una coleccin de mtodos numricos simples, pero muy ti!es
para cada una de las partes de este libro. Con muy poca preparacin puede
usarse NUMERICOMP para la solucin de problemas. Esto se debe principalmente a que los programas estn escritos en un lenguaje legible y
claro, adems que proporciona todala informacin necesaria para su operacin. Adems de tener utilidad inmediata, el disco ofrece un ejemplo
concreto de programas bien escritos que se pueden usar como modelo
para programas escritos porel usuario. Finalmente,los programas se pueden usar para verificar la exactitud de los resultados en los esfuerzos de
programacindelusuario.
Cada uno de los programas se ilustra completamente enel captulo
que le corresponde dentro del libro. Las ilustraciones muestran tal como
se veran en una pantalla, los datos que se requieren, los resultados de
los clculos y una grfica de los resultados. Estas ilustracionesse generan
usando NUMERICOMP en la solucin de un problema determinado. Se
incluyen algunos ejercicios en cada uno de los captulos para reforzar la
habilidad en el manejo de los discos del usuario en su propia computadora.
Se danloscdigosdeambas
versiones. FORTRAN y BASIC para
los mismos mtodos. Estos programas contienen los algoritmos fundamentales con esquemas simples de entrada y salida de datos y con poca
documentacin. Por lo que no son muy claros en su exposicin. Una de
las tareas ser la de modificar estos programas de forma tal que sean un
poco ms claros, usando los recursos y la tcnica individual de cada programador. Una vez que esto se haya llevado a cabo, se tendr unaherramienta que se aproximar a los programas suplementarios.
Los seis programas del disco NUMERICOMP son para los mtodos
bsicos de cada una de las partes del libro. No son, necesariamente los
ms eficientes computacionalmente hablando sobrelos existentes. Por lo
tanto se han incluido diagramas de flujo o algoritmos parala mayor parte
de los otros mtodos numricos del libro. Se pueden usar estos diagramas y algoritmos con la destrezade programacin propia del usuario, para
los mtodos expuestos.
escribir programas de cualquier otro de
EJEMPLO 2.1
Grficas por computadora
Enunciado del problema: el propsito de este ejemplo es el de familiarizarse con los programas opcionalesNUMERICOMP disponibles con el texto
FIGURA 2.14
los programas NUMERICOMP que acompaan al texto. b)

Men principal de NUMERICOMP. c) Men para BISECCION,d) La
pantalla muestra cmo se introduce una funcin para BISECCION; la
funcin en este caso es la ecuacin (1.9), que calcula la velocidad de
cada del paracaidista.e) La pantalla muestra una grfica de la velocidad
contra el tiempo para el paracaidista, como lo calcula NUMERICOMP.
a) Ttulo de
LA PROGRAMAC16NEN LAS COMPUTADORASPERSONALES
FIGURE 2.14
55
MoODOS NUMERICOS PARA INGENIEROS
56
y usar las capacidades grficas de NUMERICOMP para trazarfunciones.

Si el libro se compr sin estos programas, entonces se deben buscar formas para realizar tareas similares sobre la computadora. Esto se puede
llevar a cabo con la ayuda de los programas dados porel sistema o puede requerirse que se desarrollen los propios. La habilidad en el trazo de
funciones es muy importante ya que la forma de resolver un prob!zma
de mtodos numricos se facilita mucho cuando se usa en coordinacin
con grficas por computadora.
Solucin: insrtese el discoNUMERICOMPen launidad de discos y

crrase el programa de acuerdoa las instrucciones delManual del usuario.
La pantalla debe producir un esquema similar al de la figura 1.14~1.
Simplemente es la presentacin del programa. Teclese RETURN para
continuar. La pantalla debe mostrar ahora un men de seleccin principal como se muestra en la figura 2.14b.El men contiene una lista de
seis programas incluyendo una opcin que termina la sesin. Se usar
cada uno de estos programas en el momento apropiado dentro del libro,
cuando se haya visto previamente la teora de cada uno de los mtodos.
Por ahora se usar 19 opcin de grdficas por computadora dentro del
programa de BISECCION para grficar la velocidad del paracaidista en tuncin del ti9mpo. Para hacerlo, simplemente se introduce el programa de
BISECCION mediante la opcin 1. La pantalla, automticamente debe
mostrar un patrn similar al de la figura 2 . 1 4 ~despus de algunos movimientos del disco. Slo se requieren usar las opciones 1 , 3 y 4 para graficar funciones. Seleccinese la opcin 1 para introducir la funcin usando
la ecuacin (1.9) con m = 68 100 g, c = 12 500 g/s y g = 980 cm/s
(Fig. 2.14d). Regrsese al menprincipal y escjase laopcin 3 para
graficar la funcin. Antesde trazar la grficase deben dar valores mnimo
y mximo para x y paraf(x) que corresponden al tiempo y a la velocidad en este caso. Los valores para x y f ( x ) estn dados por definicin
enlaprimer columna (en este caso son cero). Prubense varios valores
para los ejes x y paraf(x) (incluyendo valores negativos) para familiarizarse con el diseo y operaci6n de la opcin de graficacin. En la figura
2.14e se muestraunagrficaquemuestrael
esquema de lavelocidad
como funcin del tiempo.
La opcin de graficacin dada por este programa tendr muchos
otros
usos para visualizar mejor los resultados de la aplicacin de los mtodos
numricos y la computacin enla solucin de problemas de ingeniera.
Estos usos se exploran en las secciones subsecuentes del texto.
PROBLEMAS
2.1
Escrbanselasdeclaraciones BASIC y FORTRAN equivalentes a cada una de las

siguientesexpresiones:
57
LA PROGRAMACldN EN LAS COMPUTADORAS PERSONALES
xlsenl
b) y=c)
x-1
-b -
x=
2a
I) Si A y Z tienen el mismo signo, entonces reemplcese 2 por Q .
2.2
Escrbanse las declaracionesBASIC y FORTRAN para realizar la siguienteoperacin

S
2 xi2
Para i = 3, 6, 9,. . ., 21.
2.3
Dado el siguiente programa
10 A = 10.1
20 B = 3.1416
30 Z = 1.1
40 PRINT X1
Cul ser el resultado que se imprima, si se insertan las siguientes expresiones
entre las lneas 30 y 40?
a)
35 X1
A"Z/B
b) 35 X1
A' (Z/B)
cj 35 X1 = A'B - B**B/Z
d) 35 X1 = ((A'Z)
e ) 32 J
36 X1
2.4
2'2
- B/Z)' *Z)/(B - Z)
INT(A* *Z/B - 2)
=
J'A
Dado el programa del problema 2.3, escrbase el cdigo de la lnea 35 que evaluar las siguientes expresiones algebraicas:
x1 =
a'
-4 6
2
XI
2.5
=a
- dz/5
+ 6(a + 2)2'3 - -7
b
La figura para este problema muestra la pgina de una bitcora de un automvil.

Cada rengln representa una visita a la gasolinera en la que el tanque se llena
de gasolina. La pgina tiene, adems columnas para la fecha, el kilometraje marcado por el odmetro, la cantidad de gasolina y su costo.
Escrbase un programa, diseado de forma tal que acepte datos de entrada
bajo este esquema y calcule los kilmetros recorridos por litro y el costo por ki16metro de acuerdo a cada intervalo entre llenado y llenado. Debe imprimir una
tabla con tres columnas que conforman la fecha, los kilmetros por litro y el costo
por litro.
58
NUMRICOS
MTODOS
PARA INGENIEROS
FIGURA DEL PROBLEMA 2.5
2.6
Se invierte una cantidad de dinero P en una cuenta cuyos intereses se reinvierten

alfinaldel periodo. El monto futuro F , conuna tasa deinters i despus de n
periodos se puede determinarfcilmentecon la frmula siguiente:
F = P (1
i)"
Escrbase un programa que calcule el monto futuro de una inversin. Los datos
de entrada deben incluirla cantidad inicial P,la tasa de inters i (como fraccin
decimal), y el nmero de a6os n para los cuales se va a calcular el monto futuro.
La salida debe incluir tambin estos valores. Incluyendo, en forma de tablael monto
futuro para cada uno de los aos, hasta el n-simo ao. Correr el programa para
P = $ 1 000.00, i = 0.1 y n = 20 aos.
2.7
Escrbase un programa para calcularlas races reales de la ecuacin cuadrtica

ax'
bx
c =
donde a , b y c son coeficientes reales. La frmula para calcular las races es la

frmula cuadrtica
EN
LA PROGRAMAC16N
59
PERSONALES
LAS COMPUTADORAS
X=
-b f
2a
Ntese que sila cantidad dentro del signo de la raz cuadrada es negativa entonces las races son complejas. Tambin ocurre una divisin por cero si a = O. Disese el programa de forma tal que contemple estas contingencias imprimiendo
un mensaje de error. Tambin, inclyase algo de documentacin a lo largodel
programa y etiqutense las salidas para hacer el programa legible. Reptanse los
clculos para valores diferentes de a , b y c, tantas veces como el usuario desee.
Efectense pruebas para los casos:
a) a = l
b = 4
b = -4
h = -2
b) a = O
c) a = l
2.8
c = 2
c = 2.3
c = 2.3
La funcin exponencial e" se puedeevaluarmediante
la serieinfinita:
Escribase un programa para implementar esta frmula que calcule los valores e x
agregando un trmino cada vez a la serie. En otras palabras, calclese e imprmase la secuencia
ex = 1
ex=l+x
X*
eX=l+x+-
hasta la orden de trmino prefijado. Para cada caso, calclese el porcentaje de

error relativo dado por
% error
solucin real
solucin aproximada
solucinreal
100%
Utilcese la funcin de biblioteca para calcular e x y determinar la "solucin real".

El progrma debe imprimir la solucin aproximada y el error en cada paso. Se puede emplear u n a funcin definida por el usuario para calcular el error. y usar ciclos
para simplificar los clculos tanto como sea posible. Para probarlo, utilicese el programa para calcular exp(0.5) desde el primer trmino de la serie hasta el trmino
x2"/20!. Interprtense los resultados.
2.9
En economa se dispone de frmulasparacalcular los pagos anuales debidos a

un prstamo. Supngase que se desea pedir un prstamo de P pesos para pagarlo en n pagos anuales con una tasa de inters . La frmula para calcular el pago
anual, A, es.
A1 = P
i(1 + i)"
(1 + i)" - 1
METODOS NUMERICOS PARA INGENIEROS
60
Escrbase un programa para calcular A,. Prubese con P = $10 O00 y una tasa
de inters del 20 por ciento. (i = 0.20). Hgase el programa de tal forma que se
puedan evaluar tantosvalores de n como se desee. Calclense
los resultados para
n = 1 , 2, 3 , 4 y 5 .
2.10 Junto con los clculos de los pagos anuales por prstamos, como se hizo en el
problema 2.9, las frmulas de economa se puedenemplear para determinar los
pagos anuales correspondientes a otros tipos de flujo de efectivo. Por ejemplo,
supngase que existe un gasto que crece de manera uniforme a un promedio G
conforme avanza el tiempo. A estos pagos se les conoce como series de
gradiente
aritmticas. La frmula de economa que calcula un pago anual equivalente para
este tipo de flujo de efectivo es
Ahora, supngase que se pide un prstamo de P = $10 O00 con un inters del
20% ( i = 0.20) y se compra un nuevo sistema de cmputo. El costo de mantenimiento de la computadora crece de acuerdoa la serie de gradiente aritmtica con
una tasa de G = $50/ao/ao. Junto con estos dos costos (esto es,
flujos de
efectivo negativos para los pagos del prstamo y del mantenimiento), tambin se
obtendrn beneficios o flujos de efectivo positivos con el uso del sistema.El aprovechamiento en consulta y el uso de la computadora se pueden tasar con
un valor
anual de A, = $4 000. Por lo tanto, el valor neto A, como propietario de la mquina sobre una base anual, se puede calcular como beneficios menos costos, o
AN =
AB - A, - A2
Por lo tanto, si A , es positivo, la computadora est generando ganancias sobre

una base anual. Si A , es negativo, se est perdiendo dinero.
Desarrllese, rastrese, prubese y documntese un programa que calcule
AN El programa se debe disear de tal forma que el usuario pueda introducir como datos las variables P, i, G, A, y n. sese el programa para estimar A, con
el nuevo sistema de cmputo para n = 1, 2 , 3 , 4 y 5. Esto es, evalense las ganancias si el sistema se posee de l a 5 aos. Grafquese AN contra n (si es posible se puedeusar la computadora para hacerla grfica). Determneseel plazo que
se debe poseerel sistema para empezar a ganar dinero. (Nota: la informacin adicional para este problema se puede obtener del primer caso del captulo 6).
2.11 Implemntese el programa de la figura 2.11. Efectense las modificaciones necesarias de tal forma que sea compatible conel lenguaje usado enla computadora.
Una vez que el programa se encuentre en la computadora, prubese duplicando
los clculos de la figura 2.12. Reptanse los clculos con pasos de tamao1 y 0.5.
Comprense los resultados con la solucin analtica obtenida anteriormente en el
ejemplo 1.1.?.Mejoran o empeoran los resultados al hacer el tamao del pasoms
pequeo?. Explquense los resultados.
2.12 El siguiente algoritmo est diseado para determinarla calificacin final de un curso, que consiste en exmenes parciales. tareas y examen final:
Paso 1: Introducir el nmero del curso y el nombre.
Paso 2: Introducir los factores de peso: para exmenes parciales REP) para tareas (PT) y para el examen final (PEF)
LA PROGRAMACl6N
EN
if)Zfji3fi51*1
LAS COMPUTADORAS
PERSONALES
Paso 3 : Introducir las calificaciones de los exmenes parciales y determinar la

calificacin promedio (CEP).
Paso 4: Introducir las calificaciones de las tareas y determinar la calificacin promedio (CT) .
Paso 5: Si sta es la ltima calificacin, ir al paso 8; de otra manera, continuar.
Paso 6: Determinar la calificacin promedio (CP) mediante
CP
Paso 7:
Paso 8 :
Paso 9:
PEP
=
CEP
+ PT
PEP
PT
* CT
Ir al paso 10.
Introducir la calificacin del examen final (CEF).
Determinar la calificacin promedio (CP) mediante
CP
PEP
=
PT
PEP
CEP
CT
PT
(PEF)
(CEF)
(PEF)
Paso 10: Imprimir el nmero del curso, nombre y calificacin promedio

Paso 11: Detener los clculos.
a ) Escrbase un programa basado en este algoritmo
b) Rastrese y prubese usando los datos: PEP = 35; PT = 25; PEF = 40; Exmenesparciales = 100, 98, 83, 76, 100; tareas = 96, 94, 83, 100, 77, y
examen final = 88.
c ) Preprese una pequea documentacin para
el programa.
2.13 La figura para este problema muestra el reverso de una hoja de estado de cuenta
de cheques. El banco ha elaborado esta hoja para ayudar en el balance d e una
cuenta de cheques. Si se observa bien, se podr6realizar un algoritmo. Desarrllese, rastrese y documntese un programa que obtenga el saldo actual dela cuenta de cheques basado en el esquema de la figura. Se pueden usar los nmeros
de la figura para probar el programa.
2.14 Escrbase, rastrese y documntese un programa que determine las estadsticas
del deporte preferido. Escjase cualquiera desde futbol hasta el lanzamiento de
bolos. Si el lector practica deportes eninteriores elabrese uno para el propio equipo.
Disese el programa de forma tal que sea legible y muestre informacin interesante a cualquiera (por ejemplo, al entrenador o jugador) que pueda usarse para
evaluar el rendimiento de los jugadores.
2.15 sese la opcin de graficacin del programa BISECCIN (en el disco NUMERICOMP) para trazar varias funciones de cualquiertipo. Prubense funciones polinominales y trascendentes cuyo comportamiento sea difcil de visualizar antes de
graficarlas. sense varias alternativas para ambos ejesx y y para facilitar la exploracin. Hganse copias permanentes de los trazos si se tiene una impresora.
2.16 Se debe lograr la capacldad de graticar funciones de una forma parecida a como
lo hace el programa BISECCIN. Progrmese la computadora de una manera
apropiada para lograrlo. Si la computadora no tiene un sistema operativo cuyos
programas puedan ayudar, entonces se deben
escribir, usando las capacidades
?.
de la misma.
62
INGENIEROS
PARA
METODOS
EL REA DE ABAJO SE PROPORCIONA PARA

AYUDAR
NUMRICOS
EN EL SALDO
DEL
TALONARlO
CHEQUESPORCOBRAR NO
CARGADOSALESTADODE
CUENTA
4 58
4 60
46 I
463
4 64
46 S
466
5 68
13 33
150 O0
I4
Abrl
MES
SALDO NUEVO
COMO SE MUESTRA EN
ESTEESTADODECUENTA
50 O 0
6 4 3 . S4
SUMA
DEPSITOS QUE NO
ESTAN EN ESTE
ESTADO
DE
CUENTA
74
9 32
44 IS
250.00
22. IS
TorAL
RESTA
TOTAL DE CHEQUES
POR COBRAR
600.52
SALDO DEL TALONARIO

DESPUS DERESTARLA
CARGADESERVICIODEL MES ACTUAL Y SUMAR
LOS INTERESESDEVENGADOS ( s b l o LASCUENTAS
AFAVORDELSALDO
FIGURADELPROBLEMA
2.13
El programa se debe guardar en un disco de memoria magntica. Documntese

este programa despus de rastrearlo y examinarlo cuidadosamente. Djese listo
para poder modificarlo de acuerdo a los requisitos del libro, conforme se avance
2.17 Aprndase la manera de hacer copias permanentes de
2.16 si se Tiene una impresora.
las grficas del problema
CAPTULO T R E S
APROXIMACIONES
Y
ERRORES
Debido a que la mayor parte de los mtodos expuestos en este libro son
muy claros en su descripcin y en sus aplicaciones, resulta tentador en
este momento ir directamente al cuerpo principal del texto y averiguar
el uso de estas tcnicas. Sin embargo, ya que los errores son parte intrnseca en el entendimiento y uso efectivo de los mtodos numricos, se
ha escogido este captulo para desarrollar este
tema.
vez con el proLa importancia de los errores se menciona por primera
blema del paracaidista, en el captulo 1. Recurdese que se determin
la velocidad de cada del paracaidista analtica y numricamente. Aunque con la tcnica numrica se obtuvo una solucin cercana a la real (la
analtica), hubo cierta discrepancia
o error, debido a q1.le los mtodos n u mricos son slo una aproximacin.
La mayor parte de las tcnicas desarrolladas en este libro tienen la
caracterstica de poseer errores. Esto puede parecer contradictorio a primera vista ya que no coincide con la imagen que se tiene de u n buen
mecanismo de ingeniera. Los estudiantes y pasantes de ingeniera luchan
constantemente para limitar este tipo de errores en sus trabajos. Cuando
hacen un examen o realizan tareas, son sancionados mas no premiados
por sus errores. En la prctica profesional, los errores pueden resultar costosos y en algunas ocasiones catastrficos.Se puede perder hasta la vida
si una estructura o un dispositivo llega a fallar.
Aunque la perfeccin es una meta digna de alabarse, es difcil, si no
imposible, alcanzarla. Por ejemplo, a pesar
de que el modelo obtenido
mediante la segunda ley de Newton es una aproximacin excelente. en
la prctica jams predecir exactamente la cada del paracaidista. Algunos
fenmenos, tales como la velocidad del viento y alguna pequena variacin
en la resistencia del airecambiarn totalmente la prediccin, Si estas desviaciones se comportan bajo un patrn constante ya sea subiendo o bajando.
bastar con formular un nuevo modelo. Sin embargo, si su distribucin es
aleatoria pero se agrupa muy prxima alrededor de la prediccin, entonces
las desviaciones pueden calificarse como insignificantes y el modelo nuevamente se considerar adecuado. Las aproximaciones numricas pueden in-
64
MTODOS
NUMRICOS
PARA INGENIEROS
troducirerroressimilaresenelanlisis.Nuevamentelapregunta
es: qu
errorpuedeconsiderarsetolerable?
Este captulo cubre varios aspectos que identifican, cuantifican
y minimizan estoserrores. Enlasprimeras
secciones se revisalainformacin
referente a la cuantificacin de los errores. En seguida se estudian dos de
los errores ms comunes: errores de redondeo y errores de truncamiento.
Los errores de redondeose deben a que la computadora slo puede representar cantidades con un nmerofinito de dgitos. Los errores de truncamiento representan la diferencia entre una formulacin matemtica exacta
de un problema y la aproximacin dada por un mtodo numrico. Finalmente, se discuten los errores sin relacionarlos con ningn mtodo numrico en especial. Incluyendo errores por equivocacin, errores en la
formulacindemodelos y la incertidumbre enla obtencin de datos.
3.1 CIFRAS SIGN IFICATIVAS

En este libro se analizan casi exclusivamente aproximaciones que se relacionan con el manejo de nmeros. En consecuencia, antesde discutir los errores asociados con los mtodos numricos, es til repasar algunos conceptos
bsicos referentes a la representacin aproximada de los nmeros mismos.
Cuando se emplea un nmero en un clculo, debe haber seguridad
que pueda usarse con confianza. Por ejemplo, la figura 3.1 muestra un
velocmetro y el odmetro (contador de kilometraje) de
un automvil. Con
un simple vistazo al velocmetro puede verse que el automvil viajaa una
velocidad comprendida entre 48 y 49 km/h. Ya que la flecha est ms
FIGURA 3.1
El velocmetro y el odmetro de un automvil ilustran el concepto de cifras significativas.
APROXIMACIONES Y ERRORES
65
alldelamitaddelas
marcas del indicador, se puede asegurar que el
automvil viaja aproximadamentea 49 km/h. Este resultado casies verdico ya que dos o ms lecturas individualesal indicador llevan a la misma
conclusin. Sin embargo, supngase que se desea obtener una cifra decimal ms en la estimacin de la velocidad. En este caso, alguien puede
decir 48.7, mientras que otro podr decir 48.8 km/h. Por lo tanto, debido a los lmites del instrumento, nicamente se pueden usar dos dgitos con
confianza. Las estimaciones del tercer dgito (o ms) slo se pueden calcul a r someramente. Seraridculo afiimar, con base al velocmetro, que el automvil est viajando a una velocidad de 48. 764 213 8 km/h. En contraste,
el odmetro muestra hasta seis dgitos confiables. De la figura 3.1 se puede
concluir que el automvil ha recorridoun poco menos de 87 324.5 km durante su uso. En este caso el sptimo dgito (y los siguientes) se desconocen.
El concepto de cifras o digitos significatiuos se ha desarrollado para
designar formalmente la confiabilidad de un valor numrico. El nmero
decifrassignificativas es el nmerodedgitos,ms un dgitoestimado
que se pueda usar con confianza. Por ejemplo, el velocmetro y el odmetro de lafigura 3.1 estiman hasta tres y siete cifras significativas respectivamente. Los ceros no siempre son cifras significativas ya que pueden
usarsesloparaubicar el puntodecimal. Los nmeros
0.000018 45
0.000 184 5
0.001 845
tienen cuatro cifras significativas. Cuando se incluyen ceros en nmeros
muy grandes, no se ve claro cuantos ceros son significativos, sies que
los hay. Por ejemplo, enelvalor
nominal, el nmero 4 5 300 puede
si los cetener tres, cuatro o cincodgitossignificativos,dependiendo
ros se conocen conexactitud.Laincertidumbre
se puede desechar
usandolanotacincientfica
en donde 4.53 X l o 4 , 4.530 X l o 4
y 4.530 O x l o 4 muestranque el nmerotiene tres, cuatro y cinco cifrassignificativas.
El concepto de cifras significativas tiene dos implicaciones importantes enel estudio de los mtodos numricos.
1. Como se dijo en el problema del paracaidista,
los mtodos numricos obtienen resultados aproximados. Por lo tanto, se deben desalos resultados
rrollarcriteriosparaespecificarqutanprecisosson
obtenidos. Una manera de hacerlo esen trminos de cifras significativas. Por ejemplo, se puede decidir que la aproximacin es aceptable
siempre y cuando sea correcta hasta cuatro cifras significativas -esto es, debeexistirseguridadquelasprimerascuatrocifrasson
correctas.
66
INGENIEROSMTODOS
NUMRICOS
PARA
2. Aunque ciertas cantidades tales como T , e , o fi representan nmeros

especficos, n o se pueden expresar exactamente conun nmero finito de dgitos. Por ejemplo, el nmero T es igual a
3.141 592 653 589 793 238 462 643 .

hasta el infinito. Debido a que las computadoras personales slo retienen aproximadamente diez cifras significativas(comnmente varan
entre 7 y 14, como se puede ver en el cuadro 2. l ) ,tales nmeros
jams se podrn representar exactamente. A la omisin del resto de
cifras significativas se le conoce como error de redondeo.
Los errores de redondeoy el uso d e cifras significativaspara expresar
la exactitud de un nmero se estudian con ms detalle en las siguientes
secciones. Adems, el concepto de cifras significativas tiene mucha importancia en la definicin de exactitud y precisin en la siguiente seccin.
3.2 EXACTITUD Y PRECISIN

Los errores asociados con los clculos y medidas se pueden caracterizar
observando SU precisin y exactitud. La precisin se refiere a 1)el nmero de cifras significativas que representan una cantidad o 2) la extensin
en las lecturas repetidas de un instrumento que mide alguna propiedad
fsica. La exactitud se refiere a la aproximacin de un nmero o de una
medida al valor verdadero que se supone representa.
Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador al blanco. Los agujeros en el centro del tiro al
blanco de cada esquema de la figura 3.2 se pueden imaginar como las
predicciones en una tcnica numrica, mientras que el centro del blanco
de cada esquema representala verdad. La inexactitud (conocida tambin
como sesgo) se define como un alejamiento sistemtico de la verdad. Por
lo tanto, aunque las balas en la figura 3 . 2 estn
~
ms juntas que las de
los dos casos son igualmente inexactos ya que ambos se
la figura 3.2~1,
centran en la esquina superior izquierda del blanco. La precisin, por el
otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo
tanto, aunque las figuras 3 . 2 b y 3.2d son igualmente exactas (esto es.
igualmente centradas respectoal blanco), la ltima es ms precisa ya que
las balas estn en un grupo ms compacto.
Los mtodos numricos deben ser lo suficientemente exactos o sin
sesgos paraque cumplan los requisitos de un problemaparticular de ingeniera. Tambin deben ser lo suficientemente precisos para el diseo en
la ingeniera. En este libro se usa el trmino error para representar la inexactitud y la imprecisin de las predicciones. Con estos conceptos como
antecedentes, ahora se puedendiscutir los factores que contribuyen al error
en los clculos numricos.
FIGURA 3.2
67
Un ejemplo de un buen tirador ilustrael concepto de exactitud y precisin. o) Inexacto e impreciso; b) exacto e impreciso; c) inexacto y preciso; d) exacto y preciso.
3.3 DEFINICIONES DE ERROR

Los errores numricos se generan con el uso de aproximaciones para rerepresentar las operaciones y cantidades matemticas. Estos incluyen errores de truncamiento, que resultan de representar aproximadamente un
procedimiento matemtico exacto, y los errores de redondeo, que resultan de representar aproximadamente nmeros exactos. Para los dos tipos de errores, la relacin entre el resultado exacto o verdadero y el
aproximado est dada por
Valor verdadero
valor aproximado
error
[3.11
reordenando la ecuacin (3.l), se encuentra que el error numrico es igual

a la diferencia entre el valor verdadero y el valor aproximado, esto es
E,
valor verdadero - valor

aproximado
D.21
68
MgTODOS NUMeRICOS PARA INGENIEROS
EJEMPLO 3.1
Clculo de errores
Enunciado del problema: supngase que se tiene que medir la longitud

de un puente y de un remache, obtenindose 9 999 y 9 cm, respectivamente. Si los valores verdaderos son10 O00 y 10 cm, calclese a) el error
y b) el error relativo porcentual de cada caso.
puentees [Ec. (3.2)]
Solucin: a) Elerrorenlamedicindel
E , = 10 O00 - 9999 = 1 cm
y parael remache es de
E,= 1 0 - 9
lcm
b) El errorrelativoporcentualparaelpuenteesde
E =
10 O00
100%
[Ec. (3.3)]
0.01 %
y parael remache es de
-100% = 10%
10
Por lo tanto, aunqueambasmedidastienen un error de 1 cm, elerror
relativo porcentual del remache es mucho ms grande. Se puede concluir que se ha hecho un buen trabajo en la medida del puente, mientras
que la estimacin para el remache deja mucho que desear.
,
donde E, se usapara denotar elvalor exacto delerror. Se incluyeel

subndice v para dar a entender que se trata del verdadero error. Como
ya se mencion brevemente, esto contrasta con los otros casos, donde
se debe emplear una estimacin aproximada del error.
Un defecto en esta definicin es que no toma en consideracin el orden de magnitud del valor que se est probando. Por
ejemplo, un error
de un centmetro es mucho ms significativo si se est midiendo un remache que un puente. Una manera de medir las magnitudes de las cantial valor
dadesque se estnevaluandoesnormalizarelerrorrespecto
verdadero. como en
Errorrelativofracciona1 =
error
valorverdadero
69
donde, como ya se dijo en la ecuacin (3.2) error = valor verdadero valor aproximado. El error relativo tambin se puede multiplicar por el
100% para expresarlo como
E,
donde
E,
error verdadero
100%
valor verdadero
denota el error relatioo porcentual.
Ntese que en las ecuaciones (3.2) y (3.3)E y E tienen un subndice

que significa la normalizacin del error al valor verdadero. En el ejemplo
3.1, se utiliz el valor verdadero. Sin embargo, en las situaciones realeses
a veces difcil contar con tal infornacin. Para los mtodos numricos,
el valor verdadero nicamente se conocer cuando se habla de funciones
que se puedan resolver analticamente. Porlo general este serel.casocuando
se estudie el comportamiento terico de una tcnica en particular. Sin embargo, en aplicaciones reales, obviamente no se conoce la respuesta verdadera a priori. En estos casos, normalizar el error es una alternativa, usando
la mejor estimacin posible del valor verdadero, esto es, a la aproximacin
misma, como
error aproximado
a =
100%
valor aproximado
donde el subndice a significa que el error est normalizado a un valor
aproximado. Ntese tambin que en aplicaciones reales, la ecuacin (3.2)
no se puede usar para calcular el trmino del error para la ecuacin (3.4).Uno
de los retos a que se enfrentan los mtodos numricos es el de determinar
estimaciones del error en ausencia de conocimiento de
los valores verdaderos. Por ejemplo, ciertos mtodos numricosusan un esquema iteratiuo para calcular resultados. En tales esquemas, se hace una aproximacin
en base a la aproximacin anterior. Este proceso se repite varias veces,
o de forma iterativa, para calcular sucesivamente ms y mejores aproximaciones. En tales casos, el error a menudo se calcula como la diferencia
entre la aproximacin previa y la actual. Por lo tanto, el error relativo porcentual est dado por
u
aproximacin actual - aproximacin previa

100% [3.5]
aproximacin actual
-
En captulos posteriores se explicarn con detalle ste y otros esquemas

para expresar errores.
El signo de las ecuaciones (3.2)hasta la (3.5)puede ser positivo o
negativo. Si la aproximacin es mayor que el valor verdadero (o la aproximacin previa es mayor que la aproximacin actual), el error es negativo; si la aproximacin es menor que el valor verdadero, el error es positivo.
Tambin, en las ecuaciones (3.2)a la ( 3 . 5 ) ,el denominador puede ser
70
METODOS NUMRICOS
PARA INGENIEROS
menor de cero, lo que puedellevar a un error negativo. A menudo. cuando

se realizan clculos, puede noimportar mucho el signo del error sino ms
bien que su valor absoluto sea menor que una tolerancia prefijada E,. Por
lo tanto, a menudo es til emplear el valor absoluto de las ecuaciones
(3.2) a la (3.5).En tales casos, los clculos se repiten hasta que
Si se cumple la relacin anterior, entonces se considera que el resultado

obtenido est dentro del nivel aceptable, fijado previamente, E,.
Es tambin conveniente enfocar estos errores hacia el nmero de cifras significativas en la aproximacin. Se puede demostrar (Scarborough.
1966) que si el siguiente criterio se cumple, puede tenerse la seguridad
que el resultado es correcto e n al menos n cifras significativas.
[3.7]
EJEMPLO 3.2
Estimacin del error para mtodos iterativos
Enunciado del problema: en matemticas, a menudo se pueden representar las funciones mediante una serie infinita. Por ejemplo, la funcin
exponencial se puede calcular usando:
[E3.2.1]
Mientras ms trminos se le agreguen a la serie. la aproximacin se acercar ms y ms al valor de ex. A la ecuacin (E3.2.1) se le llama expansin e n series de Maclaurin.
Empezando con el primer trmino, ex = 1, y agregando un trmino
a la vez, estmese el valor de e"'. Despus que se agregue cada trmino, calclense los errores relativos porcentuales real y aproximado. usando
las ecuaciones (3.3)y ( 3 . 5 ) ,respectivamente. Ntese que el valor real
es e o = 1.648 721 271. Agrguense trminos hasta que el valor absoluto del error aproximado e, sea menor al criterio preestablecido. f , que
contempla tres cifras significativas.
Solucin: en primer lugar, la ecuacin (3.7)se puede emplear para determinar el criterio de error que asegura un resultado correcto en al menos tres cifrassignificativas:
es =
(0.5
102-3)%= 0.05%
Por lo tanto, se agregarn trminos a la serie hasta que E, sea menor que
este nivel.
71
La primera estimacin es iguala la ecuacin (E3.2.1) con un slo trmino. Por lo tanto la primer estimacin es igual a l . La segunda estimacin se obtiene agregando el segundo trmino, como sigue:
ex=l+x
y para x = 0.5
=1
+ 0.5 = 1.5
Querepresenta un errorrelativoporcentualde
"
[Ec. (3.3)]
1.648721271 - 1.5
1.648721271
9.029%
La ecuacin (3.5) determina una estimacin aproximada del error, dado

por:
Eo =
1.5 - 1
100% = 33.3%
1.5
Ya que E, no es menor que el valor prefijado, E $ , los clculos continan

agregando otro trmino, x2 / 2! y repitiendo los cdlculos de errores. El
proceso se contina hasta que eo < E,. Todos los clculos se pueden resumirde la siguiente manera.
Trminos
1
2
3
4
5
6
9%
Resultado
E"
1.625
1.645833333
1.648437500
1.64869791 7
39.3
9.02
1.44
O.1.27
175
0.01 72
0.001 42
EL7
5%
33.3
7.69
O. 158
0.01 58
As, despus de que los seis trminos se incluyen, el error estimado baja
de E , = 0.05%, y el clculotermina. Sin embargo, ntese que en vez
de tres cifras significativas, el resultado se mejora al llegar a cinco cifras!
Esto se debe a que, para este caso, las ecuaciones (3.5) y 3.7) son conservativas, esto es, aseguran que los resultados sonpor lo menos tan buenos como lo especifican. Aunque, como se analiza en el cptulo 5 , este
no es siempre el caso para la ecuacin (3.5),y es cierto casi siempre.
Con las definiciones anteriores como antecedente, se puede proceder
ahora sobre los dos tipos de error ligados directamente conlos mtodos numricos. Estos son los errores de redondeo y los errores de truncamiento.
72
3.4 ERRORES DE REDONDEO

Como ya se ha mencionado, los errores de redondeo se deben a que las
computadoras slo guardan un nmero finito de cifras significativas durante
un clculo. Las computadoras realizan esta funcin de maneras diferentes.
Por ejemplo, si slo se guardan siete cifras significativas, la computadora puede
almacenar y usar K como K = 3.141 592, omitiendo los trminos restantes
y generando un errorde redondeo,[de la ecuacin (3.2)]:
E,
0.000 O00 65.
La anterior es una de las varias formas que utiliza una computadora

para redondear nmeros. Esta tcnica de retener slo los primeros siete
trminos se le llam truncamientoen el ambiente de computacin. De
preferencia se le llamar de corte para distinguirlo de los errores de truncamiento discutidos en la prxima seccin. Un corte ignora los trminos restantes de la representacin decimal completa. Por ejemplo, el octavo dgito
significativo en este caso es 6 . Por lo tanto K se representa de manera ms
exacta como 3.141 593que como 3.141 592 obtenido mediante un corte,
ya que el valor est ms cercano del valor verdadero. Esto se puede visualizardelasiguiente
manera, si K se aproxima por K = 3.141 593, elerror
de redondeo sereduce a:
E,
0.000 O00 35.
Las computadoras se pueden desarrollar para redondear nmeros de

acuerdo a reglasde redondeo, como laquese acaba de mencionar. Sin
embargo, esto agrega costo computacional por lo que algunas computadoras usan el corte directo. Este enfoque se justifica bajo la suposicin de que
el nmero de cifras significativas en la mayor parte de las computadoras es
mucho mayor que el error de redondeo dado por un corte usualmente insignificante.Estasuposicinsesustentaenelsiguiente
ejemplo.
Los errores de redondeo asociados con el ejemplo 3.3 son imperceptibles en todos los casos cuando se comparan conel error de truncamiento
en t = 12 S que es (vanse los ejemplos 1.1 y 1.2):
E, =
4749.0 - 4995.9
100
4749.0
-5.20%
EJEMPLO 3.3
Efectos del error de redondeo en los clculos del problema del paracaidista
Enunciado del problema: reptanse los clculos del ejemplo 1.2, usando
tres, cuatrocinco y seiscifrassignificativas.
73
CUADRO 3.1
Comparacibn del problema del paracaidista usando una cantidad diferente de cifras significativas,
con
un tamao de paso igual2 as. Los clculos se realizan con el nmero de cifras significativas indicadas.
VELOCIDAD, cmls (cifras significativas)
Tiempo,
O
2
4
6
8
10
12
1960
3200
3980
4470
4780
4980
1960
3200
3985
4482
4796
4995
0.0
1960.0
3200.4
3985.5
4482.3
4796.8
4995.8
0.0
1960.00
3200.46
3985.54
4482.41
4796.88
4995.91
Solucin: usando tres cifras significativas, u ( 2 ) se calcular como en el

ejemplo 1.2:
u(2)
1960
Con tres cifras significativas, el valor de u(4) = 3 200.5 se representar

como 3 200. Los clculos continan de la siguiente manera:
u ( 6 ) = 3 980
u ( 8 ) = 4 470
u(10)
4 780
u(12) = 4 980
El resto de los clculos resueltos estn en el cuadro 3.1.
El valor numrico de t = 12 S y hasta 10 cifras significativas es de
4 995.921 508. Por lo tanto, usando tres, cuatro,cinco y seis cifras significativas se producen los errores relativos porcentuales de redondeo0.32,
0.018, 0.002 4 y 0.000 23, respectivamente.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras

significativas, los errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razonesdel porqu pueden resultar crticos en
algunos mtodos numricos:
1. Ciertos mtodos requieren cantidades extremadamente grandes para
obtener una respuesta. Adems, estos clculos a menudo dependen
entre s. Esto es, los clculos posteriores son dependientes de los anteriores. En consecuencia, aunque un error de redondeo individual
74
INGENIEROS
PARA
MTODOS NUMERICOS
puede ser muy pequeo, el efecto de acumulacin enel transcurso

de lagran cantidad de clculos puede ser significativo.
2. El efecto del redondeo puede ser exagerado cuando se llevan a cabo

operaciones algebraicas que emplean nmerosmuy pequeos y muy
grandes al mismo tiempo. Ya que este caso se presenta en muchos
mtodos numricos, el error de redondeo puede resultar de mucha
importancia.
EJEMPLO 3.4
La importancia de las cifras significativas de los clculos algebraicos
Enunciado del problema: determnesela diferencia de dos nmeros grandes: 32 981 108.123 4 y 32 981 107.998 9. En seguida, reptanse los
clculos pero incrementando elminuendoen un 0.001%.
Solucin:
la diferencia de los nmeros es
32 981 108.123 4
-32 981 107.998 9
0.124 5
Ahora, incrementando el minuendo en un 0.001% se obtiene el nmero
32 981 437.934 5, y la diferencia es:
32 981 437.934 5
-32 981 107.998 9
329.935 6
que es considerablemente diferente de la primera. De aqu que una modificacin en el minuendo, aparentemente insignificante, provoca una gran
diferencia en el resultado.
Los tipos de errores mencionados hasta ahora pueden tener dificultades para ciertos mtodos numricos. Estos se discuten en las siguientes
secciones dellibro.
3.4.1 Reglas de redondeo

Las reglas para redondear nmeros en clculos manuales se analizan en
el recuadro 3.1 y se ilustran en el ejemplo 3.5. Estas reglas no se aplican
normalmente cuandose realizan clculos extensos por computadora. Sin
embargo, ya que se usan clculos manuales a lo largo del texto, se han
incluido estas reglas como punto de referencia para clculos posteriores.
75
RECUADRO 3.1
tad0 es igual al nmero ms pequeo de cifras significativas que contiene la cantidad en la operacin.
Reglas de redondeo
Las siguientes reglas dan la pauta a seguir en el redondeo de nmeros cuando se realizan clculos a mano.
1. En el redondeo, se conservan las cifras significativas
y el resto se descarta (fig. B3.1).El ltimodgito
que se conserva se aumenta en uno si el primer dgito descartado es mayor de 5. De otra manera se
deja igual. Si elprimerdgito descartado es 5 o es
5 seguido de ceros, entonces el ltimo dgito retenido se incrementa en 1 , slo si es impar.
4. Para combinaciones de las operaciones aritmticas,

existen dos casos generales. S e puede sumar o restar el resultado de las multiplicaciones o de las divisiones.
( )( )
Multiplicacin multiplicacin
diviin
divizn
2. En la suma y en la resta, el redondeo se lleva a cabo
o tambin se pueden multiplicar o dividir los resultados de las sumas y las restas:
3 . Para la multiplicacin y para la divisin el redondeo

es tal que la cantidad de cifras significativas del resul-
En ambos casos, se ejecutan las operaciones entre

parntesis y el resultado antes de proceder con otra
operacin, en vez de redondear nicamente el resultado final.
de forma tal que el ltimo dgito retenido en la respuesta corresponda al ltimo dgito m6s significativo
de los nmeros que estdn sumando o restando. N6tese que un dgito en la columna de las centsimas
es m6s significativo que uno de la columna de las milsimas.
ultimo
digito
Primer
digito
5.6170 431
Digitas
retenidos o
significativas
FIGURA B3-1.
Digitos
descartadas
Ilustracin de los dgitos retenidos y descartados de un nmero con cinco cifras significativas.
EJEMPLO 3.5
Ilustraciones de las reglas de redondeo
Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo
analizadasenel recuadro 3.1
1. Errores de redondeo
5.6723
5.67
3 cifras
significativas
76
10.406
7.3500
88.21650 -.+
1.25001
METODOS NUMERICOS
10.41
7.4
88,216
1.3
PARA INGENIEROS
4 cifras signlficativas
2 cifrassignificativas
5 cifrassignificativas
2 cifras
significativas
2. Sumas y restas. (Nota: las ltimas cifras ms significativas

tienen, estn en negritas) :
que se re-
a) Evalese 2.2 - l .768
2.2
1.768 = 0.432 +0.4
b) Evalese 4.68 x l o p 7 8.3 x

- 228 x lop6. La evaluacin de este clculose facilita expresando los nmeros con
un mismo
exponente:
+ 8.3
0.004 68 x
- 2.28 x
De esta manera, se puede ver claramente que el 3 es el ltimo dgito

significativo reteniendo, por lo que la respuesta se redondea de la siguiente manera:
6 , 0 2648
6.0 x
3 . Multiplicacin y divisin:
a) Evalese 0.0642 X 4.8
0.0642
4.8
0.308 16
-+
0.31
b) Evalese 945 f 0.3185

945
0.318 5
2 967.0329 67 . . .
-+
2 970
4 . Combinaciones:
a) Evalese [15.2
(2.8
x
[(8.456 x
0.1771
Primero, efectense lamultiplicacin y la divisin que estn dentro
de los corchetes:
[4.256
10.~1+ [4.777 401 . . .
10.~1
Ahora, antesde sumar, se redondeanlascantidades
y despus smese y redondese el resultado:
encerradas:
77
9.08
10-3-A9.1 X 10-3
6.740 X 10-5 - 8.7 X 10-7
b) Evalese
2.672 X lo3 + 5.8
X
Antes de realizar las sumas y las restas, se expresan los nmeros del nual mismo exmerador y del denominador de manera que estn elevados
ponente.
674 X 10-7- 8.7 X 10-7

2.672 x lo3 + 0.005 8 x lo3
Ahora se hace la suma y la resta:
665.3 X
2.677 8 x lo3
y seredondea:
665 X 10-7
2.678 X lo3
finalmente, se divide y se redondea el resultado:
2.483
196
...
lo-*
"
+
2.48 x
3.5 ERRORES DE TRUNCAMIENTO

Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar de un procedimiento matemtico exacto. Por ejemplo, en
el capitulo 1 se aproxim la derivada de la velocidad de cada de un paracaidista mediante la ecuacin de diferencia dividida de la forma [c. (l.lo)]:
Se introdujo un error de truncamiento en la solucin numrica ya que

la ecuacin de diferencias slo aproxima el valor verdadero de la derivada (Fig. 1.3).Adems para obtener conocimiento de las caractersticas
78
INGENIEROS
PARA
MTODOS
NUMERICOS
de estos errores se regresa a la formulacin matemtica usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial: La serie de Taylor.
3.5.1
Serie de Taylor
Enel ejemplo 3.2 se usauna serie infinita para evaluar una funcin en
un valor especfico de la variable independiente x . De manera similar, la
serie de Taylor da una formulacin para predecir el valor de la funcin
en x,+l en trminos de lafuncin y de sus derivadas en una vecindad
al punto x,.
En vez de presentar en conjunto la serie de Taylor, se obtendr ms
conocimiento de la misma construyndola trminoa trmino. Por ejemplo, elprimertrminodelaserie
es:
Esta igualdad, conocida como aproximacindeorden cero, indica que

el valor de f en el nuevo punto es el mismo que el valor en el punto anterior. Este resultado se logra intuitivamente ya que si xi y xi+ estn muy
prximasunade la otra, entonces esigualmenteposibleque el nuevo
valor sea probablemente similaral anterior.
La ecuacin (3.9) da una estimacin perfecta si la funcin que se va
a aproximar es una constante. Sin embargo, si la funcin cambia en todo
el intervalo, entonces se requieren los trminos adicionales de la serie de
Taylor para obtener una mejor aproximacin. Por ejemplo, la aproximacin aprimerorden se obtiene sumando otro trmino al anterior para
obtener:
[3.10]
El trmino adicional de primer orden consiste de la pendiente f' (xi) multiplicada por la distancia entre xiy x i + l .Por lo tanto, la expresin ahora
representa una lnea recta y es capaz de predecir un incremento o un decremento de lafuncin entre xi y x ~ + ~ .
Aunque la ecuacin (3.10)puede predecir un cambio, slo es exacta
para una lnea recta o esdedireccinlineal. Por lo tanto, se le agrega
a la serie un trmino de segundo orden para obtener algo sobre la curvatura de la funcin si es que la tiene:
[3.11]
De manera similar, se pueden agregar trminos adicionales para desarrollarla expansin completa de la serie de Taylor:
79
+m
(xi+l3!
Xj)3
+ ... +f(,)(Xi) (Xii-1

n!
xi)" +
R"
[3.12]
Ntese que debido a quela ecuacin (3.12) es unaserie infinita, el signo

igual reemplaza al de aproximacin usado en las ecuaciones (3.9)a la
(3.11). Seincluye un trmino residual para considerartodos los trminos
desde n + 1 hasta el infinito:
R, = f'"+"(h)
(n + l)!
(Xi+1 -
Xi),+]
[3.13]
donde el subndice n indica que el residuo es dela aproximacin a n-esimo

orden y ( es un valor cualquiera de x que se encuentra en xi y xi+
La inclusin de dentro de
la serie es de mucha importancia al grado
que se dedica una seccin completa (seccin 3.5.2) para su estudio. Por
ahora, essuficiente darsecuenta que existe este valor que da una estimacin exacta del error.
Frecuentemente es convenientesimplificar la serie de Taylor definiendo
un paso h =
- xi y expresando la ecuacin (3.12)como:
en donde el trmino residual es ahora:
[3.15]
EJEMPLO 3.6
Aproximaciones de un polinomio mediante la serie de Taylor.
Enunciado del problema: sense trminos en la serie de Taylor de cero

a cuarto orden para aproximar la funcin:
INGENIEROS
80
PARA
NUMERICOS
METODOS
desde el punto xi = O y con h = 1. Esto es, predecir el valor de la funcin

en xi+ = 1.
Solucin: ya que se tratadeunafuncin
conocida, se pueden calcular
valoresde f (x) O y 1. Los resultados (Fig. 3.3) indicanquelafuncin
empiezaen f (O) = 1.2 y contina hacia abajo hasta f (1) = 0.2. Por lo
tanto, elvalor que se trata de predecir es 0 . 2
La aproximaci6n en serie deTaylor de orden cero es [Ec. (3.9)1:
Como se puede verenlafigura

3.3, la aproximacin de orden cero es
una constante. El errordetruncamiento en este caso es [recurdese la
ecuacin (3.2)]:
E = 0.2
1.2:-
1.0
en x = 1.
Para n = 1 , laprimerderivada
x = O, como:
FIGURA 3.3
se debedeterminar y evaluaren
La aproximacin de {(x) = -0.1 x4 - 0 . 1 5 ~-~0.5~

- 0 . 2 5 ~ 1.2
en X = 7 mediante series de Taylor de orden cero, de primero y segundo orden.
81
Laaproximacinaprimerorden
f ( x i + l )E
es[Ec. (3.10)]
1.2 - 0.25h
que se puede usar para calcularf (1)= 0.95. Por consiguiente, la aproximacin empieza a coincidir con la trayectoria de la funcin como la pendiente de una lnea recta (Fig.3.3).De esta manera el error de truncamiento
se reduce a:
E,
0.2 - 0.95 = -0.75
en x = 1. Para n = 2 , se evala la segundaderivadaen
x =
O:
f(0)= -1.2(0.0)* - 0.9(0.0) - 1.0 = -1.0

y de acuerdo a la ecuacin
f(xi+l)
(3.11):
1.2 - 0.25h - 0.5h2
y , sustituyendo h =
f(1)= 0.45
Al incluirse la segunda derivadase aade una curvatura descendente
que proporcionauna estimacin mejor, como se muestra en la figura 3.3.
El errordetruncamiento se reducea 0.2 - 0.45 = - 0.25.
Los trminos adicionales mejoranan m6s la aproximacin. En efecto, incluyendo la tercera y la cuarta derivada, se obtiene la ecuacin original:
f(q+l)
1.2 - 0.25h
0.5h2 - 0.15h3 - 0.10h4
donde eltrminoresidual es:
ya que laquintaderivada
de un polinomio de cuartoordenes
nula,
R4 = O. Por consiguiente, la expansin en serie de Taylor hasta la cuarta

derivadaproduceunaaproximacin
exacta en x
1.
En general, la expansin en serie de Taylor de n-simo ordenes exacta

para un polinomio de n-simo orden. Para otras funciones continuas diferenciables, como las exponenciales o senoidales, no se obtiene una estima-
82
MhODOS NUMERICOS PARA INGENIEROS
cin exacta mediante un nmero finito de trminos. Cada uno de los trminos
adicionales contribuye al mejoramiento de la aproximacin, aunque sea con
poco. Esto se muestra en el ejemplo 3.7. Se obtendra un resultado exacto,
nicamente si seagrega un nmeroinfinito de trminos.
Aunque lo anterior se cumple, el valor prctico de la serie de Taylor
estriba, enlamayorpartedelos
casos, enel usode un nmerofinito
de trminos que darn una aproximacin lo suficientemente cercana a
la solucin verdadera para propsitos prcticos. La decisin sobre cuntos trminos se requieren para obtener una aproximacin razonable se
basa en el trmino residual de la expansin. Recurdese que el trmino
residual es de la forma general de la ecuacin (3.15). Esta frmula tiene
dos grandes desventajas. Primero [ no se conoce exactamente sino que
slo se sabe que est entre xi y xi+ Segundo, para la evaluacin de la
ecuacin (3.15) se requiereevaluar la (n + 1)-sima derivada de f(x).
Para hacerlo, se necesita conocer f(x) . Pero, si ya se conoce f(xj, entonces no hay razn para realizar la expansin en series de Taylor en primer
lugar!
A pesar de este dilema, la ecuacin (3.15) an resulta til parala evaluacin de errores de truncamiento. Esto se debea que tiene control sobre el
trmino h de la ecuacin. En otraspalabras, se puededecidirqutan
lejos de x se desea evaluar f(x) y se puede controlarla cantidad de trminos incluidos en la expansin. Por lo tanto, la ecuacin (3.15) se expresa, usualmente como:
R, = O(hntl)
donde la nomenclatura O(h I) significa que el error de truncamiento es
de orden h,+ Esto es, el erroresproporcional al paso h a la (n + 1)
-ensima potencia. Aunque esta aproximacin no
implica nada relacionado
con las derivadas que multiplica h ,+es extremadamente til al evaluar
el error relativo de los mtodos numricos basados en las expansiones
en serie de Taylor. Por ejemplo, si el error es O (hj,y se reduce a la mitad el paso, entonces el error se reducir a la mitad. Por otro lado. si el
error es O(h2) y se reduce a lamitadel paso, entonces el error se reducir a unacuarta parte.
+
EJEMPLO 3.7
Uso de la serie de Taylor para aproximar una funcin que tiene un
nmero infinito de derivadas.
Enunciado del problema: sense los trminos de la serie de Taylor con

n = O hasta 6 paraaproximar:
f (x) = cos x
83
en x = a / 3 (60O) en base al valor de f (x) y de sus derivadas alrededor

delpunto x = a / 4 (45). Nteseque esto significaque h = a / 3 a/4=a/12.
Solucin: como en el ejemplo 3.6, el conocimiento de la funcin original
implicaque se puede conocer elvalor exacto de f (a / 3 ) = 0.5.
Laaproximacindeorden
cero es [Ec. (3.9)]:
f(d3) =
COS
(d4)
0.707 io6781
que representa un errorrelativoporcentual de:
loo^ = 41,49g
0 . 5 - 0.707106781
0.5
E =
Para la aproximacin de primer orden, se suma el trmino que contiene a laprimer derivada,donde f ( x ) = - sen x:
f(:)
COS
(3
-Sen(:)(g)
0.521986659
quetiene un errorrelativoporcentualde E, = - 4.40.

En la aproximacin de segundo orden, se incluye el trmino quecontiene a la segundaderivada,donde f (x) = - cos x:
con un error relativo porcentual de E, = -0.449. Por lo tanto, al agregarmstrminos a laserie se obtiene una mejor aproximacin.
Este proceso se puede continuar,los resultados se muestran en el cuadro 3.2. Ntese que las derivadas nunca se acercan a cero, como es el
CUADRO 3.2
~
Aproximaciones mediante la serie deTaylor de f (x)

cos x en x
I 3 alrededor del punto x
14. Los
valores se muestran para varios brdenes
de
apro-
xirnacin (m).
Orden n
f(x)
O
1
2
3
4
5
6
cos x
-sin x
cos x
sin x
cos x
-sin x
-cos x
P(nI3)
-41.4
0.707106781
0.52 1986659
0.497754491
0.499869147
0.500007551
0.500000304
0.499999988
2.40
-4.4
0.449
2.62 x
-1.51 X 10-3
-6.08 X 10-5
x
MTODOS
84
NUMRICOS
PARA INGENIEROS
casodelpolinomiodelejemplo
3.6. Sin embargo, cada trmino que
se le agrega a la serie produce una mejor aproximacin. Ntese tambin
que la mayor aproximacin se consigue con los primeros trminos. En
este caso, en el momento que se le agreg el tercer trmino, el error se
redujo al 2.62 x lo-*%, lo que significa que se haalcanzado el 99.9738%
del valor exacto. Por consiguiente, si se le agregan ms trminos a
la serie el error decrece, pero la mejora ser mnima.
En general, se puede suponer queel error de truncamiento disminuye agregando trminos a la serie de Taylor. Adems, si h es lo suficientementepequeo,entonces
los trminos de primero y segundoorden
influyen desproporcionadamente en el porcentaje del error. Esta propiedad se ilustra en el ejemplo siguiente.
3.5.2 El residuo de la expansin en la serie de Taylor

Antes de demostrar cmo se usa la serie de Taylor e n la estimacin de
errores numricos, se debeexplicar por qu seincluye el argumento [ en
la ecuacin (3.15).En vez de presentar una derivacin matemtica general se desarrollar una exposicin ms simple basada en una interpretacin geomtrica. En seguida se puede extender este caso especfico a
una formulacin ms general.
Supngase que se truncla expansin en serie de Taylor [c. (3.14)l
despus del trmino de orden cero para obtener:
f(Xi+l)
= f(x0
En la figura 3.4 se muestra un bosquejo de esta prediccin de orden cero. El residuo o error de esta prediccin, que se muestra tambin en la
figura, consiste de la serie infinita de trminos que fueron truncados:
Ro
= f(xi)h
+ f(Xi)
-h2
2!
+ f(X.)
-h3
3!
+ ...
Es obvio que tratar el residuo de esta serie infinita con este formato
es inconveniente. Se puede obtener unasimplificacin truncando el residuo mismo, de la siguiente manera:
Ro
f ( x i )h
[3.16]
Aunque, como se mencion en la seccin previa, los trminos de las derivadas de ordeninferior cuentan mucho ms enel residuo que los trminos de las derivadas de orden superior, este resultado todavaes inexacto,
ya que se han despreciado los trminos de segundo orden y de rdenes
85
FIGURA 3.4
Representacingrfica
residuo.
de unaprediccinde
la serie deTaylorcon
superiores. Esta inexactitud se denota mediante el smbolo de aproximacin a la igualdad ( =) empleado en la ecuacin (3.16).
Una simplificacin alterna que realiza la aproximacin a una equivalencia est basada en el esquema grfico. Ntese que en la figura 3.4 el
error Lo pudo haberse determinado si se hubiera sabido la posicin del
valor exacto. Obviamente este valor es desconocido ya que de otra manera no sehubiese requerido dela expansin en serie de Taylor.Sin embargo, el teorema delvalor medio del clculo ofrece una forma de rehacer
el problema para evitar en forma parcial este dilema.
El teorema del oalor medio diceque si una funcin f (x) y su primera
derivada son continuas sobre un intervalo [x, xi+J, entonces existe al
menos un punto sobrela funcin que tiene una pendiente, dada por f (E),
que es paralela a la lnea que une f (xi) con f (xi+1).El parmetro 4
marca el valor x donde ocurre la pendiente (Fig. 3.5).Se puede hacer
una ilustracin tangible de este teorema en el hecho de que si se viaja
entre dos puntos con una velocidad promedio, habr al menos un momento durante el curso del viaje en el que se mueva a esa velocidad
promedio.
Al hacer uso de este teorema resulta fcil darse cuenta, como seilustr
en la figura 3.5, que la pendiente f(4)es igual a cociente Ro entre h, o:
84
METODOS NUMRICOS
FIGURA 3.5
PARA INGENIEROS
Representacin grfica del teorema del valor medio.
que se puede reordenar para obtener:
Por lo tanto, se ha obtenido el trmino de orden cerode la ecuacin (3.15).

Los trminos de rdenes superiores son una extensin lgica del razonamiento usado para derivar la ecuacin (3.17), basado e n la forma general
del teorema extendido del valor medio (Thomas y Finney, 1979).Por lo
tanto, la versin de primer orden es:
[3.18]
En este caso, el valor de 4 conforma el valor de x que corresponde a la

derivada de segundo orden que hace exacta a la ecuacin (3.18).Los
trminos de orden ms alto se pueden desarrollar de la ecuacin (3.15).
3.5.3 Uso de la serie de Taylor para estimar los errores de truncamiento
Aunque la serie de Taylor es extremadamente til en la estimacin de
errores de truncamiento a lo largo de este libro, puede que an no est
muy claro cmo la expansin puede aplicarse en estos momentos a los
mtodos numricos. En realidad, esto ya se hizo en el ejemplo del para-
a7
caidista. Recurdese que el objetivo de los ejemplos l.1 y l.2 fue el de

predecir la velocidad en funcin del tiempo. Esto es, se deseaba determinar u (t). Como se especific en la ecuacin (3.12),u (t) se puede expandir en la serie d e Taylor como:
Ahora, truncando la serie despus del trmino con primera derivada, se

obtiene:
La ecuacin (3.20) se puede resolver para:

[3.21]
"
Aproximacin de Error
primerorden
detruncamiento
La primera parte de la ecuacin (3.21) es exactamentela misma relacin
que se us para aproximar la derivada del ejemplo 1 . 2 [Ec. (1.lo)].Sin
embargo, con el esquema de la serie de Taylor se ha obtenido una estimacin del error de truncamiento asociado con esta aproximacin de la
derivada. Usando las ecuaciones (3.13)y (3.21) se obtiene:
[3.22]
O
~R1
ti+1 -
- O(tii.1
ti)
ti
[3.23]
Por lo tanto, la estimacin de la derivada [Ec. (1.10)o !a primera parte

de la Ec. (3.21)]tiene un error de truncamiento de orden t,+ - ti. En
otras palabras, el error en la aproximacin usando derivadas debe ser
proporcional al tamao del paso. Por lo tanto, si stese divide a la
mitad, entonces se espera que el error de la derivada, se reduzca ala mitad.
3.5.4.
Diferenciacin
numrica
A la ecuacin (3.21) se le conoce con un nombre especial en el anlisis

numrico, se le llarr,a diferencias diuididas finitas. Se puede representar
88
MTODOS
NUMRICOS PARA
INGENIEROS
generalmente como:
[3.24]
O
[3.25]
donde a Aj,se le conoce como la primera diferencia hacia adelante y a

h se le llama tamao del paso, esto es, la longitud del intervalo sobre el
cual se hace la aproximacin. S e le llama diferencia "hacia adelante" ya
que usa los datos i e i -t 1 para estimar la derivada (Fig. 3.6~1).
AI trmino completo Af,/h se le conoce como primera diferencia dividida finita.
Esta diferencia dividida hacia adelante no es sino una de tantas que
se pueden desarrollar mediante la serie de Taylor para la aproximacin
de derivadas numricas. Por ejemplo,las aproximaciones a primeras derivadas, utilizando las diferencias hacia atrs o las diferencias centrales se
pueden desarrollar de una manerasimilar a la de la ecuacin (3.24).Las
primerasusan a
(Fig. 3 . 6 b ) , mientras que las segundasusan informacin igualmente espaciada alrededor del punto donde est estimada
la derivada (Fig. 3 . 6 ~ Las
) . aproximaciones ms exactasde la primer derivada se pueden desarrollar incluyendo en la serie de Taylor trminos
de orden ms alto. Finalmente, todas las versiones anteriores se pueden
desarrollar para derivadas de segundo orden,tercer orden y rdenes superiores. Las siguientes secciones analizan brevemente estos casos, ilustrando cmo se deriva cada uno de ellos.
Aproximaciones a la primera derivada con
diferencias hacia atrs.
La serie de Taylor se puede expandir hacia atrs para calcular un valor

anterior sobre el valor actual, dada por:
[3.26]
Truncando la ecuacin despus de la primer derivada y ordenando los

trminos se obtiene:
[3.27]
donde el error es O (h) y V f, indica la primer diferencia dividida hacia

atrs. Vase la figura 3.6b para una representacin grfica,.
Aproximaciones a la primer derivada con diferencias centrales. Una
tercera forma de aproximar la primer derivada es restar la ecuacin (3.26)
FIGURA 3.6
Grfica de aproximaciones con diferencias divididas tinitas de la primera derivada, a) hacia adelante, b) hacia atrs y c) centrales.
89
90
MTODOS
de la expansin en serie de Taylor hacia adelante:

[3.28]
para obtener
que se puede resolver para
or
[3.29]
La ecuacin (3.29)es una representacin de las diferencias centrales (o

centradas) de la primera derivada. Ntese que el error de truncamiento
es del orden de h 2 en contraste con las diferencias divididas hacia adelante y hacia atrs, las cuales fueron de orden h . Por lo tanto, el anlisis de
la serie de Taylor ha llevado a la informacin prctica de que la diferencia
central es la representacin ms exactade la derivada (Fig. 3 . 6 ~ )Por
. ejemplo,
si se parte el tamao del paso a la mitad usando diferencias hacia atrs o
hacia adelante, el error se reducir aproximadamente a la mitad, mientras
que para diferencias centrales, el error se reduce a la cuarta parte.
Aproximaciones a derivadas de orden ms alto usando diferencias finitas. Junto a la primer derivada, la expansin de la serie de Taylor se puede
usar para una estimacin numrica de las derivadas de orden superior.

Para hacerlo, se escribe una expansin en serie deTaylor hacia adelante
para f (xj+*)en trminos de f (xi) de la siguiente forma:
f(Xi+2)
=f
k i )
f"(xi)(2h)Z
+ f'(XiI(2h) + 2
...
[3.30]
La ecuacin (3.28) se puede multiplicar por 2 y restarse de la ecuacin

(3.30)para obtener:
que se puede resolver para:

[3.31]
APROXIMACIONESY ERRORES
91
A esta relacin se le llama diferencias diuididas finitas hacia adelante de

segundo orden. Se pueden usar procedimientos similares para obtener
las versiones hacia atrs y centrales. Las aproximaciones a tercer orden
delasdiferenciasdivididashacia
adelante, hacia atrs y centrales tambin pueden obtenerse (Fig. 3.7 a la 3.9). En todos los casos, las diferencias centradas danuna mejor aproximacin.
Frmulas de exactitud para diferencias de orden superior.Todas las estimaciones anteriores truncaron las estimaciones dadas por
la serie de Taylor
despus de algunos trminos. Las frmulas de ms exactitud se pueden
desarrollar incluyendo trminos adicionales. Por ejemplo, la expansin
hacia adelante [Ec. (3.28)j se puederesolver para:
[3.32]
FIGURA 3.7
Frmulas de diferencias divididas finitas hacia atrs. Se presentan dos

versiones para cada derivada. La segunda forma incluye ms trminos
de la serie de Taylor y, por lo tanto, esms exacta.
92
MTODOS
NUMRICOS
PARA INGENIEROS
FIGURA 3.8
Frmulas de diferencias divididas finitas haciaadelante. Se presentan

La segunda forma incluye ms
dosversiones
paracadaderivada.
trminos de la serie de Taylor, ypor
lo tanto, es
ms
exacta.
En contraste con la ecuacin (3.24),se puede retener el trmino de segundo orden sustituyendo la ecuacin (3.31)en la ecuacin (3.32) para
obtener:
o agrupando trminos
Ntese que la inclusin del trmino con segunda derivada ha dado una
exactitud O (h ). Se pueden desarrollar versiones mejoradas similares pa-
93
FIGURA 3.9
Frmulas de diferencias divididas finitas centrales.Se presentan dos versiones para cada derivada. La segunda forma incluye ms trminos de
lo serie de Taylor y, por lo tanto, es ms exacta.
ra diferencias hacia atrs y centrales as como para las aproximaciones

de derivadas de orden superior. Las frmulas se resumen en las figuras
3.7 hasta la 3.9. El siguiente ejemplo ilustra la utilidad de las mismas
en la estimacin de derivadas.
En esta seccin slo se han cubierto algunas de las formas con que
la serie de Taylor es til en el anlisi numrico. Sin embargo, este material tiene como propsito inicial ayudar en la estimacin y el control de
errores de truncamiento. Muchosde los mtodos numricos de este libro
se basan en la representacin de aproximaciones simples, de rdenes inferiores en vez de expresiones matemticas complicadas. Ya que la expansin en la serie de Taylor da una estructura mediantela cual se separan
componentes de orden inferior y superior, se demostrar a lo largo del
texto que ste esun vehculo para profundizaren los mtodos numricos.
94
NUMRICOS
MTODOS
EJEMPLO 3.8
Aproximaciones de derivadas usando diferencias
PARAINGENIEROS
divididas finitas
Enunciado del problema: sense aproximaciones de diferencias finitas hacia

adelante y hacia atrs de O (h) y centradas, de O (h'), para estimular la primera derivada de:
f(x)
- 0 . 1 ~- ~0 . 1 5 ~
-~
0 . 5 ~ 0~. 2 5 ~+ 1.2
en x = 0.5 usando un tamao de paso h = 0.5. Repetirlosclculos

usando h = 0.25. Ntese que la derivada se puede calcular directamente como:
f ' ( x ) = - 0 . 4 ~-~0 . 4 5 ~
- ~
1.0~
- 0.25
y se puede usar para calcular el valor exacto de f ' (0.5) = - 0.912 5.
Solucin: para h = 0 . 5 , se puedeusar lafuncinparadeterminar:
x,-1 =
f(Xj-1)
xi = 0.5
!(X)
1.2
0.925
1.0
f ( x j + J = 0.2
Estos datos se pueden usar para calcular la diferencia dividida haciaadelante [Ec.(3.24)]:
Xi+!
f'(0.5) =
0.2
0.925
= -1.45
O. 5
la diferenciadivididahaciaatrs
f '(0.5) =
0.925 - 1.2
0.5
Para h
58.9%
:
[ c(3.27)]
.
-0.55
y la diferenciadivididacentral
E, =
E, =
39.7%
[Ec. (3.29)]:
0.25, los datos son:
= 0.25
x, = 0.50
Xi+l - 0.75
xi-1
f(xi-1)
1.10351563
f ( x , )= 0.925
f(xi+l) = 0.636 328 13
que se pueden usar paracalcular la diferencia divididahacia

te:
f'(0.5) =
0.636 328 13
0.25
0.925
1.155 = E"
"
adelan-
26.5%
95
la diferenciadivididahacia atrs:
f'(0.5)=
0.925 - 1.103 515 63

0.25
-0.714
E"
-0.934
E,
21.7%
y la diferenciadividida,central
0.636 328 13 - 1.103 515 63

f'(0.5)~
0.5
-2.4%
Para los dos tamaos de paso, las aproximaciones de diferencias centrales son ms exactas que las diferencias hacia atrsy hacia adelante. Tambin, comolo predijo el anlisis de la serie de Taylor, la divisin del intervalo
endospartesigualesdividealamitadelerrordelasdiferenciashacia
atrs y hacia adelante, y a la cuarta parte el error de las diferencias centrales.
3.6 ERROR NUMRICO
TOTAL
El error numrico total es la suma de los errores de redondeo y de truncamiento. Desde el problema del paracaidista (ejemplo 3.3) se descubri que
lanicaformademinimizar los errores de redondeo es la de incrementar
el nmero de cifras significativas de la computadora. Ms an, se not que
los errores de redondeo crecen conforme aumenta el nmero de clculos.
En contraste, el ejemplo 3.8 demostr que laestimacinporderivadas se
puede mejorar disminuyendo el tamao del paso. Ya que un decremento
en el tamao del paso lleva a un incremento en los clculos, los errores de
truncamientodecrecenconformeelnmerodeclculosaumenta.Porlo
tanto, se encara elsiguientedilema:laestrategiadedisminuir
un componente del error total lleva al incremento del otro. En
un clculo es concebible disminuir el tamao del paso para minimizar los errores de truncamiento
slo para descubrir que al hacerlo, los errores de redondeo empiezan a
dominar la solucin y el error total crece!. Por lo tanto, el remedio se convierte en problema (Fig. 3.10). Un reto que debe encararse es el de determinar un tamao apropiado de paso paraun clculo en particular. Sera
bueno escoger una gran cantidad de tamaos de paso para disminuir la
cantidad de clculos y los errores de redondeo, sin incurrir en la pena de
un error mayor de truncamiento. Si el error total es el que se muestra en
la figura 3.10, el problema es identificar el punto donde el provecho disminuye, es decir donde los errores de redondeo empiezan a negarlos beneficios obtenidos con unareduccinenel
tamao del paso
En casos reales, sin embargo, estos casos no son comunes ya que la
mayor parte de las computadoras manejan suficientes cifras significativas de
No obstante, algunas
formatalque los erroresderedondeonoinfluyen.
vecesocurren,haciendopensar enuna especiede"principiosdeincertidumbre numrica", que coloca un lmite absoluto sobre la exactitud que se
puedeobtenerusandociertosmtodosnumricosconcomputadora.
96
MTODOS
FIGURA 3.1 O
NUMRICOS
PARA INGENIEROS
Representacin grfica de las ventajas y desventajas entre errores de redondeo y truncamiento que en ocasiones influyen en el curso de un metodo numrico. Aqu se muestrael punto ptimo, donde el error de
redondeo comienza a negar los beneficios dados por la reduccin del
tamao del paso.
Debido a estas restricciones, hay limitaciones en la estimacin de errores. Por lo tanto, la estimacin de errores en el anlisis numrico es, hasta cierto punto, un arte que depende en gran parte de las soluciones d e
prueba-error, adems de la intuicin y experiencia del analista.
Aunque en este captulo se ha tratadoun tipo de problema numrico
"la solucin d e una ecuacin diferencial ordinaria- las conclusiones anteriores tienen una relevancia general en muchas delas otras tcnicas del
libro. Sin embargo, debe de hacerse hincapi en que aunqueel tema es,
hasta cierto punto, un arte, hay unavariedad de mtodos quelos analistas pueden usar para cuantificar y controlar los errores en un clculo. La
elaboracin de estas tcnicas jugar un papel prominente en las pginas
siguientes.
3.7 ERROREP
SOR EQUIVOCACIN,
DE PLANTEAMIENTO E INCERTIDUMBRE
EN LOS DATOS
Aunque las siguientes fuentes de error no estn conectadas directamente
con la mayor parte de ios mtodos numricos de este libro, en algunas
ocasiones pueden tenergran importancia en el esfuerzo por hacer un modelo exitoso. Por lo tanto, se deben tener siempre en mente cuando se
apliquen tcnicas numricas en el contexto de problemas del mundo real.
97
APROXIMACIONESY ERRORES
3.7.1 Errores por equivocacin

A todos les son familiares los errores por torpezao por equivocacin, En
los primeros aos de la computacin, los resultados numricos errneos
fueron atribuidos algunas veces al mal funcionamiento de la computadora misma. Hoy da, esta fuente de error es muy improbable y la mayor
parte de las equivocaciones se pueden atribuir a errores humanos.
Las equivocaciones ocurren a cualquiernivel del proceso de modelacin matemtica y pueden contribuir con todas las otras componentes del
error. Se pueden evitar nicamente conel conocimiento de los principios
fundamentales y con el cuidado sobre la aproximacin y diseo de la solucin a un problema.
Las equivocaciones, por lo general se pasan por alto en la discusin
de un mtodo numrico. Esto sin duda prueba el hecho de que los errores
de torpeza son, hasta cierto punto, inevitables. Sinembargo, recurdese que
hay ocasiones en que su aparicin se puede minimizar. En particular, los
buenos hbitos de programacin que se bosquejaron en el captulo 2, son
extremadamente tiles para disminuir las equivocaciones. Adems, hay formas muy simples de verificar cuando un mtodo numrico est trabajando
correctamente. A lo largo del texto, se estudian algunas formas de verificar
los resultados de un clculo numrico.
3.7.2 Errores de formulacin

Los errores de formulacin o de modelamiento degeneran en lo que se
podra considerar como un modelo matemtico incompleto. Un ejemplo
de un error de formulacin imperceptible es el hecho de que la segunda
ley de Newton no explica los efectos relativsticos. Esto no desvirta la
validez de la solucin del ejemplo 1.1ya que estos errores son rnnimos
en las escalas de tiempo y espacio de la cada del paracaidista.
Sin embargo, supngase que la resistencia del aire no es linealmente
proporcional a la velocidad de cada, comoen la ecuacin (1.6),sino que
es una funcin del cuadrado de la velocidad. Si este fuese el caso, las
soluciones analticas y numricas obtenidas en el primer captulo seran
falsas debido al error en la formulacin. En algunos casos de estudio del
resto del libro se incluyen algunas consideraciones adicionales de los errores
de formulacin. Se debe estar conciente de estos problemas, y darse cuenta
que si se est usando un modelo deficiente, ningn mtodo numrico generar los resultados adecuados.
3.7.3 Incertidumbre en los datos

Algunas veces se introducen errores en un an3lisis debido ala incertidumbre
de los datos fsicos sobre los que se basa el modelo. Por ejemplo, supngase que se desea probar el modelo del paracaidista haciendo saltos repetidos individualmente y luego midiendo la velocidad despus de un
98
MTODOS
NUMRICOS
PARA INGENIEROS
intervalo de tiempo especfico. Indudablemente se asociar con cada medicin una incertidumbre. ya que el paracaidista caer ms rpidamente
en unos saltos que en otros. Estos errores pueden mostrar inexactitud e
imprecisin. Si los instrumentos constantemente subestiman o sobreestiman las mediciones de la velocidad. se estar tratando conu n instrumento
inexacto o desviado. Por el otro lado, si las medidas son casualmentealtas y bajas entonces se trata de una cuestin de precisin.
Los errores de medicin se pueden cuantificar sumando los datos con
una o ms estadisticas bien conocidas, que generan tanta informacin como
sea posible, observando las caractersticas especficas de los datos. Estas
estadsticas descriptivas a menudo son seleccionadas para presentar 1)
la posicin del centro de distribucin de los datos y 2) el grado de esparcimiento d e los datos. Comotales dan una medida de
la desviacin e imprecisin,respectivamente. En el captulo 10 seretoma el temade
caracterizacin de incertidumbre en los datos.
Aunque se debeestar conciente de los errores por equivocacin. errores de formulacin e incertidumbre e n los datos, los mtodos numricos
usados para construir modelos pueden estudiarse, en la mayor parte de
los casos independientemente de estos errores.Por lo tanto, en ia mayor
parte de este libro se supondr que nohay errores de torpeza. que el modelo es adecuado y que se est trabajando sin errores en las mediciones
de los datos. Bajo estas condiciones. se pueden estudiar los mtodos n u mricos sin complicaciones.
PROBLEMAS
3.1 Cuntas cifrassignificativashay
en cada uno de los siguientesnmeros'?
a) 0.84 X 10'
fl
b) 84.0
g) 0.004 60
c) 70
d ) 70.0
h) 8.00 x 10'
i) 8.0 X lo3
e) 7
j) 8
0.046 00
000
3.2 Redondense los siguientes nmeros atrescifrassignificativas

a) 8.755
b) 0.368 124
10'
d ) 5.555 x 10"
e) 0.999 500
c) 4 225.0002
3.3 Efectense las siguientes sumas y restas y escrbanse los resultados con todas las
cifrassignificativas necesarias.
ai
b)
0.004 23 + (25.1 x 1 0 ~ " )+ (10.322 x 10

5 068 - 2.4
99
C)
(4.68 X lo6) - (8.2 X 10')

- (8.696 X i r 5 )
- (5.409 X
+ (7.0 X
d ) (9.8 X
e) (7.7 X
3.4 Efectense las siguientes multiplicaciones y divisiones y escrbanse los resultados

con todas las cifras significativas necesarias.
a)
(8.38 X lo5) X (6.9 X
b) (8.38 x lo4) x (6.90 x

c) 87 619/(0.008 71 x 99 999)
d ) (2.06 x 111)/888
(0.4 O00 x 0.020 00)
el
(0.010 O0 x 0.800)
3.5 Efectese cada una de las siguientes operaciones combinadas y escrbanse los resultados con todas las cifras significativas necesarias.
a) 6.80(4.0
b) (14 x 10
C)
dl
486
x 10~6)- 22 (8.06 x
+ 555 - 80.8) x (2.000 1 - 0.004)
X 10-6
4.45
(7.777 X 103) +
10-5
9.6
4.81 x
(6.9134 x lo3) + 32.26
58.6 (12 x 10~6)
- (208 x
6.7845 x 1 0 ~ 6
(1801)
468.94 x
3.6 En el ejemplo 3.2 se us la serie infinita:
para aproximar ex.

a) Demustrese que esta expansin en serie Maclaurin es un caso especial de la
expansin en serie de Taylor [Ec. (3.1411 con x, = O y h = x.
b ) sese la serie de Taylor para estimar f ( x ) = e-' en x , , ~= 2 para tres casos
diferentes: x, = 0.5, 1.0 y 1.5. Emplense los trminos de orden cero, primero,
segundo, y tercero, adems calclese leul para cada caso.
3.7 La expansin en serie de Maclaurin para el cos x es:
x2
cosx="-+"-+-
2!
x4
x6
x8
4!
6!
8!
Iniciando con el primer trmino, COS x = 1. agrguense los trminos uno a uno
para estimar 'COS (T / 3). Despus que se agregue cada uno de
los trminos, calclense los errores porcentuales relativos. exactos y aproximados. Usese una calculadora de bolsillo para determinar el valor exacto. Agrgueme trminos hasta que
1 O0
INGENIEROS
PARA
NUMERICOS
METODOS
el valor absoluto del error aproximado falle bajo cierto criterio de error, considerando dos cifras significativas.
3.8 Reptanse los clculos del problema 3.7,pero ahora usando la serie de Maclaurin
para el sen x:
senx = x--y estmese el sen
x3
3!
(H
xs
x7
5!
7!
/ 2)
3.9 sense los trminos en serie de Taylor de cero a tercer orden para estimar f (3)para
f(xj
25x3
6x2 + 7x - 88
usando como punto base x

ra cada aproximacin.
2. Calclese el error relativo porcentual correcto pa-
3.10 sense los trminos en la serie de Taylor de orden cero al cuarto para estimar
f (4) para f (x) = In x usando como punto base x = 1. Clculese el error relativo
porcentual correcto para cada aproximacin.
3.11 sense los trminos en serie de Taylor de orden cero al cuarto para estimar f (2)
paraf (x)= e-x usando como punto base x = 1. Calclese el error relativo porcentral correcto e, para cada aproximacin.
3.12 sense aproximaciones de diferencias de O ( h ) hacia atrs y hacia adelante y una
aproximacin central de O (h2) para estimar la primera derivada de la funcin
mencionada en el problema 3.9. Evalese la derivada en x = 2.5 usando un tamao
de paso deh = O. 25. Comprense los resultados con el valor correcto de la derivada en x = 2.5. Interprtense los resultados en base al trmino residual de la serie
de Taylor.
3.13 sense aproximaciones con diferencias hacia atrs, centrales y hacia adelante de,
O (h) para estimar la segunda derivada de la funcin vista en el problema 3.9.
Hgase la evaluacin en x = 2.6 usando un tamao de paso de h = 0.2. Comprense las estimaciones con el valor correcto de la segunda derivada en x = 2.6.
lnterprtense los resultados en base al trmino residual de la serie de Taylor.
EPLOGO:
PARTE I
1.4 ELEMENTOS DE JUICIO

Los mtodos numricos son cientficos en el sentido de que representantcnicas sistemticas para
resolver problemas matemticos. Sin embargo, hay
cierto grado de arte, juicios subjetivos y trminos medios, asociados con su uso efectivo en la prctica
de ingeniera. Para cada uno de los problemas, la
confrontacin es con varias tcnicas numricas alternativas y con muchos tipos de computadoras. Por
lo tanto, la elegancia y la eficiencia de los diferentes enfoques de los problemas es muy individualista y se relaciona conla habilidad de escoger
prudentemente entre todas las opciones. Desafortunadamente, como sucede con cualquier proceso intuitivo, los factores que influyenen
esta
eleccin son difciles de comunicar. Estas habilidades pueden ser comprendidas y afinadas ampliamente slo por los programadores expertos. Sin
embargo, ya queestas habilidades juegan un papel muy importante en la implementacin efectiva de los mtodos, se ha incluido esta seccin
como una introduccin a algunos de los elementos de juicio que se deben considerar cuando se
seleccione un mtodo numrico y las herramientas para su implementacin. Aunque no se espera que en la primer ocasin se capten todos los
beneficios, si se tiene la esperanza de que estos
anlisis influyan en la orientacin cuando se presente el material subsecuente. Tambin se espera
que si se enfrentan alternativas y algunos elementos de juicio en el resto del libro, se consultar nuevamente este material.
La figura 1.4 ilustra siete factores o elementos de
juicio que se deben tener en cuenta cuandose selecciona un mtodo numrico para un problema
en particular.
Tipodeproblemamatemtico.Comoya
se
mencion en la figura 1.2, en este libro se discuten varios tipos de problemas matemticos:
l.
a. Races de ecuaciones
b. Sistemas de ecuaciones algebraicas lineales simultneas
102
MTODOS
NUMRICOS
PARA INGENIEROS
ajuste de curvas
d.
Integracin numrica
e. Ecuaciones diferenciales ordinarias

Probablemente el lector ya tenga algunos conocimientos bsicos sobre
la aplicacin de los mtodos numricos al enfrentar alguno de los problemas de la figura1.4. Los mtodos numricos se necesitarn ya que
los problemas no se pueden resolver eficientementeusando tcnicas analticas. Se debe estar consciente de que las actividades profesionales
involucran, eventualmente, problemas en las reas anteriores (Fig.
1.4). Por lo tanto, el estudio de los mtodos numricos y la seleccin
de un equipo de cmputo'deben, al menos considerar estos problemas
bsicos. Los problemas ms avanzados pueden requerir de habilidades
en el manejo de soluciones de sistemas de ecuaciones algebraicas no
lineales simultneas, ajuste de curvas de varias variables, optimiza-
FIGURA 1.4
Siete consideraciones para escogerun

solucindeproblemasdeingeniera.
mtodonumrico
en la
EPiLOGO PARTE I
103
cin de parmetros, programacin lineal, problemas de valores propios y ecuaciones diferenciales parciales. Estas reas requieren de
mayores esfuerzos computacionales y de mtodos avanzados que no
se cubren en este texto. Se pueden consultar algunas referencias tales como: Carnahan, Luther y Wilkes (1969); Hamming(1 973); Rals(1 978) paraproblemasquevan
ms all del
tonyRabinowitz
contenido de este libro. Adems, alfinal de cada parte deeste texto,
se incluye un breve resumen y referencias para los mtodos avanzados para encaminarle en el estudio de consecucin de mtodos numricos adicionales.
2. Tipo, disponibilidad, precisin,costo y velocidad de una computadora. Se tiene la oportunidad de trabajar con cuatro herramientas
diferentes de cmputo (recurdeseel cuadro 2.1). Que van desde una
calculadora de bolsillo hasta una supercomputadora. De hecho, cualquiera de las herramientas que se pueden usar en la implementacin
de un mtodo numrico {incluyendo papel y>lpiz, que noestn incluidos en el cuadro). En general no s e trata de ultimar capacidades,
sino costos, conveniencia, velocidad, seguridad, repetibilidad y precisin. Aunque cada una de las herramientas enumeradas en el cuadro 2.1 seguirn teniendo utilidad, los grandes avances recientes en
el funcionamiento de las computadoras personales ya han tenido repercusin en la profesin de ingeniero. Se espera que esta revolucin se siga extendiendo conforme los avances tecnolgicos continen,
ya que las computadoras personalesofrecen un excelente trmino medio entre conveniencia, costo, precisin, velocidad y capacidad de
almacenamiento. Ms an, se pueden aplicar tilmente a la mayor
parte de los problemas prcticos de ingeniera. Las tcnicas de este
libro, por lo tanto, se escogieron expresamente para que sean compatibles con esta clase de computadoras.
3. Costo en el desarrollo de programas contra el costo del software
contra el costo del tiempo de ejecucin, Una vez que se hayan identificado los tipos de problemas matemticos a resolver yel sistema de
cmputo haya sido seleccionado, ser apropiado considerar los costos del software y del tiempo de ejecucin. El desarrollo de programas puede representar un esfuerzo adicional en muchos proyectos
de ingeniera y por lo tanto ser de un costo significativo. A este respecto, es particularmente importante que se est bien familiarizado
con los aspectos tericos y prcticos de los mtodos numricos relevantes. Se puede disponer de una cantidad limitada de programas
desarrollados profesionalmente a alto costo para la solucin de problemas de ingeniera. Sin embargo, estos programas se deben usar
con mucho cuidado, ya que en general no se esta familiarizado con
la lgica delos mismos. Alternativamente, se puede disponer de programas de utilera general a bajo costo (tales como los que vienen
104
MTODOS
con este texto) para implementar mtodos numricos que se pueden

adaptar fcilmente a una variedad muy amplia de problemas. El costo del desarrollo de programas yel costo del software se puede recuperar en el momento de la ejecucin si los programas se han escrito
y probado eficientemente.
4 . Caractersticas de los mtodos numricos. Cuando el costo de los

componentes electrnicos de una computadora y de sus programas
es alto, o si la disponibilidad de la computadora est limitada (p. ej.,
en sistemas de tiempo compartido), la manera de escoger cuidadosamente el mtodo numrico ayudara a adaptarse a tal situacin. Por
el otro lado, si el problema an se encuentra en una etapa experimental y el acceso y costo de una computadora no
tienen problemas,
entonces puede ser apropiado seleccionar un mtodo numrico que
siempre trabaje aunque quizs no sea, computacionalmente hablando, muy eficiente. Los mtodos numricos disponibles para resolver
un tipo particular de problema, involucrantodos los factores mencionados, adems de:
a. Cantidad de condiciones o de puntos iniciales. Algunos de los mtodos numricos para encontrar races de ecuaciones o en la solucin de ecuaciones diferenciales, requieren que el usuario
eso puntosiniciales. Los mtodos
pecifiquealgunascondiciones
simples requieren, en general de un valor, mientras que los mtodos complicados pueden requerirms de un valor. Se deben considerar los elementos de juicio; las ventajasde mtodos complicados
que son computacionalmente eficientes pueden compensar los requerimientos de mltiples puntos iniciales. Se debe echar mano
los juicios para cada problema en parde la experiencia y de
ticular.
b.
Velocidad de convergenciu. Ciertos mtodos numricos convergen

ms rpido que otros. Sin embargo, la convergencia rpida puede
requerir de ms puntos iniciales y de programacin ms compleja
que la de un mtodo con convergencia ms lenta. Nuevamente se
debe hacer uso de juicios para la seleccin de cierto mtodo. los
ms rpidos no siempre son los mejores!
c . fstabilidad. Algunos mtodos numricos para encontrar races de

ecuaciones o soluciones de sistemas de ecuaciones lineales, en algunos casos pueden divergir en vez de converger a la respuesta
correcta. iPor quse debe tolerar esta posibilidad si se ha diseado o se ha planeado bien el problema? La respuesta es que estos
mtodos pueden ser altamente eficientes cuando funcionan. Por
lo tanto, surgen nuevamente los elementos de juicio. Se debe decidir si los requisitos del problema justifican el esfuerzo necesario
para aplicar un mtodo que no siempre funciona.
EPLOGO PARTE I
105
d . Exactitud y precisin. Algunos mtodos numricos, simplemente son

ms exactos y precisos que otros. Como ejemplos se tienen las diferentes ecuaciones disponibles para la integracin numrica. En
general, se puede mejorarel funcionamiento de mtodos de poca
exactitud disminuyendo el tamao del paso o aumentando el nmero de trminos sobre un intervalo dado. 2Qu ser mejor, usar
un mtodo con poca exactitud y con tamaos de paso pequeos
o usar un mtodo con altaexactitud y tamaos de paso grandes?
Esta pregunta se debe analizar paso por paso considerando los
factores adicionales tales como el costo y la facilidad de programacin. Adems se deben tomar en consideracin los errores de
redondeo cuando se usan en forma repetida mtodos de baja exactitud y el nmero de clculos crece demasiado. Aqulas cifras sigla computadorapueden
ser el factor
nificativas quemaneja
decisivo.
e . Alcance de las aplicaciones. Algunos mtodos numricos slo se
pueden aplicar a cierta clase de problemaso a los problemas que
satisfacen ciertas restricciones matemticas. Otros mtodos no tienen estas restricciones. Se debe evaluar si vale la pena el esfuerzo
de desarrollar programas que empleen tcnicas apropiadas nicamente para un nmero limitado de problemas. El hecho de que
tales tcnicas pueden usarse ampliamente, indica que tienen ventajas que a menudo son menos que las desventajas. Obviamente,
deben evaluarse los elementos de juicio.
f . Requisitos especiales. Algunas tcnicas numricas intentan incrementar la exactitud y la velocidad de convergencia usando informacin especial o adicional. U n ejemplo sera el uso de valores
estimados o valores tericos de los errores para el mejoramiento
de la exactitud. Sin embargo, estas mejoras, en general no se Ilevan a cabo sin inconvenientes como el aumento en el costo de cmputo y el incremento en la complejidad del programa.
g . Esfuerzos requeridos de programacin. Los esfuerzos para mejorar la velocidad de convergencia, estabilidad
y exactitud pueden
ser creativos e ingeniosos. Cuando se pueden hacer mejoras sin
aumentar la complejidad en la programacin, entonces se puede
considerar que estas meioras son elegantes y probablemente encuentren uso inmediato en la ingeniera. Sin embargo, si requieren de programasms complejos, otra vezse deben enfrentar los
elementos de juicio que pueden o no favorecer al nuevo mtodo.
Se ve claro queel anlisis anterior relacionado con la forma de escoger un mtodo numrico se reduce slo a costo y exactitud. Los costos son los que estn involucrados con el tiempo de cmputo y el
106
NUMRICOS
MTODOS
PARA INGENIEROS
desarrollo de programas. La exactitud apropiada es una cuestin de

tica y de juicio profesional.
5. Comportamiento matemtico de las funciones, ecuaciones o datos. AI seleccionar un mtodo numrico en particular,el tipo de computadora y el tipo deprogramas,
se debe tomarencuentala
complejidad de las funciones y de las ecuaciones o datos. Las ecuaciones simples y los datos uniformes se pueden manejar apropiadamente con algoritmos numricos simples y con computadoras baratas.
Sucede lo contrario con las ecuaciones complicadas y los datos que
contienen discontinuidades.
6. Facilidad de aplicacin (iAccesible al usuario?). Algunos mtodos
numricos son fciles de aplicar y otros difciles. Esto se debe tomar
en cuenta cuando se escoge un mtodo sobre otro. Esta misma idea
se aplica a las decisiones referentes al costo en el desarrollo de programas, contra programas desarrollados profesionalmente. El convertir un programa difcil en uno que sea accesible al usuario puede
ser de considerable esfuerzo.Las formas de hacerlo se mencionan en
el captulo 2 y se elaboran a lo largo del libro. Adems los programas de NUMERICOMP que acompaan a este texto son un ejemplo
de programacin accesible al usuario.
7. Mantenimiento. Los programas para resolver problemas de ingeniera requieren mantenimiento porque durante las aplicaciones ocurren dificultades, invariablemente. El mantenimiento puede requerir
un cambio en el cdigo del programao la expansin dela documentacin. Los programas simples y los algoritmos numricos son ms fciles de mantener. Los siguientes captulos involucran el desarollo de
varios tipos de mtodos numricos para una variedad de problemas
matemticos. Se dan en cada captulo varios mtodos alternativos.
Se presentan estos mtodos (en vez de un mtodo escogido por los
autores) ya que no existe uno que sea "el meior" de todos. N o hay
mtodos "mejores" ya que existen tantos elementos de juicio que se
deben tomar en consideracin cuandose aplica un mtodo a problemas prcticos. AI final de cada parte del libro se presenta una tabla
que resalta los elementos de juicio involucrados en cada mtodo. Esta tabla debe ayudara seleccionar un procedimiento numrico apropiado para cada problema en particular dentro de un contexto.
I.5
RELACIONES Y FRMULAS IMPORTANTES

El cuadro 1.2 resume la informacin ms importante que se analiz
en la parteI . El cuadro se puede consultar para tener un acceso rpid o a las relaciones y frmulas ms importantes. El eplogo de cada
parte del libro contiene estos resmenes.
107
EPiLOGO PARTE I
CUADRO 1.2 Resumen de la informacin importante presentadalaen

parte 1.
Definiciones de error
Error verdadero
= valor verdadero - valor aproximado
- valor
aproximado
valor verdadero
Error
relativo
valor
verdadera
porcentual verdadero % =
Error
relativo,
aprox.
actual
0
porcentual
oproximado
100%
- aprox.
previa
100%
aproximacin actuol
Criterios de poro
Terminar los clculos

cuando:
0
<
6,
donde es es elerrorrelativoporcentual
deseado,especificado
de
directamente o calculado en trminosdelnmerodeseado
cifrassignificativas n
=
(0.5
lo2-")%
Serie de Taylor
Expansin en
la serie de Taylor
f(x,+,) =
fYXJ
+ f'(x,)h + -h2
/(X,)
2!
+-f'"(x)
3!
h3 +
.,.
I f c n ) ( X ! ) hn
R,
n!
donde
Residuo
O
R,
O(h"+')
Diferenciacin numrica
diferencia
Primera
dividida finlta hacia
adelante
f'(XJ =
f(X,+l)
f(x,)
+ O(h)
(Otras diferencias divididas se resumen

de la fig. 3.7 a la 3 . 9 . )
1.6
MTODOS AVANZADOS Y ALGUNAS

REFERENCIAS ADICIONALES
El eplogo de cada parte del libro tambin incluye una seccin encaminada a facilitar y fomentar estudios adicionales de los mtodos nu-
108
MTODOS
NUMRICOS
PARA INGENIEROS
mricos. Esta seccin dar algunas referencias sobre el tema as como material relacionado con mtodos ms avanzados.*
Para extender los antecedentes mencionados en la parte I, existen numerosos manuales sobre programacin de computadoras.Resultara
difcil mencionar todos los libros y manuales excelentes correspondientes a lenguajes y computadoras especificas. Adems, probablemente
ya se tenga material de contactos previos con la programacin. Sin
embargo, si sta es la primer experiencia con computadoras, Bent y
Sethares (1982) proporcionanunabuenaintroduccin
a BASIC.
McCraken (1965))Merchant (1979) y Merchant, Sturgel (1977) son
otros libros tiles sobre FORTRAN. El maestro o los compaeros de
semestres avanzados del usuario deben poder darle unconsejo acerca de buenos libros de referencia para las mquinas y los lenguajes
disponiblesen la escuela.
Tambin para el anlisis de error, cualquier libro de clculo
introductori0 incluira material suplementario relacionado con temas tales COmo la serie de Taylor. Los textos de Swokowski (1979) y Thomas y Finney
(1 979) proporcionan discusiones legibles de estos temas.
Finalmente, aunque se espera que este libro sirva lo suficiente, siempre es bueno consultar otras fuentes cuando se intenta conocer a-fondo
un nuevo tema. Ralston y Rabinowitz (1 978) y Carnahan, Luther y Wilkes
(1 969) ofrecen textos comprensibles de la mayor parte de los mtodos numricos, incluyendo muchos mtodos avanzados que van ms
all del alcance de este libro. Otros libros tiles sobre el tema son G e rald y Wheatley (1984))James, Smith y Wolford (1 977), Stark (1 970))
Rice ( 1 983, Hornbeck (1 975) y Cheney y Kincaid (1 980).
* Aqu nicamente se hace referencia a estos libros, una bibliografa completa

al final del texto.
se encontrar
I
~
PA RTE
RAKES
DE
ECUACIONES
DOS
11.1
Desde hace aos, se aprendi a uiar la frmula
cuadrtica:
pura resolver
f(x) = ax2
+ bx + c
,
~
[11.2]
( 1 1 . 1 ) se
A los valores calculados con la ecuiacin

les llama races de la ecuacin (11.2). stos representan los valores de x que hacen la ecuacin
(11.2) igual a cero. Por IS tanto, se puede definir

la raiz de una ecuacin como el valor de x que
hace f (x) = O. Por esta razn, algunas veces a
las races se les conoce comoceros de la ecuacin.
13
Aunque la frmula cuadrtica es til para resol ver la ecuacin (ll.2), hay muchas funciones diferentes que no se pueden resolver de manera tan
fcil. En estos casos, los mtodos numricos descritos en los captulos 4 y 5 proporcionan medios
eficientes para obtener la respuesta.
I I . 1 . l Mtodos empleados antes de la era de la

computadora pura determinar races.
las computadoras
Antes deladvenimientode
digitales, haba una serie de mtodos para encontrar las races de ecuaciones algebraicas o trascendentales. Para algunos casos, las races se podan
obtener con mtodos directos, como se hace con
la ecuacin ( 1 1 . 1 ) . Aunque haba ecuaciones como
sta que se podan resolver directamente, haba
muchas otras que no lo eran. Por ejemplo, hasta
una funcin aparentemente simple tal, como f ( x )
= e - - x no se puede resolver analticamente.
En estos casos, la nica alternativaes una tcnica
de solucin aproximada.
..
I_
,A.
.,
x/
..;
?. U n mtodo
para obtener unasolucin aproxima-
da es la de graficar la funcin y determinar dn-
110
MTODOS
NUMRICOS
PARA INGENIEROS
de cruza al eje x. Este punto, que representa el valor de x para el

cual f ( x ) = O, es la raz. Las tcnicas grficas se discuten al principio
de los captulos 4 y 5.
Aunque los mtodos grficos son tiles en la obtencin de estimaciones aproximativas de las races, estn limitadas por la carencia de precisin. U n a aproximacin alternativa es usar la tcnica de prueba y
error. Esta "tcnica" consiste en escojer un valor de x y evaluar si
f (x) es cero. Si no es as (como suceder en la mayor parte de los
casos), se hace otra conjetura y se evala nuevamente f(x) para determinar si el nuevo valor da una mejor estimacin de la raz. El proceso se repite hasta que se obtenga un valor que genere una f (x)
cercana a cero.
Estos mtodos fortuitos, obviamente son ineficientes
e inadecuados
para las exigencias en la prctica de la ingeniera. Las tcnicas descritas en la parte Ill representan alternativas que no slo aproximan
sino emplean estrategias sistemticas para encaminarse a la raz verdadera.Adems, se adaptanidealmentealaimplementacin
en
computadoras personales. Tal como se presenta en las pginas siguientes, la combinacin de estos mtodos sistemticos con la computadora hacen de la solucin de la mayorparte de los problemas sobre races
de ecuaciones una tarea simple y eficiente.
11.1.2
Racesdeecuaciones
y su prctica en laingeniera
Aunque las races de ecuaciones caben dentro de otro contexto, frecuentemente aparecen en el rea de diseo en ingeniera. El cuadro
1 1 . 1 muestra un conjunto de principios fundamentales que se utilizan
frecuentemente en trabajos de diseo. Las ecuaciones matemticas
o los modelos derivados de estos principios se emplean en la prediccin de las variables dependientes en funcin de las variables independientes y de los parmetros. Ntese que en cada caso, las variables
dependientes refleian el estado o funcionamiento del sistema, ya sea
que los parmetros representen sus propiedades o su composicin.
U n ejemplo de tales modelos se presenta en la ecuacin derivada de
la segunda ley de Newton, usada en el captulo 1 para la velocidad
del paracaidista:
[ 11.31
Donde la velocidadv es la variable dependiente,el tiempo t es la variable independiente y g la constante gravitacipnal, el coeficiente de
rozamiento c y la masa m son parmetros. Si se conocen los parme-
111
RACES DE ECUACIONES
CUA,DRO 11.1
Principios fundamentales usados en los problemas de diseo en

ingeniera
Principio
Variable
Variable
fundamental
dependiente
independiente
Parmetros
Balance
calor
de
Temperatura
Tiempo y
Dosicin
Las propiedades
trmicas del
material y la
geometra del
sistema
Balance de
material
Concentracin o
cantidad de
masa
tiempo y
posicin
El comportamiento
qumico del
material, masa
coeficientes de
transferencia y la
geometra del
sistema
Balance de la
fuerza
Magnitud y
direccin de
fuerzas para
establecer
el equilibrio
Tiempo y
posicin
Resistencia del
material,
propiedades
estructurales y la
configuracin del
sistema.
Balance de
la energa
Cambios en los
estados de la
energa cintica
y potencial del
sistema
Tiempo y
posicin
Propiedades
trmicas, masa del
material y la
geometra del
sistema
LeyesNewton
de Aceleracin,
del movimiento
velocidad o
posicin
Tiempo y
posicin
Masa del material,

geometra del
sistema y
parmetros
disipativos tales
como la friccin o
el rozamiento.
Leyes de
Kirchhoff
Tiempo
Propiedades
elctricas del
sistema,tales como
la resistencia,
capacitancia e
inductancia.
Corriente y
en
voltaje
los
circuitos
elctricos
tros, la ecuacin (11.3) se puede usar para predecir la velocidad del

paracaidista como una funcin del tiempo. Estos clculos se pueden
llevar a cabo directamente ya que v se expresa explicitamente como
una funcin del tiempo. Esto es, est aislada a un lado del signo igual.
112
INGENIEROS
PARA
MTODOS
NUMERICOS
Sin embargo, supngase que se tiene que determinar el coeficiente

de rozamiento para un paracaidista de una masa dada, para alcanzar una velocidad prescrita enun periodo dado de tiempo.
Aunque la ecuacin (11.3) proporciona una representacin matemtica
de la interrelacin entre las variables del ,modelo y los parmetros, no
se puede resolver explcitamente para el coeficiente de rozamiento.
Prubese. N o hay forma de reordenar la ecuacin para despejar c
de un lado del signo igual. En estos casos, se dice que c es implicita.
Esto representa un dilema real, ya que muchos de los problemas de
diseos en ingeniera, involucran la especificacin de las propiedades o la composicin de un sistema (representado por sus parmetros) para asegurar que funciona de la manera deseada (representada
por sus variables). Por lo tanto, estos problemas a menudo requieren
que se determinen sus parmetros de forma explcita.
La solucin del dilema las proporcionan los mtodos numricos para
races de ecuaciones.Pararesolver
el problemausando mtodos
numricos es conveniente cambiar la ecuacin (11.3).Esto se hace restando la variable dependiente v de ambos lados de la ecuacin, obteniendo:
V
[11.4]
Por lo tanto, el valor de c que cumple f (c) = O, es la raz de la ecuacin. Este valor tambin representa el coeficiente de rozamiento que
soluciona el problema de diseo.
La parte I 1 de este libro analiza una gran variedad de mtodos numricos y grficos para determinar races de relaciones tales como
la ecuacin (11.4). Estas tcnicas se pueden aplicar a los problemas
de diseo en ingeniera basados en los principios fundamentales delineados en el cuadro II. 1 as como tantos otros problemas que se afrontan frecuentemente en la prctica de la ingeniera.
11.2 FUNDAMENTOS MATEMTICOS

En la mayor parte de
las reas mencionadas en este libro, en general
existen algunos prerrequisitos de fundamentos matemticos necesarios para conocer a fondoel tema. Por ejemplo, los conceptos de estimacin de errores y la expansin en serie de Taylor, analizadas en
el captulo 3, tienen importancia directaen el anlisis de races de ecuaciones. Adicionalmente, antes de este punto se mencionaron los tr-
RAlCES
113
ECUACIONES
minos de ecuaciones"algebraicas"y
"trascendentales".Puede
resultar til definir formalmente estos trminos y discutir como se relacionan con esta parte del libro.
Por definicin, unafuncin dada pory =
de expresar de la siguiente manera:
fnyn
+ fn-1yn-1 +
...
+ f i y + fo
f (x) es algebraica si se pue-
[11.5]
donde las f son polinomios en x. Los polinomios son un caso simple

de funciones algebraicas que se representan generalmente como:
{(x) =
a0
+ UlX +
* *
+ a,x"
C11.61
donde las a son constantes. Algunos ejemplos especficos son:

{(X) =
2 . 3 7 ~+ 7 . 5 ~ ~
[11.7]
Y
f(x) = 5x2 - x3
+ 7x6
[11.8]
Una funcin trascendental es una que no es algebraica. Incluye funciones trigonomtricas, exponenciales, logaritmicas y otras menos familiares. Algunos ejemplos son:
f(x) = e-'
-x
[11.9]
f(x) = sen x
[11.10]
f(x) = In x2 - 1
p1.1 1J
Las races de las ecuaciones pueden ser reales o complejas. U n ejemplo simple de racescomplejas es el caso para el cual el trmino
b2 - 4 ac de la ecuacin (II. 1 ) es negativo. Por ejemplo, dado el polinomio de segundo orden:
f(x) = 4x2 - 16x
17
La ecuacin (11.1) se puede usar para determinar que las races son:
X =
Por
16
V(-16)2 - 4(4) (17) - 16

2 (4)
lo tanto, una raz

x=2+;;
es:
*m
8
114
INGENIEROS
y la otra
PARA
METODOS NUMERICOS
es:
x = 2 - , 1i
en donde
J-"
Aunque hay algunos casos donde las races complejas de las funciones no polinomiales son de interes, sta situacin es menos comn que
para polinomios. Por lo tanto, los mtodos estndar para encontrar
races, en general caen en dos reas de problemas parecidas en principio, pero fundamentalmente diferentes:
l.
l a determinacin de races reales de ecuaciones algebraicasy trascendentales. Estas tcnicas se disearon para determinar el valor
de una raz simple de acuerdo a un conocimiento previo de su posicin aproximada.
2.
l a determinacin e todas las rakes reales y complejas de un polinomio. Estos mtodos se disearon especficamente para polinomios. Determinan sistemticamente todas las races del polinomio
en lugar de simplemente una, dada una posicin aproximada.
Los mtodos diseaEste libro est enfocado al rea del primer caso.
dos expresamente para polinomios no se analizan ya que van ms
all del alcance de este libro. Sin embargo, en el eplogo al final de
la parte I I se recomiendan algunas referencias para estas tcnicas.
11.3
Antes de proceder con los mtodos numricos para determinar races de ecuaciones, sertil dar algunas orientaciones. El siguiente material es una introduccin a los temas de la parte ll. Adems, se han
incluido algunos objetivos que orientarn al lector en
sus esfuerzos
al estudiar el material.
11.3.1
Campodeaccin
yavance
La figura 1 1 . 1 es una representacin esquemtica de la organizacin

de la parte It. Examine esta figura cuidadosamente, iniciando en la
parte de arriba y avanzandoen el sentido de las manecillas del reloj.
Despus de esta introduccin, el captulo 4 desarrolla los mtodos que
usan intervalos para encontrar races. Estos mtodos empiezan con
suposiciones que encierran o que contienen a la raz y reducen sistemticamente el ancho del intervalo. Se cubren dos mtodos: el de bi-
RAiCES DE ECUACIONES
11s
seccin y el de la regla falsa. Los mtodos grficos proporcionan

conocimiento visual de las tcnicas. Se desarrollan formulaciones especiales para ayudar a determinar cuanto esfuerzo computacionalse
requiere para estimar la raz hasta un nivelde precisin previamente
especificado.
En el captulo 5 se cubren los mtodos abiertos. Estos mtodos tambin involucran iteraciones sistemticas de prueba y error pero no
116
INGENIEROS
PARA
MTODOS NUMERICOS
requieren que la suposicin inicial encierre a la raz. Se descubrir

que estos mtodos, en general son ms eficientes computacionalmente que los mtodos que usan intervalos, pero no siempre trabajan. Se analizan los mtodos de la iteracin de punto fijo, el mtodo
de Newton-Raphson y el mtodo de la secante. Los mtodos grficos
proporcionan conocimiento en los casos donde los mtodos abiertos no funcionan. Se desarrollan las frmulas que proporcionan una
idea de qu tan rpido un mtodo abierto converge a la raz.
El captulo 6 extiende los conceptos anteriores a los conceptos actuales de la ingeniera. Los casos de estudio se emplean para ilustrar las
ventajas y las desventajas de cada uno de los mtodos y para proporcionar conocimiento sobre las aplicaciones de las tcnicas en la
prctica profesional. Los casos del captulo 6 tambin resaltan los elementos de juicio (estudiados en la parte I) asociados con cada uno
de los mtodos.
Se incluye un eplogo al final de la parte I I . ste contiene una comparacin detallada delos mtodos discutidos en los captulos 4 y 5. Esta
comparacin incluye una descripcin delos elementos de juicio relacionados con el uso correcto de cada tcnica.En esta seccin se proporcionatambin
un resumende
las frmulasimportantes,con
referencias a algunos mtodos numricos que van ms all del alcance
de este texto.
Ciertas capacidades automticas de clculo
se integran de diferentes
maneras en la parte I I . En primer lugar, programas en NUMERICOMP
legibles para el usuario del mtodo de biseccin disponible para la
Apple I 1 y la IBM PC. Pero tambin se dan los cdigos en FORTRAN
Y BASIC para el mtodo de biseccin directamente en el texto. Con
esto se tiene la oportunidad de copiar y aumentar el cdigo para implementarlo en su propia computadora personal o supercomputadora.
Se incluyen los algoritmos y diagramas de flujo para la mayor parte de
los otros mtodos expuestos en el texto. Este material puede servir
de base para el desarrollo de un paquete de programacin y aplicarlo a una serie de problemas de ingeniera.

Objetivos de estudio. Despus de terminar la parte 11, se debe tener
la suficiente informacin para aprovecharsatisfactoriamente una amplia variedad de problemas de ingeniera que se relacionan con las
races de ecuaciones. En trminos generales se dominarn las tcnicas, se habr aprendido a valorarsu confiabilidad y se tendr la capacidaddeescoger
el mejor mtodo (o mtodos)paracualquier
problema en particular. Adems de estas metas globales, se deben
RACES DE ECUACIONES
117
asimilar los conceptos especficos de el cuadro 11.2 para comprender

mejor el material de la parte I t .
Objetivos de computacin. El libro proporciona algunos programas
simples, algoritmos y diagramas de fluio para implementar las tcnicas analizadas en la parte II. Como herramientas de aprendizajetodos ellos tienen gran utilidad.
Los programas opcionales son legibles para el usuario. Incluye mtododelabiseccinparadeterminar
las races realesde las ecuaciones algebraicas y trascendentales. Las grficasasociadascon
NUMERICOMP le facilitarn al lector visualizar el comportamiento
de la funcin en anlisis. Los programas se pueden usar para determinar convenientementelas races de las ecuaciones a cualquier grado deprecisin. Es fcilde aplicar NUMERICOMP pararesolver
muchos problemas prcticos y se puede usar para verificarlos resultados de cualquier programa que el usuario desarrolle por s mismo.
Tambin se proporcionan directamente en el texto los programas en
FORTRAN y BASIC para los mtodos de biseccin y para la iteracin simple de punto fijo. Adems,se proporcionan algoritmos y diagramas de fluio generales para la mayor parte delos otros mtodos
de la parte 1 1 . Esta informacin permitir aumentar la biblioteca de
programas del usuario que sean ms eficientes que el mtodo de la
biseccin. Por ejemplo, puede desearsetener sus propios programas
para los mtodos de la reglafalsa, Newton-Raphson y de la secante,
que en general sonms eficientes que el mtodo de biseccin.
CUADRO 11.2
Obietivos de estudio especficos de la parte II
1. Entender la interpretacin grfica de una raz
2. Conocer la interpretacin grfica del mtodo de la regla falsa
y por qu, en
general, es superior al mtodo de bisecciones.
3. Entender las diferencias entre los mtodos que usan intervalos y los mtodos
abiertos para la localizacin de las races.
4. Entender los conceptos de convergencia y de divergencia. Usar el mtodo de
las dos curvas para proporcionar una manifestacin visual de los conceptos.
5. Conocer por qu los mtodos que usan intervalos siempre convergen, mientras
que los mtodos abiertos algunas veces pueden divergir.
6. Entender que la convergencia en los mtodos abiertos esms probable si el
valor inicial est cercano a la raz.
7. Entender el concepto de convergencia lineal y cuadrtica y sus implicaciones
en la eficiencia de los mtodos de iteraciones de punto fijo y de NewtonRaphson.
8. Saber las diferencias fundamentales entre los mtodos de la regla falsa y la
secante y cmo se relaciona su convergencia.
9 . Entender los problemas que contienen las races mltiples y las modificaciones
que se les pueden hacer para resolverlos a medias.
C A P T U L OC U A T R O
MTODOS QUE
USAN INTERVALOS
En este captulo sobre races de ecuaciones se analizan los mtodos que

aprovechan el hecho de que una funcin, tpicamente, cambia de signo
en la vecindad de una raz. A estas tcnicasse les llama mtodos que usan
intervalos porque se necesita de dos valores iniciales para la raz. Como
su nombre lo indica, estos valores deben encerrar o estar uno de cada
lado de la raz. Los mtodos particulares descritos sobre este punto emplean diferentes estrategias para reducir sistemticamente el tamao del
intervalo y as, converger a la respuesta correcta.
Como prembulo de estas tcnicas, se discutirn los mtodos grficos para graficar funciones y sus races. Adems de la utilidad de los mtodos grficos para determinar valores iniciales, tambin son tiles para
visualizar las propiedades de las funcionesy el comportamiento delos mtodos numricos.
4.1 MTODOS
GRFICOS
Un mtodo simple para obtener una aproximacin a laraz de la ecuacin f (x) = O consiste en graficar la funcin y observar en donde cruza
el eje x. Este punto, que representa el valor de x para el cual f (x) = O ,
proporcionaunaaproximacininicial
de laraz.
EJEMPLO 4.1
Mtodos grficos
Enunciado del problema: emplense grficas para obtener unaraz aproximada de lafuncin f (x) = e-x - x.
Solucin: se calculan los siguientesvalores:
120
METODOS NUMERICOS
f(x)
1.000
0.0
0.2
0.4
0.6
0.8
1 .o
PARA INGENIEROS
0.619
0.270
-0.051
-0.351
-0.632
Estos puntos se muestran en la grfica de la figura 4. l . La curva resultante cruza al eje x entre 0.5 y 0.6. Un vistazo a la grfica proporciona una
aproximada estimacin de la raz de 0.57, que se acerca a la raz exacta
de 0.567 143 28. . ., que se debe determinar con mtodos numricos.
La validez de la estimacin visual se puede verificar sustituyendosu valor
enla ecuacin originalpara obtener:
f(0.57) = e-057- 0.57
-0.004 5
lacual se acerca a cero
FIGURA 4.1
Metodo grfico para la solucin de ecuaciones algebraicas y trascenx contra x . La raz corresdentales. Representacin de f l x ) = e-x
x donde f(x) = O, esto es, el punto donde lafuncin
ponde al valor de
cruza el eje x . Una inspeccin visual de la grfica muestra un valor
aproximado de 0.57.
METODOS QUE
FIGURA 4.2
Ilustracin de las formas
que puede tener una
raz en un intervalo prescrito por los lmites inferior, x, y superior x,. Los
incisos a) y b) indican
que si Ax,) y f (x,) tienen
el mismo signo, entonces
no habr races dentro
del intervaloo habr un I
nmero par de ellas. Los
incisos c) y d) indican
que si f ( 4 Y Ax,) t'lenen
signosopuestos
en los
extremos,entonces habr un nmero impar de
races
dentro
del
intervalo.
121
Las tcnicas grficas tienen un valor prctico limitado ya que no son

precisas. Sin embargo, los mtodos grficos se pueden usar para obtener
aproximaciones de la raz. Estas aproximaciones se pueden emplear como valores iniciales paralos mtodos numricos analizados eneste captulo y en el siguiente. Porejemplo, los programas de NUMERICOMP que
acompaan este texto le permiten graficar funciones sobre un rango especfico. Esta grfica puede hacerse seleccionando un par de valores iniciales de un intervalo donde est contenida la raz antes de implementar
el m&& num6rico.l a posibilidad de graficar aumenta considerablemente
lautilidad de los programas.
Las interpretaciones geQmtricas, adems de proporcionar aproximaciones iniciales de la raz, son herramientas importantes en el asimilamiento
de las propiedades de las funciones previendo las fallas de los mtodos
numricos. Por ejemplo, la figura 4.2 muestra algunas formas diferentes
en las que la raz puede encontrarse en un intervalo definido por un lmite inferior x, y un lmite superior x,. La figura 4.2b bosqueja el caso donde los valores positivo y negativo de f (x)y f (x,) tienen signos opuestos
respecto al eje x , encierran tres races dentro del intervalo. En general,
si f (x,)y f (x,) tienen signos opuestos, existe un nmero impar de races
dentro del intervalo definido porlos mismos. Como se indica en la figura
4.2a y c , si f (x,)y f (x,) tienen el mismo signo, no hay races o hay un
nmero par de ellas entre los valores dados.
Aunque estas generalizaciones son usualmente verdaderas, existen
casos en que no se cumplen. Por ejemplo, las raices mltiples, esto es,
funciones tangencialesal eje x (Fig. 4 . 3 ~y) las funciones discontinuas (Fig.
4.3b) pueden no cumplir estos principios.Un ejemplo deuna funcin que
tieneuna razmltiple es la ecuacincbica f (x) = (x - 2)(x - 2)
(x - 4). Ntese que x = 2 anula dos vecesal polinomio, de ah quea x se
le conozca como raz mltiple. Al final del captulo 5, se presentan tcnicas que estn diseadas expresamente para localizar races mltiples.
La existencia de casos del tipo mostrado en la figura 4.3 dificulta el
desarrollo de algoritmos generales que garanticenla localizacin de todas
las races en el intervalo. Sin embargo, cuando se usanlos mtodos expuestos
enlassiguientesseccionesenconjuncinconesquemasgrficos,sonde
gran
utilidad
en
la
solucin
de problemasdemuchas
races, frecuentemente se presentan enel rea de ingeniera y matemticas aplicadas.
EJEMPLO 4.2
Uso de grficas por computadora para localizar races
.J
Enunciado del problema: las grficas por computadora pueden informar

y acelerar los esfuerzos para localizar races de una
funcin. Este ejemplo
se desarroll usando los programas de NUMERICOMP disponibles con
INGENIEROS
122
PARA
NUMERICOS
METODOS
FIGURA 4.3
Ilustracindealgunas
excepciones de los casos
generales mostrados en
la figura 4.2. a) Pueden
ocurrir races
mltiples
es
cuando
la
funcin
tangencia1 al eje x. En
este
caso,
aunque los
extremos son de signos
opuestos, hay unnmeropar de racesenel
intervalo. b) Las funciones
discontinuas
en
donde
losextremostienensignos opuestos tambin
contienen un nmero par
de races. Se requieren
estrategias especiales para determinar lasraces
enestoscasos.
FIGURA 4.4 Escalamiento progresivo def (x) = sen 1Ox
cos 3x mediante la computadora. Estas grficas

interactivas le permiten al analista determinar que existen dos races entre x = 4.2 y x = 4.3.
el texto. Sin embargo, de esta manera esposible entender cmo la graficacin por computadora ayuda a localizar races.
La funcin:
!(x) = sen lox
cos 3x
tiene varias races sobre el r.qngo de x = -5 hasta x = 5. Emplese la

opcin de graficacin del programa para profundizar en el comportamiento
de esta funcin.
Solucin: Como se ilustr en el ejemplo 2.1, se puede usar NUMERICOMP para graficar funciones. En la figura 4.4a se muestra la grfica de
f ( x ) desde x = -5 hasta x = 5. La grfica muestra la existencia de varias
MTODOS
123
QUE
races, incluyendo posiblemente una doble alrededor

de x = 4 . 2 en donde f (x) parece ser tangente al eje x. Se obtiene una descripcin ms detallada del comportamiento de f (x) cambiando el rango de graficacin
desde x = 3 hasta x = 5, como se muestra en la figura 4.4b. Finalmente, en la figura 4.4c, se acorta la escala vertical a f (x) = -0.15 y f (x)
= 0.15 y la horizontal a x = 4.2 y x = 4.3. Esta grfica muestra claramente que no existe una raz en esta regin y que, en efecto, hay dos races diferentesalrededorde x = 4.229 y x = 4.264.
Las grficasporcomputadoratienengranutilidadenelestudio
de
los mtodos numricos. Esta habilidad tambin puede aplicarse en otras
materias as como en las actividades profesionales.
4.2 MTODO
DE BlSECClN
Cuando se aplicaron las tcnicas grficas, en el ejemplo 4.1, se observ

(Fig. 4.1) que f (x) cambi de signo hacia ambos lados de la raz. En general, si j (x) es real y continua en el intervalo de x1 a x, y f(xl) y f(x,)
tienensignos opuestos, esto es,
FIGURA 4.5
"
.
.
l
"
-
Algoritmo de la biseccion.
..
..
_"
"...
124
NUMRICOS
MTODOS
PARA INGENIEROS
entonces hay, al menos una raz real entre x, y x,.

LOSmtodos de bsqueda incremental se aprovechan de esta caracterstica para localizar un intervalo donde la funcin cambie de signo. Por
lo tanto, la localizacin del cambio de signo (y por ende, de la raz), se
logra ms exactamente dividiendo el intervalo en una cantidad definida
de subintervalos. Se rastrea cada uno de estossubintervalos para encontrar el cambio d e signo. El proceso se repite y la aproximacin a la raz
mejora cada vez ms a medida que los subintervalos se dividen en intervalos ms y ms pequeos. Seestudia ms sobre e tema de bsquedas
incrementales en la seccin 4.4.
El mtodo de biseccin, conocido tambin como de cortebinario. de
particin en dos intervalos iguales o mtodo de Bolzano, es un mtodo
de bsqueda incremental donde el intervalo se divide siempre en dos.
Si la funcin cambia de signo sobre un intervalo, se evala el valor de
la funcin en el punto medio. La posicin d e la raz se determina situndola en el punto medio del subintervalo dentro del cual ocurreun cambio
d e signo. El proceso se repite hasta obtener una mejor aproximacin. La
figura 4.5 muestra un algoritmo para la biseccin y en la figura 4.6 se
muestra un bosquejo grfico del mtodo.
EJEMPLO 4.3
Biseccin
, Enunciado del problema: sese el mtodo de la biseccin para determi; nar la Paz de' j(x) = e "x - x.
Solucin: Recurdese de acuerdo a la grfica de la funcin (Fig. 4.1) que
la raz se encuentra entre O y 1.Por lo tanto, el intervalo inicial se puede
escoger desde x/ = O hasta x, = 1. Por consiguiente, la estimacin ini'cia1 de la raz se sita en el punto medio de este intervalo:
i
X, =
O+l
-= 0.5
2
Esta estimacin representa un error de (el valor exacto es 0.567 143 29.
E,
= 0.567 143
29 - 0.5
= 0.067 143
29
o, en trminos relativos:
=
143 29 1100%
0.567 143 29
11.8%
.)
125
METODOS QUEUSANINTERVALOS
FIGURA 4.6
Grficadel mtodo de biseccin. Esta grfica incluye las primeras tres

iteraciones del ejemplo 4.3.
donde el subndicev indica que el errores con respectoal verdadero. Ahora

se calcula:
f(0)f(0.5) = (1)(0.10653)
0.106 53
que es mayor de cero, y por consiguiente no hay cambio de signo entre

x/ y x,. Y por lo tanto, la raz se encuentra dentro del intervalo x = 0.5
y x = 1. Ellmiteinferior se redefine como x, = 0.5, y la aproximacin
a larazenla
segunda iteracin se calcula como:
0.5
+ 1.0 = 0.75
2
le,/ =
32.2%
126
El proceso se puede repetir para obtener aproximaciones ms exactas.

Por ejemplo, la tercera iteracin es:
f(0.5)f(0.75)
-0.030 < O
Por lo tanto, laraz est entre 0.5 v 0.75:

x, =
0.75
0.5 + 0.75
= 0.625
2
/E,[ =
10.2%
Y la cuarta iteracin es:
f(0.5)f(0.625)= -0.010 < O

Por lo tanto, laraz est entre 0.5 y 0.625:
x, =
0.625
El mtodo se puede repetir para alcanzar mejores estimaciones.La figura

4.6 muestra una grfica de las primeras tres iteraciones.
En el ejemplo anterior, se puede observar que el error real no disminuye con cada iteracin. Sin embargo, el intervalo dentro del cual se localiza la raz se divide a la mitad en cada paso del proceso. Comose estudiar en la prxima seccin, la longitud del intervalo proporciona una
aproximacin exacta del lmite superior del error en el mtodo debiseccin.
4.2.1
Criterios
de paro y estimacin de errores
El ejemplo 4.3 finaliza con la opcin de repetir el mtodo para obtener

una aproximacin ms exacta de la raz. Ahora se debe desarrollar un
criterio objetivo para decidir cuando debe terminar el mtodo.
Una sugerencia inicial puede ser de que terminen los clculos cuando
el error se encuentre por debajo de algn nivel prefijado. Se puede ver
en el ejemplo 4.3, que el error relativo baj de un 11.8 a un 4.69% durante los clculos. Puede decidirse que el mtodo termine cuando se al0. 1%. Esta estrategia es
cance un errormsbajo,porejemplodel
inconveniente ya que la estimacin del erroren el ejemplo anterior se bas en el conocimiento del valor exacto de la raz de la funcin. Este no
METODOS
127
es el caso de una situacin real ya que no habra motivo para usar el mtodo siya se supiese laraz.
Por lo tanto, se requiere estimarel error de manera tal que no incluya
el conocimiento previo de la raz. De manera anloga a como se ve en
la seccin 3.3, se puede calcular el error relativo aproximado , d lae siguientemanera [recurdese la ecuacin (3.5)]:
donde
es laraz de la iteracinactual y xYterior
es elvalordela
raz de la iteracin anterior. Se usa el valor absoluto ya que, en general
importa slo la magnitud de E , sin considerar su signo. Cuando I E, I es
menor que un valor previamente fijado, que define el criterio de paro,
el programa se detiene.
EJEMPLO 4.4
Estimacin del error para el mtodo de la biseccin
Enunciado del problema:sese la ecuacin (4.2) paraestimarelerror

de las iteraciones del ejemplo
4.3.
Solucin: las primeras dos estimaciones de la raz en el ejemplo 4.3 fueron 0.5 y 0.75. Sustituyendo estos valoresen la ecuacin (4.2) se obtiene:
lea'
0.75 - 0.5
100% = 33.3%
0.75
Recurdese queel error exacto para la raz estimada de O.75 es del 32.2%.
De esta manera, E, es mayor que E , . Este comportamiento se muestra en
lasotrasiteraciones
Iteraci6n
5.3
1
2
3
4
5
9
4.69
Xr
0.5
O. 75
0.625
0.81
0.5625
0.59375
I 4
?fo
11.8
32.2
10.2
/%It
Oh
33.3
20.0
11.1
128
INGENIEROS
MTODOS
FIGURA 4.7
NUMRICOS PARA
Errores del mtodo de biseccin. Se grafican los errores verdadero

y aproximado contra el nmero de iteraciones.
Estos resultados, junto con los de las iteraciones subsiguientes se resumenenlafigura

4.7. Lanaturalezadesigualdelerrorreal
se debe a
que para el mtodo de la biseccin laraz exacta se encuentra en cualquier lugar dentro del intervalo.Los errores verdadero y aproximado son
casi igualescuando el intervalo est centrado sobrela raz. Cuando la raz
se encuentra cerca de un extremo.del intervalo, entonces los errores son
muy diferentes.
I
Aunque el error aproximado no proporciona una estimacin exacta

del error verdadero, la figura 4.7 sugiere que E , capta la direccin des,endente de E,. Adems, la grfica muestra una caracterstica muy interesante; que E, siempre es mayor que E,. Por lo tanto, cuando E, es
menor que E, los clculos se pueden terminar con la confianza de saber
que laraz es al menos tan exacta como elnivel especfico prefijado.
Aunque siempre es daino aventurar conclusiones generales de un
slo ejemplo, se puede demostrar que E, siempre ser mayor que E, en
METODOS QUE USAN INTERVALOS
129
el mtodo de biseccin. Esto se debe a que cada vez que se encuentra

una aproximacin a la raz usando bisecciones como x, = (xr + (x,)/2,
se sabe que la raz exacta cae en algn lugar dentro de intervalo (x, x r ) / 2 = b / 2 . Por lo tanto, la raz debe situarse dentro de f A x/2 de
la aproximacin (Fig. 4.8). Por ejemplo cuando se termin el ejemplo
4.3 se pudo decir definitivamente que:
X,
0.562 5
0.062 5
FIGURA 4.8
Tres formas diferentes en que un intervalo puede agrupar a la raz. En

a) el valor verdadero cae en el centro del intervalo, mietras que en b)
y c ) el valor se acerca a uno de los extremos. Ntese que la diferencia
entre el valor verdaderoy el punto medio del intervalojams sobrepasa
la longitud media del intervalo, o A x / 2 .
FIGURA 4.9
Esauema grfico del porqu la estimacin del error en el mtodo de biseccin (Ax/2) esequivalente a laestimacinactualdelaraz
(xrnueuo)
menos la estimacin anterior de la raz
130
MTODOS
Debido a que A x/2 = xnUevo

- Xanierior (Fig. 4.9), la ecuacin (4.2)
proporciona un lmitesuperior exacto sobre elerror real. Para que se
rebase este lmite, la raz reai tendra que caer fuera del intervalo que la
contiene, lo cual, pordefiniciiin jams ocurrirenelmktododebisecciijn. El ejemplo 4.7 muestra otras tcnicas de localizacin de races que
no siempre se portan tan eficientes. Aunque el mtodo de biseccin, en
general es ms lento que otrosmtodos, la elegancia del anlisis de error,
ciertamente es un aspecto positivo que puede hacerlo atractivo paraciertas aplicaciones de la ingeniera.
4.2.2 Programacin del mtodo de biseccin

El algoritmo de la figura 4.5: ahora se presenta en un programa que se
muestra en la figura 4.10. El programa usa una funcicin (lnea 100) que
facilita la localizacin de laraz y las modificaciones a la funcin. Ade:
ms, se incluye la lnea 200 para verificar la posibilidad de divisiones por
cero durante la evaluacin del error. Tal caso se presenta cuando el intervalo est centrado respecto al origen. En este caso, la ecuacin (4.2)
es infinita. Si esto ocurre, el programa salta sobre la evaluacin del error
para esa iteraci6n.
El programa de la figura 4.10 no es muy legible para el usuario; est
diseado nicamente para calcular la respuesta, el usuario debe hacerlo
ms fcil de usar y de entender. Dentro del paquete de NUMERICOMP
asociado con este texto se proporciona un ejemplo de un programa legible al usuario para encontrar races de ecuaciones. El siguiente ejemplo
F<X )nEXPC -X )-X
REID<S,l)XL~XU~ES,lU
FORMIT<3FlO.O,IS)
AR-FC XL )*F< XU )
I F( L R . C E . O . 0 )
COTO 3 1 0
XR-( X L + X U )/2
DO 240 N I G ! , I M
W-F<X L )*F( XR
I fIi F. E P . O . 0 )
COTO 300
I F < & A . L T . O , O )XU=XR
I F (fifi.CT,O.O)XL-XR
XN-< XL+XU )/2
I F < X N . E Q . O . O X O T O 230
Efi-ABS< < XN-XR ) L X N )*1 0 0
I F <EA
28
. L0T . E S ) C O T O
230 XR-XN
2 4 0 CONTINUE
MRITE(6.2)
NEXT
2
~ o ~ n f i ~
';NO
( '
SE EN C U N T RLO
f+.RIIZ')
URITE<C,3)XR,Efi
3
FORMA
' ,T2<
F '1 0 . 3 )
COTO 3 1 0
2eo M R I T E ( 6 , 4 ! X N . E f i . N I
4
F O R,U2RF T1 (0'. 3 , 1 5 )
COTO 3 1 0
300 URITE(6,S)XR
5
FORMnT('
RA1Z
','LA
EX(ICT0 ES = ' , F l 0 . 3 )
>
310
.Ut&
Y
FN F I
EXP I
-. X
1 1 , : ~ INPIJT ~ L ," X-I JM . IF ~ ,

12rj
IF
FN F i X L )
FN FCXLII
O THEN 310
1 2 0 NR = (XL + k l J ) I- c
i k FOR N I
Y TI. 111
F(kR)
1st) A A = F N F(XI.) * F N
ld0
1F AA = O THEN 300
17G
IF AA ., ( 6 1Hb.N XIJ = Y R
180 16 Ah .I c:) THEN XL = XU
190 k N = i k L + XU1 / 2
211:l E A =
1< I
AB5
( 1
hN
XRI
XNI
(Funcin a la cual
calcular la raz)
XUXL,
= lmites inferiot'y
superior
ES = error porcentual
aceptable
IM = numero mximo de
Iteraciones.
(Verifica si XL y XU
encierran una raiz)
f
A.AOA H = LN
NI
P R I N T "NO SF ENCON'TRU L A R A I ? "
PRINT YR,A
L / O GUTO 31o
. .
.
!:u, P R I N T k N . E A . N I
74*:,
P'nj
lol:,
..
_.
2"o
c.010 310
36,r
ilir
PRINT "ILA R A I L E I A C I A FS =":X.R

END
XR =
inicial
estimacin
de la
raz
(Evaluacin para determcnar
que subintervalo contiene a
la raizl
XN = nueva aproximacin a
la raz
EA = error porcentual
calculado
(Prueba de error)
STOP
END
FIGURA 4.10
P r o g r a m ap a r a
se le va a
el mtodo de biseccin.
METODOS QUE
131
muestra el uso de NUMERICOMP para encontrar races. Tambin proporciona una buena referencia para valorary examinar los programas del usuario.
EJEMPLO 4.5
Localizacin de races usando la computadora
Enunciado del problema: asociado con los programas de NUMERICOMP,

se encuentra un programa legible al usuario sobre el mtodode biseccin.
Se puede usar este programa para resolver un problema de diseo
asociado con el ejemplo del paracaidista analizado en el captulo 1. Como se recordar, la velocidad del paracaidista est dada, en funcin del
tiempo, de lasiguiente manera:
[E4.5.1]
donde u es la velocidad del paracaidista en centmetros por segundo, g
es la constante gravitacional cuyo valor es 980 cm / s2, m es la masa
del paracaidista cuyo valores 68 100 g y c es el coeficiente de rozamiento. En el ejemplo l.1 se calcul la velocidad del paracaidista en funcin
del tiempo para valores dados de m ,c y g. Sin embargo, supngase que
se desea controlar el movimiento del paracaidista de tal forma que se alcance una velocidad prefijada en cada libre despusde un tiempo dado.
En este caso, se debe seleccionar un valor apropiado de c que satisfaga
los requisitos de diseocuando se mantengan constantesm,g, t y u. Una
ojeada a la ecuacin a (E4.5.1) muestra que c no se puede calcular explcitamente en funcin de las variables conocidas. Supngase que se desea que la velocidaddelparacaidista alcance un valorde 4 O00 cm/s
despus de7 s. De esta manera, se debe determinarun valor de c tal que:
[E4.5.2]
con t = 7
y u = 4 O00 cm/s.
Solucin: para implementar el mtodo de BISECCIN, se requiere obtener un intervaloinicialque contenga alvalor de c quesatisfaga la
Es conveniente seleccionar este intervalo conjuntamente
ecuacin (E4.5.2).
con la opcin de graficacin de BISECCIN que viene con el disco (opcin 3). El programa pregunta los valores mnimo y mximo de x y de
f (x) generando la grdfica mostrada en la figura
4.1 l a despus que se
han introducido las dimensionesde la grfica. Puede verse que existe una
raz entre 10 O00 y 15 O00 g / s .
El programa BISECCIN pregunta por un lmite mximo de iteraciones permitido, un error de convergencia E , y un lmite inferior y superior
132
MTODOS
FIGURA 4.1 1
NUMERICOS
PARA INGENIEROS
a) Grfica de la ecuacin (E 4.5.2) b) Resultados para determinar el coeficiente de rozamiento usando BISECCION enel problema del paracaidista.
para la raz. La figura 4.1lb muestra estos valores, junto con la raz calculada d e 11 643.14 g / s. Ntese que con 16 iteraciones se obtiene un
valor aproximado a la raz con un error menor de E,. Ms an, la computadora muestra una verificacin del error de:
f(11643.14)
1.025391 X lo-'
para confirmar los resultados. Si la exactitud que se requiere n o se hubiera alcanzado con el nmero especificado de iteraciones, entonces el algoritmo habra terminado despus d e 30 iteraciones.
Estos ;esultados estn basados en el algoritmo simple del mtodo de
BISECCION con el uso'de rutinas de entrada y salida legibles al usuario.
El algoritmo usado es similar al d e la figura 4.10. El usuario debe estar
listo para escribir sus propios programas sobre el mtodo de biseccin.
Si tiene los programas de NUMERICOMP, entonces los puede usar como modelo y para verificar que sus programas sean adecuados.
I
4.3 MTODO
DE LA REGLAFALSA
Aunque el mtodo debiseccin es una tcnica perfectamentevlida para

determinar races, su enfoquees relativamente ineficiente. Una alternati-
133
va mejorada es la del mtodo de la regla falsa est basado en una idea

para aproximarse en forma ms eficiente a laraz.
Un defecto del mtodo de biseccin es que aldividir el intervalo xI
a x, enmitades iguales, no se toma en consideracin lamagnitudde
f (x()y de f (x,). Por ejemplo, si f (XI) est mucho ms cerca de cero que
f (xu),es lgico que la raz se encuentra ms cerca de xI que de x, (Fig.
4.12). Este mtodo alternativo aprovecha la idea de unir los puntos con
una lnea recta. La interseccin de esta lnea con
el eje x proporciona una
mejor estimacin de la raz.El reemplazamiento de la curva por una lnea
recta da una posicin falsa de la raz, de aqu el.nombrede mtodo
de la regla falsa o en latn, regula falsi. Tambin se le conoce como mtodo de interpolaci6n lineal.
Con el uso detringulos semejantes (Fig. 4.12), la interseccin de
la lnea recta y el eje x se puede calcular de la siguiente manera:
que se puede resolver Dara (vase el recuadro 4.1 para mayores detalles)
FIGURA 4.12
Esquema grfico del mtodo de la regla falsa. La frmula se deriva de
los tringulos semejantes (reas sombreadas).
-. ^ _ , ~ .
l_..*_,~-..ll.
134
PARA
RECUADRO 4.1 Derivacindelmtodo

Multiplicandoencruzla
Dividiendo entre
INGENIEROS
de lo regla falso
ecuacin (4.3) se obtiene:
sumando y restando x, del lado derecho:
- f (x"):
xr = xuf(x1) - x,f(xu)
f(X/) - f(xu)
sta es una forma del
METODOS NUMtRICOS
mtodo de la regla falsa. Ntese

que esto permite cualcular la raz x, en funcin de los -1:
mites inferior, Y superior x u . Se puede Ordenar de una
manera alternativa, expandindola:
x, = xu -
f(xu>(x/- xu)
f (XI) - f(xJ
que es igual a la ecuacin (4.4).Se usa esta forma ya que

es directamente
con el mtodo de la secante
analizado en el captulo 5.
Esta es la frmula de la regla falsa. El valor de xr, calculado con la ecuacin (3.4), reemplaza a uno de los dos valores, x, o a x, que produzca
un valor de la funcin que tenga el mismo signo de f (x,). De esta manera, los valores xl y x, siempre encierran a la raz. El proceso se repite
hasta que la aproximacin a la raz sea adecuada. El algoritmo es idntico al de la biseccin (Fig. 4.6) con la excepcin de que la ecuacin (4.4)
se usa en los pasos 2 y 4. Adems, se usan los mismos criterios de paro
[(Ec. (4.2)] para detener los cSlculos.
135
M ~ O D O QUE
S USAN INTERVALOS
Solucin: como en el ejemplo 4.3, incieme los clculos con los valores
iniciales x, = O y x, = 1.
Primera iteracin:
x, =
X,
j(x,>= 1
= 1
f(x,) = -0.632 12
El error relativo real se puede estimar como:
1 4
0.567 143 29 - 0.6127

0.567 143 29
I
1
loo%
8.0%
Segunda iteracin:
Por lo tanto, laraz se encuentra dentro del primer subintervalo y x, se

convierte enellmite
superior de la siguiente iteracin, x, = 0.6127.
x/ =
x, =
X,
fh)
0.612 7 f(x,) -0.070 8
0.612 7 -
-0.070 8(0 - 0.612 7)

= 0.572 19
1 - (-0.070 8)
E, =
0.89%
El error aproximado se puede calcular como:
I 4=
0.572 19 - 0.612 7
0.572 19
7.088
Se pueden llevar a cabo iteraciones adicionales para mejorar la estimacindelaraz.
Puede emitirse una opinin ms completa sobre la eficiencia relativa

de los mtodos de biseccin y de la regla falsa al observar la figura 4.13
que muestra grficas del error relativo porcentual de los ejemplos 4.3 y
4.6, Ntese cmo el error decrece mucho ms rpidamente para el m-
136
METODOS
FIGURA 4.13
NUMRICOS
PARA INGENIEROS
Comparacin de errores relativos de los mtodos de la regla falsa y de

btsecciones para f ( x ) = e' - x.
todo de la regla falsa que para el de bisecciones ya que el primero es un

esquema ms eficiente para lalocalizacinde races.
Recurdese que en el mtodo de biseccin el intervalo entre x/y x,
decrece durante los clculos. Por lo tanto, el intervalo dado por A x/ 2
= x, - x,!,' 2 proporciona una medida del error en estas aproximaciones. Este no es el caso para el mtodo de lareglafalsaya que uno de
los extremos puede permanecer fijo a lo largo de los clculos, mientras
que el otro converge a la raz. Como en el caso, del ejemplo 4.4 donde
el extremo inferior xise sostuvo en cero, mientras que x, convergi a la
raz. En tales casos, el intervalo no se acorta, sino que se mantiene ms
o menos constante.
El ejemplo 4.6 sugiere que la ecuacin (4.2) representa un criterio
de error muy conservador. De hecho, la ecuacin (4.2) constituye una
aproximacin de la discrepancia dela iteracin preuia. Esto se debe a que
para cada caso, tai como en el ejemplo 4.6, donde el mtodo converge
rpidamente (por ejemplo, el error se reduce casi una orden de magni~
METODOS
137
tud por iteracin), la iteracinactual

es unaaproximacinmucho
mejor alvalorrealdelarazqueelresultadodelaiteracinprevia
xYterior.Por lo tanto, el numerador de la ecuacin (4.2) representa la diferencia de la iteracin previa.En consecuencia, hay confianza que cuando
se satisface la ecuacin (4.2), laraz se conoce con mayor exactitud superando la tolerancia preestablecida. Sin embargo, como se veenla siguiente seccin, existen casos donde la regla de la posicin falsa converge
lentamente. En estos casos la ecuacin (4.2) no es confiable y se debe
desarrollar un criteriodiferentede paro.
4.3.1
Desventajasdelmtododelareglafalsa
Aunque el mtodo de la regla falsa pareciera siempre ser el mejor de los

que usan intervalos, hay casos donde funciona deficientemente. En efecto, como en el ejemplo siguiente, hay ciertos casos donde el mtodo de
biseccin da mejores resultados.
EJEMPLO 4.7
Un caso donde el mtodo de biseccines preferible al de4a'regla falsa
Enunciado del problema: sense los mtodos de biseccin y de la regla

falsa para localizar laraz de:
entre x = O y x = 1.3.
Solucin: usando biseccin, losresultados se resumen como:
1
2
0.975
0.65
3
4
5
0.975
0.975
1.3
1.3
1.3
1.1375
1.05625
0.65
0.975
33.3
1.1375
14.3
1.05625
1 .O1 5625
4.0
35
2.5
13.8
5.6
1.6
7.7
De esta manera, despus de cinco iteraciones.El error verdadero se reduce

a menos del 2%. Con la regia falsa se obtiene un esquema muy diferente
138
~~~
1
2
3
4
5
1.3
0.09430
0.094300.18176
1.3
48.1
0.18176
1.3
0.26287
30.9
0.26287
1.3
0.3381
1
22.3
0.33811
1.3
0.40788
17.1
90.6
81.8
73.7
66.2
59.2
Despus de cinco iteraciones,el error verdadero se ha reducido ai 59%.Adems, nteseque 1 E, 1 < 1 eV 1 . De estaforma, el erroraproximado
es engaoso. Se puede obtener mayor informacin examinando unagrfica
de la funcin. En la figura 4.14 la curva viola una hiptesis sobre la cual
FIGURA 4.14 Grfica de la funcin f(x)
= x"
- 1,
lenta del mtodo de la regla falsa.
ilustracin de la convergencia
139
MhODOS QUE
se basa la regla falsa; esto es, si f (x1) se encuentra mucho miis cerca de
cero que f (x,), entonces la raz se encuentra ms cerca a x1 que x, (recurdese la figura 4.12). De acuerdo a la grfica de esta funcin, la inversa es verdadera.
El ejemplo anterior ilustra que en general no es posible hacer generalizaciones relacionadas con los mtodos de obtencin de races. Aunque un mtodo como el de laregla falsa, en general es superiar al de
biseccin, hay, invariablemente casos especiales que violanlas conclusiones generales. Por lo tanto, adems de usar la ecuacin (4.2), los resultados se pueden verificar sustituyendo la raz aproximada en la ecuacin
original y determinar si el resultado se acerca a cero. Estas pruebas se deben incorporar en todos los programas que localizan races.
4.3.2
Programa para el mtodo de la regla falsa
Se puededesarrollardirectamente un programapara lareglafalsa

a
partir del cdigo del mtodo de biseccin de la figura 4.10. La nica modificacin es la de sustituir la ecuacin (4.4) en las lneas 130 y 190. Adems, la prueba contra cero sugerida en la ltima seccin, tambin se debe
incorporar enel cdigo.
4.4 BSQUEDASCONINCREMENTOS
DETERMINANDOUNA
APROXIMACININICIAL
Adems de verificar una respuesta individual, se debe determinar si se
han localizado todas las races posibles.Como se mencion anteriormente, en general, unagrficadelafuncinayudaren
esta tarea. Otra
opcin es incorporar una bsqueda incremental al principio del progrma.
Consiste enempezaren un extremode laregindeinters
y realizar
evaluaciones de la funcin con pequeos intervalos a lo largo de la regin. Cuando lafuncincambiade signo, se supone que unaraz cae
dentro del incremento. Los valores de x de los extremos del intervalo pueden servir de valores iniciales para una
de las tcnicas descritas en este
capituloqueusanintervalos.
Un problema aunado a los mtodos de bsquedas incrementales es
el de escoger la longitud del incremento. Si la longitud es muy pequea,
la bsqueda puede consumir demasiado tiempo. Por el otro lado, sila
longitud es muy grande, existe la posibilidad de que las races muy cercanas entre s pasen desapercibidas (Fig.4.15). El problema se combina con
148
NUMRICOS
FIGURA 4.1 5
METODOS
PARA INGENIEROS
Casos donde las races se pueden brincar debido a que las longitudes
de los intervalos en los mtodos de bsquedas incrementales son dela ltirna razes mltiple y se iba a brinmasiado grandes. Ntese que
car independientemente de la longitud del incremento.
la posible existencia de races mltiples. Un remedio parcial para estos

casos en calcular la primera derivada de la funcin f' (x) en los extremos
del intervalo. Si la derivada cambia de signo, entonces puede existir un
mximo o un mnimo en ese intervalo,lo que sugiere una bsqueda ms
minuciosa para detectar la posibilidad de una raz.
Aunque estas modificaciones, o el empleo de un incremento muy fino pueden solucionar enparte el problema,sedebeaclararque
los
mtodos sencillos tales como el de bsqueda incremental no son infalibles. Se debe tener conocimiento de otras informaciones que profundicen en la localizacin de racesa fin decomplementar las tcnicas
automticas. Esta informacin se puede encontrar graficando la funcin
y entendiendo el problema fsico de donde se origin la ecuacin.
PROBLEMAS
Clculos a mano
4.1
Determnenselasracesreales
f(x)
de:
- 0 . 8 7 4 ~+
~ 1 . 7 5 ~+ 2.627
a) GrSrficamente
b) Usando la frmulacuadrtica
c ) Usando el mtodo de biseccin hasta tres iteraciones para determinar la raz m&
alta. Emplense como valores iniciales xi = 2.9 y x, = 3.1.Calclese elerror estimado ea y el errorverdadero E,, despus de cada iteracin.
141
4.2
Determnense las races reales de
f(x) = - 2 . 1
6.21~
- 3 . 9 ~ '+ 0 . 6 6 7 ~ ~
a) Grficamente
b) Usando biseccin para localizar la raz ms pequea. Emplense como valores
iniciales x, = 0.4 y x, = 0.6 e itrese hasta que el error estimado F, se encuentre
abajo de t , = 4%
4.3
Determhense las races reales de:

f(x) = -23.33
7 9 . 3 5 ~ " 8 8 . 0 9+~4~1 . 6 ~ ~8 . 6 8 ~
+ ~0 . 6 5 8 ~ ~
a Grficamente
b) Usando biseccin para determinar la raz ms alta para es = 1 W . Emplese como valores iniciales x, = 4.5 y x , = 5.
c) Realcense los mismos clculos de b) pero usando el mtodo de la regla falsa.
4.4
Determnense las races reales de:
f(x)
9.36 - 2 1 . 9 6 3 ~+ 16.2965~'- 3 . 7 0 3 7 7 ~ ~
a)
Grficamente
b) Usando el mtodo de la regla falsa con un valor de es correspondiente a tres'
cifras significativas para determinar laraz ms baja.
4.5
Localcese la primer raz diferente de cero de tanx = 1.1.x donde x est en radianes. sese una tcnica gr6fica y biseccin con valores iniciales O. l y O.G. Realcense los clculos hasta que E, sea menor del es = 10%. Verifquense tambin los
errores sustituyendo la respuesta final en la ecuacin original.
4.6
Determnese la raz real de In x = 0.5

a)
Grficamente
b) Usando el mtodo de biseccin con tres iteraciones y valores iniciales x) = 1
y x, = 2.
c) Usando el mtodo dela regla falsa con tres iteraciones y los mismos valores iniciales del inciso anterior.
4.7
Determnese la raz real de:
f(x)
..
1 -0.6~
=
a) Analticamente
b) Grficamente
C) Usando el mtodo dela regla falsa con tres iteraciones y valores iniciales de 1.5
y de 2.0. Calclese el error aproximado E, y el error verdadero E, despus de cada iteracin.
142
MTODOS
4.8
Encuntrese laraz cuadrada positiva de 10 usando el mtodo de la regla falsa con

= 0 . 5 % . Emplense los valoresiniciales de x, = 3 y x, = 3.2.
E,
4.9
Encuntrese larazpositivams
x'
sen
XI
pequea dela funcin (x est dada en radianes) :
usando el mtodo de la regla falsa. Para localizar la regin en que cae la raz, primero grafquese la funcin para valores de x entre O y 4. Realcense los clculos
hasta que eo haga que se cumpla es = 1 B . Verifquese la respuesta final sustituyndola en la funcin original.
4.10 Encuntrese larazrealpositiva
de:
!(x) = x4 - 8 . 6 ~ ~3 5 . 5 1 ~ '
464x
998.46
usando el mtodo de la regla falsa. sese una grfica para determinar los valores
iniciales y realizar los clculos con e , = O. 1 % .
4.11 Determnese larazreal

f(x)
a)
= x3 -
de:
100
Analticamente
b) Con el mtodo de lareglafalsa

4.12 La velocidaddelparacaidista
con es
0.1 %
est dada por la frmula:
donde g = 980. Para un paracaidista de masa m = 75 O00 g calclese el coefic con u = 3600 cm/s en t = 6 s . seseelmtodo
de
cientederozamiento
lareglafalsa paradeterminar c con es = O. 1 % .
Problemas para resolver con computadora

4.13 Vulvase a programar lafigura 4.10 de forma tal que sea ms legible al usuario.
Entreotras cosas:
Documntese indicando la funcinde cada seccir.
b) Etiqutense las entradas y lassalidas
c) Agrguese una prueba que verifique si los valores iniciales x, y x,, encierran a
laraz.
d ) Agrguese una prueba de verificacin para que laraz obtenida se sustituya en
la ecuacin originalpara comprobar si el resultado final se ace:ca a cero.
a)
4.14 Prubese el programa del problema 4 . 1 3 duplicando los clculos del ejemplo 4.3.
4.15 sese el programa del problema 4 . 1 3 para repetir desde el problema 4 . 1 al 4.6.
MTODOS
143
QUE
4.16 Reptanse los problemas 4 . 1 4 y 4.15 usando los programas de NUMERICOMP dis-
ponibles con el texto. sense las capacidades grficas de este programa para verificar los resultados.
4.17 sense los programas de NUMERICOMP para encontrar las races reales de dos
funciones polinomiales cualesquiera. Grafquense las funciones sobre un rango definido para obtener los lmitesinferior y superior de las races.
4.18 Reptase el programa 4.17 usando dos funciones trascendentales

4.19 En este problema se usan solamente las capacidades grficas de los programas NUMERICOMP disponibles con el texto. LOSprogramas trazan la funcin sobre inter-
valos ms y ms pequeos para incrementar la cantidad de cifras significativasque

se quieraestimar una raz. Empicese con f(x) = e-' sen (10 x). Grafquese la
funcincon un rango a escala completa desde x = O hasta x = 2.5. Estmese
laraz. Trcese nuevamente la funcinsobre el rango x = 0.5 a x = 1.0.Estmese la raz. Finalmente, grafquese la funcin sobre un rango de 0.6 a 0.7. Esto
permite estimar laraz con dos cifras significativas.
4.20 Desarrllese un programa legible al usuario para el mtodo de la regla falsa basado
en la seccin 4 . 3 . 2 . Prubese el programa con el ejemplo 4.6.
4.21 sese el programa del problema 4 . 2 0 para probar los clculos del ejemplo 4.7.
Realcense corridas de 5, 10, 15 y ms iteraciones hasta que elerrorrelativo
porcentual sea menor del O . 1%. Grafquense los errores relativos porcentualesapro-
ximados contra el nmero de iteraciones sobre papel semilogartmico. Interprtense los resultados.
C A P T U L OC I N C O
MTODOS
ABIERTOS
En los mtodos del captulo anterior que usan intervalos, laraz se encuentra dentro del mismo, dado porun lmite inferior y otro superior. La
aplicacin repetida de estos mtodos siempre genera aproximacionesms
y ms cercanas ala raz. A tales mtodos se les conoce como conuergentes ya que se acercan progresivamente a laraz a medida que crece el
nmero de iteraciones (Fig. 5.l a ) .
FIGURA 5.1
Esquema grfico de las diferencias fundamentales entre los mtodos que

usan intervalos a) y los mtodos abiertosb) y c) en la localizacin de races. En a), que ilustra elmtodo debiseccin, la raz est registrada dentro
del intervalo dodo por x, y x,. En contraste, con los mtodos abiertos,
ilustrados en b) y c), se usa una frmula para proyectarxi a xi+, con un
esquema iterativo. De esta manera, el mtodo puede divergir b) o converger c) rpidamente, dependiendo del punto inicial.
146
MTODOS
NUMRICOS
PARA INGENIEROS
En contraste con stos, los mtodos abiertos que se describen en este captulo, se basanenfrmulasquerequierende
un solo valor x o de un
par de ellos pero que no necesariamente encierran a la raz. Como tales,
algunas veces diuergen o se alejan de la raz a medida que crece el nmero de iteraciones (Fig. 5.lb). Sin embargo, cuando los mtodos abiertos
convergen (Fig. 5.IC),en general lo hacen mucho ms rpido que los mtodos que usan intervalos. Se empieza el anlisis de los mtodos abiertos
con una versin simple que es til para ilustrar su forma general y tambin para demostrar el concepto de convergencia.
5.1
ITERACIN DE PUNTOFIJO
Como se mencion anteriormente, los mtodos abiertos emplean una frmula que predice una aproximacin a laraz.Talfrmula se puede desarrollarparalaiteracindepunto
fijo, rearreglando laecuacin f(x)=O de
talformaque x quede delladoizquierdo de la ecuacin:
x =
[5.11
Esta transformacin se puede llevar a cabo mediante operaciones algebraicas o simplemente agregando x a cada lado de la ecuacin original.
Por ejemplo:
x2-2x+3=o
se puede reordenar para obtener:
x = -x2
+3
!
mientrasquesen x = O puedetransformarseenlaformadelaecuacin
(5.1)sumndole x a ambos lados para obtener:
x = senx
La utilidad de la ecuacin (5.1) es que proporciona una frmula para

predecir un valor de x en funcin de x. De esta manera, dada un aproximacin inicial a la raz, xi, la ecuacin (5.1) se puede usar para obtener
una nueva aproximacin x i + l , expresada porlafrmulaiterativa:
Como con otras frmulas iterativas del libro,

el error aproximado de esta
ecuacin se puedecalcularusandoelestimador
de error [Ec. (3.5)1:
147
MhODOS ABIERTOS
EJEMPLO 5.1
Iteracin de punto fijo
Enunciado del problema: sese iteracin

raz de f(x) = e x x.
de punto fijo para localizar
la
Solucin: lafuncin se puede separar directamente y expresarse enla

forma de ecuacin (5.2) como
= e-. Empezandocon un valor inicial de x,,=-O, se puede aplicar esta ecuacin iterativa y calcular:
I
Iteraci6n. i
O
1
2
3
4
5
6
7
8
9
10
I
100.01 .oooooo
171.8 0.367879
46.9 0.692201
38.3 0.500473
17.40.606244
11.20.545396
5.90 0.57961 2
3.48 0.5601 15
0.571 143
0.564879
1.93
1.1
1 O0
76.3
35.1
22.1
11.8
6.89
3.83
2.20
1.24
O. 705
0.399
De esta manera, cada iteracin acerca cada vez ms alvalorestimado

con elvalorverdadero de laraz, o sea 0.567 143 29.
RECUADRO 5.1
Convergencia de la iteracin de punto fiio
AI analizar la figura 5.3, se debe notar que la iteracin de

punto fijo converge si en la regin de inters g ( x ) < 1.
En otras palabras, la convergencia ocurre silamagnitud
de la pendiente de g ( x ) es menor que la pendiente de la
lnea f( x ) = x. Esta observacinse puede demostrar tericamente. Recurdese que la ecuacin aproximada es:
Xi+l
[B5.1.2]
= g(xi)
Supngase que la solucin verdadera es:
x, = S(&)
Restando estas dos ecuaciones se obtiene:
xr -
Xi+l
= g(xJ - g(xJ
En el clculo, existe un principio llamado teorema del

valor medio (seccin 3.5.2).Dice que si una funcin g ( x )
y su primera derivada son continuas sobre un intervalo
a < x < b, entonces existe un valor de x = { dentro del
intervalo para el que:
[B5.1.1]
El lado derecho de esta ecuacin es la pendiente de la lnea que une a g ( a ) y g ( b ) , De esta manera, el teorema
del valor medio dice que hay al menos un punto entre a
y b que tiene una pendiente, denotada por S({), que es
paralelaa la lnea que une g(a) con g ( b ) (Fig. 3.5).
Ahora, si se hace a = xi y b = x, el lado derecho
se puede expresar como:
de la ecuacin (B5.1.2)
MTODOS
148
NUMRICOS
PARA INGENIEROS
Por consiguiente, si g ( ) < 1, entonces los errores decrecen. con cada iteracin. Si g ( ) > l , entonces los
donde 4 se encuentra en alguna Parte dentro de x, Y x,. errores crecen. Ntese tambin que sila derivada es posiEste resultado se puede sustituir en la ecuacin (B5.1.2) tiva,los emores sern positivos, y por lo tanto, la solucio
para obtener:
iterativa ser montona (Figs. 5.3a y c). Si la derivada es
[B5.1,31 negativa, entonces los errores oscilarn (Figs. 5.3b y d ) .
X, - xi+1 = (X, - xi) S([)
Un corolario de este anlisis demuetra que cuando
Si elerrorverdaderoparalaj-simaiteracin
se define como: el
mtodo converge, el error es casi proporcional a y menor que el error del paso anterior. Por esta razn, la iteraEt,! = x, - xi
cin de punto
fijo
se dice que es linealmente conuergente.
S k r ) - g(xJ =
(xr
- Xi) g ( 8
<
entonces la ecuacin (B5.1.3) se convierte en:

Et,i+l
= S(()
Et,
5.1.1
Convergencia
Ntese que el error relativo exacto en cada iteracin del ejemplo 5.1 es
casi proporcional (por un factor de 0.5 a 0.6) al error de la iteracin anterior. Esta propiedad, conocida como convergencia lineal, es caracterstica de la iteracin de punto fijo. En el recuadro 5.1 se presenta una base
terica para esta observacin.
FIGURA 5.2
Dos mtodos grficos alternativos paro determinar la raz de f(x) =

e -x. a) Raz en el punto donde sta cruza aleje x ; b) raz en la
interseccin de las funciones componentes.
METODOS
149
ABIERTOS
Adems de la velocidad de convergencia, se debe hacer hincapi en

este momento sobre laposibilidad de convergencia.
Los conceptos de convergencia y de divergencia se pueden ilustrar grficamente. Recurdese que enla seccin 4.1 se grafic una funcin para
visualizar su estructuray su comportamiento (Ej. 4.1). Esta funcin se vuel5.2a. Un planteamientogrficodiferente es el
ve a graficarenlafigura
desepararlaecuacin f ( x ) = O endospartes, como en:
flk)
= f2 (x)
Entonces las dos ecuaciones:

Y1
=fl(4
r5.31
Y2
= f2 (x)
P.41
se pueden graficar por separado (Fig. 5.2b). Los valores de x correspondientes a las intersecciones de estas funciones representan las races de
f(x) = o.
EJEMPLO 5.2
El mtodo grfico de dos
curvas
Enunciado del problema: seprese la ecuacin e x

tes y determnese suraz grficamente.
-x
= O en dos par-
Solucin: reformlese la ecuacin como yl = x y y 2 = e -. Calclense

los siguientes valores:
X
Y1
Y2
0.0
0.2
0.4
0.6
0.8
1 .o
0.0
0.2
0.4
0.6
0.8
1.O00
0.819
0.670
0.549
0.449
0.368
1 .o
Estos puntos se grfican en la figura 5.2b. La interseccin de las dos curvas indica una aproximacin dex = 0.57, que correspondeal punto donde
cruzaal eje x.
la curvaoriginal en lafigura 5 . 2 ~
METODOS NUMERICOS
150
PARA INGENIEROS
El mtodo de las dos curvas se puede usar ahora para ilustrar laconvergencia y divergencia de la iteracin de punto fijo.
Enprimerlugar,la ecuacin (5.1) se puede expresar como un par
de ecuaciones: y , = x y y2= g (x). Estas dos ecuaciones se pueden graficar por separado. Tal fue el caso de las ecuaciones (5.3) y (5.4) las races de f ( x ) = O sonigualesalvalordela
abscisa enla interseccin de
las dos curvas. Enlafigura
5.3 se graficanlafuncin y , = x y cuatro
esquemas diferentesde la funcin y2= g(x).
FIGURA 5.3
__I__
Esquema grfico de la convergencia a) y b) y la divergencia c) y d) de la iteracin

de punto fino. A las grafips a) y c) seles conoce como patrones montonos, mientras que a b) y d) se les conoce.como patrones oscilatorios o en espiral. Ntese que
la convergencia se obtiene cuando 1 g(x) 1 < 1.
_LI_I_-^.
.
MnODOS ABIERTOS
lb1
Enelprimer caso (Fig. 5 . 3 ~ 4el, valorinicial x, se usa para determinar el punto correspondiente a la curva
yz, [xg, g(xo)]. El punto [x1, xl]
se encuentra moviendo la curva y1 a la izquierda y horizontalmente. Estos movimientos son equivalentes a la primera iteracin del mtodo de
punto fijo:
De esta manera, en la ecuacin y en la grfica se usa un valor inicial x.

para obtener la aproximacin xI. La siguiente iteracin consiste en moverse al punto [xl,g (xl)]b despus a [x2, x2]. Esta iteracin es equivalente a la ecuacin:
La solucin en la figura
5.3a es convergente ya que la aproximacin de
x se acerca ms a laraz con cada iteracin. Lo mismo se cumple para
la figura 5.3b. Sin embargo, ste no es el caso para las figuras 5 . 3 y~d ,
en donde las iteraciones divergen de la raz. Ntese que la convergencia
ocurre nicamente cuando el valor de la pendiente de y2 = g ( x ) es menor alvalor de la pendiente de yI = x, esto es, cuando 19' ( x ) I c 1.
En el recuadro 5.1 se presenta una derivacin terica de este resultado.
5.1.2
de punto fijo
Programaparalaiteracin
El algoritmo para la computadora de la iteracin de punto fijo es extremadamente simple. Consiste en un ciclo que calcula iterativamente nuevas aproximaciones junto con una declaracin lgica que determina cuando
se hacumplidoelcriterio de paro.
FORTRAN
BASIC
lFunc16n a la que se
desea calcular la raizl
1X I
I I
Ill
I N P U rX R . E S .
1213 F O RN I
= 1 TU In
130 XN = F N F C X R )
140
I F XN = 0, THEN 170
150 E A = AB5 ( I X N
X R ) I X N ) e-.
1W
160 I F E A
\
1.70 XR = XN
180 NEXT N I
I90 P R I N T" N O
200 NNII
I70
1 so
2
a10
210
URITE~6.3?XN,EA,NI
F O R M h ,TZCF' I 0 . 3 , I S f
220
= ES THEN 210
SE
ES = errorporcentualaceptable
IM = niutm
e
mrd
aeae
xrcm
ol oon e s
XN = aproximact6n a laraz
EA = aproximaci6nporcentualdel
error
( p r u e b ad e
ENCONTRO L A R A I L "
P R I N TX N . E A . N I
END
STOP
END
FIGURA 5.4
Programa parala iteracin de punto fijo.Ntese

general es similar al de los mtodos abiertos.
que este algoritmo
152
En la figura 5.4 se presentan los programas en FORTRAN Y BASIC para

el algoritmo. Se pueden programar de manera similar otros mtodos abiertos, simplemente cambiando la frmula iterativa (declaracin 130).
5.2 MTODO
DE NEWTON-RAPHSON
Tal vez, dentro delas frmulas paralocalizar races, la frmula de NewtonRaphson (Fig. 5.5), sea la ms ampliamente usada. Si el valor inicial de
el punto
la raz-es x,, entonces se puede extender una tangente desde
[x;, f (xi)].El punto donde esta tangente cruza al eje x representa una
aproximacin mejorada a la raz.
El mtodo de Newton-Raphson se puede derivar geomtricamente
(una forma de hacerlo es mediante el uso de la serie de Taylor, descrita
en el recuadro 5.2). Como en la figura 5.5, la primera derivada en x es
equivalente a la pendiente.
que se puede reordenar para obtener:
a la que se conoce como frmula de Newton-Raphson.
FIGURA 5.5
Esquemagrfico del mtododeNewton-Raphson.

Se extrapolauna
tangente a la funcin enel punto xi [esto es, f'(x;)] hasta el eje x para obtener una estimacin de la raz en x, + !.
_
l
_
_
l
~~.~
~
153
METODOS ABIERTOS
EJEMPLO 5.3
Mtodo de Newton-Raphson
Enunciadodelproblema:seseelmtododeNewton-Raphsonpara
- x empleando elvalorinicialde
x. = O.
calcular laraz de e
"x
Solucin: laprimeraderivada de lafuncin se puede evaluar como:

f'(x) = -e-x
que se puede sustituir, junto con la funcin original en la ecuacin (5.6)

para dar:
p
Xi+l
= xi -
-e-x'
xi
-
h
J
Empezando con el valor inicial x. = O , se puede aplicar la ecuacin iterativa para calcular:
0.500000000
0.566311003
0.567143165
0.567143290
1O0
11.8
0.147
0.0000220
<10
De esta manera, el planteamiento converge rpidamente a laraz real.

Ntese que el error relativo en cada iteracin decrece mucho ms rpido
que como lo hace la iteracin de punto fijo (comprese con el ejemplo5.1).
5.2.1
Criterios de paro y estimacin de errores
Como con los otros mtodos de localizacin de races, la ecuacin (3.5)

se puede usar como un criterio de paro. Adems, la derivacin del mtodocon la seriedeTaylor(recuadro 5.2) proporciona un conocimiento
terico relacionado con la velocidad de convergencia expresado como:
Ei+ = O (Ei*).De esta forma, el error debe ser casi proporcional al cuadrado del error anterior.En otras palabras, el nmero de cifras significativas se duplica aproximadamenteen cada iteracin. Este comportamiento
se examina enel siguiente ejemplo.
METODOS
154
RECUADRO 5.2
NUMERICOS
Derivacin y anlisis del error del mtodo de Newton-Raphson a partir de la serie de Taylor
Adems de laderivacin geomtrica [ecuaciones (5.5) y

(5.6)], el mtodo de Newton-Raphson se puede derivar
tambin con
usoel
de la serie Taylor. Esta derivacin alternativa es muy til en el sentido de que muestra la Denetracin en la velocidad de convergencia del mtodo.
Recurdese delcaptulo 3 que la serie de Taylor se
puede representar como:
0 = f (Xi) + f '(Xi)
(xr
- Xi)
"(O (xr - X,)'

+ f2
en donde t: se encuentraen
parte de1intervalo entre xiy x i + ,. Truncando la serie de Taylor despus de la
primera derivada, se obtiene unaversin aproximada:
+ f '(Xi)(X+l
(85.2.3) para obtener:
+ f '(Xi)(Xi+l
Xi)
[B5.2.4]
Ahora, notando que el
es igual a la diferencia entre
xi+l y elvalor real, x, como en:

Ev.i+l=xr"xi+l
Xi)
En la interseccin con el eje x,f(xi+,) debe ser igual a cero, o:
0 = f (Xi)
[B5.2.3]
L~ ecuacin (B5.2.2) se puede restar de la ecuacin
"(47
+ f( x ~ + I- X)'
[B5.2.1]
2
f (Xi+l) -- f (Xi)
PARA INGENIEROS
y la ecuacin (B5.2.4) se puede expresar como:
[B5.2.2]
[B5.2.5]
L
Si se supone que hay convergencia, entonces xi y t: se

deberan aproximar a la raz x,, y la ecuacin (B5.2.5) se
que es idntica a la ecuacin (5.6). De esta forma, se ha

derivado el mtodo de Newton-Raphson usando la serie
de Taylor.
Adems de la derivacin, la serie de Taylor se puede
usar para estimar el error de la frmula. Esto se puede lograr alutilizar todos los trminos de la ecuacin B5.2.1
con el resultado exacto. Por esta situacin xi+l= x,, en
donde x, es el valor exacto de la raz. Sustituyendo este
valor, junto con f(x,) = O en la ecuacin (B5.2.1)se
obtiene:
puede reordenar para obtener:
[B5.2.6]
De acuerdo a la ecuaci6n (B5.2.6) el errores casi proporcional al cuadrado del error anterior. Esto significa que el
nmero de cifras decimales correctas se duplica aproximadamente en cada iteracin. A este comportamiento se
le llama conoergencia cuadrfica. El ejemplo 5 . 4 ilustra
esta propiedad.
EJEMPLO 5.4
Anlisis de error en el mtodo de Newton-Raphson
Enunciado del problema: como se dedujo enel recuadro 5.2, el mtodo

d e Newton-Raphson es convergente cuadrticamente. Esto es, el error
es aproximadamente proporcional al cuadrado del error anterior, dado por:
CE5.4.11
1 SS
MTODOS ABIERTOS
Examnese esta frmula y vase si es aplicable a los resultados del ejemplo 5.3.
Solucin: laprimeraderivada
de !(x) = e
es:
--e-1
f (x) =
que se puedeevaluaren
f(0.567 143 29)
143 29 para dar:
x,= 0.567
-1.567 143
29
La segunda derivada es:

fff(x)= e-x
que se puede evaluar, para obtener:

f(0.567 143 29)
0.567 143 29
Estos resultadosse pueden sustituir en la ecuacin (E5.4.1) para obtener:

EV ,l + l = -
0.567 143 29
Z(1.567 143 29)
Ev,i2
- 0.180 95 E,,i2
, , i t 1-
Del ejemplo 5.3, el error inicial fue de Et,0= 0.567 143 29, que se puede sustituirenla ecuacin del error para obtener:
E,,l
0.18095(0.56714329)2
0.058 2
que se acerca al error real de = 0.067 143 29. En la siguiente iteracin:

0.180 95(0.06714329)2
Ev,2
0.000 815 8
que tambin se compara favorablemente con el error real de 0.000 832

3. Enla tercera iteracin:
= 0.180 95(0.000832
0.000 O00 125
que es exactamente el error obtenido en el ejemplo 5.3. La estimacin

del error mejora de esta manera ya que est ms cercano a la raz, xi y
4 se aproximan mejor mediante x, [recurdese la suposicin manejada
al derivar la ecuacin (B5.2.6) a partir de la ecuacin (B5.2.5), en el recuadro 5.21.
Finalmente:
Eu,4=
0.180 95(0.000 O00 125)2 = 2.83
De esta manera este ejemplo ilustra que el error en el mtodo de NewtonRaphson es en este caso, de hecho, casi proporcional (por un factor de
O. 180 95) al cuadrado del error en la iteracin anterior.
156
MTODOS N U M R I C O S PARA INGENIEROS
5.2.2
Desventajas delmtodo
de Newton-Raphson
Aunque el mtodo de Newton-Raphson en general es

muy eficiente, hay
situaciones en que se porta deficientemente. Un caso especial -races
mltiples- se analiza al final del captulo. Sin embargo, aun cuando se
trate de races simples, se encuentran dificultades, como en el siguiente
ejemplo.
EJEMPLO 5.5
Ejemplo de una funcin que converge lentamente con el mtodo de
Newton-Raphson
Enunciado del problema: determnese la raz positiva de f ( x ) = x10 - 1

usando el mtodo de Newton-Raphson con un valor inicial de x = 0.5.
Solucin: la frmula del mtodo de Newton-Raphson es en este caso:
que se puede usar para calcular:
2
3
4
0.5
51.65
46.485
41.8365
37.65285
33,887565
De esta forma, despus de la primera prediccin deficiente, el mtodo

converge a laraz 1, pero con una velocidad muy lenta.
Adems de la convergencia lenta, debida a la naturaleza de la funcin, se puedenoriginar otras dificutades,como se ilustra en la figura 5.6.
Por ejemplo, la figura 5.6a muestra el caso donde un punto de inflexin
-esto es, f ' ( x ) = 0- ocurre en la vecindad de una raz. Ntese que las
iteraciones que empiezan en x divergen progresivamente de la raz. En
la figura 5.6b se ilustra la tendencia del mtodo de Newton-Raphson a
oscilar alrededor de un punto mnimo o mximo local. Tales oscilaciones
persisten, o, como en la figura 5.6b, se alcanza una pendiente cercana
a cero, despus de lo cual la solucin se aleja del rea de inter&. En la
figura 5.6c, se ilustra como un valor inicial cercano a una raz puede sal-
METODOS ABIERTOS
157
tar a una posicin varias races lejos. Esta tendencia de alejarse del
rea
de inters se debe a que se encuentran pendientes cercanas a cero. Obviamente, unapendiente cero Lf'(x) = O] es un realdesastrequecausa
METODOS NUM~RICOS
PARA INGENIEROS
158
una divisin por cero en la frmula de Newton-Raphson [Ec. (5.6)]Grficamente (Fig. 5.6d), esto significa que la solucin se dispara horizontalmente y jam& toca al eje x.
La nica solucin en estos casos es la de tenerun valor inicial cercano a la raz. Este conocimiento, de hecho, lo proporciona el conocimiento fsico del problema o mediante el uso de herramientas tales como las
grficas que proporcionan mayor claridad en el comportamiento de la solucin. Esto sugiere tambiOn que se deben disear programas eficientes
que reconozcan la convergencia lenta o la divergencia. La siguiente seccin est enfocada hacia estos temas.
5.2.3
Programa para
el mtodo de Newton-Raphson
Con slo sustituir la lnea 130 de la figura 5.4, se obtiene el mtodo de

Newton-Raphson. Ntese, sin embargo, que el programa se debe tambin modificar para calcular la derivada. Esto se puede llevar a cabo simplemente incluyendo una funcin definida por
el usuario.
Adems, de acuerdoa las discusiones anteriores sobrelos problemas
potenciales del mtodo de Newton-Raphson,el programa se debe modificar incorporndole algunos rasgos adicionales:
1.Si es posible, se debe incluir una rutina de graficacin dentro del programa.
2.A1 final de los clculos, la aproximacin a la raz siempre se debe sustituir en la funcin original para calcular en qu casosel resultado se acerca
a cero. Esta prueba protege contraaqullos casos donde se observa convergencia lenta u oscilatoria, la cual puede llevar a valores pequeos
de E,, mientras que la solucin puede estar an muy lejos de una raz.
3. El programa siempre debeincluir un lmite m6ximosobre el nmero permitido de iteraciones para estar prevenidos contra
las oscilaciones y
la convergencia lenta, o las soluciones divergentespersistirn interminablemente.
5.3 MTODO
DE LA SECANTE
Un problema fuerte enla implementacin del mtodo deNewton-Raphson

es el de la evaluacin de la derivada. Aunque esto no esun inconveniente para los polinomios y para muchas otras funciones,existen algunas de
stas cuyas derivadas pueden ser extremadam-ente difciles de evaluar.
En estos casos, la derivada se puede aproximar mediante una diferencia
divida, como (Fig. 5.7):
159
METODOS ABIERTOS
FIGURA 5.7
Esquemagrfico del mtodode la secante. Esta tcnica es similar a la

del mtodo de Newton-Raphson(Fig. 5.5) en el sentido de que una aproximacin a la raz se calcula extrapolando una tangente de la funcin
hasta el eje x . Sin embargo, el mtodo de la secante usa una diferencia
en vez de la derivada para aproximar la pendiente.
Esta aproximacin se puede sustituir en la ecuacin (5.6) obteniendo la

ecuaciniterativa:
La ecuacin (5.7)es la frmula para el mtodo de la secante. Ntese que

el planteamiento requiere de dos puntos inicialesde x. Sin embargo, debido a que no se requiere que f(x) cambie de signo entre estos valores,
a este mtodo no se le clasifica como aquellos que usanintervalos.
EJEMPLO 5.6
EL mtodo de
la secante
Enunciado del problema: sese el mtodo de la secante para calcular la

raz de f ( x ) = e-x - x. Empicese con los valoresinicialesde x-1 =
o y x0 = 1.0.
160
Solucin: recurdeseque laraz reales 0.567 143 29 .

Primera iteracin:
x1=1-
"0.632 12(0 - 1)
1 "("0.63212)
/,I
0.612 70
8.08
Segunda iteracin:
x0 =
x1
0.61270
-0.632 12
f(x1) = -0.070 81
f(xo)
(Ntese que las dos aproximaciones se encuentran del mismo lado que
la raz.)
x2 =
0.612 7 0 -
(E,( =
"0.070 81 (1-0.612 70)

-0.632 12 - (-0.070 81)
0.563 84
0.58%
Terceraiteracin:
x2 =
0.61270
0.563 84
x3 =
0.563 84
x1
IE, /
5.3.1
f(x1) = -0.070 81
0.005 18
0.005 18 (0.612 70-0.563) 84
"0.070 81 - (0.005 18)
f(x2) =
0.567 17
0.0048%
Diferencias entre los mtodos de
la secante y de la regla falsa
Ntese la similitud entre los mtodos de la secante y de la regla falsa. Por

ejemplo, las ecuaciones (5.7) y (4.4)son idnticas trmino a trmino. Ambas usan dos estimaciones iniciales, para calcular una aproximacin a la
pendiente de la funcin que se usa para proyectar hacia eleje x una nueva aproximacin a la raz. Sin embargo, existe una diferencia crtica entre
ambos mtodos y sta estriba en la forma en que uno de los valores iniciales se reemplaza porla nueva aproximacin.Recurdese que en el mtodo de la regla falsa, la Gltima aproximacin de la raz reemplaza a aquel
valor cuya funcin tena el mismo signo de
f ( x l ) .En consecuencia, las
METODOS
ABIERTOS
161
dos aproximaciones siempre encierran a laraz. Por lo tanto, en todos

los casos prcticos, el mtodo siempre convergeya que la raz se encuentra dentro del intervalo. En contraste, el mdtodo de la secante reemplaza
los valores en una secuencia estricta, con el nuevo valor xi+lse reemplaza a xi y xi reemplaza a xi-l. Como resultado de sto, los dos valores
pueden caer de un mismo lado de la raz. En algunos casos, sto puede
provocar divergencia.
1
EJEMPLO 5.7
Comparacin de la convergencia en los mtodos de la secante y la

regla falsa.
Enunciado del problema: sense los mtodos de la secante y de la regla

falsa para calcular la raz de f(x) = In x. Hganse los clculos con los valores iniciales x/= xi- l . 0.5 y x, = xi= 5.0.
Solucin: enel mtodo de la regla falsa, usando la ecuacin (4.4)y los
criterios de obtencin de la raz en el intervalo mediante el reemplazo de
los valores correspondientes en cada aproximacin, se generan las siguientes iteraciones:
I
lteraciin
1
2
3
XI
9.5
es
es
XU
x,
5.8
1.8546
1.2163
1.8546
1.2163
1 .@585
Como se puede ver (Figs. 5.8a y c), las aproximaciones convergen a la

raz real = 1.
En el mtodo de la secante usando la ecuacin (5.7) y el criterio secuencial para reemplazar las aproximaciones se obtiene:
1
2
0.5
5.8
5.@
1.8546
Como se muestraenlafigura
divergente.
1.8546
-4.18438
5.8d, el comportamiento del mtodo es
162
METODOS NUMERICOS
FIGURA 5.8
PARA INGENIEROS
Comparacin entre los mtodos de la regla falsa y de la secante. Las

primeras iteracionesa) y b) de ambos mtodosson idnticas. Sin embargo, en las segundas c) y d), los puntos usados son diferentes. En
consecuncia, el mtodo de lasecante puede divergir, como lo muestra dl.
Aunque el mtodo de la secante sea divergenteen algunos casos, cuando converge lo hace ms rpido que el mtodo de la regla falsa. Por ejemplo, en la figura 5.9, que se basa en los ejemplos 4.3, 4.6, 5.3 y 5.6, se
muestra la superioridad del mtodode la secante. La inferioridad del mtodo de la regla falsa ;e debe a que un extremo permanece fijo y de esta
manera mantiene a laraz dentrodelintevalo.Esta propiedad, que es
una ventaja porque previene la divergencia, es una desventaja en relacin a la velocidad de convergencia; esto hace que la aproximacin con
diferencias divididas sea menos exacta que la derivada.
5.3.2 Programa para el mtodo de
la
secante
Como con los otros mtodos abiertos, se obtiene un programa del mtodo de la secante simplemente modificando la lnea 110, de tal forma que
se puedan introducir dos valores inicialesy sustituyendo la ecuacin (5.7)
enlalnea 130 de lafigura 5.4.
163
METODOS ABIERTOS
FIGURA 5.9
Comparacin de los errores relativos porcentuales t y para cada uno

de los mtodos en la determinacin de las races de f(x) = e - x - x.
Adems, las opciones sugeridas en la seccin 5.2.3 para el mtodo

de Newton-Raphson se pueden aplicar al programa de la secante para
obtener tales ventajas.
5.4 RACES MLTI PLES

Una raiz mltiple corresponde a un punto donde una funcin es tangencia1al eje x. Por ejemplo, dos races repetidas resultan de:
f ( x ) = (x - 3)(x - l)(x - 1)
o, multiplicando trminos,
f ( x ) = x3
- 5x2
+ 7x - 3
L a ecuacin tiene una raz doble porque un valor de x anula dos trminos de la ecuacin (5.8).Grficamente, esto significa que la curva toca
164
MTODOS
tangencialmente al eje x enlaraz doble. Vase la figura 5 . 1 0 ~

en x = 1.
Ntese que lafuncin toca al eje pero no locruzaenlaraz.
Una raiz triple corresponde al caso en que un valor de x se anula en
tres trminos de la ecuacin, como en:
f(x) = (x - 3)(x - l)(x - l)(x - 1)
o , multiplicando,
)(X)
= x 4 - 6x3
+ 1 2 ~ -' 1 0 +~ 3
Ntese que el esquema grfico (Fig. 5.10bJ indica otra vez que la funcin
es tangencia1al eje enlaraz pero que en este caso s cruzael eje. En
general, la multiplicidad impar de races cruza el eje, mientras que la multiplicidad par no lo cruza. Por ejemplo, la raz cudruple en la figura 5 . 1 0 ~
nocruzael eje.
Las races mltiples ofrecen ciertas dificultades
a los mtodos numricos expuestos enla parte 11:
l. El hecho de que la funcin no cambia de signo en una raz de multi-
plicidad par impide el uso de los mtodos confiables que usan intervalos, discutidosenelcaptulo 4. De esta manera, de los mtodos
incluidos en este texto, los abiertos tienen la limitacin de que puedendivergir.
FIGURA 5.10
Ejemplos de races mltiples tangentes al eje X.
Ntesequelafuncin
no cruza el eje en casos
de mu!tiplicidad par a) y
c), mientras
que
para
multiplicidad impar s lo
hace b).
2. Otro posible problema se relaciona con el hecho de que no slo f(x)

se aproxima a cero. Estos problemas afectana los mtodos de NewtonRaphson y al de la secante, los que contienen derivadas (o aproximaciones a ella) en el denominador de sus respectivas frmulas. Esto provocara una divisin entre cero cuando la solucin se acerque a la raz.
Unaformasimpledeevitar
estos problemas, que se ha demostrado
tericamente (Ralstony Rabinowitz, 1978), se basa en el hecho de que
f(x). Por lo tanto, si se verifica f l x ) contra cero, dentro del programa,
entonces los clculos se pueden terminar antes de quef'(x) llegue a cero.
3. Se puede demostrar que el mtodo de Newton-Raphson y el de Id
secante convergenen forma lineal, en vez de manera cuadrtica,cuando hay races mltiples (Raltsony Rabinowitz, 1978). Sehan propuesto
y Rabinoalgunas modificaciones para aliviar este problema. Ralston
witz (1978) proponen que se haga un pequeo cambio en la formulacin para que retorne su convergencia cuadrtica, como:
xi+l= xi
f (x,1
f '(Xi)
m-
en donde m es la multiplicidad de laraz (esto es, m = 2 parauna

raz doble, m = 3 para una raz triple, etc.). De hecho, puede resultar
insatisfactorio porque presupone el conocimiento de la multiplicidad
delas races.
165
METODOS ABIERTOS
Otra alternativa, tambin sugerida por Ralston y Rabinowitz (1978),

es la de definir una nueva funcin u(x), que es el cociente de la funcin
y su derivada, esto es:
[5.10]
Se puede demostrar que esta funcin tiene races en las mismas posiciones que la funcin original. Por lo tanto, la ecuacin (5.10) se puedesustituir en la ecuacin (5.6)y de esta forma desarrollar una forma alternativa
del mtodo de Newton-Raphson:
[5.11J
Se puede derivar la ecuacin (5.10),obteniendo:

[5.12]
Se pueden sustituir las ecuaciones (5.10)y (5.12) en la ecuacin (5.11)
[5.13]
EJEMPLO 5.8
Mtodo de Newton-Raphson modificado para el clculo de races

mltiples.
Enunciado del problema: senselos dos mtodos, el estndar y el modificado de Newton-Raphson para evaluar la raz mltiple de la ecuacin
(5.9), con un valor inicial de xo= O.
Solucin: la primera derivada de la ecuacin (5.9) esf(x) = 3x2 - lox
+ 7, y por lo tanto, el mtodo de Newton-Raphson para este problema
[Ec. (5.6)]es:
Xi+l
x, -
xi3 - 5Xi2 + 7xi - 3

3xi* - loxi + 7
que se puede resolver iterativamente para obtener:
166
MTODOS
1I
Xi
1
2
3
4
5
6
0.428571
57
429
0.68571
4286
31
0.832865400
17
3328983
0.91
0.955783293
4.4
0.977655101
2.2
Ojo
1 O0
8.7
Como ya se haba anticipado, el mtodo converge linealmente hasta el

valor verdadero de 1 .O.
Para el caso delmtodomodificado,lasegundaderivada
es f ( x )
= 60 x - 10, y larelaciniterativa es[Ec. (5.13)]:
Xi+l
= xi -
+ 7xi - 3) (3Xi2 - loxi + 7)

(3xi2 - lOxi + 7)2 - (xi3 - 5xi2 + 7x, - 3) (6xi - 10)
(Xi3
- 5xi2
que se puede resolver para obtener:

i
xi
lkl
1
2
3
l . 105263158
1.003081
664
1 .O00002382
1 O0
11
0.31
0.00024
De esta forma, el mtodo modificado converge cuadrticamente.Se puedenusarambosmtodosparabuscar

larazsimpleen
x = 3.
Usando un valorinicial de xo= 4 se obtienen los siguientes resultados:
i
Estndar,
1
2
3
4
5
cy
(33%)
3.4 (13%)
3.1 (3.3%)
3.008 695652 (0.29%)
3.000 074 641 (2.5
X
3.000000 O06 (2x
Modificado l
t ~ l
4(33%)
2.636 363
2.820 224
211
2.961 728
2.998 478
2.999 997
(1 637
2%)
(6.0%)
720
(1.3%)
719 %)
(0.051
682X (7.7
De esta forma, ambos mtodos convergen rpidamente, siendo el mtodo estndar ms eficiente.
METODOS
167
ABIERTOS
El ejemplo anterior ilustra los factores de mayor importancia involucrados al escoger el mtodo de Newton modificado. Aunque es preferible
y requiere ms esen races mltiples, algunas veces es menos eficiente
fuerzo computacional que el mtodo estndar parael caso de races simples. Se debe notar que se puede desarrollar una versin modificada del
mtodo de la secante para racesmltiples sustituyendola ecuacin (5.10)
en la ecuacin (5.7). La frmula resultante es (Ralston y Rabinowitz,1978):
PROBLEMAS
Clculos a mano
5.1
sese el mtodo de Newton-Raphson para determinar larazmayor
de:
f ( x ) = - 0 . 8 7 5 ~+~1 . 7 5 ~+ 2.625
Emplese un valor inicial de xi = 3 . l. Realcese los clculos hasta que E,, sea menordel E, = 0.01% . Tambin verifquense los errores enla respuesta final.
5.2
Determnenselasracesreales
f(x) = -2.1
a)
de:
+ 6 . 2 1 ~- 3
. 9+
~ 0~. 6 6 7 ~ ~
Grficamente
b) Usando el mtodo de Newton-Raphsonhastaque

5.3
0.01%
Emplese el mtododeNewton-Raphsonparadeterminarlasracesreales
!(X)
= -23.33
de:
+ 7 9 . 3 5 ~- 8 8 . 0 9 ~-k ~4 1 . 6 ~- ~8 . 6 8 +~ ~0 . 6 5 8 ~ ~
usando el valor inicial de a) xi= 3.5; b) x = 4.0 y c) x,= 4.5. Prubense y sense
los mtodos grficos para explicar cualquier peculiaridad en los resultados.
5.4
Determnese larazreal
menor de:
f(x) = 9.36 - 21.963~+ 1 6 . 2 9 6 5 ~-~3 . 7 0 3 7 7 ~ ~

a) Grficamentg
b) Usando el mtodo de la secante, hasta un valorde es, correspondiente a tres
cifrassignificativas.
5.5
Localcese la
raz
positiva
f(x) = 0 . 5 ~ sen x
de:
168
MTODOS
donde x est dada en radianes. Usese un mtodo grfico y despus calclese tres
iteracionesconelmtodo
de Newton-Raphsoncon un valorinicial de xi= 2.0
para calcular laraz. Reptanse los clculos pero con un valorinicial de x i = 1.0.
sese el mtodo grfico para explicar los resultados.
5.6
Encuntrese larazrealpositiva
de:
f(x) = x4 - 8 . 6 -~3~5 . 5 1 ~
+ ~4 6 4 ~-- 998.46
usando el mtodo de la secante. Emplense los valores iniciales de xi., = 7 y xi= S
y calclense cuatro iteraciones.
Calclese E, e interprtense los resultados.
5.7
Realcense los mismos clculos del problema5.6 pero usando el mtodo de NewtonRaphson, con un valorinicial de x,= 7 .
5.8
Encuntrese laraz cuadrada positiva de 10 usando tres iteraciones con:

a) El mtodo de Newton-Raphson, con un valorinicialde xi= 3.
b) El mtodo de la secante, convaloresiniciales
de
= 3 y x,=3.2.
5.9
Determnese larazreal
f(x)
de:
1- 0 . 6 ~
X
usando tres iteraciones y el mtodo de la secante con valores iniciales xi., - 1.5
y xi = 2.0. Calclese el error aproximado E, despus de la segunda y la tercera
iteracin.
5.10 Determnese larazreal
!(x)
= x3
de:
- 100
con el mtodo dela secante, con es=
5.11
Determnese larazrealmayor
0. 1% .
de:
x3 - 6x2 + l l x - 6
a) Grficamente
b) Usandoel mtodo de biseccin (dos iteraciones, XI= 2.5 y X=,
3.6).
C) Usandoel
mtodo de lareglafalsa
(dos iteraciones, X/= 2.5 Y X=,
3.6).
d) UsandoelmtododeNewton-Raphson(dos
iteraciones, x i = 3.61.
e) Usando el mtodo de la secante (dos iteraciones, x;-l= 2.5 y X,= 3.6).
5.12
sese el mtodo de Newton-Raphson para determinar todas las races

de :(x) = x2+ 5.78 x - 11.4504 con e,= 0.001%.
5.13
Determnese larazrealms
pequea de:
!(x) = 9.36 - 2 1 . 9 6 3 ~+ 16.296 5x2 - 3.703 77x3
MTODOS
169
ABIERTOS
a) Grficamente
b) Usando el mtodo
c) Usando el mtodo
d) Usando el mtodo
e) Usando el mtodo
de biseccin (dos iteraciones, x,= 0 . 5 y xu= 1.1).

de la raglafalsa (dos iteraciones, x,= 0 . 5 y x,= 1.1).
de Newton-Raphson (dos iteraciones, xi= 0.5).
de la secante (dos iteraciones, xi-,= 0 . 5 y xi= 1.1).
5.14 Determnese larazpositiva
realms pequea de:
f ( x ) = 4X4 - 2 4 . 8 ~
+ ~57.04~' - 5 6 . 7 6 ~+ 20.57
a) Grficamente
b ) Usando el mtodo disponiblems eficiente. Emplense los valores'iniciales de x, = x , . ~= 0 . 5 y x, = x, = 1.5 y realcense los clculos hasta que
E,= 15%
5.15
Determnense las races de

!(X) =
x3
- 3 . 2 ~- ~1 . 9 2 ~+ 9.216
a) Grficamente
b) Usando el mtodo disponiblems eficiente con E,=
0.1%
5.16 Reptase el problema 4 . 1 2 , pero usando el mtodo de Newton-Raphson

5.17 Reptase el problema 4 . 1 2 , pero usando el mtodo de la secante.
Problemas relacionados con la computadora

5.18 Desarrllese un programaparael mtodo de Newton-Raphson basado en la
figura 5.4 y en la seccin 5.2.3. Prubese el programa duplicando los cSlculos del ejemplo 5 . 3
5.19 sese elprogramadesarrolladoenelproblema
5.18 y duplquense los clculos del ejemplo 5.5. Determnese laraz usando un valorinicial de xi= 0.5.
Realcense 5, 10, 15 o ms iteraciones hasta que el errorrelativo porcentual
exacto sea menor del O. 1 B. Grafquense los errores relativos porcentuales exacto y aproximado contra el nlirnero de iteraciones sobre papel semilogartmico.
Interprtense los resultados.
5.20 sese el programa desarrollado en el problema 5.18 para resolver los problemas
5.1 al 5.5. En todos los casos, realcense los clculos dentro de la tolerancia de
E S = 0.001%.
5.21
Desarrllese un programa para el mtodo de la secante basado en lafigura 5.4
y en la seccin 5.3.2. Prubese el programa duplicando los clculos del ejemplo
5.6.
5.22 sese el programa desarrollado enelproblema 5.21 para resolver los problemas 5.6, 5.9 y 5.10. En todos los casos, realcense los clculos dentro de la
tolerancia de es= 0.001%.
CAPTULO SEIS
CASOS DE LA PARTE DOS:
RACES DE ECUACIONES
La finalidad de este captulo es la de usar los procedimientos numricos

analizados en los captulos 4 y 5 para resolver problemas reales de ingeniera. Los mtodos numricos son importantesen la prctica ya que frecuentemente los ingenierosencuentranproblemasqueno
se pueden
plantear desde un punto de vista analtico. Por ejemplo, algunos modelos matemticos quese pueden resolver analticamente no son aplicables
en los problemas prcticos. Debido a esto, se deben usar modelos ms
complicados. En estos casos, es conveniente implementar un mtodo numrico que se pueda usar en una microcomputadora.En otros casos, los
problemas requerirn soluciones explcitas enecuaciones muy complicadas (recurdese la seccin 11.1.2 y el ejemplo 4.5).
Los siguientes casos de estudio son una muestra de aquellos que en
forma rutinaria se encuentran durante los estudios superiores o de licenciatura. MAS an, son problemas representativos de aqullos que se encontrarn en la vida profesional. Los problemas van desde la ingeniera
econmica en general, hasta las especialidadesde la misma: qumica, civil, elctrica y mecnica. Estos casos deestudioilustranalgunosde
los
factores de ms importancia entre las tcnicas numricas.
Por ejemplo, el caso 6.1 hace uso de todos los mtodos, con excepcin del mtodo de Newton-Raphson para analizar puntos de equilibrio
que resulteneconmicos. El mtodo de Newton-Raphson nose us porque
la funcin en an6lisis es difcil de derivar. Entre otras cosas, en el ejemplo
se demuestra como puede divergir el mtodo de la secante, sielvalor
inicial no se encuentra lo suficientemente cerca de laraz.
El caso 6.2 tomado de la ingeniera qumica, muestra un ejemplo excelente de cmo se pueden aplicar los mtodos para la bsqueda de races de frmulas quese presentan en la prctica de la ingeniera. Adems,
este ejemplo demuestrala eficiencia del mtodo de Newton-Raphsoncuando se requiere un gran nmero de clculos en la localizacin de la raz.
LOScasos 6.3, 6.4 y 6 . 5 son problemas de ingeniera de diseo, tomados del rea de civil, elctrica y mecnica. El caso 6.3 aplica tres mtodos diferentes para determinar las racesde un modelo de crecimiento
INGENIEROS
METODOS
172
NUMRICOS
PARA
demogrfico. En el cuso 6.4, se realiza un anlisis semejante de un circuito elctrico. Finalmente, el caso 6.5 analiza las vibraciones de un automvil. Adems de analizar la eficiencia de cada uno de los mtodos, este
ejemplo tiene una caracterstica adicional, que es la de ilustrar cmo los
mtodos grficos sirven de ayuda en el proceso de localizacin de races.
CASO 6.1
ANALISISDE PUNTO DE EQUILIBRIO

(INGENIERAENGENERAL)
Antecedentes: en la prctica de la ingeniera ptima se requiere que los
proyectos, productos y la planificacin de los mismos sean enfocados de
tal manera que resulten econmicos. Porlo tanto, a un ingeniero con experiencia deben serle familiares los anlisis de costos. El problema que
se trata en esta seccin se conoce como problema de puntos de equilibrio. Se usa para determinar el punto en el cual dos alternativas tienen
valores equivalentes. Estos problemas se encuentran en todos los campos dela ingeniera. Aunque el problema se enfoca en trminos personales, se puede tomar como prototipo de otros problemas de anlisis de
puntos de equilibrio, que se encuentran a menudo
en la vida profesional.
Se est considerando la compra de una o dos microcomputadoras:
La Micro-unoy la Micro-dos. En el cuadro 6.1 se encuentran resumidas algunas caractersticas, los costos aproximados y los beneficios de
cada una de ellas. Si se puede pedir un prstamo con un inters del 20%
(i = 0.20), cunto tiempo se deber poseer las mquinas, de manera
que tengan un valor equivalente? En otras palabras, cul es el punto de
equilibrio medido en aos?
Solucin: como es comn en problemasde economa, se tiene una mezcla de costos presentes y futuros. Por ejemplo, en la figura 6.1 se muestra que la compra de la Micro-uno involucra un gasto inicial de $3 000.
Adems de este desembolso, tambin se requiere dinero para el mante-
CUADRO 6. l
Costos y beneficios de dos microcomputadoras.Los signos negativos indican un costoo una perdida mientras que un signo positivo indica una
ganancia
COMPUTADORA
Micro-dos Micro-uno
compra,
Costo de
$
Incremento en el mantenimiento
del costo por ao,
$/ao/ao
Ganancias y beneficios anuales,
$/ao
-3000
-1 0,000
-200
-50
1000
4000
FIGURA 6.1
Diagrama de fluio de efectivos de costos y beneficias de la Micro-uno.

La abscisa muestra el nmero de aos que se posee la computadora. El
fluio de efectivos se mide en lo ordenada, con los beneficios positivos
y los costos negativos.
nimiento anual de la mquina. Debidoa que estos costos tiendena aumentar a medida que la mquina se usa ms y ms, se supone que los Costos
de mantenimiento crecen linealmente con el tiempo. Por ejemplo, alrededor del dcimoao se requieren $2 O00 anuales para mantenerla mquina en condiciones de trabajo (Fig. 6.1). Finalmente y adems de estos
costos se deben deducir beneficios del propietario de
la computadora. Las
la Micro-uno se caracterizan por
ganancias y las prestaciones derivadas de
un ingresoanualconstante de $ 1 000.
Para valorar las dos opciones estos costos se deben convertir en medidas comparables. Una manerade hacerlo es expresando todos los costos individuales como si fuesen pagos anuales, estoes, el costo equivalente
por ao sobretoda lavida til de la computadora. Las ganancias y
las prestaciones yase encuentran en este formato.Se puede disponerde las
frmulas de economa para expresar los costos de compray de mantenimiento de la misma forma. Por ejemplo, el costo de la compra inicial se
puede transformar en una serie de pagos anuales mediante la frmula
(Fig. 6 . 2 ~ ) :
A, = P
i(1 + i)"
(1 + i)" - 1
en donde A, es el monto del pago anual, P es el costo dela compra,

i es la tasa de inters y n es el nmero de aos. Por ejemplo, el pago
M~TODOS
174
FIGURA 6.2
Esquemagrficodel uso deunafrmuladeeconoma,

a ) Tranformacin de un pago en una serie de pagos anuales equivalentes usando la
ecuacin (6.1) y b) transformacin de una serie de gradiente aritmtico
en una serie de pagos anuales equivalentes usando la ecuacin (6.2).
inicial de la Micro-uno es de $-3 000, en donde el signo negativo indica

prdidas. Si la tasa de inters es del 20% (i = 0.2), entonces:
Ap = -3000
O.Z(l.2)"
1.2" - 1
Por ejemplo, si los pagos iniciales se extienden hasta 10 aos ( n = lo),

se puede usar esta frmula para calcular que el pago anual equivalente
sera de $-715.57 por ao.
A los costos de mantenimiento seles conoce como serie de gradiente
aritmtico porque crecen a un promedio constante. La conversin de estas series a una tasa anual A se puede calcular con la frmula:
en dondeG es la tasa de crecimiento en el mantenimiento. Como se puede

ver en la figura 6.26 esta frmula transforma el costo de mantenimiento
creciente en una serie equivalente de pagos anuales constantes.
Estas ecuaciones se pueden combinarde forma tal que se pueda expresar el valor de cada computadora en trminos de una serie uniforme
de pagos Por ejemplo, para la Micro-uno:
A,= -3 O00
valor total =
[1
-200
0.2(1.2)"
1.2" - 1
"
- 1
1.2"
0.2
-costo de compra -
costo
de
mantenimiento
+ 1 O00
+ ganancias
en donde A, denota el valor anual total. Agrupando trminos, esta ecuacin se puede simplificar:
A, =
-600( 1.2)"
200n
1.2" - 1
1.2" - 1
~6.31
Si despus de poseer la Micro-uno durante dosaos se decide descartar-
la, entonces sustituyendo n = 2 en la ecuacin (6.3) resultar que el costo es de$1055 por ao. Si la computadorase descarta despus de poseerla
10 aos (n = lo),la ecuacin muestra un costo de $330 por ao.
De manera similar, para la Micro-dos se puede desarrollar una ecuacinparael costo anual, dadapor:
A, =
-2 OOO(1.2)"
1.2" - 1
50n
1.2" - 1
+ 3750
~6.41
Los valores de la ecuacin (6.4) para n = 2 y n = 10 sonde $-2 568

+ 1461 por ao, respectivamente. De estamanera, aunque la Microdos es ms costosa en base a periodos cortos, si se posee por periodos
largos, no slo es ms barata, sino que producir ganancias al propietario. En la figura 6.3a se muestran las ecuaciones (6.3) y (6.4)para varids
valoresde n .
La identificacin del punto enel que las dos mquinas tienen valores
iguales indica cuando la Micro-dos viene a ser la mejor compra. Grficamente, esto corresponde a la interseccin de las dos curvas en la figura
6.3~1.Desde un punto de vista matemtico, el punto de equilibrio es el
valor de n para el que las ecuaciones (6.3)y (6.4)son equivalentes, esto es:
y$
-600(1.2)"
1.2" - 1
200n - -2 OOO(1.2)"
1.2" - 1
1.2" - 1
50n + 3 750
1.2" - 1
pasando todos los trminos de un lado, el problema se reduce a encontrar la raz de la funcin:
f(n) =
- 1 400( 1.2)"
1.2" - 1 -
150n
1.2" - 1
3 750 = O
~6.51
Ntese que debidoa la forma en que se ha derivado la ecuacin, la Microuno es ms efectiva en cuanto a costos cuando f (n) < O y la Micro-dos
lo es cuando f (n) > O (Fig. 6.3b). Las races de la ecuacin (6.5) no
se pueden determinar analticamente. Por el otro lado, los pagos anuales equivalentes son fciles de calcular dada una n. De esta forma, como en el
176
FIGURA 6.3
a) Curvas del costo neto de las computadorasMicro-uno[Ec. (6.3)]y

Micro-dos [Ec. (6.4)]. b) La funcin de punto de equilibrio [Ec. (6.5)J.
estudio de la seccin 11.1.2 y el ejemplo 4.5, los aspectos considerados en

la elaboracin de este problema crean la necesidad de un planteamiento
numrico.
Las races de la ecuacin (6.5)se pueden calcular usando algunos
de los mtodos numricos descritos en los captulos 4 y 5. Se pueden
aplicar los mtodos que usan intervalos y el mtodo de la secante con
un esfuerzo mnimo, mientrasque el mtodo de Newton-Raphson es embarazoso ya que consume muchotiempo al determinar d f / d n de la ecuacin (6.5).
En base a la figura 6.3, se sabe que la raz se encuentra entre n = 2 y
n = 10. Estos valores se pueden usar en el mtodo de biseccin. L a biseccin d e intervalos se puede llevar a cabo 18 veces para obtener un
resultado en donde E, sea menor de 0.001%. El punto de equilibrio ocurre a los n = 3 . 2 3 aos. Este resultado se puede verificar sustituyndolo
en la ecuacin (6.5) para ver que f (3.23) = O.
Sustituyendo n = 3 . 2 3 ya sea en la ecuacin (6.3)o en la (6.4)se
muestra que en el punto de equilibrio el costo de cualquiera de ellas es
CES
CASOS
DOS:
LA PARTE
DE ECUACIONES
177
de $542 por ao. Ms all de este punto, la Micro-dos es ms efectiva

en cuanto a costos. Por consiguiente, si se piensa comprar una mquina
y poseerla por ms de 3.23 aos, la Micro-dos es la mejor compra.
El mtodo de la regla falsa se puede aplicar fcilmente a este problema. Se obtiene una razsimilar despus de 12 iteraciones enelmismo
intervalo inicial de2 a 10. Por otro lado, el mtodo de la secante converge a una raz de -24.83 con el mismo intervalo inicial. Sin embargo, si
el intervalo se reduce desde 3 hasta 4, entonces el mtodo de la secante
converge a 3.23 en slo cinco iteraciones. Es interesante notar que el
mtodo de la secante tambin converge en forma rpida siel intervalo
inicial es de 2 a 3, el cual no encierraa la raz. Estos resultados son tpicos
de los factores de importancia que se deben tomar en consideracin y
que se estudian posteriormente en el eplogo. Entonces el mejor mtodo
numrico para este problema depende del juicio emitido respecto a los
factores de importancia, tales como eficiencia numrica, costo de las computadoras y laconfiabilidaddel mtodo.
CASO 6.2
LEYES DE LOS GASESIDEALES Y NO IDEALES

(INGENIERA QUMICA)
Antecedentes: la ley d e los gases ideales est dada por:
en donde p es la presin absoluta, V es el volumen y n es el nmero de

moles. R es la constante universal de los gases y T es la temperatura absoluta. Aunque esta ecuacin la usan ampliamente los ingenieros y cientficos, slo es exacta sobre un rango limitado de presin y temperatura.
Ms an, la ecuacin (6.6)es ms apropiada para algunos gases que para otros.
Una ecuacin alternativa del estado de los gases est dada por:
r6.71
a la que se le conoce con elnombre de ecuacin de van der Waals. u

= V / n es elvolumenmolal
y a y b son constantes empricas que dependen de un gas en particular.
Un proyecto de ingeniera qumica requiere que
se calcule exactamente
el volumen molal (u) del bixido de carbono y del oxgeno para combinaciones diferentes de la temperatura y de la presin, de tal forma que
se pueda seleccionar una vasija apropiada que los contenga. Asimismo,
es importante examinar que tan bien se apega cada gas a laley de los
178
NUMERICOS
METODOS
PARA INGENIEROS
gases ideales, comparandolos volmenes molales calculados conlas ecuaciones (6.6) y (6.7). Se proporcionan los siguientes datos:
R = 0.082 054 1 . atm/(mol . K)

a = 3.592
b = 0.042 67
a = 1.360
b = 0.031 83
bixido de carbono
Las presiones de inters en el diseo son de 1, 10 y 100 atm. para combinaciones de la temperatura de 300, 500 y 700K.
Solucin: los volmenes molares de ambos gases se calculan con la ley
de los gases ideales, con n = 1. Por ejemplo, si p = 1 atm y T = 300K,
entonces:
v = - = -
RT = 0.082 054
P
I atm 300 K
m o l . K I atm
v = 24.616 2 l/mol
Estos clculos se repiten para todas las combinaciones de presin y temperatura y se presentan en el cuadro 6.2.
Los clculos del volumen molar a partir de la ecuacin de van der
Waals se pueden llevar a cabo usando cualquier mtodo numrico que
encuentre races de los estudiados en los captulos 4 y 5, de la siguiente
manera:
CUADRO 6.2
Clculos del volumen molar del caso de estudio 6.2

VolumenmolalVolumenmolalVolumenmolal
(ley
de los
(van
der
Waals)
(van
der
Temperatura
Preridn
gases
ideales)
bixido
de
Waals)
oxgeno
K
atm
llmol llmol llmol
carbono
300
500
700
1
10
1O0
1
4.0578
10
1 O0
1
5.7242
10
0.5575
1 O0
24.6162
2.46 16
0.2462
1.0270
40.982
4
4.1027
0.4
0.3663
1 03
57.41
57.4378
5.7438
0.5744
24.5126
2.3545
0.0795
1
79
24.5928
2.4384
0.2264
4 1 .O259
4.1016
0.4116
57.4460
5.7521
0.5842
179
CASOSDE LA PARTE DOS:RA~CES

DE ECUACIONES
En este caso,la derivada d e f ( u ) se determina fcilmente y es conveniente implementar el uso del mtodo de Newton-Raphson. La derivada de
f respecto a u est dada por:
a
2ab
+f(U) = p - 3 u3
El mtodo de Newton-Raphson se describe mediante la ecuacin (5.6)
como:
la cual se puede usar en el clculo de la raz. Por ejemplo, usando el

valor inicial de 24.616 2,el volumen molal del bixido de carbono a 300K
y a 1 atm se calcula como 24.512 6 I/mol. Este resultado se obtuvo despus de dos iteraciones y con un E,, menor de O. O01 %.
En el cuadro 6.2 semuestran resultados similares para todas las combinaciones de presin y de temperatura para ambos gases. Se observa
que los resultados obtenidos con la ecuacin de van der Waals difieren
en ambos gases de los de la ley de los gases ideales, de acuerdo a los
valores especficos de p y de T . Ms an, ya que algunos de estos resultados son significativamente diferentes, el diseo de las vasijas que contendrn a los gases sera muy diferente, dependiendo de qu ecuacin
de estado se haya usado.
En este caso, al usar el mtodo de Newton-Raphson se examin una
ecuacin del estado gaseoso complicada. Los resultados variaron significativamente en varios casos usando la ley de los gases ideales. Desde un
punto de vista prctico, el mtodo de Newton-Raphson fue apropiado
en este casoya que f( u ) fue fcil de calcular. De esta manera, se pueden
explotar las propiedades de rpida convergencia del mtodo de NewtonRaphson.
Adems de demostrar su potencia en un simple clculo, el mtodo
de Newton-Raphson ilustra en este caso de estudio lo atractivo que es
cuando se requiere unagran cantidad de clculos. Debido a la velocidad
de las microcomputadoras, la eficiencia de cada uno de los mtodos en
la solucin de la mayor parte de races de ecuaciones se vuelve indistinguible en un clculo simple. Aun la diferencia de decenas entre el mtodo eficiente de Newton-Raphson y el mtodo poco. refinadode biseccin
no significa una gran prdida de tiempo cuando se realiza un solo clculo. Sin embargo, supngase que se desea calcular una raz millones de
veces para resolver un problema. En este caso, la eficiencia del mtodo
puede ser un factor decisivo al escogerlo.
Por ejemplo, supngase que es necesario disear
un sistema de control automtico computarizado de un proceso de produccin de sustancias qumicas. Este sistema requiere una aproximacin exacta de volmenes
180
molales con basea un medio esencialmente continuo para fabricar

convenientemente el producto final. Se instalan calibradores que proporcionan
lecturas instantneas dela presin y la temperatura. Se deben obtener
evaluaciones de u para toda la variedad de gases que se usan en el
proceso.
Para estas aplicaciones, los mtodos que usan intervalos, tales como
el de biseccin o de la regla falsa, posiblemente consuman mucho tiempo. Adems, los valores iniciales que se requieren con estos mtodos generaran un retraso enel procedimiento. Este inconveniente igualmente
afecta al mtodo de la secante, que tambin necesita dos valores iniciales.
En contraste, el mtodo de Newton-Raphson requiere 6nicamenteun
valor inicial de la raz. Se puede usar la ley de los gases ideales paraobtener este valor al inicio del proceso. Despus, suponiendo que el tiempo
empleado sea lo bastante corto como para que la presin y la temperatura no varen mucho durante los clculos, la solucin de laraz anterior
se puede usarcomo valor inicial de la siguiente. De esta forma, se tendra
disponible de forma automticaun valor aproximado cercano a la solucin,
requisito indispensable en la convergencia del mtodo de Newton-Raphson.
Todas estas consideraciones favorecern de manera considerable al mtodo
de Newton-Raphson en estos problemas.
CASO 6.3
DINMICA DEL CRECIMIENTODEMOGRFICO

(INGENIERA CIVIL)
Antecedentes: la dinmica del crecimiento demogrfico es de importancia en todos los planes de estudio de ingeniera. Los progamas de consa gran escala, tales
truccin y dedistribucinderecursosenproyectos
como el abastecimiento de agua y sistemas de transporte dependen en
gran medida de las tendencias dela poblacin. Adems, las tendencias
deotrotipode poblaciones, tales como los microbios, son importantes
en muchos procedimientos de ingeniera,como en el tratamiento de basura, enel manejo dela fermentacin y enla elaboracin de productos
farmacuticos.
Los modelos de crecimiento en un grupo de microbios suponen que
el promedio de cambio de la poblacin (p)es proporcional a la poblacin
existente en un tiempo ( t ) :
La poblacin crece en un medio enel que existe alimento suficiente de

manera que k no es una funcin de la concentracin. (Vase el caso 12.2
que muestra un ejemplo en donde k depende del nivel alimenticio.)Cuando el alimento no escasea, el crecimiento se limita slo por el consumo
de productos txicos o de espacio, si es que el tamao de la poblacin
crece demasiado. Con el tiempo, estos factores retardan la tasa de creci-
CASOS DE
DE
DOS: RAiCES
ECUACIONES
181
miento de la poblacin y la detienen completamente cuando sta alcanza

una densidad mxima de pmex.
En este caso, se modifica la ecuacin anterior de la siguiente manera:
en donde las unidades de K son litros por clula por da. Esta ecuacin
diferencial se puede integrar de forma analtica dando:
en donde p ( t = O) = po. A la ecuacin (6.9) se le conoce como el modelo de crecimiento logstico. Como se muestra en la figura 6.4, este modelo genera unacurva de p ( t ) enformade S. Como se puede ver, el
modelo simula un crecimiento inicial lento, seguido por un periodo de
crecimiento rpido y finalmente, un crecimiento limitado a una densidad
demogrfica muy alta.
Como ejemplo de aplicacin de este modelo en el rea de la ingenieun
ra civil, considrese el crecimiento de una poblacin bacteriolgica en
lago. El crecimiento se comporta como lodefine la ecuacin (6.9). La
poblacin es pequeaen la primavera del ao en donde f = O, p(f = O) =
10 clulasporlitro.Essabidoque
la poblacinalcanzaunadensidad
de 15 O00 clulas Dor litro cuando t = 60 das y que la tasa de crecimien-
FIGURA 6.4
Un modelo logstico de crecimiento demogrfico. El modelo simuiaun

crecimiento inicial lento, despus una aceleracin en I mismo seguido
por un periodo de nivelacin en una densidad poblacional alta.
METODOS
182
NUMRICOS
PARA INGENIEROS
to K esde 2 X
litrosporclulapor da. Se requierecalcularla densidad de la poblacin bacterial cuando t = 90 das. Si su nmero excede
de 40 O00 clulas por litro, entonces la calidad estndar del aguarequiere la implementacin de algn procedimiento para disminuirlas y proteger a las personas que se introduzcanal agua.
Solucin: sustituyendo la informacin conocida enla ecuacin (6.9) se

obtiene:
15 O00
P m6x
[6.10]
lacualtiene slo unaincgnita, pmdx.

Si la ecuacin (6.10) se pudiera
entonces p(t = 90) se podra determinar fcilmente
resolver para pmAx,
de la ecuacin (6.9).Sinembargo,yaque pmsxes implcita,nosepuede
obtener directamente de la ecuacin (6.10).Por lo tanto, se debe usar un
mtodo numrico de los captulos 4 y 5. No se usar el mtodo de NewtonRaphson ya que la derivada de la ecuacin (6.10)es difcil de determinar.
Sin embargo, se pueden aplicar fcilmente los mtodos de biseccin, de la
regla falsa y de la secante. Con un error relativo del 0.01% los valores iniciales dados de 60 O00 y 70 O00 clulas por litro generan las siguientes aproximaciones de pmsx.
Mtodo empleado
Biseccin
Regla falsa
Secante
Resultado
lteracioner
63 198
63 199
11
63 200
5
4
Ntese que los mtodos de la regla falsa y de la secante convergen a la

mitaddel nmero de iteraciones del mtodo de biseccin.
Ahora, de la ecuacin (6.9),con pmdx= 63 200:
P(90) =
63 200
e-2x10-6(63
= 58 930 clulas por litro

200)(90)
Este nivel demogrfico sobrepasa el lmite estndar en cuanto a calidad

del agua que es de 40 O00 clulas por litro y por lo tanto, se debe tomar
algunamedida de correccin.
Este ejemplo, ilustra la eficiencia computacional relativa de tres mtodos diferentes para encontrar racesde ecuaciones en un problema de
diseo de ingeniera civil. Sin embargo, como se menciona anteriormente, el esquema general tiene una aplicacin amplia en todos los campos
CASOS DELAPARTE
183
DOS: RAiCESDE ECUACIONES
de la ingeniera que tengan que ver con el crecimiento de organismos,

incluyendo a los humanos.
CASO 6.4
DISEODE UNCIRCUITO ELCTRICO

(INGENIERA ELCTRICA)
Antecedentes: los ingenieros electrnicos usan a menudo laley de Kirchoff para estudiar el comportamiento de los circuitos elctricos en estado estacionario (que no varan con el tiempo). Enel caso 9.4 se analiza
el comportamiento de estos estados estacionarios. Otro tipo de problemas son los de corriente momentnea e implica a los circuitos donde sbitamente suceden cambios temporales. Esta situacin ocurre cuando se
cierra el interruptor de la figura 6.5. En este caso, despus de cerrar el
interruptor hay un periodo de ajuste hasta que se alcanza un estado estacionario. La longitud de este periodo de ajuste est relacionada con las
propiedades de almacenamiento de carga del capacitor y con el almacenamiento de energa dentro del inductor. El almacenamiento de energa
puede oscilar entre estos dos elementos durante un periodo transitorio.
Sin embargo, la resistencia en el circuito disipa la magnitud de las oscilaciones.
El flujo de corriente a travs de la resistencia causa una cada de voltaje (V,) dado por:
VR = iR
en donde i es la corriente y R es la resistencia del circuito. Cuando las unidades de R e i son ohm y amperes, respectivamente, entonces la unidad
de V es elvolt.
De manera semejante, un inductor resiste el cambio enla corriente,
de forma tal que la cada de voltaje (V,) alcruzarlo es de:
di
vr = Ldt
,
Interruptor
-
Batera
y';
7-4
v0
,a
' +
Capacitor
Inductor
Resistencia
FIGURA 6.5
Un circuito elctrico. Cuando se cierra el interruptor, la corriente experimenta una serie de oscilaciones hasta que se alcance un nuevo estado
estacionario.
184
INGENIEROS
MTODOS
NUMRICOS
PARA
en donde L es lainductancia.Cuandolasunidadesde
L e i sonhenrios
y amperes, launidadde
V, es elvolt y launidadde t es el segundo.
La cada de voltaje a travs del capacitor (V,) depende de la carga (4)
sobreelmismo:
vc = 9
en donde C es la capitancia. Cuando las unidades de carga se expresan en

culembios, launidad de C es el faradio.
La segunda ley de Kirchoff indica que la suma algebraica de las cadas de voltaje en un circuito cerrado es cero. Despus de cerrar el interruptor se tiene:
di
L - + R i + - =9 O
clt
C
Sin embargo, la corriente est dada enfuncindela
I=-
carga como:
d9
dt
Por lo tanto:
Esta es una ecuacin diferencial ordinaria de segundo orden que se puede resolver usando los mtodos de clculo. La solucin est dada por:
FIGURA 6.6
La carga en un capacitor en funcin del tiemp o que se presenta

enseguidade cerro:el
interruptoren la figura
6.5.
donde t = O , q = qo = VoC, y Vo es el voltaje enla batera.La ecuacin (6.11) describe lavariacin de la carga enel capacitor enfuncin
del tiempo. Lasolucin q(t) se grficaenlafigura
6.6.
Un problema de diseo tpico en ingeniera elctrica, puede necesitar
que se determina la resistencia apropiada para disipar energa a una velocidad constante, con los valores de L y C conocidos. En este caso se supone que la carga se debe disipar al
1% desuvalororiginal (q/q,, = 0.01)
en t = 0.05 S , con L = 5 H y C = lO-"F.
_ l _ _ _ _ _ - ~ _ _ l l l . " " " ~.~

"
"
CASOS DE
DE
DOS: RAiCES
ECUACIONES
185
Solucin: es necesarioresolver para R la ecuacin (6.11), usando los valores conocidos de q , qo, L y C. Sin embargo, se debe emplear un mtodo numrico ya que R es una variable implcita de la ecuacin (6.11).
Se usar el mtodo de biseccin para este propsito. Los otros mtodos
estudiados en los captulos 4 y 5 tambin son apropiados, aunqueel mtodo de Newton-Raphson tiene desventajas debido a que
la derivada de
la ecuacin (6.11)es muy complicada. Reordenando la ecuacin (6.11)
se obtiene:
o, usando los valores numricos dados:
f ( R ) = e-o.oo5R
cos(d2000 - 0.01R20.05) - 0.01
C6.121
Examinando esta ecuacin puede verse que un rango inicial razonable

de R es de O a 400 Q (ya que 2 O00 - 0.01R2 debe ser mayor de cero). La figura 6.7, grfica de la ecuacin (6.12),lo confirma. Con vein-
FIGURA 6.7
Grfica de la ecuacin (6.12) usada en la obtencin de valores iniciales

de R que encierren a la raz.
1 86
NUMERICOS
MTODOS
PARA INGENIEROS
tin iteraciones del mtodo de biseccin se obtiene R = 328.1515, con

un errormenor al 0.000 1%.
De esta forma, se puede especificar una resistencia con este valor en
el diagrama de lafigura 6.5 y esperar que ladisipacin sea consistenno se
tecon los requisitosdelproblema.Esteproblemadediseo
puederesolvereficientemente
sinusarlos
mtodos de loscaptulos
4 y 5.
CASO 6.5
I
resorteirnasa
ANALISIS DE VIBRACIONES
(INGENIERIA MECANICA)
Antecedentes: las ecuaciones diferenciales se usan a menudo para modelar el comportamiento de sistemas en ingeniera. Uno de tales modelos, que se aplica ampliamente enlamayorpartede
los campos de la
ingeniera, es el oscilador armnico. Algunos ejemplos bdsicos deloscilador armnico son el pndulo simple, una masa atada a un resorte y un
circuito elctrico inductor-capacitor (Fig. 6.8). Aunque estos son sistemas
fsicos muy diferentes, sus oscilaciones se pueden describir mediante un
mismo modelo matemtico. De esta manera, aunque este problemaanaliza
el diseo de un amortiguador para un automvil, el comportamiento general se aplica a una gran variedad de problemas en todos los
campos
de la ingeniera.
Como se ilustra en la figura 6.9, un conjunto de resortes sostienen
un auto de masa m . Los amortiguadores presentan una resistenciaal movimiento del auto la cual es proporcional a la velocidad vertical (movimiento ascendente-descendente) del mismo. La alteracin del equilibrio
del auto provoca que el sistema oscile como x@). En un momento cual;
quiera, las fuerzas que actan sobre la masa m son la resistencia de los
resortes y la capacidad de absorber el golpe de los amortiguadores. La
'n
corriente
circuito LR
FIGURA 6.8
Ejemplos de tres osciladores armnicos. Las flechas dobles indican las
oscilaciones de cada
sistema.
FIGURA 6.9
Un auto de masa m.
CASOS DE LA PARTE DOS: RAfCES DE ECUACIONES
187
resistencia de los resortes es proporcional a la constante de los mismos

(k) y a la distancia al punto de equilibrio ( x ) :
resorte
del
= "kx
Fuerza
[6.13]
en donde el signo negativo indica que la fuerza de restauracin regresa

al auto a su posicin de equilibrio. La fuerza de amortiguacin est dada
por:
Fuerza de amortiguacin =
dx
dt
"
c
-
en donde c esun coeficiente de amortiguamiento y dx/dt es la velocidad

vertical. El signo negativo indica que la fuerza de amortiguacin acta en
direccin opuesta a la velocidad.
Las ecuaciones de movimiento para el sistema estn dadas por la segunda ley de Newton (F = ma), que en este problema est expresada
como:
d2x
-
dx
dt
dt
Masa x aceleracin
"c -
fuerza de amortiguacin
(-W
+ fuerzadelresorte
-d2x
+ " - +c"dx
X=ok
dt2
m dt
Esta es una ecuacin diferencial ordinaria de segundo ordenque se puede resolver con los mtodos del clculo. Por ejemplo, si el auto encuentra por casualidad un hoyo en el camino en t = O de tal forma que se
desplaza del punto de equilibrio x = x. y dx/dt = O , entonces:
x ( t ) = e-"' (xocos pt
n
-
sen pt)
[6.14]
donde n = c / ( 2 m ) , p = dk/m-c2/(4m2) v k/m > c2/(4m2).La

ecuacin (6.14) proporcionala velocidad vertical del auto en funcin del
tiempo. Los valores de los parmetros son c = 1.4 por lo7 g / s , m =
1 . 2 por lo6 g y k = 1.25 por lo9 9/s2. Si x. = 0.3. las consideraciones de diseo enla ingeniera mecnica requieren que se denlos estimados en las tres primeras ocasiones que el auto pase a travs del punto
de equilibrio.
1 88
INGENIEROS
MTODOS NUMRICOS
PARA
Solucin: este problema de diseo se puede resolver usando los mtodos numricos de Tos captulos 4 y 5. Se prefieren los mtodos que usan
intervalos y el de la secante ya que la derivada de la ecuacin (6.14) es
complicada.
Lasaproximacionesa
los valores iniciales seobtienenfcilmente
con base a la figura 6.10. Este caso de estudio ilustra cmo los mtodos
grficos proporcionan a menudo informacin muy importante para aplicar satisfactoriamente los mtodos numricos. La grfica ilustra que este
problema es complicado debido a la existencia de varias races, por lo
que en este caso, se deben
usar intervalos pequeos para evitar traslapes
de races.
En el cuadro 6.3 se enlistan los resultados obtenidos porlos mtodos
de biseccin, la regla falsa y la secante, con un criterio de paro del O. 1% .
Todos los mtodos convergen rpidamente. Como era de esperarse,los
mtodos de la regla falsa y de la secante son ms eficientes que el de biseccin.
Ntese que para todoslos mtodos los errores relativos porcentuales
aproximados son mayores que los errores reales. De esta forma, los resultados son exactosal menos hasta el criterio de paro, el O. 1%. Sin embargo, puede observarse tambin que el mtodo de la regla falsa y el de
FIGURA 611O
Grfico de lo posicin de un amortiguador respecto altiempodespus

que lo rueda del auto cae enun hoyo del camino.
"
.
"
..
189
CASOS
CUADRO 6.3 Resultados obtenidosal usar los m6todos de bisecciin, regla falsay de la secante para localizar las primeras tres races delas vibraciones de un amortiguador. Seu d un
crfterio de paro del 0.1 para obtener estos resultados. N6tese quelos valores exactos de las races son0.055 209 532 9, 0.1 54 178 13 y 0.253 1 4 6 726
~
-~
MBtodo
Valor
inicial
Valor
inicial
Aproximaciin
Nmero
de
inferior
superior
a la M ~ Z
Biseccin
0.0
o. 1
0.1
0.3
0.2
0.0
Regla
falsa
o. 1
Secante
0.0
0.0552246
0.1541992
0.2
0.1
0.2
0.3
o.1
0.2
o. 1
0.1541780
0.2
0.0552095
0.069
O. 1541790
0.043
0.2531475
0.0552095
0.2
0.3
0.2531465
ERROR RELATIVO
PORCENTUAL
iteraciones
Aproximado
Verdadero
110.027
0.014
10
0.088
0.063
0.002
4
4
5
5
5
0.0001
0.0006
0.0003
0.038
0.020
0.017
0.0001
0.0001
0.0001
la secante son muy conservadores en esta relacin. Recurdese el anlisis de la seccin 4.3 en que elcriterio de paroconstituye esencialmente una aproximacin a la diferencia con la iteracin anterior. De esta
forma, para esquemas de convergencia rpida como los mtodos Cte la
regla falsa y de la secante, la mejora en exactitud entre dos iteraciones
sucesivas es tan grande que E" ser, en general, mucho menor que E,.
El significado prctico de este comportamiento es de poca importancia
cuando se va a determinar slo una raz. Sin embargo, si se requiere calcualar varias rakes, la convergencia rpida viene a ser una propiedadmuy
valiosa como para tomarla en cuenta cuando se escoge un mtodo en
particular.
PROBLEMAS
Ingeniera en general
6.1
Usando los programas propios, reprodzcanse los clculos realizados en el caso 6.1.
6.2
Realcense los mismos clculos del caso de estudio 6.1, pero usando una tasa de
inters del 17% (i = 0.17). Si es posible, sense los programaspropios para
determinar los puntos de equilibrio. De otra manera, sese cualquiera de los mtodos analizados en los captulos 4 y 5 y realcense los clculos. Justifquese el uso
del mtodo escogido.
6.3
Enel caso 6.1, determnese el nmero de aos que se debe poseer laMicro dos
para que genere ganancias. Esto es, calclese elvalor de n en el cual A, de la
ecuacin (6.4) sea positivo.
190
6.4
Usando un esquema similar al del caso 6.1, se puede desarrollar la siguiente ecuacin para determinar el costo anual neto de una microcomputadora:
-3000(1.2),
A"
+-
12" - 1
175n
12" - 1
5000
Encuntrese el valor de n tal que A, sea cero.

6.5
Supngase que se desea comprar un automvil y est6 limitado a dos opciones.

Como en el caso 6.1, el costo anual neto de poseer cualquiera delos dos vehiculos est compuesto por el costo de compra, costo de mantenimiento y de las ganancias:
Costo de compra, $
Costo de mantenimiento,
$/ao/aiio
-200
Modelode lu/o
Modelo econmico
- 15,000
-5000
-400
Ganancias anuales y
beneficios, $
7500
Si la tasa de inters es del 12.5% ( i

para los automviles.
6.6
0.125),calcular el punto de equilibrio (n)
Si se compra una pieza de equipo en$20 O00 en abonos, pagando $5 O00 duranel costo
te 5 aos. Qu tasa deinters se est pagando?La frmula que relaciona
actual (P),los pagos anuales ( A ) ,el nmero de aos (n)y la tasa de inters es:
A = P
6.7
3000
i(l
(1 +
i)"
i)"
Debido a que las tablas de economa se desarrollaron hace mucho tiempo, no se

programaron para las tasas altas de inters que prevalecen hoy en da. Adems,
no se planearon para manejar tasas
de inters fraccionarias. Como
e n el problema
siguiente, se puedenusar mtodos numricos para deteminar
las estimaciones econmicas en estas situaciones.
Un nuevo centro dediversiones cuesta $10 millones de pesos y produce una
ganancia de $2 millones. Si la deuda se debe pagar en 10 aos a qu tasa de
, el pago anual (A) y la tasa
inters debe hacerse el prstamo? El costo actual (P)
de inters (i)se relacionan entre s mediante la siguiente frmula:
- -
(1
i)"
i(l
i)"
donde n es el nmero de pagos anuales. Para este problema,
10000000
= 5
2000000
A
Por lo tanto, la ecuacin se transforma en:
"
5 =
(1
+
i(1
- 1
i)'O
-
i)
PARTECASOS
LA
DOS: RAiCES DE ECUACIONES
191
La tasa de inters que satisface esta ecuacin se puede determinar encontrando

la raz de:
j(i) =
a)
(1
- 1
)'O
+ i)
i(l
-5
Dibjese j(i) contra i y para obtener una estimacin grfica de laraz.
b) Caclese i usando el mtodo de biseccin (contar las iteraciones).
c) Calclese i usando el mtodo de la regla falsa (contra las iteraciones)

En los incisos (b) y (c) sense los valoresiniciales de i = 0.1 y 0.2. Obtngase
un niveldel errordel 2% en ambos casos.
Ingeniera qumica
6.8
Usando losprogramas propios, realcense los clculos del caso 6.2.
6.9
Ejectense los mismos clculos del caso 6 . 2 , pero con el alcohol etlico (a = 12.02
y b = 0.084 07) a una temperatura de 350" K y una p de 1.5 atm. Comprense
los resultados con los de la ley de los gases ideales. Si es posible, sense los programas propios para determinar el volumen molar. De otraforma, sense cualquierra de los mtodos numricos analizados en los captulos 4 y 5 para realizar los
clculos. Justifquese el mtodo escogido.
6.1 O Reptase el problema 6.9 con xido nitroso (a = 3.782 y b = 0.044 15) a una
temperatura de 450" K y una p de 2 atm.
6.11
La temperatura (en grados Kelvin) de un sistema, varadurante el dade acuerdo con:
400
200
COS
27rt
~
1440
en donde t se expresa en minutos. La presin sobre el sistema esta dada por

p = e-t'1440. Desarrllese un programa que calcule el volumen molar del oxigeno en intervalos de un minuto a lo largo del da. Grafquense los resultados.
Si se tiene capacidad grfica en la computadora grafquense los datos. Si no es
as, grafquense los resultados a intervalos de 60 minutos. Los antecedentes de
este problema se pueden econtrar en el caso 6 . 2 .
6.12
En ingeniera qumica, los reactores de flujo (es decir, aqullos en que un fluido
va de un extremo al otro con una mezcla mnima a lo largo del eje longitudinal)
se usan a menudo para convertir reactivos en productos. Se ha determinado que
la eficiencia de la conversin se puede mejorar a veces reciclando una parte del
flujo del producto de manera que regrese a la entrada para un paso adicional
a travsdel reactor (Fig. P6. 12). La tasa de reciclaje se define como:
R =
volumen de fluido regresado a la entrada

volumen de fluido que deja el sistema
Supngase que se est&procesando una sustancia qumicaA para generarun producto B. Para el caso en que B de acuerdo a una reaccin autocataltica.
192
FIGURA P6.12
Representacinesquemtica de u n reactor d e fluioconreciclaje.
(esto es, en la que uno de los productos acta como catalizador o de estimulante
en la reaccin), o
A + B
- B + B
se puede demostrar que una tasa ptima de
reciclaje debe satisfacer
en donde X,, es la fraccin del reactante A que se convierteal producto B . La tasa ptima de reciclaje corresponde aun reactor de tamao mnimo, necesario para
alcanzar el nivel de conversin deseado.
sese el mtodo de biseccin para determinar las tasas de reciclaje necesarias
que minimicen al tamao del reactor en conversiones fraccionales de
U ) X,, = 0.99
b ) X , = 0.995
c)XA/ = 0.999
6.13 En un proceso qumico, el vapor de agua (HzO) se calienta a una temperatura lo

suficientementealta para que unaporcin significativa del agua sedisocie o se rompa
en partes para formar oxgeno (O,) e hidrgeno (Hz):
Si se supone que es la nica reaccin que se lleva a cabo, la fraccin molar (x)
de HzO que se separa puede representarse como:
k, = 1 - x
[P6.13]
en donde k, es la constante d e equilibrio de la reaccin y p t es la presi6n total de

la mezcla. Si p t = 2 atm. y k, = 0.045 68, determnese el valor de x que satisface a la ecuacin (P6. 13).
Ingeniera civil
6.14 Usando los programas propios, reptanse
los clculos del caso 6 . 3
CASOS DE LA PARTE
DE DOS: RACES
193
ECUACIONES
6.15 Efectense los mismos clculos del caso 6.3, pero con una tasa de crecimiento
de 1.5 por lo6 litros por clula por da.
6.17 La concentracin de la bacteria contaminante C en un lago decrece de acuerdo

a la relacin:
Determnese el tiempo requerido para que la bacteria se reduzca a 10, usando

un mdoto grfico y b) el mtodo de Newton-Raphson.
a)
6.18 Muchos campos de la ingeniera requieren estimaciones exactas, de la poblacin.

Por ejemplo, para la transportacin, los ingenieros consideran necesario determinar por separado la tendencia del crecimiento demogrfico de una ciudad y de
los suburbios adyacentes. La poblacin del rea urbana declina en funcin deltiempo
de acuerdo con
mientras que la poblacin suburbana crece, de acuerdo
en donde Pu,m6x,
k,, Pu,mn,
, Ps,max,
Po y k, son parmetros derivados de forma
emprica.
Determnese el tiempo y los valores correspondientes de P,(t) y de P,(t)cuando las poblaciones son iguales. Los valores de los parmetros son Pu,,,&= 60 000;
k, = 0.04 ao"; Pu,mn
= 12 000; Ps,mdix
= 5 O00 y k, = 0.06 ao"'Para
obtener las soluciones, sese a) un mtodo grfico y b) el mtodo de la regla
falsa.
6.19 El movimiento de una estructura se define mediante
una oscilacin amortiguada:
la siguiente ecuacin para
y = 10e-kf cos w t
donde k = 0.5 y w = 2.
a) osese el mtodo grfico, para obtener unaestimacin inicial del tiempo necesario para que el desplazamiento baje hasta 4.
b) sese el mtodo de Newton-Raphson para determinar laraz hasta un E, =
0.01%.
c) sese
el mtodo de la secante para determinar la raz hasta un es
0.01%.
194
-
METODOS NUMtRICOS PARA INGENIEROS
6.20 La figura P6.20 muestra un canal abierto de dimensiones constantes con un rea
transversal A . Bajo condiciones de flujo uniforme, se cumple la siguiente relacin
basada en la ecuacin de Manning:
Q
"(
2y,
23
su2
[P6.7]
B es el ancho del
en donde Q es el flujo, y, es la profundidadnormal,
para medir los efectos de
canal, n es un coeficiente derugosidadusado
lafriccindel
materialen el canal y S es la pendiente del canal. L a ecuacin se usa en ingeniera de fluidos y recursos de agua para determinar la profundidad normal. Si este valor es menor que la profundidadcrtica:
FIGURA P6. 20.
en donde g es la aceleracin de la gravedad (980 cm/s2),entonces el flujo es subcrtico.
sese un mtodo grfico y el mtodo de biseccinparadeterminar y,, si
Q = 14.15 m3/s; B = 4.572 m ;n = 0.017 y S = 0.001 5. Selese siel flujo
es sub o supercrtico.
Ingeniera elctrica
6.21 sense los programaspropios para repetir los clculosdel caso 6.4.
6.22 Efectense los mismos clculos del caso 6 . 4 suponiendo que la carga se debe disiparal 2% de su valororiginalen 0.04 s.
6.23 Efectense los mismosclculosdel caso 6 . 4 , determinando el tiempo necesario
para que el circuito disipe el 10% suvalor original, dado R = 300 Q C = lop4
FyL = 4H.
6.24 Efectense los mismos clculos del caso 6 . 4 determinando el valor de L necesario para que elcircuitodisipe al 1% de su valororiginalen
t = 0.05 S, dado
R = 300 Q y c =
F.
6.25 Una corriente oscilatoriaen un circuito elctrico se describemediante
I = 1Oe" sen(27rt)
en donde t est dado en segundos. Determnense todos los valores de t tales que
I = 2.
Ingeniera mecnica
6.26 Usando los programas propios, reptanse los clculos realizadosen el caso 6 . 5 .
6.27 Efectense los mismos clculos del caso 6 . 5 , usando
k = 1.5 por lo9 g/s2 y m = 2 por lo6 g .
c =
1.5 por
lo7 g/s,
PARTECASOS
LA DE
DOS: RACES
ECUACIONES
195
6.28 Efectense los mismos clculos del caso 6.5, pero determinando el valor de k de
forma tal que la primera raz se encuentre en t = 0.08 s.
6.29 Efectense los mismos clculos del caso 6.5, pero determinando el valor de m
de tal forma que la primera raz se encuentre en t = 0.04 s.
6.30 Efectense los mismos clculos del caso 6.5 pero determinando el valor de c de
tal forma que la segunda raz se encuentre en t = 0.2 s.
6.31 Lanse todos los casos del captulo 6. En base a la lectura y a la experiencia obtenida, concbase un caso de estudio en cualquier campo dela ingeniera. Esto implica la posibilidad de modificar o expresar de forma diferente alguno de
los casos
anteriores. Sin embargo, tambin puede ser totalmente original. AI igual que los
ejemplos anteriores, se debe redactar desde
el contexto de los problemas de ingeniera y debe demostrar el uso de los mtodos numricos en la solucin de races
de ecuaciones. Descrbanse los resultados empleando los casos anteriores como
modelo.
EPLOGO:
PARTE I I
11.4
ELEMENTOS DE JUICIO
El cuadro 11.3 proporciona un resumen de los factores de mayor importancia quese emplean en la
solucin de races deecuacionesalgebraicasy
trascendentales. Aunque los mtodos grficosconsumen tiempo, son muy tiles para comprenderel
comportamiento de la funcin y para identificar
valores iniciales y problemas potenciales,como las
races mltiples. Par lo tanto, si el tiempo lo permite, un bosquejo rpido (o mejor an, una grfica
por computadora) ayuda arelacionar informacin
til asociada al comportamiento de la funcin.
Los mtodos numricos se dividen en dos categoras generales: mtodos que usan intervalosy mtodos abiertos. Los primeros requieren dos valores
#I
Esta conteniniciales quecontenganalaraz.
cin" se respeta a medida que la solucin avanza, y de esta forma, estos mtodos siempre son
convergentes. Sin embargo, tiene el inconveniente que la velocidad de convergencia es demasiado lenta. De los mtodos que usan intervalos, el
mtodo de la regla falsa, en general, es el mtodo de preferencia ya que en la mayor parte de
los problemas converge muchoms rpido que el
mtodo de biseccin.
Los mtodos abiertos se distinguen de los que usan
intervalos en que requieren informacinnicamente de un punto (o de dos, pero que no contengan
a la raz necesariamente) para extrapolar una nueva aproximacin a la raz. Esta propiedad es una
espada de doble filo. Aunque conduce a una convergencia ms rpida, tambin permitela posibilidad de divergencia. En general, la convergencia
de los mtodos abiertos depende parcialmente de
la calidad del valor inicial. Entre ms cercano se
encuentre ste de la raz, ms probable es que converja a la misma.
De los mtodos abiertos, el de Newton-Raphson
se usa ms a menudo, debido a su propiedad de
convergencia cuadrtica. Sin embargo, su mayor
desventaja estriba en que la derivada de la fun-
198
S
O
._
O
+
C
.-O
i
N
199
EPLOGO PARTE I I
cin se debe obtener de forma analtica. Para algunas

funciones esto
es imprctico. En estos casos, el mtodo de la secante proporciona
una alternativa viable empleandoun mtodo de diferencias finitas para
representar la derivada. Debido a la aproximacin, la velocidad de
convergencia del mtodo de la secante es menor que la del mtodo
de Newton-Raphson. Sin embargo, a medida que la aproximacin
a la raz se hace ms y ms exacta, la aproximacin a la derivada se
convierte en una mejor representacinde la derivada exacta y la velocidad de convergencia aumenta rpidamente. En el caso de races
mltiples, se puede usar el mtodo de Newton-Raphson modificado
para alcanzar una convergencia rpida. Sin embargo, este mtodo
y la segunda derequiere de una expresin analtica de la primera
rivadas.
Todos los mtodos numricos son fciles de programar sobre unamicrocomputadora y requieren de un tiempo mnimo para determinar
una raz. En base a esto, se concluye que los mtodos tales como la
biseccin son suficientes para propsitos prcticos. Esto sera verdadero si se estuviese interesado nicamente en una raz de una ecuacin. Sin embargo, existen muchos casos dentro de la ingeniera en
donde se requiere encontrar varias races en cuyo caso la velocidad
viene a ser un factor muy importante. Enestos casos, los mtodos lentos
consumen mucho tiempo y
por lo tanto se vuelven costosos. Por el
otro lado, los mtodos rpidos pueden divergir ylos retardos ocasionados por esto se pueden volver tambin costosos. Algunos algoritmos pretenden aprovecharlas ventajasde ambos mtodos, empleando
inicialmente un mtodo que use intervalos para acercarse a la raz
y en ese momento cambiar a un mtodo abierto para refinar rpidamente la raz. Mientras se use slo un mtodo o una combinacin de
ellos, los factores a tomarse en consideracin entre la convergencia
y la velocidadson la base en la eleccin del mtodo para localizar races.
11.5 RELACIONES Y FRMULAS IMPORTANTES

El cuadro 11.4 resume la informacin ms importante que se analiza
en la parte II. Este cuadro se puede consultar para tener acceso rpido a alguna relacin o frmula importante.
11.6 MTODOS AVANZADOS Y

ALGUNAS REFERENCIAS ADICIONALES
Los mtodos de este captulo han sido limitados para determinar las
races de una ecuacin algebraicao trascendental, basados en el co-
METODOS
200
NUMERICOS
PARA INGENIEROS
CUADRO 11.4 Resumen de la informacidn ms importante presentada en la parte I1

Mdtodo
Formulacin
Interpretacin
grfica
Errores y
criterios
paro de
MOtodos que usan intervalos:

Biseccin
x/ ixu
xr = -
Criterio de paro:
Criterio de paro:
Regla falsa
nueva
pesada
Mtodos abiertos:
Newton-Raphson
x;+;,+; x,
Error:
Secante
Criterio de paro:
E,,.l
100% Ie,
=
O(?)
Criterio de paro:
EPLOGO PARTE II
201
nocimiento previo de su posicin aproximada. Existen otras tcnicas

para deteminar races complejas y todas las races de un polinomio.
Algunas referencias recomendables al respecto son Ralston y Rabinowitz (1978) y Carnahan, Luther y Wilkes (1969). James, Smith y
Wolford (1977) y Gerald y Wheatley (1984) resumen algunos de los
mtodos y proporcionan sus programas.
En cuanto a tcnicas especficas
el mtodo de Newton-Raphson se puede usar en ciertos casos para localizar races complejas en base a una
aproximacin inicial compleja. Ya que la mayor parte de las computadoras no llevan acabo operaciones complejas, algunas veces el mtodo se ve limitado. Sin embargo, Stark (1970) ilustra una manera de
eludir este dilema.
El mtodo de Muller es parecido al mtodo de la regla falsaslo que

este usa interpolacin cuadrtica, en vez de lineal, para localizar la
raz. Este planteamiento se puede emplear en la determinacin tanto
de races complejas como de reales (Muller, 1956; Gerald y Wheatley, 1984; Rice, 1983).
Existen varios mtodos para determinar todas las races de un polinomio. El mtodo de Bairstow requiere una buena aproximacin inicial para la localizacin eficiente de races (Gerald y Wheatley, 1984
y James, Smith y Wolford, 1977). El mtodo de Graeffe (Scarborough,
1966 y James, Smith y Wolford, 1977) y el algoritmo de/cociente de
diferencias ( Q D ) (Henrichi, 1964 y Gerald y Wheatley, 1984) determinan todas las racessin una aproximacin inicial.Ralston y Rabinowitz (1978) y Carnahan, Luther y Wilkes (1969) contienen tambin
anlisis de los mtodos mencionados anteriormente, as como de las
otras tcnicas para la localizacin de las races de un polinomio.
En resumen, el anlisis anterior va enfocado a proporcionaral lector
formas de explorar ms a fondo los temas. Adems, todas las referencias anteriores proporcionan descripciones de las tcnicas bsicas cubiertas en la parte II. Es importante quese consulten estas fuentes
de informacin para ampliar el conocimiento de los mtodos numricosen la localizacin de races.*
* El autor hace aquslo una referencia alos libros, al final del texto se presenta una bibliografa completa.
104
cuatro o ms ecuaciones la solucin se torna difcil y se debe utilizar

una computadora. Histricamente, la imposibilidad de resolverestos
sistemas a mano, excepto sistemas muy pequeos, limit el alcance
de problemas dirigidos a muchas aplicaciones
de ingeniera.
Antes del uso de las computadoras, las tcnicas para solucionar sistey eran
mas de ecuaciones algebraicaslineales requeran mucho tiempo
muy difciles. Estos planteamientos creaban restricciones sobre la creatividad ya que los mtodos eran difciles de implementar y de entender. Be ah que se haca hincapi en las tcnicas, a costa
de otros
aspectos del proceso de solucin al problema,tales como la formulacin y la interpretacin (recurdese la figura 1.1 y el anlisis que la
acompaa).
El advenimiento de computadoras personales de fcil acceso haceposible y prctica la solucin de grandes sistemas de ecuaciones algebraicas lineales. De esta manera, se pueden plantear problemas ms
complejos y ms realistas. Adems, habr ms tiempo de examinar
las habilidades creativas ya que se har ms hincapie en la formulacin e interpretacin del problema.
FIGURA 1 1 1 . 1
Dos tipos de sistemas que pueden ser modelados usando sistemas de ecuaciones algebraicas lineales: a) sistema macrovariable que involucra un
conjunto acoplada de componentes finitas y b) sistema microvariable que
involucra continuidad.
SISTEMAS
205
LINEALES
ECUACIONES ALGEBRAICAS
I I I. 1 . 2
Ecuaciones algebraicas lineales y su prctica en la

ingeniera
Muchas de las ecuaciones fundamentales de la ingeniera

se basan
en las leyes de conservacin (recordar el cuadro 1 1 . 1 ) . Algunas cantidades familiares que forman partede estas leyes son la masa,la fuerza,
la energa y el momento. En trminos matemticos, estos principios
llevan a ecuaciones de equilibrio que estudian el comportamiento del
sistema; estas ecuaciones consideran las incgnitas a obtener del modelo matemtico: los niveles o respuestas de la cantidad que se est
modelando, las propiedades o caractersticas del sistema, y los estmulos
externos que actan sobre el sistema.
Como un ejemplo, la conservacin de la masa
se puede usar para
formular un balance de masa en un conjunto de reactores qumicos
(Fig. Ill. 1 a). En este caso la cantidad que se modela es la masa de
la sustancia en cada reactor. Las propiedades del sistema son las caractersticas de la reaccin de lasustancia adems de los tamaos de
los reactores y la velocidad de
flujo. Los estmulos externos son los
suministros de sustancias al sistema.
En la parte anterior del libro,se ve cmo sistemas de un solo componente generan una ecuacin que se puede resolver con las tcnicas
de localizacin de races.Los sistemas con componentes mltiples generan un conjunto de ecuaciones matemticas acopladas que deben
resolverse simultneamente. Las ecuaciones estn acopladas porque
las partes individuales delsistema influyen sobre otras partes. Por ejemplo, en la figura 1 1 1 . 1 a, el reactor 4 recibe sustancias de los reactores
2 y 3. En consecuencia, su respuesta depende de la cantidad de sustancia de estos reactores.
Cuando estas dependencias se expresan en forma matemtica, las ecuaciones resultantes, a menudo, son de la forma algebraica de la ecuacin
(Ill.1). Las x , usualmente, miden las magnitudes y respuestas de los
componentes individuales. Con la figura Ill.la como ejemplo, x , puede medir la cantidad de masa en el primer reactor, x:, la del segundo, etctera. Las a, representannormalmente las propiedades y
caractersticas que se refieren a las iteraciones entre las componentes. Por ejemplo, lasa en la figura Ill. 1 a pueden reflejar las velocidades de flujo de masa entre los reactores. Finalmente, las c representan
los estmulos externos que actan sobre el sistema, tal como los suministros de sustancias en la figura 111.1 a. Los casos de estudio en el captulo 9 muestran otros ejemplos de tales ecuaciones, derivadas de
la prctica de la ingeniera.
Los problemas de componentes mltiples como los tipos anteriores resultan de
modelos
matemticos
discretos (macro-) o continuos
206
MTODOS
NUMRICOSPARA INGENIEROS
-__
(micro-) (Fig. 1 1 1 . 1 ) . Los problemas de variables discretas implican

componentes finitos acoplados como las armaduras (caso9.3))reactores
(Fig. III.la) y circuitos elctricos (caso 9.4). Estos tipos de problemas
usan modelos que proporcionan a grandes rasgosel comportamiento de un sistema en funcin de ciertas variables.
Por el contrario, los problemas microescalados intentan describir las
caractersticas de los sistemas con una base continua o semicontinua.
La distribucin de sustancia sobre un reactor rectangular alargado
(Fig. III. 1 b) es un ejemplo de un modelo de variable continua. Las ecuaciones diferenciales derivadas de las leyes de conservacin especifican la distribucin de la variable dependiente para tales sistemas (caso
9.2). Estas ecuaciones diferenciales se pueden resolver numricamente
para convertirlas a un sistema equivalente de ecuaciones algebraicas simultneas. La solucin de este conjunto de ecuaciones reprelos
senta una importante aplicacin enel rea de ingeniera para
mtodos de los captulos siguientes. Estas ecuaciones estn unidas porque las varihbles en cierta posicin dependen de las variables de rea la mitad del reactor
giones adyacentes. Por ejemplo, la concentracin
es una funcin de la concentracin en regiones adyacentes. Se pueden desarrollar ejemplos similares para la distribucin de la temperatura o del momento.
Adems de los sistemas fsicos, las ecuaciones algebraicas lineales simultneas tambin aparecen en una variedad de contextos en problemas matemticos. Esto resulta cuando se requiere que las funciones
matemticas satisfagan varias condicionesde manera simultnea. Cada condicin da como resultado una ecuacin quecontiene coeficientes
conocidos y variables incgnitas. Las tcnicas expuestas en esta parte se pueden usar para encontrar los coeficientes de los sistemas cuando
las ecuaciones sean linealesy algebraicas. El anlisis de regresin (captulo 10) y la interpolacin cbica segmentaria (spline, captulo l l )
son algunas de las tcnicas ampliamente usadas que utilizan ecuaciones simultneas.
111.2 FUNDAMENTO MATEMTICOS
En todas las partes de este libro se requieren algunos fundamentos

matemticos. Son ltiles, en la parte Ill, la notacin matricial y el lgebra, ya que ofrecen una forma concisa de representar y manipular
sistemas de ecuaciones algebraicas lineales. Si se est familiarizado
con las matrices, puede pasarse por alto la seccin 111.3. Para quienes no estn familiarizados o requieren una repasada, el siguiente
material proporciona una breve introduccin al tema.
SISTEMAS
207
LINEALES
111.2.1 Notacin matricial

U n a matriz-consta de un arreglo rectangular de elementos representados por un smbolo simple. Como se puede ver en la figura 111.2,
[A] es la notacin abreviada para la matriz y uiirepresenta un elemento individual de la matriz.
Al conjunto horizontal de elementosse le llama rengln y al conjunto

vertical se le llama columna. El primer subndice i siempre denota el
nmero del rengln en quese encuentra el elemento. El segundo subndice j denota la columna. Por ejemplo, el elemento 023 est en el
rengln 2 y en la columna 3.
La matriz de la figura 111.2 tiene m renglones y n columnas y se dice
que es dimensin m por n (o m X n). Se le conoce como una matriz
m por n.
Las matrices con dimensin m =
1 en el rengln, tales como
[B] = [b,b2 . . . b"]

seles llama vectores rengln. Ntese que
el primer subndice.
Las matrices con dimensinn
FIGURA 111.2
Una matriz.
por simplicidad, se omite
en la columna, tales como
208
MTODOS
se les conoce como vectores columna. Por simplicidad se omite el segundo subndice.
A las matrices donde m

plo, una matriz
[Al =
por
n se les llama matrices cuadradas. Por ejem-
es
a11 a12
a13
a
1
4
a22
023
024
a21
:[ 2 2: 24
Se le llama diagonal principal de la matriz a la diagonal consistente

de los elementos a , , , aZ2,q 3 y ad4.
Las matrices cuadradas son particularmente importantes en la solucin de sistemas de ecuaciones lineales simultneas. Para tales sistemas, el nmero de ecuaciones (correspondiente a los renglones) y el
nmero de incgnitas (correspondientea las columnas)deben ser iguales
en orden para que sea posible unasolucin nica. Por consiguiente, las
matrices cuadradas se encuentran al trabajar con tales sistemas. Algunos tipos especiales de matrices se describen en el recuadro 1 1 1 . 1 .
RECUADRO 1 1 1 . 1 Tipos especiales de matrices cuadradas

Hay algunas formas especiales de matrices cuadradas Ntese
que se deian en blanco los bloques grandes de
que son importantes y se deben mencionar:
elementos que son cero.
Una matriz simtrica es aquella donde ai; = qij para Una
matriz identidad es una matriz diagonal donde totoda toda
i y
;. Por ejemplo,
dos los elementos dediagonal
la
principal son iguales
a 1 , como en
[A] =
[i 1 a]
es una matrizsimtrica 3 por 3.

Una matriz diagonal es una matriz cuadrada
donde todos los elementos fuera de la diagonal principal son
iguales a cero, como en
[/I =
rll 1
1
11
El smbolo [ I ] denota la matriz identidad. Esta matriz

a la unidad.
tiene propiedades
Una matriz triangular superior es aquella donde todos

sus elementos baio la diagonal principal son cero, como
[all all
[Al =
a13
a141
a33 a34
a23
(7441
SISTEMAS
209
LINEALES
Una motriz triangular inferior es aquella donde todos

sus elementos arribadeladiagonalprincipal
son cero, como
cero, con la excepcin de una banda centrada sobre

la diagonalprincipal:
Una motriz banda tienetodos los elementosiguales a
le da un nombre especial,
La matriz anterior tiene un ancho de banda de 3 y se

motr;z tr;d;agonal,
111.2.2 Reglas de operacin sobre
matrices
Ahora que se ha especificado lo que significa una matriz, se pueden

definir algunas reglas de operacin que gobiernansu uso. Dos matrices m por n son iguales, si y slo si, cada elemento de la primera es
igual a cada elemento de la segunda; esto es [A] = [B] si a;, = bjjpara toda i, j.
La suma de dos matrices, [A] y [B], se realiza sumando los elementos
correspondientes de cada matriz. Los elementos de la matriz [C]resultante se calculan como:
parai =
1, 2,.
. .,m y i =
1 , 2,
- . . , n.
De forma similar, la resta de dos matrices,

do los trminos correspondientes, como:
d..
'I
'I = e.."..
[E]y [ F ] , se obtiene restan-
'I
..
para i = 1 , 2, . . . , m y j = 1 , 2, .
, n. De la definicin anterior,
se sigue inmediatamente que la suma y la resta se puede llevar a cabo slo entre matrices que tienen las mismas dimensiones.
La suma y la resta son conmutativas:
210
MTODOS
NUM~RICO
PARA
S INGENIEROS
La suma y la resta tambin son asociativas, esto es,
La multiplicacin de una matriz [A] por un escalar g se obtiene multiplicando cada elemento de [A] por g, como en
El producto de dos matrices se representa como [C]= [A][B],en donde los elementos de [C]se definen como (vaseel recuadro 111.2 donde
se expone el concepto simple de la multiplicacin matricial)
n
C;; =
k= 1
a r k bk;
[111.2]
Donde n = la dimensin de las columnas de [A] y la dimensin de

los renglones de [B].
RECUADRO 111.2 Mtodo simple para multiplicardosmatrices

Aunque la ecuacin (111.2) est bien definida para implementarse en una computadora, no es la forma ms
simple de visualizar la mecnica de multiplicacin de
dos matrices. En seguida se presenta una expresin ms
tangible sobre este concepto. Supngase que se desea
multiplicar [A] por [B] y obtener [C]:
Ahora la respuesta [C]se puede calcular en el espacio

vacante deiado por[B]. Este formato tiene utilidad porque alinea los renglones apropiados y las columnas que
se van a multiplicar. Por ejemplo, de acuerdo a la ecuacin (111.2) el elemento c1 se obtiene multiplicando el
primer rengln de [A] por la primera columna de [B].
Esto es equivalente a sumar el producto de
al producto de
y b , , como
U n a forma simple de representar el clculo de [C]es

elevar [B], como en
bl,,
2
91
7=22
For io tanto, c l , , es igual a 22. El elemento c2,,se puede calcular en una forma similar, como
14".:',
21 1
LINEALES
SISTEMAS
ALGEBRAICAS
DE ECUACIONES
[A]+
8 6
x5+6~7=82
+[C]
o 4
El calculo se puede continuar deesta manera, siguiendo la alineacin de renglones y columnas, para obtener el resultado:
Ntese que este mtodo esclarece el porqu es imposible multiplicar si el nmero de columnas de la primera matriz no es igual al nmero e renglones de la
segunda. Ntese cmo demuestra que el orden de la
mdtiplicacin coincide tambin. De la misma manera
ilustra estos puntos el problema 7.3.
Esto es, el elemento cji se obtiene sumando el producto de elementos individuales del i-simo rengln de la primera matriz,
en este caso
[A],por la i-sima columna de la segunda [B]. De acuerdo a esta definicin, la multiplicacin de dos matrices slo se puede realizar si la
primera matriz tiene tantas columnas como renglones la segunda. Por
lo tanto, si [A] es una matriz m por n, [B] deber ser una matriz n
por p. En este caso, la matriz [C]resultante tendr dimensin m por
p. Sin embargo, si [B] fuese una matriz p por n, la multiplicacin no
se podra llevar a cabo. La figura 111.3 muestra una forma fcil de
verificar si se pueden multiplicar dos matrices.
Si las dimensiones de las matrices son compatibles, la multiplicacion

matricial es asociativo:
FIGURA 111.3
Una manera simple de comprobar si es posible multiplicar dos matrices.
212
MhODOS NUMRICOS PARA INGENIEROS
y distributiva:
Sin embargo, en general la multiplicacin no es conmutativa:
[AI[Bl
Estoes,el
+ [BI[AI
orden de multiplicacin es importante.
Aunque la multiplicacin es posible, la divisin matricial an no est

definida. Sin embargo, si una matriz [A] es cuadrada, hay otra matriz [A]", llamada la inversa de [A], tal que
[A]" [A]
[A]= [A]"
= [I]
[111.3]
De esta forma, la multiplicacin de una matriz por su inversa, es anloga a la divisin, en el sentido de que un nmero dividido por s mismo es igual a uno. Esto es, la multiplicacin de una matriz por su inversa
es igual a la matriz identidad (recurdese el recuadro 111.1).
La inversa de unamatriz cuadrada bidimensional se puede representar simplemente como:
[A)"
=
0 1 1 a22
- a12 9 1
e
2
- 9 1
-a12
al,]
[111.4]
Las matrices de dimensin mayor son mucho ms difciles de expresar. La seccin 8.2 se dedica a estudiar una tcnica que calcula la
inversa de tales sistemas.
Las operaciones finales de las matrices que tienen utilidad en este anlisis son las de transposicin y de matriz aumentada. La transpuesta
de una matriz comprende la transformacin de sus renglones en columnas y sus columnas en renglones. La transpuesta de la matriz:
SISTEMAS
213
LINEALES
denotada por
[AlT, se define como:
En otras palabras, el elemento a;;de la transpuesta es igual al elemento ai;de la matriz original, o ai = ai;. La matriz transpuesta tiene una gran variedad defunciones en el lgebra matricial. Una ventaja
simple es la de permitir escribir un vector columna como vector fila.
Por ejemplo, si:
entonces
en donde el superndice T denota transposicin. Esto puede ahorrar

espacio al escribir un vector columna en un manuscrito. Adems, la
matriz transpuestatiene una gran variedad deaplicaciones en las matemticas.
Una matriz aumentada es el resultado de agregarle una columna (o
ms columnas) a la matriz original. Por ejemplo, supngase que se
tiene una matriz:
Si se desea aumentar esta matriz [A] con una matriz identidad (recurdese el recuadro Ill. 1 ), entonces se obtiene una matriz 3 por 6
dimensional, dada por:
214
Esta expresin tiene utilidad cuando

se desea realizar un conjunto de
operaciones idnticas sobre dos matrices. De esta forma, se pueden
llevar a cabo las operaciones sobre una matriz aumentada en vez de
hacerlo sobre dos matrices independientes.
111.2.3 Representacinenformamatricial
de sistemas de
ecuaciones algebraicas lineales

Debe ser claro que las matrices proporcionan una notacin concisa
en la representacin de ecuaciones simultneas lineales. Por ejemplo,
la ecuacin ( 1 1 1 . 1 ) se puede expresar como:
donde
[A] es una matriz cuadrada n por n de coeficientes:
[Al =
[C]es
unvector columna n por
[C]T =
y
c2
c3
[Cl
. . . cn]
[Aes un vectorcolumna
[XIT = [xx1x23
1 de constantes:
..
n por 1 de incgnitas:
xn]
Recurdese la definicin de la multiplicacin matricial [Ec. (111.2) o recuadro 111.21 para comprobar laequivalencia de las ecuaciones( 1 1 1 . 1 )
y (111.5).Tambin, ntese que la multiplicacin matricial (111.5) es vlida ya que el nmero de columnas ( n ) de la primer matriz ([A])es
(n) de la segunda matriz
igual al nmero de renglones
([A).
[A.
En esta parte del libro se resuelve la ecuacin (111.5) para

Una
manera formal de obtener una solucin usando lgebra matricial es
la de multiplicar cada lado de la ecuacin por la inversa de [A] para
obtener:
Ya que [A]
vierte en:
[A] es la matriz identidad, la ecuacin anterior se con-
[XI = [Al[Cl
[111.6]
SISTEMAS
21 5
ECUACIONES
LINEALES ALGEBRAICAS
[A.
Por lo tanto, la ecuacin se ha resuelto para

Este es otro ejemplo
del juego de la matriz inversa similar a la divisin en el algebra matricial.
Finalmente, algunas veces es til aumentar [A] con [C].Por ejemplo,
si n = 3 el resultado es una matriz 3 por 4 dimensional, dada por:
[111.7]
Expresar de esta manera la ecuacin tiene utilidad, ya que varias de
las tcnicas en la solucin de sistemas lineales hacen operacionesidnticas a una fila de coeficientes y a la constante correspondiente del
lado derecho. Como se expres en la ecuacin (lll.7), se pueden realizar algunas operaciones sobre un rengln de la matriz aumentada
en lugar de hacerlo separadamente sobre la
matriz de coeficientes
y el vector del lado derecho.
111.3
Antes de considerar los mtodos numricos,es til mencionar alguna
orientacin adicional. A continuacin se muestra superficialmente el
material analizado en la parte Ill. Adems, se han formulado algunos objetivos para ayudar a enfocar los esfuerzos cuando se estudie
el material.
111.3.1 Metasyavances
En la figura 111.4 se proporciona un esquema de la parteIll. El capitulo 7 muestra la tcnica fundamental en la solucin de sistemas alge-
braicoslineales:laeliminacingaussiana.Antesdeentrar
en los
detalles de esta tcnica, se incluye una seccin que menciona algunos mtodos simples para sistemas pequeos. Esto se hace con el fin
de dar una ideavisual y debido a que uno delos mtodos -la eliminacin de incgnitases la base de la eliminacin gaussiana.
Despus de presentar los antecedentes, se analiza la eliminacin gaussiana simple.
Se inicia con esta versin ya que permite la elaboracin del mtodo
completo sin mayores complicaciones. Despus,en las siguientes secciones, se analizan posibles problemas que usen el mtodo simple
presentando ciertas modificacicnes que minimiceny eviten estos problemas. AI final del captulo, se dedica un recuadro a una formamuy
216
FIGURA 111.4
Esquema de organizacin de
braicas lineales.
la parte Ill: Sistemas de ecuaciones alge-
eficiente de la eliminacin gaussiana que puede

mas tridiagonales.
ser usado en siste-
En el captulo 8 se empieza con el anlisis del mtodo de Gauss-Jordan.

Aunque esta tcnica es muy parecida a la eliminacin gaussiana, se
analiza porque permite calcular la matriz inversa que tiene una utilidad inmensa en la ingeniera.
SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES
21 7
La eliminacin gaussiana y el mtodo de Gauss-Jordan son mtodos

directos. AI final del captulo 8 se estudia un mtodo diferente conocido como mtodo de Gauss-Seidel. ste es parecido a los mtodos
de aproximacin de races de ecuaciones quese estudiaron en el capitulo 5. Esto es, la tcnica implica dar una aproximacin inicial a la
solucin y mediante iteraciones obtener un
valor meiorado.
En el captulo 9 se demuestra como se pueden aplicar los mtodos
en la solucin de problemas. As como en otras partes del libro, se
examinan aplicaciones extradasde todos los campos de la ingeniera.
Finalmente, al terminar la parte Ill se incluye un eplogo. Este repaso
incluye el anlisis de los elementos de juicio importantes en la implementacin de los mtodos en la ingeniera prctica. En esta seccin
tambin se resumen las frmulas de mayor importancia y los mtodos avanzados relacionados conlas ecuaciones algebraicas lineales,
por lo que se pueden usar para estudiar antes de un examen o como
repaso cuandose tenga necesidad de utilizar las ecuaciones algebraicas lineales en la vida profesional.
Las capacidades de cmputo automtico se integran en la parte Ill
en una variedad de formas. Primero, en NUMERICOMP, se encuentran disponibles programas amables con el usuario de la eliminacin
IBM-PC.Tambin se
gaussiana para la microcomputadora Apple-ll e
proporcionan los programas en FORTRAN y BASIC de la eliminacin
gaussiana directamente en el texto. Esto le d a al usuario la oportunidad de copiary aumentar los programas para implementarlos en su
microcomputadora o supercomputadora. Tambin se incluyen los diagramas de flujo o los algoritmos en la mayor parte de los mtodos
descritos en el libro. Este material puede formar la base de
un paquete de programas que el mismo usuario puede desarrollar y aplicar a una gran cantidad de problemas de ingeniera.

Objetivos de estudio. AI terminar la parte Ill, el usuario debe ser capaz de resolver la mayor parte de problemas que impliquen utilizar
ecuaciones algebraicas lineales y poder visualizar las aplicaciones de
estas ecuaciones en todos los campos de la ingeniera. El usuario debe hacer lo posible por dominar variastcnicas y valorar la confiabilidadde
lasmismas.
Debe entenderlasventajasydesventajas
involucradas en la seleccin del "mejor" mtodo (o mtodos) en cualquier problema particular. Adems de estos objetivos generales, se
deben asimilar y dominar los conceptos especficos enumerados en
el cuadro 1 1 1 . 1 .
218
MTODOS
NUMRICOS
PARA INGENIEROS
Objetivos de c6rnputo. El objetivo fundamental en cuanto a cmputo,

es el de ser capaz de usar en forma satisfactoria un programa para
resolver sistemas de ecuaciones algebraicas lineales. Debe quedar claro el uso de los programas de NUMERICOMP, o tambin saber cmo copiar y usar el programa de laeliminacihn gaussianasimple dado
en el texto. Estos programas le permitirn manejar adecuadamente
muchos problemas prcticos que impliquen utilizar varias ecuaciones
algebraicas lineales simultneas. A medida quese avance en los problemas que contengan ms ecuaciones, se pueden usar los programas, diagramas defluio y algoritmos proporcionados en la parte Ill.
Eventualmente, se puede incorporar a los programas el pivoteo parcial,
el clculo de determinantes y la evaluacin de condiciones. Tambin
se pueden obtener los programas paralos mtodos de Gauss-Jordan
y de Gauss-Seidel.
CUADRO 111.1
Objetivos de estudios especficos de la parte 111
1 . Entender las interpretaciones grficas de sistemas mal condicionados y su relacin con el determinante del sistema.
a la primera versin de la eliminacin
gaussiana.
3 . Familiarizarse con la terminologa: eliminacin hacia atrs, sustitucin hacia atrs,
normalizacin, ecuacin pivotal y pivote.
4 . Entender los problemas de divisin por cero, errores de redondeo y mal condicionamiento.
5 . Saber cmo evaluar la condicin del sistema.
6 . Saber cmo calcular determinantes usando la eliminacin gaussiana.
7 . Entender las ventajas del pivoteo; entenderlas diferencias entre el pivoteo parcial y el pivoteo total.
8. Saber cmo aplicarlas tcnicas de correccin de errorespara mejorar las sohciones.
9 . Entender por qu las matrices banda son relativamente eficientes en su solucin.
1 O . Saber la diferencia fundamental entre
la eliminacin gaussianay el mtodo GaussJordcn.
1 1 . Entender cmo se usa el mtodo deGauss-Jordan para calcular la matriz inversa.
1 2 . Saber interpretar los elementos de la matriz inversa en la evaluacin de las incgnitas en ingeniera.
1 3 . Comprender el uso de la matriz inversa en la evaluacin de la condicin del
sistema.
1 4 . Entender por qu el mtodo de Gauss-Seidel es particularmente apropiado para sistemas grandes de ecuaciones.
1 5 . Entender par qu el valor de la diagonal de un sistema de ecuaciones influye
en que el mtodo pueda ser resuelto mediante el mtodo de Gauss-Seidel.
1 6. Entender la razn existente detrs del concepto relajacin;saber dnde es ms
apropiada la subrelajacin y dnde la sobrerelajacin.
2 . Entender por qu se le llama "simple"
CAPTULO SIETE
ELIMINACIN GAUSSIANA
En este captulo se analizanlas ecuaciones algebraicas lineales simultneas que en general se pueden representar como:
allxl
+ a12x2 +
a21x1
+ a22x2 + . . .
anlxl + 0~2x2+
+ al,x, =
c1
+ a2,xn = c2
- + a,,x, = c,
*
endondelas a son coeficientes constantes y las c son constantes.

A la tcnica que se describe en este captulose le conoce como eliminacin gaussiana porque involucra una combinacin de ecuaciones a las
que se les eliminan las incgnitas. Aunque ste es uno de los mtodos
ms antiguos en la solucinde ecuaciones simultneas, permanece hasta
nuestros das como uno de los algoritmos de mayor importancia.En particular, es fcil de programary de aplicar con el uso de microcomputadoras.
7.1 SOLUCIN DE POCASECUACIONES

Antes de entrar a los mtodos que usan computadora, se describen algunos que son apropiados en la solucin de pequeos grupos de ecuacionessimultneas ( n I3) quenorequierendeunacomputadora.Estos
son los mtodos grficos,la regla de Cramer y la eliminacin de incgnitas.
7.1 .l Mtodo grfico

Se obtiene una solucin grfica de dos ecuaciones representndolas en
coordenadas cartesianas con un eje correspondiente a x1 y el otro a x2.
Ya que el problema es para sistemas lineales, cada ecuacin representa
220
METODOS NUMRICOS
unalnea recta. Esto puede ilustrarse fcilmente por las

nerales:
QlXl
+ a12xz
PARA INGENIEROS
ecuaciones ge-
= c1
a21x1 + a22x2 =
c2
Ambas ecuaciones se pueden resolver para x2:
De esta manera, las ecuaciones se encuentran ahora en la forma de lneas rectas; esto es, x2 = (pendiente) x1 + interseccin. Estas lneas se
pueden graficar en coordenadas cartesianas con x2 como la ordenada y
x1como la abscisa. Los valores de x1y x2 enla interseccin de las lneas
representan la solucin.
EJEMPLO 7.1
El mtodo grfico
para dos ecuaciones
Enunciado del problema:sese el mtodogrficopararesolver

3x1
-x1
+ 2x2 = 18
+ 2x2 = 2
[E7.1.1]
[E7.1.2]
Solucin: sea x1 la abscisa. AI resolver la ecuacin (E7.1.1) para x2:
que, al graficarse en la figura 7 . 1 , da una lnea recta con una interseccin

en 9 y pendientede -3/2.
La ecuacin (E7.1.2) se puederesolverparax2:
x2 = (1/2)x, + 1
la cual tambin se grafica enlafigura 7.1. La solucin es la interseccin
delasdoslneasen
x1 = 4 y x2 = 3. Este resultado se puede verificar
sustituyendo estos resultados en las ecuaciones originales para obtener:
3(4)
+ 2(3) = 18
-4
+ 2(3) = 2
22 1
ELlMlNAClON GAUSSIANA
De esta manera, los resultados son equivalentes a los lados derechos de

las ecuaciones originales.
FIGURA 7.1
Solucin grfica de un conjunto de dos ecuaciones algebraicas lineales simultneas. l a interseccin e las lneas representa la solucin.
Para tres ecuaciones simultneas, cada ecuacin representa un plano en

el sistema de coordenadas tridimensional. El punto en donde se intersecten los tres planos representa
la solucin. Ms alldetres ecuaciones,
los mtodos grficos no funcionany , por consiguiente, la solucin deecuacciones algebraicas tiene muy poco valor prctico. Sin embargo, algunas
veces resultan tiles para visualizar propiedades de la solucin. Por ejemplo, lafigura 7.2 muestra tres casos que se pueden abordar cuando se
desea resolver un conjunto de ecuaciones lineales. La figura 7.2a muestra el caso en que la dos ecuaciones representan dos lneas paralelas. En
estos casos, no existe solucin ya que las dos lneas jams se cruzan. La
figura 7.2b representa el caso enque las dos lneas coinciden. En este
caso existe un nmero infinito de soluciones. A estos dos tipos de sistemas se les llama singular. Tambin los sistemas que son casi singulares
causan problemas (Figura 7 . 2 ); a estos sistemas se les k m a mal condicionados. Grficamente, indican que el punto exacto de interseccin de
ambas rectas es muy difcil devisualizar. Como se veenlas siguientes
222
MTODOS
FIGURA 7.2
NUMRICOS
PARA INGENIEROS
Esquema grfico de sistemas mal condicionados: a) no hay solucin, b)

hay una infinidadde soluciones y c) un sistema mal condicionadoen donde
las pendientes son muy parecidas en el punto de interseccin y es difcil
de detectar fcilmente la solucin.
secciones, los sistemas mal condicionados tambin tienen problemas cuando ?e encuentran en la solucin numrica de ecuaciones lineales.
7.1.2 Determinantes y la regla de Cramer

La regla de Cramer es otra tcnica de solucin aplicablea pocas ecuaciones. Antes de describir estemtodo, se menciona brevementeel concepto de determinantes, que se usanenla
implementacinde la reglade
Cramer. Adems, el determinante es til enla evaluacin de mal condicionamiento de unamatriz.
Determinantes. Se puede ilustrar un determinante mediante un conjunto de tres ecuaciones:
o. enformamatricial:
en donde [ A ] es lamatriz de coeficientes:

all
a12
a13
223
El determinante D de este sistema se forma con los coeficientes la

deecuacin, de la siguiente manera:
Aunque el determinante D y lamatriz [A] se componen de los mismos

elementos, tienen conceptos matemticos completamente diferentes. Para
denotar la matriz se usan corchetes y para los determinantes se usan barras verticales. En contraste con una matriz, el determinante es un nmero. Por ejemplo, elvalordel determinante de segundo orden:
D=
all
a12
(a21
se calcula mediante:
En el caso de tercer orden [Ec. (7.2)], se puede calcular el valor del determinante como:
en donde a los determinantes de 2 por 2 se lesllama menores.
EJEMPLO 7.2
Determinantes
Enunciado del problema: calclense los valores de los determinantes de

lossistemasrepresentadosenlasfiguras
7 . 1 y 7.2.
Solucin: para lafigura 7.1:
Para lafigura 7 . 2 ~ 1 :
-1/2
1-1,2
1
-1
11 = -(l)
2
1
1(%)
224
I
I
INGENIEROS
PARA
Para lafigura
7.2b:
Para lafigura
7.2~:
MTODOS
NUMRICOS
En el ejemplo anterior, los sistemas singulares tienen un valor de cero. Adems, elresultadoindicaqueelsistemacasisingular
(Fig. 7 . 2 ~ )
tiene un determinante cercano a cero. Estas ideas se seguirn manejando posteriormente en los anlisis de mal condicionamiento (seccin 7.3.3).
Regla de Cramer. Esta regla dice que cada incgnita de un sistema de
ecuaciones algebraicas linealesse puede expresar como el cociente de dos
determinantes con el denominador D y con el numerador obtenido de
D reemplazando la columna de coeficientes de la incgnita en cuestin
porlasconstantes cl, c2, . . . , c,. Por ejemplo, x1 se calcula como:
EJEMPLO 7.3
Regla de Cramer
Enunciado del problema: sese
lareglade
Cramer para resolver:
+ x3 = -0.01
0 . 3 ~ 1 0.52~2
0 . 1 ~ 1 O.3X2
+ O.5X3 = -0.44
Solucin: el determinante D se puedeescribir como [Ec. (7.2)]:

0.3 0.52 1
D = 0.5 1
0.1
0.3
1.9
0.5
ELlMlNAClON
GAUSSIANA
225
Los menores son:
1
10.3
0.5
0.1
0.5
A3 = 10.1
=
1.9
= l(0.5) - 1.9(0.3)= -0.07
0.5
1.9
= 0.5(0.5)- 1.9(0.1)= 0.06
0.5
1
= 0.5(0.3) - l(O.1) = 0.05
0.3
stos se pueden usar para evaluar el determinante, como en la ecuacin
(7.4):
0.3(-0.07) - 0.52(0.06) + l(0.05) = -0.002 2
Aplicando la ecuacin (7.5),la solucin es:
-0.01 0.52 1
0.67
1.9 1
x1 =
x3
I -o.44
-= .-0.032 78
-0.002 2
0.3 -0.01 1
0.67 1.9
0.5
0.3 0.52
-0.01
10.5 1
O. 67
1O.l
=
"0.002 2
-0.002 2
-14.9
-0.043 56 = 19.8
-0.002 2
Para ms de tres ecuaciones, la regla de-Crameres imprdctica ya que

a medida que crece el nmero de ecuaciones, los determinantesse vuelven dificiles de evaluar a mano. Por consiguiente, se usan otras alternativasms eficientes.Algunas de estasalternativas se basanenlaltima
tcnica cubierta en este libro que no usa computadora, la eliminacin de
incgnitas.
7.1.3 La eliminacin de incgnitas

La eliminacin de incgnitas mediante la combinacin de ecuaciones es
un esquema algebraic0 que se puede ilustrar para un conjunto de ecuaciones:
226
MhODOS NUMRICOS
PARA INGENIEROS
c7.61
La estrategia bsicaes multiplicar lasecuaciones por constantes para que

una de las incgnitas se elimine al combinar las dos ecuaciones. El resultado es una ecuacin que se puede resolver para la incgnita restante.
Este valor se puede sustituir en cualquiera de las ecuaciones originales
para calcular la otra variable.
Por ejemplo, la ecuacin (7.6) se puede multiplicar por a21y la ecuacin (7.7) por all paradar:
Restando la ecuacin (7.8) de la ecuacin (7.9),se eliminael trmino
x1 de la ecuacin para obtener:
que se puede resolver por

[7.10]
La ecuacin 7.10 se puede sustituir en la ecuacin (7.6),que se puede

resolver por
[7.11]
Ntese que las ecuaciones (7.10) y (7.11) se calculan directamente por

la regla de Cramer, que establece:
XI =
1C: I;:
- c1a22 - a12c2
alla22 - (3112a21
ELIMINACION
GAUSSIANA
227
EJEMPLO 7.4
Eliminacin de incgnitas
Enunciado del problema: sese la eliminacin de incgnitas para resolver (recurdese el ejemplo 7.1) :
3x1 + 2x2 = 18
-x1 + 2x2 = 2
Solucin: usando las ecuaciones (7.11) y (7.10)

x1
x2 =
2(18) - 2(2)
=4
3(2) - 2(-1)
3(2) - (-1)18
=3
3(2) - 2(-1)
las cuales son consistentes con la solucin grfica (Fig. 7.1)

La eliminacin de incgnitas se puede extender a sistemas con ms
de dos o tres ecuaciones. Sin embargo, los clculos numerosos que se
requieren para sistemas grandes vuelven rnuy tedioso al mtodo como
para realizarlo a mano. Sin embargo, como se describe en la siguiente
seccin, el mtodo se puede formalizar y programar fcilmente en una
microcomputadora.
7.2 ELIMINACIN GAUSSIANA SIMPLE

En la seccin anterior, se usa la elirninacin de incgnitas para resolver un par de ecuaciones simultneas. El procedimiento consta de dos
pasos:
1. Se manejan las ecuaciones para eliminar una incgnita de una ecuacin. El resultado de este paso de eliminacin es una sola ecuacin
con una incgnita.
2. Por consiguiente, esta ecuacin se puede resolver directamente y el

resultado se sustituyehaciaatrs
encontrar la incgnita restante.
en las ecuaciones originales para
Este comportamiento bsico se puede extender a sistemas grandes

de ecuacionesdesarrollando un esquema sistemtico para eliminar incgnitas y sustituir hacia atrs. La eliminacin gaussiana es una de las tcnicas ms comunes.
228
MhODOS NUMRICOS PARA INGENIEROS
7.2.1 Algoritmo para la eliminacin gaussianasimple

Se incluye en esta seccin la tcnica sistemtica de eliminacin haciaadelante y la sustitucin hacia atrs que comprende la eliminacin gaussiana. Aunque estas tcnicasse adaptan perfectamentea las condiciones de
implementacin sobre una microcomputadora,se requieren algunasmodificaciones para obtener un algoritmo legible. En particular, el programa
debe evitar divisiones por cero. Al mtodo siguiente se le llama eliminacin gaussiana "simple" porque no evita estas contingencias. Enlas siguientes secciones se muestran algunos rasgos adicionales necesarios para
tener un programa efectivo.
El procedimiento estplaneado para resolver un conjunto de n ecuaciones:
+ a13x3+ + al,xn = c1
a21x1+ a22x2 + ~ 1 ~+~ x 3+ aZnxn
= c2
allxl +
~112x2
* *
'
C7.1201
[7.12b]
[7.12c]
Como en el caso de solucin de dos ecuaciones, el mtodo para n ecuaciones consiste de dos fases: la eliminacin de las incgnitas y su solucin
mediante sustitucin hacia atrs.
Eliminacin hacia adelante de incgnitas. La primera fase reduce elconjunto de ecuaciones a un sistema triangular superior (Fig. 7 . 3 ) .El paso
inicial del procedimiento consiste en dividir la primera ecuacin[Ec. 7.12a1
porel coeficiente de laprimer incgnita, all:
x1
+ "a12x 2 +
a11
. + Q" lxn ,
al 1
c1
=-
all
A este procedimiento se le conoce como normalizacin y tiene como finalidad convertir el primer coeficiente de la ecuacin normalizada en 1.
En seguida se multiplica la ecuacin normalizada por el primercoeficiente de la segundaecuacin [Ec. ( 7 . 1 2 b ) ] ,a21:
[7.13]
Ntese que el primer trmino de la primera ecuacin es ahora idntico

alprimertrmino de la segunda ecuacin. Por consiguiente, se puede
eliminar la primera incgnita de la segunda ecuacin restando la ecuacin (7.13) de la (7.12b) para obtener
229
FIGURA 7.3
Esquema grfico de lasdos partes del mtodo de eliminacin gaussiana. La eliminacin hacia adelante reducela matriz de coeficientes a una
forma triangular superior. Despus, se usa la sustitucin hacia atrs para encontrar las incgnitas.
ahax? +
* * *
+ ahnxn= c$
en donde el apstrofo indica que los elementos han cambiado sus valores originales.
El proceso se repite hasta que se elimina la primera incgnita de las
ecuaciones restantes. Por ejemplo, la ecuacin normalizada se multiplica
por a31 y el resultado se resta de la tercera ecuacin para obtener
a&x2 + aj3x3
. + a&,x,, = c$
Repitiendo el procedimiento para el resto de ecuaciones da como resultado el siguiente sistema modificado:
[7.14a]
[7.14b]
[7.14c]
[7.14d]
230
De ahora en adelante, a la ecuacin (7.12a)

se le llama ecuacin pivotal
y a all se le llama pivote.
En seguida se repite el proceso para eliminar la segunda incgnita de
hasta la (7.14d).
Para hacerlo, se usa como ecualas ecuaciones (7.14~)
normalizndola y dividindola por el picin pivotal la ecuacin (7,14b)
votea'22. Multiplicando la ecuacin normalizada por a'32 y restando el
resultado a la ecuacin ( 7 . 1 4 ~se) elimina la segunda incgnita. Repitiendo el proceso conlas ecuaciones restantes se obtiene:
a"n3 x3
. + axnx, = c:
en donde el apstrofe doble indica que los coeficientes se han modificado dos veces.
El procedimiento se puede continuar usando las ecuaciones restantes como pivotales. La operacin final de esta secuencia es la de usar la
(n- 1)-sima ecuacinparaeliminar el trminode
la n-sima ecuacin. En ese momento el sistema se transforma en un sistema triangular
superior (recurdese el recuadro 111.1).
[7.15a]
[7.15b]
[7.15c]
[7.15dj
Sustitucin hacia atrs. La ecuacin (7.15d)se puede resolver para x,:
1
17.161
Este resultadose puede sustituir en la (n- 1) -sima ecuaciny resolverse
stapara x,,~- El procedimiento se repite evaluando las x restantes, ste
se puede representar mediante la frmula:
23 1
ELlMlNAClON
[7.17]
para i = n-1,
n-2, . . . , 1.
EJEMPLO 7.5
Eliminacin gaussiana simple
3x1
0.1~1+
la eliminacin gaussiana para resolver:

[E7.5.lj
0.1~2- 0 . 2 ~ 3= 7.85
7x2
[E7.5.2]
O.3X3 = -19.3
~ ~lox3 = 71.4
0 . 3~ 0~ . 2 +
rE7.5.31
Efectense 10s clculos con seis cifras significativas.

Solucin: la primera parte del procedimientoes la eliminacin hacia adelante. La normalizacin de la ecuacin ( 7 . 5 . 1se) lleva a cabo dividindola por el elemento pivotal, obteniendo:
XI -
0,033 333 3x2
0.066 666 7x3
2.616 67
[E7.5.4]
En seguida, multiplquese la ecuacin (E7.5.4) por 0.1 y t6stese el resultado de la ecuacin (E7.5.2) se tiene:
7.003 33x2 - 0.293 333x3
-19.561 7
[E7.5.5]
Por lo tanto almultiplicarla ecuacin (E7.5.4) por O.1 y al restarla a la

ecuacin (E7.5.3) se elimina xl. Despus de estas operaciones, el conjunto de ecuaciones es
3x1
--
o.lx,
- 0.2X3 = 7<65
rE7.5.61
7.003 33x2
0.293 333x3
- 19.561 7
[E7.5.7]
-0.190 000x2
10.020 Ox3
70.615 O
[E7.5.8]
Paraterminar la eliminacinhaciaadelante xp debe desaparecer de la

ecuacin (E7.5.8).Para llevarlo a cabo, normalcese la ecuacin (E7.5.7)
dividindola por 7.003 33:
x2 - 0.041 884 8x3
-2.793 20
[E7.5.9]
Despus, multiplquese la ecuacin ( 7 . 5 . 9

por
) -0.190 O00 y rstese el
resultado de la ecuacin (E5.7.8). Con esto se elimina x2 de la tercera
ecuacin y reduce el sistema a la forma triangular superior, dada por:
232
METODOS
3x1 -
O.lx,
PARA INGENIEROS
0 , 2 ~=
3 7.85
7.003 33x2
NUMRICOS
0.293 333x3
10.012 Oxg
-19.561 7
[E7.5.10]
70.084 3
[E7.5.11]
Ahora se pueden resolver estas ecuaciones porsustitucinhacia atrs.

Enprimer lugar, la ecuacin (E7.5.11)se puede resolver, dando:
03
x3
7.000
[E7.5.12]
Esteresultado se puede sustituirenla
7.003 33x2
ecuacin (E7.5.10),para dar:
0.293 333(7.000 03)
-19.561 7
que se puede resolver para
x2
"2.500 O0
[E7.5.13]
Finalmente, las ecuaciones (E7.S.12) y (E7.5.13)se pueden sustituir en

la ecuacin (E7.5.6) para dar:
3x1
0.1(-2.500 00)
0.2(7.000 03)
7.85

x1 = 3.000 O0
Aunque hay un pequeiio error de redondeo enla ecuacin (E7.5.E ) ,

los resultadosson muy cercanos a lasolucinexactade x1 = 3, x2 = -2.5
y xg = 7 . Esto se puede verificar sustituyendo las respuestas en el
conjunto de ecuaciones originales, para dar:
3(3) - 0.1(--2.5) - 0.2(7.00003)
7.84999
= 785
0.1(3) + 7("2.5)
-19.300 O
0.3(3) - 0.2(-2.5)
71.4003
= 71.4
0.3(7.00003)
lO(7.000 03)
7.2.2 Programa del mtodo de
-19.3
eliminacin gaussiana simple
La figura 7.4 muestra los programas de la eliminacin gaussiana simple.

Los programas constan de cuatro partes: entrada de dabs, eliminacin
hacia adelante, sustitucin hacia atrs e impresin de datos. Ntese que
la matriz de coeficientes se aumenta por las constantes del lado derecho.
Esta informacin se almacena en la matriz A. Ya que esta matriz es aumen-
ELlMlNAClON
GAUSSIANA
233
tada, el hecho de que susdimensionesseande

15 por 16 significa
que el programa puede manejar hasta15 ecuaciones simultneas de esta
forma.
FORTRAN
Elim1nac16n hacia adelante
sun-0
I-N-NN
IP=I+l
Sustracci6n hacia atrAs
[)O 1 2 2 0J = I P , H
SLlN-SUM+A( I , J >*X( J
1220 C O N T I N U E
~ ~ I ~ = ~ ~ ~ l , ~ ~ - s u M ~ , ' a ~ l , I ~
1 2 4 0C O N T I N U E
RETURli
END
FIGURA 7.4
Programas
simple.
FORTRAN y BASIC delmtododeeliminacingaussiana
Ntese tambin que se ha programado el cuerpo principal del algoritmo como una subrutina. Se hizo as porque adems de la solucin directa de los problemas de ingeniera, la eliminacin gaussiana tambihn tiene
utilidadformandoparte de otros algoritmos. Enlaltima parte de este
captulo se desarrollan tcnicas de correccin de errores que requieren
una subrutina para la elimiflacin gaussiana. Adems, en el captulo 10
se necesita resolver ecuaciones algebraicas lineales como parte de la tcy polinomial.
nica de ajuste de curvas llamada regresin mltiple
234
METODOS NUMRICOS
PARA INGENIEROS
El programa de la figura 7.4 no es legible al usuario. En el problema

7 .16 al final del captulo, se presenta la tarea de hacer un bosquejo del
Pr.ogramaparahacerlofcilde Gsar y de entender.
EJEMPLO 7.6
Solucin de ecuaciones algebraicas
lineales usando computadora
Enunciado del problema:los programas de NUMERICOMP contienen uno

que implementa la eliminacin gaussiana enun programa legibleal usuario. Se puede usar este programa para resolver problemas asociados con
el ejemplo del paracaidista discutido en el captulo 1. Supngase que un
grupo de tres paracaidistas se conecta por medio de cuerdas muy ligeras
mientras caen a una velocidad de 5 m/s (Fig. 7.5). Calclese la tensin
en cada seccin de la cuerda y la aceleracin del grupo, dada la siguiente
informacin:
Paracaidista
70
Coeficientes
de
rozamiento,
Masa, kg
.~
.." . . ~
kg/s
..
1
2
3
14
17
60
40
Solucin: los cuerpos de los paracaidistas se muestranenlafigura 7.6.

Considerando las fuerzas en direccin vertical y usando la segunda ley
de Newton se obtiene un conjunto de tres ecuaciones lineales simultneas:
mlg
m2g
T - clu
T'c2u - R
mla
m2a
Estas ecuaciones tienen tres incgnitas: a , T y R. Despus de sustituiros

valores conocidos, las ecuaciones se pueden expresar en forma matricial
(ya que g = 9.8 m/s2).
FIGURA 7.5 Tres
paracaidistas en cadc
libre conectados por
cuerdas de peso
despreciable.
236
MTODOS
FIGURA 7.7.
NUMRICOS
PARA INGENIEROS
(Continuacin) b) Prueba de exactitud obtenida al sustituir

la solucin en las ecuaciones originales para comprobar
que los resultados son iguales a las constantes del vector
de trminos independientes original.
Los resultados anteriores se basan en un algoritmo simple del mtodo de la eliminacin gaussiana con rutinas legiblesal usuario sobre entrada y salida de datos. El algoritmo empleado es similar al de la figura 7.4.
El usuario debe ser capaz de escribir un programa para el mtodo de la
eliminacin gaussiana. Si ya lo tiene, use el programa anterior para comprobar la exactitud del propio.
7.3 DESVENTAJAS DE LOS MTODOS
DE ELIMINACIN
A pesar de que existen muchos sistemas de ecuaciones que se pueden

resolver con la eliminacin gaussiana simple. Hay algunas desventajas que
se deben de analizar antes de escribir un programa que implemente el
mtodo. Aunque el siguiente material habla Gnicamente del mtodo de
eliminacin gaussiana simple, esta informacin tambin es importante para
otras tcnicas de eliminacin.
7.3.1 Divisin entre cero

La razn principal por la que se le ha llamado simple al mtodo anterior, es porque durante las fases de eliminacin y sustitucin es posible
que ocurra una divisin entre cero. Por ejemplo, si se usa el mtodo de
eliminacin gaussiana simple para resolver el sistema:
237
la normalizacin de la primer ecuacin implica una divisin entre all = O.

El problema se presenta tambin cuando el coeficiente es muy cercano
a cero. Se ha desarrollad? una estrategia del pivote0 para evitar parcialmenteestosproblemas.Este se describeenla seccin 7.4.2.
7.3.2. Errores deredondeo

Aun cuando la solucin del ejemplo 7 . 5 se acerca mucho a la solucin
real, hay una pequea diferencia enel resultado de x3 [Ec. (E7.5.12)].
Esta diferencia, que significa un error del -0.000 43%, se debe al uso
de seis cifras significativas durante los clculos. Si se hubieran usado ms
cifras significativas, el error se habra reducido an ms. Si se hubieran
usado fracciones en vez de decimales (y por consiguiente se hubieran evitado los errores de redondeo), la respuesta habra sido exacta. Sin embargo, ya que las microcomputadoras manejan slo un nmero limitado
de cifras significativas ( = lo), pueden ocurrir los errores de redondeo y
se deben considerar al evaluar los resultados.
EJEMPLO 7.7
Efecto de los errores de redondeo en la eliminacin gaussiana
Enunciado del problema: resulvase el mismn problema del ejemplo 7 . 5 ,

usando tres cifras significativas durante los clculos.
Solucin: la eliminacin de x1 de la segunda y tercera ecuacin y la eliminacin de x2 de la tercera llevaalsiguientesistematriangular:
3x1 - 0.1~2-
0.2~3= 7.85
7.00~2- 0.293~3= -19.6

9.99~3= 70.1
Comprese este sistema con el obtenido previamente usando seis cifras

significativas [ecuacin(E7.5.10) hasta la (E7.5.121. Sepuede usar la sustitucinhaciaatrspararesolverel
sistema, obteniendo:
x2
= -2.51
IE,~
I E, 1
x3
= 7.02
1 E, I
x1 = 3.17
5.7%
0.4%
0.29%
238
NUMERICOS
METODOS
PARA INGENIEROS
Sustituyendo estos valores enlas ecuaciones originales se obtiene:

3(3.17) - 0.1(-2.51)
0.2(7.02) = 8.36 # 7.85
0.1(3.17) + 7(-2.51)
0.3(7.02) = -19.4 # -19.3
0.3(3.17) - 0.2(-2.51)
+ lO(7.02) = 71.7 #
71.4
Aunque el uso de tres cifras significativas dentro del ejemplo

7.7 hace
del mismo un ejemplo fuera de la realidad, el problema de los errores de
redondeo s es real y puede ser de mucha importanciaal resolver grandes
cantidades de ecuaciones. Esto se debe a que cada resultado depende
de todos los resultados anteriores. Por consiguiente, un error en los primeros pasos tiende a propagarse, esto es, causa errores en los siguientes
pasos.
Es muy complicado especificar el tamao del sistema en donde los
errores de redondeo vienen a ser significativos ya que dependen del tipo
de computadoray de las propiedades del sistema. Una regla
muy general
es la de suponer que los errores de redondeo son de importancia cuandose
trata de sistemas de 25 a 50 ecuaciones. En cualquier evento, siempre
se deben sustituir las respuestas en las ecuaciones originales y verificar si
ha ocurrido un error sustancial.Sin embargo, como se menciona ms adelante la magnitud de los coeficientes mismos puede influir en los errores
al buscar un resultado aceptable.
7.3.3 Ill-Sistemas mal condicionados

La obtencin de la solucin depende de la condicin del sistema. Enla
seccin 7.1.1 se muestra un esquema grfico de la condicin de un sistema. En sentido matemtico, los sistemas bien condicionados son aquellos en los que un cambio en uno o ms coeficientes provoca un cambio
similarenla solucin. Los sistemas mal condicionados son aquellos en
donde cambios pequeos en los coeficientes provocan cambios grandes
en la solucin. Una interpretacin diferente del mal condicionamiento es
que un rango amplio de respuestas puede satisfacer aproximadamente
al sistema. Ya que los errores de redondeo pueden inducir cambios pequeos en los coeficientes, estos cambios artificiales pueden generar errores
grandes en la solucin de sistemas mal condicionados como se ilustra en
elsiguiente ejemplo.
EJEMPLO 7.8
Ill-Sistemas mal condicionados
Enunciado del problema:resulvase el siguientesistema:
ELlMlNAClON
239
GAUSSIANA
+ 2x2 = 10
x1
[E7.8.1]
1 . 1 ~ 1+ 2x2 = 10.4
[E7.8.2]
Despus, resulvase nuevamente, con el coeficiente de x1 de la segunda

ecuacinmodificadolevemente a 1.05.
Solucin: usandolas ecuaciones (7.10) y (7.11), la solucin es:
x1
2(10) - 2(10.4)
=4
l(2) - 2(1.1)
x2 =
l(10.4) - 1.1(10)
= 3
l(2) - 2(1.1)
Sin embargo, con el cambio al coeficiente

do cambia drsticamente a:
x1
2(10) - 2(10.4)
=8
l(2) - 2(1.05)
x2
l(10.4) - 1.05(10)
=1
l(2) - 2(1.05)
a21 de
1 . 1 a 1.05, el resulta-
Ntese que la razn principal de la diferencia entre los dos resultados

es que el denominador representa la diferencia de dos nfimeros casi iguales.
Como se explica previamente enel ejemplo 3.4, estas diferencias sonmuy
sensitivas a pequeas variacionesen los nmeros que se estn manejando.
En este punto, se podra sugerir que la sustitucin de los resultados
en las ecuaciones originales alertara al lector en el problema. Desafortunadamente, este no es el caso en sistemas mal condicionados. La sustitucin de valores errneos de x1 = 8 y x2 = 1 en las ecuaciones (E7.8.1)
y (7.8.2) lleva a:
+ 2(1) = 10 = 10
1.1(8) + 2(1) = 10.8 = 10.4
8
Por lo tanto, aunque x1 = 8 y x2 = 1 no son las soluciones reales al problema original, la prueba de error es casi igual, lo que puede provocar
el error al hacer creer que las soluciones son
correctas.
Como se hizo previamente enla seccin de mtodos grficos, se puede

desarrollar una representacin visual del mal condicionamiento graficando las ecuaciones (E7.8.1)y (E7.8.2) (recurdese lafigura 7.2). Debido
a que las pendientes de las lneas son casi iguales, visualmente es
difcil
de ver exactamente donde se intersectan. Esta dificultad. visual se refleja
240
MTODOS
cuantitativamente en los resultados inciertos del ejemplo 7.8. Esta situacin se puede caracterizar matemticamente escribiendo las dosecuaciones en su forma general:
Dividiendo la ecuacin (7.18)por a12 y la ecuacin (7.19) por aZ2y ordenando trminos se obtienen las versiones alternativas del formato de
unalnearecta
[x? = (pendiente) x1 + interseccin].
x2
a21
x1
"
a22
c2
"
a22
Por consiguiente, silas pendientessoncasiiguales,

-all
=-
021
012
a22
entonces:
o , multiplicandoencruz:
alla22
= a21a12
que se puede expresar tambin como:

alla22 - a 1 2 ~ 2 1
=
r7.201
Ahora, recordando que a l l a22 - a12a21 es el determinante del sis, puede obtener la conclusin general
tema bidimensional [Ec. ( 7 . 3 ) ]se
de que un sistema mal condicionado es aquel en que su determinante
se aproxima a cero. En efecto, siel determinante es exactamente igual
a cero, las dos pendientes son idnticas, lo que produce de forma indistinta o ninguna solucin o un nmero infinito de ellas, como enel caso
del sistema singular mostrado enlafigura 7 . 2 1 y b.
Es difcil especificar qu tan cerca debe estar el determinante de cero
de manera que indique mal condicionamiento. Esto se complica por el
hecho de que un determinante puede cambiarsu valor simplemente multiplicando una o ms ecuaciones por un factor escalar sin alterar la solucicin. Por consiguiente, el determinante esun valor relativo que se modifica
conlamagnitudde
los coeficientes.
241
ELlMlNAClONGAUSSIANA
EJEMPLO 7.9
Efecto de escalamiento en el determinante
Enunciadodelproblema:evaleseeldeterminantedelossistemas
guientes:
Si-
a) Del ejemplo 7.1:
3x1
-x1
+ 2x2 = 18
+ 2x2 = 2
[E7.9.1]
[E7.9.2]
b) Del ejemplo 7.8:
+ 2x2 = 10
1.lxl + 2x2 = 10.4
x1
c) Reptase b) multiplicandolas ecuaciones por
[E7.9.3]
[E7.9.4]
10.
Solucin:
a) El determinante de las ecuaciones (E7.9.1) y (E7.9.2) que es un sistema bien condicionado, es:
3(2)
2(-1) = 8
b) El determinante de las ecuaciones (E7.9.3)y (E7.9.4),que es un sistema mal condicionado, es:
D
c)
= l(2) - 2(1.1) = -0.2
Los resultados de a) y de b) parecen corroborar el argumento de que

los sistemas mal condicionados tienen determinantescercanos a cero.
Sin embargo, supngase que el sistema mal condicionado b) se multiplicapor 10, para obtener:
+ 20x2 = 100
11x1 + 20x2 = 104
10x1
La multiplicacin de una ecuacin por una constante no tiene efecto en

la solucin. Adems, an est mal condicionado. Esto se puede verificar
multiplicando por una constante que no tenga efecto en la solucin grfica. Sin embargo, el determinanteresulta muy afectado.
= lO(20) - 20(11) = -20
No slo se han elevado dos rdenes de magnitud, sino que el determinante es el doble del sistema bien condicionado a ) .
242
INGENIEROS
MTODOS
NUMRICOS
PARA
Como se ilustra en el ejemplo anterior, la magnitud de los coeficientes interpone un efecto de escalamiento que complica la relacin entre
la condicin del sistema y el tamao del determinante. Una manera de
evitar parcialmente esta dificultad es la de escalar las ecuaciones de forma tal que el elemento mximo de cualquier rengln sea 1.
EJEMPLO 7.1 O
Escalamiento
Enunciado del problema: esclenselos sistemas de ecuaciones del ejemplo 7.9 a un valor mximo de 1y calclense de nuevo sus determinantes.
Solucin:
a) En el sistema bien condicionado, el escalamiento genera
+ 0.667~2= 6
+
x2 = 1
XI
-0.5x1
cuyo determinante es:
l(1)
0.667(-0.5)
1.333
b) En el sistema mal condicionado, el escalamiento genera:
+ X2 = 5
0.55~1+ X:, = 5.2
0.5X1
cuyo determinante es:
0.5(1) - l(0.55) = -0.05

c ) En el ltimo caso, e! escalamiento modifica el sistema de la misma
forma que b ) . Por lo tanto, el determinante tambin es 0.05, y el escalamiento no afecta.
En la seccin anterior (seccin 7.1.2),se dijo que el determinante es

difcil d e evaluar para ms de tres ecuaciones simultneas. Por lo tanto,
parece ser que noexiste una manera prctica de determinar la condicin
de un sistema. Sin embargo, como se muestra en el recuadro 7.1, existe
un algoritmo simple que resulta de la eliminacin gaussiana y que se puede
usar en la evaluacin del determinante.
Adems del planteamiento usado en el ejemplo anterior para calcular la condicin de un sistema, existen otras formas de hacerlo. Por ejemplo, existen mtodos alternativos para la normalizacin de elementos ( d a s e
ELlMlNAClON
GAUSSIANA
143
Stark, 1970).Adems, como se ve en el captulo siguiente (seccin 8.2.2),

la matriz inversa puede usarse en la evaluacin de la condicin de un sistema. Finalmente, unapruebasimple (pero que consume mucho tiempo) consisteenmodificar un poco los coeficientes y repetirlasolucin.
Si estas modificaciones generan resultados drsticamente diferentes, el sistemaprobablementeestmalcondicionado.
Como se puede deducir del anlisis anterior, definitivamente no existe un mtodo simple para evaluar el mal condicionamiento. En la elimi-
RECUADRO 7.1 Evaluacin de determinantesusando la eliminacion gaussiana

En la seccin 7.1.2,
se dijo que la evaluacin de los determinantes por expansin de menores era imprctica
para conjuntos grandes de ecuaciones. De esta forma,
se concluye que la regla de Cramer slo es aplicable para sistemas pequeos. Sin embargo, como se dijo en la
seccin 7.3.3,
el determinante tiene sentido cuando valorala condicin de un sistema. Por lo tanto, sera til
poseer un mtodo prctico para calcular esta cantidad.
Afortunadamente, la eliminacin gaussiana proporciona una forma simple de hacerlo. El mtodo se basa
en el hecho de que el determinante de la matriz triangular se puede calcular simplemente con el producto de
los elementos de su diagonal:
= a11a22a33. .
. ann
[B7.1.1]
La validez de ,esta frmula se puede ilustrar en sistemas

de 3 por 3:
a11a22m
- ado)
+ a d o ) = a11a~~a33
Recurdese que el paso de eliminacin progresiva

de la eliminacin gaussiana genera un sistema triangular superior. Ya que el valor del determinante se puede
evaluar simplemente al final de este paso:
= a11a&a&. . . a?;')
[B7.1.2]
en donde los superndices indican que los elementos se

han modificado durante el proceso de eliminacin. Por
lo tanto, se puede aprovechar el esfuerzo que se ha hecho al reducir el sistema a su forma triangular, y por aadidura obtener una aproximacin al determinante.
Hay una pequea modificacin en el planteamiento anterior cuando el programa usa pivote0 parcial (secEn este caso, el determinante cambia de
cin 7.4.2).
signo cada vez que un rengln se usa como pivotal. Una
manera de representar esto es modificando la ecuacin
(B7.1.2):
D
en donde el determinante se puede evaluar como [recurdese la ecuacin (7.4)]
o, evaluando por menores (esto es, los determinantes

2 por 2).
= alla&?a:3 . . . ak-l)(-l)p
[B7.1.3]
en donde p representa el nmero de veces en que los

renglones se usan como pivotales. Esta modificacin se
puede incorporar de forma simple enun programa: nicamente se toma en cuenta el nmero de pivoteos que
se llevan a cabo durante los c6lculos y despus se usa
pata evaluar el determinante.
la ecuacin (B7.1.3)
244
MTODOS
NUMRICOS
PARA INGENIEROS
nacingaussiana.serecomiendaescalar
el determinante como en el
ejemplo 7.10. Afortunadamente, la mayor parte de las ecuaciones algebraicas obtenidas de problemasde ingeniera por naturaleza son sistemas
bien condicionados. Adems, algunas de las tcnicas desarrolladas en la
siguiente seccin ayudan a aliviarel problema.
7.4 TCNICAS DE MEJORAMIENTOEN

LAS SOLUCIONES
LES sipientzs tcnicas se pueden incorporar al algoritmo de la eliminac i h gaussiana simple para evitar algunas de las desventajas analizadas
en la seccinprevia.
7.4.1 Uso de ms cifras significativas

El remedio ms simple para el mal condicionamiento es el de usar ms
cifras significativas en los clculos (comprense los ejemplos 7.5 y 7.7).
Si la computadora tiene la capacidad de extender el tamao de las cifras
significativas aumentando el tamao de la palabra, esta caracterstica reduce mucho el problema.
7.4.2 Pivoteo
Como se dijo al principio de la seccin 7.3, los problemas obvios ocurren
cuando un elemento pivotal es cero, debido al paso de normalizacin lo cual
origina una divisin por cero. Estos problemas se obtienen cuando el elemento pivotal es cercano a cero en vez de ser exactamente igual, por lo
que si la magnitud del elemento pivotal es pequeo comparado con los
otros elementos, entonces se introducenerrores de redondeo.
Por lo tanto, antes de normalizar cadarengln, es ventajoso determi-.
nar el coeficiente mayor disponible.Entonces se pueden intercambiar los
renglones de tal forma que el elemento mayor sea el pivotal. A este mtodo se le conoce conelnombre de piuoteo parcial. Si se busca tanto
en las columnas como en los renglones el elemento mayor y se intercambian, entonces el procedimiento es de piuoteo total. El pivoteo total se
usa muy raramente en programas elementales, ya que el intercambio de
columnas cambia el orden de las x y, por consiguiente, aumenta la complejidad de los programas, generalmente,sin justificacin. El siguiente ejemplo ilustra la ventaja del pivoteo parcial. Adems de evitar la divisin por
cero, el pivoteo tambin minimiza el error de redondeo. Como tal, sirve
tambin como remedio parcial almal condicionamiento.
EJEMPLO 7.1 1
Pivoteo parcial
la eliminacin gaussiana para resolver:
245
0.000 3x1
+ 3.000 0x2
2.000 1
1.000 0x1
1.000 o
1.000 0x2
Ntese que en esta forma el primer elemento pivotal, a l l = 0.000 3 , es

muy cercano a cero. Despus reptanse los clculos con pivote0 parcial
pero invirtiendo el orden de las ecuaciones. La solucin exacta es x1 =
1/3 y
x2 =
2/3.
Solucin: normalizando laprimer ecuacin se obtiene:

x1
10 000x2
6 667
lacual se puede usar para eliminar
-9 999x2
x1 de la segunda ecuacin:
-6 666

x2 = 2/3
Este resultado se puede sustituirenlaprimer

x1 =
ecuacin y evaluar xl:
2.000 1 - 3(2/3)
0.000 3
[E7.11.1]
Sin embargo, el resultado es muy sensitivo al nmero de cifras significativasincluidasenel

clculo:
Cifras
significativas
3
4
5
6
7
Valor absoluto
del error
relativo
x?
0.667
0.666 7
0.666 67
0.666 667
666
0.666
7
X1
-3.33
0.000
0.300 O0
0.330 O00
0.333 O00 O
e x1
porcentual
1 099
1 O0
10
1
o. 1
Ntese que la solucin para x1 depende mucho del nmero de cifras significativas. Esto se debe a que en la ecuacin (E7.11.1), se restaron dos nmeros casi iguales (recurdeseel ejemplo 3.4). Por el otro lado,
si se resuelven las ecuaciones en orden inverso, se normaliza el rengln
con el elemento pivotal mayor. Las ecuaciones son:
246
INGENIEROS
METODOS
1.000 Ox1 + 1.000 ox*
1.000 o
2.000 1
0.000 3x1
3.000 0x2
NUMERICOS
PARA
La normalizacin y la eliminacin produce x2 = 2/3. Para cantidades diferentes de cifras significativas, x1 se puede calcular de la primera ecuacin,como:
[E7.11.2]
Este caso es mucho menos sensitivo al nmero de cifras significativas en
los clculos:
Cifras
significativas
x2
X1
Valor absoluto
del error
relativo
porcentual
de x1
0.667
0.666 7
0.666 67
0.666 667
0.666 666 7
0.333
0.333.3
0.333 33
0.333 333
0.333 333
3
0.1
0.01
0.001
0.000 1
0.000 o1
De esta forma, la estrategiapivotalesmuchomssatisfactoria.
Los programas de NUMERICOMP de propsitos generales que

acompaian este libro, incluyen a menudo una estrategia pivotal.La figura 7.8
muestra un algoritmoparaimplementarestaestrategia.Esteprograma
se puede integrar al de la figura 7 . 4 para incorporar el pivote0 parcial en
los programas del usuario.
7.4.3 Escalamiento
En la seccin 7.3.3 se dedujo que el escalamiento influye en la estandarizacin del valor del determinante. Ms all de esta aplicacin, tiene utilidad en la minimizacin de los errores de redondeo para aquellos casos
en donde alguna de las ecuaciones de un sistema tiene unos elementos
mucho ms grandes que otros. Estas situaciones se encuentran frecuentemente en la ingeniera cuando se usan ampliamente unidades diferentes en el desarrollo de ecuaciones simultneas. Porejemplo, en problemas
de circuitos elctricos, los voltajes desconocidos se pueden expresar en
ELlMlNAClON
247
GAUSSIANA
FORTRAN
BASIC
.m = t
B : AB', 1 A l I .t.. I I
3:xj
FOR 1 = I + I TLJ N
34<:, I W = ABS I A ( I I., # )
3 0 5 . > I F P - BF' . =- THEN 38U
:ad E c BF'
pivotel el
31:103
302hj
=
r e p r er seen
eng
lptliadvno t a l
( A l m a c e n a el valor absoluto del pivote actual)
ICiclo que compara
los elementos de las
contra
columnas
otras
31171'1
I.)
. ...
~
308o
IF ( 6 - B P . G E . O . X O T O
&=RP
.
.
308U
.. -
.I .I= I
303r) C O N T I N U E
?O90 I F ( J J - K . E O . O . 0 )
O0 3140 J-K,Nl
TE=&< J J . J )
fi(JJ,J>-R(K,J)
A f K , J )=TE
3140 CONTINUE
3150 C O N T I N U E
RETURN
END
FIGURA 7.8
= .
I
biEx r I
-, . ~C.1'90
I F J.1 -- I, *:
3 1 1 0 I = A l IJ. ..I1
COTO 3 1 5 0
THLN 3150
313 A l b ~ d )= 1E
3140 N t k l J
3150 Rtll.lFIN
escogido
pivote(Si el
entonces regresa
principal)
es el m a y o r ,
al programa
(Si no es asl, este ciclo

lntercambia los renglones1
(Regresa al programa principal
a continuar c o n la eliminacidnl
Programa en
FORTRAN y BASIC para implementar el pivoteo parcial.
unidades que varan desde microvolts hasta kilovolts. Se pueden encontrar ejemplos similares en todoslos campos de la ingehiqra. Mientrascada una de las ecuaciones sea consistente, tcnicamentd el sistema ser
correcto y tendr solucin. Sin embargo, el uso de unidades completamente diferentes puede generar coeficientes de magnitudes que difieran
ampliamente entre s. Esto puede tener un impacto sobre el error de redondeo ya que afecta al pivoteo, como se puedeverenelsiguiente
ejemplo.
EJEMPLO 7.12
Efectos del escalamiento en el pivoteo y el redondeo

Enunciado del problema:
a ) Resulvase el siguiente conjunto de ecuaciones usando la eliminacin
gaussiana y la estrategia del pivoteo:
2x1
100 000x2
100 O00
x1
x2
b) Reptase la solucin anterior despus de escalar las ecuaciones de tal

forma que el coeficiente mximo en cada rengln sea 1. En ambos
casos, retnganse slo tres cifras significativas. Ntese que las respuestas correctas son x1 = 1 .O00 02 y x2 = 0.999 98 o, con tres cifras
significativas, x1 = x2 = 1.00.
248
MTODOS
NUMRICOS
Solucin:
a) Sin escalar,, se aplicalaeliminacinhaciaadelante
2x1
100 000x2
-50 000x2
100 O00
-50 O00
quesepuederesolverporsustitucinhacia
PARA INGENIEROS
y se obtiene:
atrs, para obtener:
x:, = 1.00
x1
0.00
Aunque x2 es correcta, x1 tiene un 100% de error debido al redondeo.

b ) El escalamientotransformalas ecuaciones originales en:
0.000 02x1
x2
x1
x2 =
Por lo tanto, se debe aplicar el pivote0 a los renglones y colocar el

valormayorsobrela
diagonal.
IC1
0.000 02x1
x:, = 2
x2 =
Laeliminacinhaciaadelante
x1
genera:
+ x2 = 2
x1 = 1.00

x1 = x:, = 1
~
De esta forma, el escalamientoproduceunarespuesta
correcta.
AIigual que enel ejemplo anterior, el escalamiento aqu tiene utilidad

para minimizar los errores de redondeo. Sin embargo, se debe notar que
el escalamiento mismollevaimplcito un error de redondeo. Por ejemplo, dada la ecuacin:
2x1
300 OOOXZ
y usando tres cifras significativas, el escalamiento
0.000 006 67x1
x2
produce:
249
Por lo que e l escalamiento introduce un error de redondeo en el primer

coeficiente. Por esta razn, algunas veces se sugiere que el escalamiento
slo se emplee en casos donde realmente sea necesario, esto es, cuando
el sistema involucre coeficientes de magnitudes muy diferentes.
7.4.4 Correccin de errores

En algunos casos, el pivote0 parcial y el escalamiento no son suficientes
para asegurar resultadosprecisos. Por ejemplo, recurdese el ejemplo 7.7,
que tena los elementos mayores en la diagonal, pero que debido a los
errores de redondeo,la solucin final an presentaba errores. Estos errores, en general se pueden reducir con el siguiente procedimiento. Considrese un sistema de ecuaciones lineales de la forma:
[7.21]
anlxl + aax2
+ a,,x, = c,
Supngase que se tiene un vector solucin aproximado dado por kl,

kz, . . . , k,,.Estos resultados se sustituyen en la ecuacin (7.21), para
dar :
[7.22]
Ahora supngase que la solucin exacta xlr xz, . . . , x , se expresa en

funcin de 21, 2 2 , . . . , k,, y de los factores de correccin Ax,,
Ax2, . . . , Ax,, en donde
[7.23]
x, = R,
-. - .
"
..
+ Ax,
250
NUMERICOS
Si estos resultados se sustituyenenla

cuencia el siguiente sistema:
Ahoralaecuacin
obtener:
allAxl
ecuacin (7.21) da como conse-
(7.22) se puederestarde
+ a12Ax2 +
azlAxl + a22Ax2
* *
* *
PARA INGENIEROS
METODOS
la ecuacin (7.24) para
+ alnAx,= c1 - El
+ az,Ax, = c~ - E2
= 2
El
[7.25]
anlAxl+ ~ ~ ~ 2 +
6 x* 2
+ a,,Ax,, = c, - E,
E,
Este sistema en s mismo es un conjunto de ecuaciones lineales simultneas que se puede resolver obteniendo con ello los factores de correccin. Estos factores se pueden aplicar para mejorar la solucin especificada
porla ecuacin (7.23).
EJEMPLO 7.13
Uso de las ecuaciones de error para corregir los de redondeo
Enunciado del problema: recurdese que en el ejemplo 7.7 se usa la eliminacin gaussiana con tres cifras significativas para
resoher
0.1~1+
O.3X1 -
7x2
0 . 3 ~ 3= -19.3.
0 . 2 ~ 2+ 10x3
71.4
Debidoalnmerolimitadodecifrassignificativas,lasolucindifierede
la verdadera (x1 = 3 , x2 = -2.5, x3 = 7) en:
25 1
ELlMlNAClON
x1
3.17
E,
5.7%
x2
-2.51
E,
0.4%
x3
7.02
E,
0.29%
sense las ecuaciones del error para refinar estas aproximaciones.

Solucin: la sustitucin de las soluciones en el conjunto original de ecuaciones produce el vector de trminos independientes:
[elT= [8.36 -19.4 71.71

que no es igual al valor real. Por lo tanto, se puede desarrollar un vector
de error:
Ahora, se puede generar un conjunto de ecuaciones error [Ec. (7.25)]:
3AX1 - 0.1Ax2 - 0.2Axs = -0.51

O.lAx1
7AX2
- 0.3Ax3 = 0.1
O.3Ax1 - 0.2A~2+ 1OAx3 = -0.3

que se puede resolver (usando tres cifras significativas de forma tal que
exista consistencia con elproblema original), para obtener:
[AX]'
7 -0.02461
[-0.1710.015
los cuales se pueden usar para corregir las

XI
3.17
0.171
3.00
x2 =
-2.51
x3 =
7 O2
0.024 6
soluciones, dando:
0.015 7
que se aproximanmuchoms
-2.49
7.00
a la solucinverdadera
Ecuaciones del error en los programas. Se pueden integrar las ecuaciones del error en los programas de la eliminacin gaussiana. En la figura 7.9 se delinea un algoritmo que realiza esta tarea. Ntese que para
hacer ms efectiva la correccin de sistemas altamente mal condiciona-
252
MTODOS
FIGURA 7.9
NUMRICOS
PARA INGENIEROS
Algoritmo de eliminacingaussianaqueincluyecorreccindeerrores.
dos, las E en la ecuacin (7.25)se deben expresar en aritmtica de doble

precisin. Esto se hace fcilmente en FORTRAN pero en algunas implementaciones de BASIC no esposible hacerlo.
7.5 RESUMEN
En resumen, este captulo se ha dedicado a la eliminacin gaussiana, el
mtodo fundamentalen la solucin de sistemas deecuaciones algebraicas
lineales. Aunque sta es una de las tcnicas ms antiguas desarrolladas
para este propsito, an es un algoritmo muy efectivo en la obtencin de
solucionesdemuchosproblemas de ingeniera.Ademsde suutilidad
prctica, proporciona un contexto enel estudio general de temas tales
como los errores de redondeo, escalamiento y condicionamiento.
Las respuestas que se obtienen mediante el mtodo de eliminacin
gaussiana se pueden verificar sustituyndolas en las ecuaciones originales. Sin embargo, esto no siempre representa una prueba confiable si el
sistema est mal condicionado. Por lo tanto, si se sospecha de un error
de redondeo, entonces se debe calcular alguna medida de la condicin
tal como e l determinante del sistemaescalado. Dos opciones que aminoy eluso de
ran los errores de redondeo son el uso del pivote0 parcial
ELlMlNAClON
GAUSSIANA
253
ms cifras significativas en los clculos. Si el problema parece ser sustancial, la correccin de errores (seccin 7.4.4) se puede usar algunas veces
para mejorar la solucin.
Existen otros planteamientos y variaciones de la eliminacin gaussiana para satisfacer las necesidades particulares. Por ejemplo, como se explica en el recuadro 7.2, se puede formular una versin muy eficiente
de la eliminacin gaussiana para sistemas tridiagonales. El captulo 8 se
encarga de mostrar dos mtodos diferentes,el de Gauss-Jordan y GaussSeidei.
RECUADRO 7.2 Sistemas de banda: el caso tridiagonal
Una matriz banda es una matriz cuadrada que tiene todos
sus elementos iguales a cero, con excepcin de una banda centrada sobre la diagonalprincipal (recurdese Ill. 1).
En el caso en que el ancho de banda es 3, a lamatriz se
le conoce con un nombre especial: matriz tridiagonal. Los
sistemas tridiagonales se encuentran frecuentemente en
la ciencia y en la ingeniera. Por lo general resultan de las
d3X2
+ e3x3 + f3x4
Ntese que se ha cambiado la notacin de los coeficientes del sistema tridiagonal de las a y las c a las d, e , f y
g. Esto se hizo para evitar el almacenamiento de cantidades grandes de ceros en la matriz de a. Esta modificacin
que ahorra espacio, es muy ventajosa ya que el algoritmo
resultante requiere menos espacio en memoria.
Como era de esperarse, los sistemas bandados sepueden resolver con una tcnica similar a la eliminacin gaussiana. Sin embargo, debido a la estructuranicadel
FORTRAN
I "IO
I"-"
soluciones en diferencias finitas de ecuaciones diferenciales parciales. Adems hay otros mtodos numricos tales
como la interpolacin cbica segmentaria (seccin 11.4)
que requieren la solucin de sistemas tridiagonales.
Un sistematridiagonal es aqul en el que los coeficientes estn ordenados enforma tridiagonal, como en:
sistema, la implementacin del algoritmo de la eliminacin

gaussiana se puede simplificar mucho y las soluciones se
obtienen deuna manera muy eficiente. Para el sistema
tridiagonal los pasos de eliminacin progresivase simplifican ya que la mayor parte de sus elementos son cero. En
seguida las incgnitas restantes se evalan por sustitucin
hacia atrs. El algoritmo completo se expresa de forma
concisa en los programas siguientes:
254
MTODOS
NUMRICOS
PARA INGENIEROS
PROBLEMAS
Clculos a mano
7.1
Escrbase el siguiente conjunto de ecuaciones ennotacinmatricial:
Escrbase la transpuesta de la matriz.
7.2
Algunas
matrices
[Al =
se definen como:
1 5 6
2 131
4 0 5
[ ;;;]
4 3 1
[Bl
[Cl =
[a]
5 4 3 6
[GI
[ 8 6 41
Respndase a lassiguientespreguntasde acuerdo a las matrices anteriores:

o) Cules sonlas dimensiones de lasmatrices?
b) Identifquenselasmatrices cuadradas, columna y rengln.
c) Cules son los valores de los elementos:
012
b23
d32
e22
112
912
d) Efectense lassiguientes operaciones
7.3
Se definen
tres
matrices
como:
Efectense todas lasmultiplicacionesposibles que se pueden llevar a cabo

eptre parejas de estas matrices.
b) Usese el mtodo del recuadro 111.2 para justificar por qu las parejas restantes no se pueden multiplicar
a)
ELlMlNAClON
GAUSSIANA
c) sense los resultados de

lasmultiplicaciones.
7.4
a)
e ilstresepor qu es importanteelorden
255
de
sese el mtodo grfico para resolver:

4x1 - 6x2
-xl
= "22
12x2 =
58
verifquense los resultados sustituyndolos en las ecuaciones originales

7.5
Dado el sistema de ecuaciones:
+ xp = 14.25
1 +
~ ~
1 . 6 ~
= ~22.1
o.75X1
1 .
a)
Resulvase grficamente.
b) En base a la solucin grAfica, 'qu
se espera acerca de la condicin del sistema?

c) Resulvase por eliminacin de incgnitas.
d ) Verifquense las respuestas sustituyndolasen las ecuaciones originales.
7.6
Para el conjunto de ecuaciones:
a)
Calclese su determinante.
b) Usese la regla de Cramer y resulvase para las
x.
c) Sustityanse los resultados en la ecuacin original y comprubense los mismos.

7.7
Dadas las ecuaciones:

0.5~1
-
x2
= -9.5
0 . 2 8 ~ 1- 0 . 5 ~ 2= -4.72
a)
Resulvanse grficamente.
b) Despus de escalarse, calclese su determinante.

c) En base a a) y b) qu se puede esperar de la condicindelsistema?
d ) Resulvanse poreliminacin de incgnitas.

e ) Resulvanse otra vez, pero modificando all a 0.55. Interprtense los resultados de acuerdo al anlisis de mal condicionamiento de la seccin 7.1.1.
7.8
Dado el sistema
"12x1
x1 -
-2x1
x2 -
6x2
x2
7x3 = -80
4x3 = 13
=
92
256
MTODOS
NUMRICOS
PARA INGENIEROS
a) Resulvase con el uso de la eliminacin gaussiana simple. Mustrense todos

los pasos de los clculos.
b) Sustityanse los resultados enlas ecuaciones originales y comprubense las
respuestas
7.9
sese la eliminacin gaussiana para resolver:

4x,
5x2 - 6x,{
28
7x3
29
ZX,
- 5 ~ 1 - 8x2
-64
Emplese el pivoteo parcial y comprubense las respuestas sustituyndolas en las

ecuaciones originales.
7.10 sese la eliminacin gaussiana para resolver:
3x2
Zx,
13~,$= -50
6x2 + x:(
4x,
8x,:
44
Emplese el pivoteo parcial. Comprubense las respuestas sustituyndolas en las

ecuaciones originales.
7.11 Reptase el ejemplo 7.6 con el coeficiente de rozamiento al doble.
7.12 Resulvase el siguientesistematridiagonal:
4x,
x2
7.13
5x,
4x2
3x,
7x,3 = 3
+
12x,, +
6x3
25
4x4
17
2x,
36
Efectense los mismos clculos del ejemplo 7.6, pero usando cinco paracaidistas
conlassiguientes caractersticas:
Paracaidista
Masa, kg
Coeficientes de rozamiento, kgls

15
14
18
60
80
75
75
90
12
10
Los paracaidistas tienen unavelocidad de 10 m / s
ELlMlNAClON
GAUSSIANA
257
Problemas para resolver con una computadora

7.14
Escrbase un programa general para multiplicar dos matrices, esto es, [X] = [y][ Z l
donde [X]es m por n y [ Z l es n por p. Prubese elprogramausando
7.15
Escrbase un programa que genere la transpuestadeunamatriz.
Prubese con
7.16 Reprogrmese la figura 7 . 4 de tal forma que sea ms legible al usuario. Entre otras
cosas:
Intgrese lafigura 7 . 8 al programa de tal forma que ste realice pivote0
parcial.
b) Documntese el programa para identificar cada seccin.
c) Etiqutese la entrada y la salida.
d) Esclense las ecuaciones de talforma que el coeficiente mayor en cada
rengln sea 1. Calclese el determinante como una medidadela condicindelsistema (opcional).
a)
7.17 Prubese el programa desarrollado en el problema 7.16 duplicando los clculos

del ejemplo 7 . 5 y 7 . 6 .
7-18 sese el programa desarrollado en el problema 7 . 1 6 y reptanse los problemas
7 . 8 al 7.11.
7.19 Reptanse los problemas 7 . 1 7 y 7 . 1 8 usando los programas de NUMERICOMP
disponibles con el texto. Usese tambin NUMERICOMP para realizar una prueba
de error para cada problema.
7.20 Desarrllese un programa para sistemas tridiagonales legibles al usuario y basndose en el recuadro 7.2.
7.21
Prubese el programa desarrollado en el problema 7 . 2 0 resolviendo el problema

7.12.
7.22
Resulvase el problema 7.13 usando los programas desarrollados en el problema

7.16.
CAPTULO OCHO
GAUSS-JORDAN,
INVERSIN DE
MATRICES Y
GAUSS-SEIDEL
En estecaptulo se describendosmtodosadicionalespararesolver
ecuaciones lineales simultneas.El primero de ellos, el mtodo de GaussJordan es muy similar al de la eliminacin gaussiana. El motivo principal
para introducir estatcnica, estriba en que proporcionauna forma simple
y conveniente de calcular la inversa de una matriz. La inversa tiene un
gran nmerodeaplicaciones
enla ingeniera.Estemtodotambin
proporciona los medios para evaluar la condicin de un sistema.
El segundo de ellos, el mtodo de Gauss-Seidel es fundamentalmente
diferente al deeliminacingaussiana y al de Gauss-Jordan porque es
un mtodo de aproximaciones iteratiuas.Esto es, emplea un valor inicial
y mediante iteraciones obtieneuna aproximacin ms exacta a la solucin.
El mtodo de Gauss-Seidel se adapta, en particular a grandes sistemas
de ecuaciones. En estos casos, los mtodosdeeliminacinestn
sude
jetos a los errores de redondeo. Ya que elerrorenelmtodo
Gauss-Seidel se puede controlar mediante el nmero de iteraciones, los
errores de redondeo no tienen quever con esta tcnica. Sin embargo hay
ciertos casos en que el mtodo de Gauss-Seidel no converge a la respuesta
y otros elementos
correcta. Se discutenenlassiguientespginasestos
de juicio para escoger entre la eliminacin y los metodos iterativos.
8.1 MTODO
DE GAUSS-JORDAN
El mtodo de Gauss-Jordan es una variacin de la eliminacin gaussiana.

La principal diferencia consiste en que el mtodo de Gauss-Jordan cuando
se elimina una incgnita no slo se elimina de las ecuaciones siguientes
sino de todas las otras ecuaciones. De esta forma, el paso de eliminacin
una matriz triangular (Fig. 8.1).
genera una matrizidentidadenvezde
Por consiguiente, no es necesario emplear la sustitucin hacia atrs para
obtener la solucin. El mtodo se ilustra mejorcon un ejemplo.
260
MTODOS
FIGURA 8.1
NUMRICOS
PARA INGENIEROS
Esquema grfico delmtodo de Gauss-Jordan. Comprese con la figura
7.3 y ntese la diferencia entreeste mtodo y el de eliminacin gaussiana.
LOS asteriscosindicanqueelvector
modificado varias veces.
de trminosindependientes
se ha
EJEMPLO 8.1
Mtodo de Gauss-Jordan
Enunciado del problema: sese el mtodo de Gauss-Jordan para resolver el mismo sistema del ejemplo 7.5:
3x1 - 0.1~2- 0 . 2 ~ 3= 7.85
0.1~1+
7x2 - 0 . 3 ~ 3
=
-19.3
0 . 3 ~ 1- 0.2~2+ 10x3 = 71.4
Soluci6n: en primer lugar, se expresan los coeficientes y el vector de trminos independientes como una matriz aumentada:
-0.1
7
0.3 -0.2
[os
-0.2
-0.3
10
-19.3
71.4
En seguida se normaliza el primer rengln dividindolo por el pivote 3,

para obtener:
INVERSldN
GAUSS-JORDAN,
DE MATRICES Y GAUSS-SEIDEL
26 1
1 -0.033 333 3 -0.066 666 7 I

I
I
-0.3
0.1 7
10 0.3 -0.2
I
2.616 67
-19.3
71.4
El trmino x1 se puedeeliminardelsegundorengnrestando
0.1 veces el primerodelsegundorengln.
Deuna manerasimilar,restando
0.3 veces el primero del tercer rengln se elimina el trmino con x1 del
tercer rengln:
1 -0.033 333 3 -0.066 666 7

O
7.003
-0.293
33
333
O -0.190 O00
10.020 O
I
2.616 67
I -19.561 7
70.615 O
1
1
En seguida, se normaliza el segundo rengln dividiendolo entre 7.003 33:
1 -0.033 333 3 -0.066 666 7

-0.041 884 8 1
10.020 o
[Oo "0.190 O00
~
Reduciendolostrminos
obtiene:
2.61667
"2.793 20
70.615 O
en x2 de laprimera y la tercera ecuacin se
1 O -0.068 062 9
O 1 -0.041 884 8
o o 10.012 o
2.523 5 6 1
-2.793 20
I 70.084 3
~
El tercerrengln se normalizadividindoloentre
10.012 O:
1 O -0.068 062 91 2.523 56

O 1 -0.041 884 81 -2.793
O 0
1
Finalmente, los trminos con x3 se puedenreducirdelaprimera
gunda zcuacin para obtener:
1 o o
O 1 O I
O O 1
3.000 O0
2.500 O 1
7.000 03
y se-
De esta forma, como se muestra en la figura 8.1: la matriz de coeficientes

y la solucin se ha obtenido
se ha transformadoenlamatrizidentidad
en el vector de trminos independientes. Ntese que nose necesita sustitucinhaciaatrsparaobtenerlasolucin.
262
MTODOS
NUMRICOS
PARA INGENIEROS
Todo el materialdelcaptulo
7 relacionadocon
las ventajas y
desventajas de la eliminacin gaussiana se aplican tambin al mtodo de
Gauss-Jordan. Por ejemplo, se puedeusar una estrategia similar al pivoteo
para evitar divisiones por cero y reducir el error de redondeo.
Aunque los mtodos de Gauss-Jordan y de eliminacin gaussiana
pueden parecer casi idnticos, el primero requiere aproximadamente de
50 % menos operaciones. Por lo tanto, la eliminacin gaussiana es el
mtodo simple por excelenciaen la obtencin de soluciones exactas a las
ecuaciones lineales simultneas. Una de las principales razones para incluir
en este captulo el mtodo de Gauss-Jordan, es la de proporcionar un
mtodo directo de obtener la matriz inversa, tal como se describe en la
seccin 8.2
8.1.1 Algoritmo del mtodo de Gauss-Jordan

Enla figura 8.2 se muestra un algoritmo del mtodo de Gauss-Jordan
sin pivote0 parcial. Un esquema con pivoteomuy parecido al que muestra
e n la figura 7.10 se puede incorporar a este algoritmo.
8.2 INVERSIN DE MATRICES

Enla introduccina las operacionesconmatrices(seccin
111.2.2) se
menciona que si una matriz es cuadrada, entonces existe otra matriz,
[A]- I , llamada la matriz inversa de [ A ] ,para el cual [Ec. (111.3)]:
[A] [A]" = [A]" [A] = [I]
Tambin se demuestra que la inversa se puede usar para resolver
conjunto de ecuaciones simultneas, si se toma [Ec. (111.6)J:
un
[CI
@.11
La aplicacin de la inversa ocurre cuando es necesario resolver varios
sistemas de ecuaciones de la forma:
[XI= [Al"
que difieren nicamente en el vector de trminos independientes [ C ] .En

vez de resolver cada sistema por separado, unaalternativa diferente consiste
en determinar la inversa de la matriz de coeficientes. Entonces, se puede
usar la ecuacin (8.1)para obtener las soluciones, simplemente multiplicando la matriz [A] por el vector de trminos independientes correspondiente [ C ] .Ya que la multiplicacin matricial es mucho ms rpida
que la inversin, el consumo de tiempo se lleva a cabo slo una vez y
despus se obtienen las soluciones adicionales de una manera eficiente.
Tambin, como se menciona en
la seccin 8.2.1, los elementos de la
inversa son extremadamente tiles en s mismos.
FIIGUI
e flu
G'auss
dl
V(,te0
1.2 Di( irama
?Ime'O(d 0 de
.dan,
cial.
SIin
pi-
264
MTODOS
FIGURA 8.3
NUMRICOS
PARA INGENIEROS
Esquema grfico del mtodode Gauss-Jordan, con inversinde matrices.
Con el mtodo de Gauss-Jordan se puede calcular directamente la

inversa. Para hacerlo, la matriz de coeficientes se aumenta con una matriz identidad (Fig. 8.3).Posteriormente se aplicael mtodo de GaussJordan para reducirla matriz de coeficientes a la matriz identidad. Cuando
se completa esta tarea, el lado derecho de la matriz aumentada contiene
lamatriz inversa.Esta tcnica seilustraenel
ejemplo siguiente.
EJEMPLO 8.2
El uso del mtodo de Gauss-Jordan en el clculo de la matriz inversa
Enunciado del problema: determnese la matriz inversa del sistema resuelto
en el ejemplo 7.5. Obtngase la solucin multiplicando [ A ]-1Por el vector de trminosindependientes: [CIT = [ 7.85 -19.3 71.4 1. Adems,
obtngase la solucin para un vector de trminos independientes diferente:
[CIT = [20 50 151.
Solucin: aumntese la matriz de coeficientes con una matriz identidad:
-0.1
0.3
-0.2
-0.2
-0.3
10
I 1 o o
I O 1 O]
j
O O
Usando all como pivote, el rengln 1 se normaliza y se usa para eliminar a x1 de los otros renglones
1 -0.033 333 3 -0.066 666 7 I 0.333 333

O 7.003 33
-0.293 333 1-0.033 333 3
o -0.190
O00
10.020 o
-0.099
999
9
GAUSS-JORDAN,
MATRICES
INVERSldN DE
265
Y GAUSS-SEIDEL
En seguida, se usa aZ2como pivote y xp se elimina de los otros renglones
1 O -0.068057
O 1 -0.041706 1
o o
10.012 1
0.333
175
0.004
739
329
-0.004739330.142
-0.100
0.027
90 014
2
180
O11
Finalmente, se usa a33como pivote y x3 se elimina de los renglones restantes:
1 O O
O 1 O
0 0 1
I
I
I
0.332
489
0.004
922
97
0.006
798
13
-0.005 1640.142
4
293
0.004
183
46
"0.010 077 9 0.002 698160.099
880 1
Por lo tanto, lainversa es:

0.332 489
0.004 922 97
0.142 293
-0.005 164 4
"0.010 077 9 0.002 698 16
0.006 798 13
0.004 183 46
0.099 880 1
Ahora, la inversa se multiplica por el primer vector de trminos independientes, obteniendo la solucin:
x1
7.85 (0.332 489) - 19.3(0.004 922 97)
3.000 411 81
x2 =
7.85(-0.005 164
4) - 19.3(0.142 293)
71.4(0.006 798 13)
71.4(0.004 183 46)
- 2.488 096 40
x3 =
=
7.85(-0.010 077
9) - 19.3(0.002 698 16)
71.4(0.099 880 1)
7.000 25314
La segunda solucin, simplemente se obtiene realizando otras multiplicaciones, como:

x1 =
=
x2 =
=
X3 =
20(0.332489)
6.997 900 45
+ 50(0.00492297) + 15(0.006 798 13)
!O(-0.005 164 4)
7.074 113 9
+ 50(0.142 293) + 15(0.004 183 46)
20(-0.010 O77 9)
1.431 55150
+ 50(0.002 698 16) + 15(0.099880 1)
266
MTODOS
NUMRICOS
PARA INGENIEROS
8.2.1 Clculos estrnulo-respuesta

Como sedijo enla seccin III.1.2, muchos de los sistemaslinealesde
ecuaciones usados en ingeniera se derivan de las leyes de conservacin.
La expresin matemtica de estas leyes es un tipo de ecuacines de balance que asegura que se conserve una propiedad en particular; masa,
fuerza, calor, momento u otras. En el equilibrio de fuerzas de una estructura, las propiedades pueden tener componentes horizontales y verticales de las fuerzas que actan sobre cada nodo de la estructura (vase el
caso de estudio 9.3). Para un balance de masas, las propiedades pueden
ser la masa en cada reactor de un proceso qumico. Existen ejemplos similaresen otros campos de la ingeniera.
Se puede escribir una ecuacin simple de balance para cada una de
las partes del sistema, generando un conjunto de ecuaciones que definen
el comportamiento del sistema completo. Estas ecuaciones se interrelacionan o se acoplandemaneraque cada ecuacinincluyeuna o ms
de las variables de las otras ecuaciones. En muchas ocasiones, los sistemasson lineales, y por lo tanto, dela forma exacta que se ha tratado
en estecaptulo:
Ahora, en ecuaciones de balance, los trminos de la ecuacin (8.2)

tienen interpretacin fsica definida. Por ejemplo, los elementosde [X]
representan los valores de las variables que se estn equilibrando para
cada unadelaspartesdel
sistema. Enelequilibrio de fuerzas de la estructura, representan las fuerzas verticales y horizontales de cada miembro. En el balance de masas, son las masas de sustancia qumica en cada
uno de los reactores. En cualquier caso, representan las respuestas o estados del sistema que est tratando
de determinar.
El vector [ C ]de trminos independientes contiene aquellos elementos del balance que son independientes del comportamiento delsistema,
esto es, son constantes. Como tales, representan las fuerzas externas o
los estmulosquemanejan al sistema.
Finalmente, la matriz [ A ] de coeficientes contiene, en general los parmetros que expresancomo interacta el sistema o su acoplamiento. Por
consiguiente, la ecuacin (8.2) se puedereexpresar como:
[Iteraciones] [respuestas]
[estmulos]
Ahora, como se ha visto en este captulo, existen muchas formas de resolver la ecuacin (8.2).Sin embargo, elusodelamatrizinversalleva
a un resultado particularmente interesante. La solucin formal [Ec. (8.1)]
se puede expresar como:
Y GAUSS-SEIDEL
INVERS16N
GAUSS-JORDAN,
267
o (recordandola definicin de multiplicaci6n matricial del recuadro

111.2):
De esta forma, se ha encontrado que la matriz invertida misma, adems

de proporcionar una solucin, tiene propiedades muy tiles. Esto es, cada uno de sus elementos representa la respuesta de una parte simple del
sistema a un estmulounitarioencualquierpartedelmismo.
Ntese que estas formulaciones son lineales y , por lo tanto, se cumplela superposicin y la proporcionalidad. La superposicin indica que
si un sistema est sujeto a varios estmulos diferentes (las c) , las respuestas se pueden calcular individualmentey sumarse los resultados para obtener la respuesta total. La proporcionalidad indica que si se multiplica
el estmulo por una cantidad genera una respuesta respecto al estmulo
multiplicadaporlamisma
cantidad.Deesta forma, el coeficiente all'
es una constante deproporcionalidadqueproporcionaelvalorde
x1
debido al nivel un'ttario cl. Este resultado es independiente de los efectos
de c2 y c3 sobre xl, los cuales se reflejan sobre a A 1 2y a A 1 3respectivamente. Por lo tanto, se puede llegar a la conclusin general de que el
elemento a -llj de la matriz invertida representa el valor de x1 debido a la
cantidad unitaria de cj. Usando el ejemplo de la estructura, el elemento
a A gde la matriz inversa representa la fuerza en el miembro i debido a una
fuerza externa individual en el nodo. j. Aun para sistemas pequeos, los
comportamientos de las interacciones estmulo respuesta individuales no
son obvios. Por lo que, la matriz inversa proporciona una tcnica potente
para comprender las interrelaciones de partes componentes de sistemas
complicados. Esta potencia se demuestra enel caso deestudio 9.3.
8.2.2 La inversa y el malcondicionamiento

Adems de sus aplicaciones a la ingeniera, la inversa tambin suministra
una manera de discernir cuando los sistemas estn mal condicionados.
Existentresmtodosparaestepropsito:
1.
2.
Escalar lamatriz decoeficientes [ A ] ,detalformaqueel

elemento
mayor en cada rengln sea 1. Si los elementos de [ A ] son varias
rdenes de magnitud ms grandes que los
elementos de lamatriz
original, entonces probablementestaest mal condicionada.
Multiplicarlainversaporlamatrizde
coeficientes original y estimar
si el resultado se encuentra cerca de la matriz identidad. Si no lo est, entonces haymal condicionamiento.
-'
268
MTODOS
3.
NUMRICOS
PARA INGENIEROS
Invertirlamatrizinvertida y estimar siel resultado est lo suficientemente cerca de la matriz original. Si no lo est, nuevamente el sistema est mal condicionado.
8.2.3 Algoritmo
para la inversin matricial
El algoritmo de la figura 8 . 2 se puede modificar para calcularla matriz inversa.Estoimplica,aumentar lamatriz de coeficientesconuna matriz
identidad al principio del programa. Adems, alguno de los indices que
manejan un ciclo se debe aumentar al doble para que los clculos se Ileven a cabo en todas las columnas de la matriz de coeficientes aumentada.
Si se incorpora el pivote0 parcial en el algoritmo
de Gauss-Jordan,
entonces se requieren algunas modificaciones adicionales. Esto se debe
a que cada vez que un rengln de lamatrizusa un pivote, lacolumnd
de lamatriz inversa se debe ajustar de forma similar.
La figura 8.4 ilustra este fenmeno. Por ejemplo si el rengln 3 se usa
como pivote o se mueve a la posicinentre los renglones 1 y 2 , se
o interpretacin del rengln2 de la matriz
modifica tambin el significado
invertida. En vez de indicar el efecto de un cambio unitariode c2 sobre las
x , se debe indicar el efecto de un cambio unitario de c3 sobre las x.
Adems de las caractersticas anteriores, el programa debe disearse
para que calcule las soluciones de un gran nmero de vectores de trminos independientes, como se menciona al principio de la seccin8:2. Esto
se puede llevar a cabo, simplemente colocando un ciclo despus de calcular la matriz inversa. Este ciclo puede llevar a usar un vector de trminos independientes, puede entoncesmultiplicarse por la matriz [A] para obtener la solucin. El procedimiento se contina hasta que el usuario
indique que no requiere ms soluciones.
FIGURA 8.4
Esquema grfico del cambio que se produce en los elementos de la matriz

inversa resultante al mover un rengln de la matriz de coeficientes.
8.3 MTODO
DE GAUSS-SEIDEL
Los mtodos de eliminacin directa analizados en las

secciones previas
se pueden usar para resolver aproximadamente de 25 a 50 ecuaciones
lineales simultneas. Esta cantidada veces se puede aumentar si el siste-
INVERS16N
GAUSS-JORDAN,
269
DE MATRICES Y GAUSS-SEIDEL
ma est bien condicionado, si se emplea la estrategia pivotal, si se usan

las ecuaciones del error o silamatriz es disprsa. Sin embargo, debido
a loserroresde redondeo, losmtodos de eliminacinalgunas veces
son inadecuados para sistemas muy grandes. En este tipo de problemas,
sepuedenusarlos
mtodos iterativos o deaproximacinconalguna
ventaja.
En el captulo 5 se usan tipos similares de tcnicas para obtener races
de una ecuacion. Aquellos planteamientos consistenen el uso de un valorinicial a partirdel cual, medianteuna tcnica sistemtica se obtiene
una mejor aproximacin a laraz.Debido a que en esta parte del texto
se enfrenta un problema similar "la obtencin de valores para satisfacer
simultneamente un conjunto de ecuaciones- se espera que puedan ser
tiles tales mtodos de aproximacin dentro de este contexto.
La raznporlacuallos
mtodos iterativos son tiles en la disminucin de los errores de redondeo en sistemas, se debe a que un mtodo
de aproximacin se puede continuar hasta que converja dentro de alguna tolerancia de error previamenteespecificada. De esta forma, el redondeo no es un problema, ya que se controla elniveldeerror aceptable.
El mtodo de Gauss -Seidel es el mtodo iterativo ms usado.Supngaseque se hadado un conjuntode n ecuaciones:
si los elementos de la diagonal son diferentes de cero, la primera ecuacin

se puede resolver para x l , la segunda para x2,etctera, lo que lleva a:
[8.3a]
[8.3b]
[8.3c]
X"
cn - anlxl - an2x2 ann
an,n-&-1
[8.3d]
Ahora, se puede empezar el proceso de solucin usando un valor inicialparalas x . La solucin trivial puedeservirdevalor
inicial, esto es,
todas las x valen cero. Estos ceros se puedensustituir en la ecuacin (8.3a),
que se puede usarparacalcular un nuevovalorde x1 = c1 / a l l . Lue-,
g o , se sustituye el nuevo valor de
x l , con x3,...,x,, aunen cero, enla
con la cual se calcula un nuevo valor de x2. Este proceecuacin (8.3b)
so se repite en cada una de las ecuaciones hasta llegara la ecuacin (8.3d)
270
MTODOS
NUMRICOS
PARA INGENIEROS
la cual calcula un nuevo valor de x,. En seguida se regresa a la primera

ecuacin y se repite todo el proceso hasta que la solucin converja bastante cerca de los valores reales. La convergencia se puedeverificar usando
el criterio [recurdese la ecuacin (3.5)]:
E . =
a,1
'1
x{
100% < Es
para toda i en donde j y j
~8.41
1 denotan la iteracin actual y la anterior.
EJEMPLO 8.3
Mtodo de Gauss-Seidel
Enunciado del problema: sese el mtodo de Gauss-Seidel y resulvase

el sistema del ejemplo 7.5 y 8.1:
3x1 - 0.1~2- 0 . 2 ~ =
3 7.85
0 . 1 ~ 1+
7x2 - O.3X3 = -19.3
0.3~1- 0 . 2 ~ 2
+ 10x3 = 71.4
Recuerdese que la solucin real es x1
3, x2
Solucin: en primer lugar. se despejan cada una

la diagonal:
x1 =
x2 =
x3 =
7.85
[E8.3.2]
7
-
7.85
-=
0.3~1+ 0 . 2 ~ 2
10
x2
7.
[E8.3.1]
-19.3 - 0 . 1 ~ 1
+
71.4
de las variables sobre
[E8.3.3]
y x3 son cero, la ecuacin (E8.3.1) puede usarse
2.616 666 667
Este valor,juntocon
el de
(E8.3.2) obteniendo:
x2 =
-2.5 y x?
+ 0 . 1 ~ 2+ 0 . 2 ~ 3
Suponiendo que
para calcular:
x1 =
O, puede sustituirse en la ecuacin
-19.3 - 0.1(2.616 666 667)
O ="2,794
523 810
INVERSIN
GAUSS-JORDAN,
MATRICES
DE
271
Y GAUSS-SEIDEL
La primera iteracin se completa sustituyendo los valores de xI y x2 calculadosenla ecuacin (E8.3.3),

obteniendo:
666 + 667)
0.2("2.794
10
71.4- 0.3(2.616
x3 =
7.005
609
524
Enla segunda iteracin, se repiteelmismo

x1 =
=
x2 =
proceso obteniendo:
+810)
0.2(7.005
609
524)
556 +508)
0.3(7.005
7
624 ( 684
E " I = 0.015%
609
524)
7.85+ 0.1(-2.794
523
3
2.990
556
508)
l e u ( = 0.31%
-19.3 - O.l(Z.990
-2.499
x3
523
810)
71.4- 0.3(2.990
556
+ 508)
0.2(-2.499
624
684)
10
7.000
290 l
~ 81
v =
l
0.004
2%
El mtodo, por lo tanto, converge a la solucin real. Para mejorar las soluciones se deben aplicar algunas iteraciones mds. Sin embargo, en
este
problema, no se debera saber la respuesta a priori. Por consiguiente, la
ecuacin (8.4) proporciona un medioparaestimarelerror:
2.990
I
%,2
6.
0,
-2.499
-u, J
I)
I 7.000
I
556 -508
2.616 666 667
100 = 12.5%
2.990 556 508
624 -684
(-2.794 523
810)
100 = 11.8%
-2.499 624 684
290 -811
7.005
7.000
290
811
609
524
= 0.076%
*""
Ntese que, aligual que cuando se determinan races de una ecuacin,

en general dan una evala formulaciones tales como la ecuacin (8.4),
luacin conservadora de la convergencia. De esta manera, cuando funcionan, aseguranqueelresultadoseconozca
al menos dentrode la
tolerancia especificada por E,.
272
METODOS NUMRICOS
PARA INGENIEROS
Ntese que el mtodo de Gauss-Seidel, a medida que secalcula un nuevo valor x, este mismo se usa inmediatamente en la siguiente ecuacin
que a su vez determina una nuevax. De esta forma, si la solucin es convergente, se emplea la mejor aproximacin posible. Un planteamiento diferente, al cual se le conoce como iteracin de Jacobi, usa una tctica
un poco diferente. En vez de usar el Qltimo valor calculado de las x,usa
la ecuacin (8.3)para calcular un nuevo valor de x en base a la aproximacin anterior de las x. De esta forma, al generar un nuevo valor n o
se usa de inmediato sino que se almacena para la siguiente iteracin.
La diferencia entre los mtodos de Gauss-Seidel y la iteracin d e J a cobi se muestra en la figura 8.5.Aunque existen algunos casos en donde
el mtodo de Jacobi converge ms rpido,el uso de la Gltima aproximacin disponible convierte al mtodo de Gauss-Seidel en el mtodo preferido.
8.3.1 Criterios de convergencia en
el mtododeGauss-Seidel
Ntese que el mtodo de Gauss-Seidel es similar en proceso al mtodo

simple de iteracin de punto fijo usado en la seccin 5.1 en la solucin
de races de una ecuacin. Recurdese que la iteracin de punto fijo tiene dos problemas fundamentales: l) algunas veces no converge y 2) cuar.do lo hace, e s a menudo, muy lento. El mtodo de Gauss-Seideltambin
puede tener estas fallas.
FIGURA 8.5
Esquema grfico de la diferencia entre a) el mtodo de Gauss-Seidel y

en la solucin de ecuaciones
algebraicas lineales simultneas.
b) el metododeiteracindeJacobi,
NVERSIN
GAUSS-JORDAN,
273
Y GAUSS-SEIDEL
Una condicin de convergencia es que los coeficientes sobre la diacJonal de cada una delas ecuaciones sea mayor que la suma de los otros
coeficientes en la ecuacin. Una expresin cuantitativa de este criterio es:
I
b i r l
=-wJL,I
~3.51
En donde la sumatoria vara desde j = 1 hasta n , excluyendo j = i . La

ecuacin (8.5)es un criterio de convergencia suficiente pero no necesario. Esto es, aunque el mtodo trabaje algunas veces sin que la ecuacin
(8.5)se cumpla, se garantiza la convergencia siempre y cuando (8.5)si
se cumpla. A los sistemas donde se cumple la ecuacin (8.5)se les conoce como diagonalmente dominantes. Afortunadamente, muchos problemas de ingeniera de importancia prctica llenan este requisito.
8.3.2. Mejoramiento enla
convergencia usando relajacin
La relajacin representa una pequea modificacin del mtodo de GaussSeidel y est diseada para aumentar la Convergencia. Despus que cada nuevo valor de x se calcula usando la ecuacin ( 8 . 3 ) ,el valor se modifica mediante un promedio pesado de los resultados de las iteraciones
anteriores y actuales:
X , n U e L o - AX,nueL'o +
(1 - ~ ) x , ~ a s a ~ ~ o
P .61
en donde X es u n factor de peso al cual se le asigna un valor entre-O y 2.

Si X = 1,(1 - X ) es igual a cero y el resultado permanece inalterado. Sin embargo, si a X se le asigna un valor entre O y 1, el resultado
es un promedio pesado de los resultados previos y actuales. A este tipo
de modificacin se le conoce como sobrerrelajacin. Por lo general, esta
opcin se emplea paraconvertir un sistema divergente en uno convergente.
Si X se encuentra entre1 y 2 se considera otro peso enel valor actual..
En este ejemplo, existe una suposicin implicita de que el nuevo valor
se mueve en la direccin correcta hacia la solucin real pero con una velocidad muy lenta. De esta forma, el peso agregado a X intenta mejorar
la aproximacin empujndola hacia la real. Por lo que este tipo de modificacin, al cual se le llama sobrerrelajacin, est diseado para acelerar
la convergencia de un sistema que ya es convergente.
La eleccin de un valor adecuado de X es un problema altamente especfico y a menudo se determina por prueba y error. En general es inecesario en la solucin de un sistema. Sin embargo, si el sistema bajo estudio
se va a resolver varias veces, entonces puede ser de gran importancia una
buena eleccin de X. Algunos ejemplos son los sistemas m u y grandes de
ecuaciones diferenciales parcialesque a menudo tratan de modelar cambios en sistemas de variable continua (recurdese el sistema a rnicroescala mostrado en la figura 1II.lb). El segundo caso de estudio del captulo
9 muestra un ejemplo del empleo de la relajacin dentro de un contexto
de problemas de ingeniera.
2 74
INGENIEROS
MTODOS NUMRICOS
PARA
8.3.3 Algoritmo del mtodo de Gauss-Seidel

En la figura 8.6 se muestra un algoritmo del mtodo de Gauss-Seidel con
relajacin. Ntese que este algoritmo no est garantizado para obtener
resultados adecuados si las ecuaciones no son de tipo diagonalmente dominante.
Una manera demodificar el algoritmo para tomar un poco en cuenta
esta desventaja es la d e buscar los coeficientes de cada ecuacin durante
cada una delas iteraciones e identificar el mayor de ellos. La ecuacin en
turno se resuelve para el va!or de x asociada con el coeficiente. En el
siguiente clculo, se rastrean los coeficientes de los valores restantes de
x y se encuentra el coeficiente mayor. La ecuacin se resuelve para el
valor correspondiente de x.
Procediendode esta manera,seaumentan
al mximo las oportunidades de alcanzar unadominanciadiagonal.
Sin embargo el esquemano garantiza xito en sistemas de alta divergencia.Porotra
parte, no sera fcil de programar un algoritmo que implemente este
esquema
8.3.4 Problemas de contexto en el mtodo de Gauss-Seidel

Adems deevitar el problema del redondeo, el mtodo de Gauss-Seide!
tiene otras ventajas quelo hacen particularmente atractivo en el contexto
de ciertos problemas de ingeniera. Por ejemplo, cuando lamatriz en
cuestin sea muy grande y muy dispersa (esto es, que la mayor parte de
los elementos son ceros,los mtodos deeliminacin gastan una gran cantidad d e memoria para almacenar los ceros.
En el recuadro 7.2, se muestra como puede evitarse este problema
si la matriz de coeficientes es banda. Para sistemas diferentes, no es fcil
evitar el uso de cantidades grandes de memoria, cuando se usan mtodos deeliminacin. Ya que todas las computadoras tienen una cantidad
finita de memoria, esta ineficiencia puede llegar a ser una restriccin real
en el tamao del sistema para el que, los mtodos de eliminacin resultan prcticos.
Aunque un algoritmo general como el de la figura (8.6)est propensa a la misma restriccin, la estructura d e las ecuaciones de Gauss-Seidel
[c. (8.3)]permite desarrollar programas concisos para sistemas especficos. Ya que en la ecuacin (8.3)se necesita almacenar slo los coeficientesdiferentes de cero, es posible ahorrargrandescantidades
de
memoria. Aunque esto impone mayor costo en
la inversin de desarrollo de programas, las ventajas a largo plazo son sustanciales cuando
se manejansistemas grandes sobre los que se pueden realizar varios
procesos. Los sistemas macro-y microvariables pueden generar matrices
grandes y dispersaspara las cuales se utilizael mtodo de GaussSeidel. En el caso de estudio 9.2 se trabaja un poco ms sobre estos
puntos.
FIGURA 8.6 Diagrama

de fluio del mtodo de
Gauss-Seidel con relajacin.
275
276
MTODOS
PROBLEMAS
Clculos a Mano
8.1
sese el mtodo de Gauss-Jordan para resolver el problema 7 . 6
8.2
Determnese la matriz inversa del problema 7.6. Comprubense los resultados multiplicando [A] por[A]"
y obtngase lamatriz identidad.
8.3
Usando el mtodo de Gauss-Jordan, reptase el problema 7 . 9
8.4
Determnese la matriz inversa del problema 7.9. Comprubense los resultados verificando que [A][A]" = [!] . Evtese el uso de la estrategia del pivoteo.
8.5
Usando el mtodo de Gauss-Jordan, con pivoteo parcial, calclese lamatriz inversadelproblema 7.10. Ordenando la inversadetal forma, que los renglones
y las columnas conformenla secuencia de la matriz original anterior al pivoteo (vase
lafigura 8.4 y el anlisis de la seccin 8.2.3).
8.6
sese el mtodo de Gauss-Jordan para resolver:
10x1 - 3x2
1x1
"2x1
+ 8x2
+ 4x2
+ 6x3 = 24.5
-
2x3
- 9x3
= -9
-50
8.7
Determnese lamatriz inversa del problema 8.6. sese la inversa para resolver
el problema original as como para resolver el caso adicional en donde el vector
de trminos independientes es [CIT= [110 55 - 1051.
8.8
Resulvase el problema 8.6 usando el mtodo de Gauss-Seidel con un criterio de

paro del E, = 10 % .
8.9
Resulvase el problema 7 . 8 usando el mtodo de Gauss-Seidel con un criterio de

paro del t, = 10 % .
- 6 ~ 1+
4x1 - x2 6x1
+ 8x2
12x3 = 60
x3 = -2
=44
GAUSS-JORDAN,
MATRICES
INVERSldN DE
277
Y GAUSS-SEIDEL
8.12 Resulvase el siguiente conjunto de ecuaciones:
usando a) eliminacin gaussiana, b) el mtodo de Gauss-Jordan y c) el mtodo

de Gauss-Seidel (es = 5 % ) .
8.13 Resulvase el siguientesistema de ecuaciones:
usando a) eliminacin gaussiana, b) el mtodo de Gauss-Jordan y

de Gauss-Seidel (E, = 5 % ) .
C)
el mtodo

8.14 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Jordan,
basado en lafigura 8 . 2 . Agrguese u n esquema similaral mostrado en la figura
7 . 1 0 empleando pivoteo parcial.
8.15 Prubese el programa del problema anterior duplicandolos clculos del ejemplo 8 . 1
8.16 Reptanse los problemas 7.6 y 7 . 8 hasta el 7 . 1 1 usando los programas desarrollados enel problema 8 . 1 4 .
8.17 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Jordan,
con inversin de matrices y pivoteo parcial. Inclyanse dentro del programa las
caractersticas sugeridas en la seccin 8 . 2 . 3 .
8.18 Reptanse los problemas 8 . 5 y 8.7 usando los programas desarrollados en el problema anterior.
8.19 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Seidel
basado en la figura 8.6. Hgase de tal forma que compruebe el criterio de convergencia expresado por la ecuacin (8.5). Adems, inclyaserelajacin como en
la ecuacin (8.6).
8.20 Prubese el programa desarrollado en el problema anterior usando un duplicado
del ejemplo 8.3.
8.21 Usando el programa del problema 8.19, reptanse los problemas 8.8 hasta el 8.11.
C A P T U LNOU E V E
CASOS DE LAPARTE TRES:
SISTEMAS
DE ECUACIONES
ALGEBRAICAS
LINEALES
El propsito de este captulo, es el de usar los procedimientos analizados
en los captulos 7 y 8 en la solucin de sistemas de ecuaciones algebraicas lineales en algunas aplicaciones de ingeniera. Estos mtodos numricossistemticos,son
de importanciaprctica ya que losingenieros
encuentran frecuentemente problemas que implican la solucin de sistemas de ecuaciones demasiado grandes para resolverse a mano. Los algoritmos numricos son particularmente convenientes en estas aplicaciones
ya quepuedenimplementarseenmicrocomputadoras.
Entre otras cosas, los casos de estudio se han elaborado de manera
que proporcionen ilustraciones reales de las caractersticas yfactores de
importancia mencionados en los captulos tericos. Por ejemplo, el caso
9.1 muestra una ilustracin simple decmo usar las ecuaciones algebraicas lineales para satisfacer de forma simultnea cierta cantidad decondiciones independientes.Adems, se usa ecte caso de estudio para mostrar
la utilidad de la matriz inversa como una herramienta analtica, dentro del
contexto de estos problemas. Aunque
se ha tomado este ejemplodel campo de la ingeniera general, la idea bsica tiene importancia en una gran
variedadde contextos tcnicos y analticos.
El caso 9.2, tomado de la ingeniera qumica, es un ejemplo de un
sistema de variable continua (o microvariable). El caso de estudio ilustra
cmo se pueden emplear las diferencias finitas en la transformacin de
ecuaciones diferenciales en algebraicas. Al hacerlo as, se puedenusar
los mtodos de solucin desarrollados en los captulos
7 y 8 y obtener
las soluciones. Aunque el ejemplo pertenece a la prediccin de temperaturas en slidos, se utiliza el planteamiento general para simularla distribucin continua de muchas otras variables de la ingeniera tales como la
velocidad, lafuerza y la masa.
En contraste, los casos 9.3, 9.4 y 9.5 analizan sistemas de variable
discreta (o macrovariable). El caso 9.3 hace hincapi en el uso de la matriz inversa en la determinacin del complejo de las reacciones al aplicar
cargas a una estructura. El caso 9.4 es un ejemplo del uso de las leyes
de Kirchhoff en el clculo de corrientes y voltajes en un circuito de resis-
280
MTODOS
NUMRICOS
PARA INGENIEROS
tencias. Finalmente, el caso 9.5 muestra cmo se emplean las ecuaciones lineales para determinar la dinmica de partculas y cuerpos rgidos.
CASO 9.1
DISTRIBUCIN DE RECURSOS(INGENIERA
ENGENERAL)
Antecedentes: todos los campos de la ingeniera enfrentan situacionesen
las que la distribucin correcta de recursos es un problema critico. Estas
situaciones se presentan al organizar inventarios de construccin, distribucin de productos y recursos enla ingeniera. Aunque los problemas
siguientes tienen que ver con la fabricacin de productos, el anlisis generaltieneimportanciaen un ampliopanoramadeotrosproblemas.
Un ingenieroindustrialsupervisalaproduccindecuatrotiposde
computadoras. Se requieren cuatro clases de recursos -horas-Hombre,
metales, plsticos y componentes electrnicos- enla produccin. En el
cuadro 9.1 se resumen las cantidades necesarias para cada uno de estos
recursos enla produccin de cada tipo de computadora. Si se dispone
diariamente de 504 horas-hombre, 1970 kg de metal, 970 kg de plstico
y 601 componentes electrnicos, cuntas computadoras de cada tipo
se pueden construir por da?.
Solucin: la cantidad total producida de cada computadora est restringida al total de recursos disponibles en cada categora diariamente. Estos
recursos totales se distribuyen entre los cuatro tipos de computadoras.
Sea xl,x,,x,,y x4la cantidad total de computadoras producidas diariamente de cada clase. Se sabe que la cantidad total de horas-hombre
disponibles diariamente es de 504. Por lo tanto, la suma de las distribuciones de horas-hombre enla produccin de cada una de las computadoras debe ser menor o igual que 504. Por lo tanto (usando los datos
del cuadro 9. l),
3x1 + 4x2
Delamisma
+ 7x3 + 20x4 5 504
r9.11
manera para los metales, plsticos y componentes:
+ 25x2 + 40x3 + 50x4 5 1970

10x1 + 15x2 + 20x3 + 22x4 5 970
loxl + 8x2 + lox3 + 15x4 5 601
20x1
Cada una de estas ecuaciones se debe satisfacer de forma simultnea de

otra manera, se acabara uno o ms de los recursos necesarios en la produccin de los cuatro tipos de computadoras. Silos recursos disponibles,
representadospor el vectordetrminosindependientesde
las ecuaciones anteriores, se reducen todos a cero simultneamente, entonces se
CASOS
PARTE
DE LA
281
TRES:
ECUACIONES
ALGEBRAICAS
SISTEMAS
DELINEALES
CUADRO 9.1
Recursos necesarios para producir cuatro tipos de computadoras

Metales
Horas/
ComponenPlsticos
hombre,
kglcompukglcompuCompukglcompu- tadora
tadora
tadora
10
10
15
1
2
3
3
4
7
20
10
15
20
25
40
50
20
22
tes, unidadeslcompu-
puede reemplazar el signo menor o igual por el de igual. En este caso,

la cantidad total de cada tipo de computadora producida se puede calcular resolviendo un sistema de. ecuacionesde 4 por 4 usando los mtodos
de los captulos 7 y 8.
Ya que este sistema no es diagonalmente dominante, el mtodo de
Gauss-Seidel puede divergir. Sin embargo, se puede aplicar la eliminacin gaussiana o el mtodo de Gauss-Jordany calcular:
x1 = 10
x2 =
x3
=
=
12
18
15
Esta informacin se usa en el clculo de las ganancias totales.Por ejemplo, supngase que las ganancias correspondientes a cada computadora
estn dadas por p1,p2,
p3,y p4. La ganancia total asociada con un da
de actividad (P)est dada por
= PlXl
+ P2X2 + P3X3 + P4x1
P.51
Se sustituyen los resultados de x,= 10,x2= 12,x, = 18 y x4= 15

en la ecuacin (9.5)y se calcula una ganancia de (usando los coeficientes del cuadro 9.2) :
P
CUADRO 9.2
1 OOO(l0)
700 (12)
1 lOO(18) + 400(15)
Ganancias correspondientesa
cada
una de las cuatro computadoras.
Computadora
2
3
Ganancias
$ I computadora
1 O00
700
1 100
44 200
282
MTODOS
De esta forma, se puede obtener una ganancia de $ 4 4 200 diarios, con

los recursos especificados enel problema.
Ahora, supngasequeexiste laposibilidad de aumentarcualquiera de los recursos disponibles. Un objetivo es el de valorar qu recursos se
deben escoger de tal forma que generen la mayor ganancia. Una manera
de hacerlo es el de incrementar cada uno de los cuatro recursos individualmente, calcularlasganancias y posteriormentecomparar los resultados.
Una alternativa ms simple se basa en la matriz inversa, que se puede
calcularusando el mtodode Gauss-Jordan, como:
[A]" =
-0.081 7
0.039
6
0.106
6
-0.136 8
0.088 8
-0.225 6
0.172 8
-0.021 3
-0.146
0.191 8
0.408 5
0.010 7
"0.190 9 -0.113 7
0.007 1 0.008
9
Cada uno de los elementos aij~'indica el crecimiento en la computadora

i debido al crecimiento unitario del recurso j. Por ejemplo, el elemento
alyl especifica un incremento unitario de 0.039 6 de la computadora 1 cuando se agrega un kilogramo de metal. Ntese que algunos de los coeficientes
son negativos, indicando que un incremento unitario en algunos recursos bajalaproduccindeesetipodecomputadora.
Ahora, con esta informacin como antecedente, se puede llevara cabo
un evaluacin rpida sobre los beneficios obtenidos al incrementar cada
uno de los recursos multiplicando los elementos de cada columna por la
ganancia unitaria del cuadro 9.2. Por ejemplo, enlaprimera columna:
API
7 ( 1 000)
0.106 6(700) - 0.136 8(1 100)
+0.088 8(400) = -122.04
= -0.081
en donde A Pj es el incremento en ganancias debido a un incremento

al recurso j . De esta forma, un incremento unitario enhoras-hombre baja
en $122.04 las ganancias. Se pueden llevar a cabo clculos similares sobre los otros recursos, para obtener:
Ap2 = $ 63.24
A% = $-67.70
AP4 = $ 77.78
De esta forma, un incremento de componentes 0' = 4 genera una mayor
ganancia, seguida por el aumento en los metales 0' = 2). El anlisis indica tambin que un incremento en los plsticos 0' = 3) genera prdidas.
El problema anterior es una variacin del anlisis general sobre economaconocidocorno modelo de entrada-salida. Este ejemplo, difiere
de la aplicacin clsica de esta tcnica en la cuantificacin de transferencia de material entre los sectores dela economa. Sin embargo, el USO
de la matriz inversa profundiza en interacciones complejas de sistemaslineales y es muy representativo del proceso del modelo de entrada-salida.
PARTE
:
CASOS
LA
DE
283
LINEALES
Como tal, ayuda a ilustrar cmo los mtodos numricos aumentan

la comprensin al manejar sistemas acoplados muy grandes.
CASO 9.2
CALCULO DEDISTRIBUCINDETEMPERATURAS
(INGENIERA QUMICA)
Antecedentes: la mayor parte de los diferentes campos de la ingeniera

manejan distribuciones de temperatura en materiales slidos. Estos problemas son tan variadoscomo la distribucin de temperatura en un cono
de proareentrante y la temperatura de un ro bajo una planta de energa
productora de hielo. La distribucin de temperatura en estadoestacionario bidimensional se define por la ecuacin de Laplace:
-a2T
+ - = a2T
o
ax2 ay2
~9.61
en donde T es la temperatura y x y y son las coordenadas. Las derivadas

de la ecuacin (9.6)se aproximan usando diferencias finitas (vase la seccin 3.5.4). La figura 9.1 muestra una malla bidimensional,esquema til
en las aproximaciones desarrolladas para la ecuacin (9.6). Las aproximaciones por diferencias divididas de las derivadas son:
Ax
Ax
aT
dx
AT -
="
?;+l,j
T.,
y de manera similar,
En seguida, suponiendo que A x = A y , la ecuacin de Laplace se puede aproximar como:
T + 1,j + T - I , ,
T,j +
+ T,j - 1 - 4T,j = O
P .71
lacual es aplicable a cada nodo i , j de lafigura 9.1. Parece ser que al

aplicar la ecuacin (9.7) a cada nodo resulta un sistema de ecuaciones
acopladas, ya que la temperatura envarias posiciones aparece enms
de una ecuacin. Esto produce un sistema de ecuaciones algebraicas lineales simultneas, que se pueden resolver usando los mtodos descritos en los captulos 7 y 8 .
Considrese la placa plana de la figura 9.2 Los lados de la placa se
mantienen a temperaturas constantes de O" y looo C , como se muestra
284
MTODOS
FIGURA 9.1
FIGURA 9.2
NUMRICOS
PARA INGENIEROS
Malla bidimensional que se usa enel desarrollo de aproximaciones por diferencias

finitas de la temperatura sobre una placa plana.
Placaplana en donde se mantienen los iodos a temperaturas constantes de

100C, como se indica en la figura.
'O
CASOS
PARTE
DE LA
TRES: DE
SISTEMAS
285
LINEALES
en la figura. La distribucin de la temperatura dentro de la placa se puede aproximar en nueve puntos internos aplicando la ecuacin de Laplace en cada punto. Esto genera el siguiente conjunto de ecuaciones dado
en notacinmatricial:
r
4
1
0
1
0
0
0
L o
1 0 1 0 0
- 4 1 0 1 0
1 - 4 0 0 1
0 0 - 4 1 0
1
o 1-4 1
0 1 0 1 - 4
0 0 1 0 0 0 0 0 1 0 1
0
0
0
1
0
4
-
0
0
0
0
1
0
1
4
1 -
0
0
0
0
1
0
1
4
T2
T3
T2i
T22
T23
TH
I
I
I
II
- 100
- 100
-200
O
O
- 100
O
O
- 100
Solucin: se observa que elsistemaresultante de ecuaciones es diagonalmente dominante y , por lo tanto, compatible con el mtodo de GaussSeidel del captulo 8. En este caso, se garantiza la convergencia ya que
se satisface la ecuacin (8.5).Se aseguratambinexactitudyaque
los
errores de redondeo no son problema en el mtodo de Gauss-Seidel. Usando una E , = 0.05% despus de 13 iteraciones se obtienen los resultados
siguientes:
FIGURA 9.3
Distribucin de la temperatura sobreunaplaca

Gauss-Seidel.
plana, calculadacon el mtodo de
286
INGENIEROS
PARA
MTODOS
NUMERICOS
Los resultados se muestran en la figura 9.3.

La simulacin se lleva a cabo con el mtodo estndar de Gauss-Seidel.
Debido a que estesistema es convergente, la relajacin puede servir para
acelerar la convergencia. Por lo tanto, serepiten dos veces ms los clculos,
usando X = 1.25 y X = 1.5.
Los resultados, que se grafican en la figura 9.4, sugieren un valor de
X en la vecindad de 1.25. Usando las tcnicas descritas en el capitulo 11
(ntese que se puedeusar un bosquejo para obtener un valor aproximado), se ajusta una ecuacin cuadrtica alos puntos de la figura (9.4). Esta
ecuacin es:
n = 96A2 - 236A
+ 153
en donde n es el nmero de iteraciones correspondiente aun valor particular de X. Se puede determinar un mnimo derivando la ecuacin y obteniendo:
FIGURA 9.4
Grfica delnmero de iteracionescontra X, elcoeficiente de relajacin. Los trespuntos

proporcionados como datos sugieren un nmero mnimo de iteraciones en la vecindad de X = 1.25. Ajustando una parbola a los datos, se puede calcular que el nmero mnimo de iteraciones corresponde al valor de X = 1.23.
DECASOS
287
TRES:
ECUACIONES
ALGEBRAICAS
SISTEMAS
DELINEALES
dn
-
192A
"
dA
236
Elmnimo se encuentra cuando dn / dh es cero, lo cual lleva al punto

donde la pendiente de la figura 9.4 es nula. En este caso, se determina
un valor de h = 1.23 Volviendo a realizar los clculos con estecoeficiente de relajacin se obtiene la solucin en slo ocho iteraciones.
De esta forma, si se van a realizar ms clculos para este problema
en particular, se debeemplearunavalorde
h = 1.2
para alcanzar los resultados ms eficientes.En este caso, el ahorro de tiempo en un solo clculo es despreciable. Sinembargo, en la simulacin mltiple de sistemas grandes, la eleccin acertada deh posiblemente redituar
ahorros sustanciales.
Este tipo de procedimientose puede extender a problemas mscomplejos que incluyen esquemas geomtricos irregulares. Los problemas prcticos de este tipo requieren algunas capacidades de clculo automticas,
pero, excepto en casos de sistemas extremadamente grandes, una microcomputadora llenar todos los requisitos.
CASO 9.3
ANALISIS DE U N A ARMADURA ESTATICAMENTE

DETERMINADA (INGENIERA CIVIL)
Antecedentes: un problema de importancia en ingeniera estructural es
el de encontrar las fuerzas y reacciones asociadas con una armadura estticamente determinada. La figura 9.5 muestra un ejemplo de tales armaduras.
FIGURA 9.5
Fuerzas que actunsobreunaarmadura
estticarnente determinada.
288
INGENIEROS
MTODOS
NUMRICOS
PARA
Las fuerzas ( F ) representan ya sea las tensiones o las compresiones

de los elementos dela estructura. Las reacciones externas (H2 V2 V,)
sonfuerzasquecaracterizan cmo interacciona la armadura con la superficie que la soporta. El gozne del nodo2 puede transmitir fuerzas horizontales y verticales a la superficie, mientras queel rodillo del nodo 3 slo
transmite fuerzas verticales. Se observa que el efecto de la carga externa
de 1 O00 kg se distribuye a todos los elementos de la armadura.
Solucin: este tipo de estructuras se pueden describir como un sistema
de ecuaciones algebraicas lineales acopladas. En la figura 9.6 se muestran los diagramas de cuerpo libre sobre cada nodo. La suma de las fuerzas en las direcciones vertical y horizontal debe ser cero en cada nodo,
ya que el sistema se encuentra en reposo. Por lo tanto, para el nodo 1:
XFV= O
-Flsen 30"
F3sen60"
+ F1,"
P.91
para el nodo 2:
XFv = O
Fl sen 30"
+ Fz, + VZ
u
[9.11]
F3sen 60"
+ F3,"+ V3
[9.13]
para el nodo 3:
XFv = O
FIGURA 9.6
Diagramas de cuerpo libre en los nodos de laarmadura estticamente determinada.
DECASOS
289
ECUACIONES
TRES:
ALGEBRAICAS
SISTEMAS
DE
LINEALES
en donde Fj,hes la fuerza horizontal externa aplicada al nodo i (una fuerza positiva va de izquierda a derecha) y F;,"es la fuerza vertical externa
aplicada al nodo i (una fuerza positiva va de arriba hacia abajo). De esta
manera, en este problema, la fuerza hacia abajo de 1 O00 kg sobre el nodo 1 corresponde a F,," = - 1 000. En este caso lasfuerzasrestantes
Fj,v,F;,h
son cero. Ntese que la direccin de las fuerzas y reacciones internas son desconocidas. La aplicacin correcta de la segunda ley de NewtonrequiereGnicamentequelassuposicionesrelacionadasconlas
direcciones sean consistentes. Si las direcciones
no se toman correctamente,
entonces la solucin ser negativa. Tambin ntese que en este problemalasfuerzasde todos los elementos se supone que estn entensin
y que actan jalando a lavez a los nodos adyacentes. Este problema se
puede escribir como el siguiente sistema de seis ecuaciones con seis incgnitas:
0.866
O -0.5
O
0
0
O
O
O
O
0.866
0.5
-1
o o
O
-0.866 -1
o -1 o
-0.5
O 0
O
0
0
1 0.5
O
O
O
-1
O
O -0.866
- 1000
O 0
E9.141
Ntese que, como se formula en la ecuacin (9.14), se requiere-pivote0

parcial para evitar divisiones porcero sobre los elementos de la diagonal.
Empleando una estrategia de pivoteo, el sistema se puede resolver usando las tcnicas de eliminacin analizadas en los captulos 7 y 8. Sin embargo, debido a queesteproblemaes
un caso deestudioidealpara
demostrar la utilidad de la matriz inversa, seusa el mtodo de Gauss-Jordan
para obtener:
y lamatrizinversa
es:
0.866
[A]-1 =
0.5
O
0
0
0
O
O
1 O
0.25
-0.433
O
O
O
- 0.5
O
0.866
-1
-1
O
o -1 o
O -1
O
O
-0.433 -0.25
0.433
-0.75
O
O
O -1
Ahora, supngase que el vector de trminos independientes representa

las fuerzas horizontales y verticales aplicadas externamente a cada nodo,
como:
290
INGENIEROS
MTODOS
NUMRICOS
PARA
Debido a que las fuerzas externas no tienen efecto sobre

la matriz de coeficientes, el mtodo de Gauss-Jordan no senecesita implementar una y otra
vez para analizar el efecto de las fuerzas externas diferentes sobre la armadura. En vez de esto, todo lo que se tiene que hacer es multiplicar
la matriz inversa por cada uno de los vectores de trminos independientes para obtener soluciones alternativas diferentes. Por ejemplo, podra
desearse estudiar el efecto de las fuerzas horizontales producidas por el
viento que sopla de izquierda a derecha. Si la fuerza elica se puede representar como dos fuerzas puntuales de 1 O00 kg cada una sobre los
nodos 1 y 2 (Fig. 9.7),entonces el vector de trminos independientes es:
[Vector de trminos independiente^]^ = [ 1 O00 O
1 O00 O O O]
que se puede multiplicar por la matriz inversa para dar:
Fl
866
H* = -2000
F2
v
2
= 250
= -433
F3 =
v. =
-500
433
Para un viento de derecha, Fj,h = - 1 000, F 3 , h =

dems fuerzas externas son cero, resultando:
FI
H,
= -866
= 2000
F2 = -1250
v,
433
F3
- 1 000,
y todas las
500
v, = -433
Los resultados indican que los vientos han tenido marcados efectos diferentes sobre la estructura. Ambos casos se muestran en
la figura 9.7.
Los elementos individuales de la matriz invertida tienen tambin utilidad
directa en el esclarecimiento de las interacciones carga-respuesta de la estructura. Cada uno de los elementos representa el cambio de una de las
variables hacia un cambio unitario de uno de las cargas externas.Por ejemplo, e] elemento aG1 indica que la tercera incgnita F3) cambiar 0.866
"~
FIGURA 9 . 7
Dos casos de carga que muestran a) vientos de izquierda y b) vientos de derecha.
29 1
ES
AS DE
CASOS
debido a la carga unitaria de la segunda carga externa F1,).

De esta forma, sila carga vertical en el primer nodo se aumenta en uno, entonces
F3 se incrementa en 0.866. El hecho de que los elementos sean cero indica que ciertas incgnitaspermanecen inalteradas por alguna de lascargas externas. Por ejemplo, a
= O significaque F , nosealterapor
cambios en FZ,h. Esta habilidad de aislar interacciones tiene una cantidad
de aplicaciones enla ingeniera incluyendo la identificacin de aquellos
componentes que son ms sensibles a las cargas externas y, por lo tanto
estn ms propensos a lafalla.
El planteamiento anterior vienea ser particularmente til cuando se aplica a estructuras complejas. Enla prctica de la ingenieria puede necesitarse la solucin de estructuras con cientos o tal vez miles de elementos
estructurales. Las ecuaciones lineales son una herramienta til en la comprensin del comportamiento de estas estructuras.
CASO 9.4
il
Nodo
i,
R if
Antecedentes: un problema comn en la ingeniera elctrica es aquel que

implica la determinacin de corrientes y voltajes en varias posiciones de
circuitos complejos de
resistencias. Estos problemas se resuelven
con
la
ley de corriente de Kirchhoffy la ley de Ohm. La ley de la corriente dice
un nodo debe ser
que la suma algebraica de todas las corrientes sobre
cero (Fig. 9.8a), o
Cik = O
a)
Y
..,
CORRIENTESY VOLTAJESENCIRCUITOSRESISTIVOS
1:
, *
[9.16]
en donde todas las corrientes que entran al nodo tienen signo positivo.
La
ley
de
Ohm
dice
que la corriente a travs
de
una
resistencia
est
dada en
funcin
del
cambio
de voltaje y de la resistencia (Fig. 9.8b),
i /
b)
[9.17]
FIGURA 9.8 Representacin esquemticade la

a)leyde la corrientede
Kirchhoff y b)ley
de Ohm.
OR
R=lOR
R=5R
v,
= 200 v
R=5n
R=l5R
FIGURA 9.9
Solucindelcircuito
tneas.
R=20R
& =ov
deuna resistencia usando ecuaciones algebraicas linealessirnul-
292
'65
154
c-
FIGURA 9.10
Direccionesen las cuales se supone quecircula la corriente.
Solucin: los problemas de este tipo generan sistemas de ecuaciones algebraicas lineales simultneasya que los ciclos dentro de un circuito estn acoplados con los otros. Por ejemplo, considrese el circuito mostrado
en la figura 9.9. Se desconoce la magnitud y la direccin de las corrientes
asociadas con este circuito. Esto no presenta gran dificultad ya que simplemente se supone una direccin para cada corriente. Si la solucin resultante de la ley de Kirchhoff es negativa, entonces la direccin dada es
incorrecta. Por ejemplo, la figura 9.10 muestra las corrientes supuestas.
Dadas estas ecuaciones, las cuatro ecuaciones de las corrientes para
cada nodo estn dadas por:
iI2
o
i43 - i32 = o
i& - is2 -
i54
i.54 =
i43 = O
y las seis ecuaciones del voltaje como:
v5 - v
4
.
v5 - v,
- 152 = 5
15
10
en donde la corriente fluye del voltaje ms alto al ms bajo. Estas ecuaciones son equivalentes a la siguientenotacinmatricial:
200 -
0 0 0
0 1 0
5
0
0 0
O
O
0 0
v,
154
0
0
0
1
0
0 - 1
1 - 1
o
1 1 0 0 0 0
- 1 1 0 0 0
0
0
0
0
0
0
0
1
1 0
0 -
0
0
1
1
1
1 - 1
0
0
0
0
1
0
5 0 0 0 0 1 0 1 5 0
O 0
O
0 0 2 0 0 0 0
o O 0 1 0 1 o
O
O
ZOO
O
O
O
DECASOS
293
V=
i =169.23
153.85
V = 200
: c
V=O
I/= 123.08
li = 146.15
FIGURA 9.1 1
Solucin de voltajes y corrientesobtenidos
usando un mtodo de eliminacin.
que representa un sistema de 10 ecuaciones con 10 incgnitas. Aunque

es imprctico resolver este sistema a mano, se puede resolver fcilmente
usando un mtodo de eliminacin tal como la eliminacin gaussiana o
el mtodode Gauss-Jordan. De esta manera, la solucin es:
6.153 8
i12
32
= -1.538 5
= - 1.538
iS4 = -1.538
i43
5
5
a = -6.153 8
i52
V2
V3
=
=
=
-4.615 4
169.23
153.85
V4 = 146.15
V, = 123.08
Por lo tanto, con una interpretacin apropiada de los signos en los resultados, lafigura 9.11 muestra las corrientes y los voltajes en el circuito.
Evidentemente se obtendran mayores ventajas si se usaran algoritmos
numricos y microcornputadoras en este problema.
CASO 9.5
FIGURA 9.12
Tres bloques
conectados por
cuerdos de peso despreciable
sobreun plano
inclinado.
DINMICA DE PARTCULAS Y CUERPOS RGIDOS

(INGENIERA MECANICA)
Antecedentes: la dinmica del movimiento de partculasy de los cuerpos
rgidos juega un papel muy importante en muchos problemasde mecnica y otros campos de la ingeniera. Este movimiento se puede describir
de Newton para
mediante las leyes de Newton. La aplicacin de las leyes
partculas simples genera dos ecuaciones. Sin embargo, si algunas partculas del sistema afectan a otras, entonces se puede generar un gran nmero de ecuaciones simultneas.
Por ejemplo, considrese el sistema mostrado en la figura 9.12. Hay
tres bloques atados por una cuerdade peso despreciable apoyados sobre
unasuperficielisainclinada45O
respecto a lahorizontal.El coeficiente
de friccin entre el plano y la masa de 100 kg es de 0 . 2 5 y entre las masas de 50 y 2 0 kg es de 0.375.
Solucin: en la figura 9.13 se muestran los diagramas de cuerpo libre de
los tres bloques. Las unidades de las fuerzas son newtons (kilogramos por
294
MTODOS NUMRICOS
100
FIGURA 9.13
9.8
980
PARA INGENIEROS
50 x 9.8 = 490
20
9.8 = 196
Diagramas de cuerpo libre para los bloques sobre un planoinclinado.
metro por segundo al cuadrado), m es la masa en kilogramos y a

es la aceleracin en metros por segundo al cuadrado. Sumando fuerzas
en direccinparalela
al plano y usando la segunda ley de Newton
(F
ma),
692.96 - 173.24 - T = lOOa

346.48 - 129.93 +
T-R
138.59 - 51.97 + R
50a
2 0 ~
o. en forma matricial:
Resolviendo este sistema con eliminacin gaussiana, se obtiene:

a = 4.840 5 m/s2
T = 36.667 1 N
R = 10.190 6 N
El expresar las ecuaciones del movimiento enforma matricial es
un planteamientogeneral y adaptableparaproblemas
de este tipo.
Aunque el problema que se resolvi aqu fue fcil, el caso de estudio
sirve para ilustrar el planteamientogeneral e inspirar, al menoseso
se espera. las aplicaciones a problemas ms difciles. Cuando se juny unamicrocomputadora,
son una
tan con un mtodonumrico
usaren
una granvariedad de
herramientamuy til quesepuede
problemascomplejos.
295
DE ECUACIONES
ALGEBRAICAS
LINEALES
DE CASOS
PROBLEMAS
9.1
Reptanse los clculos del caso 9 . 1 usando los programas propios.
9.2
Efectense los mismos clculos del caso 9.1, cambiando los totales de horashombre, metales, plsticos y componentes a 856 h, 3 050 kg, 1 450 kg y 948
unidades respectivamente.
9.3
Un ingeniero supervisa la produccin de tres tipos de automviles. Se requieren

tres clases de materiales "metal, plstico y caucho- para la produccin. La
cantidad necesaria para producir cada automvil es de
Auto-
mvil
1500
1700
1900
2
3
Plirtiro, Cauchor
kglauto kglauto
Metalr
kglauto
25
33
42
1 O0
120
160
Si se dispone de un total de 106 toneladas de metal, 2.17 toneladas de pltistico

y 8.2 toneladas de caucho diariamente, cuntos automviles se pueden producir
por da?.
9.4
Un ingeniero requiere 4 800 m 3 de arena, 5 810 m3 de gravafina y 5 690 m 3

de grava gruesa para la construccin de un proyecto. Existen tres bancos donde
se pueden obtener estos materiales. La composicin en cada banco es de:
~~~
Banco
Arena
Grava fina,
TO
010
010
banco 1
50
banco 2
banco 3
20
52
20
25
30
Grava
gruesa
O/o
18
30
55
Cuntos metros cbicos se debe tomar de cada banco para cumplir con las necesidades del ingeniero?
Ingeniera qumica
9.5
Reptanse los clculos del caso 9.2 con los programas propios.
9.6
Efectense los mismos clculos del caso 9.2 cambiando la temperatura de la pared
a 200C.
INGENIEROS
MTODOS
296
9.7
NUMRICOS PARA
Usando elmismo planteamiento del caso 9.2, calclese ladistribucin de temperatura en una varilla calentada en ambos extremos, como se muestra en la figura P9.7.
Aplquese la formaunidimensionalde la ecuacin (9.6):
d2T
-__- 0
dx2
en donde x es la distancia a lo largo de lavarilla. Grafquese
FIGURA P9.7
T contra x.
Una varilla unidimensional se mantieneoislado a u n a temperaturaconstante en sus

extremos. Los puntos indican las posiciones en donde debe aplicarse la forma unidimensional de la ecuacil (9.6)para calcular la distribucin de la temperatura a lo
largo de la varilla.
9.8
Reptase el problema 9 . 7 incluyendounaprdida
de caloren la ecuacin:
en donde r es el coeficiente de prdida de calor, igual a 0.01 cm

de lavarilla es de 10 cm. Grafiquese T contra x.
9.9
-y la longitud
La figura P9.9 muestratres reactores ligados por tubos.Como se puede ver. la velocidad de transferencia de sustancias qumicas a travs de los tubos es igual a la
velocidad de flujo (Q, con unidades de metros cbicos por segundo) mul~iplicada
por la concentracin del reactor del cual surge el flujo (c. con unidades de miligramos por metro cbico). Si el sistema es estacionario, la transferencia en cada reactor balancea la transferencia de salida. Por ejemplo. enel reactor 1. (entrada) =
(salida), o:
500 +
Q21C2
= Q12C1
Q13~1
o , usando las velocidades de flujo especificadas como en lafigura 9 . 9 :
500
2 0 ~ 2= 8 0 ~ 1+ 4 0 ~ 1
en donde 500 es una entrada directa (miligramos por segundo). Desarrllense ecuaciones de balance de masas comparables para cada unode los otros reactores y
resulvanse las tres ecuaciones algebraicas lineales simultneas para la concentracinen los reactores.
DECASOSDE
SISTEMAS
TRES:
LA PARTE
FIGURA P9.9
LINEALES
297
Tres reactores ligados por tubos. La velocidad de transferencia de masa a lo largo

de cada tubo esigual al producto del fluio Q y la concentracin c del reactor donde
se origina el fluio.
9.10
Empleando el mismo planteamiento bsico del problema 9.9, determnese la concentracin de cloruro en cada uno de los Grandes Lagos con la informacin de
la figura P9.10.
Ingeniera civil
9.11
Reptanse los clculos del caso 9.3 con los programas propios.
298
MTODOS
9.12
45
PARA INGENIEROS
Efectense los mismos clculos del caso 9.3cambiando el ngulo del nodo 2 a 40
3 a 55. II
y el del nodo
..~..
NUMRICOS
9.13 Efectense los mismos dlculos del caso 9.3,con la estructura mostrada en la figura P9.13.
45
.
I
P
9.14
FIGURAP9.13.
180
Efectense los mismos clculos del caso 9.3,con la estructura de lafigura P9.14.
500
FIGURA P9.14.
Ingeniera elctrica
9.15
Reptanse los clculos del caso 9.4,usando losprogramas propios.
9.16
Efectense los mismos clculos del caso 9.4,

cambiando la resistencia entre los no
dos 3 y 4 a 15 Q y cambiando el voltaje V6 a 50 V .
9.17
Efectense los mismos clculos del caso 9.4.con el circuito mostrado en la figura
P9.17.
FIGURA P9.18.
ARTE CASOS
LA
DE
LINEALES
299
Ingenieramecnica
9.19 Reptanse los clculos del caso 9.5, usando los programas propios.
9.20 Efectense los mismos clculos del caso 9 . 5 , cambiando el ngulo a 55O respecto
a la horizontal.
9.2 1 Efectense los mismos clculos del caso 9 . 5 , cambiando el coeficiente de friccin
de la masa de 100 kg a 0 . 5 y el de las masas de 50 y 2 5 kg a 0.25.
FIGURA P9.24.
9.22
Efectense los mismos clculos del caso 9.5, cambiando las masas de 100, 50 y
20 kg a 4 5 , 2 0 y 80 kg, respectivamente.
9.23
Efectense los mismos clculos del caso 9.5, para el sistema mostrado en la figura
P9.23.
9.24
Efectense los mismos clculos del caso 9.5, con el sistema mostrado en 13 figura
P9.24. (los ngulosson de 45').
9.25
Lanse todos los casos del captulo 9 . En base a la lectura y a la experiencia elabrense los propios casos en cualquier campo de la ingeniera. Esto puede implicar
modificar o reexpresar alguno de ellos; sin embargo, pueden ser tambin totalmente originales. Como los ejemplos de este libro, se deben inspirar en el contexto de
la ingeniera y se debe demostrar el uso de los mtodos numricos para solucionar
sistemas de ecuaciones algebraicas lineales. Escrbanse los resultados usando los
casos de este captulo como modelos.
E P [LOGO:
PARTE Ill
111.4
ELEMENTOS DE JUICIO
En el cuadro 111.2 se muestra un resumen de los elementos de juicio implicados en la solucin de ecuaciones algebraicas lineales simultneas.Hay tres mtodos;
grfico, regla de Cramer y manipulacin algebraica
que estn limitadas a pocas ecuaciones (n I3) y por
lo tanto tienen poca utilidad prctica en la solucin de
problemas. Sin embargo, estas tcnicas son herramientasdidcticasmuytilesen
la comprensin del comportamientodesistemaslinealesen
general.
Los mtodos numricos mismos se dividen en dos categoras generales: mtodos exactos y mtodos aproximados. Como su nombre lo indica, los primeros
obtienensolucionesexactas. Sin embargo, ya que se
ven afectados por los errores de redondeo, en algunas ocasiones ofrecen resultados errneos. La magnitud del error de redondeo vara de sistema a sistema
y depende de una serie de factores. Estos incluyen las
dimensiones del sistema, su condicin y s i la matriz de
coeficientes es dispersa o completa. Adems, la precisin de la computadora influye en el error de redondeo. En general, se escogen los mtodos exactos para
resolver pocas ecuaciones (esto es, aquellos sistemas
menores de 50 ecuaciones).
Se usancomnmente dos mtodos; la eliminacin

gaussiana y el mtodo de Gaus-Jordan. Se recomienda emplearlaestrategia
de pivote0encualquier
implementacin que se haga de estos mtodos sobre
una computadora. Con la ayuda de estaestrategia,
los errores de redondeo disminuyen y se evitan problemas como la divisin por cero. Aunque en todos los
dems sentidos son iguales, la eliminacin gaussiana
es preferible a Gauss-Jordan, ya que la primera es un
50% ms rpida. Sin embargo, el mtodo de GaussJordan sigue siendo til ya que se puede modificar un
poco de manera quese pueda obtener la matriz inversa como beneficio adicional en los clculos.
Aunque los mtodos de eliminacin tienen una granutilidad, eluso de toda la matriz de coeficientes puede
ser un factor lirnitante cuandose trata de sistemas muy
grandes y dispersos. Esto se debe a que grandes porciones de memoria en la computadora deben almacenar ceros sin sentido. Para sistemas en forma
de banda,
existen mtodos disponibles para la implementacin de
la eliminacin gaussiana sin tener que almacenar la matriz de coeficientes completa. En el recuadro7.2 sedes-
302
U
C
c
..-E
J
303
EPLOGO PARTE I l l
"
e,
O
u)
O
u)
O
O
O
a,
oa,
?
ul
VI
304
MTODOS
NUMRICOS
PARA INGENIEROS
cribe un algoritmo muy simple para llevar a cabo lo anterior en sistemas especiales con forma de banda;
el caso tridiagonal.
AI
mtodo que se describe en este libro se le conoce con el nombre de GaussSeidel. Es diferente del mtodo exacto en cuanto a que
ste emplea un esquema iterativo en la obtencin progresiva de aproximaciones ms cercanas a la solucin. Por lo tanto, el efecto del redondeo es un punto discutible
dentro del mtodo de Gauss-Seidel, ya que
las iteraciones se pueden prolongar tanto como sea necesario para obtener la precisin deseada. Adems, la versin del mtodo de Gauss-Seidel puede desarrollarse de manera
que se pueda ahorrar espacio en memoria para sistemas dispersos. Por
lo
tanto, el mtodo de Gauss-Seidel es el mtodo preferencial en sistemas grandes de ecuaciones
en donde los errores de redondeo y los requisilas
tos dealmacenamientovienena
ser u n problemasignificativopara
tcnicas exactas.
(loo),
La desventaja del mtodo de Gauss-Seidel

es que no siempre converge a
la solucin exacta o algunas veces lo hace de manera muy lenta. Unicamentees confiable para aquellos sistemas dominantes diagonalmente. Sin emestas
b a r g o , se dispone de los mtodos de relajacin que a veces ignoran
restricciones. Adems, ya que muchos sistemas algebraicos lineales originados de problemas fsicos muestran dominancia diagonal, el mtodo de GaussSeidel tiene gran utilidad en la solucin de problemas de ingeniera.
Enresumen,
se conjuntanunaseriedefactoresenlaseleccindeuna
tcnica p a r a resolver un problema en particular que involucre ecuaciones
algebraicas
lineales.
Sin embargo,comoya
se mencion, el tamao
y ladispersindelsistemasonfactoresparticularmenteimportantesal
determinar
la
eleccin.
111.5
RELACIONES Y FRMULAS IMPORTANTES

C a d a u n a d e las partes de este libro contiene una seccin que resume las
frmulas de mayor importancia. Aunque la parte Ill no menciona frmulas
simples, se ha usado el cuadro 111.3 p a r a resumir los algoritmos que se han
cubierto. La tabla proporciona una visin global que resulta
til en la revisin y en la clarificacin de
las diferencias principales entre
los mtodos.
111.6
MTODOS AVANZADOS
Y ALGUNAS REFERENCIAS ADICIONALES
Los mtodos de este texto se han limitado a
solucin de ecuaciones lineales simultneas.
las tcnicas ms simples en la
EPLOGO PARTE 111
305
II II
II
*"*"st
fi
"_
I
I
x- ,x( 5 " & 8-
-SN
"_
306
MTODOS
NUMRICOS
PARA INGENIEROS
Existen otros mgtodos que uscin elmismocontexto de los problemas as como

tambin otros que tratan sobre valores propios y ecuaciones simultneas no lineales.
Descomposicin LU (Llamado tambin mtodo de Cholesky o mtodo de Crout)
es una tcnicaparticularmenteeficienteenlasolucindealgunosproblemas
que se han mencionado en la parte I l l . Se encuentran buenas descripciones y
algoritmos de computadora para este mtodo en James, Smith y Wolford ( 1 977)
y Gerald y Wheatley (1984).
Existen una variedad d e tkcnicas para determinar los valores propios. James,
Smith y Wolford (1 977); Gerald y Wheatley (1 984) y Hornbeck (1975) proporcionan una introduccin al tema. El tema se trata ms a fondo en Ralston y Rabinowitz (1978); Householder (1 964) y en Wilkonson (1 965).
Las ecuaciones simultneas no lineales a veces se pueden resolver usand o el mtodo de Gauss-Seidel. Adems, una versin multidimensional ofrece un esquema ms eficiente, aunque ms complicado del mtodo de
Newton-Raphson. En los libros de Carnahan, Luther y Wilkes ( 1 969); G e rald y Wheatley ( 1 984) y James, Smith y Wolford (1977) se analizan los
mtodos. El libro de Ortega y Rheinboldt (1970) ofrece un trabajo muy
completo acerca del tema.
En resumen, la informacin anterior intenta introducir al lector en estudios posteriores ms profundos sobre el tema y reas afines. En todas
las referencias anteriores se proporcionan descripciones de las tcnicas
bsicas d e la parte Ill. Adems, Ralston y Rabinowitz ( 1 978) proporcionan un anlisis ms profundo y en Stark (1 970) se incluye un estudio de
temas tales como el mal condicionamiento.El lector debe consultar estas
fuentes alternativas para complementar el material de este libro y enriquecer sus conocimientos sobre ecuaciones algebraicas lineales simultneas. *
'Aqui
slo
se hace referencia a los libros por autor; al finaldel texto se halla una bibliografa completa.
C ~ J A T R O
PARTE
IV.1 M O T I V A C I ~ N
-AJUSTE DE CURVAS
A menudo se proporcionan datosmediante .un

conjunto de puntos discretos. Sin embargo, a veces se requieren estimaciones de puntos entre esos
valores discretos. Esta parte del libro describe algunas tcnicas de ajuste de curvas de manera que
con tales datos se obtengan aproximaciones intermedias. Adems, a veces se requiere una versin
simplificada de una funcin muy complicada. Una
manera de hacerloes la de calcular valores de la
funcin enun conjunto de valores discretos a lo
largo del rango de inters. Despus se puede obtener una funcin mas simple ajustando estos valores: A estas dos apticaciones se les conoce con
el nombre de ajuste de curvas.
Hay dos esquemas generales en el ajuste de curvas que se distinguen entre s en base a la cantilos datos.Primero,
dad deerrorasociadacon
donde los datos muestran un grado significativo
deerror o ruido, la estrategia es derivar una curva simple que repre.sente el comportamiento general de los datos. Ya que cada punto individual
puede estar incorrecto, no es necesario intersec,tar cada punto individual puedeestar incorrecto,
no es necesario intersectar cada uno de ellos. En
vez de esto, la curva se disea de tal manera que
siga un patrn sobre los puntos tomados como un
todo. A un procedimiento de esta naturaleza se
le conoce conel nombre de regresin con mnimos
cuadrados (Fig. IV.l a).
Segundo, donde se conoce que los datos son muy

exactos, el proceso es ajustar una curva o una serie de curvas que pasen exactamente por cada uno
de los puntos. Estos datos generalmentese derivan de
tablas. Algunos ejemplos son los valores de la densidad del agua y de la capacidad de calor de los gases
como una funcin de la temperatura. A la estimacin
de valores entre puntos discretos conocidos se le conoce con el nombre de interpolacin (Fig. IV. l b y c).
308
____-
FIGURA IV.l
MTODOS
NUMRICOS
PARA INGENIEROS
Tres intentos de ajustar la "mejor" curva a troves de los cinco dotos o) regresin
con mnimos cuadrados, b) interpolacin lineal y c) interpolacin curvilnea.
IV.l . l . Mtodos de ajuste de curvas antes del

uso dela
microcomputadora
El mtodo ms simple de ajustar una curva a un conjunto de datos

esel de trazar los puntos y unirlos con una lnea recta. Aunque esta
es una alternativa vlida y se utiliza cuando se requiere hacer estimaciones rpidas, los resultados son dependientes, desde un punto
de vista subjetivo, de la persona que traza la curva.
Por ejemplo, en la figura IV.l se muestran diferentes trazos sobre un
mismo conjunto de datos hechos por tres estudiantes. El primero no
intenta conectar los puntos, en vez de eso caracteriza el crecimiento
309
AJUSTE DE CURVAS
de los datosmedianteunalnearecta(Fig.
IV.l .a). El segundo
estudiante us segmentos de lnea recta o interpolacin lineal en la
conexin de los puntos (Fig. IV.l h ) . Esta tcnica es muy comn en
ingeniera. Si los valores se acercan realmente al caso lineal y estn
espaciados muy cerca entre s, entonces esta aproximacin ofrece una
estimacin adecuada en muchos clculos de ingeniera. Sin embargo,
en donde la relacin subyacente es altamente curvilnea o en donde
los datos estn muy separados entre s, se pueden introducir errores
significativos enla interpolacin lineal.El tercer estudiante us curvas
que intentan capturar el comportamiento sugerido por los datos (Fig.
IV.l c ) . U n cuarto o quinto estudiante desarrollara un ajuste diferente.
Obviamente, la meta aqu es la de desarrollar mtodos sistemticos
y objetivos con el propsito de derivar tales curvas.
IV.1.2 Ajuste decurvas en ingeniera

El primer enfrentamiento del ingeniero con el ajuste de curvas pudo
ser el de determinar un valor intermedio de datos contenidos en una
tabla por ejemplo, de tablas de inters en la economa o de tablas
de vapor en termodinmica. A lo largo de la profesin de un ingeniero, frecuentemente se presentan ocasiones en las que se deben calcular valores intermedios de estas tablas.
Aunque muchas de las frmulas utilizadas ampliamente en ingeniera
ya han sido tabuladas, existe otra gran cantidad delos que no tienen
aplicacin al hacerlas de esta forma. Los casos especiales y los problemas nuevos de contexto requieren a menudo quese obtengan datos propios y que se desarrollenrelacionespredictivas,tambir!
propias. Se pueden encontrar, en general, dos tipos de aplicaciones
cuando se ajustan datos experimentales: el anlisis de tendencias y
la prueba de hiptesis.
El anlisis de tendencias representa el proceso de usar el patrn de

los datos y hacer predicciones. Para los casos en que los datos se mi-
den con alta precisin, se pueden usar polinomios de interpolacin.

Los datos imprecisos, en general, se analizan con regresin de mnimos cuadrados.
El anlisis de tendencias se puede usar para predecir o pronosticar

valores de la variable dependiente. Esto a veces involucra extrapolar
ms all de los lmites de los datos observados o interpolar dentro del
rango de datos. Generalmente, en todos los campos de la ingenieria
se encuentra este tipo de problemas.
Una segunda aplicacin a la ingeniera del ajuste de curvas experimentales es la prueba de hiptesis. Aqu se compara un modelo matemtico existente con los datos medidos. Si los coeficientes del mo-
310
MTODOS
NUMRICOS
PARA INGENIEROS
delo se desconocen, a veces es necesario determinar valores que se

ajusten mejor a los datos observados. Por el otro lado, si las estimaciones de los coeficientes del modelo se encuentran disponibles puede
ser apropiado comparar los valores predecidos del modelo con los
valores observados y as probar la
eficiencia del mtodo. A menudo,
se comparan modelos alternos y se selecciona "el mejor" en base a
observaciones empricas.
Adems de las aplicaciones anteriores a la ingeniera,el ajuste de curvas es importante en otros mtodos numricostales como la integracin y la solucin aproximada de ecuaciones diferenciales. Finalmente,
los mtodos de ajuste de curvas se pueden usar para derivar funciones simples y aproximar funciones complicadas.
IV.2
FUNDAMENTOS MATEMTICOS
Los fundamentos matemticos necesarios para la interpolacin se encuentran en las expansiones de la serie de Taylor y diferencias divididas finitas introducidos en el captulo 3. En la regresin con mnimos
cuadrados se requieren conocimientos de estadstica. Si el lector est
sufamiliarizado con los conceptos de media, desviacin estndar,
ma residual de cuadrados ydistribucin normal, entonces puede omitir
las siguentes paginas e ir directamente a la seccinIV.3. Si no conoce
estos conceptos o si necesita recordarlos, entonces se recomienda leer
el siguiente material como una breve introduccin a
estos temas.
IV.2.1
Estadsticasimple
Supngase que enun curso de ingeniera se hacen varias medidas

de una determinada cantidad. Por ejemplo, el cuadro IV.l contiene
24 lecturas del coeficiente de expansin trmica de un acero estructural. AI observar estos valores, proporcionan una cantidad limitada
de informacin, esto es, el rango de valores va desde un mnimo de
CUADRO IV. 1
Coeficientes obtenidos al medir la

expansin trmica de un acero
estructural
( x 1 O-6 pulg/pulg/F)
6.495
6.665
6.755
6.565
6.595
6.505
6.625
6.51 5
6.61 5
6.435
6.71 5
6.555
6.635
6.625
6.575
6.395
6.485
6.71 5
6.655
6.775
6.555
6.655
6.605
6.685
31 1
AJUSTE DE CURVAS
6.395 hasta un mximo de 6.775. Se puede profundizar en el conocimiento de los mismos agrupando los datos en una o mas medidas es-
tadsticas conocidas que proporcionen tanta informacin como sea

posible acerca decaractersticas especficasdel conjunto de datos. Estas
medidas estadsticas descriptivas se seleccionan ms a menudo para
representar 1 ) la posicin central de la distribucin de datos y 2) el
grado de dispersin del conjunto de datos.
La medida estadstica ms comn es la medida. La media (y) de una
muestra se define como la suma de los datos individuales (y;)
.. . dividido por el nmero de puntos (n), o:
[IV.l]
en donde la sumatoria va desde i =
1 hasta n.
La medida mas comn de la dispersin de una muestra es la desviaestndar (sJ, en funcin de la media:
cin
[IV.2]
I
en donde S es la suma total de los cuadros de

puntos y la media, esto es:
S, =
c (y, -
los residuos entre los

[IV.3]
Por lo tanto, si las medidas individuales se dispersan muy lejos de la

media, S, (y, por lo tanto sy) crecer. Si se agrupan muy cerca de la
media entonces la desviacin estndar ser pequea. La dispersin
tambin se puede representar por el cuadrado de la desviacin estndar, a la cul se le llama varianza:
[IV.4]
Ntese que el denominador en ambos casos es n - l. Esto toma en
consideracin que un promedio derivado previamente de los datos
(esto es, la media) se us para determinar S,. Formalmente, se dice
que se pierde un grado e Iibedad. Otra justificacin de dividir por
n - 1 es que no hay dispersin en un solo dato. Por lo tanto, en el
caso donde n = 1, la ecuacin (IV.4) proporciona un resultado sin
sentido o infinito.
312
Una medidaestadstica final que tiene utilidad en la cuantificacin de

la dispersin de los datos es el coeficiente de variacin (c. v). Esta medida estadstica es el cociente d e la desviacin estndar dela media.
Como tal, proporciona una media normalizada de la dispersin. A
menudo se multiplica esta cantidad por 100, de tal manera que se
pueda expresar en forma porcentual:
[ ; I
C.V.
= 100%
[IV.5]
Nteseque elcoeficiente devariacin essimilaralerrorrelativo

porcentual ( t u ) mencionado en la seccin 3.3. E s decir, el cociente de una
medida de error (S,,) entre una estimacin del valor verdadero
(a.
EJEMPLO IV.l
Tratamiento estadstico sencillo de una muestra
Enunciadodelproblema:
calclense lamedia,varianza,desviacin estndar y coeficiente de variacin de los datos del cuadro
Solucin: los datos se suman (cuadro
para calcular [Ec.(lV.l)]:
158.400
24
IV.l.
IV.2) y los resultados se usan
6.6
Como enel cuadro IV.2, la suma de los cuadrados de los residuos

es 0.21 7 00, que se puede usar en el calculo de la desviacin estndar [Ec.(lV.2)]:
II
I
sy =
,/T
=
0.097 733
y la varianza [Ec.(lV.4)]:
S,
0.009 435
y los coeficientes de variacin [Ec.(lV.S)]:

C.V.
=0.097
6.6
331 00%
1.47%
AJUSTE DE CURVAS
Cuadro IV.2
313
Clculos para la obtencin de las medidas estadsticas e histograma delas lecturas del coeficiente de expansin trznica
INTERVALO
I
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Y;
6.395
6.435
6.485
6.495
6.505
6.515
6.555
6.555
6.565
6.575
6.595
6.605
6.615
6.625
6.625
6.635
6.655
6.655
6.665
6.685
6.715
6.715
6.755
6.775
158.400
(Y;
- 7,
Frecuencia
0.042 025
0.027 225
0.013 225
0.011 025
0.009 025
0.007 225
0.002 025
0.001 225
0.000625
0.000025
0.000025
0.000225
0.000625
0.000625
0.001 225
0.003 025
0.003025
0.004 225
0.007 2251
0.013 225)
0.013 225
0.024 025
0.030 625
Limite
lmite
inferior Superior
6.36
6.40
6.40
6.44
6.48
6.52
6.52
6.56
6.56
6.60
6.60
6.64
6.64
6.68
6.68
6.72
6.72
6.76
6.76
6.80
0.217 O00
IV.2.2 La distribucin normal

La caracterstica final que se menciona en este anlisis es la distribucin de datos, es decir, el comportamiento con el cual
los datos se
distribuyen alrededor de la media. Un histogrurnu proporciona una
representacin visual simplede la distribucin. Como el cuadro IV.2,
un histograma se construye ordenando los datos en intervalos. Los
intervalos se grafican sobre el eje e las abscisas y la frecuencia de
ocurrencia de estos se grafica en el eje de las ordenadas. Por lo tarito, cinco de las medidas caen dentro del intervalo
6.60 y 6.64. Como
en la figura IV.2, el histograma sugiere que la mayor parte delos datosse agrupan cerca de la media.
Si se tiene un conjunto grande de datos, a menudo el histograma se

transforma de un diagrama de barras en una curva suave. La curva
314
MTODOS
FIGURA IV.2
NUMRICOS
PARA INGENIEROS
Uso de un histograma para delinear la distribucin de los datos. A medida que el

nmero de puntos aumenta, el histograma tiende a una curva uniforme y sin discontinuidades llamada distribucin normal.
simtrica y homognea sobrepuesta a la figura IV.2 muestra una de

estas curvas caractersticas; la distribucin normal. Si se proporcionaran medidas adicionales suficientes, entonces el histograma eneste
caso en particular, tendera eventualmente a la distribucin normal.
los conceptos de media, desviacin estndar, suma residual de cuadrados y distribucin normal tiene una gran importancia dentro de
la ingeniera. Un ejemplo muy simple essu uso en la cuantificacin
de la confiabilidad que se le puede atribuir a un dato particular. Si
unacantidad est distribuidanormalmente, el rangodefinidopor
y - S, a y S, abarcar aproximadamente el 68% del nmero total de datos. De la misma manera, el rango definido por y - 's, a
y
2 S,, abarcar aproximadamente el 95%
Por eiemplo, en los coeficientes de expansin trmica del cuadroIV. 1

(y = 6.6 y S, 0.097 133), se puededecir que aproximadamente el
95% de los datos se encuentra entre 6,405 734 y 6.794 266. Si alguien dijo que se midi un valor de 7.35, entonces se puede esperar
que este dato sea errneo.
l o anterior es slo un ejemplo muy simple de cmo se pueden usar

las estadsticas para dar juicios acerca de la certeza de los datos. Estos conceptos tambin tienen importancia directaen el anlisis de modelos de regresin. Se puede consultarcualquierlibro
bdrsico de
estadstica (por ejemplo, Ang y Tang, 1975, o Laping, 1983) para obtener informacin adicional sobre el tema.
31 5
AJUSTE DE CURVAS
IV.3 ORIENTACION
Antes de pasar a los mtodos numricos en el ajuste de curvas, puede ser til una orientacin. Lo que sigue est enfocado a dar una visin general del material analizado en la parte IV. Adems, se han
formulado algunos objetivos para ayudar al aprendizaje del lector
cuando estudie el material.
316
INGENIEROS
MTODOS
NUMRICOS
PARA
IV.3.1 Avance y alcance

En la figura IV.3 se muestra una visin global del material que se cubre en la parte IV. El captulo 70 se dedica a la regresin con mnimos
cuudrudos. Primero se aprender a ajustar la mejor lnea recta a
travs de un conjunto de datos inciertos. A esta tcnica se le conoce
con el nombre de regresin lineal. Adems del anlisis sobre el clculo de la pendiente y punto de interseccin de la lnea recta, se presentan tambin mtodos cuantitativos y visuales para la evaluacin
los resultados.
de la validez de
Adems de ajustar una lnea recta, se estudia tambin una tcnica
general para ajustar al meior polinomio. Por lo tanto, se aprender a derivar un polinomio cuadrtico, cbicoo de orden superior que
se ajuste de manera adecuada a los datos inciertos. La regresin lineal es un subconjunto de este esquema ms general, al cual se le
conoce con el nombre de regresin polinornial.
Finalmente, el ltimo tema cubierto en el captulo 10 es la regresin
lineal mltiple. Que est diseada para casos en que la variable dependiente y sea una funcin lineal de dos o ms variables independientes xl, x2, ..., x,. Este esquema tiene una utilidad especial en la
evaluacin de datos experimentales en donde la variable de inters
depende de un conjunto de factores.
En el captulo 7 7 se describeunatcnicaalternativa
de ajuste
de curvas a laque se le llamainterpolacin, Como se dijoanteriormente,lainterpolacin se usa para estimularvaloresintermedios entre datos conocidos. En
el captulo 11 se derivan polinomios
que cumplen este propsito. Se introduce el conceptobsicode
y parbolasparaconecinterpolacinpolinominalusandorectas
tarpuntos.Despus,
se desarrolla un procedimientogeneral para
ajustar un polinomio de n-simo orden. Se presentan dos formatos
diferentes para expresar estos polinomios en forma de ecuaciones.
E s preferible el primero de ellos,llamado polinornio de interpolacin deNewton,cuando
se desconoce el ordencorrectodelpolinomio. El segundo, llamado polinornio de interpolacin de Lagrunge
tiene algunasventajas cuando el ordendelpolinomio
se conoce
deantemano.
La ltima seccin del captulo 11 se dedica a una tcnica
diferente
en el ajuste preciso de datos. Esta tcnica, llamada interpolacin segrnenturia (en ingls spline),ajusta los datos a polinomios pero por intervalos. De ah que sea particularmente til cuando se ajusten datos
que en general son homogneos,pero muestrancambioslocales
abruptos.
317
AJUSTE DE CURVAS
En el capitulo 72 se desarrollan casos de estudio que ilustran la utilidad de los mtodos numricos dentro de contextos de la ingeniera.
Se muestran algunos ejemplos tanto de la ingeniera en general como de las cuatro ramas ms importantes de la misma: qumica, civil,
elctrica y mecnica.
Finalmente, se incluye un eplogo al final de la parte IV. Este incluye
un resumen de las frmulas y conceptos ms importantes relacionados con el ajuste de curvas, as como un anlisis de los factores de
mayor importanciaentre las tcnicas y sugerenciaspara estudios posteriores.
En la parte IV se incluyen algunas opciones de clculo por computadora. Primero, el paquete de programas NUMERICOMP que acompaa al texto contiene programas que son legibles al usuario sobre
regresin lineal e interpolacinde Lagrange. Alternativamente,se incluyen en el texto programas escritos en FORTRAN y en BASIC. Esto
le proporciona al lector la oportunidad de copiar el programa para
implementarlo en su propia microcomputadora o supercomputadora. Tambin se incluyen los diagramas de fluio y los algoritmos para
la mayor parte delos mtodos descritos en el texto. Este materialpuede
servir de base en la construccir! de un paquete de programas que
el lector puede desarrollar y aplicar a los problemas de ingeniera.
IV.3.2
Metas y objetivos
Objetivos de estudio. Despus de terminar la parte IV, el lector debe

haber aumentado en gran medida sus capacidades en el ajuste de curvas con datos. En general, se deben dominar las tcnicas, se debe
haber aprendido a valorar la confiabilidad delas respuestas y ser capaz de escoger el mejor mtodo (o mtodos) para cualquier problema. Adems de estas metas generales, se deben asimilar y dominar
los conceptos especficos del cuadro IV.3.
Objetivos de cmputo. El lector debe tener un conjunto de programas simples decomputadora,
algoritmosy
diagramasde
flujo
queimplementen
los mtodos analizados en laparte
IV. Todos
ellos comoherramientasdeaprendizaje.
El paquete opcional de programas NUMERICOMP, incluye los programas de regresin lineal de interpolacin de Lagrange. Las grficas asociadas con este paquete le ayudarn al lector a visualizar el
problema adems delas operaciones matemticas asociadas. Las grficas son una parte crtica en la apreciacin sobre la validez de una
regresin. Tambin proporcionan una gua relacionada con el orden
318
MTODOS
CUADRO IV.3
Objetivos de estudios especficos de
NUMfRICOS PARA INGENIEROS
la parte IV
1 . Entender la diferencia fundamental entreregresin
einterpolacinydarse
cuenta que el
confundirlos
puedeacarrear
serios problemas.
2. Entender la derivacin de la regresin lineal con mnimos cuadradosy ser
capaz devalorar la confiabilidad del ajuste usando grficas a apreciaciones cuantitativas.
3. Saber linealizar datos para llevara
cabo transformaciones.
4. Entender lassituacionesen
dnde es apropiado usar regresinpolinomial
o mltiple.
5. Entender que hay uno y slo un polinomio de grado n o menor que pasa exactamente a travs de los R
1 puntos.
6. Saber como derivar el polinomio de interpolacin de Newton de primer orden.
7. Entender laanaloga entreel polinomio de Newton y la expansin de la
serie de Taylor y cmo se relacionancon
el error de truncamiento.
8 . Reconocer que las ecuaciones deNewton y de Lagrange sonmeramente
formulaciones diferentesdelmismo
polinomio de interpolacin y de entenventajas
y desventoias.
der sus respectivas
9. Observar que se obtienenresultadosmsexactos
si los puntosusados para
interpolacin se centran alrededor y cerca de la incgnita.
10. Reconocer que los puntosnotienen
porqu estarigualmente espaciados
nienningn
orden enparticular para los polinomios de Newton y de Lagrange.
1 1 Conocer el por qu las frmulas de interpolacin igualmente espaciados tienen
utilidad.
12. Reconocer las limitaciones y las incertidumbres asociadas con la extrapolacin.
13. Entender por qulasfuncionessegmentariastienenutilidad
para datos con
reas locales de cambios
significativos.
correcto de una interpolacin polinomialy s i es confiable efectuar la

extrapolacin. El paquete es muy fcil de aplicarse en la solucin de
problemas prcticos y se puede usar en la verificacin de los resultados de cualquier programa que
el lector haya desarrollado por s
mismo.
Adems, se incluyen los programas de computadora, los algoritmos
o los diagramas de flujo para la mayor parte de los mtodos de la
parte IV. Esta informacin le permitir ai lector expander su biblioteca de programas incluyendo tcnicas que van ms all de la regresin lineal y de la interpolacin de Lagrange. Por ejemplo, puedeser
til, desde un punto de vista profesional, tener un paquete de programas que incluya regresin polinomial, polinomio de interpolacin
de Newtone interpolacin cbicasegmentaria (del ingls cubic spline).
CAPTULO DIEZ
REGRESI~N
CON MNIMOS
CUADRADOS
Cuando se asocia un error sustancial con los datos, la interpolacin poiinomial es inapropiada y puede llevar a resultados no satisfactorioscuando se usa para predecir valores intermedios. Los datos experimentales
a menudo son de este tipo. Por ejemplo, en la figura 10. l a se muestran
siete datos obtenidos experimentalmente que muestran una variacin significativa. La inspeccin visual de los datos sugiere una relacin positiva
entre y y x . Es decir, la tendencia total indica que a valores mayores de
y se le asocian valores mayores a x. Ahora, si se ajusta un polinomio interpolante de sexto orden a estos datos (Fig. l O . l b ) , pasar exactamente
por todos los puntos. Sin embargo, debido a la variabilidad de los datos,
la curva oscila ampliamente en los intervalos entre puntos. En particular,
los valores interpolados x = 1.5 y x = 6 . 5 parecen ir ms all d e l rango
sugerido por los datos.
Una estrategia ms apropiada en estoscasos es la de obteneruna funcin aproximada que ajuste adecuadamente el comportamiento o la
tendencia general delos datos, sin coincidir necesariamente con cada punto
en particular. La figura 10. ICmuestra una linea recta que puede usarseen
la caracterizacin de la tendencia delos datos sin pasar sobreningn punto
en particular.
Una manera de determinar la lnea de la figura 1 0 . 1 ~
es inspeccionarvisualmente los datosgraficados y luegotrazarla
mejor lnea
a travs de los puntos. Aunque este enfoque recurre al sentido comn
Y esvlidoparaclculosasimplevista
es deficiente ya quees
arbitrario. Es decir, a menos que los puntosdefinanunalnearecta
perfecta (en cuyo caso la interpolacinsera apropiada), cadaanalista
trazar
rectas
diferentes.
La manera de quitar esta subjetividad es considerar un criterio que
cuantifique la suficiencia del ajuste. Una forma de hacerlo es obtener una
curva que minimice la diferencia entre los datosy la curva. En este captulo se analiza un mtodo para llevar a cabo este objetivo al que se le
llama regresin con minimos cuadrados.
320
MTODOS
FIGURA 1O. 1
a) Muestra de datos con un error significativo. b) Ajuste polinomial con

oscilaciones que violan el rango de los datos, c) se obtienen resultados
ms satisfactorios usando el ajuste de mnimos cuadrados.
32 1
REGRESldN CON MNIMOS CUADRADOS
10.1 REGRESIN
LINEAL
Ei ejemplo ms simple de una aproximacin por mnimos cuadrados es
el ajuste de una lnea recta a un conjunto de parejas de datos observadas: ( x 1 ,y l ) , (xp, y2), .. . ,(x,,, y,,). La expresin matemtica de una lnea
recta es:
y =
a0
[10.1]
+ alx + E
en donde a. y al son coeficientes que representan la interseccin con el

eje de las abscisas y la pendiente, respectivamente y E es el error o residuo entre el modelo y las observaciones, que se puede representar reordenando la ecuacin (10.1)como:
y - a0 - alx
Por lo tanto, el error o residuo es la diferencia entre el valor real de y

y el valor aproximado, a.
a, x, predicho por la ecuacin lineal.
10.1.1 Criterio para un
/ /
mejor ajuste
Una estrategia que obtiene la mejor lnea a travs de los puntos debe
minimizar la suma de los errores residuales, como en:
[10.2]
i=1
i=l
Sin embargo, este criterio es inadecuado, como se puedever en la figura

10.2a, en donde semuestra la lnea recta que ajusta dos puntos. Obviamente, la mejor lnea ajustada esaquella que conecte ambos puntos. Sin
embargo, cualquier lnea que pasa por el punto medio de la lnea que
los conecta (excepto unalnea perfectamente vertical) genera un valor mnimo en la ecuacin (10.2) igual a cero ya que los errores se cancelan.
Otro criterio sera minimizar la suma de los valores absolutos de las
diferencias, esto es:
n
161
i= 1
2IM
- a0 -
alxil
i= 1
En la figura 10.21 se muestra por qu este criterio tambin es inadecuado. Con los cuatro puntos mostrados, cualquier lnea recta que se encuentre dentro de las lneas punteadas minimiza el valor absoluto de la
suma. Por lo que este criterio an no produceel mejor ajuste que sea nico.
Una tercera estrategia en el ajuste de una lnea ptima es el criterio
de minimax. En este mtodo, la lnea se escoge de tal manera que minimice la distancia mxima a la que se encuentra un punto de la linea rec-
322
MbODOS NUMRICOS
PARA INGENIEROS
"
FIGURA 10.2
Ejemplos de algunos de los criterios de "meior ajuste" que son inadecuados en la regresin: a) minimizacin de la suma de los residuos; b)
minimizacin de la suma de los valores absolutos de los residuos y c) minimizacin del error mximo de cualquier punto individual.
ta.Comose
muestra en lafigura
lo.&, est estrategia est mal
condicionada pararegresin ya que influye de maneraindebida sobre un
punto externo, aislado, cuyo error es muy grande. Se debe notar que
el criterio minimax algunas veces estbien condicionado paraajustar una
funcin simple a una funcin complicada (Carnahan, Luther y Wilkes,
1969).
Una estrategia que ignora las restricciones anteriores es la d e minimizar la suma de los cuadrados de los residuos, S,, de la siguiente manera:
S, =
= 1
i=l
2 E? =
( y i- a0 - alxi)2
E10.31
323
REGRESIN CON MNIMOS CUADRADOS
Este criterio tiene muchasventajas, incluyendoel que ajusta una linea nica
analizar estas propiedades, se muesa un conjunto dado de datos. Antes de
tra un mtodoquedetermina los valoresde a. y al que minimizanla
ecuacin (10.3).
10.1.2 Ajuste deunarectautilizando
mnimos
cuadrados
Para determinar los valores de las constantes a. y a l , se deriva la ecuacin (10.3) conrespecto a cadaunodelos coeficientes:
Ntese que se hansimplificadolossmbolosdelasumatoria;

a menos
que otra cosa se indique, todas las sumatorias van desde i = 1 hasta n .
Igualando estas derivadas a cero, se genera un mnimo S,. Si se hace as',
las ecuaciones anteriores se expresarn cmo:
Ahora, considerando que C a. = nao, las ecuaciones se pueden expresar como un conjunto de dosecuaciones lineales simultneas con dosincgnitas (ao y al):
nao
+ C xial =
yi
[10.4]
[10.5]
A estas ecuaciones se les conoce como ecuaciones normales.Se pueden

resolversimultneamente y obtener [(recurdese la Ec. 7.10)]:
[10.6]
Este resultado se puede usar junto conla ecuacin (10.4) para obtener:
[10.7]
en donde
..... ."
.
l
l
l
_
_
..
v y X sonlamedid+de
y y x , respectivamente.
324
INGENIEROS
MTODOS
NUMRICOS PARA
EJEMPLO 1O. 1
Regresin lineal
Enunciado del prblema: ajstese una lnea recta a los valores x y y de

las primeras dos columnas del cuadro 10. l.
CUADRO 1O. 1
Clculos para el anlisis del error del ajuste

lineal
1
2
3
4
5
6
7
0.5
2.5
2.0
4.0
3.5
6.0
5.5
-
c.
24
8.5765
0.8622
2.0408
0.3265
0.0051
6.6122
4.2908
22.7143
0.1687
0.5625
0.3473
0.3265
0.5896
0.7972
0.1993
2.991 1
Solucin: sepuedencalcularlassiguientescantidades:
2 yi
=7
2 xjyj = 119.5
24
xf = 140
24
J = - = 3.428 571 429
7
Usandolas ecuaciones (10.6) y (10.7),
an =
3.428 S71 429 - 0.839 285 714(4)
Por lo tanto, el ajuste con mnimos cuadrados

y = 0:071 428 57
0.071 428 57
es:
+ 0.839 285 7 1 4 ~
La lnea, juntocon los datos, se muestra enla
figura 1 0 . 1 ~ .
325
10.1.3 Cuantificacin del error enla
regresin lineal
Cualquier lnea recta diferente a la que se calcul en el ejemplo 10.1 genera una mayor suma de cuadradosde los residuos. Por lo tanto, la lnea
es nica y en trminos del criterio escogido es la mejor lnea a travs
de los puntos. Se puede derivar un gran nmero de propiedades adicionales de este ajuste, examinando ms de cerca la manera como se calcularon los residuos. Recurdese que la suma de los cuadrados se define
como [Ec. (10.3)]:
I
S , = 2 ( y i - a. - alxi)*
110.81
i= 1
Ntese la similitud entre las ecuaciones (IV.3)y (10.8).En el primer

caso, los residuos representabanla diferencia entrelos datos y una aproximacin simple de la medida de la tendencia central; la media. En la ecuacin
(10.8),los residuos representanel cuadrado de la distancia vertical entre
los datos y otra medida de la tendencia central; la lnea recta (Fig. 10.3).
La analoga se puede extender ms paracasos en donde 1) la dispersin
de los puntos alrededorde la recta son de magnitud similar a lo largo del
rango entero de los datos y 2) la distribucin de estos puntos alrededor
de la lnea es normal. Se puede demostrar que si este criterio se cumple,
la regresin con mnimos cuadrados proporciona la mejor(es decir, la ms
probable) aproximacin de a. y al (Draper y Smith, 1981). A esto se le
conoce como principio de probabilidad mxima dentro de la estadstica.
Adems, si este criterio se cumple, una desviacin estndar de la lnea
de regresin se puede determinar como [comprece con la Ec. (IV.2)]:
FIGURA 10.3
El residuo en la regresinlinealrepresenta el cuadrado de la distancia

y la lnea recta.
verticalentreunpunto
326
M ~ T O D ONUM~RICOS
S
PARA lNGENlEROS
[10.9]
en donde sy,x se llama error estndar de la aproximacin. La notacin

con subndice y/x indica que el error es para un valor predicho de y
correspondiente a un valor particular de x. Tambin, ntese que ahora
ladivisin es por n - 2 ya que se usan dos aproximaciones obtenidas
de los datos; a. y a, para calcular S; por lo tanto, se han perdido dos
grados de libertad.Como con el anlisis de desviacin estndar en laseccin IV.2.1,otra justificacin de dividir por n - 2 es que no existe una
dispersin de los datos alrededor de una lnea recta que conecta dos
puntos. De esta manera, para el caso cuando n = 2 , la ecuacin (10.9)
no proporciona un valordeinfinitoelcual
no tiene sentido.
As como con la desviacin estndar,el error estndx de la aproximacincuantifica ladispersin de los datos. Sin embargo,
cuantificala
dispersin alrededor de la linea de regresin, como se muestra en la figura
10.4, contrario a la desviacinestndaroriginal,
S, quecuantifica la
dispersin alrededor d e la media.
Los conceptos anteriores se pueden emplear para cuantificarla eficiencia del ajuste. Esto es particularmente til en la comparacin de varias regresiones (vase la Fig. 10.5). Para hacerlo se regresa a los datos
originales y se determina la suma de los cuadrados alrededorde la media
para la variable dependiente (en este caso, y ) . Se le puede llamar a esto
327
FIGURA 10.5
Ejemplos de la regresin lineal con a) errores residuales pequeos y

grandes.
b)
la suma total de los cuadrados, S,. Esta es la cantidad de dispersin en

la variable dependiente que existe antes de la regresin. Despus de Ilevar a cabo la regresin lineal, se puede calcular S,, que es la5uma de
los cuadrados de los residuos alrededorde la linea de regresin. Este presenta la dispersin que existe despusde la regresin. La diferencia entre
lasdos cantidades, o St - S, cuantifica la mejora enla reduccindel
error debido al modelo de la lnea recta. Esta diferenciase puede normalizar al error total y obtener:
[10.10]
en donde r es el coeficiente de correlacin y r 2 es el coeficiente de determinacin. Para un ajuste perfecto, S, = O y r 2 = l, indicando que
la lnea recta explica el 100 % de lavariabilidad. Si r 2 = O, entonces el
ajuste no representa mejoras.
328
MhODOS NUMRICOS
EJEMPLO 10.2
Estimacin de los
PARA INGENIEROS
errores en el ajuste por mnimos cuadrados lineal
Enunciado del problema: calclese la desviacin estndar total, el error

estndar de la aproximacin y el coeficiente de correlacin de los datos
del ejemplo 10.1.
Solucin: las sumatorias se muestranenel
estndar total es [Ec. (IV.2)]
cuadro 10.1. L.a desviacin
y el error estndar de la aproximacin es IEc.
(10.9)]:
por lo tanto, ya que S , , < S,, el modelo de regresin lineal es aceptable. El alcance dela mejorasecuantificamediante
[Ec. (10.lO)l
)-2
r =
22.714 3 - 2.991 1
= 0.868
22.714 3
= 0.932
Estos resultados indican que el 86.8% de la incertidumbre original se ha
explicadomediante el modelo lineal.
Antes de proceder con el programa de computadora para el mtodo

de regresin lineal, son necesarios algunos comentarios. Aunque el coeficiente de correlacin proporciona un medio fcil de medir la efectividad
del ajuste, se debe tener cuidado de no atribuirle significado garantizado.
El que r est cercano a 1 , no significa que el ajuste sea necesariamente
bueno. Por ejemplo, es posible obtener un valor relativamente alto de
r cuando la relacin mencionada entre y y x ni siquiera es lineal. Draper
y Smith (1981) proporcionan una gua y material adicional que sirve para
valorar los resultados de una regresin lineal. Adems, como mnimo, se
debe inspeccionar siempre una grfica de los datos con una lnea de regresin cuando se ajusten curvas de regresin. Como se ver en la siguiente seccin, los programas de NUMERICOMP contienen estas opciones.
10.1.4 Programadecomputadoraparalaregresin
lineal
Es relativamente sencillo desarrollarun programa para la regresin lineal.

La figura 10.6 muestra las versiones en FORTRAN y BASIC. Ya que las
opciones grficas de una microcomputadora
329
REGRESION
BASIC
FORTRAN
DATA SX/O./,SU/O./,XZ/O./,XY/O./
READ(5rl)N
FORHAT ( I5
Do 170 I=l,N
READ(5,2)X,Y
fOiWAT(2F10.0)
9!=SX*X
sY=sv+Y
x2=X2+x~x
sY=xY+x'Y
CONTINUE
XY=SX/N
YM=SY/N
kl=(N~XY-SX~SY)/(N.X2-sX*Sx)
.?,O=YM-Al*XH
100 INPUT N
110 FOR I = 1 TO N
120 INPUT X . Y
139 sx = sx + x
140 SY = S Y + Y
150 x2 = x2 + x -I x
number of data points

X = independent
variable
Y variable
= dependent
SX = sum of X's
SY = sum of Y's
X2 = sum of square of X's

160 X Y = X Y + X O Y
__2_____ X Y = sum of product of X and
Y
I79 NEXT I
1BO X t l = SX / N
X M = mean of X's
190 YM = SY / N
( N m , YM=meanofY's
200 A I = ( N : X Y - sx t S Y )
\
A l = slope
x2 - sx : SX)
210 A 0 = YM - Al I XH
A0 = intercept
229 P R I N T ClO.61
i
230 END
WRITE(6t3)AOrAl
F O R M A T ( ' *,2F10.3)
STOP
mn
FIGURA 10.6 Programas FORTRAN y Basic para la regresin lineal.
son muy variadas, no se incluyen grficas de estos programas. Sin embargo, como se mencion anteriormente, esta opcin es importante para
el uso e interpretacin efectiva de la regresin y se incluye en el paquete
suplementario de NUMERICOMP. Si la computadora que el lector usa,
tiene la posibilidad de graficacin se recomienda que se expandan los programas de tal manera que se incluya una grfica dey contra x que muestre los datos y la lnea de regresin. La inclusin de grficas aumenta en
gran medida la utilidad de los programas dentro delcontexto de solucin
deproblemas.
EJEMPLO 10.3
Regresin lineal usando la computadora

Enunciado del problema: el paquete de programas NUMERICOMP asociado a este texto incluye un programa legible al usuario que implementa
la regresin lineal. Este progrdma se puede usar enla solucin del problema de prueba de hiptesis asociado con el paracaidista analizado en
el captulo 1.Se dio un modelo matemtico terico parala velocidad del
paracaidistamediante la frmula [Ec. (1.9)]:
330
MTODOS
en donde u es la velocidad en centmetros por segundo, g es la constante

de aceleracin gravitacional de 980 cm/s, m es la masa del paracaidista e igual a 68 100 g , y c es el coeficiente de friccin de 12 500 g/s. Comosedescribeenelejemplo
l . lel, modelopredice la velocidaddel
paracaidista en funcin del tiempo. En el ejemplo 2.1 se muestra una grfica
de lavariacindelavelocidadenfuncindel
tiempo.
Un modelo emprico para la velocidad del paracaidista est dado por
la siguiente frmula:
v(t) =
3.75
+t
[E10.3.1]
Supngase que se desea probar y comparar la suficiencia de estos

dos modelos matemticos. Esto se puede llevar a cabo midiendo la velocidad verdadera del paracaidista en intervalos de tiempo conocidos y comparando los resultados con la velocidad predicha por cada uno de los modelos.
Se tiene un grupo de datos medidos experimentalmente los que se
listanenla columna a) del cuadro 10.2. Las velocidades calculadas de
cada modelo se listanenlas columnas b) y c).
CUADRO 10.2
Velocidades medidas y velocidades calculadas para la cada del

paracaidas
Medida
Tiempo,
1
2
3
4
5
6
7
10
11
12
13
14
15
cmls
(4
100 o
163 O
230 O
275 O
310 O
356 O
390 O
415 O
429 O
450 O
460 O
455 o
460 O
490 O
500 O
V Calculada, cmls
[ecuacin (1.9)]
( 4
895.3
1 640.5
2 260.7
2 776.9
3 206.5
3 564.1
3861.7
4109.5
4315.6
4487.2
4 630.1
4749.0
4847.9
4 930.3
4998.8
V Calculada,
cmls [ecuacin
(E10.3.l)l
(4
1 124.0
1 857.0
2 372.9
2755.6
3 050.9
3 285.5
3 476.6
3 635.1
3 768.7
3 882.9
3981.6
4067.8
4143.7
4211.0
4 271.2
Solucin: la validez de los modelos se puede probar graficando las velocidades medidas contra la velocidad calculada por el modelo. Se usala
regresin lineal en el clculo de la lnea recta y se grfica. Esta lnea ten-
REGRESldN C O N MNIMOS CUADRADOS
FIGURA 10.7
33 1
a) Resultados obtenidos usando regresin lineal en la comparacin de

valores medidos contra el modelo terico calculado mediante la ecuacin (1.9).
b) Resultados obtenidos usando regresin lineal en la comparacin de
valores medidos contra el modelo emprico calculado con la ecuacin
(E10.3.1).
dr una pendiente de 1 y una interseccin en O si el modelo coincide con

los datos perfectamente. Cualquier desviacin de estos valores se usar
como indicacin de ser poco confiableel modelo.
~ ~grafica lalnea y los datos de la regresin de
Enlafigura 1 0 . 7 se
la columna a) contra las columnas b) y c) respectivamente. Estas graficas
indican que la regresin lineal entre los datos y cada uno de los modelos
es bastante aceptable. Ambos modelos coinciden con los datos con
un
coeficiente de correlacin mayor de 0.99.
Sin embargo, el modelo descrito por la ecuacin (1.9) conforme el
criterio de prueba es mucho mejor que el descrito por (E10.3.1) ya que
la pendiente y la interseccin estdn ms cerca de 1 y de O. Por lo tanto,
aunque cada una de las grficas
se describe muy bien mediante una lnea
de la ecuacin
recta, la ecuacin (1.9) es un modelomejorqueel
(E10.3.1).
La prueba y seleccin de modelos sonmuy comunes y de extremada
importancia en actividades llevadas a cabo en todos los campos de la ingeniera. El material presentado previamenteen este mismo captulojunto con el paquete NUMERICOMP y los programas del usuario le permiten
a ste resolver muchos problemas de este tipo.
332
MTODOS
FIGURA 10.8
NUMERICOS
PARA INGENIEROS
a) Datosmal condicionados en la regresin lineal con mnimos cuadrados. 6)Indicacin de que una parbola es preferible.
10.1.5 Aplicaciones delaregresin

relaciones no lineales
lineal;linealizacinde
La regresin lineal proporciona una tcnica muy poderosa para ajustar

datos a una mejor lnea. Sin embargo, se ha predicho que la relacin
entre las variables dpendiente e independiente eslineal. Este no es siempre
el caso, y el primer paso en cualquier anlisis de regresin es el de trazar
y visualizar los datos para decidir si es correcto o aceptable el aplicar un
modelo lineal. Por ejemplo, en la figura 10.8 se muestran algunos datos
que, obviamente son curvilneos. En algunos casos, tcnicas como la regresin polinomial, descrita en la seccin 10.2 sern apropiadas. En otros,
se pueden hacer transformacines que expresen los datos de manera que
sean compatibles con la regresin lineal.
Un ejemplo es el modelo exponencial:
y = aleblX
[lo.111
REGRESIN
333
FIGURA 10.9
a) Ecuacin exponencial, b) ecuacin de potencias y c) ecuacin del promedio de crecimiento de saturacin. Las partes d), e) y fl son versiones
linealizadas de aqullas, lascualesson transformaciones simples.
en donde al y b l son constantes. Este modelo se usaen muchos campos de la ingeniera caracterizando cantidades que crecen (b,positiva) o
que decrecen (b, negativa en un promedio proporcional a su magnitud.

Por ejemplo, el crecimiento poblacionaly la disminucin radiactivo muestran este comportamiento. Como se muestra en la figura (10.9a), la ecuabl . O) entre y y x.
cin, representaunarelacinlineal(para
Otro ejemplo de un modelo no lineal es la ecuacin elevada a una
potencia:
y = agxb2
[lo.121
334
NUMRICOS
MTODOS
PARA INGENIEROS
en donde a2 y b2 son coeficientes. Este modelo tiene una amplia aplicacin en todos los campos de la ingeniera. Como se muestra en la figura
10.9b, la ecuacin (para b2 # O o 1) es no lineal.
Un tercer ejemplo de un modelo no lineal es la ecuacin de promedio de crecimiento de saturacin:
X
y = a3b3
[10.13]
+X
en donde a3 y b3 son coeficientes constantes. Este modelo, que es particularmente til enla caracterizacin de crecimientos poblacionales bajo
condiciones limitantes, tambin representa una relacin no lineal entre
y y x (Fig. 10.94 que nivela, o satura conforme x crece.
Las tcnicas de regresin no lineal se usan para ajustar directamente
estas ecuaciones a los datos experimentales. Sin embargo, una alternativa ms simple es la de usar manipulaciones matemticas y transformar
las ecuaciones a la forma lineal. En seguida se puede aplicar la regresin
lineal simple para ajustar las
ecuaciones a los datos.
Por ejemplo, la ecuacin (10.11) se puede linealizar mediante logaritmos naturales y obtener:
In y
In al
+ blx In e
Pero, ya que In e
In y
1 , se tiene:
In al + blx
[10.141
Por lo tanto una grfica semilogartmicade In y contra x genera una lnea

recta con una pendiente de bl y una interseccin de In al (Fig. 10.9d).
La ecuacin (10.12) se puede linealizar tomado logaritmos de base
10 y obtener:
log y = b2 log x
+ log a2
[lo.151
De esta forma, una grfica logartmica de log y contra log x genera una
lnearectaconunapendiente
de b2 y una interseccin de log a2 (Fig.
10.9e).
La ecuaci6n (10:13) se linealizainvirtindola, y se obtiene:
[10.16]
Y
a3 x
a3
Por lo tanto, unagrficade l / y contra l/x ser lineal, con pendiente
b3/a3 y unainterseccinde
l/a3 (Fig. lO.9j).
Estos modelos,en sus estados transformados,se ajustan usando regresin lineal para evaluar los coeficientes constantes. Despus se pueden
transformar a su estado original y usarse para propsitos predictivos. En
el ejemplo 10.4 se ilustra este procedimiento para la ecuacin (10.12).
Adems los casos 12.2 y 12.3 proporcionan ejemplos de este tipo de clculos
aplicados a problemas de ingeniera.
335
REGRESION
Ejemplo 10.4
Linealizacin de una ecuacin de potencias
Enunciado del problema: ajstesela ecuacin (10.12)a los datos del cuadro 10.3 usando una transformacin logaritmica d e esos datos.
CUADRO 10.3
Datos para ajustar en la ecuacin

de potencia
X
5.7
2
3
4
5
log x
log Y
0.5
1.7
3.4
O
0.301
0.477
-0.301
8.4
0.602
0.699
0.226
0.534
0.753
0.92:!
Solucin: en la figura 1 0 . 1 0 ~
se~muestra una grfica d e los punto originales en su estado sin transformacin. En la figura 10.10b se muestra una
FIGURA 10.10
a) Grfica de datos sin transformacin, junto con la ecuacin de potencias que ajusta los datos. b) Grfica de los datos transformados, usados
al determinar los coeficientes de la ecuacin de potencias.
336
MTODOS
NUMRICOS
PARA INGENIEROS
grfica log-log de los datos transformados. La regresin lineal de los datos transformados logartmicamnte genera la ecuacin:
log y = 1.75 log
0.300
Por lo tanto, la interseccin, log a2, esigual a -0.300, por consiguien= 0.5. La
pendientetomando el mando el antilogaritmo, a2 =
tees b2 = 1.75. Como consecuencia la ecuacin de potencias es:
y =O . ~ X ' . ~ ~
Esta curva, como lo muestra la figura 10.lob, indica un ajuste aceptable.
1O. 1.6 Comentarios generales sobre la regresin lineal

Antes de continuar conla regresin curvilnea y mltiple, se debe recalcar
la naturaleza introductoria del material anterior sobre regresin lineal.Se
ha enfocado en la forma simple y el uso prctico de las ecuaciones para
ajustar datos. Se debe estar conciente de que existen aspectos tericos
de regresin que tienen importancia en la solucin de problemas pero que
van ms all del alcance de este libro. Porejemplo, existen algunas hiptesis estadsticas inherentes al procedimiento de mnimos cuadrados lineales
tales cmo:
1. x tiene un valor fijo; no es aleatorio y se midesinerror
2. Los valores de y son variables aleatorios independientes y tienen todaslamismavarianza.
3. Los valores de y para una x dada deben estar distribuidos de manera
uniforme.
Estas hiptesis son importantes enel desarrollo y uso correcto de la regresin. Por ejemplo, laprimera hiptesis, 1) significaquelas x deben
estarlibresdeerror y la segunda 2) que laregresinde y contra x no
es la misma que la de x contra y (prubese el problema 10.4 al final del
captulo).
Se sugiere consultar otras referencias talescomo Draper y Smith (1981)
y de esta forma apreciar aspectos y matices de la regresin que van ms
alldel alcance de este libro.
10.2 REGRESIN POLINOMIAL

Enla seccin 10.1 se desarrolla un procedimiento que obtiene la ecuacindeunalnea recta usando el criterio de mnimos
cuadrados. Aigu-
337
REGRES16N
nos datos de ingeniera, aunque muestren un marcado patrn como el

de lafigura 10.8, se representan pobremente mediante una lnea recta.
En estos casos, se ajusta mejor una curva a los datos. Como se analiza
enla seccin anterior, un mtodo para llevar a cabo este objetivo es el
de usar transformaciones. Otra alternativaes ajustar polinomios a los datos usando regresin polinomial.
El procedimiento de mnimos cuadradosse puede extender fcilmente
y ajustar datos a un polinomio de m-simo grado:
y =
a0
+ alx + a2x2 +
* *
+ a,xm
En este caso, la suma de los cuadrados de losresiduos es [comprese

con la Ec. (10.3)]:
Sr =
(yi - a. - alxi - a2x? -
. - amx?)2
[10.17]
i= 1
Siguiendo el mismo procedimiento de la seccin anterior, se toma la derivada de la ecuacin (10.17) con respecto a cada uno de los coeficientes
del polinomio, para obtener:
Estas ecuaciones se puedenigualar a cero y reordenarde tal forma

queseobtenga
el siguienteconjuntode
ecuaciones normales:
338
MTODOS
en donde todas las sumatorias van desde i = 1 hasta n. Ntese que las
m + 1 ecuaciones anteriores sonlineales y tienen m + 1 incgnitas: ao.
al, ..., .a, Los coeficientes de las incgnitas se pueden calcular directamente de los datos observados. Por lo tanto, el problema de determinar
polinomios de gradom con mnimos cuadradoses equivalente a resolver
un sistemade m + 1 ecuaciones lineales simultneas. Los mtodos de
solucin de estos sistemas se analizanen los captulos 7 y 8.
As como en la regresin lineal, el error en la regresin polinomial se
puede cuantificar mediante el error estndar de la aproximacin:
%/x
-u".'
n - (m
+ 1)
[10.19]
en donde m es elordendelpolinomio.Estacantidad
se dividepor
n- ( m + 1 ) ya que se usaron m + 1 coeficientes - a. , a l , ...,amderivadosde los datosparacalcular S ; por lo tanto, se hanperdido
m + 1 grados de libertad. Adems del error estndar, se puede calcular
tambin el coeficiente de correlacin en la regresin polinomial de la misma manera que para el caso lineal:
r2 =
S"
S"
Sr
Ejemplo 10.5
Regresin polinomial
Enunciado del problema: ajstese un polinomio de segundo orden a los

datosdelasdoscolumnasdelcuadro
10.4.
Solucin: de los datos dados:
m - 2
x, = 15
2,xp = 979
n=6
y, = 152.6
x = 2.5
x' = 55
2 x'y,
x? =
= 25.433
x,y, = 585.6
=
2 488.8
225
Por lo tanto, las ecuaciones lineales simultneas son:

6ao
15ao +
55ao
15al + 55a2 = 152.6

55al + 225a2 = 585.6
225a1 + 979a2 = 2 488.8
339
CUADRO 10.4
Clculos del anlisis de error de un aiurte

cuadrtico con mnimos cuadrados.
13.6
27.2
40.9
'
2.1
7.7
O
1
2
3
4
5
61.1
c.
513.39
3.746
2152.6
544.44
31 4.47
140.03
3.12
239.22
1 272.1 1
O. 143 32
1 .O02 86
1.08158
0.804 91
0.61 9 51
0.094 39
57
Resolviendo estas ecuaciones conalgunadelas

nacingaussiana se obtiene:
a0 = 2.478
57
al = 2.359
29
tcnicas como laelimi-
a2 = 1.860
71
1 Por lo tanto, la ecuacin cuadrtica con mnimos cuadrados en este caso es:
y = 2.478 57
+ 2.359 29x +
1.860 71x2
El error estndar de la aproximacin, basado en la regresin polinomial

es [Ec. (10.191:
sy/x
= 1.12
El coeficiente de determinacin es:

r2
2 513.39 - 3.746 57
2 513.39
y el coeficiente de correlacin
= 0.998 51
es:
r = 0.999 25
Estos resultados indican que el 99.851% de la incertidumbre original se
ha explicadomediante el modelo. Esteresultadoapoya la conclusin
de que la ecuacin cuadrtica representa un ajuste perfecto, como es evidente enlafigura
10.11.
340
MTODOS
FIGURA 10.11
FIGURA 10.12
Ajuste de un polinomiode segundo orden.
Algoritmopara implernentarlaregresinpolinomial.
REGRESldN
34 1
CUADRADOS
SUBROUTINE POLREG(X,P,A)
DIMEIiSION X(15),Y(15).A(15.161
ccnnoN N , I O
IP=Io*1
DO 2100 I=l,IP
DO 2060 J=l,IP
K=I+J-2
W 2050
L=l,N
A(I,Jl=A(I.Jl+X(L)~~K
FOR I = 1 TO I O + 1
FOR J = 1 TO I O + 1
2020K = I + J - 2
2030 FOR L = 1 TO N
2040 A ( I , J ) = A ( I , J ) + x ( L )
K2050 NEXT L
2060 NEXT J
2070
FOR L = 1 TO N
2080 A ( I , I O + 2 ) = A ( I , I O + 2 ) ,+
2000
2010
~~
Y(L) t X ( )
NEXT L
'
NEXT I
2 1 1 O RETURN
A ~ 1 , I R ~ = A ~ I . I R ~ + Y ~ L I ~ X ~ L ~ ~ ~ ~ I - l ~
2050 CONTINUE
2060 CONTINUE
M) 2090 L=l,N
IR=lP+l
"
2090
2100
(1
"
1)
..
IO = order of
regression
polynolnsal
= number of data
oolnts
( D e t e r m l n a t l o n of
coefficlents of n o r m a l
equations and
storage In matrix A l
(Deterrnlnation of
right hand side constants
for normal equations
and storage In last
column of rnatrlx A l
2090 CONTINUE
2100 CONTINUE
RETURN
END
FIGURA 10.13
Subrutinasen FORTRAN y BASIC que calcula las ecuaciones normales,

de la regresin polinomial, en forma matrical.
10.2.1 Algoritmo para la regresin polinomial

En la figura 10.12 se muestra un algoritmo sobre la regresin polinomial.
Ntese que la tarea principales la obtencin de los coeficientes de lasecuaciones normales [Ec. (10.la)].(Las subrutinas que llevan a cabo esta tarea
se presentan en la figura 10.13). En seguida se pueden aplicar los mtodos de los captulos 7 y 8 en la solucin de estas ecuaciones simultneas
para esos coeficientes.
Un problema potencial quese presenta con la implementacin polinomial es que algunasveces las ecuaciones normales estnmal condicionadas. Esto se cumple en particular cuandolos sistemas son muy grandes. En
estos casos, los coeficientes calculados son altamente susceptibles a los
errores de redondeoy, por lo tanto, los resultados resultan inexactos. Entre
otras cosas, este problema est relacionado con e!hecho de que parapolinomios de rdenes superiores las ecuaciones normales pueden tener
coeficientes muy grandes y muy pequeos al mismo tiempo. Esto se debe
a que los coeficientes son sumatorias de los datos elevados a potencias.
Aunque algunas de las estrategias para amortiguar
los errores de redondeo analizadas enel captulo 7 , tales como el pivote0 y las ecuaciones
de error, pueden ayudar a remediar parcialmente este problema, una alternativa ms simple es usar una computadora de alta precisin. Este es
un caso donde las microcomputadoras pueden representar desventajas
en la implementacin efectiva de este mtodo numricoen especial. Afortunadamente, la mayor parte de los problemas prcticos estdn limitados
a polinomios de orden inferior en los que los errores de redondeo, en
general, son despreciables. En situaciones donde se requiera polinomios
de orden superior, se dispone de otras alternativas para ciertos tipos de
datos. Sin embargo, estos mtodos (tales como los polinomios ortogonales) van ms all del alcance de este libro. El lector debe consultar textos
sobre regresin tales como el Draper y Smith (1981) para obtener informacin relacionada con el problema y sus posibles alternativas.
342
10.3 R E G R E S I NL I N E A LM L T I P L E
Una extensin til en la regresin lineal es el caso en que y es una
funcin lineal de doso ms variables. Por ejemplo, y pudiera ser una funcin lineal de x1 y x2, de la forma:
Tal ecuacin es til particularmente cuando se ajustan datos experimentales en donde la variable que se est analizando, a menudo es funcin
de otras dosvariables. En este casobidimensional, la lnea de regresin
viene a ser un plano (Fig. 10.14).
Como con los casos anteriores, los mejores valores de los coeficientes
se determinan agrupando la suma de los cuadrados de los residuos:
n
Sr =
(yi --a0 - alxl, -
i=l
y derivando con respecto a cada uno
de los coeficientes:
[10.20]
Los coeficientes que generan la suma mnima de los cuadrados de los

residuos se obtienen igualando cada unade las derivadas parciales a cero
y expresando la ecuacin (10.20) como un conjunto de ecuaciones lineales simultneas, de la forma:
o como una matriz:
343
REGRESldN C O N MNIMOS CUADRADOS
FIGURA 10.14
Esquema grafico de la regresin lineal mltiple en donde y es una funcin lineal de X I y X?.
EJEMPLO 10.6
Regresin lineal mltiple
Enunciado del problema: los siguientes datos

cin y = 5 + 4x1 - 3x2.
O
2
2.5
1
4
7
O
1
2
3
6
2
5
10
O
3
27
seseregresinlinealmltipleparaestos
CUADRO 10.5
243.5
6
48
54
54
datos.
Cilculos necesarios para desarrollar las ecuaciones normales del eiemplo

10.6
16
se calcularon de la ecua-
189
76.25
E
x2
X I
5
10
9
O
3
27
O
2
2.5
1
14
54
16.5
14
O
1
2
3
x:
xf
O
4
5 6.25
1
0
1
4
49
36
4
x1x2
18
0
2
3
24
XI Y
*2Y
0
20
22.5
0
12
0
10
0
18
344
MTODOS
Solucin: las sumatorias necesarias para desarrollar la ecuacin (10.21)

se calculan en el cuadro 10.5. Sustituyndolas en la ecuacin (10.21)se
obtiene:
;{.5 5:::
g]
54 [
a2 =
g
.
5
1
que se puede resolver usando un mtodo comola eliminacin gaussiana

para obtener:
a. = 5
al = 4
a2 =
-3
los cules son consistentes con la ecuacin original de donde se derivaron los datos.
La regresin lineal mltiple se puede formular en el caso ms general

como:
y = a0
+ alxl + a2x2 +
* *
. + a,xm
en dondelos coeficientes que minimizan la suma delos cuadrados delos

residuos se determinan resolviendo el sistema:
[10.22]
El error estndar de la aproximacin para regresinli neal mltiple se

formula de la siguiente manera:
y el coeficiente de correlacin se calcula como en la ecuacin (10.10).

Aunque existen ciertos casos en donde una variable es linealmente
dependiente de dos o ms variables diferentes, la regresin lineal mlti-
345
REGRES16N CON MNIMOS CUADRADOS
pletieneutilidadadicionalenlaobtencin
de la forma general:
de ecuaciones de potencias
Tales ecuaciones son extremadamente tiles cuando se ajustan datos experimentales. Adems, para usar la regresin lineal mltiple, lasecuaciones se transforman tomando su logaritmo para obrener:
log y = log
+ al log x1 + a2 log x2 +
a0
+ a,
log x,,,
Esta transformacin es similar a las que se usanenla seccin 10.1.3 y

el ejemplo 10.4 para ajustar una ecuacin de potencias en donde y era
una funcin de una variable simple x. En el caso de estudio 12.5 se proporciona un ejemplo de esta aplicacin.
PROBLEMAS
Clculos a mano
10.1
Dados los datos
0.95
1.32
1.46
1.85
2.39
1.42
1.15
1.47
1.74
1.82
1.54
1.47
1.92
1.65
2.06
1.55
1.95
1.35
1.78
2.14
1.63
1.25
1.05
1.71
2.27
determnese a) la media, b) la desviacin estndar, c) lavarianza y d) el coeficiente de

variacin.
10.2
Constryase un histograma de los datos delproblema 10.1. Usese un rango de 0.6 a

2.4 con intervalos de 0.2.
10.3
Dados los datos
52
39
2
43
6
22
12
36
18
28
17
41
21
24
34
37
26
27
29
43
28
27
31
38
32
33
34
46
determnese a) la media. b) la desviacin estndar, c) la variara y d ) el coeficiente de

variacin.
e ) Constryase un histograma. k e s e un intervalo de O a 55 con incrementos de 5. fl Suponiendo que la distribucin es normal y que la aproximacin de la desviacin estndar es
346
MTODOS
vlida, calclese el intervalo (es decir,los valores inferior y superior) que abarqueel 68%
de las lecturas. Determnese si sta es una aproximacin vlida para los datos de este
problema.
10.4
Utilicela regresin con mnimos cuadrados para ajustar una lnea recta a:
20
10 12 13 16 18
y 1 3 2 6 5 8 7 1 0 9 1 2 1 0
10.5
1 3 5 7
J w t o con la pendiente y la interseccin, calclese el error estndar de la aproximacin

y el coeficiente de correlacin. Grafquense los datos y la lnea de regresin. En seguida
reptase el problema, pero ahorax contra y; es decir, intercmbiense las variables. Interprtense los resultados.
sese regresin de mnimos cuadrados para ajustar una lnea recta a:
x
1
1
4 6 8 10 14 16 20 22 24 28 28 34 36 38
30 18 22 28 14 22 16 8 20 8 14 14 O 8
Junto con la pendiente y la interseccin, calclese el error estndar de la aproximacin

y el coeficiente de correlacin. Grafquense los datos y la lnea de regresin. Si alguien
realiz una medida adicional de x = 30, y = 30, se esperara basndose en una observacin visual y en el error estndar, quela medida fuese vlida o invlida? Justifquense
las conclusiones.
10.6
Emplese regresin con mnimos cuadrados para ajustar una lnea recta a los datos:
O 2 4 4 8 12 16 20 24 28 30 34
10 12 18 22 20 30 26 30 26 28 22 20
+x
a) Junto con la pendiente y la interseccin. calclese el error estndar de la aproximacin

y el coeficiente de correlacin. Grafquense los datos y la lnea recta.
Valrese el ajuste.
b) Reptase el clculo de a) pero usando regresin polinomial para ajustar una parbola
a los datos. Comprense los resultados con los de a ) .
10.7
Ajstese un modelo de promedio de

x
I
I
crecimiento de saturacijn
a'
2.5 4
6
8
8.5
1 2
0.4 0.7 0.8 1.0 1.2 1.3 1.4
Grafquense los datos y la ecuaciqn.

10.8
Ajstese una ecuacin de potenciasa los datos del problema 10.7. Grafquense los datos
y la ecuacin.
10.9
Ajstese una parbola a los datos del problelna 10.7. Grafquense los datos y la ecuacin.
REGRESION CON
347
CUADRADOS
10.10
Ajstese unaecuacindepotencias
x
y
1
I
adems de la ecuacin de potencias
Ajstese un modeloexponencial
x
y
I
I
17.5 20
12.5 15
7.5 10
1.2 0.8 0.6 0.4 0.3 0.3
2.5 3.5 65
2
5
3.4 1.6
Grafquese y contra
10.11
a:
a:
2.0 2.4
0.05 0.4 0.8
1.2 1.6
550 750 1000 1400 2000 2700 3750
Grafquense los datos y la ecuacin en papel estndar y semilogartmico. Analcense los

resultados.
10.12
Ajstese una ecuacin de potencias a los datos del problema 10.11. Grafquense los datos y la ecuacin.
10.13
Ajstese una parbola a los datos del problema 10.11.Grafquense los datos y la ecuacin.
10.14
Dados los datos:

x
y
1
I
5 10 15 20 25 30 35 40 45 50
17 25 30 33 36 38 39 40 41 42
sese regresin con mnimos cuadrados para ajustar a) a una lnea recta, b) a una ecuacin de potencias, c) a una ecuacin de promedio de crecimiento de saturacin y d) a
una parbola. Grafquense los datos junto con todaslas curvas. Alguna de ellas es mejor? Si es as justifquese.
10.15
Ajstese a unaparabolaa:
x 1 O
2
4 9 6 282523
119
1171513
y I 1.2 0.6 0.4 -0.2 O -0.6 -0.4 -0.2 -0.4 0.2 0.4
1.2
1.8
Calclense los coeficientes, el error estndar dela aproximacin y el coeficiente de correlacin. Grafiquense los resultados y valrese el ajuste.
10.16
sese regresin lineal mltiple paraajustar:
X
X2
I
2
12
19
1
2
2 0 1
4 4 6
11 24 1522
2
6
Calclense los coeficientes, el error estndarde

decorrelacihn.
la aproximacin y el coeficiente
348
MTODOS
10.17
Usese regresin
lineal
mltiple
para
x1
x2
1
1
18
1
2
2
1
12.8
25.7
20.6
ajustar:
2
2
3
3
4
1
2
1
35.0 29.8
45.5
40.3
4
2
Calclense los coeficientes, el error estndar de la aproximacin y el coeficiente de correlacin.
Problemas relacionados con
la computadora
10.18
Desarrllese un programa legible al usuario para regresin lineal basado en la figura 10.6.
Entre otras cosas:
a) Agrguense instrucciones que documenten el programa.
b) Hganse ms descriptivas las operaciones de entrada salida y orientadas al usuario.
C) Calclese e imprmase el error estndar de la aproximacin [Ec. (10.9)]y el coeficiente
de correlacin [la raz cuadrada de la ecuacin (10.10)].
d) (Opcional)Inclyase una grfica por computadora delos datos y de la lnea de regresin.
e ) (Opcional Inclyase una opcin que permita analizar ecuaciones del tipo exponencial,
de potencias y depromediode crecimiento de saturacin.
10.19
Desarrllese un programa que sea legible al usuario para regresin polinomial basado en
las figuras 10.12 y 10.13.Prubese el programa repitiendo los clculos del ejemplo 10.5.
10.20
Desarrllese u n programa que sea legible al usuario para la regresin mltiple basado en
lafigura 10.12, pero con lamatriz especificada como la ecuacin (10.22).prubese el
progrmarepitiendo los clculos del ejemplo 10.6
10.21
Reptanse los problemas 10.4 y 10.5 usando el programadelproblema
10.22
10.18
sese el paquete de programas NUMERICOMP para resolver los problemas 10.4, 10.5
y 10.6a
10.23
Reptanse los problemas 10.9, 10.13 y 10.15 usando el programa del problema 10.19.
10.24
Reptanse los problemas 10.16 y 10.17 usando el programadelproblema
10.20
C A P T U L O ONCE
Con frecuencia se tienen que estimar valores intermedios entre valores

conocidos. El mtodo ms comn empleado para este propsito
es la interpolacinpolinominal.
Recurdese que la frmula general de un polinomio de n-simo orden es:
f(x) = a0
+ a1x + a2x2+
+ anxn
[11.1]
Para n + 1 puntos, existe uno y slo un polinomio de n-simoorden o

menor que pasa a travs de todos los puntos. Por ejemplo, hay slo una
lnea recta (es decir, un polinomio de primer orden) queconecta dos puntos
(Fig. 11. la). De manera similar hay slo una parbolaque conecta a tres
puntos (Fig. 11. l b ) . El polinomio de interpolacin consiste en determinar el nico polinomio de n-simo orden que se ajusta a los n + 1 puntos dados. Este polinomio proporciona una frmula para calcular
los valores
intermedios.
Aunque existe unoy slo un polinomio de n-simo orden que se ajusta
a los n + 1 puntos, existen una gran variedad de frmulas matemticas
FIGURA 1 1 . 1
Ejemplos de interpolacin polinomial: a) Primer orden (lineal),conexin

de dos puntos; b) conexin de tres puntos, segundo orden (cuadrtica
o parablica) y c) conexin de cuatro puntos, tercer orden (cbico).
350
MTODOS NUMRICOS
PARA INGENIEROS
mediante las cuales se puede expresar este polinomio. En este captulo,

se estudian dos tcnicas alternativas que est6n bien condicionadas para
implementarse en una microcomputadora. Estos son los polinomios de
Newton y los de Lagrange.
11.1 POLINOMIOS DE INTERPOLACINCON

DIFERENCIAS DIVIDIDAS DE NEWTON
Como ya se dijo, existe una variedad de maneras diferentes de expresar
un polinomio de interpolacin. El polinomio de interpolacin con diferencias diuididas de Newton, entre otros, es la forma ms popular adems
de la ms til. Antes de presentar la ecuacin general, se examinan las versiones de primero y segundo orden debido a su fcil interpretacin visual.
1 1. l . 1 Interpolacin lineal
La forma ms simple de interpolacin es la de conectar dos puntos con
una lnea recta. Este mtodo, llamado interpolacin lineal,se muestra en
la figura 11.2. Usando tringulos semejantes, se tiene:
FIGURA 11.2
Esquema grfico de la interpolacin lineal. Las reos sombreadas muestran tringulos semejantes usados en la derivacin de la frmula de interpolacin lineal [ c . ( 1 1.2)].
35 1
INTERPOLACldN
que se puede reordenar como:

[11.2]
lacual es unafrmuladeinterpolacinlineal.
La notacin fl(x) indica
que se trata de un polinomio de interpolacin de primer orden. Ntese
que adems de representar la pendiente de la lnea que conecta los dos
puntos, el trmino Lf(xl)- f (xo)]/(xl- xo)es una aproximacin de diferencias divididas finitas a la primera derivada [recurdese la ecuacin
(3.24)].En general, entre ms pequeo sea el intervalo entre lospuntos,
ms exacta ser la aproximacin. Esta caracterstica se demuestra en el
ejemplo, siguiente.
EJEMPLO 1 l . 1
lnterpolacin lineal
Enunciado del problema: calclese el logaritmo natural de 2 (In 2) usando interpolacin lineal. Primero, llvense a cabo los clculos interpolando entre In 1 = O y In 6 = 1.791 759 5. Despusreptanse el
procedimiento, pero usando un intervalo ms pequeo desde In 1 a In
4 (1.386 294 4). Nteseque elvalorrealde
In 2 = 0.693 147 18.
Solucin: usando la ecuacin (11.2),unainterpolacinlinealde
a x = 6 da:
f,(2)
1.791 759 5
6-1
x = 1
(2 - 1) = 0.358 351 90
la cual representa un error porcentual de = 48.3%. Usando el intervalo

ms pequeo desde x = 1 a x = 4 da:
fi(2)= 0 +
1.386 294 4 - O
(2 - 1)
4-1
0.462 098 13
Por lo tanto, usandoelintervaloms pequeo reduce elerrorrelativo

porcentual a E, = 33.3%. Ambas interpretaciones se muestran en la figura 11.3, junto con lafuncin verdadera.
1 l. 1.2 interpolacin cuadrtica

El error en el ejemplo 11.1se debe a que se aproxim unacurva mediante una lnea recta. Por consiguiente,una estrategia que mejora la apro-
352
INGENIEROS
MTODOS
FIGURA 11.3
Dos interpolaciones lineales para aproximar In

queo proporciona una mejor aproximacin.
NUMRICOS PARA
2. Ntese cmo el intervalo ms pe-
ximacin es la de introducir cierta curvatura en la lnea que conecta a los

puntos. Si se dispone de tres datos: lo anterior se puede llevar a cabo
con un polinomio de segundo orden (llamado tambin polinomio cuadrtico o parbola). Una manera conveniente para este caso es:
Ntese que aunque la. ecuacin (11.3)parezca diferente de la ecuacin

general de un polinomio [Ec. (11.l)], las dos ecuaciones son equivalentes. Esto se puede demostrar si se multiplican los trminos de la ecuacin
(11.3)y obtener:
A(x) = bo
+ blx - blxo + b2X2 + bzxoxl
o, agrupando trminos:
f2(x) = a0 -t alx
en dnde:
+ a2x2
- b2XXI
~ ~ x x O
353
INTERPOLACI6N
De esta manera, las ecuaciones (11.1)y (11.3)son frmulas alternativas

equivalentes del nico polinomio de segundo grado que une a los tres
puntos.
Se puede usar un procedimiento simple para determinar los valores
de los coeficientes. Para bo, se usa la ecuacin (11.3) con x = x0 y se
obtiene
bo = f (xo)
[11.4]
Sustituyendo la ecuacin (11.4) en la ecuacin (11.3) y evaluando en

x = x1 se obtiene:
[11.5]
Y por ltimo, las ecuaciones (11.4) y (11.5)se sustituyen en la ecuacin

(11.3),y se evala sta en x = x2 y se obtiene:
[11.6]
Ntese que, al igual que en el caso de interpolacin lineal, bl an representa la pendiente de la lnea que une los puntos x0 y xl. Por lo tanto, los primeros dos trminos de la ecuacin (11.3)son equivalentes a
la interpolacin de x. a xl, como ya se especific anteriormente en la
ecuacin (11.2).El Gltimo trmino, b2(x- xo) (x- xl), introduce la curvatura de segundo orden en la frmula.
Antes de ilustrar como se usa la ecuacin (11.3), sedebe examinar
la forma del coeficiente b2. Es muy similar a la aproximacin por diferencias divididas finitas de la segunda derivada introducida previamente
en la ecuacin (3.31).Por io tanto. la ecuacin (11.3)empieza a manifestar una estructura muy similar a la serie de Taylor. Esta observacin
se explora con ms detalle cuando se relacione el polinomio de Newton
con la serie de Taylor en la seccin 11.1.4.Pero primero, se muestra cmo se usa la ecuacin (11.3)para interpolar entre tres puntos.
EJEMPLO 11.2
Interpolacin cuadrtica
Enunciado del problema: ajstese el polinomio de segundo orden a los
tres puntos usados en el ejemplo 11.1:
x0 = 1
XI = 4
x2 = 6
f(xo) = o
f(x1) = 1.386 294 4
f(~2=
) 1.791759 5
354
MTODOS
NUMRICOS
PARAINGENIEROS
sese el polinomio para evaluar In 2.

Solucin: aplicando la ecuacin (11.4) da:
Las ecuaciones (1l .5 ) generan :
y la ecuacin (11.6) da:
1.791 759 5-1.386 294 4
"o.426 098 13
6-4
b2 =
=-
0.051 873 116
6.1
Sustituyendo estos valores en la ecuacin (11.3)se obtiene la frmula
cuadrtica:
f2(~)
0.462 098 1 3 ( ~ 1) - 0.051 873 1 1 6 ( ~ l ) ( x - 4)
que se evala en x
f2(2)
2 y se obtiene
0.565 84436
lo que representa un error porcentual del .E" = 18.4%.Por lo tanto, la

curvatura introducida por la frmula cuadrtica (Fig. 11.4)mejora la interpolacin comparada con los resultados obtenidos al usar una lnea recta
en el ejemplo 11.1y la figura 11.3.
11.1.3 Forma general de los polinomios de interpolacin de Newton
El anlisis anterior se puede generalizar e n el ajuste de un polinomio de
n-simo orden a los n + 1 puntos. El polinomio de n-simo orden es:
jn(X) =
bo
+ bl(x - ~ g +)
* * *
+ b,(x
- XO)(X - XI) . . .
(X
- Xn-l)
[11.7]
Como se hizo anteriormente con las interpolaciones lineales y cuadrticas, se usan los puntos en la evaluacin de los coeficientes bo. b l , . . . .
b,. Se requieren n + 1 puntos para obtener u n polinomio de n-simo
orden: x(),x l , . . , x,. Usando estos datos, con las ecuaciones siguientes se evalan los coeficientes:
,
[11.8]
[11.9]
355
lNTERPOLACl6N
FIGURA-11.4
uso de la interpolacin cuadratica para calcular In 2. Se incluye tambin la interpolocin lineal de x = 1 a 4 para comparacin.
b2
=fb2,
x
1
7
x01
[11.10]
en donde las evaluaciones de la funcin entre corchetes son diferencias

divididas finitas. Por ejemplo, la primera diferencia dividida finita se representa generalmente como:
[ll. 121
La segunda diferencia diuidida finita, que representa la diferencia de dos
primeras diferencias dividas finitas, se expresa generalmente como:
[11.13]
356
MTODOS
NUM~RICOS
PARA INGENIEROS
Estas diferenciasse usan para evaluar los coeficientes de lasecuaciones (11.8)a la (1l.l l ) ,los cuales se sustituyen en la ecuacin (11.7) para obtener el polinomiodeinterpolacin:
[11.15]
Al cual se le llama polinomio de interpolacin con diferencias divididas

de Newton. Se debe notar que no es necesario que los datos usados en
la ecuacin (11.15)estn igualmente espaciados o que los valores de la
abscisa necesariamente se encuentren en orden ascendente, como se ilustraenelsiguiente ejemplo. Tambin ntese que las ecuaciones (11.12) a
la (11.14)son recursivas, esto es, las diferencias de orden superior se componen de diferenciasde orden inferior (Fig. 11.5).Esta propiedadse aprovechar al desarrollar un programa eficiente para la computadora enla
seccin 11.1.5 queimplementeeste mtodo.
FIGURA 11.5
Esquema grfico de la naturaleza recursiva de una diferencia dividida

finita.
EJEMPLO 11.3
Polinomios de interpolacion de Newtoncon
diferencias divididas
Enunciado del problema: enel ejemplo 11.2, se usaron los puntos en

= 1 , xi = 4 y x2 = 6 paracalcular In 2 conuna parbola. Ahora,
agregando un cuarto punto [x3 = 5; f(x3) = 1.609 437 91, calclese In 2
con un polinomio de interpolacin de Newton con diferencias divididas
de tercer orden.
x.
Solucin: el polinomiodetercer orden, ecuacin ( 1 1.3) con n
3 , es
357
INTERPOLACI6N
las primeras diferencias divididas del problema son [Ec. (11.12)J
294
4 - 1
f k l , x01 =
0.462 098 13
x11
1.791 759 5 - 1.386 294 4

6-4
o.2o2 732 55
f[X3, x21
1.609 437 9 - 1.791 759 5

5-6
o.182 321 6o
fk2,
Las segundas diferencias divididas son [Ec. (11.13)]

f k 2 , x19
x01 =
0.202 732 55 - 0.462 098 13

=
6 - 1
fix39 x27
x11 =
0.182 321 60 - 0.202 732 55

5-4
- 0.020
950 410
La tercera diferencia dividida es [Ec. (11.14)] con n

f b 3 , x2, x19 x01 =
FIGURA 11.6
"
.._"
"X.L.1
31
-0.020 410 950 - (-0.051 873 116)

5-1
0.007 865 541 5
USOde interpolacin cbica para aproximar In 2.
"
0.051 873 116
-."l"""-.-.---
358
METODOS
NUMRICOS
PARA INGENIEROS
Los resultados para f[xl,

xo],f[x2,xl,xo]
y f[x3,x2,xl,x"] representan los
coeficientes bl, b2 y b3 dela ecuacin (11.7).
Junto con bo = f(xo) = 0.0
la ecuacin (11.7) da
f3(~) =
+ 0.462
0.007
098
13 (X - 1) - 0.051 873 (X
116
"1)
865 541 - 5(x
l)(x - 4 ) (~ 6)
(X -
4)
conlaquesepuedeevaluar
f3(2) = 0.628
768
69
lo que representa un error relativo porcentual del t u = 9.3%.El polino11.6.

mio cbico completo se muestraenlafigura
11.1.4 Errores en los polinomios interpolantes de Newton

Ntese que la estructura de la ecuacin (1l.15)es similar a la expansin
de la serie de Tayloren el sentido de que los trminos agregadossecuencialmente consideran el comportamiento de orden superior dela funcin
representada. Estos trminosson diferencias divididas finitasy, por lo tanto,
representan aproximaciones a las derivadas de orden superior. En consecuencia, como sucede con la serie de Taylor, si la funcin representativa es un polinomio de n-simo orden, el polinomio interpolante de n-simo
ordenbasado en n + 1 puntosllevar a resultados exactos.
Tambin, como enel caso de la serie de Taylor, se puede obtener
una formulacin del error de truncamiento. Recurdese dela ecuacin
(3.13)que el error de truncamiento en la serie de Taylor se expresa en
forma general cmo:
R,,=
f'"'(S)
(x,+1 - xi)"+'
(n-+ 1) !
..
en donde 4 es un punto cualquiera dentro del intervalo [x,,

x,, ,),Una relacin an6loga del error en un polinomio interpolante de n-simo orden
est dada por:
[11.16]
en donde 4 es un punto cualquiera dentro del intervalo quecontiene las

incgnitas y los datos. Para uso de esta frmula la funcin en cuestin
debe ser conociday diferenciable. Y usualmente, esteno es el caso. Afortunadamente, existe una frmula alternativa que no requiere conocimiento
359
lNTERPOLACl6N
previo de la funcin. En vez de ello, se usa una diferencia dividida finita

queaproxima la (n + 1)-sima derivada:
en donde f[x, x,, x,-1 ,. . . , xo] es la (n + 1)-sima diferenciadividida. Ya que la ecuacin ( 1 l .17) contiene la incgnita )(x), sta no se puederesolver y obtener el error. Sin embargo, si se disponede un dato
adicional f(x,+ J, la ecuacin (11.17) daunaaproximacindelerror
como:
EJEMPLO 1 1.4
Estimacin del error en el polinomio de interpolacin de
Newton
Enunciado del problema: sese la ecuacin ( 1 1.18) para calcular e! error

del polinomio de interpolacin de segundo orden del ejemplo11 2 . Usense
los datosadicionales f(x3) = f(5) = 1.609 437 9 para obtener los resultados.
Solucin: recurdese que en el ejemplo 11.2 el polinomio de interpolacin de segundo orden proporcion una aproximacin de f(2) = 0.565
844 346, que representa un error de 0.693 147 18 - 0.565 844 346
= O. 127 302 835. Si no se sabe el valor verdadero, como es en la mayor parte de los casos, se puede usar la ecuacin (1l.18), junto con el
valor adicional en x3, para calcular el error, como
R2
0.007 865 541 5 (X - l)(x - 4 ) ( ~ 6)
en donde el valor de la diferencia dividida finita de tercer orden se calcul previamente enel ejemplo 11.3. Esta relacin se evala en x = 2 y
se obtiene:
R2
0.007 865 541 5 (2
1)(2
que es delmismoordenqueelerrorverdadero
4) (2 - 6)
0.062 924 332
360
MTODOS
11.1.5 Programa de computadora para

interpolacin de Newton
el polinomio de
Son tres las propiedades que hacen del polinomio de interpolacin

de Newton un mtodo extremadamente atractivo para usarse en una
computadora:
1. Como en la ecuacin (11.7),las versiones de orden superior se pueden desarrollar secuencialmente agregandoun trmino simplea la siguiente ecuacin de orden inferior. Esto facilita
la evaluacin de varias
versiones de orden diferente en el mismo programa. Esta capacidad
es muy til cuando no se conoce a priori el orden del polinomio. Agregando nuevos trminos secuencialmente, puede determinarse cundo se alcanza un puntode retorno, es decir, cundo al agregar un
trmino de orden superior no se mejora significativamente la aproximacin o en ciertos casos se disminuye. Las ecuaciones de error analizadasenelpunto (3) sontilesaldefinir un criterio objetivo en la
determinacindeestepuntodetrminos
decrecientes.
2. Las diferenciasdivididasfinitas que constituyen los coeficientes del

polinomio [Ec. (11.8) a la ( 11.1 l)] se calculan con una relacin recursiva.Esto es, como enla ecuacin (11.14) y lafigura 11.5, las
diferencias de orden inferior se usan para calcular las diferencias de
orden superior. Usando la informacin previamente determinada,los
coeficientes se calculan eficientemente. El programa de la figura 11.7
contiene este esquema.
ASIC
ORTRA
DIMENSION F X C 1 0 , l O ) ~ X ~ l O )
READ<5 , l )N
1
FORRLTC I S )
DO 1 4 0 I - $ . N
R E A D < S , 2 ) X <I ) , F X <I , 1 )
2
FORMAT<2F1 U 0 )
1 4 0 CONTINUE
M-N-1
DO 2 0 0J - I , M
K=J+T
NP-N- J
DO 190 I = l , N P
F x ( I , K ) - ~ F X ~ I + l , J ) - F ~ ~ I , J ~ ) ~ ~ X ( I + J ) - % ~ I ) ~
190
CONTINUE
2 0 0 CONTINUE
DO 2 3 0J = t , N
WRITE(6,3>FX(I,J)
FORMRTC.
3
-,F10.3)
2 3 0 CONTINUE
RERD<S,2)XI
FA-l.
Y.0,
DO 3 4 0 J-V.N
Y-Y+FX< 1 , J >+Fa
WRITE(6,3)Y
F h l N T EA
FA-FR*<XI-X( J i )
I E X I .I
I F C J . G E . N ) C O T O3 5 0
F
JP-J+l
E A n F A r F X <1 , JP >
WRITEC6,J)EA
3 4 0 CONTINUE
3 5 0 STOP
END
~
FIGURA 11.7
Programaparacomputadoradelpolinomiointerpolante
de Newton
361
INTERPOLACldN
3. La ecuacin de error [Ec. (11.18)]se expresa en trminos de las diferencias divididas finitas que ya se han calculado para determinar los
coeficientes del polinomio. Por lo tanto, si se guarda esta informacin, se calcula el error aproximado sin volver a calcular estas cantidades.
Todas las caractersticas anterioresse pueden aprovechar e incorporar en un programa general para computadora que implemente el polinomio de Newton (Fig. 11.7). Al igual que todos los programas del libro,
esta versin no se documenta. Adems, no incluye el error aproximado
mencionado en el punto (3).Una de las tareas es la de hacer este programa ms legible al usuario (vase el problema 11.11) y que incorpore la
ecuacin de error. La utilidad de esta ecuacin se demuestra en el ejemplo siguiente.
EJEMPLO 11.5
Uso de la estimacin de error para determinar el orden apropiado

de interpolacin
Enunciado del problema: despus de incorporarel error [Ec. 11.181, utilcese el programa de computadora dado en la figura 11.7 y la siguiente
informacinparaevaluar f ( x ) = In x en x = 2.
x
1
4
1.791
6
5
3
1.5
2.5
3.5
f(x) = In x
O
1.386 294 4
759 5
1.609 437 9
1 .O98
61 32
0.405 4651 1
0.916 290 73
1.252 763 O
Solucin: los resultados de emplear el programa de lafigura 11.7 para

obtener la solucin se muestranen la figura 11.8. Enla figura 11.9 se
representa el error aproximado, junto con el error verdadero (basado en
el hecho deque In 2 = 0.693 147 18).Ntesequeelerrorcalculado
y el verdadero son similares y su coincidencia mejora a medida que crece
el orden. Dela grfica se puede concluir que las versiones de quinto orden llevan a una buena aproximacin y que los trminos de orden superiornoprecisansignificativamentelaprediccin.
Este ejercicio ilustra tambin la importancia de la posicin y orden de
los puntos. Por ejemplo, las aproximacionesde orden superior al tercero
mejoran ms lentamente ya que los puntos que se le agregan (en x =
4 , 6 y 5) estndistantes y a un ladodel punto en cuestin en x = 2.
362
INGENIEROS
MTODOS
-a
FIGURA 11.8
Salida del programa
NUMRICOS
PARA
Number of data potnts
BASIC
para evaluar In 2.
La aproximacin de cuarto orden muestra mayor mejora porque elnuevo punto en x = 3 est ms cerca de la incgnita. Sin embargo, el decremento en el error ms dramtico est asociado con la inclusin del trmino
dequintoordenusando los datos en x = 1.5. No slo este punto est
cerca de la incgnita sino tambinse encuentra al lado opuesto de la mayor parte de los puntos. En consecuencia, el error se reduce casi una orden de magnitud.
El significado dela posicin y secuencia de los datos pueden tambin
ilustrarse al usar los mismos datos para obtener una aproximacin para
In 2 , pero considerando los puntos en una secuencia diferente. Enla figura 11.9 se muestran los resultados para el caso en que se invierten el
ordende los puntosoriginales, esto es, x. = 3.5, x1 = 2.5, x2 = 1.5,
etc. Debido a que los puntos iniciales en este caso se encuentran ms cerca
y espaciados a los lados de In 2 , el error decrece mucho ms rpidamente que enla situacin original. Mediante el trmino de segundo orden,
elerror se ha reducido a un nivel relativo porcentual de menos del E, = 2%.
Se pueden emplear otras combinaciones para obtener diferentespromedios de converqencia.
El ejemplo anterior ilustra la importancia de escoger los puntos base.

Como es obvio, los puntos deben estar tan cerca como sea posible de
las incgnitas. Esta observacin tambin se nota por simple examen de la
ecuacin de error [Ec. (11.17)]. Suponiendo que la diferenciadividida
FIGURA 11.9
Errores relativos porcentuales en la aproximacin de In

orden del polinomio de interpolacin.
2 en funcin del
finita no vara demasiado a lo largo del rango de datos, entonces el error

es proporcional al producto:(x - xo) (x - xl) . . . (x - x,,). Obviamente, mientras ms cercanos estn los puntos base a las x, menor ser la
magnitud de este producto.
11.2 POLINOMIOS DE INTERPOLACIN DE LAGRANGE

El polinomio de interpolacin de Lagrange, simplemente es una reformulacin del pqlinomio de Newton que evita los clculos de las diferenciasdivididas.Este se puede representar concretamente cmo:
[11.19]
en donde:
364
INGENIEROS
MTODOS
NUMRICOS
PARA
[11.20]
en donde II denota el producto de.. Porejemplo, la versinlineal

(n = 1) es:
I
[11.21]
y la versin de segundo orden es:
[11.22]
Al igual que el mtodo de Newton,la versin d e Lagrange tiene un error

aproximado, dado por:
n
La ecuacin (11.19) se deriva directamente del polinomio de Newton (recuadro 11.1).Sin embargo, la razn fundamental de la formulacin d e Lagrange se puede comprender directamente notando que cada
trmino Li(x)ser 1 en x = x,y O en todos los dems puntos. Por lo tanto, cada producto LJx) f(xi)toma un valor de f ( x , )en el punto x,.For
consiguiente la sumatoria de todos los productos, dada por la ecuacin
(11.19) es el nico polinomio de n-simo orden que pasa exactamente
por los n + 1 puntos.
RECUADRO 1 1 . 1 Derivacin de la forma de Lagrange
directamente del polinomio de interpolacin
de Newton
El polinomio deinterpolacin de Lagrange se puede

derivar directamente de la formulacin de Newton. Se har
esto en el caso de primer orden,
fdx) = f(x0) + (x -
xO)f[Xl,
x01
[B11.1.1]
Para derivar la forma de Lagrange, se reformulan las diferencias divididas. Por ejemplo, la primera diferencia dividida.
f [XI, x03 = f (XI) - f (xo,

x1
sepuede
- x0
reformular como:
fbl,
x03
= ___
(x1)
x1
- x0
f (x01
x0 - XI
[B11.1.2]
365
INTERPOLACldN
a la cual se le conoce con el nombre de forma simtrica.

Sustituyendo la ecuacin (B11.1,2) en la ecuacin
( B 1 l . l . l ) se obtiene
Finalmente, agrupando trminos similares y simplificando, se llega a la forma de Lagrange,
EJEMPLO 11.6
Polinomios de interpolacin de Lagrange
Enunciado del problema: sese un polinomio de interpolacin de Lagrange

de primero y segundo orden para evaluar In 2 en base a los datos dados
en el ejemplo 11.2:
x0 =
f(xo) =
XI =
!(XI)
x2 = 6
1.386 294 4
f ( ~ 2 )=
1.791 759 5
Solucin: el polinomio de primer orden es [Ec. (11.21)]
y , por lo tanto, la aproximacin en x = 2 es
2-4
4 - 1l " 4
flk) =
O+"-
2-1
1.386 294 4
0.462 098 1
De manera similar, el polinomio de segundo orden se desarrolla como

[Ec. (11.22)]:
(2 - 1)(2 - 4)
1.791 759 5
(6 - 1)(6 - 4)
0.565 844 37
Como se esperaba, ambosresultados coinciden muy de cerca con los que

se obtuvieron previamente usando la interpolacin polinomialde Newton.
~
366
MTODOS
NUMRICOS
PARA INGENIEROS
En resumen, para los casos en dondeel orden del polinomio se desconozca, el mtodo de Newton tiene ventajas debido a que profundiza
en el comportamiento delas diferentes frmulas de orden superior. Adems, la aproximacin del error dada por la ecuacin (1l.18),en general,
puede integrarse fcilmente en los clculos de Newton ya que la aproximacin usa una diferencia dividida (Ejemplo 11.5).De esta forma, desde el punto de vista de clculo, a menudo, se prefiere el mtodo de
Newton.
Cuando se va a llevar a cabo slo una interpolacin, ambos mtodos, el de Newton y el de Lagrange requieren de un esfuerzo declculo
similar. Sin embargo, la versin de Lagrange es un poco ms fcil de programar. Tambin existen casos en dondela forma de Newton es mssusceptible a los errores de redondeo (Ruckdeschel, 1981).Debido a esto
y a que no requiere calcular y almacenar diferencias divididas, la forma
de Lagrange se usa, a menudo, cuandoel orden del polinomio se conoce a priori.
EJEMPLO 11.7
Interpolacin de Lagrange usando computadora
Enunciado del problema: en el paquete NUMERICOMP que acompaa

a este texto se encuentra un programa legible al usuario que implementa
la interpolacin de Lagrange. Se puede usar este paquete para llevar a
cabo un problema de anlisis asociado con el problema de paracaidista.
Supngase que se ha desarrollado
instrumentacin para medir la velocidad del paracaidista. Los datos medidos para una pruebaparticular son:
Tiempo,
S
1
3
5
Velocidad medida
v, cmls
800
2 310
3 090
3 940
13
4 755
El problema es determinar la velocidaddelparacaidista

en t = 10 S
y llenar el gran espacio de medidas entre t = 7 y t = 13 s. Se sabe que
el comportamiento delos polinomios de interpolacin puede ser inesperado. Por lo tanto, se construyen los polinomios de rdenes 4, 3, 2 y 1
y se comparan los resultados.
Solucin: el programa NUMERICOMP se usa para construir los polinomios de interpolacin de cuarto, tercero, segundo y primer orden. Los
resultados son
367
INTERPOLACldN
COEFICIENTEDE:
Orden
del
polinomio
orden
cuarto
tercer
segundo
orden
orden
4
5430.195
-663.867
1813.625
-392.87
44.87501
- 1.76302
4874.838
3
1742.6561.23925876.09375-4.498586
2
4672.81
-300.1035
858.75
5
1
2989.167
primer
orden
cero
orden
Valor
calculado de
v para t = 10 S
-36.14584
135.8333
El polinomio de cuarto ordeny los datos de entrada segrafican como

se muestra en la figura 11.loa. Es evidente en esta grfica que el valor
aproximado de y en x = 10 es mayor que la tendencia total de los datos.
FIGURA 11.10
Grficas generadas por computadora, las cules muestran a) interpolacin de cuarto orden; b) de tercer orden c) de segundo orden y d) de primer orden.
368
MTODOS
NUMRICOS
PARA INGENIEROS
Enlafigura 11.10b a la d se muestran grficas de los resultados de

los clculos de los polinomios de interpolacin de tercero, segundo y primer orden. Se nota que al disminuir el orden del polinomio de interpolacin se disminuyeelvalor aproximado dela vecindad a t = 10 s. Las
grficas de los polinomios de interpolacin indican quelos polinomios de
orden superior tienden a descomponer la tendencia de los datos. Esto sugiere que los polinomios de primero o segundo grado son ms apropiados en este anlisis en particular. Se debe recordar, sin embargo, que ya
que se tratadedatosinciertos, la regresinpodraserms apropiada.
11.3 COMENTARIOSADICIONALES
Antes de proceder con la siguiente seccin, se deben mencionar dos tey la
mas adicionales: la interpolacin con datos igualmente espaciados
extrapolacin.
Ya que los mtodos de Newton y Lagrange son compatibles con los
datos espaciados en forma arbitraria, el lector debe preguntarse por qu
se aborda el caso de los datosigualmenteespaciados (recuadro 11.2).
Antes del advenimiento de las computadoras digitales, estos mtodostuvierongranutilidadenlainterpolacindetablas
condatosigualmente
espaciados. De hecho se desarroll un esquema conocido como tabla de
diferencias divididas para facilitar la implementacin de estas tcnicas (la
figura 11.5 es un ejemplo de estas tablas).
Sin embargo, y debido a que las frmulas son un subconjunto de los
esquemas de Newtonde Lagrange compatibles con la computadora y
ya que se dispone de muchas funciones tabulares
como rutinas de biblioteca, la necesidad de puntos equiespaciados se fue perdiendo. Por esta
razn, se han incluido en esta parte del libro por su importancia en partes
posteriores del mismo. En particular, se pueden emplear en la derivacin
de frmulas de integracinnumricaqueempleancomnmentedatos
equiespaciados (captulo 13). Ya que las frmulas de integracin numrica tienen importancia en la solucin de ecuaciones diferenciales ordinarias.
el material del recuadro 11.2 tambin tiene importanciaen el captulo 17.
RECUADRO 11.2 lnterpolacin con puntos igualmente epaciados
Si los datos se encuentran igualmente espaciadosy en orden ascendente, entonces la variable independiente supone valores de
En donde h es el intervalo, o tamao del paso, entre los

datos. En base a esto, las diferencias divididas finitas se
pueden expresar en forma concisa. Por ejemplo, la segunda diferencia dividida es
369
INTERPOLAC16N
que se puede expresar como

(y=-X"
ya que x, - x1 = x1 - x2 = (xo - x?)/2 = h . Ahora

recurdese que la segunda diferencia dividida hacia adelante A2j(xo)es igual al numerador de la [Ec. (3.3111.
A2f(x0) = f(x0) - 2f(xJ
Esta definicin se puedeusar para desarrollar la siguiente

expresin simplificada d e los trminosen la ecuacin
(8112.3):
+ f(x2)
Por lo tanto, la ecuacin (B11.2.1)se puede representar

mediante:
o. en general.
los cuales pueden sustituirse en la ecuacin (B11.2.3) para

dar
[B11.2.2]
Usando la ecuacin ( B l l . 2 . 2 ) ,el polinomio de interpolacin de Newton [Ec. (11.15)] se puede expresar enel caso de datos igualmente espaciados como
(a -
+ 1) + R,
[B11.2.4]
en donde
(x0)
+-A"f
(X
n ! h"
{X
- XO)(X -
- xo - (n -
xo -
h)
1)h)
Esta notacin concisa tieneutilidad en la derivacin y anlisis de error de las frmulas de integracin del captulo 13.
Adems de la frmula hacia adelante, existen tamen donde el residuo es el mismo de la ecuacin (11.16). bin lasfrmulas centrales y hacia atrsdeNewtonEsta ecuacin se conoce como frmula de Newton o frmula Gregory. Se puedeconsultar Carnahan, Luther y Wilkes
hacia adelante d e Newton - Gregory. Esta se puedesim- (1969)para mayor informacin acerca de la interpolacin
de datos igualmente espaciados.
plificar ms an definiendo una nueva cantidad, (Y:
+Rn
[B11.2.3]
La extrapolacin es el proceso de calcular un valor de f(x)que cae fuera

del rango de los puntos base conocidos, xo, x1 ,. . . , x, (Fig. 11.11). En
una seccin anterior, se dijo que la interpolacin ms exacta usualmente
se obtiene cuando las incgnitas caen cerca de los puntos base. Obviamente, esto no sucede cuando las incgnitas caen fuera del rango, y por
lo tanto, elerrorenla
extrapolacin puede ser muy grande. Como se
370
INGENIEROS
FIGURA 1 1 . 1 1
PARA
MTODOS NUMRICOS
Ilustracin de las posiblesdivergenciasdeunaprediccinextrapolada.

La extrapalacin se basa en el ajuste de una parabola a travs de los
primeros tres puntos.
muestra en la figura 11.11,la naturaleza abierta-en-los-extremos de la extrapolacin representa u n paso en la incgnita porque el proceso extiende la curva ms a116 de la regin conocida. Como tal, la curva verdadedra
diverge fcilmente de la prediccin. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar. El caso de estudio 12.1 e n
el captulo siguiente muestra un ejemplo del riesgo que se corre al proyectarse ms all de los lmites de los datos.
11.4 INTERPOLACIN SEGMENTARIA (SPLINE)

En la seccin anterior se usaron polinomios de n-simo orden para interpolar entre n + 1 puntos. Por ejemplo, en ocho puntos, se deriva
un polinomio perfecto de sptimo orden. Esta curva captura todos los serpenteos (al menos considera hasta derivadas de sptimo orden) sugeridos por los puntos. Sin embargo, existen casos en donde estas funciones
pueden llevar a resultados errneos. Una alternativa es la de aplicar polinomios de orden inferior a subconjuntos de datos. Estos polinomios conectados se llaman funciones de interpolacin segmentaria (en ingls, spline
functions).
371
INTERPOlAC16N
Por ejemplo, las curvas de tercer orden empleadas para conectar cada par de datos se llaman funciones de interpolacin cbica segmentaria
(del ingls cubic splines). Estas funciones tienen la propiedad adicional
de que las conexiones entre ecuaciones cbicas adyacentes son visualmente suaves. Superficialmente parece que la aproximacin segmentaria
de tercer orden es inferior a la expresin de sptimo orden. El lector puede
preguntarse por qu la interpolacin segmentaria siempre es preferible.
FIGURA 1 l. 12
Representacin visual de una situacinen donde la interpolacin segmentaria (spline) es meior a la interpolacin polinomial de orden superior. La funcin muestra unsalto abrupto en x = O. En losincisos a)
al c) se muestra que el cambio abrupto indica oscilaciones con la interpolacin polinomial. En contraste y debido a que se limita a curvas de
tercer orden con transiciones suaves, la interpolacin segmentaria d) proporciona una aproximacin mucho ms aceptable.
372
Enlafigura 11.12 se ilustra un caso en donde la interpolacin segmentaria se lleva a cabo mejor que con polinomios de orden superior.
Este es el caso donde una funcin es generalmente suave pero muestra
un cambio abrupto en algn lugar de la regin de inters.La figura 11.12
es un caso extremo de este cambio y sirveparailustrarel punto.
En las figuras 1 1 . 1 2 ~
hasta la 1 1 . 1 2 se
~ ilustra cmo los polinomios
de orden superior tienden a balancearse a travs de oscilaciones bruscas
en la vecindad de un cambio abrupto. En contraste la interpolacin segmentaria tambin conecta a los puntos, pero como est limitada a cambios de tercer orden, las oscilaciones se mantienen mnimas. De ah que
la interpolacin segmentaria proporcione una aproximacin superior del
comportamiento de las funciones que tienen cambios locales abruptos.
El concepto de interpolacin segmentaria se origin de la tcnica de
uso de una lmina de plstico delgada (llamadacuruigrufo, en ingls spline) en el trazo de curvas suaves
a travs de un conjunto de puntos. El
proceso se muestra enla figura 11.13 sobre un conjunto de cinco tachuelas
(datos). En esta tcnica, el dibujante coloca papel sobre un tablero de madera y clava tachuelas en el papel (y en el tablero) en la posicin de los
datos. Al pasar un hilo entre las tachuelas resulta una curva cbica suave. De ah que se haya adoptado el nombre de interpolacin segmentaria (en inglscubicspline)parapolinomiosdeestetipo.
En esta seccin se utilizan primero funciones lineales simples para
introducir algunos conceptos y problemas bsicosasociados con la interpolacin segmentaria. Despusse deriva un algoritmo para ajustar polinomios
FIGURA 1 l. 13
Tcnica de dibujo para trazar curvas suaves utilizando un curvgrafo, dados una serie de puntos. Ntese como la unin de un punto a otro se
realiza mediante diferentes tipos de curvas. A este tipo de interpolacin
de punto Q punto (segmentaria) se conoce como interpolacin segmentaria natural (natural spline).
373
INTERPOLACldN
de segundo orden a los datos. AI final, se presenta material sobre interpolacin cbica segmentaria, la cul es laversinmscomn y til en
la prctica de la ingeniera:
1 1.4.1 Interpolacin segmentaria lineal

La conexin ms simple entre un par de puntos es una lnea recta. Se
pueden definir los polinomios interpolantes de primer orden medianteun
conjunto de puntos ordenados y definirse como un conjunto de funcioneslinealesqueunen
a los puntos:
en donde mi es la pendiente de la lnea recta que une los puntos:

r11.231
Estas ecuaciones se usan en la evaluacin de funciones de cualquier

punto entre x. y x,, localizando primeroel intervalo dentro del que se encuentra el punto. Despus se usa la ecuacin apropiada y se determina
el valor funcional dentro del intervalo. Obviamente, el mtodo es idntico a la interpolacin lineal.
EJEMPLO 11-8
lnterpolacin segmentaria de primer orden
Enunciado del problema: ajstense los datos del cuadro 11.1 con interpolacinsegmentariadeprimer orden. Evalese lafuncinen x = 5.
CUADRO 1 1.1
Datospor
aiustar con
funciones
segmentarias
X
3.0
4.5
7.0
9.0
{(x)
2.5
1.o
2.5
0.5
374
Solucin: los datos se pueden usar para determinar las pendientes entre
x = 4.5 a x = 7 la pendiente
puntos. Por ejemplo, enelintervalode
se puede calcular usando la ecuacin (112 3 ):
2.5 - 1.0
= 0.60
7.0 - 4.5
m=
Los pendientes sobre los otros intervalos se pueden calcular, y los pol l .4a. El valor para
linomios de primer orden se graficanenlafigura
x = 5 es 1.3.
Una inspeccin visual sobre la figura

11.14~1
indica que laprincipal
desventaja de los polinomios de primer orden es que no son uniformes.
En esencia, en los puntos donde coinciden los polinomios (llamados nodos), la pendiente cambia abruptamente. En trminos formales, la primera derivada de la funcin es discontinua en estos puntos. Esta deficiencia
se supera con el uso de polinomios de orden superior, que aseguranuniformidad en los nodos igualando derivadas en esos puntos, como se muestraenlasiguiente
seccin.
11.4.2 lnterpolacin cuadratica segmentaria

Para asegurar que las m-simas derivadas sean continuas en los nodos,
se debe usar un polinomio de al menos ( m + 1)-simo orden. Los polinomios de tercer ordeno cbicos se usan ms frecuentemente en la prctica
asegurando continuidad en la primera y segunda derivada. Aunque las
derivadas de orden superior sean discontinuas
al usarse polinomios de
tercer orden,en general, no se detectan visualmente y por ende, se ignoran.
La interpolacin cbica segmentaria se estudia en una seccinsubsecuente. Antes de sta se ilustra el concepto de interpolacin cuadrtica
segmentaria usando polinomiosde segundo orden. Estos polinomiosmadrticos tienen la primera derivada continua en los nodos. Aunque los
polinomios cuadrticos no garantizan segundas derivadas iguales en
los nodos, sirven muy bien para demostrar el procedimiento general en el desarrollodepolinomiosinterpolantessegmentariosdeordensuperior.
El objetivo de los polinomios cuadrticoses el de obtener un polinomio de segundo orden para cada uno de los intervalos entre los puntos.
El polinomio para cada uno de los intervalos se representa generalmente
como:
fi(x)= aix2-t bix + ci
[11.24j
375
INTERPOLAC16N
FIGURA 1 l. 14
Ajustecon interpolacin segmentaria sobre un conjunto de cuatro puntos. a) interpolacin segmentaria lineal;b) interpolacin segmentaria cuadrtica y c) interpolacin cbica segmentaria, con un polinomio cbico
interpolante que tambin aparece en la grfica.
Se haincluidolafigura
11.15para ayudar a clarificar la notacin. Para
los n
1puntos (i = O, 1, 2 , . . . , n ) , existen n intervalos, y por lo tanto, 3 n incgnitas constantes por evaluar (lasp, las b y las c). Por lo tanto,
se requieren 3 n ecuaciones o condiciones para evaluar las incgnitas.Estas son:
1. Los valores de las funciones deben ser iguales en los nodos interiores. Esta condicinserepresentamediante:
[11.25]
[11.26]
376
NUMERICOS
FIGURA 11.15
METODOS
PARA INGENIEROS
Notacin usadaen la derivacin de interpolacin segmentaria cuadrtica. Ntese que hay n intervalos y n
1 puntos. El ejemplo que se muestraes para n = 3.
para i = 2 hasta n . Como se usan slo los nodos interiores, las ecuaciones (11.25) y (11.26) proporcionancadauna n - 1 condiciones, con
un total de 2n - 2.
2. L a primera y la ltima funcin deben pasar a travs de los puntos f i nales. Esto agregados ecuaciones adicionales:
[11.27]
[11.28]
2 = 2n condiciones.
3. Las primeras deriuadas e n los nodos interiores deben ser iguales. La
primeraderivada enla ecuacin (11.22) es:
con un total de 2n - 2
f '(x) = 2ax
+b
Por lo tanto, la condicin se representa generalmente cmo:
kblxi + bi-l = 2aixi+ bi
E11.291
para i = 2 hasta n . Esto proporcionaotras n - 1 condicionescon

un total de 2n + n - 1 = 3 n - 1. Debido a que hay 3n incgnitas,
se tiene una condicin menos. A menos que exista una informacin
adicional en relacin a las funciones o sus derivadas, se debe escoger
377
INTERPOLACI~N
arbitrariamente una condicin para calcular eficientemente las constantes. Aunque existen algunas alternativas diferentesque se pueden
hacer, aqu se escoge la siguiente:
4. Se supone que la segunda derivada es cero en el primer punto. Ya
que la segunda derivada de la ecuacin (11.24) es 2a, esta condicin
se expresa matemticamente cmo:
al
[11.30]
La interpretacin visual de esta condicin es que los primeros dospuntos se conectarn mediante una lnea recta.
EJEMPLO 11.9
Interpolacion cuadrtica segmentaria

Enunciado del problema: ajstense polinomios cuadrticos-por segmentos a los datos usados en el ejemplo 11.8 (Cuadro 11.1). Usense los resultadosparacalcularelvalorpara
x = 5.
Solucin: en este problema, se tienencuatrodatos y n = 3 intervalos.
Por lo tanto, se deben determinar 3(3) = 9 incgnitas. Las ecuaciones
(11.25) y (11.26) llevana 2(3) - 2 = 4 condiciones.
2 0 . 2 5 ~+1 ~4.5bl
+ c1 = 1.0
+ 4.5b2 + c2 = 1.0
20.25~
49a2
+ 7b2 + c2 = 2.5
+ 7b3 + c3 = 2.5
49a3
Pasando la primera y la ltima funcin por los valores iniciales y finales
agrega dos ms: [Ec. (11.27)]
gal
y [Ec.
+ 3bl + c1 = 2.5
(11.28)]
81a3
+ 9b3 + c3 = 0.5
Lacontinuidad de lasderivadas crea adicionalmente 3 - 1 = 2 [Ec.

(11.29)]:
378
MTODOS
NUMRICOS
PARA INGENIEROS
Finalmente, la ecuacin (11.30)especifica que al = O . Ya queesta

ecuacin especifica al exactamente, el problema se reduce aresolver
ocho ecuaciones simultneas. Estas condiciones se pueden expresar en
forma matricial como
1.0 o.o
0.0
0.0 20.25 4.5
7.0
0.0 49.00
0.0
o.O 0.0
1.0 o.o
0.0
0.0
0.0
0.0
0.0 -9.00 -1.0
0.0 0.0 14.00
1.0
4.5
0.0
0.0
0.0
3.0
0.0
1.0
0.0
1.0
1.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
7.00
0.0
9.00
0.0
0.0
o.o
o.o
81.00
o.o
49.00
- 14.00
0.0
0.0
0.0
1.00
0.0
1.00
0.0
0.0
-1.00 0.0
1.0
1.0
2.5
2.5
2.5
0.5
o.o
o.o
Estas ecuaciones se resuelven usando las tcnicas de la parte 111 con los
resultados:
al = O
a2 = 0.64
a3 = -1.6
bl
b2
b3
=
=
=
"1
-6.76
24.6
c1
c2 =
~3 =
5.5
18.46
-91.3
los cuales se sustituyen en las ecuaciones cuadrticas originales desarrollando la relacin siguiente para cada intervalo:
fI(X) = "x
f2(x) =
+ 5.5
0.64~
-~
6 . 7 6 ~+ 18.46
f3(~)= -1.6~'
+ 2 4 . 6 ~- 91.3
la prediccin para x
f2(5) = 0.64(5)'
3.0 5 x
4.5 5 X
7.0 5 X
4.5
5 7.0
5 9.0
5
5 es, por lo tanto
6.76(5) + 18.46 = 0.66
El ajuste polinominal segmentario totalse muestra en la figura 11.14b.

Ntese que hay dos inconvenientes enel ajuste: 1)la lnea recta que une
los primeros dos puntosy 2) el polinomio del ltimo intervalo parece serpentear demasiado alto. Los polinomios segmentarios cbicos de la siguiente seccin no muestran estos incovenientes y como consecuencia,
en general son mejores mtodos
de interpolacin segmentaria.
11.4.3 lnterpolacin segmentaria
El objetivo d e la interpolacin cbica segmentaria es obtener polinomios

los intervalos entre nodos, dela forma
de tercer orden para cada uno de
fi(x) = aix3
+ bix2 + cix + di
[11.31]
379
INTERPOLACldN
Por lo tanto, para los n + 1 puntos (i = O , 1 , 2 , . . . , n ) , existen n intervalos y. por lo tanto, 4 n incgnitas constantes por evaluar. Como se hizo
para polinomios cuadrjicos, ahora se requiere de 4 n condiciones para
evaluarlasincgnitas.Estas son:
1. Los valores d e la funcin deben ser iguales e n los nodos interiores
( 2 n - 2 condiciones).
2. La primera y la ltima funciones deben pasar a travs de los puntos
finales (2 condiciones).
3. Las primeras derivadas e n los nodos interiores deben ser iguales ( n
- 1 condiciones).
4. Las segundas derivadas en los nodos interiores deben ser iguales ( n

- 1 condiciones).
5. Las segundas derivadas en
los nodos finales son cero (2 condiciones).
La interpretacin visual de la condicin 5 es que la funcin sea una lnea

recta en los nodos finales. Debido a la especificacin de esta condicin
es que se le llama interpolacin segmentaria natural.Se le da este nombre
ya que el polinomio interpolante se comporta de manera natural en este
esquema (Fig. 11.13). Si elvalordela segunda derivada en los nodos
finales fuese diferente de cero (es decir, existe alguna curvatura), entonces esta informacin se usara alternativamente para proporcionar lasdos
condiciones necesarias.
Los cinco tipos anteriores de condiciones proporcionan un total de
4 n ecuaciones necesarias para encontrarlos 4 n coeficientes. Mientras que
es posible desarrollar interpolacin cbica segmentaria con este
esquema, aqu se presenta una tcnica diferente que requiere nicamente de
la solucin de n - 1 ecuaciones. Aunque la derivacin de este mtodo
(recuadro 11.3) es algo menos directo que el de interpolacin cuadrtica
segmentaria, la ganancia en eficiencia bienvaleel esfuerzo.
RECUADRO 11.3 Obtencin de
la
interpolacin cbica segmentaria
El primer paso
en
la obtencin
(Chene
y Kincaid, 1980)
x - xi
x - xi-1
fl(x) = f(Xi-1)
f(Xi)
se basa en la observacin de que debido
a que cada parexi-1 - xi
xi - xi-1
ja de nodos est conectada por un polinomio cbico, la
dentro
derivada
segunda
intervalo
una
es
lnea
[B11.3.1]
recta. La ecuacin (11.31)se puede derivar dos veces para
verificar esta observacin. Con base a lo anterior, las segundas derivadas se representan mediante los polinomios en donde f, (x) es el valor d e la segunda derivada en el
de interpolacin d e primer ordendeLagrange[Ec.
primer nodo x dentrodel i-simointervalo. Por lo tanto,
(11.21)l:
una
es
ecuacin
esta
conecta
lnea
que recta
la segunda
~
___c
INGENIEROS
380
PARA
NUMERICOS
derivada en el primer nodo f(xiPl)con la segunda derivada en el segundo nodo f (x,).

En seguida, la ecuacin (B11.3.1) se integra dos veces y se obtiene una expresin para ft(x). Sin embargo,
esta expresin contendr dos incgnitas constantes de integracin. Estas constantes se evalan invocando las condiciones de equiespaciamiento, f(x) debe ser igual f ( x , - J
en
y f(x) debe ser igual a !(x,) en x,. Llevando a cabo estas evaluaciones, resulta la siguiente ecuacincbica:
METODOS
Las segundas derivadas se evalan usando la condicin de que lasprimerasderivadasen los nodos deben
ser continuas:
[B11.3.3]
f I-1(Xi) = f I(Xi)
La ecuacin (B11.3.2)se deriva y se obtiene una expresin de la primera derivada. Si esto se hace para los intervalos ( - l)-simos e -simos y los dos resultados se
igualan, de acuerdo a la ecuacin (B11.3.3),resulta la siguiente relacin:
(Xi
xi-1)
f(Xi-1)
+ 2(Xi+l - X , - d
fW
+ (Xi+l - Xi) f(Xi+l)
Ahora, esta expresin es mucho ms complicada para los

polinomios de interpolacin segmentaria en el i-simo intervalo, digamos, la ecuacin (11.31). Sin embargo, ntese que esta contiene slo dos coeficientes incgnitas,
las segundas derivadas al principio y al final del intervalo,
f h - 1 ) y f (xi).Por lo tanto, si se determina propiamente la segunda derivada en cada nodo, la ecuacin
(B11.3.2)es un polinomio de tercer orden que se usa parainterpolar dentro de un intervalo.
Si la ecuacin (B11.3.4)se escribe para todos los nodos

interiores, resultan n - 1 ecuaciones simultneas con
n + 1 segundas derivadas incgnitas.Sin embargo, ya que
este es un polinomio interpolante natural, las segundas
derivadas en los nodos finales son cero y el problema se
reduce a n - 1 ecuaciones con n - 1 incgnitas. Adems, ntese que el sistema de ecuaciones ser tridiagonal. Por lo tanto, no slo se tiene que reducir el nmero
de ecuaciones sino que tambin se calculan de forma que
sean muy fciles de resolver (recurdese el recuadro 7.2).
La derivacin del recuadro 11.3genera las siguientes ecuaciones cbicas para cada intervalo:
[11.32]
38 1
INTERPOLACldN
Esta ecuacin contiene nicamente dos incgnitas , las segundas derivadas al final de cada intervalo. Estas incgnitasse evalan usando la ecuacin siguiente:
Si esta ecuacin se escribe para todos los nodos interiores, se generan

n - 1 incgnitas. (Recurdese que las segundas derivadas en los nodos
finales son cero). La aplicacin de estas ecuaciones se ilustra en el ejemplo siguiente:
EJEMPLO 11.10
Interpolacin cbica segmentaria
Enunciado del problema: ajstese un polinomio cbico por segmentos a

los datos usados en los ejemplos 11.8 y 11.9 (Cuadro 11.1). Utilicense
losresultadosparacalcularelvaloren
x = 5.
Solucin: el primer paso es emplear la ecuacin (11.33) para generar un
conjunto de ecuaciones simultneas que se usarn en la determinacin
de las segundas derivadas en los nodos. Por ejemplo, en el primer nodo
interior, se usan los siguientes datos:
xo=3
f(xo) = 2.5
x1 = 4.5
f(xJ = 1
x2
f ( ~ 2=
) 2.5
Estosvalores se sustituyenenla
ecuacin (11.33) y se obtiene
(4.5 - 3)fff(3)+ 2(7 - 3)frr(4.5)+ (7 - 4.5)f(7)

-
7 -4.5
4.5
(2.5 - 1)
6
(2.5 - 1)
-3
Debido a la condicin natural de los polinomios,f (3) = O , y la ecuacin

se reduce a
8f(4.5)+ 2.5ff(7)= 9.6

De manera similar, la ecuacin (11.33) se aplica a los segundos puntos
interiores para obtener
382
INGENIEROS
METODOS NUMRICOS
PARA
3.5f"(4.5) + 9f"(7) = -9.6

Estas dos ecuaciones se resuelven simultneamente cmo
f"(4.5)
f " (7)
1.745 45
-1.745 45
Estos valores se sustituyen en la ecuacin (11.32),junto con los valores de las x y de las !(x), obteniendo:
2.5
45
fib)
1.745
(x 6(4.5 - 3)
[4.5f
3)3
4.5
(4.5 - x)
1.745 45 (4.5 - 3)
6
(x - 3)
fI(x) = 0.193 9 3 9 ( ~ 3)3+ 1.666 667(4.5- X)
+ 0.230 3 0 3 ( ~ 3)
Esta ecuacin es el polinomio cbico interpolante para el primer intervalo. Se pueden llevar a cabo sustituciones similares y desarrollar las ecuaciones para el segundo y tercer intervalo:
fi(x) = 0.116 364(7

-
- x)3 -
O. 327 273 (7
0.116 364(x
- X)
4.5)3
1.727 2 7 3 ( ~- 4.5)
f3(~=
)
0.145455(9
1.831818(9 - X)
0 . 2 5 (~ 7)
Las tres ecuaciones se emplean para calcular los valores dentro de cada
uno de los intervalos. Por ejemplo, el valor en x = 5, que cae dentro
del segundo intervalo, se calcula cmo
fZ(5) = 0.116 364(7

-
0.327 273(7
5)3 - 0.116 364(5

-
5)
1.727 273(5
4.5)3
4.5)
1.125 5
Se calculan otros valores y los resultados obtenidos se muestran en la figura 1 1 . 1 4 ~ .

Los resultados del ejemplo11.8al 11.10se resumen en la figura 11.14.
Ntese cmo se obtienen mejoras progresivas conforme se pasade interpolacin lineal a cuadrtica y a cbica. Tambin se ha sobrepuesto un
383
lNTERPOLACl6N
polinomio de interpolacin cbica enlafigura 1 1 . 1 4 ~Aunque

.
la interpolacin cbica consiste de una serie de curvas de tercer orden, el ajuste
resultante difiere del que se obtiene usando polinomios de tercer orden.
Esto se debe a que la interpolacin natural requiere de segundas derivadas en los nodos finales, mientras que el polinomio cbico no tiene esta
restriccin.
11.4.4 Algoritmo para la interpolacin cbica segmentaria

El mtodo para calcular los polinomios cbicos de la interpolacin segmentaria vista en las secciones anteriores es ideal para su implementacin en microcomputadoras. Recurdese que por algunas manipulaciones
inteligentes, el mtodo se reduce a resolver n - 1 ecuaciones simultneas. Un beneficio adicional obtenido de la derivacin es que, como lo
especifica la ecuacin (11.33), elsistema de ecuaciones es tridiagonal.
Como se describe en el recuadro 7.2, se dispone de los algoritmos para
resolver tales sistemas de una manera extremadamente
eficiente. Enla
figura 11.16 se presenta el algoritmo de interpolacin cbica segmentaria
elcualincluyelos
aspectos antes mencionados.
FIGURA 1 1 . 1 6 Algoritmo de interpoiacin cbicasegmentaria.
PROBLEMAS
Clculos a mano
11.1
Calclese el logaritmo de 4 en base 10 (log 4) usando interpolacinlineal. a)

Interpolar entre log 3 = 0.477 121 3 y log 5 = 0.698 970 O. b) Interpolar entre
log 3 y log 4 . 5 = 0.653 212 5. Para cada una de las interpolaciones calclese
el error relativo porcentual basado en el error verdaderode log 4 = 0.602 060 O.
11.2
Ajstese un polinornio de interpolacin de Newton de segundo orden para aproximar log 4 usando los datos del problema 1 1 . 1 , Calclese el error relativo porcentual.
384
INGENIEROS
PARA
METODOS
NUMERICOS
11.3
Ajstese un polinomio de interpolacin de Newton de tercer orden para calcular

log 4 usando los datos del problema 11.1adems del punto adicional, log 3.5
= 0.544 068 O . Calclese el error relativo porcentual.
11.4
Dados los datos
f(x)
0.5
1.0
1.5
2.0
2.5
1 2.119 2.910 3.945 5.720 8.695
a) Calclese f (1.6) usando polinomios de interpolacin de Newton de orden 1

hasta el 3. Escjase la secuencia de puntos de las aproximaciones para lograr
exactitud.
b) sese la ecuacin (11.18)para calcular el error en cada prediccin.
11.5
Dados los datos

2 3
f(x)
4.75 4 5.25 19.75 36
Calclese f (3.5)usando polinomios de interpolacin de Newton de orden 1hasta

el 4. Escjanse los puntos base para obtener una buena aproximacin.
Qu indican los resultados respecto al orden del polinomio que seusa para generar los
datos en la tabla?
11.6
Reptanse los problemas 11.1al 11.3 usando polinomios deLagrange.
11.7
Reptase el problema 11.40 usando interpolacin deLagrange.
11.8
Reptase el problema 11.5 usando polinomios de Lagrane de orden 1 hasta el 3
11.9
Desarrllese la interpolacin cuadrtica segmentaria para los datos del problema

11.5 y calclese f (3.5).
11.10 Desarrllese la interpolacin cbica segmentaria para los datos del problema 11.5
y clculese f (3.5).

11.11 Vulvase a programar la figura 11.7 de tal manera que sea legible al usuario.
Entre otras cosas:
a) Insrtese documentacin a lo largo del programa para identificar lo que cada
una de las secciones debe hacer.
b ) Etiqutense las entradas y las salidas.
c ) Inclyase la ecuacin (11.18)para calcular el error de cada orden del polinomio (excepto el ltimo).
11.12 Prubese el programa que el lector haya desarrollado en el problema 11.11duplicando los clculos del ejemplo 11.5.
11.13 sese el programa desarrollado por el lector en el problema 11.11y resulvanse
los problemas 11.1al 11.3.
11.14 sese el programa desarrollado en el problema 11.11y resulvanse los problemas 11.4 y 11.5.En el problema 11.4, utilcense todos los datos par desarrollar
385
INTERPOLAC16N
los polinomios del orden primario hasta el

quinto. En ambos problemas, grafquese el error calculado contra el orden.
11.15 Reptanse los problemas 11.12 y 11.13, usando el paquete NUMERICOMP asociado con este texto.
11.16 sese el paquete NUMERICOMP con los ejemplos 11.6 y 11.7
11.17 Desarrllese un programa legible al usuario para la interpolacin
Prubese con el ejemplo 11.7.
de Lagrange.
11.18 Desarrllese un programa legible al usuario para la interpolacin cbica segmentaria basado en la figura 11.16 y en la seccin 11.4.4. Prubese el progama con
el ejemplo 11.10.
11-19 sese el programa desarrollado en el problema 11.18 para ajustar polinomios
cbicos con los datos de los problemas 11.4 y 11.5. En ambos casos, calcular
f (2.25).
CAPTULO DOCE
CASOS DE LAPARTE IV:
AJUSTEDECURVAS
El propsito de este captulo es el de hacer uso de los mtodos de ajuste

de curvas en la solucin de problemas de ingeniera. Al igual que en los
otros casos de estudio de los otros captulos, el primer ejemplo se toma
del rea general de la ingeniera econmica y de administracin. A este
caso lo siguen las cuatro reas principales de la ingenieria: qumica, civil,
elctrica y mecnica.
En el caso 12.1 se hace un anlisis sobre los datos de venta de computadoras. El ejemplo ilustra dos puntos importantes relacionados con el
ajuste de curvas: 1) los polinomios de interpolacin estn bien condicionados para el ajuste de datos imprecisos y 2) la extrapolacin es un procedimiento, poco confiable cuando la relacin de causa-efecto subyacente
a la tendencia se desconoce.
El caso 12.2, tomado de la ingeniera qumica, demuestra cmo se
puede linealizar un modelo no lineal y ajustarse a datos que usan regresin lineal. El caso 12.3 usa un esquema similar pero emplea tambin
interpolacin polinomial para determinar la relacin esfuerzo-deformacin
enproblemasdeestructuraseningenieracivil.
El caso 12.4 ilustra cmo se usa un simple polinomio de interpolacin para aproximar una funcin ms complicada en ingeniera elctrica.
Finalmente, el caso 12.5 demuestra cmo se usa la regresin lineal mltiple en el anlisis experimental de datos en un problema de fluidos tomadodelaingeniera mecnica.
CASO 12.1
MODELO DE INGENIERA DE VENTA DEPRODUCTOS

(INGENIERA EN GENERAL)
Antecedentes: los ingenieros encargados del diseoy fabricacin de productos tales como automviles, televisoresy computadoras pueden verse implicadosen otros aspectos de los negocios. Estasimplicaciones
incluyenlas ventas, mercadeo y distribucindelproducto.
METODOS
388
Supngase que un ingenierotrabajaparalacompaa

que fabrica
las Computadoras de tipo Micro 1 (vase el caso 6.1). Las consideraciones sobre planificacin y localizacin de recursos (caso 9.1) requieren que
este ingeniero sea capaz de predecir hasta cundo permanecern en el
mercado las computadoras de su compaa enfuncindel tiempo. En
este caso de estudio, se proporcionan datos que describen el nmero de
computadoras de la compaa que se encuentran en el mercado en diferentestiemposhasta 60 das (Fig. 12.1). Al ingeniero se lepide que
examine estos datos y, usando mtodo de extrapolacin, calcular cuntas computadorasse tendrn disponiblesa los 90 das. Los datos se mues12.1.
tranenelcuadro
FIGURA 12.1
Nmero de computadoras en el mercadocontra el tiempo.
CUADRO 12.1
Nmero de computadorasen
el mercado en funcin del
tiempo
Nmero de
computadoras
Tiempo,
das
en el mercado
~~
~~
10
20
30
50 O00
35 O00
31 O00
20 O00
40
50
60
1 9 O00
1 2 O00
1 1 O00
389
CASOS DE LA PARTE IV: NUSTE DE CURVAS
Este anlisis de tendenciay extrapolacin se resuelve usando polinoel sexto grado as como con polimios de interpolacin del primero hasta
nomios de regresin del primero hasta el sexto grado. Las curvas resultantes
se usan para predicciones en los das
55,65 y 90 que ilustran el contraste
entre interpolacin y extrapolacin.
Solucin: analizando la figura 12.1 se observa que los datos no son uniformes. Aunque el nmero de computadoras decrezca con el tiempo, la
tasa de decrecimiento vara de intervalo a intervalo comportindose aleatoriamente. Por lo tanto, an antes de que empiece el anlisis, se puede
esperar que la extrapolacin de estos datos traer dificultades.
Los resultados del cuadro 12.2 confirman esta conjetura. Ntese que
hay una gran discrepancia entre las predicciones con cada uno de los mtodos. Para cuantificar la discrepancia se calcula la media, la desviacin
estndar y un coeficiente de variacin de las predicciones. El coeficiente
de variacin, que es la media dividida por la desviacin estndar (multiplicada por el loo%, proporciona una medida relativa de la variabilidad
de cada conjunto de predicciones [ c(IV.5)J.
.
Ntese cmo el coeficienCUADRO 12.2 Resultados del ajuste de varios polinomios de interpolacibn
y polia datos del cuadro
12.1. Se muesnomios e minimos cuadrados los
tra una interpolacibn en t
55 y una extraplacibn de t
65 y
90. Nbtese que, debido aque las ecuaciones notmales estbn
mal condicionadas, el polinomio con minimos cuadrados de sexto orden difiere del polinomio de interpolacibn mbs preciso (recuerdese la
seccin 10.2.1 )
~~
I N T E R P O lEAXCTl dRNA P O l A C l d N
t
Polinomios de interpolacin
Primer orden
961
9% variaci6n
788 Segundo
10 orden
Tercer
10
orden
ordenCuarto
Quinto
7 orden
Sexto
4 orden
Media
Desviacin
2
estndar
de Coeficiente
Polinomios con mnimos cuadrados
Primer
9 orden
71
orden
Segundo
Tercer orden
orden Cuarto
Quinto orden
261
Sexto
4 orden
Media
Desviacin
estndar
2
Coeficiente de variacin245%
55
1 1 525
047
300
660
8 880
542
820
1 1 829
12 040
12 104
1 1 101 83
1 1 768
10 203
834
128%
28%
= 65
10 475
12 688
16 391
992
38 942
67 975
28 41 1
21 951 128
3 573
10 939
8 872
733
9 366
266
18 910
24 233
90
7 850
43 230
161 750
578 750
1 854 500
5 458 100
1 350 700
2
226
-1 2 045
16 529
-3 046
-78 906
5 768 460
910 623
408
2 228
390
INGENIEROS
MGTODOS NUMERICOS PARA
te de variacin es el menor para el valor interpolado en el da 55. Tambin, ntese cmo la mayor discrepanciase daen el da 90, que representa
la extrapolacin ms lejana.
Adems, los resultados de los polinomios de extrapolacin disminuyen a medida que crece el orden, hasta el punto en queel caso de sexto
orden lleva a la ridcula prediccin de que en el da 90 se tendrn disponibles 5 458 100 computadoras. La razn de este resultado sin sentido
se ilustra en la figura 12.2, que muestra el polinomio de sexto grado. Ya
que la tendencia sugerida por los datos no es uniforme, los polinomios
de grado superior oscilan para intersectar cada punto. Estas oscilaciones
llevan a interpolaciones falsas y extrapolaciones del tipo manifestado en
la figura 12.2.
Ya que la regresin no se restringe para pasar por cada uno de los
puntos, algunas veces resulta til para remediar esta situacin. La figura
12.3 que muestra los resultados de la regresin cuadrtica y cbica sugiere que es real para regresin de nivel bajo. Dentro del rango de los
datos ( t = O hasta 60 das), los resultados de las dos regresiones llevan
a resultados poco consistentes. Sin embargo, cuando se extrapolan ms
all de este rango, la prediccin diverge. En t = 90, la regresin de se-
PARTE
CASOS
LA DE
FIGURA 12.3
IV: AJUSTE
CURVAS
Grfica de las curvas de regresin de segundo y tercer orden usadas para

interpolar y extrapolar los datos de venta de computadoras.
gundo orden lleva al resultado absurdo de que el nmero de computadorasha crecido, mientrasque laversinde
tercerordenlleva
a la
proyeccin ridcula de que habrun nmero negativo de computadoras.
La razn principal de que la interpolacin y la regresin estn mal condicionadas para este ejemplo es que ni siquiera se basan en un modelo
de la realidad fsica. En ambos casos, el comportamiento de las predicciones es puramente un artificio del comportamientode los nmeros. Por
ejemplo, ni los modelos tomanen consideracin que ms all det = 60.
elnmerodecomputadorasdebeestarentre
O y 11 000. Por lo tanto,
si se estuviera interesadoen una aproximacin rdpida del nmero decomputadoras en el mercado, en un tiempo futuro, un ajuste y una extrapolacin visula arrojara resultados ms realistas. Esto
se debe a que se
est conciente de las restricciones fsicas del problema y se puede, por
lo tanto, incorporar estas restricciones en la solucin grfica simple. En
el caso de estudio 18.1, se usa una ecuacin diferencial para desarrollar
un modelo que tenga una base terica y , por consiguiente, lleve a resultados ms satisfactorios.
Por el lado positivo se debe notar que este ejemplo ilustra cmo la
regresin tiene alguna utilidad para la interpolacin entre puntos un tanto errneos o inexactos. Sin embargo, la primera conclusin de este caso es
que la extrapolacin siempre se debe llevar a cabo con cuidadoy precaucin.
CASO 12.2
REGRESINLINEAL Y MODELOS DEMOGRFICOS

(INGENIERA QUMICA)
Antecedentes: los modelos de crecimiento poblacional son importantes
en muchos campos de la ingeniera. La suposicin de que la tasa de cre-
391
392
NUMERICOS
METODOS
PARA INGENIEROS
cimiento de la poblacin ( d p / d t ) es proporcional a la poblacin actual (p)

en el tiempo (f) es de fundamental importancia en muchos de los modelos, enforma de ecuacin
-dP= / q
dt
[12.11
en donde k es un factor de proporcionalidad conocido como la tasa de

crecimiento especfico y tiene unidades de tiempo-l. Si k es una constante, entonces se puede obtener lasolucindela
ecuacin (12.1) de
lateora de ecuaciones diferenciales:
en donde po es la poblacin enel tiempo t = O. Se observa que p(t) en

la ecuacin (12.2) tiende a infinito a medida que t crece. Este comportamiento es claramente imposible en los sistemas reales. Por lo tanto, se
debe modificar el modelo y hacerlo ms realista.
Solucin: primero, se debe reconocer que la tasa de crecimiento especfico k no puede ser constante a medida que la poblacin crece. Esto es
porque, cuando p tiende a infinito, el organismo que se modela se ve
limitado por factores talescomo el almacenamiento de comida y produccin de desperdicios txicos. Una manera de expresar esto matemticamente es la de usar el modelo de tasa-de-crecimiento-y-saturacintal como:
[12.3]
en donde kmdxes la mxima tasa de crecimiento posible para valores de
comida v) abundante y K es la constante de semi-saturacin. La grfica de
la ecuacin (12.3) de lafigura
12.4 muestraquecuando
f = K, k
= kmex/2.
Por lo tanto, K es la cantidad de comida disponible que sostiene una tasa de crecimiento poblacionaligual a la mitad de la tasa mxima.
Las constantes K y kmxson valores empricos basados en medidas
experimentales de k para varios valores de f. Como ejemplo, supngase
que la poblacin p representa una levadura empleada en la produccin
comercial de cerveza y f es la concentracin de la fuente de carbono a
fermentarse. Las medidas de k contra f de lalevadura se muestranen
el cuadro 12.3. Se necesita calcular kmx y K de estos datos empricos.
Esto se lleva a cabo invirtiendo la ecuacin (12.3) de manera similar a
la ecuacin (10.16),obteniendo
[12.4]
CASOS
DE
IV: AJUSTE
FIGURA 12.4
CUADRO 12.3
393
CURVAS
Grfica del promedio de crecimiento especfico contra la comida disponible con el modelode promedio-de-crecimiento-de-saturacinusado en
la caracterizacin de la cintica microbial. El valor de K es llamado constante de saturacin media ya que representa la concentracin endonde
el promedio de crecimiento especfico es la mitad del valor mximo.
Datos usadosen la evaluacin de las constantes

en un modelo de promedio-de-crecimiento-desaturacin que caracteriza a la cintica microbial
f, mglL
7
9
15
25
40
75
1O0
150
k, dias"
0.29
0.37
0.48
0.65
0.80
0.97
0.99
1 .O7
llf, Llmg
O. 142 86
0.111 1 1
0.066
66
0.040 O0
0.025 O0
0.013 33
0.010 O0
0.006
66
Ilk, da
3.448
2.703
2.083
1.538
1.250
1 .O31
1 .o1o
0.935
De esta manera, se ha transformado la ecuacin (12.3) a la forma lineal;

esto es, l / k es una funcin lineal de l/f, con pendiente K/kmdX.Estos
valores se grafican en lafigura 12.5.
Debido a la transformacin, se puede usar el procedimiento de mnimos cuadrados lineales descrito en el captulo 10 para determinar kmdx
= 1.23 das"
y K = 22.18 mg/L.Combinando estos resultadoscon
la ecuacin (12.3) y comparndolos con los datos sin transformar de la
figura 12.6, y cuando se sustituyen en el modelo de la ecuacin (12.1)
se obtiene:
[12.5]
394
FIGURA 12.5
NUMERICOS
METODOS
PARA INGENIEROS
Versin linealizada del

modelo
de promedio-de-crecimiento-desaturacin. La lnea es un ajuste con mnimos cuadrados que seusa en
la evaluacin de los coeficientes del modelo kmbx= 1.23 das y k =
22.18 mg/L para levadura usada en la fabricacin de cerveza.
Esta ecuacin se puede resolver usando la teora de las ecuaciones diferenciales o usando los mtodos numricos analizados en los captulos 16
y 17 cuando se conoce f ( t ). Si f se aproxima a cero a medida que p crece, entonces d p / d t tiende a cero y la poblacin se estabiliza.
La linealizacin de la ecuacin (12.3) es una manera de evaluar las
constantes kmdxy K . Otra manera de hacerlo, y que ajusta la relacin a
FIGURA 12.6
Ajuste del modelo de promedio-de-crecimiento-de-saturacin de la levadura empleada en la fabricacin comercial de cerveza.
CURVAS
CASOS
DE
395
IV: AJUSTE
su forma original, se le conoce con el nombre de regresin no lineal (Draper y Smith, 1981).En cualquier caso, se puede usar anlisis de regresin para calcular los coeficientes del modelo usando los datos medidos.
Este es un ejemplo del uso de la regresin para la prueba de hiptesis,
como se estudi en la seccin IV.1.2.
CASO 12.3
AJUSTEDECURVAS EN EL DISEODE U N MSTIL

PARA BARCO (INGENIERA CIVIL)
Antecedentes: elmstil de un barco (vase el caso 15.3para mayores
detalles)tiene un rea transversal de 0.876 pulg2 y se construyede
una aleacin de aluminio experimental. Se llevan a cabo pruebas para
definir la relacin entre esfuerzo (fuerza por rea) aplicada al material y
deformacin (deflexin por unidad de longitud). Los resultados de estas
pruebas se muestranenlafigura 12.7y se resumen en el cuadro 12.4.
Es necesario calcular el cambio de longitud del mstil debido a la deformacin causada por la fuerza del viento. La compresin causada por el
aire se puede calcular usando la relacin:
Esfuerzo =
FIGURA 12.7
fuerzaenelmstil
rea de la seccin transversal del mstil
Curva de esfuerzo-deformacin en una aleacin de aluminio. En el caso

12.3 se debe obtener una deformacin aproximada a partir de estos datos
que conforman un esfuerzo de 7 350 libras/pulgada2.
396
CUADRO 12.4
Datos de esfuerzo-deformacin ordenados

de tal manera que los puntos usados en
la
interpolacin estn siempre ms cercanos
al esfuerzo de 7 350 Iblpulg'
Nmero de Esfuerzo,
puntos
lblpu1g2
2
3
4
5
6
Deformacin
pieslpie
0.002 o
0.004 5
0.006 O
0.001 3
0.008 5
0.000 5
7 200
7 500
8 O00
5 200
10 O00
1 800
En este caso, se tiene una fuerza del vientode 6 440.6 libras (ntese que
al igual que en el caso 15.3 se usan mtodos numricos para determinar
este valor directamente de los datos del viento), y el esfuerzo se calcula
mediante:
Esfuerzo =
440'6
0.876
7 350 Ib/pulg2
Este esfuerzo puede ser usado para calcular la deformacin de la figura 12.7, el cual, a su vez, se puede sustituir en la ley de Hooke y calcularelcambioenlalongituddelmstil:
AL = (deformacin) (longitud)
[12.6]
en donde la longitud se refiere a la altura del mstil. Por lo tanto, el problema se reduce a la determinacin de valores de la deformacin de los
datos en la figura 12.7. Ya que no se dispone de ningn punto para un
valor de esfuerzo dado de 7 350, el problema necesitar algn ajuste de
curvas. En este caso se usarn dos planteamientos: el de interpolacin
polinomial y elderegresinconmnimoscuadrados.
Solucin: elprimer planteamientousar la interpolacinpolinomialde
orden O al 5 paracalcular la deformacin a un esfuerzo de 7 350
lb/pulg2. Para hacerlo, los datos se ordenan de tal manera que la interpolacin siempre use informacin quese encuentre ms cercana a los puntos incgnitas (cuadro 12.4). Sepuede aplicar la interpolacin polinomial
de Newton, con los resultadosdadosen el cuadro 12.5.
Todos los polinomios excepto el de orden cero llevan a resultados
que casi coinciden.
En base al anlisis, se concluira que una deformacin de aproximadapies/pie
es
una
aproximacin
razonable.
mente 3 . 4 X
Sin embargo, hayuna aclaracin importante. Es realmente fortuito
que la aproximacin de la deformacin tienda a un mismovalor.Esto
se puede ver examinando la figura 12.8, en donde se muestra el polino-
PARTE CASOS DE LA
397
IV: AJUSTE DE CURVAS
CUADRO 12.5 Resultados del polinomio deinterpolacih de Newton para predecirunadeformacincorrespondiente

a unesfuerzode
7 350
lblpu1g2 en basea la informacin del cuadro 12.4
Orden del
polinomio (n)
Coeficiente de
n-simo orden
2 X 10-3
8.33 x
-6.67 X 10-9
-3.62 X 10
1.198 x
2.292 x
FIGURA 12.8
Deformacin
(con esfuerzo
2 X 10-3
3.27 X 1 0 - ~
3.42 X 10-3
3.36 X 10-3
3.401 x
3.38 X 10-3
Grfica de un polinomio interpolante de quinto orden que ajusta perfectamente los datos del cuadro 12.4. Ntese que aunque la curva pasa
muy bien a travs de los trespuntosen
la vecindad del esfuerzo de
7 350, la curva oscila ampliamente en otras partes del rango de datos.
7 350)
398
METODOS NUMERICOS
PARA INGENIEROS
mio de quinto orden junto con los datos. Ntese que debido a que los
tres datos se encuentran muy cercanos del valor de 7 350, la interpolacin no debe variar significativamente en este punto, como era de esperarse. Sin embargo, si se requieren aproximaciones de otras fuerzas, las
oscilaciones de los polinomios pueden llevar a resultados inexactos.
Los resultados anterioresilustran que la interpolacin con polinomios
de grado superior est mal condicionada para datos inciertos o con ruido del tipo de este problema. La regresin proporciona una alternativa
que, en general, es ms apropiado para estas situaciones.
Por ejemplo, se puede usar la regresin lineal para ajustar una lnea
recta a travs de los datos. La lnea de mejor ajuste es
Deformacin = -0.002
527
9.562 x
esfuerzo
[12.7]
la lnea y los datos se muestran en la figura 12.9. Sustituyendo el esfuer350 libras/pulg2en la ecuacin (12.7) se obtiene una prediccin
pulgs/pulg.
de 4.5 X
Un problema con regresin lineal llevaa resultados fuera de la realidad con deformaciones negativas en un esfuerzo igual a cero. Una manera diferente de regresin que evita este resultado no realista es la de
ajustar una lnea recta al logaritmo (base 10) de la tensin contra el logaritmo del esfuerzo (recurdese la seccin 10.1.5). El resultado en este caso es:
zo = 7
log (deformacin)= -8.565
+ 1.586 log(esfuerzo)
Esta ecuacin se puede transformar a la forma inicial que predice la deformacin, sacando antilogaritmos se obtiene:
deformacin = 2.723
(esfuerzo)
[12.8]
Esta curva tambin se superpone a la figura 12.9 en donde se puede ver

que esta versin muestra los resultados fsicos ms realistasya que la deformacin es cero cuando el esfuerzo es cero. La curva tambin es un
poco ms realista ya que captura algunas de las curvaturas sugeridas por
los datos. Sustituyendo el esfuerzo = 7 350 en la ecuacin (12.8)se obtieneunaprediccinde
la deformacin = 3.7 x l o p 3pulgs/pulg.
De esta manera, la interpolacin polinomial y los dos tipos de regresin llevan a resultados diferentes de deformacin. Debido al realismo fsico y al comportamiento ms satisfactorio a travs del rango completo
de los datos, se optar por la ecuacin (12.8) ya que proporciona mejores predicciones. Usandoun valor de longitud = 30 pies y con la ecuacin
(12.6) se obtiene el siguiente resultado del cambio en la longitud del mstil:
AL
(3.7 x
pies/pie)(30 pies)
0.11 pies
PARTE
CURVAS
CASOS DE LA
DE
399
IV: AJUSTE
FIGURA 12.9
Grfica de una lnea usando regresin lineal y una lnea de regresin

usando la transformacin logartmica con los datos de esfuerzodeformacin del mstil de un barco.
CASO 12.4
AJUSTEDE CURVAS EN LA ESTIMACIN DELA

CORRIENTE RMS (INGENIERA ELCTRICA)
Antecedentes: el valor promedio de una corriente elctrica oscilante durante un periodopuedeser cero. Por ejemplo, supngaseque la corriente se describe mediante una senoidal simple: i(t) = sen (2at/T) en
donde T es el periodo. El valor promedio de esta funcin se puede determinar mediante la siguiente ecuacin:
- -cos 27T
=o
+ cos o
400
METODOSNUMERICOSPARAINGENIEROS
La misma aproximacinse muestra grficamente enla figura 12. loa. Como se puede ver, resulta una corriente neta igual a cero ya que las reas
positiva y negativa bajo la curva se cancelan.
A pesar de que el resultado neto es cero, esta corriente es capaz de
realizar un trabajo y generar calor. Por lo tanto, los ingenieros elctricos,
a menudo, caracterizan esta corriente mediante
[12.9]
en donde I,,, se conoce como corriente RMS (raz cuadrada media, en
ingls root-mean-square). El problema de cancelacin de signos positivos y negativos se evita elevando la corriente al cuadrado antes de calcular el promedio.
FIGURA 12.1 O
a) Grfica de una corriente elctrica oscilante. Sobre un periodo T (esto

es, un cic!o completo), la integral de la funcin es cero ya que las reos
positivas y negativas son iguales, y por lo tanto, se cancelan. Para evitar
este resultado, la corriente se eleva al cuadrado, como en b). La raz
cuadrada del promedio del cuadrado, a lacual se le llama corriente RMS,
proporciona una medida de la magnitud de la corriente.
CURVAS
CASOS
DE
401
IV: AJUSTE
En este caso, supngase que la corriente en un circuito es de
i ( t ) = 10e-tTsen-
para O
i(t) = O
para T / 2 < t
2;t)
It IT
/2
[12.10]
Determnese la corriente RMS ajustandoun polinomio de segundo grado

que coincida con i2(t) exactamente en t = O , T/4 y 1/2. En seguida, intgrese este polinomio analticamente y calclese la corriente RMS en el
intervalo de O a T usando la ecuacin (12.9).Supngase que T = 1 s.
Este resultado se puede comparar al caso 15.4 en donde se emplear6n
otras tcnicas para calcular la corriente RMS.
Solucin: usando la ecuacin (12.lo), se generan los siguientes puntos.
t
O
114
1/2
i(t)
0.000 O00 O00

7.788
007
831
0.000 O00 O00
i*(t)
0.000 O00 O0
60.653 065 98
0.000 O00 O0
Ajustando un polinomio de Newton de segundoorden(Fig. 12.11),se

obtiene elpolinomio
i2(t) = 242.612 264t - 970.449 056t(t
FIGURA 12.1 1
- 1/4)
Grfica de la corriente verdadera [Ec. ( 1 2.10)], junto con la parbola

que se usa como aproximacin.
402
METODOS
que se puedeintegrardesde t
:i
O hasta t
T/2 (T = 1 S) y obtener:
i2(t) dt-= 121.306132t2 -.323.483 0187t3 + 121.306132$
:I
obteniendo el resultado 20.217 688 66, el cual, a suvez se sustituye en

la ecuacin (12.9) y se obtiene lRMs
= 4.496 408 418. Enel caso 15.4
se usan varias tcnicas de integracin numrica para llevar a cabo estos
mismos clculos.
CASO 12.5
REGRESINLINEALMQLTIPLEEN
EL
ANALISIS DE DATOSEXPERIMENTALES
(INGENIERA MECANICA)
Antecedentes: las variables de diseo en la ingeniera,a menudo, dependen
de muchas variables independientes. Con frecuencia esta dependencia
funcional se caracteriza mejor con ecuaciones de potencia multivariable.
Como se analiza en la seccidn 10.3, una regresin lineal mltiple de datos transformados mediante logaritmos porporciona un medio para evaluar tales relaciones.
elflujo
Por ejemplo, un estudio de ingeniera mecnica indica que
de fluido a travs de un tubo es funcin del dimetro del tubo y de su
pendiente (cuadro 12.6). Para analizar estos datos se usa una regresin
lineal mltiple. En seguida, se usa el modelo resultante para predecir el
flujo en un tubo con un dimetro de 2.5 pies y con una inclinacin de
O .O25 piedpie.
Solucin: la ecuacin de potencias se evala como
Q = u,D"~S"*
c12.111
2
3
1
2
3
1
2
3
0.001
0.001
0.01
0.01
0.01
0.05
0.05
0.05
8.3
24.2
4.7
28.9
84.0
11.1
69.0
200.0
CASOS DE
403
en donde Q es el flujo (en pies cbicos por segundo), S es la pendiente

(en pies por pie), D es el dimetro del tubo (en pies) y ao, a l y a2 son
coeficientes. Extrayendo logaritmos a esta ecuacin se obtiene
log
log a.
+ al log D + a2 log S
De esta forma, la ecuacin se adapta a la regresin lineal mltiple ya

que log Q es funcin lineal de log S y de log D. Usando los logaritmos
(base 10) de los datos en el cuadro 12.6, se generan las siguientes ecuaciones normales expresadas en forma matricial [recurdese la Ec. (10.21)]:
2.334
2.334
0.954
-4.903
-18.903
-18.903
:t] [
log a.
-4.903][
-22.207
44.079
11.691
3.9451
Este sistema se puede resolver usando eliminacin gaussiana para obtener:

log a. = 1.747
5%
al = 2.62
a2 = 0.54
Si log a. = 1.747 5, entonces

vierte en:
Q =
a. =
55.9 y la ecuacin (12.11) se con-
55.902.62SO.54
[12.12]
La ecuacin (12.12) se puede usar para predecir el flujo en el caso en

que D = 2.5 pies y S = 0.025 piedpie, dando
55.9(2.5)2.62(0.025)o.54
= 84.1 pies3/s
Se debe notar que la ecuacin (12.12) puedeusarse para otros propsitos adems de calcular flujos.Por ejemplo, la pendiente est dada
en funcin de la prdida de calor hL y la longitud del tubo L por S =
h , / L . Si esta relacin se sustituye en la ecuacin (12.12) y la frmula resultante se resuelve para hL. se obtiene la siguiente ecuacin:
Esta relacin se conoce con el nombre de ecuacin de Hazen-Williams.
404
INGENIEROS
PARA
METODOS NUMERICOS
PROBLEMAS
12.1
Efectense los clculos llevados a cabo en el caso 12.1 usando los programas
propios.
12.2
Ejectense los mismos clculos del caso 12.1, pero con el nmero de computadoras en el mercado en los das 50 y 60 modificados un poco a 12 O00 y 1 1 050.
12.3
Si se deposita una cantidad de dinero con cierta tasa de inters, se pueden usar
las tablas econmicas para determinar la suma acumulada en un tiempo posterior. Por ejemplo, la siguiente informacin se encuentra en una tabla econmica
sobre elvalorfuturo de un depsito despus de 20 aos:
190
Tara de
inter& O
h
15
20
337
25
736
30
F/P
= 20 aos)
(n
16 366
38
86
05
en donde FIP es el promedio delvalorfuturoalvalor

actual. Por lo tanto. si
se depositaron P = $10 000, despus de 20 aos al 20% de inters se debe tener:
F = (F/P)P = 38.337(10 000) = $383 370
Utilcese interpolacin lineal, cuadrtica y cbica y determnese el valor futuro
de $25 O00 depositados al 23.6% de inters. Interprtense los resultados desde
la perspectiva de lainstitucin prestamista.
12.4
Utilcese la informacin dada en el problema 12.3. pero suponiendo que se han

invertido $40 O00 y le dicen que despus de 20 aiios el prestamista regresar
$2 800 000. sese interpolacin lineal, cuadrtica y cbica para determinar la
tasa de inters que se est dando.
12.5
Supngase que al ganador de un premio se le da la oportunidad de escoger entre $2 millones ahora o $700 O00 por atio durante 5 aos. La relacin entre el
valor actual P y una serie de pagos anuales A est dada por la siguiente informacin de unatabla de economa:
Tasa de
inter& 016
15
38 0.334 20
25
30
A/P
(n = 5 aos)
32 0.298
85 0.371
0.41058
PARTE CASOS DE LA
405
en donde A/P es el promedio de pagos anuales alvalor actual. Por lo tanto,

la tasa de inters del 15%, los cinco pagos anuales A que son equivalentes a
un solo pago actual (P = $2 millones) se calculan como
A = (A/P)P = 0.298 32(2 O00 000) = $596640
Utilicese interpolacin para determinarla tasa de inters a la cual los $2 millones
es la mejor decisin.
12.6
Se est5 llevando a cabo un estudiopara determinar la relacin entre la fuerza

de friccin que acta hacia arriba y la velocidad de cada del paracaidista. Se
llevan a cabo algunos experimentos para obtener la siguiente informacin sobre
la velocidad (u medida en centmetros por segundo) y la fuerza de rozamiento
(F, medidaen lo6 dinas):
u
F,
1 O00
5
2 O00
15.3
3 O00
29.3
4 O00
46.4
5 O00
66.3
Graffquese F contra u y sese regresin para determinar la relacin entre la fuerza de rozamiento y la velocidad.
Ingeniera qumica
12.7
Reptanse los clculos del caso 12.2 usando los programas propios.
12.8
Efectense los mismos clculos del caso 12.2, pero usando regresin polinomial
paraajustarunaparbola a los datos. Analcense los resultados.
12.9
Efectense los mismos clculos del caso 12.2, pero usando regresinlineal con
transformaciones para ajustar los datos a una ecuacin de potencias. Ignrese
el primer punto cuando se ajuste la ecuacin.
12.10 Se llevan a cabo los siguientes experimentos y se determinan los siguientes valores de capacidad calorfica ( c ) a varias temperaturas ( T ) para un metal:
r
C
-50
0.125
"20
0.128
10
70
0.134
0.144
100
0.150
Utilicese regresin y determnese.un modelo para predecir
120
0.155
c
en funcin de T.
12.11 La concentracin de saturacindel oxgeno disuelto en el agua enfuncin de

la temperatura y del cloruro se muestra en el cuadro P12.11.Utilicese interpolacin para calcular el nivel de oxgeno disuelto para T = 22.4OC con cloruro =
10 oon mg/L.
12.12 osese interpolacin polinomial con los datos del cuadro P12.11para derivar una
ecuacin sobre la concentracin de oxgeno disuelto en funcin de la temperatura para el caso en que la concentracin de cloruro es igual a 2 0 O00 my/L.
406
CUADRO P12.11
MTODOS
NUMRICOS
PARA INGENIEROS
Dependencia de la concentracin de oxgeno en funcin de la temperatura y de la Concentracin de cloruro

OXiGENO DISUELTO (mglL) PARA
CONCENTRACIONES DE CLORURO
Temperatura OC
Cloruro
Cloruro
O m g l l = 10 O00 m g l l
Cloruro
20 O00 mglL
5
10
15
20
25
30
12.8
11.3
1 1.6
10.3
10.0
9.1
10.5
9.2
9.0
8.2
7.4
8.2
8.2
7.4
6.8
7.4
6.7
6.1
12.13 Utilicese regresinpolinomial para llevar a cabo el mismo problema 12 12

12.14 sese regresin lineal mltiple y trsnsformaciones logaritmicas para derivar una
ecuacin que prediga la concentracin del oxgeno disuelto en funcin de la temperatura y de la concentracin de cloruro. Evalense los resultados
Ingenieria civil
12.15 Reptanse los clculos del caso 12.3 usando los programas propios.
12.16 Efectense los mismos clculos del caso 12.3. pero usandoregresin polinomial
de segundo orden para relacionar deformacin y esfuerzo.
12.17 Efectense los mismos clculos del caso 12.3pero usando una formulacin exponencia1 para relacionar deformacin y esfuerzo
12.18 Efectense los mismos clculos del caso 12.3 pero usando interpolacljnpolinomial para evaluar AL si el esfuerzo es de .7 700 libras/pulgada'.
Ingenieriaelctrica
12.19 Reptanse los clculos del caso 1 2 . 4 usando los programas proplo5
12.20 Efectense los mismos clculos del caso 12.4 ajustando e integrando un polinomi0 de tercer orden que coincida con i 2 ( t ) exactamente en t = O. TG. T1'3.
y T/2.
12.21 Se mide la cada de voltaje II a travs de una resistencia para cierto nmero de
valores de la corriente i . Los resultados obtenidos son
i
u
1
I
0.75
0.25
-0.23
-0.33
1.25
1.5
2.0
0.70
1.88
6.00
407
CURVAS
CASOS DE LA
DE PARTE IV: AJUSTE
sese interpolacinpolinomialparacalcular
Interprtense los resultados.
la cada de voltajepara i = 0.9.
12.22 Duplquense los clculos del problema 12.21 usando regresin polinomial para
obtener una ecuacin cbica que ajuste los datos. Grafquense y evalense 10s
resultados.
Ingeniera mecnica
12.23 Efectense los clculos del caso 12.5 usando los programaspropios
12.24 Basndose enel cuadro 12.6 utilcese interpolaciones lineal y cuadrtica para
calcular Q con D = 1.23 pies y S = 0.01 piedpie. Comprense los resultados
con elmismovalor calculado con la frmuladerivadaen el caso 12.5.
12.25 Utilcese el caso 12.5 para desarrollar una ecuacin que prediga el dimetro en
funcin de la pendiente y del flujo. Comprense los resultados con los de la frmuladel caso 12.5 y analcense los resultados.
12.26 La viscosidad cinemtica del agua. u , est relacionada con ia temperatura de !a
siguiente manera:
T(OF)
u
40
pies2/s) I
50
1.66
1.41
60
1.22
70
1.06
80
0.93
Grafquense estos datos y utilcese interpolacin para predecir u en
T = 62'F.
12.27 Reptase el problema 12.26 usandoregresin

12.28 Lanse todos los casos del captulo 12. C o n base a la lectura y a la experiencia,
elabrense los propios casos de cualquiwa de fos campos de la ingeniera. Esto
puede involucrar la modificacin o la reexpresin de los casos. Sin embargo, tambin pueden ser totalmente originales. Como los ejemplos del captulo, se deben
y debe demostrarse el
elaborar con u n enfoque a losproblemasdeingeniera
uso de los mtodos numricos para ajustar curvas. Escrbanse
los resultados usando
los casos delcaptulo como modelos.
EPLOGO:
PARTE IV
IV.4 ELEMENTOS DE JUICIO

En el cuadro IV.4 se proporciona un resumen de
los elementos de juicio relacionados con el ajuste
de curvas. Los mtodos se dividen en dos amplias
categoras dependiendode la incertidumbre delos
datos. Para las mediciones imprecisas, se usa la
regresin para desarrollar la "mejor" curva que
ajuste todas las tendencias de los datos sin pasar
necesariamente a travs de algn punto. Para mediciones precisas, se usa la interpolacin para desarrollar una curva que pase directamente
a travs
de cada uno de los puntos.
Todos los mtodos de regresin se disean de manera que ajusten funciones que minimicen la suma de los cuadrados de los residuos entrelos datos
y la funcin. A estos mtodos se les conoce como
regresin con mnimos cuadrados. La regresin
con mnimos cuadrados lineal se usa en aquellos
casos en donde una variable dependiente y otra
independiente se relacionan de manera lineal. Para situaciones en que las variables dependiente e
independiente muestren una relacin curvilnea,
se dispone de varias alternativas. En algunos casos, se pueden usar transformacionespara linealizar la relacin. En estos casos se puede aplicar
la regresin lineal a variables transformadas para determinar la mejor lnearecta. Alternativamente, se puede emplear la regresin polinomial y
ajustar una curva directamente a los datos.
La regresin linealmltiple se usa cuando una variable dependiente es una funcin de dos o ms
variables independientes. Se pueden aplicar tambin transformaciones logaritmicasa este tipo de
regresin en algunos casos donde la dependencia mltiple es curvilnea.
La interpolacin polinomial esta diseada para
ajustar un polinomio nico de n-simo orden que
1 puntos exactos.
pase exactamente por los n
Este polinomio se presenta en dos formatos diferentes. El polinomio de interpolacin de diferencias divididas de Newton se adapta idealmente a
410
MTODOS
a 0
NUMRICOS
PARA INGENIEROS
41 1
EPLOGO PARTE IV
aquellos casos en que el orden propio del polinomio se desconoce.

El polinomio de Newton es apropiado para tales situaciones ya que
se programa fcilmente enun formato que compara los resultados
con rdenes diferentes. Adems, se puede incorporar con facilidad
una aproximacin del error en el mtodo. De esta forma, se puede
comparar y escoger a partir de los resultados usando varios polinomios de rdenes diferentes.
La otra formulacin alternativa esel polinomio de interpolacin de
Lagrange el cual es apropiado cuando el orden se conoce a priori.
En estos casos, la versin de Lagrange es algo ms simple de programar y no requiere de los clculos y almacenamiento de diferencias
divididas finitas.
El mtodo final deajuste de curvas es mediante interpolacin segmentaria. Este mtodo ajusta un polinomio de orden bajo a cada uno de
los intervalos entre los puntos. El ajuste se hace uniforme obligando
a que las derivadas de dos polinomios adyacentes en el mismo valor
de su punto de conexin sean iguales. La interpolacin cbica segmentaria es la versin ms comn. Los segmentos son muy tiles cuando se ajustan datos que en general son uniformes pero exhiben reas
locales de saltos de los datos. Tales datos tienden a inducir oscilaciones en los polinomios de interpolacin de orden superior. La interpolacin cbica segmentaria est menos propensa a estas oscilaciones
ya que se limita a variaciones de tercer orden.
IV. 5 RELACIONES Y FRMULAS IMPORTANTES

En el cuadro IV.5 se resume la informacin de mayor importancia que
se presenta en la parte IV. El cuadro se puede consultar para tener
una referencia rpida de las relaciones y frmulas de importancia.
IV.6 MTODOS AVANZADOS Y ALGUNAS REFERENCIAS

ADICIONALES
Aunque se han repasado una gran cantidad de mtodos de ajuste de
curvas, an existen otros mtodos que tienen mucha utilidad en la prctica de la ingeniera. Por ejemplo, los polinomios ortogonales se pueden emplear enel
desarrollo de un mtodo alternativo para la
regresin polinomial. Esta tcnica tiene mucha utilidad ya que no es
susceptible al mal condicionamiento cuando se deben ajustar polinomios de orden superior. La informacin sobre polinomios ortogonales
se encuentra en Shampine y Allen ( 1 973) y en Guest ( 1 961).
Existe una gran variedad de mtodos que desarrollan directamente
el Gjuste con mnimos cuadrados de una ecuacin no lineal. Estas tc-
METODOS
41 2
rl
i
,
L
v)
x"
I
v
*
-x
It
11
x"
II
x"
oc" boc"
L.
x"
I
/I
413
EPlLOGO PARTE IV
nicas de regresin no lineal incluyen al mtodo de Gauss-Newton, mtodo de Marquardts y mcitodos de pasos descendentes. La informacin sobre estos mtodos y de regresin en general se encuentran en
Draper y Smith (1981).
Todos los mtodos de la parte IV se han expresado en trminos del
ajuste de una curva a un conjunto de puntos. Pero se puede ajustar
una curva a otra curva. La motivacin principal de tal aproximacin
funcional es la de representar una funcincomplicada a una ms simple
que sea ms fcil de manejar. Una manera de hacerlo es la de usar
funcin complicada para enerar una tabla de valores. Despus
se pueden usar cualquiera de as tcnicas analizadas en este libro para
ajustar polinomios a esos valores discretos.
Ms all de este planteamiento, existe una variedad de mtodos alternativos, y en general, preferibles en la aproximacin funcional. Por
ejemplo, si la funcin es continua y diferenciable, se puede ajustar
a una serie de Taylor truncada. Sin embargo, esta estrategia se desecha ya que el error aumenta a medida que se alea del punto base
Por lo tanto, se puede tener una buena prediccin
del intervalo y una mala aproximacin para un
Un enfoque alterno se basa en el principio de minimax (recurdese
1 0 . 2 ~ )Este
. principio especifica que los coeficientes del polinomio de aproximacin se escogen de tal forma que la discrepancia
mxima sea tan pequea como sea posible. Por lo tanto, aun ue la
aproximacin no puede ser tan buena como la obtenida con a expansin de la serie de Taylor en el punto base, generalmente, es mejor a travsde todo el dominio delajuste. l a economizacin de
Chebyshev es un ejemplo del acercamiento de una aproximacin funcional basada en esta estrategia (Ralstony Rabinowitz, 1978; Gerald
y Wheatley, 1984 y Carnahan, Luther y Wilkes, 1969).
la Fig.
Un mtodo final de aproximacin funcional es la de usar funciones

trigonomtricas. La transformada ru ida de Fourier es un ejemplo de
este enfoque y es ampliamente usa o en la ingeniera prctica (Bri ham, 1974; Davis y Rabinowitz, 1975 y Gerald y Wheatley, 19847.
En resumen, lo antes mencionado tiene la finalidad de proporcionar

al lector senderos de exploracin ms profundos sobre la materia.
Adems, todas las referencias anteriores proporcionan descripciones
de las tcnicas bsicas cubiertas en la parte IV. Se sugiere al lector
que consulte estas fuentes alternativaspara profundizar en el conocimiento de los mtodos numricos sobre elajuste de curvas.*
* Aqu se hace referencia a los libros nicamente por autor; se encuentra una bibliografa cornpleta al final del libro.
416
MTODOS
FIGURA V.l
NUM&lCOS PARA INGENIEROS
Representacin grfica de la integral de {(x) entre los lmites x 3 a y

Lo integral es equivalente al rea baio la curva.
b.
2.
Una funcin complicada y continua que es difcil o imposible de

integrar directamente.
3.
Una funcin tabulada en donde los valores de x y f (x) se dan en

un conjunto de puntos discretos, como esel caso, a menudo, de
los datos experimentales.
En el primer caso, la integral simplemente es una funcin que se

puede evaluar fcilmente usando mtodos analiticos aprendidos en
el clculo. En los dos ltimos casos, sin embargo, se deben emplear
mtodos aproximados.
Un planteamiento lgico es el de graficar la funcin sobre una malla
(Fig. V.2) y contar el nmero de cuadros que aproximan el rea. Este
nmero multiplicado por el rea de cada uno de ellos da una estimacin aproximada del rea total baio la curva. Esta estimacin puede
meiorar a costa de un mayor esfuerzo, usando una malla ms fina.
Otro planteamiento con sentido comn es el de dividir el rea en segmentos verticales, o bandas, con una altura igual al valor de la funcin enel punto medio de cada banda (Fig. V.3). El rea de los
rectngulos se puede entonces calcular y sumar para estimar el rea
total. En este planteamiento, se supone que el valor de los puntos medios proporciona una aproximacin vlida de la altura promedio de
41 7
lNTEGRACl6N
FIGURA V.2
FIGURA V.3
"X
..
--
Uso de una malla para aproximar una integral.
Uso de rectngulos,
bandas para aproximar la integral.
41 8
MTODOSNUMRICOS
P A R A INGENIEROS
la funcin de cada banda. Comocon el mtodo de mallas, es posible

obtener una estimacin, mejor usando ms (y ms delgadas) bandas
para aproximar la integral.
Aunque estos esquemas simples tienen utilidad para estimaciones rpidas, se dispone de mtodos alternativos llamados integracin numrica o cuadratura gaussiana para los mismos propsitos. Estos
mtodos, que son ms fciles de implementar que la tcnica de ma-
FIGURA v.4
Aplicacinde un mtodo numrico de integracin a) funcin continua

complicada; bJ tabla de valores discretos de f(x) generados de la funcin, y c) USO de un mtodo numrico (el mtodo de bandas) para aproximar la integral en base a los puntos discretos. Para una funcin tabular,
10s datos se encuentran en forma tabular en b); por lo tanto el paso 0 )
es innecesario.
419
lNTEGRACl6N
las, son similares en esencia al mtodo de bandas. Esto es, las alturas de la funcin se multiplican por el ancho de las bandas y se suman
para calcular la integral. Sin embargo, con el uso de la alternativa
ms inteligente de factores de peso, la estimacin resultante puede
ser ms exacta que la obtenida con el "mtodo de bandas" simple.
Como en el mtodo simple de bandas, los mtodos de integracin numrica utilizan datos en puntos discretos. Ya que la informacin tabulada ya se encuentra en esta forma, es naturalmente compatible
con muchos mtodos de integracin numrica. Aunque las funciones
continuas no estn originalmente en forma discreta, en general una
proposicin simplees la de usar la ecuacin dada para generar
una tabla de valores. Como se muestra en la figura V.4, esta tabla
se emplea en el clculo de la integracin numrica.
V.1.2 Integracin numrica e ingeniera prctica

La integracin de unafuncin tiene tantasaplicaciones en la ingeniera que probablemente al lector se le ensee el clculo integral en el
primer ao de la facultad. Pueden darse muchos ejemplos especficos
de sus aplicaciones en todos los campos de la ingeniera.
Uno de ellos es el uso de la integracin para determinar la media de
una funcin continua. En la parte IV se introdujo el concepto de media de npuntosdiscretos [recurdese la Ec. (lV.1)J:
.iy;
Media = L
n
N21
en donde y son medidas individuales. La determinacin de la media

de puntos discretos se muestra en la figura V S a .
En contraste, supngase que y es una funcin continua de una variable independiente x, como se muestra en la figura VSb. En este caso,
existe un nmero infinito de valores entre a y b. As como se puede
aplicar la ecuacin (V.2) para determinar la media de una lecturadiscreta, tambin se puede estar interesado en calcular la media o promedio de una funcin continua y = f (x) en el intervalo de a a b. Se
usa la integracin para este propsito, tal como se especifica en la
frmula:
420
MTODOS
FIGURA V.5
Ilustracin de la mediaa) caso discreto,
b) caso
NUM6RICOS PARA INGENIEROS
continuo.
Esta frmula tiene cientos de aplicaciones en la ingeniera. Por ejemplo, se usa para calcular el centro de gravedad de objetos irregulares en ingeniera mecnica y civil y para determinar la corriente RMS
en ingeniera elctrica.
Las integrales las emplean los ingenieros tambin para evaluar la cantidad total o para cuantificar una variable fsica dada. La integral se
o un volumen. Por ejemplo,
puede evaluar sobre una lnea, una rea
la cantidad total de masa de sustancias qumicas que contiene un reactor est dada como el producto de la concentracin de sustancias
qumicas y el volumen del reactor, o sea
M a s a = concentracin X volumen
en donde la concentracin tiene unidades de masa por volumen. Sin
embargo, supngase que la concentracin varia de posicin a posicin dentro del reactor. En este caso, es necesario sumar los productos de concentracin local c y sus volmenes elementales correspondientes (AVi):
INTEGRAC16N
42 1
n
c;AV,
Masa =
i= 1
en donde n es el nmero de volmenes discretos. En este caso continuo, en donde c (x,y,z,) es una funcin conocida y x, y y z son variala posicin, en coordenadas
bles independientes quedenotan
cartesianas, la integracin se puede usar para el mismo propsito:
Masa =
Masa =
111
111
c(x, y, z)
dx dy dz
c ( V ) dV
a la cual se le conoce como integral de volumen. Ntese la fuerte analoga entre la sumatoria y la integracin.
Se pueden dar ejemplos similares para los otros campos de la ingeniera. Por ejemplo, el promedio total de transferencia de energa a
travs de un plano en donde el fluio (en caloras por centmetro cuadrado por segundo) es una funcin de la posicin dada por
Transferencia de calor =
JJ
fluio dA
A la cual se le conoce como integral de superficie endonde A = rea.

De manera similar, para el caso unidimensional, el peso total de una
varilla con densidad variable est dada por
w =
lo
p(x) dx
en donde w es el peso total (en libras), I es la longitud de la varilla

(en pies), p ( x ) es la densidad conocida (en libras por pie cbico) en
funcin de la longitud x (en pies) y A es el rea transversal de la varilla (en pies cuadrados).
Finalmente, las integrales se usan para la evaluacin de ecuaciones
promedio. Supngase que la velocidad de una partcula es una funcin cococida continua del tiempo v (t). La distancia total d recorrida
por esta partcula en un tiempo dado t est dada por
d=
v(t) dt
rv.41
Estos son slo algunos ejemplos de las aplicaciones de las integrales

que se pueden encontrar regularmente en el desarrollo de la profe-
422
MTODOS
sin. Cuando las funciones a integrar sonsimples, normalmente se

integran analticamente. Por ejemplo, en el problema del paracaidista, se determin la velocidad en funcin del tiempo (Ec. (1.8)]. Esta
relacin se puede sustituir en la ecuacin (V.4), la cul se integra fcilmente y de esta manera se determina que tan rpido cae el paracaidista enun periodo detiempo t. En este caso, simplemente se evala
la integral. Sin embargo, es dificil o imposible cuando la funcin se
complica, como es el caso para ejemplos ms comunes. Adems, la
funcin en cuestin a menudo se desconoce y se define nicamente
con medidas en puntos discretos. En ambos casos,se debe tener la
suficiente habilidad como para obtener valores aproximados a las integrales usando mtodos numricos. Algunosde estos mtodos se analizan en esta parte del libro.
v.2 FUNDAMENTOS MATEMTICOS

En la preparatoriao en los primeros aos de la facultad, se ven introducciones al c6lculo integral. Se aprenden tcnicas que obtienen
soluciones analticas o soluciones exactasde integrales definidas e indefinidas. En la parte VI se analiza la integracin indefinida, que
involucra en primer lugar la determinacin de una funcin cuya derivada est dada.
En esta parte del libro se desarrolla la integraci6n definida, que se
ocupa de determinar una integral entre un par de lmites especficos,
como en
I=
1."
f ( xd) x
~ 5 1
De acuerdo al teorema fundamental del clculo integral, la ecuacin

(V.5) se evala como
lab
f ( x ) x = F(x)
1:
en donde F (x) es la integral de f (x), esto es, cualquier funcin tal

que F' ( x ) = f (x). La nomenclatura sobre el lado derecho queda
F(x)
= F(6) - F(a)
[W
r8
Un ejemplo de una integral definida es
I=
(0.2+ 25x - 200x2 + 675x3 - 900x4 + 400x5) dx
[V.7]
En este caso, la funcin es un simple polinomio quese puede integrar

analticamente evaluando cada uno delos trminos de acuerdo a la
regla
423
INTEGRACldN
xnt~
Jab
x" dx = n + l a
en donde n no puede ser igual a - 1 . Aplicando esta regla a cada

uno de los trminos en la ecuacin (V.7) se obtiene
200
+ 1 6 8 . 7 5 ~-~1 8 0 +~ 400
-X'
~
I = 0 . 2 ~+ 1 2 . 5 ~- ~-x3
3
O'*
Io
que se puede evaluar de acuerdo

a la ecuacin (V.6) como I =
1.640 533 34. Este valor es igual al rea bajo el polinomio original
[Ec. (V.7)] entre x = O y x =0.8.
La integracin anterior depende del conocimiento de la regla expresada por la ecuacin (V.8). Otras funciones permiten reglas diferentes.
Todas estas "reglas" son meros ejemplos de antidiferenciacin, esto
CUADRO V. 1
Algunas integrales simples usadas enla

parte V. La a y la b en este cuadro son
constantes y no se deben confundir con
los lmites de integracibn discutidoselen
texto.
judv=uv-jvdu
""+l
lu"du=-n + 1
ubxdx =
j$=
+c
nf-1
bx
U
+c
b In a
In 1x1+
j e o x d x = -eU+
Ox
j x e a x d x = 7e( u x Ox
U > O , U f l
C
1)
+C
424
es, encontrando f (x) de tal manera que F ( x ) = f (x). Por consiguiente,

la integracin analtica depende del conocimiento previo de la respuesta. Este conocimiento se adquiere por experiencia. Muchas de
estas reglas se resumen en manuales y en tablas de integrales. En el
cuadro V.l se listan algunas de las integrales ms comnmente usadas. Sin embargo, muchas funciones de importancia prcticason demasiado complicadas para incluirlas en tales tablas. Una razn por
la que las tcnicas de esta parte del libro son tan valiosas, es porque
proporcionan un medio de evaluarrelaciones tales como la ecuacin
(V.7) sin conocimiento de las reglas.
v.3
Antes de continuar con los mtodos numricos de integracin, puede
ser de utilidad informacin adicional. Las siguientes secciones estn
enfocadas a dar un bosquejo del material analizado en la parte V.
Adems, se han formulado algunos objetivos que ayudarn al aprendizaje cuando se estudie este material.
V.3.1
Alcances y avances
La figura V.6 proporciona un panorama de la parteV. En el capitulo

73 se desarrolla el planteamiento ms comn de la integracin numrica: las frmulas de Newton-Cotes. Estas relaciones se basan en
el reemplazo de una funcin complicada o de un conjunto de datos
en forma tabular a polinomios simples que son fciles de integrar. Se
analizan en detalle tres de las frmulas ms ampliamente usadas de
Newton-Cotes: la regla trapezoidal,la regla 713 de Simpson y la regla 318 de Sirnpson. Todas estas frmulas estn proyectadas para
casos en donde los datos a integrarse estn igualmente espaciados. Adems, se incluye un anlisis de la integracin numrica de datos que
no estn igualment espaciados. Este es un tema muy importante ya
que muchas aplicaciones del mundorealmaneian
datos de esta
manera.
Todo el material siguiente trata sobre la integracin cerrada, en donde
se conocen los puntos finales de los lmites de integracin. AI final del
captulo 13, se presentan las frmulas de integracin abiertas, en donde
los lmites de integracin se extienden ms all del rango de los datos
conocidos. Aunque no se usan comnmente en la integracin definida, se presentan aqu las frmulas de integracin abierta porque se
usan extensamente en la solucin de ecuaciones diferenciales ordinarias de la parte VI.
INTEGRACldN
FIGURA V.6
425
Esquema de la organizacin del material de la parte
V: Integracin numrica.
Las formulaciones estudiadas en el captulo 13 se pueden emplear en

el anlisis de funciones tabulares y continuas. En el capitulo 14 se analizan dos mtodos diseados expresamente para integrar funciones
continuas: integracinde Romberg y cuadratura gaussiana. Tambin
se proporcionan algoritmos para estos dos mtodos.
El capitulo 75 demuestra como los mtodos se pueden aplicar a lasolucin deproblemas. Como con el resto de las partes del libro, se mencionan casos de todos los campos de la ingeniera.
426
METODOS NUMRICOS
PARA INGENIEROS
Se incluye una seccin de repaso o epilog0 al final de la parte V. Este

repaso incluye un anlisis de los elementos de juicio incluidos en la
implementacin de los mtodos en la ingeniera prctica. Adems, se
resumen las frmulas y conceptos ms importantes relacionados con
los mtodos numricos de integracin. Finalmente, se hace un repaso
breve de los metodos avanzados y algunas referencias adicionales
que facilitarn estudios posteriores sobre integracin numrica.
Se proporcionan varias opciones para efectuar el clculo por computadora de clculo. En primer lugar, el paquete de programas NUMERICOMP contiene la regla trapezoidal a usarse sobre una base
opcional en las microcomputadoras APPLE II e IBM-PC. Alternativamente, semuestran directamenteen eltexto programas en los
lenguajes FORTRAN y BASIC de la reglatrapezoidal. Esto le da oportunidad al lector de copiar estos programas e implementarlo sobre
una microcomputadora o en una supercomputadora. Se suministran
diagramas de fluio para la mayor parte de los otros mtodos descritos
enel texto. Estos diagramas de flujo, combinados con los programasescritos por ellectoren
cualquierlenguaje, proporcionan programas que pueden aplicarsea un conjunto de problemas de ingeniera.
V.3.2
Metas y objetivos
Objetivos de estudio. Despus de terminar la parte V, el lector debe

ser capaz de resolver muchos problemas de integracin numrica y
apreciar su aplicacin en la solucin de problemas de ingeniera. Se
debe hacer lo posible por dominar varias tcnicas y valorar su confiabilidad. Debe entender los elementos de juicio involucrados en la
seleccin del "mejor" mtodo (o mtodos) para cualquier problema
en particular. Adems de estos objetivos generales, se deben asimilar y dominar los conceptos especficos listados en el cuadro V.2
Objetivos de cmputo. El lector debe tener un paquete de programas,
programas simples para la computadora, algoritmos y diagramas de
flujo que implementen las tcnicas analizadas en la parte V. Todas
ellas tienen utilidad como herramientas de aprendizaje.
El paquete personal de programas NUMERICOMPes legible al usuario. Emplea la regla trapezoidal para evaluar la integral de funciones
tabulares o continuas. Las grficas asociadas con estos programas habilitarn al lector a visualizar fcilmente los problemas y las operaciones matemticas asociadas como el rea entre la curva y eleje
x. Este paquete de programas es muy fcil de aplicar en la solucin
de problemas prcticos y se puede usar en la prueba de resultados de
cualquier programa de computadora que el lector pueda desarrollar
por s mismo.
427
INTEGRACldN
CUADRO V.2
Objetivos de estudios especificos de la parte V
l.
Entender la derivacin de las frmulas de Newton-Cotes; saber cmo derivar la

regla trapezoidal y cmo derivar los dos casos de la regla deSimpson; reconocer
que la regla trapezoidal, la regla 1/3 y la regla 3/8 de Simpson representan las
areas baio polinomios de primero, segundo y tercer orden, respectivamente.
2. Conocer las frmulas y las ecuaciones de error para

a) La regla trapezoidal
b) La regla trapezoidal de segmentos mltiples.

c) La regla 1/3 de Simpson
d) La regla 3/8 de Simpson
e) La regla de Simpson de segmentosmltiples.

Ser capaz de escoger la "meior" de estas frmulas para cualquier problema
en particular.
3. Reconocer que la regla 1/3 de Simpson es exacta hasta cuarto orden aun cuando
est basada en slo tres puntos; darse cuenta que todas las frmulas de NewtonCotes de segmentos par y punto impar tienen exactitud similar.
4. Saber cmo evaluar la integral de datos desigualmente espaciados.
5. Reconocer la diferencia entre frmulas de integracin abiertas y cerradas.

6. Entender las bases tericas de la extrapolocin de Richardson y cmo se aplica
al algoritmo de integracin de Romberg.
7. Entender la diferencia fundamental entre las frmulas de Newton-Cotes y la cuadratura gaussiana.
8. Reconocer por qu la integracin de Romberg y la cuadratura gaussiana tienen
utilidad en la integracin de funciones continuas (opuesta a la forma tabular).
Alternativamente, se proporcionan directamente en el texto los programas de la regla trapezoidal en los lenguajes FORTRAN y BASIC.
Adems, se proporcionan los algoritmos generales y diagramas de
fluio de la mayor parte de los mtodos de la parte V. Esta informacin le permite al lector aumentar la biblioteca de programas de tal
manera que incluya mtodos ms a116 de la re la trapezoidal. Por
ejemplo, sera til, desde un punto de vista pro esional, desarrollar
programas que manejen datos que no estn igualmente espaciados. Se
pueden desarrollar tambin programas sobre la regla de Simpson,
la integracin de Romberg y la cuadratura gaussiana, que, en general, son ms eficientes y exactos que la regla trapezoidal.
CAPTULO T R E C E
FRMULAS DE
INTEGRACIN DE
NEWTON-COTES
Las frmulas de integracin de Newton-Cotesson los esquemas ms comunesdentrodelaintegracinnumrica.

Se basanenlaestrategiade
reemplazar una funcin complicada o un conjunto de datos tabulares con
algunafuncinaproximadaqueseamsfcildeintegrar:
[13.1]
endonde j,(x) es un polinomio de la forma:

fn(x)= aa + al
FIGURA 13.1
+ . . . + a,-l xn-l + a,
x"
Estimacin de una integral mediante el rea baio a) una lnea recta, y

parbola.
b) una
430
MTODOS
FIGURA 13.2
Aproximacin de la integral mediante el rea baio tressegmentos de lnea recta.
en donde n es el orden del polinomio. Por ejemplo, en la figura 13.la,se

usaunpolinomio de primer orden (una lnea recta) como aproximacin. En la figura 13.lb se emplea una parbola para el mismo propsito.
Laintegral se puede aproximar usando una serie de polinomios
aplicados por partes a la funcin o a los datos sobre intervalos de longitud constante. Por ejemplo, en la figura 13.2,se usan tres segmentos de
lnea recta para aproximar la integral. Se pueden usar polinomiosde mayor grado para este mismo propsito. Con estos fundamentos ahora
FIGURA 13.3
Diferencia entre frmulas de integracin a) cerradas y b) abiertas.
~.~
..__I___
.
FORMULACldN DE INTEGRACldN DE NEWTON-COTES
43 1
se reconoce que el mtodo de bandas de la figuraV.3 emple una serie de polinomios de orden cero (esto es, constantes) para aproximar la
integral.
Se dispone de las formas abiertay cerrada de las frmulas de NewtonCotes. Lasformas cerradas son aqullas en donde los puntos al principio
y al final de los lmites de integracin se conocen (Fig. 13.3~1).
Las frmulas abiertas tienen los lmites de integracin extendidos ms all del rango
de los datos (Fig. 13.3b). En este sentido, se parecen a la extrapolacin
analizadaalfinaldelcaptulo
11. Las frmulasabiertasdeNewtonCotes, engeneral,noseusanen
la integracin definida. Sin embargo, se
usan extensamente en la solucin de ecuaciones diferenciales ordinarias. En
este captulo se hace hincapi en las frmulas cerradas. Sin embargo, el
material de las frmulas abiertas de Newton-Cotes se introduce brevemente
alfinaldelcaptulo.
13.1 REGLADEL TRAPECIO

La regla del trapecio o regla trapezoidal es la primera de las frmulas cerradas de Newton-Cotes. Corresponde al caso en donde el polinomio de
laecuacin (13.1) es deprimerorden.
Recurdese del captulo 11 que una lnea recta se puede representar como (Ec. (11.2)]
[13.2]
El rea bajo la lnea rectaes una aproximacin de la integral def (x) entre
loslmites a y b:
El resultado de la integracin (vase el recuadro 13.1 para mayores detalles) es
[13.3]
alque se lellamareglatrapezoidal.
Geomtricamente, la regla trapezoidal es equivalente a aproximar el
rea del trapecio bajo la lnea recta que une
a f (a) y f (b) enlafigura
13.4. Recurdesede la geometra de lafrmulaparacalcularelrea
432
INGENIEROS
RECUADRO 13.1
PARA
MTODOS
NUMERICOS
Derivacin de la regla trapezoidal
Antes de integrar, la ecuacin (13.2) se puede expresar

como
Este resultado se puede evaluar, obteniendo
Agrupando los dos ltimos trminos se obtiene

f(x) =
f (b). - f(a) X
Ahora,considerando
b-a
que b2
a2 =
(b - a) (b
a)
Multiplicando y agrupando trminos se obtiene
que es la fGrmula de la regla trapezoidal

que se puede integrar entre x = a y x = b y obtener
r = f (b)b --af (a)x*

-2+
b f b ) - af (b)x
b-a
de un trapecio es la altura por el promedio de las bases (Fig. 13.5~).

En
este caso, el concepto es el mismo pero el trapecio se encuentra sobre
uno de sus lados (Fig. 13.56). Por lo tanto, la aproximacin a la integral
se puede representar como
I =ancho
promedio
X altura
FIGURA 13.4
[13.4]
Esquema grfico de la regla trapezoidal.
~~~
_
l
_
l
433
FoRMlJLACl6N DE lNTEGKACl6N DE NEWTON-COTES
FIGURA 13.5
a) Frmula para calcular el area de un trapecio: altura por el promedio

de las bases. b) En la regla trapezoidal, el concepto es el mismo slo que
el trapecio est sobre uno de sus lados.
I = (b - a) x altura promedio
[13.5]
en donde, para la regla trapezoidal, la altura media es el promedio de

los valores de la funcin en 10s puntos de los extremos, es decir (a)
+f (W2.
Todas las frmulas cerradas de Newton-Cotes se pueden expresar en
el formato general de la ecuacin (13.5).De hecho, solo difieren con respecto a la formulacin de la altura media.
13. l. 1
Error en laregla trapezoidal
Cuando se emplea la integral bajo un segmento delnea recta para aproximar la integral bajo una curva, obviamente que sejncurre en un error
que puede ser sustancial (Fig. 13.6)Una estimacin del error de truncamiento de una sola aplicacin de la regla trapezoidal es (recuadro 13.2)
[13.6]
en donde E es un punto cualquiera dentro del intervalo de a a b. La ecuacin (13.6) indica que si la funcin que se est integrando es lineal, la
434
FIGURA 13.6
Esquema grfico al usar slo una aplicacin de la regla trapezoidal a

r a aproximar la iqtegral de f(x) = 0.2
25 x - 200 x2 675 x 900 x4 400 x desde x = O hasta 08.
Y-
regla trapezoidal ser%exacta. De otra manera, ocurrir6 un error para funciones con derivadas de segundoy tercer orden (estoes, con curvatura).
RECUADRO 13.2 Obtencin y estimacion de error de lareglatrapezoidalbasada

polinomio de interpolacin hacia adelante de Newton-Gregory.
Una forma para obtener la regla trapezoidal es integrando
elpolinomiodeinterpolacinhaciaadelantedeNewtonGregory. Recurdese que para laversindeprimer
ordencontrminode error, laintegralsera(recuadro 11.2)
para simplificar
el analisis, tomandoen
a = (x - a ) /
h,
en la integracin del
a O y 1, respectivamente. Por lo tanto, la ecuacin (813.2.1)

se puede expresar como
1= b
lo1[f
(a) + Af (a) a
[,B13.2.11 Se suponequepara
h pequea, eltrmino f ([) es
que aproximadamente constante, la ecuacin
se
puede
integrar:
dx = h da
Debido a que h = b - a (para la regla trapezoidal de un
segmento), los lmitesdeintegracin. a y b. corresponden
y evaluarse como
435
FORMULAC16N DE lNTEGRACl6N DE NEWTON-COTES
*Y)]
1 = h f(a) + - - , , f ( 8 h 3
Debido a que A f (u) = f (b)-f (u),el resultado se puede

escribir como
ReglatrapezoidalErrordetruncamiento
Por lo tanto, el primer trmino es el de la regla trapezoidal y el segundo es unaestimacindel error.
EJEMPLO 13.1
Aplicacin de la regla trapezoidal
simple
Enunciado del problema: utilcese la ecuacin (13.3) para integrar numricamente

f(x) = 0.2
+2
5~ 2 0 0 ~ + 6 7 5 ~~
9 0 0+
~4
~00~~
desde a = O hasta b = 0.8. Recurdese de la seccin V.2 que el

valor exacto de laintegral se puededeterminaranalticamente
como
1.640 533 34.
Soluci6n: los valores de lafuncin
f ( 0 ) = 0.2
f(0.8) = 0.232
se pueden sustituirenla
I = 0.8
0.2
ecuacin (13.3) y obtener
+ 0.232 = 0.1 728

2
que representa un error de
E, = 1.640 533 34
0.1 728
1.467 733 34
que corresponde a un error relativo porcentual de E , = 89.5 % . La razn para este error tan grande es evidente en la grfica de la figura 13.6.
Ntese que el rea bajo la lnea recta descuida una porcin significativa
de la integral sobre la lnea.
En la situacin actual, no se tendra conocimiento previo del valor verdadero. Por lo tanto, se requiere una aproximacin al error. Para obtener esta
aproximacin, se calcula la segunda derivada dela funcin sobre el intervalo, derivando lafuncinoriginaldos
veces para dar
f (X)
-400
4 0 5 0 ~- 10 8 0 0 ~ + 8 OOOx3
elvalor promedio de la segunda derivada puede ser calculada usando

la ecuacin V . 3
436
MTODOS
NUMRICOS
PARA INGENIEROS
4050~
- 10 8002 + 8 OOOx9dx
- -60
0.8 - O
que se puede sustituirenla ecuacin (13.6) y obtener
(-400
f,=
E,
1
-=
(-60)(0.8)3 = 2.56
1L
que es del mismo orden de magnitud y signo que tiene el error verdadero.
Existe una discrepancia debido a que en un intervalo de este tamao, el promedio de la segunda derivada no es necesariamente una aproximacin
exacta de f (E). Por lo tanto, se denota que elerroresaproximado
usando la notacin E,, envez deusar E,.
13.1.2
La regla deltrapecio
usando segmentos multiples
Una manera de mejorarla exactitud de la regla trapezoidales la de dividir

el intervalo de integracin de a a b en un conjunto de segmentos y aplicar el mtodo a cada unode los segmentos (Fig. 13.7). En seguida se
suman las reas de los segmentos individuales y se obtiene la integral sobre el intervalo completo. A las ecuaciones resultantes se les conoce como frmulas de integracin de segmento mltiple o frmulas de integracin
compuestas.
En la figura 13.8 se muestra el formato generaly la nomenclatura que
se usar en la caracterizacin de integrales de segmentos mltiples. Hay
n + 1 puntos base igualmente espaciados (xo,xl, x2,. . . , x,), Por consiguiente, hay n segmentos de igual anchura:
h = -b - a
n
[13.7]
Si a y b se igualan a x. y a x,, respectivamente, la integral total se representa como
= l:f(x)dx
+ [f(x)dx +
Sustituyendo la regla trapezoidal para cada una de las integrales, se obtiene
[13.8]
o, agrupandotrminos
[13.9]
437
FORMULACIN DE INTEGRACIN DE NEWTON-COTES
FIGURA 13.7
~~~
-.
Ilustracin de la regla trapezoidal mltiple o) dos segmentos;

mentos: c) cuatro segmentos y d) cinco segmentos.
b) tres seg-
438
METODOS NUM~RICOS
PARA INGENIEROS
-
FIGURA 13.8
Formato general de la nomenclatura para integralesde
segmentos mltiples.
o, usando la ecuacin (13.7)para expresar la ecuacin (13.9)en la forma genera de la ecuacin (13.5),se obtiene
[13.10]
+<
Ancho
Altura promedio
Ya que la sumatoria de los coeficientes de f (x) en el numerador dividido

por 2 n es igual a 1, la altura promedio representa un promedio pesado
de los valores de la funcin. De acuerdo a la ecuacin (13.lo),las alturas de los puntos interiores aparecen doblemente respecto a los puntos
finales f (xg) y f (x,,).
439
FORMULAC16N DE INTEGRAC16N DE NEWTON-COTES
El error en la regla trapezoidal mltiple se obtiene sumando los erroresindividualesde cada uno de los segmentos, dando
[13.11]
en donde f (ti)
es la segunda derivada de la funcin evaluada en el punto tilocalizado dentro del segmento . Este resultado se simplifica calculando la media o el valor promedio de la segunda derivada sobre el intervalo
completo [Ec. (V.2)]:
n
[13.12]
Por lo tanto, C f
(ti)=
n f y la ecuacin (13.11) se reescribe como
[13.13]
De manera que, si el nmero de segmentos se duplica, el error de truncamientodisminuyea un cuarto de suvalor.Ntesequelaecuacin

(13.13) es un error aproximado debido a la naturaleza aproximada de
la ecuacin (13.12).
EJEMPLO 13.2
Regla trapezoidal de segmentos mltiples
Enunciado del problema: utilcese la regla trapezoidal de dos segmentos

para calcular laintegralde
+ 25x - 200x2 + 675x3 - 900x4 + 400x5
!(x) = 0.2
desde a = O hasta b = 0.8. Emplese la ecuacin (13.13) para calcular

el error. Recurdese de la seccin V.2 que el valor correcto de la integral
es 1.640 533 34.
Solucin: n
2 (h = 0.4):
f(0) = 0.2
f(0.4) = 2.456
f(0.8) = 0.232
I = 0.8
0.2
+ Z(2.456) + 0.232
4
1.068 8
METODOS
440
E,
E, =
I
1.640 533 34
-
12(2)2
(-60)
1.068 8
0.571 73
E, =
34.9%
0.64
en donde -60 es el promedio de la segunda derivada determinada previamente enel ejemplo 13.1.
~
~~~
~~
~~
.~
~~
En el cuadro 13.1 se resumen los resultados delejemplo anterior junto con la aplicacin de la regla trapezoidal usando
desde tres hasta diez
segmentos. Nteseque elerrordisminuye
a medidaqueelnmero
de segmentos crece. Sin embargo, tambin se nota que el promedio de
disminucin es gradual. Esto se debe que el error es inversamente proporcional al cuadrado de n [Ec. (13.13)]Por lo tanto, si se duplica el nmero de segmentos el error disminuyea un cuarto de su valor. En secciones
posteriores se desarrollan frmulas de orden superior que son ms
exactas y que convergen ms rpidamente a la integral real a medida que el
nmerode segmentos crece. Sin embargo, antesdeinvestigarestas
frmulas, primero se analiza un programadecomputadoraqueimplemente lareglatrapezoidal.
13.1.3 Programa de computadora sobre lareglatrapezoidal

segmentosmltiples
de
Enlafigura 13.9 se muestra un pequeo programa que implementa la

regla trapezoidal. Este programa tiene algunos inconvenientes. Primero,
est limitado a que los datos estn en forma tabular. Un programa general
debe tener la capacidad de evaluar tambin funciones conocidas. Adems, el programa no es legibleal usuario, est diseado estrictamente para
CUA,DRO 13.1
Resultadode la regla trapezoidalde segmentos mltiples

para calcular la integral de
f(x) 0.2 + 2 5 ~2 0 0 +
~ 6~7 5 ~9~0 0 ~ ~
+ 400x5de x O hasta 0.8. el valor exacto es 1.640 533 34
n
t, 9 0
2
3
4
5
6
7
8
9
10
0.4
0.266 7
0.2
0.16
0.133 3
0.1 14 3
o. 1
0.088 9
0.08
1.O68
51.369
1.484 8
1.539 9
1.570 3
1.588 7
1.600 8
1.609 1
1.615 O
34.9
16.5
9.5
6.1
4.3
3.2
2.4
1.9
1.6
BASIC
FORTRAN
3
170
44 1
DIMENSION F ( 2 0 ) , Y < 2 0 5
WEAL I N
COMMON N, A , B
READ< 5 , 1 >N
FORMUT<I 5 5
t.II=N-l
READ<5,2)A,B
FORMUTC 2F1 O . O j
H=( B-A >/HI
DO 170 I = l , N
READ( 5,3 ) Y ( I j
FURMAT<FIO.O>
CONTINUE
CALL TRAP<Y , IN 1
URITE<6,4>IW
FORMAT<' ',F10,3>
STOP
END
DIM F (.2lS.l,Y(21))
I NPIJT N
N I r N - 1
INPUT A , B
H = (B - A ) / NIFOR I = 1 T O N
L'NPIJT Y ( I j
NEXT I
GOSUB 1 O00
PRINT IN
END
= nmerodepuntos
NI = nmerodesegmentos
A , Bintegracibn
= lmites
de
H = anchodelsegmento
Y = valor de la variable
dependiente
SUBROUTINE TRAP<Y, I N )
DIMENSION Y < 2 0 Z
HEAL I N
COMMON N,FI,E
NIXN-1
SU=Y<1 >
DO 1 0 3 0 I r 2 , N I
SlI=SU+2*YC I >
1030 CONTINUE
HT=<SU+Y( N ) > / ( 2*NI Z
I N = < B-A M H T
RETURN
END
FIGURA 13.9
(Subrutina para calcular la

regla trapezoidal)
Programa de la regla trapezoidal con segmentos mltiples para datos tabulados.
imprimir Gnicamentela respuesta. En el problema 13.21 se enfrenta la

tarea de facilitar el uso y la comprensin de este programa. Tambin se
tiene la oportunidad de modificar el programa de tal manera que sea capaz de evaluar la integral de funciones conocidas.
El paquete suplementario de programas NUMERICOMP que acompaa a este texto incluye un ejemplo de un programa legible al usuario
implementando la regla trapezoidal. Este paquete evala las integrales de
datos tabulares o de funciones definidas por el usuario. En el siguiente
ejemplo se demuestra su utilidad en la evaluacin de integrales. Tambin
proporciona una buena referencia'para valorar y probar los programas
del usuario.
EJEMPLO 13.3
Evaluacin de integrales con la computadora
Enunciado del problema: el paquete de programas NUMERICOMP asociado con este texto contiene un programa para computadora implemen-
442
tando lareglatrapezoidaldesegmentosmltiples.
Estos programas se
pueden usar para resolverun problema asociado con el problema delparacaidista. Como se recordar6 del ejemplo l.l , la velocidad del paracaidista est6 dada como la siguiente funcin del tiempo:
[E13.3.1]
en donde u es la velocidad en centmetros porsegundo, g es la constante
de aceleracin gravitacional igual a 980 cm/s2, m es la masa del paracaidista igual a 68 100 g, y e es el coeficiente de friccin igual a 12 500
g / s . El modelo predice la velocidad del paracaidista en funcin deltiempo como se describe en el ejemplo 1.1. Una grfica de la variacin de
la velocidad se desarrollaenel ejemplo 2.1.
Supngase que se desea conocer la distancia que ha recorrido el paracaidista despus de cierto tiempoT.La distancia est dada por[ c(V.4)]
.
d=
endonde
v ( t ) dt
d es la distancia en centmetros.Sustituyendo la ecuacin
(E.13.3.1) y haciendo T
FIGURA 13.1O
10
S,
Pantallas de la computadora que muestran a) entrada de los parmetros

de integracin y los resultados de la integracin y b) grfica de la integral
como el rea baio la funcin y el eje x .
443
COTES FORMULAC16N
DE
DE INTEGRAC16N
Realizando la integracin y sustituyendo los valores conocidos resulta
d = 28 943.5147 cm
Este resultado exacto se puede usar en el anlisis de eficiencia de la regla
trapezoidal de segmentos mltiples.
En la figura 10.130se muestra la pantalla de la computadora que pide los lmites superior
e inferior de integracin y el tamao de paso. Despus de que los clculos se terminan, se
imprime la integral como 28 874.91. La integral es equivalente al rea
bajo u (t) y el eje t , como se muestra en la figura 13.10b. Una observacin confirma que la integral es el ancho del intervalo (10,) por la altura
promedio (alrededor de 2 900 cm/s).
Se pueden probar fcilmente otros conjuntos de segmentos repitiendo los clculos. Los resultados indicancomo la distancia de cada del paracaidista se aproxima al valor exacto a medida que el tamao del segmento
decrece:
d, cm
Segmentos
Tamao
Estimado
del segmento
0.05
10
20
50
1 O0
200
500
1 O00
2 O00
5 O00
10 O00
1 .o
0.5
0.2
o.1
0.02
943.507
280.01
0.005
0.002
0.001
28
28
28
28
28
28
874.914
6
926.357
4
940.769
2
942.828
2
943.343
1
943.487
1
6
943.513
28
3
943.515
28
7
213 943.5159
E"%
0.237
0.059 3
9.49 x 10-3
2.37 x 10-3
5.93 x 10-4
9.52 x 10-5
2.44 x
4.65 x
-3.63 x
-4.32 x
Por lo tanto, con la reglatrapezoidalmltiple se obtiene una exactitud

excelente. Sin embargo, ntese cmo el error cambia el signo y empieza
a crecer envalorabsolutomsalldel
caso de 5 O00 segmentos. Esto
se debe a la intrusin de errores de redondeo debido al gran nmero de
clculos para esta cantidadde segmentos. Por lo tanto, el nivel de precisin est limitado,y jams se alcanza el resultadoexacto de 28 943.514 7
obtenido analticamente. Esta limitacin se analiza de manera detallada
enel capitulo 14.
13.2 REGLA DE SIMPSON

Adems de aplicar la regla trapezoidal con segmentos cada vezms finos, otra manera de obtener una estimacin ms exacta de una integral,
es la de usar polinomios de orden superior para conectar los puntos. Por
ejemplo, si hay un punto medio extra entref (a) y f (b), entonces se pue-
AA4
INGENIEROS
MTODOS
NUMRICOS
PARA
den conectar los tres puntos con una parbola (Fig. 13.1 l a ) . Si hay dos
puntos igualmente espaciados entref (a) y f (b), entonces los cuatro puntos se pueden conectar con un polinomio de tercer orden (Fig. 13. l l b ) .
A las frmulas resultantes de calcular la integral bajo estos polinomios se
lesllama reglasde Simpson.
13.2.1
Regla de Simpson de 113
LaregladeSimpson
de 1/3 resultacuandosesustituye
de segundo orden enla ecuacin (13.1):
f(x) dx =
un polinomio
f&)
dx
Si a y b se denomina como x. y x2,y f2 (x)se representa mediante un

polinomio de Lagrange de segundo orden [Ec. (11.22)1,entonces la integral es:
(x - x&. - x2)
(x - XONX - x2)
foco) +
f (x11
(x1 - xo)(x1 - x2)
(x0 - XI) (x0 - X d
Despus de integrary de reordenar trminos, resulta

la siguiente ecuacin:
FIGURA 13.1 1
a) representacingrficadelareglade
Sirnpson de 1/3: consiste en tornar el rea baio una parabola que una los puntos. b) representacin grfica de la regla de
Sirnpson de 3/8:consiste en tomar el rea baio una
4 puntos.
ecuacin cbica que conecta
445
iORMULACl6N DE lNTEGRACl6N DE NEWTON-COTES
[ 13.141
donde, en este caso, h = (b - a ) / 2 . Esta ecuacin se conoce como regla de Simpson de 113. Esta es la segunda frmula de integracin de
Newton-Cotes. La etiqueta 1/3 viene de que h se divide por 3 en la
ecuacin (13.14).En el recuadro 13.3 se muestra una derivacin alternativa en donde seintegra el polinomio de Newton-Gregory y se obtiene
la misma frmula.
La regla de Simpson de 1/3 se puede expresar usando el formato
de la ecuacin (13.5):
+\
Ancho
Altura promedio
[13.15]
en donde a = xo, b = xp, y x 1 es el punto medio entre a y b , dado por

(b + a ) / 2 . Ntese que de acuerdo ala ecuacin (13.15),el punto medio
se pesa con dos tercios y los dos puntos extremos con 1 sexto.
Se puede demostrar que una simple aplicacin de la regla de Simpson de 1/3 tiene un error de truncamiento de (recuadro 13.3):
RECUADRO 13.3 Obtencin y estimacin del errorde

interpolacin hacia adelante de Newton-Gregory.
la reglade
Simpson basado en el polinomio de
Como se hizo en el recuadro 13.2 para la regla trapezoi- mo se esperara que fuese. La razn de esto es que apadal, la regla de Simpson de 1/3 se puede derivar integran- rentemente ser corto. Ntese tambin que 10s lmites de
do el polinomio de interpolacin
hacia
adelante de integracin van desde x, hasta xp. Por lotanto, cuando
se hacen las simplificaciones y la sustitucin (recurdese
Newton-Gregory.
el recuadro 13.2), la integral va desde a= O hasta 2:
I =
[ ~ ( x o+
) Af(x0) a + A2f(xo)
(a - 1)
X0
+-A3f6(xo)a (a - l ) ( a
I=h
loz[f ( x o ) +
Af(x0) a
AZf (x01
+a (a - 1)
2
2)
+-A3f(x0)
a (a - l ) ( a - 2)
6
Ntesequeseha
escrito el polinomiohastatrminos de
cuarto orden en vez de hasta trminos de tercer orden co-
+-f4(na (a - l ) ( a - 2)(a - 3 ) h 4
24
da
446
INGENIEROS
MTODOS
que se puede integrar para obtener
NUMRICOS PARA
Ntese el resultado significativo de que el coeficiente de

la tercera diferencia dividida es cero. Debido a que A (xo)
= f (x1) - f (x01 Y de que A 2 f (x,) = (XP)- 2 f (x1 +
f (xo), la ecuacin (B13.3.1) se puede reescribir como
1
90
--f'4'(i3
;;
-- - +
11a3 - - j [ 4 ) ( #
-
h4
72
Regla
de Simmon de 1/3
1'
0
y evaluarse en los lmites para dar
A2f(xo)
2 j ( ~ 0+) 2Aj (a)+ 3
+ ( 0 ) A 3 j ( ~-)
90f'4)(#
h4
h5
"
Error
de truncamiento
Por IO tanto, el primer trmino es la regla de Simpson de

1/3 y el segundo es el error de truncamiento. Debido a
que la tercera diferencia dividida se anula, se obtiene el
resultado significativode que la frmula tiene exactitud de
tercer orden.
[B13.3.1]
o, ya que h = (b - a)/2:
[13.16]
en donde cae en algn lugar dentro del intervalo de a a b. Por lo tanto,

la regla de Simpson de 1/3 es ms exacta que la regla trapezoidal. Sin
embargo, la comparacin con la ecuacin (13.6) indica que es mucho
ms exacta de lo que se esperaba.En vez de ser proporcional a la tercera
derivada, el error es proporcional a la cuartaderivada. Esto se debe
a que, como se mostr en el recuadro 13.3, los coeficientes del trmino
de tercer orden se anulan durante la integracin del polinomio de interpolacin. En consecuencia, la regla de Simpson de 1/3 es exacta hasta
tercer orden aunque est basada nicamente en tres puntos.
EJEMPLO 13.4
Aplicacin de la regia Simpson de 1/3 simple.
Enunciado del problema: utilcesela ecuacin (13.15)para integrar
f(x) = 0.2
+2
5 -~ 2 0 0 +
~ 6~ 7 5 ~ 9~ 0 0 +
~ 4~ 0 0 ~ ~
desde a = O hasta b
1.640 533 34.
0.8. Recurdeseque
la integral exacta es
447
FORMULAC16N DE lNTEGRACl6N DE NEWTON-COTES
Solucin:
f(0) = 0.2
f(0.4)
2.456
f(0.8) = 0.232
Por lo tanto, la ecuacin (13.15) se puede usar para calcular
1 = 0.8
0.2
+ 4(2.456) + 0.232 =
466 67
que representa un error exacto de

E,
1.640 533 34
1.367 466 67
0.273 066 66
tu
16.6%
que es aproximadamente cinco veces ms exacto que el de una aplicacin de la regla trapezoidal (Ej. 13.1).
El error estimado es [Ec. (13.16)]
E, =
- (03)5(-2
400) = 0.273 066 67

2 880
en donde -2 400 es el promedio de la cuarta derivada en el intervalo
obtenido usando la ecuacin (V.3).Como fue el caso del ejemplo 13.1,
el error es aproximado (E,)porque el promedio de la cuarta derivada no
es una estimacin exacta de f4 ( E ) . No obstante, ya que en este caso
se trata con polinomios de quinto orden, la discrepancia no es mayor y
los errores exacto y aproximado son casi idnticos.
13.2.2
Regla de Simpson de 1/3 de segmentos mltiples
As como con la regla trapezoidal, la regla de Simpson se puede mejorar

dividiendo el intervalo de integracin en segmentosde igual anchura (Fig.
13.12) :
h = -b - a
n
[13.17]
La integral total se representa como
Sustituyendo la regla de Simpson en cada una de las integrales individuales se obtiene

1 = 2h f k o ) + 4fkd + f(x2)
+ * . . + 2h f(X,-z)
2h
f 4f(Xn-1)
f(X2)
f(X,)
+ 4f(x3) + f(X4)
448
MTODOS
FIGURA 13.1 2
NUMRICOS
PARA INGENIEROS
Representacin grfica del uso de segmentos mltiples sobre la regla de

Simpson de 3/8.Ntese que el mtodo slo se puede emplear si el nmero de segmentos es par.
o , reordenandolostrminos
+\
Ancho
y usando la ecuacin (13.17), se obtiene
Altura promedio
Ntese que, como se ilustra en la figura 13.12, se debe usar un nmero

par de segmentos para implementar este mtodo.
Un error estimado por la regla de Simpson de segmentos mltiples
se obtiene de la misma manera que lo hace la regla trapezoidal, sumando
los errores individuales de cada uno de los segmentos y promediando la
derivada para obtener
[ 13.191
en donde
f(4J es el promedio de la cuartaderivada
EJEMPLO 13.5
Aplicacin de la regla de
Simpson de
enel intervalo
1/3 de segmentos mltiples
Enunciado del problema:utilcese la ecuacin (13.18) con n

calcular laintegral de:
4 para
FORMULACldN DE INTEGRACION DE NEWTON-COTES
f ( x ) = 0.2
+2
449
5 -~ 2 0 0 +
~ 6~ 7 5 ~ 9~ 0 0 +
~ 4~ 0 0 ~ ~
desde a = O hasta b
1.640 533 34.
Solucin: n = 4 (h
f ( 0 ) = 0.2
0.8. Recurdese que laintegral
exacta es
0.2):
fi(0.2) = 1.288
fi(0.4) =-2.456t(0.6)
3.464
f,(0.8) = 0.232
de la ecuacin (13.18)
1 = 0.8
=
E,
0.2
+ 4(1.288 + 3.464) + 2(2.456) + 0.232

12
1.623 466 67
1.64053334
1.623466 67
0.017 066 67 e,
1.04%
El errorestimado [Ec. (13.19)J es
E, =
(O 8)5 A
(-2400) = 0.017 066 67
180(4)4
El ejemplo previo muestra que la versin de segmentos mltiples de

la regla de Simpson de 1/3 proporciona resultadosmuy exactos. Por esta razn, se considera superior a la regla trapezoidal en la mayor parte
de las aplicaciones. Sin embargo, como se dijo previamente, est& limitada a los casos en que se cuenta con un nmero par de segmentos y un
nmero impar de puntos. Por consiguiente, como se examina en la siguiente seccin, se usa la regla de segmentos impares puntos pares, conocida como regla de Simpson de 3/8, en conjuncin con lareglade
1/3 para permitir la evaluacin de cualquier nmero de segmentos, pares o impares.
13.2.3
Regla de Simpson de
3/8
De manera similar a la derivacin de la regla trapezoidal y a la regla de

Simpson de 1/3, se pueden ajustar polinomios de Lagrangede tercer orden a cuatro puntos e integrar;
para obtener
450
MTODOS
en donde h = (b - a ) / 3 . A esta ecuacipn se le llama regla de Simpson

de 318 porque h es un mltiplo de 3/8. Esta es la tercera regla cerrada de
integracin de Newton-Cotes. La regla de Simpson de 3/8 se puede expresar en la forma de la ecuacin (13.5):
"
Ancho
[13.20]
Altura promedio
Por lo tanto, a los dos puntos interiores se les dan pesos de tres octavos,
mientras que a los puntos extremos se les da un peso de un octavo. La
regla de Simpson de 3/8 tiene un error de
E,, =
FIGURA 13.13
3
h5j'"'(d
80
"
Ilustracin de cmo las reglas de Simpson de 1/3 y de 3 / 8 se pueden aplicar a la vez para manejar segmentos mltiples con nmeros pares de
intervalos.
45 1
FORMULACldN DE INTEGRAC16N DE NEWTON-COTES
o , ya que h = (b - a)/3:
[13.21]
Por lo tanto, la regla 3/8 es algo ms exacta que la regla de 1/3 [ecuacin (13.16)].
La regla de Simpsonde 1/3 es, en general, el mtodo de preferencia
ya que alcanza exactitud de tercer orden con tres puntos en
vez de los
cuatro puntos necesarios para laversinde 3/8. No obstante, laregla
de 3/8 tiene utilidad en las aplicaciones de segmentos mltiples cuando
el nmero de segmentos es impar. Obsrvese que en el ejemplo 13.5 se
usala regla de Simpson para integrar la funcin de cuatro segmentos.
Supngase que se desea unaestimacinparacinco
segmentos. Una
opcin sera usar una aplicacin de segmentos mltiples de la regla trapezoidal como se hizoenel
ejemplo 13.3. Sin embargo esto noes
aconsejable, debido al error grande de truncamiento asociado con este
mtodo. Una alternativa sera la de aplicar la regla de Simpson
de 1/3
a los primeros dos segmentos y la regla de Simpson de 3/8 a los ltimos
tres (Fig. 13.13). De esta manera, se obtendra una estimacin con exactitud de tercer orden a travs del intervalo completo.
EJEMPLO 13.6
Regla de Simpson de
3/8
Enunciado del problema:

a)
de Simpson de 3/8 paraintegrar
Utilceselaregla
f(x') = 0.2
+ 25x - 200x2 + 675x3 - 900x4 + WOx5
desde a = O hasta b = 0.8.

b) Utilcese en conjuncin con la regla de Simpson de 1/3 para integrar
la misma funcin usando cinco segmentos.
Solucin:
aplicacin simple de la regla de Simoson de 3/8 requiere de cuatro puntos igualmente espaciados:
f(0) = 0.2
a) Una
f(0.266 7)
1.432 724 28
f(0.533 3)
3.487 176 96
f(0.8) = 0.232
452
MTODOS
NUMRICOS
PARA INGENIEROS
Usando la ecuacin (13.20),
E,
0.2
0.8
3(1.432 724 28
E, =
0.232
1.519 170 37
1.640 533 34
+ 3.487 176 96) +
8
-
1.519170 37
-(0'8)5 (-2 400)
6 480
0.121 362 97
7.4%
E,
O.16) son
0.121 362 96
b) Los datos necesarios para la aplicacin de cinco segmentos (h
f ( 0 ) = 0.2
f(0.16) = 1.296 919 04
f(0.32) = 1.743 393 28
f(0.48) = 3.186 014 72
f(0.64) = 3.181 928 96
f(0.80) = 0.232
La integral de los primeros dos segmentos se obtiene usando la regla de

Simpsonde 1/3:
0.32
0.2 + 4(1.296 919 04)+1.743 393 28 = o.38o 323 7o

6
Para los ltimos tres segmentos, se usa la regla de Simpson de 3/8 para
obtener
1 = 0.48
=
1.743 393 28
+ 3(3.186 014 72 + 3.181 928 96) + 0.232

8
1.264 753 46
La integral total se calcula sumando los dos resultados:
0.380 323 70 + 1.264 753 46 = 1.645 077 16

1.640 533 34 - 1.645 077 16 = -0.004 543 83 E, = -0.28%
I
E,
13.2.4
Algoritmo para computadora de la regla de Simpson
En la figura 13.14 se esboza un diagrama de flujo para la regla de Simpson. Ntese que el programa est elaborado de tal forma que se pueda
usar un nmero par e impar de segmentos. En el primer caso se aplica
la regla de Simpson de 1/3 a cada par de segmentos y los resultados se
sumanpara obtener elvalorfinal de la integral. Enel segundo caso,
se aplica la regla de Simpson de 3/8 a los ltimostres segmentos y la
regla de 1/3 se aplica a todos los segmentos previos.
FIGURA 13.14
Diagrama de fluio de una versin de segmentos mltiples de la regla de

Simpson.
METODOS NUMERICOS
454
PARA INGENIEROS
6 ' 6 - 3
I
FORMULACION DE INTEGRACldN DE NEWTON-COTES
455
13.2.5 Frmulas cerradas de Newton-Cotes de orden superior

Como se dijo previamente, la regla trapezoidaly la regla de Simpson son
miembros de una familia de ecuaciones de integracin conocidas como
frmulas cerradas de integracin de Newton-Cotes. En el cuadro 13.2
se encuentran resumidas algunas deestas frmulas, junto con las estimaciones de su error de truncamiento.
Ntese que, aligualenel
caso de las reglas de Simpson de 1/3 y
3/8, las frmulas de cinco y seis puntos tienen el mismo orden de error.
Esta caracterstica general se cumple para las frmulas con m6s puntos
y trae como consecuencia de que las frmulasde segmentos pares punto
impares (por ejemplo la regla de 1/3 y la regla de Boole) sean, en general, los mtodos de preferencia.
Sin embargo, se debe tomar en cuenta que en la ingeniera prsctica,
las frmulas de orden superior (esto es, mayores de cuatro puntos) rara
vez se usan. Las reglas de Simpson son suficientes en la mayor parte de
lasaplicaciones. Se puedemejorar la exactitudusandounaversin
de segmentos mltiples en vez de optar por las frmulas de mds puhtos.
Adem&, cuando la funcin se conoce y se requiere de exactitud muy
alta, los mtodos de integracin de Rombergo cuadratura gaussiana,analizadosenelcaptulo 14, ofrecen alternativasviables y atractivas.
13.3 INTEGRACINUSANDOINTERVALOSDESIGUALES
Hasta el momento, las frmulas de integracin numrica se han basado
en puntos igualmente espaciados. En la pr6ctica, existen muchos
casos en
donde esta suposicinno se cumple y se debe tratar con diferentestamaos de segmentos. Por ejemplo, los datos derivadosexperimentalmente,
a menudo, son de este tipo. En estos casos, un mtodo es aplicarla regla
trapezoidal a cada uno de los segmentos y sumar los resultados:
[13.22]
en donde hies el ancho del segmento i . Ntese que este fue el mismo
planteamiento usado en la regla trapezoidal de segmentos mltiples. La
nicadiferenciaentrelasecuaCiones
(13.8) y (13.22) es quelas h de
la primera son constantes. Por consiguiente, la ecuacin (13.8) se puede
simplificar y llevarala ecuacin (13.9). Aunque esta simplificacin no
se puede aplicar a la ecuacin (13.22), se puede desarrollar con facilidad
un programa de computadora que acomode los segmentos de tamao
desigual. Antes de describir tal programa, se ilustra en el siguiente ejemplo como se aplica la ecuacin (13.22) en la evaluacin de una integral.
456
MTODOS
NUMRICOS
PARA INGENIEROS
EJEMPLO 13.7
Regla trapezoidal con puntos que noestn igualmente espaciados
Enunciado del problema: la informacin del cuadro 13.3 se gener usando

el mismo polinomio empleado en el ejemplo 13. l . Utilcese la ecuacin
(13.22) para determinarla integral de estos datos.Recurdese que la respuesta correcta es 1.640 533 34.
Solucin: aplicando la ecuacin (13.22) a los datos del cuadro 13.3 se
obtiene
I = 0.12
1.309 729 28
+ 0.2
o,1o 1.305 241 28 + 1.309729 28

2
0.232
+*.-+0.1
=
0.090 583 76
1.564 800 98
+ 2.363
2
0.130 748 53
. . .
querepresenta un errorrelativoporcentualabsolutode
0.129 75
E, =
4.6 % .
CUADRO 13.3 Datos de f(x)

0.2 + 25x-200x2 + 675x3-900x4
+ 400x5con valores dex desigualmente espaciados
0.0
0.200000 O0
0.442.842894
96
0.121.309729280.543.50729696
0.221.30524128
0.64 3.18192896
0.321.743393280.702.363
O00 O0
0.36
2.07490304
0.80 0.232O00 O0
0.40 2.456 O00 O0
Los datos del ejemplo 13.7 se muestranenlafigura 13.15. Ntese

que algunos segmentos adyacentes son de igual ancho
y, por consiguiente,
podran haber sido evaluados usando reglas de Simpson. En general, esto
lleva a resultados m6s exactos, como se ilustra en el ejemplo siguiente.
Programa de computadora para
datos que no estn igualmente espaciados. Es muy simple programar la ecuacin (13.22). Sin embargo,
como se demuestra en el ejemplo 13.8, la aproximacin se acrecenta si se implementan las reglas de Simpson hasta donde
sea posible. Por esta razn, se ha desarrollado un algoritmoqueincorpora esta opcin.
457
FORMULACldN DE lNTEGRACl6N DE NEWTON-COTES
FIGURA 13.15
Uso de la regla trapezoidal para determinar la integral de datos espaciados irregularmente. Ntese cmo se pueden evaluar los segmentos
sombreados con las reglas de Simpson para obtener mayor exactitud.
EJEMPLO 13.8
Inclusin de la regla de Simpson en la evaluacin de datos impares
Enunciado del problema: calclese nuevamente la integral de

los datos
del cuadro 13.3,pero usando las reglas de Simpson en aquellos segmentos
donde sean apropiadas.
Solucin: el primer segmento se puede evaluar con la regla trapezoidal:
0.12
1.309 729 28
2
0.2
o.o9o 583 76
Debido a que los siguientes dos segmentos desde x = 0.22 a 0.36 son
de igual longitud, su integral se pJede calcular usando la regla de Simpson de 1/3.
1 = 0.2
=
1.743 393 28
0.275 802 92
4(1.305 24128)
6
1.309 729 28
458
Los siguientes tres segmentos sontambin iguales, y por lo tanto, se pueden evaluar con la regla de 3/8 para dar I = 0.272 686 31. De manera
similar, se puede aplicar la regla de 1/3 a los dos segmentos desde x =
0.44 a x = 0.64 para obtener I = 0.668 470 06. Finalmente, los ltimos dos segmentos, que tienen longitud desigual, se pueden evaluar con
la regla trapezoidaly obtener los resultados de O. 166 347 87 y O. 129 750 00,
respectivamente. El rea de estos segmentos individuales se puede sumar
para obtener una integral total de 1.603 640 92. Esto representa un error
de q, = 2.2%, que es superior al resultado obtenido con la regla trapezoidal del ejemplo 13.7.
__-
"
"
"
."
"
Como se muestra en la figura 13.16, el diagrama de flujo verifica la

longitud de intervalos adyacentes. Si dos segmentosconsecutivos tienen
igual longitud, entonces se aplica la regla de Simpson de 1/3. Si tres de
ellos son iguales, entonces se aplica la de 3/8. Cuando los segmentos
adyacentes son desiguales se implementa la regla trapezoidal.
Se sugiere al lector que implemente su propio programa a partir de
este diagrama de flujo. Esto no slo le permite la evaluacin de segmentos desiguales, sino que si se usa tambin la informacin de segmentos
iguales, reduce las reglas de Simpson. Como tal, representa un algoritmo bsico de propsitos generales, en la determinacin de la integral de
datos tabulares.
13.4 FRMULAS DE INTEGRACIN ABIERTA

Recurdese de la figura 13.3b que las frmulas de integracin abierta tienen lmites que se extiendenms all del rango de los datos. En el
cuadro 13.4 se resumen las frmulas de integracin abierta de NewtonCotes. Las frmulas se expresan en la forma de la ecuacin (13.5)de
tal manera que resultan evidentes los factores de peso: Como con las versiones cerradas, los pares sucesivos de las frmulas tienen el mismo orden de error. Las frmulas de segmentos pares-puntos impares son, en
general, los mtodos de preferencia ya que requieren algunos puntos menos para alcanzar la misma exactitudde las frmulasde segmentos impares:
puntos pares. Ntese que el mtodo de bandas mostrado enla figura V.3
es, en realidad, una versin de segmentos mltiples del mtodo de punto medio del cuadro 13.4.
Como se menciona previamente, las frmulas abiertas rara vez se usan
en la integracin. Sin embargo, tienen aplicacin directa con los mtodos
de paso mltiple en la solucin de ecuaciones diferenciales ordinarias analizadas en el captulo 17.
FIGURA 13.1 6
Diagrama de fluio para la integracin con datos desigualmente espaciados.

459
460
MTODOS
0
I
-CY
-4-
LD
NUMRICOS
PARA INGENIEROS
46 1
PROBLEMAS
Clculos a mano
13.1
Utilcense medios analticos para evaluar

(a)
I" (10 + 2x
15 (1
- 6x2
+ 5x4) dx
(b)
(c)
-3
Jv
- x - 4x3
+ 3x5) dx
(8 + 5 sen X) dx
13.2
Utilcese una aplicacin simple de la regla trapezoidal y evalense las integrales

delproblema 13.1.
13.3
Evalense las integrales delproblema 13.1 con la regla trepezoidalde segmentos

mltiples, con n = 2, 4 y 6.
13.4
Evalense las integrales del problema 13.1 con una aplicacin simple de la regla
Simpson de 1/3.
13.5
Evalense las integrales del problema 13.1 con una regla de Simpson de 1/3
de segmentos mltiples, con n = 4 y 6.
13.6
Evalense las integrales del problema 13.1 con una aplicacin simple de la regla
de Simpson de 3/8.
13.7
Evalense las integrales del problema 13.1 usando la regla de Simpson de 3/8
con segmentos mltiples, con n = 5.
13.8
Intgrese la siguiente funcin analticamente y usando la regla trepezoidal, con

n = 1, 2, 3 y 4:
Calclese el error relativo porcentual y evalese la exactitud de la aproximacin

trapezoidal.
13.9
Intgrese la siguiente funcin analticamentey usando las reglas de Simpson, con

n = 4y5:
Estdiense los resultados

13.10 Intgrese la siguiente funcin analtica y numricamente. sese la regla trapezoidal y la regla de Simpson de 1/3 para integrar la funcin. En ambos casos, sese
462
laversin
de segmentos mltiples, con n = 4:
Comprese el error relativo porcentual de los resultados numricos.

13.11 Intgrese la siguiente funcin analtica y numricamente. Utilcese la regla trapezoidal y la regla de Simpson de 1/3 y 3/8 adems de la regla de Boole (vase
el cuadro 13.2).
lo*
15.32.5xdx
Calclese el error relativo porcentual de los resultados numricos

13.12 Evalese laintegral
I, (4 + 2 sen x) dx
a)
Analticamente.
b) Mediante la aplicacinsimple de la reglatrapezoidal.
c) Mediante la aplicacinmltiple de la reglatrapezoidal (n = 5).

dj Mediantelaaplicacinsimple de la regla de Simpson de 1/3.
e ) Mediante la aplicacinsimple de la regla de Simbson de 3/8.
f) Mediante la aplicacinmltiple de lasreglas de Simpson (n = 5).
En los casos b ) a f ) , calclese elerrorrelativoporcentual (c,) basadoen
a).
13.13 Evalese la integral de los siguientes datos tabulares mediante la regla trapezoidal:
O 0.1 0.2 0.3 0.4 0.5

4
5
9
3
f(x)Il 7
X
13.14 Efectense lasmismas evaluaciones delproblema 13.13 usando lasreglas de

Simpson.
13.15 Evalese la integral de los siguientes datos tabulares usando la regla trapezoidal.
x
1-3-1
f(x) I
1 -4
1 3 5 7 9
-5 2 4 8 6
11
-3
13.16 Efectese la misma evaluacin del problema 13.15 usando las reglas de Simpson.
13.17 Determnese elvalormediode
!(x)
-46
la funcin
+ 4 5 . 4 ~- 1 3 . 8 ~ +
1 . 7 1 ~
-~0 . 0 7 2 9 ~ ~
entre x = 2 y x = 10:
a) Graficando la funcin y calculando visualmente el valor.
bj Usando la ecuacin (V.3) y la evaluacin analtica d e l a integral.
cj Usando la ecuacin (V.3)y una versin de cuatro segmentos de la regla trapezoidal enla estimacinde la integral.
463
FORMULAC16N DE INTEGRAC16N DE NEWTON-COTES
d) Usando la ecuacin (V.3) y una versin de cuatro segmentos de la regla de

Simpson de 1/3.
13.18 La funcin
!(X)
10 - 3 8 . 6 ~+ 7 4 . 0 7 ~ ' - 4 0 . 1 ~ '
se usa en el clculo de la siguiente tabla de datos que no estn igualmente espaciados:

X
!(x)
O 0.1 0.3 0.95

0.7
0.5
10 6.84 4
4.20 5.51
5.77
1.2
1
Evalese la integral desde a = O y b = 1.2 usando

Mediosanalticos
b) La reglatrapezoidal
c) Una combinacin de las reglas de Simpson y la regla trapezoidal; utilcense
las reglasde Simpson en donde sea posible para obtener la m6s alta exactitud
posible.
En b) y c) calclese el errorrelativo porcentual (E,,)
a)
13.19 Evalese la siguienteintegral doble:
a)
Analticamente
b) Usando la reglatrapezoidal con segmentos mltiples (n
2).
c) Usando unaaplicacinsimple de la regla de Simpson de 1/3.

En b) y c) calclese el errorrelativo porcentual (e").
13.20 Evalese la integraltriple
I,"l:I
(x4 - 2Y4 dx
dY dz
Analticamente
b) Usando unaaplicacinsimple de la regla de Simpson de 1/3
En b) calclese elerrorrelativo porcentual (E,,).
a)

13.21 Desarrllese un programa para computadora que sea amable con el usuario de
la regla trepezoidal de segmento mltiple basado en la figura 13.9. Entre otras
cosas,
a) Agrguense declaraciones de documentacin al programa.
b) Hgase la entrada y la salida ms descriptiva y orientada al usuario.
c) Inclyanse diagnsticos que alerten al usuario cuando se accesen datos que
no estn igualmente espaciados o enorden ascendente.
d) (Opcional) Modifquese el programa de tal manera que sea capaz de evaluar
funciones predefinidas y en forma tabular.
Prubese este programa repitiendo los clculos del ejemplo 13.2.
464
M h O D O S NUMRICOS PARA INGENIEROS

"
13.22 Desarrllese un programa para computadora amable con el usuario para la versin de la regla de Simpson de segmentos mltiples basado en la figura 13.14.
Prubese reproduciendo los clculos de los ejemplos 13.5 y 13.6.
13.23 Desarrllese un programa para computadora que sea amable con el usuario para
integrar datos desigualmente espaciados basados en lafigura 13.16. Prubese
repitiendo los clculos del ejemplo 13.7
13.24 Utilcese el programa TRAPEZOIDAL RULE del paquete de programas NUMERICOMP (o el programa propio del problema 13.21) y reptase a) el problema
13.2, b) el problema 13.3, c) el problema 13.8, a') el problema 13.10 y e) el problema 13.13. Utilcesela opcin de graficacinpara que le ayude a visualizar
el concepto de que 1 =
S1
f (x) dx es el rea entre la curva f (x) y el eje. Pru-
bense varios tipos de pasos para cada uno de los problemas.

13.25 Desarrllense cinco funciones. sese el paquete de programas NUMERICOMP
(o los programas propios) para calcular la integral de cada una de las funciones
sobre algunos lmites basados en los datos de entrada. Prubense los tamaiios
de paso h = (b - a)/ n para = n 1 , . . ,n = 10. Grafquese I en funcinde n .
13.26 Utilcese el paquete de programas NUMERICOMP (o los programas propios) para calcular la integral de datos tabulares. Invntense datos para x y f (x),sense
valores negativos y cero para x y f (x). Obsrvese la funcin, graficndola; el lector puede convencerse de que el paquete NUMERICOMP trabaja perfectamente.
C A P T U L OC A T O R C E
INTEGRACIN DE ROMBERG Y
CUADRATURA GAUSSIANA
En la introduccin a la parte V se menciona que las funciones a integrarse numricamente tienen, en general, dos formas: una tabla de valores
o una ecuacin. La forma de los datos tiene una influencia importante
en el esquema que se va a usar para evaluar la integral. Para el caso de
informacin tabular, se est limitado al nmero de puntos datos. En contraste, si se dispone de la funcin analticamente, entonces se pueden generar tantos valores de
f(x)como sean necesarios para alcanzar
una exactitud aceptable (recurdese la Fig. V.4).
Este captulo se dedica al estudio de dos mtodos que estnexpresamente diseados para analizar casos en que se conoce la funcin. Ambos mtodos aprovechan la facilidad de generar valores de la funcin en
el desarrollo de esquemas eficientes de la integracin numrica. El primero de ellos se basa enla extrapolacin de Richardson, mtodo que
combina dos aproximaciones de integracin numrica
en la obtencin de
un tercer valor que es ms exacto. El algoritmo que implementala extrapolacin de Richardson en su forma ms eficiente se llama integracin
de Romberg. Este mtodoes recursivo y se usa para generar una aproximacin a laintegral dentro de una tolerancia de error especificada.
El segundo mtodo es el llamado cuadratura gaussiana. Recurdese
que enelltimocaptulo
los valores de f(x) enlasfrmulasdeNewton
Cotes se determinanenvaloresespecficos de x. Por ejemplo, si se usa
la regla trapezoidal para determinar una integralse est restringiendoa tomar
el promedio pesado def(x) en los intervalos de los extremos.Las frmulas
de cuadratura gaussiana emplean valores dex contenidos dentrode a y de
b de tal forma que resulta una integral mucho ms
exacta.
14.1 INTEGRACIN DE ROMBERG

En el captulo 13 se presenta una versin de la regla trapezoidal con segmentos mltiples y lasreglasde Simpson. Paraunafuncinanaltica
(opuesta a la forma tabular), las ecuaciones de error [Ec. (13.13)y (13.19)]
466
MTODOS
indican que aumentandoel nmero n de segmentosse genera una aproximacin ms exacta a la integral. Esta observacin la comprueba la figura 14.1, que es una grfica del error real contra n para la integral de f(x)
= 0.2 + 25x - 200x2 = 675x3 - 900x4 + 400x5. Ntese cmo el
error decrece a medida que n crece. Sin embargo ntese tambin que
para valores muy grandesd e n , el error empieza a crecer ya que los errores de redondeo empiezana dominar. Tambin obsrveseque se necesita un nmero muy grande de segmentos
(y por lo tanto, esfuerzo de
FIGURA 14.1
Valor absoluto del error relativo porcentual verdadero contra el nme25x ro de segmentos en la determinacin de la integral {(x) = 0.2
200x2 675x3 - 900x4 400x5, evaluada de a = O a b = 0.8 usando la regla trapezoidal desegmentos mltiples y la regla de Simpson de
1/3 de segmentos mltiples. Ntese que ambos resultados indican que
para un nmero considerable de segmentos, los errores de redondeo limitan la precisin.
INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA
467
clculo) para alcanzar niveles altos de exactitud. Como una consecuencia de estos inconvenientes, la regla trapezoidal de segmentos mltiples
y las reglas de Simpson algunas veces son inadecuadas en problemas donde
se necesita gran eficiencia y pocos errores.
La integracin de Romberg es un mtodo diseado para evitar estos
inconvenientes. Es muy similar a los mtodos analizados enel captulo
13, en el sentido de que est'basado en la aplicacin sucesiva de la regla
trapezoidal. Sin embargo, mediante manipulacionesmatemticas, se obtienen mejores resultados con menos esfuerzo.
14.1.1 Extrapolacin de Richardson

Recurdese que en la seccin 7.4.4 se usan ecuaciones de error paramejorar la solucin de un conjunto de ecuaciones lineales. En el mismo sentido, existen mtodos que corrigen errores
y mejoran los resultados de
la integracin numrica en base a la estimacin de la integral misma. Conocidos generalmentecomo extrapolacin de Richardson, estos mtodos
usan dos clculos de la integral para efectuarun tercer clculo msexacto.
El clculo y el error asociado con la regla trapezoidal de segmentos
mltiples se representa generalmente como:
I = I(h)
+ (h)
en donde I es el valor exacto de la integral, I(h) es la aproximacin de

la integral usando la regla trapezoidal con n segmentos y con tamao de
paso h = (b - a ) / n y E(h) es el error de truncamiento. Si se obtienen
dos aproximaciones por separado usando tamaos de paso h l y hz y se
tiene elvalor exacto del error, entonces
Ahora recurdese que el error de la regla trapezoidal de segmentos mltiplesserepresentapor

la ecuacin (13.13) [con n = (b - a ) / h ] :
[14.2]
Si se supone que f ' ' es una constante que depende del tamao delpaso,
entonces la ecuacin (14.2) se usaenla determinacin del promedio de
losdos errores,que es:
[14.3]
Este clculo tiene el importante efecto de quitar el trmino f ' ' de los clculos. AI hacerlo, se ha hecho posibleutilizarlainformacinrelacionada
468
MTODOS
NUMRICOS
PARA INGENIEROS
con la ecuacin (14.2) sin conocimiento previo de la segunda derivada

de la funcin. Para hacerlo, se reordena la ecuacin (14.3) para obtener:
lacual se puede sustituirenla
ecuacin (14.1):
la cual, puede resolverse
Por lo tanto, se ha desarrollado una expresin que calcula el error detruncamiento en teiminos del valor de la integral y el tamao de paso. Esta
estimacin se sustituyeen
= I(h2)
+ E(h2)
obteniendounaestimacinmejoradade
r
la integral:
[14.4]
S e demuestra (Ralston y Rabinowitz, 1978) que el error de esta estimacin es O(h4). Por lo tanto, se han combinado dos estimaciones de la
regla trapezoidal de O(h2) enla obtencin de una nueva estimacin de
O(h4).En el caso especial en que el intervalo se divide en dos partes (h2
= h l / 2 ) , la ecuacin se transforma a:
o, reordenando trminos,
[14.5]
EJEMPLO 14.1
Correction de errores en la regla trapezoidal

Er,unciado del problema: en el captulo anterior (ejemplo 13.1 y el madro 13.1) la aplicacin de la regla trapezoidal de segmentos mltiples lie-
469
va a los siguientes resultados:

-~
~~~
~~~~
Segmentos
Integral
ev,%
1
2
4
0.8
0.172 8
1.068 8
1.484 8
89.5
34.9
0.4
0.2
9.5
Utilcese esta informacin junto con la ecuacin (14.5) para calcular mejores estimaciones de la integral.
Solucin: los clculos con uno y dos segmentosse combinan y se obtiene
4
(1.068 8)
I =
1
- - (O. 172 8) = 1.367 466 67
El errorenlaintegral
mejorada es
E, = 1.640 533 34 - 1.367 466 67
= 0.273 066 67
E,
= 16.6%
que es superior a la aproximacin en que se bas.

De la misma manera, los ckulos de dos y cuatro segmentosse com
binan y se obtiene
4
I = "1.484
3
8)
1
-(1.068
8)
1.623 466 67
que representa un error de
E,
1.640 533 34 - 1.623 466 67
0.017 066 67
E,
1.0%
La ecuacin 14.4 proporciona una formade combinar dos aplicaciones de la regla trapezoidal con error O(h2) y calcular una estimacin de
O(b4).Este planteamiento es un subconjunto de un mtodo ms general
que combina integrales paraobtener mejores estimaciones. Porejemplo,
enel ejemplo 14.1, se calcularon dos integrales mejoradas de O(h4) en
base a tres estimaciones de reglas trapezoidales. Estas dos estimaciones
mejoradas, pueden a la vez, combinarse paraobtener todava una mejor
estimacin de O(h6). Para el caso especial en que las estimaciones mediante regla trapezoidal original se basen en divisiones sucesivas a la mitaddel intervalo, la ecuacinusadacon O(h6) deexactitud es:
15
16
15
I ="
I
,-
"4
[14.6]
470
MTODOS
NUMRICOS
PARA INGENIEROS
en donde I, y I, son las estimaciones ms y menos exactas, respectivamente. De manera similar, dos resultados de O(h6) se combinan para
calcular una integral que es O(h8) usando
64
I = -I,
63
- -1,1
63
[14.71
EJEMPLO 14.2
Correccin del error de rdenes mayores de dos en la
estimacin de integrales
Enunciado del problema: en el ejemplo 14.1 se usa la extrapolacin de

Richardson para calcular dos estimaciones de la integral de O(h4). Utilcense la ecuacin (14.6) y combnense estas estimaciones para calcular
una integral con O(h6).
Solucin: las dos aproximaciones de O(h4) obtenidas en el ejemplo 14.1
fueron 1.367 466 67 y 1.623 466 67. Estos valores se sustituyen en la
ecuacin (14.6) y se obtiene
la cual es la respuesta correcta a nueve cifras significativas que son las

obtenidas en este ejemplo.
14.1.2 Algoritmo de la integracin de Romberg

Ntese que los coeficientesen cada una de las ecuaciones de extrapolacin
[Ec. (14.5),(14.6) y (14.7)]suman 1. Por lo tanto, representan factores
de peso que, a medida que la exactitud aumenta, coloca progresivamente pesos mayores en la estimacin de la integral. Estos planteamientos
pueden expresarse en una forma general, que se adapta muy bien a las
implementaciones mediante computadora:
[14.8]
471
en donde [,+I,+" y lj,k-lson las integrales ms y menos exactas, respectivamente, 1j.k es la integral mejorada. El ndice k indica el nivel de integracin, k = 1 corresponde a la estimacin de la regla trapezoidal original,
k = 2 corresponde a O(h4), k = 3 a O(h6),etctera. El ndice j se usa
paradistinguir entre las estimaciones mejores (j + 1) y menores (j). Por
ejemplo, si k = 2 y j = 1 , entonces la ecuacin (14.8) se transforma en
lacual esequivalente a la ecuacin (14.5).

La forma general representada mediantela ecuacin (14.8) se le atribuye a Romberg, y a la aplicacin sistemtica en la evaluacin de integrales se le conoce como integracin de Romberg. La figura 14.2 muestra
un esquema grfico de la secuencia de estimaciones generadas usando
este mtodo. Cada una de las matrices corresponde a una iteracin. La
primera columna contiene las evaluaciones de la regla trapezoidal quese
denotan por J,l, en donde j = 1 es la aplicacin sobre un solo segmento
(el tamao del paso es b - a);j = 2 es la aplicacin sobre los segmentos
[tamao del paso (b - a)/4]; etctera. Las otras columnas de lamatriz
se generan sistem6ticamente aplicando la ecuacin (14.8) para obtener
sucesivamente mejores estimaciones para la integral.
Por ejemplo, la primera interacin (Fig. 14.2a) implica calcular la regla trapezoidal de uno y dos segmentos (11,1y 12,1).En seguida se usa la
ecuacin (14.8) para calcular el elemento 11,2= 1.367 466 67, que tiene un errorde O(h4).
FIGURA 14.2
Esquema grfico de la secuencia de aproximaciones a la integral generadas usando la integracin de Romberg.
472
INGENIEROS
PARA
MTODOS
NUMERICOS
Ahora, se debe verificar que este resultado sea adecuado a las necesidades. Como se hizo con los otros mtodos de aproximacin de este
libro, se requiere un criterio de terminacin o de paro para valorar la exactitud de los resultados. Un mtodo que se puedeemplear para los propsitos actuales es (Ec. (3.5)]
[14.9]
en donde E, es una estimacin del error relativo porcentual. Por lo tanto, de la manera como sehizo anteriormente en los otros procesos iterati-
se compara la nueva estimacin con el valor anterior. Cuando el

cambio entre los valores anterior y actual representados mediante E*, est bajo un criterio de error preespecificado E,, los clculos se terminan.
En la figura 1 4 . 2 esta
~ evaluacin indica un cambio del 87.4% decambio sobre el curso de la primera interacin.
El objeto de la segunda iteracin (Fig. 14.2b) esel de obtener la estimacin O(h6):11,s. Para hacerlo, se determina una nueva estimacin trapezoidal, 13.1 = 1.484 8. En seguida sta se combina con 12,1usando
la ecuacin (14.8)para obtener 12,* = 1.623 466 67.Este resultado, a la
vez, se combina con 11,2para obtener 11,3 = 1.640 533 34. La ecuacin
(14.9)se aplica para determinar que este resultado representa un cambio
del 16.6% cuando se compara con el anterior 11,2.
La tercera iteracin (Fig. 14.2%)contina el proceso de la misma manera. En este caso, se agrega una estimacin trapezoidal a la primera columna y luego se aplica la frmula (14.8)al clculo sucesivo de integrales
ms exactasbajo la diagonal inferior. Despus de tres iteraciones, se sabe
que el resultado, 11,5= 1.640 533 34, es exacto al menos hasta nueva
cifras significativas.
La integracin de Romberg es ms eficiente que la regla trapezoidal
y que las reglas de Simpson analizadas en el captulo 13. Por ejemplo.
en la determinacin de la integral mostrada en la figura 14.1, la regla de
Simpson de 1/3 requerira una aplicacin de 256 segmentos para encontrar
un valor de 1.640 533 32. No seran posibles mejores aproximaciones
debido al error de redondeo. En contraste, la integracin de Romberg obtiene un resultado exacto (hasta nueve cifras significativas) basado en la
combinacin de la regla trapezoidal de dos, cuatro y ocho segmentos.
Enla figura 14.3 se muestra un diagrama de flujo de la integracin
de Romberg. Usando ciclos, el algoritmo implementa el mtodo de manera eficiente. Recurdese que la integracin de Romberg est diseada
para casos en que la funcin por integrar se conoce. Esto se debe a que
el conocimiento de la funcin permite las evaluaciones necesarias para
las implementaciones iniciales de la regla trapezoidal. Los datos en forma
tabular rara vez se encuentran en forma necesaria para llevar a cabo evaluaciones sucesivas.
VOS,
NU
R A 14.3 Diagrade fluio de la intecir7 de Ron1 ber g .
473
MTODOS
474
NUMRICOS
PARA INGENIEROS
14.2 CUADRATURA GAUSSIANA

En el captulo 13 se analiza un conjunto de frmulas de integracin n u mrica o de cuadratura conocidas como las ecuaciones de Newton-Cotes.
Una caracterstica de estas frmulas (con la excepcin del caso especial
de la seccin 13.3)es que la estimacin de la integral se basa en puntos
igualmente espaciados. Por consiguiente,la posicin de los puntos base
usados en estas ecuaciones estaba predeterminado o fijo.
la base de la rePor ejemplo, como se puede ver en la figura 14.4~1,
gla trapezoidal es tomar el rea bajo la lnea recta que une los valores de
la funcin evaluada en los extremos del intervalo. La frmula usada para
calcular esta rea es
FIGURA 14.4
(b -
U)
f (a>+ f tb)
2
a) Esquema grfico de la regla trapezoidal dada por el rea baio la lnea

recta que une los puntos extremos. b) Se obtiene una aproximacin
meiorada a la integral tomando el rea baio la lnea recta que pasa a
travs de dospuntos
intermedios. Colocandoadecuadamente
estos
puntos, los errores, positivo y negativo se equilibran y resulta una
aproximacin a la integral meiorada.
[14.10]
475
en donde a y b son los lmites de integracin y b - a es el ancho del intervalo de integracin. Debidoa que la regla trapezoidal debe pasara travs
de los puntos lmites, existen casos como el de la figura 14.4a en donde
la frmula genera un error muy grande.
Ahora, supngase que la restriccin de fijar los puntos base se elimina y se va a evaluar libremente el rea bajo la lnea recta que une dos
puntos cualesquiera de la curva. Colocando estos puntos de manera inteligente, se puede definir una lnea recta que balancee los errores negativos y positivos. De ah que, como enlafigura 14.4b, se llegara a un
valorms exacto de laintegral.
La cuadratura gaussiana es el nombre de uno de estos mtodos que
implementa esta estrategia. Las frmulas particulares de cuadratura gaussiana descritas en esta seccin se llaman frmulas de Gauss-Legendre.
Antes de describir el mtodo, se demuestra cmo las frmulas de integracin numrica talescomo la regla trapezoidalse derivan usando elmtodode coeficientes indeterminados.Estemtodo
se emplea enel
desarrollodelasfrmulasde
Gauss-Legendre.
14.2.1 Mtodo de coeficientes indeterminados

En el captulo 13 se deriva la regla trapezoidal integrando un polinomio
lineal mediante un razonamiento geomtrico. El mtodo de coeficientes
indeterminados ofrece una tercera alternativa que tiene tambin utilidad
enla derivacin de otros mtodos tales como la cuadratura gaussiana.
Para ilustrarel mtodo, la ecuacin (14.10) se expresa como
en donde las c son constantes. Ahora, considerando que la regla trapezoidal debe llevar a resultados exactos cuando la funcin a integrarse sea
una constante o una lnea recta. Dos ecuaciones simples que representan
este caso son y = 1 y y = x. Ambas se ilustranenlafigura
14.5. Por
lo tanto, se debencumplirlassiguientesigualdades:
o , evaluandolasintegrales:
476
MTODOS
FIGURA 14.5
Dos integrales que lareglatrapezoidalevaluar

constante y b) una lnea recta.
NUMRICOS
PARA INGENIEROS
exactamente: a) una
Estas son dos ecuaciones con dos incgnitas que pueden resolverse por
c1
= c2 =
b-a
-
las cuales, cuando se sustituyendenuevo
enla
lacual es equivalente a la regla trapezoidal.
ecuacin ( 1 4 . 1 1 ) dan
477
14.2.2 Derivacin de la frmula de Gauss-Legendre

basada en dos puntos
Como en el caso de la derivacin anterior de la regla trapezoidal, la cuadratura gaussiana determina los coeficientes de una ecuacin de la forma
en donde las c son los coeficientes incgnitas. Sin embargo,en contraste a

la regla trapezoidal que usa puntos extremos a y b, los argumentos de
la funcin x1 y x2 ahora no estn fijos a los puntos extremos, sino que
son incgnitas (Fig. 14.6). Por lo tanto, ahora se tiene un total de cuatroincgnitas que se deben evaluar, y por consiguiente, se requieren de cuatro condiciones para determinarlos exactamente.
Al igual que con la regla trapezoidal, se pueden obtener dos de estas
condiciones suponiendo que la ecuacin (14.12) ajusta exactamente la
integral de una corstante y de una funcin lineal. Entonces, para llegar
a las otras dos condiciones, se extiende este razonamientoal suponer que
tambin se ajusta laintegral a unafuncinparablica (y = x2) y a una
funcin cbica (y = x3).Haciendo esto, se determinan las cuatro incgnitas conviniendo en derivar una frmula de integracin de doble punto
que sea exacta para cbicas. Las cuatro ecuaciones por resolver son
+ C2f(X2)
Clf(X1)
1 dx
[14.13]
[14.14]
[14.15]
[14.16]
Las ecuaciones (14.13) hasta la (14.16) se resuelven simultneamente,
c1 =
c2
= 1
-1
xl=-=
d3
x2="
d3
-0.577 350
269. . .
- 0.577 350 269. . .
478
MTODOS
FIGURA 14.6
Esquema grfico de las variables incgnitas -x1 y x2usando cuadratura gaussiana.
para integracin
las cuatro se pueden sustituir en la ecuacin (14.12)y obtener la frmula

de Gauss-Legendre de dos puntos
[14.17]
Por lo tanto, se llega al resultado interesante de que la suma simple de

los valores de la funcin en x = 1/& y - l/& lleva a una estimacin
de la integral con una exactitud de tercer orden.
Ntese que los lmites d e integracin de las ecuaciones (14.13)a la
(14.16)van desde - 1 a 1.Esto se hizo para simplificar la aritmtica y
hacer la formulacin tan general como seaposible. Un simple cambio de
la variable se puedeusar para trasladar otroslmites de integracin en esta forma. Esto se lleva a cabo suponiendo que la nueva variable xd est
dada en funcin de la variable original x en una forma lineal como en:
x
= a.
+ alxd
[14.18]
si el limite inferior, x = a , corresponde a x d =

sustituyen en la ecuacin (14.18)y se obtiene:
a = a0
= a0
1, estosvalores
+ al(-l)
De manera similar el lmite superior, x

obtener
+ al(1)
Se
[14.19]
=
b , corresponde a xd
1, y
[14.20]
479
INTEGRACI~N
DE ROMBERG Y CUADRATURA GAUSSlANA
Las ecuaciones (14.19) y la (14.20) se resuelven simultneamente, generando:
b+a
2
[14.21]
at =
a0
b-a
quesesustituyeenlaecuacin
X =
[14.22]
(14.18) para obtener:
(b + a) + (b - a)xd
2
[14.23]
Esta ecuacin se diferencia dando:

& = -b - a
dx;
[14.24]
Las ecuaciones (14.23) y (14.24) se pueden sustituir para x y dx, respectivamente, enla ecuacin por integrar. Estas sustituciones transforman
efectivamente el intervalo de integracin sin cambiar los valores de la integral. El ejemplosiguienteilustra cmo se hace esto enla prctica.
EJEMPLO 14.3
Frmulas de Gauss-Legendre de dos puntos
Enunciado del problema: utilcese la ecuacin (14.14) para evaluar la integral

!(x) =
0.2
+ 25x - 200x2 + 675x3 - 900x4 + @Ox5
entre los lmitesx = O y x = 0.8. Recurdese que ste fue el mismo problema resuelto en el captulo 13 usando una variedad de formulaciones
de Newton-Cotes. El valor exacto de laintegral es 1.640 533 34.
Solucin: antes de integrar la funcin, se debe realizar un cambio de variable de tal forma que los lmites sean desde - l hasta l. Para hacerlo,
se sustituye a = O y b = 0.8 enla ecuacin (14.23) y se obtiene
X
0.4
+ 0.4xd
al calcular su derivada se tiene [Ec. (14.24)]

I
& = 0.4 dxd
480
INGENIEROS
MTODOS
Estosdosvalores se sustituyenenla
(0.2
NUMRICOS PARA
ecuacin originalpara obtener
+ 2 5 -~ 2 0 0 ~+ ~6 7 5 ~- 9~ 0 0 +~ 4~ 0 0 ~ dx
~)
{[0.2 + 25(0.4 + 0.4~d)- 200(0.4 + 0.4xd)'
- I:!
+ 675(0.4 + O.4xJ3 - gOO(0.4 + O.4xJ4
Por lo tanto, el lado derecho est enla forma que es adaptable para la
evaluacin mediante la cuadratura gaussiana. La funcin transformada
se puede evaluar en - l/&
siendo igual a 0.516 740 55y en 1 4siendo igual a 1.305 83723. Por lo tanto, de acuerdo a la ecuacin (14.171,
laintegral es:
1 = 0.516 74055
1.305 837 23 = 1.822 577 78
que representa un error' relativo porcentualdel - 11.1% . Este resultado

es comparable en magnitud a la aplicacin de la regla trapezoidal de cuatro segmentos (cuadro 13.1) o a una aplicacin de la regla de Simpson
de 1/3 y la de 3/8 (ejemplos 13.4 y 13.6). Este ltimo resultado ya se
esperaba porque las reglas de Simpson tienen tambin exactitud de tercer orden. Sin embargo, debido a la forma hbil de escoger los puntos,
la cuadratura gaussiana obtiene esta exactitud en basea slo dos evaluaciones de la funcin.
14.2.3 Frmulas de ms de dos puntos

Adems de la frmula de dos puntos, analizada en la seccin previa, se
pueden desarrollar tambin versiones de ms de dos puntos, las cuales
se presentan enla forma general:
En el cuadro 14.1 se resumen los valores de las c y de las x de las frmulas de hasta seis puntos, incluyendo a stas.
EJEMPLO 14.4
Frmula de Gauss-Legendre de tres puntos
Enunciado del problema: utilcese la frmula de tres puntos del
cuadro
14.1 paracalcular laintegral de lamismafuncindel
ejemplo 14.3.
48 1
CUADRO 14.1
Factores de peso c y argumentos x de la funci6n usados en

las f6rmulas de Gauss-legendre
Puntos
Factores
de peso
Argumentos
de la funelen
c1 = 1.000 O00 O00
x1 = -0.577
c:, =
1 .O00 O00 O00
x1
=0.555 555 556
0.888 888 889 x2
x3
0.555 555 556
c1
c1 = 0.347854845
c:, =
~3 =
c:, =
~3 =
~4 =
~1 =
C?
=
~3 =
~4 =
~5
=
c:, =
~3 =
~4 =
~5 =
c6 =
~1
X:, =
=
=
=
Error de
truncamiento
350 269 = f(41([)

0.577 350 269
-0.774 596 669 = f(6)([)

0.0
0.774 596 669
X] = -0.861136312
= f(*)([)
0.652 145 155 X:, = -0.339 981 044
0.652 145 155 x3 = 0.339 981 044
0.347 854 845 x4
0.861136312
0.236926885
0.478 628
0.568 888
0.478 628
0.236 926
x1 = -0.906179846
= f(](t)
670 X:, = -0.538 469 310
889 x3 = 0.0
670 x4 = 0.538 469 310
885 x5 = 0.906 179 846
0.171324492
X, = -0.932469514
=
0.360 761 573 X:, = -0.661 209 386
0.467 913 935 x3 = -0.238 619 186
0.467 913 935 x4 = 0.238 619 186
0.360 761 573 x5 = 0.661 209 386
0.171 324 492 X6 = 0.932 469 514
Cl2([)
Solucin: de acuerdo al cuadro 14.1, lafrmuladetrespuntoses

1 = 0.555 555 556 f(0.774 596 669)
0.555 555 556 f(0.774 596 669)
1 = 0.281 301 290
lacuales
+ 0.888 888 889 f(0)
+ 0.873 244 444 + 0.485 987 599 = 1.640 533 34
exacta.
Debido a que la cuadratura gaussiana requiere de evaluaciones de

la funcin en puntos que no estn uniformemente espaciados dentro del
intervalo de integracin, no es aplicable a los casos en que la funcin se
desconoce. Por lo tanto, no se adapta a muchos problemas de la inge-
482
INGENIEROS
MTODOS NUMRICOS
PARA
niera en donde se manejan datos tabulares. Sin embargo, en donde se

conoce la funcin, su eficiencia tiene grandesventajas. Esto es particularmente cierto cuando se deben realizar numerosas evaluaciones funcionales.
14.2.4 Programa para la computadora de la cuadratura gaussiana
Enlafigura 14.7 se muestran programas en FORTRAN y BASIC sobre

el mtodo de cuadratura gaussiana. Ntese que los programas estn diseados de tal manera que se aprovecha lasimetrade los factores de
peso y los argumentos de lafuncinenel
cuadro 14.1.
Los programas mostrados en la figura 14.7 estn listos para resolver
las mismas ecuaciones analizadas en los ejemplos 14.3 y 14.4. Se calculan aproximaciones hasta e incluyendo la frmula de seis puntos. Por lo
tanto, si se desea aplicar estos programas a otro caso, se debe cambiar
la funcin que especifica la ecuacin a integrarse. Haciendo esto, el programa se puede emplear enel anlisis de una gran variedad de
problemasdeingeniera.
EJEMPLO 14.5
Aplicacin de la cuadratura gaussiana al problema del paracaidista
Enunciado del problema: enel ejemplo 13.3 se usala regla trapezoidal

de segmentos mltiplesparaevaluar
gm
d=-b
C
10
[l-
en donde g = 980, c = 12 500 y m = 6 8 100.Elvalor exacto de la

integral se determina medianteel clculo y fue de 28 943.514 7.
Recurdese que la mejor estimacin, calculada usando la regla trapezoidal con
5 O00 segmentos fue de 28 943.517 7 con un I c v l = 4 x lo-%%. Reptase este clculo usando el programa de la figura 14.7 sobre la cuadratura gaussiana.
Solucin: despus de modificar la funcin, se obtienen los siguientes resultados:
estimacincon dos puntos = 29 001.447 8
estimacincontrespuntos
= 28 943.929 7
estimacinconcuatropuntos
= 28 943.516 2
estimacinconcincopuntos
= 28 943.514 7
estimacinconseispuntos
= 28 943.514 7
Por lo tanto, las estimaciones con cinco y seis puntos obtienen resultados
exactos hasta nueve cifras significativas.
483
BASIC
FORTRAN
UIM XQ(ll),C(lIi,J0(5),Jl(5)
DIMENSION C ( l l > , X Q < l l > , J 0 < 5 > , J l ~ 5 >

FCIXDI=AU+Al*:(D
F( Xj=O.2+25*:(-%UO*X**2+675*%**3
C-900*X**4+400*X**5
DATA C/l.,.888888,.555555,.652145,
L>EF F N C ( X D )
O . , ,774597, , 3 3 9 9 8 1 ,
c.a61136,0.,.~38469,.90618~,.238~~9,
1
4
C661209, ,932470,'
D A TJI 0 / 1 , 3 , 4 , 7 . 9 /
D A T AJ 1 / 1 , 3 , 5 , 8 , 1 1 c
WRITE(6,l >
FORMIT( ' 0 ' , 5 X , 'CUIDRAIURA
R E A D < 5 , 4 ) I ,B
FORMFIT< 2 F 1 0 , O >
A O=( B+I)/2
A 1=( 8 - A >/2
DO 4 1 01 - 1 , s
sn=o.
JA= JOC I )
JB=Jl(I)
FIp( 1/2>-1/2
I F (FX.NE.0.)
K=( 1 - 1 >*2
350
380
COTO 3 5 0
SM=SM+C( K )*F( FCC X Q < K ) > >

DO 3 8 0J = J A J, B
SM=SM*C< J >*F(-FCC XQ< J > j >
SM=SM+C( J )*FI F C < X Q ( J > j >
CONTINUE
sn=srm1
FIGURA 14.7
XD-
LIEF- F N F ( X ) = . 2 + 25 % X +x 1 3 200 * x A 2 + a75

'300 a X A 4 + 400 *: X A 5
PRINT : P R I N T "
CUADRATLIRA
GALISSIANA":
PRINT
F U R I = 1 TO 1 1
FcCAU C i I i
GAUSSIANA'
Al
C.347855,.568889,.478629,.236927,
C.467914,.360762,.171324/
[)ATA X Q / . 5 7 7 3 5 0 ,
= A0
NEXT
I
1
11
FOR I i TO
READ XI2 t. I )
NEXT I
FOR
I
= 1 TO 5
READ JO(. I )
NEXT I
FOR I = 1 TO 5
READ 541 ( I )
NEXT I
2 d 1 INF'IJT " L I M I T E 5 DE INTEGRACIO
N iA.B)=":A,B
270 A 0 = ( H
A) / 2
1:3O A l = I B - A ) / 2
290 P R l N T
_.
.::cid FUR
I
= 1 TO 5
3 1 0 5M = O
321) I F
I N(T, I
/ 2) - I / 2 <
i
O THEN ,350
(Funcidn que implementa

el cambio de variable)
(Funci6n que especifica
la ecuaci6n a
integrarse)
C l l l = vector que contlene
los factores
de peso
(Cuadro 14.11
X(Il = vector que contlene

los argumentos de la
Programas para la computadora en FORTRAN y BASIC que implementan

la cuadratura gaussiana usando frmulas de Gauss-Legendre.
funci6n (Cuadro 14.1)
484
MTODOS
14.2.5 Anlisis de error
NUMRICOS
PARA INGENIEROS
en la cuadratura gaussiana
El error en las frmulas de Gauss-Legendre se especifica generalmente

mediante (Carnahan et al., 1969):
[14.26]
en donde n es el nmero de puntos menos uno y f""+*J(~)

es la (2n +
2)-sima derivada de la funcin despus del cambio de variable y 4 se
localiza en algn lugar dentro del intervalo de - 1 a 1. La comparacin
de la ecuacin (14.26) con el cuadro 13.2 indica la superioridad de la
cuadratura guassiana sobre las frmulas de Newton-Cotes, dado quelas
derivadas de orden superior no crecen sustancialmente a medida que crece
n. En el problema 14.8,al final de este captulo se ilustra un caso en donde las frmulas de Gauss-Legendre trabajan deficientemente. En estos
casos, ser preferible la regla de Simpson de segmentos mltiples o la integracin de Romberg. Sin embargo, la cuadratura de Gauss proporciona un medio eficiente para evaluar las integrales en muchas funciones
usadas en ingeniera.
PROBLEMAS
Clculos a mano
14.1
Utilcese la integracin deRombergpara

[sen (5x
evaluar
l)] dx
con una exactitud d e E, = 0.5%. Los resultados se deben presentar en la forma dada en la figura 14.1. Calclese la solucin analtica y sese para determila integracion deRomberg.
nar el errorreal E, delresultadoobtenidocon
Verifquese que E , sea menor que el criterio de paro E,.
14.2
Efectense los mismos clculos del problema 14.1 con la integral

xeZx dx
14.3
Utilicese la integracin deRombergpara
evaluax
dx
con una exactitud del O . 1 % . Los resultados se deben presentar en la forma dada
en la figura 1 4 . 2 .
lNTEGRACl6N DE ROMBERG Y CUADRATURA GAUSSIANA
485
14.4
ObtQngaseuna estimacin de la integral del problema 14.1 usando frmulas de

Gauss-Legendre de dos, tres y cuatro puntos. Calclese E , para cada caso en
base a la solucin analtica.
14.5
Obtngase una estimacin de la integral del problema 14.2, usando frmulas de

Gauss-Legendre de dos, tres y cuatro puntos. Calclese para cada caso con base a la solucin analtica.
14.6
Usando frmulas de Gauss-Legendre desde dos hasta cinco puntos, obtngase

una aproximacin de la integral del problema 14.3.
14.7
Usando integracin de Romberg (E, = O.Ol%), reptanse los clculos de los

ejemplos 13.3 y 14.5 para el problema del paracaidista.
14.8
Utilcense mtodos analticos (recurdese el cuadro V. 1)y las frmulas de GaussLegendre de dos a seis puntos para resolver
14.9
Desarrllese un programa legible al usuario sobre la integracin de Romberg basado en la figura 14.3. Prubese repitiendolos clculos mostrados enla figura 14.2.
14.10 Desarrllese un programa legible al usuario sobre la cuadratura gaussiana basado en la figura 14.7. Prubese repitiendo los clculos de los ejemplos 14.3 y 14.4.
14.11 Utilcese el programa desarrollado en el problema 14.9 para resolver los proble-
mas 14.1 y 14.2 y 14.3.

14.12 Utilcese el programa desarrollado en el problema 14.10 para resolver 10s pro-
blemas 14.4, 14.5 y 14.6.
"
..
C A P T U L OQ U I N C E
V:
CASOSDELAPARTE
INTEGRACI~N
El propsito de este captulo es el de aplicar los mtodos de integracin

numrica analizados en la parte V, a problemas prcticos de ingeniera.
Frecuentemente se encuentran dos situaciones;la primera de ellas es cuando la funcin en estudio se puede expresar de forma analtica pero
es demasiado complicada para integrarse usando los mtodos del clculo. La
integracin numrica se aplica a casos de este tipo usando la expresin
analtica para generar una tabla de argumentos y valores de la funcin.
En el segundo caso, la funcin a integrarse es, por naturaleza, de forma
tabular. Este tipo de funciones, en general, representan una serie de medidas,
observaciones o alguna otra informacin emprica.Los datos en cualquier
caso son compatibles directamente con varios esquemas de integracin
numricaanalizadaenloscaptulos
13 y 14.
El caso 15.1, que analiza los flujos de efectivos en una compaa de
computadoras, es un ejemplo de la integracin en su forma tabular. Se
usa la regla trapezoidal y la regla de Simpson de 1/3 para determinar el
flujo de efectivos. El caso 15.2, que trata de clculos de calor de la ingeniera qumica, comprende datos analticos. En este caso de estudio, se
integra numricamente una funcin analtica para determinar el calor
necesario que eleve la temperatura de un material.
Los casos 15.3 y 15.4 se relacionan con funciones dadas en forma
analtica. El caso 15.3, tomado de la ingenieracivil,usalaintegracin
numrica para determinar la fuerza del viento total que acta sobre el mstil
de un velero de carreras. El caso 15.4 determina laraz de la corriente
media al cuadrado (RMS) de un circuito elctrico. Este ejemplo se usa
en la demostracin de la utilidad de la integracin de Romberg y la cuadratura gaussiana.
Finalmente, el caso 15.5 regresa al anlisis de la informacin tabular
para determinar el trabajonecesario para mover un bloque. Aunque este
ejemplo tiene conexin directa con la ingeniera mecnica, tiene aplicacin en todas las otras reas de la ingeniera. Entre otras cosas, este caso
ilustrala integracin de datos desigualmente espaciados.
488
INGENIEROS
MTODOS
CASO 15.1
NUMRICOS
PARA
ANALISIS DE MOVIMIENTO DE EFECTIVOS

(INGENIERAENGENERAL)
Antecedentes: el anlisis de movimiento de efectivos es una parte importante dentro de cualquier proyectode ingeniera o de cualquier proyecto
de negocios. El efectivo disponible puede afectar muchos aspectos del problema, por ejemplo, la localizacin de recursos (vase el caso 9. I ) . La
posicin de un ingeniero enla Compaa de Computadoras Micro-1 es
lade calcular el efectivo total generado de una venta de computadoras
en los primeros 60 das que siguen a la introduccin de una computadora al mercado (vase el cuadro 15.1 sobre los datos de venta de computadoras).
Su problema es complicado ya que el costo de la computadora esmuy
sensitivo a la demanda abastecimiento o a la disponibilidad. Los equipos
de ventas e investigacin de mercados han obtenido la informacin de que
el precio de venta base considerando una demanda ptima es de $1 250
por computadora. A medida que la demanda disminuye, el precio aumenta
a un mximo de $3 O00 por computadora. Ms an, la variacin continua
del costo con un suministro N se define por la ecuacin derivada empricamente:
Costo por computadora ($)

que se grafica enlafigura
3 O00
1 750
N
10 O00
+N
[15.13
15.1.
CUADRO 15.1 Datos de venta de computadoras

y de fluio deefectivos. La columna
c) se
calcula usando derivacin num6rica
de la informacin enla columna b).
El primero y ltimo valor de la columna e) se determinan usando diferencias hacia adelante
y hacia atrsde orden h2, los valores medios mediante diferencias centrales de ordenh2
Efectivo
Costo
por
computadora,
generado
($) [basado
diariaPromedio
de Cantidad
de
computadoras Nmero
de
computadoras
en
la columna
meme
$
vendidas
4 Y la
computadodisponibles
en el mercado ras vendidas diariamente
ecuacin (1 5.1 )] [(c) X ( d ) ]
a)
b)
4
4
e)
50 O00
35 O00
31 O00
20 O00
19 O00
12 050
11 O00
O
15 O00
19 O00
30 O00
31 O00
37 950
39 O00
2 050.0
950.0
1 500.0
600.0
397.5
400.0
-1 90.0
1 542
1 639
1 677
1 833
1 853
2 040
2 083
3 161 100
1 557 050
2 515 500
1800
099
736 568
816 O00
-395 770
Tiempo
en das
f)
O
10
20
30
40
50
60
CASOS DE LA PARTE V: l N T E G R A C l 6 N
FIGURA 15.1
489
Costo de las computadoras contra el nmero de computadoras enelrnercado. La curva se basa en la ecuacin (15.1).
Solucin: el efectivo total generado estdadopor

Efectivo
total
(u" (efectivo generado diariamente) dt
Efectivo
total
(promedio
de
ventas
costo unitario) dt
En este caso, el promedio de ventas de los das O al 60 est dado por

la columna c ) del cuadro 15.1. El promedio se determina usando diferencias divididas finitas (recurdese la seccin 3.5.4) para apoximarla primera derivada de la columna b). Ntese cmo, debido a la variacin de
los datos, la aproximacin a la derivada en la columna c) vara mucho.
En efecto, aunque la venta total de computadoras siempre crece, la variacin en los datos proporciona un promedio de ventas negativo en el
da 60. Este inconveniente se debe a que las aproximaciones numricas
de las derivadas son altamente sensitivas
al cambio en los datos.
El costo por computadora diariose calcula en base a la ecuacin (15.1)
y el nmero de computadoras disponibles se muestra en la columna a)
del cuadro 15.1. El costo por computadora diario desde el da
O hasta
el 60 est dato en la columna d ) . En la columna e ) se muestra el efectivo
generado diariamente. Este dato se puede usar en conjunto con los procedimientos de integracin numrica analizados enelcaptulo 13.
En el cuadro 15.2 se muestran los resultados de aplicarla regla trapezoidal y la regla de Simpson de 1/3 a este problema. Ntese como va-
490
INGENIEROS
METODOS
CUADRO 15.2
NUMRICOS PARA
Resultados al aplicar la regla trapezoidal y la regla

de Simpson de 113 para calcular el flulo de efectivos
generado dela venta de computadoras
Mdtodo
Segmentos
Efectivo
generado
Regla
trapezoidal
Regla de
Simpson de
1/3
1
2
3
6
82 959 900
950
74 473
96 294 660
81 075 830
2
6
71 645 300
77 202 887
ran los resultados ampliamente, dependiendo de cuntos segmentos se

empleen en el anlisis. En particular, la estimacin de la versin de tres
segmentos de la regla trapezoidal es mucho mayor que las otras estimaciones debido a la inclusin selectiva de las altas estimaciones de flujo de
efectivos enelda 20.
En base a este anlisis se puede concluir que el flujo de efectivos es
de aproximadamente $77 millones. Sin embargo, los resultados indican
que se debe tener cuidado cuando se aplican los mtodos de integracin
numrica y que las aproximacionesde datos tabulares pueden, en general, mejorarse si se obtiene informacin adicional. Esta conclusinla comprueba el caso de estudio 15.5 en donde se demuestra que el nmero
de datos puede tenerun efecto significativo en el resultado final de laaproximacin a una integral.
CASO 15.2
EL USO DEINTEGRALESPARADETERMINARLA
CANTIDAD TOTAL DE CALOR EN LOS MATERIALES
(INGENIERA QUMICA)
Antecedentes: los clculos de calor se emplean rutinariamente en la ingeniera qumica, ascomo tambin en otros campos de la ingeniera. Este caso proporciona un ejemplo simple pero muy til de estos clculos.
Un problema que se encuentra a menudo es determinar la cantidad
de calor necesaria para elevarla temperatura de un material. La caracterstica necesaria para realizareste clculo es la capacidad calorfica c. Este
parmetro representa la cantidad de calor necesaria para elevar una unidad de masa a una unidad de temperatura. Si c es la constante sobre el
rango de temperaturas quese van a examinar, el calor necesario AH (en
caloras) se calcula como
AH
me AT
[15.2]
49 1
CASOS DE LA PARTE V: INTEGRACldN
en donde c tiene unidades de caloras por gramo por grado centgrado,

m es la masa (en gramos) y AT es el cambio de temperatura (en grados
centgrados). Por ejemplo, la cantidad de calor necesaria para elevar 20 g
deaguade 5 a 10C es igual a
AH
(20)1(10 - 5) = 100 cal
en donde la capacidad calorfica del aguaes aproximadamente 1 cal/g/"C.

Tal valor es adecuado cuando AT es pequeo. Sin embargo, en rangos
mayores de temperatura,la capacidad calorficano es constante, y de hecho, vara en funcin de la temperatura. Por ejemplo, la capacidad calorfica de un material aumenta con la temperatura de acuerdoa relaciones
tales como
c(T) = 0.132
+ 1.56 X
10-4T + 2.64
En este caso se pide calcular el calor

deestematerialde -100 a 200C.
10-7T2
[15.3]
necesario para elevar 1 O00 g
Solucin: la ecuacin (V.3) proporciona una manera de calcular el valor

promedio de c ( T ) :
quepuedesersustituidoen
AH
=m
ITT:c(T)dT
la ecuacin (15.2) y obtenerse
[15.4]
en donde AT = T2- T1.Ahora, ya que en este caso c(T) es una cuadrtica simple, AH se determina analticamente. La ecuacin (15.3) se
sustituyeenla ecuacin (15.4) y el resultado se integra para obtener el
valor exacto de AH = 42 732 caloras. Es til y adems instructivo comparar este resultado con los mtodos numricos desarrollados en el captulo 13. Para llevar a cabo esto, es necesario generar una tabla de valores
de c paravariosvaloresde T:
T, OC
-100
-50
O
50
100
150
200
c callglOC
0.119
0.124
0.132
0.140
0.150
0.161
0.173
04
86
O0
46
24
34
76
092
MTODOS
Estos puntos se usan junto con la regla de Simpson de 1/3 usando seis
segmentos y se calcula una integral aproximada de 42.732. Este resultado se sustituyeenla ecuacin (15.4) quelleva alvalor AH = 42 732
caloras, resultado que coincide exactamente con la solucin analtica. Esta
coincidencia se esperaba ya que c es una funcin cuadrtica y laregla
de Simpson es exacta para polinomios de tercer orden o menos (vase
la seccin 13.2).
Los resultados obtenidos con la regla trapezoidal se muestranenel
cuadro 15.3. S e ve que la regla trapezoidal tambin es capaz de estimar
el calor total de manera exacta. Sin embargo, se necesita un paso pequeo ( < 10C) para una exactitud de cinco cifras significativas. Este ejemplo ilustra bien el por qu la regla de Simpson es muy popular. Es fcil
llevarla a cabo, ya sea usando clculos a mano o , mejor an, conuna
computadora personal. Adems porlo comGn, es lo suficientemente exacta
con tamaos de paso relativamente grandesy exacta para polinomios de
tercer orden o menos.
CUADRO 15.3
Resultados obtenidos usando la regla trapezoidal con varios tamaos de paso

Tamao
paso,
de
300
150
1O0
50
25
10
5
1
0.05
CASO 15.3
OC
AH
96
43
42
42
42
42
42
42
42
048
029
864
765
740
733.3
732.3
732.01
732.000 3
Yo
125
0.7
0.3
0.07
0.018
< 0.01
< 0.01
< 0.01
< 0.01
FUERZAEFECTIVA SOBRE EL MSTIL DE UN

VELERODECARRERAS (INGENIERA CIVIL)
Antecedentes: enlafigura 15.2a se muestra un corte transversal de un
velero de carreras. Las fuerzas del viento (fl ejercidas por pie de mstil
desde las velasvaran en funcin de la distancia sobre la cubierta del bote
(z) como lo muestra lafigura 15.2b. Calclese la fuerza de tensin T en
el cable de soporte del lado izquierdo del mstil, suponiendo que el soporte del cable derecho est flojo y el mstil se une al
casco de manera
que transmita fuerzas verticales y horizontales pero no momentos. Supngase que elmstil permanece vertical.
CASOS DE LA
V: INTEGRACldN
FIGURA 15.2
493
a) Seccin transversal de un velero de carreras. b) Fuerzas del viento

f eiercidas por pie de mstil en funcin de la distancia z sobre el casco
del bote.
= tan= 0.099
Solucin: para proceder con elproblema, se requiere que la fuerza distribuida f se convierta en una fuerza total equivalente F y que se calcule
su posicin efectiva d sobre el casco (Fig. 15.3). Este clculo se complica
por el hecho de que la fuerza ejercida por pie de mstil vara con la distancia sobre el puente. La fuerza total ejercida sobreel mstil expresa comounaintegraldelasiguientefuncincontinua:
(3/30),
668 7 ,
I-
FIGURA 15.3 Diagrama

de cuerpo libre de las
fuerzas ejercidas en el
mstil de un velero.
Estaintegralnolineal es difcil de evaluar analticamente. Por lo tanto,

es conveniente emplear un mtodo numrico tal como la regla de Simpson y la regla trapezoidal para este problema. Esto se lleva a cabo calculando f(z) paravariosvalores de z y, despus, usandolas ecuaciones
(13.10) y (13.18). Por ejemplo, el cuadro 15.4 tiene valores def(z) para
un tamao de paso de 3 pies que proporciona datosde la regla de Simpson de 1/3 y de la regla trapezoidal. En el cuadro 15.5 se muestran resultados de varios valores del tamao de paso. Se observa que ambos
mtodos proporcionan un valor de F = 1 480.6 libras a medida que el
tamao de paso decrece. En este caso, el tamao de paso de 0.05 pies
en la regla trapezoidal y de 0.5 en la regla de Simpson proporciona buenos resultados.
INGENIEROS
METODOS
494
NUMRICOS
PARA
CUADRO 15.4Valoresde
f(z) con
un tamao de paso
de 3 piesqueproporcionan datos de
la regla trapezoidal
y la regla de Simpson de 113
f(z),lblpies
z, pies
O
6 1.40
73.13
70.56
63.43
55.18
47.14
39.83
33.42
27.89
23.20
O
3
6
9
12
15
18
21
24
27
30
La lnea de accin F (Fig. 15.3) se calculaevaluando la integral.
CUADRO 15.5 Valores de F calculados en basea varias versiones de la regla trapezoidal y la regla de Simpson de 113
_____
_____________
Mtodo
pies
~~
Tamao de
paso,
Segmentos
F,
libras
15
10
6
3
1
0.5
0.25
o. 1
0.5
2
3
5
10
30
60
120
300
600
1 001.7
1222.3
1 372.3
1450.8
1 477.1
1 479.7
1 480.3
1 480.5
1 480.6
2
6
10
30
60
1 219.6
1 462.9
1 476.9
1 480.5
1 450.6
Regla
trapezoidal
de Regla
Simpson de 113
15
5
3
1
0.5
CASOS DE
495
V: INTEGRACldN
O
lo3'
200z[z/(5
d=
+ ~ ) ] e - ~dz/ ~ '
1480.6
Esta integral se evala usando mtodos similaresa los anteriores. Porejemplo, la regla de Simpson de 1/3 con un tamao de paso de0.5 proporciona
19 326.9
1 480.6
d =
13.05 pies
Con F y d conocidos de los mtodos numricos, se usa un diagrama de

cuerpo libre para desarrollar ecuaciones de equilibrio de fuerzas y momentos. Este diagrama de cuerpo libre se muestra en la figura 15.3. Sumando fuerzas en la direccin vertical y horizontal y tomando momentos
alrededor delpunto O , se obtiene
EFH = O = F
CF"= O
EM0
Tsen 8
[15.9]
v - reos o
[15.10]
3V - Fd
E15.111
en donde T es la tensin en el cable. H y V son las reacciones que se

desconocen sobre el mstil transmitidas al casco. La direccin y magnitud de H y V se desconocen. La ecuacin (15.11) se resuelve directamente para V ya que se conocen F y d .
Por lo tanto, de la ecuacion (15.l o ) ,
y de la ecuacin (15.9),
H = F
T sen 8
1 480.6
(4 473)(0.099 5)
836.54 lb
Estas fuerzas le ayudan al

diseador para continuar con otros aspectos
del diseo estructural delvelero, tales como los cables y el sistema de soporte del mstil sobre el puente. Este problema ilustra muy bien dos usos
dela integracin numrica que se pueden encontrar durante el diseo
496
METODOS NUMRICOS
PARA INGENIEROS
de estructuras.Se ha visto que la regla trapezoidal y la regla de Simpson de

1/3 sonfciles de aplicar y sonherramientasprcticas enla solucin
de problemas. La regla de Simpson de 1/3 es ms exacta que laregla
trapezoidal para el mismo tamao de paso y por lo tanto, se prefiere a
menudo.
CASO 15.4
DETERMINACIN DE LA CORRIENTERMS
MEDIANTEINTEGRACIN NUMRICA
Antecedentes: el valor efectivo de una corriente elctrica cuyo valor
vara
peridicamente est dado porla frmula de raz cuadrada de la corriente
al cuadrado (vase el caso 12.4):
IWS =
i2(t)dt
[15.12]
endonde T es el periodo, esto es, eltiempode un ciclo e i(t) es la corriente instantnea.Calclese la corriente RMS de la forma de onda mostrada en la figura 15.4 usando la regla trapezoidal, la regla de Simpson
de 1/3, la integracin de Romberg y la cuadratura gaussiana para T = 1 s.
Recurdese que enel caso 12.4, se resolvi este problema por integra-
FIGURA 15.4
Corriente elctrica que varaperidicamente.
CASOS DE
497
V: INTEGRACldN
CUADRO 15.6
Valores dela integral calculada usando varios mtodos num6ricos.

El error relativo porcentual E, se basa en el valor verdadero de
15.412 608 1
Mtodo
Segmentos
Integral
Regla
trapezoidal
de
Regla
Simpson de
1/3
E,
1
2
4
8
16
32
64
128
0.0
15.163 266
5
15.401 429
1
15.411 958 4
15.412 568
2
15.412 605
6
15.412 607 9
15.412 608
1
1 O0
1.62
0.0725
4.21 x 10-3
2.59 x 10-~
1.62X 10-5
1.30x low6
O
2
4
8
16
32
20.217 688
7
15.480 816
6
15.415 468
1
15.412 771
4
15.412 608
1
-31.2
-0.443
-018 6
-1.06 x 103
O
cin analtica dela parbola que se haba ajustado a la funcin cuya aproximacin a laintegralfuede
20.217 688 7.
Solucin: en el cuadro 15.6 se muestra la aproximacin a la integral con
varias aplicaciones de la regla trapezoidal y la regla de 1/3 de Simpson.
Una aplicacin de la regla de Simpson de
1/3 obtiene el mismo resultado del caso de estudio 12.4. Esto ya se esperaba porquela regla de Simpson de 1/3 corresponde al rea bajo la parbola ajustada a los tres puntos.
Ntese que la regla de Simpson es ms exacta que la regla trapezoidal.
El valor exacto de la integral es 15.412 608 1. Este resultado se obtiene usando la regla trapezoidal con 128 segmentos o la regla de Simpson con 32 segmentos. Usando la integracin de Romberg se determina
la mismaaproximacin (Fig. 15.5).
"
FIGURA 15.5
Resultados obtenidosusando
la corriente RMS.
la integracindeRomberg
para calcular
498
MTODOS
NUMRICOS
PARA INGENIEROS
Adems, se puede usar la cuadratura gaussiana para obtener la misma aproximacin. Recurdese que la determinacin de la corriente RMS
del caso 12.4 se incluye la evaluacin de la integral (T = 1)
(b (lOe-t sen 2at)* dt
[15.13]
Primero se hace un cambio de variable aplicando la ecuacin (14.23)

y (14.24) para obtener
1
4
1
4
t = - + - t d
1
4
dt = - dtd
Estas relaciones se sustituyen en la ecuacin (15.13) y se obtiene
Con la frmula de Gauss-Legendre de dos puntos,la funcin se evala en t d = 1/43 y - 1/43, con los resultados de 7.684 096 2 y
4.313 728 O , respectivamente. Estos valores se sustituyen en la ecuacin
(14.17) y se obtiene una aproximacin a la integral de 11.997 824 2,
que representa un error del
= 22%.
La frmula de tres puntos es (cuadro 14.1):
0.555 555 556 (1.237 449 345) + 0.888 888 889 (15.163266 49)
+
=
0.555 555 556 (2.684 914 679)
15.657 550 21
1.6%
En el cuadro 15.7 se resumen los resultados del uso de frmulas de ms

puntos.
CUADRO 15.7
Resultadosobtenidosusandovarios
puntos y la cuadratura gaussiana para
aproximar la integral
~~
Puntos
Aproximacih
824
11.997
3
15.657 550 2
15.412 639 1
610 9
3
802
15.4054
15.4126
!%
22.1
-1.59
4.42 x
-2.01 X 1 0 - ~
-1.82 x 10-5
499
Laaproximacin a laintegralde
15.412 608 1 se sustituyeenla
ecuacin (15.12) y se calcula IRMscomo 3.925 889 5 A. Esteresultado se emplea en la gua de otros aspectos del diseo y operacin del
circuito.
CASO 15.5
INTEGRACIN NUMRICA EN EL CALCULO DE

TRABAJO (INGENIERA MECANICA)
Antecedentes: muchos problemas de ingeniera incluyen
el clculo del trabajo. Lafrmulageneral es:
Trabajo = fuerza
distancia
Cuando se estudia este concepto en la materia de fsicaa nivel preuniversitario, se presentan aplicaciones simples usando fuerzas que permanecen constantes a travs del desplazamiento. Por ejemplo, si se usauna
fuerza de 10 libras para jalar un bloque una distancias de 15 pies, el trabajo se calcula como 150 pies X libra.
Aunque este clculo simple es til enla introduccin del concepto,
los problemas realistas, en general, son ms complejos. Por ejemplo, supngase que la fuerza vara durante el curso del clculo. En estos casos,
la ecuacin del trabajo puede expresarse como
w=
F(x) cix
[15.14]
donde W es el trabajo en pie X libra, x. y x, son las posiciones inicial y

final, respectivamente y F(x) es la fuerza que vara en funcin de la posicin. Si F(x) es fcil de integrar, entonces la ecuacin (15.14) se integra
analticamente. Sin embargo, en problemas reales, la fuerza no se puede
expresar de esta manera. De hecho cuando se analizan los datos medios,
la fuerza puede estar disponible en forma tabular. En estos casos, la integracin numrica es lanicaopcinviablepara
la evaluacin.
Cuando el ngulo de la fuerza y la direccin del movimiento tambin
varanconla posicin, se introducemayorcomplejidad(Fig. 15.6). La
ecuacin del trabajo se puede modificar an ms tomando en cuenta este efecto,
w=
F(x) cos [O(x)] dx
[15.15]
Otra vez, si F(x) y O(x) son funciones simples, la ecuacin (15.15) se resuelve analticamente. Sin embargo, como en la figura 15.6, es ms fcil
500
MTODOS
FIGURA 15.6
NUMERICOS
PARA INGENIEROS
Caso de una fuerza variable que acta sobre un bloque. Eneste caso,
el ngulo, as como la magnitud de la fuerza varan.
que la relacin funcional sea complicada. En este caso, los m6todos numricos proporcionan la nica alternativa para determinar
la integral.
Supngase que seva a calcular la situacin mostrada en la figura 15.6.
Aunque la figura muestra los valores continuos deF(x) y B(x),se supone
que debido a restricciones experimentales, dnicamente se proporcionan
las medidas discretas en intervalos de x = 5 pies (cuadro 15.8). Utilicense las versiones de un segmento y de segmentos mltiples de la regla trapezoidal y las reglas de Simpson de 1/3 y 3 / 8 para calcular el trabajo
con estos datos.
Solucin: en el cuadro 15.9 se muestran los resultados resumidos delanlisis. Se calcul un error relativo porcentual E ~ ,en referencia al valor real
CASOS DE LA
50 1
V: INTEGRACldN
CUADRO 15.8 Datos de la fuerza F ( x ) y del nglo @(x)

en funcidn de la posicidn x
F(x),libras O, radianes F(x)cos 0
x , pies
O
13.0
14.0
10.5
12.0
0.0
9.0
5
10
15
20
25
30
5.0
0.000 o
1 S29 7
9.512 O
8.702 5
2.808 7
1.088 1
0.353 7
030
1.40
0.75
0.90
1.30
1.48
1S O
de la integral cuyo valor es 129.52, calculando en base a los valores tomados de lafigura 15.6 con intervalos de un pie.
Estos resultados son importantes porque el resultado msexacto ocurre
cuando se usala regla trapezoidal de dos segmentos. Las estimaciones
ms refinadas usando mssegmentos, as como la regla de.Simpson, llevan a resultados menos exactos.
La razn de este resultado aparentemente ilgico es que el espaciamiento grueso de los puntos no es adecuado para capturar las variaciones de las fuerzas y los ngulos. Esto es evidente enlafigura 15.7, en
donde se ha graficado la curva continua de los productos de F(x) y cos
[e(x)].Ntese cmo el uso de siete puntos para caracterizar la continuidad de la funcin falla en los dos picos x = 2.5 y x = 12.5 pies. La omisin de estos dos puntos limita efectivamente la exactitud de la integracin
numrica en el cuadro 15.9. El hecho de que la regla trapezoidal de dos
segmentos obtenga la mayor precisin en estos resultados se debe a la
forma en que se posicionan los puntos en este problema en particular (Fig.
15.8).
CUA,DRO 15.9
A roximaciones del trabalo calculado usando la reg a trapezoidaly la regla de Simpson. El error relativo oreentual (e,) se calculd en referencia al valor
rea de la integral (129.52 pies libra)calculado en
base a los valores en intervalos de1 pie
M6todo
Regla trapezoidal
Regla de Simpson de
1
2
3
6
1/3 2
6
Regiade
Simpson de
3/8 3
95.9
5.31
-2.84
133.19
3.51 124.98
1 1 9.09
8.05
175.82
-35.75
9.57117.13
139.93
-8.04
502
METODOS NUMRICOS
PARA INGENIEROS
FlGlJRA 15.7 Grfica
continua de f(x) cos [O(x)]contra la posicin, junto con los siete

puntos discretos usados para desarrollar la aproximacin a la integral
numrica del cuadro 15.9. Ntese cmo el uso de siete puntos para caracterizar esta funcin que vara continuamente
omite dos picos en x
= 2.5 y 12.5 pies.
FIGURA 15.8
Esquema grfico del por qu6 la regla trapezoidal de dos

segmentos genera una buena aproximacin de la integral para este caso en particular. Por casualidad el uso de los dos trapecios genera un balance entre
los errores positivos y negativos.
503
CASOS DE LA PARTE V: INTEGRACION
FIGURA 15.9
Esquemas de segmentacin desigual que resulta al incluir dos puntos

iniciales en x = 2.5 y 12.5 en los datos delcuadro 15.8. Se muestran las frmulas de integracin aplicadas a cada conjunto de segmentos.
La conclusin derivada de la figura 15.7 es que se debe hacer un nmero adecuado de medidas para calcular exactamente las integrales. En
este caso, si se conociera F (2.5) cos [0(2.5)]= 4.350 O y F(12.5) cos
[6(12.5)] = 11.360 O se podra determinar un clculo de la integral usando
el algoritmo de datos desigualmente espaciados descrito previamente enla
seccin 13.3. En la figura 15.9 se ilustra la segmentacin desigualen este
caso. Incluyendo los dos puntos adicionales, llevaa un mejor clculo dela
integral de 126.9 (E,, = 2.02%). Por lo tanto, lainclusinde los datos
adicionales podra incorporarlos picos que se haban ignorado previamente
y, en consecuencia, !levar a un resultado mejor.
PROBLEMAS
15.1
Reptanse los clculos del caso 15.1 usando los programas propios
504
NUMERICOS
15.2
METODOS
Efectense los mismos clculos del caso 15.1, pero envez de usarla ecuacin
(15.1) utilcese la siguientefrmulaalternativa:
Costo por computadora ($) = 1250
15.3
PARA INGENIEROS
1750e-510-5N
AI efectuar un estudio de la linea de ensamble de unaplanta de automviles,

en un periodo de 24 horas, se visitan dos puntos sobre la lnea y en instantes
diferentes durante el da se verifica el ntmero de autos que pasa por ah en un
minuto. Los datos son
~~
~~
~~
~~
~~
_ _ ~
Punto A
~~~
~~~
Punto B
Tiempo
Carrodminuto
Tiempo
Carrodminuto
Medianoche
2
A.M.
3
A.M.
6
A.M.
9
A.M.
11
A.M.
2
P.M.
5
P.M.
6
P.M.
7
P.M.
P.M.
Media noche
Medianoche
1 A.M.
4 A.M.
5 A.M.
7 A.M.
10 A.M.
1 P.M.
3 P.M.
9 P.M.
10 P.M.
11 P.M.
Medianoche
3
5
4
5
6
2
1
1
3
4
6
3
5
2
1
4
3
4
6
1
3
6
Utilcese integracin numricay la ecuacin V.3para determinar el nmero total

de carros que pasa por da en cada punto.
15.4
Los datos del cuadro P15.4 proporcionan medidasdelflujo de calor q sobre la

superficie de un colector solar en intervalos de una hora. Calclese el calor total
absorbido por un panel colector de 150 O00 cm2 durante un periodo de 14 horas. El panel tiene una eficiencia de absorcin eobdel 45%. El calor total absorbido est dado por
eab
S1
q A dt
en donde A es el rea y q es el flujo de calor
Ingeniera Qumica
15.5
Reptanse los clculos del caso 15.2 usando los programas propios.
15.6
Efectense los mismos clculos del caso 15.2calculando la cantidad de calor necesario para elevar la temperatura de 2 O00 g de material desde 2 000 hasta
505
TABLA P15.4
Medidas del flujo de calor

solar
Tiempo, h
Flujo de
calor q,
colorks/cm2/h
o. 1
6
7
8
9
10
11
12
13
14
1.62
5.32
6.29
7.8
8.81
8.00
8.57
8.03
7.O4
6.27
5.56
3.54
1 .o
0.2
100C. Utilicese la regla de Simpson en los clculos, con valores de T a intervalos de 5OOC.
15.7
Reptase el problema 15.6 usando integraci6n de Romberg con
15.8
Reptase el problema 15.6 usando la frmula de Gauss-Legendre de dos y tres

puntos. Interprtense los resultados.
15.9
Utilicese la regla de Simpson para calcular el calor total de la placa mostrada en

el caso 9.2 sila capacidad calorfica est definida por la ecuacin (15.3).
E"
= 0.01%.
Ingeniera civil
15.10 Reptanse los clculos del caso 15.3 usando sus propiosprogramas
15.11 Reptanse los clculos del caso 15.3 usando la integracin de Romberg para evaluarla integral.
Usese un criterio de paro de e, = 0.25%.
15.12 Ejectense los mismos c6lculos del caso 15.3 usando la cuadratura de Gauss para evaluar la integral.
15.13 Ejectense losmismos clculos del caso 15.3 cambiando la integral a
506
NUMERICOS
METODOS
PARA INGENIEROS
15.14 Para ciertos trabajos sobre ingeniera de recursos de agua, que incluye la prevencin de inundaciones y el diseo de reservas, se requieren canales de rea transversal ( A ) . A menos que se disponga de dispositivos de sondeo electrnico en
la obtencin de perfiles continuos del fondo del canal. el ingeniero debe confiar
en las medidas discretas de la profundidad a calcular. En la figura P15.14 se ilustra una seccin transversal de un canal comn. Los puntos representan posiciones en donde se ancl el bote y se tomaron lecturas de la profundidad. Utilcense
dos ecuaciones dela regla trapezoidal ( h = 4 y 2 m) y la regla de Simpson de
1/3 para calcular el rea transversal a partirde estos datos
15.15 Durante una investigacin de campo es necesario calcular el rea del campo mostrado en la figura P15.15. Utilcense las reglas de Simpson para determinar elrea.
15.16 Un estudio de ingeniera de trnsito'sequiere el clculo del nmero total de carros que pasa a travs de una interseccin en un periodo de 24 horas. Un individuo visita lainterseccin varias veces durante el day cuenta el nmero de carros
que pasa a travs de la interseccin en un minuto. Utilcense estos datos, que
se encuentran resumidos en el cuadro P15.16, para calcular el nmero total de
carros que pasa por la interseccindurante el da. (Tngase cuidado con las
unidades.)
Ingeniera elctrica
15.17 Reptanse los clculosdel caso 15.4 usandolosprogramaspropios
TABLA P15.16
Promedio de flujo de trfico en una interseccin medido envorios tiempos en un periodo de24 horas
Tiempo
Promedio, carroslmin
12:OO Medianoche
2:00 A.M.
6:OO A.M.
7:OO A.M.
8:OO A.M.
9:OO A.M.
11:o0 A.M.
1:OOP.M.
3:OO P.M.
4:OO P.M.
5:OO P.M.
6:OO P.M.
7:OOP.M.
8:OOP.M.
1O:OOP.M.
12:OO Medianoche
10
4
.6
40
60
80
25
18
17
28
35
77
40
30
31
15
507
V: INTEGRACION
CASOS
FIGURA P15.14
Seccin transversal de un canal.
FIGURA P15.15
Campo limitado por dos caminosy
""".""".
..
un arroyo.
508
INGENIEROS
PARA
MTODOS
NUMERICOS
15.18 Efectense los mismos clculos del caso 15.4 usando una funcin de corriente
dada por:
i(t) =
sen 2?rt
i(t) = O
por O
It S
por T / 2
r/2
It I
e n donde T = 1 s. Utilcese la regla de Simpson de 1/3 con 16 segmentos para

calcular la integral.
15.19 Reptase el problema 15.18 usando cuadratura gaussiana
15.20 Reptase el problema 15.18 usando integracin de Romberg a
E,
0.1%.
Ingeniera mecnica
15.21 Reptanse los clculos del caso 15.5 usando los programas propios
15.22 Ejectense los mismos clculos del caso 15.5 usando la siguiente ecuacin para
calcular:
F(x) = 1 . 1 7 ~- 0 . 0 3 5 ~ ~
Emplense los valores de 6 del cuadro 15.8
15.23 Ejectense los mismos clculos del caso 15.5pero con la siguiente ecuacin para calcular:
Emplese la ecuacin del problema 15.22 para F(x). Utilcese la regla trapezoidal con cuatro, ocho y diecisis segmentos para calcular la integral.
15.24 Reptase el problema 15.23 con la regla de Simpson de 1/3
15.25 Reptase el problema 15.23 usando integracin de Romberg hasta
E$
O. 1% .
15.26 Reptase el problema 15.23 usando cuadratura gaussiana

15.27 Lense todos los casos del captulo 15. En base a las lecturas y a la experiencia
invntese un caso propio en cualquiera de los campos de la ingeniera. Esto puede implicar la modificacin o la reexpresin de alguno de los casos. Sin cmbargo, tambin puede ser totalmente original.Como sucede en los ejemplos del texto,
se debe elaborar enfocando los problemas de ingeniera y debe demostrar el uso
de los mtodos numricos para la integracin. Escrlbanse los resultados usando
los casos propios como modelos.
EPLOGO:
PARTE V
V.4
ELEMENTOS DE JUICIO
El cuadro V.3 muestra un resumende los elementos de juicio relacionados con la integracin numrica o cuadratura. La mayor parte de estos
mtodos se basa en la interpretacin fsica simple
de que una integral es el rea baio la curva. Estos mtodos estn diseados para evaluar la in1 ) una funcin
tegral endoscasosdiferentes:
matemtica continua y 2) datos discretos en forma tabular.
Las frmulas de Newton-Cotes son los primeros
mtodos analizados en el captulo 13. Son aplicables a funciones continuasy a funciones discretas. Se dispone de estas frmulas en sus versiones
cerradas y abiertas. las formas abiertas, que tienen lmites de integracin extendidos ms all del
rango de los datos, rara vez se usan en la evaluacin de integrales definidas. Sin embargo, tienen
gran utilidad en la solucin de ecuaciones diferenciales ordinarias, analizada enel captulo 17.
Las frmulas de Newton-Cotes cerradas se basan

en el reemplazo de una funcin matemtica o de
datos enforma tabular enun polinomio quees fcil
de integrar. La versin ms simple es la regla trapezoidal, que se basa en tomar el rea baio una
lnea recta que une los valores adyacentes de la
funcin. Una manera de meiorar la exactitud de
la regla trapezoidal es la de dividir el intervalo de
integracin de a a b en un conjunto de segmentos y aplicar el mtodo a cada uno de los segmentos.
Adems de aplicar la regla trapezoidal con segmentacin ms fina, otra manera de obtener una
aproximacin ms exacta a la integral es eluso
de polinomiose orden superior para conectar los
puntos. Si se emplea una ecuacin cuadrtica, el
resultado es la regla de Simpson de 1/3. Si se usa
una cbica el resultado es la regla deSimpson de
3/8. Estas reglas se prefieren a la de la regla trapezoidal debido a que son mucho ms exactas.
Existen versiones de segmentos mltiples.En situa-
METODOS
510
>
O
L
NUMRICOS
PARA INGENIEROS
EPILOG0 PARTE V
51 1
ciones con un nmero par de segmentos, se recomienda la aplicacin

mltiple de la regla de 1/3.Para el caso de un nmero impar de segmentos, se puede aplicar la regla 3/8 a los ltimos tres segmentos y
la regla de 1/3 a los restantes.
Tambin existen frmulas de Newton-Cotes de orden superior. Sin embargo, rara vez se usan en la prctica. Cuando se requiere de alta
exactitud se dispone de la integracin de Romberg y de la cuadratura gaussiana. Debe hacerse notar que las frmulas de integracin de
Romberg y la cuadratura gaussiana tiene valor prctico slo en casos donde se conoce la funcin en forma continua. Estos mtodos no
funcionan para datos tabulares.
V.5 RELACIONES Y FRMULAS IMPORTANTES

En el cuadro V.4 se resume la informacin ms importante analizada
en la parte V. Este cuadro se puede consultar para tener un rpido
acceso a las relaciones y frmulas de mayor importancia.
V.6 MTODOS AVANZADOS Y ALGUNAS

REFERENCIAS ADICIONALES
Aunque se han analizado varios mtodos numricos, existen otros ms
que tienen utilidad en la prctica de la ingeniera. Por ejemplo, la integracin adaptiva de Sirnpson se basa en la divisin del intervalo de
integracin en una serie de subintervalos de ancho h. En seguida se
usa la regla de Simpson de 1/3 para evaluar la integral en cada subintervalo, partiendo el tamao de paso de manera iterativa, es decir, con un tamao de paso h, h/2, h/4, h/8, etc. Las iteraciones se
continan para cada uno de los subintervalos hasta que una aproximacin con error calculado E, [Ec. (3.5)]cae dentro de un criterio de
paro antes especificado E,. La integral total se calcula como la sumatoria de las aproximaciones a la integral evaluadas en cada subintervalo. Este mtodo se usa, especialmente, en funciones complicadas
que tienen regiones con variaciqnes de baio y alto orden. El anlisis
de la integracin adaptiva se encuentra en Gerald y Wheatley (1 984)
y Rice (1983).
Otro mtodo para la obtencin de integrales es el de ajustar polinornios cbicos segrnentarios a los datos. La ecuacin cbica resultante
se puede integrar fcilmente (Forshyte et al., 1977).Finalmente, aparte
de las frmulas de Gauss-Legendre analizadas en la seccin 14.2,existe una variedad de frmulas de cuadratura. En Carnahan, Luther y
512
-2
N
l!
- x
x'
x'
i;
C
9
x'
3
I
e,
EPLOGO PARTE V
513
Wilkes ( 1 969) y Ralston y Rabinowitz ( 1 978) se resumen algunas de

estas formulaciones.
En resumen, lo anterior tiene la finalidad de proporcionar caminos
para exploraciones ms a fondo sobre el tema. Adems, todas las
referencias anterioresproporcionan descripciones de los mtodos bsicos cubiertos en la parte V. Sele sugiere al lector consultar estas
fuentes alternativas de informacin para profundizar en los mtodos
numricos de integracin.
516
MTODOS
m-
d2x
dt
+ C"
dX
dt
NUMRICOS
PARA INGENIEROS
+kx=O
[VI. 21
en donde c es un coeficiente de amortiguamiento y k es la constante

delresorte. De manera similar, una ecuacin de n-simo orden incluira una n-sima derivada.
Las ecuaciones de orden superior se pueden reducir a un sistema de
ecuaciones de primer orden. Para la ecuacin (V1.2)) esto se lleva a
cabo definiendo una nueva variable y donde
dx
Y=%
[V1.3]
que se puede derivar y obtener
dy - d2x
-"
[V1.4]
Las ecuaciones
(V1.3) y (V1.4) se pueden sustituir en la ecuacin(V1.2)
df
dt2
y obtener
m-dY
dt
+ cy + &x = o
[VIS]
dy "dt
cy
+ kx
[V1.6]
Por lo tanto, las ecuaciones (V1.3) y (V1.6) son un par de ecuaciones

de primer orden que son equivalentes a la ecuacin original de segundo orden. Debido a que
otras ecuaciones diferenciales de n-simo
orden se pueden reducir de lamisma manera, esta parte del libro se
enfoca a la solucin de ecuaciones de primer orden. Algunos de los
casos de estudio del captulo 18 tratan con la solucin de E D 0 de segundo orden reducindolas a un par de ecuaciones de primer orden.
VI. 1.1.
M t o d o s anteriores al
en la solucin d e E D 0
uso
de computadoras
Antes de la era de la computacin, las E D 0 se resolvan por lo comn, con mtodos de integracin analtica. Por eiemolo, la ecuacion
(VI.l) se puede multiplicar por dt e integrarse para obtener
[V1.7]
517
AI lado derecho de esta ecuacin se le llama integral indefinida debido a que los lmites de integracin no estn definidos. Esto contrasta
con las integrales definidasanalizadas previamente enla parte V [comprese la Ec. (V1.7) con la Ec. (VS)].
Se obtiene una solucin analtica de la ecuacin (V1.7)si la integral
indefinida se puede evaluar exactamente en forma de una ecuacin.
Por ejemplo, recurdese que para el problema del paracaidista la
ecuacin (VI.7) se resuelve analticamente mediantela ecuacin (1.9)
(suponiendo que v = O en t = O):
[V1.8]
La mecnica de derivacin de tales soluciones analticas se analiza
en la seccin V1.2. En este momento, lo importante es que, como en
el caso de la integral definida, la evaluacin analtica de las integrales indefinidas, en general depende del conocimientoprevio de la respuesta. Desafortunadamente,las soluciones exactas de muchas EDOs de
importancia prctica no existen. Como sucedeen la mayor parte
de las Gtuaciones analizadas en otras partes de este libro, los mtodos
numricos ofrecen la nica alternativa viable enestos casos. Debido a que estos mtodos numricos, por lo comn, requieren de
computadora, los ingenieros de la era anterior al uso de las mismas
se vean limitados enel alcance de sus investigaciones.
Un mtodo muy importante que los ingenieros y matemticos desarrollaron para evitar este dilema fueel de linealizacin. Una ecuacin diferencial ordinaria es aquella que se ajusta a la forma
a,(x)y'"'
+ . . . + a1 (x)y' + uo(x)y = +(x)
[V1.9]
en donde y(") es la n-sima derivada de y con respecto a x y las a

y las f son funciones especficas de x. A esta ecuacin se le llama lineal ya que no hay productos o funciones no lineales de la variable
dependiente y de sus derivadas. La importancia prctica de las E D 0
lineales es que se pueden resolver analticamente.En contraste, la mayor parte de las ecuaciones no lineales no se pueden resolver exactamente. Por lo tanto en la pocaanterior al uso de computadoras, una
tctica para resolver las ecuaciones no lineales fue la de linealizarlas. Un ejemplo simple de la aplicacin de E D 0 es el predecir el movimientodel pndulo oscilante (Fig. VI.1). De manera similar ala
derivacin del problema del paracaidista, se puede usar la segunda
ley de Newton para desarrollar la siguiente ecuacin diferencial (vase
el caso 18.5 para la derivacin completa:
FIGURA VI.l
Pndulo oscilador.
d28
dt2
-+-sen0
CVl.1O]
518
METODOS NUMRICOS
PARA INGENIEROS
donde e es el ngulo de desplazamiento del pndulo, g es la aceleracin gravitacional y I es la longitud del pndulo. Esta ecuacin no es
lineal ya que contiene el trmino sen 8 . Una manera deobtener una
solucin analtica es la de considerar pequeos desplazamientos del
pndulo a partir del equilibrio (esto es, para valores pequeos de6 ),
sen 8 = 8
[VI.11]
Por lo tanto, si se supone que slo estamos interesados en los casos

donde O sea pequea, entonces la ecuacin (VI.11) se puede sustituir
en la ecuacin (VI.1O) para obtener
[V1.12]
De esta manera se ha transformado la ecuacin
ma lineal fcil de resolver analticamente.
(VI.1 O) en una for-
Aunque la linealizacin sigue siendo una herramienta muy til en la

solucin de problemas de ingeniera, existen casos donde no se puede usar. Por ejemplo, supngase queestamos interesados en estudiar
el comportamiento del pndulo para grandes desplazamientos a partir
del punto de equilibrio. En estos casos, los mtodos numricos ofrecen una opcin viable en la obtencin de soluciones. Actualmente,
la amplia disponibilidad de computadoras coloca esta opcin al alcance de todos los ingenieros.
Vi. 1.2
Las
E D 0 en la prctica de la ingeniera
Las leyes fundamentales de la fsica, la mecnica, la electricidad y la

termodinmica se basan en general en observaciones empricas que
explican la variacin delas propiedades fsicas y estados de los sistemas. En lugar de describir el estadode los sistemas fsicos directamente,
las leyes se expresan en cambios del tiempo y del espacio.
En el cuadro VI.l se muestran varios ejemplos. Estas leyes definen mecanismos de cambio. Cuandostas se combinan con las leyes de continuidad e la energa, de mesa o de momento, se generan ecuaciones
diferenciales. La integracinsubsecuente de estas ecuaciones diferenciales genera funciones matemticas que describen el estado espacial
y temporal de un sistema en trminos variacionales de la energa, de
la masa y de la velocidad.
El problema del paracaidista introducido en el captulo 1 es un ejemplo de la derivacin de una ecuacin diferencial ordinaria a partir
de una ley fundamental. Recurdese que la segunda ley de Newton
se usa en el desarrollo de una E D 0 que describe el cumbic propor-
519
CUADRO VI. 1
Ejemplos de lasleyes fundamentales escritas en terminos del

promedio de cambiode las variables ( t tiempo y x
posicin)
Variables y
parmetros
Expresin
matemtica
Ley
Segunda ley de
Newton del
movimiento
dv
dt
- = -
Flujo de calor = k-
Ley del calor de

Fourier
Velocidad (v ), fuerza ( F )
y masa ( m )
aT
Conductividad trmica
y temperatura ( T )
ax
ac
Flujo de masa = 4
ax
Ley de difusin
de Fick
Ley de Farafay
(describe la cada del
voltaje a travs de un
conductor)
Cada de voltaje =
L-
di
(k)
Coeficiente de difusin (D)

y concentracin (c)
lnductancia (I
y)
corriente ( i )
dt
dc
Acumulacin = V--
Conservacin de
la masa
dt
Volumen (V) y
concentracin (c)
cional de la velocidad de cada del paracaidista. Integrando esta relacin se obtiene una ecuacin que predice la velocidad de cada en
funcin del tiempo. Esta ecuacin puede usarse de diferentes maneras, incluyendo propsitos de diseo.
De hecho, estas relaciones matemticas son la base de la solucin de
un gran nmero de problemas de ingeniera. Sin embargo, como se
describe en la seccin anterior, muchas de las ecuaciones diferenciales de significancia prctica no se pueden resolver usando mtodos
analticos del clculo. Por lo tanto, los mtodos analizados en los captulos siguientes son sumamente importantes entodos los campos de
la ingeniera.
v1.2 FUNDAMENTOS MATEMTICOS

Una solucin de una ecuacin diferencial ordinaria es una funcin especfica de la variable independiente y de sus parametros que satisfacen la ecuacin diferencial original. Para ilustrar este concepto, se
tiene la siguiente funcin
y = - 0 . 5 ~ ~4x3 - lox2
+ 8 . 5 ~+ 1
[V1.13]
la cual es un polinomio de cuarto orden (Fig. V1.20). Ahora, si se deriva la ecuacin (VI.13), se obtiene la EDO:
"
I
*
_
.c.
...
520
MTODOS
FIGURA V1.2
Grfica de a ) y contra x y b) d y / d x contra x de la funcin

y = - 0 . 5 ~ ~ 4x3 - l o x 2
8 . 5 ~+ l.
d~-
-2x3
dx
+ 12x2
2oX + 8.5
[VI.141
Esta ecuacin tambin describe el comportamiento del polinomio pero de manera diferente que la ecuacin (Vl.13). En vez de representar explcitamente los valores de y para cada uno de los valores de
x, la ecuacin (VI.14) proporciona la relacin de! cambio de y respecto a x(esto es, la pendiente) para cada valor de x . En la figura
V1.2 se muestran la funcin y su derivada graficadas contra x . Ntese que los valores cero de la derivada corresponden aun punto donde la funcin original es plana, estoes, tiene una pendiente cero.
Tambin, los valores absolutos mximos alcanzados de las derivadas
son los extremos del intervalo en donde las pendientes de una funcin son mayores. Aunque, como yase ha demostrado, se puede determinar una ecuacin diferencial dada la funcin original, el objetivo
521
aqu es el de determinar la funcin original dada la ecuacin diferencial. La funcin original representa entonces la solucin. En este caso
se puede determinar la solucin en forma analtica, integrando la ecuacin (VI. 14):
y=
I [-2x3 + 1 2x2
2Ox
+ 8.51 dx
Aplicando las reglas de integracin (recurdese el cuadro
V.l)
AI resolver cada trmino de la ecuacin se obtiene la solucin:
y = - 0 . 5 ~ ~ 4x3 - lox2 + 8 . 5 ~ C
[VI.15]
que es idntica a la funcin original con una notable excepcin. En

el acto de derivacin e integracin, se pierde el valor de la constante
1 en la ecuacin original y se gana el valor C. Esta C es conocida
con el nombre de constante de integracin. El hecho de que aparezca una constante indica que la solucin no es nica. De hecho, sta
es slo una de un nmero infinito de funciones posibles (correspondientes a un nmero infinito de valores posibles para C)que satisfacen a la ecuacin diferencial. Por ejemplo, en la figura V1.3 se muestran
seis posibles funciones que satisfacen la ecuacin (V1.14).
FIGURA V1.3
. . I""
Seis soluciones posibles de la integral de -2x3

12x2 - 2Ox + 8.5.
Cada uno tiene un valor diferente de la constante de integracin c.
.-
..
." . ..~
522
INGENIEROS
MTODOS
NUMRICOS
PARA
Por lo tanto, para especificar la solucin completamente, una ecuacin diferencial se acompaa de condiciones auxiliares. Para EDOs de
primer orden, a un tipo de condicin auxiliar se le llama valor inicial
y es necesaria para determinar la constante y obtener una solucin
nica. Por ejemplo, la ecuacin (VI. 14) puede ir acompaada de una
condicin inicial en que x = O, y = l . Estos valores se sustituyen en
la ecuacin (VI. 15):
-0.5(0)4 + 4(0)3- 10(0)2 + 8.5(0) + C
[VI. 161
para determinar C = l . Por lo tanto, la solucin nica que satisface

a la ecuacin diferencial y a la condicininicial especificada se obtiene sustituyendo C = 1 en la ecuacin ('41.15 ) para obtener
- 0 . 5 ~+~ 4x3 - lox2 + 8 . 5 ~+ 1
[VI.17]
De esta manera, se ha considerado en la ecuacin (VI.15) que pasa

a travs de la condicin inicial, al hacerlo, se ha obtenido una solucin nica para laE D 0 y se ha completado el crculo hasta la funcin
inicial [ecuacin (VI.13)].
Las condiciones iniciales por lo comn tienen interpretacicpes muy tangibles en ecuaciones diferenciales de problemas fsicos. Por ejemplo,
en el problema del paracaidista la condicininicial fue reflectiva del
hecho fsico de que en un tiempo cero la velocidad vertical fue cero.
Si el paracaidista hubiera estado en movimiento vertical en el momento
cero, la solucin se habra modificado para tomar en consideracin
esta velocidad inicial.
Cuando se trata con ecuaciones diferenciales de n-simo orden se requieren de n condiciones para obtener una solucin nica. Si todas
las condiciones se especifican en el mismo valor de la variable independiente (por ejemplo, en x o t = O), entonces al problema se le conoce como problemae valor inicial. Esto contrasta con los problemas
de valor en la frontera en donde las especificaciones de las condiciones
ocurren en valores diferentes de la variable independiente. Los captulos 16 y 17 se enfocan a problemas con valores iniciales. Los problemas
con valores en la frontera se mencionan al final del captulo 16.
VI .3
Antes de continuar con los mtodos numricos en la solucin de ecuaciones diferenciales ordinarios, puederesultar otil una orientacin. El
material siguiente tiene lafinalidaddeproporcionaruna
visin
general de los temas analizados en la parte VI. Adems, se han for-
523
ECUACIONES DIFERENCIALES
mulado objetivos para orientar al lector en el estudio de

de esta rea.
V1.3.1
los temas
Alcances y avances
En la figura V1.4 se muestra una visi6n general de la parte VI. Dos

categoras importantes de los mtodos numricosse analizan en esta
FIGURA V1.4
_I,..
Representacin esquemtica de la organizacin del material de la

parte VI: ecuaciones diferenciales ordinarias.
..
524
MTODOS
NUMRICOS
PARA INGENIEROS
parte del libro. Los mtodos de un paso, cubiertos en el captulo 16,

permiten al clculo de y;lh 1, dada la ecuacin diferencial y y;. Los mtodos de pasos mltiples, cubiertos en el captulo 17, requieren valores adicionales de y adems de los dados para i.
En todo, con algunas excepciones menores, los mtodos de un paso
del capitulo 76 pertenecen a los mtodos de Runge-Kutta. Aunque el
captulo est organizado alrededor de este concepto terico, se ha
optado por abordar el tema de manera ms grfica. Por lo tanto,
el captulo empieza con el mtodo de Euler que tiene una interpretacin grfica muy clara. Despus, se usan argumentos orientados hacia lo visual para desarrollar dos versiones meioradas del mtodo de
Euler: el mtodo de Heun y el mtodo del polgono mejorado.En seguida de esta introduccin, se desarrolla formalmente el concepto de
los mtodos de Runge-Kutta (o RK) y se demuestra como los mtodos
anteriores son mtodos RK de primer y segundo grado. A esto le sigue un anlisis de la formulacin RK de orden superior que se usa
frecuentemente en la solucin de problemas de ingeniera. El captulo termina con secciones sobre dos aplicaciones de los mtodos de
un paso: sistemas de D yOla solucin de problemas con valores en
la frontera usando mtodos de disparo.
1 capitulo 7 7 se dedica a los mtodos de pasos mltiples que algunas

veces son mas difciles de programar en una computadora pero que
alcanzan exactitudes comparables a los mtodos de un paso y con
menor esfuerzo. Otra vez, al comienzo se enfoca el tema en forma
visual usando un mtodo simple; el mtodo de Heun sin principio, para introducir todos los rasgos esenciales de los mtodos de pasos mltiples. En seguida se entra en un anlisis de las frmulas de integracin
numrica que sonel corazn de los mtodos de pasos mltiples. A
esto le sigue una seccin sobre las versiones de orden superior, incluyendo dos esquemas comunes, el mtodo de Milne y el mtodo de cuarto orden de Adams.
En el captulo 78 se desarrollan casos para todos los campos de la
ingeniera. Finalmente, se incluye una seccin de repaso al trmino
de la parteVI. Este epilog0 resume y compara las frmulas importantes y los conceptos relacionados con las EDO. Esta comparacin incluye un anlisis de los elementos de juicio importantes para su
implementacin en la prctica de la ingeniera. El eplogo resume tambin las fbrmulas importantes e incluye referencias adicionales sobre
temas avanzados.
Se suministra informacin de cmputo automtico de diferentes maneras. Primero, est disponible el paquete NUMERICOMP para el mtodode Euler conlaopcinbasede
usarse en l a s computadoras
525
IBM-PC y Apple I I . En forma alterna se d a directamente en el texto

el programa para el mtodo de Euler en ambos lenguajes FORTRAN
y BASIC. Esto posibilita copiar el programa e implementarlo en la computadora o en una supercomputadora. Se proporcionan tambin los
diagramas de flujo y algoritmos de los programas para computadora
de la mayor parte de los mtodos descritos en el texto. Esta informacin, combinada con los programas propios bien escritos y documentados en cualquier lenguaje, proporcionan herramientas aplicables
a un gran nmero de problemas de ingeniera.
V1.3.2
Metas y objetivos
Objetivos de estudio. Despus de terminar la parte VI, el lector debe

de aumentar sus habilidades para confrontar y resolver ecuaciones
diferenciales ordinarias. Las metas de estudio generales deben incluir
confiabiel dominio de los mtodos, tener la capacidad de valorar la
lidad de las respuestas, y ser capaz de escoger "el mejor" mtodo
(o mtodos) de cualquier problema en particular. Adems de estos
objetivos generales, se deben dominar los objetivos especficos de estudio del cuadro V1.2.
Objefivos de cmputo. Se debe estar bien equipado con un paquete
que incluya programas simples para la computadora, algoritmos, y
diagramas de flujo que implementen los mtodos analizados en la parte
VI. Todos stos tienen utilidad como herramientas de apredizaje.
El paquete de programas para computadoras personales NUMERICOMP, que utiliza el mtodo de Euler, es legible al usuario. La solucin se puede mostrar ya sea en forma grfica o en forma tabular.
La salida grfica posibilita visualizar fcilmente el problema y su solucin. Se puede estudiar la eficiencia del mtodo probando varios
tamaos de paso. El paquete es muy fcil de implementar y puede
ser usado para verificar los resultados de cualquier programa de computadora desarrollado por el lector.
Alternativamente, los programas del mtodo de Euler escritos en los
lenguajes FORTRAN y BASIC se suministran directamente en el texto.
Adems, se proporcionan los algoritmos y los diagramas de flujo para la mayor parte delos otros mtodos anulizados en la parte VI. Esta informacinpermitir expander la biblioteca de programas del
lector, incluyendo mtodos que vayan ms all del mtodo de Euler.
Por ejemplo, puede ser de mucha utilidad desde un punto de vista
profesional, el tener un paquete de programas queemplee los mtodos de cuarto orden de Runge-Kutta o el mtodo de Adams. Tambin
se puede desarrollar un paquete de programas que solucione sistemas de ecuaciones diferenciales ordinarias.
526
METODOS
CUADRO V1.2
NUMRICOS
PARA INGENIEROS
Bbietivos de estudios especficos de la parte VI
1. Ehtender la representacin visual de los mtodos de Euler, Heun y el

polgono meiorado.
2. Conocer la relacin del mtodo de Euler con la expansin en serie de

Taylor y que su conocimiento est relacionado con el error del mtodo.
3. Entender la diferencia entre los errores de truncamiento locales y globules y
4.
5.
6.
7.
8.
9.
1o.
11.
12.
13.
14.
cmo se relacionan con la seleccin de un mtodo numrico en particular

para la solucin de un problema.
Conocer el orden y la dependencia de los tamaos de paso de los errores
de truncamiento para todos los mtodos descritos en la parte VI;
comprender cmo estos errores influyen en la exactitud de los mtodos.
Entender la base de los mtodos predictor-corrector. Comprender en
particular que la eficiencia del corrector es altamente dependiente de la
exactitud del predictor.
Conocer la forma general de los mtodos de Runge-Kutta. Entender la
derivacin del mtodo de RK de segundo orden y cbmo estese relaciona
con la expansin en serie de Taylor; reconocer que existe un nmero infinito
de posibles versiones para los mtodos RK de orden superior.
Saber aplicar cualquiera de los mtodos RK a sistemas de ecuaciones; ser
capaz de reducir una ED0 de n-simo orden a un sistema de n E D 0 de
primer orden.
Entender la diferencia entre problemas de valor inicial y con valores a la
frontera; ser capaz de implementar el mtodo de disparo en problemas con
valores a la frontera.
Conocer la diferencia entre los mtodos de pasos mltiples y de un solo
paso; reconocer que todos los mtodos de pasos mltiples son predictorcorrector pero que no todos los mtodos predictor-corrector son de pasos
mltiples.
Entender la importancia de los modificadores en los algoritmos de pasos
multiples.
Entender la conexin entre las frmulas de integracin y los mtodos
predictor-corrector.
Conocer la diferencia fundamental entre los mtodos de integracin de
Newton-Cotes y de Adams.
Entender la conexin entre los modificadores y el ajuste en el tamao de
paso; reconocer el tipo de contexto de un problema donde el ajuste de
tamao de paso es importante.
Comprender el hecho de que el mtodo de Milne es inestable y reconocer
por qu posee dificultades en ciertos tipos de problemas.
CAPTULO DIECISIS
MTODOS DE
U N PASO
Este captulo est dedicado a la solucin de ecuaciones diferenciales ordinariasdelaforma
Enel captulo 1 se usa un mtodo numrico para resolver el problema

del paracaidista. Recurdese que la ecuacin usada en la solucin de esteproblemafuede laforma general [Ec. (1.13)]
Valoractual
valoranterior
pendiente
o , en trminosmatemticos
FIGURA 16.1
Esquema
grfico del mtodo de un paso.
tamao delpaso
528
MTODOS
Yitl
Y + 4 h
[16.1]
De acuerdo a esta ecuacin, se usa la aproximacin a la pendiente 4 para extrapolar a partir de un valor anterior y, a un valor actual y,, l en una
distancia h (Fig. 16.1).Esta frmula se aplica paso a paso para calcular
una solucin futura y , de aqu, trazar la trayectoria de la solucin.
Todos los mtodos de un paso se pueden expresar en esta forma general, con la nica diferencia en el clculo de la pendiente. Como en el
problema del paracaidista, el esquema simple como la primera derivada
de xi. Este esquema, llamado mtodo de Euler, se analiza en la primera
parte de este captulo. A este le siguen otros mtodos de un paso que
emplean aproximaciones alternativas ala pendiente que dan como
resultado mejores aproximaciones.
16.1 MTODO
DE EULER
La primera derivada proporciona una aproximacin directaa la pendiente en xi (Fig. 16.2):
f h ,Y)
donde f (xt,y,) es la ecuacin diferencial evaluada en x,y y , . Esta aproximacin se sustituye en la ecuacin (16.1):
[16.2]
A esta frmula se le conoce como mtodo de Euler ( o mtodo de

Euler-Cauchy o de pendiente puntual). S e predice un nuevo valor de y
usando la pendiente (igual a la primera derivada en el valor original x)
para extrapolar linealmente sobre el tamao de paso h (Fig. 1 6 . 2 ) .
FIGURA 16.2
Mtodo de Euler.
MTODOS
529
DE PASO
EJEMPLO 16.1
Mtodo de Euler
Enunciado del problema: utilcese el mtodo de Euler para integrar numricamente la ecuacin (VI.
14).
y ) = -2x3
+uX2
20x
+ 8.5
de x = O hasta x = 4 con un tamao de paso de 0.5. La condicin inicialen x = O es y = 1. Recurdese que la solucin exacta est dada
17) :
porla ecuacin (VI.
y = - 0 . 5 ~ ~4x3 - lox2
+ 8 . 5 ~+ 1
Solucin: se puede usar la ecuacin (16.2) para implementar el mtodo

de Euler:
~ ( 0 . 5=) y(0)
en donde y(0)
f ( 0 ,1)
+ f(0, 1) 0.5
1 y la aproximacin a la pendienteen x
+ 12(0)'
O es:
20(0) + 8.5 = 8.5
Por lo tanto:
y(0.5) = 1.0
+ 8.5 (0.5) = 5.25
La solucinverdaderaen K = 0 . 5 es:
~ ( 0 . 5 ) -0.5(0.5)4 + 4(0.5)3 - lO(O.5)'
+ 8.5(0.5) + 1
3.218 75
Por lo tanto, elerror es:
E,
verdadero - aproximadQ = 3.218 75 - 5.25 = -2.031 25
O , expresado como errorrelativo porcentual, E, = -63.1 % . enel segundo paso:
y(1.0) = y ( O . 5 ) + f(0.5,5.25) 0.5
.I
_"
5.25 + [ ~ - 2 ( 0 . 5+) ~
lZ(O.5)'
5.875
-..
20(0.5) + 8.530.5
530
INGENIEROS
MTODOS
CUADRO 16.1
NUMRICOS
PARA
Comparacin delos valores verdaderos y aproximados de la integral de y' = 2x3 + 12x2 -2Ox + 8.5, con la condicin inicial de que
y
1 en x
O. Los valores presentadosse calcularon usandoel mtodo de Euler con
un tamao de paso de
0.5. E l error local se refiere
al error obtenido en un paso. E l error global es IQdiferencia total
debido a los pasos anteriores as como al actual
e,, error relativo Doreentual
X
Yverdadero
__
0.0
0.5
1 .o
1.5
2.0
2.718 2.5
3.0
3.5
4.0
~
FIGURA 16.3
1 .O00O0
3.218 75
3.000 OG
2.218 75
2.000 O0
75
4.000 O0
4.718 75
3.000O0
YEuler
Global
local
1 .O00O0
5.250 O0
5.875 O0
5.125 O0
4.500 O0
4.750 O0
5.875 O0
7.125 O0
7.000 O0
-63.1
-95.8
"131 .O
-1 25.0
-75.7
-46.9
-5 1 .O
-1 33.0
-63.1
-28.0
-1.41
20.5
17.3
4.0
-1 1.3
-53.0
Comparacin de la solucin verdadera con una solucin numrica

usando el mtodo de Euler para la integral de y ' = -!x3
12x2
-2Ox
8.5 de x = O a x = 4 con un tamao de paso de 0.5. La
condicin inicial en x = O es y = l .
La solucin verdadera en x = 4.0 es 3.0, y por lo tanto el error relativo

porcentual es -95.8%. Los clculos se repiten, los resultados se resumenenel cuadro 16.1 y enlafigura 16.3. Obsrvese que, aunque los
MTODOS
53 1
DE UN PASO
clculos capturan la tendencia general de la solucin verdadera, el error

es considerable. Como se analizaenlasiguiente seccin, este error se
puede reducir usando un tamao de paso menor.
16.1.1
Anlisis de error enel mtodo de Euler
La solucin numrica de E D 0 incluye dos tipos de error

seccin 3.6):
(recurdese la
1. Errores de truncamiento causados por la naturaleza de

empleados enla aproximacin a los valoresde y , y
los mtodos
2. Errores de redondeo causadosporelnmerolimitado

decifrassignificativasquepuederetenerlacomputadora.
de dgitos o
Los errores de truncamiento se componen de dos partes. La primera

es un error de truncamiento local que resulta
al aplicar el mtodo en cuestin en un paso. El segundo es un error de programacin que resulta de
las aproximacinesproducidasdurante los pasosanteriores.Lasuma
delosdoseselerrordetruncamientoglobal.
El conocimientode lamagnitud y propiedadesdelerror de truncamiento se puede obtener derivando el mtodo de Euler directamente
de la expansin de la serie de Taylor. Con el fin de hacer esto recurdese que la ecuacindiferencialque se estintegrandoser de la forma
general.
Y'
=f
Y)
[16.3]
donde y' = dy/dx y x e y son las variables independiente y dependiente, respectivamente. Sila solucin, estoes, la funcin que describe el comportamiento de y tiene derivadas continuas, sta se puede representar
mediante una expansin de la serie de Taylor alrededor del punto inicial
(xl,yi),como en [recurdese la Ec. (3.14)]:
[16.4]
donde h = x , ,
x, y
R, es eltrminoresidualdefinido
como
r16.51
INGENIEROS
532
PARA
NUMERICOS
MTODOS
donde <;.estdentro delintervalode x; a xi+ Se puede desarrollar una

forma alternativa sustituyendo la ecuacin (16.3) en las ecuaciones (16.4)
y (16.5) y obtener.
[16.6]
en donde O (h"+')especifica que el error de truncamiento local es proporcional al tamao de paso elevado a la (n + 1)-sima potencia.
Comparando las ecuaciones (16.2) y (16.6),puede verse que el mtodo de Euler corresponde a la serie de Taylor truncada hastael trmino
f (xi, yi) h. Adicionalmente, la comparacin indica que el error de truncamiento se debe a que se aproxima la solucin verdadera usando una
cantidad finita de trminos de la serie de Taylor. Por lo tanto, se trunca
o se deja fuera una parte de la solucin verdadera. Por ejemplo, el error
de truncamiento en el mtodo de Euler es atribuible a los trminos restantes de la expansin que no se incluyen en la ecuacin (16.2). Restandola ecuacin (16.2) de la ecuacin (16.6) se obtiene
[16.71
donde , e els error de truncamiento local. Para una h lo suficientemente pequea, los errores en los trminos de la ecuacin (16.7) decrecen
por lo comn a medidaqueelorden crece (recurdese el ejemplo 3.7
y el anlisis que lo acompaa), y el resultado, a menudo, se representa
como
[16.8]
O
E,
[16.9]
O(h2)
donde E, es el error de.truncamiento local aproximado.
EJEMPLO 16.2
Aproximacin del error en
la serie de Taylor.
el mtodo de Euler
usando
Enunciadodelproblema:utilceselaecuacin
(16.7) paraaproximarel
error del primer paso del ejemplo 16.1. sese tambin la ecuacin para
533
METODOS DE UN PASO
determinar el error ocasionado por cada uno de los trminos de orden

superior de la expansin de la serie de Taylor.
Solucin: debido a que se trata de un polinomio, se puede usar la expansin de la serie de Taylor para obtener una aproximacin exacta del error
usando el mtodo de Euler. La ecuacin (16.7) se puede escribir como:
rE16.2.11
en donde !(x,, y,) es laprimeraderivadadela
ecuacin diferencial (es
decir, la segundaderivada de lafuncin original).Paraeste caso, es:
f(xi, yi)
y
-6~+ 2 4 ~ 20
[E16.2.2]
f (xi, y) es la segunda derivada de la E D 0

ff(xi,yi) = - 1 2 ~+ 24
[E16.2.3]
y f (xi, yi) es la tercera derivada de la E D 0

f(Xi,
y) = -12
rE16.2.41
Se pueden omitir los trminos adicionales (esto es, las derivadas cuarta
y deordensuperior) de la ecuacin (E16.2.1) ya que en este caso en
particular son cero. Se debe notar que en otras funciones (por ejemplo),
las funciones trascendentes tales como seno, coseno o exponenciales) esto
no es necesariamente cierto, y los trminos de orden superior no valen
cero. Sin embargo, en este caso, las ecuaciones (E16.2.1) hasta la
(E16.2.4)definen completamente el error de truncamiento de una aplicacindelmtododeEuler.
Por ejemplo, el error debido al truncamiento del segundo trmino se
puede calcular como:
Eu2 =
-6(0.0)
+ 24(0.0) - 20
2
(0.5)2 = -2.5
Para el trmino de tercer orden

Eu3
-12(0.0)
6
+ 24 (0.5)3= 0.5
y para el trmino de cuarto

Eu4
- 12
24
orden:
= -(0.5)4= -0.031 25
534
Estos tres valores se pueden sumar para obtenerel error total de truncamiento:
E,
E,,z
Eu,3 + Eu,4 = -2.5
0.5
0.031 25
-2.031 25
que esexactamente el error incurrido en el paso inicial del ejemplo 16.1.

Obsrvese cmo .E,,* > E,,3 > E,,4,que apoya la aproximacin representada por la ecuacin (16.8).
I
Como se puede ver en el ejemplo 16.2, la serie de Taylor es u n medio para cuantificar el error en el mtodo de Euler. Sin embargo, existen
muchas limitaciones asociadas con su uso para este propsito:
1. La serie de Taylor slo proporciona una aproximacin local del error
de truncamiento, es decir, el error generado durante el primer paso
del mtodo. No proporciona una medida de la propagacin y , por
ello, el error global de truncamiento. En el cuadro 16.1se han incluido los errores de truncamiento locales y globales del ejemplo 16.1.
El error local se calcula para cada unode los valores de x con la ecuacin (16.2), pero usando el valor verdadero de y, (la segunda columna del
cuadropara calcular cada una de las
en lugar del valor aproximado (la tercera columna), como se hizo con el mtodo de Euler.
Como era de esperarse,el promedio local del error de truncamiento
(25%) esmenor al error global promedio (90%).La nica razn por
la que se podran calcular estos errores exactamentesera la de conocer a priori el valor verdadero. Este no es el caso en un problema como el
actual. Por consiguiente, como se analiza anteriormente, por lo comn se deben aplicar los mtodos tales como el Euler utilizando un
tamao de paso diferente hasta obtener una aproximacin indirecta
de los errores considerados.
2. Como se menciona anteriormente, en problemas verdaderos, usualmente
se trata con funciones ms complicadas que un simple polinomio. Por
consiguiente, las derivadas necesarias para evaluar la serie de Taylor
no siempre son fciles de obtener.
Aunque estas limitaciones no ayudan en el anlisis exacto de errores

en la mayor parte de los problemas prcticos, la serie de Taylor proporciona una idea valiosa del comportamiento del mtodo de Euler. De acuerdo a la ecuacin (16.8),se ve que el error locales proporcional al cuadrado
del tamatio de paso y la primera derivada de la ecuacin diferencial. Tambin se puede demostrar que el error global de truncamiento es O ( h ) ;
esto significa que es proporcional al tamao del paso (Carnahan et al.,
1969). Estas observaciones llevan a las siguientes conclusiones:
535
MhODOS DE UN PASO
1. Elerrorsepuedereducirdisminuyendoeltamaodel
paso.
2. El mtodo proporciona predicciones libres de error si la funcin fundamental (esto es, la solucin a la ecuacin diferencial) es lineal, ya
que la segunda derivada de una lnea recta es
cero.
Estaltimaconclusintienesentidointuitivodebido
a queelmtodo
de Euler usa segmentos de lnea recta para aproximar la solucin. De
aqu que, elmtododeEulerseconozcacomo
mtodo de primer
orden.
EJEMPLO 16.3
Efecto de la reduccin del tamao de paso en el mtodo
de Euler
Enunciado del problema: reptanselos clculos del ejemplo 16.1 usando

un tamaodepasoigual a 0.25.
Solucin: se repiten los clculos, y los resultados se muestran en la figura .
16.4a. AI utilizar el tamao de paso ms pequeo, se reduce el valor absoluto del error global promedio en un 40% y el valor absoluto del error
local en un 6.4%. Esto es comparable con los errores globales y locales
del ejemplo 16.1 del 90% y.del24.8%. Por lo tanto, como era deesperarse, el error local se reduce a la cuarta parte y el error global se reduce
a lamitad.
Obsrvese tambin que el error local cambia de signo en valores intermedios a lo largo del rango de valores. Esto se debe, en primer lugar,
a que la primer derivada de la ecuacin diferencial es una par6bola que
cambia de signo [recurdese la Ec. (E16.2.2) y vase la Fig. 16.4bl. Debido a que el error local es proporcional a esta funcin, el efecto neto
de la oscilacin en el signo es el de mantener el error global en crecimiento continuo a medida que aumentan los clculos. Por lo tanto, de x =
O a x = 1.25, los errores locales son todos negativos y por consiguiente,
el error globalcrece en este intervalo. En la seccin intermedia delrango,
los errores locales positivos empiezan a disminuir el error global. Cerca
del extremo, el proceso se invierte y el error global nuevamente crece.
Si el error local cambiara continuamente de signo sobre el intervalo
de
inters, entonces el efecto neto, por lo general, minimizara el error global. No obstante, endonde los errores locales son del mismo signo, la
solucin numrica puede diverger cada vez ms rpido dela solucin verdadera a medida que los clculos aumentan. Estos resultados se dice que
son inestables.
536
M~TODOS
FIGURA 16.4
a) Comparacin de dos soluciones numricas con el mtodo de Euler

usando tamaos de paso de0.5 y 0.25 b) Comparacin de los errores de truncamiento locales verdaderos y aproximados.
En la figura 16.5 se ilustra el efecto de reducir ms y ms el tamao

del paso sobre el error de truncamiento global con el mtodo de Euler.
Esta grfica muestra el error relativo porcentual en x = 5 en funcin del
tamao del paso sobre los problemas que se han analizado en los ejemplos 16.1 al 16.3. Ntese que aun cuando h se ha reducido a 0.001, el
error an excede al O. 1 W . Debido a que este tamao de pasocorresponde a 5 O00 iteraciones que van desde x = O hasta x = 5 , la grfica muestra que los mtodos de primer orden tales como el de Euler demandan
un gran esfuerzo de clculo para obtener niveles de error aceptabies. En
las siguientes secciones se muestran mtodos de rdenes superiores que
alcanzan mucha ms exactitud con el mismo esfuerzo de clculo. Sin embargo, se debe notar que a pesar de su ineficiencia, la simplicidad del m-
537
METODOS DE UN PASO
FIGURA 16.5
Efecto del tamao de paso sobre el error global de truncamiento enel

mtodo de Euler para la integral de y' = 2x3
1 2 2 - 20x
8.5. La
grfica muestra el error relativo porcentual en x = 5 en funcin del tamao de paso.
todo deEuler hace muy atractivo suuso dn muchosproblemasde la

ingeniera. Debido a que es muy fcil de programar, el mtodo es particularmente til en clculos iniciales rpidos, previosa un anlisis de escala completa. Enla siguiente seccin,se desarrolla un programapara
computadora sobre el mtodo de Euler.
16.1.2 Programa para computadora delmtodo de Euler

Los algoritmos de mtodos de un paso tales como el de Euler son fciles
de programar en una computadora personal.Como se menciona previamente al principio del captulo, los mtodos de un paso tienen la forma:
Valoractual
valoranterior
pendiente
tamao del paso

[ 16.101
En lo nico que se diferencian los mtodos es en la forma en que calculanla pendiente.

Aunque el programa de la figura 16.6 est disenado especficamente
para implementar el mtodo de Euler, va dirigido a la forma general de
538
MTODOS
COMMOH x . Y
F( X , Y )-4*EXP< 8bX )R E A D ( 5 , l )XO.X1
FORUaT( 2F1 O . O )
READ<S , 2 )YO
FORMlT(F10.0)
READ( S , 2 )n
REIID( S , 2 ) P I
NP-<Xl-XO>/PI
NC-PI/H
~
x-x0
250
270
Y-YO
YRITE(6,3)X,Y
FORMfIT < . 2 F 2 0 . 3 )
DO 270 I - l . N P
DO 250 J - 1 , N C
C A L L E U L ~ S )L
Y-wsLw
x-x+n
CONTINUE
URITE<6,3)X,Y
CONTINU
STOP
NO
X I
.S
Y
INPUT K O . X 1
INPUT YO
INPUTH
INPUT P i
NP = ( X I
XO) /
NC = P I / H
x = x c:,
Y = Y0
PRINT X , Y
NP
FhR I = 1 TU
FUR J = 1 ro NC
FDSIJU l0OC:l
f = I + S L * H
X = X + H
NEXT J
PRINl X.V
NEXT I
ENIl
NUMRICOS
PARA INGENIEROS
X 0 . X l = valor lnclal y flnal de

la vanablemdependlente
YO
PI
= valor lniclal dela

varlable dependlente
H = tamao del paso
PI
= Intervalo de mpresln
NP = numero de p a s o s de Irnpresln
NC = numero de Dasosdecalculo
ISubrutlnaparacalcular
la pendlentel
RETURN
EN0
FIGURA 16.6
Programaparalacomputadora
del mtodo de Euler en
FORTRAN y BASIC.
la ecuacin (16.10).Todo lo que se requiere para aplicar este programa

a otro mtodo de un paso es modificar el clculo de la pendiente en la
subrutina (lnea 1 000).
El progama de la figura 16.6 no es legible al usuario, est diseado
estrictamente para arrojar la respuesta. En el problema 16.12 se deja de
tarea el hacer este programa ms fcil de usar y de entender. En el paquete suplementario de programas NUMERICOMP asociado con este libro se incluye un ejemplo de un programa legible al usuario sobre el mtodo
de Euler. El siguiente ejemplo demuestra el uso de este programa en la
solucin de EDO. Tambin proporciona una referencia para la validacin
y la prueba de sus programas.
METODOS
539
DE UN PASO
la parte I que el modelo matemtico de la velocidad se basa en la segunda ley de Newton de la forma:
dv
dt
-g-mU
"
Se resuelve la ecuacin diferencial analticamente (ejemplo l .1)y numricamente usando el mtodo de Euler (ejemplo 1.2). El objetivo de este
ejemplo es el de repetir estos clculos numricos empleando un modelo
sobre la velocidad ms complicado basado en una descripcin matemtica ms completa acerca del coeficiente de friccin causado por la resistencia del viento. Este modelo est dado por:
[E16.4.1]
en donde a, b y umXson constantes empricas. Obsrvese que este modelo es capaz de ajustar ms exactamente medidas empricas de coeficientes de friccin contra la velocidad que el modelo lineal simple del
ejemplo l. l.
Sin embargo, esto incrementa la flexibilidad a expensas de
evaluar tres coeficientes en vez de uno. Adems, el modelo matemtico
resultante es ms difcil de resolver analticamente. En este caso, el mtodo de Euler proporciona una alternativa conveniente para obtener una
solucin numrica aproximada.
FIGURA 16.7
a) Resultados tabulares de los clculos y b) resultados grficos de la solucin de la E D 0 [Ec. (E16.4.11. Ntese que b) tambin muestra la solucin del modelo lineal con propsitos de comparacin. De hecho, el
programa no est diseado para superponer grficas de esta manera.
540
MTODOS
Solucin: se usar el paquete NUMERICOMP para abordar la ecuacin

(E16.4.1). Enlafigura 16.7a se muestra la solucin del modelo con
un
tamao de paso de O. 1 s. Para propsitosde comparacin en la grfica de
la figura 16.7bse muestra la solucin no linealy el modelo lineal superpuestos. Ntese que la computadora puede graficarslo una solucin a la vez.
Los resultados de los dos clculos indican el crecimiento de la complejidad enla formulacin de los efectos que la fuerza de friccin ejerce
sobre la velocidaddelparacaidista. En este caso, la velocidadterminal
disminuye debido a la resistencia causada por los trminos de orden superiorenla ecuacin (E16.4.1).
Se pueden probar modelos alternos de manera similar. La combinacin del paquete NUMERICOMP y la computadora hacen que esto sea
una tarea fcil y eficiente. Esta conveniencia permite al usuario dedicar
ms de su tiempo en considerar alternativas creativas y aspectos globales
delproblemaenlugarde
los tediosos clculos manuales.
16.1.3
Mtodos con serie de Taylor de orden superior
Una manera de reducir el error en el mtodo de Euler sera incluir trminosdeordensuperiorenlaexpansin

de la serie de Taylor alrededor
de la solucin. Por ejemplo, incluyendo el trmino de segundo orden de
la ecuacin (16.6) se obtiene
[16.11]
con un errorlocaldetruncamiento
de:
Aunque la incorporacin de trminos de orden superiores lo suficientemente simple como para implementarse en polinomios,su inclusin no
es tan trivial cuando la E D 0 es complicada. En particular, las E D 0 que
son una funcin de la variable dependiente y de la variable independiente requieren derivacin con la regla de la cadena. Por ejemplo, la primera derivada de f (x, y) es
La segunda derivada es
54 1
MhODOS DE UN PASO
Y las derivadas de orden superior vienen a ser crecientemente ms complicadas.

Por consiguiente, como sedijo en las secciones previas, se han desarrollado mtodos alternativos de un paso. Estos esquemas son comparables en ejecucin a1 de la serie de Taylor de rdenes superiores pero requieren nicamente el clculo de la primera derivada.
16.2 MODIFICACIONES Y MEJORAS AL

MTODO DE EULER
Una fuente fundamental de error en el mtodo deEuler es quela derivada al principio del intervalo se supone que se aplica a travs del intervalo
entero. Existen dos modificaciones simples para ayudar a evitar este inconveniente. Como se demuestra en la seccin 16.3, las dos modificaciones en realidad pertenecen a unaclase mayor de mtodos desolucin
llamados mtodos de Runge-Kutta. Sin embargo, ya que tienen una interpretacin grfica sencilla, se presentan antes de la derivacin formal
de los ,mtodos de Runge-Kutta.
16.2.1 Mtodo de Heun

Un mtodo para mejorar la aproximacin a la pendiente implica el clculo de dos derivadas del intervalo, una en el punto inicial y la otra en el
punto final. En seguida se promedian las dos derivadas y se obtiene una
aproximacin mejorada de la pendiente en el intervalo completo. Este
esquema, llamado mtodo de Heun, se muestra grficamente en la figura 16.8.
Recurdese que en el mtodo de Euler, la pendiente al principio de
un intervalo
Y:
= !(X,
Y>
r16.121
Se usa para extrapolar linealmente a
En el mtodo estndar de Euler se parara en este punto. Sin embargo,

e n el mtodo deHeun, la
calculada con la ecuacin (16.3)noes
la respuesta final sino una prediccin intermedia. Esto se debe a que se
ha distinguido a sta con el superndice O. La ecuacin (16.13) se llama
ecuacin.predictora. Proporciona una aproximacin de y + que permite el clculo de una pendiente aproximada al final del intervalo:
y:+1 = f ( X i + l ,
"_
"
P
I....
.. ".".,
Y?*d
[16.14]
542
MTODOS NUMRICOS
FIGURA 16.8
PARA INGENIEROS
Esquema grfico del mtodo de Heun. o) Predictor y b) corrector.
Por 10 tanto, se pueden combinar las dos pendientes [ecuaciones(16.12)

y (16.14)] y obtener una pendiente promedio sobre el intervalo:
Esta pendiente promedio se usa para extrapolar linealmente de y, a y,,

usando el mtodo de Euler:
que se llama una ecuacin correctora.

El mtodo de Heun es un esquema predictor-corrector. Todos los mtodos de pasos mltiples por discutirse en el captulo 17 son de este tipo.
El nico mtodo corrector-predictor de un paso descrito en este libro es
el mtodo de Heun. Como se
dijo antes, se puedeexpresar concisamente como:
MTODOS
543
DE UN PASO
I Predictor
(Fig
16.8a):
= yi
Corrector(Fig. 16.8b): yi+l = yi
+ f ( x i ,yi) h
+fki,
Y> + f(Xi+lr Y ? + J
[16.15]
[16.161
Ntese que debido a que la ecuacin (16.16) tiene y+ 1 en ambos lados

del signo igual, sta puede aplicarse para corregir en
un esquema iterativo. Esto es, se puede usar una aproximacin anterior varias veces para
proporcionar
una
aproximacin
mejorada
de
El
proceso
muestra
en la figura 16.9. Se debe entender que este proceso no necesariamente
converge a la respuesta correcta sino que converge a una aproximacin
con un error de truncamiento finito, como se demuestra en el siguiente
ejemplo.
Como con los mtodos iterativos similares analizados en las secciones previas del libro, un criterio de paro en la convergencia del corrector
lo proporciona[recurde la ecuacin (3.5)]
[16.17]
en donde y!;: y y j + l son el resultado de la iteracin anterior y actual del

corrector, respectivamente.
FIGURA 16.9
Representacin grfica de la iteracin del corrector del mtodo de Heun

para obtener una rrleior aproximacin.
544
MTODOS
EJEMPLO 16.5
Mtodo de Heun
Enunciado del problema: emplese el mtodo de Heun para integrar y '
= 4e0 8x - 0 . 5 desde
~
x = O a x = 4 con tamao de paso 1.La conx = O es y = 2.
dicininicialen
Solucin: antes de resolver el problema numricamente, se puede efectuarel clculo mediante la siguiente solucin analtica:
y = 4
[E16.5.1]
e-0.5~) + & - 0 . 5 ~
1.3
Esta frmula se puede usar para generar los valores verdaderos los cuales se presentan enel cuadro 16.2.
La solucin numrica se obtiene usando la frmula predictora [Ec.
16.15)] paraobtener un valorde y para 0.5:
y':
+ [4e0 - 0.5(2)] 1 = 5
Obsrvese que este es el resultado que se debera obtener con el mtodo

deEulerestndar.Usando
elvalorverdaderodelcuadro
16.2, a este
corresponde un errorrelativoporcentualdel 19.3%.
Lapendiente en (xo, yo) es
y = 4 e o
0.5(2) = 3
Este resultado es muy diferente de la pendiente promedio verdadero en

intervalo de O a 1.0, que es igual a 4.194 6, calculada de la ecuacin
Por lo tanto, para mejorar la
diferencial original usando la ecuacin (V.3).
aproximacin de la pendiente, se usaelvalor y: para predecir la pendiente alfinaldel intervalo:
que se puede combinar con
la pendiente inicial y obtener:
que es ms cercana a la pendiente promedio de 4.194 6.Este resultado

se puede sustituirenla ecuacin correctora [Ec. (16.16)]para obtener
la prediccin en x = 1:
y1
2 + (4.701 081 86)l
6.701 081 86
MCTODOS DE UN PASO
CUADRO 16.1
545
Comparacidn delos valores verdaderosy aproximados dela integral de y'

4eo*8x- 0 . 5 ~ con la condicidn incial de que y
2 en
x
O. Los valores aproximadosse calcularon usandoel metodo de
Heun con un tamao
de paso de 1. Se muestran dos casos, correspondientes a nmeros diferentes de iteraciones
del corrector, junto con el error relativoporcentual absoluto
lteraciones con el metodo de Heun
1
x
O
1
2
3
4
Yverdmdero
Yheun
2.000 O00 O0
6.19463138
14.843921 9
33.677171 8
75.338 962 6
15
lEvl '10
Yheun
0.00
2.000 O00 O0
6.701 081 86 8.18
9.94
16.319 7819
10.46
37.199 248
9
10.62
83.337 767
4
kv1
2.000 O00 o
6.360 865
15.302 236
7
34.743 2761
77.735 096
2
0.00
2.68
49
3.09
3.17
3.18
que representa un error relativo porcentual del -8.18%. Por lo tanto,

el mtodo de Heun reduce el valor absoluto del error en un factor de 2.4
comparado con el mtodo de Euler.
Ahora esta aproximacinse puede usar para refinaro corregir la prediccin de y l sustituyendo el nuevo resultado de nuevo en el lado derecho de la ecuacin (16.16):
y]=2+
[3
+ 4eo.8"'
- 0.5(6.701 081
86)]
6.275 81139
que representa un error relativo porcentual del 1.31%. Este resultado,

a su vez se puede sustituir en la ecuacin (16.16) para una mejor aproximacin yl:
y1=2+
[3
+ 4eo.8(1)
0.5(6.275 811 39)]

= 6.382 129 O 1
2
que representa un error 1 ~ de

~ 3.03%.
1
Ntese cmo los errores algunas
veces crecen a medida que las iteraciones avanzan. Por ejemplo, en las
tres iteraciones el error crece en un 3.03%, estos incrementos pueden
ocurrir,especialmente en tamaos depaso muy grandes. Elusuario
debe evitar la conclusin general de que una iteracin adicional siempre
mejora el resultado. No obstante, para un tamao de paso lo suficientemente pequeo, la iteracin debe eventualmente converger a un solo
valor. En este caso, se obtiene el resultado 6.360 865 49, que representa
un error relativo del 2.68% despus de 15 iteraciones. En el cuadro 16.2
se muestran los resultados de los calculos restantes usandoel mtodo con
1 y 15 iteracionespor paso.
546
INGENIEROS
MTODOS
NUMRICOS
PARA
En el ejemplo anterior, la derivada es una funcin de la variable dependiente y y de la variable independiente x. Para casos polinomiales,
en donde las E D 0 son slo funcin de la variable independiente, el
tamao predictor [Ec. (16.15)Jn o se necesita y se aplica nicamente
el corrector a cada una de las iteraciones. En estos casos el mtodo se
expresa abreviadamente como
[16.18]
Ntese la similitud entre el lado derecho de la ecuacin (16.18)y la

La conexin entre los dos mtodos se pueregla trapezoidal [Ec. (13.3)].
de demostrar formalmente empezando con la ecuacin diferencial ordinaria
Esta ecuacin se resuelve para y integrando:
r+' R"
dy
!(x)dx
[16.19]
que lleva a
[16.20]
O
Yitl
yi
[+I
f(x) dx
[16.21]
Ahora, recurdese de la seccin 13.1que la regla trapezoidal [Ec. (13.3)]

se define como
o, en este caso
L16.221
donde h = xi+l- xi. Sustituyendo la ecuacin (16.22) en la ecuacin

(16.21) se obtiene
"""
METODOS
DE U N PASO
547
[16.23]
queesequivalente a la ecuacin correctora [Ec. (16.16)].

Debido a que la ecuacin (16.23) es una expresin directa dela regla
trapezoidal, el error local de truncamiento est dado por [recurdese la
Ec. (13.6)]
[16.24]
donde est entre xi y xi+l.Por lo tanto, el mtodo es de segundo orden

debido a que la derivada de segundo orden de E D 0 es cero cuando la
solucin es cuadrtica. Adems, los errores local y global son de O(h3)
y O(h2), respectivamente. Por lo tanto, disminuyendo el tamao de paso se disminuye tambin el error ms rpidamente que usando el mtodo de Euler. La figura 16.10, que muestra el resultado de usar el mtodo
de Heun para resolver el polinomio del ejemplo16.1, demuestra estecomportamiento.
16.2.2
Mtodo meiorado del polgono (Euler modificado)
La figura 16.11 ilustra otra modificacin simple del mtodo de Euler. Este mtodo, llamado poligono mejorado (o d emodificado),
r
usa el m-
Figura 16.1 O
Comparacin de la solucin verdadera con un mtodo numrico usan12x2

do los mtodos de Euler y Heun de la integral de y' = -2x3
- 2oX
..
+ 8.5
.- ' ...
548
FIGURA 16.11
Esquema grfico del mtodo del polgono mejorado. a) Ecuacin ( 1 6.25)

y b) ecuacin ( 1 6.27).
todo de Euler para predecir un valor de y en el punto medio del intervalo

(Fig. 16.l l a ) :
116.251
Entonces este valor predecid0 se usa en la aproximacin de la pendiente

e n el punto medio:
y:+1/2
= f(Xi+l/2,Yi+l/2)
[16.26]
lo cual, se supone, representa una aproximacin vlida de la pendiente

promedio en el intervalo completo. Esta pendiente se usa para extrapolar linealmente de x,a x,, usando el mtodo de Euler (Fig. 16.l l b ) :
METODOS
549
DE UN PASO
Yi+l
= Y
+ f(X,+1,2,
Yi+l/2)h
[16.27]
Ntesequedebido a quenoestenambos
lados, la correctora [Ec.
(16.27)] no se puede aplicar iterativamente para mejorar la solucin.
El mtodo del polgono mejorado es superior al mtodo de Euler ya
que ste utiliza una aproximacin de la pendiente en el punto medio del
intervalo de prediccfn. Recurdese del anlisis de derivacin numrica
de la seccin 3.5.4 que las diferencias divididas centrales fueron mejores
aproximaciones a la derivada que las versiones hacia adelante y atrs.
Enelmismo
sentido, unaaproximacin centrada, como la ecuacin
(16.26) tiene un error de truncamiento local de O(h2) en comparacin con
la aproximacin hacia adelante del mtodo de Euler que tiene un error
de O(h). Por consiguiente, los errores local y global del mtodo del poligono mejorado son O(h3) y O(h2), respectivamente.
16.2.3 Algoritmo para lacomputadora de los mtodosde Euler

meiorado y modificado
El mtodo de Heun con un corrector simple y el mtodo mejorado del
polgono se pueden programar con facilidad usandola estructura general
mostrada en la figura 16.6. Es una tarea relativamente simple la de modificar lasubrutinadelprogramageneralparacalcularlapendientede
acuerdo con estos mtodos.
Sin embargo, cuando se implementa la versin iterativa del mtodo
de Heun, las modificaciones son un poco ms complicadas. En la figura
16.12 se ha desarrollado una subrutina para este propsito. Esta subruti-
SUBROUTINE HEUN( X , Y >

COMMON H. I M , E S
F( X , Y )-4*EXP( , 8 o X )- , 5-Y
Sl=F<X,Y)
X-X+N
YI=Y+$I*n
DO 1 1 0 0 IT=l.IM
SP-F(X.Yl )
S1 = pendiente al prmclplo
del intervalo
Y1 = prediccldn al h i l l del
1nterva10
IM = ttsracl6n rnAxma del
COrleCtOr
S2 = pendente al fm.9 del
!"tervalo
SL = pendmnte promedlo
SL-~s1*S2,,'2
YP-Y+SL.M
E A = A B S ( ( V 2 - Y I )/Y2 M 1 0 8
I F < E A . L E , E S ) G O TO I 1 2 0
Y I -Y2
I 1 O9 CONTINUE
YRITE(6.4)EA
4
FORMAT( ' ' I ' L A I T E R A r l O N M A X I M A E X C E D I D
CF10.5)
I 1 2 0 X-X-H
RETURN
EN0
FIGURA 16.12
fCorrector1
E A = error calculado %
fPrueba del error donde
ES = error aceptable1
EA=
Versionesen FORTRAN y
todo iterativo d e Hewn.
"
"
"
"
..
._,
.
"
BASIC d e la subrutina que implementa el m-
...,. .-
550
NUMRICOS
MTODOS
PARA INGENIEROS
na se puede combinar con la figura 16.6 para desarrollar programas del

mtodo iterativo de Heun.
16.2.4
Resumen
Manipulando el mtodo de Euler se han derivado dos nuevos mtodos

de segundo orden. Aun cuando estas versiones requieren mayor esfuerzo de clculo para determinar la pendiente, la reduccin que acompaa
al errorpermitirconcluirenunaseccinsubsiguiente
(seccin 16.3.4)
que la exactitud mejoradaes, en general, merecedora del esfuerzo. Aunque
existenciertos casos en dondelosmtodosfcilmenteprogramables
tales como el mtodo de Eulerse pueden aplicar ventajosamente, los mtodos del polgono mejorado son generalmente superioresy se deben implementar si son consistentes con los objetivos del problema.
Como se menciona al principio de la seccin, el mtodo de Heun (sin
iteraciones), el mtodo del polgono mejorado y , de hecho, el mtodo
mismo de Euler son versiones de una clase ms amplia de esquemas de
un paso llamado mtodos de Runge-Kutta. Ahora se desarrolla la derivacin formal de estos mtodos.
16.3 MTODOS
DE RUNGE-KUTTA
Los mtodos de Runge-Kutta tienen la exactitud del esquema de la serie

de Taylor sin necesitar del clculo de derivadas superiores. Existen muchas variaciones pero todas ellasse pueden ajustar a la forma general de
la ecuacin (16.1):
Yi+l
Y,
+(Xi,
r16.281
Yi, h) h
donde a 4 (xi,yi, h ) se le llama funcin de incremento y puede interpretarse como elpromedio de la pendiente sobre el intervalo. La funcin
de incremento se puede escribir enla forma general como
alkl
en donde las
+ a2k2 +
+ ankn
[16.29]
a son constantes y las k son

[16.29a]
[16.29b]
SS 1
METODOS DE UN PASO
Obsrvese que las k son relaciones recurrentes. Esto es, kl aparece en

la ecuacin de kZ, que aparece en la ecuacin de k3, etc. Esta recurrencia hace a los mtodos RK eficientes para su clculo en computadora.
Se pueden desarrollar varios mtodos de Runge-Kutta empleando una
cantidad diferente de trminos enla funcin de incremento especificados
por n. Ntese que el mtodo RK de primer orden con n = 1 es, de hecho, el mtodo de Euler. Una vez que se ha escogido n, los valores de
las a, de las p y de las q se evalan igualando la ecuacin (16.28) a los
trminos en una expansin de la serie de taylor (recuadro 16.1). Por lo
tanto, al menos para versiones menores de la orden, en general, el nmero de trminos n representa el orden del mtodo. Por ejemplo, enla
siguente seccin, los mtodos RK de segundo orden usanunafuncin
de incremento con dos trminos (n = 2). Estos mtodos de segundo orden son exactos si la solucin a la ecuacin diferenciales cuadrtica. Adems, debido a que se desprecian los trminos con h 3 y de orden superior
durante la derivacin, el error local de truncamiento es O(h3) y el error
global es O(h2). En secciones posteriores se desarrollan los mtodos RK de
tercer y cuarto orden (n = 3 y 4). En estos casos, los errores globales
detruncamientoson O(h3) y O(h4), respectivamente.
RECUADRO 16.1 Obtencin de los coeficientes de los mtodos de segundo orden de Runge-Kutta
La versin de segundo orden de la ecuacin
(16.28)
es:
Sustituyendo
la
obtiene:
donde
donde f' (xi, y,) debe determinarse derivando con la

gladela cadena(seccin 16.1.3):
[B16.1.5]
re-
ecuaci6n (B16.1.5)en (B16.1.4)

se
g(x+r, y + ~ )= g(x, y)
+ r-as + s- as + - .
ax
ay
552
METODOS NUMRICOS
Aplicando este mtodo enlaexpansindelaecuacin

(B16.1.3)
obtiene
nes
se
f(xt + plh, Y I + q11klh)
Ahora, comparando trminos semejantes enlas ecuacio(B16.1.6)

y (B16.1.7),
selas
determina
que
para
que
dos ecuaciones sean equivalentes, se debe cumplir lo siguiente:
al
+ a2 = 1
azpl
Este
resultado
puede
se
sustituir
ecuacin
junto
la
con
(B16.1.2)enlaecuacin
PARA INGENIEROS
$
1
(B16.1.1) paraobtener
a2q11 = 5
Estastres ecuaciones simultneascontienenlascuatro

yi+l = y, + alhf(x1, y11 + a2hf(xi,yi)
constantes
incgnitas.
Debido
que
a existe
una
incgnita
msqueelnmerode
ecuaciones, nohay un conjunto
af + azqllh2f(xi,y3- af
nico de valores que satisfagan las
ecuaciones. Sin em+ azph2-ax
ay
bargo,
adjudicndole
un valor
lasade
una
constantes, se
3)
Por tres.otras
determinar
pueden
las
consiguiente,
existe
una familia de mtodos de segundo orden en vez de una
+o@
sola o,
trminos,
reordenando
+ o(h3)
[B16.1.7]
16.3.1
Mtodos de Runge-Kutta de segundo orden
La versin de segundoordende la ecuacin (16.28) es

[16.30]
[16.30a]
[16.30b]
Como se describe en el recuadro 16.1, los valores de a l , a2,P1y q1 se

evalan igualando la ecuacin (16.30) a la expansin de la serie de Taylor hasta el segundo trmino. Haciendo esto, se obtienen tresecuaciones
para evaluar las cuatro incgnitas constantes. Estas tres ecuaciones son
al
+ a2 = 1
[16.31]
[16.32]
[16.33]
553
METODOS DE UN PASO
Debido a que se tienen tres ecuaciones con cuatro incgnitas se debe

suponer el valor de una de las incgnitas para determinar las otras tres.
Supngase que se especificaelvalor de a2. Entonces las ecuaciones
(16.31) a la (16.33) se resuelven simultneamente para:
a1 =
1-
[16.34]
a2
1
P1
= 911 = -
2a2
[16.35]
Ya que se puede escoger una cantidad infinita de valores de a2, existe

un nmero infinito de mtodos de RK de segundo orden. Cada versin
llevara exactamente a los mismos resultados si la solucin de la E D 0 es
cuadrtica, lineal o constante. Sin embargo, llevan a resultados diferentes cuando la solucin es ms complicada(como es el caso tpico). A continuacin se muestran tres de las versiones ms comnmente usadas y
preferidas:
Mtodo de Heun con un corrector simple (a2 = 1/2). Si se considera
que a2 es igual a un medio (1/2), entonces 1% ecuaciones (16.34) y
(16.35)se pueden resolver para al = 1/2 y p 1 = qll = 1. Estos par-
metros, cuando se sustituyen en la ecuacin (16.30) generan

[16.36]
donde
[16.364
l16.3661
Obsrvese que kl es la pendiente al principio del intervalo y k2 es la pendiente al final del intervalo. Por consiguiente, este segundo mtodo de
Runge-Kutta es realmente el mtodo de Heun con una sola iteracin del
corrector.
El mtodo meiorado del polgono (a2 = 1). Si se supone que a2 sea

1, entonces al = C, p 1 = q l l = 1/2, y la ecuacin (16.30) viene a ser:
[16.37]
donde
[16.37a]
[16.376]
554
MTODOS
Este es el mtodo mejorado delpolgono
2/3).Ralston (1962) y Ralston y Rabinowitz

(1978) determinaron que escoger a2 = 2/3 proporciona un lmite mnimo en el error de truncamiento de los algoritmos RK de segundo orden.
Paraesta versin, a , = 1/3 y p 1 = q I 1 = 3/4:
Mtodo de Ralston (a2 =
[16.38]
donde
EJEMPLO 16.6
Comparacin de varios mtodos RK de segundo orden
Enunciado del problema: utilcese el polgono mejorado [Ec. (16.3711 y
el mtodo de Ralston [Ec. (16.38)]para integrar numricamente la ecua14):
cin (VI.
f(x, y ) =
-zX3
+ 12x* - zox + 8.5
desde x = O hasta x = 4 usando un tamao de paso de 0.5. La condicin inicial en x = O es y = 1. Comprense estos resultados con los valores obtenidos usando otro algoritmoRK de segundc orden: el mtodo
deHeunconiteracionesde
un corrector (Fig. 16.10 y cuadro 16.3).
Solucin: elprimer paso enel mtodo del polgono mejorado
usarla ecuacin (16.37a) paracalcular:
kl = -2(0)3
es elde
+ 12(0)' - 2O(O) + 8.5 = 8.5
No obstante, debido a que la E D 0 es una funcin slo de x, este resultado se requiereparacalcular k,; alusarla ecuacin (16.37b) se tiene
k2
-2(0.25)3 + 12(0.25)2- 20(0.25) + 8.5 = 4.218 75
Ntese que esta aproximacin de la pendiente es mucho ms cercana al

valor promedio sobre el intervalo (4.437 5) que la pendiente al principio
delmismo (8.5) que debi usarse en el mtodo de
Euler. La pendiente
en el punto medio se puede sustituir en la ecuacin (16.37)para predecir
555
METODOS DE UN PASO
CUADRO 16.3
Comparacin delos valores verdaderosy aproximados dela integral de y '

-2x3
1 2x2 -2Ox
8.5, con la condicidn inicial de
1 en x
O. Los valores aproximadosse calcularon usando
que y
tres versiones RK de segundo orden con un tamao de paso
0.5 de
Heun
RKRalston
Polgono
corrector
simple
mejorado
segundo
de
orden
0.0
0.5
1 .o
1.5
2.0
2.5
3.0
3.5
4.0
1 .o00 O0 1.000 O0 o
3.218 75
3.43750 6.8
3.000O0 3.375O0 12.5
2.218 75
2.68750 21.1
2.000 O0 2.500 O0 25.0
12.5
2.718 75
3.18750 17.2
4.000 O0 4.375O0
9.4
4.718 75
4.93750 4.6
3.000O0 3.000O0 O
veradera
~(0.5')'
= 1
El clculo se repite,
16.13
1%
1.000 O0
o
3.1093753.4
6.3
2.812 50
1.984 375 10.6
1.75
2.484375 8.6
3.81250
4.7
4.6093752.3
O
3
+ 4.21875(0.5) = 3.109375
el cuadro 16.3.
FIGURA
I 4
E"
y losresultadosseresumenen
lk"l
1 .o00 O0
O
3.277 343 75 1.8
3.101 5625 3.4
2.347 656
25 5.8
2.140
625
7.0
2.855 468 75 5.0
4.117 1875 2.9
4.800 781 25 1.7
1 .o
3.031
25
3.4%
la figura 16.13 y en
Comparacin de la solucin verdadera con los mtodosnumricos,tres RK de segundo orden y mtodo de Euler.
556
M~TODOS
En el mtodo de Ralston, kl en el primer intervalo tambin es igual

a 8.5 y [Ec. (16.38b)l:
k2 =
-2(0.375)3 + 12(0.375)2- ZO(0.375) + 8.5 = 2.582 031 25
La pendiente promedio se calcula mediante
i(8.5) + $ (2.582 031 25)
4.554 687 5
que se puede usar para predecir
~ ( 0 . 5=
) 1 + 4.5546875(0.5)
3.27734375
-1.82%
Los clculos se repiten, y los resultados se resumen en la figura 16.13

y el cuadro 16.3. Obsrvese cmo todos los mtodos RK de segundo orden son superiores al mtodo de Euler.
16.3.2
Mtodos de Runge-Kutta de tercer orden
Se puede llevar a cabo unaderivacin anloga a la del mtodo de segundo orden, para n = 3. El resultado de esta derivacin es de seis ecuaciones con ocho incgnitas. Por lo tanto, se deben especificar a priori los
valores de dos de las incgnitas para determinar los parmetros restantes. Una versin comn que resulta es
r16.391
donde
[16.39a]
[16.39b]
[16.39c]
Obsrvese que si la derivada es una funcin slo de x , este rntodo de

tercer orden se reduce a la regla de Simpson de 1/3. Ralston (1962) y
Ralston y Rabinowitz (1978) han desarrollado una versin alternativa que
proporciona un lmite mnimo en el error de truncamiento. En cualquier
caso, los mtodos RK de tercer orden tienen errores globales de O(h4)
y O(h3), respectivamente, y llevan a resultados exactos cuando la solucin es de ordencbico. Como semuestra en el siguiente ejemplo, cuando se trata de polinomios, la ecuacin (16.39) ser exacta cuando la
ecuacin diferencial sea de orden cbico y la solucin de orden cuarto.
MTODOS
557
DE UN PASO
Esto es porque la regla de Simpson de 1/3 proporciona aproximaciones

exactas a laintegraldeordencbico
(recurdese el recuadro 13.3).
EJEMPLO 16.7
Mtodo RK de tercer orden
Enunciado del problema:utilcese la ecuacin (16.39) paraintegrar
a) Una E D 0 queesexclusivamenteunafuncinde
d~ - -2x3
dx
"
con y(0)
x [Ec. (VI.14)]:
+ 12x2 - 20x + 8.5
1 y detamaodepaso
igual a 0.5.
b) Una ED0 que es unafuncinde x y
y:
dY
= 4e0,&- 0 . 5 ~
dx
con y(0)
2 desde x
O a 1 con un tamaodepaso
1.
Solucin:
a) Se puedenusarlas ecuaciones (16.39~1)
a la ( 1 6 . 3 9 ~para
) calcular:
+ 12(0)2- 20(0) + 8.5 = 8.5

k2 = -2(0.25)3 + 12(0.25)2- 20(0.25) + 8.5 = 4.218 75
k3 = -2(0.5)3 + 12(0.5)2 - 20(0.5) + 8.5 = 1.25
kl = -2(0)3
que se puedesustituirenla
y(0.5) = 1
ecuacin (16.39) para obtener:
+ {i[8.5 +4(4.218 75)+
1.25]}0.5
3.218 75
la cual es exacta. Porlo tanto, ya que la solucin verdadera es un polinomio

de cuarto orden [Ec. (VI.13)]. La regla de Simpson de 1/3 proporciona
un resultado exacto.
INGENIEROS
558
PARA
NUMERICOS
que se puede sustituirenla
METODOS
ecuacin (16.39) y obtener:
+ 4(4.217 298 79) + 5.184 864 9241 1 1

= 6.175 676 681
que representa un E , = 0.31 % (valorverdadero = 6.194 631 38), que
~ ( 1 . 0=
) 2+
es superior en mucho a los resultados obtenidos previamente con los mtodos RK de segundo orden (esto es, el Heun sin iteraciones) del ejemplo
16.5.
16.3.3
Mtodos de Runge-Kutta de cuartoorden
Los mtodos RK ms populares son los de cuarto orden. Como sucede

con los mtodos de segundo orden, existe un nmero infinito de versiones. El siguiente algunas veces se llamamtodo clsico RK de cuarto orden:
donde
[16.40~11
[16.40b]
[16.40~1
[16.40d]
Obsrvese que para las E D 0 que slo son funcin de x , el mtodo clsi1/3.
co deRKtambin es equivalente a laregladeSimpsonde
EJEMPLO 16.8
Mtodo clsico RK de cuarto orden
Enunciado del problema: utilcese el mtodo clsico RK de cuarto orden

[Ec. (16.4O)Jparaintegrar:
f(x,y) =
-2x3
+ 1zx2
2oX + 8.5
usando un tamao de paso de 0.5 y unacondicininicialde

en x = 0.
y =
Solucin: las ecuaciones (16.40~)

a la (16.40d) se usan paracalcular:
559
METODOS DE UN PASO
kl = -2(0)3
k2
20(0) + 8.5
8.5
= ~ 2 ( 0 . 2 5 ) ~12(0.25)' - 20(0.25)
k3 =
k4
+ 12(0)'
+ 8.5 =
4.218 75
4.218 75
= -2(0.5)3
+ 12(0.5)* - 20(0.5) + 8.5 = 1.25

que se puedensustituirenla
y(O.5) = 1
+ {i[8.5 + 2(4.21875) + 2(4.218 75) + 2(4.218 75)
1.25110.5
3.21875
el cual es exacto. Por lo tanto, debido a que la solucin verdadera es de

cuartoorden [Ec. (VI.131, el mtodo de cuartoordenproporciona un
resultado exacto.
16.3.4
Mtodode Runge-Kutta de orden superior
Donde se requiera mayor exactitud, se recomienda mtodo

el
RK de quinto
orden, Butcher (1964):
donde
kl = f
k5
k i ,
= f(xi
ks =/(xi
[16.41a]
Y)
h, yi
+ &hkl + & h b )
+ h, yi - Qhkl +'$hk2 + y h k 3 - Y h k 4 + $hk5)
[16.41e]
[16.41f]
Obsrvese la similitud entre el mtodo de Butcher y la frmula NewtonCotes de quinto orden del cuadro 13.3. Se puede disponer de frmulas
RK de orden superior, tales como el mtodo de Butcher, pero, en general, la ganancia obtenida en exactitud por los mtodos de orden superior
al cuarto se contrapone con la complejidad y esfuerzo de clculo.
560
MTODOS
NUMRICOS
PARA INGENIEROS
EJEMPLO 16.9
Comparacin de los mtodos de Runge-Kutta
Enunciado del problema: emplirenselos mtodos RK desde primero hasta quinto orden para resolver
con y(0) = 2 de x = O hasta x = 4 con varios tamaos de paso. Comprese la exactitud de los varios mtodos en el resultado x = 4 basado
en la respuesta exacta de y(4) = 75.338 962 61.
Solucin: efectense los clculos usando los mtodos de Euler, Heun sin
corregir, RK de tercer orden [Ec. (16.39)],RK clsico de cuarto orden
y el mtodo RK de Butcher de quinto orden. Los resultados se muestran en la figura 16.14, en donde se ha graficado el valor absoluto del
error relativo porcentua! contra el esfuerzo computacional.Esta ltima can-
FIGURA 16.1 4
Comparacin del error relativo porcentual contra el esfuerzo de

clculo de los mtodos del primero ai cuarto de Runge-Kutta.
561
METODOS DE UN PASO
tidad es equivalente al nmero de evaluaciones de la funcin necesarias

para alcanzar un resultado,
Esfuerzo
nf
b - a
~
[16.42]
en donde nf es el nmero de clculos de la funcin relacionados con el

clculo particular RK. Para rdenes 5 4, nf es igualalordendel mtodo. Sin embargo, obsrveseque el mtodo RK de Butcher de quinto
orden requiere de seis clculosde la funcin [Ec. (16.41a) a la (16.41fl1.
Lacantidad ( b - a ) / h es el intervalototaldeintegracindivididopor
el tamao del paso, es decir, es el nmero de aplicaciones del mtodo
RK necesarias para obtener el resultado. Por lo tanto, ya que las evaluaciones de la funcin son, en general, los pasos que consumen ms tiempo, la ecuacin (16.42) proporciona una medida aproximada del tiempo
de corrida necesarios para alcanzar
la respuesta.
Analizandolafigura 16.14 se llega a algunas conclusiones: primemejores exactitudes
ro, que los mtodos de ordensuperiorobtienen
con el mismo esfuerzo de clculo y segundo, que la ganancia en exactitud por el esfuerzo adicional tiefide a disminuir despus de un punto. (Ntese que las curvas caen rpidamente alprincipio y despus tienden a
nivelarse.)
El ejemplo 16.9 y lafigura 16.14 llevan a la conclusin de que los

mtodos RK de orden superior son siempre los mtodos de preferencia.
Sin embargo, se deben considerar tambin otros factores tales como los
costos de programacin y los requisitos de exactitud del problema cuando
se escoja un mtodo de solucin. Estos elementos de juicio se analizan detalladamenteen los casos delcaptulo 18 y eneleplogo de laparte VI.
16.3.5
Error local de truncamiento de los mtodos de Runge-Kutta
Debido a que un mtodo de Runge-Kutta de n-simo orden se determinaigualando los trminosde la ecuacin (16.28) y la expansinde la
seriedeTaylorhasta
los trminosquecontienen h", elerrorlocalde
truncamiento se puede expresar como
E, = O(,"+')
[16.43]
en donde el valor exacto de E, depende de f ( x , y) y sus derivadas superiores. En general, no es posible calcular E, en base a la ecuacin (16.43)
ya que los clculossondemasiadocomplicados.
Enel mejor de los
casos, si h es pequea, y por consiguiente si a la ecuacin la domina el
primer trmino de la serie de Taylor, los coeficientes del mtodo de RK
[esto es, las a , p y q de la ecuacin (16.29)) sepuedenescogerdetal
562
INGENIEROS
PARA
M~TODOS
NUMERICOS
manera que minimicen el lmite superior E,. Ms all de eso, un anlisis

del error del mtodo RK viene a serms complicado.
Por ejemplo, el mtodo deRunge-Kutta-Fehlberg se basaenel clculo
de dos aproximaciones RK de orden diferente, restando los resultados
para obtener una aproximacin del error.El mtodo consisteen la frmula
de cuarto orden:
Yi+l
25
+ ( E k 1 +
1 408
k3
2 565
junto con lafrmuladequinto

yi+l = yi
+(gkl
2 197
k4
4 104
1
-ks)
r16.441
orden:
6 656
+ 12 825
k3
28 561
56 430
[16.45]
donde
12
k4 = f(xi + Gh,
yi
1 932
hkl
+2 197
439
+ h, yi + -hkl
216
1
ki = f(xi + Zh, yi - -hk,

27
+- 1859
4 104
8hk2
Oo'
hkp
2 197
680
+"- 3513
7 296
-hk3
2 197
410
3 544
+ 2hk2 - ___
2 565 hk3
40
la aproximacih al error se obtiene restando la ecuacin (16.44) de la

(16.45) paraobtener
MTODO
563
DE UN PASO
Por lo tanto, la E D 0 se puede resolver con la ecuacin (16.44) y la aproximacin del error de la ecuacin (16.46). Sin embargo, la aproximacin
al error se alcanza a costa de una complejidad extra y de un esfuerzo de
clculo. Nteseque, despus de cada uno delos pasos, la ecuacin (16.46)
se puede sumara la ecuacin (16.44) y llegar a resultados de quinto orden.
Aunqueelmtodo
de Runge-Kutta-Fehlberges algoms pesado
para manejarse que el mtodo Runge-Kutta de cuarto orden, existen situaciones en donde el error aproximado lo convierte en un mtodo preferible. El clculo del error es de particular importancia cuando se trata
de funciones que requieren pasospequeos en algunas regionesy pasos
grandes en otras. En tales funciones, un error aproximado proporciona
una base para cambiar el tamao de paso durante los clculos. De otra
forma, el tamao del pasose debe escoger conservadoramente, es decir,
debe ser ms pequeo que lo necesario para alcanzar la exactitud deseada, ademsde acomodar lareginquerequieradelostamaosms
pequeos. Esta limitacin se considerar con ms detalle cuando se analicen mtodos de pasos mltiples en el captulo 17 para los cuales las aproximaciones delerror se obtienen con mayor facilidad.
16.3.6 Algoritmos para computadora de los mtodos de Runge-Kutta

Como en todos los mtodos cubiertos en el captulo, el mtodo de RK
se ajusta muy bien en el algoritmo general de la figura 16.6. En la figura
16.15 se presentan subrutinas en los lenguajes FORTRAN y BASIC que
determinan la pendiente del mtodo RKde segundo orden de Ralston
[Ec. (16.38)].Las subrutinas para calcular pendientes de todas las otras
versiones se pueden programar fcilmente de manera similar.
Enel mtodo de RK-Fehlberg, el tamao variable de paso se puede
incorporar de diferentes maneras. Una forma de hacerlo (Maron, 1982)
es la de especificar un lmite inferior y otro superior en el error. El objetivo es el de emplear un tamao de paso que genere una aproximacin
FIGURA 16.15
Subrutinas en FORTRAN y BASIC para determinarlapendienteusando

RK
el mtodo de Ralston de segundo orden de
INGENIEROS
564
PARA
NUMfRICOS
METODOS
del error dentro del rango aceptable. Si el error aproximado es mayor

que el lmite superior, el tamao de paso se parte a la mitad hasta que
el error se encuentre dentrodel rango aceptable. Si el error aproximado es
menor que el lmite inferior, el tamao de paso se duplica hasta que el
error se eleva de un rango aceptable.
16.4 SISTEMAS DE ECUACIONES

Muchos problemas prcticos de ciencia e ingeniera requieren de la solucin de un sistema de ecuaciones diferenciales ordinarias en lugar de una
sola ecuacin. Tales sistemas se pueden representar generalmente como
[16.47]
La solucin de este sistema requiere que las n condiciones iniciales se conozcan en un valor inicial de x.
Todos los mtodos analizados en este captulo para ecuaciones simples se pueden extender para el sistema mostrado anteriormente. Las aplicaciones de la ingeniera pueden implicar la solucin de varios cientos de
ecuaciones simultneas. En este caso, el procedimiento de solucin del
sistema de ecuaciones simplemente significa aplicar el mtodo de un paso a
cada una de las ecuaciones antes de continuar con el siguiente paso. Esto se ilustra mejor en el siguiente ejemplo.
EJEMPLO 16.1 O
Solucin de sistemas de E D 0 usando el mtodo de Euler
Enunciado del problema: resulvase el siguiente conjunto de ecuaciones

diferenciales usando el mGtodo de Euler, suponiendo que en x = O, y1
= 4, y y 2 = 6. Intgrese a x = 2 con un tamao de paso de 0.5.
565
METODOS DE UN PASO
Solucin: el mtodo de Euler se implementa como en la ecuacin (16.2)
yZ(0.5) = 6
+ [4 - 0.3(6)- 0.1(4)]0.5 = 6.9
Obdervese que yl(0) = 4 se usa en la segunda ecuacin en vez de

y l(0.5) = 3 , calculado con la primera ecuacin. Procediendo de una
manera semejante se obtiene
X
O
0.5
1.0
1.5
2.0
Y1
4
3
2.25
1.687 5
1.265
6215
Y2
6
6.9
7.715
8.445 25
9.094 087
5
16.4.1 Algoritmo para la computadora para la solucin de sistemas

ED0
de
El programa para resolver una sola E D 0 con el mtodo de Euler (Fig.

16.6) se puedeextender fcilmente a un sistema de ecuaciones. Las modificaciones incluyen:
1. Introducir el nrrero de ecuaciones, n.
2. Introducir los valc'res iniciales para cada unade las n variables dependientes.
3. Modificar la subrutina de tal manera que calcule las pendientes de cada una de las variables dependientes.
4. Incluir funciones adicionales para calcular las derivadas de cada una
de las EDO.
5. Incluir las ecuacicnes restantes (del tipo en la linea 230 de la versin
BASIC) para calc.darun nuevo valor de cada una delas variablesdependientes.
Obsrvese que cualquiera de los mtodos de un paso de este capitulo se pueden usar para este algoritmo. La nica diferencia seria la formulacin de la subrutina que calcula las pendientes. El mtodo clsico
RK de cuarto orden es una buena alternativa para este propsito ya que
proporciona una exactitud excelente y es relativamente fcil de programar. Una caracterstica importante de un programa de computadora para
resolver sistemas de E D 0 con un mtodo RK es la secuencia del clculo
de las k como se demuestra en el ejemplo siguiente.
566
METODOS
EJEMPLO 16.1 1
Solucin de sistemas de
ED0 empleando el mtodo RK de cuarto
orden
Enunciado del problema: utilcese el mtodo RK de cuarto orden para

resolver las E D 0 del ejemplo 16.10.
Solucin: primero, se deben resolver para todas las k l :
kl,l = f(0, 4,
k1.2 =
6) = -0.5(4)
f(0, 4, 6) = 4
==
-2
0.3(6) - 0.1(4) = 1.8
en donde k,,,es el i-simo valor de k para la j-sima variable dependiente. En seguida, se calculan los valores de y l y y 2 que se necesitan para
determinar las k2:
y1
+ $hkl,l = 4 + $(0.5)(-2) = 3.5
y2
+ i h k l , 2 = 6 + $(0.5)(1.8)= 6.45
que se usan para calcular:

k2,1 = f(0.25, 3.5, 6.45) =
k2,2 =
-1.75
f(0.25, 3.5, 6.45) = 1.715
El proceso contina hasta calcular las k restantes:

k3,1 =
f(0.25, 3.562 5, 6.428 75)
k3,2
=f(0.25, 3.562 5, 6.428 75)
k4.1
= f(0.5,
k4.2 =
-1.781 25
1.715 125
3.109 375, 6.857 562 5)
f(0.5, 3,109 375, 6.857 562 5)
-11.554 687 5
1.631 793 75
Los valores de k se pueden usar para calcular [Ec. (16.40)l:
yl(0.5) = 4
=
1.781 25)
1.554 687 510.5
3.115 234 38
y2(0.5) = 6
=
+ iL-2 + 2(-1.75
+ 2[1.8 + 2(1.715+ 1.715 125)+ 1.431793 7510.5
6.857 670 32
~
~~
567
METODOS DE UN PASO
Procediendo de manera semejante en los pasos restantes, se obtiene

X
Y1
4
3.1 15 234 4
2.426 171 3
1.889523 1
1.471576 8
0.5
1 .O
1.5
2.0
16.4.2
Y2
6
6.857 670
3
7.632 105
7
8.326 886
O
1
8.946 865
Problemas con valores en la frontera: mtodosde disparo
La solucin de ecuaciones con valores en la frontera usando el mtodo

de disparo es un ejemplo de un problema que en el contexto de los sistemasde E D 0 se puederesolver. Recurdese delanlisis alprincipio
de la parte VI, que una ecuacin diferencial ordinaria va acompaada de
condiciones auxiliares. Estas condiciones se usan para evaluar las constantes de integracin que resultan durante la solucin de una EDO. Para
unaecuacin de n-simo orden, se debenevaluar n constantes, y por
lo tanto, se requieren n condiciones. Si se especifican todas las condiciones en un mismovalor de lavariable independiente, entonces se trata
de un problema con valores iniciales. En su mayora la parte VI trata este
tipo de problemas.
En contraste hay otra clase de E D 0 para la que las condiciones no
se dan en un solo punto pero s en varios valores de la variable dependiente. Debido a que estas condiciones se expresan en los puntos extremos o lmites, stosse les conocen conel nombre deproblemas con valores
en la frontera. Una variedad de problemas significativosde ingeniera caen
dentro de esta clase. En este captulo, se analiza un esquema general para resolverestosproblemas: el mtodo de disparo.
El mtodo de disparo est basado en la conversin de problemas de
valores en la frontera en problemas de valor inicial equivalente. Se implementa un esquema de prueba y error que resuelve la versin de valores iniciales. El esquema se puede ilustrarcon un ejemplo.
EJEMPLO 16.1 2
El
mtodo de disparo
Enunciado del problema: emplese el mtodo de disparo para resolver
d2Y + 0.2y = 2
dx2
568
MTODOS
con las condiciones en la frontera y(0)
NUMRICOS
O y y ( 10)
PARA INGENIEROS
O.
Solucin: usando el mismo esquema empleado en la transformacin de

la ecuacin (VI.2)en las ecuaciones (VI.3)y (VI.6), la ecuacin de segundo orden se puede expresar como dos EDO:
dY
[E16.12.1]
- 2
"
dx
Y
dz
dx
"
FIGURA 1616
0.2y
[E16.12.2]
Mtodo de disparo: a) el primer "disparo"; b) segundo "disparo";

y c) el "tiro" exacto final.
569
METODOS DE UN PASO
A fin de resolver estas ecuaciones, se requiere un valorinicialpara
z. Para el mtodo de disparo, se elige un valor, que puede ser
40)
1.
Entonces la solucin se obtieneintegrandolas ecuaciones (E.16.12.1)

y (E16.12.2) simultneamente.Por ejemplo, usando un mtodo RK
decuartoordenparasistemas
de ODES, se obtiene un valorfinaldel
intervalo de y(10) = 10.208 (Fig. 1 6 . 1 6 4 , que define el valor verdadero y (10) = O por lo tanto, se hace otra eleccin, z(0) = 2 , y se llevan
a cabo nuevamente los clculos. Esta vez, elresultado y (10) = 8.035
est un poco ms cercano alvalorverdaderode y(10) = O , peroan
persisteelerror (Fig. 16.166).
Ahora, debido a que la E D 0 es lineal, los valores
z(0) = 1
y(10) = 10.208
z(0) = 2
y(10) = 8.035
estn relacionados linealmente. Como tales, se pueden usar para calcularelvalorde

z(0) queconforma a y(10) = O. Se puedeemplear una
frmula de interpolacin para este propsito [recurdese la Ec. (ll.!)]:
z(0) = 1 +
2 - 1
(O - 10.208) = 5.7
8.035 - 10.208
Este valor se pQede usar para determinar la solucin

16.16~.
se muestraenlafigura
correcta como
Para problemas con valor a la frontera no lineales, la interpolacin

lineal o extrapolacin a travs de la solucin de dos puntos no resultanecesariamente una aproximacin segura de la condicin en la frontera requerida para obtener una solucin exacta. Un esquema alterno es el de
realizar tres simulacionesy usar un polinomio de interpolacin cuadrtico
para calcular la condicin en la frontera. Sin embargo, no es muy probable que tal esquema lleve a la respuesta exacta, y con iteraciones adicionales sera necesario obtener la solucin.
Debido a que ste es un proceso ineficiente, existen mtodos alternativosentales casos. Los mscomunes son los mtodos de diferencias
a la
finitas. Estos mtodos son apropiados para problemas con valores
frontera lineales y no lineales. En estos esquemas, las diferencias divididas finitas se sustituyen por las derivadas en la ecuacin original. De esta
570
METODOS NUM~RICOS
PARA INGENIEROS
manera, la ecuacin diferencial se transforma en un conjunto de ecuaciones algebraicas simultneas que se puede resolver usando un mtodo
de la parte 111. Este es el esquema que se usa en el caso 9.2 para resolver
ladistribucindela
temperatura de una placa caliente. Los problemas
9.8, 16.9 y 18.10 se relacionan con la solucin de problemas con valores a la frontera.
PROBLEMAS
Clculos a mano
16.1
Resulvase el siguienteproblema con valorinicial sobre el intervalo de x

x = 2:
dY
-=
dx
Oa
yx2 -y
donde y(0) = 1. Grafiquese la solucin

16.2
Utilicese el mtodo de Euler con h = 0.5 y 0 . 2 5 para resolver el problema 16.1.

Grafquense los resultados en la misma grfica y comprese visualmente la exactitudde los dos tamaos de paso.
16.3 Utilicese el mtodo de Heun con h = 0 . 5 y 0.25 para resolver el problema 16.1.
Itrese el corrector a E, = 1%. Grafquense los resultados sobre lamisma grfica y comprese visualmente la exactitud de los dos tamaos con la solucin analtica. Interprtense los resultados.
16.4
Utiliceseel mtodo del polgono mejorado con h

problema 16. l.
16.5
Utilicese el mtodo RK de Ralston de segundo orden con h

elproblema 16.1
16.6
Utilicese el mtodo clsico RK de cuarto orden con h = 0 . 5 para resolver el problema 16.1.
16.7
Utilicese el mtodo de RK-Fehlberg de cuarto orden con h = 0 . 5 para resolver

el problema 6.1. Calclese el error aproximado en cada paso.
0 . 5 y 0 . 2 5 para resolver el
0 . 5 para resolver
16.8 Reptanse los problemas 16.1 al 16.7 pero con el siguiente problema con valores
iniciales sobre el intervalo x = O a x = 1.
dy
"
dx
y(0) = 1
MTODOS
DE UN PASO
571
16.9 Utilceseel mtodo de disparo para resolver
d$ +
16-
dy
dx
4y = 20
con la condicina la frontera, y ( 0 ) = 5 y y(20) = 2 .

16.10 Utilcese el mtodo de Euler con un tamao de paso de 1 para resolver el siguiente sistemade ecuaciones de x = O a x = 10:
dy1
- y1
"
0.1Y1Y2
dx
en donde y , = 2 5 y y2 = 7 enx = O.
16.1 1Utilcese el mtodo RK de cuarto orden para resolver el problema 6 . 1 0 usando
h = 1 . 0 d e x = O a x = 1.

16.12 Progrimese nuevamente la figura 16.6 de tal forma que sea legible al usuario.
Entre otras cosas,
a) Colquense declaraciones de comentarios, a lo largo del programapara identificar lo que cada una de las secciones va a realizar.
b) Etiqutese la entrada y la salida.
16.13 Prubese el programa del problema 16.12 duplicando los cSlculos de los ejemplos 16.1, 16.3 y 16.4.
16.14 Utilicese el programa del problema 16.12 repitiendo los problemas 6.1 y 6.2.
16.15 Reptanse los problemas 16.13 y 16.14, pero usando el paquete NUMERICOMP,
disponible con el texto.
16.16 Desarrllese un programa legible al usuario del metodo de Heun con un corrector
iterativo. Tmese como base del programa lasfiguras 16.6 y 16.12. Prubese
el programa duplicando los resultados del cuadro 16.3.
16.17 Desarrllese un programa legible al usuario del mtodo RK de Ralston de segundo orden basado en las figuras 16.6 y 16.15. Prubese el programa duplicando
el ejemplo 16.16.
16.18 Desarrllese un programa legible al usuario del mtodo cldsico RK de cuarto orden. Prubese el programa duplicandoel ejemplo 16.8 y elproblema 16.6.
16.19 Desarrllese un programa para la computadora que sea legible al usuario para
sistemas de ecuaciones usando el mtodo de Euler. Tmese como base del programa el andlisis de la seccin 16.4.1. Utilcese este programa para duplicar los
cSlculos del ejemplo 16.12.
16.20 Reptase el problema 16.19. pero usando el mtodo RK de cuarto orden.
C A P T U L OD I E C I S I E T E
MTODOS
DE PASOS
M LTIPLES
Los mtodos de u n paso analizados en el captulo anterior utilizan la informacin de un solo punto xi para predecir un valor de la variable dependiente
en un punto
posterior x , + ~(&. 17.1~1):Las tcnicas
alternas, llamados mtodos de pasos mltiples, (Fig. 17.lb),se basan en
el conocimiento de que una vez que los clculos han empezado, la informacin evaluada en puntos previos sirve de gua. La curvatura de las lneasque conectan estos puntosanterioresproporcionainformacin
refermte a la trayectoria de la solucin. Los mtodos de pasos mltiples
ED0
explorados en este captulo consideran esta informacin para resolver
y evaluar su error. Antes de describir las versiones de orden superior, se
presenta un mtodo simple de segundo orden que sirve para demostrar
las caractersticas generales de los esquemas de pasos mltiples.
FIGURA 17.1
Esquemagrficode las diferenciasfundamentalesentre o) mtodos de

un paso y b) mtodos de pasos mltiples en la solucin de
EDO.
574
NUMERICOS
MtTODOS
PARA INGENIEROS
17.1 UNENFOQUESIMPLE DE PASOSMLTIPLES:

MTODO DE HEUNSINPRINCIPIO
Recurdese que el mtodo de Heunusael
predictor:
mtodo de Euler como un
y la regla trapezoidd como corrector:
[17.2]
Por lo tanto, el predictor y el corrector tienen errores locales de truncamiento de O(h2) y O(h3),respectivamente. Esto sugiere que el predictor
sea el punto dbil en el mtodo ya que tiene el mayor error. Este punto
dbil es significativo debido a que la eficiencia delpaso corrector iterativo
depende de la exactitud de la prediccininicial.Por consiguiente, una
manera de mejorar el mtodo de Heun
es desarrollar un predictor que
tenga un error local de O(h3).Esto se puede llevar a cabo usando el mtodo de Euler y la pendiente en y , , pero haciendo la correccin desde
un punto previo yi.l, como en:
La ecuacin (17.3) no es auto-principianteya que implica un valor anterior de lavariable dependienteEstevalornodeberaestardisponibleen un problematpico de valorinicial.Debido a este hecho, a las
ecuaciones (17.3) y (17.2) se les conoce como mtodo de Heun sin
principio.
Obsrvese que, como se muestra en la figura 17.2, la aproximacin
a la derivada en la ecuacin (17.3) se localiza ahora en el punto medio
envez de alprincipiodelintervalosobreelcual
se hace la prediccin.
Como se demuestra subsecuentemente, este centrado mejorael error del
predictor a O(h3).Sin embargo, antes de continuar a una derivacin formal del mtodo de Heun sin principio, se resume el mtodo y se expresa
usando una nomenclatura un poco modificada:
Predictor: y k l = yP1
Corrector: y(+l = y 7
+ f(xi,y?) 2h
+ f h i , Y 3 +2f(Xi+l,
(para j
[17.4]
YG)
1 , 2, . . . , m )
C17.51
MTODOS
575
D E PASOS M L T I P L E S
FIGURA 17.2
Esquema grfico del mtodo de Heun sin principio. al mtodo de PJnto

medio usado como predictor; b) regla trapezoidal empleada como COrrector.
donde los Subindices se han agregado para denotar que el corrector se

aplica iterativamente desde j = 1 a m para obtener soluciones refinadas.
Ntese que y ? y y,ml son los resultados finales de las iteraciones del corrector en los pasos de clculo anteriores. Las iteraciones se terminan en
cualquier paso del clculo en base
alcriteriode paro
[17.6]
Cuando E, es menor que una tolerancia preespecificada en el error, E, se
terminan las iteraciones. En este punto, j = m. El uso de las ecuaciones
(17.4) a la (17.6) en la solucin de una E D 0 se demuestra en el ejemplo
siguiente.
576
MTODOS
NUMRICOS
PARA INGENIEROS
EJEMPLO 17.1
Mtodo de Heun sin principio
Enunciado del problema: utilicese el mtodo de Heun sin principio para
realizar los clculos del ejemplo 16.5 usando el mtodo de Heun. Es decir, intgrese y ' = 4e0.8X
- 0.5 y desde x = O hasta x = 4 usando un
tamao de paso de 1.0. Como con el ejemplo 16.5, la condicin inicial
en x = O es y = 2. Sin embargo, debido a que se est utilizando un mtodo de pasos mltiples, se requiere la informacin adicional de que y
es iqual a -0.392 995 325 en x = - 1.
Solucin: se usa el predictor [Ec. (17.4)]para extrapolar linealmente de
x = -1 a x " 1 :
+ [4e0.8io)- 0.5(2)]2 =
y': = -0.392 995 325
5.607 004 675
Entonces se usa el corrector [Ec. (17.5)] para calcular el valor

-
y:=2+
=
0.5(2) +
4eo.8(')
0.5(5.607 004 675)]
6.549 330 688
que representa un error relativo porcentual de - 5.73% (Valor verdadero = 6.194 631 377). Este error es algo ms pequeo que elvalor de
-8.18% contrado con el mtodo de Heun auto-principiante.
Ahora se puede aplicar iterativamente la ecuacin (17.5)para mejorar la solucin:
yT=2+
3 + &o.8i')
0.5(6.549 330 688)

2
6.313 749 185
que representa un E, del - 1.92%. Tambin se puede determinar una

aproximacin del error usando la ecuacin (17.6):
141=
6.313 749 185 - 6.549 330 688

6.313 749 185
3,7%
La ecuacin (17.5) se puede aplicar iterativamente hasta que t o se encuentre dentro de un valor E, preespecificado. Como en el caso del mtodo de Heun (recurdese el ejemplo 16.5),las iteraciones convergen al
valor 6.360 865 49 (E, = - 2.68%).Sin embargo, debido a que el valor del predictor inicial es ms exacto, el mtodo de pasos mltiples converge en proporci6n un poco ms rpida:
577
METODOS DE PASOS MLTIPLES
En
el
segundopaso,
y; = 2
= 13.443
461
el predictor es
0.5(6.360
865 49)] 2
2
, = 9.43%
que es superior a la prediccin de 12.082 569 46 (E, = 18% calculada

con el mtodo de Heun original. El primercorrector lleva a 15.955395 53
E, = - 6.8%) y las iteraciones siguientes convergen al mismo resultado
que se obtiene con el mtodo de Heun sin principio: 15.302 236 7 (E,
= - 3.1%). Como en el paso anterior, la proporcin de convergencia
del corrector se perfecciona un poco debido ala mejor preduccin inicial.
17.1.1 Obtencin y anlisis de error de las frmulas predictor-corrector

Se han empleado conceptos grficos para derivar el mtodo sin principio
de Heun. Hasta ahora se ha demostrado como las mismas ecuaciones
se pueden derivar matemticamente. La obtencin de estas frmulas particularmente interesante debido a sus vnculos con las ideas de ajuste de
curvas, integracin numrica y EDO. La obtencin de estas frmulas tambin es til ya que proporciona un medio de avancesimple en el desarrollo de mtodos de pasos mltiples de orden superior y la aproximacin
a sus errores.
La obtencin se basa en la solucin de la E D 0 general
Esta ecuacin se puede resolver multiplicando ambos ladospor d x e integrando entre los lmites i e i + 1:
El lado izquierdo se puede integrar y evaluar usando el teorema fundamental [recurdese la ecuacin (16.21)]:
Yi+l
Y +
h,
Kit1
f(x, y) dx
[17.7]
Si se puedeevaluar la integral, entonces la ecuacin (17.7) representa la solucin a la EDO. Es decir, esta frmula proporciona una manera
de calcular un nuevo valor de la variable dependiente y;, I en base al valor anterior y ; y la ecuacin diferencial.
Las frmulas de integracin numrica tales como las desarrolladas en
el captulo 13 proporcionan una manera de realizar esta evaluacin. Por
ejemplo, la regla trapezoidal [ecuacin (13.3)Jse puede usar en la eva-
578
MTODOS
NUMRICOS
PARA INGENIEROS
luacin de la integral, como en

[17.8]
donde h = x , + ~
- x , es el tamao de paso. Sustituyendo
(17.8) en la ecuacin (17.7)se obtiene
Yiil
Yi
f k i l
la ecuacin
Y> + f(Xi+l, Y-hi + d

2
que es la ecuacin corrector del mtodo de Heun.Debido a que esta ecuacin se basa en la regla trapezoidal, el error de truncamiento se puede
tomar directamente del cuadro 13.2:
E,
= -1 h3Y"'((c) =
12
1
h 3 f"((J
12
[17.9]
donde el subndice c denota que ste es el error del corrector.

Se puede usar un esquema similar para derivar el predictor. En este
caso, los lmites de integracinvan desde i - 1 a i + 1:
y" dy = r"f (x, y) dx

J x ~ -1
]Y-1
que se puede integrar y reordenar para obtener

[17.10]
Ahora, en vez de usar una f6rmula cerrada del cuadro 13.2, se puede
usar la primera frmula de integracin abierta de Newton-Cotes (vase
el cuadro 13.4) para evaluar la integral
[17.11]
a la cual se le llama el mtodo del punto medio. Sustituyendo la ecuacin (17.11) en la ecuacin (17.10) se obtiene
yi+l
yi-1
f(xi, yJ2h
que representa al predictor del mtodo de Heun sin principio. Como sucede con el corrector, el error local de truncamiento se puede tomar di-rectamente del cuadro 13.4
E, = h 3 y"'((,) = h3 f"(&,)
[17.12]
donde el subndice p denota que ste es el error del predictor.
Por lo tanto, el predictor y el corrector del mtodo de Heunsin principio tienen los mismos errores de truncamiento. Adems de aumentar
la exactitud del predictor, este hecho tienelos beneficios adicionales relacionados con el anlisis del error. como semuestra en la siguiente seccin.
579
METODOS DE PASOS
17.1.2 Aproximacin del error

Si el predictor y el corrector de un mtodo de pasos mltiplessondel
mismo orden, entonces el error local de truncamiento se puede obtener
a lo largo del clculo. Esta es una ventaja tremenda debidoa que establece un criteriodeajusteen el tamao del paso.
El error local de truncamiento del predictor se calcula mediante la
ecuacin (17.12).Esta aproximacin del error se puede combinar con la aproximacin de y;, del paso predictor para obtener [recurdese la definicin
bsica de la ecuacin ( 3 .l)]:
verdadero
Valor
yp+l
+ $ h 3 y(&,)
C17.131
Usando un esquema similar, la aproximacin del error para el predictor

[Ecuacin (17.9)]se puede combinar con el valor verdadero y el resultadel
do
corrector
genera:
verdadero
Valor
y21 - ff h3 y(&)
C17.141
La ecuacin (17.13) se puede restar de la ecuacin (17.14) para obtener
o = y21 - y?+1 - & h 3 y([)
r17.151
donde 4 est entre xiPly xi+l.Ahora dividiendo la ecuacin (17.15) entre 5 y reordenando trminos el resultado es
C17.161
Obsrvese que los lados derechos de las ecuaciones (17.9) y (17.16) son
idnticos, conla excepcin del argumento de la tercera derivada. Si la
tercera derivada no vara apreciablemente sobre el intervalo en cuestin,
se supone que los lados derechos son iguales, y , por lo tanto, tambin
los lados izquierdos deben ser iguales, como en
[17.17]
Por lo tanto, hemos llegado a una relacin que se puede usar para aproximar el error de truncamiento por pasoen base a dos cantidades, el predictor (y:+l) y el corrector ( y z J , que son rutinas por productos de los
clculos.
580
INGENIEROS
MTODOS
NUMRICOS
PARA
EJEMPLO 17.2
Aproximacin del error de truncamiento por paso para el
mtodo de Heun sin principio
Enunciado del problema: utilcese la ecuacin (17.17) para aproximar el

error de truncamiento por paso del ejemplo 17.l . Obsrvese que los valores verdaderos en x = l y 2 son 6.194 63138 y 14.843 921 9, respectivamente.
Solucin: en x,, = 1, el predictor genera 5.607 004 675 y el corrector
genera 6.360 865 49. Estos valores se pueden sustituir en la ecuacin
(17.17) y obtener
E = - 6.360 865 49
5.607 004 675
-o,150 772 163
que es comparable con el error exacto,

.E,=
6.194 631 38
6.360 865 49
-0.166 234 110
En x , , ~= 2, el predictor genera 13.443461 9 y el corrector 15.302 236 7,

que se usan para calcular
-"
15.302 236 7
13.443 461 9
"o,371 754 960
5
que tambin secompara
14.843 921 9
favorablemente con el error exacto, E,
15.302 236 7
= -
0.458 314 8.
La facilidad con que se puede calcular el error usando la ecuacin
(17.7)representa una ventaja importante de los mtodos de pasosmltiples sobre los mgtodos de un solo paso. Entre otras cosas, esto proporciona una base racional e n el ajuste de tamao de pasodurante el curso
de los clculgs. Por ejemplo, sila ecuacin (17.17) indica que el error
es mayor al nivel aceptable, el tamao de paso debe disminuir. En una
seccin subsiguiente (seccin 17.4),delinearemos como estos ajustes en
los tamaiios de paso se pueden incorporar en un algoritmo para la computadora.
17.1.3 Modificadores
Antes de desarrollar algoritmospara la computadora, se deben notar otras
dos formas enque se puede hacer ms exacto y ms eficiente al mtodo
de Heunsin principio. Primero, se debe tomar en cuenta que la ecuacin
(17.17),adems de proporcionar un criterio en el ajuste del tamao del
MTODOS
581
PASOS MLTIPLES
paso, representa una aproximacin numricade la diferencia entre el valorcorregidofinalen cada uno de los pasos y,+] y el error verdadero.
Por lo tanto, stepuedesumarsedirectamente y,,] paramejorar an
msla aproximacin:
YZl
YE1 -
YZ1 -
Yi+l
L17.181
A la ecuacin (17.18) se lellama corrector modificador. (El smbolo
se lee se reemplaza por.) El lado izquierdo es el valor modificado de

Y%].
Una segunda mejora, relacionada ms con la eficiencia de programacin, es el predictor modificador, elcual estdiseadoparaajustar el
resultado del predictor de tal manera que est ms cercano al valor convergente final del corrector. Esto es ventajoso debido
a que, como se menciona al principio de esta seccin, el nmero de iteraciones del corrector
depende altamente de la exactitud de la prediccin inicial. Por consiguiente,
sila prediccin se modifica de manera conveniente, se puede reducir el
nmero de iteraciones necesarias para converger a un valor final del corrector.
Este modificador puede derivarse simplemente suponiendo que la tercera derivada es relativamente constante de paso a paso. Por lo tanto,
usando el resultado del paso anterior en i, la ecuacin (17.16) se puede
resolver por
[17.19]
la cual, suponiendo que y

cin (17.12) para obtener
(t) = y (,$J.
se puede sustituir en la ecuaE17.201
que entonces se puede usar para modificar el resultado del predictor:

O
Yi+l
+YLl
+ 4 (y?
y:)
r17.211
EJEMPLO 17.3
Efecto de los modificadores en los resultados del
predictor-corrector
Enunciado del problema: calclese nuevamente el ejemplo 17.1 usando

losmodificadoresespecificadosen lafigura 17.3.
Solucin: como enel ejemplo 17.1, el resultado del predictor inicial es
5.607 004 675. Debido a que elpredictormodificador [Ec. (17.21)]
requiere de valoresde una iteracin previa, ste no puede emplearse para mejorar elresultadoinicial.Sin embargo, la ecuacin (17.18) se usa
582
MTODOS
FIGURA 17.3
PARA INGENIEROS
NUMRICOS
Secuencia de frmulas usadas en la implementacin del mtodo de Heun

sin principio. Ntese que la aproximacin al error del corrector se puede usar para modificar el corrector. N o obstante, debido a que esto puede
afectar la estabilidad del corrector,
el modificador no se incluye en el
algoritmo. El error calculado del corrector se incluye debido a su utilidad en el ajuste del tamao del paso.
paramodificarelvalorcorregidode
como en:
y'' =
6.360 865 49 -
6.360 865 49 (e,
6.360 865 49 - 5.607 004 675

5
= -
2.684%),
6,210 093 327
que representa un E, = - 0.25%. Por lo tanto, el errorsereduceen

cuanto a s u magnitud.
Enla siguiente iteracin el predictor [Ec. (17.411se usa para calcular
y$ = 2
=
[4eU.8(')- 0.5(6.210 093 327112
13.594 234 10
e:, = 8.42%
MTODOS
583
DE PASOS MLTIPLES
es alrededor de la mitad del error del predictor de la segunda iteradel ejemplo 17. l , elcualfue E , = 18.6%. Esta mejora se debe a
se est&usando unaaproximacinsuperiorde y (6.210 093 327,
opuesto a 6.360 865 49) en el predictor. En otras palabras, el error propagado y global se reducen mediante la inclusin del corrector modificador.
Ahora debido a que se tiene informacin de la iteracin anterior, la
ecuacin (17.21) se empleaparamodificar el predictor.
=
13.594 234 10
14.197 322
75
4
- (6.360 865 49 - 5.607 004 675)
5
E, = -4.36%
que nuevamente, divideendosel

error.
Esta modificacin no tieneefecto sobre el resultado final de los pasos
del corrector subsiguientes. Independientemente de cuando se usen predictores modificados o sin modificar, el corrector finalmente converge a
la misma respuesta. No obstante, debido a que la proporcin o eficiencia
de la convergencia depende dela exactitud de la prediccin inicial, lamodificacin puede reducir el nmero de iteraciones necesarias parala convergencia.
La implementacin del corrector llevaal resultado de 15.211 777 23
( E , = - 2.48%) elcualrepresentaunamejorasobreel
ejemplo 17.1
debido a la reduccin del error global. Finalmente, este resultado se modifica usando la ecuacin (17.18):
y 5 = 15.211 77723 =
14.888
268
60
15.211 77723 - 13.594 234 10

5
E, =
-0.30%
Nuevamente, elerror se hareducidoenmagnitud.
Como en el ejemplo anterior,la suma de los modificadores incrementa

la eficiencia y la exactitud de los mtodos de pasos mltiples. En particular, el corrector modificador efectivamente incrementa el orden del mtodo. Por lo tanto, el mtodo de Heun sin principio con modificadores,
es el tercer orden en vez de segundo orden como fue el caso en la versin sin modificar. Sin embargo, se debe notar que existen casos en donde el correctormodificador afecta laestabilidaddel
corrector. Como
consecuencia, elmodificadorno se incluyeenelalgoritmodel
mtodo
de Heun sin principio delineado en la figura 17.3. No obtante, el corrector modificador an puede tener utilidad para el control del tamao de
paso analizado en la seccin 17.1.5.
584
INGENIEROS
PARA
D I M E N S I O NX ( l O O ) , Y ( l O O )
COMMOH X I , Y l , U
F<X,Y1*4*EXP( .B*X>-.S*V
R E A D ( 5 . 1 >X( 1 > , X F
Xl.X(
... ... I. >
.
FORMAT<ZF1 O . O 1
READ( S , 1 >U
REIDCS.2)MX
FORMAT( I S >
READCS. 1 )ES
NUMERICOS
IFuncln que especiflca

ecuacln diferenclali
la
X i l l . XF = valores Inlclal y flnal de la

variable Independiente
= tamao del paso
M X = Iteraclones mxlmas del corrector
1..
Y0
.
ES = error aceptable (%I
LVLI
210
MTODOS
delcorrector
Y11 l = valor lnlclal de la varlable dependlente
220
230
240
250
260
(Subrutina para calcular el segundo valor de la

varlable dependlente usando el
mtodo RK de cuarto orden1
27
"
280
N C = nmero de pasos de X I 1 1 a X F
290
30CI
310
320
333
340
350
300
aao
370
(Predlctorl
I)
FOR J = I TU MX
xx = X(h)
52 = FN F(f<hl)
YP = v e t . ,
YIK! = Y i P I + H * ($1 + S i J
2
IPredlctor modlflcadorl
(Corrector)
/
380
3uo
4
410
430 PI = PIJ
440 C I = CIJ
4s NEXT I
46 P R I N T X l I l . V l I )
470 END
FIGURA 17.4
Programas en
FORTRAN Y BASIC delmtododeHeun
sin principio.
17.1.4 Programa para computadora de los mtodos de pasos mltiples

En la figura 17.4 se muestra un programa para la versin de tamao de
paso constante del mtodo de Heunsin principio. Obsrvese que el programa incluye el predictor modificador delineado en la figura 1 7 . 3 .
Debido a que este algoritmo emplea un tamao de paso constante,
se debe escoger un valor d e h al principio d e los clculos. En general,
la experiencia indica que un tamao de pasoideal debe ser bastante pequeo para asegurar la convergencia dentro de dos iteraciones del corrector (Hully Creemer, 1963).Adems, debe ser demasiado chico para
generar un error d e truncamiento lo suficientemente pequeo. Al igual
que conlos otros mtodos paraEDOs, la nica forma prctica d e valorar
la magnitud del error global es la de comparar los resultados del mismo
problema pero disminuyendo los tamaos de paso a la mitad cada vez.
Obsrvese que se usa un mtodo RK d e cuarto orden para generar
los puntos necesarios al principio del clculo. Para este propsito se escoge un mtodo RK d e cuarto orden debido a que, aunque es un poco
ms difcil de programar que los mtodos d e orden inferior, su mayor exactitud justifica su uso.
MTODOS
DE PASOS MLTIPLES
585
17.1.5 Beneficios en el control del tamao de paso

Con la excepcin del mtodo RK-Fehlberg analizado en
la seccin 16.3.5,
se ha empleado un tamao de paso constante para integrar numricamente ecuaciones diferenciales ordinarias. Aunque tal esquema tiene
una
alta utilidad en muchos problemas de ingeniera, existen ciertos casos en
donde es altamente ineficiente. Porejemplo, supngase yue se est integrando una E D 0 con una solucin del tipo mostrado en la figura
17.5.
Para la mayor parte del rango, la solucin cambia gradualmente un tamao de paso grande para obtener resultados adecuados. Sin embargo, en
unareginlocalizadade x = 1.75 a x = 2.25, la solucinmuestra un
cambio abrupto enla forma de una funcin impulso o pico. A las E D 0
cuyas soluciones consisten de componentes de variacin rpida o lenta
se lesllama ecuaciones rigidas.
La consecuencia prctica al tratar con tales ecuaciones es que se requiere un tamao de paso muy pequeo para capturar exactamente el
comportamiento impulsivo. Si se empleara un algoritmo con tamao de
paso constante, el tamario de paso necesario m6s pequeo en la regin
de cambio abrupto tendra que aplicarse al rango entero de clculo. Como una consecuencia, se aplicara un tamao de paso ms pequeo que
el necesario y , por lo tanto, muchos ms clculos a la regin de cambio
FIGURA 17.5
"
"
"
"
Ejemplo de la solucin de una E D 0 que muestra un comportamiento tipo impulsivo. Los ajustes automticos en el tamario del paso son desventajososenestos casos.
,.
586
INGENIEROS
PARA
MTODOS
NUMRICOS
gradual. En tales casos un algoritmo que ajuste automticamente el tamao de paso evitara estas deficienciasy por lo tanto sera de gran ventaja
Corno ya se dijo previamente, los mktodos de pasos mltiples descritos en este captulo proporcionan una base para tal algoritmo. Porlo tanto, puede parecer accidental que el programa para computadora descrito
en la seccin anterior empleara un tamao de paso constante. La razn
por la que se ha separado esta ventaja del algoritmo general es que
el
ajuste al tamao de paso no es una tarea de programacin trivial. De heo el costo
cho el costo (dado en trminos del tiempo de programacin
un factordecisivocuando
se
dedesarrollo de programas)puedeser
escoja la incorporacin de esta opcin. Con este antecedente, se describe la mecnica del control del tamao de paso. Este anlisis debe hacerse claro porque incluir este aspecto no es un ejercicio trivial.
La manera de escoger el tamao del paso se predice en base a un
conjunto de factores. En general, el tamao dellapsodebe hacerse lo
suficientemente pequeo de tal forma que el corrector converja y que se
mantenga asen tantas iteraciones comosea posible. Adicionalmente, debe
ser tan pequeo que los resultados sean lo sufientemente exactos para
los requisitos de un problema. AI mismo tiempo, el tamao del paso debe ser tan grande como sea posible de tal forma que minimice el tiempo
al momento de la corrida y elerrorde redondeo.
un cambio
Comnmente seusandoscriteriosparadecidircuando
en el tamao del paso se justifica. Primero, si la ecuacin (17.17) es mayor que un criterio de error previamente especificado, entonces el tamao del paso decrece. Segundo, se escogeel tamao del paso de tal manera
que el criterio de convergencia del corrector se satisfaga en dos iteraciones. Este criterio se propone considerar las ventajas y desventajas que
existen entre la relacin de convergencia y el nmero total de pasos en
el clculo. Para valores pequeos de h , la convergencia es ms rpida
pero se requierenms pasos. Para h ms grande, la convergenciaes
lentapero se necesitan menos pasos. Laexperiencia (Hull y Cremer,
1963) sugiere que los pasos totales seminimizan si h se escoge de tal maneraqueelcorrector
converja dentrodedos iteraciones. Por lo tanto, si se requieren ms de dos iteraciones, el tamao de paso disminuye
y si se requieren menos de dos iteraciones, entonces el tamao del paso
se aumenta.
Aunque la estrategia anterior especifica cuando se llevan a cabo las
modificaciones del tamao del paso no especifica cmo se debe cambiar.
Esta es una pregunta crtica ya que los mtodos de pasos mltiples por
definicin requieren de varios puntos para calcular uno nuevo. Una vez
que el tamao del paso se cambia, se debe determinar un nuevo conjunto de puntos. Una manera de hacerlo es la de reiniciar los clculos y usar
el mtodo de un solo punto para generar un nuevo conjunto de puntos
iniciales.
Una manera ms eficiente de hacerlo y que hace uso de la informacin existente es aumentar al doble y disminuirel tamao de paso a la
587
MhODOS DE PASOS
mitad. Como se muestra en la figura 17.6a, si se ha generado un nmeal doble,

ro suficiente de valores anteriores, aumentando el tamao del paso
es algo relativamente correcto (Fig. 1 7 . 6 ~ )Todo
.
esto es necesario para
mantener la informacin de los subindices de tal forma que los valores
anteriores de x y y vengan a ser los nuevos valores. Disminuir a la mitad
el tamao del paso es algo ms difcil ya que algunos de los nuevos valores no se encuentran disponibles (Fig. 1 7 . 6 ~ )Sin
. embargo, se pueden
usar los polinomios de interpolacin del tipo desarrollado enel captulo
1 1 paradeterminarestosvaloresintermedios.
En cualquier caso, la decisin de incorporar el control sobre el tamao del paso representa hacer una evaluacin entre el tiempo para desa-
FIGURA 17.6
Grfica que indica la estrategia de dividir y duplicar unsegmento que

permite el uso de a) valores calculados previamente con un mtodo de
pasos mltiples de tercerorden. b) Dividiendo a la mitad y c) duplicando.
588
METODOS NUMRICOS
PARA INGENIEROS
rrollar un programa complejo paralos trminos grandes y la eficiencia que

se requiere. Obviamentela magnitud y la importancia del problema mism o ayudar a elegir una opcin.
17.2 FRMULAS DE INTEGRACIN

El mtodo de Heun sin principio es caracterstico de la mayor parte de
los mtodos de pasosrn~ltiples.Emplea una frmula de integracin abierta
FIGURA 17.7
Ilustracin de la diferencia fundamental entre el mtodo de Newton-Cotes y la frmula de integracin de Adams. a) Las frmulas de NewtonCotes usan una serie de puntos para obtener una aproximacin a la integral sobre un conjunto de segmentos. La aproximacin se usa despus
pura proyectarse sobre el rango completo b) Las frmulas de Adams
usan una serie de puntos para obtener una integral aproximada con un
solo segmento. La aproximacin seusa entonces para proyectarse sobre este segmento.
MTODOS
589
DE PASOS MLTIPLES
(el mtodo del punto medio) para calcular una aproximacin inicial. Este
paso predictor requiere un punto previo. En seguida se aplica iterativamente una frmula de integracin cerrada (la regla trapezoidal) para mejorar la solucin.
Es obvio que una estrategia de mejoramiento sobre los mtodos de
pasos mltiples podra ser la de usar frmulas de integracin de orden
superior como predictores y correctores. Por ejemplo, podran ser tiles
para este propsito las frmulas de Newton-Cotes de orden superior desarrolladas en el captulo 13.
Antes de describir estos mtodos, se revisan algunas de las frmulas
de integracin ms comunes sobre las cuales estnbasados. Como se menciona anteriormente, las primeras de stas son las frmulas de NewtonCotes de orden superior. No obstante existe una segunda clase llamadas
frmulas de Adams que tambin se revisan y que seprefieren a menudo.
Como muestra la figura 17.7, la diferencia fundamental entre las frmulas de Newton-Cotes y de Adams est relacionada con la manera como
se aplica la integral para obtener la solucin. Como semuestra en la figura 17.7a, las frmulas de Newton-Cotes calculan la integral sobre un intervalo generando varios puntos. Esta integrai se emplea para proyectar
desde el principio hasta el final del intervalo. En contraste, las frmulas
de Adams (Fig. 17.7b) usan un conjunto de puntos deun intervalo para
calcular la integral solamente del ltimo segmento en el intervalo. La integral se usa despus para proyectarse a travs de este ltimo segmento.
17.2.1 Frmulas de Newton-Cotes

Algunas de las frmulas ms comunes para resolver ecuaciones diferenciales ordinarias se basan en ajustar un polinomio de interpolacin de
n-simo grado para n + 1 puntos conocidos de y y despus se usa esta
ecuacin para calcular la integral. Como seanaliza previamente en el captulo 13, las frmulas de integracin de Newton-Cotes se basan en este
esquema. Estas frmulas son de dos tipos: abiertas y cerradas.
Frmulas abiertas. Para n puntos igualmente espaciados, las frmulas
abiertas se pueden expresar en la forma de una solucin de una EDO,
como se hizo anteriormente en la ecuacin (17.10).La ecuacin general
para este propsito es
[17.22]
donde !,(x) es un polinomio de interpolacin de n-simo orden. La evaluacin de la integral obtiene una frmulade integracin abierta de NewtonCotes de n-simo orden. Por ejemplo si n = 1.
590
METODOS
NUMRICOS
PARA INGENIEROS
donde f, es una abreviacin de f(xi, y,), esto es, la ecuacin diferencial

evaluada en xi y y,. A la ecuacin (17.23) se le llama mtodo del punto
medio y se usa previamente como el predictor del mtodo de Heun sin
principio. Para n = 2,
Yi+ 1 = Yi-2
y para n
3h
+ 7j-ifi + fi-1)
3,
La ecuacin (17.24) se muestra grficamente en la figura 1 7 . 8 ~ 1
Yi+l
Y-n+l
Y+I
[17.251
f"(XMX
Xi-n+l
FIGURA 17.8
Esquema de las frmulas de integracin cerradadeNewton-Cotes.

Tercera frmula abierta [Ec. (17.24)] Y b) regla de Simpson de 1/3
(17.26)].
a)
[Ec.
METODOS DE PASOS
591
donde la integral se aproxima mediante unafrmula cerrada de NewtonCotes(cuadro 13.2). Porejemplo,para n = 1:

Yi+l
Y +
5 (fi + f i + l >
que es equivalente a la regla trapezoidal. Para n

Y ~ + I=
yi-1 +
2:
-3 Cfi-1 + 4fi + f i + l )
C17.261
la cual es equivalente ala regla de Simpson de 1/3. La ecuacin (17.26)

se muestra en la figura 17.8b.
17.2.2 Frmulas de Adams
El otro tipo de frmulas de integracin que se puede usar en la solucin

de E D 0 son las frmulas de Adams. Muchos algoritmos de pasos mltiples muy utilizados en computacin que resuelven E D 0 se basan en estas frmulas.
Frmulas abiertas (Adams-Bashforth).Las frmulas de Adams se pueden obtener de varias formas. Un mtodo esel de escribir una expansin
hacia adelante de la serie de Taylor alrededor del punto xi:
que se puede escribir como
[17.27]
Recurdese de la seccin 3.5.4 que se puede usar una diferencia hacia
atrs para aproximar la derivada:
- fi-1
f I
f; = fi+ -h
+ O(h2)
que se puede sustituir en la ecuacin (17.27) para obtener
o, agrupando trminos:
yi+l = y,
+ h($ fi
fi-1)
+ & b 3 fl + O(h4)
[17.28]
592
-
MTODOS
NUMRICOS
PARAINGENIEROS
A estafrmula se le llama segunda frmulaabierta de Adams. Las

Frmulas abiertas de Adams son designadas tambin como frmulas de
Adams-Bashforth. Por consiguiente a la ecuacin (17.28) algunas veces
se le llama segunda frmula de Adams-Bashforth.
Se pueden desarrollar frmulas de Adams-Bashforth de orden superior sustituyendo las derivadas de orden superior por aproximaciones en
la ecuacin (17.27). La frmula abierta de Adams de n-simo orden se
puede representar por lo comn como
n-1
[17.29]
Los coeficientes Pk se muestran en el cuadro 17.1. La versin de cuarto

orden se muestra en la figura 17.9a. Ntese que la primera versin es
el mtodo de Euler.
Frmulas cerradas (Adams-Moulton).
Una expansin de la serie de Taylor alrededor de xi+ se puede escribir como
yi =
f :+1
Y+] - h+lh + -+*
Resolviendopara y j + seobtiene
l17.301
Se puede usar una diferencia para aproximar la derivada:

CUADRO 17.1
Coeficientes y error de truncamiento en los predictores de

Adams-Bashforth
Orden
24
Po
PI
Pz
P3
P4
Error local de
truncamiento
Ps
24
55
-
24
1
901
__
59
"
37
-
9
24
1 274 251
"
2 774 __
2 616
720720
720 720 720
4
277
923
982
7
9
7
298 877
2
__ -~
__
__
720
720
720 720
720
"
475
h6f'"([)
1440
"
~
"
475
720
"
19 087 h7f(6)(0
60 480
MTODOS
593
DE PASOS MLTIPLES
FIGURA 17.9
Esquema de las frmulas de integracin de Adams abiertas y cerradas.

u). Frmula abierta de Adams-Bashforth de cuarto orden y b) frmula
cerrada de cuarto orden de Adams-Moulton.
fi
fi+l f!I + 1 = ___
que se sustituyeenla
Y,+]= y; + h
&lh
O(h2)
[i.,,
-
A esta frmula se le llama frmula cerrada de Adams de segundo orden

o segunda frmula d e Adams-Moulton. Obsrvese tambin que sta es
la regla trapezoidal.
594
MTODOS
CUADRO 17.2
Coeficientes y error de truncamiento en

Adams-Moulton
P
2
P3
-1
2 2
1
5
8
3
12
12 12
9
19
4
24
24
264
251 19 646106
5
720720
720720
1 427
798
482
475
_ _ 6
1 440 1 440
1 440 1 440
2
NUMRICOS
los correctores de
Error local de
truncamiento
PS
P
4
-1
1
12
1 h4{f'3)(()
-- __
- - h3P(5)
"
"
"
PARA INGENIEROS
19
h5f'4'(5)
720
27
-.-.____
"
720
173
1 440
,!,6f(5)(5)
1 AA0
27 863
"
h7f(6,(5)
"~
~"
1 440
&
480
I
L a frmula cerrada de Adams se puede escribir generalmente como

n-1
y!+] = yi
+h
Pkfiil-k
+ O(h"+')
k=O
Los coeficientes & se listan en el cuadro 17.2. El mtodo de cuarto orden se muestra en la figura 17.9b.
17.3 MTODOS DE PASOSMLTIPLES

DE ORDEN SUPERIOR
Ahora que se han desarrollado formalmente las frmulas de integracin
de Newton-Cotes y de Adams, podemos usarlas en la derivacin de mtodos de pasos mltiples de orden superior. Como en el caso del mtodo
de Heun sin principio, las frmulas de integracin se aplican en fila como
los mtodos de predictor-corrector. Adems, si las frmulas abiertas y cerradas tienen errores locales de truncamiento del mismo orden, entonces
los modificadores listados en la figura 17.3 se pueden incorporar en el
mejoramiento de la exactitud y para permitir el control sobre los tamaos
del paso. En el recuadro 17.1 se proporcionan ecuaciones generales para estos modificadores. Enla siguiente seccin, se presentan dos de los
RECUADRO 17.1 Obtencin de las relaciones generales de

La relacin entre el valor verdadero,laaproximacin,
un predictor se puede
representar
generalmente como
y el de
error
los modificadores
Va,or verdadero =
"&
%
+ I ~ ( ~ + I ) ( ~ ~ )
[B17.1.1]
MTODOS
595
DE
donde vc y 6, son el numerador y el denominador de la

constante del error de truncamiento del predictor de cualquiera de los mtodos abiertos de Newton-Cotes (cuadro
13.4) o de los mtodos de Adams-Bashforth (cuadro 17.1)
y n es el orden.
Se puede desarrollar una relacin similar para el corrector
'Jc
Valor verdadero = y;"+l - s,h
n+l
y (n+l)(5,)
E, =
Yl+l
rlc
YE1
'JP
WS,
Para el predictor modificador, la ecuacin (B17.1.3)

se puede resolver en el paso anterior mediante
[B17.1.2]
donde y 6, son el numerador y el denominador de la
constante del error de truncamiento para cualesquiera COrrector de Newton-Cotes abierto (cuadro 13.2) O de
Adams-Moulton (cuadro 17.2). Como se hizo en la derivacin de la ecuacin (17.15),la ecuacin (B17.1.1)se
puede sustraer de la ecuacin (B17.1.2) para obtener
[B17.1.3]
Ahora dividiendo la ecuacin entre vc + vp6JiP, multiplicando el ltimo trmino por 6,/6, y reordenando trminos se obtiene una aproximacin del error local de
truncamiento del corrector
que se puede sustituir en el trmino del error de la ecuacin (B17.1.1) para obtener
[B17.1.5]
Las ecuaciones (B17.1.4) y (B17.1.5) son versiones generales que se pueden usar para mejorar los algoritmos
de pasos mltiples. Por ejemplo, el mtodo de Milne tiene ?, = 14, 6, = 45, vc = l , y 6; = 90. Sustituyendo
estos valores en las ecuaciones (B17.1.4) y en (B17.1.5)
se obtienen las ecuaciones (17.33) y (17.34). Se pueden
desarrollar modificadores sirnilares para otro par de
frmulas abiertas y cerradas que tienen errores locales
de truncamiento del mismo orden.
mtodos de paso mltiple de orden superior ms comunes: el mtodo

de Milne y el mtodo de Adams de cuarto orden.
17.3.1 Mtodo de Milne

El mtodo de Milne es el mtodo de pasos mltiples ms comn basado
en las frmulasde integracin de Newton-Cotes. Este usa la frmula abierta
de Newton-Cotes de tres puntos como predictor:
[17.31]
y la frmula cerrada de Newton-Cotes de tres puntos (regla de Simpson
de 1/3) como corrector:

y{+1 = yim_1+ !gfi"-l + 4jy
+ f{;!)
[17.32]
Los modificadores predictor y corrector del mtodo de Milne se pueden desarrollar a partir de las frmulas del recuadro 17.1 y los coeficientes del error de los cuadros 13.2 y 13.4:
E,
= % ( y ? - y?)
[17.331
596
METODOS
EJEMPLO 17.4
Mtodo de Milne
Enunciado del problema: utilicese el mtodo deMilne para integrar y ' =
4&.Y - 0.5 y desde x = 4 usando un tamao de paso de 1.La condicin inicial en x = O es y = 2. Debido a que se utiliza un mtodo de paso
mltiple, se necesitan los puntos anteriores. En una aplicacin verdadera
se debe usar bun mtodo de un paso tal como RK de cuarto orden para
calcular lospuntos necesarios. En este ejemplo, se usa la solucin analtica
[recurdese la Ec. (E16.5.1) del ejemplo 16.51 para calcular los
valores exactos e n xi-3 = - 3 , xi-2 = - 2 , y xi"l = 1 de yi-3 = 4.547 302 219, yi-2 = - 2.306 160 375 y yi-1 = - 0.392 995 325
respectivamente.
Solucin: el predictor [Ec. (17.31)]se emplea para calcular un valor en
x =
y;
=
=
1:
-4.547 302219
6.022 723 13
4[2(3) - 1.993 813 519

3
2(1.960 666 259)]
2.8%
El corrector [Ec. (17.32)J se emplea entonces para calcular

y: = -0.392 995 325
=
6.235 209 902
711.993 813 519

C,
4(3)
5.890 802 1-57]
-0.66%
Este resultado se sustituye en la ecuacin (17.32) para corregir iterativamente la aproximacin. Este proceso converge a un valor corregido final
de 6.204 854 65 (E, = - 0.17%).
Este valor es ms.exacto que la aproximacin comparable de 6.360
865 49 (E, = - 2.68%) obtenido previamente con el mtodo de Heun
sin principio (ejemplos 17.1 al 17.3).Los resultados en los pasos restantes
son y (2) = 14.860 307 2 (E, - O . l l % ) , y (3) = 33.724 260 1
=
- 0 . 1 4 % ) , y y (4) = 75.432 948 7 (E, = - 0 . 1 2 % ) .
Corno en el ejemplo anterior, el mtodo de Milne, en general, obtiene resultados de alta exactitud. Sin embargo, existen ciertos casos en los
que sta es baja. Antes de entrar en detalle en estos casos. se describir
otro mtodo de pasosmltiples de orden superior, el mtodo de Adams
de cuarto orden.
597
METODOS D E PASOS MLTIPLES
17.3.2 Mtodo de Adams de cuarto orden

Un mtodo de pasos mltiples ampliamente usado basado en las frmulas de integracin de Adams utiliza la frmula de cuarto orden de AdamsBashforth(cuadro 17.1) como predictor:
y?+* = y?
+ h(zf!"
24
I
sf?
1 + zf"'
24 1-2 - zfF3)
- 24
[17.35]
y la frmula de cuarto orden de Adams-Moulton (cuadro17.2) como corrector:
y?
y{+l
+ h (xfj-1
24 1+1 + Bf!"
24
- Af!"
24 1-1 + '24
f!"
I
1-2 )
[17.36]
Los modificadores predictory corrector del mtodo de Adams de cuarto orden se pueden desarrollar a partir de las frmulas del recuadro 17.1
y los coeficientesdeerror de los cuadros 17.1 y 17.2 para obtener:
[17.37]
[17.38]
EJEMPLO 17.5
Mtodo de Adams de cuarto orden
Enunciado del problema: utilcese el mtodo de Adams de cuarto orden

17.4.
para resolver el mismo problema del ejemplo
Solucin: el predictor [Ec. (17.35)lse usa para calcular un valor en x = 1.
y? = 2
+ I ( E 3 - $1.993
813 519
1.960 666259
-9
24 2.649 382 908)
=
6.002 716
992
E,
3.1%
que es comparable pero un poco menos exacto que el resultado obtenidoconel mtododeMilne. El corrector [Ec. (17.38)Jse empleapara
calcular
y{ = 2
+ l ( &5.900 805 218 + E 3 - & 1.993 813 519
+ & 1.960 666 259)

=
6.254 118 568
E,
-0.96%
que nuevamente es comparable pero un poco menos exacto que el resultado obtenido con el mtodo de Milne. Este resultado se puede susti-
598
MTODOS
NUMRICOS
PARA INGENfEROS
tuir en la ecuacin (17.38) para corregir iterativamente la aproximacin.
El proceso converge a un valor corregido final de 6.214 423 582 (E,
0.32%) el cual es un resultado exacto pero nuevamente algo inferior al

obtenido con el mtodo de Milne.
17.3.3 Estabilidad de los mtodos de pasos mltiples

La gran exactitud mostrada por el mtodo de Milne en los ejemplos 17.4
y 17.5 puede anticiparse con base en los trminos del error de los predictores [Ec. (17.33) y (17.37)] y a los de los correctores [Ec. (17.34) y
(17.38)].Los coeficientes del mtodo de Milne, 14/45 y 1/90, son ms
pequeos que para el mtodo de Adams, 251/720 y 19/720. Adicionalmente, el mtodo de Milne emplea algunas evaluaciones ms de la
funcin para alcanzar estas altas exactitudes. Por los valores obtenidos,
estos resultados pueden llevar a la conclusin de que el mtodo de Milne
es superior y, por lo tanto, es preferible al mtodo de Adams de cuarto
orden. Aunque esta conclusin se cumple en la mayor parte de los casos, existen ejemplos en donde el mtodo de Milne trabaja inadecuadamente. Este comportamiento se muestra en el ejemplo siguiente.
EJEMPLO 17.6
Estabilidad del mtodo de Milne y del mtodo de Adams de cuarto
orden
Enunciado del problema: utiliceseel mtodo de Milne y el mtodo de Adams

de cuarto orden para resolver
-
"
dx
con la condicin inicial de que y = 1 en x = O. Resulvase la ecuacin
de x = O a x = 10 usando un tamao de paso h = 0.5. Ntese que
la solucin analtica es y = e "'.
Solucin: los resultados, resumidos en la figura 17.10. indican problemas
con el mtodo de Milne. Un pocodespus
del arranquede
los
clculos, los errores empiezan a crecer y a oscilar en el signo. En t = 10,
el error relativo se ha inflado a 2 831% y el valor predecid0 mismo ha
empezado a oscilar en el signo.
En contraste, los resultados del mtodo de Adams son mucho msaceptables. Aunque el error tambin crece, lo hace de manera lenta. Adicionalmente, las diferencias n o deberan exhibir los cambios bruscos de signo
mostrados por el mtodo de Milne.
MTODOS
599
DE PASOS
FIG1J RA 17. 10
Esquema de la inestabilidad del mtodo deMilne.
AI comportamiento inaceptable manifestado enel ejemplo anterior

del mtodo de Milne se le llama inestabilidad. Aunque esto no siempre
ocurre, su posibilidadllevaalaconclusinde
que el mtodo de Milne
debe evitarse. Porlo tanto, normalmente se prefiere el mtodo de Adams
de cuarto orden.
La inestabilidad del mtodo de Milne se debe al corrector. Por consiguiente, se han hecho intentos de rectificar este inconveniente desarrollando correctores estables. Una alternativa usada comnmente que emplea
este esquema es el mtodo de Hamming, que usa el predictor de Milne
y un corrector estable:
.
Yi+l =
9yT - y r p
+ 3h(f{;: + 2fT - f rl)

8
que tiene un errorlocal de truncamiento
E, = &h5f4)(&)
El mtodo de Hamming tambin incluye modificadores
de la forma
600
El lector puede obtener informacin adicional sobre este y los otros mtodos de pasos mltiples en otras obras (Hamming, 1973; Lapidus y Seinfield, 1971).
PROBLEMAS
Clculos a mano
17.1
Resulvase el siguiente problema de valor inicial sobre el intervalo
x = 3:
dY
-
de x = 2 a
-0.5,
dX
Utilicese el mtodo de Heun sin principio con un tamao de paso de 0.5 y las
condiciones iniciales y(1.5) = 4.723 67 y y(2.0) = 3.678 79. ltrese con el corrector hasta E, = l%.[Nota: los resultados exactos obtenidos analticamente son
y(2.5) = 2.865 05 y y(3.0) = 2.231 30.1 Calclese el error relativo porcentual
E" en los resultados.
17.2
Reptase el problema 17.1 usando el mtodo de Milne. [Nota: y(0.5) = 7.788

y y(1.0) = 6.065 31.) Itrese el corrector hasta que E, = 0 . 0 1 8 .
O1
17.3
Reptase el problema 17.2 pero con el mtodo de Adams de cuarto orden

(EE = 0.01 56).
17.4
Resulvase el siguienteproblemaconvalorinicial
dY
-=
dx
desde x
4 hasta x
5:
Y
X
Utilcese un tamao de paso de 0.5 y valores iniciales de y(2.5) = 1.2,y(3) = 1 ,

y(3.5) = 0.857 142 857 y y(4) = 0.75. Obtnganse las soluciones usando los
mtodos siguientes: a) mtodo de Heunsinprincipio (es = 1 %), b) mtodo de
Milne (ES = 0.01%) y c) mtodo de Adams de cuarto orden (ES = 0.01%).
[Nota:Las respuestas exactas obtenidas analticamente son y(4.5) = 0.666 666
67 y y(5) = 0.6.1 Calclese el error relativo porcentual 6" de los resultados:
17.5
Resulvase elsiguienteproblema de valorinicial desde y = O hasta y

dv
-=yx
dx
0.5:
- y
Utilicese el mtodo de Heun sinprincipio con un tamao de paso de 0.25. Si

y(-0.25) = 1.277 355 170, emplese un mtodo RK de cuarto orden con tay(0).
mao de paso l para predecir elvalorinicialen
MTODOS
60 1
DE PASOS MLTIPLES
17.6
Resulvase elsiguienteproblema
dY
de valorinicial desde x = 1.5 a x = 2.5:
-Y
- -
"
dx
I + x
Utilicese el mtodo de Adams de cuarto orden. Emplese un tamaio de paso

de 0.5 y el mtodo RK de cuarto orden para predecirlos valores inicialesde arranque si y(0) = 2 .
17.7
Reptase elproblema 17.6 usando el mtodo de Milne
17.8
Determnese el predictor, el corrector y los modificadores del mtodo de Adarns

de segundo orden. Emplese pararesolverelproblema 17.1.
17.9
Determnese el predictor, el corrector y los modificadores del mtodo de Adarns

de tercer orden. Emplese para resolver el problema 17.4.

17.10 Desarrllese un programa legible al usuario sobre el mtodo de Heun sin principio con modificadores basado en la seccin 17.1.3. Emplese un mtodo RK
de cuarto orden para calcular los valores iniciales. Prubese el programa con el
ejemplo 17.3.
17.11 Utilcese el programa desarrollado en el problema 17.10 para resolver el problema 17.5.
17.12 Desarrllese un programa legible al usuario sobre el mtodo de Milne de cuarto
orden con modificadores. Emplese un mtodo RK de cuarto orden para calcular los valoresiniciales. Prubese el programa con el ejemplo 17.5.
17.13 Utilcese el programa desarrollado en el problema 17.12 para resolver el problema 17.6.
C A P T U L OD I E C I O C H O
CASOSDE LA PARTE VI:
El prposito de este captuloes el de resolver algunasecuaciones diferenciales ordinarias usando los mtodos numricos presentados en los captulos 16 y 17. Las ecuaciones se originan de aplicaciones pr6cticas de la
ingeniera. Muchas de estas aplicaciones generan ecuaciones diferenciales no lineales que no pueden resolverse usando mtodos analticos. Por
lo tanto, comnmente se necesitanlos mtodos numricos.En consecuencia, el uso de los mtodos de solucin numrica de ecuaciones diferencialesordinarias es unahabilidadfundamentalquecaracterizaalbuen
ingeniero. Los problemas de este captulo ilustran algunos de loselementos de juicio asociados con varios de los mtodos analizados en los captulos 16 y 17.
En el caso 18.1 se usa una ecuacin diferencial para predecir lastendencias de la venta de computadoras. Entre otrascosas, este ejemploilustra
como se ajustan datos a un parmetro de un modelo matemtico. Se usa
el mtodo RK de cuarto orden en esta aplicacin.
El caso 18.2tiene su origen en el contexto de los problemas de ingeniera qumica, que demuestra cmo escoger adecuadamente un tamao de pasoy cmo se puedenusar las ecuaciones diferenciales para mejorar
el proceso de produccin qumica. Se usa el mtodo de Runge-Kutta de
segundo orden para este ejemplo.
Los casos 18.3 y 18.4 tomados de la ingeniera civil y elctrica respectivamente, tratan de la solucin de un sistema de ecuaciones. En el
caso 18.3, se usael mtodo de Euler debido a que el problema no re-'
quiere de resultados con una gran exactitud. En el caso 18.4,por el otro
lado, se requiere de una exactitud alta, y por consiguiente, se usa el mtodo RK de cuarto orden.
Finalmente, en el caso 18.5 se emplea una variedad de mtodos diferentes para investigar el comportamiento de un pndulo en oscilacin.
Este problema tambin usa dos ecuaciones simultneas. Un aspecto importante de este ejemplo es eldeilustrar cmo los mtodos numricos
permiten la fcil incorporacin de efectos no lineales dentro del anlisis
de ingenera.
604
INGENIEROS
CASO 18.1
METODOS NUMERICOS
PARA
MODELOSMATEMTICOS PARAPROYECTOSDE
VENTA DE COMPUTADORAS
(INGENIERA EN GENERAL)
Antecedentes: las operaciones y las utilidades de una compaade computadoras dependen mucho del conocimiento sobreel manejo del nmero
de computadoras disponibles en el mercado en un tiempo cualquiera. Los
mtodos de extrapolacin analizados en elcaso 12.1 han demostrado que
no existe confiabilidad ni exactitud. Se tiene, por lo tanto, que derivar
un modelo matemtico que sea capaz de simular y predecir el nmero
de computadoras disponiblesen el mercado en funcin del tiempo t . Se
puede desarrollar una ecuacin diferencial para este propsito.
El departamento de mercadeo de la compaa ha determinado a travs de la experiencia y de observaciones empricas, que las ventas esperadas de las computadoras se describen mediante.
Promedio de venta
(nmero de computadoras o:
vendidas por da)
nmero de computadoras en el mercado

costo por computadora
[ 18.11
Es decir, mientras ms computadoras se muestren al pblico, mayor venta

de las mismas; y a mayor costo, menos ventas. Adems, el costo de una
computadora individual est relacionado con el nmero de computadorasenel mercado, [recurdese la Eq. (15.1)]
Costo porcomputadora ($) = 3 O00 - 1 750
N
10 O00
+N
[18.2]
donde N es el nmero de computadoras.

La razn de cambio a travs del tiempo del nmero de computadoras restantes en el mercado es igualal registro del promedio de ventas:
-dN
=-
dt
promedio de ventas
[ 18.3)
donde el promedio de ventasse deriva combinando las ecuaciones(18.1)

(18.2):
ventas
de
Promedio
N
3 O00
1 750N/(10 O00
N)
I18.41
donde k es una constante de proporcionalidad que tiene unidades dedlares por tiempo. Sustituyendo la ecuacin (18.4) enla ecuacin (18.3)
se obtiene
dN = - k
dt
N
3 O00 - 1 750N/(10 O00
[18.5]
N)
CASOSDELAPARTE
605
VI: ECUACIONES DIFERENCIALES ORDINARIOS
Las consideraciones de planeacin requieren que se obtenga una estimacin de cunto tiempo permanecern en el mercado 50 O00 nuevas
computadoras. En el cuadro 12.1 se cuenta con algunos datos. Utilicese
esta informacin para calcular el parmetro k. Despus emplese el mtodo RK de cuarto orden para resolver la ecuacin (18.5) desde t = O
hasta t = 90.
Solucin: el primer paso de este anlisis ser determinar un valor de k.
Para hacerlo, se puederesolver la ecuacin (18.5)
d N 3 x lo7 + 1 250N
dtN(10 O00 + N)
k = --
Con base en esta ecuacin, se puede evaluar k si tiene una aproximacin

a dN / dt. Esto se puede hacer con los datos del cuadro 18.1, usando
diferencias divididas finitas para calcular dN / dt, [recurdese la seccin
3.5.41:
""I=
Ni+l
dt
-4-1
2At
Los resultados se muestran en el cuadro 18.1 y se pueden usar para determinar un valormedio de k = $49.3 diarios.
Cuadro 18.1
Clculos de k obtenidos de los datos de venta de computadoras.l a

media de k es 49.3
t
dias
dNldt
50 O00
35 O00
31 O00
20 O00
19 O00
12 050
1 1 O00
10
20
30
40
50
60
44.5
-950
40.6
-750
-600
55.0
-397.5
38.8
67.8
-400
Ahora este valor se puede sustituir en la ecuacin (18.5) para obtener:
dN
-49.3
"
dt
N
3 O00 - 1 750
[N/(
10 O00
+ N)]
que se puede integrarusano un mtodo RK de cuarto orden conla condicininicial N = 50 O00 y un tamao de paso de un da. Obsrvese
que se llev a cabo la simulacin usando un tamao de paso de 0.5 das
606
FIGURA 18.1
Grfica del nmero de computadoras
N en el mercado contra el tiempo
t en das. Se usan tres simulaciones con un modelo de ecuacin diferencial ordinaria [Ec. (18.5)], se muestran en el caso donde N = 50 O00
en t = O. Las tres simulaciones corresponden a valores diferentes del parmetro
k.
y se obtuvieron resultados casi idnticos, indicando que

la exactitud al usar
un tamatio de paso de 1.0 es aceptable. Los resultados se muestran en

lafigura 18.1 junto con los datos. As como sucede enla regresin, se
puede calcular la suma de los cuadrados de los residuos para cuantificar
la calidaddel ajuste. El resultado es 2.85 X lo7.Aunque al ajuste
parece ser satisfactorio, se llevan a cabo nuevamente los c6lculos usando valores de k que son f 20% del valor original de $49.3 diarios. Usando
los valores de k de 59.2 y 39.4 se obtienen las sumas residuales de los
cuadrados iguales a 1.05 x 10' y 5.35 x lo', respectivamente. Estas simulaciones tambin se muestranen la figura 18. l.
En seguida se grafica la suma de los cuadrados de losresiduos contra
k (Fig. 18.2) y se ajusta una parbola a travs de los puntos usando un
polinomio de interpolacin, Despus se determina k , como la suma mnima de los cuadrados, derivando la ecuacin de segundo orden, igualndola a cero y resolviendo para k . El valor resultante de k = $46.8 diarios
se sustituyeenla ecuacin (18.5) y se obtiene
dN
dt
- =
-46.8
N
3 O00
1 750[N/(10 O00
N)]
FIGURA 18.2
Grficc de la suma de los cuadrados de los residuos (S,) contra los valores del parmetro k del modelo. La curva es una parbola ajustada
a tres puntos. El punto de pendiente cero de esta curva, representa una
aproximacin del valor k ($46.8/da) que corresponde a un valor mnimo de S,.
FIGURA 18.3
Modelo de predicciones usandola ecuacin (1 8.5) con k igual a $46.8/da.

607
.
..
608
INGENIEROS
MhODOS NUMRICOS
PARA
Este modelo produce una suma de los cuadrados de los residuos igual
a 2.24 X lo7;se puedeusarparalospropsitospredictivos.
Las predicciones se muestran en la figura 18.3 junto con los datos iniciales. Los
resultados en t = 55, 65 y 90 das son 11 720, 9 383 y 5 596, respectivamente. Esta informacin, que es superiora la obtenida mediante ajuste de curvas enel capitulo 12, se puede usar en el manejo de toma de
decisiones relacionadas con la venta de estas computadoras.
CASO 18.2
DISEODE U N REACTOR
PARA PRODUCCIN FARMACUTICA
(INGENIERA QUMICA)
Antecedentes: los ingenieros qumicos disean reactores para el crecimiento
poblacionaldeorganismosmicrobianos (recurdese el caso 12.2). Los
subproductos del crecimiento pueden ser productos farmacuticos tiles.
En la figura 18.4 se muestra el esquema de un reactor que opera a base
de flujo continuo.El flujo de entradacontiene pocos microorganismos derivados, pero un alto contenido de nutrientes. Este flujo permanece en
el reactor por algn tiempo mientras que ocurre la reaccin bioqumica
y despus fluye hacia el exterior.El flujo de salida contiene una gran cantidadde nuevos microorganismos en crecimiento y una alta concentracin de derivados del Crecimiento. Los nutrientes son ms bajos que a
la entrada debido a su utilizacin microbiana. El contenido del reactor se
mezcla vigorosamente de tal manera que la composicin de la mezcla de
salida y del tanque sean iguales.
Si la proporcin de flujo y el contenido de los nutrientes es
constante,
el crecimiento de microorganismos se balancea por la prdida de organismos del tanque y se alcanza con el tiempo una densidad de poblacin
estable. Al intervalo de tiempo en que los organismos se ajustan e incrementan su densidad se le llama periodo de inicio. La longitud del periodo de inicio es importante debidoa que ste es tiempo perdidoque cuesta
dinero a la compaa.
Al investigador se le propone desarrollarun modelo matemtico para
los microbios del reactor para predecir el periodo dearranque. El laboratorio de investigaciones bioqumicas ha determinado que los microorganismos crecen de acuerdo al modelo de crecimiento logstico(recurdese
el caso 6.3):
Velocidad de crecimiento
K (pmAx
- p)p
donde p mx = 2 x 10 clulas por litro es la densidad microbiana

mxima y K = 2 x
litrosporclulapordaeselcoeficientede
la velocidad de crecimiento. Se requiere calcularel periodo de inicio parael caso
donde p ( t = O) = 100 000 clulas por litro, el promedio de flujo de enirada al tanque Q = 100 I/da y el volumen del tanque V = 700 I . El perio-
DE
609
LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS
CASOS
FIGURA 18.4
Representacin esquemticade un reactor de fluio continuo con mezclado total empleado en el crecimiento de la poblacin de organismos microbianos.
do de inicio se define como el tiempo necesario para que la poblacin

crezca a 6 x lo5 clulasporlitro. En este momento la produccinfarmacutica puede empezar.
Despus de haber obtenido un clculo confiable, se necesita usar el
modelo para ayudar a los operadores de la planta a decidir el nmero
ptimo de clulas a usarse en el tiempo t = O. Cuantos ms organismos
existan en t = O , ms corto ser el tiempo de inicio. Esto es importante
debido a que cuesta a la compaiia 1 O00 dlares diarios si el tanque est
fuera de produccin. Por lo tanto, existe la ventaja de reducir el tiempo
deiniciousandomsorganismosen
t = O.
Por otro lado, los organismos nuevos son muy caros para comprarse. En la actualidad la compaa obtiene cepas de un laboratorio biolgico con un costo de 3 O00 dlares por100 millones de clulas. Porlo tanto,
el costo de 100 O00 clulasporlitrousadoenestean6lisls
sera:
Costo
100 O00 clulas/1(700 1)
$3 O00
= $2 100
100 x IO6 clulas
El costo de 200 O00 clulas por litro serael doble . Por consiguienteexisten ventajas y desventajas entre la reduccin del periodo de arranque y
el costo de nuevos organismos.El trabajo consiste en usar un modelo que
proporcione unagua a los operadores de la planta relacionado con el
nmeroidealdeorganismosen
el tiempo t = O.
Solucin: primero se debe desarrollar la capacidad de simular el nmero
de organismos en funcin del tiempo. Las consideraciones de balance de
masassugierenque
=
dP
dt
Acumulacinrnicrobiana
en el tanque
crecimiento de
biomasa microbiana
Sustituyendolospardmetros enla
"_".
__
prdida de masa
microbiana al exterior
ecuacin (18.6) se obtiene:
610
INGENIEROS
dP = 2
dt
PARA
MTODOS NUMERICOS
10-~(2X lo6 - p)p - -100

p
700
o, reordenando trminos
dP
___ =
dt
0.257 14 p - 2
p2
Esta ecuacin se puede resolver analticamente, pero se usar un mtodo numrico para obtener la solucin. Primero, se usa el mtodo de Euler
con un tamao de paso deun da para calcular los resultados mostrados
en la figura 18.5. Se usa el mtodo Euler para este propsito debido a
que es muy fcil de programar y proporciona una estimacin rpida del
comportamiento general de la solucin. Como se puede ver, los microorganismos necesitan alrededor de 10 das para el periodo de inicio; en t =
20 das han alcanzado una poblacin casi estable. A este periodo estable
se le llama estado estacionario.
En base al resultado anterior, se decide llevar a cabo la simulacin
en un periodo de 20 das. Tambin se decidi usar el mtodo de Ralston
o RK de segundo orden debido a su fcil programacin y a su creciente
exactitud en el resto de los clculos. Enel cuadro 18.2 se muestran los
FIGURA 18.5
Simulacin del crecimiento microbiano en un proceso de produccin qumica. Se usa el mtodo de Euler en la simclacin para hacer una evaluacin rpida del comportamiento de la solucin. Ntese que dentro de
1 O das se termina el periodo de inicio, y en 2 0 das el reactor ha alcanzado casi el estado estacionario.
DE
CASOS
61 1
CUADRO 18.2
Crecimiento microbiano simulado utilizando una ED0 y el metodo

Se muestran resultadospara tade Ralston RK de segundo orden.
maos de paso diferentes, as comola solucidn verdadera.
M6todo de Ralston RK de segundo orden

t,
das
O
2
4
6
8
10
12
14
16
18
20
h=2
h = l
100 O00
157 389
241 459
356 983
502 124
664 649
824 332
961 864
1 068 231
1 144 048
1 195 245
100 O00
158 482
244 265
361 805
508 550
671 699
831 161
968 558
1 074 745
1 150 200
1 200 719
100 O00
158 810
245 097
363 218
510 415
673 738
833 149
970 419
1 076 459
1 151 723
1 207 002
0.5
Solucidn
verdadera
100 O00
158 931
245 403
363 736
511 095
674 479
833 867
971080
1 077 050
1 152 233
1 202 420
resultados para tamaos de paso de 2, 1y 0.5 das. Aunque el resultado

analtico exacto espoco factible en la mayor parte de los problemas de aplicaciones verdaderas, se haincluidoenel
cuadro 18.2 para propsitos
de comparacin. Obsrvese que todos los resultados numricos son muy
buenos, aun con el tamao de paso t = 2 - h se muestran errores de menos
del 5%. Si no se conoce la solucin verdadera, la exactitud de los clculos
los resultados obtenidos variando el tamao
se puede apreciar comparando
del paso. Por ejemplo, las diferencias entrelos resultados de h = 1 y 0.5
ocurren enla tercera cifra significativa. En consecuencia no se garantiza
ms exactitud debido a que una mayor precisin no sera discernible en una
grfica. Porlo tanto, se decide queh = 0.5 es adecuada para este propsito.
Al usar este tamao de paso y el modelo de Ralston se realizan dos
simulaciones adicionales con las condiciones iniciales de 200 O00 y 400
O00 clulas por litro. En la figura 18.6 se muestran estos resultados, junto con el caso de 100 O00 clulas por litro.Como era de esperarse, cuanto ms organismos se usen como base msse acortar el periodo de inicio,
como se puede ver en los resultados del cuadro 18.3. Ntese que usando ms organismos al incio, se reduce el costo de retardo de 9 200 a 2
500 dlares. Sin embargo, el costo de compra de los organismos aumenta de 2 100 a 8 400 dlares. El costo total, mostrado enlafigura 18.7,
sugiere un mnimo alrededor de 250 O00 clulas por litro. El punto mnimo se puede aproximar ajustando una parbola a los tres puntos. Esta
funcin puede diferenciarse, igualarse la derivada a cero y resolver para
encontrar un valor de 264 O00 clulas por litro. Este nivel corresponde
a un costo total de 10 O00 dlares, quelepresenta el costo total ms bajo, tomando en cuenta tanto los costos del periodo de inicio como de los
organismos semilla.
61 2
MTODOS
NUMRICOS
PARA INGENIEROS
FIGURA 18.6
Simulaciones delcrecimientomicrobialusando
tres condiciones iniciales
diferentes. Estos casos demuestran que, cuando se incrementa el nmero de organismos semilla, el periodo de arranque se acorta.
FIGURA 18.7
Grfica del costo contra el nmero de organismos semilla (esto es, nmero de organismos en t = O). El hecho de que la curva sea plana sugiere que aunque exista ur
mnimo en 264 O00 clulas por litro, este resultado es insensible relativamente al nmero de organismos semilla.
LA CASOS DE
VI:
613
ECUACIONES DIFERENCIALES ORDINARIOS
Inconvenientes de costo en varios niveles iniciales de organismos

empleados en un proceso qumico de produccin
Concentracin
Costo
de
inicial de
compra de
organismos
organismos
$
clulasllitro
~~
2 100
4 200
8 400
100 O00
200 O00
400 O00
CASO 18.3
~~
Tiempo de
inicio
Costo por
retardo
Costo
total
-~
9 200
6 O00
2 500
9.2
6.0
2.5
11 300
10 200
10 900
DEFLEXIN DEL MSTIL DE UNVELERO

(INGENIERA CIVIL)
Antecedentes: en la figura 18.8se muestra un velero similar al de los casos 12.3y 15.3,con una fuerza uniforme f distribuida a lo largo del mstil. En este caso, los cables que soportan al mstil se han quitado, pero
el mstil se monta firmemente en el casco del velero.
La fuerza del viento causa que el mstil se desve como se muestra
en la figura 18.9. La desviacin es similar a la de una viga en voladizo.
Se puede usar la siguiente ecuacin diferencial, basada en las leyes de
la mecnica, para calcular la deflexin:
d2Y
--
(L - 2)*
[18.7]
"
dz2
FIGURA 18.8
2EI
Mstil del velero sujeto a una fuerza uniforme
f.
614
FIGURA 18.9
Deflexindel mstil sujeto a unafuerzauniforme.
en donde E es el ndulo de elasticidad, L es la altura del mstil e I es

el momento de inercia. En z = O y dy / dz = O. Calclese la deflexin
e n el tope del mstil e n donde z = L usando mtodos analticos y numricos. Supngase que el casco no gira.
Solucin: la ecuacin (18.7)se puede resolver analticamente para la deflexin en z = L:
L4
y(z = L) = f8EI
[18.8]
Este problema incluye una ecuacin diferencial que tiene una solucin
con caractersticas uniformes. Adems, el intervalo de integracin es relativamente corto y la desviacin del mstil es pequea. Tambin los valores de f y E se basan en datos experimentales variables y difciles de
medir exactamente. Por lo tanto, parece satisfactorio usar un mBtodo
de bajo orden para resolver la ecuacin diferencial. S10 se necesitar un
valor inicial,y probablemente se use un tamao de paso pequeosin acumulacin de errores de redondeo excesivos.
La ecuacin (18.7) se puede escribir como un sistema de dos ecuaciones de primer orden con una transformacin de variables. Sea
-dY
=u
[18.9]
dz
y , por lo tanto, la ecuacin (18.7) se expresa como
du
dz
2El
(L - 2)*
[18.10]
DE
CASOS
LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS
615
Este par de ecuaciones diferenciales se puede resolver simult6neamente

usando el mtodo de Euler.
Sin embargo, en primer lugar se puede obtenerla solucin analtica por
comparacin.Dadaunacargauniforma f = 50 libras/pie, L = 30 pies,
E = 1.5 x lo8 libras/pie2 e I = 0.06 pies4 la ecuacin (18.8) se resuelve
para:
50(30)4
= 0.5 625 pies
y(30) = 8(1.5 x 108)0.06
En seguida se resuelven las ecuaciones (18.9) y (18.10)usando el mtodo

deEuler.Losresultadosdealgunospasosdeintegracinson:
Tamao de paso
de Euler
Y(30)
0.574 4
0.563 7
0.563 1
I
FIGURA 18.10
Grfica de la deflexin
del mstil de un velero
calculada con el mtodo
de Euler.
CASO 18.4
1.0
0.1
0.05
Por lo tanto, la respuesta obtenidaparece satisfactoria;la deflexin del mstil muestra

se figura
la
en
18.10.
Los resultadossepuedenusarparapropsitosdediseo.
Esto es especialmentevaliosoen casos donde lafuerzadelviento no es constante sino
vara de una forma complicada en funcin de la altura sobre la cubierta del
velero. El problema 18.13 proporciona un ejemplo de estasituacin.
SIMULACIN DE UNA CORRIENTE TRANSITORIA EN

U N CIRCUITO ELCTRICO
Antecedentes: son muy comunes los circuitos elctricos en donde la corriente
varaconeltiempoenvezdemantenerse
constante. Enelciclodelado
derecho se establece una corriente transitoria del circuito mostrado en la figura 18.l l cuando elconmutadorsecierrade
repente.
Las ecuaciones que describen el comportamiento transitorio del circuito
de la figura 18.11se basan en las leyes de Kirchhoff, que dicen que la suma
algebraica de las cadas de voltaje alrededor de un ciclo cerrado es cero (recurdese el caso 6.4). Por lo tanto,
di
L - + + R i + " 9( t ) = O
dt
C
r18.111
donde L(di/dt) es la cada de voltaje a travs del inductor,L es la inductancia (en henrios), R es la resistencia (en ohmios), q es la carga del capacitor
616
MTODOS
Conmu-'#*
Batera
-2Vo
+
PARA INGENIEROS
Eit)
.
" h
,
,
a-.
- tador
NUMRICOS
*,.
' :,
Capacitor
Inductor
t
/ i
s .
Resistencia
FIGURA 18.1 1
Circuito elctrico donde la corriente vara con el
tiempo.
(en coulombs),C es la capacitancia (en faradios),E ( t ) es la fuente de voltaje

(en voltios)variablecon
el tiempo, y
[18.12]
Lasecuaciones (18.11) y (18.12) son un par deecuacionesdiferenciales

lineales de primer orden que se pueden resolver analticamente. Por ejemplo, si E(t) = Eo sen w t y R = 0 ,
q(t) =
-Eo
w
-senp t
U P 2 - w2) P
"
i/m
L(p2 -
w2)
senw t
[18.13]
en donde p =
Los valoresde q y dq/dt son cero en t = O.
Emplese un mtodo numrico para resolver las ecuaciones (18.11) y (18.12)
y comprense los resultadoscon la ecuacin (18.13).
Solucin:esteproblemaincluye un intervalodeintegracin ms grande y
demanda el uso de mtodos de gran exactitud para resolver ecuaciones diferenciales si seesperanbuenosresultados.Supongamosque
L = 1 H,
Eo = 1 V, C = 0.25 C y W2 = 3.5 s2. Estogenera p = 2 y lasolucin
analticadelaecuacin
(18.13) viene a ser:
q(t)
- 1.870 8 sen 2t
2 sen (1.870 8 t )
Esta funcin se muestra en la figura 18.12. La naturaleza de cambio r6pido de la funcin exige grandes requerimientosa cualquier procedimiento
numrico para calcularq ( t ) .Adems, debido a que la funcin exhibe una
pequefia variacin de naturaleza peridica as como un componente de
variacin rpida, se necesitan periodosde integracin grandes para tratar
de nuevo la solucin. Por lo tanto, se espera que sea preferido un mtododeordensuperiorenesteproblema.
No obstante, se pueden probar los mtodos de Euler y Runge-Kutta
de cuarto orden y comparar los resultados. Con el mtodo de Euler y
usando un tamao de paso de 0.1 S en t = 10 S se obtiene un valor de
q igual a -6.638 mientras que con el mtodo de Runge-Kutta de cuarto
orden se obtiene un valorde -1.989 7 . Este resultado es comparable
a la solucin exacta, - 1.996 C.
CASOS DEECUACIONES
LA PARTE VI:
FIGURA 18.1 2
DIFERENCIALES ORDINARIOS
617
Pantalla de la computadora mostrando la grfica de una funcin [Ec. (18.13)].
La figura 18.13muestra los resultados de la integracin de Euler cada

1.O S comparada con la solucin exacta. Ntese que se grafica slo cada
dcima de punto en la salida. Se puede ver que el error global aumenta
a medida que t aumenta. Este comportamiento divergente se intensifica a
medida que t tiende a infinito.
FiGURA 18.13
""-.
Resultados de la integracin de Euler contra la solucin exacta. Ntese que se grafica slo cada dcima de punto.
. . . ...~. . _ ~ _
- ~.
618
MTODOS
CASO 18.5
NUMRICOS
PARA INGENIEROS
EL PNDULO OSCILANTE
(INGENIERA MECNICA)
Antecedentes: en la ingeniera mecnica (as como en las otras ingenieras) a menudo se enfrentan problemas relacionados con el movimiento
peridico de cuerpos libres (recurdese el caso 6.5).Los mtodos de ingeniera requieren fundamentalmente que seconozca de la posicin y la
velocidad del cuerpo en funcin del tiempo. Estas funciones del tiempo
invariablemente son ecuaciones diferenciales ordinarias. Las ecuaciones
diferenciales, en general, se basan en la segunda ley de Newton del movimiento.
Como ejemplo, considrese el pndulo simple mostrado previamente en la figura VI.l . La partcula de peso W se suspende de un hilo de
peso despreciable, de longitud l. Las nicas fuerzas que actan sobre la
partcula son un peso y la tensin R del hilo. La posicin de la partcula
en cualquier tiempo se especifica completamente en trminos del ngulo
0 y 1.
El diagrama de cuerpo libre de la figura 18.14 muestra las fuerzas
que actan sobre la partcula as como su aceleracin. Es conveniente aplicar la segunda ley de Newton del movimiento en la direccin x, tangente
a la trayectoria de la partcula:
-Wseno =-a
donde g es la constante gravitacional (32.3pies/s2) y a es la aceleracin

en ladireccin x. La aceleracin angular de la partcula (a)es
Por lo tanto, en coordenadas polares
(a
= d2d/dt2),
d2e
+ -sen6
df2 1
W
FIGURA 18.14
Diagrama de cuerpo
libre del pndulo
oscilante mostrando
las fuerzas sobre la
partcula y la
aceleracin.
[18.14]
Esta ecuacin aparentemente simple es una ecuacin diferencial no lineal

de segundo orden, En general, tales ecuaciones son difciles o hasta imposibles de resolver analticamente. Existen dos alternativas relacionadas con
el avance en la solucin de este problema. Primero, la ecuacin diferencial se puede reducir a una forma deresolver analticamente (recurdese
la seccin (VI.l. 1). O se puede usar un mtodo numrico para resolver la ecuacin diferencial directamente. Se examinan ambas alternativas en este ejemplo.
PARTE
CASOS DE LA
619
Solucin: de acuerdo al primer mtodo, se puede ver que la expansin de

la serie Taylor del sen 8 est dada por
s e n o = o - - + -o3
."
o5
07
3! 5 !
7!
[18.15]
Para pequeos desplazamientos angulares, sen 6 es aproximadamente igual

a 8 cuando se expresa en radianes. Por lo tanto, para desplazamientos pequeos la ecuacin (18.14)se convierte en:
g
-d20
+
o
=o
dt2
I
E18.161
que es una ecuacin diferencial lineal de segundo orden. Esta aproximacin es muy importante debido a que la ecuacin (18.16)es muy fcil de
resolver analticamente. La solucin, basada en la teora de las ecuaciones
diferenciales, esta dada por:
o(t) =
eo cos
[18.17]
donde es el desplazamiento en t = O y en donde se supone que la velocidad (u = dO/dt) de la partcula es cero en t = O. Al tiempo necesario
para que la partcula complete un ciclo de oscilacin se le llama periodo y
est dado por
FIGURA 18.1 5
(e)
eo
Grfica del desplazamiento

y la velocidad (d8/dt) en funcin del tiempo (t), colculada de la ecuacin (18.17). es n / 4 y la longitud es de 2 pies.
"
."I.._""I_
.. .
-.
.._"_
620
MTODOS
NUMRICOS
PARA INGENIEROS
En la figura 18.15 se muestra una grfica del desplazamiento (O) y

la velocidad (de/&) en funcin del tiempo, como se calcula en la ecuacin (18.17) con Bo = 7r/4 y 1 = 2 pies. El periodo, calculado con la
ecuacin (18.17) es 1.565 9 s.
Los clculos anteriores en esencia son una solucin completa del movimiento de la partcula. Sin embargo tambin se debe considerar la exactitud
de los resultados debido a la suposicin inherente en la ecuacin (18.16).
Adems, para evaluar la exactitud, es necesario obtener una solucin numrica de la ecuacin (18.14) que es una representacin fsica ms completa del movimiento. Se puede usar cualquiera de los mtodos analizados
en los captulos 16 y 17 para este propsito, por ejemplo, los mtodos de
Euler y RK de cuarto orden. La ecuacin (18.16)5% debe transformar en
dos ecuaciones de primer orden compatibles con los mtodos anteriores.
Esto se lleva a cabo como sigue. La velocidad u se define como
!
dO
dt
-=u
[18.181
y , por lo tanto la ecuacin (18.14)se puede expresar como

[18.19]
Las ecuaciones (18.18)Y (18.19)son un par de ecuaciones diferenciales

ordinarias simultneas. En el cuadro 18.4se muestran los resultados generados con la solucin numrica por el mtodo de Euler y el mtodo RK
CUADRO 18.4
Comparacin de la solucin analitica lineal del pndulo oscilante con

tres soluciones numricasno lineales
Soluciones no lineales
Solucin
analitica
Tiempo lineal
S
( 4
0.0
0.2
0.4
0.6
0.8
1 .o
1.2
1.4
1.6
0.785
0.545
-0.026
"0.058
-0.783
-0.505
0.080
0.617
0.778
398
784
852
3104
562
912
431
698
062
Euler
(h= 0.05)
RK de cuarto RK de cuarto
orden
orden
(b)
(4
(h = 0.05)
(h = 0.0 1 )
0.785 398
0.615 453
0.050 228
-0.639 652
-1.050 679
-0.940 622
-0.299 819
0.621 700
1.316 795
0.785 398
0.566 582
0.021895
-0.535 802
-0.784 236
-0.595 598
-0.065 611
0.503 352
0.780 762
0.785
0.566
0.021
-0.535
-0.784
-0.595
-0.065
0.503
0.780
( 4
398
579
882
820
242
583
575
392
777
DE
CASOS
62 1
de cuarto orden. Enelcuadro 18.4 se comparalasolucinanalticadela

ecuacin lineal del movimiento [Ec. (18.17)]enla columna a) con la solucinnumricaenlascolumnas
b), c) y d).
Los mtodos de Euler y RK de cuarto orden generan resultados diferentes y ambos divergen de la solucin analtica, aunque el mtodo RK
de cuarto orden parael caso no lineal se acerca ms a la solucin analtica que el de Euler. Para evaluar propiamente la diferencia entre los modelos lineal y no lineal es importante determinar la exactitud delos resultados
numricos. Esto se lleva a cabo de tres formas diferentes. Primero, la solucin numrica de Euler se reconoce fcilmente ya que es inadecuada
debido a sus inconvenientesen la condicin inicial en t = 0.8 s . Esto viola claramente laleydela conservacin de la energa. Segundo, las columnas c) y d) delcuadro 18.4 muestranlasolucindel
mtodode
Runge-Kutta de cuarto orden con tamaos de paso 0.05
de y 0.01. Debido a que estos varanenelcuartolugar
decimal, es razonable suponer
que la solucin con un tamao de paso de 0.01 tambin ser exacta con
este grado de certeza. Tercero, para el caso con un tamao de paso de
0.01 S , 6 alcanza un valor local mximo de0.785 385 en t = 1.63 S (que
no se muestra en el cuadro 18.4). Esto indica que la partcula regresa a
su posicin original con una exactitud de cuatro cifras con un periodo de
1.63 s. Estas consideraciones permiten tener la seguridad que la diferencia entre las columnas a) y d) del cuadro 18.4 representan realmente la
diferenciaentre el modelolineal y no lineal.
Otra manera de caracterizar la diferencia entre el modelo lineal y no
lineal es en base al periodo. En el cuadro 18.5 se muestra el periodo de
oscilacin calculado con los modelos lineal y no lineal para tres valores
diferentes iniciales del desplazamiento.
Se ve que los periodos calculados
casi son igualescuando 0 es pequeo debida a que 0 es una buena aproximacin para sen 0 en la ecuacin (18.15). Esta aproximacin se deteriora a medida que 6 crece.
Estos anlisis son comunes en los casos en que rutinariamente se encuentra un ingeniero. La utilidad de los mtodos numricos viene a ser
particularmente significativacuando se trata de problemas no lineales, y
muchos problemas de la vida real son no lineales.
CUADRO 18.5
Comparacin del periodo de un cuerpo oscilante calculadode los

modelos lineal y no lineal
Periodo,
S
~
Desplazamiento
inicial
60
Modelo lineal
( I 27rJ//g)
Modelo no lineal
[solucin numrica de la
ecuacin (1 8.14)]
~~~~~
a/l6
a/4
1.565 9
1.565 9
1.565 9
1.57
1.63
1.85
~~
622
METODOS NUMRICOS
PARA INGENIEROS
PROBLEMAS
lngeniera en general
18.1
Reptase los clculos realizados en el caso 18.1 usando los programas propios
18.2
Efectense losmismos clculos del caso 18.1 usando k = $60/da.
18.3
Efectunse los mismos clculos del caso 18.1 con una nueva ecuacin del costo
de las computadoras [reemplcese la Ec. (18.2)]:
Costo por computadora individual ($) =
18.4
1 500 (I
e - 4 4x10-5N 1
Reptase el problema delparacaidista (ejemplo 1.2), pero con unafuerza actuando hacia arriba debida a la fuerza de rozamiento que es proporcional a la
velocidad al cuadrado:
F, = -cu2
donde c = 2.4 g/cm. Grafquense los resultados y comprense con los del ejemplo 1.1.
Ingeniera qumica
18.5 Reptanse los clculos del caso 18.2 usando los programaspropios
18.6 Efectense los mismoscdlculosdel
= 50 O00 clulasporlitro.
caso 18.2 peroparaelcasoenque
p ( t = 0)
18.7
Efectense los mismos clculos del caso 18.2, pero para p ( t = 0) = 100 O00
clulas por litro y k = 3 X
litros por clula
por da.
18.8
Enel caso 12.2 se desarrolla la ecuacin (12.5) paramodelar el crecimiento

de la levadura empleada en la produccin comercial de cerveza. Si el decaimiento de la levadura es proporcional a 0.8 p y sila proporcin de cambio de
f se describe como
df
dt
dP
-_
"
dt
resulvase para j y p en funcin del tiempo si f(0) = 100 y p(0) = 1. Intgrese

el par de E D 0 hasta que p y f alcancen niveles estables. Grafquense los resultados
18.9 Un balance de masa de una sustancia qumica en u n reactor mezclada comple
tamente, se puede escribir como
Acumulacin
velocidad de
flujo de
alimentacin - salida - reaccin
DE
623
CASOS
donde V es elvolumen (10 m3), c es la concentracin, F es la alimentacin

(200 g./min), Q esla velocidad de flujo (1 m3/min), y K es la velocidad de
reaccin (0.1 m3/g/min). Si c(0) = O , Resulvase la E D 0 hasta que la concentracin alcance un nivel estable. Grafquense los resultados.
18.10
Reptase el problema usando el mtodo de disparo.
Ingeniera civil
18.11
Reptanse los clculos del caso 18.3 usando los propios programas.
18.12
Efectense los mismos clculos del caso 18.3, pero con una carga uniforme de
80 libras/pie y una E = 2 x lo8 libras/pie2. Verifquense los resultados comparndolos con la solucinanaltica.
18.13
Efectunse los mismos clculos del caso 18.3, pero en vez de usarunafuerza
del viento constante, utilcese una fuerza que vare con la altura de acuerdo a
(recurdese el caso 15.3):
!(x) =
200 -e -22/30
5 + 2
Grafquese y contra z comprense con los resultados con los del caso 18.3.
18.14
Duplquese la figura 6.4 integrando numricamente la E D 0 del caso 6.3. VerifC

quense los resultados comparndolos con los de la soluci6n analtica [Ec. (6.9)].
18.15
El modelo de crecimiento logstico del caso 6.3 se puede aplicar tanto a la poblacin microbial como a la humana. Supngase que se planea un sistema de
abastecimiento de agua para unaisla. Si pmlx = 100 O00 personas y K =
personas . ao y si la poblacin inicial es de 10 O00 personas, qu tiemPO pasar para que la poblacin llegue a 90 O00 habitantes?
Ingeniera elctrica
18.16
Reptanse los clculos del caso 18.4 usando los programaspropios
18.17
Efectense los mismos clculos del caso 18.4, pero con
18.18
Resulvase la E D 0 del caso 6.4 usando los mtodos numricos si q = 0.1 e

i = - 3 . 2 8 1 5 i 5 en t = O.
18.19
En un circuito RL simple, la ley de los voltajes de Kirchhoff requiere que (si se

cumple laley de Ohm):
L-
di
dt
Ri
= 203.
= O
donde i es la corriente, L la inductancia y R la resistencia. Resulvase para

i , si L = R = 1 e (O) =
amperios. Resulvase este problema analticamente y con un mtodo numrico.
624
METODOS
18.20
NUMRICOS
PARA INGENIEROS
En contraste con el problema 18.9, las resistencias reales no siempre obedecen

la ley de Ohm. Por ejemplo, la cada de voltaje puede ser no lineal y la dinmicz
del circuito descrita por relaciones deltipo
donde todos los parmetros son iguales a los definidos enel problema 18.19
e I es una corriente de referencia igual a 1. Resulvase para i en funcin del
tiempo bajo las mismas condiciones especificadas en el problema 18.19.
Ingeniera mecnica
18.21 Reptanse los clculos realizados en el caso 18.5 usando los programas propios.
18.22
Efectense los mismos clculos del caso 18.5 con un pndulo de 3 pies de
longitud.
18.23
Emplese un mtodo numrico para duplicar los clculos mostrados en la figura

6.10.
18.24
La tasa deenfriamientode
un cuerpo se puede expresar como
donde T es la temperatura del cuerpo (en grados centgrados), T,es la temperatura del medio que rodea al cuerpo (tambin en grados centgrados) y k es
una constante de proporcionalidad (por minuto). Por lo tanto, esta ecuacin especifica que el enfriamiento es proporcional a la diferencia de temperaturas entre el cuerpo y el medio que lo rodea. Si se calienta una bola de metal a 90C
y se sumergeen el agua que se mantiene a unatemperatura constante To
= 20" C, emplese un mtodo numrico para calcular el tiempo que le toma
a la bolaenfriarse a 30" C si k = O. 1 min
18.25
Lanse todos los casos del captulo 18. Con base a la lectura y a la experiencia,
invntese un caso propio en cualquiera delos campos de la ingeniera. Esto puede
implicarla modificacin o la reexpresin de alguno de los casos. No obstante
ste puede ser totalmente original. Como sucede en los ejemplos del texto, se
debe elaborar dentro del contexto de la solucin de problemas de la ingeniera
y se debe demostrar el uso de los mtodos numricos en la solucin de EDO.
Escrbanse losresultadosusandolos
casos de este libro como modelos.
EPLOGO:
PARTEVi
V1.4 ELEMENTOS DE JUICIO

En la tabla V1.3 se muestran los factores de mayor importancia asociados con los mtodos numricos en la solucin de ecuaciones diferenciales
ordinarias. U n ingeniero debe evaluar los factores de esta tabla cuando seleccione un mtodo para cada uno de los problemas en particular.
Se pueden emplear los mtodos simples de autoprincipio tales como el mtodo de Euler, si los requisitos del problema comprenden intervalos de
integracin pequeos. En este caso, se puede obtener la exactitud adecuada empleando intervalos
para evitar grandes errores de truncamiento, y los
errores de redondeo sern aceptables. El mtodo
de Euler tambin es apropiado en casos donde el
modelo matemtico tenga un nivel inherentemente
alto de incertidumbre o tenga coeficientes y funciones forzadas con errores significativos, como
puede suceder durante las mediciones de un proceso. En este caso la exactitud del modelo mismo
simplemente no justifica el esfuerzo aplicado en el
empleo de un mtodo numrico ms complicado.
Finalmente, los mtodos ms simples pueden ser
los mejores cuando el problema o la simulacin
se necesiten llevar a cabo slo pocas veces. En
estas aplicaciones tal vez sea mejor probar un mtodo simple que sea fcil de programar y de entender, a pesardeque
el mtodo pueda ser
inefibente en cuanto al trabajo de cmputo, y consuma mucho tiempo para correrse en una computadora.
Si el intervalo de integracin del problema es demasiado grande de tal forma que comprenda un
gran nmero de pasos (ms de 1 000), entonces
puede resultar necesario y apropiado usar un mtodo ms exacto que el de Euler. Los mtodos de
Runge-Kutta de cuarto orden y el de Adams de
cuarto orden son comunes y confiables en muchos
problemas de ingeniera. En estos casos, es aconsejable calcular el error de truncamiento en cada
paso como una guiaen la seleccin del mejor tamao de paso.
.-u .-u
"
'U'U
LLLL
Y
"
N
-"-"
5555
O000
0 0
ZZZZ
SS
O 0
"
x
C
x
O
o
O
3
S
z z
627
EPiLOGO PARTE VI
Esto se puede llevar a cabo con los mtodos de cuarto orden de Adams
o de Runge-Kutta-Fehlberg.Si los errores de truncamiento son extremadamente pequeos, puede ser til aumentar el tamao del intervalo, con lo cual se ahorra tiempo de cmputo. Por otro lado, si los
errores de truncamiento son muy grandes, el tamao del intervalo se
debe disminuir para evitar acumulamiento de errores. El mtodo de
Milne se debe evitar si se esperan problemas cuya estabilidad sea significativa. El mtodo de Runge-Kutta es simple de programar y conveniente en su uso pero puede ser menos eficiente que los mtodos
de pasos mltiples. Sin embargo, el mtodo de Runge-Kuttaseemplea generalmente en cualquier evento para obtener valores inicialesen los mtodos de pasos mltiples.
Si se necesitan respuestasextremadamente exactas o si la funcin tiene derivadas de orden superior, se podrn usarel mtodo de Butcher de Runge-Kutta de quinto orden.
Un gran nmero de problemas de ingeniera pueden caer en un intervalo medio de requisitos entre la integracin y la exactitud. En estos casos los mtodos de Heun sin principio y el mtodo deRunge-Kutta
de segundo orden son simples de usarse y son relativamente eficientes y exactos.
V I S RELACIONES Y FRMULAS IMPORTANTES

En el cuadro V1.4se resumen las frmulas importantes se presentaron en la parte VI, y puede consultarse para un acceso rpido a las
relaciones y frmulas importantes.
V1.6 MTODOS AVANZADOS

Y ALGUNAS REFERENCIAS ADICIONALES
Aunque se han revisado una gran cantidad de mtodos en la solucin de ecuaciones diferenciales ordinarias, existe informacin adicional que es muy importante en la prctica de la ingeniera. El tema
de estabilidad se introdujo en la seccin 17.3.3; es de importancia
fundamental en todos los mtodos de solucin deEDO. Se pueden encontrar anllsis ms detallados acerca de este asunto en Carnahan,
Luther y Wilkes ( 1 969), Gear ( 1 971) y Hildebrand ( 1 974).
La estabilidad tiene un significado especial sobre un tema menciona-
do brevemente en la seccin 17.1.5 y en el caso 18.4, la solucin de

ecuaciones rigidas. Estas ecuaciones contienen componentes con va-
MTODOS NUMRICOS
PARA INGENIEROS
X
F
. .-+
'
.. .$ :
**
"
-+
.-O
-o
E
O
- +
L
2?uL
II
.&
-
EPLOGO
VI
629
riaciones lentas y rpidas. Aunque el empleo de un mtodo con tamao de paso variableo de orden superior puede ayudaren algunas
ocasiones, en general se necesitan mtodos especiales para la solucin adecuada de ecuaciones rgidas. Se puede consultar Enright et
al. (1975), G e a r (1971) y Shampine y G e a r (1979))los cuales incluyen informacin adicional relacionada con estos mtodos.
En la seccin 16.4.2 se introdujo el mtodo de disparo en la solucin
de problemas con valores a la frontera. Tambin se aludi al hecho
de que los mtodos de diferencias finitas del tipo utilizado en el caso
9.2 se pueden emplear en estos problemas. Se puede consultar Isaacson y Keller (1 966), Keller (1 968), N a (1 979) y Scott y Waits (1976)
paraunainformacinadicional
sobre problemasde valoresala
frontera.
Finalmente, existen mtodos nmericos para la solucin de ecuaciones
diferenciales parciales. Carnahan, Luther y Wilkes (1969), Gerald y
Wheatley (1 984) y Rice (1983) proporcionan buenas introducciones al
tema. Se pueden consultar tambin Ames (1977))Gladwell y Wait (1979))
Vichnevetsky,(1 981, 1982) y Zienkiewicz (1 971) para tratamientos mas
profundos.
En resumen, lo anterior pretende proporcionar al lector un caminc
para que pueda seguir con estudios ms profundos sobre el tema. Adicionalmente, todas las referencias anteriores proporcionan descripciones de los mtodos bsicos cubiertos en la parte VI. Sugerimos al
lector consulte lo ms pronto posible estas referencias alternas para
completar el dominio de los mtodos numricos en la solucin de ecuaciones diferenciales ordinarias.
BIBLIOGRAFA
Ames, W. F., Numerical Methods for Parhal Differential Equations, Academic Press,
New York, 1977.
Ang, A. H-S., and W. H. Tang, Probability Concepts in Engineering Planning and
Design,Vol. 1: Basic Principles, Wiley,NewYork, 1975.
Bent, R. J., and G. C. Sethares, An Introduction to Computer Programming, 2ded.,
BrookdCole, Monterey, Calif., 1982.
Brigham, E. O., The Fast Fourier Transfom, Prentice-Hall, Englewood Cliffs, N.J.,
1974.
Butcher, J. C., On Runge-Kutta Processes of Higher Order,J. AustralianMath

Soc., 4179 (1964).
Camahan, B., H. A. Luther, and J. O. Wilkes, Applied Numerical Methods, Wiley,
NewYork, 1969.
Cheney, W., and D. Kincaid, Numerical Mathematics and Computing, Brooks/Cole,
Monterey,Calif., 1980.
Davis, P. J., and P. Rabinowitz, Methods of Numerical Integration, Academic P r e s s ,
New York, 1975.
Draper, N. R., and H. Smith, Applied Regression Analysis, 2d ed., Wiley, New York,
1981.
Enright, W. H.,T.E. Hull, and B. Lindberg, Comparing Numerical Methods for Stiff
Systems of ODES,
BIT, 15:lO (1975).
Forsythe, G. E., M. A. Malcolm,andC. B. Moler,ComputerMethodsforMathematical Compvtation, Prentice-Hall, Englewood Cliffs, N.J., 1977.
Gear, C. W., Numerical Initial-Value Problems in Ordinary Differential Equations,
Prentice-Hall,EnglewoodCliffs, N.J., 1971.
Gerald, C. F., andP. O. Wheatley,AppliedNumericalAnalysis,3d ed., AddisonWesley,Reading,Mass., 1984.
Gladwell, J., and R. Wait, A Survey of Numerical Methods for Partial Differential
Equations,OxfordUniversityPress,New vork, 1979.
Guest, P. G , Numerical Methodsof Curve Fitting, Cambridge University Press, New
York, 1961.
Hamming, R. W., Numerical Methods for Scientists and Engineers, 2d
ed., McGrawHill, New York, 1973.
Henrici, P. H., Elements of Numerical Analysis, Wiley, New York, 1964
Hildebrand,F. B., Introduction to NumericalAnalysis,2d ed., McGraw-Hill,New
York, 1974.
BIBLIOGRAFA
Hornbeck, R. W., Numerical Methods, Quantum, New York, 1975.

Householder, A. S., The The0y of Matrices in Numerical Analysis, Blaisdell, New
York, 1964.
Hull, T. E.,and A. L. Creemer, TheEfficiency of Predictor-CorrectorProcedures,
J. Assoc. Cornput. Mach., 10291 (1963).
Isaacson, E.,and H.B. Keller, Analysis of Numerical Methods, Wiley, New York,
1966.
James, M. L., G. M. Smith, and J. C. Wolford,Applied NumericalMethodsfor Digital
Computations with FORTRAN and CSMP, Harper & Row, New York, 1977.
Keller, H. B., Numerical Methods for Two-Point Boundary-Value Problems, Wiley,
NewYork, 1968.
Lapidus, L.,and J. H. Seinfield, Numerical Solution of Ordinary DifferentialEquations, Academic Press, New York, 1971.
Lapin, L. L., Probability and Statistics for Modern Engineering, Brooks/Cole,Monterey, Calif., 1983.
Lyness, J. M., Notes on the Adaptive Simpson Quadrature Routine,
J. Assoc.
Comput. Mach., 16483 (1969).
A Guide to FORTRANNProgramming, Wiley, New York, 1965.
McCracken, D.D.,
Malcolm, M.A., and R. B. Simpson, Local Versus Global Strategies for Adaptive
Quadrature,ACM Trans. Math. Software, 1:129 (1975).
Maron, M. J., NumericalAnalysis, A Practical Approach, Macmillan,NewYork,
1982.
Merchant, M. J., The ABCs of Computer Programming, Wadsworth,Belmont,
Calif., 1979.
and J. R. Sturgul, Applied FORTRAN Programming with Standard
FORTRAN, WATFOR, WATFN andStructural WATFN; Wadsworth,Belmont,
Calif., 1977.
Muller, D. E., A Method for Solving Algebraic Equations Using
a Digital Computer,
Math. Tables Aids Comput., 10205 (1956).
Na, T.Y., Computational Methods in Engineering Boundary Value Problems, Academic Press, New York, 1979.
Noyce, R. N., Microelectronics,Scientific American, 237:62 (1977).
Ortega, J., and W. Rheinboldt, lteratiue Solution of Nonlinear Equations in Seueral
Variables, Academic Press. New York, 1970
Ralston, A,, Runge-Kutta Methods with Minimum Error Bounds, Match. Comp.,
16:431 (1962).
and P. Rabinowitz, A First Course in Numerical Analysis, 2d ed., McGrawHill, New York, 1978.
Rice, J. R., Numerical Methods, Software and Analysis, McGraw-Hill,NewYork,
1983.
Ruckdeschel, F. R., BASIC Scientific Subroutines, Vol. 2, ByteiMcGraw-Hill, Peterborough, N.H., 1981.
6th ed., Johns Hopkins Press,
Scarborough,J. B., Numerical Mathematical Analysis,
Baltimore, Md., 1966.
Scott, M. R., and H. A. Watts, A SystematizedCollection of Codes for Solving
Two-Point Boundary-Value Problems,in Numerical Methods for Differential
Equations, L. Lapidus and W. E. Schiesser. eds., Academic Press, New York,
1976.
BIBLIOGRAF~A
633
Shampine, L. F., and R. C. Allen, Jr., NumericalComputing: An Introduction,

Saunders, Philadelphia, 1973.
and C. W. Gear, "A User's View of Solving Stiff Ordinary Differential Equations," SIAM Review, 21:l (1979).
Stark, P. A., Introduction to Numerical Methods, Macmillan, New York, 1970.
Swokowski, E. W., Calculus with Analytical Geometry, 2d ed., Prindle, Weber and
Schmidt, Boston, 1979.
Thomas, G. B., Jr., and R. L. Finney, Calculus and Analytical Geometry, 5th ed.,
Addison-Wesley, Reading, Mass., 1979.
Vichnevetsky, R., Computer Methodsf o r Partial Differential Equations, Vol. 1 :Elliptical Equations and the
Finite Element Method,Prentice-Hall, Englewood Cliffs,
N.J., 1981.
,Computer Methods for Partial Differential Equations, Vol. 2: Initial Value
Problems, Prentice-Hall, Englewood Cliffs, N.J., 1982.
Wilkonson, J. H., T h e Algebraic Eigenualue Problem, Oxford University Press, Fair
Lawn, N.J., 1965.
Zienkiewicz, O. C., The Finite Element Methodin Engineering Science, McGraw-Hill,
London, 1971.
INDICE
baco, 22-23
Ajuste de curvas:
con datosigualmenteespaciados, 368-369
elementosdejuicioen el, 409-411
interpolacinsegmentaria(spline)en el,
370-383
mtodos avanzados para el, 411-413
NUMERICOMP, 329-331. 366-368
polinomio:
deLagrangeen el, 363-368
el, 350-364
deNewtonen
regresin:
linealen el, 319-337
mltipleen el, 342-344
polinomialen el, 337-341
resumendefrmulaspara el, 412
WdasetarnbidnInterpolacin;Regresin)
Algoritmo(s):
de biseccin, 124
de correccin de errores para la eliminacin
gaussiana, 252
definicin de, 25
dediferenciadecocientes (DC), 201
diserio de, 25-26
deeliminacingaussianasimple, 227-231
deintegracinde Romberg, 470-472 '
deinterpolacincbicasegmentaria (spline),
383
parainversindematrices. 268
delmtodo:
de Gauss-Seidel,274
de Heun, 549
mejoradodelpolgono, 549
de los mtodosdeRunge-Kutta, 563
delareglade
Simpson, 452
deregresinpolinomial, 341-342
desistemasde EDO, 565
desumasimple, 26
Almacenamiento, 45
AnSlisis:
dedireccin, 309, 387-391, 604.607
estructural, 287-291, 296-297
devibraciones (uaseOsciladorarmnico)
Aproximacinfuncional, 413
Balance de masas, 297, 520, 624
BASIC:
definicidn de, 29
tabladecomparacin con FORTRAN, 32-40
(udase tarnbidnprogramasbajoComputadora)
Bsquedaincremental, 124, 139-140
CSlculosdeestmulo-respuesta, 205-206,
266-267
Casos:
elmtododeRKdecuartoorden,
605-607,
616-621
elmtododeRKdesegundoordende
Ralston,
610-611
Cifrassignificativas, 64-66, 74-77
criteriosdeterminaci6n ('I, 70-71
Circuitosintegrados, 22
Cdigo, 27
Coeficiente(s):
decorrelacin (r), 328, 337
326, 338
dedeterminaci6n (r'),
indeterminados,mtodo de, 475-476
devariacin, 312, 390
Computadora(s):
definicinde una, 22
grbficadpor, 54-56
grandes, 24
programas:
paralaeliminacingaussianasimple,
232-233
paraHeunsinprincipio, 583-584
paralaimplementaci6ndelacuadratura
gaussiana, 482-483
paraiteracindepuntofijo,
151
iterativoparalaimplementacindelmtodo
deHeun, 549
para el mtodo:
de biseccin, 130
de Euler, 537-538
para los mtodosdeRKdesegundoordende
Ralston, 563
parapivote0parcial. 246
paraelpolinomiodeinterpolacindeNewton,
360-361
paraelproblemadelparacaidista:
versinlegiblealusuario, 51
versinsimple, 49
paralareglatrapezoidaldesegmentosmltiples,
440-441
636
NDlCE
para regresin
lineal, 328-329
pollnomial, 341
para sistemas tridiagonales, 253
para suma simple, 30
Condicionamiento malo, 221, 238-243
de los determinantes, 241-243
de lamatriz inversa, 267-268
de la regresin polinomial. 342, 411
Conservacin de masa
ecuaciones algebraicas linealcs para la ley de.
296
EDO, 518, 522
Constante de integracin. 521
Convergencia:
de la iteracin de punto fljo, 147-151
del mtodo.
de Heun, 544, 545
sin principio, 583
deNewton-Raphson.154-157
de la regla falsa. 139
para el mtodo de Gauss-Seidel. criterlos de.
272-273
Correccin de errores, 249-252, 468-469,
579-580
Corrector modificador, 581-582, 594-597
Corriente raz cuadrada media (RCM), 399-401,
496-499
Criterios de terminacln ( E ) , 70-71
corrector de Heun. 542
integracin de Romberg. 472
iteracin de punto fijo 146
mtodo:
de biseccln, 127-130
deNewton-Raphson,154
de la regla falsa, 136-137
Cuadratura (vase Integracin)
Cuadratura gaussiana, 474-484
analisis del error para la, 478-479
cambio de variables en la. 484-485
caso, 497-498
frmulas de Gauss-Legendre para la, 475-484
mtodo de coeficientes indeterminados para la,
475-476
Descomposicin LU (mtodo de Choleskyi, 306

Desviacin estandar. 311-314
Determinantes, 222-223
c6lculo de, 223-224. 243
de sistemas mal condicionados, 241-243
Diagonal dominante, 273
Diagramas de flulo
para el caso simple del problema del
paracaidista, 47
definicin de los, 26
para integracin:
desigualmente espaclada, 459
de Romberg, 473
para el mtodo:
de Gauss-Jordan, 263
de Gauss-Seidel, 275
smbolos usados en los, 28
para la suma simple, 28
para la versin de segmentos mltiples de la
regla de Simpson. 453
Diferenciacin numrica. 16. 8 7 ~ 9 3
sensibilidad de los datos al ruldo en la. 489
Diferencias divididas finitas, 16. 86-95

caso, 282-287, 490-491
Interpolacin igualmente espaciada con
368-369
mtodo de la secante con, 159
polinomios de Newton con, 350, 352-361
DinBmica del crecimlento demogrfico. 180-182,
192-193, 392-395, 608-612
Disco flexible, 4 5
Distribucin normal, 313
Dtvergencla (uase Convergencia)
Documentacin, 43-46. 52
Economa, 59. 172.176,189-190,404-405

Economizacin de Chebyshev. 413
Ecuacinies)
algebraicas (vase Sistemas de ecuaciones
algebraicas lineales;
diferenciales:
ordinarias (EDO)
de cuarto orden de Adams, 5 9 7 ~ 6 0 0
definidas, 515
elementos de JUICIO en las. 6 2 5 ~ 6 2 7
estabilidad de las. 627
linealizacin de las. 517 518
mtodo(s):
avanzados para la solucln de las.
618-628
de Euler para la solucin de las. 528-540
de Hamming, 600
de Heun. 541-547. 549-550
sin principio, 574-587
de RK-Fehlberg para la solucin de las.
563
de Runge-Kutta para la solucln de las.
550-563. 565-566
de Milne. 595-600
NUMERICOMP. 540
orden de las, 515
polgono mejorado, 547-550
problemas
con valores a la frontera en las, 282-287.
522, 566-570. 627-628
con valorinicial, 522
reducan de rdenes superiores. 516
resumen de frmulas de las. 628
&idas, 627
sistemas de, 564-567
algoritmo para la computadora sobre,
565
usando el mtodo de Euler, 564
usando mtodos de two, 567-570
usando RK de cuarto orden. 566-567
solucin analtica de las. 519 S23
parciales (EDP),629
defimdas, 515
distribucin de la temperatura usando,
283-287
de Hazen-Wllliam, 404
de Laplace, 282-283
normales:
de la regresin
lineal, 324
mltiple, 344
polinominal, 338
del promedio de creclmiento en la saturacln.
304
637
INDICE
caso, 392-395
races de (uose Races de ecuaciones)
rgidas. 585
s1mult6neas (uose Sistemas de ecuaciones
algebraicas lineales no lineales, 306
de Van der Waals, 177-178, 190-191
ED0 (uose Ecuaciones diferenciales
ordinarias):
rgidas, 627
Elementos de juic~o, 101-106
comprendidos dentro del ajuste de curvas,
409-411
comprendidos dentro de las ecuaciones
algebraicaslineales, 301-304
comprendidos dentro de las ecuaciones
diferenciales ordinarias, 627
comprendidos dentro de la integracin,
509-511
comprendidos dentro de las races de
ecuaciones, 113
Eliminacin:
gaussiana:
caso de la, 293, 294
desventajas de la, 236-243
efecto de los errores de redondeo en la.
237-238, 250-251
escalamiento en la, 240-243, 246-248
evaluacin del determinante. 243
formulacin para sistemas tridiagonales,
253-254
NUMERICOMP. 234-236
programa de computadora para la, 232-233
simple, 227-233
sistemas mal condicionados y, 238-243
de incgnltas, 225-227
Error(es)
por equivocacin, 95-96
en el momento de la ejecucin. 42
global de truncamiento e n las EDO, 531
loca! de truncamiento:
enlasEDO, 531, 579-580
enel mtodo de Euler, 531-537
en los mtodos de pasos mltiples,
579-580
de redondeo, 64, 67, 72-74
en las ecuaciones diferenciales ordinarias,
72-73, 530
enlaeliminacin gaussiana, efectos de los,
237-238. 250-251
en los polinomios de interpolacin, 366
enlaregla trapezoidal, 442, 467
en la regresin polinomial, 342
relativos, 68-71
aprox~mados (Ea), 69-70
enbiseccin, 127-130
en corrector de Heun, 544
en interaccin de Romberg, 472
en interaccin de punto fijo, 146
en el mtodo:
de Gauss-Seidel, 270
de Heun sin principio. 574-575
de Newton-Raphson. 154
de la regla falsa, 139
reales, 66-67
de semntica, 41
de sintaxis. 41
de truncamiento. 64, 67, 77-85, 531
en la integracin, 434, 438, 444, 448, 450,
467, 482
en la interpolacin, 358-363
en los mtodos
de un paso, 530-536, 539, 547, 551,
561-563
de pasos mltiples, 513
en las races de ecuaciones, 580-581,
153-154
vease tambign Propagacin de errores de
truncamiento; Criterios de terminacin (Es)
Escalemiento. 241-244, 246-248
Estabilidad, 598-599, 627
Estadistica, 310-314
de los coeficientes de variacin, 312
de la desviacin estAndar, 312
de ladistribucin normal, 313
grados de libertad sobre, 312
histograma de, 314
de la media, 310
de la varianza, 311
Estimacin del error estfmdar:
para regresin
lineal, 326
mltiple, 344
polinomial, 338
Euler modificado, 547-550, 553-556
Exactitud, 66-67
Expansinenserie de Maclaurin, 59, 70-72,
99-100
Extrapolacin, 309, 369-370
caso de, 387-391, 604-607
de Richardson, 467-469
Fluidos, 194, 401-403

Forma de codificacin, 30-31
Formulacin de errores, 97
Frmula(s):
compuestas de integracin, 435
de Gauss-Legendre, 475-484
de integracin:
abierta de Adams-Bashforth, 591-592, 597
cerrada de Adams-Moulton, 592-594, 597
de interpolacin de Newton-Gregory, 369, 434,
445
de Newton-Cotes, 429, 454, 460
integracin'
abierta con las, 458, 460-461, 590-591,
595
cerrada conlas, 453, 454-455, 591, 595
de Newton-Raphson. 152
FORTRAN:
definicin, 29
tabla de comparacin de BASIC con, 32-39
(vase tambin programas, bajo Computadora)
Funcin(es):
de incremento, 550
suaves y continuas (spline), 370
trascendentes. 113
Grados, de libertad, 311
Histograma, 313
638
~NDICE
Inestabilidad, 558-559, 629
Integracin:
abierta, 430
frmulas de:
de Adams-Bashforth, 591-592, 597
de Newton-Cotes, 458, 460-461. 589-590
595
adaptiva de Simpson, 511
cerrada, 431
frmulas de:
Adams-Moulton para, 592-594, 597
de Newton-Cotes para, 454-455. 591
595
cuadratura gaussiana en la, 475-484
definicin de, 413
definida, 420
elementos de juicioen la, 509-511
frmulas:
de Adams. 591-594
cerradas deordensuperior para,
454-455
compuestas, 454
de Newton-Cotes, 454-460, 589-591
indefinida, 517
con interpolacin cbica segmentaria (spline), 51 1
con intervalos desiguales, 455-459
caso, 501-503
mtodos avanzados para la, 511
NUMERICOMP, 442-444
promedio de funciones continuas, 4 1 9
con la regla 1/3 de Simpson, 443-448
con la regla 3/8 de Simpson, 449-451
reglatrapezoidal en la, 431-443
resumen defrmulas de, 512
de Romberg, 465-474
caso, 498
para implementar la extrapolacin de Richard
son, 467-469
soluciones analticas de, 423-424
teorema fundamental de, 423
usando segmentacin suave (spline), 511
Integral(es):
definida, 423
indefinida, 516
de superficie. 421
tabla de, 423
de volumen, 421
Interpolacin:
caso, 387-391, 396-397, 400-401
cuadrstica, 351-354
segmentaria (spline), 373-378
cbica segmentaria (spline). 378-383
algoritmo para la, 3 8 3
derivacinde la, 379-380
integracin con. 511
con datos igualmente espaciados, 368-369
lineal, 350-351
polinomial
de Lagrange, 363-368
de Newton, 350-364
segmentarla (spline), 370-383
cbica, 378-383
. Integracin medlante. 51 1
lineal. 373-374
cuadrAtica, 374-379
Inversinde matrices. 211-212
algoritmopara la. 268
enel clculodeestmulos y respuestas, 2 6 6 ~ 2 6 7
caso, 281-282. 289-291
y mal condicionamiento, 267-268
mtodo de Gauss-Jordan paracalcularla.

262-265
Iteracin:
de Jacobi. 272, 273
de punto fijo:
aproximacin grficade la,148.151
convergencia de la, 148-151
programade computadora parala. 151
Ley(es):
de Faraday, 519
deFickdeladifusin,
521
de Fourierdel calor, 521
de Kirchoff, 183.186, 194, 291-293. 298-299,
615-618
Leibnitz.GottFried W von, 22
Lmealizacin
de ecuaciones no lineales, 332-336
de EDO. 519
Macrocornputadoras. 2 5
Mantenimiento, 4 5
Matriz(ces), 207-210
aumentada, 213-214
cuadrada, 2 0 8
ecuaciones algebraicas linealesque emplean.
213-214
inversa, 211-212
multiplicacin de, 210-211
reglasde operacin sobre, 209-214
transpuesta, 213-214
tridiagonal, 209
Media, 310-313
Mtodo(s)
avanzados:
paralustede curvas, 411-413
paradeterminar races de ecuaciones. 199
201
en general, 107
para integracin, 513
oara la solucin.
de ecuaclones diferenciales ordinartas.
627-629
desistemasde ecuaciones algebralcas linea
les, 304-306
de Bairstow, 201
de biseccin:
algoritmo del, 123
anlisisdeerror del. 127.130
casos del. 177, 183, 184-186, 188
criterios de termmacln del. 126.130
en In determinaan de races de ecuaciones,
122-132,136-139
NUMERICOMP. 54-56. 122-123.131-132
programas de computadora del. 130
de coeficlentes indeterminados. 475-476
de Crout ldescomposicin LU), 306
de Cholesky idescomposicln LU).306
de diferencias finltas. 282-287. 571
de disparo. 56?-569
de Euler, 528-541
anlislsdeerror pala el. 531
caso del. 608. 614. 616~621
639
~NDICE
paraelejemplodelproblemadelparacaidista,
16-19, 538-539
errores:
deredondeoen el, 531
detruncamientoen el, 531-537
frmula del, 528
modificaciones y mejoras al, 541-551
NUMERICOMP, 538-539
deprimer orden, 534
programadecomputadora del, 538-539
paralasolucindeEDO.
564
de Gauss-Jordan, 259-268
caso, 281-282, 289-292
diagramadeflujopara
el, 263
matricesinversasmediante el, 262-265
pivoteo, 268
deGauss-Newton, 411
de Gauss-Seidel,268-274,
algoritmopara el, 274
aplicacionesdel. 274, 247
casos, 285-287
criterios:
deconvergenciapara el, 272-273
determinacinpara el, 270
diagramadeflujopara
el, 275
dominanciadiagonal, 273
y laiteraclnde
Jacobl, 272-273
con relajacin, 272-273
de Graeffe, 201
grdficos:
paraecuacionesalgebraicaslineales, 220-221
paraintegracin, 416-417
paralas rakes de ecuaciones, 119-122, 140,
145-152
resumende los, 5
deHamming, 600
deHeun. 541-550
corrector del:
criteriosdeterminacinpara
el, 543
derivacin del, 447-547
erroren el. 547
estimacinde los erroresdetruncamientopara el. 547
frmulas del, 543
mtododeRunge-Kuttapara el, 552-554
sin principio, 576-586
an6lisisdel erra para el, 577-579
criterios determinacinpara el. 574-575
derivacin del, 579
estimacinde los erroresdetruncamiento
para el, 579-580
frmulaspara el, 574
modificadorespara el, 580-583
programadecomputadorapara
el,
584-517
programapara el. 549
queusanintervalos,
119-142
iterativos, 70-71
deMarquardt. 413
mejoradodelpolgono. 547-550, 553-556
deMilne. 596-597
estabilldad del, 598-599
deMuller, 201
deNewton-Raphson:
los. 154-156
andlisisdeerroresen
los, 158
aspectosdeprogramacinde
caso de los, 178-179
derivacin delos. 151-154
.___
desventajasde los, 151-156

pararacesmltiples, 164-167
seriesdeTayloren los, 153-154
parasistemasnolineales, 306
de un paso, solucin a los, 527-528
de pasos descendentes, 411
mtodos:
de un paso, 563
depasosmltiples para, 585-586
delpunto medio, 460, 578, 590
delareglafalsa:
andlisisdeerrorpara
el, 135-136
casosparael. 177,183, 188
Y SU comparacinconelmtododela
secante,160-162
convergencia del, 138
criteriosdeterminacinpara
el, 136-137
desventajas del, 137-139
enladeterminacinde
races, 133-139,
160-163
frmulapara el, 134
el, 139
de Runge-Kutta, 550-563
decuartoordencldsicas,
558-559
errores en los, 561-563
dequintoordende
Butcher, 559-560
desegundo orden, 551-556
algoritmoparacomputadora, 563
derivacin de, 551
un solo corrector,
mtododeHeuncon
553
polgonomejorado, 554
de Ralston, 554
de tercer orden, 556-557
de Runge-Kutta-Fehlberg,562-563
dela secante:
casos, 177.183. 188
convergencia del, 160-162
el, 162
racesmltiples v el.167
deseriesdeTaylo;deordensuperiorparalas
EDO, 540-541
devariospasos , 573
andlisisdelerroren
los, 577-578
de cuartoordendeAdams.
529-597
derivacin de, 577-579
frmulasdeintegracinpara los, 588-594
deAdams, 591-594
de Newton-Cotes, 589-591
deHamming, 599
mtododeMilneen
los, 589-596
estabilidad del, 598-599
Heun sin principio, 574-587
modificadoresdel, 579-583, 594-595
Microcomputadoras,24
Minicomputadoras, 24
Minimax, 333, 369
Modelacinde entrada-salida, 413
Modelo(s):
decrecimientologistico, 180-182, 192
exponencial, 332-333
macrovariables. 205
matemAtico, 1 1
microvariables, 206
depotencias. 333-335
caso, 398-399
640
NDlCE
de temperatura, 283-287. 296-297, 525

devariable continua, 206
variables agrupados, 206
Modificadores. 580-583
derivacin general de los, 594-595
del predictor, 581-583, 594-596
Nodos, 373
Normalizacin. 228
Notacin matriclal, 207-209
NUMERICOMP, 53-56
biseccin dentro de, 131.132
eliminacin gaussiana dentro de, 233-235
grficas dentro de, 54-56, 121-122
interpolacinde Lagrange dentro de, 366-368
mtodo de Euler dentro de, 538-539
reglatrapezoidal dentro de, 442-443
regresinlineal dentro de, 329-332
I
~~
Oscilador armnico, 186-189. 194, 618-621
Pascal, 27
Blas, 2 2
Pendiente en un punto (vase Mtodo de Euler)
Pivoteo, 244-246
Polinomio(s):
deinterpolacin
con diferenciasdivididas de Iewton, 350-364
cuadraticos, 351-352
errores en los, 358-363
forma general de los, 3 5 4 ~ 3 5 8
lineales, 350-351
programa de computadora de los, 360-361
redondeo en los, 366
de Lagrange, 363-368
derivacin del, 3 6 4
error en el, 363
errores de redondeo en el, 366
NUMERICOMP. 336-368
ortogonales, 411
Precisin, 66-67
Predictor-corrector, 542-543
(usose tambin Mtodos de varios pasos)
Principio de probalidad mdxima, 325
Problema(s):
del paracaidista
ejemplo:
debiseccin para el, 131-132
de cuadratura gaussiana para el. 482-484
de eliminacin gaussiana para el, 233-236
de interpolacin de Lagrange para el.
366-368
del metodo de Euler para el, 538-539
de la reglatrapezoidalpara el, 441-443
de regresinlinealpara el, 329-332
modelos del, 12-19
programa de computadora para el, 46-51
de valoresen la frontera, 282-287, 522.
567-570
mtodos:
de dlferenciasfinitas, 282-287. 571

de disparopara la solucin de. 567-570
enla solucindediferencias finitas, 629
devalor inicial, 522
Programacin:
almacenamiento y mantenimiento de la, 45-46
composicin de la. 27. 27-41
definicinde la, 24
descendente, 4 8
diseo dealgoritmos de, 24-26
documentacin de la. 43-44
modular. 41
rastreo y pruebadela. 41-42
smbolosdelosdiagramasdeflujopara
la, 28
Programas, 2 4
(uase tambin NUMERICOMP, programas,
bajo Computadora)
Propagacin de errores de truncamiento, 531
Pruebas de hiptesis, 309, 395
Races
complejas, 114.201
de ecuaciones.
bsquedas mcrementales. 124139-140
elementos de jumo en las. 197-199
mtodos
analticospara resolver, 109
avanzados paradeterminar las. 199. 201
de la biseccinpara encontrar las. 123-133,
137-139
de Newton-Raphson para las, 152-158
delareglafalsapara
encontrar las.
133-139. 160.162
mtodos grficospara la obtencin de
las, 119-122,145.148-152,157-158,
163-164
resumendefrmulas. 200
de la secante paradeterminar las, 158.162
NUMERICOMP. 131.132
mltiples, 121~122, 163-167
Rastreo, 4 1
Regla(s1:
de la cadena en la derivach. 540-541. 551
de Cramer, 224-226
de redondeo, 75-77
de Simpson, 443-452
dlagrarnadeflujopara la. 453
de 1/3, 444-449
caso, 490. 491, 493-497. 500~501
derivacin de. 4 4 5
estimacindel error de, 445-446
frmula de, 445. 454
relacin
con las EDO. 591
con el mtodo de RungeKutta. 556-558
segmentos mltiples, 442-446. S91
de 3 / 8 , 449-451
caso, 502-503
estimacinde errores de la. 451
frmulade la, 450
trapezoidal, 431-443
caso, 489, 491. 493, 496-499. 500-503
de segmento(s)
desiguales, 455-455
mltiples, 437-443
rorreccin de errores, 467-470
~~
64 1
~NDICE
estimacindelerror en, 439
extrapolacinde Richardson, 467.470
frmula de, 438
NUMERICOMP, 441-443
programaparaelmtodo de, 440-441
redondeo, 443, 466
simple. 431-437, 453, 547, 577, 590, 593
comparacin conlacuadratura
gaussiana,
474-475
derivacin, 432, 434, 475-476
estimacindel error, 433-434
frmula. 431
relacinconlas EDO. 547, 577, 591.
593
Regresin
lineal, 321-336
caso, 388-389. 398-399
coeficiente:
decorrelacin (r) de la, 328
dedeterminacin (r2) de la, 326
criteriodelmejor ajuste, 321-322
ecuaciones normales, 323
estimacindelerrorestdndarpara
el, 326
limitacionesde la, 336-337
linealizacinde ecuaciones nolineales,
332-337
NUMERICOMP, 329-331
programadecomputadora para, 328-329
mltiple, 37, 342-344
casodeestudio, 402-403
ecuacindepotenciasde
la, 344
estimacindelerrorestndarpara
la,
344
n o lineal, 393, 411
pol~nomial,336-342
algoritmopara la, 341-342
caso, 388-392
ecuaciones normalesde la, 338
estimacindelerroresrdndarde
la, 338
subrutinaparalas ecuaciones normalesde la,
341
Regulafalsi(vaseregia falsa, baloMtodo)
Relajacin, 273-274
caso, 286-287
Resumendefrmulas:
paraelajustedecurvas,
412
para ecuaciones:
algebraicaslineales, 305
diferencialesordinarias, 628
paraintegracin, 512
mtroduccln al, 107
Segunda ley deNewton, 11-14, 187, 293-294,

521, 620
Serie(s):
degradientearitmtico, 60, 174-175
de Taylor, 78-93
frmulas:
deintegracinde Adam para la, 591-593
deNewton-Raphsonque usa, 154-155
mtodos:
deEulerenla.
531-534
deordensuperiorparalas
E D 0 con,
540-541
residuoen la, 78-79, 82, 84-86

Sistemas:
de ecuaciones algebraicaslineales
definicin, 203
eliminacingaussianaen
los, 227-252
factores deimportancia, 301-304
Gauss-Jordan, 259-268
Gauss-Seidel, 268-274
inversindematricesmediante
los, 262-267
mtodosavanzados, 304, 306
NUMERICOMP, 234-235
depocas ecuaciones, 219-227
resumendefrmulas, 305
tridiagonales, 253-254, 380-381
singularesmalcondicionados, 221
Software, 24 (vase tambinNUMERICOMp)
Solucin analtica:
de EDO, 518-524
Paraelproblemadelparacaidista,
15
deintegrales, 422-423
enlasolucinderacesde
ecuaciones, 109
Spline (vase interp0;acin
segmentaria
cbica)
Tabladeintegrales. 423
Teorema:
fundamentaldelcdlculointegral, 422, 577
del valormedlo. 85, 147
Transformada rdpidade Fourier, 413
Valorespropios, 306
Varianza, 312

Metodos Numericos para Ingenieros

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Numericos para Ingenieros

Cargado por

Copyright:

Formatos disponibles

MTODOS

Professorof Civil Engineering

Professor of Ci.vil Engineering

METODOS NUMRICOS PARA INGENIEROS

Esta obra se termin de

LOS METODOS NUMERICOS Y LAS COMPUTADORAS

La programacin en las computadoras

Mtodos queusan intervalos

PARTE 111 SISTEMAS DEECUACIONESALGEBRAICAS

Gauss-Jordan, inversin de matrices y

Casos de la parte 111: Sistemas de ecuaciones

9.5 , Dinmica de partculas

Regresin con mnimos cuadrados

Polinomios de interpolacin con diferencias

la parte IV: Ajuste

Integracin de Romberg y cuadratura gaussiana

ECUACIONES DIFERENCIALES ORDINARIAS

Captulo 16 Mtodos de un paso

Captulo 17 Mtodos de pasos mltiples

mltiples de orden superior

Captulo 18 Casos de la parte VI: Ecuaciones diferenciales ordinarias

computadoras (Ingenieria en general)

desarrollo de habilidades firmes dentro dela programacin. El segundo

de regresin. Por ltimo, se presentan un esquema y los objetivos de

4. Presentaciones secuenciales y grficas. Cada parte principal del libro

I . 1 . l Mtodos anteriores a la aparicin

M s all de slo proporcionar un aumento en la

3. Para implementar los

mtodos numricos se utilizaban calculadoras manuales y reglas de clculo. Aunque en teora

Antes del uso de la computadora, se gastaba mucha energa en la

1.1.2 Los mtodosnumricosy

Desde finales de la dcada de 1940, la multiplicacin y disponibilidad

LOS METODOS NUMRICOS

Metodos muy elaborados

para hacer manelable

Lastresfases en la solucin de problemas de ingenieraen a ) la era anterioralas

de su trabaio. N o es necesario mencionar que la reciente evolucin

por las cuales se deben

2. En el transcurso de su carrera, es posible que el lector tenga la

MTODOS NUMRICOS PARA INGENIEROS

4. Los mtodos numricos son un vehculo eficiente para aprender

modo resultan oscuros. Esta alternativa aumenta su capacidad de

Resumen de los mtodosnumricos

que se cubren eneste

1. Rakes deecuaciones (Fig. 1.24.

2. Sistemas de ecuaciones algebraicas lineales (Fig. 1.2b).

3. Ajuste de curvas (Fig. 1.24. Con frecuencia

4. Integracin (Fig.l.2d).Tal como se representa, una interpre-

tacin fsica d e la integracin numrica es la determinacin del

5 . Ecuaciones diferenciales ordinarias. (Fig.

en la prctica de la ingeniera. Esto se debe a que muchas leyes

1.3.2 Metas y objetivos

NUMRICOS PARA INGENIEROS

Representacin de la organizacin del material en la parte I: Los mtodos numricos

LOS MhODOS NUMERICOS

Obietivos de estudio especificos para la parte I

Entender la diferencia entre error de truncamiento y de redondeo

Objetivos en computacin. AI completar la parte I el lector se habr

Por qu se deben dominar los mtodos numricos y la programacin

1. Describe un sistema o proceso natural en trminos matemticos.

ecuacin ( l .1) paradar

Si a la fuerza hacia abajo se le asigna un signo positivo, se puede usar

La resistencia del aire puede formularse de diferentes maneras. Una