Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad de Almera
Apuntes
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 . . . . . . . . . . . . . . . . . . . . . . . .
23
23 26 26 29
Mtodos de biseccin, de la
regula falsi
y 31 31 34 35 37
regula falsi
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Mtodo de la secante . . . . . . . . . . . . . . . . . . . . . . . . . . .
39 41
2.6.
Ejercicios
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
49 54 56 58 59 60
Mtodo de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Mtodo de Gauss-Seidel
. . . . . . . . . . . . . . . . . . . . . . . . .
61 63 64
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
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.
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
. [10]. El manual de
MathematMathematica
se incluye
Anlisis
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
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
Hay logros en esta materia desde hace muchos siglos, pero su gran desarrollo comienza a mediados del
Mathematica
Mathematica
El
coste operacional
redondeo
errores de
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-
Mathematica
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.
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,
un conjunto nito (aunque pueda ser muy grande) de nmeros, que se denominan
mquina binario
nmeros sistema
este conjunto est bastante estandarizado). En lo que sigue, supondremos que el ordenador con el que trabajamos utiliza el
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
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-
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
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:
3,
1,011101
y su exponente es
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
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
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
! 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
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
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.
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
pertenezca al intervalo
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
"
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
x R no es un nmero mquina
m1
m2
si si
x x
m1 m2
m2 x (m1 , m1 + ); 2 m2 x [ m1 + , m2 ). 2
x (m1 , m 2 )
se redondea por
m1 .
Para cualquier tipo de redondeo, si entonces se dene el
error de redondeo
x,
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
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
[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
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
1+
psilon de la mquina
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;
1 = 0,999 . . .
12
y tomando
9,999 . . .
zc
coincide con
en los primeros
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
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
,
Ejemplo 1.5
x =
En
3.
es un redondeo de
Mathematica 3. x= 3 Mathematica
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
3. = 1,73205,
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.
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
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
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
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
0.
cancelacin
0),
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
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
f (x) = 0.
La primera tctica se aplica cuando prximo al punto
a relativamente a
donde se
donde
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
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) +
i!
(x a)i +
en el punto
a.
(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
Mathematica
, tendremos un
f (x) =
en valores grandes de la variable
1 x+1 x x = 10i ,
con
(1.2)
x.
un
nmero natural positivo sucientemente grande (la cancelacin produce en este caso un error de la forma
1/0).
f (x)
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.
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
, 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
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
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.
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
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
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.
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
eu = |u u | = 27 = 128.
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
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
: V [0, )
u, v V
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
d(u, v ) = u v
En un espacio normado (incluido
para cualesquiera
u, v V.
R),
ex = x x ,
rx =
ex x x = . x x x
y su aproximacin
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 =
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
x < x
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
0,102.
Mathematica Mathematica
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
98
100.
fx
) Cules son los dos nmeros mquina consecutivos entre los que se halla el nmero
e = 2,718281828459 . . .?
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 = 2,7182
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|
7. Se dispone de una calculadora que trabaja en base diez, con 7 cifras de mantisa y exponente entre
a b c
25.
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.
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
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
(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?
f (x) =
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
a b
x?
) Obtenga los errores absoluto y relativo que comete la calculadora al aproximar el valor de
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,
) El nmero
x = 0,00123456789876,
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 %.
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.
nmero mquina
y de
21
2.1.
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
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.
a + b i,
Observe que con
para cualesquiera
R C,
nmeros imaginarios
23
a + 0i, complejos a + b i
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
b R {0}.
llama
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.
En los tres prrafos siguientes introducimos tres deniciones importantes que pueden aplicarse con una excepcin, que mostraremos a cualquier nmero complejo El
conjugado
de
z = a + b i. z = a b i. Observe que z y z
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
|z | =
argumento principal
z | z| arg z
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.
[0, 2 ).
24
z C,
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
argumentos
si de
y y y y
arg z = arc tg(b/a). arg z = arc tg(b/a) + 2 . arg z = /2. arg z = 3/2.
entonces
En el conjunto de los nmeros complejos se denen las operaciones las que se derivan la
diferencia
y el
cociente
suma producto
y
, de
el conjunto de los nmeros reales, as como sus propiedades bsicas. Las tres primeras se denen de la siguiente forma:
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:
25
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.
2.2.
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
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
races
) de la funcin
f (x).
races ceros
) de una ecuacin
(tambin llamados
f (x) = 0
o de los ceros de
f.
2.2.1.
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
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
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
j =1
mi
de cada factor
nj
de los
(x ri ) se le llama factores (x j ) y (x j )
multiplicidad
de la raz
se le llama
j .
multiplicidad
ri .
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
q () = 0. p(x)
Como consecuencia del teorema 2.2 se puede armar tambin que todo polinomio de grado tiene exactamente
cuenta tantas veces como indica su multiplicidad. Adems, sus races imaginarias las tiene a pares (si
p(x),
entonces
p(x)
con la
).
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), 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
1, 3
9.
9,
Ejemplo 2.2
x 2 2x + 2
1+ i
1 i.
Luego
p(x)
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)
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 +
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].
1, 2
3,
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.
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
de la ecuacin
f (x) = 0
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
x E ,
donde
cx
x.
q (x) =
satisface que
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.
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
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.
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
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.
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
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
de manera exacta:
s = x1 .
el teorema de
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
se halla en el
es entonces
x2 = s,
(a2 + b2 )/2,
primera es que
s = x2 ;
[a3 , b3 ]
que contiene a
sera
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| <
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
ba < 2n
para todo
ln
( ba )
ln 2
. |xn s| (b a)/2n
n N, l m xn = s.
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.
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]
, 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
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
el error
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 )|
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
x11
Mathematica
x11
(pero
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
[ ( )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
(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
regula falsi
[a, b],
que
y que
en
(a, b).
El mtodo de la
x1
en
que une los dos puntos extremos de la grca de ecuacin de dicha recta es
"
Si evaluamos la funcin
[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
n N, i > 1)
(2.6)
a1 = a
b1 = b,
mientras que
bi
(para todo
regula falsi
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
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
|f (xn )|
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.
x1 = b
x1 =
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 )|
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
Ejemplo 2.8
Dada la ecuacin
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,
n=1
x1 = 0
Como
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 ]
|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 |.
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
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
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
xn+1 = xn
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
{xn }
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
[a, b]
tal que
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
x2 ,. . . )
pero
Ejemplo 2.9
3
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 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
xn+1 = xn1
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
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
(la necesidad
la ecuacin tiene ms de una solucin de la solucin a aproximar). Frecuentemente se parte de una situacin en la que se ha localizado
x0
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
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
x2 ;
de igual modo se
obtienen sucesivamente
x3 , x4 , etc. Es fcil probar que el mtodo descrito produce una f (xn ) , f (xn )
xn+1 = xn
n = 0, 1, 2, . . .
(2.7)
{xn }
converge a
s,
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
{xn } x0
x0
s;
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 ;
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).
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
Mathematica
|x4 x3 |
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
x0 = 2,
x1 =
11 = 2,75, 4
x2 =
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.
(2.8) converja con ms rapidez, en cuyo caso casi podramos asegurar que la multiplicidad de la raz
es al menos
2.
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.
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.
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
J (x, y )
se le llama
matriz jacobiana
(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)
(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
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
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
n = 0, 1, 2, . . .
(2.14)
mm
(2.15)
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:
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
la ecuacin
x2 4x = c + d cos x
a b
4.
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:
donde
ms de 900 euros mensuales, cul es el mximo inters mensual que puede asumir? 4. Pruebe que la ecuacin solucin con un error
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?
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
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
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
) 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
una raz doble. En este caso, determine el valor exacto de dicha raz. ) Si
b = 2,
[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.
es
v = 20
m/s.
a f (x) = x x 3 b Mathematica
) Si
f (x) = 0
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
a b Mathematica
) [
Mathematica
x cos x = 3
15. [
] Aproxime esta solucin mediante el mtodo de la secante, con 6 condicin de parada |f (x)| < 10 . ] Considere la ecuacin
x3 = x cos x +20 x4 + x2 e implemente el mtodo 6 parada |xn+1 xn | < 10 para aproximar la nica
x3 + ex = 10
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
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
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.
] 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
xk+1
de
43
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
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
x0 = 40.
Encuentre otro valor inicial para que dicho mtodo converja. Aplique otro
25. [
Mathematica
Mathematica
. Puede
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
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.
(x1 , y1 )
( x2 , y 2 ) }
(x, y )
del sistema
(x0 , y0 ) =
b Mathematica
) [
(0, 0).
[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.
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
b Mathematica
) [ 31. [
sistema?
] 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
) [
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
(x, y )
en los que
a b
la funcin denida en
mediante
f,
[0, 4].
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
regula falsi
y de la secante
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
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.
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
imax
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 .
x2 + ey = 5, sen x + cos y = 1,
partiendo del punto
(0, /2)
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?
de una ecuacin.
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
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
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
0.2
0.2
0.1
0.1
0.5 -0.1
1.5 -0.1
0.5
1.5
-0.2
-0.2
regula falsi
y de la secante
a b c d e
) Si
f (x) = 0,
entonces
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
es una funcin
k + 1.
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
3.1.
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
matrices reales
m n (m
las y
A los ele-
(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 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
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
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
. . .
se dice que es
simtrica
At = A.
(3.2)
trminos
es
la matriz columna formada por las incgnitas del sistema, entonces el sistema (3.2) puede
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
triangular inferior
50
de orden
i = j ,
es una
matriz diagonal
aij = 0
para
denotarse de la forma
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
A = (aij )
de orden
se dice que es
|aii | >
n j =1 j =i
|aij |
para todo
i = 1, 2, . . . , n.
A es
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=
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
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.
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
= (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
|A In |
caracterstico
, 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
! Por tanto, la suma de las multiplicidades algebraicas de los valores propios de una matriz de orden
V :
muchos vectores de
, V
R,
entonces
es
n.
52
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 orden
mdulos de sus valores propios; se denota por sea mximo, es decir, que verique que
, 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
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
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
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.
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, ).
p = 2.
p = 1:
u 1 =
Otra norma que utilizaremos en
n i=1
|ui |.
Rn
u = m ax |ui |.
1in
Por contraste con las normas que deniremos a continuacin, a las normas denidas en
Mn (R)
normas vectoriales
en
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)
norma matricial
si cumple
AB AB
para cualesquiera
A, B Mn (R).
(3.3)
54
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
Mn (R)
de la
A = (aij ) Mn (R) A2 =
se dene:
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
. 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
A Mn (R)
y cada
AuV AM uV .
Puede probarse que las normas matriciales
1 , 2
son respectivamente
55
3.3.
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)
se dene su
condicionamiento
en
Mn (R),
cond(A) = AA1 .
Por tanto, para cada matriz real inversible
A,
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 .
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,
cond(kA) = cond(A)
para
k = 0.
Como
Ejemplo 3.3
In 1 = In 2 = In = 1
aii = 0
para todo
i = 1, 2, . . . , n),
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
en el que los trminos independientes anteriores son una aproximacin de los verdaderos. Siguiendo la notacin utilizada, tenemos pues que
2 b = 300 , 500
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 =
rx =
Luego
rx = 1503 rb :
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
rb 1,99601 105
y rb .
rx 24,88, 2
rx
resulta ser ms de
1,2
57
3.4.
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
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
C Mn (R) y d Rn se denen a partir de (0) n " partida x puede ser cualquier punto de R .
#
Ayb
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
1,
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
x(0)
# Nosotros lo aplicaremos al caso en el que ese punto es la solucin de un sistema lineal dado, pero el
$ 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.
En esta seccin introducimos dos mtodos iterativos para la resolucin aproximada de sistemas lineales
Ax = b
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
L = (lij )
U = (uij ) uij =
denidas por
i j, i > j,
{ aij 0
i < j, i j.
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
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
descomposicin de
mtodo de Jacobi
A = DLU
la
para dicho
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
(y de la
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
.. .
.. .
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 =n+1
hasta
j = n
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
descomposicin de
mtodo de Gauss-Seidel
A = DLU
la
para
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
y de su
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
i = 1, 2, . . . , n.
' Recuerde que en la seccin 3.1 se vio que el determinante de toda matriz denida positiva es positivo;
es inversible.
Ax = b
es compatible determinado. Por otra parte, el cuarto apartado del teorema 3.6
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
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 .
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.
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
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
, que
de orden
= 0,
con multiplicidad
se le pueda
A A
tiene un valor propio estrictamente dominante, o bien un nico valor propio domi-
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
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,
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.
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
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
(
)
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.
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
(2,01, 301,01, 500,99). Compare las soluciones error relativo rx que se produce en la solucin del
rb .
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
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
) Realice a mano tres iteraciones de cada mtodo, comenzando desde el punto . Acote el error cometido en cada caso. ] Utilice
Mathematica
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).
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.
aplique la iteracin de Gauss-Seidel (1) una vez; y encuentre una cota de la norma del error x x (use la norma que
) 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
b c
( ( x1 , x 2 , x 3 , x 4 ) =
) 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.
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
B.
66
a b 0 x1 ab 1 3 1 x2 = 0 , 0 a a x3 ba a
y
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
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
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
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
19. [
Mathematica
con al menos seis dgitos de precisin, del valor propio estrictamente dominante de la matriz
A=
2 2 0 1 0
20. [
Mathematica
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
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
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.
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
26. Obtenga una cota superior del error relativo de la solucin del sistema
2, 3 y 5, respectivamente.
69
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:
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
a b a b
) Qu es el radio espectral de
A? A
y cualquiera de sus normas ma-
2. Sea
) Tiene
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
pero no denida positiva, puede ocurrir que el mtodo de Gauss-Seidel converja? Razone la respuesta. 5. Sea
Ax = b
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.
x( k ) xV
C M x(k) x(k1) V , 1 C M
k = 1, 2 , . . . ?
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
es igual a
4.
A?
A?
10. Es posible que el mtodo de Gauss-Seidel converja para una matriz de la forma
( A=
con
) a b , b 0
71
4.1.
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
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
f (v ),
y esta funcin solo se conoce en siete puntos. El ejercicio pide que se obtenga una
funcin polinmica
g (v ),
pase
6,
g, f
f ).
a interpolar se conozca en todo
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
puesto que produce una funcin que no es siempre creciente (y es evidente que la funcin interpolada
f (v )
hasta detenerse). Hay otros muchos problemas en los que se busca aproximar una funcin
de cierto conjunto
G,
de manera que
sea la funcin de
f.
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
y las funciones
donde
x1 , x 2 , . . . , x n D gG
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
El lector conoce que, cuando se tiene un conjunto de datos dos variables estadsticas
n i=1
entre todas las funciones lineales
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.
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
(4.1)
r, s N
tales que
x1 x2 x3
. . .
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
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 ] =
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:
para todo
i = 1, 2, . . . , n 2.
x1 , x2 , . . . , xn
que aparecen como argumentos de una diferencia dividida pueden estar orde-
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 ] =
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
x1 , x 2 , . . . , x n .
En el siguiente ejemplo se obtienen algunas diferencias divididas de una funcin.
Ejemplo 4.1
Dada la funcin
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
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 [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
2 0 1 3
f [2, 0, 1, 3] =
4 15
Como se ha dicho, cualquier permutacin de los argumentos da lugar al mismo resultado. Por ejemplo,
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,
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
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)
i=1
se entiende que
0 j =1
(x xj ) = 1.
As, si desarrollamos
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
p(x)
xn+1
(conocindose
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
que
que interpola a
en los puntos
q (x) = 1
Para calcular
f [2, 0, 1, 3, 1]
de la siguiente forma:
2 0 1 3 1
Luego
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.
spline
En esta seccin desarrollamos otro modo de interpolar puntos o funciones mediante cierto tipo de funciones polinmicas a trozos, las funciones
spline
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
spline
Sean
r1
de
n2 grado r con
y
es una funcin
nodos x , x , . . . , x
1 2
funcin spline
o, sim-
denida en el intervalo
[ x1 , x n ]
[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
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.
spline
menor ser el gasto computacional para obtenerlo. Estos motivos, entre otros, han hecho que los
splines cbicos
3)
el que se explica a continuacin. Supongamos que se desea interpolar unos puntos donde
i = 1, 2, . . . , n
"
f,
spline spline
de cualquier grado es
(xi , yi ),
para
de manera que
y i = f ( xi )
i = 1, 2 , . . . , n .
spline
spline
Ejemplo 4.4
los nodos son
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
splines splines s
cuadrticos
a1 b 1 + c 1 a1 + b1 + c1 a2 + b2 + c2 4a2 + 2b2 + c2
Y para que
= = = =
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.
c2 c2 x 2 x + 1 + ) ( 4 3c ) s(x) = ( c4 2 2 1 x2 + 1 x + c2 2 2
Por ejemplo, para
c2 = 0
se obtiene el
s(x) =
Tambin podra determinarse un
{ 1x
spline
x x2
spline
x0 , y 0 R
x0 = 1, 1, 2).
spline
s(x0 ) = y0 , 2
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) =
donde (d , d , . . . , d ) es cualquier solucin del sistema lineal formado por las n2 ecuaciones siguientes:
1 2
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
(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
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
n 2,
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
, .
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
d1 = dn = 0,
spline cbico
# Este
spline
cbico se llama
natural
de la curva mediante una semirrecta por cada extremo. fuera del intervalo
[x1 , xn ]
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
en los puntos
a la funcin
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]
(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
Mathematica
0, 0,5
x 9x = 0
el polinomio de interpolacin de la funcin del primer miembro de esa ecuacin en los puntos 8. [ y
1,
Mathematica
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
) )
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
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
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
s(1) = 9.
spline
cbico natural
s(x)
con nodos
1, 0, 1
tal que
Mathematica a b
y
splines
(4, 3)
(5, 1).
) El ) El
spline spline
s(x)
tal que
s (1) = 100
s (5) = 100.
splines
splines
anteriores.
cbicos que interpolan los puntos del ejercicio 4 y cuyos nodos son
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
spline
f (x) = x4
en los nodos
spline
) Obtenga el
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
spline
0, 1, 2
3.
f ( x) =
es un
3 + x 9x 2 ,
x [0, 1],
spline
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
spline
obtenga los
polinomio 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
24. Obtenga el polinomio que interpola los puntos 25. ) Obtenga el polinomio
( 3, /3). ln 2,
f (x) = ex
en los puntos
ln 5. p
para obtener el polinomio
que interpola
0?
84
26.
la funcin
es un
spline
a
b?
spline
a, 0, 1
(donde
a<0
b > 1).
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
spline
splines
splines
(3, 2).
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.
n, k N,
n?
Indicacin
n+k
: 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
f
b
en un intervalo
[a, b]
de tipo interpolatorio
se aproximar de la
f (x) dx
a
(5.1)
donde
en determinados puntos de
y que es fcil de
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,
[a, b],
es el polinomio de
P1 [x]
que interpola
s(x) = f (a) +
f (b) f (a) (x a) ba
87
para todo
x [a, b]
a
Esta es la llamada
f (x) dx
ba (f (a) + f (b)). 2
(5.2)
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,
(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
(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].
h=
ba . n [a, b]
son
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.
f (a)
f (b)
88
5.2.1.
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
(xi1 , f (xi1 ))
en la gura
5.1 se representan algunos de los trapecios asociados a una funcin y a la particin elegida.
f(x2)
x1
x2
f(xn-1) f(b)
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]
f (x) dx
n xi xi1 ( i=1
) f (xi1 ) + f (xi ) ,
de los trapecios
frmula compuesta
(5.5)
):
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
xi 1 =
2
( 1) xi1 + xi =a+ i h 2 2
89
para todo
i = 1, 2, . . . , n.
(5.6)
f (x) dx
n xi xi1 ( i=1
(5.7)
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.
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.
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
Al ser
continua en
[a, b],
existe
M >0
tal que
|f (x)| M
para todo
x [a, b].
Lo
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
M (b a)3 < , 12 n2
es decir,
n>
M (b a)3 ba = 12 2
M (b a) . 3
(5.8)
Ejemplo 5.1
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 (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 = 3,6451
y, por tanto,
ba n> 2
Es decir, si 3 a 10 .
M (b a) 4 3 9
2 3645,1 14,6061. 3 2
n 15
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].
(si es posible encontrar esos valores extremos, que existen por el teorema del mismo nombre).
y, por tanto,
] [ 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
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
n>
M (b a)5 ba = 2880 2
M (b a) . 180
(5.9)
Ejemplo 5.2
Luego
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
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
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].
(si es posible encontrar estos valores extremos). En cualquier caso se tendra que
y, por tanto,
[ ] 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
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.
I=
0
x2
1 dx. +1
I mediante en 11 puntos.
) 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
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
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
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).
en el intervalo
[1,8, 2,6]
) [
b Mathematica
que permita decidir cul de las dos aproximaciones es la mejor? ] Construya el polinomio y el
spline
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
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
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
y el
spline
cbico natural
la integral de
utilizando
s.
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
[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
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
=0
y desviacin tpica
ex /2 f (x) = , 2
2 2
[a, b]
es
P [a X b] =
a
P [|X | ]; g ( x) =
(b)
P [|X | 2 ];
(c)
P [|X | 3 ].
a b c
) Obtenga el polinomio y
los puntos
x0 = 1, x1 = 0, x2 = 1
x 3 = 2. g (x)
en el intervalo
[1, 2].
) Utilice tambin la frmula compuesta de los trapecios que utiliza los cuatro puntos dados para aproximar esa integral. 96
d e
16. [
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
Mathematica a b c
n
] Se considera la integral
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).
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
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
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
integral
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
f (x) dx,
b a b c
para todo
un intervalo en el
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
[ ] |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);
98
Bibliografa
[1] Atkinson, K. E.
[3] Ciaurri, O.; Varona, J. L. Podemos arnos de los clculos efectuados con ordenador?
La Gaceta de la Real Sociedad Matemtica Espaola 9 Boletn de la Sociedad Espaola de Matemtica Aplicada
, McGraw-Hill, Mxico, 2005.
37 (2006),
a , 4 edicin.
[5] Cordero, Alicia; Hueso, Jos L.; Martnez, Eulalia; Torregrosa, Juan R.
Problemas
a , 6 edicin. Pearson,
Anlisis Numrico
Matemticas con
Mathematica
[11] Ramrez, V.; Barrera, D.; Pasadas, M.; Gonzlez, P. ica. Ariel, Barcelona, 2001.
Mathemat-
Fundamentos
[18] S. Wolfram,
Mathematica Mathematica
Mathematica
Press, New York, 1996. [19] S. Wolfram, Mathematica University Press, 1996.
, Wolfram Media/Cambridge
100