Departamento de Estadstica y Matemtica Aplicada

Universidad de Almera

Clculo Numrico para I.T.I.G.

Apuntes

Jos Antonio Rodrguez Lallena

Almera, 24 de febrero de 2011

ndice general
Introduccin 1. ANLISIS DE ERRORES
1.1. 1.2. Nmeros mquina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Redondeo, desbordamiento y cancelacin . . . . . . . . . . . . . . . . . . . . 1.2.1. 1.2.2. 1.2.3. 1.3. 1.4. Errores de redondeo Errores de cancelacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 7
7 10 11 14 15 16 18

Errores de desbordamiento . . . . . . . . . . . . . . . . . . . . . . . .

Error absoluto y error relativo . . . . . . . . . . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2. RESOLUCIN NUMRICA DE ECUACIONES Y SISTEMAS NO LINEALES

2.1. 2.2. Introduccin a los nmeros complejos . . . . . . . . . . . . . . . . . . . . . . Soluciones de ecuaciones y su multiplicidad . . . . . . . . . . . . . . . . . . . 2.2.1. 2.2.2. 2.3. Ecuaciones polinmicas, races y su multiplicidad . . . . . . . . . . . . . . . . . . .

23
23 26 26 29

Races y su multiplicidad en ecuaciones no polinmicas

Mtodos de biseccin, de la

regula falsi

y 31 31 34 35 37

de la secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1. 2.3.2. 2.3.3. 2.4. 2.5. Mtodo de biseccin Mtodo de la

regula falsi

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

Mtodo de la secante . . . . . . . . . . . . . . . . . . . . . . . . . . .

Mtodo de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . Mtodo de Newton-Raphson para sistemas de ecuaciones no lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

39 41

2.6.

Ejercicios

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

3. RESOLUCIN NUMRICA DE SISTEMAS DE ECUACIONES LINEALES

3.1. 3.2. 3.3. 3.4. 3.5. Preliminares de lgebra Lineal . . . . . . . . . . . . . . . . . . . . . . . . . Normas matriciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Condicionamiento de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . Mtodos iterativos de resolucin de sistemas lineales . . . . . . . . . . . . . . Mtodos de Jacobi y de Gauss-Seidel 3.5.1. . . . . . . . . . . . . . . . . . . . . . .

49
49 54 56 58 59 60

Mtodo de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.5.2. 3.6. 3.7.

Mtodo de Gauss-Seidel

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

61 63 64

Mtodo de las potencias Ejercicios

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

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

4. INTERPOLACIN DE FUNCIONES
4.1. 4.2. 4.3. 4.4. Problemas de interpolacin y de aproximacin de funciones . . . . . . . . . . Interpolacin polinomial: la frmula de Newton Interpolacin mediante funciones Ejercicios

73
73 75 78 82 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

spline

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

5. INTEGRACIN NUMRICA
5.1. 5.2. Frmulas simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Frmulas compuestas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1. 5.2.2. 5.3. Mtodo de los trapecios . . . . . . . . . . . . . . . . . . . . . . . . .

87
87 88 89 89 90 90 92 94

Mtodo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Estudio del error de las frmulas compuestas . . . . . . . . . . . . . . . . . . 5.3.1. 5.3.2. Error de la frmula de los trapecios . . . . . . . . . . . . . . . . . . . Error de la frmula de Simpson . . . . . . . . . . . . . . . . . . . . .

5.4.

Ejercicios

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

Bibliografa

99

Introduccin
El objetivo principal de estos apuntes es facilitar el trabajo de los alumnos (que, por ejemplo, no necesitarn tomar nota en clase de las deniciones, resultados, etc.) y, en particular, el estudio de la asignatura. Los apuntes desarrollan de manera concisa y concreta la teora de la asignatura, que se ilustra con algunos ejemplos; contienen un nmero ms que suciente de ejercicios propuestos para que se resuelvan a mano, con calculadora o con ordenador en clase o en el estudio personal de cada alumno. Las relaciones de ejercicios terminan con algunas cuestiones tericas que se han preguntado en exmenes de la asignatura.

Mathematica ica Numrico

Los apuntes no contienen la parte de la asignatura que se desarrolla con el programa , pero s tratan de algunas cuestiones relacionadas, y proponen ejercicios que

deben ser resueltos con la ayuda de dicho programa. puede encontrarse en Ramrez Gonzlez

en la ayuda del programa, pero tambin puede ser til consultar los manuales de Wolfram [18, 19]. Unas guas ms completas acerca de Y qu es el Clculo Numrico? El son las de Trott [14, 15, 16, 17]. denominado tambin

el al Mathematica Clculo Numrico

Una introduccin sencilla a

. [10]. El manual de

MathematMathematica
se incluye

Anlisis

 es una rama relativamente joven de la Matemtica

que estudia los mtodos

numricos de resolucin de problemas. Y qu son los mtodos numricos? Un

mtodo numrico

de resolucin de un problema

es un conjunto de reglas que permiten obtener una solucin de ese problema (por lo general no exacta, sino aproximada) mediante la realizacin de un nmero nito de operaciones lgicas y algebraicas elementales. La nocin de mtodo numrico se opone por lo general a la de

soluciones exactas del problema. Un es cualquier descripcin ordenada y bien estructurada, paso por paso, de las

mtodo directo algoritmo

de resolucin de un problema, que es aquel que a priori proporciona

operaciones que conlleva un mtodo directo o numrico de resolucin de un problema, desde los datos de entrada hasta los resultados. En el mbito del Clculo Numrico se estudian tambin algunos mtodos directos, pero en esta asignatura solo trataremos con mtodos numricos. Los mtodos numricos requieren normalmente la realizacin de un nmero relativamente grande de operaciones, por lo que el ordenador es una herramienta imprescindible para el desarrollo y la aplicacin del Clculo Numrico. Los algoritmos que se estudian en esta asignatura se implementarn en el ordenador a travs del paquete informtico

 Estos ejercicios se indicarn escribiendo entre corchetes la palabra

siglo XX

Hay logros en esta materia desde hace muchos siglos, pero su gran desarrollo comienza a mediados del

Mathematica

Mathematica

al principio del ejercicio.

El

coste operacional

de un mtodo directo o numrico de resolucin de un problema es

el nmero de operaciones que requiere su aplicacin. El coste operacional de un mtodo hay

redondeo

que tenerlo en cuenta en relacin a la velocidad de clculo del ordenador y a los

errores de

cometidos por el ordenador al realizar las operaciones que conlleva el mtodo. En

el captulo 1 se precisar la nocin de error de redondeo. Los mtodos numricos son imprescindibles para resolver problemas para los que no se conocen mtodos directos de resolucin; o bien para problemas para los que existen mtodos directos pero no son viables (por un excesivo coste operacional, por la importancia de los errores de redondeo, etc.). El Clculo Numrico, se reduce a simples clculos (aunque sean muchos)?; es una rama menor de las Matemticas? La respuesta es en ambos casos negativa: cada mtodo numrico tiene un porqu y unas leyes que se basan en teoremas que tienen tanto peso como en cualquier otra rama de las Matemticas. Los objetivos generales de la asignatura pueden concretarse en los siguientes. 1. Pretende ser un complemento de otras asignaturas de Matemticas, introduciendo mtodos alternativos para la resolucin de los problemas que esas asignaturas dejaban sin resolver (por ejemplo, la resolucin de ciertas ecuaciones o el clculo de ciertas integrales que no son alcanzables por mtodos clsicos del lgebra o del Clculo Innitesimal). 2. Se trata de proporcionar una introduccin al Clculo Numrico, mostrando algunos de los mtodos numricos ms sencillos y a la vez ms utilizados en la resolucin de varios problemas matemticos importantes. 3. Se procurar que el alumno adquiera una nocin de algunas cuestiones importantes que surgen en el desarrollo y aplicacin de los mtodos numricos, tales como el estudio de los distintos errores que pueden producirse, el estudio de la convergencia de los mtodos, etc. 4. Se profundizar en el conocimiento del paquete

Mathematica

en orden a la imple-

mentacin de los mtodos numricos estudiados en la asignatura. Se ha elegido el paquete

Mathematica

entre otros paquetes informticos de clculo matemtico

porque (a) los alumnos ya lo han manejado en otras asignaturas, (b) es un paquete bastante completo y potente, (c) es a la vez relativamente sencillo y (d) est disponible en las aulas de informtica de la Universidad de Almera. Los objetivos y contenidos especcos de la asignatura los detalla su gua docente, que se encuentra en la pgina web del Departamento de Estadstica y Matemtica Aplicada de la Universidad de Almera. Estos apuntes explican la teora de la asignatura y proponen ejercicios para desarrollar su parte prctica. Los conocimientos bsicos que se necesitan para cursar con fruto esta asignatura estn incluidos en las asignaturas Anlisis Real, lgebra Lineal y Matemtica discreta del Plan de estudios de la Titulacin, si bien solo constituyen una parte menor de esas asignaturas y se repasarn parcialmente en estos apuntes. Lgicamente, tambin se necesitarn otros conocimientos matemticos ms bsicos pertenecientes a los estudios preuniversitarios. Agradecer al lector de estos apuntes que me haga llegar cualquier sugerencia para mejorarlos, as como cualquier correccin de erratas o errores que pueda encontrar.

Captulo 1 ANLISIS DE ERRORES

En este captulo se introducen y estudian conceptos y resultados relacionados con distintos tipos de errores numricos, que suelen producirse en diversos procesos tales como la medida, los mtodos numricos de que trataremos en los siguientes captulos y, sobre todo, como consecuencia de realizar operaciones matemticas con ordenadores. De hecho, en este captulo y en toda la asignatura los ordenadores sern fundamentalmente para nosotros mquinas de calcular o computar, calculadoras o computadores que trabajan con nmeros; si bien es cierto que tambin nos interesar en alguna medida su capacidad para el clculo simblico.

1.1.

Nmeros mquina

Las calculadoras y los ordenadores realizan las operaciones aritmticas de un modo distinto a como las aprendimos y a como suelen presentarse en los libros de Matemticas. Para entender esto, conviene recordar que, si bien los conjuntos de nmeros con los que se suele trabajar en Matemticas tienen innitos elementos,

los ordenadores solamente trabajan con

un conjunto nito (aunque pueda ser muy grande) de nmeros, que se denominan

mquina binario

nmeros sistema

(cada mquina tiene su propio conjunto de nmeros mquina, aunque hoy da

este conjunto est bastante estandarizado). En lo que sigue, supondremos que el ordenador con el que trabajamos utiliza el

de representacin de nmeros; aunque todo lo que se diga se podr generalizar a otros

sistemas de representacin. Por brevedad y por simplicidad en la exposicin, utilizaremos un modelo un tanto ms simplicado que los ordenadores ms recientes. Esto no supondr perjuicio sino ms bien benecio para la adquisicin de las ideas fundamentales de este captulo. Por otra parte, el estudiante de Informtica conoce ms a fondo la llamada

de punto otante

aritmtica

(y su normalizacin actual) a travs de otras asignaturas de su Titulacin.

En los ejemplos y ejercicios consideraremos tambin mquinas que supuestamente trabajan en el sistema decimal. Esto es til porque el sistema decimal es ms intuitivo, y desde este sistema se pueden extrapolar muchas consideraciones al sistema binario; y, a veces, tam-

 Es el caso del conjunto

entre otros.

de los nmeros naturales, del conjunto

de los nmeros enteros, del conjunto

Q de los nmeros racionales, del conjunto R de los nmeros reales y del conjunto C de los nmeros complejos,

bin ser til para resaltar algunas diferencias que existen entre el sistema binario y otros sistemas de representacin. Por ejemplo, del mismo modo que en el sistema decimal se tiene que

2032,5403 = (2 103 + 0 102 + 3 101 + 2 100 + 5 101 + 4 102 + 0 103 + 3 104 ),

en el sistema binario se tiene que

101,11012 = (1 22 + 0 21 + 1 20 + 1 21 + 1 22 + 0 23 + 1 24 ) (= 5,812510 ).
(a menudo se indica con un subndice la base o sistema en que est representado un nmero). Recordemos que tanto en el sistema binario como en el decimal, los nmeros mquina excepto el cero pueden representarse mediante su

signo mantisa
, su

y su

exponente

. La

mantisa y el exponente vienen determinados por el hecho de que la mantisa, en cualquier base, debe ser de la forma

a1 .a2 a3 . . . de manera que el primer dgito est situado inmediatamente a la izquierda del punto decimal y es no nulo: a1 = 0 (evidentemente, en el caso binario ocurrir siempre que a1 = 1). Por ejemplo, los dos nmeros anteriores pueden expresarse
como sigue:

2032,5403 = 2,0325403 103 ,

101,1101 = 1,011101 22 . 2,0325403

y su exponente

As, el signo en ambos casos es `', la mantisa del primero es es

3,

la mantisa del segundo es

1,011101

y su exponente es

binario, expresaremos los exponentes y su base en base

2: aunque la mantisa est en 10; el ordenador, por supuesto,

los almacena utilizando el mismo sistema que para la mantisa. Un ordenador almacena los nmeros utilizando una cadena de bits dividida en tres partes: la primera parte almacena el signo, la segunda almacena el exponente y la tercera la mantisa. La capacidad para representar nmeros de ese ordenador depende, por tanto, de la longitud establecida para esa cadena de bits, y de la distribucin de esos bits entre la mantisa y el exponente (el signo solo necesita un bit). Como consecuencia de esa distribucin de los bits, cada ordenador tendr un rango de valores para la mantisa y un rango de valores para el exponente. En este captulo, salvo que se diga otra cosa, supondremos que nuestro ordenador puede

53 dgitos (en el sistema binario); y que el rango para el exponente r de los nmeros mquina sea 210 = 1024 r 210 1 = 1023. En los siguientes prrafos
guardar mantisas de hasta vamos a estudiar cuntos nmeros mquina hay en este caso y cmo se distribuyen en la recta real. En primer lugar, un simple clculo permite establecer que el conjunto de nmeros mqui64 na de ese ordenador solo tiene 2 + 1 elementos (hemos contabilizado al cero como nmero 19 mquina); es decir, hay algo ms de 1,8 10 nmeros mquina; muy pocos en relacin con los nmeros reales, que son innitos. En cuanto a cmo se distribuyen los nmeros mquina en la recta real, basta que nos jemos en la parte positiva de la recta (los nmeros mquina negativos se obtienen cambiando el signo a los positivos). Si el exponente del nmero mquina es

r = 0,

entonces el nmero

se reduce a su mantisa. Observe que una mantisa de 53 dgitos puede representar hasta 252 4,5 1015 nmeros distintos, que se sitan en el intervalo [1, 2): el menor de esos 8

nmeros es el

1,02 = 110

y el mayor es

1,11 . . . 112

(en este nmero hay 53 dgitos iguales a

que es un valor muy prximo a 210 . Si el exponente del nmero mquina es r = 1, de 52 nuevo tenemos 2 nmeros mquina, esta vez situados en el intervalo [2, 4); si r = 2, se tiene 52 otros 2 nmeros mquina, todos en el intervalo [4, 8). Por el otro lado, si r = 1 tenemos 52 que hay 2 nmeros mquina en el intervalo [1/2, 1), etc. En general, para todo exponente 52 entero r tal que 1024 r 1023, resulta que hay exactamente 2 nmeros mquina en el r r +1 r intervalo [2 , 2 ), cuya longitud es 2 . Observe que la densidad de nmeros mquina en la semirrecta real positiva aumenta a medida que nos acercamos a cero, y disminuye a medida que nos desplazamos hacia la derecha en dicha semirrecta. Por tanto, todos los nmeros mquina positivos se encuentran en la unin de todos los r r +1 intervalos [2 , 2 ), con 1024 r 1023, unin que es igual al intervalo [21024 , 21024 ) 1024 (2 5,56 10309 y 21024 1,80 10308 ). Como consecuencia, el menor nmero mquina 1024 positivo del ordenador que estamos considerando es precisamente 2 y el mayor es 1023 52 1023 1024 971 971 53 1,11 . . . 112 2 = (2 2 ) 2 =2 2 = 2 (2 1) (que tambin es aproxi308 971 1024 madamente igual a 1,80 10 : aunque 2 sea un nmero grande, resta poco a 2 , que es mucho ms grande). Observemos nalmente que la distancia entre dos nmeros mquina consecutivos depende de la diferencia entre dos valores consecutivos de la mantisa que en nuestro ordenador es 52 igual a 2  y del exponente. Por ejemplo, encontremos los primeros nmeros mquina que 0 siguen al nmero 1, que es el nmero mquina de mantisa 1,0 y exponente 0: 110 = 1,02 2 .

1),

1 es el x1 = 1,000 . . . 01 (hay 51 ceros consecutivos 52 en la mantisa), que en base 10 es x1 = 1 + 2 1 + 2,22 1016 .! Y los nmeros mquina 52 que siguen al x1 son 1 + 2 + 252 = 1 + 251 , 1 + 251 + 252 . . . Por el otro lado, es claro 1 que el nmero mquina anterior al 1 es x1 = 1,11 . . . 112 2 (en la mantisa hay 53 dgitos 52 1 53 iguales a 1); es decir x1 = (2 2 ) 2 = 1 2 , que dista de 1 la mitad que x1 . Al
Luego el nmero mquina siguiente al igual que en estos ejemplos, es fcil concluir que la diferencia entre dos nmeros mquina r r +1 consecutivos situados en el intervalo [2 , 2 ], con 1024 r 1023, es de 2r52 . En resumen, en el ordenador tpico que hemos establecido se producen los siguientes hechos:

64 1. Hay un total de 2 + 1 1,8 1019 nmeros mquina (252 211 = 2048 exponentes y 2 signos, ms el nmero 0).
2. La mantisa menor es

4,5 1015

mantisas,

1,00 . . . 0 = 1,

y la mayor es

1,11 . . . 1 = 2 252 . [2r , 2r+1 )

y

52 nmeros mquina en cada uno de los intervalos 3. Hay un total de 2 r +1 r (2 , 2 ] para todo entero r [1024, 1023].

1024 4. El menor y mayor nmeros mquina positivos son 2 5,56 10309 y 21024 2971 1,80 10308 , respectivamente; mientras que los negativos son 21024 + 2971 y 21024 .
5. La distancia entre dos nmeros mquina consecutivos del intervalo r +1 intervalo [2 , 2r ]) es de 2r52 , para todo 1024 r 1023.
El nmero 52

[2r , 2r+1 ]

(o del

1,11 . . . 112 es igual al siguiente nmero en base 10: 20 + 21 + 22 + + 252 = 2 = 1,9999999999999997779553950749686919152736663818359375 (nmero decimal exacto con 52 cifras x1
es exactamente igual a

decimales, las 15 primeras iguales a 9).

! En concreto,

1,0000000000000002220446049250313080847263336181640625

(nmero decimal exacto con 52 cifras decimales, las 15 primeras iguales a 0).

Examinando lo expuesto en los prrafos anteriores acerca de la distribucin de los nmeros mquina positivos, se pueden observar varias paradojas, como por ejemplo las siguientes:

1024 En el intervalo [0, 2 ) hay un solo nmero mquina, el cero; pero en el intervalo 1024 1023 [2 ,2 ), contiguo al anterior y de la misma amplitud, hay 252 4,51015 nmeros
mquina. En el intervalo

[21024 , 21023 ), como hemos dicho, hay 252 nmeros mquina, y es un 1024 intervalo de amplitud 2 5,56 10309 (pequesima!). Sin embargo, en el intervalo [21024 , ), que es de amplitud innita, no se encuentra ningn nmero mquina.

1023 1024 Hay tantos nmeros mquina en el intervalo [2 , 2 ), que es un intervalo de am1023 307 plitud 2 8,99 10 (enorme!) como en el intervalo [21024 , 21023 ). 1023 1024 La distancia entre dos nmeros mquina consecutivos en el intervalo [2 , 2 ] es 971 292 de 2 1,996 10 ; en el otro extremo, la distancia entre dos nmeros mquina 1024 1023 consecutivos en el intervalo [2 ,2 ) es de 21076 1,235 10324 .
Hay tantos nmeros mquina en el intervalo

(0, 1)

como en el intervalo

[1, ).

Ms adelante volveremos a estas paradojas: en la seccin 1.2 veremos cmo subsanar algunos de los problemas que llevan consigo; y en la seccin 1.3 quiz ya no las veamos tan paradjicas. Con programas como

Mathematica

es posible trabajar de un modo normal, es decir, con

la precisin que permite el uso de los nmeros mquina que acabamos de describir (y as trabaja el programa, por defecto), pero tambin es posible aumentar la precisin: veremos esto en las prcticas de la asignatura. Mencionemos nalmente que

Mathematica

sabe trabajar tambin con nmeros exactos

como si fueran smbolos, de manera que las operaciones que realiza con ellos son exactas. En este caso, cuando son muchas las operaciones a realizar, lo ms probable es que los resultados exactos sean inmanejables y sea necesario obtenerlos de modo numrico (que es lo que ocurrir habitualmente en este asignatura).

1.2.

Redondeo, desbordamiento y cancelacin

Una vez que hemos ilustrado cmo son y cmo se distribuyen los nmeros mquina para un ordenador tpico, podremos entender mejor los errores y problemas derivados del hecho de que el ordenador solo disponga de esos nmeros para representar cualquier cantidad real. Al introducir nmeros en el ordenador y al operar con ellos, muchas veces tales nmeros o los resultados de las operaciones no son nmeros mquina. Nos preguntamos ahora qu hace un ordenador con un nmero

x que no es un nmero mquina. Pueden darse tres situaciones [21024 , 21024 2971 ], que x pertenezca al (21024 , 21024 ).
10

(las explicamos con respecto a dicho ordenador tpico): 1. Que

pertenezca al intervalo

nmeros mquina positivos; o

donde se encuentran todos los 971 intervalo [2 21024 , 21024 ],

donde se encuentran todos los nmeros mquina negativos. 2. Que

x = 0

pertenezca al intervalo

3. Que

pertenezca al intervalo

(21024 2971 , )

o al intervalo

(, 2971 21024 ).

La respuesta a cada una de las tres situaciones anteriores se da en las tres siguientes subsecciones, respectivamente.

1.2.1.

Errores de redondeo

Cualquier nmero que se encuentre en el rango alcanzado por los nmeros mquina positivos o negativos ser

redondeado
y

por el ordenador, es decir, sustituido por un nmero

mquina. A continuacin veremos cmo lo suele hacer.

"

El modo usual de redondeo empleado por los ordenadores y calculadoras actuales es el llamado y

x (m1 , m 2 ),
1. 2.

redondeo simtrico
donde

, que consiste en lo siguiente. Si

x R no es un nmero mquina

m1

m2
si si

son nmeros mquina consecutivos, entonces:

x x

se redondea por se redondea por

m1 m2

m2 x (m1 , m1 + ); 2 m2 x [ m1 + , m2 ). 2

Otro sistema de redondeo es el

redondeo por corte

x ex

, que redondea mediante el nmero

mquina inferior ms prximo: en el caso anterior, cualquier

x (m1 , m 2 )

se redondea por

m1 .
Para cualquier tipo de redondeo, si entonces se dene el

error de redondeo

es el resultado de redondear un nmero real

x,

como el valor absoluto de la diferencia entre el

nmero y su redondeo:

ex = |x x |.
En la seccin 1.3 extenderemos esta denicin al redondeo de nmeros complejos, puntos n de R , etc. El concepto de error de redondeo puede extenderse tambin al que es producido por una acumulacin de errores de redondeo en el resultado de varias operaciones (vase el ejemplo 1.5 ms abajo). Donde se produzcan errores de redondeo normalmente ser necesario asegurarse de que esos errores no sobrepasan ciertas cotas, para que el resultado redondeado sea admisible. Esto es comn a todo tipo de errores: a lo largo de la asignatura nos ocuparemos de acotar errores de distinto tipo. Los dos ejemplos siguientes ilustran los conceptos introducidos sobre el redondeo.

Ejemplo 1.1

Supongamos que una calculadora trabaja en base 10 con ocho dgitos de

mantisa, y que realiza redondeo simtrico. Como = 3,14159265358979 . . . , el valor del nmero que guarda esta calculadora es = 3,1415927. Luego el error de redondeo para 8 dicho nmero es e = | | 4,64102 10 . Pero si no tenemos otra informacin acerca del nmero

que la que proporciona la calculadora, lo que podramos deducir acerca

del verdadero valor de

[3,14159265, 3,14159275): como utiliza redondeo simtrico, el primer valor real cuyo redondeo es es, efectivamente, a = 3,14159265 y el primer nmero mayor que a cuyo redondeo ya no es es b = 3,14159275. 8 Por tanto, e = | | |a | = |b | = 5 10 . 2
sera que se encuentra en el intervalo

" Los redondeos de nmeros complejos, vectores, matrices, etc. se reducen a los redondeos de los nmeros
reales que los forman. Por ejemplo, para redondear el nmero complejo hace es redondear cada uno de los nmeros reales

a + bi

o el vector

(a, b),

lo que se

b.

11

Ejemplo 1.2
(hay

Se ha mostrado ms arriba que

1 = 1,00 . . . 00 20

1 + 252 = 1,00 . . . 01 20

53 dgitos en las mantisas) son dos nmeros mquina consecutivos en nuestro ordenador 1+1+252 tipo. El punto medio entre esos nmeros es = 1 + 253 = 1,00 . . . 001 20 (hay 54 2
dgitos en esta mantisa: no es un nmero mquina). Si el ordenador utilizara el redondeo por corte, entonces todos los nmeros x del intervalo (1, 1+252 ) los redondea por x = 1, y el error de redondeo satisface que ex = |x x | < 252 . En general, cualquier nmero cuya mantisa binaria tenga ms de 53 dgitos, el redondeo por corte se queda con los primeros 53 dgitos y elimina los dems. Si el ordenador utiliza el redondeo simtrico, que es lo habitual, entonces todo nmero x del intervalo (1, 1 + 253 ) lo redondea por x = 1; mientras que cualquier nmero x del 53 intervalo [1 + 2 , 1 + 252 ) lo redondea por x = 1 + 252 . En uno y otro caso es claro 53 que el error de redondeo puede acotarse como sigue: ex = |x x | 2 . En general, para o cualquier nmero cuya mantisa binaria tenga ms de 53 dgitos, si el 54 dgito es igual a

0,

entonces el redondeo simtrico como el redondeo por corte se queda con los primeros o 53 dgitos y elimina los dems; y si el 54 dgito es igual a 1, entonces el redondeo simtrico elige el nmero mquina siguiente al que proporciona el redondeo por corte. Para cualquier ordenador o calculadora, el nmero positivo

tal que la suma numrica

1+

psilon de la mquina

se dene como el menor

da como resultado un nmero (nmero

1. Por tanto, si el ordenador del ejemplo 1.2 utiliza el redondeo simtrico, 53 entonces el psilon de la mquina es = 2 1,11 1016 , ya que cuando el ordenador 53 hace la suma 1 + , para cualquier nmero (0, 2 ), da como resultado 1, mientras 53 52 que la suma 1 + 2 da como resultado 1 + 2 > 1. Si el ordenador aplicara el redondeo 52 por corte, entonces el psilon de la mquina sera = 2 (el doble que para el redondeo 52 simtrico): para cualquier (0, 2 ), el ordenador suma 1 + = 1; y la suma 1 + 252 da 52 como resultado 1 + 2 > 1.
mquina) mayor que Para un ordenador o calculadora dados, es muy conveniente conocer qu

precisin

puede

esperarse de los redondeos que realiza. La cuestin ms simple en este sentido es saber cuntos dgitos correctos consecutivos tendr la mantisa (en base 10) del redondeo de un nmero real cualquiera, contados a partir del primer dgito. Por ejemplo, en el ordenador modelo que venimos usando, habr unos 15 o 16 dgitos correctos, tanto con redondeo simtrico como con redondeo por corte. Veamos un par de ejemplos.

Ejemplo 1.3

53 Partimos del ejemplo 1.2. Si y = 1 + 2 = 1,00000000000000011102 . . . , su 52 = 1,00000000000000022204 . . . y su redondeo por corte redondeo simtrico es ys = 1 + 2 es yc = 1. Por tanto, los redondeos ys e yc coinciden con y en los primeros 16 dgitos de su
mantisa, que son:

1,000000000000000.

En el ordenador habitual, hemos mostrado ms arriba que el nmero mquina 53 53 anterior al 1 es 12 . Consideramos el punto medio z entre 12 y 1, que no es un nmero 54 mquina. Es claro que z = 1 2 = 0,99999999999999994448 . . . , y que sus redondeos por 53 = 1. = 0,9999999999999998889 y zs corte y simtrico son, respectivamente, zc = 1 2 Es claro que zc coincide con z en los primeros 15 dgitos de su mantisa (en base 10), que son:

Ejemplo 1.4

9,99999999999999;

teniendo en cuenta que

1 = 0,999 . . .

(innitos dgitos iguales a 9),

12

y tomando

9,999 . . .

como mantisa del nmero 1, entonces

zc

coincide con

en los primeros

16 dgitos de su mantisa, que son:

9,999999999999999.

2
(vanse por

El lector interesado puede encontrar nociones ms rigurosas del concepto de precisin en la bibliografa, estudiando por ejemplo el concepto de ejemplo [2] y [11]), que se basa en el concepto de

dgitos signicativos error relativo

, que estudiaremos en la seccin

1.3. Por otra parte, veremos que el error relativo producido por el redondeo es tambin una medida de la precisin del redondeo. Los errores de redondeo se producen tanto en la entrada y en la salida de los datos como en todas las operaciones intermedias, y pueden acumularse o cancelarse. La limitacin que para los ordenadores supone la produccin de errores de redondeo es aceptable la mayor parte de las veces, pero en ocasiones puede ocurrir que los redondeos desguren de manera importante el resultado nal de las operaciones. En esta asignatura aprenderemos algunos modos concretos de eludir este problema en determinadas situaciones. Sin embargo, el estudio general de la propagacin de los errores de redondeo est fuera de los objetivos de este curso. Una introduccin se puede encontrar en muchos libros de Anlisis Numrico: por ejemplo, una muy sencilla se encuentra en [9]. Para terminar este apartado, consideramos un ejemplo en el que se realizan un par de operaciones con el programa al realizarlas.

Mathematica
,

y se estudia el error de redondeo que se produce

Ejemplo 1.5
x =

En

3.

es un redondeo de

que utiliza por defecto,

Mathematica 3. x= 3 Mathematica

representa la raz cuadrada numrica de

3.

Por tanto,

(la raz cuadra exacta). Con la precisin y el redondeo produce el siguiente resultado:

3. = 1,7320508075688772. 6
dgitos, como hace

Si

Mathematica

presenta el resultado redondeado simtricamente a

por defecto, entonces muestra

3. = 1,73205,

pero el valor que guarda de

3.

es el que

hemos expresado; o mejor dicho, el nmero en binario cuya representacin en base 10 es aproximadamente igual a

1,7320508075688772. e3

Teniendo en cuenta que el valor exacto de resulta que el error de redondeo es base 10) de

3 es 3 = 1,732050807568877293527 . . . , = | 3 3.| = 9,3527 . . . 1017 y las mantisas (en 3.,

3.

coinciden en sus primeros 17 dgitos.

Si realizamos una segunda operacin, elevando al cuadrado

(hay 15 dgitos iguales a 9).

3, por lo que el error de 2 16 # redondeo que se ha producido al realizar las dos operaciones es e3 = |3 ( 3.) | 4 10 . Tomando 2,999 . . . (con innitos dgitos iguales a 9) como mantisa del resultado exacto 3, 2 resulta que dicha mantisa coincide con la del redondeo ( 3.) en sus primeros 16 dgitos, que son 2,999999999999999. 2
es

( 3.)2 = 2,9999999999999996 2 El resultado exacto de ( 3.)

Mathematica

obtiene

# Hemos escrito 
que muestra

no suele ser exactamente igual al correspondiente nmero en base 2 que guarda el 2 16 programa. De hecho, la respuesta que da a la operacin 3 ( 3.) es 4,440892098500626 10 16 y no 4 10 .

Mathematica

4 1016 

en vez  =

4 1016 

porque, como se ha dicho, el nmero en base 10

Mathematica

13

1.2.2.

Errores de cancelacin

Estudiamos ahora la segunda situacin, que se produce cuando el ordenador recibe o 1024 1024 produce un nmero real x no nulo que pertenece al intervalo (2 ,2 ) (nos referimos al ordenador habitual). En este caso se produce una situacin que suele denominarse de

underow
a

: el ordenador redondea el nmero

por el nmero

0.

Un problema mucho ms grave se produce cuando, a resultas de acumulacin de errores de redondeo, cierto resultado, quiz prximo a 0 (pero no tanto como para situarse en el 1024 1024 intervalo (2 ,2 ): recuerde que 21024 5,56 10309 ), o incluso ni siquiera prximo

(de modo absoluto; de modo relativo s ser proximo a

0.

Entonces se dice que se ha producido una

cancelacin

0),

se redondea por el nmero

. Estas cancelaciones pueden ser

muy peligrosas, sobre todo cuando se dan en operaciones intermedias de un proceso: si no se descubren pueden producir errores muy graves en los resultados nales. Para unicar trminos, consideraremos que un

underow

es un tipo particular de can-

celacin (el problema en s es el mismo: una cantidad no nula que se redondea por que ese sea el ttulo dado a esta subseccin.

0), de ah

Un caso frecuente de cancelacin surge cuando se calcula la diferencia de dos nmeros bastante prximos, y el redondeo del ordenador iguala esa diferencia a 0. Por ejemplo, si x = 1 + 254 e y = 1, nuestro ordenador establecer que x y = 0 (ya que, si usa la precisin 54 habitual, x = 1 + 2 = 1 = y ), cuando en realidad x y 5,5 1017 . Otro ejemplo similar 0 60 6 60 se obtiene sumando un nmero natural a los exponentes (1 = 2 ): si u = 2 + 2 y v = 2 , entonces el ordenador calcular

u v = 0,

cuando en realidad

u v = 64.

Para evitar los errores de cancelacin se pueden emplear diversas tcticas segn el tipo de cancelacin. Son tcticas que son tiles para ciertas situaciones particulares. Aqu solo examinaremos dos de ellas, ambas aplicables a la evaluacin de funciones en ciertos valores en los que se produce una cancelacin: es el caso de una funcin cierto valor

tal que

f (x) = 0

para

de su dominio, pero el ordenador, al redondear, produce como resultado que

f (x) = 0.
La primera tctica se aplica cuando prximo al punto

realmente se anula en algn punto

a relativamente a
donde se

donde

se cancela. En este caso, quiz pueda evitarse la cancelacin

haciendo el desarrollo de Taylor de la funcin a evaluar

respecto del punto

anula. Recordamos a continuacin el teorema que proporciona el mencionado desarrollo de Taylor. En su enunciado se utiliza la siguiente denicin. Sea

en

k N y sea f una funcin real denida en un intervalo I . Se dice que f es de I si f es k veces derivable en I y adems su derivada k -sima f (k) es continua en I .
k

clase

El teorema mencionado es el siguiente.

Teorema 1.1 (de Taylor)

Sea k un nmero natural, y sea f una funcin de clase C en un intervalo I tal que existe f (x) para todo punto x del interior de I . Entonces, para cualesquiera a, x I , con x = a, existe un punto c entre a y x tal que
(k+1) x

f (x) = f (a) +

k f (i) (a) i=1

i!

(x a)i +

A la expresin (1.1) se le denomina funcin

en el punto

a.

frmula o desarrollo de Taylor

14

f (k+1) (cx ) (x a)k+1 . (k + 1)!

de orden

(1.1)

de la

En los problemas propuestos mostramos cmo se aplica este teorema para evitar cancelaciones. Una segunda tctica que suele emplearse cuando aparece una diferencia de funciones que se cancelan es multiplicar y dividir la expresin por su conjugado (por la suma de esas dos funciones). Veamos un ejemplo de esta situacin.

Ejemplo 1.6

Al utilizar una calculadora pequea o incluso

Mathematica

, tendremos un

problema al calcular valores de la funcin

f (x) =
en valores grandes de la variable

1 x+1 x x = 10i ,
con

(1.2)

x.

Por ejemplo, para valores de la forma

un

nmero natural positivo sucientemente grande (la cancelacin produce en este caso un error de la forma

1/0).

Sin embargo, multiplicando en

f (x)

por el conjugado del denominador se

evita la cancelacin, ya que se obtiene que

f (x) =

x+1+

Pruebe lo que pasa en su calculadora o con f (1010 ), f (1015 ) o f (1020 ). Por ejemplo, al tomar

Mathematica
x = 10
20

x.

al calcular por ambos mtodos

en (1.2) se producir un error, ya

que el denominador ser redondeado por cero. Sin embargo, al usar la segunda expresin se 20 obtendr que f (10 ) = 1020 + 1 + 1020 2 1020 = 2 1010 . 2

1.2.3.

Errores de desbordamiento

Estudiamos ahora la tercera situacin considerada al principio de esta seccin, que se produce cuando el ordenador (nos referimos al ordenador tpico) recibe o produce un nmero 1024 real x que pertenece al intervalo (2 2971 , ) o al intervalo (, 2971 21024 ). En este caso se produce una situacin que suele denominarse de ordenador indicara de alguna manera (con las palabras

overow desbordamiento overow error

o , , etc.).

, que el

Para evitar los errores producidos por desbordamiento se pueden emplear diversas tcticas, que dependen mucho del caso concreto. Como ocurre con la cancelacin, el desbordamiento suele producirse en los pasos intermedios de una serie de operaciones, mientras que el resultado nal de ellas sea perfectamente representable por el ordenador. En ese caso, se suele buscar un

reescalamiento

(un cambio de escala) de las operaciones (por ejemplo, sacan-

do factor comn una de las variables que contribuye a que se produzca el desbordamiento). Veamos un ejemplo ilustrativo, esta vez por simplicidad propio de una calculadora pequea (usando

Mathematica

no habra problemas de desbordamiento para este ejemplo).

Si tiene una calculadora pequea, es muy posible que no pueda calcular di3144 rectamente la diferencia 3 101500 , ya que 33144 y 101500 son nmeros demasiado grandes para la calculadora. Pero s puede aproximar bien el resultado si realiza el clculo de la siguiente forma:

Ejemplo 1.7

3144

10

1500

([ ) ) ]1000 33144 33,144 1500 = 10 1 = 10 1 101500 101,5 ( ) 101500 1,0001594087861000 1 0,17280238 101500 . (
1500
15

Por supuesto, el resultado se sita fuera del rango de la calculadora (e incluso del de nuestro ordenador tpico), pero es manejable y se tiene una idea clara de su magnitud.

1.3.

Error absoluto y error relativo

En numerosas ocasiones, el error (de redondeo, de medida, de aproximacin, etc.) que puede presentar un nmero, un punto, un vector, etc. suele describirse desde uno de los puntos de vista que ofrecen los dos conceptos que se estudian en esta seccin y que introducimos a continuacin.

Denicin 1.1
el

error absoluto e

Sea

un nmero real y sea

una aproximacin de ese nmero. Entonces,

x de la aproximacin se dene como el siguiente nmero:

ex = |x x |;
y siempre que

(1.3)

x = 0

su

error relativo r

x es la siguiente proporcin:

ex x x rx = = . |x| x

(1.4)

Por ejemplo, el error de redondeo denido en la subseccin 1.2.1 es el error absoluto de la aproximacin de un nmero por su redondeo. Veamos un ejemplo en el que tambin se calcula el

error de redondeo relativo

En la seccin 1.1 se ha mostrado que para el ordenador tpico establecido r r +1 la distancia entre dos nmeros mquina consecutivos del intervalo [2 , 2 ] es de 2r52 , para todo

Ejemplo 1.8

1024 r 1023.

Y que con el redondeo simtrico, el punto medio de esos intervalos

se redondea por el nmero mquina mayor. As, en el ejemplo 1.2, para r = 0, mostramos 53 52 60 que si x = 1 + 2 su redondeo era x = 1 + 2 . Si consideramos r = 60 y u = 2 + 27 , 60 60 8 resulta que u [2 , 2 + 2 ], que es un intervalo cuyos extremos son dos nmeros mquina 60 8 consecutivos. Es claro que el redondeo de u es u = 2 +2 . Por tanto, los errores de redondeo propiamente dichos (es decir, los absolutos) son

ex = |x x | = 253 1,11 1016

Sin embargo los errores relativos son

eu = |u u | = 27 = 128.

ex 253 rx = = |x| 1 + 253

ex 27 253 ru = = 60 = . |x| 2 + 27 1 + 253 2

Luego la distribucin de nmeros mquina a lo largo de la recta real ya no es tan paradjica, puesto que genera errores relativos similares.

En el ejemplo anterior se observa el inters del error relativo. Este informa mejor que el absoluto acerca de la precisin de una aproximacin, ya que es una proporcin de error respecto del nmero aproximado. Evidentemente, no es lo mismo que haya un error absoluto de

kg en una bscula para personas que en una para camiones.

16

El error relativo suele darse tambin en tanto por ciento: un error relativo de

rx

(que es

un tanto por uno, una proporcin, como hemos dicho) es lo mismo que un error relativo del

100 rx %.
Hay libros que denen los conceptos de la denicin 1.1 sin valor absoluto, pero de hecho

luego utilizan principalmente el valor absoluto de los errores. Adems, con valor absoluto se facilita la extensin de dichos conceptos a otros conjuntos: la denicin 1.1 puede extenderse n a R o, en general, a cualquier espacio normado, concepto que introducimos a continuacin.

Denicin 1.2
una

R,
(a) (b) (c)

norma

Un

espacio normado V
u

es un espacio vectorial real en el que se ha denido tal que, para cualesquiera

, es decir, una aplicacin

: V [0, )

u, v V

se satisfacen las siguientes propiedades: si y solo si es el elemento neutro de

u = 0

V;

u = ||u; u + v u + v . n-dimensional es un ejemplo de espacio normado. Recuerde n vector u = (u1 , u2 , . . . , un ) de R se dene como sigue: 2 2 u = u2 1 + u2 + + un .
que la

norma eucldea

El espacio eucldeo de un

Observe que las tres propiedades de la denicin de norma tienen una sencilla interpretacin 2 3 geomtrica en el caso de la norma eucldea en R y R . Otro ejemplo de espacio normado es el conjunto como norma el mdulo. En todo espacio normado denida por

de los nmeros complejos, tomando

se puede denir una

distancia mtrica d : V V [0, )

o

d(u, v ) = u v
En un espacio normado (incluido

para cualesquiera

u, v V.

R),

las frmulas (1.3) y (1.4) de los errores absoluto y

relativo se escriben respectivamente de la siguiente forma:

ex = x x ,

rx =

ex x x = . x x x
y su aproximacin

Observe que el error absoluto es la distancia entre

x : ex = d(x, x ).

En muchos problemas del Clculo Numrico interesa tener alguna informacin acerca de la magnitud del error absoluto o del error relativo que se ha producido en un resultado. Ya lo hemos visto en el caso del redondeo. Como en este caso, dicha informacin consistir muchas veces en la obtencin de cotas de esos errores. Lgicamente, se procurar que esas cotas sean tan ajustadas como se pueda conseguir: cuanto menores sean, mejor informacin proporcionan sobre los errores. Tanto en este captulo como en los siguientes, cuando se pida en algn ejercicio que se obtenga una cota de un determinado error, se sobreentender, por tanto, que dicha cota debe ser la menor que se pueda conseguir. Del mismo modo, cuando se pida un intervalo donde se encuentre un determinado nmero que se est aproximando (podr ser una integral, la solucin de una ecuacin, etc.), tambin se entender que debe

17

obtenerse a partir de las mejores cotas que se puedan encontrar. E igualmente se actuar en otros problemas similares. En el ejemplo 1.1 obtuvimos un cota de un error de redondeo (absoluto). En concreto, 8 probamos que e 5 10 . En cuanto al error relativo, se tiene que

r =

5 108 5 108 5 e < = 1,59155 108 . 3,14159265 314159265 r ,

puesto que

El siguiente resultado generaliza lo que acabamos de realizar para acotar

permite acotar el error relativo cuando se tiene una cota del error absoluto, siempre que se satisfaga una hiptesis bastante liviana.

Teorema 1.2

Supongamos que x es una aproximacin de un elemento x de un espacio normado (V, ). Si se conoce una cota del error absoluto e tal que < x , entonces se tiene que
x x x

rx

Observe que la condicin

x < x

es casi irrelevante: es un caso muy extrao que la

cota del error absoluto sea mayor o igual que el valor absoluto de la aproximacin. El siguiente resultado permite acotar el error absoluto cuando se tiene una cota del error relativo, siempre que esta cota cumpla una condicin muy poco exigente.

Teorema 1.3

Supongamos que x es una aproximacin de un elemento x de un espacio normado (V, ). Si se conoce una cota < 1 del error relativo r , entonces se tiene que
x x

ex
1.4. Ejercicios

x x . 1 x

1. Supongamos que se dispone de un procesador muy simple, que trabaja en base diez, con una cifra de mantisa y exponente entre

a b c

1.

) Obtenga todos los nmeros mquina que puede manejar este procesador. ) Represente los nmeros mquina anteriores en una recta real. Entre ellos aparecern huecos: son todos los huecos de la misma longitud? ) Obtenga los errores absolutos y relativos que comete este procesador al representar los nmeros

1,3, 0,13, 1,02

0,102.

Obtenga los errores relativos de dos formas,

una de ellas utilizando el teorema 1.2 2. [

Mathematica Mathematica

] Muestre en la pantalla de su ordenador todos los nmeros mquina de

un procesador decimal de dos cifras de mantisa y exponente entre 3. [

3.

] Encuentre el psilon de la mquina donde trabaja (para lo cual, suponga n que este psilon ser un nmero de la forma 2 , con n N). Compare el psilon de la n mquina con los menores nmeros de la forma 2 tales que en resulte 6 n 6 6 n 6 que (a) 10 + 2 sume ms que 10 y (b) 10 + 2 sume ms que 10 .

Mathematica

18

4. Las calculadoras Casio de la serie exponente entre

98

100.

fx

trabajan en base diez, con 10 cifras de mantisa y

Supongamos que usamos una de esas calculadoras.

) Cules son los dos nmeros mquina consecutivos entre los que se halla el nmero

e = 2,718281828459 . . .?

Cmo redondea la calculadora el nmero

si hace re-

b c

dondeo simtrico? Acote el error de redondeo que se produce en este caso. ) Cul es el nmero mquina que sigue al nmero sigue a

4,38938 102 ?

Y cul es el que

0,000003289?

) Existe la misma distancia entre cada uno de los tres nmeros mquina considerados y su siguiente? Encuentre dos nmeros mquina consecutivos que disten 8 entre s exactamente 10 .

5. Para cada uno de los nmeros reales siguientes, halle el error absoluto y el error relativo de su aproximacin (que se indica con un superndice  ).

6.

z = 0,00006 Las primeras cifras de 2 son las del nmero r = 1,4142135623. Si solo se dispone de este dato acerca de 2 y se aproxima esta raz cuadrada por el nmero r, obtenga
)

a b c

) )

x = 2,71828182 y = 98350 z = 0,000068

x = 2,7182

y = 98000

una cota del error absoluto que se comete al realizar esa aproximacin. Obtenga una acotacin mejor de ese error absoluto

cifra decimal de

2 es 7. 2 1,414213562373. 25

| 2 1,4142135623|

si se sabe que la siguiente

Repita lo mismo si se conociera una cifra ms, esto es, que

7. Se dispone de una calculadora que trabaja en base diez, con 7 cifras de mantisa y exponente entre

a b c

25.

) Indique entre qu dos nmeros mquina consecutivos se encuentra el nmero (=

2,449489742783 . . .). 6?
Y si utiliza el redondeo simtrico?

) Si la calculadora utiliza el redondeo por corte, con qu nmero mquina identicara al nmero

) En el caso del redondeo simtrico, y suponiendo que solo dispone de la calculadora del ejercicio, obtenga: ( 1) las expresiones de los errores absoluto y relativo cometidos; ( 2) una cota de dichos errores.

8. Se ha medido la altura de un edicio, resultando que esta es de

83,72

metros. Todos

los dgitos de esta cantidad se conocen con certeza, pero no es posible precisar ninguno de los siguientes. Obtenga un intervalo de nmeros reales en el que se pueda asegurar que se encuentra la altura exacta del edicio. Acote el error relativo que se comete al aproximar la altura exacta por el valor medido. 9. La temperatura de un uido medida por un termmetro es de el termmetro comete como mximo un error relativo del

224,3 K. Se 0,02 %. Calcule

sabe que una cota

del error absoluto cometido en la medida de la temperatura del uido y determine un intervalo donde se pueda asegurar que se encuentra la medida correcta.

19

10. La solucin exacta de un problema es

(245, 310, 125). Un mtodo de aproximacin de la solucin produce como resultado (243, 311, 124). Cul es el error absoluto y el error
relativo cometido por dicho mtodo?

11. Considere el clculo de la funcin que para valores sucientemente de

f (x) =

x3 + 4 2 para x pequeos de x se produce

prximo a cero. Muestre la cancelacin del valor

Compruebe que esta situacin puede evitarse si se multiplica y divide por el 3 conjugado de f (x) para obtener que f (x) = x /( x3 + 4 + 2). Compruebe tambin que la cancelacin tambin se evita si se utiliza el desarrollo de Taylor de la funcin 12.

f (x).

f.

) Encuentre un modo de evaluar las siguientes expresiones en los valores que se indican, de modo que puedan evitarse errores de cancelacin. 1) 2) 3) 4) 5)

b Mathematica Mathematica
) [

1 cos x en valores de x prximos a cero. 4 x en valores de x prximos a cero. + 4 2 x( x + 1 x) en valores grandes de la variable x. x 1/2 x2 x + 3 en valores grandes de la variable x. 2 x2 6x + 13 en valores prximos a x = 3.
] Por otra parte, para cada uno de los apartados anteriores, utilice para construir una tabla en la que se comparen los resultados de

la evaluacin de (1) la expresin dada y de (2) la expresin obtenida para evitar la cancelacin, en una sucesin de nmeros que tienda al valor cerca del cual se produce esa cancelacin. 13. Para qu valores de x se pueden presentar problemas de cancelacin en el clculo de ex e y de ln x 1? Encuentre un modo de resolver dichas situaciones. 14. Acote el error absoluto y el error relativo que comete por

2. = 1,4142135623730951.

Mathematica

al aproximar

15. Una calculadora trabaja en base diez, con 12 cifras de mantisa y exponente entre

120 y 120, y aplica redondeo simtrico. Consideramos el nmero x = 718,2288118822884455.

a b

) Entre qu dos nmeros mquina consecutivos se encuentra

x?

) Obtenga los errores absoluto y relativo que comete la calculadora al aproximar el valor de

por el nmero mquina correspondiente.

16. Se dispone de una calculadora que muestra hasta 12 dgitos decimales y utiliza redondeo simtrico. Si al realizar un clculo muestra

12345678, 9012

como resultado, qu se

puede deducir acerca del valor exacto del clculo? Proporcione una cota del error absoluto y del error relativo que ha cometido la calculadora al mostrar dicho resultado. 17. Una calculadora trabaja en base diez, con 10 cifras de mantisa y exponente entre y

100

a b

99,

y aplica redondeo por corte.

) El nmero

x = 0,00123456789876,

entre qu dos nmeros mquina consecutivos

se encuentra? ) Obtenga los errores absoluto y relativo (expresados en notacin cientca: signo, mantisa y exponente) que comete la calculadora al aproximar el valor de nmero mquina correspondiente.

por el

20

18. El peso medido en una bscula de precisin de una porcin de mineral es de gramos. El error mximo de la bscula es del

48,125

0,2 %.

Determine un intervalo donde se

pueda asegurar que se encuentra el peso exacto de esa porcin de mineral. 19. Un mortero dispara repetidas veces contra un blanco situado en una zona llana. El blanco est a 300 metros del mortero. Se estima que el error mximo que puede cometer en circunstancias normales es de 12 metros alrededor del blanco. Obtenga una cota del error relativo que puede tener el disparo del mortero.

Algunas cuestiones tericas

1. Dena los conceptos de

nmero mquina

y de

psilon de una mquina

2. Explique brevemente qu es un error de cancelacin y las consecuencias que puede tener.

21

Captulo 2 RESOLUCIN NUMRICA DE ECUACIONES Y SISTEMAS NO LINEALES

En este captulo nos interesaremos por los mtodos de localizacin y aproximacin de las soluciones de una ecuacin de una incgnita real (o compleja, en algunos casos). Tambin haremos una breve introduccin a la aproximacin de soluciones de sistemas de ecuaciones no lineales.

2.1.

Introduccin a los nmeros complejos

Dedicamos esta primera seccin a introducir algunas nociones bsicas sobre nmeros complejos. Hay varias formas de introducir estos nmeros. Aqu nos limitamos a introducirlos sin gran rigor matemtico, buscando solo su utilidad como herramienta. Como estamos en un captulo dedicado a resolver ecuaciones, vamos a introducir los nmeros complejos como soluciones de un tipo de ecuaciones. Sabemos que las soluciones 2 de la ecuacin x = 1 son x = 1 y x = 1. Ambos nmeros se representan en la recta real mediante un punto cuya distancia al origen 0 es igual a 1. Sabemos tambin que la ecuacin x2 = 1 no tiene soluciones reales (ningn nmero real al cuadrado es igual a 1). Entonces se dene la

unidad imaginaria i

como la raz cuadrada de

1:

i=

1.

Tambin se puede considerar el nmero imaginario opuesto i = 1. Operando como 2 2 en R resulta que i = ( i) = 1, de modo que i son las dos soluciones (veremos que no 2 puede tener ms) de la ecuacin x = 1. Entonces, se dene el conjunto nmeros de la forma

de los

nmeros complejos
a, b R.

como el formado por los

a + b i,
Observe que con

para cualesquiera

R C,

ya que los nmeros reales son los complejos de la forma

a R. A los nmeros complejos tales que b = 0 se les llama

nmeros imaginarios
23

que no son reales es decir, los

a + 0i, complejos a + b i

. A los nmeros complejos de la forma

0 + b i = b i,
con

. Observe que los 2 2 nmeros imaginarios puros son las soluciones de todas las ecuaciones de la forma x = b ,

con

b R {0},

se les llama

nmeros imaginarios puros

b R {0}.

llama

Los nmeros complejos denominarse

parte real parte imaginaria plano complejo

y

En coherencia con las deniciones anteriores, a los nmeros del nmero complejo

se les

a + b i, respectivamente. se pueden representar en el plano xy (que en este contexto suele ), de modo que cada nmero complejo a + b i se representa

mediante el punto

(a, b)

(la parte real del nmero complejo es la abscisa del punto que

lo representa, mientras que la parte imaginaria es la ordenada). En particular, los nmeros reales se representan en el eje

x,

y los imaginarios puros en el eje

y.

En los tres prrafos siguientes introducimos tres deniciones importantes que pueden aplicarse con una excepcin, que mostraremos a cualquier nmero complejo El

conjugado

de

se dene como el nmero complejo

z = a + b i. z = a b i. Observe que z y z

son puntos simtricos respecto del eje ordenadas opuestas). El

en el plano complejo (tienen la misma abscisa y

a2 + b2 . Observe que el mdulo de a + b i coincide con la distancia del punto (a, b) al punto (0, 0) que coincide a su vez con 2 el mdulo o norma del vector (a, b) de R  y que, por tanto, |0| = 0 y |z | > 0 si z = 0. Es igualmente trivial que |z | = |z | para todo z C. El de un nmero complejo no nulo z = a + b i, que denotamos por arg z , se dene como el ngulo que forma el vector de posicin del punto (a, b) con el semieje positivo de abscisas. Luego arg z [0, 2 ). El argumento principal no est denido, por tanto, para z = 0. En la gura 2.1 se representa un nmero complejo z as como su mdulo y su argumento
de

mdulo

se dene como el nmero real

|z | =

argumento principal

principal en el plano complejo.

z | z| arg z

Figura 2.1: Mdulo y argumento principal de un nmero complejo

z = a + b i y denotamos = arg z , entonces es claro que a = |z | cos Por tanto, z = a + b i = |z | cos + |z | sen i = |z |(cos + i sen ). Mientras le llama del nmero complejo z , a
Si

forma binmica

b = |z | sen . que a a + b i se
y

z = |z |(cos + i sen ),
se le llama

donde

= arg z, z =0
si se

forma trigonomtrica

de

z.

Esta frmula es vlida para el nmero

considera que su argumento principal es cualquier valor del intervalo

[0, 2 ).

24

Evidentemente, para cualquier

z C,

tambin es cierto que

z = |z |(cos + i sen )

= arg z + 2k , con k Z {0}. A estos valores z : por eso se dice que arg z es el argumento

z. El argumento principal de un nmero complejo z = a + b i = 0 se puede calcular de una manera sencilla teniendo en cuenta los signos de a y b y que tg = b/a si a = 0, obtenindose
de el siguiente resultado. 1. Si 2. Si 3. Si 4. Si 5. Si

principal

de

se les llama tambin

argumentos

si de

a>0 a>0 a=0 a=0 a < 0,

y y y y

b 0, b < 0, b > 0, b < 0,

entonces entonces entonces entonces

arg z = arc tg(b/a). arg z = arc tg(b/a) + 2 . arg z = /2. arg z = 3/2.

entonces

arg z = arc tg(b/a) + .

En el conjunto de los nmeros complejos se denen las operaciones las que se derivan la

diferencia

y el

cociente

suma producto
y

, de

, que extienden las operaciones respectivas en

el conjunto de los nmeros reales, as como sus propiedades bsicas. Las tres primeras se denen de la siguiente forma:

(a + b i) + (c + d i) = a + c + (b + d)i (a + b i) (c + d i) = a c + (b d)i (a + b i)(c + d i) = ac bd + (ad + bc)i.

La frmula del producto se puede deducir de la propiedad distributiva, lo que evita tener que memorizarla:

(a + b i)(c + d i) = ac + ad i + bc i + bd i2 = ac bd + (ad + bc)i.

En cuanto al cociente de dos nmeros complejos, es trivial el cociente o divisin de un nmero complejo entre un nmero real no nulo:

a + bi a b = + i. c c c
Pero para obtener el cociente de un nmero complejo entre un nmero imaginario se requiere multiplicar numerador y denominador por el conjugado del denominador, con lo que se llega a un nuevo denominador que es un nmero real no nulo, y entonces se opera como acabamos de hacer:

a + bi (a + b i)(c d i) ac + bd + (ad + bc)i ac + bd bc ad = = = 2 + 2 i. 2 2 c + di (c + d i)(c d i) c +d c + d2 c + d2

Con las operaciones realizadas en el denominador de la frmula anterior, se ha probado tambin que el producto de todo nmero complejo por su conjugado coincide con el cuadrado 2 de su mdulo: zz = |z | para todo z C. Las potencias enteras de un nmero complejo se denen igual que para los nmeros reales, y tienen propiedades semejantes. Un caso interesante es el de las potencias de la

25

unidad imaginaria i. Por denicin i4 = (i2 )2 = 1 = i0 . Luego

i0 = 1, i1 = i

i2 = 1.

Por tanto,

i3 = i2 i = i

1 i 1 i
En general, para calcular

= = = =

i0 i1 i2 i3

= = = =

i4 i5 i6 i7

= i8 = i9 = i10 = i11 i

= = = =

, , , .

in ,

con

n N,

se elevar

los nicos resultados de estas potencias son 1, i, 1 in = 1/ in y efectuar la divisin. Los nicos resultados posibles de las potencias negativas siguen siendo los mismos que los de las positivas.

al resto de la divisin de n entre 4, y n y i. Y para calcular i basta escribir

2.2.

Soluciones de ecuaciones y su multiplicidad

En esta seccin recordaremos la nocin de multiplicidad de una raz de un polinomio (o funcin polinmica ) y la extenderemos a cualquier tipo de funcin o de ecuacin. La forma general de una ecuacin con una incgnita son funciones. Pero siempre es posible pasar resultando una ecuacin de la forma

es

h(x)

al primer

g (x) = h(x), donde g y h miembro o g (x) al segundo,

(2.1)

f (x) = 0.

A lo largo de este captulo la ecuacin a resolver la expresaremos casi siempre de esta forma (una funcin igualada a cero), lo que facilitar enormemente la introduccin de los distintos conceptos y resultados que estudiaremos. El problema de encontrar las

f (x) = 0

soluciones

(tambin se les llama

races

es evidentemente equivalente al problema encontrar los

) de la funcin

f (x).

races ceros

) de una ecuacin

(tambin llamados

Observe que el trmino raz lo hemos usado indistintamente

para hablar de las soluciones de

f (x) = 0

o de los ceros de

f.

2.2.1.

Ecuaciones polinmicas, races y su multiplicidad

Las ecuaciones ms conocidas son las ecuaciones polinmicas. A ellas dedicamos este apartado. La resolucin de las ecuaciones polinmicas es trivial cuando son de primer grado o de segundo grado. Pero la resolucin de ecuaciones polinmicas de grado superior no es, por lo general, inmediata. A continuacin recordamos un teorema acerca de las races de polinomios o soluciones de ecuaciones polinmicas, o ceros de funciones polinmicas: las tres cosas son lo mismo con coecientes reales.

Teorema 2.1
an x + an1 x
n

n1

Todo polinomio p(x) de grado n con coecientes reales es decir, p(x) = + + a x + a , con a R para todo i = 0, 1, . . . , n y a = 0 puede
1 0 i n

 En esta asignatura los trminos

polinomio funcin polinmica

y

sern prcticamente sinnimos.

26

expresarse de forma nica (salvo el orden de los factores) de la siguiente forma, a la que se llama de p(x):
descomposicin cannica

p(x) = an

u i=1

(x ri )
2

mi

v j =1

(x2 + sj x + tj )nj .

(2.2)

En esta descomposicin cada factor x + s x + t es irreducible (sus races no son reales), los coecientes r , s y t son nmeros reales para cada i = 1, 2, . . . , u y j = 1, 2, . . . , v , y los exponentes m y n son nmeros naturales tales que m + 2 n = n.
j j i j j i j u i=1 i v j =1 j
Observe que el polinomio

p(x) de la expresin (2.2) tiene como races reales a los nmeros

irre-

ri (i = 1, 2, . . . , u), y como races imaginarias a las races de cada uno de los factores 2 ducibles x + sj x + tj , a saber, sj i 4tj s2 s + i 4tj s2 j j j j = y j = (j = 1, 2, . . . , v ). 2 2
De ah que se obtenga que

u v [ ] mi p(x) = an (x ri ) (x j )nj (x j )nj . i=1

Al exponente

j =1

mi

de cada factor

modo, al exponente races

nj

de los

(x ri ) se le llama factores (x j ) y (x j )

multiplicidad

de la raz

se le llama

j .

multiplicidad

ri .

Del mismo de las

En denitiva, se concluye el siguiente resultado. 2.1

Si p(x) es el polinomio del teorema , entonces p(x) se puede descomponer de forma nica (salvo el orden de los factores) como producto de n polinomios de grado 1: N para todo k = 1, 2, . . . , w. p( x ) = a (x z ) , donde z C y n
Teorema 2.2
w n k n k k k k=1
Observe que en la expresin (2.3) se deber cumplir que

(2.3)

w
k=1

n k = n.

Con la ayuda del teorema 2.2, podemos denir de un modo ms riguroso el concepto de multiplicidad de una raz de una ecuacin polinmica, como se expresa a continuacin.

C es una raz de multiplicidad k N de una ecuacin polinmica con coecientes reales p(x) = 0 si y solo si el polinomio p(x) puede descomponerse
Un nmero de la siguiente forma:

Denicin 2.1

p(x) = (x )k q (x),
donde

(2.4)

q (x) n

es un polinomio tal que

q () = 0. p(x)

Como consecuencia del teorema 2.2 se puede armar tambin que todo polinomio de grado tiene exactamente

races complejas (entre reales e imaginarias) si cada raz se

cuenta tantas veces como indica su multiplicidad. Adems, sus races imaginarias las tiene a pares (si

es una raz imaginaria de

p(x),

entonces

es tambin una raz de

p(x)

con la

misma multiplicidad que

).
27

Si el polinomio es de coecientes enteros y tiene races enteras, el siguiente resultado ayuda a encontrar estas races y su multiplicidad. Con lo que se podr descomponer el polinomio como producto de factores utilizando la regla de Runi, aunque lo ms frecuente ser que no se llegue hasta la descomposicin cannica (2.2).

Sea p(x) un polinomio de grado n 1 con coecientes enteros: p(x) = a x + a x + + a x + a , con a Z (i = 0, 1, . . . , n) y a = 0. Entonces, las races enteras de p(x), si existen, son divisores del trmino independiente a .
Teorema 2.3
n1 n1 n n 1 0 i n 0
Los siguientes ejemplos ilustran los tres resultados anteriores.

Ejemplo 2.1

Consideramos el polinomio

p(x) = 18 + 3x + 23x2 x3 27x4 14x5 2x6 .

Aplicando el teorema 2.3, las races enteras de divisores divisores

p(x), si existen, son divisores de 18 son los enteros 1, 2, 3, 6, 9 y 18. Probamos en primer ms pequeos son races de p(x). As, aplicando Runi se llega a que p(x) = (x 1)(x + 2)(9 6x 19x2 12x3 2x4 ).

de

18.

Los

lugar si los

El factor de grado 4 tiene a y

como trmino independiente, cuyos divisores son

1, 3

9.

Pero a estas alturas ya se ha descartado que

puedan ser races de dicho factor.

Queda probar con

9,

llegndose nalmente a la siguiente descomposicin

p(x) = 2(x 1)(x + 2)(x + 3)2 (x2 + 1/2),

que es la descomposicin cannica que menciona el teorema 2.1.

Ejemplo 2.2

Aplicando el teorema 2.3 y la regla de Runi al polinomio

p(x) = 2x5 8x4 + 2x3 + 12x2 36x,

es fcil obtener que su descomposicin cannica es

p(x) = 2x(x + 3)2 (x2 2x + 2).

El factor irreducible

x 2 2x + 2

tiene como races imaginarias a

1+ i

1 i.

Luego

p(x) = 2x(3 + x)2 (x 1 i)(x 1 + i).

es la descomposicin de

p(x)

a la que se reere el teorema 2.2.

El teorema 2.3 permite hallar tambin las races enteras de los polinomios con coecientes racionales: basta multiplicar el polinomio por el mnimo comn mltiplo de los denominadores de sus coecientes, con lo que se obtiene un polinomio con coecientes enteros que tiene las mismas races que el polinomio de partida. Es lo que ocurre en el siguiente ejemplo.

28

Ejemplo 2.3

Dado el polinomio

p( x ) =

5 65 305 2 105 3 x x x 5x 4 , 3 18 9 6

el mnimo comn mltiplo de los denominadores de los coecientes es 18. Consideramos el 2 3 4 polinomio q (x) = 18p(x) = 30 65x 610x 465x 90x que, al ser de coecientes enteros, se le puede aplicar el teorema 2.3: las posibles races enteras de sern divisores del nmero

q ( x)

(y, por tanto, de

p(x))

30. Como en los ejemplos anteriores, se puede llegar sin dicultad 1 1 a que q (x) = 90(x + 2)(x + 3)(x )(x + ). Luego 6 3 ( 1 )( 1) p(x) = 5(x + 2)(x + 3) x x+ 6 3 es la descomposicin cannica de p(x). 2
Finalmente, presentamos otro resultado interesante acerca de las races de cualquier polinomio con coecientes reales.

Sea p(x) = a x + a x + + a x + a un polinomio de grado n con coecientes reales. Si p(x) tiene races reales, entonces el valor absoluto de cualquier raz real de p(x) satisface que 1
Teorema 2.4
n n n1 n1 1 0

|| 1 +

m ax |ai |. |an | 0in1

Por ejemplo, si se aplica el teorema 2.4 al polinomio del ejemplo 2.1, se obtiene que sus races reales se encuentran en el intervalo races son

[1 27/2, 1 + 27/2].

De hecho vimos que esas

1, 2

3,

que estn en ese intervalo.

En la mayor parte de los casos, la obtencin de las races de un polinomio con coecientes reales requiere la aplicacin de mtodos numricos. Los que estudiaremos aqu sern tiles para muchos tipos de ecuaciones, no solo las polinmicas. En las secciones 2.3 y 2.4 desarrollaremos algunos de estos mtodos para aproximar las races reales de una ecuacin (algunos tambin son tiles para aproximar las races imaginarias, pero no nos detendremos en este punto).

2.2.2.

Races y su multiplicidad en ecuaciones no polinmicas

En este apartado estudiaremos cmo el concepto de multiplicidad de una raz de una ecuacin polinmica puede extenderse a ecuaciones no polinmicas. En primer lugar, necesitamos introducir un resultado que caracteriza el concepto de multiplicidad de una raz de una ecuacin polinmica.

Teorema 2.5

Dados k N, C y p(x) un polinomio de coecientes reales, entonces es una raz de multiplicidad k de la ecuacin p(x) = 0 si y solo si se satisface la siguiente condicin: p() = p () = = p () = 0 y p () = 0.
(k1) (k )
La demostracin de este teorema no es difcil pero, por brevedad, no la incluimos. El

teorema 2.5 puede utilizarse para extender la denicin de multiplicidad de una raz de una ecuacin polinmica a un tipo bastante ms general de ecuaciones, como se establece a continuacin.

29

Denicin 2.2
,
se dice que

Dados

k N, C

es una raz de

multiplicidad k

una funcin

k
y

veces derivable en un entorno de

de la ecuacin

f (x) = 0

si se cumple que (2.5)

f () = f () = = f (k1) () = 0
trminos sinnimos de los de races de multiplicidad

f (k) () = 0.
respectivamente.

Al igual que para polinomios, se puede hablar de races simples, dobles, triples. . . como

1, 2, 3. . . ,

Ahora, la pregunta que lgicamente nos podemos hacer es si hay una caracterizacin de la denicin de multiplicidad de una raz que pueda asemejarse a la denicin 2.1 (dada solo para ecuaciones polinmicas). La respuesta va a ser armativa si exigimos alguna condicin ms a la funcin

f que dene la ecuacin. Supongamos que es una raz de k (k+1) de la ecuacin f (x) = 0, y que existe la derivada f en un entorno E de . Aplicando (2.5), el desarrollo de Taylor de orden k de la funcin f en el punto (recuerde el teorema
1.1) establece que

multiplicidad

f (k) () f (k+1) (cx ) f (x) = (x )k + (x )(k+1) = (x )k k! (k + 1)!

para todo

f (k) () f (k+1) (cx ) + (x ) k! (k + 1)!

x E ,

donde

cx

es algn punto entre

x.

La igualdad obtenida es semejante

a la igualdad (2.4): la funcin

q (x) =
satisface que

f (k) () f (k+1) (cx ) + (x ) k! (k + 1)!

f (k) () = 0. La diferencia est en que la funcin q ya no es una funcin k! polinmica (salvo que f lo fuese), puesto que cx = c(x) es una funcin desconocida de la

q ( ) =

variable

x.

A continuacin mostramos un par de ejemplos de races de ecuaciones y sus multiplicidades.

f (x) = x2 + ln(x + 1). Obsrvese que x = 0 es una 2x+1 raz de la ecuacin f (x) = 0. Por otra parte, f (x) = , con lo que f (0) = 1 = 0. Luego x+1 x = 0 es una raz simple de la ecuacin f (x) = 0. 2
Consideramos la funcin

Ejemplo 2.4

= (x 1)ex1 , es claro que x = 1 es una raz de la ecuacin g (x) = 0. x 1 Por otra parte, g (x) = xe 1 y g (x) = (x + 1)ex1 , con lo que g (1) = 0 y g (1) = 1 = 0. Luego x = 1 es una raz doble de la ecuacin g (x) = 0. 2
Si g (x) En general, antes de resolver una ecuacin se deber determinar el nmero de soluciones que tiene si es que tiene alguna as como su localizacin (en un intervalo, si es real; en una regin del plano, si es imaginaria); para todo lo cual ser necesario utilizar algunos resultados del Anlisis Real que no se incluyen en estos apuntes. En concreto, para obtener el nmero de soluciones reales de una ecuacin del tipo (2.1) sin determinar su multiplicidad y separarlas en intervalos que contengan una sola de ellas, ser necesario estudiar la continuidad, la derivabilidad y la monotona de la funcin

Ejemplo 2.5

f , encontrar sus extremos locales, y quiz tambin

obtener algunos lmites de esa funcin. Con la realizacin de algunos ejercicios de la seccin 2.6 se repasar este tipo de problemas.
Por simplicidad, a lo largo de estos apuntes supondremos que un entorno cualquier intervalo de la forma

de un nmero real

es

( , + ),

con

> 0.
30

2.3.

Mtodos de biseccin, de la de la secante

regula falsi

En esta seccin desarrollamos tres mtodos para calcular de modo aproximado las soluciones reales de la ecuacin (2.1), bajo la hiptesis de que la funcin

que dene la ecuacin

es continua en el intervalo donde se ha localizado cada solucin. Estos mtodos no proporcionan la multiplicidad de las soluciones aproximadas. Por otra parte, los dos primeros no podrn aplicarse para aproximar races mltiples en las que la funcin

no cambie de signo.

mtodos iterativos convergente

Esos tres mtodos, as como los que estudiaremos en las dos siguientes secciones, son de resolucin de ecuaciones (de sistemas de ecuaciones, en el caso de la

seccin 2.5), esto es, son mtodos que generan una sucesin de nmeros que se pretende que converja a la solucin buscada. Si esto ocurre, entonces se dice que el mtodo iterativo es (convergente para el caso considerado: puede ocurrir que el mismo mtodo para

la misma solucin sea convergente o no dependiendo del punto o puntos de partida donde se aplica el mtodo). Cuando nos reramos al error de la aproximacin supondremos que se trata del error absoluto, que es el valor absoluto (o norma) de la diferencia entre la aproximacin y la solucin de la ecuacin (o del sistema de ecuaciones).

2.3.1.

Mtodo de biseccin

El mtodo iterativo ms sencillo (pero tambin el ms lento en cuanto a su convergencia a la solucin) es el conocido como

mtodo de biseccin
f

, que consiste en aplicar repetidamente

el teorema de Bolzano como se explica a continuacin. Dada la ecuacin (2.1), supongamos que es una funcin continua en el intervalo cerrado

[a, b] y que f (a)f (b) < 0, de modo que puede asegurarse la existencia de al menos una solucin de (2.1) en el interior del intervalo [a, b]. Para exponer este mtodo y los dems que siguen supondremos, por simplicidad, que la ecuacin (2.1) tiene una nica solucin s en el intervalo [a, b]. El mtodo de biseccin establece que una primera aproximacin de s es el punto medio del intervalo: x1 = (a + b)/2. Si evaluamos la funcin f en este punto nos encontramos con
tres posibilidades: 1. Que

f ( x1 ) = 0

(lo que ocurrir raramente), en cuyo caso habremos hallado la solucin

de manera exacta:

s = x1 .
el teorema de

2. Puede ocurrir que Bolzano, la

f (a)f (x1 ) < 0, en cuyo caso, aplicando de nuevo solucin s se encuentra en el interior del intervalo [a, x1 ]. f (x1 )f (b) < 0,
lo que asegurara que

3. La ltima posibilidad es que interior del intervalo

se halla en el

[x1 , b]. [a2 , b2 ]

al intervalo que contiene la

En cualquiera de los dos ltimos casos, llamamos

solucin y se repite el procedimiento: una segunda aproximacin de

es entonces

x2 = s,

(a2 + b2 )/2,

y volvemos a tener las tres mismas posibilidades que en el paso anterior. La

primera es que

s = x2 ;

las otras dos llevaran a un nuevo intervalo

[a3 , b3 ]

que contiene a

y una nueva aproximacin de

sera

obtener sucesivas aproximaciones

x3 = (a3 + b3 )/2. Se razonara x4 , x5 , etc. Luego el mtodo de

31

de manera anloga para biseccin como todos

los mtodos iterativos que estudiaremos en este captulo y en el siguiente producen una sucesin de nmeros reales

{xn }.! s

En el mtodo de biseccin es claro que el error que se comete al aproximar la solucin por

xn ,

con

n N,

satisface que

|xn s| <

b n an bn1 an1 b 2 a2 ba = = = = . 2 22 2n1 2n

Con esta acotacin se puede determinar fcilmente el nmero mnimo de iteraciones que es necesario realizar para asegurar que el error de aproximacin cometido sea menor que cierta cantidad positiva prejada

puesto que para que

|xn s| < n>

es suciente exigir que

ba < 2n
para todo

lo que ocurre si y solo si

ln

( ba )

ln 2

. |xn s| (b a)/2n

Por construccin o lo que es lo mismo, como consecuencia de que

n A continuacin se detalla un ejemplo de aplicacin del mtodo de biseccin.

n N, l m xn = s.

es evidente que el mtodo de biseccin es siempre convergente, es decir,

x3 = 3x 1 3 con un error de aproximacin inferior a una milsima. Como la funcin f (x) = x 3x + 1 es continua y se tiene que f (2) = 1 < 0, f (0) = 1 > 0, f (1) = 1 < 0 y f (2) = 3 > 0, resulta que la ecuacin dada, esto es, f (x) = 0, tiene tres soluciones reales situadas en los intervalos (2, 0), (0, 1) y (1, 2).
Supongamos que se desea determinar una solucin de la ecuacin A continuacin aproximamos una de ellas por el mtodo de biseccin: por ejemplo, la que se encuentra en el intervalo tiene que cumplir que

Ejemplo 2.6

(0, 1). Para asegurar que el error (1 0)/2n < 103 , es decir, n 10.

sea menor que una milsima se

Luego los pasos de aplicacin del mtodo de biseccin son en este caso los siguientes (en la ltima columna se expresa una cota del error de la aproximacin obtenida en cada la):

x1 = 1/2 x2 = 1/4 x3 = 3/8 x4 = 5/16 x5 = 11/32 x6 = 23/64 x7 = 45/128 x8 = 89/256 x9 = 177/512 x10 = 355/1024

f (x1 ) = 0,375 f (x2 ) = 0,265 . . . f (x3 ) = 0,072 . . . f (x4 ) = 0,093 . . . f (x5 ) = 0,009 . . . f (x6 ) = 0,031 . . . f (x7 ) = 0,011 . . . f (x9 ) = 0,0042 . . .

[a2 , b2 ] = [0, 1/2] [a3 , b3 ] = [1/4, 1/2] [a4 , b4 ] = [1/4, 3/8] [a5 , b5 ] = [5/16, 3/8] [a6 , b6 ] = [11/32, 3/8] [a7 , b7 ] = [11/32, 23/64] [a8 , b8 ] = [11/32, 45/128]

1/2 1/4 1/8 1/16 1/32 1/64 1/128 1/256 1/1024

Rn .
Por lo

f (x8 ) = 0,0009 . . . [a9 , b9 ] = [11/32, 89/256]

[a10 , b10 ] = [177/512, 89/256] 1/512

! En los mtodos iterativos de resolucin de sistemas obtendremos sucesiones de puntos de

general tanto en el caso de sucesiones de nmeros como en el de sucesiones de puntos de

, conoceremos

el dominio de la sucesin. Si en alguna ocasin quisiramos sealar expresamente cul es ese dominio, lo indicaramos con una de las notaciones usuales de conjuntos: por ejemplo, la sucesin del mtodo de biseccin se representara por

{xn : n 1}.
32

Con lo que se obtiene que

x10 = 355/1024 = 0,3466796875

aproxima a una solucin de

x = 3x 1
3

con un error inferior a una milsima (en realidad hemos visto que la cota es 1 algo inferior a una milsima, puesto que es 1/2 0 = 1/1024). De hecho, la solucin exacta s es (solo se muestran sus primeros decimales) cometido es aproximadamente igual a 6

0,3472963553338606977 . . ., por lo que diezmilsimas: |x10 s| 0,0006166678.

el error

A la hora de programar el mtodo de biseccin se podr exigir como

criterio de parada

(esto es, como criterio que determina el nmero de iteraciones a realizar) el ya comentado (que el error de aproximacin sea menor que cierta cantidad) o tambin que la cantidad

|f (xn )|

sea menor que cierta cantidad positiva

Para detener la iteracin se puede exigir

una u otra condicin de parada, o incluso puede ser conveniente exigir que se cumplan ambas. El segundo criterio de parada mencionado podr utilizarse tambin en todos los mtodos que estudiaremos en este captulo. Como se ha mostrado, el mtodo de biseccin es convergente, pero esto no signica que toda aproximacin dada por el mtodo sea mejor que las anteriores. De hecho, en el ejemplo 2.6 ocurre que si se calcula

|x8 s| < |x10 s|,

como puede comprobarse utilizando

x11

Mathematica
x11

(pero

en dicho ejemplo, puede comprobarse igualmente que

aproxima a la

solucin de la ecuacin mejor que todas las aproximaciones anteriores). Conviene resaltar que el teorema de Bolzano puede utilizarse para aproximar races de ecuaciones sin necesidad de aplicar el mtodo de biseccin: pueden elegirse las sucesivas aproximaciones sin que tengan que ser obligatoriamente el punto medio del intervalo donde se ha localizado la solucin. Esto puede ser til para ejercicios que necesiten pocas iteraciones y estas se calculen sin la ayuda del ordenador, como ocurre en el siguiente ejemplo.

Ejemplo 2.7

Supongamos que se desea determinar una solucin negativa de la ecuacin

[ ( )360 ] 100 3 5+ 1 = 0, x 100 x [ ( 100 )360 ] 3 1 100 es continua f (x) = 5+ x x en R , y se tiene que f (1) 2,08 > 0 y f (0,5) 0,0037 < 0, resulta que la ecuacin tiene al menos una solucin en el intervalo (1, 0,5). Como f (0,5) es un valor bastante prximo a 0 se puede sospechar que x = 0,5 puede estar prximo a una solucin de la
con dos dgitos decimales correctos. Como la funcin ecuacin (no es seguro que sea as, con lo datos que tenemos hasta ahora, pero por si lo fuese vale la pena intentar buscar una solucin cerca de Aqu el mtodo de biseccin impondra tomar anterior sugieren que la primera aproximacin

x = 0,5). x1 = 0,75, pero los

clculos del prrafo

(1, 0,5) se site mucho ms prxima al extremo derecho del intervalo, como por ejemplo x1 = 0,55. Como f (x1 ) = f (0,55) 0,3 > 0, hay una solucin s el intervalo (0,55, 0,5), y parece probable que est ms prxima a x = 0,5 que a x1 . Tomamos entonces x2 = 0,51. Como f (x2 ) = f (0,51) 0,06 > 0, hay una solucin s el intervalo (0,51, 0,50), y por tanto s es de la forma s = 0,50 . . ., es decir, una aproximacin de s con dos decimales correctos es s = 0,50. Observe que si se hubiera usado el mtodo de biseccin habramos necesitado obtener un nmero mayor aproximaciones intermedias. 2 x1
a elegir en el intervalo 33

2.3.2.

Mtodo de la

El mtodo de la

regula falsi

regula falsi
requiere las mismas hiptesis que el mtodo de biseccin y

tambin aplica repetidamente el teorema de Bolzano. Ser igualmente convergente, pero su convergencia ser en general ms rpida que la del mtodo de biseccin. Supongamos de nuevo que la funcin cerrado

de la ecuacin (2.1) es continua en un intervalo

regula falsi

[a, b],

que

f (a)f (b) < 0

y que

tiene un nico cero

en

(a, b).

El mtodo de la

establece que una primera aproximacin

x1
en

que une los dos puntos extremos de la grca de ecuacin de dicha recta es

s es el punto de corte de la recta [a, b] con el eje de abscisas. Como la

de

y f (a) xa = , f (b) f (a) ba x1 = a f (a)(b a) . f (b) f (a) x1 = s,

se denota

es inmediato obtener que

"

Si evaluamos la funcin

en este punto hay tres posibilidades idnticas a las que se con-

sideraron en el mtodo de biseccin. Entonces, si contiene la solucin ([a, x1 ] o de

[a2 , b2 ]

al intervalo que

[x1 , b]) y se repite el procedimiento: una segunda aproximacin x2 = a 2 f (a2 )(b2 a2 ) , f (b2 ) f (a2 )

es entonces

y volvemos a tener las tres mismas posibilidades que en el paso anterior. De manera anloga

falsi

se obtendran las sucesivas aproximaciones. Por tanto, la iteracin del mtodo de la puede expresarse como sigue:

regula

xn = an
donde

f (an )(bn an ) , f (bn ) f (an ) ai

y

n N, i > 1)

(2.6)

a1 = a

b1 = b,

mientras que

bi

(para todo

se obtienen como hemos

explicado. El estudio del error de aproximacin del mtodo de la

regula falsi

y de los dems mto-

dos que estudiaremos ms adelante en este captulo es complicado, por lo que lo omitiremos. Pero al menos se puede armar que el error de aproximacin del mtodo de la tiende a cero a medida que aumentan las iteraciones, es decir, el mtodo de la

regula falsi regula falsi

es convergente. Adems, por lo general converge con bastante ms rapidez que el mtodo de biseccin. El criterio de parada suele ser que el valor absoluto de la diferencia de dos aproximaciones consecutivas (cantidad que suele ser menor que el error de la ltima aproximacin obtenida) sea menor que cierta cantidad la cantidad

O tambin podra ser el ya mencionado de que

|f (xn )|

sea menor que cierta cantidad positiva

Tambin puede exigirse que

se cumplan ambos criterios antes de parar el algoritmo. Ambos criterios de parada sern vlidos tambin para los dems mtodos de aproximacin de soluciones que estudiaremos en este captulo.

" Otras frmulas equivalentes son

x1 = b

f (b)(b a) f (b) f (a)

x1 =

af (b) bf (a) , f (b) f (a)

pero esta ltima suele

producir ms errores de redondeo que las otras dos.

34

En general (en este y en los dems mtodos), si se utiliza un criterio de parada puede ser recomendable comprobar que la condicin del otro criterio se cumple satisfactoriamente. Por ejemplo, si se utiliza el primer criterio de parada expuesto en el mtodo de la puede obtener el valor

|f (xn )|

(para la ltima aproximacin calculada

xn )

regula falsi

, se

y comprobar que

es sucientemente pequeo conforme a la precisin que se necesita. A continuacin ilustramos el mtodo de la del ejemplo 2.6.

regula falsi

aplicndolo a la misma ecuacin

Ejemplo 2.8

Dada la ecuacin

aplicamos el mtodo de la encuentra en el intervalo

Establecemos como criterio de parada que la diferencia de 6 dos aproximaciones consecutivas sea menor que 10 . Los pasos de aplicacin de este mtodo producen los siguientes resultados: el intervalo de partida es

(0, 1).

regula falsi

x3 = 3x 1,

equivalentemente

f (x) = x3 3x + 1 = 0,

para aproximar la solucin de esa ecuacin que se

[a1 , b1 ] = [0, 1].

Por tanto, para

n=1

la igualdad (2.6) se traduce en que

x1 = 0
Como

f (0)(1 0) 1 = . f (1) f (0) 2

f (x1 ) = 0,375 < 0, la solucin se encuentra en el intervalo [a2 , b2 ] = [a1 , x1 ] = [0, 1/2]. f (x1 ) = 0,375 [a2 , b2 ] = [a1 , x1 ]

Esta y las siguientes iteraciones se describen resumidamente a continuacin:

x1 = 1/2 = 0,5 x2 = 4/11 0,3636 x4 0,347414 x5 0,347306 x6 0,34729718 x7 0,34729642

Con la ayuda de

|x2 x1 | 1,36 101 f (x2 ) 4,28 102 [a3 , b3 ] = [a1 , x2 ] |x4 x3 | 1,29 103 f (x4 ) 3,12 104 [a5 , b5 ] = [a1 , x4 ] |x5 x4 | 1,08 104 f (x5 ) 2,61 105 [a6 , b6 ] = [a1 , x5 ] |x6 x5 | 9,07 106 f (x6 ) 2,19 106 [a7 , b7 ] = [a1 , x6 ] |x7 x6 | 7,60 107 f (x7 ) 1,83 107 [a8 , b8 ] = [a1 , x7 ]

x3 = 121/347 0,3487 |x3 x2 | 1,49 102 f (x3 ) 3,71 103 [a4 , b4 ] = [a1 , x3 ]

puede probarse que el error que se produce al tomar x7 8 como aproximacin de la solucin es del orden de 6,95 10 : observe que es unas diez veces menor que

Mathematica

|x7 x6 |.

2 ai se haya mantenido constante desde el principio en el ejemplo

El hecho de que el valor de

2.8, no quiere decir que esto suceda siempre en el mtodo de la

regula falsi

. Aunque s suele

ocurrir que, a partir de cierto paso, los valores de uno de los extremos de los intervalos permanezca invariable.

[ai , bi ]

2.3.3.

Mtodo de la secante

El mtodo de la secante se basa en una idea similar a la del mtodo de la

regula falsi
una vez

pero, a diferencia de este y del mtodo de biseccin, no se parte necesariamente en cada paso de un intervalo que contenga a la solucin, es decir, no utiliza el teorema de Bolzano. Como inconveniente tiene que no siempre es convergente; sin embargo, cuando lo es, su convergencia es en general bastante ms rpida que la del mtodo de la realizadas unas pocas iteraciones.

regula falsi

35

A continuacin se detalla en qu consiste el mtodo de la secante. Supongamos que la funcin

de la ecuacin (2.1) es continua en un intervalo

donde tiene una solucin

que

x1 y x0 son dos aproximaciones de s (suele ocurrir que f (x1 )f (x0 ) < 0 y que la solucin s que se busca est entre esas dos aproximaciones, pero no siempre ser as) tales que f (x1 ) = f (x0 ). En este caso, la recta que contiene a los puntos (x1 , f (x1 )) y (x0 , f (x0 )) corta al eje de abscisas en un punto x1 , que se pretende que sea una nueva aproximacin de s. El mtodo de la secante repite el proceso, si es posible, con los puntos (x0 , f (x0 )) y (x1 , f (x1 )), de manera que x2 sera el punto de corte de la recta que pasa por los puntos (x0 , f (x0 )) y (x1 , f (x1 )) con el eje de abscisas; y as sucesivamente. Por tanto, las sucesivas
se desea aproximar. Supongamos que aproximaciones se obtienen como en el mtodo de la se simplica:

regula falsi

, aunque ahora la notacin

xn+1 = xn

f (xn )(xn xn1 ) , f (xn ) f (xn1 )

n = 0, 1, 2, . . . #

regula falsi
los puntos

Los criterios de parada del mtodo de la secante son los mismos que los del mtodo de la . La diferencia est en que cuando el mtodo no converja el algoritmo de la secante

caer en un bucle innito o, ms frecuentemente, producir un error: porque la sucesin de

{xn }

diverja, o porque algn

o porque antes de converger suceda que

xn caiga fuera del intervalo I donde f es f (xn ) = f (xn1 ) para algn valor de n.

continua,

En el siguiente ejemplo se aproxima la solucin de la ecuacin de los ejemplos 2.6 y 2.8 utilizando el mtodo de la secante. En este caso la solucin localizada en un intervalo

s que se desea aproximar ha sido x 1 = a

y

[a, b]

tal que

f (a)f (b) < 0,

y puede considerarse que los extremos

del intervalo son dos aproximaciones de partida de la solucin:

x0 = b

(en caso de

que el mtodo no converja con esta eleccin, se puede probar si converge tomando y

x 1 = b

x0 = a).

As, en este caso particular que estamos considerando, sucede que las primera

aproximacin la

regula falsi

x1

del mtodo de la secante coincide con primera aproximacin del mtodo de

; tericamente podran coincidir algunas aproximaciones ms (x1 ,

x2 ,. . . )

pero

normalmente sern muy pocas.

Ejemplo 2.9
3

Aplicamos el mtodo de la secante para aproximar la solucin de la ecuacin

x = 3x 1 que se encuentra en el intervalo [0, 1]. Al igual que en el ejemplo 2.8, se establece
como criterio de parada que la diferencia de dos aproximaciones consecutivas sea menor que 106 . Partiendo de x1 = 0 y x0 = 1, las primeras iteraciones que produce el mtodo de la secante aplicado a esa ecuacin son las siguientes:

x1 = 1/2 = 0,5 x2 = 1/5 = 0,2 x3 = 31/87 0,3563 x4 0,347731 x5 0,34729478 x6 0,3472963556

|x1 x0 | = 5 101 |x2 x1 | = 3 101 |x3 x2 | 1,56 101 |x4 x3 | 8,59 103 |x5 x4 | 4,37 104 |x6 x5 | 1,57 106

f (x1 ) = 3,75 101 f (x2 ) = 4,08 101 f (x3 ) 2,37 102 f (x4 ) 1,15 103 f (x5 ) 4,14 106 f (x6 ) 7,12 1010

x7 0,3472963553338609 |x7 x6 | 2,70 1010 f (x7 ) 4,44 1016

# Una frmula equivalente es:

xn+1 = xn1

f (xn1 )(xn xn1 ) , n = 0, 1, 2, . . . f (xn ) f (xn1 )

36

puede probarse que el error que se produce al tomar x7 16 como aproximacin de la solucin es del orden de 2,023 10 : observe que es un milln de 8 veces menor que |x7 x6 | y unas 10 ms pequeo que el obtenido con la sptima aproximacin Con la ayuda de del mtodo de la

Mathematica

regula falsi

(obtenida en el ejemplo 2.8). Es ms, en los primeros pasos de

este ejemplo el mtodo de la secante obtuvo peores resultados que el mtodo de la

pero la aceleracin de la convergencia del mtodo de la secante ha sido bastante mayor. 2

regula falsi

2.4.

Mtodo de Newton-Raphson

En esta seccin desarrollamos un nuevo mtodo iterativo para calcular de modo aproximado las soluciones de la ecuacin (2.1): el mtodo de Newton-Raphson. Una primera ventaja de este mtodo respecto de los estudiados en la seccin 2.3 es que cada aproximacin se obtiene solo a partir de la anterior (en los otros mtodos se usaban dos aproximaciones anteriores). Pero lo ms importante es que, cuando el mtodo sea convergente, su velocidad de convergencia ser casi siempre bastante mayor que en dichos mtodos. A diferencia de estos, la aplicacin del mtodo de Newton-Raphson requerir una hiptesis ms sobre la funcin

f,

que deber ser derivable; y las iteraciones del mtodo requerirn evaluar no solo

sino

tambin su derivada. El mtodo de Newton-Raphson tiene como los anteriores una clara interpretacin geomtrica. Se puede describir como sigue. Si se desea aproximar una determinada solucin

de la ecuacin (2.1) por el mtodo de Newton-Raphson, se deben seguir los siguientes pasos. 1. Se parte de un punto

x0

que est ms o menos prximo a la solucin

(la necesidad

de una mayor o menor proximidad a

depende de la funcin considerada y cuando

la ecuacin tiene ms de una solucin de la solucin a aproximar). Frecuentemente se parte de una situacin en la que se ha localizado

en un intervalo que contiene

a una nica solucin de la ecuacin, en cuyo caso el punto

x0

se puede elegir entre

los del intervalo (a veces se elige el punto medio del intervalo, buscando un error de partida menor que la mitad de la longitud del intervalo; pero hay otras motivaciones que pueden inuir en la eleccin de este punto inicial). 2. Se traza la recta tangente a la grca de

en el punto

(x0 , f (x0 )) (supuesto que exista

y no sea horizontal). Se pretende que la interseccin de esta recta con el eje de abscisas proporcione una primera aproximacin 3. Sobre

x1

de

s. x0 ,
obtenindose

x1

se repite el proceso realizado con

x2 ;

de igual modo se

obtienen sucesivamente

x3 , x4 , etc. Es fcil probar que el mtodo descrito produce una f (xn ) , f (xn )

sucesin de nmeros que se obtiene mediante la siguiente frmula:

xn+1 = xn

n = 0, 1, 2, . . .

(2.7)

4. Si se observa que la sucesin

{xn }

converge a

s,

se realiza la iteracin (2.7) hasta

que se obtenga una aproximacin con la exactitud deseada (a medida que avanza la iteracin, los dos ltimos valores de la sucesin van coincidiendo en un mayor nmero de dgitos, que pueden considerarse correctos). Pero si resulta que

{xn }

no converge

37

pero converge a

s R,

entonces

es otra solucin de la ecuacin (2.1). Tanto

si sucede esto ltimo como si buscar un punto de partida

{xn } x0

no converge a ningn nmero real, habra que

x0

distinto del anterior (en principio, ms prximo a

s;

por ejemplo, el nuevo valor de

puede obtenerse a partir del su valor anterior y de

otro punto tras realizar una o ms iteraciones de alguno de los tres mtodos estudiados en la seccin anterior) de modo que la sucesin (2.7) s converja a ser posible encontrar ese valor adecuado de partida hacerlo en ejercicios concretos a mano y con

s.

Casi siempre

Mathematica

x0 ;

pero solo estudiaremos cmo , sin introducir nuevos

teoremas que alargaran demasiado esta exposicin. Los criterios de parada que utilizaremos para lograr un error adecuado a nuestros deseos sern los mismos que los considerados para los mtodos de la secante y de la

regula falsi

A continuacin aplicamos el mtodo de Newton-Raphson a la ecuacin estudiada en los ejemplos 2.6, 2.8 y 2.9. Se desea aplicar el mtodo de Newton-Raphson para aproximar la solucin 3 3 de la ecuacin x = 3x 1, equivalentemente f (x) = x 3x + 1 = 0, que se encuentra en el intervalo Como en los ejemplos 2.8 y 2.9, se establece como criterio de parada que 6 la diferencia de dos aproximaciones consecutivas sea menor que 10 . Tomando x0 = 1/2 se obtienen los siguientes resultados:

Ejemplo 2.10

(0, 1).

x0 = 1/2 = 0,5 x1 = 1/3 0,333 x2 = 25/72 0,347222 x3 0,34729635316

Con la ayuda de

f (x0 ) = 3,75 101 |x1 x0 | = 1,66 101 f (x1 ) = 3,70 102 |x2 x1 | 1,39 102 f (x2 ) 1,96 104 |x3 x2 | 7,41 105 f (x3 ) 5,72 109

x4 0,3472963553338607 |x4 x3 | 2,17 109 f (x4 ) 2,22 1016

puede probarse que el error absoluto que se produce al 18 tomar x4 como aproximacin de la solucin es aproximadamente igual a 2,3 10 : observe que es casi mil millones de veces menor que

Mathematica

|x4 x3 |

y es menor tambin que el obtenido

con la sptima aproximacin del mtodo de la secante.

El siguiente ejemplo obtiene la frmula de Hern (ao 100 a. C.) para aproximar el clculo de la raz cuadrada de un nmero mediante sumas, restas, productos y divisiones. En su tiempo no se conoca el algoritmo para la obtencin de la raz cuadrada. Se aplica el mtodo de Newton-Raphson para aproximar la raz cuadrada 2 positiva de un nmero positivo a, esto es, la solucin positiva de la ecuacin x a = 0. Hern 2 parta del mayor nmero natural x0 tal que x0 < a. Al aplicar el mtodo de Newton-Raphson a esa ecuacin se obtiene la frmula de Hern:

Ejemplo 2.11

xn+1 = xn
Por ejemplo, para

x2 x2 + a na = n , 2xn 2xn

n = 0, 1, 2, . . . 7:

a=7

esta frmula produce las siguientes aproximaciones de

x0 = 2,

x1 =

11 = 2,75, 4

x2 =

La ltima aproximacin satisface que

233 108497 2,6477, x3 = 2,645752. 88 41008 x3 7 7,37 107 .

38

Mtodo de Newton-Raphson modicado

Si la multiplicidad

de la raz que se desea obtener aproximar es mayor que

1,

entonces

hay una variacin del mtodo de Newton-Raphson que converge con ms rapidez a esa raz mltiple. Consiste en multiplicar el sustraendo de la frmula (2.7) por la multiplicidad de dicha raz, es decir,

xn+1 = xn r

f (xn ) , f (xn )

n = 0, 1, 2, . . . r.

(2.8)

Es frecuente que, a priori, no se conozca dicha multiplicidad (2.7) observamos que converge lentamente a la raz buscada el mtodo (2.8) para

Si al aplicar el mtodo

r = 2.

Si este mtodo convergiera

s, entonces es conveniente probar an ms lentamente a s (o no con-

vergiera) es muy probable que la raz

s sea simple. Pero lo ms frecuente ser que el mtodo

(2.8) converja con ms rapidez, en cuyo caso casi podramos asegurar que la multiplicidad de la raz

es al menos

2.

Entonces deberamos utilizar de nuevo el mtodo (2.8) pero con

r = 3,

r = 2 (o incluso no converger), lo que hara sospechar que la multiplicidad de la raz s es 2, o puede converger a s con ms rapidez, en cuyo caso la multiplicidad de la raz s es probablemente 3 o mayor que 3. El proceso contina hasta que encontremos un valor de r que converja ms lentamente a s que con el valor anterior de r (o incluso que no converja).
que puede converger a ms lentamente que con Para estar ms seguros de las conclusiones obtenidas en el prrafo anterior, si se parte de distintos puntos para cierto valor

x0 y r = r0 ,

para la gran mayora de ellos el mtodo (2.8) converge ms rpido es bastante seguro que la multiplicidad de la raz

sea

r0 .

2.5.

Mtodo de Newton-Raphson para sistemas de ecuaciones no lineales

En esta seccin introducimos un mtodo iterativo para calcular de modo aproximado las soluciones de sistemas de ecuaciones no lineales con igual nmero de ecuaciones que de incgnitas.

El problema que nos encontramos en este caso es que la determinacin del

nmero de soluciones as como su localizacin es en general mucho ms complicada que cuando se tiene una sola ecuacin con una incgnita: de hecho, no abordaremos aqu ese problema. Para facilitar la comprensin y la expresin del problema, consideraremos primero el caso ms simple (dos ecuaciones con dos incgnitas), en cuyo caso el sistema puede expresarse de la siguiente forma:

f (x, y ) = 0, g (x, y ) = 0.

}
(2.9)

$ Los sistemas de ecuaciones lineales se saben resolver de manera exacta, por ejemplo por el mtodo de
Gauss. De todos modos, algunos problemas numricos relacionados con este tipo de sistemas se estudiarn en el captulo 3.

39

Para lo que sigue, se necesitar la siguiente funcin matricial:

J (x, y )

se le llama

matriz jacobiana

f x (x, y ) J (x, y ) = g (x, y ) x

f (x, y ) y . g (x, y ) y (f, g )

en el punto

(2.10)

de la funcin vectorial

(x, y ).

El mtodo de Newton-Raphson se describe en el siguiente teorema, que asegura su conver2 gencia. En su enunciado se exige que las funciones f y g sean de clase C en cierto dominio, lo que signica que todas las derivadas parciales de primer y segundo orden de esas funciones existen y son continuas en dicho dominio.

Teorema 2.6

Sean f y g dos funciones de clase C en cierto dominio D que contiene en su interior una solucin (s, t) del sistema . Si det(J (s, t)) = 0, entonces existe un entorno E del punto (s, t) tal que para cualquier (x , y ) E la sucesin de puntos obtenida mediante la siguiente iteracin
2
(2.9)

xn+1 yn+1

xn yn

J 1 (xn , yn )

f (xn , yn ) g (xn , yn )

n = 0, 1, 2, . . .

(2.11)

converge a (s, t).

Como

(s, t) es desconocido, para comprobar la condicin det(J (s, t)) = 0 ser necesario 2 probar que det(J (x, y )) = 0 en cierto dominio de R que contenga en su interior a (s, t). El teorema tampoco proporciona ninguna informacin acerca del entorno E . En la prctica, una vez seleccionado el punto (x0 , y0 ), si la sucesin {(xn , yn )} obtenida mediante (2.11) converge a un punto del dominio D , este punto es la solucin buscada; si no ocurriera esto, habra que encontrar otro punto de partida (x0 , y0 ) que se aproxime sucientemente a la solucin. En el caso general de un sistema m m, con m 2, a saber, F1 (x1 , x2 , . . . , xm ) = 0, F2 (x1 , x2 , . . . , xm ) = 0,
. . . . . .

Fm (x1 , x2 , . . . , xm ) = 0,

(2.12)

se verica un resultado anlogo al teorema 2.6: si las funciones Fi (i = 1, 2, . . . , m) son de 2 clase C en cierto dominio D que contiene en su interior una solucin s = (s1 , s2 , . . . , sm ) del sistema (2.12), y la funcin matricial

J (x1 , . . . , xm ) = . . . . . . F Fm m (x1 , . . . , xm ) ( x1 , . . . , x m ) x1 x2
40

F1 ( x1 , . . . , x m ) x1 F2 ( x1 , . . . , x m ) x1

F1 ( x1 , . . . , x m ) x2 F2 ( x1 , . . . , x m ) x2

F1 ( x1 , . . . , x m ) xm F2 ( x1 , . . . , x m ) xm
. . .

Fm (x1 , . . . , xm ) xm

satisface que det(J (s)) = 0, entonces existe un entorno E del punto s tal que, para cualquier (0) (0) (0) x(0) = (x1 , x2 , . . . xm ) E , la sucesin de puntos obtenida mediante la iteracin

x(n+1) = x(n) J 1 (x(n) ) F (x(n) ),

donde

n = 0, 1, 2, . . . ,

(2.13)

F = (F1 , F2 , . . . Fm ),

converge a

s. m > 2.

Los comentarios hechos tras el teorema 2.6 son igualmente vlidos para el caso Cuando

m sea bastante mayor que 2, normalmente el clculo de la inversa ser complicado

y puede producir errores de redondeo. En este caso la igualdad (2.13) no ser la mejor forma (n) de obtener la sucesin de aproximaciones x . Para evitar el clculo de la inversa puede (n) multiplicarse por J (x ) en la igualdad (2.13), obtenindose

J (x(n) ) (x(n+1) x(n) ) = F (x(n) ),

Llamando

n = 0, 1, 2, . . .

(2.14)

u(n) = x(n+1) x(n) ,

la ecuacin (2.14) se transforma en el sistema lineal

mm
(2.15)

J (x(n) ) u(n) = F (x(n) ),

cuyas incgnitas son las

n = 0, 1, 2, . . . ,

m componentes del vector u(n) . Una vez resuelto el sistema (2.15) por

algn mtodo exacto (como el de Gauss) o incluso mediante un mtodo numrico (como se ha dicho, los mtodos numricos de resolucin de sistemas lineales se estudiarn en el captulo (n+1) (n) 3), la aproximacin x de (2.12) se obtiene sumndole a la anterior aproximacin x el (n) vector u recin calculado:

x(n+1) = x(n) + u(n) ,

n = 0, 1, 2, . . .

Los criterios de parada para lograr un error adecuado a nuestros deseos sern semejantes a los considerados en la seccin anterior, sustituyendo los valores absolutos por normas. En concreto, el primer criterio de parada consiste en que la norma de la diferencia de dos (n+1) aproximaciones consecutivas sea sucientemente pequea (x x(n) < , para cierto valor prejado Y el segundo criterio consiste en que la norma de la funcin que dene (n) (n) el sistema, aplicada en una aproximacin x , sea sucientemente pequea (F (x ) < , para cierto

).

).

2.6.

Ejercicios

1. Determine para qu nmeros reales no nulos tiene una raz de multiplicidad 2.

la ecuacin

x2 4x = c + d cos x

a b

4.

Cul es esa raz?

) Para qu valores ) Para qu valores

kR kR

la ecuacin la raz

2 cos 2x + 4x + k = 0 tiene una raz triple? x = 0 de la ecuacin ex1 sen 2x = kx es doble? i el inters mensual

3. Una persona necesita un prstamo de 150000 euros para la compra de un piso, prstamo que desea amortizar mediante pagos mensuales durante 30 aos. Sea

del prstamo (en tanto por ciento, expresado con no ms de dos dgitos decimales). La frmula de amortizacin del prstamo es la siguiente:

[ ( )360 ] 100M 100 150000 = 1 , i 100 + i

41

donde

es la cantidad mensual a pagar. Si dicha persona no est dispuesta a pagar

ms de 900 euros mensuales, cul es el mximo inters mensual que puede asumir? 4. Pruebe que la ecuacin solucin con un error

6x3 5x2 + 7x = 2 tiene 2 menor que 10 utilizando el

una nica solucin. Aproxime esa mtodo de biseccin.

5. Calcule de manera exacta las races del polinomio

p(x) = 0,4x2 +2,2x +4,7 utilizando

la frmula usual. Realice tres iteraciones del mtodo de biseccin para determinar la 1 raz mayor a partir de un intervalo de amplitud 10 que contenga dicha raz. Obtenga una cota del error y comprela con el verdadero error despus de cada iteracin. Observe si ese error disminuye en cada aplicacin del mtodo o no. 6. Haga una representacin aproximada de la funcin de sus ceros. Qu tiene de especial el punto ceros de

f?

Podra utilizarse el mtodo de

f (x) = x sen x que contenga varios x = 0 si lo comparamos con los dems biseccin para aproximar x = 0 como

solucin de la ecuacin

x sen x = 0? 1/x = tg x en intervalos que contengan una

7. Localice todas las soluciones de la ecuacin

sola. Se podra aplicar el mtodo de biseccin para aproximarlas? Aproxime alguna de las soluciones mediante el mtodo de biseccin de manera que el error cometido sea 2 x menor que 10 . Repita el ejercicio para la ecuacin 1/x = 2 . 8. Utilice el mtodo de biseccin para encontrar una aproximacin, con un error mximo de una centsima, de la abscisa del punto donde se cortan las grcas de las funciones

f (x) =
9. [

x2 + 1

g (x) = tg x,

denidas en el intervalo

(0, /2).

10

Mathematica
5

] Utilizando el mtodo de biseccin, aproxime con un error menor que

una solucin de la ecuacin

x 3 = 3 ln(x 10).

Programe el algoritmo de

modo que: (a) se visualicen las sucesivas aproximaciones; (b) la aproximacin nal se represente con al menos 7 dgitos de mantisa; (c) junto a cada aproximacin se muestre 5 una cota del error, de manera que esta cota sea menor que 10 solo en el ltimo paso. 10. Se considera la ecuacin

a b c

ln x = ax + b,
y

donde

son dos nmeros reales.

) Determine si es posible que esta ecuacin tenga una raz triple en algn caso, para ciertos valores de ) Si

b. a
ocurre que la ecuacin tiene

b = 2, a = 1
y

encuentre para qu valor o valores de

una raz doble. En este caso, determine el valor exacto de dicha raz. ) Si

b = 2,

encuentre un intervalo de la forma

[n, n + 1],

con

n 1,

que contenga una raz de la ecuacin. Aplique el mtodo de la regula falsi para aproximar esta raz hasta que la diferencia de dos aproximaciones consecutivas 3 sea menor que 10 . 11. Aproxime las races de las siguientes ecuaciones utilizando los mtodos de la

regula-falsi

y de la secante, con al menos tres iteraciones cada uno, aplicndolos al intervalo que le parezca conveniente: (a)

ex = 2 sen x

(b)

ex = tg x
42

(c)

x3 12x2 + 16x + 1 = 0.

12. Una bala se dispar verticalmente en el aire y est descendiendo a su velocidad terminal v , que es la dada por la expresin 1,4 102 v 1,5 + 21,15v = v 2 . Determine aproximadamente 13.

por el mtodo de la secante si una estimacin burda de

es

v = 20

m/s.

a f (x) = x x 3 b Mathematica
) Si

, pruebe que la ecuacin

f (x) = 0

tiene una nica solucin

real.

) [

] Aproxime esta solucin mediante el mtodo de la secante, con 6 condicin de parada |f (x)| < 10 . Cul es la solucin aproximada que se obtiene

si el intervalo de partida es

[10, 20]? Y si es [1, 2]? Qu resultado proporcionan

las tres instrucciones directas de 14.

a b Mathematica
) [

Mathematica

? Comente los resultados.

) Demuestre que la ecuacin

x cos x = 3

tiene una nica solucin real.

15. [

Mathematica Mathematica Mathematica

] Aproxime esta solucin mediante el mtodo de la secante, con 6 condicin de parada |f (x)| < 10 . ] Considere la ecuacin

de la secante con la condicin de

x3 = x cos x +20 x4 + x2 e implemente el mtodo 6 parada |xn+1 xn | < 10 para aproximar la nica

solucin no nula de dicha ecuacin. 16. [ ] La ecuacin

x3 + ex = 10

tiene una nica raz real. Determine un

intervalo en el cul est la raz y utilice los mtodos de biseccin, de la regula falsi, de la secante y de Newton-Raphson hasta que la diferencia entre dos aproximaciones 4 consecutivas sea menor que 10 . Comente los resultados. 16b. [ ] Utilice los mtodos de biseccin, regula falsi, secante y Newton-Raphson 3 x para obtener aproximadamente las soluciones de la ecuacin x 10 = e , de manera 4 que la diferencia entre dos aproximaciones consecutivas sea menor que 10 . Comente los resultados. 17. Mediante el mtodo de Newton-Raphson, aproxime las races ms cercanas a

4,5

y a

7,7

de la ecuacin

x = tg x

realizando 3 y 5 iteraciones respectivamente. Sugiera una

posible cota del error cometido para cada aproximacin. Obtenga en ambos casos el valor absoluto de la diferencia de las dos ltimas aproximaciones. 18. Pruebe que la ecuacin

x2 + ln x = 0

tiene una nica solucin. Aproxime la solucin

realizando tres iteraciones del mtodo de Newton-Raphson. D una opinin razonada acerca de la exactitud de la aproximacin alcanzada. 19. Se considera la ecuacin

x = cos x + 3.

En el ejercicio 14 se demostr que tiene una

nica solucin real. (a) Localice esa solucin en un intervalo de la forma

[n, n +1], donde xk

y

es un nmero entero. (b) Utilice el mtodo de Newton-Raphson para aproximarla

con al menos dos decimales de exactitud. modo que 20. [

] Obtenga mediante el mtodo de Newton-Raphson una aproximacin de x cada una de las races de la ecuacin xe x2 + 1 = 0. Cada aproximacin debe tener un mnimo de 5 dgitos correctos.

Mathematica

|xk+1 xk | = 0,00 . . .

Indicacin

: habr que obtener

xk+1

de

43

21. Encuentre una ecuacin que, aplicando el

f (x) = 0 tal que una de sus soluciones sea a (a>0) y de modo mtodo de Newton-Raphson a esa ecuacin, a pueda aproximarse

mediante operaciones aritmticas bsicas (sumas, restas, multiplicaciones y divisiones). En particular, obtenga un valor aproximado z de 26 tal que |s2 26| < 104 .

22. Planteando la ecuacin adecuada, el mtodo de Newton-Raphson permite aproximar el inverso de un nmero real no nulo sin efectuar divisiones. En particular, calcule una 1 aproximacin de mediante 3 iteraciones partiendo de x0 = 0,3 y comprela con el 1 valor de que le proporciona su calculadora u ordenador. para el caso 1 = 1. de que no encuentre esa ecuacin: tome ax

Indicacin

23. La velocidad de cada igualdad:

(en m/s) de un paracaidista se obtiene mediante la siguiente

v=
donde

) gm ( 1 ect/m , c

es el tiempo transcurrido desde que se lanz al vaco (en segundos), m es la 2 masa del paracaidista (en kg), g = 9,8 m/s y c es un coeciente que depende del tipo de paracadas y de otros factores, que en este caso supondremos igual a

14.

Determine

cul es la masa aproximada del paracaidista si a los 7 segundos de lanzarse del avin cae a una velocidad de

35

m/s.

24. [

Mathematica

] Dada la ecuacin

ln x +

x2

2 = 1, +1

compruebe que el mtodo de Newton-Raphson (2.7) no converge para el valor inicial

x0 = 40.

Encuentre otro valor inicial para que dicho mtodo converja. Aplique otro

mtodo que acelere la convergencia a la raz. Determine la multiplicidad de la raz.

25. [

Mathematica

] Aproxime el nico cero de la funcin

mtodo de Newton-Raphson, con la condicin de

f (x) = xex + 1 mediante el 4 parada |xn+1 xn | < 10 . Compare

este resultado con el obtenido utilizando instrucciones directas de

Mathematica

. Puede

explicar lo que ocurre si en el mtodo de Newton-Raphson se toma como aproximacin inicial

x 0 = 4? f (x) = x3 + x2 5x +3 tiene una raz doble en x = 1. Aproxime esa solucin

26. La funcin

utilizando cuatro iteraciones de los mtodos de Newton-Raphson (2.7) y (2.8). Explique las diferencias que encuentra al utilizar ambos mtodos.

27. [

Mathematica

] Se sabe que el polinomio

p(x) = 100 75x 15x2 + 30x3 6x4 3x5 + x6

tiene dos races reales dobles. Aproxime ambas soluciones tanto con el mtodo de Newton-Raphson (2.7) como con el mtodo de Newton-Raphson modicado hasta que 4 la diferencia de dos aproximaciones consecutivas sea menor que 10 . Comente los resultados.

44

28.

) Obtenga las dos primeras aproximaciones ciones

(x1 , y1 )

( x2 , y 2 ) }

de una de las solu-

(x, y )

del sistema

12(x2 y 2 ) 24x + 7 = 0, 9(x 1)y + 1 = 0,

que proporciona el mtodo de Newton-Raphson si se parte del punto

(x0 , y0 ) =

b Mathematica
) [

(0, 0).

Repita el ejercicio para

(x0 , y0 ) = (2, 1).

] Obtenga de forma aproximada mediante el mismo mtodo la solu-

cin de dicho sistema que est en el dominio

[0, 2/5] [0, 2/5], de modo que la 8 distancia de las dos ltimas aproximaciones sea menor que 10 . Obtenga tambin
una aproximacin de cualquier otra solucin real del sistema que se site fuera de ese dominio.

29.

) Obtenga la primera aproximacin que proporciona el mtodo de Newton-Raphson de una solucin del sistema

x2 z 2y tg xz = 0, z 1 2(x + 3y )e + z = 0, x 3y 6z + 4 = 0,

b Mathematica
) [ 30.

si se parte del punto

(x0 , y0 , z0 ) = (1, 1, 1).

] Aplicando el mismo mtodo, aproxime al menos dos soluciones

reales de dicho sistema de modo que la distancia de las dos ltimas aproximaciones 6 de cada solucin sea menor que 10 . ) Realizando dos iteraciones del mtodo de Newton-Raphson, obtenga una aproximacin de la solucin del sistema

x2 sen xy y = 0, 2y 2 ln(x + 3y ) + x = 0,
situada en las proximidades del punto

(10, 4). Sin realizar ms iteraciones, cmo

se podra medir cunto se aproxima el resultado obtenido a una solucin del

b Mathematica
) [ 31. [

sistema?

] Aplicando el mismo mtodo, aproxime tres soluciones reales de

] Observe qu respuesta da la instruccin NSolve cuando intenta resolver 2 la ecuacin x = 1 + sen x. Utilice la instruccin Plot para saber cuntas soluciones tiene la ecuacin anterior. Encuentre una aproximacin de cada una de esas soluciones utilizando la instruccin FindRoot.

Mathematica a

dicho sistema de modo que la distancia de las dos ltimas aproximaciones de 7 cada solucin sea menor que 10 .

32.

) Realizando dos iteraciones del mtodo de Newton-Raphson, obtenga una aproximacin de la solucin del sistema

x2 2x sen y = 1, e2y (x 1) = 1.
situada en las proximidades del punto

(0, 0).

45

b Mathematica
) [

] Utilice la instruccin FindRoot para encontrar algunas soluciones

de dicho sistema. Por ejemplo, tome como puntos iniciales los puntos

k = 0, 2, 4, 10, 12 ( x = y .
33. Sea

Indicacin
R

(k, k ),

con

: en uno de estos valores pueden producirse problemas

de convergencia). Pruebe tambin con otros puntos iniciales

(x, y )

en los que

a b

la funcin denida en

mediante

f (x) = 3x4 + 4x3 102x2 + 180x 50.

) Determine el nmero de races reales que posee. ) Localice la raz de

con menor valor absoluto en un intervalo de amplitud 1/4.

34. Una funcin

f,

cuya grca aparece por duplicado en la gura 2.2, tiene como se

observa un cero en el intervalo la izquierda los puntos

[0, 4].

Represente aproximadamente en el grco de

x1 , x2 y x3 de la iteracin del mtodo de la . En el grco de la derecha, si x1 = 0 y x0 = 4, haga lo mismo para el mtodo de la secante.

regula falsi

0.5

0.5

1 -0.5 -1 -1.5

4 -0.5 -1 -1.5

Figura 2.2: Aplique los mtodos de la

regula falsi

y de la secante

35. Pruebe que la ecuacin intervalo de la forma aproximaciones de

x + arctan x = 1 tiene una nica solucin real s. Encuentre el [z, z + 1] con z Z que contenga a s. Obtenga las dos primeras

que proporciona el mtodo de la secante aplicado a ese intervalo.

36. Compruebe, aplicando el teorema de Bolzano, que en el intervalo [4, 8] hay una raz s del polinomio 72 + 12x 6x2 + x3 . Aplique el mtodo de Newton-Raphson a partir del punto medio de dicho intervalo. Si hubiera algn problema, resulvalo de modo que se pueda aplicar este mtodo para aproximar

s.

Haga entonces alguna iteracin.

37. Una persona necesita un prstamo de 150000 euros para la compra de un inmueble, prstamo que desea amortizar mediante pagos que no superen los durante 25 aos. La frmula de amortizacin del prstamo es

12000 euros anuales,

[ ( )25 ] 100M 100 150000 = 1 , i 100 + i

donde

es la cantidad a pagar cada ao e

es el inters anual del prstamo (en %).

Cul es el inters anual mximo

imax

que puede asumir?

) Localice en un intervalo de amplitud

unidades el valor de

imax .

46

) Obtenga la frmula del mtodo de Newton-Raphson para resolver este problema, elija un valor inicial adecuado y obtenga una primera aproximacin de

imax .

38. Obtenga una aproximacin de una solucin del sistema

x2 + ey = 5, sen x + cos y = 1,
partiendo del punto

(0, /2)

como primera aproximacin de la solucin, y obteniendo

solo la primera iteracin que proporciona el mtodo de Newton-Raphson para sistemas. Sin realizar ms iteraciones, cmo se podra medir cunto se aproxima el resultado obtenido a una solucin del sistema?

Algunas cuestiones tericas

1. Dena el concepto de raz de multiplicidad

de una ecuacin.

2. Si hubiese que aproximar la raz de multiplicidad

del ejercicio 1 por alguno de los

mtodos de Newton-Raphson, cul elegira? Por qu? 3. Explique qu mtodos aplicara y por qu, para aproximar con el menor nmero de iteraciones posible los dos ceros de una funcin

cuya grca es la representada en

la gura 2.3. Exprese la frmula para la primera iteracin en cada caso, eligiendo los puntos de partida que estime ms convenientes.

0.2

0.1

0.5 -0.1

1.5

-0.2

Figura 2.3: Qu mtodos empleara para aproximar los ceros de esta grca?

4. La grca de una funcin aparece por duplicado en la gura 2.4. Represente aproximadamente en el grco de la izquierda los primeros puntos de la iteracin del mtodo de la

regula falsi

, partiendo de los extremos del intervalo donde se ha representado la

grca. En el grco de la derecha haga lo mismo para el mtodo de la secante. Hacia qu solucin se tiende en cada caso? 5. Qu diferencias observa entre los mtodos de Newton-Raphson, por un lado, y los mtodos de biseccin, de la

regula falsi

y de la secante, por otro?

6. Determine la verdad o falsedad de las siguientes armaciones. 47

0.2

0.2

0.1

0.1

0.5 -0.1

1.5 -0.1

0.5

1.5

-0.2

-0.2

Figura 2.4: Aplique los mtodos de la

regula falsi

y de la secante

a b c d e

) Si

es una raz triple de la ecuacin ecuacin f (x) = 0.

f (x) = 0,

entonces

es una raz doble de la

) El mtodo de la secante no siempre converge. ) El mtodo de la

regula falsi
p(x)

no siempre converge.

) El mtodo de la secante puede utilizarse para aproximar races mltiples (aunque quiz lo haga con lentitud). ) Si

p(x)

es un polinomio de grado

k,

su derivada

k -sima p(k) (x)

es una funcin

constante. Por tanto,

no puede tener races de multiplicidad

k + 1.

7. Represente una grca que corte al eje

en un punto, y aplique sobre la grca el

mtodo de la secante para aproximar el cero de la funcin. Repita el ejercicio (en grca aparte similar) para el mtodo de Newton-Raphson. 8. Comente las ventajas e inconvenientes que tiene el mtodo de la secante respecto del mtodo de biseccin.

48

Captulo 3 RESOLUCIN NUMRICA DE SISTEMAS DE ECUACIONES LINEALES

En este captulo indagaremos sobre diversas cuestiones acerca de la resolucin de sistemas lineales compatibles determinados. Especialmente nos centraremos en su resolucin numrica, que es clave para la resolucin de sistemas de gran tamao. Tambin introduciremos un mtodo para la obtencin aproximada de valores propios de una matriz.

3.1.

Preliminares de lgebra Lineal

En esta seccin recordamos algunos conceptos y resultados de la asignatura de lgebra Lineal, que necesitaremos a lo largo de este captulo; e introducimos otros conceptos y resultados de esa rama de las Matemticas que tendrn relevancia en las siguientes secciones. Representaremos por columnas). Del mismo

Mmn (R) al conjunto de las modo, Mmn (C) representa a

matrices reales

m n (m


las y

las matrices complejas.

A los ele-

mentos de estos conjuntos los representaremos frecuentemente por

(aij ) (i = 1, 2, . . . , m,

j = 1, 2, . . . , n):

si escribimos

A = (aij ) Mmn (R) querr decir a11 a12 a1n a21 a22 a2n A= . , . . . . . . . . am1 am2 amn

que

(3.1)

aij R para cualesquiera i = 1, 2, . . . , m y j = 1, 2, . . . , n. Si m = 1, entonces se dice que (aij ) es una ; si n = 1, se dice que (aij ) es una ; si m = n, se dice que (aij ) es una n. Al conjunto formado por estas ltimas se le representar ms simplicadamente por Mn (R) (si son reales) o por Mn (C) (si son
donde

matriz la matriz cuadrada de orden

matriz columna

complejas).

 En lo que sigue, cuando introduzcamos conceptos y resultados sobre matrices, entenderemos que las
matrices pueden ser reales o complejas salvo que se especique otra cosa. En ocasiones hablaremos de matrices reales no porque ese concepto o resultado no pueda extenderse a matrices complejas, sino porque solo lo necesitaremos para matrices reales.

49

Podemos apreciar que

Mn1 (R)

es un conjunto bastante similar a M1n (R), y tambin a n (algo semejante puede decirse de C ). De hecho, estos tres conjuntos son lo que en

Rn

lgebra se denomina

espacios isomorfos

: sus elementos y sus operaciones son esencialmente

los mismos. Esto permite identicarlos y usarlos casi indistintamente. Por ejemplo, muchas n veces interesar representar los elementos de R como matrices columna n 1 o 1 n. De n hecho, frecuentemente nos referiremos a estas matrices como puntos o vectores de R , y viceversa. Los elementos de una matriz la o de una matriz columna se denotan usualmente con un solo subndice, puesto que el otro se sobrentiende que es igual a 1: por ejemplo,

a = (a1 a2 an ) ,

b1 b2 b = . . . . bn

Sea A = (aij ) una matriz m n. Se dene entonces su , que denotaremos t por A , como la matriz que se obtiene a partir de A intercambiando sus las por sus columnas en el mismo orden, esto es,

matriz traspuesta
.

A =
t

a11
. . .

a12
. . .

a1n
. . .

am1 am2 amn

Una matriz cuadrada

a11 am1 a12 am2 = . . . . . . a1n amn

se dice que es

simtrica

si coincide con su traspuesta:

At = A.

Dado un sistema lineal cualquiera

a11 x1 + a12 x2 + + a1n xn = b1 , a21 x1 + a22 x2 + + a2n xn = b2 , am1 x1 + am2 x2 + + amn xn = bm ,

(3.2)

matriz de coecientes independientes

la expresarse de la forma

del sistema es la matriz

del sistema es la matriz

A dada por (3.1) y la matriz de los t t columna b = (b1 b2 . . . bm ) . Si x = (x1 x2 . . . xn )

trminos
es

la matriz columna formada por las incgnitas del sistema, entonces el sistema (3.2) puede

Ax = b, esto es: a11 a12 a21 a22 . . . . . . am1 am2

b1 x1 a1n a2n x2 b2 = . . . . . . . . . bm xn amn

A = (aij ) es una matriz cuadrada de orden n, su es la formada los elementos aii , con i = 1, 2, . . . , n. Una matriz cuadrada A = (aij ) se dice que es
Si

diagonal principal
si

superior

triangular

por

si los elementos que se sitan bajo la diagonal principal son todos nulos, esto es, si

aij = 0 para todo i > j . Anlogamente, A es

triangular inferior
50

aij = 0 para todo i < j . Si

una matriz todo

de orden

es triangular superior e inferior a la vez es decir, si

i = j ,

entonces se dice que

es una

matriz diagonal

aij = 0

para

. En tal caso la matriz puede

denotarse de la forma

a11 0 0 0 a22 0 A = diag (a11 , a22 , . . . , ann ) = . . . .. . . . . . . . 0 0 ann

El ejemplo ms caracterstico de matriz diagonal de orden denotaremos por son iguales a

n,

es la

In , y que es la matriz en la que todos los elementos de su diagonal principal 1 0 0 0 1 0 In = diag (1, 1, . n . ., 1) = . . . . . . .. . . . . . 0 0 1

matriz identidad

, que

(y el resto son cero):

las en sentido estricto

Una matriz cuadrada

A = (aij )

de orden

se dice que es

diagonalmente dominante por

si el mdulo de cada elemento de la diagonal principal es mayor que

la suma de los mdulos de los dems elementos de su la, es decir, si

|aii | >

n j =1 j =i

|aij |

para todo

i = 1, 2, . . . , n.

Del mismo modo, se dice que

A es

diagonalmente dominante por columnas en sentido estricto

|aij |
para todo

si el mdulo de cada elemento de la diagonal principal es mayor que la suma de los mdulos de los dems elementos de su columna, esto es, si

|ajj | >

n i=1 i=j

j = 1, 2, . . . , n.

A veces, por brevedad, omitiremos las palabras en sentido estricto al referirnos a ambas deniciones, ya que en esta asignatura no se utilizan las correspondientes deniciones no estrictas.

Ejemplo 3.1
A=

Dadas las matrices

9 1 2 1 5 3 1 1 4 1 2 1

1 0 1 5

B=

4 1 2 1 1 5 3 0 1 1 7 1 1 2 1 5

C=

5 1 2 1

1 5 1 e

2 7 1

1 0 1 9

A es diagonalmente dominante por las en sentido estricto pero no por columnas (en su tercera columna ocurre que | 4| < |2| + | 3| + |1|), B es diagonalmente dominante por columnas en sentido estricto pero no por las (en su primera la ocurre que |4| = | 1| + |2| + |1|) y C es diagonalmente dominante tanto por las como por columnas en sentido estricto. 2
es claro que 51

Al

determinante
A

de una matriz cuadrada

cuadrada

de orden

lo denotaremos |A| o det(A). Una matriz 1 1 es inversible cuando existe otra A tal que AA = A1 A = In .

Equivalentemente,

es inversible si y solo si

|A| = 0.

El siguiente resultado muestra un

primer tipo de matrices que siempre son inversibles.

Teorema 3.1
Sea

una matriz cuadrada real. Se dice que n si existe un vector no nulo tal que es un de

Toda matriz diagonalmente dominante (por las o por columnas) en sentido estricto, es inversible. A C valor propio A xC Ax = x x vector propio A
es un de la matriz . En este caso se dice tambin que asociado al valor propio

. Entre los vectores propios asociados a

cualquier valor propio Si

se incluye tambin al vector

= (0, 0, . . . , 0),

puesto que

A = .

es un valor propio de una matriz, al conjunto formado por todos los vectores propios asociados a lo denotaremos V . Sin embargo, en el caso particular de que sea un valor propio real, solo utilizaremos los vectores de V cuyas componentes sean reales, es decir, los n que pertenecen a R ; al conjunto formado por estos vectores propios lo denotaremos W .
El siguiente teorema muestra cmo pueden obtenerse los valores propios de una matriz cuadrada as como los vectores propios asociados a cada valor propio.

propiedades: 1. C es un valor propio de A si y solo si |A I | = 0. 2. Si es un valor propio de A, entonces el conjunto V de sus vectores propios coincide con el conjunto de las soluciones complejas del sistema (A I ) x = 0. En el caso de que sea real, W se obtiene como el conjunto de las soluciones reales de dicho sistema. 3. Para cada valor propio de A, se tiene que V es un subespacio vectorial de C . En el caso de que R, entonces W es un subespacio vectorial de R ; adems dim W = dim V , de modo que cualquier base de W es tambin una base de V .
n n n n
Para la aplicacin del primer apartado del teorema 3.2, observe que el determinante

Teorema 3.2

Para cualquier matriz cuadrada real A de orden n se satisfacen las siguientes

|A In |

caracterstico

es un polinomio respecto de la variable de la matriz

, p(),

al que se denomina

A. Es claro que p() es un polinomio con coecientes reales, y que su grado es n. Luego los valores propios de A son las races de su polinomio caracterstico. A la multiplicidad r de cada raz se le denomina del valor propio ! . Otra clara consecuencia del teorema 3.2 es que, para cada valor propio de una matriz A de orden n, el sistema homogneo (A In ) x = 0 es compatible indeterminado, de donde se deduce que la dimensin s de V (y la de W , en el caso R) es mayor o igual que 1. A s se le denomina de . Como consecuencia de resultados conocidos

polinomio

multiplicidad algebraica

multiplicidad geomtrica
n

En resumidas cuentas, V C W Rn y puede probarse que W siempre igual a

para todo valor propio

! Por tanto, la suma de las multiplicidades algebraicas de los valores propios de una matriz de orden

V :

muchos vectores de

, V

real o imaginario. Y si n no pertenecen a R .

R,

entonces

es

n.
52

del lgebra lineal se tiene que

s = n rg(A In ). Adems, el siguiente resultado establece

la relacin que existe entre las multiplicidades algebraica y geomtrica.

Sea A una matriz cuadrada real de orden n, y sea cualquiera de sus valores propios. Entonces se cumple que 1 s r . radio espectral A n (A) A || = (A) dominante estrictamente dominante
Teorema 3.3
El

de una matriz cuadrada

de orden

se dene como el mximo de los de cuyo mdulo

mdulos de sus valores propios; se denota por sea mximo, es decir, que verique que

. Todo valor propio

, se dice que es

. Si hay un nico

valor propio dominante (teniendo en cuenta tambin su multiplicidad, que deber ser 1), se dice que es .

En el caso de matrices reales, el valor propio estrictamente dominante, si existe, tiene que ser real (si fuera imaginario, su conjugado sera otro valor propio con el mismo mdulo, por lo que no sera estrictamente dominante). Es fcil probar que el polinomio caracterstico de una matriz cuadrada A coincide con t el de su traspuesta. Por tanto A y A tienen los mismos valores propios y, en particular, (A) = (At ).

es

semejante
D

Sea

una matriz cuadrada real de orden

n.

Se dice que

es

matriz

a una matriz diagonal, es decir, cuando existe una matriz P inversible y una 1 diagonal tales que P AP = D (las matrices P y D podrn ser complejas).

diagonalizable

cuando

El siguiente teorema proporciona una caracterizacin del concepto de matriz diagonalizable.

Teorema 3.4

Sea A una matriz cuadrada real de orden n. 1. A es diagonalizable si y solo si las multiplicidades algebraica y geomtrica de cada uno de sus valores propios coinciden: r = s para todo valor propio de A (usando la notacin del teorema ). 2. Si A es diagonalizable y , , . . . , son sus valores propios escritos en cualquier orden y apareciendo repetidos tantas veces como indique su multiplicidad, entonces A es semejante a la matriz D = diag( , , . . . , ). Adems, si para cada i = 1, 2, . . . , n se elige un vector propio x asociado a de manera que los vectores propios elegidos asociados a formen una base de su subespacio la matriz P tal que P AP = D siempre que los vectores columna x , x , . . . , x de P sean n vectores propios linealmente independientes de A respectivamente asociados a los valores propios , , . . . , .

3.3

Como consecuencia inmediata del teorema anterior, se obtiene el siguiente resultado.

Si una matriz cuadrada real de orden n posee n valores propios distintos, entonces es diagonalizable. A n submatriz principal
Teorema 3.5
Sea una matriz cuadrada de orden . Una matriz se dice que es la de orden

k de A, con k = 1, 2, . . . , n, si se obtiene a partir de A eliminando sus ltimas n k (k ) (n) las y n k columnas. A esta submatriz la denotaremos A . Observe que A = A. Se dene el de orden k de la matriz A, denotado por mk (A), como el determinante (k) de la submatriz principal de orden k de la matriz A: mk (A) = |A |.

menor principal

53

n. Se dice que A es si todos sus menores principales son positivos: mk (A) > 0 para todo k = 1, 2, . . . , n. En particular, el
Sea una matriz simtrica real de orden determinante de una matriz denida positiva es positivo, y por tanto la matriz es inversible. El siguiente teorema proporciona dos propiedades de las matrices simtricas reales y dos ms de las que son denidas positivas.

denida positiva

Teorema 3.6

Para cualquier matriz simtrica real A se cumplen las siguientes propiedades: 1. Todos los valores propios de A son reales. 2. A es diagonalizable. 3. A es denida positiva si y solo si todos sus valores propios son positivos. 4. Si A es denida positiva, entonces todos los elementos de su diagonal son positivos.
Normas matriciales
En la seccin 1.3 se introdujo el concepto de espacio normado, y se coment que un

3.2.

primer ejemplo de espacio normado era el espacio eucldeo

n-dimensional.

En esta seccin

se introducen otros espacios normados y, en particular, las normas matriciales y algunos conceptos relacionados con ellas. Esta seccin, como la anterior, proporciona herramientas bsicas para los mtodos numricos que se introducirn en este captulo. n En el conjunto R , adems de la norma eucldea pueden denirse un nmero innito de normas. En concreto, se puede probar que

( u p =
dene una norma en cuando

n i=1

)1/p |ui |
p

Rn

para todo

p [1, ).

Observe que la norma eucldea se obtiene

p = 2.

Tambin nos interesar de modo especial el caso

p = 1:

u 1 =
Otra norma que utilizaremos en

n i=1

|ui |.

Rn

es la denida como sigue:

u = m ax |ui |.
1in
Por contraste con las normas que deniremos a continuacin, a las normas denidas en

las denominaremos En el conjunto

Mn (R)

normas vectoriales

en

pueden denirse muchas normas diferentes que doten a dicho

conjunto de estructura de espacio normado. Pero solo nos interesar trabajar con normas que cumplan las propiedades que introduciremos en las deniciones 3.1 y 3.3.

Denicin 3.1

Una norma

Mn (R)

se dice que es una

norma matricial

si cumple

la siguiente propiedad aadida:

AB AB

para cualesquiera

A, B Mn (R).

(3.3)

54

Observe que una norma matricial cumple la siguiente propiedad:

In 1.
La razn es simple: aplicando (3.3), se tiene que donde se deduce trivialmente la propiedad. A continuacin introducimos las tres normas matriciales ms utilizadas.

(3.4)

In = In In In In = In 2 ,

de

Denicin 3.2

Podemos introducir tres normas matriciales en el conjunto

Mn (R)

de la

siguiente forma. Para cada

A = (aij ) Mn (R) A2 =

se dene:

(At A), n |aij |, A1 = m ax

1j n i=1 n j =1

A = m ax

1in

|aij |.

Ejemplo 3.2

Es inmediato que

In 1 = In 2 = In = 1.
Por ejemplo, como el nico valor propio de

(In ) =

In

es

= 1,

entonces

In 2 =

tI ) = (In n

1 = 1.

Las otras dos igualdades son triviales. Por tanto, en este triple ejemplo

se tiene la igualdad en (3.3). Pero hay tambin muchas normas matriciales para las que

In > 1.

El siguiente teorema muestra algunas propiedades del radio espectral y de las normas matriciales.

Teorema 3.7

Sea A una matriz cuadrada real. Entonces: 1. El radio espectral de A es menor o igual que cualquiera de sus normas matriciales: (A) A para cualquier norma matricial . Es ms, el radio espectral de A es el nmo de todas las normas matriciales de A: (A) = nf {A : es una norma matricial} . 2. En particular, (A) < 1 si y solo si existe una norma matricial tal que A < 1.
M M M M M M
Sea

Denicin 3.3
en

una norma matricial en

. Se dice que estas normas son si para cada matriz n vector u R (expresado como matriz columna) se tiene que

compatibles

Mn (R), y sea V

una norma vectorial

A Mn (R)

y cada

AuV AM uV .
Puede probarse que las normas matriciales

1 , 2

son respectivamente

compatibles con las normas vectoriales denotadas del mismo modo.

55

3.3.

Condicionamiento de una matriz

En esta seccin se introduce un concepto, el de condicionamiento de una matriz real inversible, que es importante tener en cuenta para la resolucin de sistemas lineales que puedan tener errores (incluso muy pequeos) en sus coecientes o trminos independientes. Por brevedad solo consideraremos el caso de errores en los trminos independientes.

Denicin 3.4
A Mn (R)

Fijada una norma matricial

se dene su

condicionamiento

en

Mn (R),

para cada matriz inversible

mediante la siguiente expresin:

cond(A) = AA1 .
Por tanto, para cada matriz real inversible

A,

nosotros podremos considerar tres deni-

ciones de condicionamiento, una para cada una de las normas matriciales introducidas:

cond1 (A) = A1 A1 1 ,

cond2 (A) = A2 A1 2 ,

cond (A) = A A1 .

El siguiente teorema muestra una propiedad del condicionamiento de una matriz.

Teorema 3.8

Sea A una matriz real inversible de orden n, y sea cualquier norma matricial en M (R). Entonces se tiene que
n

cond(A) In 1.
El condicionamiento de una matriz no depende de la magnitud de sus coecientes: por ejemplo, dada una matriz real inversible todo

A,

es fcil probar que

cond(kA) = cond(A)

para

k = 0.
Como

Ejemplo 3.3

In 1 = In 2 = In = 1

(recuerde el ejemplo 3.2), es claro que

cond1 (In ) = cond2 (In ) = cond (In ) = 1.

En general, para cualquier matriz diagonal que

A = diag(a11 , a22 , . . . , ann ) inversible (esto es, tal m ax |aii | m n |aii | . 2

aii = 0

para todo

i = 1, 2, . . . , n),

se puede probar que

cond1 (A) = cond2 (A) = cond (A) =

1in

1in

El lector podr, al menos, comprobar este ltimo resultado para algn ejemplo concreto.

A continuacin trataremos acerca de los efectos que puede tener el condicionamiento de la matriz de coecientes en la resolucin de un sistema compatible determinado. Mostraremos que el condicionamiento de dicha matriz puede afectar a la exactitud de la resolucin del sistema. Pero nos limitaremos a estudiar un supuesto sencillo, el que muestra el siguiente teorema.

56

Sea A una matriz cuadrada real inversible de orden n, y sea b una matriz columna real del mismo orden. Supongamos que de la matriz b solo se conoce una aproximacin b . Sea x (= A b) la solucin del sistema Ax = b y x (= A b ) la solucin del sistema Ax = b . Elegimos una norma matricial en M (R) y una norma vectorial en R que sean compatibles. Si consideramos los errores relativos x x b b r = y r = , b x entonces se tiene la siguiente desigualdad:
Teorema 3.9
1 1 n n b x

rb rx rb cond(A). cond(A)

(3.5)

En conclusin, la segunda desigualdad en (3.5) puede ser problemtica si el condicionamiento de la matriz multiplicarse en la

A es un nmero grande. Tericamente, el error relativo en b podra solucin x por el valor del condicionamiento. x + 2y + z = 2, 150x 300y 151z = 300, 250x 500,1y 250,9z = 500,

Ejemplo 3.4

Consideramos el sistema compatible determinado

en el que los trminos independientes anteriores son una aproximacin de los verdaderos. Siguiendo la notacin utilizada, tenemos pues que

1 2 1 A = 150 300 151 , 250 500,1 250,9 x = A1 b = (2 0 0)t .

2 b = 300 , 500

y la solucin del sistema es

Es fcil calcular que el condicionamiento de la matriz A con respecto a las normas 1 6 6 y es aproximadamente igual a 3 10 y 2,49 10 , respectivamente. t Si los trminos independientes exactos son los de la matriz b = (2 301 501) , entonces 1 t la solucin verdadera es x = A b = (1 1 1) . Se observa que un error no muy grande en los trminos independientes ha cambiado sustancialmente la solucin del sistema. Utilizando las normas del innito, el error relativo en los trminos independientes es

rb =

(0, 1, 1) 1 b b = = , b (2, 301, 501) 501 (3, 1, 1) x x = = 3. x (1, 1, 1) 1503

veces el error

mientras que el error relativo en la solucin es

rx =
Luego

rx = 1503 rb :

el error relativo en la solucin ha multiplicado

relativo en los trminos independientes (y podra haber sido peor: el condicionamiento de A indica que el factor multiplicativo podra haber sido de hasta 2,49 106 ). De hecho, si t hubiramos tomado b = (2,01 301,01 500,99) como se pide en el ejercicio 4 de la seccin 3.7, entonces el resultado es an ms sorprendente, puesto que se obtiene

x = (23,88 10,69 0,49)t ,

con lo que

rb 1,99601 105

y rb .

rx 24,88, 2

rx

resulta ser ms de

1,2

millones de veces mayor que

57

3.4.

Mtodos iterativos de resolucin de sistemas lineales

Con esta seccin comenzamos el estudio del principal objetivo de este captulo: encontrar mtodos que puedan proporcionar una aproximacin precisa de la solucin de un sistema lineal

n n compatible determinado. Estos mtodos se podrn aplicar a sistemas lineales de

cualquier orden, pero su inters reside en su aplicacin a sistemas de un orden tan elevado que su resolucin mediante mtodos exactos pueda producir excesivos errores de redondeo en la solucin. Por el contrario, los errores de redondeo pierden su inuencia en los mtodos iterativos por el modo en que estos estn diseados. As, tanto en esta seccin como en la siguiente trabajaremos con sistemas lineales Ax = b, n donde A es una matriz cuadrada real inversible de orden n (y b R ). Los mtodos iterativos n de resolucin de estos sistemas proporcionan una sucesin de puntos de R que convergen a su solucin. Aunque no lo demostremos, estos mtodos iterativos siempre pueden expresarse mediante una frmula matricial del siguiente tipo:

x(k+1) = Cx(k) + d,
donde de

k = 0, 1, 2, . . . ,
las matrices

(3.6) del sistema, y el punto

C Mn (R) y d Rn se denen a partir de (0) n " partida x puede ser cualquier punto de R .
#

Ayb

El siguiente resultado precisa cundo las

iteraciones del tipo (3.6) convergen a un punto.

Teorema 3.10
n

Si C es una matriz cuadrada real de orden n, y d y x son dos puntos de R , la iteracin converge si y solo si (C ) < 1.
(0)
(3.6) Por tanto, que una iteracin del tipo (3.6) converja solo depende de la matriz

C:

si su

radio espectral es menor que (0) n y x en R .

1,

los mtodos de la forma (3.6) convergen para cualesquiera

El siguiente resultado podr aplicarse para acotar el error de aproximacin de los mtodos iterativos de resolucin de sistemas.

Teorema 3.11
(0)

Sea C una matriz cuadrada real de orden n tal que (C ) < 1, y sean d y x dos puntos de R . Si {x } es la sucesin de puntos dada por y x = lm x , entonces C
n (k)
(3.6)

(k ) $

x(k) xV

para cualquier norma matricial tal que C < 1, y para cualquier norma vectorial compatible con .
M

1 C M

x(k) x(k1) V ,
%

k = 1, 2, . . .

(3.7)

En las aplicaciones de este teorema resultar que el trmino de la izquierda en (3.7) es desconocido (puesto que no se conoce la solucin x), de manera que el trmino de la derecha (k) proporcionar una cota del error x xV , que es proporcional a la norma de la diferencia

" Como regla general, si el mtodo es convergente, cuanto ms prximo est

x(0)

a la solucin del sistema,

se necesitarn menos iteraciones para llegar a una buena aproximacin de la solucin.

# Nosotros lo aplicaremos al caso en el que ese punto es la solucin de un sistema lineal dado, pero el

teorema es vlido tambin cuando

$ El teorema 3.10 asegura que existe este lmite. % Como (C ) < 1, el teorema 3.7 asegura la existencia de normas matriciales

no provienen de un sistema.

tales que

C M < 1.

58

de las dos ltimas aproximaciones obtenidas. Observe tambin que es indispensable utilizar una norma matricial tal que C M < 1 (si C M 1, el trmino de la derecha nunca podra (k) ser una cota del error x xV , ya que dicho trmino sera negativo o innito).

3.5.

Mtodos de Jacobi y de Gauss-Seidel

En esta seccin introducimos dos mtodos iterativos para la resolucin aproximada de sistemas lineales

Ax = b

del tipo establecido en la seccin 3.4, y estudiamos en qu casos

son aplicables. Ambos mtodos (y otros muchos) se basan en la siguiente descomposicin de la matriz de coecientes

A = (aij )

del sistema:

A = D L U,
donde

(3.8) son las matrices triangulares

D = diag(a11 , a22 , . . . , ann ), lij = { 0 aij L=

L = (lij )

U = (uij ) uij =

denidas por

i j, i > j,

{ aij 0

i < j, i j.

Por ejemplo, la matriz

tendra el siguiente aspecto:

0 0 a21 0 a31 a32

. . . . . . .. .

0 0
.. .. . .

0
.. . . ..

.. .. . .

an1 an2 A= 9 1 2 1 1 2 3 0 1 1 0 1 1 2 1 3 0 0 0 3

an n2 an n1 ,

. . . . 0 0

0 0 0

Ejemplo 3.5

Si

su descomposicin de la forma (3.8) es

A=

9 0 0 0

0 2 0 0

0 0 0 0

0 0 0 1 0 0 1 1 0 1 2 1

0 0 0 0

0 0 0 0

1 2 1 0 3 0 . 2 0 0 1 0 0 0

Para que se puedan aplicar los mtodos de Jacobi y de Gauss-Seidel, ser necesario exigir que todos los elementos de la diagonal de la matriz de coecientes del sistema sean no nulos.

Ax = b es un sistema donde A = (aij ) es la matriz del ejemplo 3.5, entonces, como det(A) = 50 = 0, el sistema es compatible determinado. Pero a este sistema no se le podr aplicar ni el mtodo de Jacobi ni el de Gauss-Seidel, ya que a33 = 0. Obviamente,
Por ejemplo, si si se intercambia la posicin de las ecuaciones tercera y cuarta, se obtendra un sistema equivalente A x = b en el que aii = 0 para todo i = 1, 2, 3, 4; con lo que se podr intentar aplicar ambos mtodos para este ltimo sistema.

59

En general, los mtodos de Jacobi y de Gauss-Seidel son sensibles al cambio del orden de las ecuaciones: puede que converjan para cierto orden determinado a la solucin del sistema, y que para otro orden no converjan. Ahondaremos en este punto a continuacin, al introducir ambos mtodos, y tambin mediante los ejercicios propuestos.

3.5.1.
Sea

Mtodo de Jacobi

Ax = b

un sistema del tipo establecido en la seccin 3.4, y sea

descomposicin de

introducida en esa seccin. Entonces, el

mtodo de Jacobi

A = DLU

la

para dicho

sistema se dene mediante la iteracin

x(k+1) = D1 (L + U )x(k) + D1 b,

k = 0, 1, 2, . . . ,

(3.9)

(0) que parte de cualquier punto x Rn . Es evidente que la iteracin de Jacobi es del tipo 1 1 (3.6), donde C = D (L + U ) y d = D b. A la primera de estas matrices la denominaremos
como la

matriz del mtodo de Jacobi

y, en cuanto que solo depende de la matriz

(y de la

descomposicin (3.8) realizada en ella), la denotaremos por

JA :
(3.10)

JA = D1 (L + U ).

1 1 1 1 1 Observe que JA = D (L + U ) = D (D A) = D D D A = In D A. As, JA = In D1 A es una denicin equivalente de la matriz del mtodo de Jacobi. En los
es indiferente. Desarrollando cualquiera de esas 1 expresiones de JA y realizando tambin el producto D b, se obtiene ejercicios, usar una u otra expresin de

JA

JA = 0 a21 a22
. . .

a12 a11 0
.. .

a13 a11 a23 a22

.. .. .

.. .

a1n a11 a2n a22

. . .

an1 1 an1 n1 an1 ann

an1 2 an1 n1 an2 ann

0 an n1 ann

an1 n an1 n1 0

1 D b= . . . bn ann

b1 a11 b2 a22

Sustituyendo estos resultados en (3.9) e igualando componente a componente, se obtiene una frmula equivalente de la iteracin del mtodo de Jacobi:

(k+1) xi

1 = aii

( bi

i1 j =1

(k ) aij xj

n j =i+1

)
(k) aij xj

i = 1, 2, . . . , n,

k = 0, 1, 2, . . . ,

(3.11)

donde los sumatorios con contenido nulo los que van desde

j = 1 hasta j = 0, o bien desde

j =n+1

hasta

j = n

se entiende que son iguales a cero.

El siguiente teorema determina cundo converge el mtodo de Jacobi.

60

Sea A una matriz real inversible de orden n tal que a = 0 para todo i = 1, 2, . . . , n; y sea b una matriz columna real del mismo orden. Consideramos la descomposicin de A dada por y la matriz J denida por . Y para cualquier x R , sea {x } la sucesin de puntos de R obtenida mediante la iteracin o . Entonces {x } converge a la solucin del sistema Ax = b si y solo si (J ) < 1.
Teorema 3.12
(k ) (k ) ii
(3.8)

(3.10)

(0)

(3.9)

(3.11)

Los dos siguientes resultados proporcionan condiciones sucientes (aunque no necesarias, a diferencia del teorema 3.12) para que converja el mtodo de Jacobi. Son muy tiles en bastantes ocasiones.

Sea A una matriz real de orden n, y sea b una matriz columna real del mismo orden. Si la matriz A es diagonalmente dominante (por las o por columnas) en sentido estricto, entonces la iteracin de Jacobi o converge a la solucin del sistema Ax = b para cualquier punto de partida x R . Teorema 3.14 Sea A una matriz simtrica real de orden n, y sea b una matriz columna real del mismo orden. Consideramos la descomposicin de A dada por . Si las matrices A(= D L U ) y D + L + U son denidas positivas, entonces la iteracin de Jacobi o converge a la solucin del sistema Ax = b para cualquier punto de partida x R .
Teorema 3.13
&
(3.9) (3.11) (0) n (3.8) (3.11)

(0)

(3.9) n '

3.5.2.
Sea

Mtodo de Gauss-Seidel

Ax = b

un sistema del tipo establecido en la seccin 3.4, y sea

descomposicin de

introducida en esta seccin. Entonces, el

mtodo de Gauss-Seidel

A = DLU

la

para

dicho sistema se dene mediante la iteracin

x(k+1) = (D L)1 U x(k) + (D L)1 b,

k = 0, 1, 2, . . . ,

(3.12)

(0) que parte de cualquier punto x Rn . Luego es una iteracin del tipo (3.6), donde C = (D L)1 U y d = (D L)1 b. A la primera de estas matrices se la denomina como la

matriz del mtodo de Gauss-Seidel

Observe que 1

; como su denicin solo depende de la matriz

y de su

descomposicin (3.8), la denotaremos por

GA :
(3.13)

GA = (D L)1 U.

GA = (D L)1 U = (D L)1 (D LA) = (D L)1 (D L)(D L)1 A = In (D L) A. As, GA = In (D L)1 A es una denicin equivalente de la matriz del mtodo de Gauss-Seidel. Usar una u otra expresin de GA es indiferente.
Observe que la expresin (3.12) es equivalente a la siguiente:

(D L)x(k+1) = U x(k) + b,
& Observe que, al ser

k = 0, 1, 2, . . . ,
aii = 0

(3.14)
para todo

diagonalmente dominante en sentido estricto, se cumple que

i = 1, 2, . . . , n.

' Recuerde que en la seccin 3.1 se vio que el determinante de toda matriz denida positiva es positivo;

Y el teorema 3.1 asegura adems que

es inversible.

por tanto, el sistema

Ax = b

es compatible determinado. Por otra parte, el cuarto apartado del teorema 3.6

asegura que los elementos de la diagonal de

son positivos, luego no nulos.

61

que es un sistema lineal triangular (la matriz de coecientes D L es triangular inferior) (k+1) (k+1) (k+1) con incgnitas x1 , x2 , . . . , xn . Realizando las operaciones matriciales en (3.14) se obtiene

i j =1

(k+1) aij xj

= bi

n j =i+1

aij xj ,

(k )

i = 1, 2, . . . , n,

k = 0, 1, 2, . . .

(3.15)

Para cualquier

k = 0, 1, 2, . . ., ( bi

la solucin del sistema (3.15) (su resolucin es trivial, por ser

un sistema triangular) es

(k+1) xi

1 = aii

i1 j =1

(k+1) aij xj

n j =i+1

)
(k) aij xj

i = 1, 2, . . . , n,

k = 0, 1, 2, . . .

(3.16)

Observe que la expresin (3.16) es muy similar a la correspondiente expresin (3.11) del mtodo de Jacobi: la nica diferencia est en los superndices del primer sumatorio (k para el mtodo de Jacobi y para Gauss-Seidel). As, en el mtodo de Jacobi todas (k+1) las componentes de la aproximacin x se obtienen en funcin de las componentes de (k ) la aproximacin anterior x . Sin embargo, en el mtodo de Gauss-Seidel, a medida que (k+1) se van calculando componentes de x , estas se van utilizando para el clculo de las (k+1) (k+1) (k) (k ) (k ) se obtiene en funcin siguientes: x1 se obtiene en funcin de x2 , x3 , . . . , xn ; x2 (k+1) (k+1) (k+1) (k+1) (k) (k) (k+1) (k) (k) en funcin de x1 , x2 , x4 , . . . , xn ;. . . ; xn1 en funcin de x1 , x 3 , . . . , x n ; x3 (k+1) (k+1) (k+1) (k+1) (k+1) (k+1) (k+1) (k ) en funcin de x1 , x2 , . . . , xn1 . El hecho de de x1 , x2 , . . . , xn2 , xn ; y xn

k+1

que el mtodo de Gauss-Seidel utilice las componentes de la nueva aproximacin que normalmente son ms precisas que las de la aproximacin anterior antes que el mtodo de Jacobi, hace que cuando converjan ambos mtodos el mtodo de Gauss-Seidel converja con ms rapidez. Aun as, conviene conocer tambin el mtodo de Jacobi para los casos en que este mtodo converja y el mtodo de Gauss-Seidel no converja. El siguiente teorema determina cundo converge el mtodo de Gauss-Seidel.

Sea A una matriz real inversible de orden n tal que a = 0 para todo i = 1, 2, . . . , n; y sea b una matriz columna real del mismo orden. Consideramos la descomposicin de A dada por y la matriz G denida por . Y para cualquier x R , sea {x } la sucesin de puntos de R obtenida mediante la iteracin o . Entonces {x } converge a la solucin del sistema Ax = b si y solo si (G ) < 1.
Teorema 3.15
(k) ii
(3.8)

(3.13)

(0)

(3.12)

(3.16)

(k)

Los dos siguientes resultados proporcionan condiciones sucientes (aunque no necesarias, a diferencia del teorema 3.15) para que converja el mtodo de Gauss-Seidel. Son muy tiles en bastantes ocasiones. El primero de ellos tiene las mismas hiptesis que el teorema 3.13.

Sea A una matriz real de orden n, y sea b una matriz columna real del mismo orden. Si la matriz A es diagonalmente dominante (por las o por columnas) en sentido estricto, entonces la iteracin de Gauss-Seidel o converge a la nica solucin del sistema Ax = b para cualquier punto de partida x R .
Teorema 3.16
(3.12)

(0)

(3.16) n

El segundo resultado exige una hiptesis menos que las que requera el teorema 3.13) para la convergencia del mtodo de Jacobi.

62

Teorema 3.17

Si A es una matriz simtrica real denida positiva de orden n, y b es una matriz columna real del mismo orden, entonces la iteracin de Gauss-Seidel o converge a la nica solucin del sistema Ax = b para cualquier punto de partida x R .

(3.12) (3.16) (0) n

En muchas ocasiones ocurre que los mtodos de Jacobi y de Gauss-Seidel no convergen para un sistema dado pero, sin embargo, s convergen para un sistema equivalente (obtenido, por ejemplo, permutando las ecuaciones o las incgnitas del sistema). Ilustraremos este hecho en los ejercicios.

3.6.

Mtodo de las potencias

En muchas aplicaciones del lgebra Lineal es necesario encontrar el valor propio estrictamente dominante (supuesto que exista) de una matriz cuadrada real. El radio espectral de la matriz coincide entonces con el valor absoluto



de dicho valor propio. Por ejemplo, en

la seccin anterior nos hemos encontrado con problemas en los que fue necesario obtener el radio espectral de una matriz o, al menos, asegurar que dicho radio era menor que 1. Uno de los mtodos numricos que proporcionan aproximaciones del valor propio estrictamente dominante de una matriz cuadrada real es el llamado se expone a continuacin. Para que a una matriz real

mtodo de las potencias

n)

, que

de orden

(que se puede suponer no nula: sabemos que

las matrices nulas tienen como nico valor propio

= 0,

con multiplicidad

se le pueda

aplicar el mtodo de las potencias, debe cumplir las siguientes condiciones: 1.

A A

tiene un valor propio estrictamente dominante, o bien un nico valor propio domi-

nante con multiplicidad mayor que 2. es diagonalizable.

(que denotaremos por

1 );

Estas condiciones no son muy exigentes: la mayor parte de las matrices reales las cumplen. Tienen el inconveniente de que muchas veces no se pueden comprobar. En las prcticas con

Mathematica

veremos cmo sortear este problema.

Supuesto que se cumplen ambas condiciones, partiendo de n la siguiente sucesin de vectores de R :

x(0) Rn {},

se construye

x(k+1) = Ax(k) ,
Si existe el lmite

k = 0, 1, 2, . . . xi
(k+1) (k)
(3.17)

k
para algn

l m

xi

i = 1, 2, . . . , n,

entonces, bajo ciertas condiciones, ese lmite ser el valor propio

buscado. Dichas condiciones son las siguientes: 1. Sea

B = {v (1) , v (2) , . . . , v (n) } una base de Rn formada por vectores propios de la matriz A, donde v (1) es un vector propio no nulo asociado a 1 . Sean i , i = 1, 2, . . . , n, las (0) (0) coordenadas de x con respecto a la base B (x = 1 v (1) + 2 v (2) + n v (n) ). Pues (0) bien, la condicin es que se debe elegir x de manera que 1 = 0.

 En la seccin 3.1 vimos que los valores propios estrictamente dominantes son nmeros reales.  El teorema 3.4 asegura la existencia de esa base.

63

2. El lmite (3.17) debe tomarse para cualquier subndice (1) (1) del vector v sea no nula: vi = 0.

i tal que la componente i-sima

En general, estas condiciones no se podrn comprobar directamente. Para asegurar que se cumplen se recomienda calcular todos los lmites (3.17) (para todo i = 1, 2, . . . , n), y (0) partir de distintos vectores iniciales x que sean linealmente independientes entre s. As lo haremos en las prcticas con

Mathematica

3.7.

Ejercicios

1. Represente los siguientes conjuntos:

a b c a

) ) )

C2 () = {u R2 : u2 }; C1 () = {u R2 : u1 }; C () = {u R2 : u }. 1 1 , F = 2 1 , C = 1 2 0
y

2. Obtenga los valores propios y el radio espectral de las siguientes matrices.

(
)

A=

1
1 2

1 2 1 3

b Mathematica
) [ 3.

3 1 , E= 0 2 0 1 1 0 1 ] B = 1 1 1 0 1 0

a b c

3 0 2 3 0 0 4 . 0 2 0 , G = 0 3 0 0 3 0 1 2 0 1 1 0 1 1 4 1 4 1 2 , D = 2 2 . 3 1 2 2 1 3 2
de las matrices del ejercicio 2.

) Obtenga las normas matriciales ) Obtenga tambin la norma

de las matrices

A, B , E , F

de ese ejercicio.

) Utilizando los dos apartados anteriores, acote el radio espectral de las siete matrices consideradas, y compare la cota con el valor del radio espectral (que se ha obtenido en el ejercicio 2).

4. [

Mathematica

] Obtenga el condicionamiento (con respecto a la norma matricial que

desee) de la matriz de coecientes del siguiente sistema lineal:

x1 + 2x2 + x3 = 2, 150x1 300x2 151x3 = 301, 250x1 500,1x2 250,9x3 = 501.

Resuelva de manera exacta el sistema anterior. Resuelva de nuevo el sistema si el vector de los trminos independientes fuera de ambos sistemas. Obtenga el

(2,01, 301,01, 500,99). Compare las soluciones error relativo rx que se produce en la solucin del

sistema y comprelo con el error relativo en el vector de los trminos independientes

rb .

Compare este error con las cotas dadas por la frmula:

rb rx cond A rb . cond A
64

5. Repita el ejercicio anterior reemplazando la matriz de coecientes del sistema por la siguiente:

1 2 1 0 3 1 . 1 0 2 0 2 1 0 0 2 . 4 2 0 0 3 1

6. Obtenga el condicionamiento (con respecto a la norma matricial del innito) de la matriz

1 1 1 0

7. Utilice los mtodos de Jacobi y de Gauss-Seidel para resolver aproximadamente el siguiente sistema de ecuaciones:

a (0, 0, 0) b Mathematica
) [ 8. Dado el sistema

9x 1 + x 2 + x 3 = 16, 2x1 + 10x2 + 3x3 = 44, 3x1 + 4x2 + 11x3 = 59.

) Realice a mano tres iteraciones de cada mtodo, comenzando desde el punto . Acote el error cometido en cada caso. ] Utilice

Mathematica

hasta completar un total de

50

iteraciones.

x1 75 3 1 7 5 1 0 x2 = 54 , 43 1 4 2 x3

compruebe si existe alguna permutacin de las las que permita asegurar que los mtodos de Jacobi y de Gauss-Seidel convergen. 9. Se considera el siguiente sistema de ecuaciones lineales:

1 3 1 0 x1 1 2 3 7 x2 5 1 2 0 x3 0 1 3 1 x4

1 2 4 1

a b

) Compruebe que existe alguna permutacin de las ecuaciones del sistema que permite asegurar la convergencia del mtodo de Jacobi. ) Realice dos iteraciones de ese mtodo, partiendo del punto

(1, 1, 1, 1).

10. Se considera el siguiente sistema de ecuaciones lineales:

2 6 2 1 0 1 3 1 2 3 4 10 4 1 2 0
65

x1 x2 x3 x4

1 1 0 2

a b

) Compruebe que existe alguna permutacin de las ecuaciones del sistema que permite asegurar la convergencia del mtodo de Gauss-Seidel. ) Pruebe que la frmula que dene dicho mtodo es

x( k )

0 1 12 = 0 1 36 1 0 72

1 4

1 2
1 2 1 6 7 60

0 1 6 (k1) x + , 7 1 18 3 37 7 180 30

1 2

k N.

c
11.

) Partiendo del punto

aplique la iteracin de Gauss-Seidel (1) una vez; y encuentre una cota de la norma del error x x (use la norma que

x(0) = (1/2, 0, 1/2, 0),

preera entre las que se pueden utilizar).

) Dado el sistema

10 1 2 3 1 9 1 2 2 1 7 3 3 2 3 12

x1 x2 x3 x4

12 27 14 17

estudie si la matriz de coecientes es diagonalmente dominante (por las o colum-

b c

nas) en sentido estricto y si es denida positiva. ) Compruebe que su solucin exacta es

( ( x1 , x 2 , x 3 , x 4 ) =

) 9037 4704 11038 3514 , , , . 5559 1853 5559 1853

) Encuentre una aproximacin de la solucin partiendo de un punto prximo a esta (0) (por ejemplo, x = (1,5, 2,5, 2, 2)), realizando dos iteraciones de cada uno de los mtodos que conozca cuya convergencia est asegurada. ] Observe cul de los dos mtodos converge con mayor rapidez a la

d Mathematica
) [ solucin.

12. Dadas las matrices

A=

3 2 2 1 2 6 1 2 2 1 8 3 1 2 3 7

B=

5 3 3 3 2 2 3 2 4 0 1 2

0 1 2 7

pruebe que (a) los mtodos de Jacobi y de Gauss-Seidel convergen para todo sistema lineal cuya matriz de coecientes es la matriz

A, y que (b) [

Mathematica

] esos mtodos

no convergen para todo sistema lineal cuya matriz de coecientes es la matriz

B.

66

13. Dado el sistema

a b 0 x1 ab 1 3 1 x2 = 0 , 0 a a x3 ba a
y

determine una relacin entre los nmeros reales

para que el mtodo de Jacobi

converja, y otra para que sea el mtodo de Gauss-Seidel el que converja. primero debe imponer que el sistema sea compatible determinado.

Indicacin
a
y

14. Determine una permutacin de ecuaciones y una relacin entre los valores de modo que para el sistema

b,

de

a b a x1 ab a a b x2 = 0 b a a ba x3
se tenga que: (a) el mtodo de Jacobi converja; (b) el mtodo de Gauss-Seidel converja. Estudie tambin cundo la matriz del sistema permutado positiva; y estudie tambin cundo lo es la matriz pueden sacar de esto ltimo? 15. [

A = D L U es denida D + L + U . Qu conclusiones se

Mathematica a b c

] Consideramos el sistema

1 x 3 1 1 0 3 1 y = 3 . 2,5 z 2 1 4
) Obtenga sendas aproximaciones de la solucin del sistema, efectuando el nmero de iteraciones de los mtodos de Jacobi y de Gauss-Seidel que estime suciente. ) Aplique de nuevo esos mtodos si el coeciente que multiplica a la incgnita en la tercera ecuacin fuese

x3

en lugar de

4.

) Comente los resultados de los dos apartados anteriores, concretamente en cuanto a la convergencia de los mtodos.

16. [

Mathematica

] Partiendo de la aproximacin inicial

x(0) = (0, 0, 0) (y de cualquier otra

que elija), efecte 40 iteraciones (extindalas despus hasta 100 y 200) de los mtodos de Jacobi y de Gauss-Seidel para aproximar si fuera posible la solucin del sistema

2120 x 15 17 19 0,25 0,33 0,42 y = 43,4 . 164 z 1 1,2 1,6

Muestre, en cada iteracin, una cota del error de aproximacin. 17. Realice 4 iteraciones del mtodo de las potencias para aproximar el valor propio estrictamente dominante de las siguientes matrices:

67

 1 5 8 A= ; B = 5 2 5 ; 1 1 2 3 8 5 1 1 1 2 33 16 72 1 1 D= E= 2 3 24 10 57 ; 8 4 17 1 1 ( 1
1 2

1 3 1 4 1 5

1 2 3 C = 2 3 4 ; 3 4 5 6 4 4 6 ; F = 4 1 1 4

4 1 6 4

1 4 4 6

18. [

Mathematica

] La matriz de coecientes de cierto sistema es

2 1 0 1 2 1 . 0 1 2
Si es posible, utilice el mtodo de las potencias para decidir si los mtodos de Jacobi y de Gauss-Seidel son convergentes.

Indicacin

: se trata de que el mtodo de las potencias

permita obtener aproximadamente el radio espectral de la matriz de cada mtodo.

19. [

Mathematica

] Aplique el mtodo de las potencias para obtener una aproximacin,

con al menos seis dgitos de precisin, del valor propio estrictamente dominante de la matriz

A=

3 3,5 5,8 0 1 0 3 2 2 3 5 0,5 5 0 5 1 2 0 5 5

2 2 0 1 0

20. [

Mathematica

] Aplique el mtodo de las potencias y realice el nmero de iteraciones

necesario para obtener una aproximacin bastante precisa del valor propio estrictamente dominante de la matriz:

A=

3,9375 3,1875 5,8125 0,25 1,875 3,375 5,625 2,5 2,3125 3,0625 8,9375 0,75 5,625 5,125 16,875 1,5

21. [

Mathematica

] Aplique el mtodo de las potencias para comprobar si el mtodo de

Jacobi, aplicado a cualquier sistema lineal con matriz de coecientes

5 2 3 2 7 2 0 2 1
es convergente o no. Repita el ejercicio para el mtodo de Gauss-Seidel.

68

22. [

Mathematica

] Aplique el mtodo de las potencias para comprobar si el mtodo de

Gauss-Seidel, aplicado a cualquier sistema lineal con matriz de coecientes

5 0 1 3 1 5 2 1 0 2 4 1 3 2 1 7

es convergente o no. Repita el ejercicio para el mtodo de Jacobi. Se puede concluir algo acerca de la convergencia del mtodo de Jacobi? 23. Se considera el siguiente sistema de ecuaciones lineales:

0 4 7 x 1 3 1 3 y = 4 . 2 6 3 z 5

a b

) Compruebe que existe alguna permutacin de las ecuaciones del sistema que permite asegurar la convergencia de los mtodos de Jacobi y de Gauss-Seidel. ) Una vez permutado adecuadamente el sistema, obtenga tres iteraciones del mtodo de Jacobi partiendo del punto que le parezca mejor.

24. Se considera el siguiente sistema de ecuaciones lineales:

1/2 5 2 1 x 1/5 1 1 7 y 1 2 3 4 z 1/4 1 7 1 w

1 1 1 1

Compruebe que existe alguna permutacin de las ecuaciones del sistema que permite asegurar la convergencia de los mtodos de Jacobi y de Gauss-Seidel. 25. Dadas las matrices

A= B 2 , A1

3 1 0 1 0 3 1 1 1 3 2 7 5 6 1 2

(
y

B=

3 1 5 2

) ,

obtenga

A . x + 4y z = 2,02 , 2x 3z = 3,005 , 3x 5y = 4,99 ,

26. Obtenga una cota superior del error relativo de la solucin del sistema

si sus trminos independientes se redondean a los valores

2, 3 y 5, respectivamente.

69

27. Se sabe que el mtodo de Gauss-Seidel converge para el siguiente sistema:

4x y + z = 1, x 4y + 3z = 0, 3x y + 5z = 3.
Partiendo de cierto punto, la iteracin de Gauss-Seidel produce las siguientes aproximaciones de la solucin del sistema:

(x4 , y4 , z4 ) = (0,1937, 0,6851, 0,8533)

(x5 , y5 , z5 ) = (0,2080, 0,6920, 0,8632).

Obtenga una cota de la norma del error cometido por esta ltima. Use la norma que preera. 28. Dado el sistema

1 9 4 x 7 1 1 = 2 y 4 , 2 4 9 z 3

compruebe que existe una permutacin de sus ecuaciones de manera que el mtodo de Gauss-Seidel aplicado al sistema obtenido mediante dicha permutacin converja a la solucin del sistema. 29. Dada la matriz

3 2 0 A = 0 10 2 , 2 1 14 x(0) = (1, 1, 1), para estrictamente dominante 1 de A. Realice las aproximaciones de 1 que proporciona.

se desea aplicar el mtodo de las potencias, partiendo del vector calcular aproximadamente el valor propio tres iteraciones de dicho mtodo e indique

Algunas cuestiones tericas

1. Sea

a b a b

una matriz cuadrada real.

) Qu es el radio espectral de

A? A
y cualquiera de sus normas ma-

) Qu relacin hay entre el radio espectral de triciales?

2. Sea

una matriz cuadrada real.

) Tiene

que tener obligatoriamente un valor propio estrictamente dominante?

Si lo tiene, puede ser complejo? Por qu? ) Si

tiene un valor propio dominante real, debe ser estrictamente dominante?

Puede tener otro valor propio dominante que sea complejo? Razone las respuestas.

70

3. En la teora hemos estudiado tres distintas condiciones sucientes para que el mtodo de Gauss-Seidel converja. Tomando dos de esas condiciones sucientes, encuentre dos sistemas compatibles determinados sencillos (de orden 2 o 3) en los que se cumpla una de las condiciones sucientes pero no la otra, de manera que las condiciones que se cumplen en cada sistema sean diferentes. 4. Dado un sistema compatible determinado

Ax = b,

donde

es una matriz simtrica

pero no denida positiva, puede ocurrir que el mtodo de Gauss-Seidel converja? Razone la respuesta. 5. Sea

Ax = b

un sistema lineal de orden

compatible determinado. Sea

la matriz de

Jacobi, la de Gauss-Seidel o la de cualquier otro mtodo iterativo que converja a la (k+1) solucin de dicho sistema (esto es, (C ) < 1). Sea x = Cx(k) + d (k = 0, 1, 2, . . .) (0) la iteracin que dene el mtodo, partiendo de cualquier x Rn . Sea x la solucin del sistema.

) Qu dos condiciones deben satisfacer las normas aplicarse la frmula

para que pueda

x( k ) xV

C M x(k) x(k1) V , 1 C M

k = 1, 2 , . . . ?

) En tal caso, explique qu utilidad tiene esa frmula.

6. Indique al menos dos situaciones en las que el mtodo de las potencias no converge. 7. Explique qu problema puede surgir al resolver un sistema lineal

nn

compatible

determinado si el condicionamiento de la matriz de coecientes es un nmero grande 6 (por ejemplo, del orden de 10 ). 8. Supongamos que, para cierta matriz

se tiene que

A1 = 0,98, A2 = 1,03

A = 0,92. Qu se sabe A? Razone la respuesta.

entonces acerca del valor o valores propios dominantes de

9. El radio espectral de una matriz los valores propios de

es igual a

4.

(a) Qu se sabe entonces acerca de

A?

(b) Y de las normas matriciales de

A?

10. Es posible que el mtodo de Gauss-Seidel converja para una matriz de la forma

( A=
con

) a b , b 0

nmeros reales no nulos? Razone la respuesta.

71

Captulo 4 INTERPOLACIN DE FUNCIONES

La interpolacin es un modo de aproximar funciones a partir de ciertos valores conocidos de ellas (y quiz tambin de sus derivadas). En este captulo solo estudiaremos dos de los mtodos de interpolacin ms usados para funciones de una variable.

4.1.

Problemas de interpolacin y de aproximacin de funciones

La interpolacin de unos puntos dados de una funcin

consiste en encontrar otra funcin

g , con ciertas caractersticas establecidas, que coincida con f en todos esos puntos. Es decir, si los puntos conocidos son los (xi , f (xi )), con i = 1, 2, . . . , n, se trata de encontrar una funcin g del tipo establecido tal que g (xi ) = f (xi ) para todo i = 1, 2, . . . , n. Entonces se dice que g es la y que g f x 1 , x2 , . . . , xn . En ocasiones no se hace referencia a la funcin f , sino solo a unos datos o puntos a interpolar (xi , yi ), i = 1, 2, . . . , n, pero el problema es esencialmente el mismo; en este caso se dice que g (xi , yi ) (i = 1, 2, . . . , n).

funcin interpoladora

interpola a en los puntos

interpola los puntos

f

Un ejemplo prctico de este problema lo encontramos en el ejercicio 8 de la seccin 4.4, en el que se tienen siete datos experimentales de la funcin distancia recorrida por un automvil que marcha a cierta velocidad hasta que se para (tras pisar el freno a fondo). Es decir, la funcin de partida asigna a cada valor de la velocidad

la distancia recorrida tras frenar

f (v ),

y esta funcin solo se conoce en siete puntos. El ejercicio pide que se obtenga una

funcin polinmica

g (v ),

decir, que su grca valor de

pase

de grado menor o igual que

6,

que interpole esos siete puntos, es

por ellos. Cuando se obtenga

g, f

se conocer su valor para todo

(a diferencia de la funcin de partida

f ).
a interpolar se conozca en todo

Tambin realizaremos ejercicios en los que la funcin

su dominio y, aun as, interese encontrar una funcin de otro tipo que la interpole en ciertos puntos. Nos encontraremos abundantes situaciones de este tipo en el captulo 5. Pero el caso ms frecuente en la prctica es el considerado en el prrafo anterior, en el que solo se conocen un conjunto nito de datos de una funcin.

 La interpolacin de funciones de dos o ms variables, que tiene numerosas aplicaciones, escapa de las
posibilidades de este curso. Una introduccin a la interpolacin en dos variables puede encontrase en [11].

73

En algunos problemas de interpolacin se dispone un mayor nmero de datos sobre cada punto: por ejemplo, puede que se conozca no solo el valor de la funcin, sino tambin el de su primera derivada (e incluso ms derivadas). En este caso se suele exigir que la funcin interpoladora tambin coincida con la funcin de partida en esos valores de la derivada. Por ejemplo, si se conocen los datos (xi , f (xi ), f (xi )), con i = 1, 2, . . . , n, puede pedirse que la funcin interpoladora g cumpla que g (xi ) = f (xi ) y g (xi ) = f (xi ) para todo i = 1, 2, . . . , n. En esta asignatura no estudiaremos este tipo de problemas de interpolacin. En cualquier caso, para cada problema prctico es importante elegir bien el tipo de funcin interpoladora: su grca debe asimilarse a la de la funcin a interpolar. Por ejemplo, cuando resolvamos el ejercicio 8 ya mencionado en clase de prcticas, se comprobar que es un error tomar un polinomio de grado menor o igual que

6 como funcin interpoladora g (v ),

puesto que produce una funcin que no es siempre creciente (y es evidente que la funcin interpolada

f (v )

tiene que serlo: a mayor velocidad, ms distancia recorrer el automvil

hasta detenerse). Hay otros muchos problemas en los que se busca aproximar una funcin

por otra funcin

de cierto conjunto

G,

de manera que

sea la funcin de

que se aproxima mejor en

cierto sentido a la funcin

f.

La interpolacin puede entenderse como un problema de

aproximacin donde se exige que la funcin interpoladora se aproxime lo ms posible a la funcin dada en los puntos a interpolar (en este caso se aproxima del todo, puesto que ambas funciones son iguales en esos puntos). Pero hay muchos modos de entender que una funcin est lo ms prxima posible a otra. Dos de estos modos, quiz los ms usados, son aquellos en los que la cercana entre las funciones

se mide mediante las siguientes expresiones:

m ax{|f (x) g (x)| : x D}, donde D del conjunto G;

n i=1
En ambos casos se busca la funcin

es el dominio donde se denen

y las funciones

(f (xi ) g (xi ))2 ,

donde

x1 , x 2 , . . . , x n D gG

es el mismo del caso anterior.

que haga mnima la correspondiente expresin.

Cuando la cercana o distancia entre dos funciones se mide de la primera forma, tenemos lo que se llama un problema de expresin, es un problema de

aproximacin uniforme aproximacin por mnimos cuadrados

Y,
la recta de regresin

; mientras que si se usa la segunda .

El lector conoce que, cuando se tiene un conjunto de datos dos variables estadsticas

{(xi , yi ) : i = 1, 2, . . . , n} de g0 (x) de Y sobre X es precisamente

la recta que hace mnima la expresin

n i=1
entre todas las funciones lineales

(yi g (xi ))2

En denitiva, los problemas de funciones de

g (x) = ax + b.

regresin son un caso particular de aproximacin por mnimos cuadrados. Los problemas de aproximacin de funciones son tan interesantes o ms que los problemas de interpolacin, pero no hay espacio para ellos en esta asignatura. Una introduccin a la aproximacin por mnimos cuadrados puede encontrarse en cualquier libro de teora de la bibliografa; y en varios de ellos se puede encontrar tambin una introduccin a la aproximacin uniforme.

74

4.2.

Interpolacin polinomial: la frmula de Newton

Los primeros mtodos de interpolacin utilizaban, por lo general, funciones polinmicas como funciones interpoladoras. En esta seccin introducimos uno de esos mtodos. Partimos de la situacin descrita en la seccin 4.1: se conocen los valores de una funcin en

n puntos distintos y se desean interpolar estos datos. Buscaremos la funcin interpoladora en el espacio vectorial Pn1 [x] de las funciones polinmicas de grado menor o igual que n 1.
Para explicar cmo haremos esto, necesitamos introducir antes el siguiente concepto.

n puntos distintos de su dominio x1 , x2 , . . . , xn , se dene la de la funcin f en esos puntos, y se denota f [x1 , x2 , . . . , xn ], como el nmero real denido mediante el siguiente proceso: f [xk ] = f (xk ) para todo k = 1, 2, . . . , n,

Denicin 4.1

diferencia dividida

Dada una funcin

f [xr , xr+1 , . . . , xr+s ] =

para cualesquiera

f [xr , xr+1 , . . . , xr+s1 ] f [xr+1 , xr+2 , . . . , xr+s ] xr xr+s 1 r < r + s n. f [x1 , x2 , . . . , xn ],

(4.1)

r, s N

tales que

As, para calcular la diferencia dividida de diferencias divididas:

elaboraremos la siguiente tabla

x1 x2 x3
. . .

f [x1 ] f [x2 ] f [x3 ]

. . .

f [x1 , x2 ] f [x2 , x3 ] f [x3 , x4 ]

. . .

f [x1 , x2 , x3 ] f [x1 , . . . , xn2 ] f [x1 , . . . , xn1 ] f [x1 , . . . , xn ] f [x2 , x3 , x4 ] f [x2 , . . . , xn1 ] f [x2 , . . . , xn ] f [x3 , x4 , x5 ] f [x3 , . . . , xn ]
. . .

xn2 f [xn2 ] f [xn2 , xn1 ] f [xn2 , xn1 , xn ] xn1 f [xn1 ] f [xn1 , xn ] xn f [xn ]
Observe que la diferencia dividida

f [x1 , x2 , . . . , xn ] se sita en la ltima columna de la tabla;

y para calcularla recuerde (4.1) ser necesario obtener con anterioridad las que aparecen en la penltima columna, que a su vez se obtendrn a partir de las diferencias divididas de la antepenltima columna, y as sucesivamente. Luego habr que comenzar por calcular las diferencias divididas de la tercera columna en funcin de los datos de las dos primeras columnas, que son los datos de partida de que dispondremos. As, aplicando la denicin (4.1) se obtiene

f [xi , xi+1 ] =

f [xi ] f [xi+1 ] , xi xi+1

para todo

i = 1, 2, . . . , n 1.

Del mismo modo se obtienen las diferencias divididas de la cuarta columna en funcin de las de la tercera:

f [xi , xi+1 , xi+2 ] =

Los puntos

f [xi , xi+1 ] f [xi+1 , xi+2 ] , xi xi+2

para todo

i = 1, 2, . . . , n 2.

x1 , x2 , . . . , xn

que aparecen como argumentos de una diferencia dividida pueden estar orde-

nados de cualquier forma.

75

Y as sucesivamente, se obtienen las diferencias divididas de las siguientes columnas hasta llegar a la ltima, cuyo nico valor es

f [x1 , x2 , . . . , xn ] =

f [x1 , x2 , . . . , xn1 ] f [x1 , x2 , . . . , xn ] . x1 xn f [x1 , x2 , . . . , xn ]

Una propiedad interesante que satisfacen las diferencias divididas es que el orden en que aparecen los puntos en una diferencia dividida no altera su valor, es decir es igual a cualquier otra diferencia dividida de

en la que se hayan reordenado los puntos

x1 , x 2 , . . . , x n .
En el siguiente ejemplo se obtienen algunas diferencias divididas de una funcin.

Ejemplo 4.1

Dada la funcin

primer lugar se tiene que

f (x) = x2 + cos(x) 2 se desea calcular f [2, 0, 1, 3]. f [2] = 3, f [0] = 1, f [1] = 2 y f [3] = 6. Por tanto, f [0] f [1] = 1, 01

En las

diferencias divididas con dos argumentos que necesitamos calcular son

f [2, 0] =

f [2] f [0] = 2, 2 0

f [0, 1] =

f [1, 3] =

f [1] f [3] = 4. 13

De aqu se obtienen las dos diferencias divididas con tres argumentos que necesitamos:

f [2, 0, 1] =
Finalmente,

f [2, 0] f [0, 1] 1 = , 2 1 3 f [2, 0, 1, 3] =

f [0, 1, 3] =

f [0, 1] f [1, 3] 5 = . 03 3

f [2, 0, 1] f [0, 1, 3] 4 = . 2 3 15
1 3

Las diferencias divididas obtenidas se representan en la siguiente tabla.

2 0 1 3

f [2] = 3 f [2, 0] = 2 f [2, 0, 1] = 5 f [0] = 1 f [0, 1] = 1 f [0, 1, 3] = 3 f [1] = 2 f [1, 3] = 4 f [3] = 6

f [2, 0, 1, 3] =

4 15

Como se ha dicho, cualquier permutacin de los argumentos da lugar al mismo resultado. Por ejemplo,

f [0, 1, 2, 3] = f [2, 0, 1, 3].

El siguiente resultado asegura que el tipo de interpolacin que vamos a estudiar en esta seccin produce una nica funcin interpoladora del tipo elegido.

Sea f una funcin real denida en un intervalo I . Supongamos que se conocen los valores f (x ), con i = 1, 2, . . . , n, para n puntos distintos x I . Entonces existe un nico polinomio p P [x] que interpola a f en esos puntos, es decir, que verica que p(x ) = f (x ) para todo i = 1, 2, . . . , n.
Teorema 4.1
i i n1 i i
Aunque no demostramos el teorema, conviene observar que se verica trivialmente para los casos

n=1

n = 2,

ya que por un punto del plano solo pasa una recta horizontal, y por

dos puntos del plano con distinta abscisa pasa una nica recta que puede ser de cualquier tipo excepto vertical. En concreto, cuando se conoce un punto

(x1 , f (x1 ))

de la grca de

f,

entonces la nica funcin polinmica constante

p P0 [x]

que interpola a

en

x1

es

76

p(x) = f (x1 ) para todo x I ; y cuando se conocen dos puntos (x1 , f (x1 )) y (x2 , f (x2 )) de la grca de f , entonces la nica funcin polinmica p P1 [x] que interpola a f en x1 y x2 es p( x ) =
Para

(f (x2 ) f (x1 ))x + x2 f (x1 ) x1 f (x2 ) , x2 x 1

x I.

n = 3 el teorema 4.1 nos informa entre otras cosas de que para cualesquiera tres

puntos no alineados del plano con abscisas distintas, existe una nica funcin polinmica del 2 tipo p(x) = ax + bx + c, con a = 0, cuya grca pasa por esos tres puntos. El polinomio interpolador cuya existencia y unicidad asegura el teorema 4.1 se puede obtener mediante la frmula que proporciona el siguiente resultado.

Sea f una funcin real denida en un intervalo I . Supongamos que se conoce el valor de f en n puntos distintos x , x , . . . , x I . Entonces el nico polinomio p P [x] que interpola a f en esos puntos es el dado por la siguiente frmula, denominada del polinomio de interpolacin:
Teorema 4.2
1 2 n n1
de Newton

frmula

p(x) =

n i=1

f [x1 , x2 , . . . , xi ]

i1 j =1

(x xj ).

(4.2)

En la frmula (4.2), cuando

i=1

se entiende que

0 j =1

(x xj ) = 1.

As, si desarrollamos

el segundo miembro de (4.2) se obtiene

p(x) = f [x1 ] + f [x1 , x2 ](x x1 ) + f [x1 , x2 , x3 ](x x1 )(x x2 ) + + + f [x1 , x2 , . . . , xn ](x x1 )(x x2 ) (x xn1 ).
Veamos un ejemplo de aplicacin de la frmula de Newton. Se desea calcular el polinomio p(x) de grado menor o igual que 3 que interpola 2 a la funcin f (x) = x + cos(x) 2 en los puntos 2, 0, 1, 3. En el ejemplo 4.1 se obtuvo 1 4 que f [2] = 3, f [2, 0] = 2, f [2, 0, 1] = y f [2, 0, 1, 3] = . Luego 3 15

Ejemplo 4.2

1 4 28x 3x2 4x3 p(x) = 3 2(x + 2) + (x + 2)x + (x + 2)x(x 1) = 1 + + . 3 15 15 5 15

Si, despus de obtener el polinomio de interpolacin obtener el nico polinomio punto

p(x)

mediante (4.2), se necesitase

xn+1

(conocindose

q Pn [x] que interpola a f el valor f (xn+1 )), entonces la

en los puntos dados y en un nuevo frmula de Newton asegura que

q (x) = p(x) + f [x1 , x2 , . . . , xn , xn+1 ]

n j =1

(x xj ).

Luego no sera necesario repetir todos los clculos, sino que bastara calcular la diferencia

f [x1 , x2 , . . . , xn+1 ]; para lo cual se partira de la tabla de diferencias divididas construida para calcular f [x1 , x2 , . . . , xn ], se le aadira al nal de las dos primeras columnas los datos xn+1 y f (xn+1 ) y se aadira una nueva diagonal al nal de la tabla, haciendo los
dividida correspondientes clculos. Esto es lo que se hace en el siguiente ejemplo.

77

Se desea calcular el polinomio q (x) de grado menor o igual que 4 que interpola 2 a la funcin f (x) = x + cos(x) 2 en los puntos 2, 1, 0, 1, 3. Como en el ejemplo 4.2 se obtuvo que el polinomio

Ejemplo 4.3
2, 0, 1, 3
es

p(x) de grado menor o igual 2 x x3 p(x) = 1 28 + 3x + 415 , entonces 15 5

que

que interpola a

en los puntos

q (x) = 1
Para calcular

28x 3x2 4x3 + + + f [2, 0, 1, 3, 1](x + 2)x(x 1)(x 3). 15 5 15

necesitamos completar la tabla construida en el ejemplo 4.1

f [2, 0, 1, 3, 1]

de la siguiente forma:

2 0 1 3 1
Luego

f [2] = 3 f [0] = 1 f [1] = 2 f [3] = 6 f [1] = 2

f [2, 0] = 2 f [2, 0, 1] = 1 f [2, 0, 1, 3] = 3 5 f [0, 1] = 1 f [0, 1, 3] = 3 f [0, 1, 3, 1] = f [1, 3] = 4 f [1, 3, 1] = 1 f [3, 1] = 2

4 15 2 3

f [2, 0, 1, 3, 1] =

2 5

q (x) = 1

28x 3x2 4x3 2 + + + (x + 2)x(x 1)(x 3). 15 5 15 5 8x 7x2 8x3 2x4 q (x) = 1 + + . 15 5 15 5

Operando se obtiene

4.3.

Interpolacin mediante funciones

spline

En esta seccin desarrollamos otro modo de interpolar puntos o funciones mediante cierto tipo de funciones polinmicas a trozos, las funciones

spline

(que denimos ms abajo).

Cuando los datos que se deben interpolar no son pocos, e incluso cuando lo son, el polinomio de interpolacin suele presentar excesivas oscilaciones; y esto, por lo general, no se ajusta bien a los problemas que aparecen en la realidad. Es el caso del polinomio de interpolacin del ejercicio 8 al que ya nos hemos referido en la seccin 4.1, que no es creciente en el dominio considerado (y debera serlo) por las oscilaciones que presenta su grca. Este problema se podr evitar en este caso (y en otros muchos) eligiendo como funcin interpoladora una del tipo que denimos a continuacin.

Denicin 4.2
plemente, un

x 1 < x 2 < < xn )

spline

Sean

r1

 de

n2 grado r con
y

es una funcin

nodos x , x , . . . , x
1 2

dos nmeros naturales. Una

funcin spline

o, sim-

n (ordenados de la siguiente forma:

denida en el intervalo

[ x1 , x n ]

que satisface las dos

condiciones siguientes: 1. La restriccin de

[xi , xi+1 ] (i = 1, 2, . . . , n 1), que denotaremos si , es una funcin polinmica de grado menor o igual que r; y al menos una de esas restricciones si es de grado exactamente igual a r . s
a cada intervalo es una funcin de clase

2.

C r 1

en

[x1 , xn ].!
r = 1)
son, por denicin, las funciones continuas en

! Las funciones de clase

dicho intervalo.

C0

en un intervalo (caso

78

1 con nodos x1 < x2 < < xn es una funcin continua s denida en el intervalo [x1 , xn ], cuya restriccin a [xi , xi+1 ] es una funcin polinmica de grado menor o igual que 1 para todo i = 1, 2, . . . , n 1. Es decir, su grca est formada por la unin de los segmentos Li (con i = 1, 2, . . . , n 1), donde Li es el segmento cuyos puntos extremos son (xi , s(xi )) y (xi+1 , s(xi+1 )). Luego hay un nico de grado 1 con nodos x1 < x2 < < xn y con ordenadas respectivas y1 , y2 , . . . , yn R. Esta funcin tiene
As, por ejemplo, un de grado

spline

spline

el inconveniente de que no suele ser til para modelizar fenmenos reales, en los que las funciones suelen ser derivables. Pero en algunas situaciones puede ser aplicable. De hecho, en el captulo 5 obtendremos una aplicacin de los A diferencia del caso

r 2 se puede probar que hay innitos de grado r que interpolan los puntos (xi , yi ), con i = 1, 2, . . . , n y x1 < x2 < < xn . Es ms, el nmero de esos depende de r 1 parmetros. Descartados los de grado 1 por no ser derivables, los (es decir, 2 los de grado 2) tampoco son ideales: al no poder exigirse que sean de clase C , en los nodos se r = 1,
cuando

splines

de grado

1.

splines

splines splines

splines cuadrticos

pueden producir cambios bruscos en la convexidad (o concavidad) de la funcin. Sin embargo esto ya no sucede en los de grado

3.

Y es claro que cuanto menor sea el grado del

spline

menor ser el gasto computacional para obtenerlo. Estos motivos, entre otros, han hecho que los

splines cbicos

(esto es, los de grado

3)

sean los ms utilizados.

En interpolacin, el modo ms usual de emplear funciones

el que se explica a continuacin. Supongamos que se desea interpolar unos puntos donde

i = 1, 2, . . . , n
"

x1 < x 2 < < x n ,

mediante una funcin

muchas veces sern puntos de la grca de una funcin todo

f,

spline spline

de cualquier grado es

(xi , yi ),
para

. Los puntos dados

de manera que

y i = f ( xi )

i = 1, 2 , . . . , n .

La situacin ms sencilla, que es la que abordaremos aqu, es cuando se

decide que los nodos del

spline

buscado coincidan con las abscisas de los puntos a interpolar.

En el siguiente ejemplo se encuentra un de la manera que acabamos de explicar.

spline

cuadrtico que interpola unos puntos dados

Ejemplo 4.4
los nodos son

Dados los puntos

(1, 2), (1, 0) y (2, 2), obtengamos los

que los interpolan, de modo que los nodos de esos

x1 = 1, x2 = 1 y x3 = 2. Por tanto, si s es uno de esos , est denido 2 2 a trozos mediante dos funciones cuadrticas s1 (x) = a1 x + b1 x + c1 y s2 (x) = a2 x + b2 x + c2 , denidas en los intervalos [1, 1] y (1, 2], respectivamente. En primer lugar, para que s interpole los tres puntos dados y sea adems una funcin continua, tiene que suceder que s1 (1) = 2, s1 (1) = 0 = l mx1 s2 (x) y s2 (2) = 2. Es decir,
deben satisfacerse las cuatro ecuaciones siguientes:

splines

sean las abscisas de dichos puntos:

splines splines s

cuadrticos

a1 b 1 + c 1 a1 + b1 + c1 a2 + b2 + c2 4a2 + 2b2 + c2
Y para que

= = = =

2, 0, 0, 2. l mx1 s2 (x) (con esta [1, 2]). Como s1 (x) =

sea derivable debe suceder adems que s1 (1) = 1 condicin tambin se asegura ya que s es de clase C en el intervalo

" En denitiva, seguimos en las condiciones generales comentadas en los prrafos 1 y 3 de la seccin 4.1.

79

2a1 x + b1

s2 (x) = 2a2 x + b2 ,

se llega a la ecuacin

2a1 + b1 = 2a2 + b2 ,
que completa con las cuatro anteriores un sistema lineal de cuya solucin es

ecuaciones con

incgnitas,

( (a1 , b1 , c1 , a2 , b2 , c2 ) =
Es decir, hay innitos un parmetro

c2 R:

splines

c2 c2 c2 3c2 ) , 1, 1 + , 1, 1 , c2 4 4 2 2

para todo

c2 R.

cuadrticos que interpolan los puntos dados, que dependen de

c2 c2 x 2 x + 1 + ) ( 4 3c ) s(x) = ( c4 2 2 1 x2 + 1 x + c2 2 2
Por ejemplo, para

x [1, 1], x (1, 2],

c2 = 0

se obtiene el

s(x) =
Tambin podra determinarse un

{ 1x

spline

x [1, 1], x (1, 2].

x x2

spline

concreto imponiendo que pase por un punto

determinado cuya abscisa no sea un nodo del con

x0 , y 0 R

x0 = 1, 1, 2).

spline

(seran condiciones del tipo

s(x0 ) = y0 , 2

El siguiente teorema proporciona un mtodo simple y fcilmente programable para

spline Teorema 4.3 Supongamos que unos puntos dados (x , y ), con i = 1, 2, . . . , n, verican que x < x < < x . Entonces, una funcin s es un cbico de nodos x , x , . . . , x que interpola a esos n puntos si, y solo si, las restricciones s de s a los intervalos [x , x ], con i = 1, 2, . . . , n 1, son de la siguiente forma:
sean los nodos del .

obtener el

spline

cbico que interpola unos puntos dados de manera que las abscisas de estos

spline

i+1

si (x) =

6(xi+1 xi ) ] ( ) ( ) 2 2 + 6yi+1 di+1 (xi+1 xi ) (x xi ) + 6yi di (xi+1 xi ) (xi+1 x) ,

n

[ di+1 (x xi )3 + di (xi+1 x)3 +

donde (d , d , . . . , d ) es cualquier solucin del sistema lineal formado por las n2 ecuaciones siguientes:
1 2

(xi xi1 ) di1 + 2(xi+1 xi1 ) di + (xi+1 xi ) di+1

spline

con i = 2, 3, . . . , n 1. Adems, en tal caso resulta que cada d es la derivada segunda del cbico en el nodo x : d = s (x ) para todo i = 1, 2, . . . , n.
i i i i
80

) yi+1 yi yi yi1 =6 , xi+1 xi xi xi1

(4.3)

A continuacin estudiamos el sistema lineal a que se reere el teorema 4.3. Observe que en cada ecuacin (4.3) aparecen exactamente tres incgnitas, que son consecutivas; y que la incgnita

d1

solo aparece en la primera ecuacin, mientras que la incgnita

dn

solo aparece

en la ltima. Si en estas dos ecuaciones pasamos los sumandos que contienen a segundo miembro, entonces esas ecuaciones quedan as:

d1

dn

al

) y3 y2 y2 y1 2(x3 x1 ) d2 + (x3 x2 ) d3 = 6 (x2 x1 ) d1 , x 3 x2 x2 x1 ( ) yn yn1 yn1 yn2 (xn1 xn2 ) dn2 + 2(xn xn2 ) dn1 = 6 (xn xn1 ) dn , xn xn1 xn1 xn2
donde

d1

dn

pasan a considerarse parmetros reales en vez de incgnitas. Con esta premisa,

el sistema ha pasado a ser un sistema de orden como

n 2,

y puede describirse matricialmente

Hd = b, donde 2(x3 x1 ) x3 x2 0 0 x x 2(x4 x2 ) x4 x3 0 0 3 2 . .. .. .. . . . . 0 x4 x3 . H= . .. .. .. . . . . . 0 0 . . . . . . . .. .. .. . . xn1 xn2 0 0 0 xn1 xn2 2(xn xn2 ) d2 d3 d= . . . dn1 . . b= . ) ( yn1 yn2 yn2 yn3 6 xn1 xn2 xn2 xn3 ( ) yn yn1 yn1 yn2 6 (xn xn1 )dn xn xn1 xn1 xn2 Hd = b ) ( y2 y1 y3 y2 (x2 x1 )d1 6 x3 x2 x 2 x1 ( ) y4 y3 y3 y2 6 x4 x3 x3 x2

, .

Observe que el sistema

es tridiagonal (es decir, su matriz de coecientes es

cuadrada y, fuera de los elementos de la diagonal principal y de las dos diagonales situadas inmediatamente encima y debajo de la principal, todos los elementos son nulos). Puede 1 demostrarse que el determinante de H es distinto de cero, por lo que d = H b expresa la solucin del sistema. En denitiva, el sistema formado por las ecuaciones (4.3), con una nica solucin para cada eleccin de los parmetros

i = 2, 3, . . . , n 1,

tiene

d1

dn .

natural

Cuando se establece que .

d1 = dn = 0,

entonces se obtiene el denominado

spline cbico

# Este

spline

cbico se llama

natural

porque sera aquel cuya grca podra prolongarse de forma natural

es decir, de manera que se mantenga la

En efecto, si se prolongara la denicin de este

lineales, de manera que existiera la derivada del

suavidad spline spline

81

de la curva mediante una semirrecta por cada extremo. fuera del intervalo

[x1 , xn ]

mediante dos funciones

prolongado de esta manera en los nodos

x1

4.4.

Ejercicios

/2 1. Demuestre que la funcin g (x) = (e + e/2 ) sen x + 2 cos x interpola a la funcin f (x) = ex + ex en los puntos (0, 2) y (/2, e/2 + e/2 ).
2. Demuestre que la funcin polinmica

f (x) = 36 arc tg(x)

en los puntos

q (x) = 7 3 x 3x2 interpola (0, 0), (1/ 3, 6 ) y ( 3, 12 ).

a la funcin

3. Pruebe que el polinomio y

p P4 [x] que interpola los puntos (0, 5), (2, 13), (3, 2), (4, 1) 113x 1963x2 97x3 61x4 + . 3 72 16 144
que interpola los puntos

(6, 10)

es

p(x) = 5 +
4. Obtenga el polinomio y 5. [

p P4 [x]

(4, 0), (1, 0), (1, 2), (3, 1)

(5, 3).
] Obtenga el polinomio p de grado no mayor que 7 que interpola a la 3 = ex /2 cos x en los puntos xi = i/10, con i = 1, 2, . . . , 8. Aplique la

Mathematica
f (x)

funcin

frmula obtenida para dar una aproximacin de

f (0,26), y comprela con su verdadero

valor. Represente grcamente los puntos dados y su polinomio interpolador. 6. [

x1 = 0, x2 = 2, x3 = 1,5, x4 = 1,3, x5 = 0,4, x6 = 1,300001

7. Se sabe que la ecuacin

Mathematica
0, 0,5

] Repita el ejercicio 5 si los puntos donde se interpola la funcin son y

x7 = 0,2. [0, 1].

Calcule

x 9x = 0

tiene una solucin en el intervalo

el polinomio de interpolacin de la funcin del primer miembro de esa ecuacin en los puntos 8. [ y

1,

y utilcelo para dar una solucin aproximada de dicha ecuacin.

Mathematica

] La distancia requerida para detener un automvil que marcha a cierta

velocidad tras pisar el freno (a fondo) es una funcin de dicha velocidad. Se han recogido los siguientes datos experimentales para cuanticar esa relacin: velocidad (km/h) distancia (m)

35 40 50 55 60 70 80 4,8 6 10,2 12 18 27 36

a b

) Utilice el polinomio que interpola estos datos para estimar la distancia de frenado del automvil si frena a fondo cuando marcha a una velocidad de

65

km/h.

) Teniendo en cuenta los resultados del apartado anterior, le parece acertado hacer estimaciones de la distancia de frenado usando el polinomio de interpolacin? Por qu?

9. Obtenga el polinomio

p de grado menor o igual que 2, que tome los valores 1, 2 y 1 en los puntos 0, 1 y 2, respectivamente. Obtenga tambin el polinomio q P3 [x] que interpole los puntos anteriores y que cumpla que q (1) = 1.

(con lo que la pendiente de la funcin lineal situada a la izquierda de x1 sera s (x1 ), y la pendiente de la funcin lineal situada a la derecha de xn sera s (xn ), entonces la funcin resultante seguira siendo de 2 clase C , esta vez en R, ya que la segunda derivada de una funcin lineal es cero, como lo son s (x1 ) = d1 y s (xn ) = dn , por hiptesis.

xn

82

10. Halle los polinomios que interpolan a las siguientes funciones en los puntos que se indican.

a b

) )

10 en los puntos 2, 1 y 3. 1 + x2 f (x) = x3 en los puntos 1, 0, 1 y 3. f (x) =

D una razn que justique el resultado que se obtiene en el apartado b). 11.

a b c

) Obtenga el polinomio que interpola a la funcin ) Obtenga el polinomio que interpola a la funcin y

f (x) = x4 f (x) = x
4

en los puntos en los puntos

1, 1, 2. 1, 1, 2

3. f
en los puntos

) Compare los valores de los dos polinomios de interpolacin obtenidos con los de la propia funcin

0,5, 0,5, 1,5

2,5.

Le parece aceptable la

interpolacin realizada en cuanto a la proximidad del polinomio a la funcin que interpola en alguno de los dos casos? 12. Obtenga los polinomios que interpolan a las siguientes funciones en los puntos que se indican.

a b c

) ) )

1 , en los puntos 1, 0 y 1. 2x + 1 1 g ( x) = , en los puntos 2, 1, 1 y 2. 1 + x2 h(x) = cos2 x, en los puntos 0,5, 0 y 0,5. f (x) =

13. Sea

q (x) el polinomio que interpola los datos (0, 0), (1/2, b), (1, 3) y (2, 2), donde b R. Para qu valor de b se tiene que el grado de q es 2?

14. [

p del grado ms bajo posible que interpola los puntos (0, 5), (1, 7), (2, 13), (3, 2), (4, 1), (5, 2) y (6, 13) de la grca de cierta funcin f . Cul sera el valor aproximado de f (2,3) que proporciona el polinomio de interpolacin? Obtenga tambin el polinomio q que interpola los puntos anteriores y tambin el punto (7, 29). Qu valor aproximado de f (2,3) proporciona q ? Represente
] Obtenga el polinomio los dos polinomios en el mismo grco.

Mathematica

15. Obtenga el y 16. [

s(1) = 9.

spline

cbico natural

s(x)

con nodos

1, 0, 1

tal que

s(1) = 13, s(0) = 7

Mathematica a b
y

] Obtenga la expresin general de los

splines

cbicos cuyos nodos son

los cinco primeros nmeros naturales y que interpolan los puntos

(1, 0), (2, 1), (3, 3),

(4, 3)

(5, 1).

) El ) El

spline spline

Adems, obtenga dos casos particulares: cbico natural. cbico

s(x)

tal que

s (1) = 100

s (5) = 100.

Finalmente, represente en un mismo grco los dos 17. Obtenga los

splines

splines

anteriores.

cbicos que interpolan los puntos del ejercicio 4 y cuyos nodos son

precisamente las abscisas de esos puntos.

83

18.

a b

) Obtenga los

1, 1, 2 y 3. En particular, obtenga el cbico natural y su valor en cada uno de los puntos 0,5, 0,5, 1,5 y 2,5; y utilice los resultados obtenidos en el apartado c) del ejercicio 11 para comparar esos valores del con los que toma f y el polinomio que interpola a f en 1, 1, 2 y 3 en dichos puntos 0,5, 0,5, 1,5 y 2,5.

splines

cbicos que interpolan a la funcin

spline

f (x) = x4

en los nodos

spline

) Obtenga el

tambin interpole a nodos del

spline spline

cbico

que interpola a

en los puntos

). Obtenga el valor

f en los nodos 1, 1, 2 y 3 y que 0 y 1/3 (note que estos dos puntos no son del s en los puntos 0,5, 0,5, 1,5 y 2,5, y

19. [

Mathematica

compare estos valores con los considerados en el apartado a) de este ejercicio. ] Repita el ejercicio 8 interpolando con el

spline

cbico natural. Comente

si el resultado le parece satisfactorio. 20. Compruebe si la siguiente funcin es un

x, x [0, 1], 2 3 (2 x) h(x) = , x (1, 2], 2 3/2, x (2, 3]. a, b, c, d R

spline

cuadrtico con nodos

0, 1, 2

3.

21. Determine para qu valores

se cumple que la funcin

f ( x) =
es un

3 + x 9x 2 ,

x [0, 1],

spline

a + b(x 1) + c(x 1)2 + d(x 1)3 , x (1, 2] 0, 1

y

cbico con nodos

2.

Puede ser

en algn caso un

spline
y

cbico

natural? 22. Determine las condiciones que deben satisfacer los nmeros reales que la funcin

a, b , c , d

para

sea un

spline

a + bx 39x2 + 13x3 , x [1, 2], g (x) = 232 314x + cx2 + dx3 , x (2, 4], 1624 + 1078x 225x2 + ex3 , x (4, 5] 1, 2, 4 y 5. Compruebe tambin si g
puede ser un

cbico con nodos

spline

cbico natural. 23. [

obtenga los

polinomio y el

Mathematica splines spline a b

ln 3
a y

] Dados los puntos cbicos y el

(4, 7), (2, 5), (0, 13), (1, 7), (2, 1), (4, 1), (5, 2), polinomio de P6 [x] que los interpole. Represente este (0, 0), ( 3/3, /6)
y

cbico natural en el mismo grco.

24. Obtenga el polinomio que interpola los puntos 25. ) Obtenga el polinomio

( 3, /3). ln 2,

que interpola a la funcin

f (x) = ex

en los puntos

ln 5. p
para obtener el polinomio

) Qu habra que sumar al polinomio

que interpola

en los puntos anteriores y tambin en el punto

0?

84

26.

) Determine para qu valores reales de

A, B , C , D y A(1 + x + x2 + x3 ), f ( x) = B + x + x2 + Cx3 , D + 10x + Ex2 + 2x3 ,

la funcin

x [a, 0], x (0, 1], x (1, b]

y

es un

spline
a

cbico con nodos

) Es posible que el valores de y

b?

spline

a, 0, 1

(donde

a<0

b > 1).

cbico del apartado anterior sea natural para ciertos

27. Halle los nmeros

sea un

spline

a, b, c, d R para que la funcin { a(x 1)3 + b(x 1) + 2, 1 x < 2, f ( x) = c(x 2)3 3(x 2)2 + d(x 2) + 4, 2 x 3
cbico natural que interpola los puntos

28. Dados los puntos

(1, 2), (2, 0) y (4, 2), obtenga los

de modo que los nodos de esos obtenga el

spline

splines

splines

(1, 2), (2, 4)

(3, 2).

cuadrticos que los interpolan,

sean las abscisas de dichos puntos. En particular,

cuadrtico que satisface que su primer trozo es de grado

29. Dados los puntos

(1, 0), (1, 2), (2, 6)

interpola, de modo que los nodos de ese el primer trozo del operaciones.

spline

sea de grado

spline 1 Indicacin:
.

(3, 4),

obtenga el

spline

1.

cuadrtico que los

sean las abscisas de dichos puntos y Este ejercicio requiere muchas

Algunas cuestiones tericas

1. Dados

n, k N,

qu funcin polinmica interpola en

funcin polinmica de grado generalizar el resultado.

n?

Indicacin

n+k

puntos distintos a otra

: d valores concretos a

nyk

y luego intente

2 3 4 5 2. Compruebe que las funciones polinmicas q (x) = 72 6x 55x 15x + 3x + x 2 4 y p(x) = 24 10x 15x + x interpolan ambas los puntos (3, 0), (2, 0), (1, 0),

(4, 0). Contradice este hecho el teorema 4.1, donde se habla de un nico polinomio de
interpolacin? 3. Responda a las siguientes cuestiones razonando las respuestas y sin hacer clculos.

) Determine cul es el polinomio de menor grado posible que interpola los siguientes puntos

(1, 1), (1, 1), (2, 2), (2, 2), (3, 3), (3, 3), (4, 4), (4, 4), (5, 5) (5, 5).

) Teniendo en cuenta el apartado anterior, elija cul de las siguientes frases es la correcta: (1) Es POSIBLE (pero NO SEGURO) que exista un polinomio de grado 9 que interpole dichos puntos. (2) Es IMPOSIBLE que exista un polinomio de grado 9 que interpole dichos puntos. (3) Es SEGURO que existe un polinomio de grado 9 que interpola dichos puntos.

85

Captulo 5 INTEGRACIN NUMRICA

La regla de Barrow permite integrar de modo exacto las funciones cuya primitiva existe y puede calcularse (aunque sea a trozos). Muchas veces esto no es posible, bien porque la funcin solo se conoce en una serie de puntos, o porque no hay modo de expresar la primitiva de una forma elemental. En estos casos, que son muy frecuentes, se hace necesario encontrar mtodos numricos que aproximen el valor de la integral deseada. Los mtodos de integracin numrica que vamos a estudiar son Esto quiere decir que la integral de una funcin siguiente forma:

f
b

en un intervalo

[a, b]

de tipo interpolatorio

se aproximar de la

f (x) dx
a

s(x) dx, [a, b]

(5.1)

donde

es una funcin que interpola a

en determinados puntos de

y que es fcil de

integrar en este intervalo.

5.1.

Frmulas simples

En esta primera seccin establecemos las bases para obtener frmulas de integracin numrica de tipo interpolatorio que proporcionen buenas aproximaciones de la integral exacta: esto no lo conseguiremos hasta la seccin siguiente, pero basndonos en lo que estudiamos en esta. A las frmulas que introducimos en esta seccin se les denomina integracin numrica, por contraposicin a las

frmulas compuestas

frmulas simples
s

de

de integracin numri-

ca de la seccin siguiente; estas ltimas se obtendrn aplicando repetidamente las frmulas simples. A continuacin estudiamos los mtodos ms sencillos de obtener una funcin terpole a una funcin dada que in-

f,

ambas denidas en un intervalo

[a, b],

de manera que pueda

establecerse la aproximacin (5.1). En estos mtodos sencillos bajo que interpole a

ser un polinomio de grado

en unos puntos segn lo estudiado en la seccin 4.2.

En primer lugar, consideraremos el caso en que a

es el polinomio de

P1 [x]

que interpola

en los extremos del intervalo, es decir,

s(x) = f (a) +

f (b) f (a) (x a) ba
87

para todo

x [a, b]

(frmula que puede obtenerse directamente o mediante la frmula (4.2),

con lo que la frmula (5.1) adopta ahora la siguiente forma:

a
Esta es la llamada

f (x) dx

ba (f (a) + f (b)). 2

(5.2)

frmula del trapecio

f
a b

En segundo y ltimo lugar, consideramos el caso en que interpola a

es el polinomio de

P2 [x]

que

en los extremos del intervalo y tambin en su punto medio. Aproximando de por la integral de

nuevo la integral de

s,

se obtiene la siguiente frmula:

[ ( ) ] ba a+b f (x) dx f (a) + 4f + f (b) . 6 2

.

(5.3)

Esta es la llamada

frmula de Simpson

5.2.

Frmulas compuestas

En esta seccin mostramos el modo de obtener frmulas de integracin numrica de tipo interpolatorio que sean verdaderamente tiles para aproximar integrales denidas de funciones reales de variable real. El mtodo no es otro que aplicar frmulas simples en los subintervalos en que se va a dividir el intervalo de integracin. De ah que a las frmulas que vamos a introducir se denominan

frmulas compuestas de integracin numrica

n
partes iguales de longitud

(son

frmulas compuestas de otras simples). Supongamos que se desea aproximar el valor de la integral de una funcin integrable en un intervalo

[a, b].

Se divide este intervalo en

h=

ba . n [a, b]
son

Por tanto, los puntos que determinan la particin de con

a = x 0 < x1 < < xn = b ,

xi = a + ih

para todo

i = 0, 1, . . . , n.

Entonces, las frmulas compuestas de integracin numrica se obtendrn aplicando frmulas simples a cada uno de los sumandos del segundo miembro de la siguiente expresin:

f ( x) d x =

n i=1

xi

f (x) dx.

(5.4)

xi1

En esta seccin nos limitaremos a estudiar dos casos de frmulas compuestas: las que se obtienen aplicando las frmulas simples del trapecio y de Simpson, que proporcionan dos de los mtodos de integracin numrica ms utilizados y tambin ms sencillos.

 Se denomina as porque la regin delimitada por

cuando

s y el intervalo [a, b] en el eje de abscisas es un trapecio

f (a)

f (b)

son del mismo signo.

88

5.2.1.

Mtodo de los trapecios

El mtodo de los trapecios consiste en aplicar la frmula simple del trapecio en cada sumando de la expresin (5.4), de manera que se aproxima la integral de la funcin

en

[a, b]

por la integral de la funcin cuya grca es la lnea poligonal formada por cada uno de

los segmentos que unen los puntos

(xi1 , f (xi1 ))

(xi , f (xi )) (i = 1, 2, . . . , n):

en la gura

5.1 se representan algunos de los trapecios asociados a una funcin y a la particin elegida.

f(x1) f(a) xxxxxxxxxxxx xxxxxxxxxxxx

xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxx

f(x2)

f(x) xn-1 ... b x

xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxx

x1

x2

f(xn-1) f(b)

Figura 5.1: Representacin del mtodo de los trapecios

Es intuitivamente claro que la aproximacin al valor exacto de la integral de tender a ser mejor a medida que el nmero conrmaremos en la seccin 5.3. Aplicando la frmula (5.2) en cada sumando de (5.4) se obtiene

en

[a, b]

de puntos de la particin aumente. Esto lo

f (x) dx

n xi xi1 ( i=1

) f (xi1 ) + f (xi ) ,

de los trapecios

de donde se deduce inmediatamente la siguiente frmula, conocida como (o simplemente

frmula de los trapecios

frmula compuesta
(5.5)

):

[ ] n1 h f (x) dx f (a) + 2 f (xi ) + f (b) . 2 i=1

5.2.2.

Mtodo de Simpson

El mtodo de Simpson consiste en aplicar la frmula simple de Simpson en cada sumando de la expresin (5.4), de manera que se aproxima la integral de la funcin

en

[a, b]

por la

integral de una funcin cuadrtica a trozos (su grca est formada por trozos de parbolas): en cada trozo

en los

[xi1 , xi ] se integra el polinomio puntos xi1 , xi 1 y xi , donde

2

de grado menor o igual que 2 que interpola a

xi 1 =
2

( 1) xi1 + xi =a+ i h 2 2
89

para todo

i = 1, 2, . . . , n.

(5.6)

Aplicando la frmula (5.3) en cada sumando de (5.4) se obtiene

f (x) dx

n xi xi1 ( i=1

) f (xi1 ) + 4f (xi 1 ) + f (xi ) ,

2

de donde se deduce inmediatamente la simplemente como la

frmula compuesta de Simpson frmula de Simpson

(nos referiremos a ella

, si no hay peligro de confundirla con la frmula

simple del mismo nombre):

[ ] n1 n h f (a) + 2 f (xi ) + 4 f (xi 1 ) + f (b) . f (x) dx 2 6 i=1 i=1 2n + 1

evaluaciones de la funcin

(5.7)

Observe que la frmula (5.7) utiliza frmula (5.5) solo utiliza

f,

mientras que la

n +1. Por tanto, el esfuerzo computacional de la frmula de Simpson que utiliza n subintervalos equivale al de la frmula de los trapecios con 2n subintervalos. Visto al revs, que es lo ms natural, si tenemos un nmero impar k de puntos equidistantes de la recta real donde se conoce el valor de una funcin f , para aproximar la integral de f
entre el menor y el mayor de dichos puntos se podr utilizar la frmula de los trapecios para 1 n = k 1 o la frmula de Simpson para n = k . Si el nmero de puntos que se tiene es par, 2 solo puede utilizarse la frmula de los trapecios.

5.3.

Estudio del error de las frmulas compuestas

Como en todo mtodo numrico, es importante tener cierto conocimiento del error que produce: es necesario saber hasta qu punto el valor aproximado dado por el mtodo se acerca al valor exacto de la integral. A este punto dedicamos esta seccin. Intuitivamente, el modo normal de disminuir el error ser aumentar

n, es decir, el nmero

de subintervalos en que se divide el intervalo de integracin o, lo que es lo mismo, aumentar el nmero de puntos en los que hay que evaluar la funcin del integrando para obtener la frmula compuesta (n +1 en la frmula de los trapecios y

2n +1 en la de Simpson). De hecho,

el estudio que haremos del error cometido por los mtodos de los trapecios y de Simpson permitir encontrar el nmero de intervalos a los que aplicar la frmula compuesta para que se asegure que el error de aproximacin sea menor que una cantidad preestablecida.

5.3.1.

Error de la frmula de los trapecios

Bajo hiptesis bastante generales, el siguiente teorema proporciona una expresin del error de la frmula de los trapecios.

Teorema 5.1
0

Sea f una funcin de clase C en [a, b]. Para cierto n N, sea h = (b a)/n y sea a = x < x < < x = b la particin de [a, b] denida mediante x = a + ih para todo i = 0, 1, 2, . . . , n. Entonces existe un nmero c [a, b] tal que
2 1 n i

[ ] n1 h (b a)3 f (c). f (x) dx = f (a) + 2 f (xi ) + f (b) 2 2 12 n i=1

90

Al ser

continua en

[a, b],

existe

M >0

tal que

|f (x)| M

para todo

x [a, b].

Lo

ideal ser tomar

M = m ax{|f (x)| : x [a, b]},

siempre que pueda determinarse dicho mximo. En denitiva, el error absoluto cometido con la frmula de los trapecios se puede acotar, ya que

(b a)3 (b a)3 M (b a)3 f ( c ) f ( c ) . = 12 n2 12 n2 12 n2 M, b

y

En el ltimo trmino de la expresin anterior,

son cantidades jas. Por tanto,

para hacer la cota del error tan pequea como se desee bastar aumentar el nmero

de

subintervalos del mtodo. En concreto, si se desea que el error absoluto sea menor que cierta cantidad positiva

bastar imponer que

M (b a)3 < , 12 n2
es decir,

deber satisfacer que

n>

M (b a)3 ba = 12 2

M (b a) . 3

(5.8)

Un ejemplo de aplicacin de lo que acabamos de mostrar es el siguiente.

Ejemplo 5.1

Se desea aproximar la integral

8/9

cos x2 dx
mediante el mtodo de los trapecios con un error absoluto inferior a una milsima. Para lo cual se determina el nmero de subintervalos que asegure que el error no superar dicha 3 cota. Luego n debe satisfacer (5.8) para = 10 . Para determinar la constante M en (5.8) 2 se calcula la segunda derivada de la funcin f (x) = cos x , que es

f (x) = 4x2 cos x2 2 sen x2 .

Puede comprobarse que estrictamente

f (0) = 0 y que f (x) < 0 para todo x (0, 8/9], decreciente en [0, 8/9]. Como f (0) = 0 se tiene que

por lo que

es

m ax{|f (x)| : x [0, 8/9]} = |f (8/9)| | 3,6451| = 3,6451.

Luego podemos tomar

M = 3,6451

y, por tanto,

ba n> 2
Es decir, si 3 a 10 .

M (b a) 4 3 9

3,6451 (8/9) 8 = 3 103 27

2 3645,1 14,6061. 3 2

n 15

se puede asegurar que la integral se ha aproximado con un error inferior

El teorema de los valores extremos asegura que este mximo existe.

91

En ocasiones se podr obtener una aproximacin algo mejor de la integral si se conocen una cota inferior M1 y otra superior M2 de f (x) en el intervalo [a, b]: M1 f (x) M2 para todo toman

x [a, b].

La localizacin del valor de la integral ser lo ms precisa posible si se

M1 = m n{f (x) : x [a, b]}

En cualquier caso se tendra que

M2 = m ax{f (x) : x [a, b]}

(si es posible encontrar esos valores extremos, que existen por el teorema del mismo nombre).

y, por tanto,

(b a)3 (b a)3 (b a)3 M f ( c ) M1 , 2 12 n2 12 n2 12 n2

] [ b n1 h (b a)3 f (a) + 2 f (xi ) + f (b) M2 f (x) dx 2 12 n2 a i=1 [ ] n1 h (b a)3 f (a) + 2 f (xi ) + f (b) M1 . 2 12 n2 i=1
5.3.2. Error de la frmula de Simpson

Bajo ciertas hiptesis bastante amplias, el siguiente teorema proporciona una expresin del error de la frmula de Simpson.

Teorema 5.2
0

Sea f una funcin de clase C en [a, b]. Para cierto n N, sea h = (b a)/n y sea a = x < x < < x = b la particin de [a, b] denida mediante x = a + ih para todo i = 0, 1, 2, . . . , n. Consideramos tambin los puntos medios de los intervalos de dicha particin, es decir, los puntos x dados por . Entonces existe un nmero c [a, b] tal que
4 1 n i
1 i 2

(5.6)

a
Al ser

[ ] n1 n h (b a)5 iv f (x) dx = f (a) + 2 f (xi ) + 4 f (xi 1 ) + f (b) f (c). 4 2 6 2880 n i=1 i=1 f iv
continua en

[a, b],

existe

M > 0

tal que

|f iv (x)| M

para todo

x [a, b].

Como en el caso del error de la frmula de los trapecios, lo ideal ser tomar

M = m ax{|f iv (x)| : x [a, b]},

siempre que pueda determinarse dicho mximo. Luego el error absoluto cometido por el mtodo de Simpson se puede acotar, ya que

(b a)5 iv (b a)5 iv M (b a)5 = f ( c ) f ( c ) . 2880 n4 2880 n4 2880 n4 M, b

y

En el ltimo trmino de la expresin anterior,

son cantidades jas. Por tanto,

para hacer la cota del error tan pequea como se desee bastar aumentar el nmero n de 4 subintervalos del mtodo. El hecho de que esta cota dependa del valor de n y de que la cota 2 del error del mtodo de los trapecios dependiera de n , indica que el mtodo de Simpson

92

converge a la integral exacta con una rapidez mucho mayor que el mtodo de los trapecios: por ejemplo, al multiplicar el nmero de subintervalos por 10, la cota del error de los trapecios se divide por 100, mientras que la cota del error de Simpson se divide por 10000. As, si se desea que el error absoluto en el mtodo de Simpson sea menor que cierta cantidad positiva

bastar imponer que

M (b a)5 < , 2880 n4

es decir,

deber satisfacer que

n>

M (b a)5 ba = 2880 2

M (b a) . 180

(5.9)

Veamos un ejemplo de aplicacin de esto ltimo.

Ejemplo 5.2
Luego

Se desea calcular aproximadamente la integral del ejemplo 5.1 con el mismo

grado de aproximacin que entonces, pero utilizando la frmula de Simpson. Para lo cual se determina el nmero de subintervalos que asegure que el error no superar dicha cota. 3 debe satisfacer (5.9) para = 10 . Para determinar la constante M en (5.9) se

calcula la cuarta derivada de la funcin a integrar, que es

f iv (x) = 12 cos x2 + 16x4 cos x2 + 48x2 sen x2 .

Puede comprobarse aunque es un tanto complicado de demostrar que f f v (x) > 0 para todo x (0, 8/9], por lo que f iv es estrictamente creciente en f iv (0) = 12 y f iv (8/9) 25,5286, resulta que

(0) = 0 y que [0, 8/9]. Como

m ax{|f iv (x)| : x [0, 8/9]} 25,5286.

Luego podemos tomar

n>
Luego si

ba 2

M = 25,5286 y, por tanto, M (b a) 4 4 25,5286 (8/9) 4 2 25528,6 = 1,4893. 180 9 180 103 27 5 103 . 2

n2

la integral se habr aproximado con un error inferior a

En ocasiones se podr obtener una aproximacin algo mejor de la integral si se conocen iv iv una cota inferior M1 y otra superior M2 de f (x) en el intervalo [a, b]: M1 f (x) M2 para todo toman

x [a, b].

La localizacin del valor de la integral ser lo ms precisa posible si se

M1 = m n{f iv (x) : x [a, b]}

M2 = m ax{f iv (x) : x [a, b]}

(si es posible encontrar estos valores extremos). En cualquier caso se tendra que

y, por tanto,

(b a)5 iv (b a)5 (b a)5 M f ( c ) M1 , 2 2880 n4 2880 n4 2880 n4

[ ] b n1 n h (b a)5 M2 f (x) dx f (a) + 2 f ( xi ) + 4 f (xi 1 ) + f (b) 4 2 6 2880 n a i=1 i=1 [ ] n1 n h (b a)5 M1 . f (a) + 2 f (xi ) + 4 f (xi 1 ) + f (b) 4 2 6 2880 n i=1 i=1
93

5.4.
1.

Ejercicios

a b a b c d e a b c

) Aproxime mediante el mtodo de los trapecios la integral

2 1

ex dx x2 + 1

de modo que solo necesite evaluar el integrando en cuatro puntos. ) Obtenga una cota del error de aproximacin.

2. Se considera la integral

1 dx. x

) Aproxime dicha integral mediante el mtodo de los trapecios usando diez subintervalos. Compare el resultado con la integral exacta. ) Obtenga una cota superior y una cota inferior del error cometido por esa aproximacin. Compare esas cotas con valor exacto del error. ) Acote tambin dicha integral, tanto inferior como superiormente. Compruebe que la integral exacta est entre esas cotas. ) Repita los apartados anteriores para el mtodo de Simpson, pero usando solo cinco subintervalos. ) Cuntas evaluaciones se necesitaran para asegurar que el error absoluto cometido 5 por el mtodo de los trapecios fuera inferior a 5 10 ? Responda a la misma pregunta para el mtodo de Simpson.

3. Se considera la integral ) Aproxime grando

I=
0

x2

1 dx. +1

I mediante en 11 puntos.

el mtodo de los trapecios, evaluando la funcin del inte-

) Utilizando la frmula del error del mtodo de los trapecios, obtenga una cota superior y una cota inferior de

I.

) En cuntos puntos sera necesario evaluar el integrando para asegurar que el error absoluto de la aproximacin de I dada por el mtodo de los trapecios fuera 4 menor que 10 ? Obtenga tambin el nmero de evaluaciones necesarias para que 5 6 dicho error sea menor que 10 y 10 . ) Compare el valor exacto de de este ejercicio. ) Obtenga el error absoluto y el error relativo de esa aproximacin. ) Como aplicacin, encuentre un algoritmo que proporcione aproximaciones del nmero

d e f g

con la aproximacin calculada en el primer apartado

tan exactas como se desee.

) Repita todos los apartados anteriores usando el mtodo de Simpson.

4. Aproxime mediante la frmula de Simpson la integral de [2, 4] con un error menor que 2,5 105 . 5. Aproxime la integral de

f ( x) = e x

en el intervalo

f (x) = cos2 x en el intervalo [0, 1] con un error menor que 103

utilizando: (a) el mtodo de Simpson; (b) el mtodo de los trapecios.

94

6. Determine el nmero de subintervalos que se necesitan a priori, en el mtodo de los k trapecios y en el de Simpson, para aproximar con un error menor que 10 (k N) el valor de la integral

esen x dx.
7. Use la frmula de los trapecios para calcular una aproximacin de la integral

0
con un error absoluto menor que

0,5

ecos x dx 0,0025. Utilice los mismos puntos usados en el mtodo

anterior para aproximar la integral mediante la frmula de Simpson, y obtenga una cota del error cometido. 8. Sea

f una funcin de la que tan solo se conocen los siguientes valores: f (0) = 0, f (1/5) = 1, f (2/5) = 5/2, f (3/5) = 9/2, f (4/5) = 7, f (1) = 10 y f (6/5) = 14.
Utilice la frmula de los trapecios y la frmula de Simpson para aproximar el valor de la integral de la funcin

en el intervalo de extremos

6/5.

9. De una funcin

f se conocen los siguientes puntos de su grca: (1,8, 3,12014), (2, 4,42569), (2,2, 6,04241), (2,4, 8,03014) y (2,6, 10,46675).

) Utilizando esos datos, obtenga aproximaciones de la integral de

en el intervalo

[1,8, 2,6]
) [

mediante las frmulas de los trapecios y de Simpson. Hay algn dato

b Mathematica

que permita decidir cul de las dos aproximaciones es la mejor? ] Construya el polinomio y el

spline

cbico natural que interpolan

dichos puntos. selos para obtener otras dos aproximaciones de dicha integral. 10. Para la realizacin de un proyecto de ingeniera hidrulica se necesita conocer el rea de una seccin de una laguna. En la gura 5.2 se representan las mediciones de profundidad obtenidas para esa seccin. Aproxime su rea utilizando la regla de Simpson compuesta.

profundidad

1.8 2 4 4 6 0 4 3.6

3.4 2.8

10 20 distancia a la orilla izquierda (m.)

Figura 5.2: Profundidad de la seccin de una laguna

11. La pared de una presa es plana, su base y su borde superior son segmentos horizontales paralelos y su altura es de 20 m. Se ha medido la anchura de esa pared a nivel del suelo y desde ah a intervalos de 5 m. de altitud, obtenindose desde abajo hacia arriba los siguientes valores: 9, 15, 20, 27 y 30 m. Calcule de forma aproximada el rea de la pared de dicha presa mediante la frmula de Simpson.

Indicacin

: puede suponer para

95

el planteamiento del problema el resultado en cualquier otro caso sera el mismo que uno de los bordes laterales de la pared es recto y perpendicular a su base. 12. Dada la funcin su integral en

f (x) = sen(x/4) + 2 sen(x/2) + 3 cos(x) 2 cos(x/4), aproxime el intervalo [0, 8] mediante los mtodos de los trapecios y de Simpson s
y que interpola a

de modo que solamente se necesite evaluarla en cinco puntos. Obtenga el polinomio

y el

spline

cbico natural

en esos puntos, y aproxime de nuevo

la integral de

utilizando

s.

Compare las cuatro aproximaciones obtenidas con la

integral exacta. 13. Sea

una funcin de clase

constante

M >0

tal que

C 4 en el intervalo [3, 10]. Sabemos que entonces existe cierta |f iv (x)| M para todo x [3, 10]. f
en dicho intervalo mediante la frmula

) Si se aproxima el valor de la integral de

de Simpson compuesta, dividiendo el intervalo

[3, 10]

en

subintervalos iguales,

obtenga una cota del error absoluto de la aproximacin realizada (en funcin de

b c

n). n (n = n0 ),
para el que resulta que la

) Suponga que se ha tomado cierto valor de

cota del error obtenida en el apartado anterior es demasiado grande. Si se necesita que la cota sea 10000 veces menor, qu se debera hacer? ) Volviendo al principio del problema, suponga que el error absoluto de aproximacin de la integral al aplicar la frmula de Simpson compuesta debe ser 8 menor que 10 . Obtenga entonces una expresin (en funcin de M ) del nmero mnimo de subintervalos de

[3, 10] X

a los que habra que aplicar el mtodo. que sigue una distribucin normal con media

14. Se considera una variable aleatoria

=0

y desviacin tpica

Como es sabido, su funcin de densidad es

ex /2 f (x) = , 2
2 2

y la probabilidad de que la variable

tome un valor en el intervalo

[a, b]

es

P [a X b] =
a

f (x) dx. 105 :

Aproxime el valor de las siguientes probabilidades con un error mximo de (a)

P [|X | ]; g ( x) =

(b)

P [|X | 2 ];

(c)

P [|X | 3 ].

15. Se considera la funcin

a b c

) Obtenga el polinomio y

20 . 2 x + x2 + 2x3 que interpola a g (x) en

los puntos

x0 = 1, x1 = 0, x2 = 1

x 3 = 2. g (x)
en el intervalo

) Utilice ese polinomio de interpolacin para dar una aproximacin de la integral de

[1, 2].

) Utilice tambin la frmula compuesta de los trapecios que utiliza los cuatro puntos dados para aproximar esa integral. 96

d e
16. [

) Teniendo en cuenta que

35 g (x) 95

para todo

x [1, 2],

proporcione un

intervalo en el que se encuentre el valor exacto de dicha integral. ) Suponiendo que dicho valor exacto es

20,0551709, ex dx. x2 + 1

obtenga el error relativo de la

mejor de las dos aproximaciones obtenidas en los apartados anteriores.

Mathematica a b c
n

] Se considera la integral

) Utilizando la instruccin directa de integracin numrica de

Mathematica

, obten-

ga una aproximacin de esa integral, mostrando al menos diez decimales de la aproximacin. ) Aplique el mtodo de los trapecios para aproximar la integral anterior utilizando intervalos. Si la aproximacin obtenida se denota

It (n),

obtenga en particular

las aproximaciones

It (3), It (30)

It (100).

) Proporcione una expresin del error cometido por

17. [

d Mathematica a b c Mathematica

It (3) al aproximar la integral (en funcin de cierto valor desconocido c [1, 2]). Si Et (3, c) denota ese error, represente la funcin de g (c) = Et (3, c) en el intervalo [1, 2], y deduzca de ah una cota inferior y una cota superior del error de la aproximacin It (3). 106 .
] Se considera la integral

) Obtenga el valor de la integral con un error absoluto mximo de

x3 x 10 dx. ln(x 1)

) Aplique la frmula de Simpson para aproximar esta integral de manera que la funcin del integrando tenga que evaluarse exactamente en 71 puntos.

) Acote el error que se comete al aproximar la integral por dicha frmula. ) Independientemente de lo anterior, aproxime la integral con un error menor que 1012 . ] Aplique las frmulas de los trapecios y de Simpson para aproximar la

18. [

integral

( x ) dx, ln 1 0,99 cos2 2 101 puntos

de manera que la funcin del integrando tenga que evaluarse exactamente en

en ambos casos. Para cada mtodo, acote el error de la aproximacin y determine un intervalo en el que se encuentre el valor exacto de la integral. Compare los resultados anteriores con una aproximacin bastante exacta que obtenga mediante la instruccin NIntegrate. 19. [

Mathematica

] Aplique las frmulas de los trapecios y de Simpson para aproximar la

integral

8 dx, x2 + 4 201 puntos

de manera que la funcin del integrando tenga que evaluarse exactamente en

en ambos casos. Para cada mtodo, acote el error de la aproximacin y determine un intervalo en el que se encuentre el valor exacto de la integral. Compare los resultados anteriores con dicho valor exacto.

97

20.

) Dada la funcin

f (x) =
error para la integral

x3

1 , +x+1

obtenga la frmula compuesta de los trapecios incluyendo la expresin del

f (x) dx,

b a b c

de modo que solamente se evale la funcin ) Sabiendo que

0,25 < f (x) 2

3

para todo

f en seis puntos. x [0, 1], obtenga

un intervalo en el

que se encuentre el valor de dicha integral.

21. Se desea aproximar la integral

f (x) dx,

donde

f (x) = arc tg x.

3 3

) Evale el integrando en cinco puntos para obtener sendas aproximaciones de la integral mediante los mtodos de los trapecios y de Simpson. 3 3 2 3 que f ( ) = , f (0) = 0, f ( ) = , f( ) = 0,857072 y 3 6 3 6 3 mtodo de los trapecios. ) Se ha obtenido que puntos en los que

f ( 3) =

Indicacin

: utilice . 3

) Obtenga una cota del error absoluto de la aproximacin obtenida mediante el

[ ] |f iv (x)| < 5 para todo x 33 , 3 . Obtenga el nmero de se debe evaluar la funcin f para que se asegure que el mtodo

de Simpson produce una aproximacin de la integral cuyo error absoluto es menor 6 que 10 . 22. Evale el integrando de la siguiente integral en siete puntos para obtener sendas aproximaciones de la integral mediante los mtodos de los trapecios y de Simpson:

1
0
23. Sea

sen2 x dx. 2

f una funcin tal que f (0) = 1, f (/4) = 1, f (/2) = 2, f (3/4) = 2, f ( ) = 3, f (5/4) = 3 y f (3/2) = 4. Utilice la frmula de los trapecios y la frmula de Simpson para aproximar el valor de la integral de f en el intervalo [0, 3/2].

24. La velocidad de un automvil a los 3, 6, 9 y 12 segundos de ponerse en marcha es respectivamente de 6, 18, 27 y 33 m/seg.

a b

) Obtenga el polinomio que interpola los cinco datos dados y estime la velocidad del automvil a los 10 segundos desde que se puso en movimiento. ) Obtenga una aproximacin del espacio recorrido por el automvil en esos 12 segundos utilizando: (1) una frmula de integracin numrica de tipo interpolatorio deducida del apartado

a);

(2) la frmula de Simpson.

Algunas cuestiones tericas

1. Qu signica que una frmula de integracin numrica sea de tipo interpolatorio? 2. En las frmulas compuestas de los trapecios y de Simpson, si se multiplica por dos el nmero

de subintervalos utilizados en la frmula, en qu medida disminuye la cota

de error en cada una de esas frmulas compuestas?

98

Bibliografa
[1] Atkinson, K. E.

[2] Burden, R. L.; Faires, J. D.

Elementary Numerical Analysis Anlisis Numrico

. Wiley, New York, 1993.

a , 7 edicin. Thomson, Mxico, 2002

[3] Ciaurri, O.; Varona, J. L. Podemos arnos de los clculos efectuados con ordenador?

se encuentra en: 93-121.

La Gaceta de la Real Sociedad Matemtica Espaola 9 Boletn de la Sociedad Espaola de Matemtica Aplicada
, McGraw-Hill, Mxico, 2005.

(2006), no. 2, 483-514. Tambin ,

37 (2006),

[4] Chapra, Steven C.; Canale, Raymond P.

Mtodos numricos para ingenieros

a , 4 edicin.

[5] Cordero, Alicia; Hueso, Jos L.; Martnez, Eulalia; Torregrosa, Juan R.

[6] Faires, J. D.; Burden, R. [7] Gasca, M.

resueltos de Mtodos Numricos Mtodos numricos Clculo numrico

cia, Madrid, 1988. Mxico, 2000.

Problemas

. Thomson, Madrid, 2004.

a , 3 edicin. Thomson, Madrid, 2004.

a , 6 edicin. Universidad Nacional de Educacin a Distan-

[8] Gerald C. F.; Wheatley P. O.

Anlisis Numrico con Aplicaciones

a , 6 edicin. Pearson,

[9] Kincaid, D.; Cheney, W. ington, 1994.

Anlisis Numrico

. Addison-Wesley Iberoamericana, Wilm-

[10] Ramrez, V.; Gonzlez, P.; Pasadas, M.; Barrera, D.

Introduccin y primeras aplicaciones

Matemticas con

Mathematica

. Proyecto Sur de Ediciones, Granada, 1996.

[11] Ramrez, V.; Barrera, D.; Pasadas, M.; Gonzlez, P. ica. Ariel, Barcelona, 2001.

Clculo Numrico con

Mathemat-

[12] Rodrguez Lallena, J. A.; Lpez Arts, P.; Martnez Gonzlez, P.

[13] Scheid, F.; Di Costanzo, R. E. 1991. [14] Trott, M. [15] Trott, M.

matemticos de la Ingeniera Agronmica Mtodos numricos The The

Mathematica Mathematica

Fundamentos

. Autoedicin, Almera, 2002.

a , 2 edicin. McGraw Hill, Mxico,

GuideBook for Graphics GuideBook for Numerics

99

, Springer, New York, 2004. , Springer, New York, 2005.

[16] Trott, M. [17] Trott, M.

[18] S. Wolfram,

The The The

Mathematica Mathematica

Mathematica

GuideBook for Programming GuideBook for Symbolics book

, Springer, New York, 2004.

, Springer, New York, 2005.

a , 3 edicin. Wolfram Media/Cambridge University

Press, New York, 1996. [19] S. Wolfram, Mathematica University Press, 1996.

3.0 Standard Add-On Packages

, Wolfram Media/Cambridge

100