1

Captulo 1

INTRODUCCIN Y ALCANCE DE LOS MTODOS NUMRICOS









1.1 Introduccin

Empezaremos este captulo, discutiendo en forma breve el propsito y el poder
de los mtodos numricos; as como sus limitaciones y, posteriormente,
presentaremos una justificacin para el estudio detallado de los mismos. En cada
captulo, primeramente se presentas los elementos tericos bsicos, con un
lenguaje fcil de digerir y al final de cada exposicin terica, como un repaso de la
teora se resuelven varios ejercicios, con la finalidad de que los estudiantes puedan,
posteriormente, adaptarlos a sus necesidades propias, en sus aplicaciones
profesionales o de investigacin.



1.2 Qu son los mtodos numricos?

Los mtodos numricos son una clase de tcnicas para resolver una gran
variedad de problemas matemticos. Estos problemas pueden, naturalmente, tener
su origen como modelos matemticos o situaciones fsicas. Este tipo de mtodos
son extraordinarios puesto que solamente son empleadas operaciones aritmticas y
lgicas; de esta manera los clculos pueden hacerse directamente o usando una
computadora digital.

Aunque en el sentido estricto del trmino, cualquier cosa, desde los dedos hasta
un baco, pueden ser considerados como una computadora digital, sin embargo,
aqu usaremos este trmino para referirnos a computadoras electrnicas, las
cuales han sido usas razonablemente y en forma difusa, desde a mediados de
1950. Actualmente los mtodos numricos preceden a las computadoras
2
electrnicas por muchos aos y, en realidad, muchos de los mtodos usados
generalmente datan, en forma virtual, desde el inicio de las matemticas modernas;
mas sin embargo, el uso de estos mtodos fue relativamente limitado hasta el
advenimiento de la calculadora mecnica de escritorio y posteriormente
dramticamente incrementada. En un sentido real, los mtodos numricos vinieron
a revolucionar las tcnicas de solucin, de varios problemas complejos, con la
introduccin de la computadora electrnica.

La combinacin de mtodos numricos y las computadoras digitales han creado
una herramienta de inmenso poder en el anlisis numrico. Por ejemplo, los
mtodos numricos son capaces de manejar la no linearidad, la geometra compleja
y sistemas grandes de ecuaciones simultneas que son necesarios para la
simulacin perfecta de muchas situaciones fsicas reales. Las matemticas clsicas,
junto con las matemticas aplicadas ms ingeniosas no pueden competir con
muchos de estos problemas en el nivel requerido por la tecnologa de hoy en da.
Como resultado, los mtodos numricos han desplazado el anlisis con las
matemticas clsicas en muchas aplicaciones industriales y de investigacin; sin
que ello signifique que las instituciones deban dejar de incluir, en la formacin de los
estudiantes, esta temtica.



1.3 Mtodos anteriores a la aparicin de la computadora

Antes del uso de la computadora digital, haba tres mtodos diferentes que los
ingenieros aplicaban a la solucin de los problemas, a saber:

1. Soluciones exactas. Con frecuencia, estas soluciones resultaban tiles y
proporcionaban una comprensin excelente del comportamiento de algunos
sistemas. Sin embargo, las soluciones analticas pueden encontrarse slo para
una clase limitada de problemas. Estos incluyen aquellos que pueden
aproximarse mediante modelos lineales y tambin a aquellos que tienen una
geometra simple y pocas dimensiones. En consecuencia, las soluciones
exactas tienen valor prctico limitado, porque la mayor parte de los problemas
reales no son lineales, e implican formas y procesos complejos.

2. Soluciones grficas. Estas soluciones tomaban la forma de grafos o
nomogramas. Aunque las tcnicas grficas a menudo pueden emplearse para
resolver problemas complejos, los resultados no son muy precisos. Es ms, las
soluciones grficas (sin ayuda de una computadora) son tediosas en extremo y
3
difciles, de implementar. Finalmente, las tcnicas grficas estn limitadas a
aquellos problemas que puedan describirse usando tres dimensiones o menos.

3. Clculos manuales y reglas de clculo. Aunque en teora estas aproximaciones
deberan ser perfectamente adecuadas para resolver problemas complicados,
en las prcticas, se presentan algunas dificultades. Los clculos manuales son
lentos y tediosos; adems no existen resultados consistentes debido a que
surgen equivocaciones cuando se efectan las operaciones de esa forma.



1.4 Los mtodos numricos y la prctica de la ingeniera

Desde finales de la dcada de 1940, la multiplicacin y disponibilidad de las
computadoras digitales han llevado a cabo una verdadera explosin en cuanto al
uso y desarrollo de los mtodos numricos. Al principio, este crecimiento estaba
algo limitado por el costo de acceso a computadoras grandes, por lo que, muchos
ingenieros continuaban usando simples planteamientos analticos en una buena
parte de su trabajo. No es necesario mencionar que la reciente evolucin de
computadoras personales de bajo costo, ha dado a mucha gente un fcil acceso a
poderosas capacidades de cmputo.

Adems, existe un buen nmero de razones por las cuales se deben estudiar los
mtodos numricos, en ciencias e ingeniera:

1. Los mtodos numricos son herramientas extremadamente poderosas para la
solucin de problemas reales. Son capaces de manejar sistemas de ecuaciones
lineales grandes, la no linealidad y geometras complicadas (como ya se dijo
antes), que son comunes en la prctica de la ingeniera aplicada y que, a
menudo, son imposibles de resolver analticamente. Por lo tanto, amplan la
habilidad de quien los estudia para resolver problemas.

2. En el transcurso de su carrera, es posible que el lector tenga la ocasin de usar
software disponible comercialmente que contenga mtodos numricos. El uso
inteligente de estos programas depende del conocimiento de la teora bsica en
la que se basan los mtodos que se discutirn en este trabajo; por lo que es
necesario que el estudiante los vea (los mtodos numricos), como una
respuesta a sus inquietudes.

4
3. Hay muchos problemas, en las aplicaciones reales, que no pueden plantearse al
emplear programas hechos. Si se est versado en los mtodos numricos y se
es un adepto a la programacin de computadoras, entonces se tiene la
capacidad de disear programas propios para resolver los problemas, sin tener
que comprar un software costoso.

4. Los mtodos numricos son un vehculo eficiente para aprender a servirse de
las computadoras personales. Es bien sabido que una manera efectiva de
aprender a programar las computadoras es al escribir los programas. Como los
mtodos numricos en su mayor parte estn elaborados para implementarse en
computadoras, resultan ideales para ese propsito. An ms, estn
especialmente adaptados para ilustrar la potencia as como las limitaciones de
las computadoras. Cuando el lector implemente con buen resultado los mtodos
numricos en una computadora personal y los aplique para resolver problemas
de otro modo resultan intratables, entonces tendr una demostracin tangible de
cmo pueden ayudarle las computadoras para su desarrollo profesional. Al
mismo tiempo, aprender a reconocer y controlar los errores de aproximacin
que son inesperables de los clculos numricos a gran escala.

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



1.5 Hay lmites para la capacidad de los mtodos numricos?

Naturalmente que la respuesta a esta pregunta es un enftico si. Est a la vista
de muchos investigadores, cientficos e ingenieros quienes deberan conocer mejor,
que si un problema no puede ser resuelto de ningn otro modo, debido a que, todos
y cada uno tiene que estar frente a una computadora. Este estado de cosas
(eventos) es indudablemente debido al enorme poder de los mtodos numricos los
cuales hemos discutido en la seccin anterior. Sin embargo, desafortunadamente es
cierto que hay muchos problemas que son an imposibles (en algunos casos
deberamos usar la palabra imprctica) de resolver usando mtodos numricos.
Para algunos de esos problemas no exactos, el modelo matemtico completo an
no ha sido encontrado, obviamente es imposible considerar una solucin numrica.
Otros problemas son simplemente tan enormes que su solucin est ms all de los
lmites prcticos en trminos de la tecnologa actual, de las computadoras. Por
5
ejemplo, ha sido estimado que para obtener un detalle de la solucin para
problemas de flujo turbulento, en funcin del tiempo, que incluya los efectos de los
remolinos ms pequeos, requeriramos del orden de 30 aos. Esta estimacin ha
sido basada en la tecnologa de 1968 y es probablemente ms o tal vez un poco
menor con la tecnologa actual. Desde luego la pregunta completa de
practicabilidad, frecuentemente depende de qu tanto se dispone para pagar la
obtencin de una respuesta. Algunos problemas son tan importantes que la
industria o el gobierno est dispuesto a pagar muchos millones de dlares para
obtener la capacidad computacional necesaria y ayudar a hacer prctica la solucin
de los problemas que previamente haban sido considerados con solucin
imprctica. En muchos casos, aunque los lmites estn constantemente
reducindose, ah permanecen muchos problemas, los cuales estn en la
investigacin con la tecnologa actual o en la formulacin del modelo matemtico o
en trminos de la capacidad computacional que hoy se tiene.



1.6 Por qu estudiar mtodos numricos?

Podra parecer extraa la pregunta; sin embargo, para los conocedores del
poder de los mtodos numricos, que saben de su extenso uso en cada faceta de la
ciencia, la tecnologa y el gobierno; la pregunta es injustificada, ya que, en el
estudio de la ciencia y la tecnologa tienen una justificacin inmediata, por lo que,
mas bien se recomienda su uso en la licenciatura y postgrado, debido a que estos
ltimos tendran pocas aportaciones si no hacen aplicaciones de stos y de nada le
serviran los equipos ms modernos de clculo.

En muchos casos, el trabajo hecho por los mtodos numricos es altamente
valorado, sin embargo, en el uso de programas y subprogramas inevitablemente se
encontrarn dificultades. Estas dificultades pueden depender de muchas causas,
incluyendo las siguientes:

a) Una situacin fsica compleja no puede ser exactamente simulada por un
modelo matemtico (esto es un punto extremadamente crucial, pero est
fuera del alcance de la presente discusin).

b) El mtodo numrico no libera completamente todas las situaciones.

c) El mtodo numrico no est completamente libre de error.

d) El mtodo numrico no es ptimo para todas las situaciones.
6

Las dificultades con los mtodos numricos pueden resultar en un programa pre-
empaquetado o un subprograma de librera produciendo resultados errneos o no
tener los resultados esperados. En adicin, el usuario registra subprogramas de
librera para ejecutar o hacer ciertas tareas para encontrar una variedad de
subprogramas y nmeros que generalmente son aplicados, pero el material
descriptivo rara vez dar algn indicador de la eficiencia del subprograma o su
conveniencia para resolver el problema en especfico.

El usuario con cualquiera de esos problemas, pero que no tiene el conocimiento
de mtodos numricos, debera buscar la informacin necesaria (quiz un analista
numrico), si de verdad es un asesor evaluado. Sin embargo, en esta situacin
podra ser difcil que el usuario planteara las preguntas adecuadamente y, en
consecuencia la respuesta podra no ser la ms adecuada, puesto que la
experiencia de los dos podra quiz sea bastante diferente.

Podemos ver de esta manera que, existe una fuerte justificacin para que el
cientfico o el ingeniero adquieran conocimientos de los mtodos numricos. Este
conocimiento capacita al usuario de un computador, a seleccionar, modificar y
programar un mtodo para una tarea especfico, as como en la seleccin de
programas y subprogramas pregrabados de la librera y hacer posible, para el
usuario, la comunicacin con un especialista eficiente y de modo inteligente buscar
ayuda para un problema particularmente difcil. Finalmente deberan ser
reorganizado, el gran volumen de los que han sido llamados mtodos
desarrollados (cuyo objetivo es escribir programas para simular problemas fsicos
complejos) hecho por ingenieros y cientficos y no por analistas numricos.
Obviamente, las tcnicas numricas ms eficientes deberan ser empleadas
exactamente en tal trabajo y el conocimiento completo de mtodos numricos es
esencial para ingenieros y cientficos en tales proyectos.

A continuacin se discuten, brevemente, algunos tpicos relevantes de las
herramientas de clculo mencionadas: las computadoras electrnicas.



1.7 Lenguajes de computadora

La mayora de los lectores de este libro, tendr en mente alguna idea en
programacin, en un lenguaje de alto nivel para computadora, tal como
FORTRAN, ALGOL o BASIC. Esos lenguajes de programacin permiten, al usuario,
7
escribir programas en una forma en la que incluye frmulas algebraicas y
proposiciones lgicas en ingls, para instrucciones de entrada y salida. Tales
lenguajes de alto nivel son virtualmente independientes de la mquina en la cual
correr el programa. Mediante el uso de un programa de computadora llamado
compilador, el programa de alto nivel puede ser convertido al cdigo fundamental de
la mquina con lo que el programa ser actualmente ejecutado.

Para la mayora de los casos, es usado el lenguaje de programacin FORTRAN
IV. Con algunas excepciones el ALGOL raras veces es usado para clculos
cientficos, pero es extremadamente usado como un lenguaje internacional para
describir algoritmos. El BASIC es un lenguaje popular para uso de sistemas de
tiempo compartido y usualmente es usado para tareas programadas relativamente
simples. Otros lenguajes de alto nivel para uso cientfico son APL (tambin usa,
razonablemente el tiempo compartido y conveniente tanto para tareas de muy
simples hasta sofisticadas), MAD (con las mismas limitantes que el ALGOL) y PL-1
(un lenguaje actualmente poderoso de inters principal para clculos cientficos).

La aparicin de cada nuevo lenguaje de programacin es bien recibida por un
buen promedio de usuarios. Estos lenguajes imponen nuevas reglas que tienen que
ser aprendidas y posiblemente confundidas con otros lenguajes. Sin embargo,
cualquier perdona razonablemente flexible encontrar pocas dificultades en
adaptarse a un nuevo lenguaje si es necesario. Lo ms importante es la economa,
los programas de computadora largos son muy caros y la conversin de esos
programas a otro lenguaje puede ser la mejor tarea, pero involucrar muchos
meses de trabajo. Esta es una de las razones principales por las que FORTRAN IV
es el lenguaje estndar en aplicaciones de la ciencia y nicamente debe
desplazarse hacia el futuro.













8








































9
Captulo 2

APROXIMACIONES Y ERRORES









2.1 Introduccin

Las tcnicas numricas conducen a aproximaciones en sus resultados, ya
que, stas se usan como una alternativa de solucin cuando el problema por
resolver no tiene un modelo matemtico de solucin o an tenindolo la respuesta
esperada no es encontrada con los mtodos analticos. Por consiguiente, los
errores forman parte intrnseca de los mtodos numricos, debido a que stos son
slo una aproximacin de la solucin a un problema. En la prctica profesional, los
errores pueden resultar costosos y en algunas ocasiones catastrficos, debido a
que por un error se puede perder hasta la vida si una estructura o un dispositivo
llegan a fallar. Las fuentes de errores pueden ser instrumentales, por
imperfecciones o desajustes del equipo usado en la toma de medidas; personales
que se producen por la falta de habilidad del observador para leer, con exactitud, los
instrumentos y de clculo.

En el presente captulo se cubren varios aspectos que identifican, cuantifican
y minimizan los errores. Dos de los errores ms comunes son los de redondeo y de
truncamiento. Los primeros se deben a que el equipo de clculo usado, slo puede
representar cantidades con un nmero finito de dgitos. Los errores por
truncamiento, representan la diferencia entre una formulacin matemtica exacta de
un problema y la aproximacin dada por un mtodo numrico. Desde luego que no
dejan de discutirse, brevemente, los errores por equivocacin, que son debidos a
una mala formulacin de modelos, as como los errores por incertidumbre de la
obtencin de datos.



10
2.2 Cifras significativas

El concepto de cifras significativas se ha desarrollado para designar el grado
de confiabilidad de un valor numrico. El nmero de cifras significativas es el
nmero de dgitos, ms un dgito estimado que se pueda usar en los instrumentos
no digitales.

Los ceros no siempre son cifras significativas, ya que pueden usarse slo
para ubicar el punto decimal, as que, los siguientes nmeros tienen cuatro cifras
significativas.

0.000 018 45
0.000 184 5
0.001 845

Cuando se incluyen ceros en nmeros muy grandes, no se ve claro cuantos
de ellos son significativos, si es que los hay. Por ejemplo, el nmero 45300 puede
tener tres, cuatro o cinco dgitos significativos, dependiendo si los ceros se conocen
con exactitud. La incertidumbre se puede desechar usando la notacin cientfica;
por lo que, 4.53 x10
4
, 4.530 x 10
4
y 4.5300 x 10
4
muestran que el nmero en
cuestin, tiene tres, cuatro y cinco cifras significativas.

Las implicaciones que se tienen en el estudio de los mtodos numricos son:

1) Debe especificarse claramente la tolerancia en los clculos, por ejemplo, se
puede decidir que la aproximacin sea aceptable siempre y cuando sea
correcta hasta cuatro cifras significativas, o sea que, debe existir seguridad
que las primeras cuatro cifras son correctas.

2) Aunque ciertas cantidades (t, e, 2 ), representan nmeros especficos, no
se pueden expresar exactamente con un nmero finito de dgitos. Por
ejemplo, el nmero t es igual a 3.141 592 653 589 793 238 462 643... hasta
el infinito. De aqu que estos nmeros siempre contendrn el error por
redondeo, puesto que los dgitos desplegados en una computadora (o en una
calculadora de bolsillo) siempre es una cantidad finita comprendida entre
siete y catorce cifras significativas.




11
2.3 Definiciones de error

Los errores numricos se generan con el uso de aproximaciones para
representar las operaciones y cantidades matemticas. stos incluyen errores de
truncamiento, que resultan de presentar aproximadamente un procedimiento
matemtico exacto, as como a los errores de redondeo, que se originan al
representar en forma aproximada nmeros exactos. Por consiguiente, la relacin
entre un resultado exacto (X
v
) y el aproximado (X
a
) est dada por:


v
Xa Xv c + = (2-1)

De lo anterior se sigue que el error (c
v
) se puede calcular con,

Xa Xv
v
= c (2-2)

que, generalmente, es de ms inters el valor absoluto de dicho error; ya que lo que
realmente se quiere medir es la cercana del valor aproximado (X
a
) al valor exacto
(X
v
).

En general, en situaciones reales, es difcil conocer el valor verdadero a
priori; por lo que, casi siempre se hablar de error relativo y error relativo
porcentual, que se obtienen con las relaciones,


Vv
Ev
Er = , error relativo (2-3.1)


Vv
Ev
Er = *100, error relativo porcentual (2-3.2)

En la aplicacin de los mtodos numricos, se encontrar que usan
esquemas iterativos para aproximar resultados. En tales casos, el error se calcula
de la siguiente manera:

100
1
1
x
Xa
Xa Xa
i
i i
v
|
|
.
|

\
|
=
+
+
c (2-4)

donde Xa
i+1
, es la aproximacin actual
Xa
i
, corresponde a la aproximacin previa.

12
Note usted que la ecuacin (2-4) puede conducir a valores positivos
negativos, si la aproximacin previa o el valor aproximado es mayor que la
aproximacin actual o que V
v
. Entonces, el valor del error (o del error relativo) es
negativo y, positivo en caso contrario. A menudo, cuando se realizan clculos,
puede no importar mucho el signo del error, si no ms bien su valor absoluto, para
compararlo con una tolerancia prefijada c
t
, la cul depende de la exactitud requerida
en los resultados. Cuando es as, los clculos se repiten hasta que el valor absoluto
del error sea igual menor que dicha tolerancia.

|c
v
| c
t
(2-5)

debido a que, cuando se cumple la relacin anterior, se considera que el resultado
obtenido est dentro de un nivel aceptable fijado previamente.


2.3.1. Errores de redondeo

En la seccin (2-2) se mencion que, los errores de redondeo se deben a
que las computadoras, slo guardan un nmero finito de cifras significativas durante
un clculo. Las computadoras realizan esta funcin de maneras diferentes; por
ejemplo, si slo guardan siete (7) cifras significativas y los clculos involucran al
nmero t, la computadora slo almacena y usa 3.141592, omitiendo las cifras
restantes y, por consiguiente, genera un error de redondeo de:

c
v
= 0.000 000 650

Siendo sta, una de las varias formas que utiliza una computadora para
redondear nmeros. Esta tcnica de retener slo las primeras siete cifras se le
llama truncamiento en el ambiente de computacin; de preferencia se le llamar de
corte para distinguirlos de los errores de truncamiento que se analizarn en la
siguiente seccin. Un corte ignora las cifras restantes, de la representacin decimal
completa; por ejemplo, para el caso anterior, el octavo dgito significativo es 6. Por
lo tanto, t se representa de manera ms exacta como 3.141 593, mientras que con
el corte fue 3.141 592. De esta forma el error, por redondeo sera:

c
v
= 0.000 000 350

Desde luego que las computadoras, se pueden desarrollar para redondear
nmeros de acuerdo con las reglas de redondeo, como la que se acaba de aplicar,
aunque esto agrega costo computacional.
13
2.3.2. Reglas de redondeo

Las siguientes reglas pueden aplicarse al redondear nmeros, cuando se
realizan clculos a mano.

Primera: En el redondeo, se conservan las cifras significativas y el resto se
descarta. El ltimo dgito que se conserva se aumenta en uno, si el primer dgito
descartado es mayor de 5; de otra manera se deja igual, pero si el primer dgito
descartado es 5 5 seguido de ceros, entonces el ltimo dgito retenido se
incrementa en uno, slo si es par.

Segunda: En la suma y la resta, el redondeo se lleva a cabo de forma tal que, el
ltimo dgito retenido en la respuesta corresponda al ltimo dgito ms significativo
de los nmeros que estn sumando o restando. Ntese que un dgito en la columna
de las centsimas es ms significativo que uno de la columna de las milsimas.

Tercera: Para la multiplicacin y para la divisin, el redondeo es tal que, la cantidad
de cifras significativas del resultado es igual al nmero ms pequeo de cifras
significativas que contiene la cantidad en la operacin.

Cuarta: Para combinaciones de las operaciones aritmticas, existen dos casos
generales. Se puede sumar o restar el resultado de las multiplicaciones o de las
divisiones.










o tambin se pueden multiplicar o dividir los resultados de las sumas y las restas, es
decir,






Multiplicacin



Divisin


Multiplicacin



Divisin
+


_
Suma



Resta
Suma

Resta
X

/
14
en ambos casos, se ejecutan las operaciones entre parntesis y el resultado se
redondea, antes de proceder con otra operacin, en vez de redondear nicamente
el resultado final.


Ejemplo 2.1 Ilustracin de las reglas de redondeo.

a) Errores de redondeo. Redondear los nmeros dados, al nmero de cifras
significativas indicadas.

Nmero Inicial Cifras significativas Nmero redondeado
5.6723 3 5.67
10.406 4 10.41
7.3500 2 7.4
7.4500 2 7.4
88.216500 5 88.216
1.25001 2 1.3


b) Sumas y restas

b.1. Evalese 2.2 1.768, redondeando a una cifra significativa

2.2 1.768 = 0.432 que redondeado es -- 0.4

b.2. Evalese 4.68x10
-7
+ 8.3x10
-4
228x10
-6
. Conviene expresar los nmeros
con un mismo exponente, as que,

0.00468x10
-4
+ 8.3x10
-4
.2.28x10
-4
= 6.02468x10
-4


De esta manera, se puede ver claramente que el 3 (del 8.3) es el ltimo dgito
significativo retenido, por lo que, la respuesta se redondea de la siguiente manera.

6.02468x10
-4
para a 6.0x10
-4



c) Multiplicacin y divisin

c.1. Evaluar 0.0642 x 4.8

15
0.0642x4.8=0.30816 0.31

c.2. Ahora evale 945/0.3185

945 /0.3185 = 2 967.032 967....2 967


d) Combinaciones

d.1. Calcular |15.2(2.8 x10
-4
)| + |(8.456x10
-4
) 0.177 |

Primero efectense la multiplicacin y la resta que estn dentro de los corchetes:

|4.256 x10
-3
| + |-176.1544x10
-3
|

Ahora, antes de sumar, se redondean las cantidades encerradas:

|4.3x10
-3
| + |-176.15x10
-3
| = -171.85x10
-3
-171.8x10
-3


d.2. Evalese

8 . 5 10 672 . 2
10 7 . 8 10 740 . 6
3
7 5
+

x
x x


Igualando los exponentes, se tiene:


3 3
7 7
10 0058 . 0 10 672 . 2
10 7 . 8 10 674
x x
x x
+

redondeando queda:
8
3
7
10 ... 483196 . 2
10 678 . 2
10 665

= x
x
x



2.3.3. Errores de truncamiento

Son aquellos que se presentan al aproximar funciones analticas por medio
de algunos trminos de una serie infinita; esto se hace frecuentemente en los
mtodos numricos cuando es difcil realizar operaciones con alguna funcin
complicada y se toman en su lugar los primeros trminos de una serie que aproxima
16
la funcin, truncando los dems. Tambin se presenta cuando se utilizan nmeros
irracionales, tales como: \2 , e, t, etc., ya que para trabajar con ellos se toma un
nmero determinado de cifras significativas y se truncan las dems.


Ejemplo 2.2 El nmero e, base de los logaritmos neperianos, con cinco cifras
decimales, es igual a 2.71828; calcular el error absoluto y el error relativo en el que
se incurre en cada caso, al tomar hasta el primero, segundo, tercero y cuarto
trminos de la serie

=
=
1
!
1
k
k
e

Solucin
a) Tomando hasta el primer trmino

1
! 0
1
!
1
0
0
= = =

= k
k
e

En consecuencia, el error absoluto es, c
v
= |2.71828 1 |= 1.71828 y el error
relativo c
r
, en porcentaje resulta,

( )
0
0
212 . 63 100
71828 . 2
1 71828 . 2
=

=
r
c

b) Si se toma hasta el segundo trmino de la serie, se tendr

2
! 1
1
! 0
1
!
1
1
0
= + = =

= k
k
e

De aqu se concluye que, c
v
= 0.71828 y c
r
= 0.26424 = 26.424%

c) Ahora, tomando hasta el tercer trmino

=
= + + = =
2
0
5 . 2
! 2
1
! 1
1
! 0
1
!
1
k
k
e

Este resultado conduce a, c
v
= 0.21828 y c
r
= 0.0803 = 8.03%

17
d) Tomando hasta el cuarto trmino, se tiene

=
= + + + = =
3
0
6667 . 2
! 3
1
! 2
1
! 1
1
! 0
1
!
1
k
k
e

con lo que se llega a, c
v
= 0.05161 y c
r
= 0.01899 = 1.9 %



2.4. Limitaciones en la exactitud de los datos experimentales

El cientfico debe trabajar con datos dignos de confianza. En esta seccin
describimos algunas de las razones por las cuales los datos pueden resultar
defectuosos.


2.4.1. Error humano

Este puede deberse al descuido, donde quizs simplemente es una mala
lectura en una escala. Las lecturas repetidas de la misma cantidad a menudo
revelan este tipo de error.

El error en una tcnica es muy difcil de detectar, pues se comete en todas
las medidas tomadas en la misma forma. Una falla comn en este tipo de error es el
paralaje. Este ocurre, por ejemplo, cuando se est leyendo la indicacin de una
aguja, en una escala (v.gr., en un cronmetro). La figura 2.1-a, muestra tal aguja
vista desde arriba. La figura 2.1-b, es una vista de planta. Claramente se nota que la
lectura Rc, de la escala, es correcta y, para obtener este resultado el ojo del
observador debe estar colocado directamente arriba de la aguja, en el punto Ec. En
cualquier otra posicin, digamos Ew, se tomar una lectura de escala Rw,
incorrecta. Con experiencia y cuidado uno se vuelve ms apto para evitar errores
como estos. El diseo de los instrumentos puede tambin ayudar en este aspecto.
Para evitar el paralaje, por ejemplo, muchos cuadrantes incorporan un espejo a lo
largo de toda la escala- colocando el ojo en tal forma que la aguja y su reflexin
queden superpuestas, de esta manera el ojo queda directamente arriba de la guja;
es decir, la lectura tomada ser como la Rc (la correcta). Para reducir an ms el
error, en la lectura, algunos instrumentos actuales dan la lectura en forma digital.



18




















2.4.2. Limitaciones instrumentales

Los instrumentos tienen sus propias limitaciones inherentes. Algunas son
obvias, como el caso de las reglas de madera, donde uno puede ver a simple vista
que las divisiones no estn igualmente espaciadas. Sin embargo, piezas ms
sofisticadas de equipo, pueden estar sujetas a varias fuentes de error. Tomen, por
ejemplo un microscopio. Aunque los microscopios, fueron diseados primeramente
para observar objetos pequeos, algunas veces es necesario medir el tamao del
objeto. La exactitud de tales medidas depende de un nmero de factores-la rigidez
de la columna que sostiene los lentes, la rigidez con la cual el espcimen se fija en
la platina y la exactitud con la cual las divisiones han sido gravadas en la escala.
Las platinas de algunos microscopios se mueven rotando un tornillo calibrado; cada
vuelta completa corresponde a un cierto movimiento de la platina (figura 2.2). La
exactitud de la medida hecha, en tales instrumentos, depende de la uniformidad de
la rosca del tornillo. A menudo tambin sucede, que cuando la platina se ha movido
alguna distancia en una direccin, sta no responde inmediatamente cuando el
tornillo se mueve en sentido contrario. Esto se llama retroceso. Por consiguiente, se
darn lecturas diferentes, dependiendo de la direccin en la cual el microscopio se
acerca a determinada posicin. Desde luego que esta dificultad se puede evitar
Fig. 2.1-b
Fig. 2.1-a
19
simplemente aproximndose a la posicin de la medida, siempre en un mismo
sentido.



Fig. 2.2. Microscopio de laboratorio




Problemas de este captulo


2.1 La expansin en serie de Maclaurin para la funcin cos(x) es:

...
! 10 ! 8 ! 6 ! 4 ! 2
1 ) cos(
10 8 6 4 2
+ + + =
x x x x x
x

Iniciando con el primer trmino cos(x) =1; agrguense los trminos uno a uno para
estimar cos(t/3). Despus de agregar cada trmino, calclense los errores
porcentuales relativos, exactos y aproximados.


2.2 Repetir los clculos del problema anterior, pero ahora usando la serie de
Maclaurin para el seno(x):

...
! 11 ! 9 ! 7 ! 5 ! 3
) (
11 9 7 5 3
+ + + =
x x x x x
x x seno

y estime el seno(t/2).
20
2.3. sense los trminos en serie de Taylor de cero a tercer orden para estimar f(3),
para

f(x) = 25x
3
6x
2
+ 7x 88

usando como punto base x = 2. Calcule el error relativo porcentual correcto para
cada aproximacin.

































21
Captulo 3

SOLUCIN NUMRICA DE ECUACIONES ALGEBRAICAS Y
TRASCENDENTES









3.1 Introduccin

Un problema muy comn en el campo de ciencias e ingeniera, es la solucin
de una situacin fsica que pueda ser representada por una ecuacin del tipo f(x) =
0. Por consiguiente, en este captulo se expondrn algunos mtodos para encontrar
la solucin a esas ecuaciones.

Antes de hacer la presentacin de los mtodos numricos de solucin, es
importante tener claridad del concepto de raz solucin de una ecuacin. Pues
bien, encontrar una solucin una raz real de una ecuacin, es hallar el valor de la
variable independiente x, que anule el valor de la funcin f(x), que se exprese en
trminos de la variable citada. En otras palabras, si la funcin se desarrolla en el
plano cartesiano xy, la solucin real de esa funcin es el valor de x que
corresponda a la intercepcin del eje de las abscisas con la curva definida por la
funcin f(x), como se muestra en Fig. 3.1. Si la curva no corta al eje x, entonces, la
ecuacin no tiene una solucin real, pero puede tener races imaginarias, que no
sern tratadas en este libro. En particular, si la ecuacin a resolver es un polinomio,
entonces, debemos considerar, en estricto, la siguiente definicin: Sea f(x) e C[x],
con gr f(x) = n 1 y

f(x) = a
n
x
n
+ ... + a
1
x + a
0


y se dice que c e C es raz de f(x), si f(c) = 0; es decir, si

a
n
c
n
+ ... + a
1
c + a
0
= 0
22

tambin es interesante, para la solucin de polinomios, tener presente el teorema
fundamental del lgebra, cuyo enunciado es si f(x) e C[x], con gr f(x) = n 1,
entonces, f(x) tiene al menos una raz compleja ( real o imaginaria); adems del
siguiente corolario: si f(x) e C[x], con gr f(x) = n 1, entonces, f(x) tiene n races
(no necesariamente diferentes).

Por otra parte, actualmente las calculadoras de bolsillo resuelven los
polinomios, encontrando los ceros de esas funciones; sin embargo, los mtodos que
se presentan tienen la ventaja de resolver cualquier funcin f(x) sin importar del tipo
que sea, siempre y cuando tenga races reales.

De acuerdo a las definiciones dadas, para encontrar una solucin real, las
ecuaciones, sin importar que representen un polinomio u otra cualquiera, deben ser
representadas en la forma:

f(x) = 0 (3-1)

Algunos ejemplos de las
ecuaciones que se resolvern
en este captulo, son:

5 6 ) (
2
+ = x x x f

50 . 1
2
) (
2
+ =
gy
y y f
1 ) 2 ( ) (
4
=

x e x f
x


4 ) ( ) (
2
= x sen x x f

senx x x f = 5 . 0 ) (

01 . 0 ) 01 . 0 2000 05 . 0 cos( ) (
2 005 . 0
=

R e R f
R


( ) 4 . 0 f Re Log 4
f
1
=

( )
2
1 x 2 . 0
x 3 sin e ) x ( f =


23
3.2 Caractersticas de los mtodos numricos

Los mtodos que se presentan reciben el nombre genrico de
aproximaciones sucesivas, los cuales desarrollan su convergencia mediante la
aplicacin de una frmula de recurrencia. Se les da este nombre porque a partir de
una primera aproximacin, se obtiene otra aproximacin mejor, en general, ms
cercana a la solucin. Desde luego que, aunque reciben tal nombre, cuando el
mtodo converge, la solucin es tan satisfactoria como la solucin exacta, siendo la
nica limitacin la exactitud proporcionada por el nmero de dgitos empleados en
el clculo, o sea que, depende del error por redondeo o por truncamiento que se
admita. A continuacin se describen los mtodos: Aproximaciones sucesivas,
Biseccin, Monte Carlo, Falsa Posicin, Newton-Raphson, Newton Modificado y
Secante. Estos mtodos son aplicables tanto a ecuaciones algebraicas y
trascendentes como a ecuaciones no lineales; es decir, se podrn solucionar,
ecuaciones como las listadas en la pgina anterior. Sin embargo, si la ecuacin a
resolver, no tiene respuesta en los reales, el mejor mtodo fallar, ya que los
mtodos que se presentan estn estructurados para encontrar las races reales de
una ecuacin.

A modo de sugerencia se seala que, en las aplicaciones a problemas
reales, una buena dosis de experiencia ser un apoyo de decisin importante, ya
que, las soluciones resuelven, algebraicamente una ecuacin, pero no toman en
cuenta las situaciones reales del problema.



3.3 Mtodo de aproximaciones sucesivas

Este mtodo consiste en proponer un valor inicial aproximado a la solucin
- y, a partir de l obtener un valor mejorado de la raz que es sometido a una prueba
de convergencia, es decir, de aproximacin y, si dicha prueba es superada,
entonces, el valor obtenido es la respuesta buscada; en caso de que no se cumpla
la condicin de convergencia, con el nuevo valor se repite el proceso, tantas veces
como sea necesario. Para derivar una ecuacin recursiva que permita realizar este
proceso, se plantea la siguiente estrategia.

La ecuacin (3-1) no cambia si se suma, miembro a miembro, el trmino x,
quedando:

x x f x + = ) ( (3-2)
24
si el miembro derecho es otra funcin que se define como g(x), entonces ecuacin
(3-2) se transforma en:

) (x g x = (3-3)

Es notorio que cualquier ecuacin de la forma (3-1) puede expresarse como
ecuacin (3-3).

Como se ha dicho con anterioridad, si x = x
r
es una raz, entonces se
cumplir que f(x
r
) = 0 por lo que ecuacin (3-3) queda:

) (
r r
x g x = (3-4)

Este mtodo consiste en sustituir un valor inicial de la variable independiente
x
0
, aproximado a la raz, en el segundo miembro de ecuacin (3-3). Si este valor
propuesto es la raz, resultar que se cumple (3-4), o sea que,

) (
0 0
x g x =

En las aplicaciones es difcil que lo anterior ocurra en x = x
0
, ya que, el valor
inicial propuesto es solo, en el mejor de los casos, un valor cercano a la raz, por
tanto resultar que esto no siempre se cumple la primer vez, por lo que, puede
escribirse,

) (
0 0
x g x =

o ms propiamente,

) (
0 1
x g x =

donde x
1
ser la nueva aproximacin de la raz. Si ahora se sustituye x
1
en el
segundo miembro de (3-3), se obtendr un valor ms cercano a la raz. Como esta
es la segunda sustitucin que se hace, puede escribirse,

) (
1 2
x g x =

tomando en cuenta que se repite el proceso, pero ahora con x
2
, para obtener x
3
,
luego con x
3
para generar x
4
y, as sucesivamente, hasta sustituir x
n
para obtener
x
n+1
; entonces el proceso descrito, se puede generalizar con la ecuacin,
25

) (
1 n n
x g x =
+
(3-5)

La ecuacin (3-5) es la ecuacin recursiva del mtodo numrico de
aproximaciones sucesivas. El diagrama de flujo de este proceso iterativo, se
muestra en figura D3.1.





























Fig. D3.1 Diagrama de flujo del mtodo de aproximaciones sucesivas


Un criterio sano de convergencia es que la diferencia, en valor absoluto,
entre dos valores consecutivos, proporcionados por este proceso, ser cada vez
ms pequea, es decir, x
n+1
ser cada vez ms cercano a x
n
, sin embargo, puede
medirse dicha convergencia con ecuacin (2-4), cuando se haya prefijado el error
tolerable.

inicio
f (x), x
0
, c
Hacer
x = x
0

Calcular
g(x) = f(x) +x
x =g(x)?
Escribir

x
si
no
fin
26
Finalmente, el estudiante debe saber que este mtodo no siempre converge,
por lo que, no ser un error de clculo el hecho de que encuentre, en algunos
casos, esta situacin; tampoco se tiene la certeza de que el problema no tenga
solucin real. Cuando esto ocurra, se recomienda el uso de otro mtodo numrico y
hacer un bosquejo del problema que se est resolviendo; por lo que este mtodo se
presenta como un elemento de conocimiento, para el estudioso.

Ejemplo 3.1 Obtener una raz, por el mtodo de aproximaciones sucesivas, de la
ecuacin.

x e x f
x
=

) ( (Fig. E3.1)

Solucin. Sumando x, miembro a miembro, la ecuacin toma la forma (3-5):


n
x
n
e x

+
=
1


proponiendo un valor inicial de x
0
=
0, el valor de x
1
= e
-0
= 1. Como este
valor calculado es diferente al valor
supuesto, entonces, x
1
no es una
raz y, se repite el proceso, ahora
con x
1
para obtener x
2
= e
-1
=
0.3679; repitiendo con x
2
, se
obtiene, para x
3
, = e
-0.3679
= 0.6922 y,
as, sucesivamente. La convergencia
se obtuvo para x = 0.5671,
confirmando lo indicado por la
grfica del ejemplo.


Ejemplo 3.2 Por el mismo mtodo, obtener una raz de la ecuacin:

1
2
1
) cos( ) ( + = x x x f (Fig. E3.2)

Solucin. La forma recursiva es, en este caso:

1
2
1
) cos(
1
+ + =
+ n n n
x x x

-3
-2
-1
0
1
2
3
4
5
6
-1 -0.5 0 0.5 1 1.5 2
V
a
l
o
r
e
s

d
e

f
(
x
)
Valores de x
Figura E3.1
27
iniciando con x
0
= 0, se obtiene:

2 1 ) 0 (
2
1
) 0 cos(
1
= + + = x

584 . 1 1 ) 2 (
2
1
) 2 cos(
2
= + + = x

Los siguientes valores son: 1.779,, 1.714,
1.714
entonces, x = 1.714 radianes (valor que se repite) es una raz



3.4 Mtodo de Biseccin o de Bolzano

ste es un mtodo sencillo, pero lentamente convergente, para determinar un
cero de f(x), cuando sta es continua. Se basa en el teorema del valor intermedio
para funciones continuas, segn el cual un intervalo [a, b] en cuyos puntos extremos
f tiene signos opuestos, por ejemplo f(a) > 0, f(b) < 0, debe contener un cero de f
[figura 3.2]. Esto sugiere el mtodo de biseccin repetida del intervalo y, en cada
paso, tomar aquella mitad que tambin satisfaga esa condicin. De donde, se tiene
el algoritmo que sigue:

Algoritmo: Mtodo de Biseccin

Cuando es dada una funcin f(x) continua sobre un intervalo [a
0
, b
0
] y que satisface
f(a
n
).f(b
n
) < 0
Para n = 0, 1, 2, y hasta terminar:
Calcular ( )
n n
b a c + =
2
1

Si f(c) =0, acptese c como una solucin y detngase el procedimiento, en
caso contrario, continese.
Si f(a
n
).f(c) < 0, hgase a
n+1
= a
n
, b
n+1
= c. De lo contrario a
n+1
= c, b
n+1
= b
n
.
Entonces, f(x) = 0 para algn x en [a
n+1
, b
n+1
].

Prueba de terminacin. Si f( c) 0, entonces comprese el error relativo de
dos iteraciones consecutivas de c y si, es menor que cierta tolerancia detngase el
proceso.
-3
-2
-1
0
1
2
3
4
5
6
-1 0 1 2 3 4 5 6
V
a
l
o
r
e
s

d
e

f
(
x
)
Valores de x
Figura E3.2
28

?
1
1
c <

+
+
n
n n
c
c c


En figura D3.2 se muestra la rutina de este mtodo.





































Fig. D.3.2 Diagrama de flujo del mtodo de Biseccin


inicio
a, b, c
Calcular
f(a) y f(b)
f(a)*f(b) <
0 ?
no
Calcular
) (
2
1
b a c + =
si
Sea F = f(c)
? c s F
F*f(a) <
0 ?
no
si
Escribir

x
fin
si
b = c
a = c
c es el error
admisible.
x = c
29
La exactitud de una respuesta
depende de la aplicacin real del
problema; por ejemplo, si la solucin
representa la superficie de un terreno
y la unidad de medida es el metro,
con slo un decimal exacto se tendra
una excelente aproximacin; sin
embargo, si el problema a resolver
representa, en la situacin real, la
medida del dimetro de un pistn de
un automotor, entonces,
seguramente, si el metro es la unidad
de medida, una aproximacin al milmetro ser requerida, es decir, aqu se
exigiran, al menos, tres decimales exactos; etc.


Ejemplo 3.3 Encontrar, por el mtodo de
biseccin, una raz de la siguiente ecuacin.
Presente el resultado con tres decimales
exactos.

f(x) =x
3
1.412x
2
+0.098 (Fig. E3.3)

Solucin. Se proponen los valores: a = 0 y b
= 1; obteniendo:

f(a) = f(0) = (0)
3
1.412(0)
2
+ 0.098 = 0.098 y
f(b) = f(1) = (1)
3
1.412(1)
2
+ 0.098 = -0.314.

Puesto que f(a) y f(b) tienen signos diferentes, se cumple la condicin de
arranque, por lo que en el intervalo [0, 1] existe una raz real. Ahora, c = ( 0 + 1 ) =
0.50, con lo que f(c) = f(0.5 ) = -0.4830. De acuerdo a este resultado, f(c) est muy
lejano de cero, pero como tiene el mismo signo que f(b), se cambia b por el valor de
c y se repite el proceso, es decir: c = ( 0 + 0.5 ) = 0.25 y f(c ) = f( 0.25 ) = 0.02538.
En esta ocasin se cambia a por c; esto es, para la siguiente iteracin a = 0.25 y b =
0.50, obteniendo c = 0.375 y f(c) = f(0.375) = -0.04783. Este resultado obliga a
cambiar b, etc. La convergencia se obtuvo para c = 0.2964, correspondiendo a la
primer raz positiva de la ecuacin.



f
(
x
)
x
Fig. 3.2 mtodo de BISECCIN
f(x)
f(a)
f(b)
a
b
c
-3
-2
-1
0
1
2
3
4
-1 -0.5 0 0.5 1 1.5 2 V
a
l
o
r
e
s

d
e

f
(
x
)
Valores de x
Figura E3.3
30
Ejemplo 3.4 Resolver, por el mtodo de
biseccin, la ecuacin:

01 . 0 ) 01 . 0 2000 05 . 0 cos( ) (
2 005 . 0
=

R e R f
R

(Fig.E3.4)

Solucin. Se propone a = 0.0 y b = 400; por
consiguiente,

f(a) = 01 . 0 ) ) 0 ( 01 . 0 2000 05 . 0 cos(
2 ) 0 ( 005 . 0

e = -
0.6273
f(b) = f(400) = 01 . 0 ) ) 400 ( 01 . 0 2000 05 . 0 cos(
2 ) 400 ( 005 . 0

e = 0.0631.

De acuerdo a los resultados obtenidos, existe una raz en [0, 400]. Es notorio
que ms cerca de 400 que de cero.

El punto medio es c = 200 y con este valor se tiene que f(c) = f(200) = -
0.1631, por lo que el cambio debe ser para a = c = 200, debido a que f(a) fue
negativo y b no cambia en la presente iteracin.

El resumen de estos resultados es:

a b f(a) f(b) c f(c) cambia
0.0000 400.0000 -0.62727 0.06312 200.00000 -0.1630919 a
200.0000 400.0000 300.00000 -0.0295026 a
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
328.1250 328.2227 328.17383 0.0000223 b
328.1250 328.1738 328.14941 -0.0000020 a

Por lo que, una raz aproximada es R = 328.14941 radianes.



3.5 Mtodo de Falsa Posicin (Regula falsi)

En el mtodo de falsa posicin (regula falsi) para resolver f(x) = 0, se
aproxima la curva de f mediante una cuerda, como se muestra en figura 3.3. Esta
cuerda se interseca con el eje x en el punto a
1
= c, dado por:

-0.40
-0.35
-0.30
-0.25
-0.20
-0.15
-0.10
-0.05
0.00
0.05
0.10
0.15
0 100 200 300 400 500
V
a
l
o
r
e
s

d
e

f
(
R
)
Valores de R
Figura E3.4
31

) ( .
) ( ) (
0
0 0
0 0
0
a f
a f b f
a b
a c

=
(3-6)



















Figura 3.3 Mtodo de falsa posicin (regula falsi)
X
Y
a
0

b
0

a
1

f(a
0
)
f(b
0
)




Este es el primer paso. En el segundo, se detiene el procedimiento si f(c) = 0; si no
es as, utilizando el intervalo [a
0
, c], si f(a
0
).f( c) < 0

[c, b
0
], si f(a
0
)f(c ) > 0,se
determina la interseccin de la cuerda correspondiente como se hizo con
anterioridad, y as sucesivamente. Este mtodo siempre es convergente para
funciones continuas pero, por lo general, slo es de primer orden.

Algoritmo: Mtodo de falsa posicin

Dada una funcin f(x) continua sobre un intervalo [a
0
, b
0
] y tal que f(a
0
)f(b
0
) < 0.
Para n = 1, 2, y hasta terminar:

Calclese


) ( .
) ( ) (
0
0 0
0 0
0
a f
a f b f
a b
a c

=


- Si f(c) = 0, acptese c como una solucin y detngase el procedimiento. En
caso contrario, continese.
- Si f(a
n
).f( c) < 0, hgase a
n+1
= a
n
, b
n+1
= c. De lo contrario, a
n+1
= c, b
n+1
= b
n
.
- Entonces, f(x) = 0 para algn x en [a
n+1
, b
n+1
].
32
- Prueba de terminacin. Como el mtodo siempre converge, si f( c) 0,
entonces comprese el error relativo de dos iteraciones consecutivas de c y
si, es menor que cierta tolerancia detngase el proceso.
-

?
1
1
c <

+
+
n
n n
c
c c

En figura D3.3 se muestra el diagrama de flujo de este mtodo.





































Fig. D.3.3 Diagrama de flujo: mtodo FALSA POSICION

inicio
a, b, c
Fa=f(a)
Fb=f(b)
Fa*Fb < 0
?
no
(

=
Fa Fb
Fa a b
a c
) (

si
F = f(c)
? c s F
Fa*f(a)<
0 ?
no
si
Escribir

x
fin
si
b = c
a = c
c es el error
tolerable.
Fb=F
no
Fa=F
Hacer: x = c
33
Ejemplo 3.5 El movimiento de una
estructura se define, para una oscilacin
amortiguada, mediante la ecuacin:

) cos( 10 wt e y
kt
=
(Fig. E3.5)

donde k =0.50 y w = 2. Obtenga una raz
aplicando el mtodo de Falsa Posicin.
Solucin. De acuerdo a la grfica, la
primer raz positiva puede encontrarse
con los valores: a = 0 y b = 1.5; con los que se obtiene, f(a)=
00 . 10 )) 0 ( 2 cos( 10
) 0 ( 5 . 0
=

e y f(b) = 6764 . 4 )) 5 . 1 ( 2 cos( 10

) 5 . 1 ( 5 . 0
=

e ; es decir, se cumple
la condicin f(a)*f(b) < 0.

El valor de t, segn ecuacin (3-7) es,


0220 . 1
10 6764 . 4
) 10 ( * ) 0 5 . 1 (
0
) ( ) (
) ( * ) (
=
(

=
(

=
a f b f
a f a b
a t

f(t)= 7344 . 2 )) 022 . 1 ( 2 cos( 10
) 022 . 1 ( 5 . 0
=

e

por ser f(t) de signo negativo, cambia b y el valor de a, no cambia para la siguiente
iteracin. El valor de t es ahora t = 0.8023 y f(0.8023) = - 0.2300; nuevamente
cambia b = 0.8023, etc. Los resultados a que se lleg se muestran en la tabla
siguiente:


a b f(a) f(b) t f(t) cambia
0.000 1.500 10.000 -4.676 1.022 -2.734 b
0.000 1.022 10.000 -2.734 0.803 -0.230 b
0.000 0.803 10.000 -0.230 0.785 0.012 a
0.785 0.803 0.012 -0.230 0.785 0.000 b
0.785 0.785 0.012 0.000 0.785 0.000

De acuerdo a los datos anteriores, una raz es t = 0.785 segundos.



-8
-6
-4
-2
0
2
4
6
8
10
12
-2 -1 0 1 2 3 4 5 6
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.5
34
Ejemplo 3.6 Encuentre una raz positiva
de la ecuacin ) ( 5 . 0 ) ( x sen x x f = , Fig.
E3.6. Use el mtodo de Falsa Posicin,
con a = 1.5 y b = 2.5, para probar la
condicin inicial.

Solucin. Para a = 1.5, f(a) =
) 5 . 1 ( ) 5 . 1 ( 5 . 0 sen = -0.2475 y con b =
2.5, f(b) = 0.6515. Por ser, estos valores
de signos contrarios, se cumpli la
condicin de arranque y se obtuvo, de
ecuacin (3-7), c = 1.7753 radianes, por consiguiente, f(c) =
) 7753 . 1 ( ) 7753 . 1 ( 5 . 0 sen = - 0.0915. De acuerdo a este resultado, el valor actual de a
debe cambiar por el valor de c, as que a = 1.7753 radianes y puesto que b no
cambia, se tiene que b = 1.50 radianes. Continuando de esta forma, se lleg a los
resultados que se muestran en la siguiente tabla.


a b f(a) f(b) C f(c) Cambia

1.500 2.500 -0.247 0.652 1.775 -0.092 a

1.775 2.500 -0.092 0.652 1.865 -0.025 a

1.865 2.500 -0.025 0.652 1.888 -0.006 a

1.888 2.500 -0.006 0.652 1.894 -0.001 a

1.894 2.500 -0.001 0.652 1.895 0.000 a

1.895 2.500 0.000 0.652 1.895 0.000 a

Una raz es x =1.895 radianes, debido a que este valor se repite y, adems,
hace que f(x) sea igual a cero, como se observa en el ltimo rengln.



3.6. Mtodo de Monte Carlo

Otra variante de los dos mtodos anteriores es el mtodo de Monte Carlo. ste,
parte de los mismos principios que aquellos; es decir, se requiere de dos puntos de
apoyo, uno a y el otro b, de tal manera que f(a) y f(b) tengan signos distintos, para
que cumplan la condicin de arranque dada en figuras 3.2 y 3.3. La secuencia de
clculo es la misma que en los dos mtodos vistos, slo cambia la manera de
estimar el valor de c, el cual se calcula como funcin de a y b, as como de un
nmero aleatorio, segn ecuacin (3-7) El proceso de este mtodo es como se
describe a continuacin:

-1
0
1
1
2
2
3
3
-3 -2 -1 0 1 2 3 4 5
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.6
35
1. Dados a y b, tales que f(a).f(b) < 0; se escoge un nmero aleatorio, x
al
, con
distribucin de probabilidad uniforme, que se encuentre entre cero y 0.99
(estos nmeros pueden, inclusive, generaqrse con una calculadora).

2. Se calcula c con la frmula,

) ( a b x a c
al
+ = (3-7)

3. Al igual que en los dos mtodos anteriores, se calcula f(c) para comparar su
valor con cero o la tolerancia, c. Si es diferente de l o no cumple con la
tolerancia, en el error, prefijada, entonces, se hace el cambio adecuado tal
y como se realiz en el mtodo de biseccin - y se repite el proceso a partir
del paso 2, hasta que se encuentre la solucin.

El diagrama de flujo es similar al
dado en Fig. D3.1, slo debe cambiarse
el bloque que indica el clculo de c, el
cual se sustituye por ecuacin (3-7).


Ejemplo 3.7 Encuentre una raz
positiva de f(x) = tan(x) 2x, por el
mtodo de Monte Carlo (Fig. E3.7). Use
x
al
= 0.5361 y el resultado debe tener
tres decimales exactos.

Solucin. Para garantizar tres decimales exactos, la tolerancia debe ser c =0.0001.
Si a = 1 y b = 1.5, se tiene:

f(a)=f(1 ) = tan(1)-2(1) = -0.4426 y f(b) = f(1.5 )= tan( 1.5 ) 2(1.5) = 11.1014

Se observa que los valores propuestos son adecuados, ya que f(a).f(b) < 0;
por lo que, c = 1+ 0.5361(1.5-1) = 1.268 y f(1.268) = 0.665, quedando el segmento
[1, 1.268], para la siguiente iteracin. Ahora c = 1.144 y f(1.44) = -0.090, entonces el
segmento donde se encuentra una raz es [1.144,1.268], etc. Continuando con el
proceso descrito se lleg, manualmente, a los siguientes resultados:


A b f(a) f(b) c f(c) cambia

1.000 1.500 -0.443 11.101 1.268 0.665 B

1.000 1.268

1.144 -0.090 A
-4
-3
-2
-1
0
1
2
3
4
-2 -1 0 1 2
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.7
36

1.144 1.268

1.210 0.233 B

1.144 1.210

1.179 0.065 B

1.144 1.179

1.163 -0.012 A

1.163 1.179

1.172 0.028 b

1.163 1.172

1.168 0.009 b

1.163 1.168

1.165 -0.001 a

1.165 1.168

1.167 0.005 b

1.165 1.167

1.166 0.002 b

1.165 1.166

1.166 0.001 b

En este caso una raz, aproximada, es x = 1.166


Ejemplo 3.8 Encontrar una
raz de la ecuacin f(x) = x
4sen(x), por el mtodo de
Monte Carlo (Fig. E3.8).

Solucin. Se prob con a = 1
y b =2; con los que se obtuvo
f(a) = 1-4seno(1) = -2.366 y
f(b) = -1.637. Al no cumplirse
la condicin de arranque, se propusieron otros valores, siendo a = 2 y b =3. Se
obtuvo, f(a) =-1.6372 y f(b) = f(3) = 2.4355. De acuerdo con estos resultados, en el
segmento |2,3| se debe encontrar una raz. Usando x
al
= 0.2850 y siguiendo el
mismo proceso que el ejemplo anterior, se obtuvo una raz en c = 2.474 radianes;
algunas iteraciones se muestran abajo.

a B f(a) f(b) C f(c) Cambia
2.000 3.000 -1.637 2.436 2.285 -0.737 a
2.285 3.000 -0.737 2.436 2.489 0.059 b
2.285 2.489 -0.737 0.059 2.343 -0.522 a
2.343 2.489 -0.522 0.059 2.385 -0.362 a
2.385 2.489 -0.362 0.059 2.414 -0.245 a

2.473 2.475 -0.005 0.001 2.474 -0.003 a
2.474 2.475 -0.003 0.001 2.474 -0.002 a
2.474 2.475 -0.002 0.001 2.474 -0.001 a
2.474 2.475 -0.001 0.001 2.474 0.000



-3
-2
-1
0
1
2
3
-4 -3 -2 -1 0 1 2 3 4
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.8
37
3.7. Mtodo de Newton Raphson

Considere un punto x
0
, el cual no es una solucin de la funcin f(x), pero es
razonablemente cercano a una raz. Expandiendo f(x) en una serie de Taylor
alrededor de x
0
, queda.

+ + ' '

+ ' + = ... ) (
! 2
) (
) ( ) ( ) ( ) (
0
2
0
0 0 0
x f
x x
x f x x x f x f (3-8)

Si f(x) = 0, entonces, x es una raz y el lado derecho de ecuacin (3-8) constituye
una ecuacin para obtener esa raz. Desafortunadamente, la ecuacin (3-8) es un
polinomio de grado infinito. Sin embargo, un valor aproximado de la raz x puede ser
obtenido, tomando solamente los dos primeros trminos de la serie anterior,
quedando,

) ( ) ( ) ( 0
0 0 0
x f x x x f ' + =

Resolviendo para x, se tiene,


) 0
0
0
(
) (
x f
x f
x x
'
= (3-9)

Ahora x representa una mejor aproximacin de la raz y puede reemplazarse
por x
0
en ecuacin (3-9), para proporcionar una raz ms exacta, en la siguiente
iteracin. La expresin general de este mtodo puede, por consiguiente, escribirse
como:


) (
) (
1
n
n
n n
x f
x f
x x
'
=
+
(3-10)

donde el subndice n denota valores obtenidos en la n-sima iteracin y n+1 indica
valores encontrados en la iteracin (n+1). Este proceso iterativo converger a la raz
para la mayora de las funciones y, sino converge, ser por su extremada rapidez.
El diagrama de flujo de este mtodo, se muestra en Fig. D3.4.

El proceso es terminado cuando la magnitud de cambio, calculado en el valor
de la raz, h, es ms pequeo que alguna cantidad c predeterminada. Esto hace que
dos valores consecutivos de la variable independiente se repitan.

38

No obstante su rpida
convergencia, el mtodo de Newton tiene
algunas dificultades con ciertos tipos de
funciones. Estas dificultades pueden
superarse y hacer un uso ms inteligente
de este poderoso mtodo, considerando
una interpretacin grfica del proceso. La
Fig. 3.4 muestra la primer iteracin para
una funcin tpica. La siguiente suposicin
para la raz x
1
, es la interseccin con el
eje x de una lnea recta tangente a la
funcin en el punto de coordenadas (x
0
,
f(x
0
)) El valor de x
1
es ms cercano a la
raz que el valor supuesto inicialmente x
0
y, es claro que iteraciones sucesivas
convergern rpidamente a la raz.


























FIG. D3.4 Diagrama de flujo para el mtodo de Newton Raphson

x
0
, c
x = x
0

Fun = f(x)
Df = f (x)
h = - Fun/Df
x = x + h
hsc ?
Escribir
x

si
Inicio
Fin

f
(
x
)
x
Fig. 3.4 Primer iteracin del mtodo de Newton R.
x
o
f(x
o
)
x
1

39
Ahora considere la siguiente funcin simple oscilatoria (Fig. 3.5). La primer
suposicin x
0
, es razonablemente cercana a la raz A. Sin embargo, la lnea
tangente corta al eje de las abscisas en x
1
, la cual es cercana a la raz B. La
siguiente iteracin produce x
2
, y es claro que el mtodo de Newton, en un valor
inicial no cercano a una raz, puede resultar convergente para una raz distante. No
hay una forma simple para evitar este tipo de comportamiento con ciertas funciones.
Sin embargo, un bosquejo superficial o tabulacin de la funcin discutida
anteriormente, por lo general ser suficiente para permitir la primer suposicin en la
cual el mtodo eventualmente dar las races deseadas, es decir, x
0
deber
proponerse lo ms cercano posible a la raz deseada. En cualquier caso, esos
puntos asegurarn que el programador est conciente de cualquiera de las races,
para las cuales el mtodo puede haber fallado.

El mtodo de Newton tambin tiene una tendencia a caer en un mximo o en
un mnimo de una funcin y, entonces, la tangente de pendiente cero se dirige fuera
de la regin de inters, ya que es paralela al eje x. El algoritmo puede tambin
ocasionalmente oscilar hacia atrs o hacia delante, entre dos regiones que
contienen races para un nmero bastante grande de iteraciones, encontrando
despus una u otra raz. Estas dificultades pueden ser evitadas fcilmente con
algn conocimiento previo del comportamiento de la funcin. Desde luego, si la
funcin no oscila, como la descrita en figura 3.5, entonces, el mtodo de Newton,
encontrar una raz sin mayor dificultad, siguiendo la rutina dada en el algoritmo
D3.4.


Fig. 3.5 Funcin oscilatoria
X
f
(
x
)



A
B
x
0
x
1
x
2

40
Ejemplo 3.9 Encuentre una
raz de la ecuacin
2 10 ) (
2
+ = x e x f
x
, usando
el mtodo de Newton.

Solucin. Puesto que f (x) =
e
x
20x. Iniciando con un
valor de x
0
= 0.0, se calcul
la funcin y derivada,
respectivamente,
obteniendo:

2 10 ) (
2
0 0
0
+ = x e x f
x
00 . 3 2 ) 0 ( 10
2 0
= + = e

f (x
0
) = e
0
20(0)= 1.00

00 . 3
1
3
) (
) (
0
0
= =
'
=
x f
x f
h
N
y de ecuacin (3-10), se concluye que el valor
aproximado de x, es:

00 . 3 00 . 3 00 . 0
) (
) (
1
0
0
0 1 0
= = =
'
=
+
x
x f
x f
x x

como el valor absoluto de h
N
(3.00), es muy grande, entonces x = -3.00 no es una
raz y se repite el proceso detenindolo cuando dos valores consecutivos se repitan.

La tabla siguiente muestra los resultados obtenidos.

x f(x) f(x) h
0.0000 3.0000 1.0000 -3.0000
-3.0000 -87.9502 60.0498 1.4646
-1.5354 -21.3585 30.9229 0.6907
-0.8447 -4.7051 17.3233 0.2716
-0.5731 -0.7203 12.0252 0.0599
-0.5132 -0.0348 10.8620 0.0032
-0.5100 -0.0001 10.7998 0.0000
-0.5100 0.0000 10.7996 0.0000
-0.5100 --- raz
-120
-100
-80
-60
-40
-20
0
20
40
60
-4 -3 -2 -1 0 1 2 3 4 5 6 7 8
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.9
41


Ejemplo 3.10 Resolver la
ecuacin f(x) = e
-x/4
(2-x)-1 (Fig.
E3.10), por el mtodo de
Newton Raphson. Obtenga el
resultado con cuatro decimales
exactos.

Solucin. Como en el caso
anterior, la primer derivada de
esta ecuacin es,

) 6 (
4
1
) (
4
= '

x e x f
x



Para manejar cuatro decimales exactos, se requiere que la tolerancia sea
c=0.00001. Con esta aclaracin, se iniciaron clculos similares al ejemplo anterior y
se obtuvo, con x
0
= 0

f(x
0
) = e
-0/4
(2-0)-1=1.0000

5000 . 1 ) 6 0 (
4
1
) (
4
0
0
= = '

e x f

66667 . 0
5 . 1
1
) (
) (
0
0
=

=
'
=
x f
x f
h
N


6667 . 0 66667 . 0 0
) (
) (
1
0
0
0 1 0
= + = =
'
=
+
x
x f
x f
x x

De acuerdo al algoritmo dado en Fig. D3.4, se observa que 0.6667, que es el
valor absoluto de h
N
, no es menor que 0.00001, por lo que, se repite el proceso con
x
1
, llegando a,


f(x
1
) = e
-0.6667/4
(2-0.6667)-1=0.12 y 1290 . 1 ) 6 6667 . 0 (
4
1
) (
4
6667 . 0
1
= = '

e x f

-3
-2
-1
0
1
2
3
4
-2 -1 0 1 2 3 4 5 6 V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.10
42
1140 . 0
) (
) (
1
1
=
'
=
x f
x f
h
N
; 7806 . 0 1140 . 0 6667 . 0
) (
) (
2
1
1
1 1 1
= + = =
'
=
+
x
x f
x f
x x

nuevamente se nota que 0.114 es mayor que el error, por lo que, se debe repetir el
procedimiento, pero ahora con x = 0.7806. Puede probarse que siguiendo este
proceso se llega, finalmente a la raz de x = 0.7836.



3.8. Mtodo de Newton Modificado

La dificultad del mtodo de Newton Raphson, en el comportamiento de una
funcin con races mltiples obliga a considerar una modificacin del mtodo
discutido por Ralston. Como primero se desean encontrar las races de una funcin
f(x). Definimos una funcin nueva U(x), dada por:


) (
) (
) (
x f
x f
x U
'
= (3-11)

Se observa que la funcin U(x) tiene las mismas races que f(x), debido a
que, cuando f(x) es igual a cero, entonces U(x) se vuelve cero.

Suponiendo ahora que f(x) tiene una raz mltiple en x = c de multicidad r. |
Esto podra ocurrir, por ejemplo, si f(x) contiene un factor (x-c) |. Entonces, podra
fcilmente demostrarse que U(x) tiene una raz en x = c de multicidad r, o una raz
simple. Puesto que el mtodo de Newton Raphson es efectivo para races simples,
podemos aplicar el mtodo de Newton para resolver U(x) en lugar de f(x). De esta
manera, la ecuacin recursiva de este mtodo queda,


) (
) (
1
n
n
n n
x U
x U
x x
'
=
+
(3-12)

derivando la funcin auxiliar U(x), dada por ( 3-11),queda,


| |
2
) (
) ( ). (
1 ) (
x f
x f x f
x U
n
'
' '
= ' (3-13)

43
El algoritmo de este mtodo es idntico al mostrado en Fig.D3.4, slo se
sustituye el bloque de f(x) por U(x) y f (x) por U (x); conservando el mismo rango de
convergencia que el mtodo referido, siendo indiferente de la multicidad de la raz.


Ejemplo 3.11 Resolver, por el mtodo de Newton modificado, con una exactitud de
tres decimales exactos, la siguiente ecuacin,


1 ) cos( ) (
2
+ + = x e x x f
x
(Fig. E3.11)

Solucin. La ecuacin (3-12) exige las dos primeras derivadas de f(x), las cuales
son, en este caso:

f (x) =-sen(x) + e
x
2x

f (x) = -cos(x) + e
x
-2

proponiendo x
0
= 1, se obtuvieron los siguientes valores, para la primer iteracin:

f(x) =cos(1) + e
1
(1)
2
+ 1 = 3.2586

f (x) = -sen(1) + e
1
2(1) = -0.1232

f (x) = -cos(1) + e
1
2 = 0.1780

ahora, de ecuaciones ( 3-11) y ( 3-13) se tiene,

4519 . 26
123 . 0
259 . 3
) (
) (
) (
0
0
0
=

=
'
=
x f
x f
x U


| |
2168 . 37
) 123 . 0 (
) 178 . 0 )( 259 . 3 (
1
) (
) ( ). (
1 ) (
2 2
0
0 0
0
=

=
'
' '
= '
x f
x f x f
x U

7108 . 0
2168 . 37
4519 . 26
) (
) (
0
0
=

=
'
=
x U
x U
h

y de ecuacin ( 3-12), el nuevo valor de x es,

44

2892 . 0
2168 . 37
4519 . 26
1
) (
) (
0
0
0 1 0
=

=
'
=
+
x U
x U
x x


Tomando en cuenta la prueba de
convergencia; se observa que el valor
absoluto del cociente U(x
0
)/U(x
0
) =
0.7108 es mayor que el error admisible,
se concluye que el valor de x
1
obtenido,
no es la raz y, en consecuencia, se
repite el proceso a partir de x
1
, llegando, ahora, al os siguientes resultados,

f(x
1
) = 3.2102
f (x
1
) = 0.4717
f (x
1
) = -1.6230

U(x
1
) = 6.8057
U(x
1
) = 24.4175
h = 0.2787 y
x
2
= 0.0105

Nuevamente se observa que el valor absoluto de h es muy grande y se
repiti el procedimiento, descrito, pero ahora con x
1
= 0.0105, para obtener x
2
,
despus con x
2
para estimar x
3
, etc. llegando la siguiente raz: x = -1.2605.


Ejemplo 3.12 Con el uso del mtodo de Newton Modificado, encuentre una raz de
la ecuacin,

f(x) = cos(x)cosh(x)-1 (Fig. E3.12)

Solucin. Como en el caso anterior, se obtuvieron las dos primeras derivadas de f(x)
y se propusieron dos valores diferentes de x para encontrar dos races, por ejemplo,
para Iniciando con x
0
= 5, se obtuvo:

f(x) = cos(x)cosh(x)-1 = 20.0506

f (x) = cos(x)senh(x)-sen(x)cosh(x) = 92.2104

-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
-2 -1 0 1 2
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.11
45
f(x) = -2sen(x)senh(x) = 142.3105

U(x= = 0.2174

U(x) = 0.6644

h = -0.3273

etc.

x f(x) f(x) f(x) U U h
5.0000 20.0506 92.2104 142.3105 0.2174 0.6644 -0.3273
4.6727 -3.1212 51.3364 106.8958 -0.0608 1.1266 0.0540
4.7267 -0.1922 57.2673 112.9015 -0.0034 1.0066 0.0033
4.7300 -0.0006 57.6443 113.2725 0.0000 1.0000 0.0000
4.7300 raz

-25
-20
-15
-10
-5
0
5
10
15
20
25
0 1 2 3 4 5 6 7 8
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.12





3.9. Mtodo de la secante

Este mtodo es, esencialmente, una modificacin del mtodo convencional
de Newton - Raphson con la derivada reemplazada por una expresin diferente.
Esto es ventajoso, si la funcin a resolver es difcil de derivar y, desde luego que, es
tambin conveniente para programar, en el sentido de que solamente es necesario
suplir un subprograma de funcin en el mtodo, en lugar de subprogramas para
ambas, funcin y derivada. Reemplazando la derivada en ecuacin (3- 9), por el
46
concepto elemental de tangente recuerde, tangente es igual a la primer derivada-
resulta, por lo que:


| |
n n n
n
n n
D x f x f
x f
x x
/ ) ( ) (
) (
1
1

= (3-14)

donde D
n
= x
n
x
n-1
.



Fig. 3.6 Mtodo de la SECANTE
X
f
(
x
)


Para usar este mtodo, f(x
n-1
) y f(x
n
) deben ser conocidas. El primero es el
valor de la funcin dos iteraciones anteriores a la presente. Puesto que no hay tal
valor, sern disponibles para la primer iteracin, dos valores iniciales supuestos,
cercanos entre ellos, que denominaremos x
0
y x
00
, para los cuales se han calculado
los valores numricos de las funciones, como se muestra en figura 3.6, que debern
ser proporcionados al algoritmo (Fig.D3.5).

Para la mayora de las funciones, el mtodo de la secante no converger tan
rpido como el mtodo convencional de Newton, pero su ventaja es un tanto ms
importante por la velocidad decreciente de la convergencia. Si la primer derivada de
f(x) consume mucho tiempo para su evaluacin, este mtodo puede requerir menos
tiempo de cmputo que el mtodo de Newton. La primer iteracin de este mtodo
se muestra en figura 3.6, donde se ha iniciado con los valores x
00
y x
0
, el cul
aproxima la raz a x
1
, como el cruce de la recta secante con el eje x. En la siguiente
iteracin se elimina x
00
y f(x
00
), entrando x
1
con f(x
1
), para hacer pareja con el punto
[x
0
, f(x
0
)], que definirn la nueva tangente. Esta recta cortar al eje x en x
2
, la cual
x
00
x
0

f(x
00
)
f(x
0
) raz
f(x)
47
es la segunda aproximacin a la raz. Si este valor no es la solucin, se elimina el
punto [x
0
, f(x
0
)], quedando ahora, los puntos [x
1
, f(x
1
)] y [x
2
, f(x
2
)], por donde se
trazar la nueva tangente que, obviamente, permitir encontrar x
3
, etc.



































Fig. D3.5 Diagrama de flujo para el mtodo de la secante

x
00
, x
0
, c
o = x
0
x
00

x = x
0

FAN=f(x
00
)
FAC= f(x)
o
u
FAN FAC
tg

=

o= - FAC/tgu
x = x+o
|o|sc
?
x
si
no
inicio
FIN
FAN=FAC
48

Ejemplo 3.13 Encuentre al menos una raz, usando el mtodo de la secante, de la
ecuacin,

25 . 31
5 2 5
) 5 . 1 5 (
) 5 . 1 5 ( ) (
3
2

+
+
+ =
y
y y
y y y f
Solucin. Desarrollando el proceso dado en el diagrama de flujo (Fig. D3.5), se
tiene:

Paso 1. Sea y
n-1
= 4 e y
n
= 4.5

Paso 2. f(y
n-1
) = f(4) = 647 . 44 25 . 31
) 4 ( 6056 . 3 5
) 4 ))( 4 ( 5 . 1 5 (
) 4 ))( 4 ( 5 . 1 5 (
3
2
=
(

+
+
+

f(y
n
) = 917 . 65 25 . 31
) 5 . 4 ( 6056 . 3 5
) 5 . 4 ))( 5 . 4 ( 5 . 1 5 (
) 5 . 4 ))( 5 . 4 ( 5 . 1 5 ( ) 5 . 4 (
3
2
=
(

+
+
+ = f

Paso 3. tan(u)= 5409 . 42
5 . 4 4
917 . 65 647 . 44 ) ( ) (
1
1
=

n n
n n
y y
y f y f


Paso 4. El cociente de 5495 . 1
5409 . 42
917 . 65
= =
s
h

Paso 5. El nuevo valor de y es: 9505 . 2 ) 5495 . 1 ( 5 . 4
1
= + = + =
+ s n n
h y y

Paso 6. El valor absoluto de h
s
(1.5495) es muy grande, concluyendo que y =
2.9505 no es una raz, por lo que se
repetir el proceso eliminando el valor
ms lejano de la variable independiente
(y = 4.00); es decir, con los valores de y
= 4.5 e y = 2.9505, llegando, en esta
ocasin, a los siguientes resultados,

f(4.5) = 65.9167
f(2.9505) = 9.5722
tan(u)= 36.3633
hs = - 0.3622
-40
-30
-20
-10
0
10
20
30
0 1 2 3 4
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.13
49
y = 2.6873

Puesto que el valor absoluto de h
s
, es an muy grande, se repite el proceso con y =
2.9505 e y = 2.6873, con los que se lleg a,

f(2.9505) = 9.5722
f(2.6873) = 2.6661
tan(u)= 26.2349
hs = - 0.1016
y = 2.5856

Al repetir el proceso con y = 2.6873 e y = 2.5856, se obtuvieron los siguientes
resultados:

f(2.5856) = 0.191; tan(u)= 24.357 y hs = - 0.008, por lo que, y
nuevo
= 2.578, valor
diferente a 2.5856, pero muy cercano a l.

Repitiendo el proceso con y = 2.5856 e y = 2.578, se obtuvieron los
siguientes valores:

f(2.578) = 0.004
tan(u)= 23.803,
hs =0.000
y = 2.578 (igual al ltimo de los dos que se usaron), por lo que, esta es una raz de
la ecuacin que se propuso resolver, confirmando la grfica este resultado.


Ejemplo 3.14 Resolver, por el mtodo de la Secante, la ecuacin (figura E3.14):

12 4 ) 8 ( 4 ) (
2
+ =
x x
x f

Igual que en el problema anterior, se procedi como sigue:

Paso 1. Se propone que x
n-1
= 0.0 y x
n
= 2.00

Paso 2. f(x
n-1
) = 12 4 ) 8 ( 4
0 ) 0 ( 2
+ = 5.00
f(x
n
) = 12 4 ) 8 ( 4
2 ) 2 ( 2
+ = 140.00

50
Paso 3.
tan(u)=
00 . 2 00 . 0
00 . 140 00 . 5 ) ( ) (
1
1

n n
n n
x x
x f x f
=
67.500




Paso 4. El cociente de
= = =
500 . 67
00 . 140
) tan(
) (
u
n
s
x f
h 2.0741

Paso 5. El nuevo valor de x es: = = + =
+
0741 . 2 00 . 2
1 s n n
h x x -0.0741

Se observa que el valor absoluto de hs (2.0741) es muy grande, por lo que,
se repite el procedimiento, pero ahora con x
n
= 2.00 y x
n+1
= -0.0741. En esta
ocasin se obtuvieron los siguientes resultados:

Paso 1. Sea x
n
= 2.0 y x
n+1
=-0.0741

Paso 2. f(x
n
) = f(2.0) = 140.00 y f(x
n+1
) = f(-0.0741) = 5.5951

Paso 3. tan(u)=
) 0741 . 0 ( 00 . 2
5951 . 5 00 . 140 ) ( ) (
1
1


=

n n
n n
x x
x f x f
= 64.8024

Paso 4. El cociente de = = =
8024 . 64
5951 . 5
) tan(
) (
u
n
s
x f
h =0.0863

Paso 5. El nuevo valor de x es: = + =
+ + s n n
h x x
1 2
-0.1604

Repitiendo reiteradamente este proceso se lleg a la raz x = 0.500. Con otro par de
valores (x = 1 y x = 1.5), se lleg a la raz de x = 1.292.







-10
-5
0
5
10
15
20
25
30
35
40
45
-2 -1 0 1 2
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E3.14
51
Problemas propuestos

3.1 El tirante normal en un canal de forma trapezoidal, que tiene una pendiente
lateral de k = 2 y un ancho en la base de 5 metros, se calcula con la ecuacin:

25 . 31
5 2 5
) 2 5 (
) 2 5 ( ) (
3
2

+
+
+ =
y
y y
y y y f

a) Use el mtodo de falsa posicin para estimar y, con c = 0.001
b) Aplique el mtodo de la secante, con x
00
= 2 y x
0
= 2.2 y con el mismo
error que en el inciso a.

3.2 Resuelva la ecuacin, dada en problema 3.1
a) Usando el mtodo de biseccin, con una precisin de dos decimales
exactos.
b) Ahora use el mtodo de Monte Carlo con x
al
= 0.6981, con la misma
precisin que en el inciso anterior.

3.3 Resuelva la siguiente ecuacin, por tres mtodos diferentes, aceptando un
error de c = 0.001:
035 . 3
012 . 0
50 . 12
2
) (
2
3 / 2 2
2

|
.
|

\
|
+ + =
AR
Q
gA
Q
y y f

para Q = 25 m
3
/s; A =2.5y +0.8y
2
; R= A/P, donde P = 2.5 +2y
2
1 k + ; k = 0.8

3.4 Localice la raz positiva de f(x) = 0.5x sen(x). Use el mtodo de Newton
Raphson y el mtodo de la secante. En ambos casos, acepte una tolerancia de
0.0001

3.5 La concentracin de la bacteria contaminante C en un lago decrece de acuerdo
con la relacin:

t t
e e C
1 . 0 2
20 80

+ =

Determnese el tiempo requerido para que la bacteria se reduzca a 10, usando
a) el mtodo grfico y b) el mtodo de Newton Raphson. Compare resultados.

52
3.6 El movimiento de una estructura se define mediante la siguiente ecuacin, para
una oscilacin amortiguada:

) 2 cos( 10
5 . 0
t e y
t
+ =



a) sese el mtodo grfico, para obtener una estimacin inicial del tiempo
necesario para que el desplazamiento baje hasta 4.
b) Use el mtodo de Newton Raphson para determinar una raz con un error
relativo del 0.01%.
c) Aplique el mtodo de la secante para determinar la raz con el mismo error
relativo que se pide en el inciso anterior.

3.7 Una corriente oscilatoria, en un circuito elctrico, se describe mediante:

) 2 ( 10 t sen e I
t
t

=

en donde t est dado en segundos. Determnense todos los valores de t, tales que I
=2. Use dos mtodos diferentes para encontrar la solucin y compare los
resultados.


3.8 Resuelva por dos mtodos diferentes, la ecuacin:

5 ) cos( 3 ) ( cos 8 ) (
2
+ = x x x f

los resultados obtenidos, se desea que tengan un error relativo igual o menor al
0.01%.


3.9 Aplique tres mtodos para resolver la ecuacin: 12 4 ) 8 ( 4 ) (
2
+ =
x x
x f . Se
acepta un error relativo del 0.01%.


3.10 Aplique el mtodo de Newton y, posteriormente, el mtodo de Monte Carlo,
para resolver la ecuacin:

2 ) ( 3
2
cos 4 ) ( + |
.
|

\
|
= x sen
x
x f t

53
con un error relativo, para la variable independiente, de 0.0001

3.11 Determine las races de la siguiente ecuacin, ) (
2
1
) (
3
x sen e x f
x
= , usando el
mtodo de falsa posicin, con una aproximacin de tres decimales exactos.

3.12 Resuelva la ecuacin dada, por el mtodo de falsa posicin y por el de
secante, con una tolerancia de tol = 0.0001

) 3 ( ) cos( 5 ) ( 4 ) (
2
+ + = x Ln x x sen x f


3.13 Aplicando el mtodo de Newton Raphson, encuentre una raz de la ecuacin,
dada en seguida:

751 . 27 572 . 4
315 . 26
2
= + y
y



3.14 Mediante el mtodo de secante, resuelva ( para p
mx
), la siguiente ecuacin:

) 60 )( ( 10 2
6
1
10
1
15000
mx
p x mx
mx
e
p
p

|
.
|

\
|
+
=



3.15 Haga un programa de computadora, para resolver cualquier ecuacin que
tenga la forma f(x) = 0. Si lo desea, aplique el programa a cualquier ecuacin
de las dadas arriba y compare los resultados obtenidos con los clculos
manuales.

3.16 Grafique la siguiente funcin y encuentre una raz por dos mtodos
diferentes.


3.17

) 2 ( ) 2 ( 4 ) (
3 / 1
x sen x x f + =


54
3.18 Mediante el mtodo de secante resuelva la ecuacin dada a
continuacin.

) ( 5 ) 3 ln( 4 ) (
2
x sen x x x f + + =

3.19 Aplique el mtodo de Newton Raphson para encontrar una raz de
la ecuacin:



1000 ) (
2
+ = x e x f
x


3.20 Aplique el mtodo de Newton Modificado, para encontrar todas las
races de la ecuacin dada con una aproximacin de e = 0.001

20 100 2 ) (
2 3
+ + = x x x x f

3.21 Aplique el mtodo de falsa posicin para encontrar una raz de la
ecuacin dada con una aproximacin de e = 0.001

3
) 3 ln( ) ( ) ( x x x sen e x f
x
+ + =

3.22 Aplique el mtodo de de la secante para encontrar el dimetro, D,
de una tubera sencilla, dada por la ecuacin:

( )
|
|
.
|

\
|
+
+ = L
N D Log
g
D C D D f
2
5
) ( 86 . 8
2
) ( , con C=
H g
Q
2
2
8
t



para los siguientes datos:

Q = 0.062366 m
3
/s,
H = 4.00 m,
L = 500 m,
N = 35


55
Captulo 4

SOLUCIN NUMRICA DE SISTEMAS DE ECUACIONES LINEALES








4.1 Introduccin

La solucin simultnea de sistemas de ecuaciones lineales, consume una
fraccin de tiempo de clculo significante en un equipo de cmputo. La solucin de
tales sistemas, permite la aplicacin a una gran variedad de problemas, incluyendo
la solucin numrica de ecuaciones diferenciales ordinarias y ecuaciones
diferenciales parciales, anlisis estructural, anlisis de trabajo neto, optimizacin y
anlisis de datos. Los sistemas consisten de un gran nmero de ecuaciones
simultneas y se deber seleccionar el mejor mtodo para cualquier problema dado.
Puesto que las tcnicas bsicas del lgebra matricial son requeridas en este
captulo, tal como veremos ms tarde, se empieza con una discusin de la
terminologa y operaciones matriciales.



4.2 Conceptos y operaciones bsicas con matrices.


4.2.1.Introduccin

Una matriz es definida, en este contexto, como un arreglo rectangular de
nmeros, caracterizada por el nmero de renglones y el nmero de columnas. Por
tanto,

(
(
(
(

=
1 1 4 1 2 6
9 1 3 2 1 1
1 3 4 5 0 2
7 8 4 1 7 1
A
56

es una matriz de 4 renglones y 6 columnas. Cualquier elemento dado de la matriz A
ser denotado por a
ij
, donde i es la localizacin en el rengln y j su localizacin en
columna. As, a
23
= 5.

Nuestro inters primario ser con matrices cuadradas y matrices de
dimensin columna 1 o con dimensin en rengln 1. Matrices con dimensin 1 en
columna, tal como,


(
(
(
(
(
(

=
8
5
3
7
2
B

son referidas como vectores columnas, mientras que las matrices con dimensin 1
en el rengln, tal como

| | 2 5 3 1 = F

son llamados vectores rengln.

Las matrices cuadradas pueden tener ciertas configuraciones especiales que
son de inters en ingeniera. Podramos ilustrar con una matriz de 4x4. Todas las
exposiciones son aplicables a matrices cuadradas de cualquier tamao. Considere,


(
(
(
(

=
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
c c c c
c c c c
c c c c
c c c c
C

La diagonal consistente de c
11
, c
22
, c
33
y c
44
es llamada la diagonal principal
de la matriz. La matriz es llamada simtrica s c
ij
= c
ji
. Una matriz triangular superior
es aquella en la cual todos los elementos debajo de la diagonal son cero. Por tanto,


(
(
(
(

=
44
34 33
24 23 22
14 13 12 11
c
c c
c c c
c c c c
C

57
es triangular superior. Note que cuando los bloques de elementos son cero hay
simplemente blancos en la representacin de la matriz.

Una matriz triangular inferior es aquella en la cual todos los elementos arriba de la
diagonal son cero, como:



(
(
(
(

=
44 43 42 41
33 32 31
22 21
11
c c c c
c c c
c c
c
C

Una matriz diagonal es aquella en la que todos los elementos son cero
excepto los de la diagonal principal. Una matriz diagonal particularmente importante
es


(
(
(
(

=
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
I

la cual es llamada matriz unitaria o matriz identidad. Una matriz bandeada tiene
todos los elementos cero excepto para una banda centrada en la diagonal principal.
Por consiguiente, el siguiente arreglo matricial es una matriz tridiagonal tambin
llamada matriz bandeada, en este caso con tres bandas.


(
(
(
(

=
44 43
34 33 32
23 22 21
12 11
c c
c c c
c c c
c c
C

Una matriz transpuesta es aquella que convierte sus renglones en columnas
y sus columnas en renglones. As, por ejemplo, la transpuesta de la matriz de 4x4
que hemos presentado para la discusin, es


(
(
(
(

=
44 34 24 14
43 33 23 13
42 32 22 12
41 32 21 11
c c c c
c c c c
c c c c
c c c c
C
T


58
Una matriz aumentada resulta cuando a la matriz original se le agrega una o
ms columnas, por ejemplo, las dos siguientes matrices son aumentadas.


(
(
(
(
(

=
4
3
2
1
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
b
b
b
b
c c c c
c c c c
c c c c
c c c c
C

se agreg el vector de trminos constantes del sistema original de ecuaciones
lineales.


(
(
(
(
(

=
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
c c c c
c c c c
c c c c
c c c c
C

en este caso se agreg la matriz identidad.


4.2.2. Operaciones con matrices

Podemos ahora definir algunas de las operaciones bsicas con matrices. La
adicin matricial es representada como

|S|= |A| + |B| (4-1)

se realiza sumando los elementos correspondientes de cada matriz, as por
ejemplo,

S
ij
= a
ij
+ b
ij
(4-1.1)

Para i = 1, 2, 3, ..., m y j = 1, 2, 3, ..., n.

De manera similar, la resta de dos matrices, A y B se representa

|C| = |A| - |B| (4-2)

Obteniendo la matriz C restando los elementos correspondientes de cada matriz, es
decir,
59

c
ij
= a
ij
b
ij
(4-2.1)

Para i = 1, 2, 3, ..., m y j = 1, 2, 3, ..., n.

De acuerdo a estas definiciones, se concluye que la suma y resta de matrices
se puede llevar a cabo, si y solo si, las matrices a sumar o restar tienen la misma
dimensin.

La multiplicacin de una matriz |C| por un escalar k se obtiene multiplicando
cada elemento de |C| por el escalar k, as que,

|G|=k|C|

Si la matriz |C| est dada por


(
(
(
(

=
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
c c c c
c c c c
c c c c
c c c c
C

entonces, k[C] se escribe como


(
(
(
(

=
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
c c c c
c c c c
c c c c
c c c c
k C

Sin embargo, el producto de dos matrices se simboliza como |C|=|A||B| y se
define

=
=
n
k
kj ik ij
b a c
1
(4-4)

donde n es la dimensin de las columnas de |A| y de los renglones de |B|. En otras
palabras, el nmero de columnas de la primer matriz, debe ser igual al nmero de
renglones de la segunda matriz, de otra manera no puede efectuarse la
multiplicacin matricial.

60
Aunque la multiplicacin matricial es posible, en trminos de (4-4), la divisin
matricial aun no est definida. Sin embargo, si una matriz |C| es cuadrada, hay otra
matriz |C|
-1
, llamada inversa de |C| tal que su producto es la matriz identidad, como
se muestra abajo.

|C||C|
-1
= |C|
-1
|C| = |I| (4-5)



4.3 Mtodos de solucin

Los mtodos analticos de solucin, no siempre son recomendables para la
solucin de sistemas grandes de ecuaciones algebraicas lineales; ya que, su
metodologa podra parecer difcil, aunque realmente no lo sea. Por ejemplo, si un
sistema de ecuaciones simultneas de 8x8 menor, es resuelto por determinantes,
la solucin se obtiene con cierta facilidad, pero para sistemas ms grandes, este
mtodo resulta de cierta manera, dificultoso. Sin embargo, un mtodo numrico
asociado a un equipo de cmputo grande, permite resolver sistemas de
ecuaciones de grandes dimensiones, en poqusimo tiempo de clculo.

Los mtodos numricos que se presentan, son esencialmente sencillos de
programar, por lo que, ser un pasatiempo divertido para los estudiosos.
Actualmente hay varios mtodos numricos para resolver sistemas de ecuaciones
lineales, pero en este libro se dan aquellos que facilitan el trabajo del ingeniero y
que permiten el uso de equipo electrnico moderno.

Aunque en el presente captulo slo se resuelven, a manera de ilustracin
algunos ejemplos, haciendo clculos manuales, en las aplicaciones de ingeniera se
resolvern sistemas grandes de ecuaciones lineales, en donde, la limitante podra
ser la capacidad del equipo de cmputo disponible. Sin embargo, en la actualidad
esa ya no es una dificultad, debido a los avances tecnolgicos en el ramo de las
mquinas electrnicas.


4.3.1 Eliminacin completa de Gauss Jordan. Sistemas cuadrados

Para estos sistemas, la matriz de coeficientes A es de orden nxn, es decir, el
nmero de renglones es igual al nmero de columnas.

61
En notacin matricial, un sistema de ecuaciones lineales, se representa
como.



(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(
(
(
(

m m mn m m m
n
n
n
b
b
b
b
x
x
x
x
a a a a
a a a a
a a a a
a a a a
. .
.
. . . . .
.
.
.
3
2
1
3
2
1
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
(4-7)

por lo que, las siguientes dos simbolizaciones son equivalentes:

| | | | | |
1 1 mx mx mxn
B X A =

simplemente,

| || | | | B X A = .

La aplicacin del mtodo de eliminacin completa de Gauss & Jordan,
consiste de los siguientes pasos:

Paso 1. Escribir el sistema (4-7), como un sistema aumentado, quedando:

| | B A (4-8)

Paso 2. Seleccionar, de la diagonal principal de A, el Pivote; para lo cual se viaja
por dicha diagonal de izquierda a derecha, de esta manera, el primer elemento
seleccionado ser el coeficiente a
11
, en segundo lugar el a
22
, en tercer lugar el
elemento a
33
y, as sucesivamente, hasta llegar al elemento a
nn
.

Paso 3. Dividir los elementos del rengln con pivote por el coeficiente seleccionado,
esto es, la primer vez, el rengln nmero 1 entre a
11
, con lo cual queda
transformado.

Paso 4. Los dems elementos de la matriz A, que no estn en rengln con pivote,
se transforman con la ecuacin,

62
) (
*
Lj
LL
iL
ij
t
ij
a
a
a
a a =
(4-9)
Paso 5. Los elementos que estn en B, se transforman con una ecuacin
equivalente a la anterior, que se escribe como,

) (
*
L
LL
mL
m
t
m
b
a
a
b b =
(4-10)

donde
o
t
ij
a es el elemento que estar en el rengln i y en la columna j, pero
transformado.
o
*
LL
a es el elemento pivote, como est en la diagonal principal, su rengln
coincide con su columna.
o
iL
a corresponde al elemento que est en el mismo rengln que el elemento
por transformar y en la misma columna que el pivote.
o
mL
a es el elemento de A que est en el mismo rengln que b
m
y en la
columna donde est el pivote.
o
Lj
a elemento que est en el mismo rengln que el pivote y en la misma
columna que el elemento por transformar.
o
L
b elemento de B que est en la columna de b
m
, pero en el rengln pivote.

En este momento, el sistema (4-8) se ha transformado en otro sistema
equivalente, que se denotar por,

| | B A ' ' (4-11)

Paso 6. Se repiten los pasos 2-5, tantas veces como elementos tenga la diagonal
principal, es decir, hasta que en lugar de la matriz de coeficientes A se tenga la
matriz identidad I, teniendo ahora el ltimo sistema equivalente, como:

| |
sol
B I ( 4-12)

donde I es la matriz identidad del mismo orden que la matriz A y B
sol
es la solucin
del sistema de ecuaciones algebraicas lineales. El diagrama de flujo se puede ver
en Fig. D4.1.


63










































Fig. D4.1 Diagrama de flujo del mtodo de eliminacin completa de Gauss Jordan.



Inicio
Definir:
| a
ij
| y | b
i
|

i,j =1, . . ., n
,a
ij
,=
0?
El sistema no
tiene
solucin ni-
ca.
no
si
L = 0
L = L +1
a
LL
=0
?
Cambiar el
orden de
ecuaciones
no
Fin
i =L?
n j i
b
a
a
b b
a
a
a
a a
i
LL
iL
i
t
i
Lj
LL
iL
ij
t
ij
,..., 1 ,
) (
) (
=
=
=

n j
a
b
b
a
a
a
LL
L t
L
LL
Lj t
Lj
,..., 1 =
=
=

si si
no
L =n?
x
i
= b
i


J=1, . .., n
Fin
si
no
o
o
64
Prob. 4.1 El siguiente sistema de 3x3, se resuelve por el mtodo de eliminacin
completa de Gauss Jordan.

16x
1
+ 4x
2
+ 6x
3
= 60
2x
1
-18x
2
+ 4x
3
= 2
4x
1
+ 6x
2
+ 12x
3
= 62

Solucin. Primero se escribe la matriz aumentada, seleccionando en ella el primer
pivote de la diagonal principal, siendo en este caso el a
11
= 16. Tambin se
identificaron los renglones para facilitar la aplicacin, es decir, los elementos 16, 4,
6 y 60, forman el primer rengln; etc.

(
(
(

62
2
60
12 6 4
4 18 2
6 4 16


De acuerdo al mtodo planteado, el pivote es, en esta ocasin, el elemento
a
11
= 16; por lo que, el rengln uno (R
1
), se dividi por 16, quedando, 16/16 = 1.00;
1/4; 3/8 y 15/4. Los dems elementos del arreglo anterior que no estn en el rengln
R
1
, se transformaron con ecuacin (4-10). Por ejemplo, los elementos del rengln
R
2
quedan,

Elemento a
21
(i = 2 y j = 1),

t
a
21
= 000 . 0 ) 16 (
16
2
2 ) (
11
*
11
21
21
= = a
a
a
a

Elemento a
22
.(i = 2, j =2)

t
a
22
= = ) (
12
*
11
21
22
a
a
a
a 5000 . 18 ) 4 (
16
2
18 =

Elemento a
23
(i = 2, j = 3)

=
t
a
23
) (
13
*
11
21
23
a
a
a
a ) 6 (
16
2
4 = = 3.250

Elemento b
2
(m = 2, j = 4), de ecuacin (4- 11)

65
) (
*
L
LL
mL
m
t
m
b
a
a
b b = = 500 . 5 ) 60 (
16
2
2 =

Para los elementos del R
3
, se hizo:

Elemento a
31
(i = 3 y j = 1),

t
a
31
= 000 . 0 ) 16 (
16
4
4 ) (
11
*
11
31
31
= = a
a
a
a

Elemento a
32
(i = 3 y j = 2)

t
a
32
= = ) (
12
*
11
31
32
a
a
a
a 000 . 5 ) 4 (
16
4
6 =

Elemento a
33
(i = 3 y j = 3)

=
t
a
33
) (
13
*
11
31
23
a
a
a
a ) 6 (
16
4
12 = = 10.500

Elemento b
3
(m = 3, j = 4), segn ecuacin (4-11)

) (
*
L
LL
mL
m
t
m
b
a
a
b b = 000 . 47 ) 60 (
16
4
62 = =

Hasta aqu se ha hecho la transformacin del arreglo original ampliado,
obteniendo el primer sistema equivalente, el cual queda como,

(
(
(

(

000 . 47
500 . 5
750 . 3
500 . 10 000 . 5 000 . 0
250 . 3 500 . 18 000 . 0
375 . 0 250 . 0 000 . 1


En este nuevo sistema, se escoge como segundo pivote al elemento a
22
= -
18.500 con el que se obtuvo el siguiente sistema equivalente:

(
(
(

514 . 45
297 . 0
676 . 3
378 . 11 000 . 0 000 . 0
176 . 0 000 . 1 000 . 0
419 . 0 000 . 0 000 . 1

66

Para el ltimo pivote (a
33
= 11.375), se lleg a, finalmente:

(
(
(

(
0 . 4
0 . 1
0 . 2
000 . 1 000 . 0 000 . 0
000 . 0 000 . 1 000 . 0
000 . 0 000 . 0 000 . 1
,

de donde se desprende la solucin:

x
1
= 2; x
2
= 1 y x
3
= 4


Prob. 4.2 Por el mismo mtodo, se muestra la solucin de un sistema de cuatro
ecuaciones simultneas. Con la finalidad de no repetir la explicacin y que el
estudiante compruebe los clculos, se presentan los resultados finales a que se
lleg partiendo del sistema ampliado, es decir, que en la ltima columna se incluyen
los trminos independientes:


(
(
(
(

=
(
(
(
(

(
(
(
(

504
601
970
1970
20 7 4 3
15 10 8 10
22 20 15 10
50 40 25 20
z
y
x
w
; sistema original, en su representacin matricial.

(
(
(
(

(
504
601
970
1970
20 7 4 3
15 10 8 10
22 20 15 10
50 40 25 20
; matriz aumentada

Seleccionando pivotes a los elementos de la diagonal principal y aplicando la
eliminacin completa de Gauss Jordan; se escriben a continuacin los sistemas
equivalentes obtenidos. Se deja al estudiante la tarea de verificar esos resultados,
con el objeto que le sirva de prctica.

(
(
(
(

50 . 208
00 . 384
00 . 15
50 . 98
50 . 12 00 . 1 25 . 0 0
0 . 10 0 . 10 50 . 4 0
0 . 3 00 . 0 50 . 2 0
50 . 2 00 . 2 25 . 1 1
~

(
(
(
(

00 . 210
00 . 411
00 . 6
00 . 106
80 . 12 00 . 1 00 . 0 0
40 . 15 0 . 10 00 . 0 0
20 . 1 00 . 0 00 . 1 0
00 . 4 00 . 2 00 . 0 1


67

(
(
(
(

(

90 . 168
10 . 41
00 . 6
80 . 23
26 . 11 00 . 0 00 . 0 0
54 . 1 00 . 1 00 . 0 0
20 . 1 00 . 0 00 . 1 0
92 . 0 00 . 0 00 . 0 1
~

(
(
(
(

(
0 . 15
0 . 18
0 . 12
0 . 10
00 . 1 00 . 0 00 . 0 0
00 . 0 00 . 1 00 . 0 0
00 . 0 00 . 0 00 . 1 0
00 . 0 00 . 0 00 . 0 1


La solucin es: w = 10; x = 12; y = 18 y z = 15


4.3.1 Eliminacin completa de Gauss Jordan. Sistemas de ecuaciones lineales
con m ecuaciones y n incgnitas.

Elementos tericos

Sea el sistema,


m n mn m m m
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
= + + + +

= + + + +
= + + + +
...
...
...
3 3 2 2 1 1
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
(4-13)

un sistema no homogneo, con b
m
= 0 y m = n. Si se forma un nuevo sistema de m
ecuaciones con n incgnitas, se igualan a cero las restantes ( n m) incgnitas y se
encuentra la solucin al nuevo sistema as obtenido, se dir que es bsica, si en ella
todos los resultados son diferentes a cero, en caso contrario se dir que es
degenerada.

Teorema 4.1 Una condicin necesaria y suficiente para que una solucin bsica no
sea degenerada es de que, exista independencia lineal entre el vector de los
trminos independientes y cualquier grupo de ( m-1 ) vectores columna, de la matriz
de los coeficientes.

Los grupos de soluciones bsicas de estos sistemas, se obtienen con la
combinacin que resulte de,

! )! (
!
m m n
n
n
m

=
|
|
.
|

\
|
(4-14)

68
Para encontrar cada solucin bsica dada por (4-14), se recomienda el uso del
mtodo de Gauss & Jordan, explicado anteriormente, modificando ecuacin ( 4-10 ),
para quedar como,

) (
*
Lj
LK
iK
ij
t
ij
a
a
a
a a =
(4 15)

donde
*
LK
a es el pivote.

En este caso, se inicia seleccionando como pivote, el coeficiente a
ij
asociado
a una variable del grupo de solucin y se aplica el proceso del mtodo de Gauss &
Jordan, obteniendo un nuevo sistema equivalente, como antes. A continuacin se
escoge como siguiente pivote, otro coeficiente a
ij
que no est en el mismo rengln
que el anterior, asociado a la siguiente variable, del grupo de solucin, para aplicar
nuevamente la rutina del mtodo que nos ocupa. Si an no han sido seleccionados
todos los coeficientes a
ij
correspondientes a las variables de una solucin bsica, se
contina como antes, tomando en cuenta que ningn pivote debe estar en el mismo
rengln que otro. Al concluir esto, se ha obtenido una solucin bsica.

Para obtener la siguiente solucin bsica, se tienen dos caminos: Repetir
todo el proceso anterior desde el inicio, como si an no se hubiera iniciado partir
del ltimo sistema equivalente, seleccionando adecuadamente el siguiente pivote,
de tal forma que permita entrar a la base el grupo de variables que conformarn otra
solucin bsica. Continuando as hasta obtener todas las soluciones dadas por (4-
14).

Prob. 4.3. En este ejemplo se resuelve un sistema de 2 ecuaciones y 4 incgnitas,
obteniendo las soluciones bsicas del sistema.

2x
1
+ 3x
2
+ 3x
3
+ 4x
4
= 20
3x
1
+ 2x
2
+ 4x
3
+ 2x
4
= 16

Solucin. Puesto que se trata de un sistema de dos ecuaciones (m =2) y cuatro
incgnitas (n = 4), el nmero de soluciones bsicas es, de acuerdo a (4-14) es, en
este caso:


6
! 2 )! 2 4 (
! 4
=

=
|
|
.
|

\
|
n
m

69

que pueden sintetizarse como las siguientes combinaciones: x
1
x
2
, x
1
x
3
, x
1
x
4
; as
como, x
2
x
3
, x
2
x
4
; x
3
x
4
.

Para incidir en la primer solucin, primero ser escogido, del arreglo inicial,
como pivote a
11
y luego a
22
, con lo cual se tendr la primer solucin bsica.

( )
(

16
20
2 4 2 3
4 3 3 2 . .b v


Igual que en los casos normales de la aplicacin del mtodo de Gauss- Jordan, el
primer rengln se dividi por 2 (pivote) y, los elementos del rengln R
2
se
transformaron con la ecuacin ( 4-15 ), con L = 1 y K =1, quedando:


( )
(

14
10
4 5 . 0 5 . 2 0
2 5 . 1 5 . 1 1
1
x


En este sistema equivalente, se seleccion como pivote al elemento a
22
, por
lo que x
2
entr a la base. Los elementos del rengln R
2
se dividieron por el valor
numrico del pivote y los elementos del rengln R
1
se transformaron con ecuacin
(4-15). Se hace notar que L = 2 y K =2, llegando a:


( )
(

6 . 5
6 . 1
6 . 1 2 . 0 1 0
4 . 0 2 . 1 0 1
2
1
x
x


Puesto que x
1
y x
2
estn en la base, la primer solucin bsica es: x
1
= 1.60
y x
2
= 5.60

Para encontrar la segunda solucin, que corresponde a la combinacin x
1
x
3
,
se marc como pivote el coeficiente relacionado con x
3
, ya que x
1
est en la base.
La transformacin quedo como sigue:


( )
(

28
32
8 1 5 0
10 0 6 1
3
1
x
x


Por consiguiente, la segunda solucin bsica, x
1
= -32 y x
3
= 28.
La tercer solucin se obtuvo al seleccionar a
24
(=8.00) como pivote, puesto
que corresponde a la combinacin x
1
x
4
y x
1
ya est en la base. Llegando al
siguiente sistema equivalente:
70


( )
(

5 . 3
3
0 . 1 125 . 0 625 . 0 0
0 . 0 250 . 1 25 . 0 1
4
1
x
x


De la misma manera se fueron obteniendo las siguientes soluciones bsicas,
es decir, se seleccion adecuadamente el pivote para que entrara a la base la
variable de inters, llegando a los siguientes sistemas equivalentes:


( )
(

4
12
0 . 1 3 . 0 5 . 2
0 . 0 5 1 0 . 4
4
2
x
x



( )
(

333 . 1
333 . 5
333 . 0 0 . 1 . 0 833 . 0
667 . 1 0 . 0 1 167 . 0
3
2
x
x



(

4 . 2
2 . 3
0 . 0 0 . 1 . 20 . 0 80 . 0
0 . 1 0 . 0 60 . 0 10 . 0
3
4
x
x


Un resumen final de todas las soluciones bsicas obtenidas, para el sistema
propuesto es:

No.Sol. x
1
x
2
x
3
x
4

1 1.60 5.60 0.00 0.00
2 -32.00 0.00 28.00 0.00
3 3.00 0.00 0.00 3.50
4 0.00 12.00 0.00 -4.00
5 0.00 5.33 1.33 0.00
6 0.00 0.00 2.40 3.20


Prob. 4.4 Encuentre las soluciones bsicas del siguiente sistema lineal, de tres
ecuaciones con cuatro incgnitas.

2x
1
-5x
2
+ 3x
3
+ 6x
4
= 61
-x
1
+ 2x
2
- 4x
3
+ 5x
4
= 52
3x
1
+ 7x
2
- 4x
3
- 10x
4
= 50

Solucin. En este caso m = 3 y n = 4; por lo que, ecuacin (4-14) indica que el
presente sistema tiene 4 soluciones bsicas que corresponden a las
71
combinaciones: x
1
x
2
x
3
; x
1
x
2
x
4
; x
1
x
3
x
4
y x
2
x
3
x
4
. A continuacin se obtienen estas
soluciones, aplicando el mtodo de Gauss & Jordan, con auxilio de ecuacin (4-15).
Note usted que se agreg una columna a la izquierda, para identificar la
variable que entra a la base; as como encabezado de columnas para facilidad de
localizacin de los elementos del arreglo matricial. El pivote est marcado, en cada
sistema equivalente, con letras negritas.

v.b. x
1
x
2
x
3
x
4
b
m

* 2.000 -5.000 3.000 6.000 61.000
* -1.000 2.000 -4.000 5.000 52.000
* 3.000 7.000 -4.000 -10.000 50.000

X
1
1.000 -2.500 1.500 3.000 30.500
* 0.000 -0.500 -2.500 8.000 82.500
* 0.000 14.500 -8.500 -19.000 -41.500

X
1
1.000 0.000 14.000 -37.000 -382.000
X
2
0.000 1.000 5.000 -16.000 -165.000
* 0.000 0.000 -81.000 213.000 2351.000

X
1
1.000 0.000 0.000 -0.185 24.346
X
2
0.000 1.000 0.000 -16.000 -165.000
X
3
0.000 0.000 1.000 -2.630 -29.025

X
1
1.000 0.000 -0.070 0.000 26.390
X
2
0.000 1.000 0.125 1.000 11.601
X
4
0.000 0.000 -0.380 1.000 11.038

X
1
1.000 0.563 0.000 0.563 32.925
X
3
0.000 8.000 1.000 8.000 92.808
* 0.000 3.042 0.000 4.042 46.331




X
1
1.000 0.139 0.000 0.000 26.468
X
3
0.000 1.979 1.000 0.000 1.115
72
X
4
0.000 0.753 0.000 1.000 11.462

X
2
7.175 1.000 0.000 0.000 189.909
X
3
-14.200 0.000 1.000 0.000 -374.733
X
4
-5.400 0.000 0.000 1.000 -131.467

Cada solucin bsica puede deducirse de cada sistema que presenta tres
variables en la base, por ejemplo, la primer solucin bsica es:

X
1
= 24.346
X
2
=-165.000
X
3
= -29.025


4.3.2 Mtodo de matriz inversa

Este mtodo se aplica nica y exclusivamente a los sistemas de ecuaciones
lineales cuadrados (m = n). Partiendo de un arreglo como el dado por (4-8), con la
siguiente modificacin:

| | I A (416)

donde [I] es una matriz identidad del mismo orden que la matriz [A].

La aplicacin del mtodo de Gauss Jordan a este arreglo, facilita
grandemente la obtencin de la matriz inversa de [A] que se denota por A
-1
. Puesto
que son seleccionados todos los elementos de la diagonal principal como pivotes. Al
finalizar, la ecuacin ( 4-16) tiene la forma:

| |
1
A I (417)

Para encontrar la solucin al sistema de ecuaciones simultneas, se multiplica la
inversa obtenida por los trminos independientes del sistema, es decir:

| | B A
A
B
X *
1
= = (4-18)

Aqu |X|, representa el vector que contiene las incgnitas en columna.
73
B es el vector columna, de trminos independientes
A
-1
la matriz inversa de la matriz de coeficientes

Prob. 4.5 Para el sistema de ecuaciones simultneas dado a continuacin, obtenga
la inversa y posteriormente la solucin del sistema.

6.122x + 1500.500 y = 1506.622
2000x + 3y = 2003

Solucin. El sistema ampliado es, en este problema,

6.1220 1500.5000 1.00000000 0.00000000
2000.0000 3.0000 0.00000000 1.00000000

Primer pivote: a
11
= 6.122. Aplicando la transformacin de Gauss Jordan, se tiene,

1.0000 245.0996 0.16334531 0.00000000
0.0000 -490196.2813 -326.69062398 1.00000000

Ahora con el pivote a
22
= -490196.281, se llega al siguiente sistema
equivalente,

1.00 0.00 -0.00000100 0.00050000
0.00 1.00 0.00066645 -0.00000204

Por tanto, la matriz inversa es,

| |
(

+
+
=

00000204 . 0 00066645 . 0
00050000 . 0 00000100 . 0
1
A

La solucin del sistema se obtiene aplicando el producto matricial dado por
(4-19), es decir:


(

=
(

000 . 2003
622 . 1506
*
00000204 . 0 0006645 . 0
00050000 . 0 00000100 . 0
2
1
x
x


De donde se obtiene que, x = 1.000 e y = 1.000, como solucin del sistema
compuesto por estas dos ecuaciones simultneas.


74
Prob. 4.6 Como problema alterno se resuelve un sistema de 5x5, presentando
sucesivamente los sistemas equivalentes. Sea el sistema:

8x
1
+ 3x
2
9x
3
+ 7x
4
+ 4x
5
= 10
2x
1
- x
2
+ 6x
3
+ 17x
4
+ x
5
= 21
4x
1
+ 3x
2
7x
3
+ x
4
+ 6x
5
= 10
12x
1
- x
2
+ 6 x
3
+ 14x
4
+ 2x
5
= 28
7x
1
+ 6x
2
+ x
3
+ 9x
4
+ 10x
5
= 38

La matriz ampliada, del sistema anterior es,
8.000 3.000 -9.000 7.000 4.000 1.000 0.000 0.000 0.000 0.000
2.000 -1.000 6.000 17.000 1.000 0.000 1.000 0.000 0.000 0.000
4.000 3.000 -7.000 1.000 6.000 0.000 0.000 1.000 0.000 0.000
12.000 -1.000 6.000 14.000 2.000 0.000 0.000 0.000 1.000 0.000
7.000 6.000 1.000 9.000 10.000 0.000 0.000 0.000 0.000 1.000

Con pivote en a
11
y aplicando el proceso de Gauss- Jordan, se obtuvo el
primer sistema equivalente:
1.000 0.375 -1.125 0.875 0.500 0.125 0.000 0.000 0.000 0.000
0.000 -1.750 8.250 15.250 0.000 -0.250 1.000 0.000 0.000 0.000
0.000 1.500 -2.500 -2.500 4.000 -0.500 0.000 1.000 0.000 0.000
0.000 -5.500 19.500 3.500 -4.000 -1.500 0.000 0.000 1.000 0.000
0.000 3.375 8.875 2.875 6.500 -0.875 0.000 0.000 0.000 1.000

Tomando los pivotes subsecuentes en a
22
, a
33
, a
44
y a
55
, se fueron
generando, los sistemas equivalentes siguientes,
1.000 0.000 0.643 4.143 0.500 0.071 0.214 0.000 0.000 0.000
0.000 1.000 -4.714 -8.714 0.000 0.143 -0.571 0.000 0.000 0.000
0.000 0.000 4.571 10.571 4.000 -0.714 0.857 1.000 0.000 0.000
0.000 0.000 -6.429 -44.429 -4.000 -0.714 -3.143 0.000 1.000 0.000
0.000 0.000 24.786 32.286 6.500 -1.357 1.929 0.000 0.000 1.000

1.000 0.000 0.000 2.656 -0.063 0.172 0.094 -0.141 0.000 0.000
0.000 1.000 0.000 2.188 4.125 -0.594 0.313 1.031 0.000 0.000
0.000 0.000 1.000 2.313 0.875 -0.156 0.188 0.219 0.000 0.000
0.000 0.000 0.000 -29.563 1.625 -1.719 -1.938 1.406 1.000 0.000
0.000 0.000 0.000 -25.031 -15.188 2.516 -2.719 -5.422 0.000 1.000

1.000 0.000 0.000 0.000 0.084 0.017 -0.080 -0.014 0.090 0.000
0.000 1.000 0.000 0.000 4.245 -0.721 0.169 1.135 0.074 0.000
0.000 0.000 1.000 0.000 1.002 -0.291 0.036 0.329 0.078 0.000
0.000 0.000 0.000 1.000 -0.055 0.058 0.066 -0.048 -0.034 0.000
0.000 0.000 0.000 0.000 -16.563 3.971 -1.078 -6.613 -0.847 1.000
75

1.000 0.000 0.000 0.000 0.000 0.037 -0.086 -0.048 0.086 0.005
0.000 1.000 0.000 0.000 0.000 0.297 -0.107 -0.560 -0.143 0.256
0.000 0.000 1.000 0.000 0.000 -0.050 -0.029 -0.071 0.027 0.061
0.000 0.000 0.000 1.000 0.000 0.045 0.069 -0.026 -0.031 -0.003
0.000 0.000 0.000 0.000 1.000 -0.240 0.065 0.399 0.051 -0.060

Por lo que la inversa de A, es:


| |
(
(
(
(
(
(

+ + +
+ +
+ +
+ +
+ + +
=

060 . 0 051 . 0 399 . 0 065 . 0 240 . 0

003 . 0 031 . 0 026 . 0 069 . 0 045 . 0
061 . 0 027 . 0 071 . 0 029 . 0 050 . 0
256 . 0 143 . 0 560 . 0 107 . 0 297 . 0
005 . 0 086 . 0 048 . 0 086 . 0 037 . 0
1
A


Nuevamente de ecuacin (4-19), la solucin es:



(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(
(
(
(

+ + +
+ +
+ +
+ +
+ + +
=
(
(
(
(
(
(

0990 . 2
6503 . 0
2221 . 1
8565 . 0
6852 . 0
38
28
10
21
10
*
060 . 0 051 . 0 399 . 0 065 . 0 240 . 0
003 . 0 031 . 0 026 . 0 069 . 0 045 . 0
061 . 0 027 . 0 071 . 0 029 . 0 050 . 0
256 . 0 143 . 0 560 . 0 107 . 0 297 . 0
005 . 0 086 . 0 048 . 0 086 . 0 037 . 0
5
4
3
2
1
x
x
x
x
x




4.3.3 Mtodo de Jacobi

Este mtodo iterativo, en la solucin de sistemas de ecuaciones lineales
cuadrados es muy similar al mtodo de aproximaciones sucesivas para resolver
ecuaciones no lineales; porque en general, parte de una solucin supuesta para
obtener la siguiente solucin, seguramente ms cercana a la solucin real, del
sistema. A esta solucin aproximada se le aplica el criterio de convergencia relativa
y, si lo cumple, la solucin obtenida es aceptada, en caso contrario, se repite el
proceso, pero ya no se supone una solucin, ms bien se parte de esta ltima
solucin. La estrategia que permite resolver un sistema de ecuaciones lineales, por
este mtodo, es el siguiente:
76

1. Se despeja x
1
de la ecuacin nmero 1, del sistema a resolver; x
2
de la
ecuacin nmero 2; x
3
de ecuacin nmero 3; etc. Este sistema se le
denomina sistema recursivo. Si el sistema dado es de n ecuaciones,
entonces se tiene, un sistema recursivo como el siguiente:

11
1 3 13 2 12 1 1
1
...
a
x a x a x a b
x
k
n n
k k
k

=
+


22
2 3 23 1 21 2 1
2
...
a
x a x a x a b
x
k
n n
k k
k

=
+


33
2 2 32 1 31 3 1
3
...
a
x a x a x a b
x
k
n n
k k
k

=
+
(4-19)
- - - - - - - - -
- - - - - - - - -
- - - - - - - - -

nn
k
n n n
k
n
k
n n k
n
a
x a x a x a b
x
1 1 , 2 2 1 1 1
...
+

=

2. Se empieza el proceso, proponiendo una solucin inicial que se denota por

0
j
X

3. Se sustituye este vector en el sistema recursivo, empezando por calcular x
1
.
Despus se calcula x
2
; luego x
3
y as, sucesivamente hasta calcular todas las
incgnitas, cuyo vector se simboliza por,

1
j
X

4. Se checa la convergencia con,

?
1
1
c s

k
j
k
j
k
j
X
X X
(4-20)

Para la primera vez queda:
77

?
1
0 1
c s

j
j j
X
X X


5. Si esta condicin es cumplida se detiene el proceso, en caso contrario se
repiten los pasos 3 y 4, entrando con los valores del vector
1
j
X , con lo que se
obtiene el vector
2
j
X , para el cual se revisa, nuevamente la convergencia,
entre estos dos ltimos vectores; de cumplirse, este vector
2
j
X es la solucin
y se detiene el proceso, de no ser as, se repite la secuencia de pasos 3 y 4,
deteniendo el proceso hasta que se cumpla la condicin de convergencia;
esto es, hasta que dos vectores consecutivos se repitan.


Prob. 4.7 Como problema alterno se resuelve el siguiente sistema de ecuaciones
lineales, usando el mtodo de Jacobi.

8x
1
+ 2x
2
+ 3x
3
= 30
x
1
9x
2
+ 2x
3
=1
2x
1
+ 3x
2
+6x
3
= 31


Solucin. En este caso el sistema recursivo es:

8
3 2 30
3 2 1
1
k k
k
x x
x

=
+


9
2 1
3 1 1
2

=
+
k k
k
x x
x

6
3 2 31
2 1 1
3
k k
k
x x
x

=
+


Usando como solucin inicial
0
j
X = | 1, 1, 1|, se obtuvieron los siguientes
resultados:

125 . 3
8
) 1 ( 3 ) 1 ( 2 30
1
1
=

= x
78

222 . 0
9
) 1 ( 2 1 1
1
2
=

= x

333 . 4
6
) 1 ( 3 ) 1 ( 2 31
1
3
=

= x

Con estos valores,
1
j
X = |3.125, 0.222, 4.333|, la segunda iteracin, es:

070 . 2
8
) 333 . 4 ( 3 ) 222 . 0 ( 2 30
2
1
=

= x

199 . 1
9
) 333 . 4 ( 2 125 . 3 1
2
2
=

= x

014 . 4
6
) 222 . 0 ( 3 ) 125 . 3 ( 2 31
2
3
=

= x

Repitiendo el mismo proceso, se lleg a la siguiente solucin:

x
1
= 2.0; x
2
= 1.0 y x
3
= 4.0.


Prob. 4.8 Resuelva el siguiente sistema de ecuaciones, aplicando el mtodo de
Jacobi, aceptando un error c =1x10
-3
.

12x
1
- x
2
+ 3x
3
= 8
x
1
+ 7x
2
- 3x
3
=-51
4x
1
- 4x
2
+ 9x
3
= 61

Su sistema recurrente es:

12
3 8
3 2 1
1
k k
k
x x
x
+
=
+


7
3 51
3 1 1
2
k k
k
x x
x
+
=
+


79
9
4 4 61
2 1 1
3
k k
k
x x
x
+
=
+


Partiendo con el vector inicial {8/12, -51/7, 61/9}, se obtuvieron los siguientes
resultados:

n X
1
x
2
x
3

0 0.667 -7.286 6.778
1 -1.635 -4.476 3.243
2 -0.517 -5.662 5.515
3 -1.184 -4.848 4.491
4 -0.860 -5.192 5.149
5 -1.053 -4.956 4.853
6 -0.959 -5.056 5.043
7 -1.015 -4.987 4.957
8 -0.988 -5.016 5.013
9 -1.004 -4.996 4.988
10 -0.997 -5.005 5.004
11 -1.001 -4.999 4.996
12 -0.999 -5.001 5.001
13 -1.000 -5.000 4.999
14 -1.000 -5.000 5.000

Llegando, en este caso, a la solucin: x
1
= -1; x
2
= -5 y x
3
= 5



4.3.4 Mtodo de Gauss Seidel

Es el mtodo iterativo ms usado y permite manejar un acercamiento a la
solucin, tanto, como sea requerido, es decir, puede prefijarse un error admisible ( c
). Este mtodo es muy similar al mtodo de Jacobi, sin embargo, es preferible por
ser ms dinmico, ya que al calcular cada variable usa su valor actual en el clculo
de las dems incgnitas, como se ver en las aplicaciones. La rutina de clculo, en
la aplicacin de este mtodo, consiste de los siguientes pasos:

1. Al igual que en el mtodo de Jacobi se obtiene el sistema recursivo, cuyo
cambio slo consiste en la actualizacin del valor de la variable calculada.

11
1 3 13 2 12 1 1
1
...
a
x a x a x a b
x
k
n n
k k
k

=
+

80

22
2 3 23
1
1 21 2 1
2
...
a
x a x a x a b
x
k
n n
k k
k

=
+
+


33
2
1
2 32
1
1 31 3 1
3
...
a
x a x a x a b
x
k
n n
k k
k

=
+ +
+
(4-21)

44
4
1
2 42
1
1 41 4 1
4
...
a
x a x a x a b
x
k
n n
k k
k

=
+ +
+


- - - - - - - - - -
- - - - - - - - - -
- - - - - - - - - -

nn
k
n n n
k
n
k
n n k
n
a
x a x a x a b
x
1
1 1 ,
1
2 2
1
1 1 1
...
+

+ +
+

=

Si al formular el sistema recursivo, algn elemento de la diagonal principal es
cero, se recomienda intercambiar las ecuaciones de tal forma de eliminar esta
dificultad y, entonces, formar el sistema recurrente.

2. Se propone una solucin inicial, denotada por
0
j
X

1. Se sustituye este vector en el sistema recursivo, empezando por calcular x
1
.
Con este valor actualizado de x
1
y los dems valores propuestos en paso 2,
se calcula x
2
; dejando actualizado tambin la variable x
2
, que ser usado
junto con x
1
y los dems valores propuestos ( an no actualizados ), para
calcular x
3
y as, sucesivamente hasta obtener el vector total actualizado que
ser simbolizado como,

1
j
X

2. Se checa la convergencia con ecuacin (4-20), de igual forma que se hizo en
el mtodo de Jacobi.

3. Si esta condicin es cumplida se detiene el proceso, en caso contrario se
repiten los pasos 3 y 4, entrando con los valores del vector
1
j
X , con lo que se
81
obtiene el vector
2
j
X revisndose nuevamente la convergencia, entre estos
dos ltimos vectores; de cumplirse, este vector
2
j
X es la solucin y se
detiene el proceso, de no ser as, se repite la secuencia de pasos 3 y 4,
deteniendo el proceso hasta que se cumpla la condicin de convergencia;
esto es, hasta que dos vectores consecutivos se repitan.


Prob. 4.9 Resulvase, por el mtodo de Gauss - Seidel, el siguiente sistema de
ecuaciones lineales.

3x
1
0.1x
2
0.2x
3
=7.85 Ec. (1)

0.1x
1
+ 7x
2
0.3x
3
=-19.3 Ec. (2)

0.3x
1
0.2x
2
+ 10x
3
=71.4 Ec. (3)


Solucin. El sistema recursivo queda:

3
2 . 0 1 . 0 85 . 7
3 2 1
1
k k
k
x x
x
+ +
=
+


7
3 . 0 1 . 0 3 . 19
3
1
1 1
2
k k
k
x x
x
+
=
+
+


10
2 . 0 3 . 0 4 . 71
1
2
1
1 1
3
+ +
+
+
=
k k
k
x x
x

Si se propone como vector solucin inicial es
0
j
X ={1,0,1}, entonces, de la
sustitucin en el sistema recursivo se llega a ( en la primer iteracin ):

6833 . 2
3
05 . 8
3
) 1 ( 2 . 0 ) 0 ( 1 . 0 85 . 7
1 0
1
= =
+ +
=
+
x

7526 . 2
7
) 1 ( 3 . 0 ) 6833 . 2 ( 1 . 0 3 . 19
1 0
2
=
+
=
+
x

82
0044 . 7
10
) 7526 . 2 ( 2 . 0 ) 6833 . 2 ( 3 . 0 4 . 71
1 0
3
=
+
=
+
x

Hemos llegado al vector
1
j
X ={2.6833,-2.7526,7.0044}; el cual es diferente al
vector inicial, por consiguiente, repetimos el mismo proceso tomando estos valores
como iniciales, obteniendo (en la segunda iteracin):

9919 . 2
3
9756 . 8
3
) 0044 . 7 ( 2 . 0 ) 7526 . 2 ( 1 . 0 85 . 7
1
1
= =
+ +
=
+ k
x

4997 . 2
7
) 0044 . 7 ( 3 . 0 ) 9919 . 2 ( 1 . 0 3 . 19
1
2
=
+
=
+ k
x

0002 . 7
10
) 4997 . 2 ( 2 . 0 ) 9919 . 2 ( 3 . 0 4 . 71
1
3
=
+
=
+ k
x

Ahora el nuevo vector es:
2
j
X ={2.9919,-2.4997, 7.0002}. Procediendo
reiteradamente, se llega a los siguientes valores:

x
1
x
2
x
3

1 0 1
2.6833333 -2.7526190 7.0044476
2.9918759 -2.4996933 7.0002499
3.0000269 -2.4999897 6.9999994
3.0000003 -2.5000000 7.0000000
2.999999998 -2.5 7
3 -2.5 7

Se concluye que la solucin es x
1
= 3; x
2
= -2.5 y x
3
= 7, debido a que el
ltimo vector y antepenltimo, se repiten; por lo que, la solucin es exacta.


Prob. 4.10 En seguida se resuelve, por el mtodo de Gauss- Seidel el siguiente
grupo de ecuaciones simultneas.


7 . 34 11 2
29 . 17 4
3 . 7 2 6
70 . 8 5
2
2
2
2
= + + +
= + +
= +
= + + +
z y x w
z y x w
z y x w
z y x w

83

Solucin. Se trata de un sistema de ecuaciones no lineales, sin embargo, puede
aplicarse el mtodo de Gauss- Seidel debido a que este sistema es cuadrado y en
la diagonal principal se tienen variables lineales. El sistema recursivo es:


5
) ( 7 . 8
2
1
k k k
k
z y x
w

=
+



6
2 ) ( 3 . 7
1 2
1
k k k
k
z y w
x
+ +
=
+
+



4
) ( 29 . 17
1 2 1 1
1
+ + +
+
+
=
k k k
k
z x w
y


11
) ( ) ( 2 7 . 34
1 2 1 1
1
+ + +
+

=
k k k
k
y x w
z

Proponiendo como vector inicial
0
j
X = | 1.740, -1.217, 4.323, 3.155|, se lleg
a los siguientes resultados:

Primer iteracin:

052 . 0
5
155 . 3 323 . 4 ) 217 . 1 ( 7 . 8
2
1
=

=
+ k
w

301 . 0
6
155 . 3 ) 323 . 4 ( 2 ) 052 . 0 ( 3 . 7
2
1

+ +
=
+ k
x

758 . 1
4
) 155 . 3 ( ) 301 . 0 ( ) 052 . 0 ( 29 . 17
2
1
=
+
=
+ k
y

910 . 2
11
) 758 . 1 ( ) 301 . 0 ( ) 052 . 0 ( 2 7 . 34
2
1
=

=
+ k
z

Repitiendo el proceso, para otras iteraciones, se lleg a los resultados que se
muestran en la tabla 1E4.10. Como los valores en la iteracin 22 se repiten con los
de la 21, se detiene el proceso y la solucin es: w = 0.614; x = -0.850: y = 2.243 y z
= 2.663; considerada exacta en los tres decimales.
84

Tabla
1E4.10 ITRE (k) w x y z

0 1.74 -1.217 4.323 3.155

1 -0.052 -0.301 1.758 2.910

2 0.788 -1.012 1.797 2.810

3 0.614 -1.023 1.999 2.773

4 0.576 -0.957 2.078 2.744

5 0.592 -0.923 2.121 2.722

6 0.601 -0.903 2.155 2.705

7 0.605 -0.888 2.179 2.694

8 0.608 -0.878 2.197 2.685

9 0.610 -0.870 2.210 2.679

10 0.611 -0.864 2.219 2.674

11 0.612 -0.860 2.226 2.671

12 0.613 -0.857 2.231 2.669

13 0.613 -0.855 2.234 2.667

14 0.613 -0.854 2.237 2.666

15 0.614 -0.853 2.238 2.665

16 0.614 -0.852 2.240 2.664

17 0.614 -0.851 2.241 2.664

18 0.614 -0.851 2.242 2.663

19 0.614 -0.851 2.242 2.663

20 0.614 -0.850 2.242 2.663

21 0.614 -0.850 2.243 2.663

22 0.614 -0.850 2.243 2.663



Prob. 4.11 Obtener las primeras siete iteraciones, usando el mtodo de Gauss-
Seidel, aplicadas al siguiente grupo de ecuaciones, aceptando un error relativo de
e
r
=1x10
-3
.

8x
1
+ 2x
2
+ 3x
3
= 30
x
1
9x
2
+ 2x
3
=1
2x
1
+ 3x
2
+6x
3
= 31


Solucin. En este caso el sistema recursivo es:

85
8
3 2 30
3 2 1
1
k k
k
x x
x

=
+


9
2 1
3
1
1 1
2

=
+
+
k k
k
x x
x

6
3 2 31
1
2
1
1 1
3
+ +
+

=
k k
k
x x
x

Usando como solucin inicial
0
j
X = |1, 1, 1|, se lleg a los siguientes
resultados, para la primer iteracin,

1250 . 3
8
) 1 ( 3 ) 1 ( 2 30
1
1
1 0
1
= =

=
+
x x

4583 . 0
9
) 1 ( 2 ) 1250 . 3 ( 1
1
2
1 0
2
= =

=
+
x x

8959 . 3
6
) 4583 . 0 ( 3 ) 1250 . 3 ( 2 31
1
3
1 0
3
= =

=
+
x x


La prueba de convergencia, indica que el error relativo es:

3
1 1
1
10 1 680 . 0
1250 . 3
1 1250 . 3
,

+
+
> =

x queda x para
X
X X
k
j
k
j
k
j



3
2 1
1
10 1 1820 . 1
4583 . 0
1 4583 . 0
,

+
+
> =

x queda x para
X
X X
k
j
k
j
k
j



3
3 1
1
10 1 7433 . 0
8959 . 3
1 8959 . 3
,

+
+
> =

x queda x para
X
X X
k
j
k
j
k
j



86
Las siguientes iteraciones condujeron a los resultados que se muestran en la tabla
1E4.11. De donde se desprende que la solucin exacta es: x
1
= 2; x
2
= 1 y x
3
= 4

Tabla E4.11 Resumen de resultados
k x
1
x
2
X
3
Er (x1) Er (x2) Er (x3)
0 1 1 1
1 3.1250 0.4583 3.8958 0.6800 1.1818 0.7433
2 2.1745 0.9962 3.9437 0.4371 0.5399 0.0121
3 2.0220 0.9899 3.9977 0.0754 0.0064 0.0135
4 2.0034 0.9999 3.9989 0.0093 0.0099 0.0003
5 2.0004 0.9998 3.9999 0.0015 0.0000 0.0003
6 2.0001 1.0000 4.0000 0.0002 0.0002 0.0000
7 2.0000 1.0000 4.0000 0.0000 0.0000 0.0000



4.3.4.1 Mtodo de Gauss Seidel con relajaciones

Originalmente las relajaciones se desarrollaron como una tcnica de clculo
manual muy sofisticada, para resolver iterativamente grandes sistemas de
ecuaciones lineales. La aproximacin no es conveniente, en esas condiciones, para
su uso en una computadora digital porque la lgica requerida es extensa. Sin
embargo, al cambiar algunos de los conceptos originales por otros ms simples, fue
posible combinarse con el mtodo de Gauss- Seidel obteniendo el conocido mtodo
de relajaciones, el cual se explica brevemente a continuacin.

El mtodo consiste bsicamente en el clculo del valor de cada incgnita, por
la iteracin de Gauss- Seidel (sistematizado en el diagrama de flujo dado en Fig.
D4.2) y, entonces, se modifica el valor as obtenido antes de detener el proceso. La
ecuacin fundamental para la relajacin es:

( ) ( )
{ }
k
i
k
i
k
i
k
i
x x x x + =
+ + * 1 ) ( ) 1 (
(4-22)

En esta ecuacin la cantidad
* ) 1 ( + k
i
x es el valor de la incgnita obtenida en la
iteracin actual del mtodo de Gauss- Seidel; mientras que, es un nmero
positivo que vara entre 0 y 2 y es llamado factor de relajacin. El efecto de este
factor puede ser visto ms fcilmente si ecuacin (4-22) se escribe como:

) ( * ) 1 ( ) 1 (
) 1 (
k
i
k
i
k
i
x x x + =
+ +
(4-23)

87













































Fig. D4.2 Diagrama de flujo del mtodo de Gauss Seidel con relajaciones
INTRODUCIR
a
ij
, X
i
, b
i
, n, , c
i, j = 1, . . ., n
m 0
i 1
TEMP b
i

j 1
Es i = j?
TEMP TEMP x
i
*a
ij

Es j = n?
jj +1
n
n
s
TEMP TEMP/a
ij

,TEMP-x
i
, >c?
m m +1
x
i
x
i
+ (TEMP x
i
)
s
es i = n?
es m = 0?
s
FIN
s
n
i i + 1
s
INICIO
88
Si el factor de relajacin, = 1, entonces, el valor de la incgnita calculado por
Gauss Seidel no se modifica. Para 0 < < 1, el valor actual obtenido por Gauss
Seidel es ponderado por el valor anterior. Este rango se conoce como de baja
relajacin sin embargo, si 1 < 2, el rango es de sobre-relajacin y el valor actual
es esencialmente extrapolado ms all del valor dado por Gauss- Seidel. Se tiene
probado que para > 2, el proceso diverge, por lo que no es recomendable su
seleccin. En muchos de los casos conviene proponer factores de relajacin
comprendidos en el rango de 0 a 1, sin embargo, esto no necesariamente garantiza
una rpida convergencia del mtodo, ya que, el vector inicial con que se empiece a
desarrollar el mtodo de Gauss- Seidel, es otro factor que influye en la
convergencia del mtodo.

Con todas las dificultades que pueda representar la seleccin del factor de
relajacin, , el uso del mismo, siempre servir para acortar el camino de la solucin
de un sistema de ecuaciones lineales y, algunos casos, de sistemas cuadrados de
sistemas no lineales, como se ver en las aplicaciones, aunque ste no haya sido el
objetivo de esta seccin, ya que, los mtodos aqu presentados y en la literatura
tcnica consultada, el propsito primario es la solucin de sistemas de ecuaciones
lineales, que tienen muchas aplicaciones en el rea de ingeniera.

Prob. 4.12 Resuelva el siguiente sistema de ecuaciones, aplicando el mtodo de
Gauss-Seidel con relajaciones, aceptando un error c =1x10
-3
y un factor de
relajacin l= 0.64

4x + y
2
+ z = 11
x + 4y + z
2
= 18
x
2
+ y + 4z = 15

Solucin. El sistema recursivo (paso 1) queda, para este sistema, como:

4
) ( 11
2
1
k k
k
z y
x

=
+


4
) ( 18
2 1
1
k k
k
z x
y

=
+
+


4
) ( 15
1 1 2
1
+ +
+

=
k k
k
y x
z

89
Paso 2. Proponiendo como solucin inicial, x
0
= 11/4= 2.750; y
0
= 18/4= 4.500 y z
0
=
15/4=3.750, se tienen los siguientes valores,


Paso 3. La sustitucin, para Gauss-Seidel, queda:

250 . 3
4
) 4 / 15 ( ) 4 / 18 ( 11
2
1
=

= x


Para la ecuacin relajante
) ( * ) 1 ( ) 1 (
) 1 (
k
i
k
i
k
i
x x x + =
+ +
, tomando un factor l = 0.64, se
tiene:

x
1
=0.64(-3.25)+(1-0.64)(2.75) = -1.09

Ahora ya se puede calcular y
1
de la ecuacin recursiva:

257 . 1
4
) 75 . 3 ( ) 09 . 1 ( 18
2
1
=

= y


De la ecuacin relajante:

y
1
=0.64(1.257)+(1-0.64)(4.5) = 2.424

847 . 2
4
424 . 2 ) 09 . 1 ( 15
2
1
=

= z


De la ecuacin relajante:

z
1
= 0.64(2.847)+(1-0.64)(3.75) = 3.172

Con estos valores se repite el proceso antes descrito. Los resultados a que
se lleg son:

K X Xr Y Yr Z Zr
0 2.750 4.500 3.750
1 -3.250 -1.090 1.257 2.424 2.847 3.172
2 0.488 -0.080 2.005 2.156 3.209 3.196
3 0.789 0.476 1.827 1.946 3.207 3.203
4 1.003 0.813 1.732 1.809 3.132 3.158
90
5 1.143 1.024 1.751 1.772 3.045 3.086
6 1.194 1.133 1.837 1.813 2.976 3.015
7 1.174 1.159 1.937 1.893 2.941 2.968
8 1.113 1.129 2.016 1.971 2.938 2.949
9 1.041 1.073 2.058 2.027 2.956 2.953
10 0.985 1.017 2.066 2.052 2.979 2.970
11 0.955 0.977 2.051 2.051 2.998 2.988
12 0.951 0.961 2.028 2.036 3.010 3.002
13 0.963 0.962 2.006 2.017 3.014 3.010
14 0.980 0.974 1.991 2.001 3.013 3.012
15 0.996 0.988 1.985 1.991 3.008 3.009
16 1.007 1.000 1.986 1.988 3.003 3.005
17 1.011 1.007 1.990 1.989 2.999 3.001
18 1.010 1.009 1.996 1.993 2.997 2.999
19 1.007 1.008 2.000 1.998 2.997 2.997
20 1.003 1.005 2.003 2.001 2.997 2.997
21 1.000 1.001 2.004 2.003 2.999 2.998
22 0.998 0.999 2.003 2.003 3.000 2.999
23 0.997 0.998 2.002 2.002 3.000 3.000
24 0.998 0.998 2.001 2.001 3.001 3.000
25 0.999 0.998 2.000 2.000 3.001 3.001
26 1.000 0.999 1.999 2.000 3.000 3.001
27 1.000 1.000 1.999 1.999 3.000 3.000
28 1.001 1.000 1.999 1.999 3.000 3.000
29 1.001 1.000 2.000 2.000 3.000 3.000
30 1.000 1.000 2.000 2.000 3.000 3.000
31 1.000 1.000 2.000 2.000 3.000 3.000

De aqu se concluye que la solucin es: x = y = 1/2z =1.












91
Problemas propuestos

4.1 Escribir un programa de computadora para resolver un grupo de ecuaciones
lineales simultneas por el mtodo de Eliminacin completa de Gauss - Jordan.
Suponer que la maximizacin del pivote no es requerida. El programa debe ser
capaz de resolver sistemas de ecuaciones de cualquier tamao, pero no mayor de
20x20.

4.2 Escribir un programa de computadora para resolver un sistema de ecuaciones
lineales simultneas por el mtodo iterativo de Gauss - Seidel por puntos de
relajacin. El programa debe ser capaz de resolver sistemas de ecuaciones de
cualquier tamao, pero no mayor de 20x20. La entrada debe incluir la solucin
inicial, para las variables no conocidas, el criterio de convergencia (el cual puede
ser absoluto o relativo, como se prefiera) y el factor de relacin.

4.3 Resolver el siguiente sistema de ecuaciones usando eliminacin completa de
Gauss - Jordan.


(
(
(

=
(
(
(

(
(
(

27
12
15
4 9 1
3 4 2
7 2 3
3
2
1
x
x
x



4.4 Resolver el siguiente sistema de ecuaciones lineales, usando el programa de
computadora escrito en el problema 4.1:

(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(

(
(
(
(
(
(
(
(
(

34
10
13
8
24
17
47
9 1 7 2 1 2 7
1 4 1 11 8 9 2
1 1 2 7 1 3 4
2 1 7 2 3 1 1
11 6 1 5 7 1 2
2 9 1 15 9 1 1
8 3 2 4 6 5 3
7
6
5
4
3
2
1
x
x
x
x
x
x
x



4.5 Resolver los siguientes sistemas de ecuaciones lineales por el mtodo iterativo
de Gauss & Seidel; as tambin por el mtodo de Jacobi. Compare el nmero de
iteraciones para obtener la solucin, si converge.

92
a)
(
(
(

=
(
(
(

(
(
(

87
19
47
20 15 3
1 4 1
2 1 7
z
y
x


b)
(
(
(
(

=
(
(
(
(

(
(
(
(

37
21
12
2
3 7 2 1
4 3 2 9
12 4 1 3
4 2 10 1
z
y
x
w



4.6 Resolver el sistema tridimensional dado, usando la iteracin de Gauss & Seidel,
mediante el programa escrito en 4.2


(
(
(
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(
(
(
(

(
(
(
(
(
(
(
(
(
(
(
(
(
(

15
15
15
15
15
15
15
15
15
27
4 1 0 0 0 0 0 0 0 0
1 4 1 0 0 0 0 0 0 0
0 1 4 1 0 0 0 0 0 0
0 0 1 4 1 0 0 0 0 0
0 0 0 1 4 1 0 0 0 0
0 0 0 0 1 4 1 0 0 0
0 0 0 0 0 1 4 1 0 0
0 0 0 0 0 0 1 4 1 0
0 0 0 0 0 0 0 1 4 1
0 0 0 0 0 0 0 0 1 4
10
9
8
7
6
5
4
3
2
1
x
x
x
x
x
x
x
x
x
x



4.7 Resolver el problema 4.4 usando relajacin, con los factores de 1.3, 1.6 y 1.8.
Compare, en cada caso, el nmero de iteraciones requeridas y diga cul es mejor,
el mtodo iterativo de Gauss & Seidel o el mtodo iterativo con relajaciones?

4.8 En los siguientes problemas obtenga las soluciones bsicas, indicando si existe
degeneracin, inconsistencia o redundancia.

a) x
1
+ 3x
2
x
3
+ x
4
=4 b) 3x
1
2x
2
+ x
3
- 2x
4
= 10
2x
1
6x
2
+ 6x
3
x
4
= -6 x
1
+ x
2
- 2x
3
+ 3x
4
= 16


d) 5x
1
- 2x
2
+ 7x
3
- x
4
=21 e) 7x
1
- 2x
2
+ x
3
- 4x
4
=15
2x
1
+ x
2
- 3x
3
x
4
= 20 3x
1
+ 3x
2
-4x
3
+ 2x
4
= -18
14x
1
- 4x
2
+ 2x
3
- 8x
4
= 18 16x
1
+ 2x
2
-6x
3
+ 2x
4
= 16
93
Captulo 5

INTERPOLACIN Y AJUSTE DE CURVAS









5.1 Introduccin

Las observaciones y los experimentos cientficos se registran, en forma
tabular, como puntos discretos; de igual manera ocurre con los resultados de
clculos numricos para una funcin. Estos puntos, extendidos a lo largo de la
variable independiente, conducen a grficas como la mostrada en figura 5.1. Los
valores de la funcin f(x) pueden estar espaciados en forma constante o no, a lo
largo del eje horizontal. En este captulo se discutirn los mtodos y tcnicas para
estimar el valor de la funcin f(x) entre puntos tabulados; es decir, se interpolarn
valores de la funcin f(x) no conocidos, a partir de un grupo de datos obtenidos de
una investigacin o experimento. La interpolacin puede ser lineal polinomial; la
primera de ellas, se aplica para dos puntos consecutivos siempre y cuando, la
grfica de los puntos dados describan aproximadamente una lnea recta; sin
embargo, la interpolacin polinomial es aplicada para los puntos cuya grfica no
describe una recta.

V
a
l
o
r
e
s

d
e

f
(
x
)
Variable independiente X
Figura 5.1 puntos discretos

94
5.2 Interpolacin lineal

Cuando se aplica esta interpolacin, se asume que los puntos consecutivos,
de coordenadas (x
i
, y
i
) y (x
i+1
, y
i+1
) se unen con una recta, como se muestra en
figura 5.2. Estos puntos consecutivos, son dos cualesquiera de la informacin dada
u obtenida, entre los cuales est el punto no conocido.













Fig. 5.2 Representacin grfica de interpolacin lineal


Con base en la figura anterior y de acuerdo con la geometra elemental, el
valor de f(x) puede obtenerse con ecuacin de una recta.

f(x) = f(x
i
) + ( )
i
i i
i i
x x
x x
x f x f

+
+
1
1
) ( ) (
(5-1)

donde f(x) es el valor de la funcin para cualquier valor de x que se encuentre entre
x
i
y x
i+1
.

Ejempo 5.1 Dados los siguientes datos, obtenga el valor de f(x) x = 2.9
x 1 0 1 2 3 4 5 6
f(x) 7 4.98 3.01 1 -1 -3 -4.89 -7


Solucin. La grfica muestra que es correcto aplicar interpolacin lineal, ya que, los
datos se ajustan a una lnea recta.

Para aplicar ecuacin (5-1), se tiene que x
i
= 2, con f(x
i
) = 1 y x
i+1
= 3, con
f(x
i+1
) = -1; entonces:



95

( ) ( ) ( )
( ) 80 . 0 2
2 3
1 1
1 ) 9 . 2 (
) ( ) (
9 . 2
1
1
=

+ =

+ =
+
+
x f
x x
x x
x f x f
x f f
i
i i
i i
i


Figura del problema 5.1
-8.0
-6.0
-4.0
-2.0
0.0
2.0
4.0
6.0
8.0
-2 -1 0 1 2 3 4 5 6 7
x
f
(
x
)




5.3 Interpolacin polinomial

La interpolacin polinomial se usa cuando al graficar, la base de datos, los
puntos no se pueden ajustar a una recta, como ya se dijo antes. Es claro que para
la figura 5.1, este tipo de interpolacin sera el ms apropiado, ya que, la funcin f(x)
describe una curva. Una funcin de interpolacin es aquella que pasa a travs de
puntos dados como datos, los cuales se muestran comnmente como una tabla de
valores o se toman directamente de una funcin dada.
La interpolacin de los datos puede hacerse mediante un polinomio
algebraico, las funciones spline, una funcin racional o las series de Fourier, entre
otras posibles formas. La interpolacin polinomial es uno de los temas ms
importantes en mtodos numricos, ya que la mayora de los dems modelos
numricos se basan en esa forma de interpolacin. Por ejemplo, los modelos de
integracin numrica se obtienen integrando frmulas de interpolacin polinomial y,
los modelos de diferenciacin numrica se obtienen derivando las interpolaciones
polinomiales.

Los datos obtenidos mediante una medicin pueden interpolarse, pero en la
mayora de los casos no es posible una interpolacin directa debido a los errores
96
aleatorios implicados en la propia medicin. As pues, el ajuste de una curva a los
datos obtenidos de esta forma, se describe un la segunda seccin de este captulo.



5.3.1 Interpolacin de Lagrange

En algunas ocasiones los datos obtenidos no contienen un cambio constante
en la variable independiente, ya que muchas de las veces no es posible recabar la
informacin de esa manera. Si adems, los valores puntuales no se agrupan en una
recta (Fig. 5.1), con mayor razn la interpolacin lineal no es la ms apropiada. En
este caso se debe usar una interpolacin polinomial, a la cual corresponde la
frmula de Lagrange.

Considere una serie de puntos de coordenadas [x
i
, f(x
i
)] donde las x
i
no
estn, en general, igualmente espaciados e i puede tomar todos los valores enteros
de 0 a n (lo que indica que hay n+1 de esos puntos). Un ejemplo tpico es mostrado
en la figura 5.3, para n = 9 (tabla 5.1). Como se ver despus con ms detalle, un
polinomio de orden n que pasa a travs de n+1 puntos es nico. Esto significa que,
independientemente de la frmula de interpolacin que se aplique, todas las
interpolaciones polinomialeas que se ajustan a los mismos datos son
matemticamente idnticas.

TABLA 5.1 Informacin con espacios diferentes
I 0 1 2 3 4 5 6 7 8
x
i
2 4 6 7 9 11 13 14 15
f(x
i
) 8 12 7 6 7.4 7 17 20 18





Fig. 5.3. Grfica de puntos con espacios desiguales
97
Supngase que se tienen n+1 puntos, tales como:

x
0
x
1
x
2
x
3
x
4
x
5
x
6
--------x
n-1
x
n

f
0
f
1
f
2
f
3
f
4
f
5
f
6
-------- f
n-1
f
n


donde x
0
, x
1
, ... son las abscisas de los puntos, dados en orden creciente; los
espacios entre ellos son arbitrarios, como ya se dijo. El polinomio de orden n que
pasa a travs de los n+1 puntos se puede escribir en una serie de potencias.

g(x) = a
0
+a
1
x + a
2
x
2
+ a
3
x
3
+ ... + a
n
x
n
(5-2)

donde los a
i
son coeficientes. El ajuste de la serie de potencias a los n+1 puntos
dados, da un sistema de ecuaciones lineales.


n
n
x a x a x a a f
0
2
0 2 0 1 0 0
... + + + + =

n
n
x a x a x a a f
1
2
1 2 1 1 0 1
... + + + + =

n
n
x a x a x a a f
2
2
2 2 2 1 0 2
... + + + + = (5-3)
.
.
.

n
n n n n n
x a x a x a a f + + + + = ...
2
2 1 0



Aunque los coeficientes a
i
pueden determinarse resolviendo el sistema de
ecuaciones, se deja para el ajuste de curvas esta tarea, por lo pronto se aplicar la
interpolacin de Lagrange y las frmulas de Gregory- Newton, para efectuar la
interpolacin polinomial. En particular, para la interpolacin de Lagrange, considere
el producto de los factores dados por:

V
0
(x) =(x-x
1
)(x-x
2
)...(x-x
n
) (5-4)

que se refieren a los n+1 puntos dados antes. La funcin V
0
es un polinomio de
orden n de x y se anula en x = x
1
, x
2
, ..., x
n
. Si se divide V
0
(x) entre V
0
(x
0
), la funcin
resultante


) )...( )( (
) )...( )( (
) (
) (
) (
0 2 0 1 0
2 1
0 0
0
0
n
n
x x x x x x
x x x x x x
x V
x V
x P


= = (5-5)

98
toma el valor de uno para x = x
0
, y de cero para x = x
1
, x = x
2
, ..., x = x
n
. En forma
anloga puede escribirse


) )...( )( (
) )...( )( (
) (
) (
) (
1 2 1 0 1
2 0
1 1
1
1
n
n
x x x x x x
x x x x x x
x V
x V
x P


= = (5-6)

siendo el valor de uno para x = x
1
, y de cero para x = x
1
, x = x
2
, ..., x = x
n
. En
general, puede escribirse


) )...( )( (
) )...( )( (
) (
) (
) (
2 1
2 1
n i i i
n
i i
i
i
x x x x x x
x x x x x x
x V
x V
x P


= = (5-7)

donde el numerador no incluye (x = x
i
) y el denominador omite (x
i
x). La funcin
V
i
(x) es un polinomio de orden n y toma el valor de uno en x = x
i
y cero en x = x
j
,
para j=i. As, si multiplicamos V
0
(x), V
1
(x), V
2
(x),..., V
n
(x) por f
0
, f
1
, f
2
,..., f
n
,
respectivamente y las sumamos, el resultado ser un polinomio cuando ms de
orden n e igual a f
i
para cada i = 0 hasta i = n. La frmula de interpolacin de
Lagrange, as obtenida se escribe como:

g(x)= P
0
(x)f
0
+ P
1
(x)f
1
+ P
2
(x)f
2
+ ... + P
n
(x)f
n
(5-8)


Ejemplo 5.2 Si se tienen los datos dados en la tabla de abajo, interpole mediante la
frmula de Lagrange, para estimar f(7).

I 0 1 2 3
Xi 1 2 4 8
f(xi) 1 3 7 11

Solucin. Sustituyendo x = 7 en ecuaciones (5-5), (5-6) y (5-7), se llega a los
siguientes resultados:

71429 . 0
) 8 1 )( 4 1 )( 2 1 (
) 8 7 )( 4 7 )( 2 7 (
) (
) (
) (
0 0
0
0
=


= =
x V
x V
x P

500 . 1
) 8 2 )( 4 2 )( 1 2 (
) 8 7 )( 4 7 )( 1 7 (
) (
) (
) (
1 1
1
1
=


= =
x V
x V
x P

99
250 . 1
) 8 4 )( 2 4 )( 1 4 (
) 8 7 )( 2 7 )( 1 7 (
) (
) (
) (
2 2
2
2
=


= =
x V
x V
x P

53571 . 0
) 4 8 )( 2 8 )( 1 8 (
) 4 7 )( 2 7 )( 1 7 (
) (
) (
) (
3 3
3
3
=


= =
x V
x V
x P

sustituyendo en ecuacin (5-8), se tiene, finalmente:

g(x)= (0.71429)(1) + (-1.500)(3) + (1.2500)(7) + (0.53571)(11) = 10.85710

o sea que f(7) ~ 10.85710


Ejemplo 5.3 Las densidades de sodio para tres temperaturas estn dadas como
sigue:

I Temperatura
(
0
C)
Densidad
( kg/m
3
)
0 94 929
1 205 902
2 371 860

a) Escriba la frmula de interpolacin de Lagrange que se ajusta a los tres datos

b) Determine la densidad para una temperatura, T = 251
0
C utilizando la frmula
obtenida en el paso anterior.

Solucin a) Ya que el nmero de datos es tres, el orden de la frmula de Lagrange
es n=2, por lo que sta queda,

+


= ) 929 (
) 371 94 )( 205 94 (
) 371 )( 205 (
) (
T T
x g +


) 902 (
) 371 205 )( 94 205 (
) 371 )( 94 ( T T


) 860 (
) 205 371 )( 94 371 (
) 205 )( 94 (

T T


Solucin b) Sustituyendo T = 251
0
C en el polinomio anterior, se tiene

g(x) = 890.55612 kg/m
3

100
5.3.2 Interpolacin polinomial, mediante frmulas de Gregory Newton

Las frmulas de Gregory y Newton son recomendadas cuando la variacin de
la variable independiente es constante (Ax = constante). Su aplicacin se apoya
fuertemente en las diferencias finitas de los valores de la funcin f(x). Se usan
diferencias finitas hacia delante, simbolizadas con Af, cuando el valor de la variable
independiente x, para el cual se requiere estimar la funcin, queda se localiza
cerca del inicio del rango de valores dados; sin embargo, cuando el valor buscado
queda cerca del final de este rango, se usan diferencias finitas hacia atrs, que se
simbolizan con Vf. Por otra parte, cuando la funcin a estimar se localiza muy cerca
del centro del rango de valores dados, se usan diferencias finitas centrales, cuyo
smbolo es of.



5.3.2.1 Frmula con diferencias hacia adelante

Si se considera que los valores dados estn distribuidos como se muestra en
la figura 5.4, donde la variacin de x es h y, si la funcin es analtica, de la serie de
Taylor se puede escribir, para x = 0:

... ) 0 ( ' "
! 3
) 0 ( "
! 2
) 0 ( ' ) 0 ( ) (
3 2
+ + + + = f
x
f
x
xf f x f
+ (5-9)








Aunque ninguno de los valores para las derivadas son conocidos, puede
escribirse que:
Fig. 5.4 Grfica de datos con espacios de paso
iguales
101

) ( ) 0 ( "
2
) 0 ( '
2 0
h f
h
h
f
f 0 +
A
= (5-10)

con lo cual, ecuacin (5-9) queda como,

n
n
i
h n
jh x x
f
h
h x h x h x x
f
h
h x h x x
f
h
h x x
f
h
x
x f x f
!
) (
...
! 4
) 3 )( 2 )( (
! 3
) 2 )( (
! 2
) (
) ( ) (
1
1
0
4
4
0
3
3 0
2
2 0 0

+ + A

+
+ A

+ A

+ A + =
H

=

(5-11)

la cual es llamada frmula de interpolacin de Gregory Newton con diferencias
hacia delante. Las diferencias se obtienen de una tabla de diferencias finitas hacia
delante, desde luego. El subndice 0 se refiere al valor de las diferencias que se
encuentran en el rengln base, el cual corresponde al primer valor de x en el
intervalo donde se encuentra el valor para el cual deseamos interpolar; por ejemplo,
si un grupo de valores est dado desde x =-2 hasta x = 5, con h = 1 y se desea
estimar f(-1.8) que no est en la tabla de valores; el valor de x = -1.8 est en el
intervalo |-2,-1|, por lo que x
0
= -2; es decir, el rengln base es el que tiene como x
= x
0
.


Ejemplo 5.4 Para los datos de la tabla E5.4 cuya grfica se muestra en figura
1E5.1, determine f(1.1)


x 0 1 2 3 4 5
f(x) -7 -3 6 25 62 129






Solucin. Como x
int
= 1.1 se encuentra al inicio del rango de informacin dado y x
es constante, se usarn diferencias finitas hacia delante (tabla E5.4) donde se
-20
0
20
40
60
80
100
120
140
0 1 2 3 4 5 6
f
(
x
)
X

102
observa que el rengln base es aquel que tiene x = 1, por consiguiente x = 1.1-1 =
0.1

Tabla E5.4 Diferencias finitas hacia delante.
x f(x) Af A
2
f A
3
f A
4
f A
5
f
0 -7 4 5 5 3 1
1 -3 9 10 8 4 Rengln base
2 6 19 18 12
3 25 37 30
4 62 67
5 129

De ecuacin (5-11) y con datos de tabla E5.4, se tiene:

) 8 (
) 1 ( ! 3
) 2 1 . 0 )( 1 1 . 0 ( 1 . 0
) 10 (
) 1 ( ! 2
) 1 1 . 0 ( 1 . 0
) 9 (
1
1 . 0
) 3 ( ) 1 . 0 (
3 2

+

+ + = f

40465 . 2 ) 4 (
) 1 ( ! 4
) 3 1 . 0 )( 2 1 . 0 )( 1 1 . 0 ( 1 . 0
4
=

+



5.3.2 2 Frmula con diferencias finitas hacia atrs

Una frmula enteramente similar se puede obtener con diferencias hacia
atrs, la cual queda, ahora como:


+ V
+ +
+ V
+
+ V + =
0
3
3
0
2
2
0 0
! 3
) 2 )( (
! 2
) (
) ( ) ( f
h
h x h x x
f
h
h x x
f
h
x
x f x f


( )( )( )
0
1
1
0
4
4
!
) (
... .
! 4
3 2
f
h n
jh x x
f
h
h x h x h x x
n
n
n
i
V
+
+ + V
+ + +
H

=
(5-12)


en este caso, se considera que el recorrido, del eje x, se realiza en sentido
contrario al convencional y, el rengln base queda determinado de la misma forma
que con diferencias hacia delante; es decir, corresponde al primer valor del intervalo
103
donde se encuentra el valor para el cual deseamos interpolar, encontrado en el
sentido del recorrido.

Finalmente, el valor x de la frmula, se calcula (si el valor de x para el cual
deseamos interpolar se simboliza por x
int
):

x = x
int
x
0
(5-13)


Ejemplo 5.5. Para los valores del ejempo 5.4, se desea estimar el valor de la
funcin f(x) para cuando x = 4.5, mediante la interpolacin ms apropiada.

Tabla E5.5 valores de la funcin f(x)
x 0 1 2 3 4 5
f(x) -7 -3 6 25 62 129

Solucin. De acuerdo con la figura, es notorio que debe realizarse una interpolacin
polinomial; adems, se observa que x es constante, por lo que ser apropiado
aplicar una de las frmulas de Gregory Newton. En particular, la de diferencias
finitas hacia atrs, cuya tabla se muestra a continuacin.

X f(x)
Vf V
2
f V
3
f V
4
f V
5
f
0 -7.0
1 -3.0 4.0
2 6.0 9.0 5.0
3 25.0 19.0 10.0 5.0
4 62.0 37.0 18.0 8.0 3.0
5 129.0 67.0 30.0 12.0 4.0 1.0

En la tabla de diferencias se ha marcado con negritas el rengln base, por lo
que, es fcil identificar x
0
= 5 (x = 4.5 5=-0.5), f(0) = 129, etc. Por lo que de
ecuacin (5.12) se obtiene:

( )
( )
( )
( )
( )
( )
( ) 817 . 90 ) 1 (
) 1 ( ! 5
) 5 . 3 )( 5 . 2 )( 5 . 1 ( 5 . 0 ( 5 . 0
4
1 ! 4
) 5 . 2 )( 5 . 1 )( 5 . 0 ( 5 . 0
12
1 ! 3
) 5 . 1 )( 5 . 0 ( 5 . 0
30
1 ! 2
) 5 . 0 ( 5 . 0
67
1
5 . 0
129 ) 5 . 4 (
5 4
3 2
=

+ = f



104
5.3.2.3 Interpolacin con diferencias centrales

Hay ocasiones en que el valor de la variable independiente, para el cual se
requiere interpolar, est cerca de la parte central del conjunto de datos. En este
caso, se tendr una mejor aproximacin, si se usan diferencias centrales
simbolizadas con of
0
. Sin embargo, las diferencias hacia adelante proporcionan
buenos resultados. Para la estimacin de f(x), por diferencias centrales, existen
varias frmulas estudiadas. Dos de las ms socorridas, por su sencillez, son:


Frmula de Stirling


... ) (
! 5
) 1 )( 1 (
) (
! 4
) 1 (
) (
! 3
) 1 (
) (
! 2
) ( ) 0 ( ) (
0
5
2 2
0
4
2 2
0
3
2
0
2
2
0
+

+

+ + + =
f
x x x
f
x x
f
x x
f
x
f x f x f
o o
o o o
(5-14)


Frmula de Bessel


... ) (
! 5
) )( (
) (
! 4
) )( (
) (
! 3
) (
) (
! 2
) (
) ( ) 0 ( ) (
0
5 4
9
2
4
1
2
0
4 4
9
2
4
1
2
0
3 4
1
2
0
2 4
1
2
0
+

+

+

+ + =
f
x x x
f
x x
f
x x
f
x
f x f x f
o o
o o o
(5-15)

En esta seccin ser aplicada la frmula de Bessel; para ello se requiere que
el valor de x (obtenido con la frmula 5-13) debe estar en el rango de 0.25. Si los
datos tienen espaciamientos mayores que este valor, entonces se recomienda que
se sub-dividan los intervalos; primero a la mitad con valores de f(x) igual al
promedio de los que se tienen en cada intervalo y se hace la prueba del valor de x,
en caso que sea cumplida se aplica la ecuacin directamente, pero de no ser as, se
hace otra particin, hasta que se cumpla la condicin.


Ejemplo 5.6. Para los datos del ejemplo 5.5, se desea interpolar para estimar f(2.7).

105
Solucin. Puesto que el intervalo general de valores est dado para 0 s x s 5,
entonces x = 2.7 est muy cerca del centro de este rango de valores, por lo que, la
frmula de Bessel dar buen resultado. Una tabla inicial ser.

Tabla E5.6 Muestra de datos cuando se realizan diferencias centrales
x f(x) of o
2
f o
3
f o
4
f o
5
f
0 -7
4
1 -3 5
9 5
2 6 10 3 Reng-Base
19 8 1
3 25 18 4
37 12
4 62 30
67
5 129

Tomando en cuenta que el rengln base es el sealado con x
0
= 2, entonces
x =2.7-2.0 = 0.70>0.25. Se observa que no se cumple la condicin y por tanto, es
necesario dividir los intervalos de Ax a la mitad y calcular los valores de f(x) como la
media de los valores presentes. Los resultados a que se lleg se presentan en la
siguiente tabla.

x f(x) of o
2
f o
3
f o
4
f o
5
f
0 -7
0.5 -5 4
1 -3 6.5 5
1.50 1.50 9 7.5 5
2 6 14 10 6.5 3
2.50 15.50 19 14 8 3.5 1
3 25 28 18 10 4
3.50 43.50 37 24 12
4 62 52 30
4.50 95.50 67
5 129

106
En esta ocasin el rengln base est a una distancia de 0.20 de x = 2.7, por
lo que se cumple la condicin y puede aplicarse la frmula de interpolacin para
diferencias centrales, quedando:

84245 . 17 ) 1 (
! 5
) 2 . 0 )( 2 . 0 ( 2 . 0
) 5 . 3 (
! 4
) 2 . 0 )( 2 . 0 (
) 8 (
! 3
) 2 . 0 ( 2 . 0
) 14 (
! 2
) 2 . 0 (
) 19 ( 2 . 0 5 . 15 ) 2 . 0 ( ) 5 . 2 (
4
9
2
4
1
2
4
9
2
4
1
2
4
1
2
4
1
2
=

+

+

+ + = = f f




5.4 Ajuste de curvas- Aproximacin funcional


Mtodo de mnimos cuadrados

Cuando se tienen parejas de valores (x, y), tabulados como los dados en
tabla 5.1, y se quiere estimar el valor de la funcin f(x) solamente para un valor de la
variable independiente x, el problema se resuelve con la interpolacin o
extrapolacin, segn que el valor por estimar se encuentre entre o fuera de los
datos discretos conocidos, respectivamente.

Sin embargo, en muchos de los casos se desea tener una ecuacin que
represente todos esos datos y que con slo proponer (en ella) valores de x se
obtengan los valores de la funcin de manera inmediata. Esta ecuacin puede ser
un polinomio de grado n [representado por g(x)] una funcin especial que se
determina con ayuda de la experiencia del investigador.

Puesto que g(x) no pasar, en general, por todos los puntos (Fig. 5.5),
existir un error c entre g(x) y f(x); por lo que ser necesario proponer un mtodo
que minimice dicho error. El mtodo de mnimos cuadrados garantiza este requisito
y con esas definiciones, la magnitud de la distancia local est dada por:

) ( ) ( ) ( x g x f x d = (5-16)

Si hacemos esta prctica para cada punto y, tomando en cuenta que, el
cuadrado de esta diferencia ser an ms pequea, entonces el error total
simbolizado por E, para todos los puntos puede escribirse:

107
| |

=
=
=
=
= =
n i
i
n i
i
i
x f x g x d E
1
2
1
2
) ( ) ( ) ( (5-17)

que debe ser minimizado.



Fig. 5.5 Puntos discretos con lnea de tendencia


Considerando que g(x) corresponde a un polinomio de grado l, ecuacin (5-
17) se transforma en:

| |
2
4
4
3
3
2
2 1 0
1
... ) (
l
l
n
i
x a x a x a x a x a a x f E + + + + + + =

=
(5-18)

que tambin puede escribirse:


| |
2
4
4
3
3
2
2 1 0
1
) ( ... x f x a x a x a x a x a a E
l
l
n
i
+ + + + + + =

=
(5-19)

por estar entre parntesis un valor absoluto.

La minimizacin del cuadrado del error E, puede obtenerse igualando a cero
la primer derivada parcial de E calculada para cada coeficiente a
i
, en virtud de la
propiedad del clculo diferencial.

0 ...
2 1 0
=
c
c
=
c
c
=
c
c
=
c
c
l
a
E
a
E
a
E
a
E
(5-20)

108
Para ilustrar el desarrollo, paso a paso, de la forma de estas ecuaciones se
realiza la primer derivacin de las ecuaciones dadas en (5-20). De esta manera se
tiene, para la primer constante a
0
.

| | | | ) ( ... ) ( ... 2
2
2 1 0
0 1
3
3
2
2 1 0
0
i
l
l
n
i
i
l
i l i i
x f x a x a x a a
a
x f x a x a x a x a a
a
E
+ + + +
c
c
+ + + + + =
c
c

=


| | 0 ) 1 ( ) ( ... 2
1
3
3
2
2 1 0
0
= + + + + + =
c
c

=
n
i
i
l
i l i i
x f x a x a x a x a a
a
E


Dividiendo por 2 e introduciendo el smbolo sumatoria dentro del parntesis y
pasando al segundo miembro f(x
i
), queda:

) ( ...
1 1
3
1
3
2
1
2
1
1 1
0
= = = = = =
=
(

+ +
(

+
(

+
(

+
n
i
i l
n
i
l
i
n
i
i
n
i
i
n
i
i
n
i
x f a x a x a x a x a

El desarrollo del primer trmino de esta ecuacin es:

( )
0 0 0 0 0 0 0
1
0
1 ... 1 1 1 ... na a a a a a a a
n
i
= + + + + = + + + + + =

=


por lo que la ecuacin final queda como:

) ( ...
1 1
3
1
3
2
1
2
1
1
0
= = = = =
=
(

+ +
(

+
(

+
(

+
n
i
i l
n
i
l
i
n
i
i
n
i
i
n
i
i
x f a x a x a x a x na


y as para las dems derivadas planteadas en ecuaciones (5-20), llegando al arreglo
matricial siguiente:

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

=
(
(
(
(
(
(

(
(
(
(
(
(

+ +
+
+
i
l
i
i i
i i
i
l
l
i
l
i
l
i
l
i
l
i i i i
l
i i i i
l
i i i
x f x
x f x
x f x
x f
a
a
a
a
x x x x
x x x x
x x x x
x x x n
2
2
1
0
2 2 1
2 4 3 2
1 3 2
2
.


109
Para funciones especiales (trigonomtricas, exponenciales, logartmicas,
etc.), se sustituye en ecuacin (5-19), la ecuacin especial correspondiente,
derivando la ecuacin resultante, tantas veces como constantes contenga dicha
funcin; originando una ecuacin por cada constante. Por ejemplo, si la funcin
especial es g(x) = A + Bsen(x), entonces, ecuacin (5-19) se transforma en:

| |
2
1
) (

=
+ =
n
i
i i
x f Bsenx A E (5-21)

y el sistema de ecuaciones se obtiene al derivar parcialmente, primero con respecto
a la constante A y, despus, con respecto de la constante B, como se muestra a
continuacin.

A
E
c
c
= | | | | 0 ) ( ) ( 2
1
= +
c
c
+

=
i i
n
i
i i
x f Bsenx A
A
x f Bsenx A

como | | 1 ) ( = +
c
c
i i
x f Bsenx A
A


A
E
c
c
= | | 0 ) 1 ( ) ( 2
1
= +

=
n
i
i i
x f Bsenx A

de donde, la ecuacin resultante queda:

(

=
(

+

= =
n
i
i
n
i
i
x f B senx nA
1 1
) ( Ecuacin 1

La derivada parcia con respecto a B es:

B
E
c
c
= | | | | 0 ) ( ) ( 2
1
= +
c
c
+

=
i i
n
i
i i
x f Bsenx A
B
x f Bsenx A

dado que,

| |
i i i
senx x f Bsenx A
B
= +
c
c
) (

110
B
E
c
c
= | | 0 ) ( 2
1
= +

=
i
n
i
i i
senx x f Bsenx A

llegando a,

(

=
(

+
(

= = =
n
i
i i
n
i
i
n
i
i
x f senx B x sen A senx
1 1
2
1
) ( Ecuacin 2


Cuando la funcin especial es g(x) = ae
bx
, g(x) = ax
b
, ecuacin (5-19) queda,
respectivamente.

| |
2
1
) (

=
=
n
i
i
bx
x f ae E

| |
2
1
) (

=
=
n
i
i
d
x f cx E

En estos casos, si la derivacin representa problemas para el estudiante, se
recomienda linearizar la ecuacin propuesta mediante la aplicacin de logaritmos.

g(x) = ae
bx
, se transforma en ---- Ln g(x) = Lna + bx -- y = b + mx ( 5-22 a )


g(x) = cx
d
, se transforma en ----- Ln g(x) = Lnc + dLnx - y =b + mx ( 5-22 b )


Ejemplo 5.7 Obtenga el mejor polinomio de ajuste, para los siguientes datos:

X 2.10 6.22 7.17 10.52 13.68
f(x) 2.90 3.85 5.80 5.76 7.74

Solucin. Puesto que los datos estn alineados aproximadamente en una lnea
recta (ver figura), se puede ajustar con un polinomio de grado l = 1; por lo que, el
sistema que permite obtener los coeficientes de ajuste a
0
y a
1
, es:


(

=
(

i i
i
i i
i
f x
f
a
a
x x
x n
1
0
2
.
111

Figura del problema 5.7
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
8.0
9.0
0 2 4 6 8 10 12 14 16
x
f
(
x
)

Para la informacin dada, los coeficientes de dicho sistema son:

=
n
i
i
x
1
=2.10 + 6.22 + 7.17 + 10.52 + 13.68 = 39.69

=
n
i
i
x
1
2
= (2.10)
2
+ (6.22)
2
+ (7.17)
2
+ (10.52 )
2
+ (13.68)
2
= 392.3201

=
n
i
i
x f
1
) ( = 2.90 + 3.85 + 5.80 + 5.76 + 7.74 = 26.05

=
n
i
i i
x f x
1
) ( =(2.10)(2.90)+(6.22)(3.85)++(13.68)(7.74)=238.1014

Sustituyendo en dicho sistema, n = 5 y dems sumatorias obtenidas, se encontr la
solucin, para las constantes:

(

=
(

1014 . 238
05 . 26
.
3201 . 392 69 . 39
69 . 39 5
1
0
a
a


a
0
= 1.99245475589 y
a
1
= 0.405334497873

de esta manera, el polinomio de ajuste es:

g(x) = 1.99245475589+ 0.405334497873x


112
Ejemplo 5.8. Dados los siguientes datos:

X 0 1.0 1.5 2.3 2.5 4.0 5.1 6.0 6.5 7.0 8.1 9.0
f(x) 0.2 0.8 2.5 2.5 3.5 4.3 3.0 5.0 3.5 2.4 1.3 2.0

continuacin
X 9.3 11.0 11.3 12.1 13.1 14.0 15.5 16.0 17.5 17.8 19.0 20.0
f(x) -0.3 -1.3 -3.0 -4.0 -4.9 -4.0 -5.2 -3.0 -3.5 -1.6 -1.4 -0.1

a) Determine el grado del polinomio de ajuste, mediante el mtodo grfico y
posteriormente obtenga, usando el criterio de mnimos cuadrados, el
polinomio de referencia.

b) Revise si el grfico puede ajustarse mediante una funcin especial. De ser
as, obtenga dicha funcin.

c) Haga una grfica donde se encuentren dibujados los datos, el polinomio de
ajuste obtenido en a) y la funcin especial determinada en b).


Solucin a). De la grfica, de los datos, se concluye que, el polinomio de ajuste
debe ser de tercer grado (l = 3), ya que, para el rango de informacin se nota que
los puntos interceptan tres veces el eje x, por lo que el polinomio propuesto es: g
1
(x)
= a
0
+ a
1
x +a
2
x
2
+ a
3
x
3
. Para obtener los coeficientes de este polinomio se aplica el
mtodo de mnimos cuadrados. El sistema a resolver es:

(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(

(
(
(
(
(
(
(
(
(
(

) (
) (
) (
) (
.
3
2
3
2
1
0
6 5 4 3
5 4 3 2
4 3 2
3 2
i i
i i
i i
i
i i i i
i i i i
i i i i
i i i
x f x
x f x
x f x
x f
a
a
a
a
x x x x
x x x x
x x x x
x x x n


Tomando en cuenta que son 24, desarrollando las sumatorias y productos
indicados, se lleg a:

113

=
n
i
i
x
1
= 0.0 + 1 + 1.5 + ...+ 19 + 20 = 229.50

=
n
i
i
x
1
2
= (0)
2
+ (1)
2
+ (1.5)
2
+...+ ( 19 )
2
+ (20)
2
= 3,060.20

=
n
i
i
x
1
3
= (0)
3
+ (1)
3
+ (1.5)
3
+ ... + ( 19)
3
+ ( 20)
3
= 46,342.79

=
n
i
i
x
1
4
=(0)
4
+ (1)
4
+ (1.5)
4
+ ...+ ( 19)
4
+ (20)
4
= 752,835.21

=
n
i
i
x
1
5
=(0)
5
+ (1)
5
+ (1.5)
5
+ ...+ ( 19)
5
+ (20)
5
= 12,780,147.70

=
n
i
i
x
1
6
=(0)
6
+ (1)
6
+ (1.5)
6
+ ...+ ( 19)
6
+ (20)
6
= 223,518,116.77

=
n
i
i
x f
1
) ( = 0.2+ 0.8 + 2.5 +...+ (-1.4) + (-0.1) = -1.30

=
n
i
i i
x f x
1
) ( =(0)(0.2)+ ( 1.0)(0.8)+ (1.5)(2.5)+ ...+ (19)(-1.4)+ (20)(-0.1) = -316.88

=
n
i
i i
x f x
1
2
) ( =(0)
2
(0.2)+ ( 1.0)
2
(0.8)+ (1.5)
2
(2.5)+ ...+ (19)
2
(-1.4)+ (20)
2
(-0.1) = -6,037.242

=
n
i
i i
x f x
1
3
) ( =(0)
3
(0.2)+ ( 1.0)
3
(0.8)+ (1.5)
3
(2.5)+ ...+ (19)
3
(-1.4)+ (20)
3
(-0.1) = -9,943.3597


(
(
(
(

=
(
(
(
(

(
(
(
(

597 . 99433
242 . 6037
88 . 316
30 . 1
.
77 . 223518116 70 . 12780147 21 . 752835 79 . 46342
70 . 12780147 21 . 752835 79 . 46342 2 . 3060
21 . 752835 79 . 46342 2 . 3060 6 . 229
79 . 46342 2 . 3060 2 . 229 24
3
2
1
0
a
a
a
a


114
La solucin de este sistema, mediante el mtodo de eliminacin completa de
Gauss- Jordan conduce a los siguientes resultados:

a
0
=-0.35934718
a
1
= 2.3051112
a
2
= -0.35319014
a
3
= 0.01206020

por tanto, el polinomio de ajuste es,


g
1
(x) =-0.35934718+ 2.3051112X -0.35319014X
2
+ 0.01206020X
3
.


Solucin b) La grfica sugiere el uso de una funcin trigonomtrica, tal como el
seno. Podra proponerse, entonces, la funcin especial:

)
10
( ) (
2
x
Bseno A x g
t
+ =

ya que, el perodo debe tomarse como 20. Del criterio de mnimos cuadrados, se
puede escribir, segn ecuacin (5-21):

2
1
) ( )
10
(

=
(

+ =
n
i
i i
x f x Bseno A E
t


llegando al siguiente sistema,

(

=
(

+

= =
n
i
i
n
i
i
x f B x seno nA
1 1
) ( )
10
(
t
(a)

(

=
(

+
(

= = =
n
i
i i
n
i
i
n
i
i
x f x seno B x seno A x seno
1 1
2
1
) ( )
10
( )
10
( )
10
(
t t t
(b)

por un procedimiento similar al inciso anterior, se llega a,

24A + 1.1328096B = -1.300, para ecuacin (a)

1.1328096A + 11.053666B = 47.515395, para ecuacin (b)
115

resolviendo el sistema se tienen los siguientes valores para las constantes,

A= -0.25831225 y

B = 4.3250821

por lo que, el polinomio de ajuste queda,

) (
2
x g = -0.25831225 + 4.3250821 )
10
(
x
seno
t


La grfica siguiente muestra una vista de conjunto, es decir, los datos, el
polinomio g
1
(x) y la funcin g
2
(x), con el objeto de visualizar la bondad de las
propuestas de solucin. Cabe sealar que ambas soluciones son consistentes
quedando a juicio del investigador la seleccin final de alguna de ellas.


grfica de conjunto del prob. 5.6
-6.0
-4.0
-2.0
0.0
2.0
4.0
6.0
0 5 10 15 20 25
x
f
(
x
)
dato g1(x) g2(x)




Ejemplo 5.9 Ajuste los datos dados en la siguiente tabla, a una ecuacin de
potencias.

116
x f(x)
1 0.5
2 1.7
3 3.4
4 5.7
5 8.4


Solucin. El modelo de una ecuacin de potencias es:

2
2
) (
b
x a x g =
la cual se puede linearizar aplicando logaritmos a ambos miembros de la igualdad.

Ln g(x) = lna
2
+ b
2
|ln x|

que corresponde a la ecuacin de a recta:

Y = B + mX

Por comparacin de estas dos ecuaciones se tiene que, Lng(x) = Y; B = lna
2
;
X = ln x, y m = b
2
; por consiguiente, se organizaron los datos, como se sigue, para
determinar los valores de las constantes, a
2
y b
2


DATOS ORIGEN Ln(x) Ln(f)
X f(x) X Y X
2
XY
1 0.500 0.000 -0.693 0.000 0.000
2 1.700 0.693 0.531 0.480 0.368
3 3.400 1.099 1.224 1.207 1.344
4 5.700 1.386 1.740 1.922 2.413
5 8.400 1.609 2.128 2.590 3.425
SUMAS---> 4.787 4.930 6.200 7.550

Considerando que los datos, de las columnas 3 y 4, se ajustan a una recta y
resolviendo por el mtodo de mnimos cuadrados, se llega al siguiente sistema.

n = 5; xi = 4.7875; f(xi) = 4.930; =
2
i
x 6.1995 y xi*f(xi) = 7.5503.


(

=
(

5503 . 7
9300 . 4
.
1995 . 6 7875 . 4
7875 . 4 5
1
0
a
a

117

cuya solucin es:

a
0
=B = lna
2
= -0.69074 y

a
1
= m = b
2
= 1.75116

por consiguiente, la recta de ajuste queda

ln g(x)=-0.69073876 + 1.75116lnx

sacando antilogaritmos, se obtuvo,

g(x) = 0.5012x
1.75116


Con el objeto de verificar la bondad del ajuste obtenido, en la figura siguiente
se muestra una grfica de conjunto, donde se observa que los valores obtenidos
con g(x) son, prcticamente, los mismos que los datos iniciales, por lo que, se dice
que se logr un buen ajuste.


Figura del problema 5.9(datos iniciales)
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
8.0
9.0
0 1 2 3 4 5 6
x
f
(
x
)
Serie1 g(x)



Ejempo 5.10 Ajuste los siguientes datos a un polinomio de segundo grado.
X F(x) continuacin x F(x) continuacin X F(x)
-3.20 8.80 -0.70 -2.20 +1.80 -0.60
-2.70 5.60 -0.20 -2.80 +2.30 1.00
-2.20 2.90 +0.30 -3.00 +2.80 3.40
118
-1.70 0.75 +0.80 -2.80 +3.30 6.30
-1.20 -1.00 +1.30 -2.00 +3.80 9.50

El polinomio de ajuste tiene la forma:
2
2 1 0
) ( x a x a a x g + + =


por lo que, el sistema representativo de este ajustes es:

( )
( )
( )
(
(
(

=
(
(
(

(
(
(

i i
i i
i
i i i
i i i
i i
x f x
x f x
x f
a
a
a
x x x
x x x
x x n
.
. .
2
2
1
0
4 3 2
3 2
2


Donde al sustituir (n = nmero de datos = 15;

= , 50 . 4
i
x

= 35 . 71
2
i
x ,

= 405 . 63
3
i
x ,

= 422 . 622
4
i
x , etc.), se lleg a:

(
(
(

=
(
(
(

(
(
(

857 . 374
255 . 14
850 . 23
.
422 . 622 405 . 63 35 . 71
405 . 63 35 . 71 50 . 4
35 . 71 50 . 4 15
2
1
0
a
a
a


cuya solucin, por eliminacin completa de Gauss Jordan, es:

a
0
= -3.005,
a
1
= -0.497 y
a
2
= 0.997

Por lo que, el polinomio de ajuste es:

2
997 . 0 497 . 0 005 . 3 ) ( x x x g + =




5.5 Aproximacin a funciones contnuas

Las mejores aproximaciones para funciones continuas, usualmente son
consideradas para ser aproximaciones que minimicen el error en el sentido del
minimax. Desafortunadamente, a menudo es muy difcil encontrar la mejor
aproximacin para una cierta clase de funcin dada; sin embargo, deberamos

119
invocar a la experiencia para tener una aproximacin que sea la mejor. Por ejemplo,
en lugar de encontrar la mejor aproximacin para una funcin cuadrtica podramos
haber aproximado con una cuadrtica que siempre ser razonablemente cercana a
la mejor cuadrtica. Las buenas aproximaciones para funciones continuas,
usualmente tienen un error d(x) que oscila alrededor de cero en la regin de inters,
ya que, las magnitudes positivas son aproximadamente iguales a las magnitudes
negativas.

La forma ms comn y simple de aproximacin para una funcin continua es
con algn tipo de polinomial. En efecto, siempre que es usada una representacin
en serie de potencias para calcular una funcin, entonces, la aproximacin
polinomial est siendo usada, puesto que, la serie de potencias debera ser
truncada en algn punto y, una serie de potencias truncada es siempre una
polinomial.

Empezaremos nuestra discusin de la aproximacin a funciones continuas
mediante el examen de un mtodo para improvisar la efectividad del truncado de
las series de potencias, en otras palabras, de obtener la mejor exactitud con
pocos trminos. Esta prctica es llamada una serie de potencias telescpica o
economizacin. Como veremos, tambin tiene aplicaciones directas a la
aproximacin de cualquier polinomial.



5.5.1 Economizacin de Chebyshev

Los polinomios de Chebyshev se pueden expresar de dos formas distintas,
pero equivalentes; una utiliza funciones coseno y la otra serie de potencias. En el
primer caso, el polinomio de Chebyshev normalizado de orden K, se define como:

( ) ( ) | | x k x T
k
1
cos cos

= , para 1 1 s s x (5-23)

Puesto que la funcin coseno se anula en t/2; 3t/2; 5t/2; 7t/2,..., las
races de un polinomio de Chebyshev de orden K satisfacen la ecuacin,

K n n K x K
n
..., 3 , 2 , 1 , *
2
1
) ( cos
1
= |
.
|

\
|
+ =

t (2-24)

ms explcitamente:

120

|
|
.
|

\
|
+
= t *
)
2
1
(
cos
K
n K
x
n
, n = 1, 2, 3,..., K (2-25)

Por ejemplo, si K = 2, entonces esta ecuacin conduce a,

86602 . 0 *
3
) 1
2
1
3 (
cos
1
=
|
|
.
|

\
|
+
= t x

00000 . 0 *
3
) 2
2
1
3 (
cos
2
=
|
|
.
|

\
|
+
= t x

En segundo caso, los trminos de los polinomios de Chebyshev, son
generados por con la ecuacin recurrente:

T
n+1
(x) = 2xT
n
(x) T
n-1
(x) (5-26)

Requerimos tener presente estos polinomios para propsitos de aplicacin.
Algunos trminos son.


T
0
(x) = 1
T
1
(x) = x
T
2
(x) =2x
2
1
T
3
(x) = 4x
3
- 3x
T
4
(x) = 8x
4
8x
2
+1 (5-27)
T
5
(x) = 16x
5
20x
3
+5x
T
6
(x) = 32x
6
48x
4
+18x
2
1
T
7
(x) = 64x
7
112x
5
+ 56x
3
7x
T
8
(x) = 128x
8
256x
6
+160x
4
32x
2
+1


Recuerde que estos polinomios tienen una magnitud mxima de 1 en el
intervalo de 1 s x s 1.

Para nuestros propsitos, tambin es interesante invertir esos polinomios
para listar las potencias de x en trminos de T
n
(x); quedando:

121
1 = T
0

x = T
1

x
2
= (T
0
+ T
2
)
x
3
= (3T
1
+ T
3
)
x
4
= 1/8(3T
0
+ 4T
2
+ T
4
) ( 5-28 )
x
5
= 1/16(10T
1
+ 5T
3
+ T
5
)
x
6
= 1/32(10T
0
+ 15T
2
+ 6T
4
+ T
6
)
x
7
= 1/64 (35T
1
+ 21T
3
+ 7T
5
+ T
7
)
x
8
= 1/128(35T
0
+ 56T
2
+ 28T
4
+ 8T
6
+ T
8
)

Note usted que los Tn(x) fueron escritos simplemente como Tn

Los polinomios de Chebyshev se pueden aplicar en cualquier rango distinto
de 1 s x s 1, si se transforma primero a l, el rango de inters. Si este rango est
dado por a s x s b, la transformacin est dada por;


a b
a b y
x

=
2
, 1 s x s 1 ( 5-29 )

en forma equivalente,

2
) ( b a x a b
y
+ +
= , a s y s b ( 5-30 )

por consiguiente, al sustituir los puntos de Chebyshev x
n
en | -1, 1 | dados por ( 5-
25 ), en la ecuacin ( 5-30 ), los puntos de Chebyshev y
n
en | a, b | son,


(

+ +
|
|
.
|

\
| +
= b a
K
n K
a b y
n
t *
) (
cos ) (
2
1
2
1
, n= 1,2, 3, ..., K ( 5-31 )

Como ejemplo, considere una funcin e
-x
, que puede ser representada por
una serie de potencias, como

e
-x
= 1 x + ...
! 6 ! 5 ! 4 ! 3 ! 2
6 5 4 3 2
+ +
x x x x x
( 5-32)

Si la serie alternativa (e
-x
= 1 x + ...) es truncada despus del trmino en x
5
,
el error no ser mayor de 1.6152x10
-3
. Usando la representacin de las
122
polinomiales de Chebyshev de las potencias de x, el truncado de la funcin (e
-x
= 1
x + ..) puede escribirse como

| | | | | |
| |
1 5 3 1 16
1
4 2 0 8
1
3 1 4
1
2 0 2
1
1 0
) 5 10 (
! 5
1
) 4 3 (
! 4
1
) 3 (
! 3
1
) (
2
1
c + + +
+ + + + + + =

T T T
T T T T T T T T T e
x
( 5-33 )

donde c
1
tiene una magnitud mxima de 1.1652x10
-3
. Agrupando trminos, se
obtiene,

e
-x
~ 1.2656250T
0
1.1302083T
1
+ 0.2708333T
2
0.0442798T
3
+ 0.0052083T
4

0.0005208T
5
( 5-34 )

Ahora podemos hacer valer el factor de que la magnitud de Tn es 1 (sobre
1 s x s 1). Si truncamos la expresin anterior despus del trmino que involucra T
3
,
acumularemos un error adicional no mayor que la suma de las magnitudes de los
coeficientes de T
4
y T
5
, o sea 0.0052083 + 0.0005208 = 0.0057291. Ahora

e
-x
~ 1.2656250T
0
1.1302083T
1
+ 0.2708333T
2
0.0442798T
3
( 5-35 )

La magnitud del error mximo posible en ecuacin anterior, es la suma de la
magnitud mxima del error de truncamiento de la serie original, la cual fue de
0.0016152 y la mxima magnitud del error en el truncamiento fue de 0.0057291.
Esta suma es de 0.0073444. Las polinomiales de Chebyshev en la expresin de
arriba pueden escribirse en trminos de x, con lo cual queda como:

e
-x
~ 1.2656250(1)1.1302083(x) + 0.2708333(2x
2
1) 0.0442798(4x
3
3x)

desarrollando y agrupando trminos, se llega a

e
-x
~ 0.9947917 0.9973959x + 0.5416667x
2
0.1770832x
3
( 5-36 )

Estos expresin de aproximacin de cuatro trminos, es muy similar a los
primeros cuatro trminos de la serie original (5-32) excepto que el error mximo de
(5-36) es de 0.0073444 comparado con un error mximo posible de 0.0516152 para
los primeros cuatro trminos de la serie original. En efecto, si tomamos cinco
trminos de la serie (5-32), el error mximo posible ser de 0.00994895, el cual an
es ms grande que el mximo error posible dado por la expresin de cuatro
trminos de (5-36). Esta expresin es llamada serie telescpica de potencias serie
123
economizada. Si ms trminos de la serie original de Taylor son tomados antes de
que sea truncada, entonces los coeficientes de la aproximacin de cuatro trminos
(5-36) cambiarn ligeramente y la aproximacin puede ser ms exacta. Es
importante notar que no hay garanta de que (5-36) sea la mejor aproximacin para
e
-x
, no obstante puede indicar una buena aproximacin.

En el caso de (5-36), la serie telescpica de e
-x
, requiere dos trminos menos
que la serie original para obtener la misma exactitud. Los ahorros en general, son
altamente dependientes del nmero de trminos de la serie original de potencias. La
economizacin de series convergentes rpidamente (tales como la serie para e
-x
)
proveen relativamente modestas ganancias, mientras que la forma economizada de
muchas series de convergencia lenta pueden proveer exactitud con un mnimo de
trminos que podra requerir cientos de trminos de la serie original.

Este procedimiento de economizacin puede ser usado para aproximar
cualquier polinomial con una polinomial de orden inferior sobre cualquier intervalo
finito.


Ejemplo 5.11. Usando economizacin de Chevyshev, encontrar una aproximacin
lineal para la funcin:

3 2 ) (
2
+ = y y y f

Sobre el intervalo 10 0 s s y

Solucin. Primero mapeamos el intervalo 1 1 s s y mediante la transformacin
dada por (5-29), es decir:


a b
a b y
x

=
2
= 1
5 0 10
0 10 2
=

y y


Con lo cual se tiene que:

y = 5(x+ 1)

Por consiguiente, la ecuacin por transformar queda:

f
1
(x) = |5(x + 1)|
2
-2|5(x + 1)| + 3 = 25x
2
+ 40x + 18

124
Puesto que f
1
(x) est definida, ahora, sobre -1 s x s 1, podemos proceder a usar la
economizacin de Chebyshev. Rescribiendo las potencias de x en trminos de los
Tn(x), se tiene:


2 1 0 0 1 2 0 1
2
25
40
2
61
18 40 ) (
2
1
25 ) ( T T T T T T T x f + + = + +
(

+ =

A partir de aqu podemos encontrar la aproximacin lineal por eliminacin del
trmino en T
2
. Esta aproximacin tiene un error mximo posible de magnitud igual al
coeficiente de T
2
, es decir, c = 25/2 = 12.50. Entonces,


1 0 1
40
2
61
) ( T T x f + =

o en trminos de x, se tiene:

x x f 40
2
61
) (
1
+ =

reconvirtiendo a una funcin de y, recordando que x = 5 / y 1, se tiene:

y
y
y g 8
2
19
) 1
5
( 40
2
61
) ( + ~ + =

Esta es la aproximacin lineal requerida, la cual podra tener un error hasta de 12.5.




Problemas propuestos


5.1 La siguiente funcin tabulada representa puntos de una polinomial. Cul es el
grado de la polinomial?Cul es el coeficiente de la potencia ms alta de x?

I Xi f(xi)
1 0 -7
2 1 -4
3 2 5
125
4 3 26
5 4 65
6 5 128


5.2 La siguiente funcin tabulada representa puntos de una polinomial. Cul es el
grado de la polinomial?

I xi f(xi)
1 0 0
2 1 -2
3 2 -8
4 3 0
5 4 64
6 5 250
7 6 648
8 7 1372


5.3 Preparar una tabla de diferencias finitas hacia delante y otra tabla de diferencias
finitas hacia atrs, para la siguiente funcin tabulada:

I xi f(xi)
1 1 6
2 2 10
3 3 46
4 4 138
5 5 430

Ahora, suponiendo que la funcin es una polinomial, llenar todos los espacios
en blanco en la tabla e interpolar para f(4.31) usando la frmula de interpolacin
para diferencias finitas hacia delante con x = 4 como rengln base.


5.4 Dada la siguiente funcin tabulada:

i Xi f(xi)
1 0.0 -3.000
2 0.3 -0.742
126
3 0.6 2.143
4 0.9 6.452
5 1.2 14.579
6 1.5 31.480
7 1.8 65.628

Encontrar a) f(1.09); b) f( 0.93); c) f(1.42); d) f(0.21).


5.5 Usando interpolacin de Lagrange, encontrar f(4.3) para la siguiente funcin:

i xi f(xi)
1 0.0 0.0
2 1.0 0.569
3 2.0 0.791
4 3.8 0.224
5 5.0 -0.185



5.6 Dada la siguiente funcin tabulada

I Xi f(xi)
1 1 150
2 2 36.75
3 3 17.33
4 4 9.19

Prepare una tabla de diferencias hacia atrs y otra hacia delante. Despus interpole
para encontrar a) f( 1.1) y b) f(3.9)


5.7 Determine una funcin lineal ajustada a los siguientes datos, mediante el
mtodo de mnimos cuadrados:

I Xi f(xi)
1 1.0 2.0
2 1.5 3.2
3 2.0 4.1
127
4 2.5 4.9
5 3.0 5.9


5.8 Igual que en el caso anterior, pero para los siguientes datos:

i xi f(xi)
1 0.1 9.9
2 0.2 9.2
3 0.3 8.4
4 0.4 6.6
5 0.5 5.9
6 0.6 5.0
7 0.7 4.1
8 0.8 3.1
9 0.9 1.9
10 1.0 1.1


5.9 Dados los siguientes datos, ajuste a una lnea recta esos datos, usando el
criterio de mnimos cuadrados:

i xi f(xi)
1 1.1 50
2 2.9 43
3 4.3 28
4 6.2 25
5 8.1 22.7
6 9.6 16.9
7 12 7.4


5.10 Ajuste una funcin cuadrtica a los siguientes datos y grafique la curva
ajustada junto con los puntos dados:

i xi f(xi)
1 0.000 0.00
2 0.200 7.78
3 0.400 10.68
128
4 0.600 8.37
5 0.800 3.97
6 1.000 0.00


5.11 Ajuste un polinomio cbico a los datos del problema anterior y diga usted, cual
es el mejor ajuste. Haga una grfica de conjunto, para los dos problemas.

5.12 Ajuste los datos de la tabla siguiente:


I xi f(xi)
1 0.1 0.0000
2 0.2 1.1220
3 0.3 3.0244
4 0.4 3.2568
5 0.5 3.1399
6 0.6 2.8579
7 0.7 2.5140
8 0.8 2.1639
9 0.9 1.8358


A la funcin:

) 2 ( ) ( ) (
3 2 1 0
x sen a x sen a x a a x g t t + + + =


Recuerde iniciar con ecuacin ( 5-19 ), donde en vez de sustituir el polinomio
de grado l, tiene usted que emplear la funcin propuesta arriba y posteriormente
derivar con respecto a cada uno de los coeficientes, para obtener el sistema de
ecuaciones que permitan estimar los coeficientes de la funcin g(x).


5.13 Dados los siguientes datos:

I xi f(xi)
1 1.2 2.1
2 2.8 11.5
129
3 4.3 28.1
4 5.4 41.9
5 6.8 72.3
6 7.9 91.4

Usando el criterio de mnimos cuadrados, ajustar a una funcin de la forma g(x)
=Ax
B



5.14 Dados los siguientes datos, ajustar una funcin de la forma g(x) =Ce
Dx
para
estos, usando el criterio de mnimos cuadrados.


I xi f(xi)
1 0.00 1.37
2 0.50 1.48
3 1.25 2.09
4 2.00 2.77
5 2.70 3.60
6 3.00 4.10
7 3.50 4.88
8 3.90 6.01
9 4.75 7.95
10 5.25 9.90



5.15 Encontrar una expresin de aproximacin de tres trminos para seno(x) sobre
1 s x s 1 por economizacin de Chebyshev de la serie de Taylor. Truncar la serie
original despus del cuarto trminos. Evaluar el error mximo en la aproximacin de
tres trminos y comparar ste con el error mximo que podra resultar si los tres
primeros trminos de la serie de Taylor fueron usados.


5.16 Encontrar una aproximacin cuadrtica para

f(y) = y
4
2y
3
+ y 6

130
sobre el intervalo 1 s y s 2 usando economizacin de Chebyshev. Dar un lmite
para el error de estas aproximacin. Si est disponible una computadora, grafique el
error como una funcin de y sobre el intervalo de inters.


5.17 Ajuste los datos del ejemplo 5.6 a la funcin g
3
(x) = Cseno(Dx)


5.18 Escriba un Programa de computadora para resolver la frmula de interpolacin
de Gregory Newton, con diferencias finitas hacia delante. El programa debe requerir
cuando menos 8 parejas de valores (x, y), con variacin de x constante; as como el
valor de x para el cual se desea interpolar. La salida debe incluir los datos
administrados, la tabla de diferencias finitas y el valor interpolado de f(x).


5.19 Escriba un Programa de computadora para resolver la frmula de interpolacin
de Gregory Newton, con diferencias finitas hacia atrs. El programa debe requerir
cuando menos 8 parejas de valores (x, y), con variacin de x constante; as como el
valor de x para el cual se desea interpolar. La salida debe incluir los datos
administrados, la tabla de diferencias y el valor interpolado de f(x).


5.20 Escriba un Programa de computadora para resolver la frmula de interpolacin
de Lagrange. La entrada de datos debe requerir cuando menos 8 parejas de valores
(x, y), con variacin de x arbitraria; as como el valor de x para el cual se desea
interpolar. La salida debe incluir solamente los datos administrados y el valor
interpolado de f(x).













131
Captulo 6

INTEGRACIN NUMRICA









6.1 Introduccin

La definicin pura del trmino integracin, indica que su significado es unir
todas las partes en un todo; juntar todas las partes en una, indicar la cantidad total,
etc,....

El modelo matemtico que representa esta accin, est dado por:

}
dx x f ) (
o
}
b
a
dx x f ) (


La primera de ellas es una integral indefinida y la segunda una integral definida. En
este captulo se resuelven numricamente las integrales definidas, las cuales
representan el rea bajo la curva encerrada por la funcin f(x), el eje x y por las
verticales acotadas por x = a y x = b, como se muestra en la figura 6.1.


Figura 6.1 Representacin grfica de la integral definida

132
6.2 Elementos tericos

De acuerdo con el teorema fundamental de la integral, una integral definida
se evala como:


}
b
a
dx x f ) ( =
b
a
x F ) ( (6-1)


en donde F(x) es la integral de f(x), esto es, cualquier funcin, tal que su derivada
F(x) = f(x). F(x) tambin recibe el nombre de antiderivada de f(x). El valor numrico
de la integral se obtiene sustituyendo los lmites de integracin.


}
b
a
dx x f ) ( =
b
a
x F ) ( = F(b) F(a) (6-2)

Los mtodos de integracin analtica, permiten encontrar F(x). Por ejemplo, si
se evala la integral


}
+ + +
8 . 0
0
5 4 3 2
) 400 900 675 200 25 2 . 0 ( dx x x x x

se obtiene que F(x)=
6 5 4 3 2
6
400
180 75 . 168
3
200
5 . 12 2 . 0 x x x x x x + + + + C.; donde C
es una constante de integracin, es decir, la primitiva de una funcin dada no es
nica, por ejemplo, x
2
, x
2
+5 y x
2
-4.5 son todas ellas primitivas de f(x) = 2x, ya que,
) 5 . 4 ( ) 5 ( ) (
2 2 2
= + = x
dx
d
x
dx
d
x
dx
d
. Todas las antiderivadas de f(x) = 2x quedan
incluidas en F(x) = x
2
+ C.

De ecuacin (6-2), F(a)= 0 y F(b) = 1.64053334, por lo que, el valor de la
integral es: I = 1.64053334. Este valor es igual al rea bajo el polinomio f(x) y las
verticales x = a = 0 y x = b = 0.8. Sin embargo, hay ocasiones en que es muy difcil
o imposible obtener F(x), por lo que, no ser fcil evaluar la integral. En estos casos
se recomienda aplicar una tcnica numrica que permita estimar la integral que, con
los procedimientos ordinarios no es posible resolver.

En el presente captulo se muestran los mtodos numricos que sirvan para
obtener el rea, ya que de acuerdo a lo dicho en lneas anteriores, si se encuentra
una forma simple de estimar el rea por procesos geomtricos, se tendr una
estimacin de la integral. Por ejemplo, si bajo la curva definida por f(x), el eje x y las
133
verticales x = a y x = b, se trazan rectngulos como figuras de apoyo para evaluar el
rea bajo la curva, el mtodo recibe el nombre de rectangular; de ser trapecios la
figuras que se tracen, el mtodo se denomina trapecial; cuando se ajustan
parbolas a la curva, se dice que el mtodo es parablico, etc.

Estas tcnicas numricas usadas, son de gran utilidad donde la dificultad
analtica es muy notable o donde sea imposible la evaluacin de las integrales
mediante los procedimientos ordinarios.



6.3 Mtodos de solucin


6.3.1 Mtodo rectangular

Con este mtodo se estima el rea bajo la curva de figura 6.1, colocando
rectngulos en el ra ddefinida por f(x), el eje x y las verticales x = a y x =b, como se
muestra en figura 6.2, donde se observa que: cada rea a
i
se puede calcular como
el rea de un rectngulo que tiene por base x y por altura f(x
i
*), por tanto:


Figura 6.2 Aproximacin de la integral regla rectangular



) ( .
*
1 1
x f x a A =

) ( .
*
2 2
x f x a A =



) ( .
*
3 3
x f x a A =

) ( .
*
n n
x f x a A =


La integral se aproxima como la suma de las reas rectangulares parciales, es
decir:
134

| | ) ( ... ) ( ) ( ) ( ) (
* *
2
*
1
1
*
n
n
i
i
b
a
x f x f x f
n
a b
x f
n
a b
dx x f + + +

~

}
= (6-3)


Observe que x
i
* es el punto medio de Dx [Dx = (b-a)/n], de tal forma que x
1
* = a
+0.5Dx; x
2
* = x
1
* + Dx; x
3
* = x
2
* + Dx; etc.


Ejemplo 6.1 Resuelva la integral definida dada, usando la regla rectangular con 10
rectngulos (n = 10).


dx x x
}
+
4
0
2
) 1 2 (


Solucin. De acuerdo con ecuacin (6-3), es necesario calcular x y los valores de
x
i
*
para poder obtener f(x
i
*
).

4 . 0 =

= A
n
a b
x


Dado que x
1
* = a + 0.5x = 0 + 0.2 = 0.2 f(0.2) = (0.2)
2
+2(0.2) -1 = -0.56
x
2
* = x
1
* + x = 0.20 + 0.4 = 0.6 f(0.6) = 0.56
X
3
* = x
2
* + x = 1.0 f(1.0) =2.00, etc.

En la tabla siguiente se presenta un resumen de estos resultados.


0.20 -0.56
0.60 0.56
1.00 2.00
1.40 3.76
1.80 5.84
2.20 8.24
2.60 10.96
3.00 14.00
3.40 17.36
3.80 21.04
Suma 83.20

-5
0
5
10
15
20
25
0.00 1.00 2.00 3.00 4.00 5.00
V
a
l
o
r
e
s

d
e

f
(
X
)
Valores de X
Figura E6.1

135

Sustituyendo en (6-3): | |
2
28 . 33 04 . 21 36 . 17 ... 56 . 0 56 . 0 4 . 0 ) ( u dx x f
b
a
= + + + + ~
}


Ejemplo 6.2 Use la regla rectangular para resolver evaluar la integral, dada a
continuacin con 25 rectngulos.


}
+
5
0
) 1 2 ( dx e senx
x


Solucin. Para los lmites de integracin y el nmero de rectngulos, x vale:

2 . 0
25
0 5
=

= Ax


x
1
* = 0 + 0.2/2 = 0.10; x
2
* = x
1
* + 0.2 = 0.30; x
3
* = x
2
* + 0.2 = 0.5, etc.

f(x) = 2seno(x) e
x
+1


x* f(x*)

continuacin
0.1 0.094

x* f(x*)
0.3 0.241

2.700 -13.025
0.5 0.310

2.900 -16.696
0.7 0.275

3.100 -21.115
0.9 0.107

3.300 -26.428
1.1 -0.222

3.500 -32.817
1.3 -0.742

3.700 -40.507
1.5 -1.487

3.900 -49.778
1.7 -2.491

4.100 -60.977
1.9 -3.793

4.300 -74.532
2.1 -5.440

4.500 -90.972
2.3 -7.483

4.700 -110.947
2.5 -9.986

4.900 -135.255
suma -30.615

suma -673.048


De la aplicacin de ecuacin (6-3) se obtiene:

| |
2
5
0
326 . 140 ) 048 . 673 ( 615 . 30 2 . 0 ) 1 2 ( u dx e senx
x
= + ~ +
}

136
6.3.2 Mtodo trapecial


Con base en la figura 6.3 en la que se han trazado n trapecios de altura Ax;
se estiman las reas a
i
(i = 1, 2, 3, 4, 5, 6, ..., n) y posteriormente se suman para
obtener el rea total, la cual ser aproximadamente igual a la integral.



Fig.6.3 Estimacin del rea mtodo trapecial


| | ) ( ) (
2
1 0 1
x f x f
x
a +
A
= | | ) ( ) (
2
4 3 4
x f x f
x
a +
A
=

| | ) ( ) (
2
2 1 2
x f x f
x
a +
A
= - - - - - - - - - - - - - - - - -

| | ) ( ) (
2
3 2 3
x f x f
x
a +
A
= | | ) ( ) (
2
1 n n n
x f x f
x
a +
A
=



Puesto que
}
b
a
dx x f ) ( = a
1
+a
2
+a
3
+ a
4
+ . . .+ a
n
=

=
n
i
i
a
1
y tomando en cuenta que
f(x
0
) = f(a) y f(xn) = f(b), se tiene que:


(

+ A + +
A
=

}

=
) ( ) . ( 2 ) (
2
) (
1
1
b f j x a a f
x
dx x f
n
j
b
a
(6- 4)


137


n
a b
x

= A (6- 4.1)

donde n es el nmero de trapecios en que se ha dividido el rea total. Se observa
que si n tiende a infinito, Ax tiende a cero y, en consecuencia, el valor obtenido con
ecuacin (6-4) ser ms prximo al valor exacto de la integral. El diagrama de flujo
de este mtodo est dado en Fig. D6.1


6.3.2.1 Error en el mtodo trapecial

Cuando se emplea un solo trapecio (Fig. 6.4) para estimar la integral bajo
una curva f(x), se incurre en un error que puede ser sustancial. Una estimacin del
error por truncamiento, de una sola aplicacin de la regla trapezoidal est dada por:

) )( ( "
12
1
a b f E
t
= (6-5)

donde es un punto cualquiera dentro del intervalo de integracin; para efectos
prcticos podra ser el punto medio del segmento ab . La ecuacin anterior indica
que si la funcin que se est integrando es lineal, el mtodo trapecial proporcionar
valores exactos, ya que, la segunda derivada de una recta es cero; de otra manera
ocurrir un error.










Fig. 6.4 Estimacin de la integral con un solo trapecio


Por otra parte, cuando se usan varios segmentos de lneas rectas, el error
total se obtiene sumando los errores de cada segmento, llegando a:

f(x)
x

x=a x = b
138

=
n
i
i v
f
n
a b
E
1
3
3
) ( "
12
) (
(6-6)

en donde f (
i
) es la segunda derivada de la funcin a integrar, evaluada en el
punto
i
localizado dentro del segmento i.






























Ejemplo 6.3 Resuelva la integral del ejemplo 6.1 usando el mtodo trapecial con 10
segmentos (n = 10); calcule el error con ecuacin (6-6) y, finalmente, compare sus
resultados con el que se obtenga en forma analtica.

a, b, n
S
2
= 0
n
a b
x

= A
j=1
x(j) = a
F=f(x(j))
j= j +1
x(j) = x(j-1) +Ax
x(j)<b
?
F(j ) =f(x(j))
S
2
= S
2
+2F(j)
si
x= b
Fb = f(x)
SUM=
F+Fb+S
2

SUM
x
A
2
A
=
A
FIG. D6.1 METODO TRAPECIAL


FIN
139

dx x x
}
+
4
0
2
) 1 2 (


Solucin. De acuerdo con (6-4.1) Ax = (4-0)/10=2/5. La funcin a integrar es f(x) =
x
2
+2x-1, por lo que, f(a) = -1.00 y f(b) = 23.00. Con estos datos ecuacin (6-4)
queda:

(

+ + + = +

}
=
9
1
4
0
2
23 ) 4 . 0 0 ( 2 00 . 1
2
5 / 2
) 1 2 (
j
j f dx x x


donde:

6 . 72 ) 6 . 3 ( ... ) 8 . 0 ( ) 4 . 0 ( ) 4 . 0 ( ) 4 . 0 0 (
9
1
1 10
1
= + + + =
(

= +

=

=
f f f j f j f
j j


por tanto, el valor aproximado de la integral es:

}
+
4
0
2
) 1 2 ( x x = | | 00 . 23 ) 6 . 72 ( 2 0 . 1
2
4 . 0
+ + = 33.44 u
2
.

Para calcular el error se elabor la tabla E6.3 y se estim, de acuerdo con ecuacin
(6-6) en:

=
n
i
i v
f
n
a b
E
1
3
3
) ( "
12
) (
= =

) 20 ( *
) 10 ( 12
) 0 4 (
3
3
-0.1066666667


por lo que, un resultado ms preciso de la integral que se est evaluando, es,


}
+
4
0
2
) 1 2 ( x x =33.44-0.1066666667 =33.333 u
2
.

La solucin analtica, que en este ejemplo puede obtenerse, es:


}
+
4
0
2
) 1 2 ( x x = | 3 / 100
3
1
4
0
2 3
= + x x x u
2
.

140
Tabla 1E6.3 Datos para calcular el trmino medio de ecuacin (6-4) y el error segn
ecuacin (6-6).
j 0.4j f(0.4j) n F()
1 0.40 -0-04 1 0.2 2
2 0.80 1.24 2 0.6 2
3 1.20 2.84 3 1.0 2
4 1.60 4.76 4 1.4 2
5 2.00 7.00 5 1.8 2
6 2.40 9.56 6 2.2 2
7 2.80 12.44 7 2.6 2
8 3.20 15.64 8 3.0 2
9 3.60 19.16 9 3.4 2
72.60 10 3.8 2



Ejemplo 6.4 Resolver el siguiente problema que corresponde a la fuerza sobre el
mstil de un velero de carreteras (aplicacin a ingeniera civil), representado por la
integral:

}

|
.
|

\
|
+
=
30
0
) 30 / 2 (
5
200 dz e
z
z
F
z


Se resuelve aplicando el mtodo trapecial con n = 30

Solucin. Identificacin de elementos:

f(z) =
) 30 / 2 (
) 5
200
z
e
z
z

|
|
.
|

\
|
+


a = 0 f(a)=
) 30 / 0 * 2 (
) 0 5
0
200

|
|
.
|

\
|
+
e = 0.0000

b = 30 f(b)=
) 30 / 30 * 2 (
) 30 5
30
200

|
|
.
|

\
|
+
e =23.20033427

Si se usan 30 trapecios (n = 30), entonces Az = 1. La parte intermedia de
ecuacin (6-4) es (con datos de tabla 1E6.3):

0
10
20
30
40
50
60
70
80
0 10 20 30 40
V
a
l
o
r
e
s

d
e

f
(
z
)
Valores de z
Figura E6.3

141
(

= A +

=

=
29
1
1
1
) * 1 ( 2 ) . ( 2
j
n
j
j f j z a f = 2(1, 465.533478)= 2,931.066957

Con esta informacin la ecuacin (6-4) conduce al valor:

}

|
.
|

\
|
+
=
30
0
) 30 / 2 (
5
200 dz e
z
z
F
z
= | | = + + 20033427 . 23 066957 . 2931 0
2
1
1, 477.133646 u
2


En este caso no es fcil encontrar la solucin analtica, como en el caso
anterior, por lo que, se recomienda incrementar el nmero de trapecios para mejorar
la solucin.

Tabla 1E6.4 Clculo de los valores de f(z)

Z f(z)

Continuacin
0 0.000

z f(z)
1 31.184

16 52.442
2 50.010

17 49.757
3 61.405

18 47.143
4 68.083

19 44.613
5 71.653

20 42.176
6 73.126

21 39.835
7 73.160

22 37.594
8 72.203

23 35.455
9 70.561

24 33.417
10 68.456

25 31.479
11 66.042

26 29.639
12 63.435

27 27.894
13 60.717

28 26.242
14 57.951

29 24.678
15 55.182

30 23.200



6.3.3 Mtodos de Simpson

El mtodo de Simpson permite conectar puntos de una curva con polinomios
de orden superior, por ejemplo, si hay un punto medio entre f(a) y f(b), pueden
conectarse los tres puntos con una parbola, generando el mtodo parablico (Fig.
6.5). Sin embargo, si existen dos puntos igualmente espaciados entre f(a) y f(b),
entonces los cuatro puntos se pueden conectar con un polinomio de tercer grado,
etc. A las frmulas resultantes de calcular la integral bajo estos polinomios se les
142
llama reglas de Simpson. Este mtodo proporciona una aproximacin ms precisa
que la regla trapezoidal, ya que se unen puntos consecutivos mediante curvas.



Fig. 6.5 Representacin grfica del mtodo de Simpson



6.3.3.1Mtodo parablico

Consiste, como se dijo, en conectar grupos sucesivos de tres puntos (a, b y
c), como se muestra en figura 6.5, mediante parbolas. Suponiendo que el punto
medio (x
1
) coincide con el eje de las ordenadas [a = -x, x
1
= 0, x
2
= x], la integral
de la parbola es:

) .( . 2 ) (
3
2
2 3
) (
3 2 3 2
x c x a cx x
b
x
a
dx c bx ax
x
x
x
x
A + A = + + = + +
A
A
A
A
}
(6-7)

Para encontrar las constantes a y c, se sustituyen las coordenadas de los
puntos a, b y c, obteniendo:

f(a) =a(-Ax)
2
+b(-Ax)+c

f(b)=a(0)
2
+b(0)+c

f( c )= a(Ax)
2
+b(Ax)+c

La solucin simultnea, de estas tres ecuaciones, permite encontrar los
valores de las constantes a, b y c, quedando como se muestra a continuacin.


2
) ( 2
) ( ) ( 2 ) (
x
c f b f a f
a
A
+
=
a
b c
143


) ( 2
) ( ) (
x
a f c f
b
A

= (6-8)

c = f(b)

sustituyendo estos valores en ecuacin (6-7), resulta finalmente que:

| | ) ( ) ( 4 ) (
3
) (
2
c f b f a f
x
dx c bx ax
x
x
+ +
A
= + +
}
A
A


Para no confundir f(b) con f(b), es conveniente escribir, en forma general,

y
i
= f(a); y
i+1
= f(b) y y
i+2
= f(c); con lo que, ecuacin ( 6-7 ) se transforma en:

| |
2 1
2
4
3
) (
+ +
A
A
+ +
A
= + +
}
i i i
x
x
y y y
x
dx c bx ax (6-9)

Si i = 0, ecuacin (6- 9) queda:

| |
2 1 0
2
4
3
) ( y y y
x
dx c bx ax
x
x
+ +
A
= + +
}
A
A
(6- 10)

Con un razonamiento similar se puede concluir que si al rea bajo la curva se
divide en n sub-reas (arriba fue n = 2, por lo que n tiene que ser par), entonces,
una ecuacin general, para encontrar el rea bajo la curva por el mtodo numrico
de Simpson cuya rutina de clculo se muestra en figura D6.2- puede escribirse de
la forma siguiente.

(

+ A + + A + +
A
=

}

=

=
) ( ) ( 2 ) ( 4 ) (
3
) (
2
,... 6 , 4 , 2
1
,... 5 , 3 , 1
b f xj a f xj a f a f
x
dx x f
n
j
n
j
b
a
(6-11)



6.3.3.2 Error en el mtodo parablico

En este caso, el error se puede estimar con una ecuacin del tipo (6-6), es
decir:

144

=
A
=
n
i
i
IV
v
f
x
E
1
5
) (
180
) (
(6-12)

donde
i
puede estimarse para los puntos medios de cada Ax. Si se conoce el valor
exacto de la integral, entonces es conveniente que (6-12) se escriba como


) (
4
5
180
) (
IV
v
f
n
a b
E

= (6-13)


Ejemplo 6.5 Resolver el problema 6.3 por el mtodo de Simpson, usando las
mismas reas que en aqul (n = 10).

Solucin. Con los datos de la tabla 6.3 se concluye que:
j 0.4j f(0.4j)
1 0.40 -0-04
2 0.80 1.24
3 1.20 2.84
4 1.60 4.76
5 2.00 7.00
6 2.40 9.56
7 2.80 12.44
8 3.20 15.64
9 3.60 19.16
72.60

=

=
9
) * 4 . 0 (
impar j
j f 41.40 (cantidades en negritas) y

=

=
8
) * 4 . 0 (
par j
j f 31.20

por lo que, de ecuacin (6-12), se llega a:

}
+
4
0
2
) 1 2 ( x x | | 00 . 23 ) 20 . 31 ( 2 40 . 41 ( 4 1
3
4 . 0
+ + + = = 33.333 u
2
.

La cual corresponde al valor exacto de la integral, ya que, la funcin por integrar
est representada por una ecuacin de segundo grado. Otra forma de observar que
145
100/3 es valor exacto de la integral es por observacin directa de ecuacin (6-13), la
cual indica que el error es cero, debido a que la f
IV
(x) es nula.






































S
1
= 0
S
2
= 0
n
a b
x

= A
j=1
x(j) = a
F=f(x(j))
j= j +1
j< n
+1

SUM=S+S
1
+S
2

S=F+f(b)
Xj =x(j-1)+Ax
S1=S1+2f(xj)
SUM
x
A
3
A
=
A
j es
Par?

S=S
2
+4f(xj)
N
S
=
a, b, n,
FIG. D6.2 METODO DE SIMPSON
Inicio
Fin
S
146
Ejemplo 6.6 Use la regla de Simpson para evaluar la integral
}
+
2 /
0
2
) 1 (
t
senx
dx
, con n
= 10.

Figura del problema 6.5
0.0
0.2
0.4
0.6
0.8
1.0
1.2
0.0 0.5 1.0 1.5 2.0
x
f
(
x
)


Solucin. En cualquier caso, primero deben conocerse los lmites y la funcin que
se integra, as que:

Lmite inferior a = 0
Lmite superior b = t/2
La funcin a integrar es, f(x) =
2
) 1 (
1
senx +
, con lo que
f(a) = f(0)= 1.0000
f(b) =f(t/2) = 0.2500
Para n = 10, Ax = t/20

Ahora, con datos de tabla 1E6.6 se puede escribir,

(

=
) *
20
0 ( 4
9
,... 5 , 3 , 1
j f
j
t
=4(2.096)= 8.3864 y
(

=
8
,... 6 , 4 , 2
) *
20
0 ( 2
j
j f
t
= 2(1.5486)= 3.0972

sustituyendo en ecuacin (6-12), se tiene:

| |
2
2 /
0
2
66673 . 0 2500 . 0 ) 5486 . 1 ( 2 ) 0966 . 2 ( 4 0000 . 1
3
20 /
) 1 (
u
senx
dx
= + + + =
+
}
t
t



147
Tabla 1E6.6
j x f(x) Identificacin
0 0.0000 1.0000 f(a)
1 0.1571 0.7478 J impar
2 0.3142 0.5836 J par
3 0.4712 0.4730 J impar
4 0.6283 0.3967 J par
5 0.7854 0.3431 J impar
6 0.9425 0.3056 J par
7 1.0996 0.2796 J impar
8 1.2566 0.2627 J par
9 1.4137 0.2531 J impar
10 1.5708 0.2500 f(b)



6.3.4 Mtodo de Romberg

Esta tcnica poderosa y eficiente, de integracin numrica, est basada en el
uso de la regla trapezoidal combinada con la extrapolacin de Richardson. Debido a
que para aplicar esta extrapolacin, es necesario conocer la forma general de los
errores para la regla trapecial. En el curso de la derivacin del mtodo de Romberg,
no se consideraron dichos trminos, los cuales incluyen el trmino dominante
0(Ax)
2
. La derivacin de estos trminos es muy lenta y no ser dada aqu, pero los
detalles son dados por Ralston. El resultado es que la regla trapezoidal puede ser
escrita como:

(

+ A + A + A + + +
A
=

=
... ) ( ) ( ) * ( 2 ) ( ) (
2
4 2
1
1
x D x C j x a f b f a f
x
I
n
j
(6-14)

donde C, D, E, etc., son funciones de f(x) y sus derivadas, pero no son funciones de
Ax. Los trminos involucran los anteriores Ax de orden superior conteniendo el error.

Si se le llama
(

+ A + +
A
=

=
) ( ) * ( 2 ) (
2
1
1
_
b f j x a f a f
x
I
n
j
, entonces, ecuacin (6-14)
puede ser escrita como:

A A A =
6 4 2
_
) ( ) ( ) ( x E x D x C I I (6-15)

148
Considerando ahora dos valores de Ax, Ax
1
y Ax
2
. Si denotamos los valores
correspondientes de
_
I por 1
_
I e
_
2
I , respectivamente, para Ax
1
y Ax
2
; la ecuacin (6-
15) conduce a,

A A A =
6
1
4
1
2
1
1
_
) ( ) ( ) ( x E x D x C I I (6-16)

A A A =
6
2
4
2
2
2
2
_
) ( ) ( ) ( x E x D x C I I (6-17)

Si en ecuaciones anteriores, se considera primero que Ax
1
=2Ax
2
, entonces, (6-16)
se transforma en,

A A A =
6
1
4
1
2
1
1
_
) ( 64 ) ( 16 ) ( 4 x E x D x C I I (6-18)

Si ahora se multiplica (6-17) por 4, se sustrae (6-18) y se divide por 3, se obtiene,

+ A + A + =

6
2
4
2
1
_
2
_
) ( 20 ) ( 4
3
4
x E x D I
I I
(6-19)

El trmino (Ax)
2
fue eliminado y el valor de la integral se aproxima con el trmino
0(Ax)
4
. La extrapolacin de este tipo es llamada extrapolacin de Richardson. Si
ahora evaluamos
_
3
I ,donde Ax
3
=
2
1
Ax
2
y extrapolando
_
2
I y
_
3
I , se llega a,

+ A + A + =

6
2
4
2
2
_
3
_
) ( 20 ) ( 4
3
4
x E x D I
I I
(6-20)

Entre ecuaciones (6-20) y (6-21), puede eliminarse el trmino (Ax)
4
, para
obtener una estimacin de la integral exacta para el trmino 0(Ax)
6
. Por
consiguiente, para cada nueva evaluacin de

I , puede ser eliminado un trmino

ms en el error, por extrapolacin. Este procedimiento sistemtico es llamado
integracin de Romberg. Debido a que para describir el algoritmo en detalle, se
adopta una nueva notacin, la regla trapezoidal, en forma generalizada, puede
escribirse de la siguiente manera:

149
(

+ A + +
A
=

=
) ( ) * ( 2 ) (
2
1
) , 1 (
b f j x a f a f
x
T
l
j
k
(6-21)

donde

) 1 (
2

= A
k
a b
x (6-22)

1 2
) 1 (
=
k
l (6-23)

El nmero de paneles (trapecios), en T
(1,k)
est dado por 2
k-1
. Por tanto,

| | ) ( ) (
2
) 1 , 1 (
b f a f
a b
T +

= , con Ax =b-a y l = 0

(

+ +

= ) ( )
2
( 2 ) (
4
) 2 , 1 (
b f
a b
a f a f
a b
T , con Ax =
2
a b
y l = 1



(

+
|
.
|

\
|
+ +

=

=
) ( .
4
2 ) (
8
3
1
) 3 , 1 (
b f j
a b
a f a f
a b
T
j
, con Ax =
4
a b
y l = 3



(

+
|
.
|

\
|
+ +

=

=
) ( .
8
2 ) (
16
7
1
) 4 , 1 (
b f j
a b
a f a f
a b
T
j
, con Ax =
8
a b
y l = 7


(

+
|
.
|

\
|
+ +

=

=
) ( .
16
2 ) (
32
15
1
) 5 , 1 (
b f j
a b
a f a f
a b
T
j
, con Ax =
16
a b
y l = 15


(

+
|
.
|

\
|
+ +

=

=
) ( .
32
2 ) (
64
31
1
) 6 , 1 (
b f j
a b
a f a f
a b
T
j
, con Ax =
32
a b
y l = 31


150
La extrapolacin se obtiene con:

1 4
4
1
) , 1 ( ) 1 , 1 (
1
) , (

=

+

L
K L K L
L
K L
T T
T (6-24)

por ejemplo, para la columna 2 (L =2), se reduce a,

3
4
) 1 , 1 ( ) 2 , 1 (
) 1 , 2 (
T T
T

= y
3
4
) 2 , 2 ( ) 3 , 2 (
) 2 , 2 (
T T
T

= , etc.,

para la columna 3 (L =3), se tiene:

15
16
) 1 , 2 ( ) 2 , 2 (
) 1 , 3 (
T T
T

= , etc.,

Los resultados anteriores pueden ser ordenados en el siguiente arreglo matricial.

T(1,1)
T(1,2) T(2,1)
T(1,3) T(2,2) T(3,1)
T(1,4) T(2,3) T(3,2) T(4,1) (6-25)
_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ T(L-1,1)

T(1,L) T(2,L-1) T(3,L-2) T(L-1,2) T(L,1)

Los valores extrapolados a lo largo de la diagonal, convergern a la
respuesta correcta mucho ms rpidamente que los valores proporcionados por la
regla trapezoidal, en la primer columna.

Para detener el proceso se aplica la prueba de convergencia relativa, sobre
los dos ltimos valores de la diagonal.

s

) 1 , (
) 1 , 1 ( ) 1 , (
L
L L
T
T T
tol (6-26)

donde tol es la tolerancia admitida en la exactitud prefijada, si sta es cero significa
que no se admite error en la solucin.


151
El procedimiento, para una fcil aplicacin del mtodo numrico de Romberg,
consiste de los siguientes pasos:

1. Con ecuacin (6- 21) Calcular T
(1,1)
y T
(1,2)
.
2. Con ecuacin ( 6-24) calcular T
( 2,1)

3. Comparar los dos ltimos elementos de la diagonal, en esta ocasin T
(2,1)
con
T
(1,1)
,
4. Aplicando prueba dada por (6-26). Si se cumple la condicin, entonces, T
(2,1)

es el valor de la integral; en caso contrario, se desarrolla el siguiente rengln
5. Calcular T
(1,3)
, T
(2,2)
y T
(3,1)

6. Repetir paso 3 comparando T
(3,1)
con T
(2,1)
, mediante ecuacin (6-26); de
cumplirse, T
(3,1)
es el valor aproximado de la integral, de otra manera se
repite el proceso para el siguiente rengln.

El diagrama de flujo correspondiente al mtodo de Romberg, puede consultarse
en Fig. D6.3.


Ejemplo 6.7 Resolver la integral
}
+ +
8
0
3 4
) 1 2 4
8
5
( dx x x x (ver figura del ejemplo), con
un margen de error igual o menor que el 0.001%, de acuerdo al mtodo de
Romberg.

Solucin. Este polinomio puede ser integrado analticamente, dando un resultado de
72 u
2
y la integracin de Romberg debera aportar una respuesta en solamente
unas cuantas extrapolaciones. Se observa que:

1 2 4
8
5
) (
3 4
+ + = x x x x f
a = 0, por tanto, f(a) =f(0) = 1 ) 0 ( 2 ) 0 ( 4 ) 0 (
8
5
3 4
+ + = 1
b = 8, as que, f(b) =f(8) = 1 ) 8 ( 2 ) 8 ( 4 ) 8 (
8
5
3 4
+ + =529
| | 529 1
2
0 8
) 1 , 1 (
+

= T = 2,120

| | = + +

= 529 ) 4 ( 2 1
4
0 8
) 2 , 1 (
f T 712


152



















































Fig. D6.3. Diagrama de flujo del mtodo de Romberg



a, b, tol
T(1,1)= | | ) ( ) (
2
b f a f
a b
+

T(1,2)=
(

+ +

) ( )
2
( 2 ) (
4
b f
a b
a f a f
a b

T(2,1)= | | ) 1 , 1 ( ) 2 , 1 ( 4
3
1
T T

J=3
1
2 / ) (

= A
J
a b x
x=a-Ax
n=2
(J-2)

SUM = 0
i = 1
x =x +2Ax
SUM = SUM + f(x)
i=n?
i=i+1
T(1,J)=T(1,J-1)/2+SUM*Ax
L=2
K=J+1-L
1 4
4
1
, 1 1 , 1
1

=

+

L
K L K L
L
K L
T T
T

L=J?
L=L+1
tol
T
T T
J
J J
s

1 ,
1 , 1 1 ,

Escribir
1 ,
) (
J
b
a
T dx x f
}
=
J=J+1
N
S
S
N
N
o
o
o
153
Ahora, de ecuacin (6-25), la extrapolacin resulta ser:

66667 . 242
3
2120 ) 712 ( 4
3
4
) 1 , 1 ( ) 2 , 1 (
) 1 , 2 (
=

=
T T
T

Si se efecta la prueba de convergencia sobre la diagonal [T(1,1) y T(2,1)],
dada por ecuacin (6-26), se obtiene un valor de 7.736, por lo que debe continuarse
el proceso, es decir es necesario calcular el siguiente rengln del arreglo matricial,
lo cual se hace a continuacin.

(

+ +

=

=
529 ) *
4
8
( 2 1
8
0 8
3
1
) 3 , 1 (
j
j f T =
(

+ +

=
529 ) 2 ( 2 1
3
1 j
j f =240

extrapolando para T(1,2) y T(1,3), con ecuacin (6-25), se obtuvo:

666667 . 82
3
712 240 * 4
) 2 , 2 (
=

= T y

72
15
66667 . 242 66667 . 82 * 16
) 1 , 3 (
=

= T

La prueba de convergencia indica que el error relativo es igual a 2.37, por lo
que se calcul el siguiente rengln, aplicando ecuaciones (6-22) y (6-25),
obteniendo los siguientes resultados.


72 72 67 . 72 5 . 114
72 67 . 82 240
67 . 242 712
2120


la convergencia resulta, para esta cuarta lnea, 0
72
72 72
=

, por lo tanto, el valor

exacto de la integral es 72, es decir, puede escribirse la solucin como,

2
8
0
3 4
72 ) 1 2 4
8
5
( u dx x x x = + +
}


154
Ejemplo 6.8 Resolver la siguiente entegral por el mtodo de Romberg


}

|
.
|

\
|
+
=
30
0
) 30 / 2 (
5
200 dz e
z
z
F
z


Solucin. Primeramente se identifican los lmites de integracin y la funcin por
integrar:

Para este caso se tiene que:

f(z) =
) 30 / 2 (
) 5
200
z
e
z
z

|
|
.
|

\
|
+

a = 0, por tanto:f(a)=
) 30 / 0 * 2 (
) 0 5
0
200

|
|
.
|

\
|
+
e = 0.0000
b = 30, por consiguiente:f(b)=
) 30 / 30 * 2 (
) 30 5
30
200

|
|
.
|

\
|
+
e =23.20033427

Siguiendo el mismo procedimiento que el ejemplo 6.7, se lleg a los resultados
siguientes:

348.005
1001.731 1219.640 no conv
1320.585 1426.869 1440.685 no conv
1435.007 1473.148 1476.233 1499.665 no conv
1468.644 1479.857 1480.304 1480.933 1480.859 no conv
1477.548 1480.515 1480.559 1480.628 1480.627 1480.627 no conv
1479.811 1480.565 1480.568 1480.572 1480.572 1480.572 1480.572
1480.379 1480.568 1480.568 1480.569 1480.569 1480.569 1480.569 1480.569

Por tanto:


2
30
0
) 30 / 2 (
569 . 1480
5
200 u dz e
z
z
F
z
~
|
.
|

\
|
+
=
}




6.9 Use el mtodo de Romberg para resolver la integral, dada a continuacin con
tres decimales exactos.

155

}
+
5
0
) 1 2 ( dx e senx
x


Solucin. Sabiendo que 1 2 ) ( + =
x
e senx x f y a = 0, b = 5, se procedi igual que en
el ejemplo anterior, llegando a,

000 . 0 ) 0 ( ) ( = = f a f

3310077 . 149 ) 5 ( ) ( = = f b f


-373.328
-211.628 -157.728
-159.885 -142.637 -141.631
-145.795 -141.099 -140.996 -143.234
-142.190 -140.988 -140.981 -140.970 -140.962
-141.283 -140.981 -140.980 -140.980 -140.980 -140.980
-141.056 -140.981 -140.980 -140.980 -140.980 -140.980 -140.980

En este caso
}
+
5
0
) 1 2 ( dx e senx
x
=-140.980 u
2
.


Figura del problema 6.9
-150
-140
-130
-120
-110
-100
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
10
0.0 1.0 2.0 3.0 4.0 5.0
x
f
(
x
)




6.3.5 Cuadratura de Gauss

La cuadratura Gaussiana es un mtodo de integracin numrica muy
poderoso, el cual emplea espacios de intervalos desiguales, a diferencia de los
mtodos trapecial y de Simpson que son de aplicacin inmediata para intervalos
156
constantes, aunque tambin se pueden aplicar con ciertas reservas. Debido a que
la regla trapecial debe pasar a travs de los puntos lmites, uniendo con un
segmento de recta los puntos con coordenadas [a, f(a)] y [b, f(b)]; existen casos
como el de la figura 6.6, en donde la frmula genera un error muy grande.

Ahora, supngase que la restriccin de fijar los puntos base se elimina y se
va a evaluar libremente el rea bajo el segmento de lnea recta que une dos puntos
cualesquiera de la curva, colocando estos puntos de manera que dicha lnea
minimice el error en el clculo del rea (Fig. 6.7), por lo que, el valor de integral ser
ms exacto. La cuadratura gaussiana usa esta estrategia. Las frmulas particulares
de cuadratura gaussiana descritas en esta seccin se llaman frmulas de Gauss-
Legendre. Aunque la derivacin de estas frmulas no son objeto de este libro, se
obtiene aqu la frmula de Gauss Legendre basada en dos puntos, como
ilustracin.












Fig. 6.6 Regla trapezoidal usando un solo trapecio




6.3.5.1 Derivacin de la frmula de Gauss- Legendre basada en dos puntos

Se observa en figura 6.6 que el rea del trapecio es,

) (
2
) ( ) (
a b
b f a f
I
+
=

que puede escribirse como

I ~ c
1
f(x
1
) + c
2
f(x
2
) (6-27)

f(x)
x

x=a x = b
f(a)
f(b) ERROR
157
En donde c
1
y c
2
son incgnitas. Sin embargo, en contraste a la regla
trapezoidal que usa como puntos extremos a y b, los argumentos de la funcin x
1
y
x
2
ahora no estn a los puntos extremos a y b, sino que son incgnitas (Fig.6.8). Por
lo tanto, se tiene un total de cuatro incgnitas que se deben evaluar y, por
consiguiente, se requieren de cuatro condiciones para determinarlos exactamente.
Se pueden obtener dos de estas condiciones suponiendo que la ecuacin (6-27)
ajusta exactamente la integral de una constante (y = 1) y de una funcin lineal (y =
x). Entonces, para llegar a las otras dos condiciones, se extiende este razonamiento
al suponer que tambin se ajusta la integral a una funcin parablica (y = x
2
) y a
una funcin cbica (y = x
3
). Haciendo esto, se determinan las cuatro incgnitas
conviniendo en derivar una frmula de integracin de doble punto que es exacta
para cbicas. Las cuatro ecuaciones por resolver son:











Fig. 6.7 Segmento de recta compensando reas.


2 1 ) ( ) (
1
1
2 2 1 1
= = +
}
+

dx x f c x f c (6-28)

0 ) ( ) (
1
1
2 2 1 1
= = +
}
+

xdx x f c x f c (6-29)

3
2
) ( ) (
1
1
2
2 2 1 1
= = +
}
+

dx x x f c x f c (6-30)

0 ) ( ) (
1
1
3
2 2 1 1
= = +
}
+

dx x x f c x f c (6-31)

La solucin simultnea de estas ecuaciones (se deja la demostracin al
lector), es:

c
1
= c
2
= 1
f(x)
x
158
x
1
= -x
2
= -
3
1


por lo que, ecuacin (6-27) queda,

I ~ 1f(-
3
1
) + 1f(
3
1
) ( 6-32 )














Fig. 6.8 Grfica para deducir la frmula de Gauss- Legendre.


Que es la ecuacin de Gauss- Legendre basada en dos puntos. Como se observa
se llega al resultado interesante de que la suma de la funcin valuada en x
1
y x
2

lleva a una estimacin de la integral con una exactitud de tercer orden.

Es interesante observar que los lmites de integracin de ecuaciones (6-28 a
6-31), van desde 1 a +1. Esto se hizo para simplificar la aritmtica y hacer la
formulacin tan general como sea posible. Un simple cambio de la variable se
puede usar para trasladar otros lmites de integracin en esta forma. Por ejemplo,
suponiendo que la nueva variable x
t
est dada en funcin de la variable original x,
en forma lineal, entonces puede escribirse que:

x = a
0
+ a
1
x
t
(6-33)

Puesto que cuando x = a, x
t
= -1 y para x = b, x
t
= +1, se tiene:

2
0
a b
a
+
= y que
2
1
a b
a

= , con lo que, ecuacin ( 6-33 ) se transforma en:

f(x)
x
-1 x
1
x
2
1
F(x
2
)
F(x
1
)
159
i
t
a b a b
x
2 2

+
+
= (6-34)

entonces:

dx =
i
dt
a b
2

(6-35)

En muchas ocasiones esta transformacin dificulta, aparentemente, los
clculos, por lo que una forma ms prctica para resolver una integral es
aproximndola con:

}
=

~
m
k
k k
b
a
x f w
a b
dx x f
1
) (
2
) ( (6-36)

donde los w
k
son los factores de peso, las x
k
son los m puntos con espacios
desiguales y corresponde al nmero de puntos para los cuales la funcin f(x) ser
evaluada. La ecuacin equivalente a la (6-34) es, en este caso:

k
a b a b
x
2 2

+
+
= (6-37)

los valores de
k
con sus correspondientes pesos w
k
, fueron obtenidos para valores
de m de 2 a 256. (Los
k
son los m ceros del m-avo grado de las polinomiales de
Legendre). En el apndice B se encuentran valores de
k
y w
k
, desde m = 2 y m =
24 (una listade los primeros cuatro puntos se muestra en tabla 6.1).

Tabla 6.1 Ceros (e
k
) y pesos (w
k
)
n Ceros, e
k
Pesos, w
k

2
3 1

1
3
0
5
3

8/9
5/9
4


35 / ) 120 15 (

35 / ) 120 15 ( +
0.6521451549

0.3478548451

Despus deseleccionar el valor de m, los valores de x
k
correspondientes a los
k

pueden ser encontrados de (6-37) y, finalmente, usar (6-36) para estimar la integral.
160

Ejemplo 6.10 Resolver la integral
}
2 /
0
2
cos
t
xdx x , usando la cuadratura de Gauss-
Legendre con m = 4.

Solucin. Del apndice B se encuentra que los ceros y los pesos son,

n c
k
w
k

2 0.5773502692 1.0000000000
3 0.0000000000
0.7745966692
0.8888888889
0.5555555556
4 0.3399810436
0.8611363116
0.6521451549
0.3478548451

De ecuacin (6-37) los valores de las x
k
son,

2 2
1
a b a b
x

+
+
= = 052418651 . 1 ) 3399810436 . 0 (
4 4
= + +
t t

2 2
2
a b a b
x

+
+
= = 5183776762 . 0 ) 3399810436 . 0 (
4 4
= +
t t

2 2
3
a b a b
x

+
+
= = 461733041 . 1 ) 8611363116 . 0 (
4 4
= + +
t t

2 2
4
a b a b
x

+
+
= = 1090632858 . 0 ) 8611363116 . 0 (
4 4
= +
t t


Los correspondientes valores de f(x) son:

5487769211 . 0 ) 052418651 . 1 cos( ) 052418651 . 1 ( cos ) (
2
1
2
1 1
= = = x x x f

2334126957 . 0 ) 5183776762 . 0 cos( ) 5183776762 . 0 ( cos ) (
2
2
2
2 2
= = = x x x f

2325698375 . 0 ) 461733041 . 1 cos( ) 461733041 . 1 ( cos ) (
2
3
2
3 3
= = = x x x f

1 0118241273 . 0 ) 1090632858 . 0 cos( ) 1090632858 . 0 ( cos ) (
2
4
2
4 4
= = = x x x f

Finalmente, de ecuacin (6-36), se tiene que el valor aproximado de la integral es,

161

=
m
k
k k
x f w
a b
I
1
_
) (
2
=

=
=
4
1
_
) (
4
k
k k
x f w I
t


| | 467402066 . 0 5951147936 . 0
4
_
= =
t
I u
2


467402066 . 0 cos
2 /
0
2
~
}
t
xdx x



Ejemplo 6.11 Resolver la integral
}
+ + +
8 . 0
0
5 4 3 2
) 400 900 675 200 25 2 . 0 ( dx x x x x x .
Primero use ecuaciones (6-35) y (6-36) y, posteriormente aplique ecuaciones (6-38)
y (6-37). En ambos casos use m = 2, es decir, para el primer caso apyese en
ecuacin (6-33).


Figura del problema 6.12
0.0
5.0
10.0
15.0
20.0
25.0
30.0
35.0
0.0 0.2 0.4 0.6 0.8
x
f
(
x
)



Solucin. Haciendo el cambio de variable de tal forma que los lmites sean desde 1
hasta +1. De ecuacin (6-35) se tiene:

x = 0.4 + 0.4x
t
.

y de ecuacin (6-36)

dx = 0.40 dx
t

sustituyendo en la integral por resolver, sta queda:

}
+

+ + +
1
1
5 4 3 2
) 4 . 0 )( 400 900 675 200 25 2 . 0 (
t t t t t t
dx x x x x x
162

puesto que para dos puntos es vlida ecuacin (6-33), en la que slo basta calcular
la funcin transformada en x
1
= -x
2
= -1/\3; pueden estimarse las variables as:

x
1
= 0.4 + 0.4x
t
.=0.4+0.4(-0.5773502692)=0.1690598923 y
x
2
= 0.4 + 0.4x
t
. = 0.4+0.4(+0.5773502692)=0.6309401077

por tanto f(x
1
)= 1.291851362*.4=0.5167404544
f(x
2
)= 3.264553074*.4=1.3058212300

usando (6-33),se tiene,

I = 0.5467405448+1.3058212300 = 1.822562

Ahora se resuelve como en el ejemplo 6.8. De tabla 6.3 se encuentran los ceros y
los pesos como,

k
k
w
k

1 + 0.5773502692 1.0000000
2 - 0.5773502692 1.0000000

De ecuacin (6-38) los valores de las x
k
resultaron,

2 2
1
a b a b
x

+
+
= = = + ) 5773502692 . 0 ( 4 . 0 40 . 0 0.16900598923

2 2
2
a b a b
x

+
+
= = = + + ) 5773502692 . 0 ( 4 . 0 40 . 0 0.6309401077

Los correspondientes valores de f(x) son,

5 4 3 2
400 900 675 200 25 2 . 0 ) ( x x x x x x f + + + =

= + + + =
5
1
4
1
3
1
2
1 1 1
400 900 675 200 25 2 . 0 ) ( x x x x x x f 1.29185136

= + + + =
5
2
4
2
3
2
2
2 2 2
400 900 675 200 25 2 . 0 ) ( x x x x x x f 3.264593082

Finalmente, de ecuacin (6-36), se tiene que el valor aproximado de la integral es,

163

=
m
k
k k
x f w
a b
I
1
_
) (
2
=

=
2
1
) ( 4 . 0
k
k k
x f w

I=

=
2
1
) ( 4 . 0
k
k k
x f w =0.4(4.556444442)=1.822577777, por tanto,

}
+ + +
8 . 0
0
5 4 3 2
) 400 900 675 200 25 2 . 0 ( dx x x x x x = 1.822577777 u
2
.



Problemas propuestos


Resolver los siguientes problemas por los mtodos que se indican a la derecha

6.1 | |
}
+
20 / 3
0
) 1 5 (
t
dx x sen , mtodo trapecial (n = 20)

6.2
}
4
0
2
dx xe
x
, mtodo de Simpson con n = 10

6.3
}
+
3
0
2
1
dx
x
senx e
x
, mtodo trapecial con n =12

6.4
}

+
3
3
2
2 1
2
dx
x
, mtodo de Simpson con n = 8

6.5
}
+
t
0
) 5 8 ( dx senx , mtodo de Romberg con tol = 0.0001

6.6 dx
x
}
1
0
5 . 2
3 . 15 , mtodo de Romberg con tol = 0.001

6.7
}
+ +
10
0
4 2
) 5 6 2 10 ( dx x x x , cuadratura de Gauss con m =3 y analticamente.

6.8 dx x x x ) 3 4 1 (
5 3
5
3
+
}

, cuadratura de Gauss con m = 4

164
6.9
}

2 /
0 2
25 . 0 1
t
dx
x sen
senx
, por todos lo mtodos y compare resultados.

6.10
}
+
1
0
1
dx
e
e
x
x
, por todos los mtodos y compare resultados.


En los problemas siguientes (6.11 a 6.16), primero trate de resolverlos con
sus conocimientos de clculo integral, es decir, use los mtodos analticos para
encontrar la solucin. Podr comprobar que son difciles de resolver, por no decir
imposibles; si es as, aplique el mtodo numrico que le asegure un resultado
satisfactorio.

6.11
}
2 / 3
2 /
t
t
dx
x
senx
, por dos mtodos y compare resultados.

6.12
}
+
2
0
4
1 dx x , por dos mtodos y compare resultados.

6.13
}
+
8 . 1
0
3
1 dx x , por dos mtodos y compare resultados.

6.14
}

1
0
3 2
1 dx x , por dos mtodos y compare resultados.

6.15
}
+
2
0 3
1 x
dx
, por dos mtodos y compare resultados.

6.16
}
2 /
0
t
dx senx , por dos mtodos y compare resultados.

6.17 Demuestre, por integracin, que el valor exacto de dx x
}

2
0
2
4 =t

6.18 Resuelva, por el mtodo de Simphson (n =20) y Romberg ( = 0.001), la
integral:


dx
x
e
}
5
2
5

165
Captulo 7

SOLUCIN NUMRICA DE ECUACIONES DIFERENCIALES
ORDINARIAS









7.1 Generalidades

Una ecuacin diferencial se define como aquella ecuacin que involucra
derivadas de una o ms variables dependientes, con respecto a una o ms
variables independientes. Las ecuaciones diferenciales se clasifican en:

Ecuaciones diferenciales ordinarias y,
Ecuaciones diferenciales parciales

Ejemplos:

0
2
2
2
= |
.
|

\
|
+
dx
dy
xy
dx
y d
, ecuacin diferencial ordinaria

) ( 3 5
2
2
4
4
t sen x
dx
y d
dx
y d
= +
|
|
.
|

\
|
+ , ecuacin diferencial ordinaria

U
t
U
s
U
=
c
c
+
c
c
, ecuacin diferencial parcial

0
2
2
2
2
2
2
=
c
c
+
c
c
+
c
c
z
U
y
U
x
U
, ecuacin diferencial parcial

166
Una ecuacin diferencial ordinaria (EDO) de orden n, con variable
dependiente y y variable independiente x, es una ecuacin diferencial que puede
ser expresada, en la forma:

) ( ) ( ) ( ... ) ( ) (
1
1
1
1 0
x b y x a
dx
dy
x a
dx
y d
x a
dx
y d
x a
n n
n
n
n
n
= + + + +

para a
0
(x) = 0.

Ejemplos:

0 6 5
2
2
= + + y
dx
dy
dx
y d


x
xe
dx
dy
x
dx
y d
x
dx
y d
= + +
3
3
3
2
4
4



Observaciones

Primera: La variable dependiente y y sus derivadas ocurren solamente a la primer
potencia.

Segunda: No hay productos de y y/o cualquiera de sus derivadas.

Tercera: La variable dependiente y no es funcin trascendente.

Una ecuacin diferencial ordinaria no lineal es aquella que, no cumple una o
todas las recomendaciones anteriores, por ejemplo,

0 5 5
2
2
2
= + + y
dx
dy
dx
y d


0 6 ) ( 5
2
2
2
= + + y
dx
dy
y
dx
y d


0 6 5
2
2
= + + y
dx
dy
y
dx
y d


167
La aproximacin numrica, a la solucin de ecuaciones diferenciales
ordinarias, es notable en el sentido de que cualquiera de la enorme variedad de
tcnicas numricas disponibles pueden ser aplicadas, virtualmente a cualquier
ecuacin diferencial. En las ecuaciones diferenciales ordinarias no lineales y, en las
condiciones de frontera o condiciones iniciales, rara vez se requiere modificacin a
las tcnicas numricas. La tcnica numrica posteriormente puede ser virtualmente
cambiada, sin tomar en consideracin la ecuacin diferencial por ser resuelta,
desde luego, en marcado contraste al problema de dificultad para encontrar una
solucin analtica exacta, a una ecuacin diferencial. De igual manera los sistemas
lineales pueden, algunas veces, presentar grandes obstculos para encontrar una
tcnica analtica adecuada y algunas ecuaciones diferenciales lineales; la mayora
no lineales, son virtualmente imposibles de resolver con los mtodos analticos
exactos. Posteriormente es posible encontrar soluciones aproximadas a tales
problemas, pero la exactitud de las soluciones aproximadas puede, rara vez, ser
propiamente adecuada.

Mientras que las tcnicas numricas, para ecuaciones diferenciales
ordinarias son muy poderosas y pueden ser aplicadas a una gran variedad de
problemas, debe tenerse presente que tales mtodos pueden tener dificultades
inherentes propias, como se ver ms adelante.

En esta seccin introducimos ciertas bases, de mtodos numricos, para la
aproximacin de la solucin de un problema de valor inicial, que se presenta con el
siguiente modelo matemtico:

) , ( y x f
dx
dy
= (7-1)

y la condicin inicial

y(x
0
) = y
0
(7-2)

Los mtodos numricos emplean la ecuacin diferencial (7-1) y la condicin
inicial (7-2), para obtener aproximaciones de los valores de y correspondientes a
varios valores seccionados de x. Para ser ms explcito, sea denotada por y la
solucin del problema y h un incremento positivo de x. La condicin inicial (7-2) nos
expresa que y = y
0
en x = x
0
. Un mtodo numrico emplear la ecuacin diferencial
(7-1) y la condicin inicial (7-2) para aproximar, sucesivamente los valores de y en
x
1
= x
0
+ h, x
2
= x
1
+ h, etc. Denotaremos esos valores aproximados de y por y
1
, y
2
,
y
3
, ..., respectivamente; es decir, denotamos por y
n
el valor aproximado de y en x =
168
x
n
= x
0
+ nh (n = 1, 2, 3, 4,...,). Ahora todo lo que conocemos, acerca de y antes de
iniciar es que y = y
0
en x = x
0
. Con el objeto de empezar, necesitamos un mtodo
que requiera solamente el valor de y
n
a fin de obtener el siguiente valor de y, es
decir, y
n+1
. Podemos aplicar tal mtodo con n = 0 y usar el valor de y
0
para estimar
el valor de y
1
. Un mtodo que use solamente y
n
para encontrar y
n+1
y que, por lo
tanto, nos permita iniciar, es llamado mtodo de arranque. Una vez que hemos
usado un mtodo de arranque para obtener y
1
, podemos repetir con n = 1 para
obtener y
2
, con n =2, para encontrar y
3
y, as sucesivamente. Sin embargo, una vez
que se han calculado varios valores de y, frecuentemente es conveniente cambiar a
un mtodo, en el cual se use y
n
y uno o ms valores anteriores y
n-1
, y
n-2
,...para
encontrar el siguiente valor de y
n+1
. Tal mtodo que nos permita continuar, una vez
que hemos conseguido iniciar suficientemente, es llamado mtodo de continuacin.
La mayora de nuestra atencin, en este texto, ser para los mtodos de arranque.
Nuestro principal objetivo, en esta seccin, es presentar los detalles de ciertos
mtodos bsicos para resolver problemas de valor inicial de primer orden. En
general, no deberamos considerar la justificacin terica de esos mtodos, ni
deberamos entrar en discusiones detalladas de temas, tales como error y
exactitud.

A continuacin se presenta un problema simple de valor inicial que podra
usarse para propsito de ilustracin a lo largo de esta seccin. Sea el problema:

dx
dy
= 2x + y (7-3)

con y(0) = 1 (7-4)

Se observa que se trata de una ecuacin diferencial lineal y, por
consiguiente, puede ser resuelta de manera exacta. De acuerdo con los mtodos
analticos, la solucin exacta queda.


x
Ce x y + + = ) 1 ( 2 (7-5)

donde C es una constante arbitraria. Aplicando la condicin inicial (7-4), se
encuentra que C = 3, por tanto, la solucin exacta de es:


x
e x y 3 ) 1 ( 2 + + = (7-6)

Se ha escogido este problema sencillo para propsitos ilustrativos, por dos
razones importantes. Primera, la ecuacin diferencial (7-3) es simple, a fin de que
169
los mtodos numricos pueden serle aplicados sin involucrar una introduccin a la
computacin, la cual podra oscurecer los pasos importantes del mtodo, para un
principiante. Segunda, puesto que la solucin exacta (7-6), del problema, ha sido
encontrada podemos comparar los valores numricos obtenidos con la solucin
aproximada y los de la solucin exacta, con lo que se puede aumentar alguna
comprensin en la veracidad de los mtodos numricos.

Por supuesto, en la prctica no deberamos resolver una ecuacin diferencial
lineal tan simple con un mtodo numrico. Los mtodos de esta seccin son
diseados para ecuaciones diferenciales, que no pueden ser resueltas exactamente
o para aquellas que prcticamente son difciles de resolver.



7.2 Mtodos de solucin

En esta seccin, se presentan tcnicas numricas para resolver ecuaciones
diferenciales no lineales o ecuaciones diferenciales lineales que tengan dificultades
para su resolucin con los mtodos analticos tradicionales. Entre ellos se discuten
los siguientes:

Euler
Euler modificado
Heun
Runge-Kutta
1. Segundo orden
2. Tercer orden
3. Cuarto orden
4. Orden superior

Despus de la presentacin de estos mtodos, se resuelven problemas para
un mejor entendimiento de los mismos.


7.2.1 Mtodo de Euler

Consideremos que la ecuacin diferencial (7-1) se escribe en diferencias
finitas hacia delante, es decir:

170
) , (
1
i i
i i
y x f
x
y y
=
A

+
(7-7)

despejando y
i+1
, se tiene:


) , ( .
1 i i i i
y x f x y y A + =
+
(7-8)

Ecuacin (7-8) es conocida como ecuacin de Euler. Note usted que f(x
i
, y
i
)
representa la ecuacin diferencial por resolver, por lo que, ecuacin (7-8) puede
escribirse tambin como:

















y x y y
i i
' A + =
+
.
1
(7-9)

La ventaja de esta ecuacin es que es muy fcil de aplicar, ya que la parte
derecha es conocida, puesto que para i = 0 se conoce la condicin inicial dada por
(7-2) el mtodo de Euler proporciona y
1
mediante una extrapolacin lineal, dentro
del intervalo Ax (Fig. 7.1). Una vez conocido y
1
y x
1
= x
0
+ Ax; con estos nuevos
valores se obtiene y
2
y x
2
= x
0
+ 2Ax y as sucesivamente. Sin embargo, se ha
observado que para Ax grandes, las estimaciones de y
i+1
, tienen mucho error al
comparar los resultados obtenidos con los valores que arroja la solucin exacta; de
esta manera, su aplicacin slo se har para tener una aproximacin inicial de la
solucin y para aplicaciones de gran trascendencia se recomienda el uso de otro
mtodo hacer que Ax tienda a cero.



O predicho
O exacto
x
i
x
i+1

error
Fig. 7.1 Mtodo de Euler
x
y
171
La solucin numrica de una ecuacin diferencial ordinaria (EDO) incluye dos
tipos de errores: 1. Errores por truncamiento, causados por la naturaleza de los
mtodos empleados en la aproximacin a los valores de y, y 2. Errores por
redondeo, causados por lo limitado de dgitos o de cifras significativas que puede
retener la computadora usada.


7.2.1.1 Anlisis de error en el Mtodo de Euler

Los errores de truncamiento se componen de dos partes. La primera est
compuesta por un error de truncamiento local, que resulta al aplicar un paso del
mtodo; la segunda es un error de propagacin que resulta de las aproximaciones
producidas durante los anteriores. La suma de los dos errores es el error de
truncamiento global. El error de truncamiento se puede obtener derivando el mtodo
de Euler directamente de la expansin de la serie de Taylor, alrededor del punto
inicial (x
i
, y
i
).


n
n
n
i i
i i i
R x
n
y
x
y
x y y y + A + + A
' '
+ A ' + =
+
) (
!
... ) (
2
) (
2
1
(7-10)

donde Ax = x
i+1
x
i
y R
n
es el trmino residual definido como:


1
1
) (
)! 1 (
) (
+
+
A
+
=
n
n
n
x
n
y
R

(7-11)

en esta ecuacin , est dentro del intervalo definido por x
i
y x
i+1
. Se puede
desarrollar una forma alternativa, sustituyendo la ecuacin (7-1) en las ecuaciones
(7-10) y (7-11), quedando:

) ( ) (
!
) , (
...
) (
! 3
) , (
) (
2
) , (
) , (
1
) 1 (
3 2
1
+

+
A + A +
+ A
' '
+ A
'
+ A + =
n n i i
n
i i i i
i i i i
x x
n
y x f
x
y x f
x
y x f
x y x f y y
u
(7-12)

donde u(Ax
n+1
) especifica que el error de truncamiento local es proporcional al
tamao del paso elevado a la (n+1)-sima potencia.

Comparando ecuacin (7-8) con ecuacin (7-12), se nota que el error de
truncamiento local Ev, est dado por:
172

) ( ) (
!
) , (
... ) (
2
) , (
1
) 1 (
2 +

A + A + + A
'
=
n n i i
n
i i
v
x x
n
y x f
x
y x f
E u (7-13)

para un Ax suficientemente pequeo, los errores dados por esta ecuacin decrecen
a medida que el orden crece y, el resultado, a menudo se representa por:


2
) (
2
x
y
E
i
a
A
' '
= (7-14.1)


2
) ( x E
a
A =u (7-14.2)

donde E
a
es el error de truncamiento local aproximado.

Aunque la serie de Taylor es un medio para cuantificar el error en el mtodo de
Euler, tiene muchas limitaciones asociadas con su uso para este propsito, entre las
cuales pueden citarse:

1) La serie de Taylor slo proporciona una aproximacin local del error por
truncamiento, es decir, el error generado durante el primer paso del mtodo.
No proporciona una medida de la propagacin y, por ello, no es posible
estimar el error global por truncamiento.

2) En problemas reales, usualmente se trata con funciones ms complicadas
que un simple polinomio; por consiguiente, las derivadas necesarias para
evaluar la serie de Taylor no siempre son fciles de obtener.

Aunque estas limitaciones no ayudan en el anlisis exacto de errores en la
mayor parte de los problemas prcticos, esta serie proporciona una idea valiosa del
comportamiento del mtodo de Euler. De acuerdo con ecuacin (7-14), se ve que el
error local es proporcional al cuadrado del tamao del paso (Ax) y la primer derivada
de la ecuacin diferencial. Estas observaciones conducen a las siguientes
conclusiones:

1. El error se puede reducir disminuyendo Ax.

2. El mtodo proporciona predicciones libres de error, si la funcin
fundamental (es decir, la solucin de la ecuacin diferencial ) es lineal,
173
ya que la segunda derivada de una lnea recta es nula. De aqu que el
mtodo de Euler se conozca como mtodo de primer orden.








































Ejempo 7.1 Se resuelve la ecuacin diferencial ordinaria dada por (7-3) y la
condicin inicial (7-4), con x = 0.5 y xfinal = 5

y x
dx
dy
+ = 2

con y(0) = 1

Inicio
y
0
, x
0
,
Ax, x
f

Definir f(x, y)
i = 0
Escribir x
i
, y
i

F
i
= f(x
i
, y
i
)
y
i+1
= y
i
+ Ax*F
i

i = i +1
x
i
= x
i-1
+ Ax
x
i
, y
i

x
i
sx
f
?
fin
N
S


DIAGRAMA DE FLUJO: MTODO DE EULER
174
Solucin. Como se dijo en la seccin 7.1, la ecuacin diferencial propuesta como
ejemplo, tiene como solucin exacta:
x
e x y 3 ) 1 ( 2 + + = , que servir para comparar
los resultados obtenidos y poder cuantificar la exactitud del mtodo de Euler. Para
este ejemplo, f(x
i
, y
i
) = 2x
i
+y
i
; el punto inicial conocido es x
0
= 0 y y
0
= 1. De
acuerdo con el valor de x, los valores consecutivos de x sern: 0, 0.5, 1, 1.5, 2,2.5,
etc.

Con la informacin anterior la ecuacin (7-8) se escribe como:

( )
i i i i
y x y y + + =
+
2 5 . 0
1


sustituyendo las condiciones iniciales, se obtiene

y
0+1
= y
0
+ 0.5*(2x
0
+ y
0
) = 1 + 0.5|2(0)+1| = 1.50

Ahora, con estos valores se obtiene:

y
2
= y
1
+ 0.5*(2x
1
+ y
1
) = 1.5 + 0.5|2(0.5)+1.5|= 2.75, etc.

Para calcular los valores exactos se sustituyen los mismos valores de x usados en
el mtodo de Euler y se obtienen los valores de y. Por ejemplo, para x = 0, se tiene:

x
e x y 3 ) 1 ( 2 + + = =-2(0+1)+3e
0
= -2(0+1) +3(1) = 1

Continuando de la manera descrita, se lleg a los resultados.

x y
Euler
y
Exacta
E(%)
0.000 1.000 1.000 0.00
0.500 1.500 1.946 22.93
1.000 2.750 4.155 33.81
1.500 5.125 8.445 39.31
2.000 9.188 16.167 43.17
2.500 15.781 29.547 46.59
3.000 26.172 52.257 49.92
3.500 42.258 90.346 53.23
4.000 66.887 153.794 56.51
4.500 104.330 259.051 59.73
5.000 160.995 433.239 62.84

175
Note usted que este mtodo es muy aproximado, ya que existe un alto
porcentaje de error. En seguida se presenta una grfica de conjunto, para tener en
forma objetiva la solucin y reflejar el error relativo.

Figura del problema 7.1(Euler)
0
50
100
150
200
250
300
350
400
450
0.0 1.0 2.0 3.0 4.0 5.0
x
f
(
x
)
YEuler YExacata




7.2.1.2 Modificaciones y mejoras al Mtodo de Euler

Una fuente fundamental de error en el mtodo de Euler es que la derivada, al
principio del intervalo (Ax), se supone que se aplica a travs del intervalo entero, lo
cual es falso, ya que, se predice el valor de y
i+1
con una recta (Fig. 7.1). Existen dos
modificaciones simples para ayudar a evitar este inconveniente, que por su sencillez
se describen a continuacin.


7.2.2 Mtodo mejorado del polgono Euler modificado

Este mtodo usa el mtodo de Euler para predecir un valor de y en el punto
medio del intervalo, es decir:

) , ( *
2
1
2 / 1 i i i i
y x f x y y A + =
+
(7-15)

con este valor se calcula la pendiente en el punto medio de Ax ( Fig. 7.2, a).

176
) , (
2 / 1 2 / 1 1 + + +
= '
i i i
y x f y (7-16)

la cual se supone representa una aproximacin vlida de la pendiente promedio en
el intervalo completo Ax. Ahora esta pendiente se usa en la ecuacin predictora de
Euler para extrapolar linealmente de xi a x
i+1
; por lo que:

y
i+1
= y
i
+ Ax ) , (
2 / 1 2 / 1 + + i i
y x f (7-17)






























El mtodo del polgono mejorado es superior al mtodo de Euler, ya que ste
utiliza una aproximacin de la pendiente en el punto medio del intervalo de
prediccin.



O aprox
O exac
x
i
x
i+1/2


Fig. 7.2 Esquema grfico del mtodo de Euler modificado
x
y
) , (
2 / 1 1 2 / 1 + +
= y x f Pendiente
i

x
i
x
i+1


x
y
) , (
2 / 1 1 2 / 1 1 + +
= y x f Pendiente
a)
b)
177
Ejemplo 7.2 Se resuelve la ecuacin diferencial ordinaria del ejemplo 7.1 con el
objeto de observar la mejora de este mtodo.

La ecuacin (7-15) y la (7-17) se escriben, respectivamente:

| |
i i i i
y x y y + + =
+
2 ) 5 . 0 (
2
1
2 / 1


| |
2 / 1 1
) 25 . 0 ( 2 5 . 0
+ +
+ + + =
i i i i
y x y y

De las condiciones iniciales se obtienen los siguientes valores:

| | 25 . 1 1 ) 0 ( 2 ) 5 . 0 (
2
1
1
2 / 1 0
= + + =
+
y

| | 875 . 1 25 . 1 ) 25 . 0 0 ( 2 5 . 0 1
1
= + + + = y

El valor exacto es: 946 . 1 3 ) 1 5 . 0 ( 2
5 . 0
= + + = e y

Para estos valores el error relativo es: % 65 . 3 100 ) 946 . 1 / ) 875 . 1 946 . 1 (( = x abs

De la misma forma se obtuvieron los dems valores, cuyo resumen se muestran en
la tabla 1E7.2, dada a continuacin.

Tabla 1E7.2 f(xi + yi) mtodo de Euler modificado
x yi 2xi + yi y(i+1/2) yexac Er(%)
0.00 1.000 1.000 1.250 1.000 0.000
0.50 1.875 2.875 2.594 1.946 3.657
1.00 3.922 5.922 5.402 4.155 5.607
1.50 7.873 10.873 10.591 8.445 6.773
2.00 14.919 18.919 19.648 16.167 7.722
2.50 26.993 31.993 34.991 29.547 8.646
3.00 47.238 53.238 60.548 52.257 9.603
3.50 80.762 87.762 102.703 90.346 10.608
4.00 135.864 143.864 171.830 153.794 11.659
4.50 226.029 235.029 284.786 259.051 12.747
5.00 373.172 433.239 13.865

Es notoria la mejora se este mtodo comparado con el mtodo de Euler tradicional.
Mientras en aquel tiene un error relativo de 62.84%, ste slo tiene el 13.865%.
178

0
50
100
150
200
250
300
350
400
450
500
0 1 2 3 4 5
V
a
l
o
r
e
s

d
e

y
(
x
)

Variable independiente X
Yeuler mejorado yexac




7.2.3 Mtodo de Heun

Este mtodo calcula las dos derivadas en el intervalo x, una en el punto
inicial (x
i
, y
i
) y otra en el punto final del intervalo (x
i+1
, y
i+1
). En seguida se promedian
las dos derivadas con lo que se obtiene una aproximacin mejorada, de la
pendiente en el intervalo completo (Fig. 7.3).


















O
O
x
i
x
i+1


x
y
) , (
1 1
E
i i
y x f
+ +

) , (
i i
y x f
179
















El mtodo estndar se detendra en este punto, sin embargo, en el mtodo
de Heun, esta ecuacin slo es una prediccin intermedia, por lo que se llama
ecuacin predictora. Con este valor se calcula una pendiente aproximada al final del
intervalo, esto es:

) , (
1 1 1
E
i i i
y x f y
+ + +
= ' (7-18)

En el mtodo de Euler, la pendiente al principio de un intervalo, se estima
con,

) , (
i i i
y x f y = '

la cual se usa para extrapolar linealmente a y
i+1
, quedando:

) , ( *
1 i i i
E
i
y x f x y y A + =
+
(7-19)

Tomando en cuenta que la pendiente promedio, es la pendiente que se
extrapola para predecir el valor final de y
i+1
, entonces la ecuacin de Euler se
transforma en:

(

+
A + =
+ +
+
2
) , ( ) , (
1 1
1
E
i i i i
i i
y x f y x f
x y y (7-20)

Fig. 7.3 Mtodo de Heun

O
x
i
x
i+1


x
y
2
) , ( ) , (
1 1
E
i i i i
y x f y x f
+ +
+

180
que se llama ecuacin correctora. En consecuencia, el mtodo de Heun es un
mtodo predictor corrector; por esta razn es comn encontrar representado este
mtodo como:

Predictor- ) , ( *
1 i i i
E
i
y x f x y y A + =
+
(7-8.1)

Corrector
(

+
A + =
+ +
+
2
) , ( ) , (
1 1
1
E
i i i i
i i
y x f y x f
x y y (7-20)

Para calcular el error de dos iteraciones consecutivas se usa el criterio del
error relativo, dado por:


j
i
j
i
j
i
a
y
y y
1
1
1 1
+

+ +

= c (7-21)


































Inicio
x
0
, y
0

Ax, x
f

Definir f(x, y)
Escribir x, y

k
1
= Axf(x, y )
y
E
= y + k
1

k
2
=Axf(x+Ax, y
E
)
x = x + Ax
x, y
x s x
f
?
fin
N
S
DIAGRAMA DE FLUJO METODO DE HEUN
( )
2 1
2
1
k k y y + + =

1
1
181
Ejemplo 7.3 Se resuelve la misma ecuacin diferencial de los ejemplos anteriores.
Para esta aplicacin, se usa ecuacin (7-8.1) como predictor y ecuacin (7-20)
como corrector. Se tiene que: f(x
i
, y
i
) = 2x
i
+ y
i
; y(0) =1 y Ax = 0.5. Por lo que la
adaptacin, del problema a resolver, queda.

i i i i
y x y x f + = 2 ) , (


Predictor- ) 2 ( 5 . 0
1 i i i
E
i
y x y y + + =
+
(7-8.1)

Corrector
(

+
+ =
+ +
+
2
) , ( ) , (
5 . 0
1 1
1
E
i i i i
i i
y x f y x f
y y (7-20)

con

E
i i
E
i i
y x y x f
1 1 1 1
2 ) , (
+ + + +
+ =

Iniciando con y
0
=1 y x
0
= 0 (valores iniciales), se tiene,

i i i i
y x y x f + = 2 ) , ( = 2(0) + 1 = 1.00

) , ( *
1 i i i
E
i
y x f x y y A + =
+
= 1 + 0.5*(1) = 1.50

E
i i
E
i i
y x y x f
1 1 1 1
2 ) , (
+ + + +
+ = = 2(0.5) + 1.50 = 2.50

El corrector conduce a,

Corrector y
i+1
= 1.0 + 0.50 875 . 1
2
50 . 2 00 . 1
=
(

+


Repitiendo nuevamente el proceso, con x
1
= 0.5 y y
1
= 1.875, se tienen los
siguientes resultados,

i i i i
y x y x f + = 2 ) , ( = 2(0.5) + 1.875 = 2.875

E
i
y
1 +
= 1.875 + 0.5*(2.875) = 3.3125

182
E
i i
E
i i
y x y x f
1 1 1 1
2 ) , (
+ + + +
+ = = 2(1.0) + 3.3125 = 5.3125

Por consiguiente, el corrector proporciona el valor:

Corrector y
i+1
= 1.875 + 0.50 9219 . 3
2
3125 . 5 875 . 2
=
(

+
, etc.

Es notorio que, los resultados obtenidos son los mismos que los que el
mtodo de Euler modificado, por lo que, no se consider necesario escribirlos, ni
graficarlos; ya que, tanto la tabulacin como la grfica son las mismas.



7.2.4 Mtodos de Runge-Kutta

Los mtodos de Runge-Kutta tienen la exactitud del esquema completo de la
serie de Taylor, sin requerir del clculo de las derivadas de orden superior. Existen
muchas variaciones de estos mtodos, pero todas ellas se pueden ajustar a la
ecuacin.

x x y x y y
i i i i
A A u + =
+
) , , (
1
(7-22)

donde u(x
i
, y
i
, Ax) se le llama funcin de incremento y puede interpretarse como el
promedio de la pendiente sobre el intervalo Ax. La funcin de incremento se puede
generalizar con:

u= a
1
k
1
+ a
2
k
2
+ a
3
k
3
+ . . . + a
n
k
n
(7-23)

en esta ecuacin las a
n
son constantes y las k
n
quedan definidas como:

k
1
= f(x
i
, y
i
) (7-24)

k
2
= f(x
i
+ p
1
Ax, y
i
+ q
11
k
1
Ax) (7-25)

k
3
= f(xi + p
2
Ax, y
i
+ q
21
k
1
Ax + q
22
k
2
Ax) (7-26)
.
.
.
k
n
= f(x
i
+p
n-1
Ax, y
i
+ q
n-1,1
k
1
Ax + q
n-1,2
k
2
Ax + . . .+q
n-1
,
n-1
k
n-1
Ax ) (7-27)
183

Obsrvese que las k son relaciones recurrentes; o sea que, k
1
aparece en la
ecuacin de k
2
. En el clculo de k
3
aparecen k
1
y k
2
, etc. Esta recurrencia hace que
los mtodos de Runge - Kutta sean fciles de programar.

Se pueden desarrollar varios mtodos de Runge - Kutta empleando una
cantidad diferente de trminos en la funcin de incremento (7-23), especificados por
n. Por consiguiente el mtodo de Runge - Kutta de primer orden con n = 1,
corresponde al mtodo de Euler. Una vez que se ha escogido n, los valores de las
constantes a, de p y q se evalan igualando la ecuacin (7-22) a los trminos en
una expansin de la serie de Taylor. Por consiguiente, n representa, por lo general,
el orden del mtodo, al menos en los mtodos de orden menor que el cuarto.


7.2.4.1 Mtodo de Runge-Kutta de segundo orden

La versin de segundo orden (n = 2), de acuerdo con (7-22), es

( )
2 2 1 1 1
k a k a x y y
i i
+ A + =
+
(7-28)

donde

k
1
= f(x
i
, y
i
) (7-29)

k
2
= f(x
i
+ p
1
Ax, y
i
+ q
11
k
1
Ax ) (7-30)

de la serie de Taylor se concluye (ver apndice A), que:

a
1
+ a
2
= 1
a
1
p
2
=
2
1


a
2
q
11
=
2
1


En este caso y debido a que se tienen tres ecuaciones con cuatro incgnitas,
se debe suponer el valor de una de ellas, para determinar las otras tres; por
ejemplo, si se propone el valor de a
2
, entonces resulta que:

a
1
=1- a
2
y, (7-31)

184
p
1
= q
11
=
2
2
1
a
(7-32)

De lo anterior se concluye que existe un nmero infinito de mtodos de
Runge-Kutta de segundo orden, ya que, se puede escoger una cantidad infinita de
valores para a
2
; con la garanta de que cada versin llevara a los mismos
resultados, si la solucin de la EDO es cuadrtica, lineal o constante; es decir, que
f(x, y) sea cuando ms lineal.



7.2.4.1.1 Mtodo de Runge-Kutta de segundo orden con a
2
=1/2 -Mtodo de Heun
con un corrector simple

En este caso, ecuaciones (7-31) y (7-32) conducen a los siguientes valores:
a
1
=1/2, p
1
=q
11
=1; por lo tanto, ecuaciones (7-28) a (7-30) se transforman en,

( ) ( )
2 1 2 2
1
1 2
1
1
2
k k
x
y k k x y y
i i i
+
A
+ = + A + =
+
(7-33)

donde

k
1
= f(x
i
, y
i
) (7-34)

k
2
= f(x
i
+Ax, y
i
+ k
1
Ax ) (7-35)

Obsrvese que k
1
es la pendiente al principio del intervalo y k
2
es la
pendiente al final Ax. Por tanto, este mtodo corresponde al mtodo de Heun con
una sola iteracin del corrector.



7.2.4.1.2 Mtodo de Runge-Kutta de segundo orden con a
2
=1-Mtodo del polgono

Para a
2
= 1, ecuaciones (7-31) y (7-32) indican que a
1
= 0 y p
1
=q
11
=1/2; por lo
que, ecuacin (7-28) conduce a:


2 1
xk y y
i i
A + =
+
(7-36)

donde
185

k
1
= f(x
i
, y
i
) (7-37)

y de (7-30) se tiene que

k
2
= f(x
i
+
2
1
Ax, y
i
+
2
1
k
1
Ax ) (7-38)

Con estas caractersticas, se observa que este conjunto de ecuaciones
corresponde al mtodo mejorado del polgono, es decir, es el mtodo de Euler
modificado.



7.2.4.1.3 Mtodo de Runge-Kutta de segundo orden con a
2
=2/3-Mtodo de Raltson

En Raltson (1962) y Rabinowitz (1978) llegaron a la conclusin que escoger
a
2
= 2/3 minimiza el error de truncamiento de los algoritmos de RK de segundo
orden. Note usted que, en este caso, a
1
= 1/3 y p
1
=q
11
=3/4 [segn ecuaciones (7-
31) y (7-32)], por lo que, (7-28) conduce a:

) 2 (
3
1
2 1 1
k k x y y
i i
+ A + =
+
(7-39)

donde

k
1
= f(x
i
, y
i
) (7-40)

y ecuacin (7-30) se escribe como:

k
2
= f(x
i
+
4
3
Ax, y
i
+
4
3
k
1
Ax ) (7-41)



Ejemplo 7.3 Solucin usando mtodos de RK de orden 2
a)Heun con un corrector simple (a
2
=1/2)

Las ecuaciones (7-33) a (7-35), adaptadas a la ecuacin diferencial que se
est resolviendo, son:

186
( ) ( )
2 1 2 2
1
1 2
1
1
2 / 5 . 0 k k y k k x y y
i i i
+ + = + A + =
+


con
k
1
= 2x
i
+ y
i


k
2
= 2(x
i
+0.5) + (y
i
+ 0.5k
1
)

sustituyendo condiciones iniciales ( y
0
= 1 y x
0
= 0 ), se obtiene,

k
1
= 2x
i
+ y
i
=2(0) + 1.0 = 1.00

k
2
= 2(0 +0.5) + (1 + 0.5*1)= 2.50

ahora, con la ecuacin predictora, se obtiene:

( )
2 1 0 1 0
2 / 5 . 0 k k y y + + =
+
=1.0 + 0.25*(1.0 + 2.50) =1.875

Repitiendo con x
1
= 0.50 e y
1
= 1.875:

k
1
= 2x
i
+ y
i
=2(0.5) + 1.875 = 2.875

k
2
= 2(0.5 +0.5) + (1.875 + 0.5*2.875 )= 5.3225

( ) 9218 . 3 ) 325 . 5 875 . 2 ( * 25 . 0 875 . 1 2 / 5 . 0
2 1 1 2
= + + = + + = k k y y

El proceso se repite reiteradamente para estimar otros valores. En este caso
se lleg a:

x y
Exacta
y
KR-2
K
1
=f(x, y) K
2
E
r(%)

0.00 1.00 1.00 1.00 2.50 0.0
0.50 1.95 1.88 2.88 5.31 3.7
1.00 4.15 3.92 5.92 9.88 5.6
1.50 8.45 7.87 10.87 17.31 6.8
2.00 16.17 14.92 18.92 29.38 7.7
2.50 29.55 26.99 31.99 48.99 8.6
3.00 52.26 47.24 53.24 80.86 9.6
3.50 90.35 80.76 87.76 132.64 10.6
4.00 153.79 135.86 143.86 216.80 11.7
4.50 259.05 226.03 235.03 353.54 12.7
5.00 433.24 373.17 383.17 575.76 13.9


187
b) mtodo mejorado del polgono (a
2
= 1)

En este caso las ecuaciones (7-36), (7-37) y (7-38) quedan, respectivamente:


2 1
xk y y
i i
A + =
+
=
2
5 . 0 k y
i
+
y
k
1
= f(x
i
, y
i
) = 2x
i
+ y
i


k
2
= f(x
i
+
2
1
Ax, y
i
+
2
1
k
1
Ax )= 2(xi + 0.25) + ( yi + 0.25k
1
)

partiendo de y = 1 y x = 0, as como Ax = 0.50, se obtienen los siguientes valores:

k
1
= 2(0) + 1 = 1
k
2
= 2(0 + 0.25) + (1 + 0.25*1) =1.75
y
1
= 1 + 0.5*(1.75) = 1.875

Para otros valores se repite el proceso, ahora con x = 0.5 e y =1.875,
obteniendo.

k
1
= 2(0.5) + 1.875 = 2.875
k
2
= 2(0.5 + 0.25) + (1.875 + 0.25*2.875)) =4.09
y
1
= 1.875 + 0.5*(2.875) = 3.92

de la misma forma se obtuvieron los dems resultados, los cuales se resumen a
continuacin:

X y
Exacta
y
KR-2(a2=1)
K
1
=f(x, y) K
2
E
r(%)

0.00 1.000 1.000 1.000 1.750 0.0
0.50 1.946 1.875 2.875 4.094 3.7
1.00 4.155 3.922 5.922 7.902 5.6
1.50 8.445 7.873 10.873 14.091 6.8
2.00 16.167 14.919 18.919 24.148 7.7
2.50 29.547 26.993 31.993 40.491 8.6
3.00 52.257 47.238 53.238 67.048 9.6
3.50 90.346 80.762 87.762 110.203 10.6
4.00 153.794 135.864 143.864 180.330 11.7
4.50 259.051 226.029 235.029 294.286 12.7
5.00 433.239 373.172 383.172 479.465 13.9

Como se observa, los resultados son iguales a los obtenidos por Heun.


188
c) Mtodo de Raltson (a
2
= 2/3)

La adaptacin de las ecuaciones (7-39), (7-40) y (7-41), al problema por
resolver, es,

) (
2 3
2
1 3
1
1
k k x y y
i i
+ A + =
+
= ) 2 (
3
5 . 0
2 1 1
k k y y
i i
+ + =
+


donde

k
1
= f(x
i
, y
i
) = 2x
i
+ y
i


k
2
= f(x
i
+
4
3
Ax, y
i
+
4
3
k
1
Ax ) =2(x
i
+0.75*.5)+(y
i
+ 0.75*.5k
1
)

Iniciando con el punto conocido x
0
=0, y
0
=1, se obtiene,

k
1
= 2(0)+1 = 1
k
2
= 2(0+0.375)+(1+0.375*1) = 2.125
y
1
= 1 + 0.5/3*(1 + 2*2.125) = 1.875

Igual que en todos los mtodos de RK de orden 2; el resumen se muestra en
la tabla siguiente.

X y
Exacta
y
KR-2
(a
2
=2/3) K
1
=f(x, y) K
2
E
r(%)

0.00 1.000 1.000 1.000 2.125 0.0
0.50 1.946 1.875 2.875 4.703 3.7
1.00 4.155 3.922 5.922 8.893 5.6
1.50 8.445 7.873 10.873 15.700 6.8
2.00 16.167 14.919 18.919 26.763 7.7
2.50 29.547 26.993 31.993 44.740 8.6
3.00 52.257 47.238 53.238 73.953 9.6
3.50 90.346 80.762 87.762 121.423 10.6
4.00 153.794 135.864 143.864 198.563 11.7
4.50 259.051 226.029 235.029 323.915 12.7
5.00 433.239 373.172 383.172 527.612 13.9


La figura es similar a la inmediata anterior, ya que no hay cambios
sustanciales en el valor de y calculados.



189
7.2.4.1.4 Mtodo de Runge-Kutta de tercer orden

Se puede llevar a cabo una derivacin anloga a la del mtodo de segundo
orden, para n = 3. Los resultados de esta deduccin a travs de la serie de Taylor,
indica que se llega a un sistema de seis ecuaciones con ocho incgnitas, por
consiguiente se deben suponer valores a dos incgnitas, para poder resolver el
sistema. La versin ms comn que resulta se escribe como:

| |
3 2 1 1
4
6
k k k
x
y y
i i
+ +
A
+ =
+
(7-42)

donde

) , (
1 i i
y x f k = (7-43)

)
2
1
,
2
1
(
1 2
xk y x x f k
i i
A + A + = (7-44)

) 2 , (
2 1 3
xk xk y x x f k
i i
A + A A + = (7-45)

Se hace notar que los mtodos de RK de tercer orden tienen errores globales
de 0(Ax
4
) y conducen a resultados exactos cuando la solucin a la ecuacin
diferencial ordinaria es de tercer orden. El diagrama de fujo se muestra en figura
D7.2.


Ejemplo 7.4 Se resuelve la EDO de los ejemplos anteriores. La ecuacin (7-42)
predice los valores de y al final de cada intervalo, con apoyo de las ecuaciones (7-
43), (7-44) y (7-45). La sustitucin de la ecuacin diferencial a resolver las
transforma en:

| |
3 2 1 1
4 ) 5 . 0 (
6
1
k k k y y
i i
+ + + =
+

y
k
1
= f(x
i
, y
i
) = 2x
i
+ y
i

k
2
= f(x
i
+
2
1
Ax, y
i
+
2
1
k
1
Ax ) = 2(x
i
+ 0.25)+(y
i
+0.25k
1
)
) 2 , (
2 1 3
xk xk y x x f k
i i
A + A A + = =2(x
i
+0.5) + (y
i
-0.5*k
1
+k
2
)

Para las condiciones iniciales dadas, la primer iteracin, arroja los valores.
190

k
1
= f(x
i
, y
i
) = 2x
i
+ y
i
=2(0)+1 = 1
k
2
= f(x
i
+
2
1
Ax, y
i
+
2
1
k
1
Ax ) = 2(x
i
+ 0.25)+(y
i
+0.25k
1
) =1.75
) 2 , (
2 1 3
xk xk y x x f k
i i
A + A A + = =2(x
i
+0.5) + (y
i
-0.5*k
1
+k
2
) =3.25

Finalmente, el valor de y, al final del primer intervalo (x = 0.50), es.

| |
3 2 1 1
4 ) 5 . 0 (
6
1
k k k y y
i i
+ + + =
+
| | 9375 . 1 25 . 3 ) 75 . 1 ( 4 1 ) 5 . 0 (
6
1
1 = + + + = , etc,

A continuacin se muestra el resumen de resultados y la grfica de conjunto
correspondiente.

x 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
y 1 1.95 4.16 8.45 16.17 29.55 52.26 90.35 153.79 259.05 433.24
Y
rk3
1 1.94 4.13 8.38 16.01 29.23 51.63 89.14 151.51 254.82 425.50
E% 0 0.44 0.69 0.84 0.96 1.08 1.21 1.34 1.48 1.63 1.79


Figura del problema 7.1(RK-3)
0
50
100
150
200
250
300
350
400
450
0.0 1.0 2.0 3.0 4.0 5.0
x
f
(
x
)
Yexacta YRK-3






191















































7.2.4.1.5 Mtodo de Runge-Kutta de cuarto orden

Los mtodos de RK ms populares, por su exactitud y sencillez, son los de
cuarto orden. Al igual que en los mtodos anteriores, existe un nmero infinito de
Inicio
y, x,
h, x
f

Definir f(x, y)
Escribir x, y
x = x + h
x, y
x s x
f
?
fin
N
S
FIG.D7.2 DIAGRAMA DE FLUJO METODO DE
RK-3
) , (
1
y x f k =
) , (
1
y x f k =
) , (
1 2
1
2
1
2
hk y h x f k + + =

) 2 , (
2 1 3
hk hk y h x f k + + =
( )
3 2 1 6
4 k k k y y
h
+ + + =
Ax = h
f(x, y) = Ec.
x, y = cond. Inic.
SUB KK
SUB KK
RETURN
192
versiones. Sin embargo, el mtodo clsico de RK de cuarto orden es el
representado por el siguiente grupo de ecuaciones.

| |
4 3 2 1 1
) ( 2
6
k k k k
x
y y
i i
+ + +
A
+ =
+
(7-46)

donde

) , (
1 i i
y x f k = (7-47)

) , (
1 2
1
2
1
2
xk y x x f k
i i
A + A + = (7-48)

) , (
2 2
1
2
1
3
xk y x x f k
i i
A + A + = (7-49)

) , (
3 4
xk y x x f k
i i
A + A + = (7-50)


Eejmplo 7.5 Solucin por el mtodo de Runge Kutta de orden 4

Para la aplicacin de este mtodo se usan las ecuaciones (7-46) a (7-50),
que al sustituir el valor de Ax dado, quedan de la siguiente forma.

| |
4 3 2 1 1
) ( 2
6
5 . 0
k k k k y y
i i
+ + + + =
+


donde

) , (
1 i i
y x f k = = 2x
i
+ y
i
) , (
1 2
1
2
1
2
xk y x x f k
i i
A + A + = = 2(x
i
+ 0.25) + (y
i
+ 0.25*k
1
)
) , (
2 2
1
2
1
3
xk y x x f k
i i
A + A + = = 2(x
i
+ 0.25) + (y
i
+ 0.25*k
2
)
) , (
3 4
xk y x x f k
i i
A + A + = =2(x
i
+ 0.5) + (y
i
+ 0.5*k
3
)

Puede comprobarse que al sustituir las condiciones iniciales y procediendo
igual que el mtodo anterior, se lleg a los siguientes valores.

) , (
1 i i
y x f k = = 2x
i
+ y
i
= 2(0) +1 = 1.00
) , (
1 2
1
2
1
2
xk y x x f k
i i
A + A + = = 2(0 +0.25) + (1+.25*1) =1.75
193
) , (
2 2
1
2
1
3
xk y x x f k
i i
A + A + = = 2(0+0.25) + (1+.25*1.75) =1.94
) , (
3 4
xk y x x f k
i i
A + A + = = 2(0+.5) + (1+.5*1.94) =2.97

De (7-46) | | 95 . 1 97 . 2 ) 94 . 1 75 . 1 ( 2 1
6
5 . 0
1
1 0
= + + + + =
+
y

Repitiendo el proceso, cada vez, con los nuevos valores se lleg a los siguientes
resultados:

x 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
y 1 1.95 4.16 8.45 16.17 29.55 52.26 90.35 153.79 259.05 433.24
Y
rk4
1 1.95 4.15 8.44 16.15 29.52 52.19 90.23 153.57 258.63 432.47
E% 0 0.04 0.07 0.08 0.09 0.11 0.12 0.13 0.15 0.16 0.18

Se observa que el error mximo es, solamente del 0.18 %; es decir, la
solucin es, prcticamente, exacta. Es seguro que se tenga una mejora usando un
x ms pequeo.


Figura del problema 7.1(RK-4)
0
50
100
150
200
250
300
350
400
450
0.0 1.0 2.0 3.0 4.0 5.0
x
f
(
x
)
Yexacta YRK-4





194






















































Inicio
y, x,
h, x
f

Definir f(x, y)
Escribir x, y
x = x + h
x, y
x s x
f
?
fin
N S
DIAGRAMA DE FLUJO METODO DE RK-4
) , (
1
y x f k =
) , (
1
y x f k =
) , (
1 2
1
2
1
2
hk y h x f k + + =

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

Ax = h
f(x, y) = Ec.
x, y = cond. Inic.

195
7.2.4.1.6 Mtodo de Runge-Kutta de orden superior

Donde se requiera de mayor exactitud, aunque el mtodo de RK de cuarto
orden es muy exacto, se recomienda el mtodo de Runge-Kutta de quinto orden,
Butcher (1964). Butcher encontr que los valores de y se obtienen con:

| |
6 5 4 3 1 1
7 32 12 32 7
90
k k k k k
x
y y
i i
+ + + +
A
+ =
+
(7-51)

en la que

) , (
1 i i
y x f k = 7-52)

) , (
1 4
1
4
1
2
xk y x x f k
i i
A + A + = (7-53)

) , (
2 8
1
1 8
1
4
1
3
xk xk y x x f k
i i
A + A + A + = (7-54)

) , (
3 2 2
1
2
1
4
xk xk y x x f k
i i
A + A A + = (7-55)

) , (
4 16
9
1 16
3
4
3
5
xk xk y x x f k
i i
A + A + A + = (7-56)

) , (
5 7
8
4 7
12
3 7
12
2 7
2
1 7
3
6
xk xk xk xk xk y x x f k
i i
A + A A + A + A A + = (7-57)


Ejempo 7.6 Solucin por el mtodo de RK-Orden superior (Mtodo de quinto orden)

En este caso, las ecuaciones a usarse son de (7-51) a (7-57), las cuales
quedan para este problema como,

| |
6 5 4 3 1 1
7 32 12 32 7
90
5 . 0
k k k k k y y
i i
+ + + + + =
+


en la que

) , (
1 i i
y x f k = = 2x
i
+ y
i

) , (
1 4
1
4
1
2
xk y x x f k
i i
A + A + = = 2(x
i
+0.125) +(y
i
+0.125*k
1
)

196
) , (
2 8
1
1 8
1
4
1
3
xk xk y x x f k
i i
A + A + A + = =2(x
i
+0.125)+(y
i
+0.0625*(k
1
+k
2
))

) , (
3 2 2
1
2
1
4
xk xk y x x f k
i i
A + A A + = =2(x
i
+0.25)+(y
i
0.25k
2
+0.5k
3
)

) , (
4 16
9
1 16
3
4
3
5
xk xk y x x f k
i i
A + A + A + = =2(x
i
+0.375)+(y
i
+0.09375k
1
+0.28125k
4
)

) , (
5 7
8
4 7
12
3 7
12
2 7
2
1 7
3
6
xk xk xk xk xk y x x f k
i i
A + A A + A + A A + = =2(x
i
+ 0.5) + ( y
i
-1.5/7k
1

+ 1/7*k
2
+ 6/7*k
3
- 6/7*k
4
+ 4/7*k
5
)

Sustituyendo, como siempre - en ecuaciones anteriores - las condiciones
iniciales, se lleg a los siguientes resultados.

) , (
1 i i
y x f k = = 1.000

) , (
1 4
1
4
1
2
xk y x x f k
i i
A + A + = = 1.375
) , (
2 8
1
1 8
1
4
1
3
xk xk y x x f k
i i
A + A + A + = = 1.398
) , (
3 2 2
1
2
1
4
xk xk y x x f k
i i
A + A A + = = 1.855
) , (
4 16
9
1 16
3
4
3
5
xk xk y x x f k
i i
A + A + A + = = 2.366
) , (
5 7
8
4 7
12
3 7
12
2 7
2
1 7
3
6
xk xk xk xk xk y x x f k
i i
A + A A + A + A A + = = 2.942

| |
6 5 4 3 1 1
7 32 12 32 7
90
5 . 0
k k k k k y y
i i
+ + + + + =
+
= 1.946

Repitiendo el proceso, es decir, con x
1
= 0.5 e y
1
=1.946 y, as para los
valores subsecuentes, se lleg a:

x y
Exacta
k
1
k
2
k
3
k
4
k
5
k
6
Y
RK-5
E(%)
0.000 1.000 1.000 1.375 1.398 1.855 2.366 2.942 1.000 0.000
0.500 1.946 2.946 3.564 3.603 4.357 5.198 6.148 1.946 0.000
1.000 4.155 6.155 7.174 7.238 8.480 9.867 11.434 4.155 0.000
1.500 8.445 11.445 13.126 13.231 15.279 17.565 20.149 8.445 0.000
2.000 16.167 20.167 22.938 23.111 26.488 30.258 34.518 16.167 0.000
2.500 29.547 34.548 39.116 39.402 44.969 51.184 58.208 29.548 0.000
3.000 52.257 58.257 65.789 66.260 75.439 85.686 97.267 52.257 0.000
3.500 90.346 97.347 109.765 110.541 125.676 142.569 161.663 90.347 0.000
4.000 153.794 161.795 182.270 183.549 208.503 236.355 267.835 153.795 0.001
4.500 259.051 268.053 301.810 303.919 345.060 390.981 442.883 259.053 0.001
5.000 433.239 433.242 0.001


197
Problemas propuestos

Resuelva las siguientes ecuaciones diferenciales ordinarias, por el mtodo que se
indica:

Problema Ecuacin diferencial Mtodo de solucin
7.1
1 ) 0 ( =
=
y
x y
dx
dy

RK-2, At=0.5 y t
final
= 10
RK-4, At=0.5 y t
final
= 10
Grafique los resultados
7.2
1 ) 0 (
2
=
+ =
y
x y
dx
dy

RK-3, Euler y graficar los
resultados.
Ax=0.2 y x
final
=4
7.3
1 ) 0 (
) (
2
=
+ =
y
t x
dt
dy

Heun y RK-3. Grafique
los resultados
At=0.2 y t
final
= 3
7.4
3 ) 0 (
4
=
=
y
xy
y
x
dx
dy

Euler, At = 0.5 y t
final
= 3
RK-4, At = 0.5 y t
final
= 3
Haga una grfica
7.5
0 ) 0 (
1
2
=
= +
y
y
dt
dy

Heun, At= 1 y t
final
= 10
RK-4, At=1 y t
final
= 10

7.6
16 ) 0 (
05 . 0 1 . 0
=
=
h
h
dt
dh

Heun, At= 10 y h
final
= 0
RK-4, At= 10 y h
final
= 0
Haga una grfica
7.7
1 ) 0 (
2
=
=
y
y yx
dx
dy

RK-3, Ax= 0.5 y x
final
= 10
Euler, Ax= 0.5 y x
final
= 10
Haga una grfica
7.8
3 ) 0 (
4
=
=
y
y
t
y
dt
dy

RK-2, Ax= 0.5 y x
final
= 15
RK-4, Ax= 0.5 y x
final
= 15
Euler, Ax= 0.5 y x
final
= 15


7.9 Haga un programa de computadora, en compilador FORTRAN GWBASIC,
para el mtodo de RK de orden 4, que resuelva todos los problemas anteriores.



198
Problema Ecuacin diferencial Mtodo de solucin
7.10
1 ) 0 (
1
=
= +
y
ty
dt
dy

Heun, At= 1 y t
final
= 10
RK-4, At= 1 y t
final
= 10
Haga una grfica
7.11
2 . 1 ) 5 . 2 (
0
=
= +
y
y
dx
dy

Euler, Ax= 0.5 y x
final
= 10
RK-3, At= 0.5 y x
final
= 10
Haga una grfica de
conjunto si la solucin
exacta es y=3/x
Calcule el error relativo.
7.12
1 ) 0 (
3
=
= +

y
e y
dt
dy
t

Euler, At= 0.2 y t
final
= 3
RK-3, At= 0.2 y t
final
= 3
Haga una grfica
7.13
5 . 0 ) 0 (
) 1 (
2
=
=
y
t
dt
dy

RK-2, At= 0.5 y x
final
= 8
RK-4, At= 0.5 y x
final
= 8
Euler, At= 0.5 y x
final
= 8
7.14
1 ) 0 (
0
=
= +
y
y y
dt
dy

RK-3, Ax= 0.5 y x
final
= 10
Heun, Ax= 0.5 y x
final
= 10
Euler, Ax= 0.5 y x
final
= 10
7.15
1 ) 0 (
) (
=
= +
y
t sen y
dt
dy

Heun y RK-3. Grafique
los resultados
At=0.2 y t
final
= 5
7.16
0 ) 0 (
5 3
=
+ =
y
y
dt
dy

RK-2, Ax= 0.5 y x
final
= 5
RK-4, Ax= 0.5 y x
final
= 5
Euler, Ax= 0.5 y x
final
= 5
7.17
1 ) 0 (
1
=
= +
y
ty
dt
dy

Euler, At= 0.10 y t
final
= 7
RK-3, At= 0.10 y t
final
= 7
Haga una grfica
7.18
0 ) 0 (
1
=
+ =
y
ty
dt
dy

Heun, At= 0.1 y t
final
= 6
RK-4, At= 0.1 y t
final
= 6
Haga una grfica


7.20 Haga un programa de computadora, en compilador FORTRAN GWBASIC,
para los mtodos de RK de orden 3 y Heun, que resuelva todos los problemas 7.10-
7.18.


199

BIBLIOGRAFA






1. Robert W. Hornbeck,Ph.D./NUMERICAL METHODS/QPI (QUANTUM
PUBLISHERS, INC.)

2. Steven C. Chapra y Raymond P. Canale/METODOS NUMERICOS PARA
INGENIEROS/McGraw-Hill.

3. Shoichiro Nakamura/ METODOS NUMERICOS APLICADOS CON
SOFTWARE/PRENTICE-HALL HISPANOAMERICANA, S.A.

4. Luthe.Olivera.Schutz/ MTODOS NUMRICOS/Limusa

5. Erwin Kreyszig/ MATEMTICAS AVANZADAS PARA INGENIERA
VOL.1/Limusa.

6. Leithold/ EL CLCULO con Geometra Analtica/Harla

7. Michael Spivak/ CLCULO INFINITESIMAL/Ediciones RPLA,S.A.

8. Shepley L. Ross/ DIFFERENTIAL EQUATIONS- Segunda edicin/ Jhon
Wiley & Sons, Inc.

9. Frank Ayres, Jr & Elliot Mendelson/ CLCULO DIFERENCIAL E INTEGRAL/
Mc Graw-Hill

10. Luciano Couder, Alonso/ TEORIA DE ECUACIONES
ALGEBRAICAS/Limusa.






200

APNDICE A

SERIE DE TAYLOR









A.1 Introduccin

La serie de Taylor es la base de los mtodos numricos. Muchas de las
tcnicas numricas son derivadas directamente de la Serie de Taylor, como son los
estimadores de errores involucrados en esas tcnicas. Aunque se supone que el
lector est familiarizado con la Serie de Taylor, se consider necesario dar algunos
elementos tericos de la misma.



A.2 Definicin

Sea f(x) una funcin tal que f(x) y sus n primeras derivadas sean continuas
en el intervalo cerrado |a-b|. Adems, f
n+1
(x) existe para toda x en el intervalo
abierto (a, b); entonces, hay un nmero en el intervalo abierto (a, b) tal que


) (
)! 1 (
) (
) (
!
) (
...
) (
! 3
) (
) (
! 2
) (
) ( ) ( ) ( ) (
1
1
) (
3 2

+
+
+

+
+ ' ' '

+ ' '

+ ' + =
n
n
n
n
f
n
a b
a f
n
a b
a f
a b
a f
a b
a f a b a f b f
(A-1)

La ecuacin anterior tambin es vlida si b < a; en tal caso |a-b| se reemplaza por
|b-a| y (a, b) por (b, a). Ntese que cuando n = 0, ecuacin (A-1) se transforma en:

) )( ( ) ( ) ( a b f a f b f ' + =
201

donde est entre a y b. Esto corresponde al teorema del valor medio.
Si en (A-1) b es sustituida por x, se obtiene la frmula de Taylor, quedando:

) (
)! 1 (
) (
) (
!
) (
...
) (
! 3
) (
) (
! 2
) (
) (
! 1
) (
) ( ) (
1
1
) (
3 2

+
+
+

+
+ ' ' '

+ ' '

+ '

+ =
n
n
n
n
f
n
a x
a f
n
a x
a f
a x
a f
a x
a f
a x
a f x f
(A-2)

donde est entre a y x. Indicando con esto que el valor de una funcin f(x) puede
ser expresado en la regin de x cerca de x = a, por la serie infinita de potencias.

El caso especial de la frmula de Taylor que se obtiene cuando a = 0, en ( A-
2) es:

) (
)! 1 (
) 0 (
!
...
) 0 (
! 3
) 0 (
! 2
) 0 (
! 1
) 0 ( ) (
1
1
) (
3 2

+
+
+
+ +
+ ' ' ' + ' ' + ' + =
n
n
n
n
f
n
x
f
n
x
f
x
f
x
f
x
f x f
(A-3)

donde est entre 0 y x. Esta frmula se denomina frmula de Maclaurin, en honor
al matemtico escocs Colin Maclaurin (1698- 1746). Sin embargo, la frmula fue
obtenida anteriormente por Taylor y otro matemtico ingls, James Stirlin (1692-
1770).

Al polinomio que resulta en (A-2) y en (A-3) al quitar el residuo, se conocen
como polinomio de Taylor y polinomio de Maclaurin, respectivamente. Por lo que,
una funcin f(x), se puede aproximar por medio de un polinomio de Taylor en un
nmero a o bien por un polinomio de Maclaurin.


Ejemplo A.1. Se calcula el polinomio de Maclaurin de n-simo grado, para la
funcin exponencial natural. Si f(x) = e
x
, todas las derivadas f(x) en x son e
x
y sus
valores en x = 0 son unitarios; por tanto, de (A-3), se tiene:

!
...
! 3 ! 2
1 ) 1 (
!
... ) 1 (
! 3
) 1 (
! 2
) 1 (
! 1
1 ) (
3 2 3 2
n
x x x
x
n
x x x x
x p
n n
n
+ + + + + = + + + + + =

por tanto,
202

!
...
! 3 ! 2
1
3 2
n
x x x
x e
n
x
+ + + + + = (A-4)

As, los primeros cuatro polinomios de Maclaurin, de la funcin exponencial, son:

1 ) (
0
= x p
! 1
1 ) (
1
x
x p + =

! 2
1 ) (
2
2
x
x x p + + =
! 3 ! 2
1 ) (
3 2
3
x x
x x p + + + =

En las siguientes figuras se muestra, grficamente, la aproximacin que se tiene al
incrementar los trminos del polinomio de Maclaurin. No olvide que este polinomio
es un caso especial del polinomio de Taylor.


-2
-1
0
1
2
3
4
5
6
-2 -1 0 1 2
x
f
(
x
)
f(x)=ex Po=1 P1(x)=1+x P2(x) P3(x)

Figura del ejemplo A.1



Ejemplo A-2. Ahora se determina el polinomio de Maclaurin de n-simo grado, para
la funcin senox. Si f(x) = seno(x), entonces;

X F(x) f(x) f(x) f(x) f
iv
(x) f
v
(x) f
vi
(x)
senx cosx -senx -cosx senx cosx -senx
0 0 1 0 -1 0 1 0
Etc.
203

De (A-3) se llega a,

)! 1 2 (
) 1 ( ..
! 7 ! 5 ! 3 ! 1
0 ) (
1 2
1
7 5 3

+ + + + =

n
x x x x x
x p
n
n
n


es decir,

)! 1 2 (
) 1 ( ..
! 7 ! 5 ! 3 ! 1
1 2
1
7 5 3

+ + + =

n
x x x x x
senx
n
n
(A-5)

As 0 ) (
0
= x p
! 1
0 ) (
1
x
x p + =

! 1
0 ) (
2
x
x p + =
! 3 ! 1
0 ) (
3
3
x x
x p + =

6 ! 1
0 ) (
3
4
x x
x p + =
120 6 ! 1
0 ) (
5 3
5
x x x
x p + + = =P
6


8
7 5 3
7
5040 120 6 ! 1
0 ) ( p
x x x x
x p = + + =

A continuacin se grafican P
1
, P
5
y P
7



204

Ejemplo A-3. Con los resultados de los ejemplos anteriores, (A-4) y (A-5), encontrar
e
0.5
, e
senx
, e
2
, e
-1
y sen2x.

Solucin. Segn (A-3) la funcin e
x
(x en radianes) se aproxima por:
!
...
! 6 ! 5 ! 4 ! 3 ! 2
1
6 5 4 3 2
n
x x x x x x
x e
n
x
+ + + + + + + + =

por lo que, puede escribirse:

para x = 0.5

= + + + + + + + + =
!
5 . 0
...
! 6
5 . 0
! 5
5 . 0
! 4
5 . 0
! 3
5 . 0
! 2
5 . 0
5 . 0 1
6 5 4 3 2
5 . 0
n
e
n


para x = senx

!
...
! 6 ! 5 ! 4 ! 3 ! 2
1
6 5 4 3 2
n
senx senx senx senx senx senx
senx e
n
senx
+ + + + + + + + =

para x = 2

= + + + + + + + + =
!
2
...
! 6
2
! 5
2
! 4
2
! 3
2
! 2
2
2 1
6 5 4 3 2
2
n
e
n


y para x = -1

=

+ +

+ + =

!
) 1 (
...
! 6
) 1 (
! 5
) 1 (
! 4
) 1 (
! 3
) 1 (
! 2
) 1 (
1 1
6 5 4 3 2
1
n
e
n


Ahora de (A-5)

Para x=2x

)! 1 2 (
) 2 (
) 1 ( ..
! 7
) 2 (
! 5
) 2 (
! 3
) 2 (
! 1
2
2
1 2
1
7 5 3

+ + + =

n
x x x x x
x sen
n
n



205
Ejemplo A-4. Encontrar la expansin en la serie de Taylor cerca de x = 0 para la
funcin f(x) = log
e
(1-x ). Cul es el radio de convergencia de esta serie?

Solucin. La funcin y sus derivadas son:

f(x) = log
e
( 1-x), si a = 0--- f(a) =log
e
(1)


x
x f

= '
1
1
) ( si x = a = 0 f (a) = -1


2
) 1 (
1
) (
x
x f

= ' ' si x = a = 0 - f (a) = -1

3
) 1 (
2
) (
x
x f

= ' ' ' si x = a = 0 f (a) = -2

4
) 1 (
6
) (
x
x f
IV

= si x = a = 0 - f
IV
(a) = -6



De A-2, se tiene: log
e
(1-x)= log
e
(1) + x(-1) + ... ) 6 (
! 4
) 2 (
! 3
) 1 (
! 2
4 3 2
+ + +
x x x


log
e
(1-x)= -x - ...
4 3 2
4 3 2

x x x


Para encontrar el radio de convergencia de la serie, aplicamos la prueba:



x
n
nx
n
x
n
x
lm
x
n
n
x
=
+
=
+
>
+
>
1
lim
1
1


Esta prueba indica que la serie converge absolutamente, si este radio es
menor que 1. De este modo, el radio de convergencia de la serie es , x , < 1. La
prueba hecha no nos indica que si , x , = 1, pero notamos que si x = +1, entonces,
tenemos el negativo de,

206
...
4
1
3
1
2
1
1 + + + +

la cuales la conocida serie divergente armnica. Si x = -1, tenemos la serie,

...
4
1
3
1
2
1
1 + +

la cul es convergente. Por tanto, la serie es convergente para 1 s x < 1.































207



Apndice B

Ceros (c
k
) y pesos (w
k
) de la cuadratura de Gauss Legendre
n c
k
w
k

2 0.5773502692 1.0000000000
3 0.0000000000
0.7745966692
0.8888888889
0.5555555556
4 0.3399810436
0.8611363116
0.6521451549
0.3478548451

5
0.0000000000
0.5384693101
0.9061798459
0.5688888889
0.4786286705
0.2369268850

6
0.2386191861
0.6612093865
0.9324695142
0.4679139346
0.3607615730
0.1713244924


7
0.0000000000
0.4058451514
0.7415311856
0.9491079123
0.4179591837
0.3818300505
0.2797053915
0.1294849662


8
0.1834346425
0.5255324099
0.7966664774
0.9602898565
0.3626837834
0.3137066459
0.2223810345
0.1012285363


9
0.0000000000
0.3242534234
0.6133714327
0.8360311073
0.9681602395
0.3302393550
0.3123470770
0.2606106964
0.1806481607
0.0812743884


10
0.1488743390
0.4333953941
0.6794095683
0.8650633667
0.9739065285
0.2955242247
0.2692667193
0.2190863625
0.1494513492
0.0666713443


12
0.1252334085
0.3678314990
0.5873179543
0.7699026742
0.9041172564
0.9815606342
0.2491470458
0.2334925365
0.2031674267
0.1600783285
0.1069393260
0.0471753364



208





Ceros y pesos de la cuadratura de Gauss Legendre (continuacin..)

N c
k
w
k




16
0.0950125098
0.2816035508
0.4580167777
0.6178762444
0.7554044084
0.8656312024
0.9445750231
0.9894009350
0.1894506105
0.1826034150
0.1691565194
0.1495959888
0.1246289713
0.0951585117
0.0622535239
0.0271524594




20
0.0765265211
0.2277858511
0.3737060887
0.5108670020
0.6360536807
0.7463319065
0.8391169718
0.9122344283
0.9639719273
0.9931285992
0.1527533871
0.1491729865
0.1420961093
0.1316886384
0.1181945320
0.1019301198
0.0832767416
0.0626720483
0.0406014298
0.0176140071





24

0.0640568929
0.1911188675
0.3150426797
0.4337935076
0.5454214714
0.6480936519
0.7401241916
0.8200019860
0.8864155270
0.9382745520
0.9747285560
0.9951872200
0.1279381953
0.1258374563
0.1216704729
0.1155056681
0.1074442701
0.0976186521
0.0861901615
0.0733464814
0.0592985849
0.0442774388
0.0285313886
0.0123412298