Analisis Numerico

TABLA DE CONTENIDO
AGRADECIMIENTOS...............................................................................................ii
ACERCA DEL AUTOR.............................................................................................iii
INTRODUCCIN......................................................................................................1
METODOLOGA.......................................................................................................2
COMPUTADORAS Y PROGRAMAS.......................................................................3
PRESENTACIN DE NUMERICALS 1.0................................................................5
TABLA DE CONTENIDO.........................................................................................6
BIENVENIDA..........................................................................................................10
CAPTULO UNO
MODELOS MATEMTICOS..................................................................................11
1.1. MODELAMIENTO MATEMTICO...............................................................12
1.2. CASO DE ESTUDIO....................................................................................12
1.2.1. Solucin analtica.........................................................................................14
1.2.2. Solucin numrica........................................................................................14
1.3. Modelos matemticos que describen sistemas fsicos................................17
CAPTULO DOS
APROXIMACIONES Y ERRORES.........................................................................20
2.1. INTRODUCCIN TERICA............................................................................21
2.1.1 CIFRAS SIGNIFICATIVAS............................................................................22
2.1.2. EXACTITUD Y PRECISIN.........................................................................22
2.3. ERRORRES DE TRUNCAMIENTO.................................................................23
2.2.1. Uso de la serie de Taylor para estimar los errores de truncamiento............23
2.4.2. Estabilidad y condicin.................................................................................25
2.3. ERROR NUMRICO TOTAL..........................................................................25
2.3.1. Errores por equivocacin..............................................................................26
2.3.2. Errores de formulacin.................................................................................26
2.3.3. Incertidumbre de los resultados...................................................................27
2.4. EJERCICIOS RESUELTOS............................................................................27
CAPTULO TRES
DIFERENCIACIN NUMRICA.............................................................................31
3.2. APROXIMACIN A LA PRIMERA DERIVADA CON DERIVADA HACIA
ATRAS....................................................................................................................32
3.3. APROXIMACIONES A LA PRIMERA DERIVADA CON DIFERENCIAS
CENTRALES..........................................................................................................33
3.4. APROXIMACIONES POR DIFERENCIAS FINITAS DE DERIVADAS DE
ORDEN SUPERIOR...............................................................................................34
3.5. EJERCICIO RESUELTO.................................................................................35
CAPTULO CUATRO
RACES DE ECUACIONES...................................................................................37
4.1. OBJETIVOS.....................................................................................................38
4.2. TEMAS PARA CONSULTA.............................................................................38
4.2.1. Mtodos que usan incrementos: procedimientos grficos, mtodo de la
biseccin, mtodo de la regla falsa, bsqueda de intervalos determinando una
aproximacin...........................................................................................................38
4.2.2. Mtodos iterativos: iteracin de punto fijo, mtodo de Newton-Raphson,
mtodo de la secante, raz de un polinomio.
4.3.1. Algoritmo de Biseccin.................................................................................39
4.3.2. Mtodo de Newton-Raphson........................................................................39
4.3.3. Mtodo de la Secante...................................................................................39
4.4. RELACIN DE FORMULAS IMPORTANTES.................................................40
4.5. LOCALIZACIN DE RACES USANDO NUMERICALS 1.0...........................40
4.5.1. Enunuciado de problema (Newton-Raphson)...............................................40
4.5.2. Enunciado del problema (Regla falsa)..........................................................41
4.6. EJERCICIOS PROPUESTOS.........................................................................42
AUTOEVALUACIN I ............................................................................ .............43
CAPTULO CINCO
INTEGRACIN NUMRICA............................................. ....................................44
5.1. OBJETIVOS.................................................................................... ................45
5.2. TEMAS PARA CONSULTA
5.2.1 Formulas de cotas de Newton: regla del trapecio, reglas de Simpson,
integracin con intervalos desiguales, formulas de integracin abierta..................45
5.2.2. Integracin de Romber y cuadratura gaussiana: algoritmo de Romberg,
cuadratura gaussiana.............................................................................................45
5.3. DIFERENCIACIN E INTEGRACIN NUMRICA.........................................45
5.4. DIFERENCIACIN NUMRICA......................................................................46
5.4.1. Formula de tres puntos.................................................................................46
5.4.2. Formula de cinco puntos...............................................................................46
5.5. INTEGRACIN NUMRICA............................................................................46
5.5.1. Regla del trapecio.........................................................................................47
5.5.2. La regla de Simpson.....................................................................................47
5.6. RELACIONES Y FORMULAS IMPORTANTES..............................................47
5.7. INTEGRACIN USANDO NUMERICALS 1.0.................................................48
5.7.1. Enunciado del problema (Reglas de Simpson)............................................48
5.7.2. Enunciado del problema (Cuadratura de Gauss).........................................49
AUTOEVALUCIN II ............................................................................................52
CAPTULO SEIS
AJUSTE DE CURVAS............................................................................................53
6.1. OBJETIVOS.....................................................................................................54
6.2.1. Regresin: regresin lineal, ajuste de curvas no lineales con una funcin de
potencia, ajuste de curvas con un polinomio de orden superior, ajuste de curvas
con una combinacin lineal de funciones conocidas..............................................54
6.2.2. Polinomios interpolantes: polinomio de interpolacin con diferencias
divididas de Newton, polinomios de interpolacin de Lagrange, otros mtodos....54
6.4. REGRESIN POR MNIMOS CUADRADOS..................................................55
6.4.1. Criterios para un mejor ajuste.......................................................................55
6.4.2. Ajuste por mnimos cuadrados de una lnea recta........................................56
6.5. LINEARIZACIN DE RELACIONES NO LINEALES.......................................57
6.6. INTERPOLACIN Y APROXIMACIN POLINOMICA....................................57
6.6.1. Polinomios de Taylor....................................................................................59
6.6.2. polinomios de Lagrange...............................................................................59
6.6.3. Diferencias divididas.....................................................................................60
6.6.4. Interpolacin de Hermite...............................................................................60
6.6.5. Interpolacin del trazador cbico..................................................................61
6.8. EJERCICIOS RESUELTOS.............................................................................63
6.8.1. Enunciado del problema (Linearizacin de una ecuacin de potencias)......63
6.8.2. Enunciado del problema (Ajuste por mnimos cuadrados)...........................63
6.8.3. Enunciado del problema (Ajuste de curvas).................................................65
6.9. AJUSTE DE CURVAS USANDO NUMERICALS 1.0......................................66
6.9.1. Enunciado del problema (Interpolacin).......................................................66
6.9.2. Enunciado del problema (Regresin lineal mltiple).....................................67
6.9.3. Enunciado del problema (Regresion polinomial)..........................................68
6.10. EJERCICIOS PROPUESTOS.......................................................................70
AUTOEVALUCIN III ............................................................................................72
CAPTULO SIETE
SOLUCIN NUMRICA DE ECUACIONES LINEALES SIMULTNEAS............74
7.1. OBJETIVOS.....................................................................................................75
7.2.1. Eliminacin de Gauss: solucin de pocas ecauciones, eliminacin gaussiana
simple, inconvenientes de los mtodos de eliminacin, tcnicas de mejoramiento
en las soluciones....................................................................................................75
7.2.2. Gauss-jordan e inversin de matrices y Gauss-Seidel: mtodo de GaussJordan, inversin de matrices, iteracin de Gauss-Seidel......................................75
7.3. SISTEMAS DE ECUACIONES LINEALES......................................................75
7.3.1. Eliminacin Gaussiana.................................................................................76
7.3.2. Mtodo de la inversin de una matriz...........................................................77
7.3.3. Mtodo del determnante de una matriz........................................................77
7.4. SISTEMAS NO LINEALES DE ECUACIONES...............................................78
7.4.1. Mtodo de Newton........................................................................................79
7.4.2. Mtodo de Broyden.......................................................................................79
7.4.3. Tcnicas de descenso rpido.......................................................................79

7.5. SOLUCIN NUMRICA DE ECUACIONES SIMULTNEAS LINEALES Y NO
LINEALES POR NUMERICALS 1.0.......................................................................81
7.5.1. Enunciado del problema (Gauss-Jorda).......................................................81
7.5.2. Enunciado del problema (Ecuaciones no lineales).......................................82
AUTOEVALUACIN IV.........................................................................................84
CAPTULO OCHO
ECUACIONES DIFERENCIALES ORDINARIAS..................................................86
8.1. OBJETIVOS.....................................................................................................87
8.2.1. Mtodos de un paso: mtodo de Euler, mtodo de Euler modificado, mtodo
e Runge-Kutta, Sistemas de ecuaciones................................................................87
8.2.2. Mtodos de pasos mltiples: un enfoque de pasos mltiples, formulas de
integracin..............................................................................................................87
8.3.1. Mtodo para resolver EDO sin el uso de computadora................................88
8.3.2. EDO y prctica de la ingeniera....................................................................89
8.4. ANTECEDENTES MATEMTICOS................................................................91
8.5. ECUACIONES DIFERENCIALES ORDINARIAS............................................91
8.5.1. Mtodo de Euler............................................................................................92
8.5.2. Mtodo de Runge-Kutta................................................................................92
8.6. SOLUCIN DE ECUACIONES DIFERENCIALES ORDINARIAS USANDO
NUMERICALS 1.0..................................................................................................93
AUTOEVALUACIN V ..........................................................................................98
9. BIBLIOIGRAFA...............................................................................................101
ANEXOS
ACTIVIDADES PRELIMINARES..........................................................................102
FUNDAMENTOS MATEMTICOS.......................................................................103
EJERCICIOS RESUELTOS..................................................................................108
APLICACIN DE LOS MTODOS NUMRICOS EN DISTINTOS CASOS DE LA
INGENIERA.........................................................................................................114
Diseo y desarrollo de un simulador para un sistema de pateurizacin
controlado automticamente...........................................................................115
Determinacin del factor de condicin mltiple KM para verificar el estado de
una poblacin ictica de sbalo........................................................................122
Estandarizacin de grasa en la carne empleada para laborar productos
crnicos embutidos..........................................................................................126
Modelacin matemtica y simulacin computacional de cristalizadores por
enfriamiento para la produccin de azcar de caa........................................129
INTRODUCCIN
Los ingenieros y tcnicos en general se plantean, en algn momento de su vida
profesional, problemas cuya formulacin matemtica no siempre conduce a una
solucin analtica. Las soluciones analticas tienen valor prctico limitado, ya que
buena parte de los problemas reales no son lineales, e implican formas y procesos
complejos, son problemas que han de resolverse por Anlisis Numrico. Los
mtodos numricos son tcnicas algebraicas utilizadas para permitir replantear
problemas matemticos de tal forma que puedan resolverse mediante operaciones
aritmticas prcticas. Los clculos numricos son herramientas muy tiles para
plantear la solucin de problemas matemticos. Tienen capacidad para manipular
sistemas de ecuaciones considerables, no lineales y geomtricamente complejos
que son comunes en la prctica de la ingeniera, y que regularmente, son difciles
de resolver analticamente, por lo tanto, incrementan la habilidad de quien los
estudia para solucionar modelos matemticos.
Estos procedimientos conducen a un buen nmero de clculos aritmticos, por
esto el empleo de al computadora o la calculadora programable tiene una gran
influencia en el proceso de solucin de problemas de ingeniera. Antes del uso de
la computadora, se empleaba demasiada energa en la tcnica misma de solucin,
en vez de aplicarla sobre la definicin del problema y su interpretacin.
Actualmente, las computadoras y los mtodos numricos proporcionan una
alternativa para muchos clculos complicados (vase la figura No. 1). Es probable
que el ingeniero en el transcurso de sus estudios, tenga la oportunidad de usar
software disponible comercialmente que contenga mtodos numricos. El empleo
racional de estos programas esta supeditado al discernimiento de la teora bsica
en la que se basan los procedimientos numricos. El Anlisis Numrico es un
medio para fortalecer la comprensin de las matemticas, puesto que su objetivo
finalmente es reducir las matemticas superiores a operaciones aritmticas
bsicas.
Conceptualizar los mtodos numricos e identificarlos como una alternativa de
solucin de problemas que involucren el modelamiento de fenmenos para tener
la capacidad de visualizar las aplicaciones de estos mtodos en todos los campos
de la ingeniera, as como desarrollar habilidades de diseo en la simulacin de
fenmenos, mediante el reconocimiento de las tcnicas algebraicas, y emplear
racionalmente la programacin de computadoras reconociendo la teora bsica en
la que se basan los procedimientos numricos, constituyen los principales
objetivos de este curso de Anlisis Numrico con aplicaciones a problemas de
ingeniera.
METODOLOGA
De conformidad con la doctrina de la Universidad de Educacin a Distancia, se
seguir una modalidad semi-escolarizada con eventos presenciales concentrados,
de acuerdo al calendario acadmico, para ello se cuenta con ayudas didcticas,
mdulos de estudio, sistemas modernos de bsqueda como el Internet, que
permitan al estudiante acercarse a grados avanzados de conocimiento sin
marcharse de su centro de actividad productiva. El tutor ser un facilitador del
proceso de enseanza-aprendizaje, el sujeto de formacin ser un sujeto
participativo de su propio proceso.
El recurso principal ser el material instructivo especfico, bibliografa
especializada, actualizada y dems medios que se consideren necesarios para el
desarrollo de la asignatura que contribuyan a reforzar el proceso de enseanzaaprendizaje. Las piezas fundamentales en todo proceso de enseanzaaprendizaje: discente, tutor, conocimiento y mtodo de transmisin, coinciden con
esta programacin acadmica, obviando la intermediacin permanente del tutor,
considerando que la percepcin del conocimiento se puede realizar mediante el
uso de mltiples procedimientos.
El estudiante puede interactuar persistentemente las diversas fuentes de
conocimiento por medio de:
La tutora de carcter formativa que puede ser presencial, o a distancia, va
correo electrnico.
La abstraccin con los elementos que constituyen su entorno interdisciplinario
y el ncleo laboral propio.
Los mtodos y procedimientos modernos de comunicacin (motores de
bsqueda en Internet, entre otros).
La equiparacin de las nociones tericas con la realidad prctica de su medio
de trabajo.
Eventos especficos.
Con el propsito de que el estudiante adquiera un aprendizaje verdaderamente
significativo en la medida que sea capaz de relacionar la teora estudiada con la
realidad que lo rodea y ante todo aplicar y transferir los conocimientos en la
solucin de problemas que tengan que ver con su entorno, se implementar la
evaluacin por proceso mediante la asignacin de proyectos personalizados
especficos para cada disciplina profesional.
A travs de esta evaluacin el estudiante, necesariamente deber despertar su

espritu investigativo que implica el desarrollo de habilidades de pensamiento
como: el anlisis, la induccin, la deduccin, que lo conducirn a la identificacin y
a la solucin de un problema real relacionado con su estudio.
Un ingeniero es un solucionador de problemas, generalmente su incertidumbre se
inicia con la necesidad no satisfecha que se puede solucionar mediante una nueva
metodologa, un artefacto mecnico o un nuevo proceso, entonces, su objetivo es
convertir un aproximado enunciado de lo que se necesita en una amalgama de
especificaciones concretas. Desarrollar estas habilidades es lo que se pretende
con la evaluacin.
COMPUTADORAS Y PROGRAMAS
Los mtodos numricos son tcnicas mediante las cuales es posible formular
problemas matemticos de tal forma que puedan resolverse usando operaciones
aritmticas. Aunque hay muchos tipos de mtodos numricos, comparten una
caracterstica comn: invariantemente se debe realizar 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 en forma considerable en los ltimos
aos.
Adems de proporcionar un aumento en la potencia de clculo, la disponibilidad
general de las computadoras y su asociacin con los mtodos numricos ha
influido de manera muy significativa en el proceso de la solucin de problemas de
ingeniera.
Aunque las soluciones analticas an son muy valiosas, tanto para resolver
problemas como para proporcionar una mayor comprensin, los mtodos
numricos representan alternativas que aumentan en forma considerable la
capacidad de confrontar y resolver los problemas; como resultado se dispone de
ms tiempo para aprovechar las capacidades 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.
Los mtodos numricos son un medio para reforzar su comprensin de las
matemticas, ya que una de sus funciones es convertir las matemticas
superiores a operaciones aritmticas bsicas, porque profundizan en los temas

que de otro modo resultaran oscuros. Finalmente, esta alternativa aumenta su
capacidad de comprensin y entendimiento en la materia.
FORMULACIN
Principios explicados
sencillamente (Leyes)
FASES EN LA
SOLUCIN DE
PROBLEMAS DE
INGENIERA
SOLUCIN
Mtodos muy elaborados y
habitualmente complicados para
hacer manejable el problema
INTERPRETACIN
Anlisis profundo limitado
por una solucin que
consume tiempo
a) antes del uso de las

computadoras
FORMULACIN
Deduccin intensa de la
relacin del problema con los
principios fundamentales
SOLUCIN
Software sencillo
implementar
FASES EN LA
SOLUCIN DE
PROBLEMAS DE
INGENIERA
de
INTERPRETACIN
La rapidez del clculo permite
un anlisis profundo de los
resultados.
b) actualmente con el uso de las

computadoras
Figura 1. Fases en la solucin de problemas de ingeniera: (a) Era antes del uso
de las computadoras, (b) Actualmente con el uso de las computadoras.
PRESENTACIN DE NUMERICALS 1.0
Figura 2. Ventana de bienvenida del software tutorial Numericals 1.0.

Se recomienda por las razones expuestas utilizar el Software Tutorial: Numericals
en su versin 1.0. En su manual de usuario se presenta y explica la funcin de
clculos cientficos para algunos mtodos bsicos del anlisis numrico.
Se sugiere que desde novatos hasta los expertos en programacin de
computadoras, se familiaricen con el nombre y funcin de cada parte de la interfaz
de usuario antes de intentar la operacin.
Una funcin de almacenamiento de frmulas provee clculos de frmula
simplificados y clculos de tasa, adems una funcin de banco de datos
incorporada cuenta con un utilitario cientfico que suministra un total de 116
utilitarios de software para aplicaciones estadsticas, matemticas y cientficas.
CONTENIDO PROGRAMTICO
PRIMERA UNIDAD
ANTECEDENTES MATEMTICOS
OBJETIVO GENERAL
Al completar la primera unidad el estudiante deber estar capacitado para
reconocer tcnicas numricas, as como en la identificacin de modelos
matemticos de uso general en las ciencias alimentarias. En general, habr
adquirido una idea de la importancia bsica de las computadoras y el papel de las
aproximaciones y la estimacin de errores en la implementacin y desarrollo de
los mtodos numricos.
CAPITULO UNO: Conceptos fundamentales
Teorema Binomial, Teorema de Taylor, Teorema de Maclaurin, Teorema del
Residuo, Serie de Taylor.
Divisin Sinttica (Regla de Ruffini), Derivadas por Divisin Sinttica.
CAPITULO DOS: Algoritmos para la resolucin de problemas numricos
Modelo Matemtico
Caso de Estudio
Solucin Analtica del problema (Caso de Estudio)
Solucin Numrica del problema (Caso de Estudio)
Un sistema de computacin
Programacin, soporte y equipo (Software y Hardware).
Diseo de algoritmos
CAPITULO TRES: Aproximaciones y errores de redondeo
Conceptos fundamentales
Cifras significativas, Exactitud y precisin, Definiciones de error, Errores de
redondeo, Errores de truncamiento, Error numrico total, Errores por equivocacin,
del planteamiento e incertidumbre de los datos.
Diferenciacin Numrica
Diferencias divididas finitas
Aproximacin a la primera derivada con diferencias hacia atrs
Aproximaciones a la primera derivada con diferencias centrales
Aproximaciones a derivadas de orden ms alto usando
diferencias finitas
Frmulas de exactitud para diferencias de orden superior
SEGUNDA UNIDAD
AJUSTE DE CURVAS
OBJETIVO GENERAL
Al completar la cuarta unidad, el estudiante habr refinado en gran forma su
competencia para ajustar curvas con datos reportados. En general, manejar las
tcnicas, habr aprendido a avalar la confiabilidad de sus resultados y ser capaz
de seleccionar el mtodo (o mtodos) para cualquier problema particular que
involucre un ajuste de curvas.
CAPITULO CUATRO: Regresin.
Regresin lineal.
Ajuste de curvas no lineales con una funcin de potencia.
Ajuste de curvas con un polinomio de orden superior.
Ajuste de curvas con una combinacin lineal de funciones conocidas.
CAPITULO CINCO: Polinomios e interpolacin.
Polinomios de interpolacin con diferencias divididas de Newton.
Polinomio de interpolacin de Lagrange.
Otros mtodos.
TERCERA UNIDAD
INTEGRACIN NUMRICA
OBJETIVO GENERAL
Al completar la quinta unidad, el estudiante estar en capacidad de reconocer y
resolver situaciones que involucren problemas de integracin numrica y valorar
su aplicacin para solucionar problemas de ingeniera aplicados en la
agroindustria alimentaria.
CAPITULO SEIS: Frmulas de cotas de Newton
Regla del trapecio.
Regla de Simpson.
Integracin con intervalos desiguales.
Frmulas de integracin abierta.
CAPITULO SIETE: Integracin de Romberg y cuadratura gaussiana
Algoritmo de Romberg.
Cuadratura gaussiana.
CUARTA UNIDAD
RACES DE ECUACIONES
OBJETIVO GENERAL
Al completar la segunda unidad el estudiante debe tener la suficiente informacin
para aplicar convenientemente una amplia variedad de problemas de ingeniera,
que se relacionan con las races de ecuaciones. En general, se dominarn los
mtodos, se habr aprendido a evaluar su confiabilidad y se tendr la capacidad
de optar por el mejor mtodo (o mtodos) para cualquier problema en particular.
CAPITULO OCHO: Mtodos que usan incrementos
Procedimientos grficos
Mtodo de biseccin
Mtodo de la regla falsa
Bsquedas con intervalos determinando una aproximacin inicial
CAPITULO NUEVE: Mtodos iterativos
Iteracin de punto fijo
Mtodo de Newton-Raphson
Mtodo de la secante
Raz de un polinomio
QUINTA UNIDAD
SOLUCIN NUMRICA DE ECUACIONES LINEALES SIMULTNEAS
OBJETIVO GENERAL
Al completar la tercera unidad el estudiante ser capaz de resolver problemas que
involucran ecuaciones algebraicas lineales y valorar la aplicacin de esas
ecuaciones en muchos campos de la ingeniera.
CAPITULO DIEZ: Eliminacin de gauss
Solucin de pocas ecuaciones
Eliminacin gaussiana simple
Inconvenientes de los mtodos de eliminacin
Tcnicas de mejoramiento en las soluciones
CAPITULO ONCE: Gauss-Jordan e inversin de matrices y Gauss-Seidel
Mtodo de Gauss-Jordan
Inversin de Matrices
Iteracin de Gauss-Seidel
SEXTA UNIDAD
ECUACIONES DIFERENCIALES ORDINARIAS
OBJETIVO GENERAL
Al completar la sexta unidad, el estudiante debe aumentar de manera notoria su
capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y
problemas de valores propios. Las metas de estudio en general deberan incluir el
poder seleccionar el mejor mtodo (o mtodos) para cualquier problema en
particular de aplicacin en ingeniera.
CAPITULO DOCE: Mtodos de un paso.
Mtodo de Euler.
Mtodo de Euler modificado.
Mtodos de Runge-Kutta.
Sistemas de ecuaciones.
CAPITULO TRECE: Mtodos de pasos mltiples.
Un enfoque simple de pasos mltiples.
Frmulas de integracin.
BIENVENIDA
Seorita o Seora Estudiante

Seor Estudiante
mutuamente como apoyo de las
experiencias en su manejo.
En calidad de Docente-Tutor de la
asignatura Anlisis Numrico, le
presento un cordial saludo de
bienvenida a este curso que su
Universidad le ofrece para atender su
formacin
continuada
mediante
procesos metodolgicos innovadores
que debern redundar en la
conformacin de la Comunidad
Universidad Nacional abierta y a
distancia.
Cualquiera que sea su inquietud

antes de empezar la audioconferencia, le pido tranquilidad y
buenas intenciones para colaborar al
xito del mismo: estoy confiado que
va a ser una experiencia motivadora.
Al finalizar el curso, seguramente
Usted habr desarrollado habilidades
de diseo en el modelado matemtico
de
fenmenos,
mediante
el
reconocimiento de las tcnicas
matemticas y el empleo racional de
la programacin de computadoras,
aprendiendo la teora bsica en la
que se basan los clculos numricos.
Durante este semestre, vamos a

trabajar a distancia sobre el empleo
de los clculos numricos y, en vez
de limitarnos a teorizar, vamos a
visualizar las aplicaciones de estos
mtodos en distintos campos de la
ingeniera.
Le agradezco su valioso tiempo,

comprensin y paciencia para el
xito de este curso.
Quizs,
algunos
de
sus
compaero(a)s en el centro regional
donde va a asistir, ya tienen
conocimiento de la utilidad del
anlisis numrico y pueden servirse
El autor
10
HYPATIA (370 415 D.C.)

Nacida en Alejandra, una excepcional mujer, hija de Ten (filsofo y matemtico). Se hizo clebre
por su saber, por su argumentacin y por su belleza, viaja a Atenas donde realiza estudios; al
regresar a Alejandra funda una escuela deonde ensea las doctrinas de Platn y Aristteles y se
pone al frente del pensamiento neoplatnico.
Hypatia escribi un libro titulado: Sobre las conicas de Apolonio. Es una de los ltimos
matemticos griegos. Su muerte marca el final de los grandes descubrimiemtos matemticos en
Europa por varios siglos. Se distingui por los comentarios a las obras de Apolonio y Diofanto.
CAPITULO UNO
MODELOS MATEMTICOS
El mundo real, puede parecer impredecible, tradicionalmente la tarea de los

cientficos ha sido la de plantear hiptesis, reconocer las variables y expedir leyes
que gobiernen este caos.
Aplicaremos el concepto de modelos matemticos para ayudar a la comprensin
de un mtodo numrico y as ilustrar como facilita la resolucin de problemas.
Para esto, se desarrolla aqu un modelo matemtico de un proceso fsico real que
se resuelve con un mtodo numrico sencillo.
11
1.1.
MODELAMIENTO MATEMTICO
Sobre las bases de sus observaciones varios cientficos a lo largo de a historia nos
han reportado teoras que no son mas que modelos empricos abstrados de
nuestra realidad fsica. Es as como Newton formul la segunda ley del
movimiento, esta se usa rutinariamente por los ingenieros en el diseo de
elementos tales como armaduras, dispositivos, circuitos, entre otros. Desde la
perspectiva del diseo de ingeniera, estos conocimientos son muy tiles cuando
se expresan en forma de un modelo matemtico.
Un modelo matemtico se define como una formulacin o ecuacin que expresa
las caractersticas fundamentales de un sistema o proceso fsico en trminos
matemticos.
Para nuestro caso:
F = ma
(1.1)
Donde, F es la fuerza neta que acta sobre el cuerpo, m es la masa del objeto y a
es su aceleracin.
La ecuacin (1.1) rene varias caractersticas habituales de los modelos
matemticos del mundo fsico:
Describe un sistema o proceso natural en trminos matemticos.
Representa una idealizacin y una simplificacin de la realidad.
Conduce a resultados predecibles. Por ejemplo, si se conocen la fuerza
aplicada y la masa, entonces puede usarse la ecuacin para estimar la
aceleracin.
Sin embargo, los modelos matemticos de otros fenmenos fsicos pueden ser
mucho ms complejos y no pueden resolverse exactamente o requieren tcnicas
matemticas ms avanzadas que la simple lgebra para su solucin.
Para ilustrar el modelo de este tipo per ms complicado, se puede usar la segunda
ley de Newton para determinar la velocidad de un cuerpo en cada libre.
1.2.
CASO DE ESTUDIO
El cuerpo en descenso ser un esquiador como se muestra en la figura 3. Para

este caso recordemos que la aceleracin es la razn de cambio de la velocidad
con respecto al tiempo (dV/dt) y sustituir en la ecuacin (1.1) para dar:
m
dV
=F
dt
(1.2)
12
V es la velocidad, entonces la masa multiplicada por la razn de cambio de la

velocidad es igual a la suma de fuerzas que actan sobre el cuerpo.
Para un cuerpo que cae la fuerza total la conforman dos fuerzas contrarias: la
fuerza gravitatoria (hacia abajo) y la fuerza de resistencia del aire (hacia arriba), es
decir:
F = FR + Fg
(1.3).
Si a la fuerza hacia abajo se le asigna un signo positivo, se puede usar la segunda
ley para formular la fuerza debida a la gravedad como: Fg = mg. Donde g es la
constante gravitacional, aproximadamente 980 cm/seg2.
Supondremos que la resistencia del aire es linealmente proporcional a la
velocidad, como en: FR = - CV, donde C es una constante de proporcionalidad,
llamada coeficiente de arrastre.
FR
Fg
Figura 3. Representacin de las fuerzas que actan sobre un cuerpo en descenso.
La fuerza total es la diferencia entre las fuerzas hacia abajo y hacia arriba. Por
tanto, combinando las ecuaciones obtenemos:
dV
m( ) = mg CV
dt
dividiendo a cada lado por m encontramos:
dV
C
=g V
dt
m
(1.4)
La ecuacin (1.4) es un modelo que relaciona la aceleracin de un cuerpo que cae

a las fuerzas que actan sobre l. La solucin de ecuacin anterior no puede
obtenerse usando simples manipulaciones algebraicas y operaciones aritmticas.
13
Suponiendo que el esquiador se lanzo desde un aeroplano y en el instante t=0

(inicialmente) esta en reposo v=0, se puede usar el clculo para resolver la
ecuacin (1.4), as:
gm
(1.5)
v(t ) =
(1 e(c / m)t )
c
1.2.1. Solucin analtica
Un esquiador con una masa de 68100 gramos salta de un aeroplano. Aplquese la

ecuacin (1.5) para calcular la velocidad antes de abrir el paracadas de
seguridad. El coeficiente de arrastre c es aproximadamente igual a 12500 g/seg.
Solucin: al sustituir los valores de los parmetros en la ecuacin (1.5) se obtiene:
v(t) = 5339[1- e-0,18355t]
(1.6)
al dar varios valores de t se obtienen las velocidades para dicho tiempo: los
resultados se presentan a continuacin:
t, seg.
0
2
4
6
8
10
12
V, cm/seg.
0
1640,5
2776,9
3564,2
4109,5
4487,3
4749,0
5339,0
A la ecuacin (1.6) se le llama solucin analtica o exacta porque satisface

exactamente la ecuacin diferencial original.
1.2.2. Solucin numrica

Como se menciono con anterioridad, los mtodos numricos son aquellos en los
que se reformula el problema matemtico para que se pueda resolver mediante
14
operaciones aritmticas. Para nuestro caso, la razn de cambio de la velocidad

con respecto al tiempo puede aproximarse de la siguiente manera:
dV V v(ti +1 ) v(ti )
=
(1.7)
dt
t
ti +1 ti
donde v y t son diferencias en la velocidad y el tiempo calculadas sobre
intervalos finitos, v(ti) es la velocidad en el tiempo inicial ti, y v(ti+1) es la velocidad
algn tiempo ms tarde ti+1. La ecuacin (1.7) es una diferencia finita dividida en
el tiempo ti. Puede sustituirse en la ecuacin (1.2.4) para dar:
v(ti +1 ) v(ti )
C
= g v(ti )
t i + 1 ti
m
(1.8)
Esta ecuacin puede ordenarse otra vez para dar:

C
v(ti +1 ) = v(ti ) + g v(ti ) (ti +1 ti )

m
(1.9)
Y as, la ecuacin diferencial (1.4) se transforma en una ecuacin que puede

resolverse algebraicamente para v(ti+1). Si se da un valor inicial para la velocidad
en un tiempo ti, se puede calcular fcilmente v en ti+1.
Este nuevo valor de v en ti+1 puede emplearse para extender el clculo de v en ti+2
y as sucesivamente. Por lo tanto, en cualquier tiempo de la trayectoria,
Nuevo valor = Valor anterior de v + Valor estimado de incremento del tiempo
de v
la pendiente
Efectuando el mismo clculo que en el ejercicio anterior, pero usando la ecuacin
(1.8) para calcular v(t) con un incremento de tiempo igual a 2 segundos, se
obtiene:
Al principio de los clculos (t1=0), la velocidad del esquiador v(ti) es igual a cero.
Con esta informacin y los valores de los parmetros del ejemplo anterior, la
ecuacin 2.8. se puede usar para estimar v(ti+1) en ti+1 = 2seg.
12500
v(2) = 0 + 980
(0) 2 = 1960cm / s
68100
Para el siguiente intervalo (de t = 2 a 4 seg.), se repite el clculo con el resultado,
15
12500
v(4) = 1960 + 980

(0) 2 = 3200.5cm / s
68100
Siguiendo con los clculos de la misma manera para obtener valores adicionales,
como se muestra en la siguiente tabla:
t, segundos
0
2
4
6
8
10
12
v, cm/seg.
0
1960.0
3200.5
3985.6
4482.5
4796.9
4995.9
5339,0
v, m/s
Como se notar, debe pagarse un tributo al usar la calculadora por un resultado

numrico ms preciso. Cada particin a la mitad del incremento para lograr ms
precisin, nos lleva a duplicar el nmero de clculos. Por consiguiente, vemos que
existe un trueque entre la exactitud y la cantidad de operaciones y tiempo de
procesamiento.
60
Velocidad terminal
Solucin
analtica, exacta
20
40
Solucin numrica
aproximada
12
t, m
Figura 4. Comparacin de las soluciones numrica y analtica para el problema

del paracaidista.
16
1.3 MODELOS MATEMTICOS QUE DESCRIBEN SISTEMAS FSICOS

Ecuacin Baromtrica
Se aplica en el estudio de gases para establecer la relacin de presiones. La

presin y la densidad de un gas ideal se relacionan por la siguiente ecuacin:
PM
=
, reemplazando , en las dos ecuaciones anteriores y derivando y
RT
dP Mg
separando variables, se encuentra:
=
dh , con T constante e integrando
P RT
entre dos estados obtenemos:
P
gM
(h2 h1 )
Ln 2 =
P1
RT
R = constante de los gases ideales,
Anlisis dimensional
atmm3kmol-1K-1
T = temperatura, K
H = altura, m
Variable independiente: altura h
g = constante gravitacional, ms-2
Variable dependiente : presin P
M = peso molecular, kgkmol-1
P = presin, kgs-2m-1 atm
Periodo de velocidad de secado
Durante este periodo la velocidad con que desaparece agua de la superficie

del producto es igual a la velocidad con que llega desde el interior del mismo.
La transmisin de calor tiene lugar solamente por conveccin, la temperatura
de la superficie del slido permanece constante e igual a la temperatura
hmeda del aire de secado.
La velocidad de secado es la de evaporacin del agua, que es la transferencia
de materia y es proporcional al flujo de calor:
dw
Q
=
Gw =
dt Awi
Anlisis dimensional
T
= tiempo de secado, s
Q
= calor de transferencia, Js-1
dw/dt
=velocidad de evaporacin, kgm-2 s-1
Aw
=superficie de evaporacin, m2
w
=agua evaporada por unidad de rea, kgm-2
Gw
=velocidad de transferencia de materia, kgs-1m-2
i
= calor latente de vaporizacin a la temperatura de interface, Jkg-1
17
Variable independiente
Parmetros
: tiempo, t
:agua evaporada, w
: propiedades fisicoqumicas y geomtricas del
secar, coeficiente de transferencia
Transferencia de masa para lixiviacin
material a
dM K ' A(Cs C )
=
dt
b
Para un proceso discontinuo, en el cual el volumen total de la solucin es
VdC K ' A(Cs C )
constante dM = VdC, entonces:
=
, ordenando, se
dt
b
dC
K'A
=
dt , integrando entre Co, C1, para t=0 y t, se obtiene:
encuentra:
Cs C
Vb
Cs C K ' A
Ln
=
t . Cuando se agrega disolvente puro Co = 0 y haciendo
Cs Co Vb
= KA/b, resulta: C = Cs 1 e V
Anlisis dimensional
t
= tiempo, s
K
= coeficiente de difusin, m2s-1
A
= rea de interface slido-lquido, m2
C
= concentracin del soluto en la solucin, kgm-3
Cs
= Concentracin de la solucin saturada en contacto con el slido, kgm-3
b
= espesor de la pelcula de lquido adyacente al slido, m
Variable dependiente
Parmetros
: tiempo, t
: concentracin del soluto C
: coeficiente de transferencia de masa y geometra del
sistema.
Esterilizacin por calor
Representa un cintica de primer orden para la extincin de microorganismos

de la siguiente manera:
dN
= d N
dt
18
d se puede expresar de manera anloga a la ley de Arrhenius, en funcin de

la temperatura: d = ae
E
RT
De las ecuaciones anteriores se tiene:

t
dN
= d N = aNe RT
dt
No
RT
integrando, = Ln
= d dt = a e dt , en donde, = reduccin fraccional
N 0
0
de microorganismos.
Anlisis dimensional
t = tiempo, s
N = nmero de microorganismos
d = constante de extincin trmica, s-1
T = temperatura, K
E = energa de activacin, cal/gmol
A = constante de Arrhenius
R = constante universal de los gases, cal/gmolK
Variable dependiente
Parmetros
: tiempo t
: nmero de microorganismos, N
: constantes trmicas de resistencia de los
microorganismos, constantes fisicoqumicas del
medio, propiedades geomtricas del sistema.
19
NAD
Universidad abierta
Nacional
a distancia
KARL WILHELM THEODOR WIERSTRASS (1815 1897)

Matemtico alemn. Estudi leyes en la Universidad de Bonn, pero fracas en conseguir un grado
(en parte por sus extravagancias de bebedor de cerveza). Fue maestro de escuela durante 15
aos, mientras estudiaba matemticas en la noche, los pocos resultados que public le atrajeron
una invitacin a ensear, primero en el Instituto Tcnico de Berln, ms tarde como profesor de la
Universidad de Berln. Considerado el padre del Anlisis Moderno. En sus primeras investigaciones
abord el problema de los nmeros irracionales. Luego se dedico al estudio de las funciones de
variables complejas y de variables reales. Desarroll una teora completa de series de funciones y
estableci la legitimidad de operaciones tales como la integracin y la derivacin. Su nombre es
inseparable del de su discpula Sonia Kowalewski, valiosa matemtica rusa.
CAPTULO DOS
APROXIMACIONES Y ERRORES
Debido a 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.
La mayor parte de las tcnicas desarrolladas en este mdulo tienen la
caracterstica de poseer errores. Esto puede parecer contradictorio a primera vista
ya que no coincide con la imagen que se tiene de un buen mecanismo de
ingeniera.
20
NAD
Universidad abierta
Nacional
a distancia
2.1. INTRODUCCIN TERICA

En la prctica profesional los errores pueden resultar costosos y hasta
catastrficos. Se puede perder la vida si un dispositivo o una estructura llega a
fallar. En general, si algn modelo presenta pequeas variaciones en sus
resultados, que no alteren totalmente sus predicciones, 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 introducir errores similares en el anlisis.
Pero la pregunta aqu es: qu error puede considerarse tolerable?
Los errores numricos se generan con el uso de aproximaciones para representar
las aproximaciones y cantidades matemticas.
stos incluyen errores de
trucamiento, que resultan de representar aproximadamente un procedimiento
matemtico exacto, y los errores de redondeo que se producen cuando los
nmeros tienen un lmite de cifras significativas que se usan para representar
nmeros exactos. Para los dos tipos de errores, la relacin entre el resultado
exacto o verdadero y el aproximado est dada por:
Valor verdadero = aproximacin + error
(2.1)
Reordenando la ecuacin 2.1 se encuentra que el error numrico es igual a la

diferencia entre el valor verdadero y el valor aproximado, esto es:
Et = valor verdadero aproximacin
(2.2)
Donde Et se usa para denotar el valor exacto del error. Se incluye el subndice t
para denotar que se trata del error verdadero. Como ya se mencion
brevemente, esto contrasta con los otros casos, donde se debe emplear una
estimacin aproximada de 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 mas significativo si se est midiendo un remache que un puente. Una
manera de medir las magnitudes de las cantidades que se est evaluando es
normalizar el error respecto al valor verdadero, como en:
Error relativo fraccional = error verdadero/valor verdadero
Donde, como ya se dijo
aproximado.
en la ecuacin 2.2, error = valor verdadero valor
21
NAD
Universidad abierta
Nacional
a distancia
El error relativo tambin se puede multiplicar por el 100% para expresarlo como:
t = (error verdadero/valor verdadero) 100%

donde t denota el error relativo porcentual verdadero.
Este captulo busca cubrir varios aspectos que identifican, cuantifican y minimizan
estos errores.
2.1.1. Cifras Significativas
Cuando se emplea un nmero en un clculo, debe haber seguridad de que pueda
usarse con confianza. El concepto de cifra o dgitos significativos se han
desarrollado para designar formalmente la confiabilidad de un valor numrico. Las
cifras significativas de un nmero son aquellas que pueden ser usadas en forma
confiable. Es convencional estimar el conjunto de dgitos de la mediana de la
divisin de la escala ms pequea de un aparato de medicin.
El concepto de cifras significativas tiene dos implicaciones importantes en el
estudio de los mtodos numricos:
1. Como se dijo en el problema de la cada del paracaidista, los mtodos
numricos obtienen resultados aproximados. Por lo tanto, se debe desarrollar
criterios para especificar que tan precisos son los resultados obtenidos. Una
manera de hacerlo es en trminos de cifras significativas. Por ejemplo, se
puede decidir que la aproximacin es aceptable siempre y cuando sea correcta
para cuatro cifras significativas.
2. Aunque ciertas cantidades tales como , e, o 3 5 representan nmeros
especficos, no se pueden expresar exactamente con un nmero finito de
dgitos. Por ejemplo, = 3.141592653589793238462643.... hasta el infinito.
Debido a que las computadoras retienen slo un nmero finito de cifras
significativas, tales nmeros jams se podrn representar con exactitud. A la
omisin del resto de cifras significativas se le conoce como error de redondeo.
2.1.2. Exactitud y Precisin
Los errores asociados con los clculos y medidas se pueden caracterizar
observando su exactitud y precisin. La exactitud se refiere a que tan cercano
est el valor calculado o medido con el valor verdadero. La precisin se refiere a
22
NAD
Universidad abierta
Nacional
a distancia
qu tan cercano est un valor individual medido o calculado con respecto a los
otros. Estos conceptos se pueden ilustrar grficamente usando una analoga de
una diana de prcticas para tiro. Los agujeros en cada blanco de la figura 5 se
pueden imaginar como las predicciones en una tcnica numrica, mientras que el
centro del blanco representa la verdad. La inexactitud se define como un
alejamiento sistemtico de la verdad, la imprecisin (tambin llamada
incertidumbre), se refiere a la magnitud del esparcimiento de los disparos. Los
mtodos numricos deben ser lo suficientemente exactos o sin inexactitudes para
que cumplan los requisitos de un problema particular de ingeniera. Tambin
deben ser lo suficientemente precisos para el diseo en la ingeniera. Usaremos
el trmino error para representar la inexactitud y la imprecisin de las
predicciones.
2.2. 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 problema del
paracaidista aproximamos la derivada de la velocidad de cada de un paracaidista
mediante la ecuacin de diferencia finita dividida de la forma:
dv v v(ti +1 ) v(ti )
=
(1.7)
dt t
ti +1 ti
Se introdujo un error de truncamiento en la solucin, ya que la ecuacin de
diferencias slo aproxima el valor verdadero de la derivada. Adems, para
obtener conocimiento de las caractersticas de estos errores se regresar a la
formulacin matemtica usada ampliamente en los mtodos numricos para
expresar funciones en forma polinomial: las series de Taylor.
2.2.1 Uso de la serie de Taylor para estimar los errores de truncamiento.
Aunque la serie de Taylor es en extremo til en la estimacin de errores de
truncamiento a lo largo algunas veces no es claro su empleo. Examinemos el
caso del paracaidista, v(t) se puede expandir en la serie de Taylor del siguiente
modo:
v ''(ti )
v(ti +1 ) = v(ti ) + v '(ti )(ti +1 ti ) +
(ti +1 ti ) 2 + + Rn
(2.3)
2!
Ahora, truncando la serie despus del trmino con la primera derivada, se obtiene:
v(ti +1 ) = v(ti ) + v '(ti )(ti +1 ti ) + R1
La ecuacin 2.4 se puede resolver para
23
(2.4)
NAD
v '(ti ) =
Universidad abierta
Nacional
a distancia
v(ti +1 ) v(ti )
R1
Error de
ti +1 ti
ti +1 ti truncamiento
(2.5)
Aproximacin a
primer orden
Aumenta la precisin
Aumenta la exactitud
a)
c)
b)
d)
Figura 5. Un ejemplo de un buen tirador ilustra el concepto de exactitud y

precisin a) inexacto e impreciso; b) exacto e impreciso; c) inexacto y preciso, d)
exacto y preciso.
La primera parte de la ecuacin 2.5 es exactamente la misma relacin que se uso
para aproximar la derivada del ejemplo del paracaidista. 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.
En otras palabras, el error en la aproximacin usando derivadas debera ser
proporcional al tamao del paso. Por lo tanto, si ste se divide a la mitad,
entonces se espera que el error de la derivada se reduzca a la mitad.
24
NAD
Universidad abierta
Nacional
a distancia
2.2.2 Estabilidad y condicin

La condicin de un problema matemtico relaciona a su sensibilidad los cambios
en los datos de entrada. Puede decirse que un clculo es numricamente
inestable si la incertidumbre de los valores de entrada aumentan
considerablemente por el mtodo numrico.
Estas ideas pueden estudiarse usando la serie de Taylor de primer orden:
f ( x) = f ( x% ) + f '( x% )( x x% )
(2.6)
Esta relacin puede emplearse para estimar el error relativo de f(x) como en:
f ( x) f ( x% ) f '( x% )( x x% )
f ( x)
f ( x% )
el error relativo de x esta dado por:
(2.7)
x x%
.
x%
Un nmero condicionado puede definirse como la razn de estos errores relativos

% '( x% )
xf
Nmero condicionado =
.
f ( x% )
El nmero condicionado proporciona una medida de hasta qu punto la
incertidumbre de x aumentada por f(x). Un valor de 1 nos indica que el error
relativo de la funcin es idntico al error relativo de x. Un valor mayor que 1 nos
indica que el error relativo es amplificado, mientras que para un valor menor que 1
decimos que est disminuido. Funciones con valores muy grandes nos dicen que
estn mal condicionados. Cualquier combinacin de factores de la ecuacin ???,
al incrementarse el valor numrico del nmero condicionado, tiene tendencia a
aumentar la incertidumbre en el clculo de f(x).
2.3. ERROR NUMERICO TOTAL

El error numrico total es la suma de los errores de truncamiento y redondeo. En
general, el nico camino para minimizar los errores de redondeo es incrementando
el nmero de cifras significativas en la computadora. Adicionalmente, se notar
que un error de redondeo se incrementar tanto por la cancelacin por resta como
porque en el anlisis exista un incremento en el nmero de clculos. En contraste,
en el calculo, se podra disminuir el tamao del paso aproximado para un clculo
25
NAD
Universidad abierta
Nacional
a distancia
en particular. Se debera seleccionar un tamao del paso largo a fin de disminuir

la cantidad de clculos y errores de redondeo sin incurrir en la penalizacin de
grandes errores de redondeo.
Log error
Error total
Error de redondeo
Error de truncamiento
Log tamao del paso

Figura 6. Representacin grfica de elementos de juicio entre el error de redondeo
y error de truncamiento que algunas veces son inseparables en el papel que
juegan en un mtodo numrico. El punto de retorno disminuido es presentado,
donde el error de redondeo empieza a negar los beneficios de la reduccin del
tamao del paso.
2.3.1 Errores por equivocacin
A todos les son familiares los errores por negligencia o por equivocacin. En los
primeros aos de la computadoras, los resultados numricos errneos fueron
atribuidos algunas veces al mal funcionamiento de la propia computadora. En la
actualidad esta fuente de error es muy improbable y la mayor parte de las
equivocaciones se pueden atribuir a errores humanos.
Las equivocaciones ocurren a cualquier nivel del proceso de modelacin
matemtica y pueden contribuir con todos los otros componentes del error. Se
pueden evitar nicamente con un slido conocimiento de los principios
fundamentales y con el cuidado del mtodo y diseo de la solucin del problema.
2.3.2 Errores de formulacin
Los errores de formulacin o errores de modelamiento pueden ser atribuidos a lo
que se podra considerar como un modelo matemtico incompleto. Un ejemplo de
error de formulacin imperceptible es el hecho de que la segunda ley de Newton
no toma en cuenta los efectos relativsticos. Esto no desvirta la validez de la
solucin del ejemplo del paracaidista, ya que estos errores son mnimos en las
26
NAD
Universidad abierta
Nacional
a distancia
escalas del tiempo y espacio asociadas con el problema de la cada del

paracaidista. Se debe estar consciente de estos problemas y darse cuenta que si
se est usando un modelo deficiente, ningn mtodo numrico generar los
resultados adecuados.
2.3.3 Incertidumbre de los resultados
Algunas veces se introducen errores en un anlisis debido a la incertidumbre en
los datos fsicos sobre los que se basa el modelo cuando se realizan varias
corridas o clculos, estos errores pueden mostrar inexactitud e imprecisin. Si los
instrumentos constantemente subestiman o sobrestiman las mediciones se estar
tratando con un instrumento inexacto o desviado.
Los errores de medicin se pueden cuantificar sumando los datos con una o ms
tcnicas estadsticas bien conocidas, que generen tanta informacin como sea
posible, observando las caractersticas especficas de los datos. Esta estadstica
descriptiva es a menudo seleccionada para presentar 1) la posicin del centro de
distribucin de los datos y 2) el grado de esparcimiento de los datos. Como tales,
dan una medida de la desviacin e imprecisin, respectivamente.
2.4. EJERCICIOS RESUELTOS
Encontrar el nmero de cifras significativas de las cantidades siguientes:

Solucin
74,24
S(4)
13258
S(5)
8200,02
S(6)
0,35
S(2)
0,005
S(1)
1200
S(4)
-1863,000
S(7)
-0,00743
S(3)
750,0000
S(7)
Expresar las cantidades anteriores en formato de coma flotante normalizada
con exponente o notacin cientfica.
Solucin
27
Universidad abierta
74,24
13258
8200,02
0,35
0,005
1200
-1863,000
-0,00743
750,0000
0,7424x102
0,13258x105
0,820002x104
0,35x100
0,5x10-2
0,1200x104
-0,1863000x104
-0,743x10-2
0,7500000x103
NAD
Nacional
a distancia
S(4)
S(5)
S(6)
S(2)
S(1)
S(4)
S(7)
S(3)
S(7)
Redondear simtricamente a tres o dos cifras decimales, las cantidades que se

indican
Solucin
23,65487
23,655
D(3)
0,004563
0,005
D(3)
-1238,83421
-1238,83
D(2)
77,235
77,24
D(2)
-5,8765
-5,877
D(3)
23,4899
23,490
D(3)
Al estudiar el fenmeno diario de la variacin que experimentan las
condiciones meteorolgicas, se suprimen muchas variables que deberan de
intervenir en los clculos.
A qu tipo de errores pertenecen tales
simplificaciones.
Solucin
Corresponderan a errores del modelo.
Considerando las cantidades 28294 y -13485 y sus respectivas cantidades
redondeadas a cuatro y tres cifras significativas, 28290(4S) y -13500(3S),
encontrar las cotas de los errores absoluto y relativo de tales redondeos.
Solucin
x = 28294
x = 28290
x = 5 = 0,5x101
x = 5/28290 0,00088
2
y = -13485
y = -13500
y = 50 = 0,5x10
y = 5/28290 0,0037
Si x = 1,414 es una aproximacin obtenida redondeando a tres cifras decimales
una cantidad exacta x, indicar en qu intervalo est contenido el valor exacto.
Solucin
x [ 1,4135 1,4145 )
28
NAD
Universidad abierta
Nacional
a distancia
Otra forma de llegar al mismo resultado: si x est redondeada, la cota del error
absoluto de ese redondeo, ser:
x =0,5x10-3 = 0,0005
y, por consiguiente, el valor exacto estar comprendido entre los valores x =
1.414 0,0005, es decir, entre: 1,4115 y 1,4135
Cmo se catalogara el error cometido al transcribir mal una cantidad desde un
documento original a otro cualquiera.
Solucin
Se tratar de un error grosero o bien de una verdadera equivocacin.
La cantidad exacta x = 5,342 se redondea a dos cifras decimales. Encontrar el
error absoluto cometido.
Solucin
La cantidad aproximada obtenida por el redondeo ser x = 5,34
por lo que el mdulo del error absoluto cometido ser
ex = 5,342 - 5,34 = 0,002
A una cinta mtrica defectuosa le falta el primer centmetro. Despus de medir
una longitud con la misma, se obtienen 15 cm. Determinar la verdadera
longitud de la magnitud medida, el error absoluto de la medicin, el relativo y el
porcentaje.
Solucin
x = 15 cm. y x = 14 cm.
ex = x - x = 1 cm. = x
rx = ex /x = 1/14 = 0,071 o bien 1/15 = 0,067
Porcentaje del error = 0,071x100 = 7,1%
o bien
0,067x100 = 6,7%
Un voltmetro maraca las lecturas con un error de +0,05V. Se toma una lectura
de 60V. Calcular los errores absoluto, relarivo y porcentaje del error.
Solucin
V = 60
V = 59,95
ev = 60 - 59,95 = 0,05V
rv = 0,05/60 = 0,00081
Porcentaje = 0,00081x100 = 0,081%
29
NAD
Universidad abierta
Nacional
a distancia
El peso de 1 dm3 de agua a 0C est contenido entre los valores indicados por
p = 999,847 gr 0,001 gr
Determinar la cota o lmite mximo del error relativo del resultado del peso del
agua.
Solucin
p = 999,847
y
p = 0,001
con lo que ser :
p = 0,001/999,847 = 0,1x10-4 = 10-4
Deducir los dgitos correctos de la cantidad aproximada 48,361 que tiene un
error relativo mximo del 1%.
Solucin
a = 48,361
a = 1% = 1/100 = 0,01
a = a/a
con lo que, entonces
a = a a = 0,01x48,361 = 0,48661 < 0,5 = 0,5x100
luego, no existe ninguna cifra decimal correcta, es decir, la ltima cifra correcta
ser la de las unidades. Ello equivale a asegurar que las cifras correctas son
las que forman la parte entera: la 4 y la 8
Como aproximacin de = 3,141592... se toma el valor 3,14. Cules son sus
cifras exactas y cules las correctas?
Solucin
e = 3,141592 - 3,14 = 0,001592 = 0,1592x10-2 < 0,5x10-2
es decir, tiene correctas dos cifras decimales : el 1 y el 4 y, por tanto, tambin
la entera 3.
Otra forma, ms laboriosa pero basada en la propia definicin de dgito
correcto, de llegar al mismo resultado, es la que sigue.
Segn el resultado anterior, una cota del error absoluto es = 0,0016.
Entonces,
0,0016 < 0,5 el 3 es correcto
En cualquier caso, las cifras exactas, es decir, coincidentes con las que
forman el verdadero valor de , son, en este caso, tambin las tres : 3, 1 y 4.
30
NAD
Universidad abierta y
Nacional
a distancia
BLAISE PASCAL (1623 - 1662 D. C.)

Matemtico, fsico, filsofo y escritor, naci en Clermont, Francia. A los doce aos, comenz a
estudiar geometra, en este campo fue donde hizo sus mximas contribuciones matemticas,
demostrando las 32 proporciones de Euclides,. Al sostener correspondencia con su coterrneo
Pierre Fermat, Pascal echa las bases de la Teora de las Probabilidades. Se da el nombre de
'triangulo de Pascal' al arreglo de nmeros que contiene los coeficientes del teorema del binomio.
Sus ideas influyeron sobre Leibniz y, a travs de l, sobre la fundacin del Clculo. Se le deben las
leyes del equilibrio de los lquidos y otros importantes descubrimientos. A la edad de 19 aos
invent la primera mquina de sumar. Este dispositivo, con sus ruedas movidas a mano, es el
ancestro primitivo de las calculadoras y computadoras electrnicas de hoy. Y este moderno artificio
de clculo es lo que convierte en especialmente tiles y prcticos los mtodos numricos.
CAPITULO TRES
DIFERENCIACIN NUMRICA
Como se menciono con anterioridad, los mtodos numricos son aquellos en los
que se reformula el problema matemtico para que se pueda resolver mediante
operaciones aritmticas sencillas. Para nuestro caso, la razn de cambio de la
velocidad con respecto al tiempo puede aproximarse de la siguiente manera:
dV V v(ti +1 ) v(ti )
=
(1.7)
t
dt
ti +1 ti
31
NAD
Nacional
a distancia

La ecuacin (1.7) se conoce con un nombre especial en el anlisis numrico: se le
llama diferencia finita dividida.
Se puede representar generalmente como:
f
f ( xi + ) f ( xi )
f ' ( xi ) =
+ O( xi + x) f ' ( xi ) = i + O(h)
h
xi + xi
(3.1)
donde fi se le conoce como la primera diferencia hacia delante y a h se le llama

tamao del paso; esto es, la longitud del intervalo sobre el cual se hace la
aproximacin. Se le llama hacia delante, ya que se usa los datos i e i+1 para
estimar la derivada (vase figura 7a). Al trmino completo fi/h se le conoce como
la primera diferencia finita dividida.
Esta diferencia dividida hacia adelante no es sino una de tantas que se puede
desarrollar mediante la serie de Taylor para la aproximacin de derivadas
numricas. Por ejemplo, las aproximaciones a primeras derivadas utilizando las
diferencias hacia atrs o diferencias centrales se pueden desarrollar de una
manera similar a la de la ecuacin (1.7). Las primeras usan valores en xi-1 y xi
(vase figura 7b), mientras que las segundas usan valores igualmente espaciados
alrededor del punto donde est estimada la derivada (vase figura 7c). Las
aproximaciones ms exactas de la primera 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 desarrollan cada uno de ellos.
3.2. APROXIMACIN A LA PRIMERA DERIVADA CON DERIVADAS HACIA

ATRS
La serie de Taylor se puede expandir hacia atrs para calcular un valor anterior
sobre el valor actual, como en:
f ' ' ( xi ) 2
f ( xi 1 ) = f ( xi ) f ' ( xi )h +
h
(3.2)
2!
Truncando la ecuacin despus de la primera derivada y ordenando los trminos
se obtiene
32
NAD
f ' ( xi )
Nacional
a distancia
f ( xi ) f ( xi 1 ) f1
=
h
h
(3.3)
donde el error es de O(h) y f1 indica la primera diferencia dividida hacia atrs.

Vase la figura 7b para una representacin grfica.
3.3. APROXIMACIONES A LA PRIMERA DERIVADA CON DIFERENCIAS

CENTRALES
Una tercera forma de aproximar la primera derivada es restando la ecuacin (4.19)
de la expansin en serie de Taylor hacia delante:
f ( xi +1 ) = f ( xi ) + f ' ( xi )h +
f ' ' ( xi ) 2
h
2!
(3.4)
para obtener:
f ( xi +1 ) = f ( xi 1 ) + 2 f ' ( xi )h +
f ( 3) ( x i ) 3
h
3!
(3.5)
que se puede resolver para:

f ' ( xi ) =
f ( xi +1 ) f ( xi 1 )
f ( xi +1 ) f ( xi 1 ) f ( 3) ( xi ) 2
h + f ' ( xi ) =
O(h 2 ) (3.6)
2h
2h
6
La ecuacin 3.6 es una representacin de las diferencias centrales de la primera

derivada. Obsrvese que el error de truncamiento es del orden de h2 en contraste
con las diferencias divididas hacia delante 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 exacta de la derivada (vase
figura 7c). Por ejemplo, si reducimos el tamao del paso a la mitad, usando
diferencias hacia atrs o hacia delante, el error se reducir aproximadamente a la
mitad, mientras que para diferencias centrales el error se reducir a la cuarta
parte.
33
NAD
Nacional
a distancia
3.4. APROXIMACIONES POR DIFERENCIAS FINITAS DE DERIVADAS DE

ORDEN SUPERIOR
Adems de las primeras derivadas, la expansin en serie de Taylor, puede ser
usada para desarrollar estimaciones numricas de las derivadas de orden
superior. Para esto, se escribe la expansin en serie de Taylor hacia adelante
para f(xi+2) en trminos de f(xi):
f ' ' ( xi )
( 2 h) 2 + L
(3.7)
2!
La ecuacin (4.21) se puede multiplicar por 2 y restarse de la ecuacin (4.23)
f ( xi + 2 ) = f ( xi ) + f ' ( xi )(2h) +
f ( xi + 2 ) 2 f ( xi +1 ) = f ( xi ) + f ' ' ( xi )h 2 + L
(3.8)
la cual puede resolverse para:

f ' ' ( xi ) =
f ( xi + 2 ) 2 f ( xi +1 ) + f ( xi )
+ O ( h)
h2
(3.9)
Esta relacin es llamada la segunda diferencia dividida hacia delante Con

manipulaciones similares puede emplearse la versin de derivada hacia atrs,
f ' ' ( xi ) =
f ( xi ) 2 f ( xi 1 ) + f ( xi 2 )
+ O ( h)
h2
(3.10)
f ( xi +1 ) 2 f ( xi ) + f ( xi 1 )
+ O(h 2 )
h2
(3.11)
y la versin central,
f ' ' ( xi ) =
Como fue el caso con la aproximacin de la primera derivada, el caso central tiene
mejor aproximacin. Obsrvese tambin que la versin central puede ser
alternativamente expresada como
f ( xi +1 ) f ( xi ) f ( xi ) f ( xi 1 )
h
h
f ' ' ( xi )
(3.12)
h
As, justo como la segunda derivada es una derivada de la derivada, la
aproximacin de la segunda diferencia finita dividida es una diferencia de dos
primeras diferencias divididas.
34
NAD
Nacional
a distancia
Derivada
verdadera
aproximacin
a)
h
xi
xi+1
Derivada
verdadera
b)
aproximacin
h
xi
xi-1
Derivada
verdadera
c)
aproximacin
2h
x
xi
xi+1
xi-1
Figura 7. Grfica de aproximaciones con diferencias divididas finitas de la primera
derivada: a) hacia delante, b) hacia atrs, c) centrales.
3.5. EJERCICIO RESUELTO.
Enunciado del problema. Use las diferencias finitas hacia delante y hacia atrs
con aproximacin de O(h) y diferencias centrales con aproximacin de O(h2) para
estimar la primera derivada de:
f(x) = -0.14x4 0.15x3 0.5x2 0.25x + 1.2
35
NAD
Nacional
a distancia
En x = 0.5 usando un tamao de paso h = 0.5. Repita el clculo usando h = 0.25.

Obsrvese que la derivada puede ser calculada directamente como: f(x) = -0.4x3
0.45x2 1.0x 0.25 y se puede usar para calcular el valor verdadero como f(0.5) =
-0.9125.
Solucin. Para h = 0.5, la funcin puede ser empleada para determinar
xi-1 = 0
f(xi-1) = 1.2
xi = 0.5
f(xi) = 0.925
xi+1 = 1.0
f(xi+1) = 0.2
Esos valores pueden ser usados para calcular las diferencias divididas hacia
delante,
0.2 0.925
f ' (0.5)
= 1.45 t = 58.9%
0.5
con las diferencias divididas hacia atrs:
0.925 1.2
f ' (0.5)
= 0.55 t = 39.7%
0.5
y las diferencias divididas centrales:
0.2 1.2
f ' (0.5)
= 1.0 t = 9.6%
1.0
Para h = 0.25,
xi-1 = 0.25
f(xi-1) = 1.10351563
xi = 0.5
f(xi) = 0.925
xi+1 = 0.75
f(xi+1) = 0.63632813
Las cuales pueden ser usadas para calcular las diferencias divididas hacia
delante,
0.63632813 0.925
f ' (0.5)
= 1.155 t = 26.5%
0.25
las diferencias divididas hacia atrs,
0.925 1.10351563
f ' (0.5)
= 0.714 t = 21.7%
0.25
y las diferencias divididas centrales,
0.63632813 1.10351563
f ' (0.5)
= 0.934 t = 2.4%
0.5
Para ambos tamaos de paso, la aproximacin de diferencias centrales es ms
exacta que las diferencias hacia delante y hacia atrs. Tambin como se
pronostic con el anlisis de la serie de Taylor, dividiendo a la mitad el tamao del
paso, se tiene aproximadamente la mitad del error de las diferencias hacia atrs y
hacia adelante y una cuarta parte de error de las diferencias centrales.
36
NAD
Nacional
a distancia
Augustin Louis Cauchy (1789-1857)

Matemtico francs, considerado uno de los impulsores del anlisis en el siglo XIX. Naci en Pars
y estudi en la Escuela Politcnica de esta ciudad. Fue profesor simultneamente en el Colegio de
Francia, en la Escuela Politcnica y en la Universidad de Pars. En 1848 fue nombrado profesor de
astronoma matemtica de esa universidad. Cauchy verific la existencia de funciones elpticas
recurrentes, dio el primer impulso a la teora general de funciones y sent las bases para el
tratamiento moderno de la convergencia de series infinitas. Tambin perfeccion el mtodo de
integracin de las ecuaciones diferenciales de primer grado (vase Clculo). En el campo de la
fsica se interes por la propagacin de la luz y la teora de la elasticidad.
CAPTULO CUATRO
RACES DE ECUACIONES
RACES DE ECUACIONES
Y = f(x)
Raz
Encontrar x para f(x) = 0.
Estos problemas estn relacionados con el valor de una variable o de un

parmetro que satisface una ecuacin. Son especialmente valiosos en proyectos
de ingeniera, donde con frecuencia resulta imposible despejar de manera
analtica los parmetros de ecuaciones de diseo.
37
NAD
Nacional
a distancia
4.1. OBJETIVOS
OBJETIVO GENERAL
Al completar la segunda unidad el estudiante debe tener la suficiente informacin
para aplicar convenientemente una amplia variedad de problemas de ingeniera,
que se relacionan con las races de ecuaciones. En general, se dominarn los
mtodos, se habr aprendido a evaluar su confiabilidad y se tendr la capacidad
de optar por el mejor mtodo (o mtodos) para cualquier problema en particular.
OBJETIVOS ESPECFICOS
Conocer la interpretacin grfica de una raz.
Reconocer las diferencias entre los mtodos que usan intervalos y los mtodos
abiertos para la localizacin de races
Entender el concepto de convergencia lineal y cuadrtica y sus implicancia en
la eficiencia de los mtodos de iteraciones de punto fijo y de Newton Raphson.

4.2.1. Mtodos que usan incrementos
Procedimientos grficos
Mtodo de biseccin
Mtodo de la regla falsa
Bsquedas con intervalos determinando una aproximacin inicial
4.2.2. Mtodos iterativos
Iteracin de punto fijo
Mtodo de Newton-Raphson
Mtodo de la secante
Raz de un polinomio
4.3. INTRODUCCIN TEORICA

Los sistemas de ecuaciones de una variable es uno de los problemas ms bsicos
del anlisis numrico y tambin es conocido como el problema de bsqueda de
races. El problema consiste en encontrar los valores de la variable x que
satisfacen la ecuacin f(x)=0 para una funcin f dada. A una solucin de este
problema se le llama cero o raz de f(x).
38
NAD
Nacional
a distancia
4.3.1. Algoritmo de Biseccin

Condiciones:
a) Una funcin continua f definida en un intervalo [a,b].
b) f(a) y f(b) de signos opuestos.
c) Existe un punto p intermedio a<p<b tal que f(p)=0.
d) Se asume p como la raz nica en [a,b].
La estrategia del mtodo es dividir repetidamente a la mitad subintervalos de [a,b]
y en cada paso, localizar la mitad que contiene a p. Los subintervalos se hacen
cada vez ms pequeos hasta el punto que se cumple una tolerancia fijada en el
proceso se ha encontrado la raiz f(p) 0.
4.3.2. Metodo de Newton-Raphson

Uno de los mtodos ms empleados para el clculo de races.
Condiciones
a) Una funcin continua f y diferenciable dos veces definida en un intervalo [a,b].
b) Se asume p como la raz nica en [a,b].
La construccin de tangentes sucesivas en un punto x del intervalo [a,b] permite
hacer converger de manera rpida la determinacin aproximada del punto p.
Analizndolo desde le punto de vista matemtico, es asumir de una aproximacin
f (x )
del polinomio de Taylor que se cumple para f(x) alrededor de x que: p = x
f ' (x )
En algn momento del proceso iterativo se haya que (p-x) se hace una cantidad
despreciable y por tanto la aproximacin de la raz p ha sido completada.
4.3.3. Mtodo de la Secante
Esa una derivacin del mtodo de Newton Raphson, cuya ventaja radica en la no
necesidad de calcular derivadas, empleando iteraciones sucesivas de secantes en
lugar de tangentes. El principio matemtico y la ecuacin a resolver es anloga
entre lo dos mtodos. Para la n-sima iteracin el valor f(pn-1) se aproxima tal que:
f ( p n 1 ) * ( p n 1 p n 2 )
p n = p n 1
.
f ( p n 1 ) f ( p n 2 )
39
NAD
4.4.
Nacional
a distancia
RELACIONES Y FORMULAS IMPORTANTES
Mtodo
Biseccin
Falsa posicin
Newton Raphson
Formulacin
Xi + Xu
Xr =
Si f(Xl)f(Xr)<0, Xu=Xr, f(Xl)f(Xr)>0, Xl=Xr
2
f ( Xu )( X l X u )
Si f(Xl)f(Xr)<0, Xu=Xr,
X r = Xu
f (X l ) f (X u )
f(Xl)f(Xr)>0, Xl=Xr
f (X i )
X i +1 = X i
f '(X i )
Secante
X i +1 = X i
f ( X i )( X i 1 X i )
f ( X i 1 ) f ( X i )
4.5. LOCALIZACIN DE RACES USANDO NUMERICALS 1.0

4.5.1. Enunciado del problema.
Use el mtodo de Newton-Raphson para calcular la raz de f(x) = e-x x empleando
un valor inicial de x(0) = 0.
Solucin.
40
NAD
Nacional
a distancia

Use el mtodo de Regla Falsa para calcular la raz de f(x) = e-x x empleando
como valores iniciales de x(1) = -1 y x(2) = 1.
Solucin.
La solucin se expresa en un formulario de respuesta con el objeto de reconocer
las diferencias entre los mtodos de intervalos (Biseccin, Falsa posicin, ), de
los mtodos abiertos (Newton-Raphson, Secante, ).
41
NAD
Nacional
a distancia
4.6. EJERCICIOS PROPUESTOS

Renase en grupos de 4-5 y resuelvan los siguientes ejercicios:
4.6.1. Vea sus libros de texto de ingeniera o publicaciones internacionales y
busque dos casos en que tcnicas numricas para solucionar ecuaciones
algebraicas, una mediante un mtodo grfico y otro por cualquier tcnica de
prueba y error. Tome nota de la estructura del modelo, las variables dependientes
e independientes, los criterios de parada y el error estimado.
4.6.2. La concentracin de bacterias contaminantes c en una laguna usada en

piscicultura y riego de cultivos decrece de acuerdo con la relacin:
c = 70e 1.5t + 25e 0.075t
Determine el tiempo requerido para que la concentracin de bacterias se reduzca
a 9 usando:
a. El mtodo grfico.
b. El mtodo de Newton-Raphson.
4.6.3. Para: f(x) = x3 6x2 + 11x 6.1, determine la raz real mxima mediante:
a. Grficamente
b. Usando el mtodo de Newton-Raphson (tres iteraciones, Xi = 3.5)
c. Empleando el mtodo de la secante modificado,
(tres iteraciones, Xi = 0.5, = 0.02).
42
NAD
Nacional
a distancia
AUTOEVALUACIN I
Ubique correctamente dentro del parntesis la letra que corresponda a la
definicin de la izquierda:
a. Funcin trascendental
b. Mtodos que usan intervalos
c. Mtodos abiertos
d. Raz de la ecuacin
e. Raz de un polinomio
(
(
(
(
(
) El valor de x que cumple f(x)=0

) Mtodos de Muller y Bairstow
) Las que no son algebraicas
) Biseccin, falsa posicin
) Newton-Raphson, iteracin de
punto fijo
Responda brevemente mediante una sntesis los siguientes cuestionamientos:

a) Cul es la principal diferencia entre los mtodos abiertos y los mtodos que
usan intervalos.
b) Que diferencia hay entre los mtodos de la secante y de la falsa posicin.
c) Qu tcnicas conoce para localizar las races de un polinomio.
Una mezcla equimolar de monxido de carbono y oxgeno debe alcanzar el
equilibrio a 3000 K y una presin de 5 bar. La reaccin terica es
CO + O2 CO2
La reaccin qumica real se escribe as:
CO + O2 xCO + (1 + x)O2 + (1 x)CO2
La ecuacin de equilibrio qumico para determinar la fraccin de CO restante, o
sea x, est dada por:
(1 x) 3 + x
,0 < x < 1
kp =
x 1 + x P / Po
donde kp = 3.06 es la constante de equilibrio para CO + O2 CO2 a 3000 K, P =
5 bar y Po = 1 bar. Determine el valor de x por iteracin de Newton.
El factor de friccin para los flujos turbulentos en una tubera est dado por:
e
1
9.35
= 1.14 2 log10 +
D Re f
f
llamada correlacin de Colebrook, donde Re es el nmero de Reynolds, e es la

aspereza de la superficie de la tubera y D es el dimetro de la tubera. Resuelva
la ecuacin f utilizando el mtodo de sustituciones sucesivas para D = 0.1 m, e =
0.0001 m y Re = 5104.
43
NAD
Nacional
a distancia
PITAGORAS
Los griegos tomaron elementos de las matemticas de los babilonios y de los egipcios. La
innovacin ms importante fue la invencin de las matemticas abstractas basadas en una
estructura lgica de definiciones, axiomas y demostraciones. Segn los cronistas griegos, este
avance comenz en el siglo VI a.C. con Tales de Mileto y Pitgoras de Samos. Este ltimo ense
la importancia del estudio de los nmeros para poder entender el mundo. Algunos de sus
discpulos hicieron importantes descubrimientos sobre la teora de nmeros y la geometra, que se
atribuyen al propio Pitgoras. Considerado el primer matemtico, Pitgoras fund un movimiento
en el sur de la actual Italia, en el siglo VI a.C., que enfatiz el estudio de las matemticas con el fin
de intentar comprender todas las relaciones del mundo natural.
CAPITULO CINCO
INTEGRACIN NUMRICA
INTEGRACIN NUMRICA
Encontrar el rea bajo la curva
Y = f(x)
I = f ( x)dx
a
La integracin o el rea bajo la curva tiene varias aplicaciones en la ingeniera,

que van desde la determinacin estadstica de errores hasta la solucin de
ecuaciones diferenciales.
44
NAD
Nacional
a distancia
5.1. OBJETIVOS
OBJETIVO GENERAL
Al completar la quinta unidad, el estudiante estar en capacidad de resolver
muchos problemas de integracin numrica y apreciar su aplicacin para
solucionar problemas de ingeniera que los emplee.
Conocer las frmulas y ecuaciones de error para: a) la regla trapezoidal, b) la
regla de Simpson.
Reconocer situaciones donde sean apropiadas las aplicacin de la integracin
numrica en su contexto particular.
Identificar los diferentes efectos del error de datos en el proceso de integracin
y diferenciacin numrica.

5.2.1. Frmulas de cotas de Newton
Regla del trapecio.
Regla de Simpson.
Integracin con intervalos desiguales.
Frmulas de integracin abierta.
5.2.2. Integracin de Romberg y cuadratura gaussiana
Algoritmo de Romberg.
Cuadratura gaussiana.
5.3. DIFERENCIACIN E INTEGRACIN NUMRICA

Existen muchas aplicaciones en la ingeniera en las que se usan las derivadas y
las integrales de funciones e inclusive de grupo de datos. Es posible realizar
aproximaciones algebraicas de un conjunto arbitrario de datos o de una funcin
continua en un intervalo cerrado aprovechando que es posible obtener un
polinomio que est arbitrariamente cerca de la funcin en cada punto del intervalo.
Las derivadas e integrales son fciles de obtener y de evaluar a partir de
polinomios, es por ello que la mayora de los mtodos numricos para
diferenciacin e integracin se basan en aproximaciones con polinomios.
45
NAD
Nacional
a distancia
5.4. DIFERENCIACIN NUMRICA

Existen diferentes tratamiento matemticos simples para el clculo de derivadas,
entre ellas existen las que se diferencian por el nmero de puntos necesarios para
el clculo:
5.4.1 Formula de Tres Puntos
Sea una funcin f definida en el intervalo [a,b] y un punto arbitrario x0 en [a,b].
2
1
f ' (x 0 ) =
(5.1)
[ 3f (x 0 ) + 4f (x 0 + h ) f (x 0 + 2h )] + h f (3) ( 0 )
2h
3
Se utiliza un punto arbitrario h lo suficientemente pequeo para aproximar f(x0) y
donde el error 0 se encuentra entre x0 y x0+2h.
5.4.2 Formula de Cinco Puntos
En condiciones anlogas al anterior caso se define una aproximacin con cinco
puntos:
h 4 ( 5)
1
f ' (x 0 ) =
[f (x 0 2h ) 8f (x 0 h ) + 8f (x 0 h ) f (x 0 + 2h )] + f ( 0 ) (5.2)
12h
30
5.5. INTEGRACIN NUMRICA

El mtodo clsico para resolver problemas del clculo de integrales definidas de
funciones se basa en le concepto de cuadratura numrica. Esta tcnica es la
simplificacin del clculo del rea bajo la curva de la funcin f como una suma del
tipo:
b
f (x )dx a i f (x i )
(5.3)
i =0
Como se observa los trminos de la sumatoria ( aif(xi) ) son una expresin

simplificada de un polinomio. Precisamente los mtodos de cuadratura se basan
en los polinomios interpolantes mencionados anteriormente (Lagrange, Taylor,
etc.), de tal manera que han surgido de ellos dos famosas reqlas: la regla del
trapecio y la regla de simpson.
46
NAD
Nacional
a distancia
5.5.1. Regla del Trapecio

Cualquier grupo de datos o funcin que pueda representarse satisfactoriamente
por un polinomio de grado uno o menor puede ser calculado con exactitud
mediante este mtodo. Para otros tipo de curvas la regla de trapecio es una buena
aproximacin.
Sea f una funcin definida en un intervalo [a,b], h=(b-a)/n y xj=a +jh para cada
j=0,....n, la regla del trapecio es:
b
f (x )dx =
n 1
(b a )h 2
h
(
)
(
)
2
(
)
f
x
f
x
f
x
f ' ' ( )
+
+
a
b
j
12
2
j =1
(5.4)
5.5.2. La Regla de Simpson

Esta regla es anloga a la anterior y equivale a subdividir el intervalo [a,b] en n
intervalos, donde n debe ser un nmero par.
Sea f una funcin definida en un intervalo [a,b], h=(b-a)/2m, xj=a +jh y n=2m para
cada j=0,....2m, la regla de simpson es:
b
f (x )dx =
5.6.
m 1
m
(b a )h 4 4
h
(
)
(
)
2
(
)
4
(
)
f
x
f
x
f
x
f
x
f ( ) (5.5)
+
+
+
a
b
2j
2 j 1
180
3
j =1
j =1
Mtodo
Regla trapezoidal
Regla de Simpson 1/3
Integracin de Romberg
Cuadratura de Gauss
Formulacin
f (a ) + f (b)
I (b a)
2
f ( x 0 ) + 4 f ( x1 ) + f ( x 2 )
I (b a)
6
k 1
4 I j +1,k 1 I j ,k 1
I j ,k =
4 k 1 1
4 k 1 I j +1,k 1 I j ,k 1
I j ,k =
4 k 1 1
47
NAD
Nacional
a distancia
5.7. INTEGRACIN USANDO NUMERICALS 1.0

5.7.1. Enunciado del problema. Use un mtodo numrico para estimar la
integral de: f(x) = 0.2 +25x 200x2 + 675x3 900x4 +400x5, desde a = 0 hasta b = 0.8.
Recuerde que la integral exacta es: 1.640533.
El ejemplo anterior ilustra que la versin de Regla de Simpson 1/3 de aplicacin

mltiple da resultados precisos.
48
NAD
Nacional
a distancia
5.7.2. Enunciado del problema. Aplicacin de la cuadratura de Gauss al

problema del paracaidista en cada. Use el software Numericals 1.0 para resolver
el problema relacionado con nuestro amigo el paracaidista en cada. Como usted
recordara, la velocidad del paracaidista est dada como la siguiente expresin en
funcin del tiempo:
gm
v(t ) =
(1 e(c / m)t )
c
donde v = velocidad (m/s), g = constante gravitacional de 9.8 m/s2, m = masa del
paracaidista igual a 68.1 kg, y c = coeficiente de arrastre de 12.5 kg/s.
Suponga que se desea saber qu tan lejos ha cado el paracaidista despus de
cierto tiempo t = 10 segundos. Esta distancia esta dada por: d = (gm/c)[1-e-(c/m)t].
Solucin.
Observe que al desarrollar la integracin en forma analtica y sustituir los valores

de parmetros conocidos se obtiene un valor exacto de d = 289.43515 m, la
diferencia se explica debido a los errores de redondeo que representan una
limitacin en nuestra habilidad para determinar integrales. Esto se debe tanto a la
precisin de la mquina como a los diversos clculos involucrados en tcnicas
simples como la regla trapezoidal de mltiples segmentos.
49
NAD
5.8.
Nacional
a distancia
EJERCICIOS PROPUESTOS
Renase en grupos de estudiantes y resuelvan los siguientes ejercicios

5.8.1. Realice los siguientes problemas propuestos:
1
a) Integre la siguiente funcin,
0.1
(1.2 x)(1 e 20( x 1) )dx
b) Evalu la integral de los siguientes datos tabulados con la regla trapezoidal:

0
0.1
0.2
0.3
0.4
0.5
x
1
7
4
3
5
2
f(x)
5.8.2. La funcin f(x) = e-x se puede usar para generar la siguiente tabla de datos
desigualmente espaciados:
x
f(x)
0
1
0.1
0.9048
0.3
0.7408
0.5
0.6065
0.7
0.4966
0.95
0.3867
1.2
0.3012
Evalu la integral desde a = 0 hasta b = 1.2 con:

a) medios analticos.
b) La regla trapezoidal y de Simpson, emplee la regla de Simpson donde sea
posible para obtener la mayor exactitud.
c) Calcule para a y b el error porcentual.
5.8.3. La integracin proporciona un medio para calcular cunta masa entra o sale
de un reactor en un periodo especfico, como en:
t2
M = Qcdt
t1
donde t1 y t2 = tiempo inicial y final. Esta frmula tiene sentido intuitivo si usted
recuerda la analoga entre integracin y sumatoria. As, la integral representa la
sumatoria del producto del flujo por la concentracin para dar la masa total
entrando o saliendo desde t1 a t2. Si la razn de flujo es constante, Q puede ser
obtenida de la integral:
t2
M = Q cdt
t1
50
NAD
Nacional
a distancia
Use integracin numrica con el fin de evaluar esta ecuacin para los datos en la
siguiente tabla, observe que Q = 4 m3/min.
t, min.
0
5
10
15
20
25
30
35
40
45
50
C, mg/m3
10
22
35
47
55
58
52
40
37
32
34
5.8.4. El flujo de calor q es la cantidad de calor que fluye a travs de un rea del
material por unidad de tiempo. Se puede calcular con la ley de Fourier,
dT
j = k
dx
donde j tiene unidades de J/m2/s o W/m2 y k es un coeficiente de conductividad
trmica que parametriza las propiedades de conduccin de calor del material y
tiene las unidades de W/(Cm). T = temperatura (C); y x = distancia (m) a lo largo
de la trayectoria de flujo de calor. La ley de Fourier es usada rutinariamente por
ingenieros para determinar el flujo de calor a travs de paredes. Las siguientes
temperaturas son medidas en una pared de piedra:
x, m
T, C
0
20
0.1
17
0.2
15
Si el flujo en x = 0 es de 60 W/m2, calcule k.
51
NAD
Nacional
a distancia
AUTOEVALUACIN II
1
dx .
x
Si queremos estimar Ln2 mediante la regla trapezoidal con error menor de 10-10,
Qu valor n se necesita?
Sabemos que Ln 2 =
Un tanque de agua esfrico con radio de 5 m est lleno hasta el tope. Se va

drenar agua por un agujero de radio b = 0.1m en el fondo, comenzando a t = 0
segundos. Si no hay friccin, Cunto tiempo tardar el nivel de agua en llegar
a 0,5 m, medido desde el fondo?.
La velocidad del agua que drena por el agujero est determinada por la ecuacin
de la energa g(z + R) = u2, donde u es la velocidad, z es el nivel del agua medido
desde el centro de la esfera, R es el radio del tanque y g es la aceleracin debida a
la gravedad y es igual a 9.81 ms-2.
Sugerencia: Considere el cambio en el nivel del agua (dz) durante un intervalo de
tiempo (dt), mediante la relacin de continuidad de flujo.
La razn de enfriamiento de un cuerpo se puede expresar como:
dT
= k (T Ta )
dt
donde T = temperatura del cuerpo (C), Ta = temperatura del medio ambiente (C)
y k = constante de proporcionalidad (por minuto). As, esta ecuacin (llamada ley
de enfriamiento de Newton) especifica que la razn de enfriamiento es
proporcional a la diferencia en temperaturas del cuerpo y del medio ambiente.
Si una bola de metal se calienta a 90C y se deja caer en agua que mantiene a
una temperatura constante de Ta = 25C, la temperatura de la bola cambiar,
como en:
0
5
10
15
20
25
t, min.
90
49.9
33.8
28.4
26.2
25.4
T, C
Utilice diferenciacin numrica para determinar dT/dt para cada valor de tiempo.
Grafique dT/dt contra (T-Ta) y emplee regresin lineal para evaluar k.
La concentracin qumica a la salida de un reactor de mezcla completa se
mide como:
0
2
4
6
8
12
16
20
T, min
3
20
30
40
60
72
70
50
C, mg/m 10
Para una salida de flujo de Q = 12 m3/min, estime la masa de qumicos que existe
en el reactor desde t = 0 hasta 20 min.
52
NAD
Nacional
a distancia
Joseph Fourier (1768-1830)

Matemtico francs nacido en Auxerre y formado en el monasterio de Saint-Benot-sur-Loire.
Ense en la Escuela Normal (1795), donde haba estudiado, y en la Escuela Politcnica de Pars
desde 1795 hasta 1798, en que se uni a la campaa de Napolen en Egipto. Despus de volver a
Francia, en 1802, public un importante material sobre las antigedades egipcias, y fue hasta 1815
prefecto del departamento de Isre. Fue nombrado barn por Napolen en 1808. En 1816 fue
elegido miembro de la Academia de Ciencias y en 1827 de la Academia Francesa. Su fama
proviene de sus trabajos sobre matemticas y sobre fsica matemtica. En su tratado Teora
analtica del calor (1822), emple unas series trigonomtricas (series de Fourier) mediante las
cuales las funciones discontinuas pueden expresarse como la suma de una serie infinita de senos
y cosenos. Ampli con xito estos procedimientos al estudio analtico del calor.
CAPITULO SEIS
AJUSTE DE CURVAS
AJUSTE DE CURVAS, INTERPOLACIN Y APROXIMACIONES
Y = f(X)
Y = f(X)
X
Regresin
Interpolacin
Las tcnicas que se han desarrollado para ajustar datos a curvas son: la
regresin, empleada cuando hay un grado significativo de error en los datos; con
frecuencia los datos experimentales son de esta clase. A diferencia de la
interpolacin que se utiliza cuando el objetivo es determinar valores intermedios
entre datos que estn, relativamente libres de error.
53
NAD
Nacional
a distancia
6.1. OBJETIVOS
Objetivo General
Al completar la cuarta unidad, el estudiante habr refinado en gran forma su
competencia para ajustar curvas con datos reportados. En general, manejar las
tcnicas, habr aprendido a avalar la confiabilidad de sus resultados y ser capaz
de seleccionar el mtodo (o mtodos) para cualquier problema particular que
involucre un ajuste de curvas.
Objetivos Especficos
Comprender la diferencia fundamental entre regresin e interpolacin.
Reconocer situaciones donde sean apropiadas las regresiones lineales,
polinomiales, mltiples y no lineales.
Entender la analoga entre el polinomio de Newton y la expansin de la serie
de Taylor y cmo se relaciona el error al truncamiento.
Reconocer las capacidades y riesgos asociados con la extrapolacin.
6.2.1. Regresin.
Regresin lineal.
Ajuste de curvas no lineales con una funcin de potencia.
Ajuste de curvas con un polinomio de orden superior.
Ajuste de curvas con una combinacin lineal de funciones conocidas.
6.2.2. Polinomios e interpolacin.
Polinomios de interpolacin con diferencias divididas de Newton.
Polinomio de interpolacin de Lagrange.
Otros mtodos.
El mtodo ms simple para ajustar a una curva los datos es ubicar los puntos y
despus dibujar una lnea que visualmente conforma a los datos. Aunque sta es
una operacin vlida cuando se requiere una estimacin rpida, los resultados son
dependientes del punto de vista subjetivo de la persona que dibuja la curva.
Su primera situacin en el ajuste de curvas podra haber sido determinar valores
intermedios a partir de datos tabulados (por ejemplo, de tablas de inters para
ingeniera econmica, o partir de tablas de vapor para termodinmica). En lo que
resta de su carrera, usted tendr frecuentes oportunidades para estimar valores
intermedios de dichas tablas. Aunque muchas de las amplias propiedades usadas
54
NAD
Nacional
a distancia
en la ingeniera han sido tabuladas, hay muchas ms que no estn disponibles en

esta forma conveniente.
Los antecedentes matemticos como prerrequisitos para interpolacin se
encuentran en el material sobre las expansiones de la serie de Taylor y las
diferencias finitas divididas. La regresin por mnimos cuadrados requiere de
informacin adicional del campo de la estadstica. Si usted conoce estos
conceptos de la media, desviacin estndar, suma residual de los cuadrados,
distribucin normal e intervalos de confianza, puede pasar directamente al estudio
de esta seccin, de lo contrario necesita un repaso de estos temas.
6.4. REGRESIN POR MNIMOS CUADRADOS

Un ejemplo ms simple de una aproximacin por mnimos cuadrados es mediante
el ajuste de un conjunto de pares de observaciones: (x1, y1), (x2, y2), ..., (xn, yn) a una
lnea recta. La expresin matemtica para esta ltima es: y = a0 + a1x + e, donde
a0 y a1 son coeficientes que representan el intercepto y la pendiente, respectiva, y
e es el error, o residuo, entre el modelo y las observaciones, las cuales se pueden
representar al reordenar la ecuacin ?? como e = y a0 a1x .
As, el error o residuo es la discrepancia entre el valor real y y el valor aproximado
a0 + a1x, predicho por la ecuacin lineal.
6.4.1. Criterios para un mejor ajuste
Una estrategia para ajustar a la mejor? lnea a travs de los datos podra ser
minimizar la suma de los errores residuales para todos los datos disponibles,
como en
i =1
i =1
ei = ( yi a0 a1 xi ) , donde n = nmero total de puntos.
Otro criterio lgico podra ser minimizar la suma de los valores absolutos de las
discrepancias, como en
i =1
i =1
ei = yi a0 a1 xi .
Pero este no es el nico criterio, una tercera estrategia para ajustar a la mejor
lnea es el criterio minimax. En esta tcnica, la lnea se elige de manera que
minimice la mxima distancia que tenga un punto individual desde la lnea.
Debera observarse que el principio minimax es no es adecuada para regresin,
ya que tiene una excesiva influencia en puntos fuera del conjunto; es decir, un solo
55
NAD
Nacional
a distancia
punto con un gran error, pero algunas ocasiones es muy adecuada para ajustar
una simple funcin a una complicada funcin (Carnahan, Luther y Wilkes, 1969).
Una estrategia que supera los defectos de los procedimientos mencionados es
minimizar la suma de los cuadrados de los residuos entre la ymedida la ycalculada con el
modelo lineal:
n
S r = e = ( yi , medida yi ,mod elo ) = ( yi a0 a1 xi )

i =1
2
i
i =1
(6.1)
i =1
Este criterio tiene varias ventajas, entre ellas el hecho de que se obtiene una lnea
nica para un cierto conjunto de datos. Antes de analizar esas propiedades,
veremos una tcnica para determinar los valores de a0 y a1 que minimizan la
ecuacin.
6.4.2. Ajuste por mnimos cuadrados de una lnea recta
Para determinar los valores de a0 y a1, la ecuacin 6.1 es diferenciada con
respecto a cada coeficiente:
S r
= 2 ( yi a0 a1 xi )
a0
S r
= 2 ( yi a0 a1 xi ) xi
a1
(6.2)
(6.3)
Observe que hemos simplificado los smbolos de la sumatoria; a menos que se

indique otra cosa, todas las sumatorias son de i = 1 hasta n. Al fijar esas
derivadas igual a cero, resultar en un mnimo Sr. Si se hace esto, las ecuaciones
se pueden expresar como:
0 = yi a0 a1 xi
0 = yi xi a0 xi a1 xi2
(6.4)
(6.5)
Ahora si hacemos que a0 = na0, podemos expresar las ecuaciones como un

conjunto de dos ecuaciones lineales con dos incgnitas (a0 y a1):
na0 + ( xi ) a1 = yi
(6.6)
( x ) a + ( x ) a = x y
i
2
i
(6.7)
56
NAD
Nacional
a distancia
stas son llamadas ecuaciones normales, y pueden ser resueltas en forma

simultnea:
n xi yi xi yi
a1 =
,
(6.8)
n xi2 ( xi )
a0 = y a1 x ,
donde y y x son las medias de y y x, respectivamente.
6.5. LINEARIZACIN DE RELACIONES NO LINEALES
La regresin lineal proporciona una tcnica poderosa que ajusta a la mejor lnea
los datos. Sin embargo, est predicha sobre el hecho de que la relacin entre las
variables dependientes e independientes es lineal. ste no es siempre el caso, y
el primer paso en cualquier anlisis de regresin debera ser gratificar e
inspeccionar en forma visual para asegurarnos si se puede usar un modelo lineal.
Para otros, se puede usar transformaciones para expresar los datos en una forma
que sea compatible con la regresin lineal.
Un ejemplo es el modelo exponencial y = a1ebx, donde a1 y b son constantes. Otros
casos se observan en la figura 8.
6.6. INTERPOLACIN Y APROXIMACIN POLINOMICA
Usted a menudo habr tenido la oportunidad de estimar valores intermedio entre
datos precisos. El mtodo ms comn que se usa para este propsito es la
interpolacin del polinomio. Recuerde que la formula general para un polinomio
de n-simo orden es: f(x) = a0 + a1x + a2x2 ++anxn.
Para n+1 puntos, hay uno y slo un polinomio de orden n que pasa a travs de
todos los puntos. Por ejemplo, hay una slo una lnea recta (es decir, un
polinomio de primer orden) que conecta dos puntos (vea figura 9a). De manera
similar, nicamente una parbola conecta un conjunto de tres puntos (ver figura
9b). Interpolacin polinomial consiste determinar el nico polinomio de n-simo
orden que ajuste n+1 puntos.
Este polinomio entonces proporciona una frmula para calcular valores
intermedios. Aunque hay uno y slo un polinomio de n-simo orden que ajusta n+1
puntos, existe una variedad de formatos matemticos en los cuales este polinomio
puede expresarse.
57
NAD
a)
Nacional
a distancia
b)
c)
Figura 8. Ejemplo de interpolacin polinomial: a) de primer orden (lineal)

conectando dos puntos, b) de segundo orden (cuadrtica o parablica) enlazando
tres puntos y c) de tercer orden (cbica) conectando cuatro puntos.
y
y=a2x
y=a1eb
b)
Linearizacin
Linearizacin
a)
y = a3
Intercepto = Lna1
1/y
Pendiente = b
Pendiente = b
Pendiente = b/a3
Log x
x
d)
c)
Log y
Lny
x
b+ x
Linearizacin
e)
Intercepto = Log a2
1/x
f)
Intercepto = Log 1/a3
Figura 9. a) La ecuacin exponencial, b) la ecuacin por potencias, c) la ecuacin

de razn de crecimiento saturado. Los incisos d), e) y f) son versiones
linearizadas de estas ecuaciones producto de transformaciones simples.
Es muy comn en las aplicaciones de la ingeniera requerir predicciones de un
grupo de datos discretos. Una funcin de ajuste a los datos dados es una tcnica
muy comn para resolver el problema y es conocida ms como interpolacin.
58
NAD
Nacional
a distancia
Dentro de la interpolacin existen muchos mtodos de realizarla, los ms usuales

y sencillos son las aproximaciones algebraicas, es decir un conjunto de funciones
de la forma P(x) = a0 + a1x + ... + anxn donde n es un entero no negativo y a0 ... an
son constantes reales.
6.6.1. Polinomio de Taylor

Condiciones para P(x):
Puede aproximarse uniformemente a una funcin continua.
En un intervalo dado existe un polinomio P(x) que est cerca de la funcin que se
desee.
Realizar aproximaciones con polinomios facilita el clculo de derivadas e
integrales en caso de necesitarlas.
Teorema: El polinomio de ensimo grado que mejor se aproxima a la funcin f
cerca de x0 tendr tantas derivadas en x0 como sea posible que coincidan con las
de f. Esto define prcticamente lo que se conoce como el polinomio de Taylor:
P(x)= f(x0) + f(x0)(x-x0) + f(x0)(x-x0)2/2! + ... + f(n)(x0)(x-x0)n/n!
(6.9)
Por tanto el polinomio de Taylor es muy til para interpolar datos cuando de
intervalos pequeos se trate, ya que se requiere el conocimiento de valores de la
funcin f y sus derivadas en un punto muy cercano al punto de inters.
6.6.2. Polinomio de Lagrange
Este tcnica tiene la virtud de encontrar polinomios de aproximacin que pueden
determinarse son simplemente especificar algunos puntos en el plano por os
cuales deben pasar.
La idea general del polinomio de Lagrange es construir un polinomio a lo sumo de
grado n que coincida con los n+1 puntos de f. Cada trmino del polinomio es
bsicamente el resultado de la construccin sucesiva de interpolaciones lineales.
P(x)= f(xk)Ln,k(x)
donde Ln,k(x) = (x-xi)/(xk-xi) para cada ik
59
NAD
Nacional
a distancia
6.6.3. Diferencias Dividas

Esta tcnica es til para determinar una representacin explcita de un polinomio
interpolante a partir de datos tabulados. Son mtodos de fcil computo y pueden
usarse para aproximar derivadas e integrales. La frmula de diferencia dividida
interpolante de Newton parte del mismo polinomio interpolante de Lagrange,
donde se redefine el polinomio P como:
P(x) = f [x0] + f [x0,x1,.,xk](x-x0).(x-xk-1)
donde f [xi,xi+1,....,Xi+k] = (f [xi+1,....,Xi+k] f [xi....,Xi+k-1]) / (xi+k-xi)
(6.10)
Existen tambin dos versiones de esta frmula que son las frmulas de diferencia
progresiva
y regresiva de Newton. La primera se expresa como:
n
s
P (x ) = k f (x 0 ) , donde (s k) es la notacin de coeficiente binomial:
k =0 k
s s (s 1)....(s k + 1)
=
.
(6.11)
k!
k
La diferencia regresiva es anloga a la anterior frmula:
n
s
P (x ) = (1) k k f (x n )
k =0
k
(6.12)
6.6.4 Interpolacin de Hermite

El polinomio interpolante de Hermite es el resultado de una generalizacin de los
polinomios de Taylor y Lagrange mediante el concepto del os denominados
polinomios osculantes.
El polinomio de Hermite H(x) logra coincidir no solo con f en todos los puntos
x0,x1,....xn sino tambin sus primeras derivadas.
Condiciones
Si f es continua y definida en [a,b] y x0,....xn pertenece a [a,b] y son distintos, el
nico polinomio de menor grado que coincide con f y f en x0,....,xn es un polinomio
de grado a lo ms 2n+1 tal que:
60
NAD
j =0
j =0
Nacional
a distancia
H 2n +1 (x ) = f (x j )H n , j (x ) + f ' (x j )H n , j (x )
H n , j (x ) = [1 2(x x j )L 'n , j (x j )L2 n , j (x )
H n , j (x ) = (x x j )L2 n , j (x )
(6.13)
Este mtodo requiere determinar y evaluar los polinomios de Lagrange y sus

derivadas, lo cual hace que le procedimiento sea tedioso, an para valores
pequeos de n.
6.6.5. Interpolacin del Trazador Cbico
Los polinomios de grado mayor tienen naturaleza oscilatoria y fluctuaciones sobre
una porcin pequea del intervalo estudiado puede inducir cambios muy grandes
sobre un rango considerable, restringen el uso cuando se aproximan muchas de
las funciones en situaciones fsicas reales.
La tcnica llamada aproximacin polinmica segmentaria busca resolver este
problema dividiendo el intervalo de la funcin f en una coleccin de subintervalos y
construir polinomios aproximadamente diferentes en cada uno.
La aproximacin de este tipo ms empleada es la interpolacin cbica de trazador.
Esta tcnica requiere que en el intervalo el polinomio sea diferenciable
continuamente y que adems tenga segunda derivada. Pero a pesar de esta
condicin, el trazador cbico no supone que las derivadas del interpolante
coinciden con las de la funcin.
Dada una funcin f definida en [a,b] y un conjunto de nmeros, llamados los
nodos, a=x0<x1<....<xn=b, un interpolante cbico trazador, S, para f es una funcin
que satisface las siguientes condiciones:
a) S es un polinomio cbico, denotado Sj, en el intervalo [xj,xj+1] para cada
j=0,1,....n-1
b) S(xj) = f(xj) para cada j=0,1,.,n
c) Sj+1(xj+1) = Sj(xj+1) para cada j=0,1,....,n-2
d) Sj+1(xj+1)=Sj(xj+1)= para cada j=0,1....,n-2
e) Sj+1(xj+1)=S(xj+1) para cada j=0,1,....,n-2
f) Se satisface una del siguiente conjunto de condiciones de frontera
i)
S(x0) = S(xn)=0
frontera libre
ii)
S(x0) = f(x0) y S(xn) = f(xn)
frontera sujeta
61
NAD
Nacional
a distancia
6.7. RELACIONES Y FORMULAS IMPORTANTES

Mtodo
Regresin lineal
Formulacin
y = a0 + a1x, donde, a1 =
n xi y xi y
i
2
n xi ( xi )
a 0 = y a1 x
Regresin polinomial
y = a0 + a1x + .... + amxm evaluacin de las a

equivalentes para la solucin de m+1 ecuaciones
algebraicas lineales.
Regresin lineal
Mltiple
y = a0 + a1x1 + .... + amxm evaluacin de las a

equivalentes para la solucin de m+1 ecuaciones
algebraicas lineales.
Interpolacin polinomial por diferencias divididas de Newton

f2(x) = bo + b1(X-X0) + b2(X-X0) + b2(X-X0)(X-X1), en donde
b0 = f(X0), b1 = f(X1, X0), b2 = f(X2, X1, X0).
Interpolacin polinomial de Lagrange
x x1 x x 2
f 2 ( x) = f ( x 0 )
x
x
1 x 0 x 2
0
x x0
+ f ( x1 )
x1 x0
x x 2
x1 x 2
x x0
+ f ( x 2 )
x
x
62
NAD
Nacional
a distancia
6.8. EJERCICIOS RESUELTOS

6.8.1. Linearizacin de una ecuacin de potencias: ajustar la ecuacin y = a2xb
con los datos en la siguiente tabla mediante transformaciones logartmicas de los
datos.
Solucin. La figura 9a es una grfica de los datos originales en su estado no
transformado. La figura 9b muestra la grfica de los datos transformados. Una
regresin lineal de stos mediante Log dan el resultado Log y = 1.75Log x 0.300.
As, el intercepto, Log a2, igual 0.300, y por tanto, al tomar el antilogaritmo, a2 =
10-0.3 = 0.5. La pendiente es b2 = 1.75. En consecuencia, la ecuacin de
potencias es y = 0.5x1.75.
x
1
2
3
4
5
y
0.5
1.7
3.4
5.7
8.4
Log x
0
0.301
0.477
0.602
0.699
Log y
-0.301
0.226
0.534
0.753
0.922
6.8.2. Enunciado del problema. Determinar la concentracin, en ppm, del ion

yoduro presente en la sal de mesa a partir de la diferencia de potencial, en mV,
obtenido de la muestra y la solucin interna del electrodo ion especfico.
A partir de una solucin stock de 1000 pmm de Yodo se prepararon 4 soluciones
patrn de concentraciones 0,5 ppm, 2,5 ppm, 5 ppm y 10 ppm de Yodo y se
procedi a determinar las variaciones de Potencial en milivoltios )mV0 siguiendo
las especificaciones dadas por el INVIMA en el manual de Anlisis Fsico-qumico
de sal para consumo humano, obtenindose las lecturas a una temperatura de 20
0,2C. De igual forma se prepar una muestra de sal determinndose tambin
su potencial, informacin que se presenta a continuacin:
Concentracin (C)
Ppm I
0.5
2.5
5.0
10.0
M*
M* Muestra de sal
Potencial ()
mV
-31.9
-73.1
-90.9
-108.7
-105.3
63
NAD
Nacional
a distancia
A continuacin se presenta la representacin grfica de los datos:
Potencial, mV
0
-20 0
2.5
7.5
10
-40
-60
-80
-100
-120
Concentracin, ppm
Ya que la concentracin de Yodo no puede obtenerse directamente de la medicin

de Potencial (), ya que el mtodo potenciomtrico directo es una funcin
logartmica (cumple con la ecuacin de Nernst), se obtiene:
, mV
-31.9
-73.1
-90.9
-108.7
Log C
-0.301
0.398
0.699
1.00
Se obtiene la siguiente recta:
Potencial, mV
-0.5
-20 0
0.5
-40
-60
-80
-100
-120
log C
64
NAD
Nacional
a distancia
Interpolando directamente se obtiene que para =-105.3, Log C = 0.96, donde C =

9.12 ppm.
Si la recta cumple la ecuacin Y = m X + b, entonces: la relacin entre la medida
de potencial y la concentracin C est dada por: = s Log C + o
donde: : Potencial medido con el electrodo, (mV)
S : Pendiente (segn ecuacin de Nernst 2.303 RT/nF)
C : Concentracin de Yodo en ppm
o : Potencial estndar del electrodo (en mV)
Esta ecuacin es de la forma Y = a1 X + ao
Realizando el ajuste por mnimos cuadrados de la recta se obtiene:
Y = -58.976 log X 49.729
Reemplazando para m = -105.3, X = 8.76 ppm.
Ajuste a una lnea recta los valores de x y y en las dos primeras columnas de la
tabla que se muestra a continuacin:
xi
1
2
3
4
5
6
7
s
yi
0.5
2.5
2.0
4.0
3.5
6.0
5.5
24.0
(yi - y)2
8.5765
0.8622
2.0408
0.3265
0.0051
6.6122
54.2908
22.7143
(yi a0 a1xi)2
0.1687
0.5625
0.3473
0.3265
0.5896
0.7972
0.1993
2.9911
Solucin. Se calculan las siguientes cantidades:

n = 7, xiyi = 119.5, xi2 = 140, xi = 28,x = 28/4 = 4, yi = 24, x =24/7=3.428571
Mediante las ecuaciones ? y ?: a1 = 0.8392857; a0 = 0.07142857, por tanto el
ajuste por mnimos cuadrados es y = 0.07142857 + 0.8392857x.
65
NAD
6.9.
Nacional
a distancia
AJUSTE DE CURVAS USANDO NUMERICALS 1.0
6.9.1. Enunciado del problema. Ajuste los datos de la tabla 1, evale la funcin
en x=5.
x
f(x)
3.0
2.5
4.5
1.0
7.0
2.5
9.0
0.5
Solucin.
1.10288
66
NAD
Nacional
a distancia
6.9.2. Enunciado del problema. Los siguientes datos se calcularon con la

ecuacin:
y = 5 + 4x1 3x2
X1
X2
y
0
0
5
2
1
10
2.5
2
9
1
3
0
4
6
3
7
2
27
Use regresin lineal mltiple para ajustar los datos.
Solucin.
67
NAD
Nacional
a distancia
6.9.3. Enunciado del problema. Ajustar a un polinomio de segundo orden los

datos en las dos primeras columnas de la tabla 3.
xi
0
1
2
3
4
5
yi
2.1
7.7
13.6
27.2
40.9
61.1
Solucin.
68
NAD
Nacional
a distancia
Pantalla de la computadora que muestra la grfica de datos transformados que se

usan para determinar los coeficientes de la ecuacin de potencias.
69
NAD
Nacional
a distancia

Renase en grupos de 4-5 y resuelvan los siguientes ejercicios :
6.10.1. Realice los siguientes problemas propuestos:
a) Dados los datos:
0.90
1.32
1.96
1.85
1.42
1.35
1.47
1.74
1.30
1.47
1.92
1.65
1.55
1.95
1.35
1.78
1.63
1.66
1.05
1.71
2.29 1.82 2.06 2.14 1.27

Determine i) la media, ii) la desviacin estndar, iii)la varianza, iv)el coeficiente de
variacin y v) el intervalo de confianza al 95% para la media.
a) Use la regresin por mnimos cuadrados para ajustar a una lnea recta a
1
4
x
y
3
5
5
6
7
5
10
8
12
7
13
6
16
9
18
12
20
11
Junto con la pendiente y el intercepto, calcule el error estndar del estimado y el

coeficiente de correlacin. Grafique los datos y la lnea recta de regresin.
Despus repita el problema, pero ahora haga la regresin de x contra y (es decir,
cambie las variables). Interprete sus resultados.
b) Adecue los siguientes datos a una ecuacin a un modelo exponencial
x
y
0.4
750
0.8
1000
1.2
1400
1.6
2000
2.0
2700
2.3
3750
Grafique los datos y analice los resultados.

6.10.2. Usted realiza experimentos y determina los siguientes valores de
capacidad calorfica C para varias temperaturas T de un gas:
T, C
-40
-20
10
70
100
120
1250
1280
1350
1480
1580
1700
C,
kJ/kgC
Use regresin y determine un modelo para predecir C como una funcin de T.
70
NAD
Nacional
a distancia
6.10.3. En la ingeniera de abastecimiento de aguas, el tamao del reservorio

depende de la estimacin exacta del flujo de agua en el ro del cual se toma. Para
algunos ros es difcil obtener registros histricos de muchos aos atrs de tales
datos de flujo. Por el contrario, datos metereolgicos sobre la precipitacin de
muchos aos atrs estn a menudo disponibles. Por tanto, con frecuencia es til
determinar una relacin entre flujo y precipitacin. Esta relacin se puede
entonces usar para estimar flujos por aos pero slo cuando se hicieron dichas
mediciones de precipitacin. Para un ro que se va encauzar a un dique, se tienen
los siguientes datos:
Precipitacin,
cm
Flujo, m3/s
88.9
101.6 104.1 139.7 132.1
94.0 116.8 121.9 99.1
114.7 172.0 152.9 269.0 206.4
161
175.8 239.0 130
a. Grafique los datos.

b. Ajuste a una lnea recta los datos mediante regresin lineal. Sobreponga la
lnea de su grfica.
c. Use la mejor lnea de ajuste para predecir el flujo de agua anual si la
precipitacin es de 120 cm.
6.10.4. El volumen en especfico de un vapor sobrecalentado es enlistado en
tablas de vapor para diferentes temperaturas. Por ejemplo, a una presin de 2950
lb/pulg2 absolutas:
T, F
v
700
0.1058
720
0.1280
740
0.1462
760
0.1603
780
0.1703
Determine v para T = 750 F.

6.10.5. La viscosidad del agua (agua) y el aire (aire) en centipoise (cp) a 1 atm de
presin son enlistadas a continuacin para distintas temperaturas:
T, C
0
20
40
1.787
1.0019
0.6530
agua, cp
0.01716 0.01813
0.01908
aire , cp
Determine agua (45C) y aire (30C).
60
0.4665
0.01999
80
0.3548
0.02087
100
0.2821
0.02173
AUTOEVALUACIN III
71
NAD
Nacional
a distancia
Ubique correctamente los nmeros de la derecha con su respectiva definicin

de la izquierda:
St
n 1
2. Ajusta polinomios a datos
pero en forma de trozos.
yi
3. y =
n
4. Cuando se desconoce el
orden apropiado de los
polinomios.
5. Ajustar la mejor lnea recta a
travs de un conjunto de datos.
S
6. S y2 = t
n 1
1. S y =
( ) Interpolacin polinomial de Newton

( ) Regresin lineal
( ) Interpolacin segmentaria
( ) Varianza
( ) Desviacin estndar
( ) Media aritmtica
La radiacin (R) solar del Valle del Cauca, en 1998 ha sido tabulada como:
Mes E
R,
122
2
W/m
Suponiendo
la ecuacin
agosto.
F
---
M
188
A
230
M
267
J
270
J
252
A
---
S
196
O
160
N
138
D
120
que cada mes es de 30 das, ajuste a un sinusoide estos datos. Use

resultante para predecir la radiacin que habr durante la mitad de
La concentracin de fsforo total (p en mg/m3) y clorofila a (c en mg/m3) para

cada uno de los Grandes Lagos es:
p
c
Lago Superior
4.5
0.8
Lago Michigan
8.0
2.0
Lago Hurn
5.5
1.2
Lago Eire:
Cuenca oeste
39.0
11.o
Cuenca central
19.5
4.4
Cuenca este
17.5
3.8
Lago Ontario
21.0
5.5
72
NAD
Nacional
a distancia
La clorofila a es un parmetro que indica cunta vida de plantas est suspendida

en el agua. Como tal, indica qu tan turbia y opaca parece el agua. Use los datos
anteriores para determinar una relacin c como una funcin de p. Use esta
ecuacin para predecir el nivel de clorofila que puede esperarse si el tratamiento
de desechos es usado para disminuir la concentracin de fsforo en la cuenca
oeste del Lago Eire a 15 mg/m3.
Tres organismos portadores de enfermedades decaen de manera exponencial
en las aguas de un tanque de acuerdo con el siguiente modelo:
p(t)= Ae-1.5t + Be-0.3t + Ce-0.05t
Calcule la poblacin inicial de cada organismo (A, B y C) dadas las siguientes
mediciones:
t, h
p(t)
0.5
7
1
5.2
2
3.8
3
3.2
4
2.5
5
2.1
6
1.8
7
1.5
8
1.2
9
1.1
La viscosidad cinemtica de un jarabe, , est relacionada con la temperatura

en la siguiente forma:
0
4
T, C
-2
,
(10 ) 1.792 1.5676
2
3
cm /s
8
1.3874
12
1.2396
16
1.1168
20
1.0105
24
0.9186
Grafique estos datos

a) Use interpolacin para predecir a T = 7.5 C.
b) Use regresin polinomial para ajustar una parbola a los datos para realizar la
misma prediccin.
73
NAD
Nacional
a distancia
Isaac Newton (1642-1727)

Matemtico y fsico britnico, considerado uno de los ms grandes cientficos de la historia, que
hizo importantes aportaciones en muchos campos de la ciencia. Sus descubrimientos y teoras
sirvieron de base a la mayor parte de los avances cientficos desarrollados desde su poca.
Newton fue, junto al matemtico alemn Gottfried Wilhelm Leibniz, uno de los inventores de la
rama de las matemticas denominada clculo. Tambin resolvi cuestiones relativas a la luz y la
ptica, formul las leyes del movimiento y dedujo a partir de ellas la ley de la gravitacin universal.
La obra de Isaac Newton representa una de las mayores contribuciones a la ciencia realizadas
nunca por un solo individuo. Entre otras cosas, Newton dedujo la ley de la gravitacin universal,
invent el clculo infinitesimal y realiz experimentos.
CAPITULO SIETE
SOLUCIN NUMRICA DE ECUACIONES LINEALES SIMULTNEAS
X2
Solucin
ECUACIONES LINEALES ALGEBRAICAS

Dadas las a y las c encontrar X tal que:
a11X11 + a12X2 = c1
a21X22 + a22X2 = c2
X1
Estos problemas son semejantes a los anteriores en el sentido de que estn
relacionados con valores que satisfacen ecuaciones. El objetivo es solucionar un
conjunto de ecuaciones algebraicas. Las ecuaciones lineales simultneas surgen
en el contexto de una variedad de problemas y en todas las disciplinas de la
ingeniera.
74
NAD
Nacional
a distancia
7.1. OBJETIVOS
OBJETIVO GENERAL
Al completar la tercera unidad el estudiante ser capaz de resolver problemas que
involucran ecuaciones algebraicas lineales y valorar la aplicacin de esas
ecuaciones en muchos campos de la ingeniera.
Conocer cmo calcular el determinante usando la eliminacin Gauss.
Reconocer las diferencias entre los mtodos de eliminacin de Gauss y el de
Gauss-Jordan y cual es ms eficiente.
Entender por qu el mtodo de Gauss-Seidel es particularmente adecuado
para grandes sistemas de ecuaciones dispersos.
7.2.1. Eliminacin de Gauss
Solucin de pocas ecuaciones
Eliminacin gaussiana simple
Inconvenientes de los mtodos de eliminacin
Tcnicas de mejoramiento en las soluciones
7.2.2. Gauss-Jordan e inversin de matrices y Gauss-Seidel
Mtodo de Gauss-Jordan
Inversin de Matrices
Iteracin de Gauss-Seidel
7.3. SISTEMAS DE ECUACIONES LINEALES

Los Sistemas de Ecuaciones Lineales SEL son muy comunes en los problemas de
ingeniera y ciencias bsicas ya que por medio de ellos se expresan muchos
fenmenos fsicos y qumicos. Un sistema lineal n*n en general se escribe como:
A1:
A2:
An:
a11x1 + a12x2 + .... + a1nxn = b1

a21x1 + a22x2 + .... + a2nxn = b2
....
an1x1 + an2x2 + .... + annxn = bn
Un SEL puede tambin expresarse en forma matricial A, tal que:
75
(7.1)
NAD
a 11 a 12
a
a 22
A = 21
.... .....
a n 1 a n 2
Nacional
a distancia
.... a 1m
.... a 2m
.... ....
.... a nm
(7.2)
para x1,....xn dadas las aij para cada i,j=1,2,....,n y las bij para cada i=1,2,....n y
n=m-1. Existen mtodos directos y otros que emplean tcnicas de lgebra lineal.
Entre los mtodos directos se destacan los mtodos gaussianos y entre los
mtodos de lgebra lineal, el ms comn es el que emplea la inversa.
7.3.1. Eliminacin Gaussina
Para resolver un problema SEL de forma directa el mtodo de eliminacin
Gaussiana permite encontrar la solucin al problema en un numero fijo de pasos,
aplicando lo que se conoce como operaciones de rengln o de ecuacin.
En un SEL son permitidas tres operaciones de rengln o de ecuacin:
La ecuacin Ai puede multiplicarse por cualquier constante diferente de cero
y se puede usar la ecuacin resultante en lugar de Ai. Esta operacin se
denota como (Ai)(Ai).
La ecuacin Aj puede multiplicarse por cualquier constante ,sumarla a la
ecuacin Ai y usar la ecuacin resultante en lugar de Ai. Esta operacin se
denota como (Ai + Aj)(Ai).
Las ecuaciones Ai y Aj se pueden intercambiar., es decir, (Aj)(Ai)
Por medio de una secuencia de las operaciones anteriores un SEL se puede
transformar a un sistema lineal mucho ms fcil de resolver. Este sistema lineal
ms sencillo puede representarse matricialmente como A, tal que:
a '11 a '12 .... a '1n a '1m
0 a'
.... a ' 2n a ' 2m
22
(7.3)
A' =
.... ..... .... .... ....
0 .... a 'nn a 'nm

0
cada aij de la matriz A es el resultado de las sucesivas operaciones de rengln
realizadas sobre los coeficientes originales aij y el mtodo se llama sustitucin
hacia atrs por que precisamente puede resolverse de forma encadenada de la
ltima ecuacin (rengln) hacia arriba.
76
NAD
Nacional
a distancia
7.3.2. Metodo de la Inversa de una Matriz

Un sistema lineal SEL y el lgebra lineal tienen estrecha relacin. Sea el sistema,
a11x1 + a12x2 + .... + a1nxn = b1
a21x1 + a22x2 + .... + a2nxn = b2
.
an1x1 + an2x2 + .... + annxn = bn
(7.4)
este mismo sistema puede representarse de la forma Ax = B, donde:

a 11 a 12
a
a 22
A = 21
.... .....
a n 1 a n 2
.... a 1n
x1
b1
b
.... a 2n
x2
, x =
, B = 2.
....
....
.... ....

.... a nn
x n
b n
(7.5)
Si A es una matriz no singular entonces se garantiza que la solucin del sistema

dada por x se puede escribir como x = inv(A)*B donde inv denota la operacin de
la inversa de una matriz.
Este ltimo mtodo no es tan recomendado ya que el nmero de operaciones por
realizar par el clculo de la inversa matricial es muy alto comparado con el mtodo
Gaussiano.
7.3.3. Metodo del Determinante de una Matriz
El mtodo de mejor desempeo del lgebra lineal para la solucin de un SEL n*n
es el mtodo del determinante.
Si A es un matriz de n*n y representa un SEL entonces:
el menor Mij es el determinante de la submatriz de (n-1)*(n-1) de una matriz A
obtenido suprimiendo el i-simo rengln y la j-sima columna.
cofactor Aij, asociado con Mij se define como Aij=(-1)i+jMij.
determinante de una matriz A de n*n donde n>1 esta dada ya sea por:
n
det A = a ij Aij para cualquier i=1,2,....,n

j =1
n
det A = a ij Aij para cualquier j=1,2,....,n

i =1
77
NAD
Nacional
a distancia
Si la matriz A es no singular entonces su deterinanate cumple que det A 0. El

mtod del determinante aplica elconcepto dela REGLA DE CRAMER. Esta regla
realiza una sustitucin especial talque un sistema Ax=B puede resolver como:
.a 11
a
1
x i = det 21
....
D
.a n 1 ...
....
....
....
....
b1
b2
....
bn
.... a 1n
....a 2n
.... ....
....a nn
(7.6)
donde D = det A y para cada solucin Xi, se realiza una sustitucin de la i-sima
columna por el vector columna B.
Este mtodo requiere de n! multiplicaciones/divisiones y de n!-1 sumas/restas, un
nmero de operaciones muy inferior al nmero de operaciones usuales de una
inversa.
7.4. SISTEMAS NO LINEALES DE ECUACIONES

La forma ms general de representar un sistema de ecuaciones no lineales es:
f1(x1,....,xn)=0
f2(x1,....,xn)=0
....
(7.7)
fn(x1,....,xn)=0
donde cada funcin fi puede interpretarse como un mapeo de un vector x =
(x1,x2,....,xn)t del espacio n-dimensional Rn en la recta real R. De este modo el
sistema puede representarse como F tal que:
F(x1,....xn) = (f1(x1,....xn), f2(x1,.xn),...., fn(x1,....,xn))t , F(x)=0,
x 1,1 X 1, 2 .... x 1,n
x
x 2, 2 .... x 2,n
2 ,1
(7.8)
F =
....
.... .... ....
x n ,1 x n , 2 ..... x n ,n
El ndice fila representa la ecuacin a la cual pertenece la x j-sima variable
mientras el ndice columna representa la variable en la i-sima ecuacin.
Un sistema de ecuaciones son lineales puede ser resuelto por mtodos numricos
que por lo general son generalizacin del mtodo de newton para solucin de
ecuaciones de una variable.
78
Nacional
a distancia
NAD
7.4.1. Metodo de Newton

El mtodo de Newton se basa en el concepto de la convergencia de un punto fijo,
que para este caso particular se puede hacer la analoga con un vector G. La
ecuacin a resolver es: G(x) = x J(x)-1 F(x), donde x es el vector representativo
de las variables (x1,....xn) y J es el Jacobiano de x. En un esquema iterativo esta
ecuacin puede escribirse como: Xk(x) = xk-1 J(x)-1(k-1) F(x)(k-1). Esta ecuacin
resuelta de forma iterativa como el mtodo clsico de Newton permite encontrar
una solucin para F(x)=0 siempre y cuando se conozca un punto inicial y la
inversa de cada Jacobiano J(x)-1 exista. La tcnica de solucin que se sigue es
exactamente igual al caso de mtodo de Newton clsico.
7.4.2. Metodo de Broyden
Este mtodo es una generalizacin del mtodo de la secante utilizado para
resolver ecuaciones de una sola variable y tiene la ventaja de menores
requerimientos en el nmero de clculos.
Esta tcnica calcula la primera iteracin de la forma empleada pro el mtodo de
Newton que se defini en el tem anterior. Pero para la segunda iteracin se tiene
que el principio del mtodo de la secante simplifica el tedioso clculo del
Jacobiano J mediante le clculo de una Matriz A.
Para la primera iteracin : X1(x) = x0 J(x)-1(0) F(x)(0)
Para las dems iteraciones : Xk(x) = xk-1 A(x)-1(k-1) F(x)(k-1) donde k=1,....,n; donde,
(y Ai 1S i ) t
Ai = Ai 1 + i
Si
2
Si
;
x (i +1) = x (i ) Ai 1F (x (i ) )
y i = F (x (i ) F (x (i 1) )
Si = X
(i )
x (i 1)
7.4.3. Tcnicas de Descenso Rpido

La rapidez de convergencia es la ventaja ms prominente de los mtodo
Newtonianos, pero la desventaja radica en que se requiere siempre un punto
inicial para su solucin, la cual influye de sobremanera en la velocidad de
convergencia del mtodo
79
NAD
Nacional
a distancia
La tcnica de descenso rpido es una tcnica auxiliar de los mtodos newtonianos

que se utiliza para encontrar una aproximacin inicial adecuada. Sea un sistema
de ecuaciones no lineales,
f1(x1,....,xn)=0
f2(x1,....,xn)=0
...
fn(x1,....,xn)=0
(7.10)
se tiene una solucin en x= (x1,....,xn)t y es all donde una funcin G existe y se

cumple que:
G(x1,....,xn) = [ fi (x1,.,xn)]2
El mtodo consiste tambin en una estrategia iterativa que se resuelve basado en
la ecuacin:
Xk(x) = xk-1 G(x (k-1))
(7.11)
El mtodo busca evaluar consecutivamente G partiendo de un punto arbitrario y
avanzar en la direccin que signifique un descenso en el valor G (en la direccin
opuesta al gradiente de G) hasta que se cumpla una tolerancia determinada.
80
NAD
7.5.
Nacional
a distancia
SOLUCIN NUMRICA DE ECUACIONES SIMULTANEAS LINEALES Y

NO LINEALES POR NUMERICALS 1.0.
7.5.1. Enunciado del problema. Use la tcnica de Gauss-Jordan para resolver

el sistema:
3x1 0.1x2 0.2x3 = 7.85
0.1x1 + 7x2 0.3x3 = -19.3
0.3x1 0.2x2 + 10x3 = 71.4
Solucin.
81
NAD
Nacional
a distancia
7.5.2. Enunciado del problema. Use un mtodo para determinar las races del
siguiente sistema de ecuaciones no lineales:
x2 + xy = 10
y + 3xy2 = 57
Solucin.
82
NAD
7.6.
Nacional
a distancia
Eliminacin de Gauss
a11 a12
a21 a22
a31 a32
a11 a12
c1
c2
a22
c3
a13
a23
a33
a13
a23
a33
c
x3 = 3
c1
a33
x2 = (c2 a23 x3 ) / a22

c2
x1 = (c1 a12 x1 a13 x3 ) / a11
c3
Mtodo de Gauss-Seidel
x1i = (c1 a12 x2i 1 a13 x3i 1 ) / a11 i 1
x xii 1
x2i = (c2 a21 x1i a23 x3i 1 ) / a22 i
100% < s
x
i
x3i = (c3 a31 x1i a32 x2i ) / a33
7.7.1. Vea sus libros de texto de ingeniera o publicaciones internacionales y
busque dos casos en que tcnicas numricas para resolver un sistema de
ecuaciones lineales simultneas.
7.7.2. En la figura se muestra tres reactores unidos por tuberas. Como se indica,
la razn de transferencia de qumicos a travs de cada tubera es igual al flujo
volumtrico (Q, con unidades de metros cbicos por segundo) multiplicado por la
concentracin del reactor donde se origina el flujo (C, con unidades de miligramo
por metro cbico). Si el sistema se halla en un estado estable, la transferencia
hacia cada reactor equilibrar la transferencia de salida. Desarrolle ecuaciones
de balance de masa para los tanques y resuelva las tres ecuaciones algebraicas
lineales simultneas para sus concentraciones.
Q13C1
400mg/s
Q33C3
Q12C1
Q23C2
Q21C2
200 mg/s
Q33=120
Q13=40
Q12=80
Q23=60
Q21=20
Tres tanques conectados por tuberas.

7.7.3. Use tcnicas iterativas refinadas para mejorar x1=2, x2=-5 y x3=12, las
cuales tienen soluciones aproximadas de:
(1) 2X1 + 4X2 + X3 = -5 ; (2) 5X1 + 2X2 + X3 = 12; (3) X1 + 2X2 + X3 = 3
83
NAD
Nacional
a distancia
AUTOEVALUACIN IV
Responda brevemente las siguientes cuestiones:
a) En que consiste la notacin matricial y a que se le conoce como vector?
b) Cules son las principales reglas para la operacin de matrices?
c) Qu es un problema mal acondicionado y que lo origina?
Un conjunto de ecuaciones lineales no siempre puede resolverse
numricamente. Los siguientes tres conjuntos de ecuaciones son ejemplos
sencillos pero importantes:
a) -x + y = 1
b) -x + y = 2
c) x + 2y = -3
-5x + 5y = 5
-x + y = 0
-x + y = 1
2x - y = 0
Cul es la explicacin en estos casos.
Sugerencia: grafique las ecuaciones de cada uno de estos conjuntos.
Calcular la cantidad de vapor que se necesita en un evaporador de doble
efecto en contracorriente (Ver figura No. 5) para concentrar un alimento lquido
desde 11% de slidos totales hasta un 50%. La velocidad de alimentacin es
de 10000 kg/h a 20C. La ebullicin del lquido dentro del segundo efecto tiene
lugar en vaco a 70C. El vapor se suministra al primer efecto a una presin de
198.5 kPa. El condensado es descargado del primer efecto a 95C y del
segundo efecto a 70C. El coeficiente global de transmisin de calor en el
primer efecto es de 1000 W/m2C y en el segundo efecto de 800 W/m2C. Los
calores especficos del alimento lquido son 3.8, 3.0 y 2.5kJ/kgC al principio,
en la parte media y al final, respectivamente. Suponer que las reas y los
gradientes de temperatura son iguales en ambos efectos.
m& s , Ts
Limite del
sistema
m& v1
m& v ,T2
T1
T2
U2, A2
U1, A1
m& f 1 , x f 1
m& p , T2 , x p
m& f , Ts , x f
Figura No. 5. Esquema de un evaporador de doble efecto
84
NAD
Nacional
a distancia
Como su nombre implica, la polucin de aire entrante tiene que ver con la
contaminacin encerrada en espacios tales como casas, oficinas, reas de
trabajo, etctera. Suponga que se disea un sistema de ventilacin para un
restaurante como se muestra en la figura de la vista area. El rea de servicio
del restaurante consiste en dos cuartos cuadrados y uno alargado. El cuarto 1
y el 3 tienen fuentes de monxido de carbono, de los fumadores y una parrilla.
Se puede escribir balances de masa en estado estable para cada cuarto. Por
ejemplo, para la seccin de fumadores (cuarto 1), el balance se escribe como:
0 = Wfumador + Qaca Qac1 + E13(c3 c1)
0 = (carga) + (entrada) (salida) + (mezcla)
o sustituyendo los parmetros
225c1 25c3 = 1400
Se puede escribir balances en forma similar para los otros cuartos.
a) Resuelva para la concentracin, en estado estable, de monxido de carbono
en cada cuarto.
b) Determine qu porcentaje de monxido de carbono en la seccin de nios es a
causa de: i) los fumadores, ii) la parrilla y iii) el aire que entra por ventilacin.
Qc=150 m3/h
Cb=2 mg/m3
Qa=200 m3/h
3
Ca=2 mg/m
25 m3/h
50 m3/h
Qb=50 m3/h
Qd=100 m3/h
(Seccin de nios)
1
(Seccin de fumar)
25 m3/h
Carga por
fumadores
1000 mg/h
Carga por la parrilla

2000 mg/h
Figura: Vista area de los cuartos en un restaurante. Las flechas en un sentido

representan los flujos de aire volumtricos, mientras que las flechas en ambos
sentidos representan la mezcla difusa. Las cargas debido al humo y a la parrilla
agregan masa de monxido de carbono al sistema pero con entrada de aire
insignificante.
85
Universidad
Nacional
abierta y
a distancia
Carl Friedrich Gauss
El matemtico alemn Carl Friedrich Gauss contribuy al estudio de diversas ramas de las
matemticas, incluidas la teora de la probabilidad y la geometra. En su tesis doctoral demostr
que cada ecuacin algebraica tiene al menos una raz o solucin. Este teorema se sigue
denominando teorema fundamental del lgebra. Gauss aplic tambin sus trabajos matemticos a
la electricidad y el magnetismo. Una unidad de induccin magntica recibe su nombre.
CAPTULO OCHO
ECUACIONES DIFERENCIALES ORDINARIAS
t
ti
ti+1
TRATAMIENTO NUMRICO DE
ECUACIONES DIFERENCIALES
Dada:
dy y
= f (t , y ) ,
dt t
encontrar yi+1 = yi + f(ti, yi)t
para y con una funcin de t
Las ecuaciones diferenciales tienen un gran significado en la prctica de la

ingeniera, ya que varias leyes fsicas estn expresadas en trminos de la razn
de cambio de una cantidad ms que en trminos de su magnitud.
86
Universidad
Nacional
abierta y
a distancia
8.1. OBJETIVOS
OBJETIVO GENERAL
Al completar la sexta unidad, el estudiante debe aumentar de manera notoria su
capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y
problemas de valores propios. Las metas de estudio en general deberan incluir el
poder seleccionar el mejor mtodo (o mtodos) para cualquier problema en
particular de aplicacin en ingeniera.
Conocer la relacin del mtodo de Euler con la expansin de la serie de Taylor
y el conocimiento que esto proporciona con respecto al error del mtodo.
Reconocer el orden y la dependencia del tamao de paso de los errores de
truncamiento global para todos los mtodos descritos; entender cmo dichos
errores tienen que ver con la exactitud de las tcnicas.
Identificar la forma general de los mtodos de Runge-Kutta. Entender la
deduccin del mtodo RK de segundo orden y como se relaciona con la
expansin en serie de Taylor; darse cuenta de que hay un nmero infinito de
versiones posibles para los mtodos RK de segundo orden y superiores.
Saber aplicar cualquier mtodo de RK a sistemas de ecuaciones; poder reducir
una EDO de n-simo orden a un sistema de n EDO de primer orden.
Conocer la diferencia entre los mtodos de multipaso y de un paso; darse
cuenta que todos los mtodos multipaso son predictor-corrector, pero no a la
inversa.
Saber lo racional detrs de los mtodos de polinomios y los de potencia para
determinar valores propios, en particular reconocer sus fortalezas y
limitaciones.
8.2.TEMAS PARA CONSULTA
8.2.1. Mtodos de un paso.
Mtodo de Euler.
Mtodo de Euler modificado.
Mtodos de Runge-Kutta.
Sistemas de ecuaciones.
8.2.2. Mtodos de pasos mltiples.
Un enfoque simple de pasos mltiples.
Frmulas de integracin.
87
Universidad
Nacional
abierta y
a distancia

En el primer captulo del modulo derivamos la siguiente ecuacin basada en la
segunda ley de Newton para calcular la velocidad v del paracaidista en cada
como una funcin del tiempo t.
dv
c
=g v
(1.4)
dt
m
donde g es la constante gravitacional, m es la masa y c es el coeficiente de
arrastre. Tales ecuaciones, que se componen de una funcin desconocida y de
sus derivadas, son llamadas ecuaciones diferenciales. La ecuacin 1.4 es
algunas veces conocida como ecuacin de razn, ya que expresa la razn de
cambio de una variable como una funcin de las variables y de los parmetros.
Tales ecuaciones desempean un papel importante en ingeniera debido a que
muchos fenmenos fsicos son en el contexto matemtico mejor formulado en
trminos de su razn de cambio.
En la ecuacin 1.4, la cantidad que habr de ser diferenciada, v, es conocida
como variable dependiente. La cantidad con respecto a la cual v es diferenciada,
t, se conoce como variable independiente. Cuando la funcin involucra una
variable independiente, la ecuacin es llamada ecuacin diferencial ordinaria (o
EDO). Esto contrasta con una ecuacin diferencial parcial (o EDP) que involucra
dos o ms variables independientes.
Las ecuaciones diferenciales se clasifican tambin en cuanto a su orden. Por
ejemplo, la ecuacin 1.4 se conoce como ecuacin de primer orden, ya que la
derivada ms alta es una primera derivada. Una ecuacin de segundo orden
podra incluir una segunda derivada. Por ejemplo, la ecuacin que describe la
posicin x de un sistema masa-resorte con amortiguamiento es la ecuacin de
segundo orden:
d 2x
dx
m 2 + c + kx = 0
(8.1)
dt
dt
donde c es un coeficiente de amortiguamiento y k es una constante del resorte.
De manera similar, una ecuacin de n-simo orden podra incluir una n-sima
derivada.
8.3.1. Mtodo para resolver EDO sin el uso de computadora.
Sin una computadora, las EDO se resuelven con frecuencia con tcnicas de
integracin analtica. Por ejemplo, la ecuacin 1.4 se podra multiplicar por dt e
integrarse para obtener:
88
Universidad
Nacional
abierta y
a distancia
c
v dt
(8.2)
m
El lado derecho de esta ecuacin se conoce como integral indefinida debido a que
los lmites de integracin no estn especificados. Una solucin analtica para la
ecuacin anterior 8.2, se obtiene si la integral indefinida puede evaluarse en forma
exacta como una ecuacin. Por ejemplo recuerde que para el problema del
paracaidista en cada, la ecuacin 1.3 se resolvi analticamente con la ecuacin
1.5, (suponga que v=0 en t=0):
gm
v(t ) =
1 e (c / m)t )
(1.5)
(
c
Dado que las soluciones exactas para muchas EDO de importancia prctica no
estn disponibles, los mtodos numricos ofrecen la nica alternativa viable para
esos casos. Como esos mtodos numricos por lo comn requieren de
computadoras, antes del auge de stas los ingenieros se hallaban limitados en el
alcance de sus investigaciones.
v=
8.3.2. EDO y prctica de la ingeniera

Las leyes fundamentales de la fsica, mecnica, electricidad y termodinmica
estn basadas con frecuencia en observaciones empricas que explican
variaciones en las propiedades fsicas y estados de los sistemas. Ms que en
describir directamente el estado de los sistemas fsicos, las leyes se usan a
menudo en trminos de los cambios espacial y temporal, por ejemplo:
Ley
Expresin matemtica
Segunda ley de Newton del
dv F
=
movimiento
dt m
Ley del calor de Fourier
dT
q = k
dx
Ley de difusin de Fick
Ley de Faraday (cada de
voltaje a travs de un
inductor)
J = D
dc
dx
VL = L
di
dt
Variables y parmetros
Velocidad (v), fuerza (F) y
masa (m)
Flujo
de
calor
(q),
conductividad trmica (k) y
temperatura (T)
Flujo
msico
(J),
coeficiente de difusin (D)
y concentracin (c)
Cada de voltaje (Vij),
inductancia (L) y corriente
(i)
Ejemplos de las leyes fundamentales que se escriben en trminos de la razn de

cambio de variables (t = tiempo y x = posicin).
89
Universidad
Nacional
abierta y
a distancia
Esas leyes definen mecanismos de cambio. Cuando se combinan con las leyes
de conservacin de la energa, masa o momentum, resultan ecuaciones
diferenciales. La integracin subsecuente de estas ecuaciones diferenciales
originan funciones matemticas que describen el estado espacial y temporal de un
sistema en trminos de variaciones de energa, masa o velocidad.
El problema del paracaidista en cada introducido en el primer captulo es un
ejemplo de la derivacin de una ecuacin diferencial ordinaria a partir de una ley
fundamental. Recuerde que la segunda ley de Newton se us para desarrollar
una EDO que describe la razn del cambio de velocidad de un paracaidista en
cada. Al integrar esta relacin obtenemos una ecuacin para predecir la
velocidad de cada como una funcin del tiempo (Vase figura 7). Esta ecuacin
se podra utilizar en diferentes formas, entre ellas para propsitos de diseo.
Ley fsica
F = ma
dV
C
=g V
dt
m
Solucin analtica
V (t ) = (
gm
) 1 e
C
C
( )t
m
EDO
Solucin numrica
v(ti +1 ) = v(ti ) + g
C
v(ti ) (ti +1 ti )
m
Solucin
Figura No. 10. La secuencia de eventos en la aplicacin de EDO para resolver

problemas de ingeniera. El ejemplo mostrado es la velocidad de un paracaidista
en cada libre.
De hecho, tales relaciones matemticas son la base para la solucin de un gran
nmero de problemas de ingeniera. Sin embargo, como se describi en la
seccin anterior, muchas ecuaciones diferenciales de importancia prctica no se
pueden resolver mediante mtodos analticos de clculo. As, los mtodos que se
analizan en los siguientes captulos son extremadamente importantes en todos los
campos de la ingeniera.
90
Universidad
Nacional
abierta y
a distancia
8.4. Antecedentes matemticos

Una solucin de una ecuacin diferencial ordinaria es una funcin especfica de la
variable independiente y de parmetros que satisfacen la ecuacin diferencial
original. Aunque podemos determinar una ecuacin diferencial dando a la funcin
original, el objetivo aqu es determinar la funcin original dada la ecuacin
diferencial. La funcin original entonces representa la solucin. Podemos
determinar esta solucin de manera analtica aplicando las reglas de integracin.
En el curso de diferenciacin y despus de la integracin, perdemos el valor
constante de la primera integral en la ecuacin original y ganamos el valor C. Esta
es llamada constante de integracin. El hecho de que aparezca esa constante
arbitraria indica que la solucin no es nica. De hecho, lo es pero el nmero
infinito de funciones posibles (correspondiente a un nmero infinito de posibles
valores de C) que satisfacen la ecuacin diferencial.
Por tanto, para especificar la solucin por completo, la ecuacin diferencial
comnmente se encuentra acompaada por condiciones auxiliares. Para las EDO
de primer orden, un tipo de condicin auxiliar llamada valor inicial es requerida
para determinar la constante y obtener una solucin nica.
Las condiciones iniciales usualmente tienen interpretaciones muy tangibles para
las ecuaciones diferenciales derivadas de las condiciones de problemas fsicos.
Por ejemplo en el problema del paracaidista en cada, la condicin inicial fue un
reflejo del hecho fsico de que en el tiempo cero la velocidad vertical fue cero. Si
el paracaidista hubiese estado en movimiento vertical en el tiempo cero, la
solucin debera haberse modificado para tomar la velocidad inicial.
Cuando tratamos una ecuacin diferencial de n-simo orden, se requiere de n
condiciones para obtener una solucin nica. Si se especifican todas las
condiciones en el mismo valor de la variable independiente (por ejemplo, en x o t =
0), entonces al problema se le conoce como problema de valor inicial.
8.5. ECUACIONES DIFERENCIALES ORDINARIAS
Existen muchos mtodos para calcular de forma explcita diferentes tipos de
ecuaciones diferenciales, pero en la prctica pocos casos pueden resolverse de
esta manera. En anlisis numrico el problema de solucionar ecuaciones
diferenciales o sistemas de ecuaciones diferenciales se reduce al concepto del
problema del valor inicial.
El problema del valor inicial se puede expresar de forma generalizada como:
91
Universidad
Nacional
( ,
,....,
,....,
,....,
( ,
( ,
abierta y
a distancia
(8.3)
....
=
para a t b y sujeto a las condiciones iniciales

y1(a) = 1, y2(a) = 2, .... , yn(a) = n
8.5.1. Mtodo de Euler
Este mtodo es una aproximacin al problema de valor inicial donde no se busca
una aproximacin continua de la solucin y(t), sino ms bien generar
aproximaciones en varios puntos dentro del intervalo [a,b].
El mtodo de Euler es otro mtodo iterativo que se construye par N+1 puntos
dentro del intervalo [a,b] y se define mediante la expresin:
w0 =
wi+1 = wi + h f (ti, wi) para i=1,.,N.
donde h =(b-a)/N es el tamao de paso. Mediante una adecuada definicin del
tamao de paso (lo ms pequea posible) se puede asegurar que la aproximacin
del mtodo ser ms o menos buena.
8.5.2. Mtodos de Runge-Kutta
Los mtodos de Runge-Kutta son mtodos iterativos basados en una
generalizacin de los polinomios de Taylor de grado n. Le tiempo de clculo no es
demasiado comparado con otros mtodos iterativos basados en los mismo
principios y tiene cuatro versiones conocidos como rdenes.
Los mtodos de Runge-Kutta, a diferencia de los mtodos Taylor, evitan el clculo
de derivadas y lo simulan mediante el llamado mtodo del punto medio. Cada
orden del mtodo de Runge-Kutta emplea ms parmetros para el clculo
aproximado de las derivadas y el ms empleado es el mtodo de cuarto orden.
Este mtodo simplificadamente puede escribirse para una iteracin de un variable
w dada, como:
92
Universidad
Nacional
abierta y
a distancia
w0=
k1 = h f(ti, wi)
k2 = h f(ti+h/2, wi+1/2k1)
k3 = h f(ti+h/2, wi+1/2k2)
k4 = h f(ti+1.wi+k3)
wi+1= wi+1/6 (k1+2k2+2k3+k4)
para cada i = 0,1,.,N-1.
8.6.
SOLUCIN DE ECUACIONES DIFERENCIALES ORDINARIAS USANDO

NUMERICALS 1.0.
Enunciado del problema. En el software Numericals 1.0 de anlisis numrico, se

tiene un programa de computo de uso amigable para implementar el mtodo de
Runge-Kutta de cuarto orden a sistemas. Este software es conveniente para
comparar diferentes modelos de un sistema fsico.
Por ejemplo, un modelo lineal para un pndulo oscilante est dado por: dy1/dx = y2;
dy2/dx = -16.1y1; donde y1 y y2 son el desplazamiento angular y velocidad,
respectivamente.
Un modelo no lineal del mismo sistema es: dy3/dx = y4; dy4/dx = -16.1sen(y3), donde
y3 y y4 son el desplazamiento y velocidad para el caso no lineal.
Use el software Numericals 1.0 para solucionar estos sistemas en dos casos:
a) Un pequeo desplazamiento inicial (y1=y3= 0.1 radianes; y2 = y4 = 0).
b) Un gran desplazamiento (y1 = y3 = /4 = 0.785398 radianes; y2 = y4 = 0).
Solucin.
a)
93
Universidad
Nacional
abierta y
a distancia
Los resultados calculados para los modelos lineal y no lineal son casi idnticos.
Esto cumple las expectativas debido a que cuando el desplazamiento inicial es
pequeo, seno() . [Observe la escala de la ordenada, (-0.53812, 0.52693)].
b)
94
Universidad
Nacional
95
abierta y
a distancia
Universidad
Nacional
abierta y
a distancia
Cuando el desplazamiento inicial es /4 = 0.785398, las soluciones son mucho

ms distintas y la diferencia es magnificada en tanto el tiempo sea cada vez
mayor. Esto se esperaba, ya que la suposicin de que seno() es pobre
cuando theta es grande. [Observe la escala de la ordenada, (-4.22639, 4.13855)].
8.7.
EJERCICIOS PROPUESTOS
Renase en grupos y resuelvan los siguientes ejercicios:

8.7.1. Elabore un resumen de las relaciones y frmulas importantes consultadas
para el desarrollo de la unidad seis.
8.7.2. Proporcione un ejemplo de un problema de aplicacin al procesamiento de
alimentos donde pueda utilizar cada uno de los tipos de mtodos numricos,
consultados en el numeral anterior (11.1). De ser posible remtase a sus propias
experiencias en cursos, conferencias u otras prcticas profesionales que haya
acumulado hasta la fecha.
8.7.3. Resuelva el siguiente problema de valor inicial para el intervalo que va de x
= 0 a 2, donde y(0)=1:
dy
= yx 2 1.2 y
dx
a) Analticamente, grafique la solucin.
b) Use el mtodo de Euler con h=0.5 y 0.25.
c) Use el mtodo de punto medio con h=0.5 y 0.25.
d) Use el mtodo de Heun con h=0.5, itere con s=1%.
e) Use el mtodo clsico de RK de cuarto orden con h=0.5.
8.7.4. Dada
dx1
= 999 x1 + 1999 x 2
dt
dx 2
= 1000 x1 2000 x 2
dt
Si x1(0) = x2(0) = 1, obtenga una solucin de t = 0 a 0.2 mediante un tamao de

paso de 0.05 con los mtodos de Euler a) explcito, b) implcito.
96
Universidad
Nacional
abierta y
a distancia
8.7.5. La razn de flujo de calor (conduccin) entre dos puntos sobre un cilindro
calentado en un extremo, est dada por:
dQ
dT
= A
dt
dx
donde, = Constante, A = rea de la seccin transversal del cilindro, Q = flujo de
calor, T = temperatura, t = tiempo y x = distancia desde el extremo calentado.
Como la ecuacin involucra dos derivadas, la simplificaremos al realizar:
dT 100( L x)(20 t )
=
dx
100 xt
donde L es la longitud de la barra. Combine las dos ecuaciones y calcule el flujo
de calor para t = 0 a 25 s. La condicin inicial es Q(0) = 0 y los parmetros son =
0.4 calcm/s, A = 10 cm2, L = 20 cm y x = 2.5 cm. Trace la grfica de sus
resultados.
97
Universidad
Nacional
abierta y
a distancia
AUTOEVALUACIN
Dilucin de una solucin salina.
Se disuelven 1.5 kg de sal en agua para hacer 100 litros. Al tanque que contiene
esta disolucin se alimenta agua pura a una velocidad de 5 litros/min, de manera
que la solucin salina sale del tanque con la misma velocidad. El tanque se
encuentra en mezcla perfecta (Ver Figura No. 8).
a) Cunta sal existe en el tanque al cabo de 15 minutos? Supngase que la
velocidad de la disolucin salina es constante e igual a la del agua.
b) Incluir el efecto de la reaccin. Suponer que dentro del tanque existe una
reaccin que consume sal a una velocidad que viene expresada por una
ecuacin de primer orden: r = k1CA, donde k1 es la constante de reaccin de
primer orden y CA la concentracin de sal en el tanque. Obtngase una
expresin para CA en funcin del tiempo. Si k1 = 0.002 min-1, Cunto
tiempo se necesita para que la concentracin de sal sea 1/120 de su valor
inicial?.
Agua
5 lmin-1
Solucin salina
5 lmin-1
V
CA
Lmite del
sistema
Figura No. 8. Tanque de mezcla perfecta para la dilucin de una

solucin salina.
Produccin de concentrado de protena de pescado.
Para la produccin de pasta protenica se seca el pescado entero destripado en un

secadero discontinuo. La velocidad a la que se alimenta el agua del pescado es
98
Universidad
Nacional
abierta y
a distancia
proporcional al contenido en humedad. Si en un proceso el pescado pierde la

mitad de su humedad inicial en los primeros 20 minutos, cunto tardar el
secadero en eliminar el 95% del agua?.
Contaminacin de aceite vegetal.
Se est utilizando aceite vegetal en una fbrica de procesado de alimentos para la

preparacin de trocitos de pan tostado. El aceite se calienta en un tanque agitado
y durante el proceso de tostacin se bombea aceite dentro del tanque a una
velocidad de 4.8 l h-1. Durante el turno de noche, que comienza a las 8 de la
noche, el tanque se conecta por error a un tambor de aceite de hgado de bacalao
y se bombea ste dentro del tanque. El volumen del aceite vegetal en el tanque a
las 8 de la noche es de 60 l.
a) Si el caudal de aceite de hgado de bacalao en el tanque es 7.5 l h-1 y el
tanque tiene una capacidad mxima de 100 l, se sobrar el tanque antes
de que el encargado de la fbrica llegue a las 9 de la maana? Suponer
que la densidad de ambos aceites es la misma.
b) Si el aceite de hgado de bacalao se bombea dentro del tanque a una
velocidad de 4.8 l h-1 en vez de 7.5 l h-1, cul ser la composicin del
aceite en el tanque a medianoche?.
Un rastreador conservativo.
Un ingeniero agrnomo est interesado en estimar el mezclado que ocurre entre

un lago estratificado y un remanso adyacente (vase Figura No. 9). Un rastreador
conservativo es mezclado instantneamente con el agua de la baha, y despus
se monitorea la concentracin del rastreador para un tiempo seguro en los tres
segmentos. Los valores son:
t
c1
c2
16 12
c3 100 48 28 17 11
12 16 20
Usando balances de masa, se puede modelar el sistema como las siguientes EDO
simultneas:
dc
V1 1 = Qc1 + E12 (c2 c1 ) + E13 (c3 c1 )
dt
99
Universidad
Nacional
abierta y
a distancia
dc2
= E12 (c1 c2 )
dt
dc
V3 3 = E13 (c1 c3 )
dt
donde, Vi = volumen del segmento i, Q = flujo y Eij = razn de mezclado difusivo
entre los segmentos i y j. Use los datos y las ecuaciones diferenciales para
estimar las E si V1 = 1107, V2 = 8106, V3 = 5106 y Q = 4106.
V2
Baha
(3)
Capa superior
(1)
Capa inferior
(2)
Figura No. 9. Vista superior del Problema 12.4.
Fermentacin con alimentacin intermitente.
A un fermentador de alimentacin intermitente se introduce una corriente de

alimentacin que contiene glucosa con caudal constante. El volumen inicial del
lquido en el fermentador es Vo. Las clulas en el fermentador consumen glucosa
a una velocidad rs = k1s, donde k1 es la constante de velocidad (h-1) y s la
concentracin de glucosa en el fermentador (g l-1).
a) Suponiendo densidad constante, obtener una ecuacin para el balance de
materia global. Cul es la expresin que relaciona el volumen y el
tiempo?
b) Obtener la ecuacin diferencial para la velocidad de cambio de
concentracin de sustrato.
100
Universidad
Nacional
abierta y
a distancia
9. BIBLIOGRAFA
Bakahvalov, N., Mtodos Numricos, Editorial Paraninfo, Madrid, 1990.

Balfour, A. y Beveridge, W. T., Anlisis Numrico Bsico con Algol. Compaa
Editorial Continental, S.A., Primera edicin, Mxico, 1987.
Burden, Richard y otros, Anlisis Numrico, Grupo Editorial Iberoamricana,
Mxixo, 1985.
Chapra, Steven C. y Canale, Raymond P.,
Mtodos Numricos para
Ingenieros, con aplicaciones en computadoras personales. McGraw-Hill,
S.A.DE C.V., Primera edicin, Mxico, 1988.
Cutlip, Michael B. y Schacham, Mordechai, Problem Engineering in Chemical
Engineering with Numerical Methods. Prentice Hall International, Primera
Edicin, New York, 1999.
Demidvich, B. P., 5000 problemas de anlisis matemtico, Editorial Paraninfo,
Madrid, 1989.
Enciclopedia Microsoft Encarta 2001. 1993-2000 Microsoft Corporation.
Reservados todos los derechos.
Hildebrand, F. B., Introduction to Numerical Analysis, Second Edition, McGrawHill, New York, 1974.
Larson , Ronald y otros, Clculo, Sexta Edicin, McGraw-Hill, Madrid, 1999.
Merayo G., Flix y Nevot L., Antonio, Anlisis Numrico, Editorial Paraninfo,
Primera edicin, Madrid, 1992.
Nakamura, Shoichiro, Anlisis numrico y visualizacin grfica con MATLAB,
Prentice-Hall Hispanomericana, S.A. Primera edicin, Mxico, 1997.
Purcell, Edwing J. y Varberg, Dale, Clculo con Geometra Analtica, PrenticeHall Hispanoamericana S.A., Cuarta edicin, Mxico, 1987.
101
NAD
Universidad
Nacional
abierta y
a distancia
Isaac Newton (1642-1727) Matemtico y fsico britnico, considerado uno de los ms

grandes cientficos de la historia, que hizo importantes aportaciones en muchos campos de la
ciencia. Sus descubrimientos y teoras sirvieron de base a la mayor parte de los avances cientficos
desarrollados desde su poca. Newton fue, junto al matemtico alemn Gottfried Wilhelm Leibniz,
uno de los inventores de la rama de las matemticas denominada clculo. Tambin resolvi
cuestiones relativas a la luz y la ptica, formul las leyes del movimiento y dedujo a partir de ellas
la ley de la gravitacin universal. La obra de Isaac Newton representa una de las mayores
contribuciones a la ciencia realizadas nunca por un solo individuo. Entre otras cosas, Newton
dedujo la ley de la gravitacin universal, invent el clculo infinitesimal y realiz experimentos.
9. BIBLIOGRAFA
Bakahvalov, N., Mtodos Numricos, Editorial Paraninfo, Madrid, 1990.
Balfour, A. y Beveridge, W. T., Anlisis Numrico Bsico con Algol. Compaa
Editorial Continental, S.A., Primera edicin, Mxico, 1987.
Burden, Richard y otros, Anlisis Numrico, Grupo Editorial Iberoamricana,
Mxixo, 1985.
Chapra, Steven C. y Canale, Raymond P.,
Mtodos Numricos para
Ingenieros, con aplicaciones en computadoras personales. McGraw-Hill,
S.A.DE C.V., Primera edicin, Mxico, 1988.
Cutlip, Michael B. y Schacham, Mordechai, Problem Engineering in Chemical
Engineering with Numerical Methods. Prentice Hall International, Primera
Edicin, New York, 1999.
Demidvich, B. P., 5000 problemas de anlisis matemtico, Editorial Paraninfo,
Madrid, 1989.
Enciclopedia Microsoft Encarta 2001. 1993-2000 Microsoft Corporation.
Reservados todos los derechos.
Hildebrand, F. B., Introduction to Numerical Analysis, Second Edition, McGrawHill, New York, 1974.
Larson , Ronald y otros, Clculo, Sexta Edicin, McGraw-Hill, Madrid, 1999.
Merayo G., Flix y Nevot L., Antonio, Anlisis Numrico, Editorial Paraninfo,
Primera edicin, Madrid, 1992.
Nakamura, Shoichiro, Anlisis numrico y visualizacin grfica con MATLAB,
Prentice-Hall Hispanomericana, S.A. Primera edicin, Mxico, 1997.
Purcell, Edwing J. y Varberg, Dale, Clculo con Geometra Analtica, PrenticeHall Hispanoamericana S.A., Cuarta edicin, Mxico, 1987.
101
NAD
Universidad
Nacional
Abierta y
a distancia
ANEXO 1
ACTIVIDADES PRELIMINARES
Ya repaso el material para el seminario-taller y quedan algunos minutos antes de
la primera actividad por audioconferencia..Aprovchelos!
Conozca a sus vecinas o vecinos: presntese y dialogue con la vecina o el
vecino para conocerlo. No es necesario sentarse al lado de alguien conocido.
Esperamos que, durante el curso, usted cambiar de puesto y se har al lado
de personas que no conoca antes. Hay que empezar a crear una verdadera
Comunidad UNAD.
Lea detenidamente la agenda propuesta y centre su atencin en el horario de
las diferentes actividades.
Lea las pginas siguientes:
Presentacin de su instructor-tutor
Bienvenida, y algunas de las Recomendaciones para su participacin en el
seminario-taller.
Realice la lectura:Modelamiento matemtico y con base en los resultados
mostrados en las tablas, realice una comparacin de las soluciones numricas
y analticas para el ejemplo mostrado, qu podemos concluir respecto al caso
de estudio.
Lea el siguiente artculo: Un sistema de computacin y realice un esquema de
los principales componentes que conforman un sistema de computacin.
Est atento a las indicaciones del coordinador local y dispngase fsica y
mentalmente a participar en la primera Audioconferencia multipuntos que va a
iniciar en contados minutos.
Le quedan algunos minutos.
Contstese mentalmente las siguientes preguntas:
Qu vengo a hacer en este seminario-taller?
Qu resultados pretendo obtener?
Cul ser mi aporte ms significativo?
102
NAD
Universidad
Nacional
Abierta y
a distancia
ANEXO 2
FUNDAMENTOS MATEMTICOS
A.1. INTRODUCCIN TERICA

Cada captulo de este mdulo requiere de matemticas introductoras, en
consecuencia, exploraremos algunos tpicos matemticos que se emplearn en
las siguientes secciones, antes de tratar acerca de la programacin de
computadoras y el anlisis numrico. Estos tpicos no sern tratados con
profundidad, sin embargo, son bsicos en la comprensin ulterior del tema, para
una demostracin ms rigurosa se recomienda consultar textos de clculos
numricos.
A.1.1. Teorema Binomial
Multiplicando tres veces, se demuestra que :
(1+x)3 = 1 + 3x + 3x2 + x3
(A.1.)
de igual manera, se encontrarn expresiones para (1+x)4, (1+x)5, ... El teorema

binomial proporciona una expresin general para (1+x)n, donde n es un nmero
entero positivo.
(1 + x ) n = 1 +
n
n(n 1) 2 n(n 1)(n 2) 3 n(n 1)(n 2)(n 3) 4
x+
x +
x +
x +....+ x n (A.2)
1!
2!
3!
4!
y esto se cumple para todos los valores de x1.
Si sustituimos n=3 en la Ec. (A.2) obtendremos la expresin (A.1) ya que el quinto

trmino y los trminos restantes contienen un factor (n-3) que es cero cuando n=3.
De hecho el teorema binomial es considerablemente ms general que el
presentado arriba. Para n positivo o negativo, fraccin o entero
Nota : n !=n(n-1)(n-2)....3x2x1 (se lee 'factorial de n')
103
NAD
Universidad
Nacional
Abierta y
a distancia
n
n(n 1) 2
n(n 1)...(n r + 1) r
(A.3)
x+
x +...+
x +...
1!
2!
r!
Si n es un entero positivo la serie termina despus de n+1 trminos, como ya
indicamos arriba, y la expresin es vlida para todos los valores de x. Si n es un
entero negativo o una fraccin para el dominio -1 < x < 1. (La serie tambin
converge en x = -1 y x = 1 para ciertos valores especiales de n).
(1 + x ) n = 1 +
A.1.2. Teorema de Taylor

Suponga que queremos encontrar una aproximacin al valor de la funcin definida
por y = f(x) en el punto donde x = x1. Suponga, adems, que en un punto cercano
a x = x1, digamos x = a, podemos evaluar fcilmente f(a), f(a), f(a)...
El teorema de Taylor nos permite usar estos valores y obtener una expresin para
f(x1) como la siguiente:
( x a)
( x a)2
( x a)n (n)
f ( x1 ) = f (a) + 1
f ' (a) + 1
f ' ' (a) + .... + 1
f (a) (A.5)
1!
2!
n!
Para obtener exactamente f(x1) necesitaramos tomar un nmero infinito de
trminos, excepto cuando f es un polinomio, en este caso, si n es el grado del
polinomio, la derivada (n+1) y todas las derivadas de orden mayor son cero.
Desde luego, en la prctica trabajaremos con un nmero dado de cifras
significativas y pararemos cuando los trminos sean suficientemente pequeos
para no afectar el resultado. En general, para la evaluacin de f(x) donde x es
cualquier abscisa
( x1 a )
( x a)2
(A.6)
f ' (a ) + 1
f ' ' (a) + ....)
1!
2!
Esto da el valor de la funcin f en cualquier punto x, en trminos de los valores de
f y de sus derivadas, evaluadas stas en algn punto vecino a .
f ( x1 ) = f (a ) +
f(x)
f(a)
a
X1
Cuando consideramos slo un nmero finito de trminos en una serie de Taylor,

obviamente introducimos un error, llamado error de truncacin, y puede ser
104
NAD
Universidad
Nacional
Abierta y
a distancia
demostrado que si evaluamos n trminos de la serie (esto es, hasta el trmino

conteniendo xn-1), el error que se tiene es:
( x a)n ( n)
f ( )
n!
donde cae entre x y a, es decir,
si x>a entonces x>>a
Otra forma de ver el problema es decir que:
si x<a entonces x<<a
( x1 a )
( x a ) n 1 ( n 1)
f ' (a ) + ... + 1
f'
(a) + Rn ( x)
1!
(n 1)!
donde Rn(x) es el residuo despus de los n trminos y
( x a)n ( n)
Rn ( x) =
f ( ) .
n!
Esto parece de no mucha ayuda si no conocemos el valor exacto de y entonces
no se puede calcular el error Rn(x). Sin embargo, esto se puede usar
frecuentemente para calcular un lmite superior de la magnitud del error.
f ( x1 ) = f (a ) +
A.1.3. Teorema de Maclaurin

Si en el teorema de Taylor reemplazamos a por cero, obtenemos la frmula
( x)
( x) 2
( x)( n 1) ( n 1)
f ( x) = f (0) +
f ' (0) +
f ' ' (0) + .... +
f
(0) + ...
1!
2!
n!
y si terminamos la serie despus de n trminos, el error implcito es
xn (n)
f ( ) , donde x>>a o x<<a.
n!
A.1.4. Teorema del Residuo
Si dividimos un polinomio
f(x) = anxn + an-1xn-1 + ... + a1x+a0
entre (x - p), entonces podemos escribir
f(x)=(x - p)q(x) + K
105
(A.9)
NAD
Universidad
Nacional
Abierta y
a distancia
donde q(x) es un polinomio de grado n-1 y K es una constante. Si ponemos x=p

en (1.9) tenemos: f(p) = 0 + K, es decir, K = f(p). De esta forma, dividiendo un
polinomio entre x - p, el residuo es f(p), que es el valor del polinomio en x = p.
A.1.5. Divisin Sinttica (Regla de Ruffini)
Si dividimos un polinomio
f(x) = anxn + an-1xn-1 + ... + a1x+a0
entre (x - p), notamos que el cociente es un polinomio en x cuyo grado es i menos
que el grado del dividendo; el coeficiente del primer trmino del cociente es igual
al coeficiente del primer trmino del dividendo. Sin efectuar la divisin, el cociente
y el residuo pueden hallarse por la siguiente regla prctica:
El cociente es un polinomio en x cuyo grado es 1 menos que el grado del
dividendo.
El coeficiente del primer trmino del cociente es igual al coeficiente del primer
trmino del dividendo.
El coeficiente de un trmino cualquiera del cociente se obtiene multiplicando el
coeficiente del trmino anterior por el segundo trmino del binomio divisor
cambiado de signo y sumando este producto con el coeficiente del trmino que
ocupa el mismo lugar en el dividendo.
El residuo se obtiene multiplicando el coeficiente del ltimo trmino del
cociente por el segundo trmino del divisor cambiado de signo y sumando este
producto con el trmino independiente del dividendo.
A.1.6. Derivadas por Divisin Sinttica
Demostraremos que la divisin repetida de un polinomio de grado n por un trmino
lineal (x - p) conduce a los valores de la funcin y sus derivadas en x =p.
Sea f(x) = anxn + an-1xn+1 + ... + a1x + a0, dividiendo entre (x - p) obtenemos, por el
teorema del residuo,
f(x) = (x - p)q1(x) + f(p)
o
(A.10)
f(x) = f(p) + (x - p)q1(x)
y q1(x) es un polinomio de grado (n - 1) el cual puede ser, a su vez, dividido entre
(x - p) para dar
q1(x) = q1(p) + (x - p)q2(x)
Sustituyendo esto en (A.10) da
(A.11)
f(x) = f(p) + (x - p) {q1(p) + (x - p)q2(x)}
2
= f(p) + (x - p)q1(p) + (x - p) q2(x)
106
NAD
Universidad
Nacional
Abierta y
a distancia
Similarmente, podemos dividir q2(x) entre (x - p) y sustituirlo en (A.11) para dar

f(x) = f(p) + (x - p) q1(p) + (x - p)2{q2(p) + (x - p)q3(x)}
= f(p) + (x - p) q1(p) + (x - p)2q2(p) + (x - p)3q3(x)
Continuando de esta manera, despus de n divisiones el qn(x) resultante es una
constante (puesto que f(x) es de grado n).
(A.12)
f(x) = f(p) + (x - p) q1(p) + (x - p)2q2(p) + (x - p)3q3(p) + (x - p)nqn
donde qn es una constante (igual a an).
La expansin de Taylor de f(x) cerca de x = p es
( x1 p )
( x1 p ) 2
( x1 p) n ( n )
f ( x) = f ( p ) +
f ' ( p) +
f ' ' ( p ) + .... +
f ( p)
1!
2!
n!
(A.1.3)
La serie es finita, ya que para un polinomio de n-simo grado f n+1 y todas las
derivadas de mayor orden son cero. Comparando (A.12) y (A.13)
f ' ( p)
f ' ' ( p)
f ' ' ' ( p)
f n ( p)
q1 ( p ) =
; q2 ( p ) =
; q3 ( p ) =
;.....; qn ( p) =
1!
2!
3!
n!
En general,
f i ( p)
qi ( p) =
, i = 1,2,3..., n
i!
Los valores de q1(p), i = 1,2,3,...,n pueden ser obtenidas por divisin repetida de f
entre (x - p) y las derivadas pueden ser calculadas de
fi(p) = (i !)qi(p)
La divisin repetida puede ser hecha sintticamente.
107
NAD
Universidad
Nacional
Abierta y
a distancia
ANEXO 3
EJERCICIOS RESUELTOS
Ejercicio A.3.1.
Encuentre la expansin binomial de (1+x) hasta el trmino que contenga x3.
(1 + x ) = 1 +
( )( 1) 2 ( )( 1)( 2) 3
x+
x +
x +.... = 1 + x
1!
2!
3!
3
32
x2 +
5
128
x 3 +...
Ejercicio A.3.2.
Encuentre la expansin binomial de (1-2x)- hasta el trmino que contenga x3 y
con sta encuentre un valor aproximado de 1/(0.98).
(1 + ( 2 x ))
( )( 3 2 )
( )( 3 2 )( 5 2 )
(-)
2
= 1+
( 2 x ) +
( 2 x ) +
( 2 x ) 3 +..
1!
2!
3!
= 1 + x + 3 2 x 2 + 5 2 x 3 +...
Ahora
1
1
1
y
=
1/ 2
1/ 2
(1 2 x)
(0.98)
(1 2 0.01)1 / 2
As sustituimos x = 0.01 para encontrar:
(1 2 x) 1 / 2 =
1
3
5
= 1 + 0.01 + (0.01) 2 + (0.01)3 + ....... = 1.0101525
1/ 2
(0.98)
2
2
Ejercicio A.3.3
Usando una serie de Taylor, evale 1/(2+x)3/2 en x = 2.1 con 3 cifras significativas.
Note que trabajaremos con 5 cifras significativas a lo largo del problema para
proteger adecuadamente la tercera cifra significativa. Podemos evaluar 1/(2+x)3/2
en x=2 fcilmente. Por tanto, ponemos a = 2 tal que x a = 2.1 - 2.0 = 0.1.
1
1
f ( x) =
, f (2) =
3/ 2
(2 + x)
8
108
NAD
Universidad
Nacional
Abierta y
a distancia
3
1
3
, f ' (2) =
5/2
2 (2 + x)
64
15
1
15
f ' ' ( x) = +
, f ' ' (2) =
7/2
4 (2 + x)
512
f ' ( x) =
f ' ' ' ( x) =
105
1
105
, f ' ' ' (2) =
9/2
8 (2 + x)
4096
reemplazando se tiene:
1 3 (0.1) 15 (0.01) 105 (0.001)
f (2.1) =
+
+ ....
8 64 1!
512 2!
4096 3!
= 0.125-0.00469+0.00015-0.000004
= 0.12046.
Despreciando el 0.000004 que no afecta la quinta posicin.
Con tres cifras significativas, f(2.1)= 0.120.
Ejercicio A.3.4
En el Ej. A.3.3 evaluamos f(x)=1/(2+x)3/2 en x=2.1 usando valores de f y sus
derivadas en x=2. Usamos los tres primeros trminos de la serie (despreciamos
el cuarto trmino 0.000004) tal que el error de truncacin est dado por:
( x a)3 '''
R3 ( x) =
f ( )
3!
Con 22.1
105
1
f ' ' ' ( x) =
8 (2 + x )9 / 2
f ' ' ' ( x) =
R3 ( x) =
105
1
8 (2 + x )9 / 2
( x a)3 '''
f ( )
3!
Ahora, tal que Con 22.1
109
NAD
Universidad
Nacional
Abierta y
a distancia
105
1
8 (2 + )9 / 2
Si slo consideramos la magnitud del error, entonces desechamos el signo. El
mximo valor que f() puede alcanzar si 22.1 es cuando =2 y puesto que en
realidad 2<<2.1 sabemos que f(2)>f(). De aqu:
( x a )3 '''
(0.1)3 105
R3 ( x)
f (2) =
0.0000043
3!
3! 4096
f ' ' ' ( ) =
De donde nuestra aproximacin f(2.1)=0.12046 no es incorrecta por ms de

0.0000043.
Ejercicio A.3.5
Encuentre la expansin de Maclaurin del loge(1+x) hasta el trmino en x3. Luego
el loge(1.2). Calcule un lmite superior para el error de truncacin.
Ver solucin en Anexo 1.
Entonces cuando citemos el loge(1.2) = 0.1826, el error ser menor que 0.0004
Ejercicio A.3.6
Evale f(2) donde f(x) = 5x3 - 4x2 + 2x + 1
Escriba f en forma agrupada, es decir:.
f(x) =x(x(5x-4)+2)+1
f(2) =2(2(5*2-4)+2)+1
=29
Use este mtodo para encontrar f(3) para el polinomio del Ej. A.3.6.
Ejercicio A.3..7
Divisin Sinttica.
Sea f(x)= 3x3 - 4x2 + 5x - 6 y considere f(x)(x-2)
3x2 + 2x + 9
x-2)3x3 - 4x2 + 5x -6
3x3 - 6x2
2x2 + 5x
2x2 - 4x
9x - 6
9x - 18
12
Por el teorema del residuo f(2) = 12.
110
NAD
Universidad
Nacional
Abierta y
a distancia
Consideremos ahora otras formas de abreviar el mtodo anterior. Es obvio que

podemos eliminar todas las x si conservamos rigurosamente las columnas.
Adems, las letras itlicas son innecesarias, ya que siempre estn hechas para
que sean iguales a las que estn arriba de ellas. Las cifras ms remarcadas son
slo copias de las de arriba y pueden tambin ser desechadas. En efecto, slo
necesitamos escribir:
Lnea del problema
Lnea de trabajo
Lnea del cociente
-2)
-4
-6
2
5
-4
9
-6
-18
12
Escribimos la lnea del problema y el primer 3 es copiado directamente en la lnea

del cociente. Este es multiplicado por el -2, el producto insertado en la lnea de
trabajo y restado del -4 para dar +2 el cual aparece en la lnea del cociente. Este
2 es tambin multiplicado por el -2 dando -4, el cual va a la lnea de trabajo, es
restado del cinco y el resultado colocado en la lnea del cociente.
El proceso se repite una vez ms para dar el diagrama anterior.
El cociente es 3x2 + 2x + 9 y el residuo es f(2) = 12.
Haremos un ltimo cambio. Para dividir entre x-2 cambiaremos el signo del
nmero externo (-2 anterior es cambiado a +2),y ahora, en lugar de restar en la
lnea de trabajo de los da la lnea del problema, los sumamos.
Lnea del problema
Lnea de trabajo
Lnea del cociente
2)
-4
6
2
5
4
9
-6
18
12
Este proceso se llama divisin sinttica.

Note que si queremos dividir entre x+2 usaremos -2 como nmero externo.
Ejercicio A.3.8
Encontrar f(-1) por divisin sinttica para f(x) = 7x4 - 2x3 + 3x + 8
Dividimos f(x) entre (x+1) y el residuo ser f(-1).
-1)
7
7
-2
-7
-9
0
9
9
3
-9
-6
111
8
6
14
NAD
Universidad
Nacional
Abierta y
a distancia
El cociente es 7x3-9x2+9x-6 y f(-1) =14

Note que tuvimos que incluir una columna para x2 con coeficiente cero.
Ejercicio A.3.9
Encuentre los valores de las derivadas de f(x) = x3 + 2x2 - 3x + 1 en x = 2, usando
Divisin Sinttica.
Sea f(x)= 3x3 - 4x2 + 5x - 6 y considere f(x)(x-2)
3x2 + 2x + 9
x-2)3x3 - 4x2 + 5x -6
3x3 - 6x2
2x2 + 5x
2x2 - 4x
9x - 6
9x - 18
12
Por el teorema del residuo f(2) = 12.
Consideremos ahora otras formas de abreviar el mtodo anterior. Es obvio que
podemos eliminar todas las x si conservamos rigurosamente las columnas.
Adems, las letras itlicas son innecesarias, ya que siempre estn hechas para
que sean iguales a las que estn arriba de ellas. Las cifras ms remarcadas son
slo copias de las de arriba y pueden tambin ser desechadas. En efecto, slo
necesitamos escribir:
Lnea del problema
Lnea de trabajo
Lnea del cociente
-2)
3
3
-4
-6
2
5
-4
9
-6
-18
12
Escribimos la lnea del problema y el primer 3 es copiado directamente en la lnea

del cociente. Este es multiplicado por el -2, el producto insertado en la lnea de
trabajo y restado del -4 para dar +2 el cual aparece en la lnea del cociente. Este
2 es tambin multiplicado por el -2 dando -4, el cual va a la lnea de trabajo, es
restado del cinco y el resultado colocado en la lnea del cociente. El proceso se
repite una vez ms para dar el diagrama anterior.
El cociente es 3x2 + 2x + 9 y el residuo es f(2) = 12.
Haremos un ltimo cambio. Para dividir entre x-2 cambiaremos el signo del
nmero externo (-2 anterior es cambiado a +2),y ahora, en lugar de restar en la
lnea de trabajo de los da la lnea del problema, los sumamos.
112
Universidad
Nacional
NAD
Lnea del problema

Lnea de trabajo
Lnea del cociente
2)
3
3
Abierta y
a distancia
-4
6
2
5
4
9
-6
18
12
Este proceso se llama divisin sinttica.

Note que si queremos dividir entre x+2 usaremos -2 como nmero externo.
Ejercicio A.3.10
Encuentre los valores de las derivadas de f(x) = x3 + 2x2 - 3x + 1 en x = 2.
2)
1
2
-3
1
2
8
10
2)
4
2
5
12
2)
6
2
17
1=
f ' ' ' (2)

3!
11 = f(2)
= f(2)/1 !
= f(2)/2 !
f(2) = 11
f(2) = 17
f(2) = 16
Finalmente,
f(2) = 6
De aqu que las derivadas requeridas sean f(2) = 17, f(2) = 16, f(2) = 6.
113

Analisis Numerico

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

Analisis Numerico

Cargado por

Copyright:

Formatos disponibles

TABLA DE CONTENIDO

7.4.3. Tcnicas de descenso rpido.......................................................................79

A travs de esta evaluacin el estudiante, necesariamente deber despertar su

superiores a operaciones aritmticas bsicas, porque profundizan en los temas

a) antes del uso de las

b) actualmente con el uso de las

PRESENTACIN DE NUMERICALS 1.0

Figura 2. Ventana de bienvenida del software tutorial Numericals 1.0.

Seorita o Seora Estudiante

Cualquiera que sea su inquietud

Durante este semestre, vamos a

Le agradezco su valioso tiempo,

HYPATIA (370 415 D.C.)

El mundo real, puede parecer impredecible, tradicionalmente la tarea de los

El cuerpo en descenso ser un esquiador como se muestra en la figura 3. Para

V es la velocidad, entonces la masa multiplicada por la razn de cambio de la

La ecuacin (1.4) es un modelo que relaciona la aceleracin de un cuerpo que cae

Suponiendo que el esquiador se lanzo desde un aeroplano y en el instante t=0

1.2.1. Solucin analtica

Un esquiador con una masa de 68100 gramos salta de un aeroplano. Aplquese la

A la ecuacin (1.6) se le llama solucin analtica o exacta porque satisface

1.2.2. Solucin numrica

operaciones aritmticas. Para nuestro caso, la razn de cambio de la velocidad

Esta ecuacin puede ordenarse otra vez para dar:

v(ti +1 ) = v(ti ) + g v(ti ) (ti +1 ti )

Y as, la ecuacin diferencial (1.4) se transforma en una ecuacin que puede

Para el siguiente intervalo (de t = 2 a 4 seg.), se repite el clculo con el resultado,

v(4) = 1960 + 980

Como se notar, debe pagarse un tributo al usar la calculadora por un resultado

Figura 4. Comparacin de las soluciones numrica y analtica para el problema

1.3 MODELOS MATEMTICOS QUE DESCRIBEN SISTEMAS FSICOS

Se aplica en el estudio de gases para establecer la relacin de presiones. La

Durante este periodo la velocidad con que desaparece agua de la superficie

Transferencia de masa para lixiviacin

Esterilizacin por calor

Representa un cintica de primer orden para la extincin de microorganismos

d se puede expresar de manera anloga a la ley de Arrhenius, en funcin de

De las ecuaciones anteriores se tiene:

KARL WILHELM THEODOR WIERSTRASS (1815 1897)

2.1. INTRODUCCIN TERICA

Reordenando la ecuacin 2.1 se encuentra que el error numrico es igual a la

en la ecuacin 2.2, error = valor verdadero valor

t = (error verdadero/valor verdadero) 100%

2.2. ERRORES DE TRUNCAMIENTO

Figura 5. Un ejemplo de un buen tirador ilustra el concepto de exactitud y

2.2.2 Estabilidad y condicin

Un nmero condicionado puede definirse como la razn de estos errores relativos

2.3. ERROR NUMERICO TOTAL

en particular. Se debera seleccionar un tamao del paso largo a fin de disminuir

Log tamao del paso

escalas del tiempo y espacio asociadas con el problema de la cada del

2.4. EJERCICIOS RESUELTOS

Encontrar el nmero de cifras significativas de las cantidades siguientes:

Redondear simtricamente a tres o dos cifras decimales, las cantidades que se

BLAISE PASCAL (1623 - 1662 D. C.)

3.1. INTRODUCCIN TERICA

donde fi se le conoce como la primera diferencia hacia delante y a h se le llama

3.2. APROXIMACIN A LA PRIMERA DERIVADA CON DERIVADAS HACIA

donde el error es de O(h) y f1 indica la primera diferencia dividida hacia atrs.

3.3. APROXIMACIONES A LA PRIMERA DERIVADA CON DIFERENCIAS

que se puede resolver para:

La ecuacin 3.6 es una representacin de las diferencias centrales de la primera

3.4. APROXIMACIONES POR DIFERENCIAS FINITAS DE DERIVADAS DE