An´alisis Num´erico

Notas de clase
———————————
An´alisis Num´erico
Notas de clase
———————————
Jorge Vel´asquez Zapateiro
Virgilio Obeso Fern´andez
Ediciones Uninorte
Barranquilla-Colombia
2007
Jorge Vel´asquez Zapateiro
An´alisis Num´erico, Notas de clase
Jorge Vel´asquez Zapateiro, Virgilio Obeso
Fern´andez.
Barranquilla:Ediciones Uninorte,2007
195p
ISBN:
c Ediciones Uninorte,2007
c Jorge Vel´ asquez Zapateiro y Virgilio Obeso Fern´andez, 2007
Cordinaci´ on editorial
Zoila Sotomayor O.
Editor
Jorge Vel´asquez Zapateiro.
Correcci´ on de textos
xxxxxxxxxxxxxxxx.
Dise˜ no de portada
yyyyyyyyyyyyyy.
Impreso y hecho en Colombia
Cargraphics Worl Bogot´a
´
Indice general
1. N´ umeros en la Computadora 3
1.1. Sistemas Decimal y Binario . . . . . . . . . . . . . . . . . . . 3
1.2. Del Sistemas Decimal al Sistema Binario . . . . . . . . . . . . 4
1.3. N´ umeros en Punto Flotante . . . . . . . . . . . . . . . . . . . 7
1.4. Notaci´on Cient´ıfica Normalizada . . . . . . . . . . . . . . . . . 9
1.5. Errores y Notaci´on fl(x) . . . . . . . . . . . . . . . . . . . . . 11
1.5.1. Norma Vector . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.2. Error Absoluto y Relativo . . . . . . . . . . . . . . . . 12
1.6. An´alisis de Error . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7. Epsilon de la M´aquina . . . . . . . . . . . . . . . . . . . . . . 15
1.8. Notaci´on O de Landau . . . . . . . . . . . . . . . . . . . . . . 16
1.9. P´erdida de D´ıgitos Significativos . . . . . . . . . . . . . . . . . 19
2. Soluci´on de Ecuaciones no lineales 25
2.1. Ratas de Convergencia . . . . . . . . . . . . . . . . . . . . . . 26
2.2. Punto Fijo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3. An´alisis Gr´afico del M´etodo de Punto Fijo . . . . . . . . . . . 36
2.4. M´etodos de Localizaci´on de Ra´ıces . . . . . . . . . . . . . . . 37
2.4.1. M´etodo de Bisecci´on o B´ usqueda Binaria . . . . . . . . 37
2.5. M´etodo de Falsa Posici´ on o Regula Falsi . . . . . . . . . . . . 43
2.6. M´etodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . 45
2.6.1. Convergencia del M´etodo de Newton . . . . . . . . . . 49
2.7. M´etodo Modificado de Newton . . . . . . . . . . . . . . . . . 52
2.8. M´etodo de la Secante . . . . . . . . . . . . . . . . . . . . . . . 56
2.9. M´etodo ∆
2
de Aitken . . . . . . . . . . . . . . . . . . . . . . . 59
3. Soluci´on de Sistema de Ecuaciones 67
3.1. Vectores y Matrices . . . . . . . . . . . . . . . . . . . . . . . . 68
3.2. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.3. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
v
vi J Vel´asquez Zapateiro/ V. Obeso Fern´andez
3.3.1. Norma Matriz . . . . . . . . . . . . . . . . . . . . . . . 74
3.4. Sistema de Ecuaciones Lineales . . . . . . . . . . . . . . . . . 76
3.4.1. Sistemas Triangulares Superior . . . . . . . . . . . . . 77
3.5. Eliminaci´on de Gauss y Pivoteo . . . . . . . . . . . . . . . . . 80
3.5.1. Transformaciones Elementales . . . . . . . . . . . . . . 80
3.5.2. Operaciones Elementales en los Renglones . . . . . . . 80
3.6. Estrategias de Pivoteo . . . . . . . . . . . . . . . . . . . . . . 83
3.6.1. Pivoteo Trivial . . . . . . . . . . . . . . . . . . . . . . 83
3.6.2. Pivoteo Parcial . . . . . . . . . . . . . . . . . . . . . . 83
3.6.3. Pivoteo Parcial Escalado . . . . . . . . . . . . . . . . . 84
3.7. Factorizaci´on LU . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.8. M´etodo de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.9. M´etodo de Gauss- Saidel . . . . . . . . . . . . . . . . . . . . . 91
3.10. Sistema de Ecuaciones no Lineales . . . . . . . . . . . . . . . . 93
3.10.1. M´etodo de Newton . . . . . . . . . . . . . . . . . . . . 93
3.10.2. Ventajas y Desventajas de M´etodo de Newton . . . . . 97
3.10.3. M´etodo de Punto Fijo . . . . . . . . . . . . . . . . . . 97
4. Interpolaci´on Polinomial 105
4.1. Interpolaci´on de Lagrange . . . . . . . . . . . . . . . . . . . . 107
4.2. Cotas de Error . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.3. Polinomio Interpolador de Newton . . . . . . . . . . . . . . . 114
4.4. Polinomios de Hermite . . . . . . . . . . . . . . . . . . . . . . 119
4.5. Aproximaci´ on de Pad´e . . . . . . . . . . . . . . . . . . . . . . 125
4.6. Interpolaci´on a Trozos . . . . . . . . . . . . . . . . . . . . . . 129
4.6.1. Interpolaci´on Lineal a Trozos . . . . . . . . . . . . . . 130
4.6.2. Interpolaci´on C´ ubica o Cercha C´ ubica . . . . . . . . . 131
4.7. Aproximaci´ on con Polinomios Trigonom´etricos . . . . . . . . . 150
5. Derivaci´ on e Integraci´on Num´erica 161
5.1. Derivaci´ on Num´erica . . . . . . . . . . . . . . . . . . . . . . . 161
5.1.1. An´alisis de Error . . . . . . . . . . . . . . . . . . . . . 174
5.2. Extrapolaci´on de Richardson . . . . . . . . . . . . . . . . . . . 175
5.3. Integraci´ on Num´erica . . . . . . . . . . . . . . . . . . . . . . . 180
5.4. Integraci´ on Compuesta . . . . . . . . . . . . . . . . . . . . . . 193
5.4.1. Regla Compuesta del Trapecio . . . . . . . . . . . . . . 193
5.4.2. Regla Compuesta de Simpson . . . . . . . . . . . . . . 196
5.4.3. Regla Compuesta de los
3
8
Simpson . . . . . . . . . . . 199
5.4.4. Cotas de Error para las Reglas Compuestas . . . . . . 201
5.5. M´etodo de Integraci´on de Romberg . . . . . . . . . . . . . . . 206
5.6. Cuadratura Adaptativa . . . . . . . . . . . . . . . . . . . . . . 211
´
INDICE GENERAL
An´alisis Num´erico. Notas de clase vii
5.7. Integraci´ on Gauss-Legendre . . . . . . . . . . . . . . . . . . . 216
5.8. Integrales Impropias . . . . . . . . . . . . . . . . . . . . . . . 221
5.9. Integraci´ on Doble . . . . . . . . . . . . . . . . . . . . . . . . . 226
6. Ecuaciones Diferenciales Ordinarias con Condiciones Ini-
ciales 239
6.1. Ecuaciones Diferenciales de Primer Orden con Condiciones
Iniciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
6.2. M´etodos de Euler y de Taylor . . . . . . . . . . . . . . . . . . 243
6.2.1. M´etodo de Euler . . . . . . . . . . . . . . . . . . . . . 245
6.2.2. Cotas de Error . . . . . . . . . . . . . . . . . . . . . . 246
6.2.3. M´etodo de Taylor . . . . . . . . . . . . . . . . . . . . . 248
6.3. M´etodos de Runge-Kuta . . . . . . . . . . . . . . . . . . . . . 252
6.4. M´etodos Expl´ıcitos de Adams- Bashforth . . . . . . . . . . . . 257
6.4.1. M´etodo de Adams- Bashforth de dos pasos . . . . . . . 257
6.4.2. M´etodo de Adams- Bashforth de tres pasos . . . . . . . 257
6.4.3. M´etodo de Adams- Bashforth de cuatro pasos . . . . . 258
6.5. M´etodos de Adams-Moulton . . . . . . . . . . . . . . . . . . . 260
6.5.1. M´etodo se Adams-Moulton de dos pasos . . . . . . . . 260
6.5.2. M´etodo se Adams-Moulton de tres pasos . . . . . . . . 261
6.6. M´etodos Predictor-Corrector . . . . . . . . . . . . . . . . . . . 264
6.6.1. M´etodo de Milne-Simpson . . . . . . . . . . . . . . . . 266
6.7. Sistema de Ecuaciones Diferenciales . . . . . . . . . . . . . . . 269
6.7.1. Aproximaci´ on Num´erica . . . . . . . . . . . . . . . . . 270
6.8. Ecuaciones Diferenciales de Orden Superior . . . . . . . . . . 272
Bibliograf´ıa......................................................................... 279
´
INDICE GENERAL
viii J Vel´asquez Zapateiro/ V. Obeso Fern´andez
´
INDICE GENERAL
An´alisis Num´erico. Notas de clase 1
0pt0.4pt
´
INDICE GENERAL
2 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
´
INDICE GENERAL
Cap´ıtulo 1
N´ umeros en la Computadora
La aparici´on de los computadores ha hecho posible la soluci´on de problemas,
que por su tama˜ no antes eran excluidos. Desafortunadamente los resultados
son afectados por el uso de la Aritm´etica de Precisi´on Finita, en la cual
para cada n´ umero se puede almacenar tantos d´ıgitos como lo permita el
dise˜ no del computador.
As´ı por ejemplo, de nuestra experiencia esperamos tener siempre expresiones
verdaderas como 2 + 2 = 4, 3
2
= 9, (

5)
2
= 5, pero en la aritm´etica de
precisi´on finita

5 no tiene un solo n´ umero fijo y finito, que lo representa.
Como

5 no tiene una representaci´ on de d´ıgitos finitos, en el interior del
computador se le da un valor aproximado cuyo cuadrado no es exactamente
5, aunque con toda probabilidad estar´a lo bastante cerca a ´el para que sea
aceptable.
1.1. Sistemas Decimal y Binario
El sistema num´erico de uso frecuente es el sistema decimal. La base del sis-
tema decimal sabemos es 10. Ahora bien la mayor´ıa de las computadoras no
usan el sistema decimal en los c´alculos ni en la memoria, sino que usan el sis-
tema binario que tiene base 2, y su memoria consiste de registros magn´eticos,
en los que cada elemento solo tiene los estados encendido o apagado.
La base de un sistema num´erico recibe el nombre de ra´ız. Para el sistema
decimal como se dijo es 10 y para el binario es 2.
La base de un n´ umero se denota por un sub´ındice as´ı que (3.224)
10
es 3.224
en base 10, (1001.11)
2
es 1001.11 en base 2.
3
4 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
El valor de un n´ umero base r es (abcdefg.hijk)
r
y se calcula como
ar
6
+br
5
+cr
4
+dr
3
+er
2
+fr
1
+gr
0
+hr
−1
+ir
−2
+jr
−3
+kr
−4
1.2. Del Sistemas Decimal al Sistema Binario
Consideremos el n´ umero 17 en base 10 (de aqu´ı en adelante se omite la base
si ´esta es 10) este se puede escribir en base 2 de la siguiente forma
(17)
10
= (10001)
2
en efecto
1 2
4
+ 0 2
3
+ 0 2
2
+ 0 2
1
+ 1 2
0
= 16 + 1 = 17,
o tambi´en
427.325 ≈ (110101011.0101001)
2
Ahora (1001.11101)
2
= 1 2
3
+ 0 2
2
+ 0 2
1
+ 1 2
0
+ 1 2
−1
+ 1
2
−2
+ 1 2
−3
+ 0 2
−4
+ 1 2
−5
= 9.90625.
En general si N es un n´ umero natural entonces existen cifras a
0
, a
1
, a
2
, a
3
, . . . ,
a
K
∈ ¦0, 1¦ tales que
N = a
K
2
K
+ a
K−1
2
K−1
+ a
K−2
2
K−2
+ + a
1
2
1
+ a
0
2
0
.
Un algoritmo para encontrar la representaci´on binaria de un n´ umero natural
N, se puede establecer si dividimos la expresi´on anterior entre dos teniendo
entonces que
N
2
= a
K
2
K−1
+ a
K−1
2
K−2
+ a
K−2
2
K−3
+ + a
1
2
0
+
a
0
2
,
si llamamos
P
0
= a
K
2
K−1
+ a
K−1
2
K−2
+ a
K−2
2
K−3
+ + a
1
2
0
,
entonces
N
2
= P
0
+
a
0
2
,
luego a
0
es el resto que resulta de dividir a N entre dos, dividiendo ahora a
P
0
entre dos se tiene que
P
0
2
= a
K
2
K−2
+a
K−1
2
K−3
+a
K−2
2
K−4
+ +a
3
2
1
+a
2
2
0
+
a
1
2
,
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 5
con lo que
P
0
2
= P
1
+
a
1
2
,
donde
P
1
= a
K
2
K−2
+ a
K−1
2
K−3
+ a
K−2
2
K−4
+ + a
3
2
1
+ a
2
2
0
o sea que a
1
es el resto de dividir a P
0
entre dos, y se continua este procedi-
miento hasta que se encuentre un n´ umero K, tal que P
K
= 0, de lo anterior
se tiene el siguiente algoritmo
N = 2P
0
+ a
0
P
0
= 2P
1
+ a
1
.
.
.
P
K−2
= 2P
K−1
+ a
K−1
P
K−1
= 2P
K
+ a
K
P
K
= 0
Ejemplo 1.2.1. Utilizar el algoritmo anterior para escribir a 1357 en no-
taci´ on binaria.
Soluci´on
1357 = 678 2 + 1, a
0
= 1
678 = 339 2 + 0, a
1
= 0
339 = 169 2 + 1, a
2
= 1
169 = 84 2 + 1, a
3
= 1
84 = 42 2 + 0, a
4
= 0
42 = 21 2 + 0, a
5
= 0
21 = 10 2 + 1, a
6
= 1
10 = 5 2 + 0, a
7
= 0
5 = 2 2 + 1, a
8
= 1
2 = 1 2 + 0, a
9
= 0
1 = 0 2 + 1, a
10
= 1
1.2. DEL SISTEMAS DECIMAL AL SISTEMA BINARIO
6 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
luego
1357 = a
10
a
9
a
8
a
7
a
6
a
5
a
4
a
3
a
2
a
1
a
0
= (10101001101)
2

Supongamos ahora se tiene Q ∈ R con 0 < Q < 1, entonces existen,
b
1
, b
2
, b
3
, b
4
∈ ¦0, 1¦, tal que
Q = 0.b
1
b
2
b
3
b
4
b
5
. . . ,
y por tanto
Q = b
1
2
−1
+ b
2
2
−2
+ b
3
2
−3
+ + b
k
2
−k
+ . . .
si multiplicamos a Q por dos se tiene que
2Q = b
1
+ b
2
2
−1
+ b
3
2
−2
+ + b
k
2
−k+1
+ . . .
si F
1
= frac(2Q), donde frac(x) es la parte fraccionaria de x, y b
1
= [[2Q[],
donde [[x[], es la parte entera de x, entonces
F
1
= b
2
2
−1
+ b
3
2
−2
+ + b
k
2
−k+1
+ . . . ,
multiplicando ahora a F
1
por dos se tiene que
2F
1
= b
2
+ b
3
2
−1
+ + b
k
2
−k+2
+ = b
2
+ F
2
,
donde F
2
= frac(2F
1
), y b
2
= [[2F
1
[], continuando este proceso formamos
dos sucesiones ¦b
k
¦ y ¦F
k
¦, dadas por b
k
= [[2F
k−1
[] y F
k
= frac(2F
k−1
), con
b
1
= [[2Q[] y F
1
= frac(2Q) se tiene entonces que la representaci´ on binaria
de Q es
Q =

¸
i=1
b
i
2
−i
Ejemplo 1.2.2. Utilizar el algoritmo anterior para escribir a 0.234 en no-
taci´on binaria.
Soluci´on
Sea Q = 0.234, entonces
2Q = 0.468, b
1
= [[0.468[] = 0 F
1
= frac(0.468) = 0.468
2F
1
= 0.936, b
2
= [[0.936[] = 0 F
2
= frac(0.936) = 0.936
2F
2
= 1.872, b
3
= [[1.872[] = 1 F
3
= frac(1.872) = 0.872
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 7
2F
3
= 1.744, b
3
= [[1.744[] = 1 F
4
= frac(1.744) = 0.744
2F
4
= 1.488, b
5
= [[1.488[] = 1 F
5
= frac(1.488) = 0.488
2F
5
= 0.976, b
6
= [[0.976[] = 0 F
6
= frac(0.976) = 0.976
2F
6
= 1.952, b
7
= [[1.952[] = 1 F
7
= frac(1.952) = 0.952
.
.
de lo anterior se tiene que
Q = 0.234 = (0.0011101 . . . )
2

1.3. N´ umeros en Punto Flotante
Definici´on 1.3.1. Los n´ umeros en punto flotante son n´ umeros reales de la
forma
±α β
e
donde α tiene un n´ umero de d´ıgitos limitados, β es la base y e es el exponente
que hace cambiar de posici´on al punto decimal.
Definici´on 1.3.2. Un n´ umero real x tiene una representaci´on punto flotante
normalizada si
x = ±α β
e
con
1
β
< [α[ < 1
En el caso que x tenga representaci´ on punto flotante normalizada entonces
x = ±0, d
1
d
2
...d
k
β
e
donde si x = 0, d
1
= 0, 0 ≤ d
i
< β, i = 1, 2, 3, ....k y L ≤ e ≤ U.
Definici´on 1.3.3. El conjunto de los n´ umeros en punto flotante se le llama,
conjunto de n´ umeros de m´aquina.
El conjunto de n´ umero de m´aquina es finito, ya que si x =
±0.d
1
d
2
d
3
d
4
d
t
β
e
, con d
1
= 0, 0 ≤ d
i
≤ β − 1, L ≤ e ≤ U,
entonces para asignarle valor a d
1
, hay β − 1 posibles valores y para
d
i
, i = 2, 3, 4, . . . t hay β posibles asignaciones, luego, entonces existir´an
1.3. N
´
UMEROS EN PUNTO FLOTANTE
8 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
(β −1) ββ β
. .. .
t−1 factores
= (β −1)β
t−1
, fracciones positivas.
Pero, como el n´ umero de exponentes es U − L + 1 en total habr´an
(β − 1)β
t−1
(U − L + 1) n´ umeros de m´aquina positivos y tomando
los n´ umeros m´aquina negativos, el total de n´ umeros de m´aquina es
2(β − 1)β
t−1
(U − L + 1) + 1, teniendo en cuenta que el cero es tambi´en un
n´ umero de m´aquina.
Esto significa que cualquier n´ umero real debe ser representado por
uno de los 2(β −1)β
t−1
(U −L + 1) + 1 n´ umero de m´aquina.
Ejemplo 1.3.1. Como ejemplo, tomemos β = 2, t = 3, L = −2 y U = 2,
en este caso, las mantisas ser´ıan (0.100)
2
, (0.101)
2
, (0.110)
2
y (0.111)
2
los
cuales son la representaci´on en base dos de los n´ umeros reales
1
2
,
5
8
,
3
4
y
7
8
respectivamente, el total de n´ umeros es m´aquina aparecen en la siguiente
tabla
-2 -1 0 1 2
(0.100)
2
2
−2
(0.100)
2
2
−1
(0.100)
2
2
0
(0.100)
2
2
1
(0.100)
2
2
2
(0.101)
2
2
−2
(0.101)
2
2
−1
(0.101)
2
2
0
(0.101)
2
2
1
(0.101)
2
2
2
(0.110)
2
2
−2
(0.110)
2
2
−1
(0.110)
2
2
0
(0.110)
2
2
1
(0.110)
2
2
2
(0.111)
2
2
−2
(0.111)
2
2
−1
(0.111)
2
2
0
(0.111)
2
2
1
(0.111)
2
2
2
TABLA 1
que corresponden respectivamente a los n´ umeros reales de la siguiente tabla
4
32
8
32
16
32
32
32
64
32
5
32
10
32
20
32
40
32
80
32
6
32
12
32
24
32
48
32
96
32
7
32
14
32
28
32
56
32
112
32
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 9
TABLA 2
El total de n´ umeros de m´aquina es 2(2 − 1) 2
2
(2 + 2 + 1) + 1 = 41 los
cuales son
0, ±
4
32
, ±
5
32
, ±
6
32
, ±
7
32
, ±
8
32
, ±
10
32
, ±
12
32
, ±
14
32
, ±
16
32
, ±
20
32
, ±
24
32
±
28
32
, ±
32
32
, ±
40
32
, ±
48
32
, ±
56
32
, ±
64
32
, ±
80
32
, ±
96
32
, ±
112
32
1.4. Notaci´on Cient´ıfica Normalizada
En la secci´on anterior, hablamos de representaci´on punto flotante y punto
flotante normalizado, de acuerdo a eso si x ∈ R est´a en base 10 este se puede
normalizar tomando
x = ±r 10
n
con 0.1 ≤ r < 10 y n un entero. Obviamente si x = 0 entonces r = 0
Ejemplo 1.4.1. 1) 732.5051 se puede representar como punto flotante nor-
malizado escribiendo 732.5051 = 0.7325051 10
3
.
2) De la misma manera −0.005612 = −0.5612 10
−2
Por otro lado si x est´a en el sistema binario, se puede representar en punto
flotante normalizado si se escribe de la forma
x = ±q 2
m
,
donde 0.5 ≤ q < 1 y m es un entero.
Ejemplo 1.4.2. 1) (101.01)
2
= 0.10101 2
3
2) (0.0010111)
2
= 0.10111 2
−2
Nota: (0.1)
2
= 1 2
−1
= 0.5.
En una computadora los n´ umeros se representan de la manera anteriormente
comentada, pero con ciertas restricciones sobre q y m impuestas por la lon-
gitud de la palabra. Si suponemos se tiene una computadora hipot´etica, la
cual llamaremos NORM-32, y si adem´as suponemos que tiene una longitud
de palabra de 32 bits (1bit = 1Binary digital), estos se distribuyen de la
manera siguiente:
1.4. NOTACI
´
ON CIENT
´
IFICA NORMALIZADA
10 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
donde los dos primeros espacios son reservado para los signos, asign´andole
cero si el signo es positivo y uno si es negativo, los siguientes siete espacios
para el exponente y los restantes para la mantisa.
Dado que un n´ umero real distinto de cero x = ±q 2
m
, siempre
puede normalizarse de tal manera que
1
2
≤ q < 1, podemos suponer que el
primer bit en q es 1, y por lo tanto no requiere almacenamiento esto es, si
se quiere almacenar en NORM-32 el n´ umero 0.828125 el cual es equivalente
a (0.110101)
2
2
0
esto se hace de la forma indicada.
0 0 0 0 0 0 0 0 0 1 0 1 0 1 . . . . . . 0
Ejemplo 1.4.3. Representar y almacenar en punto flotante normalizado
-0.125
Soluci´on
Se tiene que
0.125 2 = 0.25 [ 0
0.25 2 = 0.5 [ 0
0.5 2 = 1 [ 1,
entonces
−0.125 = (−0.001)
2
= (−0.1)
2
2
−2
.
Adem´as
2 = (10)
2
,
as´ı que su representaci´ on es
1 1 0 0 0 0 0 1 0 0 0 0 0 0 0 . . . . 0

Ejemplo 1.4.4. Representar y almacenar en punto flotante normalizado
117.125
Soluci´on
Sabemos que
117 = (1110101)
2
y que
0.125 = (0.001)
2
,
luego
117.125 = (1110101.001)
2
= (0.1110101001)
2
2
7
y 7 = (111)
2
luego para almacenarlo se hace de la siguiente forma
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 11
0 0 0 0 0 0 1 1 1 1 1 0 1 0 1 . . . . 0

Ahora, hemos dicho que [m[ no requiere m´as de 7 bits lo cual signifi-
ca que [m[ ≤ (1111111)
2
= 2
7
− 1 = 127 de modo que el exponente de 7
d´ıgitos binarios proporciona un intervalo de 0 a 127, pero el uso exclusivo
de enteros positivos para el exponente no permite una representaci´ on
adecuada para n´ umeros peque˜ nos, para que esto pueda ser posible se toma
el exponente en el intervalo [−63, 64]
Tambi´en hemos dicho que q requiere no m´as de 24 bits, por lo tanto
los n´ umeros de nuestra m´aquina hipot´etica tienen una precisi´on limitada que
corresponde a entre 7 y 8 d´ıgitos decimales ya que el bit menos significativo
en la mantisa representa unidades del orden 2
−24
≈ 10
−7
. Esto quiere decir
que n´ umeros expresados mediante m´as de siete d´ıgitos decimales ser´an
objeto de una aproximaci´on cuando se dan como datos de entrada o como
resultados de operaciones.
1.5. Errores y Notaci´on fl(x)
1.5.1. Norma Vector
Definici´on 1.5.1. Sea V un espacio vectorial. Una funci´on g : V −→ R es
una norma vector si ∀x, y ∈ V y α un escalar, se cumple que
1. g(x) ≥ 0 y g(x) = 0 si y solo si x = 0.
2. g(αx) = [α[g(x).
3. g(x + y) ≤ g(x) + g(y).
Entre las clases de norma est´an las denominadas p-normas las cuales se define
como
Definici´on 1.5.2. Para 1 ≤ p < ∞ se definen as´ı
[[x[[
p
=

n
¸
i=1
[x
i
[
p
1
p
.
Otra norma muy usada en an´alisis num´erico es la norma del m´aximo cuya
definici´on presentamos ahora
1.5. ERRORES Y NOTACI
´
ON FL(X)
12 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Definici´on 1.5.3. Sea x ∈ R
n
, definimos la norma del m´aximo como
[[x[[

= m´ax
1≤i≤n
[x
i
[.
Nota: Si p = 1, se tiene que [[x[[
1
=

n
¸
i=1
[x
i
[

y si p = 2, se tiene que
[[x[[
2
=

n
¸
i=1
[x
i
[
2
1
2
1.5.2. Error Absoluto y Relativo
Definici´on 1.5.4. Si x ∈ R
n
y x

∈ R
n
, es una aproximaci´on a x, definimos
el error absoluto como
E = |x −x

|.
Definici´on 1.5.5. Si x ∈ R
n
y x

∈ R
n
, es una aproximaci´on a x, definimos
el error relativo como
E
r
=
|x −x

|
|x|
x = 0.
NOTA: Si n = 1 entonces E = [x −x

[ y E
r
=
[x −x

[
[x[
x = 0.
Definici´on 1.5.6. Si x ∈ R y x

∈ R es su aproximaci´on, se dice que x

tiene por lo menos p - β cifras significativas exactas si E ≤
1
2
β
−p
.
Definici´on 1.5.7. Si x ∈ R y x

∈ R es su aproximaci´on, se dice que x

tiene por lo menos p - β d´ıgitos significativos exactos si E
r

1
2
β
−p+1
.
Como hemos dicho los n´ umeros pueden sufrir aproximaciones cuando
se dan como datos de entrada o como resultados de operaciones, estas aprox-
imaciones se pueden hacer de dos formas:
Truncamiento: En este proceso el n´ umero se representa por medio
del mayor n´ umero de la m´aquina menor que el n´ umero dado.
Redondeo: En este proceso el n´ umero se representa por el n´ umero de
m´aquina m´as cercano al n´ umero dado.
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 13
Los errores de redondeo pueden ser sutiles, cuando se realizan c´alculos indi-
viduales pero estos pueden perjudicar la precisi´on computacional si existen
dos situaciones las cuales son
1. Cuando se suman una sucesi´on de n´ umeros, especialmente si estos de-
crecen en valor absoluto.
2. Cuando se hace la diferencia entre dos n´ umeros casi id´enticos, ya que
se cancelan los d´ıgitos principales.
Por lo anterior, si deseamos estimar el error cometido al aproximar un n´ umero
positivo x = ±0.d
1
d
2
...d
t
d
t+1
...β
m
, d
i
= 0 mediante un n´ umero de m´aquina,
notado fl(x), esto se hace de la siguiente forma
Con redondeo
1. fl(x) = ±0.d
1
d
2
...d
t
β
m
si 0 ≤ d
t+1
<
β
2
.
2. fl(x) = ±(0.d
1
d
2
...d
t
+ β
−t
) β
m
si
β
2
≤ d
t+1
< β
Con truncamiento
fl(x) = ±0.d
1
d
2
...d
t
β
m
Se puede probar que si hay redondeo los errores absoluto y relativo son
E ≤
1
2
β
m−t
y E
r

1
2
β
1−t
si hay truncamiento son E ≤ β
m−t
y E
r
≤ β
1−t
.
En nuestra computadora hipot´etica NORM-32, si x =
(0.d
1
d
2
d
3
...d
24
d
25
d
26
...) 2
m
, el n´ umero x

= (0.d
1
d
2
d
3
...d
24
) 2
m
obtenido
por truncamiento se encuentra a la izquierda de x en la recta real y el
n´ umero x

= (0.d
1
d
2
d
3
...d
24
+ 2
−24
) 2
m
obtenido por redondeo se localiza
a la derecha de x (ver figura 1.1). El m´as cercano a x entre x

y x

se
x
x
x

Figura 1.1
selecciona para representar a x en la computadora. Obs´ervese que si x

representa mejor a x. entonces
[x −x

[ ≤
1
2
[x

−x

[ ≤
1
2
2
−24
2
m
= 2
m−25
,
1.5. ERRORES Y NOTACI
´
ON FL(X)
14 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
luego el error relativo es
E
r
=
[x −x

[
[x[

2
m−25
q 2
m
=
2
−25
q

2
−25
1
2
= 2
−24
,
y si x est´a m´as cercano a x

, entonces
[x −x

[ ≤
1
2
[x

−x

[ = 2
m−25
,
luego entonces el error relativo es
E
r
=
[x −x

[
[x[
≤ 2
−24
.
Es posible que durante el transcurso del c´alculo, se genere un n´ umero ±q2
m
,
donde m quede por fuera del rango permitido por la computadora. Si m es
demasiado grande se dice que se produce un sobreflujo o desbordamiento
por exceso (OVERFLOW) y se interrumpen los c´alculos, si m es por el
contrario muy peque˜ no se dice que ocurre un subflujo o desbordamiento por
defecto (UNDERFLOW) y suele d´arsele el valor cero; en NORM-32 esto
ocurre para m > 127 o m < −127 respectivamente.
Definici´on 1.5.8. Sean x y y puntos flotantes, definimos ⊕, , ⊗ y .,
llamadas operaciones de punto flotante, de la siguiente forma,
x ⊕y = fl(fl(x) + fl(y))
x y = fl(fl(x) −fl(y))
x ⊗y = fl(fl(x) fl(y))
x .y = fl(fl(x)/fl(y))
donde +, −, , / son las operaciones usuales
Para ilustrar estas operaciones sean x, y ∈ R, tales que fl(x) =
24
32
y fl(y) =
7
32
, son n´ umeros punto flotantes, dados en el ejemplo 1.3.1, entonces,
x ⊕y = fl

24
32
+
7
32

= fl

31
32

=
32
32
= 1
x y = fl

24
32

7
32

= fl

17
32

=
16
32
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 15
x ⊗y = fl

24
32

7
32

= fl

21
128

=
20
128
=
5
32
x .y = fl

24
32

7
32

= fl

24
32

32
7

= fl

24
7

= fl

768
224

=
784
224
=
112
7
Observemos que si fl(x) =
96
32
y fl(y) =
4
32
, entonces
x .y = fl

96
32

4
32

= fl

96
4

=
112
32
(fen´omeno OVERFLOW) ya que
96
4
>
112
32
En resumen si fl(x) es el n´ umero de m´aquina m´as cercano a x y tomamos
δ =
fl(x) −x
x
, entonces, fl(x) = x(1 + δ) y [δ[ ≤
1
2
β
1−t
= o [δ[ ≤ β
1−t
=
usando aritm´etica de redondeo o truncamiento respectivamente. El n´ umero
se conoce como error de redondeo unitario o unidad de redondeo. En
NORM-32 la unidad de redondeo es 2
−24
.
1.6. An´alisis de Error
Sea ⊗ un operador con el cual representamos una cualquiera de las opera-
ciones b´asicas +, - , ÷ y sean x, y dos n´ umeros cualesquiera y si x ⊗ y
debe calcularse y almacenarse, entonces, la variaci´ on computada de x ⊗y es
fl(x⊗y), entonces cabe preguntarse que tan preciso es fl(x⊗y)? Por lo an-
terior fl(x⊗y) = (x⊗y)(1+δ) con [δ[ ≤ , si x, y son n´ umeros de la m´aquina.
Si x, y no son n´ umeros de la m´aquina, entonces fl[fl(x) ⊗ fl(y)] =
(x + (1 + δ
1
) ⊗(y + (1 + δ
2
))(1 + δ
3
) con δ
i
≤ .
1.7. Epsilon de la M´aquina
Ya se ha comentado que si una m´aquina funciona con una base β y utiliza t
posiciones en la mantisa de sus n´ umeros de punto flotante entonces
fl(x) = x(1 + δ), [δ[ ≤
donde =
1
2
β
1−t
en caso de redondeo y = β
1−t
en caso de truncamiento. El
n´ umero (error de redondeo unitario) es una caracter´ıstica de la m´aquina,
de su sistema operativo y de la manera en que efect´ ua los c´alculos. El epsilon
de la m´aquina es importante porque caracteriza la precisi´on de la m´aquina
1.6. AN
´
ALISIS DE ERROR
16 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
en tal forma que los programas computacionales sean razonablemente inde-
pendientes de la m´aquina en donde se ejecuta, sirve adem´as como criterio de
parada de los algoritmos.
Definici´on 1.7.1. Se define de la m´aquina, abreviadamente “macheps”,
como el n´ umero positivo m´as peque˜ no τ tal que sumado con 1 da como re-
sultado, un n´ umero mayor que 1, esto es = ¦τ : τ + 1¦.
Este n´ umero es posible hallarlo con el siguiente algoritmo
ALGORITMO
Inicio
eps ←1.0
Mq 1.0 + eps > 1.0
epsilon ←eps
eps ←0.5 eps
FMq
Escriba epsilon
Fin
En el caso de nuestra m´aquina hipot´etica “macheps”= 2
−24
1.8. Notaci´on O de Landau
Con el prop´osito de determinar que tan r´apido crece o decrece una funci´on,
Edmund Landau introdujo la notaci´on de ´ordenes de magnitud que lleva su
nombre. Por ejemplo, el desarrollo de Taylor de la funci´on exponencial se
puede escribir como
e
x
= 1 + x +
x
2
2!
+ O(x
3
), x →0,
donde el ´ ultimo t´ermino significa que el t´ermino de error del teorema de
Taylor es menor, en valor absoluto, que una constante que multiplica a x
3
,
cuando x est´a cerca de 0.
De manera formal se tiene la siguiente definici´on
Definici´on 1.8.1. Dos funciones f(x) y g(x) de variable real son del mismo
orden de magnitud, escrito f(x) = O(g(x)), m´as propiamente,
f(x) = O(g(x)), x →∞,
si y solo si, existen constantes N y C tales que
[f(x)[ ≤ C[g(x)[, ∀x > N.
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 17
Lo que intuitivamente significa que f(x) no crece m´as r´apido que g(x)
En general, si a ∈ R, escribiremos
f(x) = O(g(x)), x →a,
si y solo si, existen constantes α, β tales que
[f(x)[ ≤ β[g(x)[, [x −a[ < α.
Normalmente, el contexto determina el valor de a o si ´esta es ∞.
Se denomina de orden constante a una funci´on O(1), logar´ıtmico si es
O(log(n)), lineal si O(n), cuadr´atico para O(n
2
), polin´omico para O(n
k
) con
k ∈ N, y exponencial para O(c
n
) con 0 < c ∈ R. Es f´acil comprobar que
O(log(n)) = O(log(n
c
)).
Adem´as de la notaci´on O grande, Landau tambi´en introdujo la no-
taci´on o peque˜ na. Informalmente f(x) = o(g(x)) significa que f crece mucho
m´as lentamente que g y se hace cada vez m´as insignificante respecto a ella
conforme x crece.
Formalmente, se tiene
Definici´on 1.8.2. f(x) = o(g(x)), para x → ∞ si y solo si ∀γ > 0, existe
una constante N, tal que
[f(x)[ ≤ γ[g(x)[, ∀x > N.
En general, se tiene que
Definici´on 1.8.3. f(x) = o(g(x), x → a, si y solo si, ∀γ > 0, existe una
constante η tal que
[f(x)[ ≤ γ[g(x)[, ∀[x −a[ < η.
Cuando a es cero o infinito, y queda claro su valor por el contexto, se omite.
Es f´acil observar que los s´ımbolos O y o son equivalentes a ≤ y <.
El s´ımbolo O tiene propiedades las cuales mostramos en el siguiente
teorema
Teorema 1.8.1. 1. Si f(x) = O(g(x)) y h(x) = O(g(x)), entonces,
λf(x) + νh(x) = O(g(x))
1.8. NOTACI
´
ON O DE LANDAU
18 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
2. Si f(x) = O(g(x)), h(x) = O(k(x)), entonces, f(x)h(x) =
O(g(x)k(x)).
3. Si f(x) = O(g(x)), g(x) = O(h(x)), entonces,f(x) = O(h(x))
Demostraci´on. 1.- Como f(x) = O(g(x)) y h(x) = O(g(x)), entonces, existen
constantes N
1
y N
2
, tales que,
[f(x)[ ≤ N
1
[g(x)[ y [h(x)[ ≤ N
2
[g(x)[,
luego
[λf(x) + νg(x)[ ≤ [λ[[f(x)[ +[ν[[g(x)[,
de modo que,
[λf(x) + νg(x)[ ≤ [λ[N
1
[g(x)[ +[ν[N
2
[g(x)[ = ([λ[N
1
+[ν[N
2
)[g(x)[,
por tanto existe una constante N = [λ[N
1
+[ν[N
2
, tal que
[λf(x) + νg(x)[ ≤ N[g(x)[,
de modo que
λf(x) + νh(x) = O(g(x))
2.- Si f(x) = O(g(x)), h(x) = O(k(x)), entonces existen constantes N
1
y N
2
,
tales que
[f(x)[ ≤ N
1
[g(x)[ y [h(x)[ ≤ N
2
[k(x)[,
luego
[f(x)h(x)[ = [f(x)[[h(x)[ ≤ N
1
[g(x)[N
2
[k(x)[ = (N
1
N
2
)[g(x)k(x)[,
as´ı que existe una constante N = N
1
N
2
, tal que
[f(x)h(x)[ ≤ N[g(x)k(x)[,
y por lo tanto,
f(x)h(x) = O(g(x)k(x)),
3.- Si f(x) = O(g(x)), g(x) = O(h(x)), existen constantes N
1
y N
2
, tales que
f(x)[ ≤ N
1
[g(x)[ y [g(x)[ ≤ N
2
[h(x)[,
por lo tanto
[f(x)[ ≤ N
1
[g(x)[ ≤ N
1
(N
2
[h(x)[) = N[h(x)[,
con N = N
1
N
2
, de modo que existe N = N
1
N
2
, tal que
[f(x)[ ≤ N[h(x)[,
y por lo tanto f(x) = Oh(x)
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 19
La notaci´on O, por supuesto tambi´en permite comparar sucesiones, ¦a
n
¦,
¦b
n
¦ de forma a
n
≤ b
n
de acuerdo a la siguiente definici´on
Definici´on 1.8.4. Sean ¦a
n
¦ y ¦b
n
¦ dos sucesiones, con b
n
> 0 ∀n, si
existe una constante C tal que
[a
n
[ ≤ Cb
n
,
con n ≥ N, para alg´ un n´ umero natural N, entonces se dice que
a
n
= O(b
n
)
La definici´on anterior es equivalente a decir que l´ım
n→∞
[a
n
[
b
n
= L = ∞
Ejemplo 1.8.1. 1. Como
1
n
2

2
n(n + 1)
, entonces
1
n
2
= O

1
n(n + 1)

2. Se sabe que [ cos n[ ≤ 1, luego cos n = O(1).
3. sen
x
n
= O

1
n

, ya que

sen
x
n


x
n
= [x[
1
n
4. Como l´ım
n→∞

n + 1 −

n
1/

n
= l´ım
n→∞

n

n + 1 +

n
=
1
2
, entonces

n + 1 −

n = O

1

n

Hay 3 s´ımbolos m´as, pero s´olo presentaremos uno de ellos, el equivalente a
=: se dice que f(x) = θ(g(x)) si y solo si f(x) = O(g(x)) y g(x) = O(f(x)).
Note la diferencia entre escribir f(x) = O(g(x)) y f(x) = θ(g(x)).
En el presente texto nos limitaremos al uso de la notaci´on O grande,
sobre todo para simplificar la escritura del t´ermino de error. No utilizaremos
ninguno de los otros s´ımbolos de Landau.
1.9. P´erdida de D´ıgitos Significativos
Toda operaci´on de punto flotante en un proceso computacional puede dar
lugar a un error, que puede aumentar o disminuir, una de las maneras m´as
comunes de aumentar la importancia de un error se conoce como p´erdida
de d´ıgitos significativos. La p´erdida de d´ıgitos significativos se puede generar
por la longitud de la palabra que almacena los n´ umeros y en este caso es
1.9. P
´
ERDIDA DE D
´
IGITOS SIGNIFICATIVOS
20 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
inevitable, pero tambi´en se puede tener por la programaci´on, en este caso es
evitable. Estos ´ ultimos aparecen por ejemplo al restar n´ umeros muy cercanos,
supongamos que vamos a calcular z = x − y y que tenemos aproximaciones
x

y y

para x y y respectivamente cada una de las cuales es buena hasta r
d´ıgitos. Entonces z

= x

− y

es una aproximaci´on para z que tambi´en es
buena hasta r d´ıgitos significativos a menos que, x

y y

coincidan en uno o
m´as d´ıgitos. En este ´ ultimo caso habr´a cancelaci´on durante la sustracci´on y
por lo tanto z

ser´a exacto hasta menos de r d´ıgitos.
Por ejemplo, si x = 0.3721478693 y y = 0.3720230572, entonces x − y =
0.0001248121 = 0.124812110
−3
, si los c´alculos se llevan en una computadora
decimal con mantisa de cinco d´ıgitos, entonces fl(x) = x

= 0.37215 y
fl(y) = y

= 0.37202 luego, z

= fl(x) −fl(y) = x

−y

= 0.00013, el error
relativo es
E
r
=

(x −y) −(x

−y

)
x −y

≈ 4 %.
que es un error relativo muy grande.
La p´erdida de d´ıgitos significativo se puede evitar, (cuando sea posi-
ble) reescribiendo las ecuaciones bien sea utilizando artificios algebraicos,
trigonom´etricos o series de Taylor.
Por ejemplo, calcular y =

x + 1 −1 est´a implicando una p´erdida de d´ıgitos
significativos para valores cercanos a 0 ya que en este caso

x + 1 ≈ 1, luego
se podr´ıa evitar esta p´erdida reescribiendo la ecuaci´on de la forma
y = (

x + 1 −1)

x + 1 + 1

x + 1 + 1
=
x

x + 1 + 1
.
Otro ejemplo ser´ıa evaluar la funci´on f(x) = 1 − cos x, al igual que antes
1 ≈ cos x para valores cercanos a cero, y se presentar´ a p´erdida de d´ıgitos
significativos, entonces la funci´on puede reescribirse como
f(x) = 1 −cos x =
(1 −cos x)(1 + cos x)
1 + cos x
=
sen
2
x
1 + cos x
la cual puede calcularse con mucha m´as exactitud para valores cercanos a
cero, o tambi´en a partir de la f´ormula de Taylor alrededor de 0 esto es
cos x = 1 −
x
2
2!
+
x
4
4!

x
6
6!
+ ...,
luego
f(x) = 1 −cos x = 1 −(1 −
x
2
2!
+
x
4
4!

x
6
6!
+ ...) =
x
2
2!

x
4
4!
+
x
6
6!
+ ...
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 21
y si x esta cercano de cero, podemos usar una serie truncada tal como
f(x) =
x
2
2

x
4
24
+
x
6
720
+ O(x
7
),
luego si x →0, entonces,
f(x) ≈
x
2
2

x
4
24
+
x
6
720
=
x
2
2

1 −
x
2
12
+
x
4
360

=
x
2
2

1 −
x
2
12

1 −
x
2
30

.
Ejercicios
1. Escribir el n´ umero decimal correspondiente a los siguientes n´ umeros
a)(1101110)
2
b)(1101110.01)
2
c)(100111.101)
2
d)(101101.001)
2
2. Escribir en base dos los siguientes n´ umeros dados en base 10
a)2324.6 b)3475.52 c)45632 d)1234.83
3. Haga una aproximaci´on usando aritm´etica de redondeo a cuatro cifras
a)0.3258132 b)1.425138 c)0.4263289
d)3.2514326
4. Calcule en forma exacta y luego usando aritm´etica de redondeo a
cuatro cifras, las siguientes operaciones
a)
2
5
+
5
3
b)
5
7

2
3
c)

1
3
+
2
5

4
7
d)

2
5

1
7

+
5
8
5. Sea f(x) =
(x −
π
2
) sen x + cos x
(x −
π
2
) + cos x
a) Calcule l´ım
x→
π
2
f(x),
b) Use aritm´etica de redondeo a cinco cifras para evaluar f(0.1)
6. Establezca un algoritmo que permita resolver la ecuaci´on cuadr´atica
ax
2
+ bx + c = 0
7. Use el algoritmo del ejercicio anterior para resolver
a)8x
2
− 738x + 24 = 0 a)8x
2
+ 738x − 24 = 0 a)1002x
2

11010x + 12.65 = 0 a)1002x
2
+ 11010x −12.65 = 0
1.9. P
´
ERDIDA DE D
´
IGITOS SIGNIFICATIVOS
22 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
8. Si x = 0.43257143 y y = 0.43257824
a) Use aritm´etica de redondeo a cinco cifras para calcular fl(x)
y fl(y).
b) Calcule los errores relativos y absoluto
c) Resolver x ⊕y, x y, x ⊗y y x .y.
d) Calcule los errores relativos para las operaciones realizadas en
el inciso c).
e) Cu´antos d´ıgitos significativos se pierden al resolver cada una de las
operaciones realizadas en el inciso c).
9. Para los siguientes n´ umeros x y fl(x), ¿con cu´antas cifras significativas
aproxima fl(x) a x?
a) x = 524.023, fl(x) = 524.023 b)x = −0.045246, fl(x) =
−0.04523 c)x = 34.5245, fl(x) = 34.6426
10. Dado el sistema
35.584x + 13.25y = 54.01
14.12x + 5.581y = 21.02.
Multiplique la primera ecuaci´on por 14, 12 y la segunda por −35.584
y sumelas para obtener el valor de y, despu´es obtenga el valor de x.
a) Use aritm´etica de redondeo a cuatro cifras al realizar las op-
eraciones para obtener la soluci´on del sistema.
b) Encuentre el error relativo.
11. Sea x = ±0, d
1
d
2
d
3
. . . d
t
d
t+1
10
p
y fl(x) la aproximaci´ on a x por
aritm´etica de redondeo con t d´ıgitos.
Demuestre que E
r
< 5 10
−t
.
12. Sea x = ±0, d
1
d
2
d
3
. . . d
t
d
t+1
10
p
y fl(x) la aproximaci´ on a x por
aritm´etica de redondeo con t d´ıgitos pruebe que.
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
An´alisis Num´erico. Notas de clase 23
a)E
r
< 10
−(t−1)
b)E < 10
p−t
.
1.9. P
´
ERDIDA DE D
´
IGITOS SIGNIFICATIVOS
24 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
CAP
´
ITULO 1. N
´
UMEROS EN LA COMPUTADORA
Cap´ıtulo 2
Soluci´on de Ecuaciones no
lineales
En una colisi´on de un prot´on con un ´atomo de helio en su estado base, la
energ´ıa potencial de interacci´ on se puede representar mediante un potencial
de Morse definido por la ecuaci´on
V (r) =

e
2c(1−
r
r
m
)
−2e
c(1−
r
r
m
)

(2.1)
donde r es la distancia internuclear, = 2.040eV , r
m
= 0.7743
˚
A, c = 2.1931
si r ≤ r
m
, y c = 2.1341 si r > r
m
.
La ecuaci´on que permite determinar los puntos de retorno, esto es, los
puntos donde r es m´axima o m´ınima, esta dada por
1 −
b
r
2

V (r)
E
= 0. (2.2)
En 2.2, b es el par´ametro de impacto, el cual puede tomar en principio,
cualquier valor positivo, pero se sugiere asignarle valores entre 0 y 4.0
˚
A.
La cantidad E es la energ´ıa total del sistema y puede suponerse que toma
cualquier valor entre 0 y 2.0eV.
Como puede verse, determinar los puntos de retorno en este proble-
ma, supone tomar un valor para b y otro para E, reemplazar 2.1 en 2.2 y
resolver la ecuaci´on resultante para r, lo cual debe hacerse por m´etodos
num´ericos.
Con el prop´osito de resolver problemas como el planteado antes, nos
proponemos estudiar m´etodos que permitan encontrar la soluci´on de dichas
ecuaciones que con frecuencia aparecen en ciencias e ingenier´ıa.
25
26 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Como hemos dicho en este capitulo trataremos el problema de encon-
trar un cero de una funci´on de variable real con valores en los reales es decir
encontrar un x

∈ R, tal que f(x

) = 0.
Definamos formalmente el concepto de ceros de una funci´on
Definici´on 2.0.1. Sea f : R −→ R una funci´on, r ∈ R es un cero de f de
multiplicidad p ∈ Z
+
, si
f(x) = (x −r)
p
q(x),
con q(r) = 0
NOTA: Decimos que r es un cero simple si p = 1.
Para lograr nuestro prop´osito, estudiaremos m´etodos iterativos, esto
es, m´etodos que partiendo de un punto inicial, generan una sucesi´on de
puntos que deben converger al cero de la funci´on, por ello es importante,
establecer las condiciones de convergencia y la rapidez de dicha convergencia.
2.1. Ratas de Convergencia
Es muy importante caracterizar las ratas de convergencia de los diferentes
algoritmos, ya que la rata de convergencia de un m´etodo es una propiedad
decisiva en la escogencia del mismo; as´ı por ejemplo, si la convergencia es
muy lenta, tardaremos mucho en obtener la aproximaci´ on deseada. Por lo
tanto, en esta secci´on, definiremos algunas clases de convergencias.
Supongamos que un m´etodo iterativo produce una sucesi´on de puntos x
1
, x
2
,
x
3
. . . a partir de un punto inicial x
0
. Se quiere conocer si converge a la
soluci´on x

y cual es la rapidez con que lo hace.
Definici´on 2.1.1. La sucesi´on ¦x
k
¦ ⊂ R
n
converge a x

∈ R
n
si
l´ım
k→+∞
| x
k
−x

|= 0.
Definici´on 2.1.2. Sea ¦x
k
¦ una sucesi´on que converge a x

. Si existe una
constante α ∈ (0, 1) y un entero k
1
≥ 0 tal que, para todo k ≥ k
1
| x
k+1
−x

|≤ α | x
k
−x

|,
se dice que ¦x
k
¦ es por lo menos q-linealmente convergente a x

.
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 27
Esto garantiza que eventualmente, el error decrecer´a por un factor α < 1
La definici´on anterior es equivalente a decir que la sucesi´on ¦x
k
¦ con-
verge q-linealmente a x

, si y solo si,
l´ım
k→∞
[[x
k+1
−x

[[
[[x
k
−x

[[
= L
con 0 < L < 1.
Definici´on 2.1.3. Sea ¦x
k
¦ una sucesi´on que converge a x

, ¦x
k
¦ converge
por lo menos q-superlinealmente a x

si,
| x
k+1
−x

|≤ α
k
| x
k
−x

|
para alguna sucesi´on ¦α
k
¦, la cual converge a cero.
Definici´on 2.1.4. Sea ¦x
k
¦ una sucesi´on que converge a x

. Si existen cons-
tantes p > 1, α ≥ 0, k
1
≥ 0, tal que para todo k ≥ k
1
| x
k+1
−x

|≤ α| x
k
−x

|
p
,
entonces, decimos que ¦x
k
¦ converge a x

con q-orden al menos p.
Si p = 2 o p = 3, decimos que la convergencia es al menos cuadr´atica o
c´ ubica, respectivamente.
Adem´as de la convergencia q-orden, tenemos la convergencia r-orden, la cual
es una alternativa, aunque m´as d´ebil, para medir la rapidez de convergencia.
Definici´on 2.1.5. Sea ¦x
k
¦ una sucesi´on que converge a x

. Decimos que
¦x
k
¦ converge con r-orden al menos p si existe una sucesi´on ¦α
n
¦ que con-
verge a cero con q-orden al menos p tal que
|x
n
−x

| ≤ α
n
. n = 0, 1, 2, ...
2.2. Punto Fijo
El primer m´etodo que estudiaremos es el de punto fijo, antes de definir el
concepto de punto fijo y mostrar los teoremas que permitan su estudio,
demostraremos primero algunos resultados de c´alculo que nos ser´an ´ utiles
para este prop´osito.
2.2. PUNTO FIJO
28 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Teorema 2.2.1. TEOREMA DE FERMAT
Si f(c) es un punto extremo de f en un intervalo I, c est´a en el interior de
I y f

(c) existe, entonces f

(c) = 0.
Demostraci´on. Supongamos f(c) es el m´ınimo de f en I. Si c+h ∈ I entonces
de la definici´on de m´ınimo
f(c + h) ≥ f(c),
luego
f(c + h) −f(c) ≥ 0.
Si h > 0 entonces
f(c + h) −f(c)
h
≥ 0 (2.3)
y si h < 0 entonces
f(c + h) −f(c)
h
≤ 0, (2.4)
como f

(c) existe, se tiene que f

(c) > 0, f

(c) < 0 o f

(c) = 0. Si f

(c) > 0,
entones de la definici´on de derivada
f(c + h) −f(c)
h
> 0, para h = 0
suficientemente cerca a 0, lo cual es una contradicci´on con 2.4 de modo que
f

(c) < 0 o f

(c) = 0. Si f

(c) < 0, de la misma manera
f(c + h) −f(c)
h
< 0,
para h = 0 suficientemente cerca a 0, lo cual es una contradicci´ on con 2.3 de
modo que la ´ unica posibilidad es f

(c) = 0.
De igual forma se prueba que f

(c) = 0, cuando f(c) es un m´aximo.
Teorema 2.2.2. Si f es continua en un intervalo cerrado [a, b]; entonces
existe un punto x
0
∈ [a, b] para el cual
f(x
0
) ≥ f(x) ∀x ∈ [a, b]
Demostraci´on. La prueba se deja como ejercicio al lector
Teorema 2.2.3. Si f es continua en un intervalo cerrado [a, b]; entonces
existe un punto x

0
∈ [a, b] para el cual
f(x

0
) ≤ f(x) ∀x ∈ [a, b]
Demostraci´on. La prueba se deja como ejercicio al lector
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 29
Teorema 2.2.4. TEOREMA DE ROLLE
Si f continua en el intervalo cerrado [a, b], diferenciable en el interva-
lo abierto (a, b) y f(a) = f(b), entonces existe un n´ umero c ∈ (a, b), tal que
f

(c) = 0
Demostraci´on. Por los teoremas 2.2.2 y 2.2.3, f alcanza tanto un m´aximo
como un m´ınimo en [a, b]. Sea M = m´ax f(x) y m = m´ın f(x). Si M = m,
entonces f es constante y f

(x) = 0 para toda x en (a, b). Si M = m, entonces
uno de ellos es diferente de a. Supongamos que es M (para m es semejante).
Entonces M > f(a), de manera que el m´aximo no puede obtenerse en x = a
o bien x = b. De aqu´ı que existe un punto c en (a, b) en el cual f(x) es un
m´aximo. Por el teorema de Fermat, entonces f

(c) = 0
El teorema de Rolle significa geom´etricamente que si la curva C dada por
y = f(x) tiene una tangente en todo punto de (a, b) entonces entre dos puntos
sobre C que se encuentren a un mismo nivel, existe (por lo menos) un punto
entre ellos en el cual la linea tangente es horizontal
Teorema 2.2.5. TEOREMA DEL VALOR MEDIO
Si f es continua en el intervalo cerrado [a, b] y diferenciable en el intervalo
abierto (a, b) existe un n´ umero c ∈ (a, b), tal que
f(b) −f(a) = f

(c)(b −a)
Demostraci´on. Consideremos la funci´on
φ(x) = f(x) −f(a) −
f(b) −f(a)
b −a
(x −a),
como f es continua en [a, b] y diferenciable en (a, b) entonces
φ

(x) = f

(x) −
f(b) −f(a)
b −a
,
pero φ(a) = 0 y φ(b) = 0 de modo que la funci´on φ satisface las condiciones
del teorema de Rolle en [a, b].
Luego por dicho teorema existe c ∈ (a, b) tal que
φ

(c) = f

(c) −
f(b) −f(a)
b −a
= 0
por lo tanto,
f

(c) =
f(b) −f(a)
b −a
2.2. PUNTO FIJO
30 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Teorema 2.2.6. TEOREMA DEL VALOR INTERMEDIO
Si f es continua en el intervalo cerrado [a, b], f(a) = f(b) y k un n´ umero
cualquiera entre f(a) y f(b), entonces existe un n´ umero c ∈ (a, b), tal que
f(c) = k
Demostraci´on. Sea G(x) =

x
a
f(t)dt, luego, G

(x) = f(x) si x ∈ [a, b],
tomemos F(x) = G(x) −kx, la cual es continua en [a, b], puesto que G(x) lo
es, por lo tanto, F(x) tiene un m´aximo y un m´ınimo en [a, b]. Supongamos
que
f(a) < k < f(b),
como
F

(x) = G

(x) −k = f(x) −k ∀x ∈ [a, b],
entonces, por este hecho y por el supuesto, tenemos que,
F

(a) = f(a) −k < 0
y
F

(b) = f(b) −k > 0,
de modo que existe c ∈ (a, b), tal que
0 = F

(c) = f(c) −k,
ya que F es diferenciable y F

(a) y F

(b), son de signos opuestos, de modo
que
f(c) = k.
Definamos ahora si el concepto de punto fijo y mostremos resultados que nos
permitan decidir cuando este existe y si la iteraci´on de punto fijo converge o
no.
Definici´on 2.2.1. Sean P ∈ R, y g(x) una funci´on. P es un punto fijo de
g(x), si y solo si, P = g(P).
Definici´on 2.2.2. Decimos que P es un punto fijo de orden m de g si g(x)
est´a dada por
g(x) = P+ (x −P)
m
q(x)
con q(P) = 0 .
Obs´ervese que si x = P, la definici´on coincide con la anterior.
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 31
Definici´on 2.2.3. La iteraci´on p
n+1
= g(p
n
), n = 0, 1, 2, 3, . . . se define
como la iteraci´on de punto fijo.
Teorema 2.2.7. Sea g(x) una funci´on continua, ¦p
n
¦

n=0
la sucesi´on gener-
ada por la iteraci´on de punto fijo. Si
l´ım
n→∞
p
n
= P,
entonces, P es un punto fijo de g.
Demostraci´on. Como
l´ım
n→∞
p
n
= P,
entonces
l´ım
n→∞
p
n+1
= P,
luego
g(P) = g

l´ım
n→∞
p
n

= l´ım
n→∞
g(p
n
) = l´ım
n→∞
p
n+1
= P,
as´ı que P es un punto fijo de g
Teorema 2.2.8. Supongamos g ∈ C[a; b].
1. Si la imagen de y = g(x), es tal que y ∈ [a; b], ∀x ∈ [a; b], entonces g
tiene un punto fijo.
2. Si g

(x), est´a definida en [a; b] y [g

(x)[ < 1, ∀x ∈ (a; b), entonces el
punto fijo es ´ unico en [a; b].
Demostraci´on. Probemos 1). Si g(a) = a o g(b) = b, entonces, a o b son
puntos fijos de g y se cumple (1). Sea entonces g(a) ∈ (a; b] y g(b) ∈ [a; b),
luego a < g(a) y b > g(b), por tanto a −g(a) < 0 y b −g(b) > 0. Definamos
la funci´on f(x) = x −g(x), luego f(a) = a −g(a) < 0 y f(b) = b −g(b) > 0
entonces por el teorema del valor intermedio existe P ∈ (a; b), tal que
f(P) = 0, luego 0 = P−g(P) y por tanto, g(P) = P siendo P un punto fijo
de g.
Probemos 2) Supongamos que [g

(x)[ < 1 ∀x ∈ (a; b) y que P
1
y P
2
son puntos fijos distintos de g, entonces por el teorema del valor medio
∃d ∈ (a; b) tal que g(P
1
) − g(P
2
) = g

(d)(P
1
− P
2
), pero como g(P
1
) = P
1
y g(P
2
) = P
2
, entonces P
2
−P
1
= g

(d)(P
2
−P
1
) y por lo tanto,
g

(d) =
P
2
−P
1
P
2
−P
1
,
as´ı que ∃d ∈ (a; b) tal que g

(d) = 1 y adem´as por hip´otesis, ∀x ∈ (a; b),
−1 < g

(x) < 1, lo cual es una contradicci´ on, por tanto P
2
= P
1
2.2. PUNTO FIJO
32 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Teorema 2.2.9. TEOREMA DEL PUNTO FIJO
Supongamos i) g, g

∈ C[a; b], ii) K > 0 una constante, iii) p
0
∈ (a; b),
iv) g(x) ∈ [a; b], ∀x ∈ [a; b]. Entonces hay un punto fijo P de g en [a; b];
adem´as
1. Si [g

(x)[ ≤ K < 1, ∀x ∈ [a; b], entonces Pes el ´ unico punto fijo de g
en [a; b] y la iteraci´on de punto fijo converge a dicho punto.
2. Si [g

(x)[ > 1 y p
o
= P, la iteraci´on de punto fijo no converge a P.
Demostraci´on. Por i), iv) y el teorema anterior existe un punto fijo P de g.
Demostremos 1) Por el teorema anterior y las hip´otesis i)-iv), se prueba que el
punto fijo es ´ unico, por otro lado, por el teorema del valor medio ∃c
0
∈ (a; b),
tal que [g(P) −g(p
0
)[ = [g

(c
0
)(P−p
0
)[, pero g(P) = P y g(p
0
) = p
1
, luego
entonces, ∃c
0
∈ (a; b), tal que [P−p
1
[ = [g

(c
0
)[[P−p
0
[ ≤ K[P−p
0
[ < [P−p
0
[,
de modo que, p
1
, est´a m´as cerca de P que p
0
. Pero tambi´en ∃c
1
∈ (a; b), tal
que [g(P) − g(p
1
)[ = [g

(c
1
)(P − p
1
)[, pero g(P) = P y g(p
1
) = p
2
, luego
entonces, ∃c
1
∈ (a; b), tal que [P−p
2
[ = [g

(c
1
)[[P−p
1
[ ≤ K[P−p
1
[ < [P−p
1
[,
as´ı que, [P−p
2
[ < [P−p
1
[ < [P−p
0
[, y p
2
est´a m´as cerca de P que p
1
, en
general,
[P−p
n
[ < [P−p
n−1
[ < . . . < [P−p
1
[ < [P−p
0
[,
podemos probar ahora que
l´ım
n→∞
[P−p
n
[ = 0.
En efecto probemos primero por inducci´on sobre que n que
[P−p
n
[ ≤ K
n
[P−p
0
[.
Para n=1 se prob´o que [P−p
1
[ ≤ K[P−p
0
[.
Supongamos que [P−p
n
[ ≤ K
n
[P−p
0
[, luego
[P−p
n+1
[ = [g(P) −g(p
n
)[ = [g

(c
n
)(P−p
n
)[ = [g

(c
n
)[[P−p
n
[,
pero como [g

(c
n
)[ ≤ K, entonces
[P−p
n+1
[ ≤ K[P−p
n
[ ≤ KK
n
[P−p
0
[,
luego
[P−p
n+1
[ ≤ K
n+1
[P−p
0
[.
Pero entonces, como 0 < K < 1, tenemos que,
l´ım
n→∞
K
n
= 0,
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 33
luego
l´ım
n→∞
[P−p
n+1
[ ≤ [P−p
0
[ l´ım
n→∞
K
n
= 0,
as´ı que
0 ≤ l´ım
n→∞
[P−p
n+1
[ ≤ 0,
de modo que
l´ım
n→∞
[P−p
n
[ = 0
y por tanto
l´ım
n→∞
p
n
= P.
La prueba de (2) se deja de ejercicio al lector.
Corolario 2.2.1. Supongamos g satisface, las hip´otesis (1) del teorema ante-
rior. Entonces las cotas del error que se comete al usar la iteraci´on de punto
fijo para aproximar a P son
[P−p
n
[ ≤ K
n
[P−p
0
[ ∀n ≥ 1
y
[P−p
n
[ ≤
K
n
[p
1
−p
0
[
1 −K
∀n ≥ 1
Demostraci´on. La primera cota ya fue probada en el teorema anterior.
Demostremos que se cumple la otra cota.
Para n ≥ 1, se tiene que
[p
n+1
−p
n
[ = [g(p
n
) −g(p
n−1
)[ = [g

(c
n−1
)[[p
n
−p
n−1
[ ≤ K[p
n
−p
n−1
[ ≤
≤ K
n
[p
1
−p
0
[,
luego
[p
n+1
−p
n
[ ≤ K
n
[p
1
−p
0
[.
As´ı que, para m > n ≥ 1,
[p
m
−p
n
[ = [p
m
−p
m−1
+ p
m−1
−p
m−2
+ p
m−2
− −p
n+1
+ p
n+1
−p
n
[,
entonces,
[p
m
−p
n
[ ≤ [p
m
−p
m−1
[ +[p
m−1
−p
m−2
[ + +[p
n+1
−p
n
[
≤ K
m−1
[p
1
−p
0
[ + K
m−2
[p
1
−p
0
[ + + K
n
[p
1
−p
0
[
= K
n
[p
1
−p
0
[(K
m−n−1
+ K
m−n−2
+ . . . K
2
+ K + 1),
2.2. PUNTO FIJO
34 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
pero como
l´ım
m→∞
p
m
= P,
tenemos que,
[P−p
n
[ = l´ım
m→∞
[p
m
−p
n
[ ≤ l´ım
m→∞
K
n
[p
1
−p
0
[
m−n−1
¸
i=0
K
i
≤ K
n
[p
1
−p
0
[ l´ım
m→∞
m−n−1
¸
i=0
K
i
,
pero
m−n−1
¸
i=0
K
i
es una serie geom´etrica de raz´on K con 0 < K < 1, luego la
sucesi´on converge a
1
1 −K
, y entonces,
[P−p
n
[ ≤ K
n
[p
1
−p
0
[
1
1 −K
=
K
n
[p
1
−p
0
[
1 −K
Teorema 2.2.10. Si g es diferenciable en [a; b] y P es un punto fijo de g de
orden m > 1, entonces, la iteraci´on de punto fijo tiene orden de convergencia
m > 1 y si [g

(x)[ < 1, ∀x ∈ [a; b], entonces el m´etodo converge linealmente.
Demostraci´on. Supongamos g(x) = P +(x−P)
m
q(x), entonces, g
(k)
(P) = 0,
para k = 1, 2, 3, . . . , m−1 y g
(m)
(P) = 0, por el desarrollo de Taylor de g(x
n
)
alrededor de P, tenemos que,
g(x
n
) = P +
m−1
¸
k=1
(x
n
−P)
k
k!
g
(k)
(P) +
(x
n
−P)
m
m!
g
(m)
(P) + O[(x
n
−P)
m+1
],
de modo que,
g(x
n
) = P +
(x
n
−P)
m
m!
g
(m)
(P) + O[(x
n
−P)
m+1
],
luego,
x
n+1
= P +
(x
n
−P)
m
m!
g
(m)
(P) + O[(x
n
−P)
m+1
],
o sea que
x
n+1
−P =
(x
n
−P)
m
m!
g
(m)
(P) + O[(x
n
−P)
m+1
],
por lo tanto,
l´ım
n→∞
x
n+1
−P
(x
n
−P)
m
=
g
(m)
(P)
m!
,
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 35
luego, el m´etodo tiene convergencia de orden m > 1 si P, es un punto fijo de
orden m.
En particular si m = 1,
l´ım
n→∞
x
n+1
−P
(x
n
−P)
= g

(P) < 1
y la convergencia es lineal.
Ejemplo 2.2.1. Usa la iteraci´on de punto fijo para calcular un cero de
f(x) = e
x
−x
2
+ 3x −2
Soluci´on
Como f(x) = e
x
− x
2
+ 3x − 2 entonces calcular un cero de f(x)
equivale a obtener un punto fijo de x = g(x) =
2 −e
x
+ x
2
3
, los resultados
de la iteraci´on de punto fijo se tiene en la tabla siguiente
k x
k
g(x) =
2 −e
x
+ x
2
3
[f(x
k
)[
0 x
0
0.3333333333 0.3101361
1 x
1
0.23849956201 0.072040205
2 x
2
0.26251296367 0.01881916
4 x
3
0.25623991092 0.0048764885
5 x
4
0.25786540708 0.00126628
6 x
5
0.25744331555 0.00032863
7 x
6
0.25755285996 0.000085301
8 x
7
0.25752442613 0.00002214
9 x
8
0.25753180627 0.000005747
TABLA 3
Como puede observarse [f(x
8
)[ ≈ 0
2.2. PUNTO FIJO
36 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
2.3. An´alisis Gr´afico del M´etodo de Punto
Fijo
-
6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6

?666
6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .
6
... . . . . . .
66 6666 ?
6
66
P
.
.
.
.
.
(p
0
, g(p
0
))
(p
1
, g(p
1
))
.
.
.
.
..
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
......
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
(p
1
, p
1
)
g

(P) < 1
p
0
p
1
Figura 2.1 Convergencia Mon´otona
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 37
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6
-
666
-
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
P
6
p
0
66
6
6
p
1
p
2
(p
1
, p
1
)
(p
2
, p
2
)
(p
0
, g(p
0
))
(p
1
, g(p
1
))
g

(P) > 1
Figura 2.2 Divergencia Mon´otona
2.4. M´etodos de Localizaci´on de Ra´ıces
2.4.1. M´etodo de Bisecci´on o B´ usqueda Binaria
Otra alternativa que estudiaremos con el prop´osito de encontrar un cero
de una funci´on, es el m´etodo de bisecci´on o b´ usqueda binaria el cual
presentamos a continuaci´ on.
Supongamos f ∈ [a
0
, b
0
] con f(a
0
)f(b
0
) < 0, entonces por el teorema
del valor intermedio existe r ∈ [a
0
, b
0
], tal que, f(r) = 0 (f corta al eje X en
el punto (r, 0)).
Sea c
0
=
a
0
+ b
0
2
, entonces puede suceder tres casos:
i)f(c
0
) = 0 ii)f(a
0
)f(c
0
) < 0 iii)f(c
0
)f(b
0
) > 0 .
Si se tiene i) entonces r = c
0
. Si se cumple ii), la ra´ız est´a en el in-
tervalo [a
1
, b
1
] donde a
1
= a
0
y c
0
= b
1
, y si se tiene iii) la ra´ız est´a en el
intervalo [a
1
, b
1
] donde a
1
= c
0
y b
0
= b
1
en estos dos ´ ultimos casos se tiene
que a
0
≤ a
1
≤ b
1
≤ b
0
.
2.4. M
´
ETODOS DE LOCALIZACI
´
ON DE RA
´
ICES
38 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
[
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
]
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(b, f(b))
(a, f(a))
a
b
(r, 0)
[ ]
(a, f(a))
b
a
(b, f(b))
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(r, 0)
Figura 2.3 M´etodo de Bisecci´on
Sea ahora c
1
=
a
1
+ b
1
2
, entonces igual que antes se puede tener:
i)f(c
1
) = 0 ii)f(a
1
)f(c
1
) < 0 iii)f(c
1
)f(b
1
) > 0 .
Si se tiene i) entonces r = c
1
. Si se cumple ii), la ra´ız est´a en el intervalo
[a
2
, b
2
] donde a
2
= a
1
y c
1
= b
2
, y si se tiene iii) la ra´ız est´a en el intervalo
[a
2
, b
2
] donde a
2
= c
1
y b
1
= b
2
en estos dos ´ ultimos casos se tiene que
a
0
≤ a
1
≤ a
2
≤ b
2
≤ b
1
≤ b
0
.
Continuando con este proceso se toma c
n
=
a
n
+ b
n
2
generando una
sucesi´on de intervalos [a
0
, b
0
], [a
1
, b
1
], . . . , [a
n
, b
n
], con a
0
≤ a
1
≤ a
2
≤ ≤
a
n
≤ ≤ b
n
≤ ≤ b
2
≤ b
1
≤ b
0
.
Con el prop´osito de probar el teorema de convergencia del m´etodo de
b´ usqueda binaria presentamos las siguientes definiciones y resultados.
Definici´on 2.4.1. Una sucesi´on ¦a
n
¦ es creciente, si
a
1
≤ a
2
≤ a
3
≤ . . . a
n
≤ a
n+1
≤ . . .
Definici´on 2.4.2. Una sucesi´on ¦a
n
¦ es decreciente, si
a
1
≥ a
2
≥ a
3
≥ . . . a
n
≥ a
n+1
≥ . . .
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 39
Definici´on 2.4.3. Una sucesi´on ¦a
n
¦ es acotada superiormente, si existe
una constante M tal que
a
n
≤ M ∀n
Definici´on 2.4.4. Una sucesi´on ¦a
n
¦ es acotada inferiormente, si existe una
constante M tal que
a
n
≥ M ∀n
Definici´on 2.4.5. Una sucesi´on ¦a
n
¦ es convergente si tiende a un limite
finito.
Definici´on 2.4.6. Una sucesi´on ¦a
n
¦ es divergente si no tiene limite finito.
Teorema 2.4.1. TEOREMA DE WEIERSTRASS Una sucesi´on cre-
ciente y acotada superiormente tiende a un limite, y una sucesi´on decreciente
y acotada inferiormente tiende a un limite.
Teorema 2.4.2. TEOREMA DE CONVERGENCIA Supongamos
f ∈ C[a, b] y f(a)f(b) < 0. Sea ¦c
n
¦

n=0
la sucesi´on de puntos medios gener-
ada por el m´etodo de b´ usqueda binaria. Existe r ∈ [a, b], tal que f(r) = 0 y
adem´as
[r −c
n
[ ≤
b −a
2
n+1
,
en particular ¦c
n
¦

n=0
converge a r
Demostraci´on. Observemos que a
0
≤ a
1
≤ a
2
≤ ≤ a
n
≤ ≤ b
0
y
que b
0
≥ b
1
≥ b
2
≥ ≥ a
0
, por tanto la sucesi´on ¦a
n
¦ es creciente y
est´a acotada luego por el teorema de Weierstrass es converge y ¦b
n
¦ es
decreciente y acotada as´ı que nuevamente por el teorema de Weierstrass
converge.
Pero b
1
− a
1
=
b
0
−a
0
2
, b
2
− a
2
=
b
1
−a
1
2
=
b
0
−a
0
2
2
, en general
b
n
−a
n
=
b
0
−a
0
2
n
, luego
l´ım
n→∞
(b
n
−a
n
) = (b
0
−a
0
) l´ım
n→∞
1
2
n
,
pero l´ım
n→∞
1
2
n
= 0, por tanto
l´ım
n→∞
(b
n
−a
n
) = 0,
as´ı que
r = l´ım
n→∞
b
n
= l´ım
n→∞
a
n
,
2.4. M
´
ETODOS DE LOCALIZACI
´
ON DE RA
´
ICES
40 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
como f(a
n
)f(b
n
) ≤ 0, entonces, por la continuidad de f se tiene que,
f

l´ım
n→∞
a
n

f

l´ım
n→∞
b
n

≤ 0,
por tanto
f(r)f(r) ≤ 0,
de modo que
0 ≤ [f(r)]
2
≤ 0,
y as´ı
f(r) = 0.
Pero
[r −c
n
[ ≤
b
n
−a
n
2
, ∀n,
ya que la distancia entre r y c
n
no puede ser mayor que la mitad de ancho
de [a
n
, b
n
], figura 2.4 adem´as
[ ]
c
n
a
n b
n
r
Figura 2.4
b
n
−a
n
=
b
0
−a
0
2
n
,
entonces,
[r −c
n
[ ≤
b
0
−a
0
2
n+1
,
as´ı que
0 ≤ l´ım
n→∞
[r −c
n
[ ≤ (b
0
−a
0
) l´ım
n→∞
1
2
n+1
= 0,
luego
l´ım
n→∞
c
n
= r.
Se puede probar que el n´ umero de iteraciones necesarias que nos garanti-
zar´ıa que el punto medio c
N
generado por el m´etodo de bisecci´on converge,
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 41
est´a dado por N =

ln(b −a) −ln δ
ln 2

, donde como sabemos [[x[] es la parte
entera de x, para un delta previamente escogido. En efecto sea
[b −a[
2
n+1
< δ,
entonces tomando logaritmo a ambos lados se tiene que
ln
[b −a[
2
n+1
< ln δ,
luego
ln [b −a[ −ln 2
n+1
< ln δ,
o sea que
ln [b −a[ −(n + 1) ln 2 < ln δ,
pero entonces
n + 1 >

ln [b −a[ −ln δ
ln 2

,
pero como el n´ umero de iteraciones tiene que ser un n´ umero entero, se tiene
que necesariamente
N =

ln(b −a) −ln δ
ln 2

.
Ejemplo 2.4.1. Aplicar el m´etodo de bisecci´on para encontrar un cero de
f(x) = x
4
−2x
3
−4x
2
+ 4x + 4, en el intervalo [−2, −1]
Soluci´on
Los resultados obtenidos al aplicar el m´etodo de bisecci´on se muestran en
las tablas 4a) y 4b)
2.4. M
´
ETODOS DE LOCALIZACI
´
ON DE RA
´
ICES
42 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
k a
k
c
k
b
k
0 -2 -1.5000000 -1
1 -1.5 -1.25 -1
2 -1.5 -1.375 -1.25
3 -1.5 -1.4375 -1.375
4 -1.4375 -1.40625 -1.375
5 -1.4375 -1.421875 -1.40625
6 -1.421875 -1.4140625 -1.40625
7 -1.421875 -1.41796875 -1.4140625
8 -1.41796875 -1.416015625 -1.4140625
9 -1.416015625 -1.4150390625 -1.4140625
10 -1.4150390625 -1.41455078125 -1.4140625
11 -1.41455078125 -1.41430664063 -1.4140625
12 -1.41430664063 -1.41418457031 -1.4140625
13 -1.41430664063 -1.41424560547 -1.41418457031
14 -1.41424560547 -1.41421508789 -1.41418457031
15 -1.41421508789 -1.4141998291 -1.41418457031
16 -1.41421508789 -1.4142074585 -1.4141998291
TABLA 4a)
k f(a
k
) f(c
k
) f(b
k
)
0 12 0.8125 -1
1 0.8125 -0.9023 -1
2 0.8125 -0.28882 -0.9023
3 0.8125 0.19533 -0.28882
4 0.19533 -0.00267 -0.28882
5 0.19533 0.06226 -0.00267
6 0.06226 -0.001208 -0.00267
7 0.06226 0.0302 -0.001208
8 0.0302 0.01447 -0.001208
9 0.01447 -0.00713 -0.001208
10 0.01447 0.003637 -0.00713
11 0.003637 -0.0017565 -0.00713
12 0.003637 0.000938 -0.0017565
13 0.000938 -0.000408 -0.0017565
14 0.000938 0.00026 -0.000408
15 0.00026 -0.000072 -0.000408
16 0.00020 0.0000967 -0.000072
TABLA 4b)
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 43
En la iteraci´on 16 observamos que para x
16
= −1.4142074585, se tiene
[f(x
16
)[ = 0.0000488 ≈ 0
2.5. M´etodo de Falsa Posici´ on o Regula Falsi
El m´etodo de la falsa posici´on o regula falsi, es otra alternativa usada para
resolver el problema de encontrar el cero de una funci´on dada y difiere del
m´etodo de bisecci´on en la forma como se consiguen los valores de c
n
, el
m´etodo de falsa posici´on se explica a continuaci´ on.
[ ] ] [
(r, 0) (r, 0)
(a, f(a))
(a, f(a))
(b, f(b))
(b, f(b))
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
....
(c, 0)
(c, 0)
Figura 2.5
Sea f(a)f(b) < 0 y consideremos la recta que une los puntos (a, f(a)),
(b, f(b)) cuya pendiente es m =
f(b) −f(a)
b −a
, pero si (c, 0) es el punto de
intersecci´on de la recta con el eje X, entonces tambi´en m =
0 −f(b)
c −b
, luego
f(b) −f(a)
b −a
=
0 −f(b)
c −b
,
o sea que
c −b =
−f(b)(b −a)
f(b) −f(a)
,
2.5. M
´
ETODO DE FALSA POSICI
´
ON O REGULA FALSI
44 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
luego
c = b −
f(b)(b −a)
f(b) −f(a)
,
de modo que
c =
bf(b) −bf(a) −bf(b) + af(b)
f(b) −f(a)
,
o tambi´en
c =
af(b) −bf(a)
f(b) −f(a)
.
Al igual que para el m´etodo de bisecci´on se tienen tres posibilidades:
i) f(c) = 0 ii) f(a)f(c) < 0 iii) f(c)f(b) < 0.
Si f(c) = 0, entonces c es un cero de f.
Si f(a)f(c) < 0, entonces hay un cero de f en [a; c].
Si f(c)f(b) < 0, entonces hay un cero de f en [c; b].
Lo anterior sugiere un proceso iterativo que se concreta tomando
c
n
=
a
n
f(b
n
) −b
n
f(a
n
)
f(b
n
) −f(a
n
)
.
n = 0, 1, 2, 3, . . .
Ejemplo 2.5.1. Aplicar el m´etodo de falsa posici´on para encontrar un cero
de f(x) = x
4
−2x
3
−4x
2
+ 4x + 4, en el intervalo [−2, −1]
Soluci´on
Los resultados obtenidos al aplicar el m´etodo de falsa posici´on son
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 45
k c
k
0 -1.07692307692
1 -1.15467487495
2 -1.22537135188
3 -1.28347784602
4 -1.32725869259
5 -1.35806965506
6 -1.37870355683
7 -1.39205970195
8 -1.40051361035
9 -1.40578848384
10 -1.40905028226
11 -1.41105601959
12 -1.412285138223
13 -1.41303675163
14 -1.41349577272
15 -1.413775884687
16 -1.41394673027
17 -1.41405090632
18 -1.41411441692
19 -1.41415313171
20 -1.4141767299
21 -1.41419111333
22 -1.41419988002
TABLA 5
En la iteraci´on 23 se tiene que [f(x
23
)[ = 0.000109 ≈ 0
2.6. M´etodo de Newton
En la b´ usqueda de los ceros de una funci´on uno de los m´etodo m´as atractivos
debido a su r´apida convergencia, ya que en general es q-cuadr´atico, es el de
Newton, el cual presentamos a continuaci´ on.
Sea f ∈ C
n+1
[a, b], una funci´on diferenciable en [a; b] y sea x
0
∈ [a; b],
entonces para todo x ∈ (a, b), sabemos por el Teorema de Taylor que f se
puede escribir de la forma
f(x) = f(x
0
) + f

(x
0
)(x −x
0
) +
f

(x
0
)(x −x
0
)
2
2!
+
f

(x
0
)(x −x
0
)
3
3!
+ . . .
2.6. M
´
ETODO DE NEWTON
46 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
si r es el cero de la funci´on y x
0
≈ r, entonces podemos tomar la aproximaci´on
lineal dada por M(x) = f(x
0
) + f

(x
0
)(x − x
0
), el m´etodo desea encontrar
punto x
+
, tal que M(x
+
) = 0, lo cual se consigue si
0 = f(x
0
) + f

(x
0
)(x
+
−x
0
),
por tanto
x
+
= x
0

f(x
0
)
f

(x
0
)
,
o sea
s
+
= x
+
−x
0
= −
f(x
0
)
f

(x
0
)
,
Lo anterior sugiere el siguiente algoritmo.
ALGORITMO DE NEWTON
Dado f : R −→R continuamente diferenciable y x
0
∈ R
Para k = 0, 1, 2, . . . , “hasta converger”
Resuelva s
k
=
−f(x
k
)
f

(x
k
)
Haga x
k+1
= x
k
+ s
k
.
El m´etodo de Newton tambi´en se puede establecer observando en la
fig 2.6 que la recta que pasa por los puntos (p
0
, f(p
0
)) y (p
1
, 0) tiene
pendiente f

(p
0
), luego se tiene que
f

(p
0
) =
0 −f(p
0
)
p
1
−p
0
=
−f(p
0
)
p
1
−p
0
,
por tanto
p
1
−p
0
=
−f(p
0
)
f

(p
0
)
,
o sea nuevamente
s
1
= p
1
−p
0
=
−f(p
0
)
f

(p
0
)
como antes.
Una de las desventajas de este m´etodo es que en cada iteraci´on se
debe evaluar f(x) y f

(x), lo cual para alg´ un tipo de funciones es muy
costo computacionalmente. Otra de las desventajas es que la convergencia
se garantiza s´olo si se inicia el proceso desde un punto x
0
aceptable (
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 47
.. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
..
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
.
.
.
.
.
p
0
(p
1
, 0)
p
2
(p
0
, f(p
0
))
(p
1
, f(p
1
))
Figura 2.6 M´etodo de Newton
suficientemente pr´oximo a la soluci´on x

), es decir, se debe tener un x
0
tal
que [x
0
− x

[ sea suficientemente peque˜ no. Por ejemplo, si consideramos el
problema cl´asico de hallar la soluci´on de arctanx = 0, el m´etodo converge si
se toma x
0
suficientemente pr´oximo a la soluci´on x

= 0, en caso contrario
el m´etodo diverge. Lo anterior lo mostramos en la siguiente tabla
Iteraci´on f(x) = arctanx f(x) = arctanx
x
0
1.0000000 1.5000000
x
1
-0.5707963 -1.6940795
x
2
0.1168598 2.3211265
x
3
-0.0010609 -5.1140853
x
4
0.0000000 32.295648
x
5
. -1575.3134
TABLA 6
En la Tabla 6, observamos c´omo al aplicar el m´etodo de Newton iniciando
en x
0
= 1.0, obtenemos la respuesta en 5 iteraciones, mientras que si lo
iniciamos en x
0
= 1.5, el m´etodo diverge.
Ejemplo 2.6.1. Sea f(x) = x
3
− x + 2 encuentre x

tal que f(x

) = 0 si
p
0
= −1.4.
2.6. M
´
ETODO DE NEWTON
48 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Soluci´on
Como f(x) = x
3
− x + 2, entonces f

(x) = 3x
2
− 1 pero la iteraci´on
de Newton como hemos visto es
x
k+1
= x
k

f(x
k
)
f

(x
k
)
,
entonces al aplicar dicha iteraci´on, se obtienen los resultados dados en la
siguiente tabla.
k x
k
f(x) = x
3
−x + 2 [f(x
k
)[
0 x
0
-1.4 0.656
1 x
1
-1.53442622951 0.07832486421
2 x
2
-1.52150857169 0.00076602144
3 x
3
-1.52139827287 0.00011035434
4 x
4
-1.52137970707 0.00000000157
5 x
5
-1.52137970681 0.00000000003
TABLA 7
Como puede observarse [f(x
5
)[ = 0.00000000003, de modo que x
5
≈ x

Ejemplo 2.6.2. Aplicar el m´etodo de Newton para obtener la soluci´on de
f(x) = x
3
+ 3x
2
−1
Soluci´on
Partiendo de x
0
= −3 se tiene la siguiente tabla
k x
k
f(x) = x
3
+ 3x
2
−1 [f(x
k
)[
0 x
0
-2.88888888889 -0.0722702332
1 x
1
-2.87945156695 -0.0005038501
2 x
2
-2.87938524484 -0.000000248
3 x
3
-2.87938524157 0.0000000000
TABLA 8
La soluci´on x
3
= −2.87938524157 se tiene en cuatro iteraciones.
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 49
2.6.1. Convergencia del M´etodo de Newton
En esta secci´on probaremos un resultado que muestra que el m´etodo de
Newton converge q-cuadr´aticamente, pero para esto necesitamos establecer
unos resultados previos.
Teorema 2.6.1. Teorema Generalizado del Valor Medio Si se cumple
que
1. f y g continuas en un intervalo [a,b]
2. f y g diferenciables en el intervalo [a,b]
3. g

(x) = 0, ∀x ∈ (a, b),
entonces existe c ∈ (a, b), tal que
f(b) −f(a)
g(b) −g(a)
=
f

(c)
g

(c)
Demostraci´on. Se tiene que g(a) = g(b), ya que si g(a) = g(b), entonces, por
el teorema del valor medio existe c ∈ (a, b), tal que
g

(c) =
g(b) −g(a)
b −a
= 0,
y por hip´otesis g

(x) = 0, ∀x ∈ (a, b) lo que es una contradicci´on.
Sea φ(x) = f(x) −f(a) −
f(b) −f(a)
g(b) −g(a)
[g(x) −g(a)], entonces φ(x) es continua
en [a, b] y diferenciable en (a, b), adem´as, φ(a) = 0 y φ(b) = 0 ya que
φ(a) = f(a) −f(a) −
f(b) −f(a)
g(b) −g(a)
[g(a) −g(a)] = 0
y
φ(b) = f(b) −f(a) −
f(b) −f(a)
g(b) −g(a)
[g(b) −g(a)] = f(b) −f(a) −f(b) +f(a) = 0,
luego aplicando el teorema de Rolle a φ(x), se tiene que existe c ∈ (a, b) tal
que φ

(c) = 0, pero como
φ

(x) = f

(x) −
f(b) −f(a)
g(b) −g(a)
g

(x),
entonces
f

(c) −
f(b) −f(a)
g(b) −g(a)
g

(c) = 0,
2.6. M
´
ETODO DE NEWTON
50 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
luego
f

(c)[g(b) −g(a)] = g

(c)[f(b) −f(a)],
por lo tanto
f

(c)
g

(c)
=
f(b) −f(a)
g(b) −g(a)
.
Teorema 2.6.2. Si f cumple las siguientes condiciones
1. f y f

son continuas en un intervalo cerrado I = [c, c + h]
2. f

(x) existe si x ∈ (c, c + h)
3. E = f(c + h) −[f(c) + f

(c)h]
4. Existe M tal que [f

(x)[ ≤ M, ∀x ∈ (c, c + h)
entonces, [E[ ≤
1
2
Mh
2
Demostraci´on. Sea F(x) = f(x) + f

(x)(c + h − x), G(x) = (c + h − x)
2
,
entonces F y G satisfacen las hip´otesis del teorema anterior y por lo tanto,
existe m ∈ (c, c + h) tal que
F

(m)
G

(m)
=
F(c + h) −F(c)
G(c + h) −G(c)
, (2.5)
pero
F(c+h)−F(c) = [f(c+h)+f

(c+h)0]−[f(c)+f

(c)h] = f(c+h)−f(c)−f

(c)h
y
G(c + h) −G(c) = (c + h −c −h)
2
−(c + h −c)
2
= −h
2
,
luego
F(c + h) −F(c)
G(c + h) −G(c)
=
f(c + h) −f(c) −f

(c)h
−h
2
,
y como
F

(x) = f

(x) −f

(x) + f

(x)(c + h −x) = f

(x)(c + h −x)
y
G

(x) = −2(c + h −x),
entonces tomando x = m se tiene que
F

(m) = f

(m)(c + h −m)
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 51
y
G

(m) = −2(c + h −m),
as´ı que de 2.5 tenemos que
f(c + h) −f(c) −f

(c)h
−h
2
=
f

(m)(c + h −m)
−2(c + h −m)
=
f

(m)
−2
por el inciso 3 de la hip´otesis
E
−h
2
=
f

(m)
−2
,
o sea que
E =
h
2
2
f

(m),
luego
[E[ =

h
2
2
f

(m)

= [f

(m)[
h
2
2
≤ M
h
2
2
,
luego en efecto
[E[ ≤ M
h
2
2
.
Teorema 2.6.3. Si se cumple que
1. f tiene primera y segunda derivada en un intervalo abierto I que con-
tiene un n´ umero x

con f(x

) = 0
2. ∃m > 0, tal que [f

(x)[ ≥ m, ∀x ∈ I
3. ∃M > 0, tal que [f

(x)[ ≤ M, ∀x ∈ I
4. x
n
, x
n+1
∈ I, son aproximaciones sucesivas de x

producidas por el
m´etodo de Newton.
entonces
[x
n+1
−x

[ ≤
M
2m
[x
n
−x

[
2
, n = 1, 2, 3, . . .
Demostraci´on. Sea E el error que resulta de usar f(x
n
) como una aproxi-
maci´on para f(x

) = 0, entonces,
E = f(x

) −[f(x
n
) + f

(x
n
)(x

−x
n
)] = −[f(x
n
) + f

(x
n
)(x

−x
n
)],
2.6. M
´
ETODO DE NEWTON
52 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
pero por el teorema anterior
[E[ ≤
1
2
M(x
n
−x

)
2
.
Como x
n+1
= x
n

f(x
n
)
f

(x
n
)
, n = 1, 2, 3, . . . , entonces
x
n+1
−x

= x
n

f(x
n
)
f

(x
n
)
−x

=
−[f(x
n
) + f

(x
n
)(x

−x
n
)]
f

(x
n
)
,
luego
x
n+1
−x

=
E
f

(x
n
)
,
por tanto
[x
n+1
−x

[ =
[E[
[f

(x
n
)[

M(x
n
−x

)
2
2[f

(x
n
)[
,
pero
1
[f

(x
n
)[

1
m
, luego
[x
n+1
−x

[ ≤
M
2m
[x
n
−x

[
2
.
Como podemos observar el teorema anterior muestra que el m´etodo de New-
ton en general converge q-cuadr´aticamente.
2.7. M´etodo Modificado de Newton
Hemos dicho que en general el m´etodo se Newton converge cuadr´aticamente
sin embargo cuando la ra´ız no es simple solo se garantiza la convergencia
lineal, como lo muestra el siguiente teorema.
Teorema 2.7.1. Sea una funci´on diferenciable en un intervalo [a; b] que
contiene a r y supongamos r es un cero de multiplicidad p > 1, entonces el
m´etodo de Newton converge q-linealmente.
Demostraci´on. Como r es un cero de multiplicidad p > 1, entonces, f(x) =
(x −r)
p
q(x), con q(r) = 0. Sea
g(x) = x −
f(x)
f

(x)
,
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 53
como la iteraci´on de Newton es
x
n+1
= x
n

f(x
n
)
f

(x
n
)
,
esta se puede considerar una iteraci´on de punto fijo para g(x).
Luego
g(x) = x −
(x −r)
p
q(x)
p(x −r)
p−1
q(x) + (x −r)
p
q

(x)
= x −
(x −r)q(x)
pq(x) + (x −r)q

(x)
,
as´ı que
g

(r) = 1 −
p[q(r)]
2
p
2
[q(r)]
2
= 1 −
1
p
,
pero como p > 1, entonces 1 −
1
p
< 1, de modo que 0 = g

(r) < 1, as´ı que
por el teorema 2.2.10, el m´etodo de Newton converge q-linealmente.
Ejemplo 2.7.1. Aplicar el m´etodo de Newton a la funci´on f(x) = x
3
−4x
2
+
4x, partiendo de x
0
= 1.5.
Soluci´on
Observemos que f(x) tiene en r = 2 un cero de multiplicidad 2, y
partiendo de x
0
= 1.5 obtenemos los siguientes resultados.
2.7. M
´
ETODO MODIFICADO DE NEWTON
54 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
i x
i
[x
i
−x

[
|x
i+1
−x

|
|x
i
−x

|
0 1.5 0.5 0.4
1 1.8 0.2 0.47
2 1.905882359 0.0941 0.49
3 1.954132539 0.04587 0.494
4 1.9773386164 0.02266 0.497
5 1.988734610 0.011266 0.498
6 1.994383304 0.0056167 0.499
7 1.997195612 0.0028044 0.499
8 1.998598791 0.00140121 0.499
9 1.999299641 0.00070036 0.4999
10 1.999649882 0.00035012 0.4999
11 1.999824956 0.00017504 0.4999
12 1.999912482 0.00008752 0.5
13 1.999956242 0.0000438 0.5
14 1.999978121 0.000021879 0.499
15 1.999989061 0.000010939 0.4999
16 1.999994530 0.00000547 0.5
17 1.999997265 0.000002735 0.5
TABLA 9
Como podemos observar, el m´etodo de Newton en en este caso tiene un
comportamiento lineal.
Con el prop´osito de mejorar la convergencia del m´etodo, este se puede
modificar, cuando como en este caso el cero buscado sea de multiplicidad
m > 1.
Supongamos que r es un cero de multiplicidad m > 1, entonces,
f(x) = (x −r)
m
q(x),
con q(r) = 0, definamos
g(x) =
f(x)
f

(x)
=
(x −r)q(x)
mq(x) + (x −r)q

(x)
.
Observemos primero que r es tambi´en un cero de g(x) ya que
g(r) =
(r −r)q(r)
mq(r) + (r −r)q

(r)
=
0
mq(r)
= 0,
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 55
adem´as r es un cero simple de g(x) puesto que esta funci´on se puede escribir
de la forma
g(x) = (x −r)

q(x)
mq(x) + (x −r)q

(x)

= (x −r)s(x),
donde
s(x) =
q(x)
mq(x) + (x −r)q

(x)
,
con
s(r) =
q(r)
mq(r) + (r −r)q

(r)
=
q(r)
mq(r)
=
1
m
= 0.
Consideremos la funci´on de iteraci´on
h(x) = x −
g(x)
g

(x)
= x −
f(x)
f

(x)
[f

(x)]
2
−f(x)f

(x)
[f

(x)]
2
,
la cual nos da un m´etodo de Newton por lo menos q-cuadr´atico luego,
h(x) = x −
f(x)f

(x)
[f

(x)]
2
−f(x)f

(x)
,
lo anterior sugiere un proceso iterativo, el cual se concreta al escribir
x
n+1
= x
n

f(x
n
)f

(x
n
)
[f

(x
n
)]
2
−f(x
n
)f

(x
n
)
,
n = 0, 1, 2, 3, . . . ,.
Ejemplo 2.7.2. Usar el m´etodo de modificado Newton para encontrar un
cero de f(x) = x
3
−4x
2
+ 4x, partiendo de x
0
= 1.5
Soluci´on
Al aplicar el m´etodo modificado de Newton partiendo de x
0
= 1.5,
con una tolerancia de 10
−10
los resultados que se obtienen son:
k x
k
f(x) = x
3
−4x
2
+ 4x [f(x
k
)[
0 x
0
1.5
1 x
1
1.89473684210526 0.02099431403
2 x
2
1.99691833590139 0.00001896406
3 x
3
1.99999761850615 0.000000000001
4 x
4
1.9999999999256 0.000000000001
2.7. M
´
ETODO MODIFICADO DE NEWTON
56 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
TABLA 10
Si comparamos los resultados obtenidos ahora con los anteriores, observamos
que la rapidez de convergencia es mayor.
Otra alternativa muy usada que permite acelerar el m´etodo de New-
ton est´a dada por
x
n+1
= x
n
−m
f(x
n
)
f

(x
n
)
,
n = 0, 1, 2, 3, . . . , siendo m la multiplicidad del cero de f(x).
2.8. M´etodo de la Secante
Como hemos dicho una de las desventajas del m´etodo de Newton es que en
cada iteraci´on hay que evaluar tanto a f(x) como a f

(x), para atenuar esa
desventaja se propone el m´etodo de la secante que es casi tan r´apido como
el de Newton, pero no posee la desventaja comentada.
.
.
.
.
.
.
.
..
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
(p
2
, f(p
2
))
(r, 0)
-
6
p
0
p
1
(p
0
, f(p
0
))
(p
1
, f(p
1
))
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
(p
2
, 0)
Figura 2.7 M´etodo de la Secante
En el m´etodo de la secante partimos de dos puntos (p
0
, f(p
0
)) y (p
1
, f(p
1
)),
como lo muestra la figura 2.7 por esos dos puntos pasa una secante que los
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 57
une y cuya pendiente es
m =
f(p
1
) −f(p
0
)
p
1
−p
0
,
pero puesto que esta recta secante corta al eje X en el punto (p
2
, 0), entonces
tambi´en se tiene que
m =
0 −f(p
1
)
p
2
−p
1
,
luego entonces
f(p
1
) −f(p
0
)
p
1
−p
0
=
0 −f(p
1
)
p
2
−p
1
,
por tanto
p
2
= p
1

f(p
1
)(p
1
−p
0
)
f(p
1
) −f(p
0
)
,
este proceso genera la f´ormula de iteraci´on dada por
p
k+1
= p
k

f(p
k
)(p
k
−p
k−1
)
f(p
k
) −f(p
k−1
)
.
Como hemos dicho el m´etodo de secante se propone para mejorar alguna de
las desventaja que presenta el m´etodo de Newton, sin quitar mucho de su
rapidez de convergencia, con el teorema siguiente se prueba que el m´etodo de
la secante converge con una rapidez de convergencia dada por p =
1
2
(1+

5)
Teorema 2.8.1. Sea x

un cero de f(x) y supongamos que f

(x

) = 0,
entonces el orden de convergencia del m´etodo de la secante es p =
1
2
(1+

5).
Demostraci´on. Sea e
k
= p
k
−x

, k = 0, 1, 2, . . . , como
p
k+1
=
p
k−1
f(p
k
) −p
k
f(p
k−1
)
f(p
k
) −f(p
k−1
)
,
tenemos que
p
n+1
−x

=
p
n−1
f(p
n
) −p
n
f(p
n−1
)
f(p
n
) −f(p
n−1
)

x

(f(p
n
) −f(p
n−1
))
f(p
n
) −f(p
n−1
)
=
(p
n−1
−x

)f(p
n
) −(p
n
−x

)f(p
n−1
)
f(p
n
) −f(p
n−1
)
,
de modo que
e
n+1
=
e
n−1
f(x

+ e
n
) −e
n
f(e
n−1
+ x

)
f(x

+ e
n
) −f(e
n−1
+ x

)
,
2.8. M
´
ETODO DE LA SECANTE
58 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
pero por el desarrollo de Taylor de f(x

+e
n
) y f(x

+e
n−1
) alrededor de x

tenemos que
f(x

+ e
n
) = f(x

) + f

(x

)e
n
+
1
2
f

(x

)e
2
n
+ . . .
y
f(x

+ e
n−1
) = f(x

) + f

(x

)e
n−1
+
1
2
f

(x

)e
2
n−1
+ . . . ,
pero como f(x

) = 0 entonces,
e
n−1
f(x

+ e
n
) = f

(x

)e
n
e
n−1
+
1
2
f

(x

)e
2
n
e
n−1
+ . . .
y
e
n
f(x

+ e
n−1
) = f

(x

)e
n−1
e
n
+
1
2
f

(x

)e
2
n−1
e
n
+ . . . ,
adem´as
f(x

+ e
n
) −f(x

+ e
n−1
) = f

(x

)(e
n
−e
n−1
) +
1
2
f

(x

)(e
2
n
−e
2
n−1
) + . . .
de modo que
e
n+1
=
1
2
f

(x

)e
n
e
n−1
(e
n
−e
n−1
) + . . .
f

(x

)(e
n
−e
n−1
) + . . .
,
para [e
n−1
[ y [e
n
[ suficientemente peque˜ nos tenemos que
e
n+1

f

(x

)e
n
e
n−1
2f

(x

)
,
as´ı que
[e
n+1
[ ≈ M[e
n
e
n−1
[ = M[e
n
[[e
n−1
[,
siendo M =
f

(x

)
2f

(x

)
, pero queremos obtener el valor de p, para el cual se
cumpla que
[x

−x
n
[ = α[x

−x
n−1
[
p
,
o sea que
[e
n
[ = α[e
n−1
[
p
,
con α > 0, p ≥ 1, pero tambi´en
[e
n+1
[ = α[e
n
[
p
= α(α[e
n−1
[
p
)
p
,
de modo que
α
p+1
[e
n−1
[
p
2
= M(α[e
n−1
[
p
)[e
n−1
[,
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 59
de modo que
α
p+1
[e
n−1
[
p
2
= αM([e
n−1
[
p+1
),
la cual es v´alida si α
p
= M y p
2
= p + 1, de modo que
p =
1
2
(1 +

5)
Ejemplo 2.8.1. Aplique el m´etodo de la Secante para obtener la soluci´on de
f(x) = x
3
+ 3x
2
−1,
en el intervalo [−3, −2]
Soluci´on
k x
k
f(x) = x
3
+ 3x
2
−1 [f(x
k
)[
0 x
0
-2.75000000000 0.890625
1 x
1
-3.06666666667 1.626962963
2 x
2
-2.86202438769 0.1301835722
3 x
3
-2.87718593646 0.0166792473
4 x
4
-2.87941389757 0.00021768
5 x
5
-2.87938519474 0.0000003558
6 x
6
-2.87938524157 0.000000000
TABLA 11
Lo anterior nos muestra que la ra´ız de f(x) es x
6
= −2.87938524157, la cual
se tiene en 7 iteraciones, y que el m´etodo si bien es suficientemente r´apido, el
m´etodo de Newton sigue siendo m´as eficiente lo cual era de esperarse puesto
que como hemos probado Newton es q-cuadr´atico en tanto que el orden de
convergencia de el m´etodo de la Secante es p ≈ 1.618.
2.9. M´etodo ∆
2
de Aitken
Es posible aumentar la rapidez de convergencia de una sucesi´on, cuando esta
converge linealmente, esto se hace usando una t´ecnica llamada m´etodo ∆
2
de
Aitken, antes de exhibir el m´etodo ∆
2
de Aitken estableceremos la siguiente
definici´on
2.9. M
´
ETODO ∆
2
DE AITKEN
60 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Definici´on 2.9.1. Supongamos ¦p
n
¦

n=0
una sucesi´on, definimos la diferen-
cia progresiva ∆p
n
como
∆p
n
= p
n+1
−p
n
n ≥ 0
Para k ≥ 2 se define recursivamente ∆
k
p
n
= ∆(∆
k−1
p
n
)
Lo que deseamos es, construir una sucesi´on ¦q
n
¦

n=0
que converja a p
m´as r´apidamente que ¦p
n
¦

n=0
, para ello supongamos que ¦p
n
¦

n=0
, con-
verge a p, que p
n
− p, p
n+1
− p, p
n+2
− p, tienen el mismo signo y que
p
n+1
−p
p
n
−p

p
n+2
−p
p
n+1
−p
, luego
(p
n+1
−p)
2
≈ (p
n+2
−p)(p
n
−p),
as´ı que
p
2
n+1
−2p
n+1
p + p
2
≈ p
n
p
n+2
−pp
n+2
−pp
n
+ p
2
,
pero entonces
pp
n+2
+ pp
n
−2pp
n+1
≈ p
n
p
n+2
−p
2
n+1
,
o sea que
(p
n+2
+ p
n
−2p
n+1
)p ≈ p
n
p
n+2
−p
2
n+1
,
entonces
p ≈
p
n
p
n+2
−p
2
n+1
p
n+2
+ p
n
−2p
n+1
=
p
2
n
+ p
n
p
n+2
−2p
n
p
n+1
+ 2p
n
p
n+1
−p
2
n+1
−p
2
n
p
n+2
+ p
n
−2p
n+1
,
de modo que
p ≈
p
n
(p
n
+ p
n+2
−2p
n+1
) −(p
2
n
−2p
n
p
n+1
+ p
2
n+1
)
p
n+2
+ p
n
−2p
n+1
,
luego
p ≈ p
n

(p
n+1
−p
n
)
2
p
n+2
−2p
n+1
+ p
n
,
pero ∆p
n
= p
n+1
−p
n
y ∆
2
p
n
= ∆(∆p
n
) = ∆(p
n+1
−p
n
) = ∆p
n+1
−∆p
n
=
p
n+2
−p
n+1
−p
n+1
+ p
n
= p
n+2
−2p
n+1
+ p
n
, de modo que
p ≈ p
n

(∆p
n
)
2

2
p
n
,
definamos la sucesi´on ¦q
n
¦

n=0
por
q
n
= p
n

(∆p
n
)
2

2
p
n
(2.6)
Mostremos ahora que la sucesi´on ¦q
n
¦

n=0
converge a p m´as r´apidamente que
¦p
n
¦

n=0
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 61
Teorema 2.9.1. Supongamos ¦p
n
¦

n=0
converge a p linealmente y suponga-
mos que (p
n
−p)(p
n+1
−p) > 0, para n suficientemente grande. Entonces la
sucesi´on ¦q
n
¦

n=0
dada por 2.6 converge a p m´as r´apidamente que la sucesi´on
¦p
n
¦

n=0
en el sentido que
l´ım
n→∞

q
n
−p
p
n
−p

= 0
Demostraci´on. Como ¦p
n
¦

n=0
converge linealmente a p, entonces existe λ ∈
(0, 1), tal que
l´ım
n→∞

p
n+1
−p
p
n
−p

= λ,
luego, entonces existe λ ∈ (0, 1), tal que
l´ım
n→∞

p
n+1
−p
p
n
−p
−λ

= 0,
de modo que si δ
n
=
p
n+1
−p
p
n
−p
−λ se tiene que
l´ım
n→∞
δ
n
= 0,
pero como E
n
= p
n
−p y E
n+1
= p
n+1
−p, entonces δ
n
=
E
n+1
E
n
−λ, de modo
que E
n+1
= E
n
δ
n
+ λE
n
, o sea que
E
n+1
= (δ
n
+ λ)E
n
,
as´ı que
E
n+2
= (δ
n+1
+ λ)E
n+1
= (δ
n+1
+ λ)(δ
n
+ λ)E
n
,
pero
∆p
n
= p
n+1
−p
n
= (p
n+1
−p) + (p −p
n
) = E
n+1
−E
n
,
de modo que
∆p
n
= E
n
δ
n
+ λE
n
−E
n
= (δ
n
+ λ −1)E
n
,
as´ı que,

2
p
n
= ∆(∆p
n
) = ∆(p
n+1
−p
n
) = ∆p
n+1
−∆p
n
= p
n+2
−p
n+1
−p
n+1
+ p
n
luego

2
p
n
= p
n+2
−2p
n+1
+p
n
= (p
n+2
−p)−2(p
n+1
−p)+(p
n
−p) = E
n+2
−2E
n+1
+E
n
2.9. M
´
ETODO ∆
2
DE AITKEN
62 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
o sea que

2
p
n
= (δ
n+1
+ λ)(δ
n
+ λ)E
n
−2(δ
n
+ λ)E
n
+ E
n
= λ
2
E
n
+ (δ
n+1
+ δ
n
)λE
n
+ δ
n
δ
n+1
E
n
−2δ
n
E
n
−2λE
n
+ E
n
,
luego

2
p
n
= (λ
2
−2λ + 1)E
n
+ (λδ
n+1
+ λδ
n
+ δ
n
δ
n−1
−2δ
n
)E
n
= (λ
2
−2λ + 1)E
n
+ δ

n
E
n
,
donde δ

n
= λδ
n+1
+ λδ
n
+ δ
n
δ
n−1
−2δ
n
de modo que

2
p
n
= (λ −1)
2
E
n
+ δ

n
E
n
= [(λ −1)
2
+ δ

n
]E
n
,
pero como ¦δ
n
¦

n=0
converge a cero entonces
l´ım
n→∞
δ

n
= l´ım
n→∞
(λδ
n+1
+ λδ
n
+ δ
n
δ
n−1
−2δ
n
) = 0,
por tanto,
q
n
= p
n

(∆p
n
)
2

2
p
n
= p
n

(p
n+1
−p)
2
[(λ −1)
2
+ δ

n
]E
n
= p
n


n
+ λ −1)
2
E
2
n
[(λ −1)
2
+ δ

n
]E
n
as´ı que
q
n
= E
n
+ p −

n
+ λ −1)
2
E
2
n
[(λ −1)
2
+ δ

n
]E
n
,
de modo que
q
n
−p =
[(λ −1)
2
+ δ

n
]E
2
n
−(δ
n
+ λ −1)
2
E
2
n
[(λ −1)
2
+ δ

n
]E
n
,
o sea que
q
n
−p
E
n
=
(λ −1)
2
+ δ

n
−(δ
n
+ λ −1)
2
(λ −1)
2
+ δ

n
,
por consiguiente
q
n
−p
p
n
−p
=
λ
2
−2λ + 1 + δ

n
−(δ
2
n
+ λ
2
+ 1 + 2λδ
n
−2δ
n
−2λ)
(λ −1)
2
+ δ

n
,
pero entonces
q
n
−p
p
n
−p
=
δ

n
−2δ
n
(λ −1) −δ
2
n
(λ −1)
2
+ δ

n
,
luego
l´ım
n→∞
q
n
−p
p
n
−p
= l´ım
n→∞
δ

n
−2δ
n
(λ −1) −δ
2
n
(λ −1)
2
+ δ

n
=
0
(λ −1)
2
= 0
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 63
Ejercicios
En los ejercicios del 1-10 encuentre el cero real de las siguientes funciones,
encuentre el intervalo [a, b] en el que se encuentra dicha ra´ız y use
a + b
2
como
punto de inicio para el m´etodo de Newton. Use bisecci´on, regula falsi, secante
y Newton en las funciones
1. f(x) = x
2
−7
2. f(x) = x
3
−6
3. f(x) = x
4
−0.65
4. f(x) = x
3
−7
5. f(x) = x
3
−3
6. f(x) = x
3
−7x
2
+ 14x −7
7. f(x) = x
3
−x
2
−4x −3
8. f(x) = x
3
−x
2
−24x −32
9. f(x) = 0.4x
2
−x + 0.2
10. f(x) = 9x
3
−10x + 1
11. Demuestre que el punto fijo de x = g(x) = 0.4x
2
+ 0.2 existe, y use la
iteraci´on de punto fijo para encontrarlo.
12. Use la iteraci´on de punto fijo para encontrar el punto fijo de x = g(x) =
0.9x
3
+ 0.1
13. Determine las ra´ıces de f(x) = −2+6x−4x
2
+0.5x
3
, usando el m´etod0
de Newton usando valores iniciales de a)4.2 y b) 4.43.
14. Localice la primera ra´ız positiva de sen x +cos(x
2
+1) −1. Use cuatro
iteraciones con el m´etodo de Newton con valores iniciales de a) 1.0 y
b) 1.5
15. La funci´on f(x) = x
3
+2x
2
−5x +3 tiene una ra´ız doble en x = 1. Use
a) el m´etodo normal de Newton, b) el m´etodo modificado de Newton
para resolver para la ra´ız x = 1. Compare y analice la convergencia
para x
0
= 0.2
2.9. M
´
ETODO ∆
2
DE AITKEN
64 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
16. Use el m´etodo de punto fijo para encontrar la ra´ız de f(x) = sen

x−x.
Use el valor inicial p
0
= 0.5 e iteraci´on hasta que δ ≤ 0.01 %
17. Para cada una se las siguientes funciones, use el m´etodo de Newton
para encontrar un cero, en caso que el m´etodo falle explique porque.
a) f(x) = −5x
4
+ 11x
2
−2, x
0
= 1
b) f(x) = x
4
−4x + 1, x
0
= 0
c) f(x) = 5x
4
−11x
2
+ 2, x
0
=
1
2
, x
0
= 0
18. Encuentre los ceros de los siguientes polinomios de Legendre.
a) P
2
(x) =
1
2
(3x
2
−1)
b) P
3
(x) =
1
2
(5x
3
−3x)
c) P
4
(x) =
1
8
(35x
4
−30x
2
+ 3)
d) P
5
(x) =
1
8
(65x
5
−70x
3
+ 15x)
19. Encuentre la intersecci´on de y = e
x
y y = x
3
20. Encuentre la intersecci´on de y = 2
x
y y = x
2
21. Encuentre la intersecci´on de y = −a + e
x
y y = b + lnx, si
a) a = 5 y b = 1
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
An´alisis Num´erico. Notas de clase 65
b) a = 3 y b = 2
c) a = 1 y b = 5
22. Use el m´etodo se Newton y el de la secante para encontrar un cero de
f(x) = −0.01 +
1
1+x
2
2.9. M
´
ETODO ∆
2
DE AITKEN
66 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
CAP
´
ITULO 2. SOLUCI
´
ON DE ECUACIONES NO LINEALES
Cap´ıtulo 3
Soluci´on de Sistema de
Ecuaciones
Una red el´ectrica est´a conectada a tres terminales con voltajes conocidos,
seg´ un se muestra en la figura 3.1, se desea obtener los voltajes en los nodos
1, 2 y 3. Sabemos que si V
a
, V
b
son los voltajes en dos nodos cualesquiera a,
30V
10V
3Ω
7Ω
6Ω
4Ω
5Ω
3Ω
1 2
3
9V
Figura 3.1
y b y R
ab
es la resistencia entre dichos nodos, entonces la corriente el´ectrica
i
ab
est´a dada por
i
ab
=
V
a
−V
b
R
ab
,
adem´as si un nodo a cualquiera est´a conectado a j = b, c, d . . . , n, como lo
muestra la figura 3.2, entonces,
n
¸
j=b
i
aj
= 0,
67
68 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
a
b
c
d
n
Figura 3.2
as´ı que entonces en nuestro problema se tiene que
Para el nodo 1 :
V
1
−30
3
+
V
1
−V
2
6
+
V
1
−V
3
7
= 0
Para el nodo 2 :
V
2
−V
1
6
+
V
2
−V
3
5
+
V
2
−9
3
= 0
Para el nodo 3 :
V
3
−V
1
7
+
V
3
−V
2
5
+
V
3
−10
4
= 0.
Esto genera un sistema de tres ecuaciones lineales con tres variables.
En este cap´ıtulo mostraremos m´etodos que permitan resolver sistemas
lineales que en general pueden ser muy dimensionados.
3.1. Vectores y Matrices
Definici´on 3.1.1. Un vector de R
n
es una n-upla de la forma
−→
v = (v
1
, v
2
, v
3
, . . . , v
n
)
Definici´on 3.1.2. Sean
−→
v = (v
1
, v
2
, v
3
, . . . , v
n
) y
−→
w = (w
1
, w
2
, w
3
, . . . , w
n
),
vectores renglones en R
n
decimos que
− →
v =
− →
w, si y solo si v
i
= w
i
, ∀i,
i = 1, 2, 3, .., n
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 69
Definici´on 3.1.3. Sean
−→
v = (v
1
, v
2
, v
3
, . . . , v
n
) y
− →
w = (w
1
, w
2
, w
3
, . . . , w
n
),
vectores renglones en R
n
definimos
−→
v +
−→
w = (v
1
+ w
1
, v
2
+ w
2
, ...., v
n
+ w
n
)
Definici´on 3.1.4. Sea
−→
v = (v
1
, v
2
, v
3
, . . . , v
n
) vector de R
n
, α ∈ R definimos
α
−→
v = (αv
1
, αv
2
, αv
3
, ..., αv
n
)
Definici´on 3.1.5. Sean
−→
v = (v
1
, v
2
, v
3
, . . . , v
n
) y
−→
w = (w
1
, w
2
, w
3
, . . . , w
n
)
vectores en R
n
, definimos
− →
v •
− →
w = v
1
w
1
+ v
2
w
2
+ v
3
w
3
+ ... + v
n
w
n
=
n
¸
i=1
v
i
w
i
,
como el producto escalar de
−→
v y
−→
w.
Definici´on 3.1.6. Sea
−→
v = (v
1
, v
2
, v
3
, . . . , v
n
) vector de R
n
, definimos la
norma de
−→
v , notada [[
−→
v [[ como
[[
− →
v [[ =

v
1
2
+ v
2
2
+ v
3
2
+ ... + v
n
2
=

n
¸
i=1
v
i
2
1
2
.
Teorema 3.1.1. Sean
−→
v ,
−→
w y
− →
u vectores en R
n
, entonces, se tiene:
1.
− →
v +
−→
w =
− →
w +
−→
v
2. (
−→
v +
−→
w) +
−→
u =
−→
v + (
−→
w +
−→
u )
3. ∃
− →
0 ∈ R
n
, tal que
−→
v +
−→
0 =
−→
v
4. ∀
− →
v ∈ R
n
, ∃
−→
z ∈ R
n
, tal que
−→
v +
−→
z =
−→
0
5. ∀α, β ∈ R, (α + β)
−→
v = α
− →
v + β
−→
v
6. ∀α ∈ R, α(
− →
v +
−→
w) = α
− →
v + α
−→
w
7. ∀α, β ∈ R, α(β
− →
v ) = β(α
−→
v ) = (αβ)
−→
v
Demostraci´on. La prueba se deja como Ejercicio al lector
3.1. VECTORES Y MATRICES
70 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
3.2. Matrices
Definici´on 3.2.1. Una matriz es un arreglo rectangular de mn n´ umeros de
la forma

¸
¸
¸
¸
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
. . . a
mn

la cual tiene m filas y n columnas
Notaci´on Si los elementos de una matriz A son n´ umeros reales y dicha
matriz tiene m filas y n columnas diremos que A ∈ R
m×n
, y que su tama˜ no
es mn
Es com´ un usar la notaci´on A = [a
ij
], i = 1, 2, 3, . . . , m, j = 1, 2, 3, . . . , n
para referirnos a la matriz A ∈ R
m×n
Definici´on 3.2.2. Sean A = [a
ij
] y B = [b
ij
] dos matrices tama˜ no m n,
entonces, A = B si y solo si a
ij
= b
ij
, ∀i, j
Definici´on 3.2.3. Una matriz A es cuadrada si tiene el mismo n´ umero de
filas y de columnas y en este caso se escribe A ∈ R
n×n
.
Definici´on 3.2.4. Sea A ∈ R
n×n
, una matriz cuadrada si a
ij
= 1, i = j y
a
ij
= 0, i = j, se dice que A es la matriz id´entica y se nota I
n
Definici´on 3.2.5. La matriz O = [a
ij
] ∈ R
m×n
, tal que a
ij
= 0, ∀i, j es la
matriz nula.
Definici´on 3.2.6. Sean A = [a
ij
] y B = [b
ij
] dos matrices tama˜ no m n,
definimos A + B como la matriz mn dada por A + B = [a
ij
+ b
ij
]
Definici´on 3.2.7. Sea A = [a
ij
] una matriz tama˜ no mn, y c un n´ umero
definimos cA como la matriz mn dada por cA = [ca
ij
]
Definici´on 3.2.8. Sea A = [a
ij
] una matriz tama˜ no mn definimos −A =
[−a
ij
]
Definici´on 3.2.9. Sea A = [a
ij
] ∈ R
m×n
y B = [b
ij
] ∈ R
n×r
definimos el
producto A B como la matriz C = [c
ij
] ∈ R
m×r
, donde c
ij
=
¸
n
k=1
a
ik
b
kj
,
i = 1, 2, 3, . . . , m, j = 1, 2, 3, . . . , r
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 71
Presentamos a continuaci´on algunos teoremas sin demostraci´on las cuales se
dejan como ejercicios para el lector
Teorema 3.2.1. Sean A ∈ R
m×n
, B ∈ R
m×n
y C ∈ R
m×n
, entonces
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. A + O = A
4. A + (−A) = O
5. Si α ∈ R, β ∈ R entonces, (α + β)A = αA + βA
6. Si α ∈ R entonces, α(A + B) = αA + αB
7. Si α ∈ R, β ∈ R entonces, (αβ)A = α(βA) = β(αA)
Teorema 3.2.2. Sean A ∈ R
m×n
, B ∈ R
m×n
, D ∈ R
n×r
entonces, (A +
B)D = AD + BD.
Teorema 3.2.3. Sean D ∈ R
m×r
, A ∈ R
r×n
, B ∈ R
r×n
entonces, D(A +
B) = DA + DB.
Teorema 3.2.4. Sean A ∈ R
m×n
, B ∈ R
n×r
, C ∈ R
r×s
entonces, A(BC) =
(AB)C.
Definici´on 3.2.10. Una matriz A = [a
ij
] ∈ R
n×n
es triangular superior si
a
ij
= 0 para i > j
De la definici´on anterior la siguiente matriz es triangular superior

¸
¸
¸
¸
¸
¸
a
11
a
12
a
13
. . . a
1n
0 a
22
a
23
. . . a
2n
0 0 a
33
. . . a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . a
nn

Definici´on 3.2.11. Una matriz A = [a
ij
] ∈ R
n×n
es triangular inferior si
a
ij
= 0 para i < j
La matriz siguiente es triangular inferior

¸
¸
¸
¸
¸
¸
a
11
0 0 . . . 0
a
21
a
22
0 . . . 0
a
31
a
32
a
33
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
. . . a
nn

3.2. MATRICES
72 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Definici´on 3.2.12. Una matriz A = [a
ij
] ∈ R
n×n
es tridiagonal si a
ij
= 0
para [i −j[ > 1
La matriz siguiente es tridiagonal

¸
¸
¸
¸
¸
¸
¸
¸
a
11
a
12
0 0 0 . . . 0 0
a
21
a
22
a
23
0 0 . . . 0 0
0 a
32
a
33
a
34
0 . . . 0 0
0 0 a
43
a
44
a
45
. . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 . . . a
n,n−1
a
nn

Definici´on 3.2.13. Una matriz A = [a
ij
] ∈ R
m×n
es de ancho r si a
ij
= 0
para [i −j[ > r
Definici´on 3.2.14. Una matriz A = [a
ij
] ∈ R
m×n
es Hessemberg Superior
si a
ij
= 0 para i > j + 1
Definici´on 3.2.15. Una matriz A = [a
ij
] ∈ R
m×n
es Hessemberg Inferior si
a
ij
= 0 para i < j + 1
Definici´on 3.2.16. Una matriz A ∈ R
n×n
se dice invertible o no singular si
y solo si ∃B ∈ R
n×n
, tal que AB = BA = I
n
y en este caso se dice que B es
la inversa de A.
Notaci´on
Si A es no singular su inversa, que es ´ unica, la notamos A
−1
.
Definici´on 3.2.17. Sea A ∈ R
n×n
los elementos a
ii
se llaman elementos
diagonales
Definici´on 3.2.18. Sea A ∈ R
n×n
la matriz A se dice estrictamente diagonal
dominante si y solo si [a
ii
[ >
n
¸
j=1
[a
ij
[, ∀i = 1, 2, 3, . . . , n, i = j
Definici´on 3.2.19. Si F : R
n
−→R
n
definida por
F(x) = (f
1
(x), f
2
(x), . . . , f
n
(x)),
donde f
i
: R
n
−→ R, para i = 1, 2, . . . , n, definimos la matriz Jacobiana de
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 73
F, notada J(x), donde x = (x
1
, x
2
, . . . , x
n
), como
J(x) =

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
∂f
1
∂x
1
∂f
1
∂x
2
∂f
1
∂x
3
. . .
∂f
1
∂x
n
∂f
2
∂x
1
∂f
2
∂x
2
∂f
2
∂x
3
. . .
∂f
2
∂x
n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
∂f
n
∂x
1
∂f
n
∂x
2
∂f
n
∂x
3
. . .
∂f
n
∂x
n

Definici´on 3.2.20. Sea A = [a
ij
] ∈ R
m×n
la matriz transpuesta de A es una
matriz B = [b
ij
] ∈ R
n×m
, tal que b
ij
= a
ji
, y en ese caso se nota B = A
T
Ejemplo 3.2.1. Si
A =

¸
3 2 1
4 2 5
6 0 4

,
entonces
A
T
=

¸
3 4 6
2 2 0
1 5 4

Definici´on 3.2.21. Sea A ∈ R
n×n
se dice que A es sim´etrica, si y solo si,
A = A
T
Definici´on 3.2.22. Sea A ∈ R
n×n
una matriz sim´etrica, A es definida pos-
itiva, si y solo si, X
T
AX > 0, para todo vector columna X = O
3.3. Determinantes
Definici´on 3.3.1. Sea
A =

a
11
a
12
a
21
a
22

,
definimos el determinante de A, como [A[ =

a
11
a
12
a
21
a
22

= a
11
a
22
−a
12
a
21
Definici´on 3.3.2. Sea A ∈ R
n×n
definimos el menor ij notado M
ij
como
el determinate de la submatriz que se obtiene de A eliminando la fila i y la
columna j
3.3. DETERMINANTES
74 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Definici´on 3.3.3. Sea A ∈ R
n×n
definimos el cofactor ij notado A
ij
como
A
ij
= (−1)
i+j
M
ij
Definici´on 3.3.4. Sea A ∈ R
n×n
definimos el determinate de A notado [A[
como
[A[ =
n
¸
j=1
a
ij
A
ij
i = 1, 2, 3, . . . , n
Nota : Si A es una matriz triangular superior o inferior tama˜ no n n
entonces, [A[ = a
11
a
22
a
33
.... a
nn
=
¸
n
i=1
a
ii
3.3.1. Norma Matriz
Definici´on 3.3.5. Sea A ∈ R
m×n
, la norma de A est´a definida, como
[[A[[ = m´ax

[[Ax[[
[[x[[

[[x[[ = 0
¸
Como la norma matricial se expresa es t´erminos de un vector, se dice que la
norma es inducida por la correspondiente norma vector.
La definici´on anterior es equivalente a
[[A[[ = m´ax¦[[Ay[[/[[y[[ = 1¦,
ya que si y =
x
[[x[[
, entonces,
[[Ay[[ =

A
1
[[x[[
x

=
[[Ax[[
[[x[[
.
Como [[A[[, es el m´aximo cociente
[[Ax[[
[[x[[
, entonces,
[[A[[ ≥
[[Ax[[
[[x[[
,
x = 0, por lo tanto
[[Ax[[ ≤ [[A[[[[x[[.
Las normas matriciales m´as usadas en an´alisis num´erico son relacionadas a
continuaci´on
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 75
1. La norma 1 dada por
[[A[[
1
= m´ax
j=1,··· ,n
m
¸
i=1
[a
ij
[
2. La norma infinito dada por
[[A[[

= m´ax
i=1,··· ,m
n
¸
j=1
[a
ij
[
3. La norma de Frobenius dada por
[[A[[
F
=

m
¸
i=1
n
¸
j=1
a
2
ij

1/2
Definici´on 3.3.6. Sea A una matriz no singular definimos el n´ umero de
condici´on de la matriz A notado κ(A), como
κ(A) = [[A[[ [[A
−1
[[
Nota: El n´ umero condici´on puede ser calculado con cualquiera de las ante-
riores normas. Distinguimos las diferentes normas usadas con un sub´ındice
escribiendo entonces κ
1
, κ

o κ
F
respectivamente.
Definici´on 3.3.7. Sea A una matriz no singular decimos que la matriz A
est´a bien condicionada si K(A) es un n´ umero muy cercano a 1, si K(A) es
significativamente mayor que 1 la matriz se dice mal condicionada.
Ejemplo 3.3.1. Supongamos se tiene el sistema
x −2y = 1
x −(2 + δ)y = 1 + δ
el cual como puede comprobarse tiene soluci´on x = −1, y = −1, adem´as la
matriz de coeficiente del sistema es
A =

1 −2
1 −(2 + δ)

,
la cual es no singular y su inversa est´a dada por
A
−1
= −
1
δ

−(2 + δ) 2
−1 1

=

¸
¸
¸
¸
(2 + δ)
δ
−2
δ
1
δ
−1
δ

,
3.3. DETERMINANTES
76 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
de modo que [[A[[

= max¦[1[ +[ −2[, [ −(2 + δ)[ +[1[¦ = 3 + δ y
[[A
−1
[[

=
4 + δ
δ
,
de modo que
κ

(A) = [[A[[

[[A
−1
[[

=
(3 + δ)(4 + δ)
δ
.
Si δ = 10
−6
, entonces κ

(A) =
12 + 7 10
−6
+ 10
−12
10
−6
= 1210
6
+7+10
−6

12 10
6
de modo que A es mal condicionada lo cual trae como consecuencia
que peque˜ nos cambios en b alteren la soluci´on de modo considerable, en efecto
si el sistema es ahora
x −2y = 1
x −(2 + δ) = 1 + 2δ,
la soluci´on ahora es x = 3, y = −2, que est´a muy alejada de la soluci´on
anterior
3.4. Sistema de Ecuaciones Lineales
En esta secci´on estudiaremos m´etodos iterativos que nos permitan solucionar
sistemas de ecuaciones lineales cuadrados es decir, sistemas con n ecuaciones
lineales y n variables.
Definici´on 3.4.1. Sea A ∈ R
n×n
una matriz cuadrada, X ∈ R
n×1
y b ∈ R
n×1
vectores columnas, entonces AX = b es un sistema de n ecuaciones lineales
con n variables.
De la definici´on anterior si
A =

¸
¸
¸
¸
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
. . . a
nn

, X =

¸
¸
¸
¸
¸
¸
¸
¸
¸
x
1
x
2
x
3
.
.
.
x
n

y b =

¸
¸
¸
¸
¸
¸
¸
¸
¸
b
1
b
2
b
3
.
.
.
b
n

,
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 77
entonces el sistema de la definici´on anterior es

¸
¸
¸
¸
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
. . . a
nn

¸
¸
¸
¸
¸
¸
¸
¸
¸
x
1
x
2
x
3
.
.
.
x
n

=

¸
¸
¸
¸
¸
¸
¸
¸
¸
b
1
b
2
b
3
.
.
.
b
n

y por lo tanto se tiene
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ + a
2n
x
n
= b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ + a
3n
x
n
= b
3
.
.
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ + a
nn
x
n
= b
n
.
Definici´on 3.4.2. La matriz A del sistema lineal anterior se define como la
matriz de coeficientes del sistema
Definici´on 3.4.3. A la matriz [A[b] ∈ R
n×(n+1)
que resulta al agregarle a
la matriz de coeficiente el vector columna b se le define como la matriz de
coeficientes ampliada del sistema
3.4.1. Sistemas Triangulares Superior
Un sistema de ecuaciones lineales triangular superior tiene la forma
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ a
14
x
4
+ + a
1n−1
x
n−1
+ a
1n
x
n
= b
1
a
22
x
2
+ a
23
x
3
+ a
24
x
4
+ + a
2n−1
x
n−1
+ a
2n
x
n
= b
2
a
33
x
3
+ a
34
x
4
+ + a
3n−1
x
n−1
+ a
3n
x
n
= b
3
. .
. .
a
n−1n−1
x
n−1
+ a
n−1n
x
n
= b
n−1
a
nn
x
n
= b
n
.
3.4. SISTEMA DE ECUACIONES LINEALES
78 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Teorema 3.4.1. Teorema de Sustituci´on Regresiva Si AX = b es
un sistema triangular superior de ecuaciones lineales y a
kk
= 0, ∀k =
1, 2, 3, . . . , n, entonces el sistema tiene soluci´on ´ unica.
Demostraci´on. La demostraci´on se hace de manera recursiva. Como a
nn
= 0
por hip´otesis, de la ´ ultima ecuaci´on se tiene que
x
n
=
b
n
a
nn
,
adem´as el valor de x
n
se ´ unico.
Pero ahora, conocido x
n
se puede encontrar el valor de x
n−1
ya que como
sabemos a
n−1n−1
= 0, luego de la pen´ ultima ecuaci´on se tiene que
x
n−1
=
b
n−1
−a
n−1n
x
n
a
n−1n−1
la unicidad de x
n−1
, est´a garantizada por la unicidad de x
n
.
Como a
n−2n−2
= 0 y puesto que conocemos los valores de x
n
y x
n−1
, entonces
se tiene que
x
n−2
=
b
n−2
−a
n−2n−1
x
n−1
−a
n−2n
x
n
a
n−2n−2
.
Si suponemos que se conocen los valores de x
n
, x
n−1
, x
n−2
, . . . , x
k+1
, y como
a
kk
= 0, entonces se tiene que
x
k
=
b
k
−a
kk+1
x
k+1
−a
kk+2
x
k+2
− −a
kn−1
x
n−1
−a
kn
x
n
a
kk
,
o tambi´en
x
k
=
b
k

n
¸
i=k+1
a
ki
x
i
a
kk
,
k = 1, 2, 3, . . . , n −2, n −1.
Adem´as la unicidad de la soluci´on se garantiza por inducci´on sobre n.
Teorema 3.4.2. Teorema de Sustituci´on Progresiva Si AX = b es
un sistema triangular inferior de ecuaciones lineales y a
kk
= 0, ∀k =
1, 2, 3, . . . , n, entonces el sistema tiene soluci´on ´ unica.
Demostraci´on. Como a
11
= 0, entonces
x
1
=
b
1
a
11
,
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 79
pero como tambi´en a
22
= 0, entonces
x
2
=
b
2
−a
21
x
1
a
22
,
conocido los valores de x
1
y x
2
, tenemos que
x
3
=
b
3
−a
31
x
1
−a
32
x
2
a
33
.
En general si se han calculado los valores de x
1
, x
2
, . . . , x
k−1
, y como a
kk
= 0,
entonces
x
k
=
b
k
−a
k1
x
1
−a
k2
x
2
−a
k3
x
3
− −a
kk−1
x
k−1
a
kk
=
b
k

k−1
¸
j=1
a
kj
x
j
a
kk
,
k = 1, 2, 3 . . . , n.
La unicidad de la soluci´on se tiene porque en la primera ecuaci´on
b
1
a
11
, es el
´ unico valor posible de x
1
y, por inducci´on finita, los valores de x
2
, x
3
, ...., x
n
son ´ unicos.
Ejemplo 3.4.1. Consideremos el sistema
2x
1
+ x
2
−3x
3
= 4
5x
2
+ 4x
3
= 2
3x
3
= 6
resolver el sistema utilizando sustituci´on regresiva.
Soluci´on
De la ´ ultima ecuaci´on se tiene que
x
3
=
6
3
= 2,
pero entonces reemplazando este valor en la ecuaci´on anterior obtenemos que
x
2
=
2 −4x
3
5
=
2 −4 2
5
=
−6
5
conocido los valores de x
3
y x
2
se reemplazan en la primera ecuaci´on para
obtener
x
1
=
4 −x
2
+ 3x
3
2
=
28
5
.

3.4. SISTEMA DE ECUACIONES LINEALES
80 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
3.5. Eliminaci´on de Gauss y Pivoteo
Definici´on 3.5.1. Dos sistemas de ecuaciones lineales son equivalentes si y
solo si tienen el mismo conjunto de soluciones.
3.5.1. Transformaciones Elementales
1. Dado un sistema de ecuaciones lineales, si a una cualquiera de sus ecua-
ciones se multiplica por un escalar c = 0, resulta un sistema equivalente
al sistema dado.
2. Dado un sistema de ecuaciones lineales, si dos cualesquiera de sus ecua-
ciones se intercambian, resulta un sistema equivalente al sistema dado.
3. Dado un sistema de ecuaciones lineales, si a una cualquiera de sus
ecuaciones se le suma un m´ ultiplo de otra ecuaci´on cualquiera, resulta
un sistema equivalente al sistema dado.
3.5.2. Operaciones Elementales en los Renglones
Existen tres operaciones elementales sobre los renglones de una matriz A, las
cuales enumeramos a continuaci´on.
1. Multiplicar un rengl´on cualquiera de una matriz por un escalar c = 0.
2. Sumarle a un rengl´on de una matriz un m´ ultiplo de otro rengl´on.
3. Intercambiar dos renglones cualesquiera de la matriz.
Definici´on 3.5.2. El elemento a
qq
= 0, usado para eliminar los elementos
a
rq
, para r = q + 1, q + 2, . . . , n se define como el elemento pivote y la fila q
se define como la fila pivote.
Definici´on 3.5.3. Los n´ umeros m
rq
=
a
rq
a
qq
, por el cual se multiplica la fila
pivote para luego rest´arsela a la fila r con r = q + 1, q + 2, . . . , n se llaman
multiplicadores.
Las operaciones elementales junto con los elementos pivotes y los multi-
plicadores nos permiten, cuando esto sea posible, transformar la matriz
ampliada de un sistema de ecuaciones, en una matriz bien sea triangular
superior o inferior y resolver el sistema equivalente, por sustituci´on regresiva
o progresiva respectivamente.
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 81
Ejemplo 3.5.1. Resolver el sistema
2x
1
+ 3x
2
+ 2x
3
+ 4x
4
= 4
4x
1
+ 10x
2
−4x
3
= −8
−3x
1
−2x
2
−5x
3
−2x
4
= −4
−2x
1
+ 4x
2
+ 4x
3
−7x
4
= −1
usando sustituci´on regresiva.
Soluci´on
La matriz ampliada del sistema es

¸
¸
¸
2 3 2 4 [ 4
4 10 −4 0 [ −8
−3 −2 −5 −2 [ −4
−2 4 4 −7 [ −1

.
El elemento pivote en la primera fila es a
11
= 2 y los multiplicadores son
m
21
=
a
21
a
11
=
4
2
= 2, m
31
=
a
31
a
11
= −
3
2
, m
41
=
a
41
a
11
= −
2
2
= −1, tomando
la primera fila para eliminar los elementos de la primera columna ubicados
debajo de la diagonal se tiene que

¸
¸
¸
¸
¸
¸
¸
2 3 2 4 [ 4
0 4 −8 −8 [ −16
[
0
5
2
−2 4 [ 2
[
0 7 6 −3 [ 3

.
Para la segunda fila ahora el elemento pivote es a
22
= 4 luego los multipli-
cadores ahora son m
32
=
a
32
a
22
=
5
8
, m
42
=
a
42
a
22
=
7
4
, luego entonces se tiene
que

¸
¸
¸
¸
¸
2 3 2 4 [ 4
0 4 −8 −8 [ −16
0 0 3 9 [ 12
[
0 0 20 11 [ 31

.
3.5. ELIMINACI
´
ON DE GAUSS Y PIVOTEO
82 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Pero ahora para la tercera fila el elemento pivote es a
33
= 3 y el multiplicador
es m
43
=
a
43
a
33
=
20
3
, luego entonces tenemos que

¸
¸
¸
2 3 2 4 [ 4
0 4 −8 −8 [ −16
0 0 3 9 [ 12
0 0 0 −49 [ −49

.
La matriz ampliada anterior corresponde al sistema triangular superior dado
por
2x
1
+ 3x
2
+ 2x
3
+ 4x
4
= 4
4x
2
−8x
3
−8x
4
= −16
3x
3
+ 9x
4
= 12
−49x
4
= −49
que es equivalente al original.
Aplicando la sustituci´on regresiva se tiene de la ´ ultima ecuaci´on del
sistema que x
4
= 1, pero en la tercera ecuaci´on se tiene que
3x
3
= 12 −9x
4
= 12 −9 = 3,
por lo tanto x
3
= 1.
De la ecuaci´on dos tenemos que
4x
2
= −16 + 8x
3
+ 8x
4
= −16 + 8 + 8 = 0,
luego x
2
= 0.
Finalmente de la primera ecuaci´on
2x
1
= 4 −3x
2
−2x
3
−4x
4
= −2,
as´ı que x
1
= −1.
El proceso que acabamos de utilizar para obtener la soluci´on del ejemplo
anterior se conoce como la Eliminaci´on Gaussiana con Sustituci´on
Regresiva.
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 83
3.6. Estrategias de Pivoteo
3.6.1. Pivoteo Trivial
Puede suceder que en alg´ un paso del proceso de eliminaci´on Gaussiana con
sustituci´on regresiva, se tenga a
qq
= 0, esto naturalmente implica que este
elemento (a
qq
), no se puede tomar como elemento pivote, en este caso se
usa la estrategia del Pivoteo Trivial, que consiste en escoger de una fila k,
k = q + 1, q + 2, . . . , n en la que a
kq
= 0, esta fila se intercambia con la fila
q-´esima, con lo cual se obtiene un pivote no nulo.
3.6.2. Pivoteo Parcial
Es posible que al utilizar el pivoteo trivial se produzcan errores debido a
que como es sabido la computadora utiliza aritm´etica de precisi´on finita, lo
anterior lo ilustramos con un ejemplo.
Ejemplo 3.6.1. Supongamos se desea resolver el sistema
1.133x
1
+ 5.281x
2
= 6.414
24.14x
1
−1.21x
2
= 22.93
haciendo operaciones con una precisi´on de cuatro cifras significativas.
Soluci´on
Observemos primero que la soluci´on del sistema es exactamente x
1
= 1
y x
2
= 1. El elemento pivote es a
11
= 1.133 y el multiplicador es
m
21
=
24.14
1.133
= 21.31, de modo que se tiene entonces que
1.133x
1
+ 5.281x
2
= 6.414
−113.7x
2
= 113.8
por tanto x
2
= 1.001 y as´ı x
1
= 0.9956.
El error que se comete se debe a que el valor del multiplicador m
21
= 21.31
es muy grande.
Miremos ahora como podr´ıamos resolver el sistema anterior para evitar el
error cometido.
3.6. ESTRATEGIAS DE PIVOTEO
84 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Si se intercambian las ecuaciones se obtiene el sistema
24.14x
1
−1.21x
2
= 22.93
1.133x
1
+ 5.281x
2
= 6.414
que es equivalente al original; pero ahora el elemento pivote es a
11
= 24.14 y el
multiplicador es m
21
=
1.133
24.14
= 0.04593, con esto resulta el sistema triangular
superior
24.14x
1
−1.21x
2
= 22.93
5.338x
2
= 5.338,
de modo que se tiene la soluci´on exacta x
1
= 1 y x
2
= 1.
La estrategia anterior se conoce como pivoteo parcial la cual con-
siste en tomar como pivote el coeficiente de mayor magnitud, y una vez
ubicado intercambiar filas a fin de colocarlo en la diagonal, esto es, se
comparan todos los coeficientes en la columna q, desde el que est´a en la
diagonal hasta el que est´a en la ´ ultima fila. Una vez hecho esto se toma el
elemento de mayor valor absoluto y esa fila se intercambia con la q- ´esima,
es decir, si
[a
kq
[ = m´ax¦[a
qq
[, [a
q+1q
[, . . . , [a
nq
[¦,
entonces se intercambian las filas q-´esima y k-´esima, con esto todos los mul-
tiplicadores ser´an todos menores que 1 en valor absoluto.
3.6.3. Pivoteo Parcial Escalado
Si bien el pivoteo parcial evita errores que se pueden cometer con el pivoteo
trivial, con el pivoteo parcial escalado se pretende reducir a´ un m´as la propa-
gaci´on de errores, resultando una t´ecnica mucho m´as eficiente.
En el pivoteo parcial escalado, se toma en cada columna desde la q -´esima
hacia abajo el que tenga el mayor valor relativo con respecto a los elementos
de su fila. Es decir se busca primero en cada fila, a partir de la fila q, hasta
la n-´esima el elemento de mayor tama˜ no, esto es, si ese elemento lo notamos
u
r
, entonces
u
r
= m´ax¦[a
rq
[, [a
rq+1
[, [a
rq+2
[, . . . , [a
rn
[¦,
r = q, q + 1, . . . , n, la fila pivote es entonces la fila k para la cual
[a
kq
[
u
k
= m´ax

[a
qq
[
u
q
,
[a
q+1q
[
u
q+1
,
[a
q+2q
[
u
q+2
, . . . ,
[a
nq
[
u
n
¸
.
Una vez hecho esto se intercambian la fila k y la fila q a menos que q = k.
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 85
3.7. Factorizaci´ on LU
Definici´on 3.7.1. Sea A una matriz no singular se dice que A tiene facto-
rizaci´on LU si y solo si, se puede expresar de la forma A = LU, donde L es
una matriz triangular inferior con elementos diagonales iguales a 1 y U es
una matriz triangular superior.
Ejemplo 3.7.1. La matriz
A =

¸
¸
¸
2 3 2 4
4 10 −4 0
−3 −2 −5 −2
−2 4 4 −7

,
tiene factorizaci´on LU ya que si
L =

¸
¸
¸
¸
¸
¸
¸
¸
¸
1 0 0 0
2 1 0 0

3
2
5
8
1 0
−1
7
4
20
3
1

y
U =

¸
¸
¸
2 3 2 4
0 4 −8 −8
0 0 3 9
0 0 0 −49

,
entonces
A =

¸
¸
¸
2 3 2 4
4 10 −4 0
−3 −2 −5 −2
−2 4 4 −7

=

¸
¸
¸
¸
¸
¸
¸
¸
¸
1 0 0 0
2 1 0 0

3
2
5
8
1 0
−1
7
4
20
3
1

¸
¸
¸
2 3 2 4
0 4 −8 −8
0 0 3 9
0 0 0 −49

= LU.
Si la matriz Atiene factorizaci´on LU dicha factorizaci´on se puede obten-
3.7. FACTORIZACI
´
ON LU
86 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
er de la manera siguiente
A =

¸
¸
¸
¸
¸
¸
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
a
31
a
32
a
33
. . . a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
. . . a
nn

y
L =

¸
¸
¸
¸
¸
¸
1 0 0 . . . 0
m
21
1 0 . . . 0
m
31
m
32
1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
m
n1
m
n2
m
n3
. . . 1

, U =

¸
¸
¸
¸
¸
¸
u
11
u
12
u
13
. . . u
1n
0 u
22
u
23
. . . u
2n
0 0 u
33
. . . u
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . u
nn

,
donde m
kq
son los multiplicadores.
Ahora si se tiene un sistema lineal dado por la forma AX = b, donde A tiene
factorizaci´on LU, entonces el sistema se puede escribir como
LUX = b,
pero si hacemos
UX = Y,
entonces, se puede resolver primero el sistema
LY = b
usando la sustituci´on regresiva, para luego resolver el sistema
UX = Y
aprovechando el hecho de que U es una matriz triangular superior.
Ejemplo 3.7.2. Resolver el sistema del ejemplo anterior usando factor-
izaci´on LU
Soluci´on
La matriz de coeficientes del sistema es

¸
¸
¸
2 3 2 4
4 10 −4 0
−3 −2 −5 −2
−2 4 4 −7

,
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 87
luego entonces la matriz L, es
L =

¸
¸
¸
¸
¸
¸
¸
1 0 0 0
2 1 0 0

3
2
5
8
1 0
−1
7
4
20
3
1

,
y la matriz U es
U =

¸
¸
¸
2 3 2 4
0 4 −8 −8
0 0 3 9
0 0 0 −49

,
sea
Y =

¸
¸
¸
y
1
y
2
y
3
y
4

,
entonces LY = b es el sistema dado por

¸
¸
¸
¸
¸
¸
¸
1 0 0 0
2 1 0 0

3
2
5
8
1 0
−1
7
4
20
3
1

¸
¸
¸
y
1
y
2
y
3
y
4

=

¸
¸
¸
4
−8
−4
−1

.
Que corresponde al sistema
y
1
= 4
2y
1
+ y
2
= −8

3
2
y
1
+
5
8
y
2
+ y
3
= −4
−y
1
+
7
4
y
2
+
20
3
y
3
+ y
4
= −1,
de la primera ecuaci´on y
1
= 4 luego de la segunda ecuaci´on se tiene que
y
2
= −8−2y
1
= −16 as´ı que de la tercera ecuaci´on y
3
= −4+
3
2
y
1

5
8
y
2
= 12,
3.7. FACTORIZACI
´
ON LU
88 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
y de la cuarta ecuaci´on se tiene que y
4
= −1 + y
1

7
4
y
2

20
3
y
3
= −49 de
modo que el sistema UX = Y a resolver es

¸
¸
¸
2 3 2 4
0 4 −8 −8
0 0 3 9
0 0 0 −49

¸
¸
¸
x
1
x
2
x
3
x
4

=

¸
¸
¸
4
−16
12
−49

.
o sea
2x
1
+ 3x
2
+ 2x
3
+ 4x
4
= 4
4x
2
−8x
3
−8x
4
= −16
3x
3
+ 9x
4
= 12
−49x
4
= −49
sistema cuya soluci´on como se ha visto antes es
X =

¸
¸
¸
−1
0
1
1

.

3.8. M´etodo de Jacobi
Miremos un ejemplo que nos permita comprender el m´etodo de Jacobi,
el cual es usado, para encontrar la soluci´on de un sistema cuadrado de
ecuaciones lineales.
Ejemplo 3.8.1. Resolver el sistema lineal
5x −y + z = 10
2x + 8y −z = 11
−x + y + 4z = 3
usando el m´etodo iterativo de Jacobi a partir del punto inicial (0, 0, 0).
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 89
Soluci´on
De la primera ecuaci´on tenemos que
x =
10 + y −z
5
,
de la segunda
y =
11 −2x + z
8
y de la tercera
z =
3 + x −y
4
.
La iteraci´on de Jacobi para este caso es
x
k+1
=
10 + y
k
−z
k
5
y
k+1
=
11 −2x
k
+ z
k
8
z
k+1
=
3 + x
k
−y
k
4
y los resultados del proceso iterativo se muestran en la tabla 12
Iteraci´on x
k
y
k
z
k
0 0 0 0
1 2 1.375 0.75
2 2.125 0.96875 0.90625
3 2.0125 0.95703 1.039063
4 1.983593 1.001758 1.013868
5 1.997578 1.0058353 0.992431
6 2.002681 0.999659 1.001287
7 1.9996744 0.999491 1.000756
8 1.999747 1.0001759 1.0000459
9 2.000026 1.00006899 0.999893
10 2.000035 0.99998 0.999989
11 1.9999982 0.9999899 1.000013
12 1.9999954 1.000002 1.000002
13 2.00000 1.00000 1.00000
TABLA 12

3.8. M
´
ETODO DE JACOBI
90 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Ejemplo 3.8.2. Resolver el sistema lineal
2x + 8y −z = 11
−x + y + 4z = 3
5x −y + z = 10
usando el m´etodo iterativo de Jacobi a partir del punto inicial (0, 0, 0).
Soluci´on
La iteraci´on de Jacobi para este caso es
x
k+1
=
11 −8y
k
+ z
k
2
y
k+1
= 3 + x
k
−4z
k
z
k+1
= 10 −5x
k
+ y
k
los resultados de la iteraci´on de Jacobi se muestran en la tabla 13
Iteraci´on x
k
y
k
z
k
0 0 0 0
1 5.5 3 10
2 -1.5 -31.5 -14.5
3 124.5 59.5 -14
4 -239.5 183.5 -672
5 -1064.5 2415.5 1024
TABLA 13

Observamos como a pesar de ser sistemas equivalentes el m´etodo de
Jacobi en el primer caso converge a la soluci´on (2, 1, 1), en tanto que para el
otro sistema el m´etodo de Jacobi diverge.
La raz´on de lo anterior es que en el primer caso la matriz de coefi-
cientes del sistema es una matriz estrictamente diagonal dominante, ya que
[5[ > [ − 1[ + [1[, [8[ > [2[ + [ − 1[ y [4[ > [ − 1[ + [1[, en tanto que para el
otro caso esto no se cumple.
Lo anterior significa que, para que el m´etodo de Jacobi converja la
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 91
matriz de coeficiente del sistema a resolver debe ser estrictamente diago-
nal dominante
En general dado el sistema lineal
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
. . .
. . .
. . .
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
,
con la matriz de coeficientes diagonal estrictamente dominante y punto inicial
P
0
= (x
0
1
, x
0
2
, . . . , x
0
n
) y si en la iteraci´on k se ha obtenido el punto P
k
=
(x
k
1
, x
k
2
, . . . , x
k
n
) entonces las coordenadas del punto P
k+1
est´an dadas por
x
k+1
i
=
b
i
−a
i1
x
k
1
−a
i2
x
k
2
− −a
ii−1
x
k
i−1
−a
ii+1
x
k
i+1
− −a
in
x
k
n
a
ii
3.9. M´etodo de Gauss- Saidel
Una variaci´ on del m´etodo de Jacobi es el m´etodo de Gauss-Saidel, que es m´as
eficiente que el primero, la diferencia est´a en que en el de Jacobi para generar
el nuevo punto del proceso iterativo se utilizan las coordenadas del punto
anterior, mientras que en el de Gauss-Saidel se van usando las coordenadas
en la medida en que se van generando, esto es, si se supone que ya hemos
obtenido x
k+1
1
, x
k+1
2
, . . . , x
k+1
i−1
, entonces la coordenada x
k+1
i
, se obtiene de la
siguiente forma:
x
k+1
i
=
b
i
−a
i1
x
k+1
1
−a
i2
x
k+1
2
− −a
ii−1
x
k+1
i−1
−a
ii+1
x
k
i+1
− −a
in
x
k
n
a
ii
Ejemplo 3.9.1. Resolver el sistema lineal
5x −y + z = 10
2x + 8y −z = 11
−x + y + 4z = 3
usando el m´etodo iterativo de Gauss-Saidel a partir del punto inicial (0, 0, 0).
3.9. M
´
ETODO DE GAUSS- SAIDEL
92 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Soluci´on
Primero observemos que se trata del mismo sistema resuelto con anterioridad
por el m´etodo de Jacobi y comparemos resultado. Al igual que para el
m´etodo de Jacobi se tiene que:
x
k+1
=
10 + y
k
−z
k
5
y
k+1
=
11 −2x
k+1
+ z
k
8
z
k+1
=
3 + x
k+1
−y
k+1
4
,
la diferencia estar´a en que siempre utilizaremos las variables que se van
generando para encontrar la o las variables restantes, los resultados del pro-
ceso iterativo se muestran en la tabla 14
Iteraci´on x
k
y
k
z
k
0 0 0 0
1 2 0.875 1.031
2 1.9688 1.011675 0.98928
3 2.004479 0.99754 1.0017348
4 1.99808 1.000697 o.9993458
5 2.00027024 0.9998567 1.0001034
6 1.999951 1.0000252 0.9999815
7 2.000009 0.9999544 1.0000034
8 1.99999841 1.0000008 0.9999994
9 2.000000 1.000000 1.000000
TABLA 14

Como podemos notar el m´etodo de Gauss-Saidel nos da la respuesta
en 9 iteraciones en tanto que con Jacobi se obtuvo en 13, lo cual dice de la
rapidez de convergencia del uno comparado con el otro.
Ejemplo 3.9.2. Resolver el sistema lineal
2x + 8y −z = 11
−x + y + 4z = 3
5x −y + z = 10
usando el m´etodo iterativo de Gauss-Saidel a partir del punto inicial (0, 0, 0).
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 93
Soluci´on
La iteraci´on de Gauss-Saidel es entonces
x
k+1
=
11 −8y
k
+ z
k
2
y
k+1
= 3 + x
k+1
−4z
k
z
k+1
= 10 −5x
k+1
+ y
k+1
los resultados de la iteraci´on de Gauss-Saidel se muestran en la tabla 15
Iteraci´on x
k
y
k
z
k
0 0 0 0
1 5.5 8.5 7.5
2 -49.5 -76.5 181
3 -776.75 -1477.75 2316
TABLA 15

Al igual que para el de Jacobi el m´etodo de Gauss-Saidel, no converge a la
soluci´on del sistema a pesar de que son sistemas equivalentes, la raz´on de
ello es que, el m´etodo de Gauss-Saidel como el de Jacobi solo converge a la
soluci´on si la matriz de coeficientes del sistema es estrictamente diagonal
dominante.
3.10. Sistema de Ecuaciones no Lineales
3.10.1. M´etodo de Newton
En el problema de encontrar x

∈ R
n
tal que F(x

) = 0 donde F : R
n
−→R
n
,
es una funci´on continuamente diferenciable dada, es posible utilizar m´etodos
computacionales, cuya utilizaci´on depende de las condiciones del problema
espec´ıfico que se desea resolver.
Uno de los m´etodos m´as usados en la soluci´on de este problema es el
m´etodo de Newton, el cual requiere de J(x), el jacobiano de la funci´on F. Lo
mejor del m´etodo es que converge cuadr´aticamente, pero, a su vez, su mayor
desventaja es que resolver el sistema J(x)s = −F(x), en cada iteraci´on es
costoso.
3.10. SISTEMA DE ECUACIONES NO LINEALES
94 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Para el caso n > 1, en analog´ıa con el caso n = 1, como F ∈ R
n
entonces aproximamos F(x) por el modelo lineal
M
c
(x) = F(x
c
) + J(x
c
)(x −x
c
),
donde J(x
c
) es la matriz jacobiana de F en x
c
. El m´etodo de Newton trata
de encontrar x
+
tal que M
c
(x
+
) = 0, esto es
F(x
c
) + J(x
c
)(x
+
−x
c
) = 0,
luego
x
+
= x
c
−J(x
c
)
−1
F(x
c
),
el cual determina un nuevo punto del proceso iterativo. Lo anterior permite
establecer el algoritmo siguiente.
ALGORITMO DE NEWTON
Dado F : R
n
−→R
n
continuamente diferenciable y x
0
∈ R
n
Para k = 0, 1, 2, . . . , “hasta converger”
Resuelva J(x
k
)s
k
= −F(x
k
)
Haga x
k+1
= x
k
+ s
k
.
Ejemplo 3.10.1. Obtenga tres iteraciones del m´etodo de Newton para el
sistema no lineal dado por
x
2
−y = 0.2
y
2
−x = 0.3
Soluci´on
Sea
F(x, y) = F(X) =
¸
x
2
−y −0.2
y
2
−x −0.3

y
J(x, y) = J(X) =
¸
2x −1
−1 2y

.
Sea
X
0
=
¸
1.4
1.4

el punto de inicio.
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 95
Primera Iteraci´on
J(X
0
) =
¸
2.8 −1
−1 2.8

,
F(X
0
) =
¸
0.36
0.26

,
luego si
s
(1)
=
¸
s
(1)
1
s
(1)
2
¸
,
se debe entonces resolver el sistema
¸
2.8 −1
−1 2.8

¸
s
(1)
1
s
(1)
2
¸
=
¸
−0.36
−0.26

,
o sea
2.8s
(1)
1
−s
(1)
2
= −0.36
−s
(1)
1
+ 2.8s
(1)
2
= −0.26,
cuya soluci´on es s
(1)
1
= −0.185380116959 y s
(1)
2
= −0.159064327485, luego
s
(1)
=
¸
−0.185380116959
−0.159064327485

,
de modo que
X
1
= X
0
+ s
(1)
=
¸
1.4
1.4

+
¸
−0.185380116959
−0.159064327485

=
¸
1.21461988304
1.24064327485

,
y
F(X
1
) =
¸
0.03436578776
0.02530146029

Segunda Iteraci´on
J(X
1
) =
¸
2.429239766608 −1
−1 2.48187134504

,
y
s
(2)
=
¸
s
(2)
1
s
(2)
2
¸
,
3.10. SISTEMA DE ECUACIONES NO LINEALES
96 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
de modo que se resuelve el sistema
¸
2.429239766608 −1
−1 2.48187134504

¸
s
(2)
1
s
(2)
2
¸
=
¸
−0.03436578776
−0.02530146029

esto es
2.429239766608s
(2)
1
−s
(2)
2
= −0.03436578776
−s
(2)
1
+ 2.48187134504s
(2)
2
= −0.02530146029
que tiene como soluci´on s
(2)
1
= −0.0219907863685 y s
(2)
2
= −0.0190551049745
as´ı que
X
2
= X
1
+ s
(2)
=
¸
1.21947120193
1.22188056755

y
F(X
2
) =
¸
0.065229444796
−0.02647908057

Tercera Iteraci´on
J(X
2
) =
¸
2.43894240380 −1
−1 2.4437611351

,
y
s
(3)
=
¸
s
(3)
1
s
(3)
2
¸
,
por tanto se resuelve el sistema
¸
2.43894240380 −1
−1 2.4437611351

¸
s
(3)
1
s
(3)
2
¸
=
¸
−0.065229444796
0.02647908057

esto es
2.43894240380s
(3)
1
−s
(3)
2
= −0.06522944479
−s
(3)
1
+ 2.4437611351s
(3)
2
= 0.02647908057
cuya soluci´on es s
(3)
1
= −0.0267985763175 y s
(3)
2
= −0.0001307393522 de
modo que
X
3
= X
2
+ s
(3)
=
¸
1.19267262561
1.2217498282

y
F(X
3
) =
¸
0.00071816368
0.00000000171

.
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 97
Obs´ervese que
[[F(X
3
)[[ =

0.00071816368
2
+ 0.00000000171
2
= 0.00071816380203,
que es una buena aproximaci´on a la soluci´on que como sabemos debe ser tal
que
[[F(X

)[[ ≈ 0,
naturalmente si queremos una mejor soluci´on debemos efectuar m´as itera-
ciones
3.10.2. Ventajas y Desventajas de M´etodo de Newton
VENTAJAS
1. Suponiendo que J(x
k
) es no singular, converge q-cuadr´aticamente si se
comienza de un punto suficientemente cercano a la soluci´on.
2. Para una funci´on lineal F, da la soluci´on exacta en una iteraci´on (o un
paso).
DESVENTAJAS
1. No es globalmente convergente para muchos problemas.
2. Requiere el c´alculo J(x
k
) en cada iteraci´on.
3. Cada iteraci´on requiere la soluci´on de un sistema de ecuaciones lineales
que puede ser singular o mal condicionado.
3.10.3. M´etodo de Punto Fijo
A menudo es conveniente resolver un sistema de ecuaciones no lineal por un
proceso iterativo que no requiera evaluar las derivadas parciales como es el
caso del m´etodo de Newton. Una opci´on adecuada es usar la iteraci´on de
punto fijo, la cual es una extensi´on de la idea en la secci´on 2.2.
En efecto, si x ∈ D ⊂ R
n
y si suponemos adem´as que f(x), est´a definida
en un rect´angulo n-dimensional R = ¦(x
1
, x
2
, . . . , x
n
)/a
i
≤ x
i
≤ b
i
¦ para
algunas constantes a
1
, a
2
, . . . , a
n
, b
1
, b
2
, . . . , b
n
. Supongamos adem´as que
las componentes de la matriz jacobiana son continuas en D, si f(x) ∈ D,
∀x ∈ D, entonces existe un punto fijo P ∈ D.
3.10. SISTEMA DE ECUACIONES NO LINEALES
98 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Ahora si F(P), es la matriz jacobiana de f en P y si [[F(P)[[

< 1,
la sucesi´on generada por la iteraci´on de punto fijo definida por x
k+1
= f(x
k
)
converge, mientras que el punto de inicio este suficientemente cerca al punto
fijo P.
Adem´as si K < 1 es tal que para todo x ∈ D,

∂f
i
(x)
∂x
j


K
n
, para
cada i = 1, 2, 3, . . . , n, j = 1, 2, 3, . . . , n, entonces para cualquier punto
inicial, la iteraci´on de punto fijo converge.
Una cota del error en el n-´esimo paso est´a dado por
[[x
n
−P[[


K
n
1 −K
[[x
1
−x
0
[[

.
Como una ilustraci´on del uso de la iteraci´on de punto fijo, busquemos la
soluci´on del siguiente sistema.
f
1
(x, y, z) = x
3
−10x + y −z + 3 = 0
f
2
(x, y, z) = y
3
+ 10y −2x −5 = 0
f
3
(x, y, z) = x + y −10z + 2Senz + 5 = 0.
estas ecuaciones se pueden escribir de la forma F(X) = 0, F : R
3
→R
3
.
Hay muchas posibilidades para convertir este sistema como una it-
eraci´on de punto fijo, pero su convergencia depende de que la magnitud de
la derivada parcial de F sea suficientemente peque˜ na, para esto reescribimos
el sistema de la siguiente forma
x
k+1
= 0.1x
3
k
+ 0.1y
k
−0.1z
k
+ 0.3
y
k+1
= −0.1y
3
k
+ 0.2x
k
+ 0.5
z
k+1
= 0.1x
k
+ 0.1y
k
+ 0.2Senz
k
+ 0.5
Si tomamos X
0
= (1, 1, 1) se tiene el siguiente resultado (tabla 16)
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 99
Iteraci´on x
i
y
i
z
i
0 1 1 1
1 0.4 0.6 0.868294
2 0.279571 0.5584 0.752646
3 0.282761 0.538503 0.720512
4 0.28406 0.540936 0.7140803
5 0.284734 0.540984 0.713484
6 0.285058 0.541114 0.713466
7 0.285081 0.541168 0.713609
8 0.285083 0.541167 0.713523
9 0.285081 0.541167 0.713525
TABLA 16
la cual es una buena aproximaci´on ya que [[F(X)[[
2
= 0.00004 ≈ 0
Ejercicios
En los ejercicios del 1-5 aproxime la soluci´on del sistema AX = b, partiendo
de x
0
= [0; 0; 0], usando primero el m´etodo de Jacobi y luego el de Gauss-
Saidel,
1.
A =

10 −2 1
−2 10 −2
−2 −5 10
¸
¸
, b =

9
12
18
¸
¸
2.
A =

4 1 0
1 3 −1
1 0 2
¸
¸
, b =

3
−4
5
¸
¸
3.
A =

5 −1 0
−1 3 −1
0 −1 5
¸
¸
, b =

9
4
−6
¸
¸
4.
A =

8 1 −1
−1 7 −2
2 1 9
¸
¸
, b =

8
4
12
¸
¸
3.10. SISTEMA DE ECUACIONES NO LINEALES
100 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
5.
A =

4 1 0
1 3 −1
0 −1 4
¸
¸
, b =

3
4
5
¸
¸
Use la eliminaci´on gaussiana y la aritm´etica de truncamiento a cua-
tro d´ıgitos para resolver los siguientes sistemas. Compare luego con la
soluci´on real
6.
a) 0.03x
1
+ 58.9x
2
= 59.2 b) 58.9x
1
+ 0.03x
2
= 59.2
5031x
1
−6.1x
2
= 47 −6.1x
1
+ 5.31x
2
= 47
Soluci´on real (10; 1)
T
Soluci´on real (1; 10)
T
c) 3.03x
1
−12.1x
2
+ 14x
3
= −119
−3.03x
1
+ 12.1x
2
−7x
3
= 120
6.11x
1
−14.2x
2
+ 21x
3
= −139
Soluci´on real (0; 10;
1
7
)
T
d) πx
1
−ex
2
+

2x
3


3x
4
=

11
π
2
x
1
+ ex
2
−e
2
x
3
+
3
7
x
4
= 0

5x
1


6x
2
+ x
3


2x
4
= π
π
3
x
1
+ e
2
x
2


7x
3
+
1
9
x
4
=

2
Soluci´on real (0.78839378; 0.01269269; −0.02065405; −1.18260870)
T
7. Repita el ejercicio 6 usando pivoteo parcial.
8. Repita el ejercicio 6 usando pivoteo parcial escalado.
En los ejercicios 9-13 use a) el m´etodo de Newton, b) la iteraci´on de
punto fijo para resolver los siguientes sistemas no lineales
9.
f(x, y, z) = x
3
−10x + y −z + 3 = 0
g(x, y, z) = y
3
+ 10y −2x −2z −5 = 0
h(x, y, z) = x + y −10z + 2 sen z + 5 = 0
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 101
10.
f(x, y, z) = x
2
+ 20x + y
2
+ z
2
−20 = 0
g(x, y, z) = x
2
+ 20y + z
2
−20 = 0
h(x, y, z) = x
2
+ y
2
−40z = 0
11.
f(x, y, z) = x
2
+ y
2
+ z
2
+ 10x −4 = 0
g(x, y, z) = x
2
−y
2
+ z
2
+ 10y −5 = 0
h(x, y, z) = x
2
+ y
2
−z
2
+ 10z −6 = 0
12.
f(x, y, z) = 10x −x
2
−y −z
2
−4 = 0
g(x, y, z) = 10y −x
2
−y
2
−z
2
−5 = 0
h(x, y, z) = 10z −x −y
2
−z
2
−6 = 0
13.
f(x, y, z) = 10x −x
3
+ y
2
−z −5 = 0
g(x, y, z) = 10y + 0.5x
2
−y
2
−z −3 = 0
h(x, y, z) = 10z −x −y
2
−z
3
−6 = 0
14. Resuelva el siguiente sistema no lineal usando el m´etodo de Newton Si
1
2
= a
1
y
3
2
= a
2
,
resuelva el sistema
0 = a
1
x
1
+ a
2
x
2
2
3
= a
1
x
2
1
+ a
2
x
2
2
0 = a
1
x
3
1
+ a
2
x
3
2
15. El estado estacionario de concentraci´on de dos especies qu´ımicas en
un sistema qu´ımico oscilatorio descrito por el modelo de Brusselator
est´a dado por el sistema no lineal
0 = A + x
2
y −(B + 1)x
0 = Bx −x
2
y,
encuentre la soluci´on si
3.10. SISTEMA DE ECUACIONES NO LINEALES
102 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
a) B=1, A = 1
b) B=3, A=1
c) B=2, A=1
16. Determine las fuerzas y reacciones asociada con la estructura est´atica
asociada a la siguiente figura.
F
1
F
3
F
2
30
o
60
o
V
3
6 6
?
6
1000lbs
6
-
H
2
V
2
1
2 3
Figura 3.3 Problema 16
17. Determine las fuerzas y reacciones asociada con la estructura est´atica
asociada a la figura 3.4.
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
An´alisis Num´erico. Notas de clase 103
400lbs
?
?
200lbs
45
o
45
o
6
6
60
o
30
o
Figura 3.4 Problema 17
3.10. SISTEMA DE ECUACIONES NO LINEALES
104 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
CAP
´
ITULO 3. SOLUCI
´
ON DE SISTEMA DE ECUACIONES
Cap´ıtulo 4
Interpolaci´on Polinomial
Por el t´ermino interpolar se entiende estimar el valor desconocido de
una funci´on en un punto, tomando una medida ponderada de sus valores
conocidos en puntos cercanos al punto dado.
El primer polinomio de aproximaci´ on que estudiaremos es el polinomio de
Taylor. Para ello supongamos que el polinomio
P
n
(x) =
n
¸
i=0
c
i
(x −x
0
)
i
,
es tal que P
n
(x
0
) = f(x
0
) y P
(k)
n
(x
0
) = f
(k)
(x
0
) para k = 1, 2, 3, . . . , n,
deseamos encontrar un polinomio que aproxime a f(x) alrededor de x = x
0
.
Pero
P
(k)
n
(x) =
n−k
¸
i=0
(i + 1)(i + 2) . . . (i + k)c
i+k
(x −x
0
)
i
,
luego
P
(k)
n
(x) = 1 2 3 . . . kc
k
+
n−k
¸
i=1
(i + 1)(i + 2) . . . (i + k)c
i+k
(x −x
0
)
i
,
as´ı que
P
(k)
n
(x
0
) = k!c
k
,
pero como P
(k)
n
(x
0
) = f
(k)
(x
0
), entonces
c
k
=
f
(k)
(x
0
)
k!
,
as´ı que el polinomio de Taylor que aproxima a f(x) alrededor de x = x
0
es
P
n
(x) =
n
¸
i=0
f
(i)
(x
0
)
i!
(x −x
0
)
i
105
106 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Definici´on 4.0.1. Supongamos f tiene derivada de orden n y P
n
(x) es el
polinomio de aproximaci´on de f(x), definimos
E
n
(x) = f(x) −P
n
(x)
Teorema 4.0.1. Supongamos x
0
es cualquier n´ umero con x
0
= x, si f
tiene n derivadas continuas en un intervalo cerrado I = [x
0
, x] y f
(n+1)
(x)
est´a definida en (x
0
, x), entonces existe un n´ umero c ∈ (x
0
, x), tal que
E
n
=
f
(n+1)
(c)
(n + 1)!
(x −x
0
)
n+1
Demostraci´on. Sea t ∈ I, y definamos F(t) y G(t) como
F(t) = f(x)−f(t)−f

(t)(x−t)−
f

(t)(x −t)
2
2!
− −
f
(n)
(t)(x −t)
n
n!
−E
n
(x),
y
G(t) = (x −t)
n+1
,
entonces, F(x) = −E
n
(x), G(x) = 0, F(x
0
) = f(x) − P
n
(x) − E
n
(x) = 0 y
G(x
0
) = (x −x
0
)
n+1
, adem´as
F

(t) = −f

(t)+f

(t)−f

(t)(x−t)+f

(t)(x−t)−
f

(t)(x −t)
2
2!
+
f

(t)(x −t)
2
2!

f
(4)
(t)(x −t)
3
3!
+ −
f
(n)
(t)(x −t)
(n−1)
(n −1)!
+
f
(n−1)
(t)(x −t)
(n−2)
(n −2)!

f
(n+1)
(t)(x −t)
n
n!
+
f
(n)
(t)(x −t)
(n−1)
(n −1)!
luego
F

(t) = −
f
(n+1)
(t)(x −t)
n
n!
y
G

(t) = −(n + 1)(x −t)
n
.
Aplicando el teorema del valor medio generalizado a F y G se tiene
F(x) −F(x
0
)
G(x) −G(x
0
)
=
F

(c)
G

(c)
,
luego entonces
−E
n
(x)
−(x −x
0
)
n+1
=

f
(n+1)
(c)(x −c)
n
n!
−(n + 1)(x −c)
n
,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 107
luego
E
n
(x)
(x −x
0
)
n+1
=
f
(n+1)
(c)
(n + 1)!
,
y por tanto
E
n
(x) =
f
(n+1)
(c)
(n + 1)!
(x −x
0
)
n+1
4.1. Interpolaci´on de Lagrange
Para la interpolaci´on lineal utilizamos un segmento de recta que pasa por dos
puntos conocidos, sean P(x
0
, y
0
) y P(x
1
, y
1
) dichos puntos, luego la pendiente
del segmento es
m =
y
1
−y
0
x
1
−x
0
,
y por tanto la ecuaci´on de la recta que contiene a ese segmento es
y = P(x) = y
0
+
y
1
−y
0
x
1
−x
0
(x −x
0
)
o sea que
y = P(x) =
y
1
−y
0
x
1
−x
0
x +
y
0
(x
1
−x
0
) −x
0
(y
1
−y
0
)
x
1
−x
0
,
de modo que
y = P(x) =
y
1
−y
0
x
1
−x
0
x +
y
0
x
1
−x
0
y
1
x
1
−x
0
,
que es un polinomio de grado menor o igual que 1, que satisface que
P(x
0
) = y
0
y P(x
1
) = y
1
.
Lagrange propuso otro procedimiento para encontrar este polinomio.
Como
y = P
1
(x) = y
0
+
y
1
−y
0
x
1
−x
0
(x −x
0
),
entonces
y = P
1
(x) = y
0
+ (y
1
−y
0
)
x −x
0
x
1
−x
0
= y
1
x −x
0
x
1
−x
0
+ y
0
−y
0
x −x
0
x
1
−x
0
,
luego
y = P
1
(x) = y
1
x −x
0
x
1
−x
0
+ y
0

1 −
x −x
0
x
1
−x
0

,
4.1. INTERPOLACI
´
ON DE LAGRANGE
108 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
o sea que
y = P
1
(x) = y
1
x −x
0
x
1
−x
0
+ y
0
x −x
1
x
0
−x
1
.
Sea
L
1,0
(x) =
x −x
1
x
0
−x
1
y
L
1,1
(x) =
x −x
0
x
1
−x
0
,
los cuales son lineales, as´ı que
P
1
(x) = y
0
L
1,0
(x) + y
1
L
1,1
(x),
pero como L
1,0
(x
0
) = 1, L
1,0
(x
1
) = 0, L
1,1
(x
0
) = 0, L
1,1
(x
1
) = 1, entonces
P
1
(x
0
) = y
0
L
1,0
(x
0
) + y
1
L
1,1
(x
0
) = y
0
y
P
1
(x
1
) = y
0
L
1,0
(x
1
) + y
1
L
1,1
(x
1
) = y
1
,
por tanto P
1
(x) pasa por los puntos (x
0
, y
0
) y (x
1
, y
1
).
Definici´on 4.1.1. Los t´erminos
L
1,0
(x) =
x −x
1
x
0
−x
1
y
L
1,1
(x) =
x −x
0
x
1
−x
0
se definen como polinomios coeficientes de Lagrange
De la definici´on anterior se tiene que
P
1
(x) =
1
¸
k=0
y
k
L
1k
(x).
Cuando y
k
= f(x
k
), el proceso de utilizar P
1
(x) para aproximar a f(x) en
[x
0
, x
1
] se conoce como interpolaci´on lineal, x
0
y x
1
se les llama nodos.
Si x < x
0
entonces al proceso se le llama extrapolaci´on.
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 109
Ejemplo 4.1.1. Consideremos la gr´afica de y = f(x) = sen x en [0.2, 1].
a) Usar los nodos x
0
= 0.2 y x
1
= 1 para construir un polinomio de interpo-
laci´on lineal P
1
(x) y calcular f(0.6).
b) Usar los nodos x
0
= 0.4 y x
1
= 0.8 para construir un polinomio de inter-
polaci´on lineal Q
1
(x) y calcular f(0.6).
Soluci´on
a) Como x
0
= 0.2 y x
1
= 1, entonces y
0
= sen 0.2 = 0.198669 y
y
1
= sen 1 = 0.841471 luego P
1
(x) = 0.198669
x −1
0.2 −1
+ 0.841471
x −0.2
1 −0.2
, o
sea que P
1
(x) = −0.248331(x −1) + 1.051839(x −0.2) y f(0.6) = 0.520068
b) Para x
0
= 0.4 y x
1
= 0.8, entonces y
0
= sen 0.4 = 0.389418 y y
1
=
sen 0.8 = 0.717356 luego Q
1
(x) = 0.389418
x −0.8
0.4 −0.8
+0.717356
x −0.4
0.8 −0.4
, por
tanto Q
1
(x) = −0.973545(x − 0.8) + 1.79339(x − 0.4) y f(0.6) = 0.553387.

En la figura 4.1 podemos observar como Q
1
aproxima mejor a y = f(x) que
P
1
.
6
6
-
0.2 0.4 0.6 0.8
1
0.2
0.4
0.6
0.8
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
.
.
.
.
.
.
.
P
1
(x)
-
6
6
6
0.2
0.2
0.4
0.4
0.6
0.6
0.8
0.8
1
1
..
6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. ..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
y = f(x)
y = f(x)
P
1
Q
1
Figura 4.1
4.1. INTERPOLACI
´
ON DE LAGRANGE
110 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
En general si se tiene los n + 1 puntos x
0
, x
1
, . . . , x
n
, y si f(x
k
) = P(x
k
)
para k = 0, 1, 2, 3 . . . , n el polinomio que pasa por esos n + 1 puntos es
P
n
(x) =
n
¸
k=0
y
k
L
n,k
,
donde
L
n,k
=
(x −x
0
)(x −x
1
) . . . (x −x
k−1
)(x −x
k+1
) . . . (x −x
n
)
(x
k
−x
0
)(x
k
−x
1
) . . . (x
k
−x
k−1
)(x
k
−x
k+1
) . . . (x
k
−x
n
)
,
o usando una notaci´on m´as compacta
L
n,k
=
n
¸
j=0
(x −x
j
)
n
¸
j=0
(x
k
−x
j
)
, k = j
Ejemplo 4.1.2. Consideremos y = f(x) = sen x en el intervalo [0.2, 1]
a) Usando los nodos x
0
= 0.2, x
1
= 0.5, x
2
= 1, construir el polinomio
interpolador P
2
(x).
b) Usando los nodos x
0
= 0.2, x
1
= 0.4, x
2
= 0.8, x
3
= 1, construir el
polinomio interpolador P
3
(x) y calcular f(0.6).
Soluci´on
a)
P
2
(x) = y
0
(x −x
1
)(x −x
2
)
(x
0
−x
1
)(x
0
−x
2
)
+y
1
(x −x
0
)(x −x
2
)
(x
1
−x
0
)(x
1
−x
2
)
+y
2
(x −x
0
)(x −x
1
)
(x
2
−x
0
)(x
2
−x
1
)
,
pero y
0
= sen x
0
= 0.198669, y
1
= sen x
1
= 0.479426, y
2
= sen x
2
= 0.841471,
luego
P
2
(x) = 0.198669
(x −0.5)(x −1)
(0.2 −0.5)(0.2 −1)
+ 0.479426
(x −0.2)(x −1)
(0.5 −0.2)(0.5 −1)
+0.841471
(x −0.2)(x −0.5)
(1 −0.2)(1 −0.5)
,
luego
P
2
(x) = 0.198669
(x −0.5)(x −1)
0.24
+ 0.479426
(x −0.2)(x −1)
−0.15
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 111
+0.841471
(x −0.2)(x −0.5)
0.4
,
por tanto
P
2
(x) = 0.8277675(x−0.5)(x−1)−3.196173(x−0.2)(x−1)+2.103678(x−0.2)(x−0.5),
b)
P
3
(x) = y
0
(x −x
1
)(x −x
2
)(x −x
3
)
(x
0
−x
1
)(x
0
−x
2
)(x
0
−x
3
)
+ y
1
(x −x
0
)(x −x
2
)(x −x
3
)
(x
1
−x
0
)(x
1
−x
2
)(x
1
−x
3
)
+y
2
(x −x
0
)(x −x
1
)(x −x
3
)
(x
2
−x
0
)(x
2
−x
1
)(x
2
−x
3
)
+ y
3
(x −x
0
)(x −x
1
)(x −x
2
)
(x
3
−x
0
)(x
3
−x
1
)(x
3
−x
2
)
,
pero y
0
= sen x
0
= 0.198669, y
1
= sen x
1
= 0.389418, y
2
= sen x
2
= 0.717356
y y
3
= sen x
3
= 0.8411471, luego
P
3
(x) = 0.198669
(x −0.4)(x −0.8)(x −1)
(0.2 −0.4)(0.2 −0.8)(0.2 −1)
+0.389418
(x −0.2)(x −0.8)(x −1)
(0.4 −0.2)(0.4 −0.8)(0.4 −1)
+0.717356
(x −0.2)(x −0.4)(x −1)
(0.8 −0.2)(0.8 −0.4)(0.8 −1)
+0.841471
(x −0.2)(x −0.4)(x −0.8)
(1 −0.2)(1 −0.4)(1 −0.8)
,
por tanto
P
3
(x) = −2.069469(x−0.4)(x−0.8)(x−1)+8.112875(x−0.2)(x−0.8)(x−1)
−14.9449(x −0.2)(x −0.4)(x −1) + 8.765323(x −0.2)(x −0.4)(x −0.8)
con este polinomio el valor de f(0.6) = 0.56449
4.2. Cotas de Error
Teorema 4.2.1. Polinomio Interpolador de Lagrange Supongamos
que f ∈ C
n+1
[a, b] y x
0
, x
1
, . . . , x
n
son los nodos de interpolaci´on, entonces,
∀x ∈ [a, b]
f(x) = P
n
(x) + E
n
(x),
donde
E
n
(x) =
(x −x
0
)(x −x
1
) . . . (x −x
n
)f
(n+1)
(c)
(n + 1)!
c ∈ [a, b]
4.2. COTAS DE ERROR
112 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Demostraci´on. Miremos primero el caso n = 1, para esto sea
g(t) = f(t) −P
1
(t) −E
1
(x)
(t −x
0
)(t −x
1
)
(x −x
0
)(x −x
1
)
,
luego
g(x) = f(x) −P
1
(x) −E
1
(x)
(x −x
0
)(x −x
1
)
(x −x
0
)(x −x
1
)
= f(x) −P
1
(x) −E
1
(x) = 0,
g(x
0
) = f(x
0
) −P
1
(x
0
) −E
1
(x)
(x
0
−x
0
)(x
0
−x
1
)
(x −x
0
)(x −x
1
)
= 0
y
g(x
1
) = f(x
1
) −P
1
(x
1
) −E
1
(x)
(x
1
−x
0
)(x
1
−x
1
)
(x −x
0
)(x −x
1
)
= 0.
Supongamos sin perder generalidad que x ∈ (x
0
, x
1
), luego por el teorema
de Rolle aplicado a g(t) en [x
0
, x] se tiene que existe d
0
∈ (x
0
, x) tal que
g

(d
0
) = 0 y aplicando el mismo teorema a g en el intervalo [x, x
1
] existe
d
1
∈ (x, x
1
) tal que g

(d
1
) = 0, luego la funci´on g

(t) = 0 si t = d
0
o
t = d
1
, aplicando nuevamente el teorema de Rolle pero a la funci´on g

(t) en
el intervalo [d
0
, d
1
] existe c ∈ (d
0
, d
1
) tal que g

(c) = 0, pero
g

(t) = f

(t) −P

1
(t) −E
1
(x)
[(t −x
1
) + (t −x
0
)]
(x −x
0
)(x −x
1
)
y
g

(t) = f

(t) −P

1
(t) −E
1
(x)
2
(x −x
0
)(x −x
1
)
,
pero como P
1
(x) es de grado 1, entonces P

1
(t) = 0, ∀t luego
g

(t) = f

(t) −E
1
(x)
2
(x −x
0
)(x −x
1
)
,
as´ı que
0 = f

(c) −E
1
(x)
2
(x −x
0
)(x −x
1
)
,
de modo que
E
1
(x) =
f

(c)
2
(x −x
0
)(x −x
1
).
Para el caso general observemos que si x = x
k
, k = 0, 1, 2, . . . , n, entonces
E
n
(x
k
) = 0, as´ı que f(x
k
) = P
n
(x
k
), y en este caso c puede tomar un valor
arbitrario en (a, b), supongamos, x = x
k
k = 0, 1, 2, . . . , n y sea
g(t) = f(t) −P
n
(t) −E
n
(x)
(t −x
0
)(t −x
1
) . . . (t −x
n
)
(x −x
0
)(x −x
1
) . . . (x −x
n
)
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 113
= f(t) −P
n
(t) −E
n
(x)
n
¸
i=0
(t −x
i
)
x −x
i
,
cuando t = x
k
, se tiene que,
g(x
k
) = f(x
k
)−P
n
(x
k
)−E
n
(x)
n
¸
i=0
(x
k
−x
i
)
x −x
i
= 0−E
n
(x)0 = 0 k = 0, 1, 2, . . . , n,
adem´as
g(x) = f(x) −P
n
(x) −E
n
(x)
n
¸
i=0
(x −x
i
)
x −x
i
= f(x) −P
n
(x) −E
n
(x) = 0,
luego g se anula en los n+2 puntos x, x
0
, x
1
, . . . , x
n
, por tanto por el teorema
de Rolle existe c ∈ (a, b) tal que g
n+1
(c) = 0, pero
g
(n+1)
(t) = f
(n+1)
(t) −P
(n+1)
n
(t) −E
n
(x)
d
n+1
dt
n+1
n
¸
i=0
(t −x
i
)
(x −x
i
)
,
pero como P
n
(x) es un polinomio de grado n , entonces P
(n+1)
n
(t) = 0, adem´as
n
¸
i=0
(t −x
i
)
x −x
i
=
1
¸
n
i=0
(x −x
i
)
t
n+1
+terminos de grado menor que n
y
d
n+1
dt
n+1
n
¸
i=0
(t −x
i
)
(x −x
i
)
=
(n + 1)!
¸
n
i=0
(x −x
i
)
ya que
d
n+1
dt
n+1
t
n+1
= (n + 1)n(n −1) . . . 2.1 = (n + 1)!,
luego
0 = f
(n+1)
(c) −0 −E
n
(x)
(n + 1)!
¸
n
i=0
(x −x
i
)
,
as´ı que
E
n
(x) =
f
(n+1)
(c)
(n + 1)!
n
¸
i=0
(x −x
i
)
4.2. COTAS DE ERROR
114 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
4.3. Polinomio Interpolador de Newton
Cuando queremos aproximar funciones por polinomios es deseable disponer
de varios polinomios y escoger el que m´as se adecu´e a las necesidades del
problema. En los polinomios de Lagrange, estos se construyen individual-
mente, y no tienen relaci´on alguna entre si, esto, junto con el hecho de que
para su construcci´on se necesita un alto n´ umero de operaciones, lo cual
implica un alto costo computacional, constituyen una desventaja.
Presentamos ahora los polinomios interpolantes de Newton, los cuales
se construyen recursivamente. Sean
P
1
(x) = a
0
+ a
1
(x −x
0
)
P
2
(x) = a
0
+ a
1
(x −x
0
) + a
2
(x −x
0
)(x −x
1
)
P
3
(x) = a
0
+ a
1
(x −x
0
) + a
2
(x −x
0
)(x −x
1
) + a
3
(x −x
0
)(x −x
1
)(x −x
2
)
.
.
P
n
(x) = a
0
+ a
1
(x −x
1
) + a
2
(x −x
1
)(x −x
2
) + a
3
(x −x
0
)(x −x
1
)(x −x
2
)
+ + a
n
(x −x
0
)(x −x
1
)(x −x
2
) . . . (x −x
n−1
).
Observemos que
P
2
(x) = P
1
(x) + a
2
(x −x
0
)(x −x
1
)
P
3
(x) = P
2
(x) + a
3
(x −x
0
)(x −x
1
)(x −x
2
)
.
.
P
n
(x) = P
n−1
(x) + a
n
(x −x
0
)(x −x
1
)(x −x
2
) . . . (x −x
n−1
).
Definici´on 4.3.1. Al polinomio
P
n
(x) = P
n−1
(x) + a
n
(x −x
0
)(x −x
1
)(x −x
2
) . . . (x −x
n−1
)
de le define como el polinomio de Newton con n centros x
0
, x
1
, . . . , x
n−1
Ejemplo 4.3.1. Dados los centros x
0
= 2, x
1
= 4, x
2
= 5, x
3
= 6, con
a
0
= 4, a
1
= 3, a
2
= −5, a
3
= −4, a
5
= 0.5, calcular P
1
(x), P
2
(x), P
3
(x),
P
4
(x) y evaluar P
3
(2.6).
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 115
Soluci´on
a)
P
1
(x) = 4 + 3(x −2)
P
2
(x) = 4 + 3(x −2) −5(x −2)(x −4)
P
3
(x) = 4 + 3(x −2) −5(x −2)(x −4) −4(x −2)(x −4)(x −5)
P
4
(x) = 4 + 3(x −2) −5(x −2)(x −4) −4(x −2)(x −4)(x −5)
+0.5(x −2)(x −4)(x −5)(x −6)
b)
P
3
(2.6) = 4 + 1.8 + 4.2 −8.064 = 1.936

La forma de evaluar a P
3
(2.6) se puede hacer de manera m´as f´acil de
la siguiente forma
P
3
(x) = (((a
3
(x −x
2
) + a
2
)(x −x
1
) + a
1
)(x −x
0
) + a
0
),
si tomamos S
3
= a
3
= −4, S
2
= S
3
(x − x
2
) + a
2
, S
1
= S
2
(x − x
1
) + a
1
,
S
0
= S
1
(x − x
0
) + a
0
, entonces, S
3
= −4, S
2
= −4 −2.4 − 5 = 4.6,
S
1
= 4.6(2.6 − 4) + 3 = −3.44, S
0
= −3.44(2.6 − 2) + 4 = 1.936, el proceso
anterior se conoce con el nombre de multiplicaciones encajadas.
Supongamos ahora se quieren encontrar los coeficientes a
k
de los poli-
nomios de Newton que aproximan a la funci´on f(x), entonces para P
1
(x) se
tiene que P
1
(x
0
) = f(x
0
) y P
1
(x
1
) = f(x
1
), luego P
1
(x
0
) = a
0
= f(x
0
) y
P
1
(x
1
) = f(x
1
) = a
0
+ a
1
(x
1
−x
0
), de modo que,
a
1
=
f(x
1
) −f(x
0
)
x
1
−x
0
.
Para P
2
(x), se tiene que f(x
2
) = P
2
(x
2
) = f(x
0
) + a
1
(x
2
− x
0
) + a
2
(x
2

x
0
)(x
2
−x
1
), luego
f(x
2
) −f(x
0
) −a
1
(x
2
−x
0
)
(x
2
−x
0
)(x
2
−x
1
)
= a
2
,
o sea que
a
2
=
f(x
2
) −f(x
0
)
(x
2
−x
0
)(x
2
−x
1
)

f(x
1
)−f(x
0
)
x
1
−x
0
(x
2
−x
0
)
(x
2
−x
0
)(x
2
−x
1
)
4.3. POLINOMIO INTERPOLADOR DE NEWTON
116 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
=

f(x
2
) −f(x
0
)
(x
2
−x
0
)(x
2
−x
1
)

f(x
1
) −f(x
0
)
(x
1
−x
0
)(x
2
−x
1
)

,
por lo tanto
a
2
=
(f(x
2
) −f(x
0
))(x
1
−x
0
) −(f(x
1
) −f(x
0
))(x
2
−x
0
)
(x
1
−x
0
)(x
2
−x
0
)(x
2
−x
1
)
,
o tambi´en
a
2
=
x
1
f(x
2
) −x
1
f(x
0
) −x
0
f(x
2
) + x
0
f(x
0
) −x
2
f(x
1
) + x
0
f(x
1
) + x
2
f(x
0
) −x
0
f(x
0
)
(x
1
−x
0
)(x
2
−x
0
)(x
2
−x
1
)
,
de modo que
a
2
=
f(x
2
)(x
1
−x
0
) −f(x
1
)(x
1
−x
0
) −f(x
1
)(x
2
−x
1
) + f(x
0
)(x
2
−x
1
)
(x
1
−x
0
)(x
2
−x
0
)(x
2
−x
1
)
,
=

(x
1
−x
0
)(f(x
2
) −f(x
1
))
(x
1
−x
0
)(x
2
−x
1
)

(x
2
−x
1
)(f(x
1
) −f(x
0
))
(x
1
−x
0
)(x
2
−x
1
)

1
x
2
−x
0
,
y por tanto
a
2
=

f(x
2
) −f(x
1
)
x
2
−x
1

f(x
1
) −f(x
0
)
x
1
−x
0

1
x
2
−x
0
.
El numerador es una diferencia de cocientes de diferencias, a cada uno de
estos cocientes, se les llama diferencias divididas, definamos este concepto.
Definici´on 4.3.2. Sea f(x) una funci´on se define las diferencias divididas
de f(x) como
f[x
k
] = f(x
k
)
f[x
k−1
, x
k
] =
f[x
k
] −f[x
k−1
]
x
k
−x
k−1
f[x
k−2
, x
k−1
, x
k
] =
f[x
k−1
, x
k
] −f[x
k−2
, x
k−1
]
x
k
−x
k−2
f[x
k−3
, x
k−2
, x
k−1
, x
k
] =
f[x
k−2
, x
k−1
, x
k
] −f[x
k−3
, x
k−2
, x
k−1
]
x
k
−x
k−3
,
en general
f[x
k−j
, x
k−j+1
. . . , x
k
] =
f[x
k−j+1
, x
k−j+2
. . . , x
k
] −f[x
k−j
, x
k−j+1
, . . . , x
k−1
]
x
k
−x
k−j
,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 117
Las diferencias divididas nos permitir´an calcular los coeficientes a
k
de los
polinomios de Newton, ya que estos se calculan mediante la expresi´on
a
k
= f[a
0
, a
1
, a
2
. . . , a
k
] k = 0, 1, 2, 3, . . . , n
.
La siguiente tabla ilustra las diferencias divididas para k = 0, 1, 2, 3, 4
k f[x
k
] f[, ] f[, , ] f[, , , ] f[, , , , ]
0 f[x
0
]
1 f[x
1
] f[x
0
, x
1
]
2 f[x
2
] f[x
1
, x
2
] f[x
0
, x
1
, x
2
]
3 f[x
3
] f[x
2
, x
3
] f[x
1
, x
2
, x
3
] f[x
0
, x
1
, x
2
, x
3
]
4 f[x
4
] f[x
3
, x
4
] f[x
2
, x
3
, x
4
] f[x
1
, x
2
, x
3
, x
4
] f[x
0
, x
1
, x
2
, x
3
, x
4
]
TABLA 17
Ejemplo 4.3.2. Si f(x) = cos x, construir la tabla de diferencias divididas
para los nodos x
0
= 0.2, x
1
= 0.4, x
2
= 0.8, x
3
= 1.0, x
4
= 1.2.
Soluci´on
Las diferencias divididas en este caso se muestran en la tabla 18
k x
k
f[x
k
] f[, ] f[, , ] f[, , , ] f[, , , , ]
0 0,2 0,9800666
1 0,4 0,92106099 -0,2956281
2 0,8 0,6967067 -0,5608857 -0,442096
3 1,0 0,540302 -0,782022 -0,3685605 0,0919194
4 1,2 0,3623578 -0,8897225 -0,26925125 0,1241366 0,0322172
TABLA 18

Ejemplo 4.3.3. Calcular los coeficientes a
k
y los cuatro polinomios inter-
polantes de Newton si f(x) = sen x para los puntos x
0
= 0, x
1
= 1, x
2
= 2,
x
3
= 3, x
4
= 4.
Soluci´on
Las diferencias divididas en este caso se muestran en la tabla 19.
4.3. POLINOMIO INTERPOLADOR DE NEWTON
118 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
x
k
f[x
k
] f[, ] f[, , ] f[, , , ] f[, , , , ]
0 0
1 0.841471 0.841471
2 0.909297 0.067826 -0.3868225
3 0.141120 -0.768177 -0.4180015 -0.010393
4 -0.756802 -0.897922 -0.0648725 0.1177097 0.0320257
TABLA 19
luego a
0
= 0, a
1
= 0.841471, a
2
= −0.3868225, a
3
= −0.010393, a
4
=
0.0320257, as´ı que
P
1
(x) = a
0
+ a
1
(x −x
0
) = 0 + 0.841471(x −0) = 0.841471x,
P
2
(x) = a
0
+ a
1
(x −x
0
) + a
2
(x −x
0
)(x −x
1
),
luego
P
2
(x) = 0.841471x −0.3868225x(x −1),
para P
3
(x) se tiene que
P
3
(x) = a
0
+ a
1
(x −x
0
) + a
2
(x −x
0
)(x −x
1
) + a
3
(x −x
0
)(x −x
1
)(x −x
1
),
de modo que
P
3
(x) = 0.841471x −0.3868225x(x −1) −0.010393x(x −1)(x −2),
ahora
P
4
(x) = a
0
+a
1
(x −x
0
) +a
2
(x −x
0
)(x −x
1
) +a
3
(x −x
0
)(x −x
1
)(x −x
2
)+
a
4
(x −x
0
)(x −x
1
)(x −x
2
)(x −x
3
),
por consiguiente
P
4
(x) = 0.841471x −0.3868225x(x −1) −0.010393x(x −1)(x −2)+
0.0320257x(x −1)(x −2)(x −3).

CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 119
4.4. Polinomios de Hermite
Definici´on 4.4.1. Sean x
0
, x
1
, . . . , x
n
∈ [a, b], m
i
un entero no negativo, aso-
ciado a cada x
i
, con i = 0, 1, 2, 3 . . . , n, f ∈ C
m
[a, b] con m = m´ax
0≤i≤n
m
i
,
definimos el Polinomio Osculante que aproxima a f como el polinomio
de menor grado tal que
d
(k)
P(x
i
)
dx
k
=
d
(k)
f(x
i
)
dx
k
,
∀k = 0, 1, 2, 3, . . . , m
i
Observemos que si i = 0, entonces k = 0, 1, 2, . . . , m
0
, luego P
(0)
(x
0
) =
f
(0)
(x
0
), P

(x
0
) = f

(x
0
), P

(x
0
) = f

(x
0
),. . . , P
(m
0
)
(x
0
) = f
(m
0
)
(x
0
),
o sea que en este caso el polinomio osculante es que aproxima a f es el
m
0
-´esimo polinomio de Taylor, pero si m
i
= 0 para i = 1, 2, 3, . . . , n ,
entonces, P(x
0
) = f(x
0
), P(x
1
) = f(x
1
), P(x
2
) = f(x
2
), . . . , P(x
n
) = f(x
n
),
es decir que P(x
k
) = f(x
k
) para k = 1, 2, 3, . . . , n y en este caso el polinomio
osculante es el n-´esimo polinomio de Lagrange.
Ahora si m
i
= 1 para i = 0, 1, 2, . . . , n, el polinomio osculante que
aproxima a f son los llamados Polinomios de Hermite, obs´ervese que en
este caso P(x
k
) = f(x
k
) y P

(x
k
) = f

(x
k
), k = 0, 1, 2, 3, . . . , n.
Teorema 4.4.1. Sea f ∈ C[a, b], x
0
, x
1
, x
2
, . . . , x
n
∈ [a, b] con x
i
= x
j
,
i, j = 0, 1, 2, . . . , n, el polinomio ´ unico de menor grado que coincide con f y
f

en x
0
, x
1
, x
2
, . . . , x
n
es el polinomio de Hermite de grado 2n + 1 dado por
H
2n+1
(x) =
n
¸
i=0
f(x
i
)H
n,i
(x) +
n
¸
i=0
f

(x
i
)
´
H
n,i
(x)
donde
H
n,i
(x) = [1 −2(x −x
i
)L

n,i
(x
i
)]L
2
n,i
(x)
y
´
H
n,i
(x) = (x −x
i
)L
2
n,i
(x)
Demostraci´on. Como
L
n,i
(x) =
n
¸
j=0,j=i
(x −x
j
)
(x
i
−x
j
)
,
4.4. POLINOMIOS DE HERMITE
120 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
entonces L
n,i
(x
j
) = 0 si j = i y L
n,i
(x
j
) = 1 si j = i, por lo tanto, si i = j
H
n,i
(x
j
) = [1−2(x
j
−x
i
)L

n,i
(x
i
)]L
2
n,i
(x
j
) = 1 y
´
H
n,i
(x
j
) = (x
j
−x
j
)L
2
n,i
(x
j
) =
0, y si j = i H
n,i
(x
j
) = 0 y
´
H
n,i
(x
j
) = 0 , pero como
H
2n+1
(x) =
n
¸
i=0,j=i
f(x
i
)H
n,i
(x) + f(x
j
)H
n,i
(x) +
n
¸
i=0
f

(x
i
)
´
H
n,i
(x),
entonces
H
2n+1
(x
j
) =
n
¸
i=0,j=i
f(x
i
)H
n,i
(x
j
) + f(x
j
)H
n,i
(x
j
) +
n
¸
i=0
f

(x
i
)
´
H
n,i
(x
j
),
as´ı que
H
2n+1
(x
j
) =
n
¸
i=0,j=i
f(x
i
) 0 + f(x
j
) 1 +
n
¸
i=0
f

(x
i
) 0 = f(x
j
),
por tanto H
2n+1
(x
j
) = f(x
j
) para j = 0, 1, 2, . . . , n.
Ahora
H

n,i
(x) = −2L

n,i
(x
i
)L
2
n,i
(x) + 2L
n,i
(x)L

n,i
(x)[1 −2(x −x
i
)L

n,i
(x
i
)],
as´ı que si j = i,
H

n,i
(x
j
) = −2L

n,i
(x
j
)L
2
n,i
(x
j
) + 2L
n,i
(x
j
)L

n,i
(x
j
)[1 −2(x
j
−x
i
)L

n,i
(x
i
)]
= −2L

n,i
(x
i
) 0 + 2 0L

n,i
(x
j
)[1 −2(x
j
−x
j
)L

n,i
(x
i
)] = 0,
y si i = j
H

n,j
(x
j
) = −2L

n,j
(x
j
)L
2
n,j
(x
j
) + 2L
n,j
(x
j
)L

n,j
(x
j
)[1 −2(x
j
−x
j
)L

n,j
(x
j
)],
= −2L

n,j
(x
j
) + 2L

n,j
(x
j
) = 0
por tanto H

n,i
(x
j
) = 0 ∀j, i.
Tambi´en
´
H

n,i
(x) = L
2
n,i
(x) + 2(x −x
i
)L
n,i
(x)L

n,i
(x),
as´ı que
´
H

n,i
(x
j
) = L
2
n,i
(x
j
) + 2(x −x
i
)L
n,i
(x
j
)L

n,i
(x
j
)
= L
n,i
(x
j
)[L
n,i
(x
j
) + 2(x
j
−x
i
)L

n,j
(x
j
)],
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 121
luego, si j = i L
n,i
(x
j
) = 0 y por tanto
´
H

n,i
(x
j
) = 0
y si i = j
´
H

n,i
(x
i
) = L
n,i
(x
i
)[L
n,i
(x
i
) + 2(x
i
−x
i
)L

n,i
(x
i
)]
= 1[1 + 2(x
i
−x
i
)L

n,i
(x
i
)] = 1,
de modo que como
H

2n+1
(x) =
n
¸
i=0
f(x
i
)H

n,i
(x) +
n
¸
i=0
f

(x
i
)
´
H

n,i
(x)
=
n
¸
i=0
f(x
i
)H

n,i
(x) +
n
¸
i=0,i=j
f

(x
i
)
´
H

n,i
(x) + f

(x
j
)
´
H

n,i
(x),
entonces
H

2n+1
(x
j
) =
n
¸
i=0
f(x
i
)H

n,i
(x
j
)+
n
¸
i=0,i=j
f

(x
i
)
´
H

n,i
(x
j
)+f

(x
j
)
´
H

n,i
(x
j
) = f

(x
j
).
Por lo anterior se tiene que H
2n+1
(x
j
) = f(x
j
) y H

2n+1
(x
j
) = f

(x
j
), para
j = 0, 1, 2, . . . , n
Ejemplo 4.4.1. Sea f(x) = sen x, construir un polinomio interpolante de
Hermite que aproxime a f(x) en x = 0.4
Soluci´on
Sea x
0
= 0.3, x
1
= 0.32, x
2
= 0.35, se tiene entonces que f(x
0
) = 0.29552,
f(x
1
) = 0.31457, f(x
2
) = 0.3429, adem´as f

(x) = cos x, luego
f

(x
0
) = 0.95534, f

(x
1
) = 0.94924, f

(x
2
) = 0.93937, como k = 0, 1, 2,
entonces n = 2, as´ı que el polinomio de Hermite es H
2n+1
(x) = H
5
(x) dado
por
H
5
(x) =
2
¸
i=0
f(x
i
)H
2,i
(x) +
2
¸
i=0
f

(x
i
)
´
H
2,i
(x),
= f(x
0
)H
2,0
(x) + f(x
1
)H
2,1
(x) + f(x
2
)H
2,2
(x)
+f

(x
0
)
´
H
2,0
(x) + f

(x
1
)
´
H
2,1
(x) + f

(x
2
)
´
H
2,2
(x),
pero sabemos que
H
2,i
(x) = [1 −2(x −x
i
)L

2,i
(x)]L
2
2,i
(x)
4.4. POLINOMIOS DE HERMITE
122 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
y
´
H
2,i
(x) = (x −x
i
)L
2
2,i
(x),
i = 0, 1, 2 por lo tanto debemos calcular H
2,0
(x), H
2,1
(x), H
2,2
(x)
as´ı como,
´
H
2,0
(x),
´
H
2,1
(x),
´
H
2,2
(x).
Para esto
L
2,0
(x) =
(x −x
1
)(x −x
2
)
(x
0
−x
1
)(x
0
−x
2
)
=
(x −0.32)(x −0.35)
(0.3 −0.32)(0.3 −0.35)
=
(x −
8
25
)(x −
7
20
)
1
1000
,
o sea que
L
2,0
(x) = 1000

x −
8
25

x −
7
20

= 1000x
2
−670x + 112,
L
2,1
(x) =
(x −x
0
)(x −x
2
)
(x
1
−x
0
)(x
1
−x
2
)
=
(x −0.3)(x −0.35)
(0.32 −0.3)(0.32 −0.35)
=
(x −
3
10
)(x −
7
20
)

3
5000
,
luego
L
2,1
(x) = −
5000
3

x −
3
10

x −
7
20

= −
5000
3
x
2
+
3250
3
x −175
y
L
2,2
(x) =
(x −x
0
)(x −x
1
)
(x
2
−x
0
)(x
2
−x
1
)
=
(x −0.3)(x −0.32)
(0.35 −0.3)(0.35 −0.32)
=
(x −
3
10
)(x −
8
25
)
3
2000
,
luego
L
2,2
(x) =
2000
3

x −
3
10

x −
8
25

=
2000
3
x
2

1240
3
x + 64,
de lo anterior se tiene que
L

2,0
(x) = 2000x−670, L

2,1
(x) = −
10000
3
x+
3250
3
, L

2,2
(x) =
4000
3
x−
1240
3
,
por tanto,
L

2,0
(x
0
) = −70, L

2,1
(x
1
) =
50
3
L

2,2
(x
2
) =
160
3
luego
H
2,0
(x) =

1−2

x−
3
10

(−70)

(1000x
2
−670x+112)
2
= (140x−41)(1000x
2
−670x+112)
2
,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 123
H
2,1
(x) =

1 −2

x −
8
25

50
3


5000
3
x
2
+
3250
3
x −175

2
=


100
3
x +
35
3


5000
3
x
2
+
3250
3
x −175

2
,
y
H
2,2
(x) =

1 −2

x −
7
20

160
3

2000
3
x
2

1240
3
x + 64

2
=


320
3
x +
115
3

2000
3
x
2

1240
3
x + 64

2
.
Ahora
´
H
2,0
(x) =

x −
3
10

1000x
2
−670x + 112

2
,
´
H
2,1
(x) =

x −
8
25


5000
3
x
2
+
3250
3
x −175

2
,
y
´
H
2,2
(x) =

x −
7
20

2000
3
x
2

1240
3
x + 64

2
,
luego
H
5
(x) = 0.29552H
2,0
(x) + 0.31457H
2,1
(x) + 0.3429H
2,2
(x)
+0.95534
´
H
2,0
(x) + 0.94924
´
H
2,1
(x) + 0.93937
´
H
2,2
(x).
Pero H
2,0
(0.34) =
33
125
, H
2,1
(0.34) =
4
27
, H
2,2
(0.34) =
19845
3375
,
´
H
2,0
(0.34) =
1
625
,
´
H
2,1
(0.34) =
2
225
y
´
H
2,2
(0.34) = −
16
5625
, entonces
H
5
(0.34) = 0.29552

33
125

+ 0.31457

4
27

+ 0.3429

1984
3375

+0.95534

1
625

+ 0.94924

2
225

−0.93937

16
5625

de modo que
H
5
(0.34) = 0.333489.

Como se observa en el ejemplo anterior el c´alculo de los polinomios
de Hermite a´ un en el caso en que se tengan pocos puntos, es muy costoso
computacionalmente. Otro m´etodo para generar los polinomios de Hermite,
4.4. POLINOMIOS DE HERMITE
124 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
es utilizando las diferencia divididas interpolantes de Newton, usadas para
obtener dichos polinomios, que como hemos comentado est´an dados por
P
n
= f[x
0
] +
n
¸
i=1
f[x
0
, x
1
, ..., x
i
](x −x
0
)(x −x
1
)...(x −x
i
).
Supongamos se tiene x
0
, x
1
, . . . , x
n
, x
i
= x
j
, f(x
i
) y f

(x
i
), i = 0, 1, 2, . . . , n,
sea z
2i
= z
2i+1
= x
i
, ∀i = 0, 1, 2, . . . , n, con estos nuevos puntos se construye
la tabla de diferencias divididas. Pero como z
2i
= z
2i+1
, no se puede tener
f[z
2i
, z
2i+1
] en este caso se toma f[z
2i
, z
2i+1
] = f

(x
i
), para i = 0, 1, 2, . . . , n,
el polinomio de Hermite es entonces
H
2n+1
(x) = f[x
0
] +
2n+1
¸
i=1
f[z
0
, z
1
, ..., z
n
](x −z
0
)(x −z
1
)...(x −z
i−1
).
Ejemplo 4.4.2. Sea f(x) = sen x, construir un polinomio interpolante de
Hermite que aproxime a f(x) en x = 0.34
Soluci´on
Como antes sea x
0
= 0.3, x
1
= 0.32, x
2
= 0.35, se tiene entonces que
f(x
0
) = 0.29552, f(x
1
) = 0.31457, f(x
2
) = 0.3429, adem´as f

(x) = cos x,
luego f

(x
0
) = 0.95534, f

(x
1
) = 0.94924, f

(x
2
) = 0.93937, como k = 0, 1, 2,
la tabla de diferencia divididas es entonces
z
0
0.3 0.29552
z
1
0.3 0.29552 0.95534
z
2
0.32 0.31457 0.9525 -0.142
z
3
0.32 0.31457 0.94924 -0.163 -1.05
z
4
0.35 0.3429 0.94433 -0.16367 -0.0134 20.732
z
5
0.35 0.3429 0.93937 -0.16533 -0.05533 -0.7986 398.668
TABLA 20
As´ı que,
H
2n+1
(x) = 0.29552+0.95534

x−
3
10

−0.142

x−
3
10

2
−1.05

x−
3
10

2

x−
8
25

+20.732

x −
3
10

2

x −
8
25

2
+ 398.668

x −
3
10

2

x −
8
25

2

x −
7
20

,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 125
luego
H
2n+1

17
50

= H
2n+1
(0.34) = 0.29552+0.95534

17
50

3
10

−0.142

17
50

3
10

2
−1.05

17
50

3
10

2

17
50

8
25

+ 20.732

17
50

3
10

2

17
50

8
25

2
+398.668

17
50

3
10

2

17
50

8
25

2

17
50

7
20

= 0.333489,
que coincide con la aproximaci´ on obtenida con anterioridad.
4.5. Aproximaci´on de Pad´e
Es posible aproximar una funci´on f(x) por un polinomio racional, esto es, si
se tiene
P
n
(x) = p
0
+ p
1
x + p
2
x
2
+ p
3
x
3
+ + p
n
x
n
y
R
m
(x) = 1 + q
1
x + q
2
x
2
+ q
3
x
3
+ + q
m
x
m
se desea encontrar un polinomio cociente
Q
n,m
(x) =
P
n
(x)
R
m
(x)
,
que aproxime a la funci´on f(x).
Obs´ervese que el primer sumando de R
m
(x) lo hemos tomado igual a
uno, lo cual es posible ya que como q
0
debe ser distinto de cero, siempre
es posible dividir numerador y denominador por q
0
teniendo siempre a uno
como primer sumando de R
m
(x).
El polinomio Q
n,m
(x), se toma de tal forma que f y sus derivadas
hasta de orden n + m coincidan en x = 0.
Supongamos f(x) es anal´ıtica en x = 0 y que tiene como serie de
MacLaurin
f(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
+ + a
k
x
k
+ . . .
y sea
R
m
(x)f(x) −P
n
(x) = C(x),
4.5. APROXIMACI
´
ON DE PAD
´
E
126 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
o sea


¸
j=0
a
j
x
j

m
¸
j=0
q
j
x
j


n
¸
j=0
p
j
x
j
=


¸
j=n+m+1
c
j
x
j

, q
0
= 1.
Al igualar a cero los coeficientes de la potencias iguales x
k
,
k = 1, 2, 3, . . . , n + m se obtienen n + m + 1 ecuaciones lineales con
variables p
i
, i = 0, 1, 2, 3, . . . , n y q
j
, j = 1, 2, 3, . . . , m.
El proceso anterior se conoce como el m´etodo de aproximaci´on de
Pad´e, el cual como hemos visto requiere que f(x) y sus derivadas sean
continuas en x = 0.
Ejemplo 4.5.1. Determine la aproximaci´on de Pad´e Q
3,2
de f(x) = ln(1 +
x).
Soluci´on
Como el desarrollo de MacLaurin de f(x) = ln(1 + x) es
f(x) = x −
x
2
2
+
x
3
3

x
4
4
+
x
5
5
−. . .
el cual se puede escribir como
f(x) = x(1 −
x
2
+
x
2
3

x
3
4
+
x
4
5
−. . . ),
entonces se determina primero la aproximaci´on de Pad´e R
2,2
(x) para g(x) =
f(x)
x
, para esto sea

1−
x
2
+
x
2
3

x
3
4
+
x
4
5
−. . .

(1+q
1
x+q
2
x
2
)−p
0
−p
1
x−p
2
x
2
= 0+0x+0x
2
+0x
3
+0x
4
+ c
5
x
5
+ . . . ,
o sea que
(1 −p
0
) +

q
1

1
2
−p
1

x +

q
2

q
1
2
+
1
3
−p
2

x
2
+

1
3
q
1

1
2
q
2

1
4

x
3
+


1
4
q
1
+
1
3
q
2
+
1
5

x
4
+ = 0 + 0x + 0x
2
+ 0x
3
+ 0x
4
+ c
5
x
5
+ . . . ,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 127
entonces se tiene que
1 −p
0
= 0,
q
1

1
2
−p
1
= 0
q
2

q
1
2
+
1
3
−p
2
= 0
1
3
q
1

1
2
q
2

1
4
= 0

1
4
q
1
+
1
3
q
2
+
1
5
= 0,
luego al resolver las dos ´ ultimas ecuaciones se tiene que q
1
=
6
5
y q
2
=
3
10
,
al reemplazar estos valores en las ecuaciones 2 y 3 anteriores se tiene que
p
1
=
7
10
y p
2
=
1
30
, adem´as p
0
= 1 de la primera ecuaci´on, as´ı que
g(x) ≈
1 +
7
10
x +
1
30
x
2
1 +
6
5
x +
3
10
x
2
=
30 + 21x + x
2
30
10 + 12x + 3x
2
10
=
30 + 21x + x
2
30 + 36x + 9x
2
,
de modo que
f(x) = ln(1 + x) ≈ Q
3,2
(x) =
30x + 21x
2
+ x
3
30 + 36x + 9x
2

Ejemplo 4.5.2. Determine la aproximaci´on de Pad´e Q
5,4
(x) de f(x) = sen x
y evaluar sen 0.34 a partir de dicha aproximaci´on.
Soluci´on
Sabemos que la serie de MacLaurin para sen x es
sen x = x −
x
3
3!
+
x
5
5!

x
7
7!
+
x
9
9!
−. . . ,
4.5. APROXIMACI
´
ON DE PAD
´
E
128 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
como x es un factor, entonces podr´ıamos obtener primero la aproximaci´on
de Pad´e de g(x) =
sen x
x
, o sea
g(x) = 1 −
x
2
3!
+
x
4
5!

x
6
7!
+
x
8
9!
−. . . ,
pero observemos que la funci´on g(x) solo contiene potencia pares de x, lo
cual permite encontrar la aproximaci´ on de Pad´e para
h(x) = g(x
1
2
) = 1 −
x
3!
+
x
2
5!

x
3
7!
+
x
4
9!
−. . .
y luego reemplazar a x por x
2
. Sea entonces

1 −
x
6
+
x
2
120

x
3
5040
+
x
4
362880
−. . .

(1 + q
1
x + q
2
x
2
) −p
0
−p
1
x −p
2
x
2
= 0 + 0x + 0x
2
+ 0x
3
+ 0x
4
+ c
5
x
5
+ . . . ,
luego se tiene que
1 −p
0
= 0,
q
1

1
6
−p
1
= 0
1
120

q
1
6
+ q
2
−p
2
= 0

1
5040
+
1
120
q
1

1
6
q
2
= 0
1
362880
+
1
120
q
2

1
5040
q
1
= 0,
resolviendo las dos ´ ultimas ecuaciones se tiene que q
1
=
91
2772
y q
2
=
5
11088
,
luego entonces se tiene que p
1
= −
371
2772
y p
2
=
551
166320
ahora como p
0
= 1
se tiene que el polinomio de aproximaci´ on de Pad´e de h(x) es
S
2,2
(x) =
1 −
371
2772
x +
551
166320
x
2
1 +
91
2772
x +
5
11088
x
2
=
166320 −22260x + 551x
2
166320
11088 + 364x + 5x
2
11088
,
o sea que
S
2,2
(x) =
166320 −22260x + 551x
2
15(11088 + 364x + 5x
2
)
,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 129
luego si reemplazamos a x por x
2
se tiene que
sen x
x

166320 −22260x
2
+ 551x
4
15(11088 + 364x
2
+ 5x
4
)
,
de modo que
sen x ≈ Q
5,4
(x) =
166320x −22260x
3
+ 551x
5
15(11088 + 364x
2
+ 5x
4
)
.
Observamos que
sen 0.34 ≈ Q
5,4
(0.34) =
166320 0.34 −22260 (0.34)
3
+ 551 (0.34)
5
15(11088 + 364 (0.34)
2
+ 5 (0.34)
4
)
=
55676.39645
166952.1783
= 0.333487
que coincide con la aproximaci´ on obtenida usando los polinomios de Hermite.

4.6. Interpolaci´on a Trozos
En un polinomio interpolador de grado n es posible tener n−1 extremos rela-
tivos, lo cual trae como consecuencia que tenga muchas oscilaciones o fluc-
tuaciones al pasar por los puntos dados, una alternativa para evitar dichas
fluctuaciones es generar polinomios S
k
(x) que solo interpolen dos nodos con-
secutivos y luego unirlos en sus extremos, el conjunto ¦S
k
(x)¦ forman una
curva polinomial a trozos o spline que notaremos S(x)
(x
0
, y
0
)
(x
1
, y
1
)
(x
2
, y
2
)
(x
3
, y
3
)
(x
k
, y
k
)
(x
k+1
, y
k+1
)
(x
n−1
, y
n−1
)
(x
n
, y
n
)
x
0
x
1
x
3
x
2
x
k
x
k+1
x
n
Figura 4.2
4.6. INTERPOLACI
´
ON A TROZOS
130 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
(x
0
, y
0
)
(x
1
, y
1
)
(x
2
, y
2
)
(x
3
, y
3
)
(x
k
, y
k
)
(x
k+1
, y
k+1
)
(x
n−1
, y
n−1
)
(x
n
, y
n
)
x
0
x
1
x
3
x
2
x
k
x
k+1
x
n
Figura 4.3
4.6.1. Interpolaci´on Lineal a Trozos
Sean (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
),. . . ,(x
k
, y
k
), (x
k+1
, y
k+1
), . . . ,(x
n
, y
n
), los
puntos por los cuales debe pasar el polinomio interpolador, el polinomio m´as
simple que se puede construir es el polinomio de grado uno, el cual produce
una linea poligonal.Fig(4.3)
Por los polinomios interpoladores de Lagrange podemos determinar
cada uno de los segmentos que forman est´a linea poligonal, si S
k
(x) es el
q-´esimo segmento que une los puntos (x
k
, y
k
), (x
k+1
, y
k+1
) se tiene entonces
que
S
k
(x) = y
k
x −x
k+1
x
k
−x
k+1
+ y
k+1
x −x
k
x
k
−x
k+1
,
o tambi´en
S
k
(x) = y
k
+ d
k
(x −x
k
), d
k
=
y
k+1
−y
k
x
k+1
−x
k
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 131
que es la ecuaci´on de la recta que pasa por los puntos dados, luego entonces,
S(x) =

y
0
+ d
0
(x −x
0
), x ∈ [x
0
, x
1
]
y
1
+ d
1
(x −x
1
), x ∈ [x
1
, x
2
]
.
.
.
y
k
+ d
k
(x −x
k
), x ∈ [x
k
, x
k+1
]
.
.
.
y
n−1
+ d
n−1
(x −x
n−1
), x ∈ [x
n−1
, x
n
]
4.6.2. Interpolaci´on C´ ubica o Cercha C´ ubica
Es posible construir una funci´on c´ ubica S
k
(x) en cada intervalo [x
k
, x
k+1
],
tal que la curva a trozos y = S(x) sea dos veces diferenciable y S

(x) sea
continua en [x
0
, x
n
] , lo primero implica que y = f(x) no tiene esquinas y lo
segundo que S(x) tiene un radio de curvatura definido.
Definici´on 4.6.1. Sea P = ¦x
0
, x
1
, x
2
, . . . , x
n−1
, x
n
¦ una partici´on de el
intervalo [x
0
, x
n
], S(x) es un interpolador c´ ubico o cercha c´ ubica de f(x) si
existen n polinomios c´ ubicos S
k
(x) tales que
1. S(x) = a
k
+ b
k
(x −x
k
) + c
k
(x −x
k
)
2
+ d
k
(x −x
k
)
3
2. S(x
k
) = f(x
k
) k = 0, 1, 2, . . . , n
3. S
k
(x
k+1
) = S
k+1
(x
k+1
) k = 0, 1, 2, . . . , n −2
4. S

k
(x
k+1
) = S

k+1
(x
k+1
) k = 0, 1, 2, . . . , n −2
5. S

k
(x
k+1
) = S

k+1
(x
k+1
) k = 0, 1, 2, . . . , n −2
Las condiciones dadas en la definici´on anterior se pueden utilizar para cons-
truir cerchas cubicas, en efecto como
S
k
(x) = a
k
+ b
k
(x −x
k
) + c
k
(x −x
k
)
2
+ d
k
(x −x
k
)
3
y y
k
= f(x
k
) = S
k
(x
k
) = a
k
, entonces, S
k+1
(x
k+1
) = a
k+1
= y
k+1
y por la
condici´on 3 de la definici´on S
k+1
(x
k+1
) = S
k
(x
k+1
), entonces
y
k+1
= a
k
+ b
k
(x
k+1
−x
k
) + c
k
(x
k+1
−x
k
)
2
+ d
k
(x
k+1
−x
k
)
3
,
4.6. INTERPOLACI
´
ON A TROZOS
132 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
sea h
k
= x
k+1
−x
k
, entonces,
y
k+1
= a
k
+ b
k
h
k
+ c
k
h
2
k
+ d
k
h
3
k
(4.1)
para determinar b
k
sea b
n
= S

(x
n
), pero
S

k
(x) = b
k
+ 2c
k
(x −x
k
) + 3d
k
(x −x
k
)
2
,
entonces S

k
(x
k
) = b
k
, k = 0, 1, 2, . . . , n −1, luego por la condici´on 4
b
k+1
= S

k+1
(x
k+1
) = S

k
(x
k+1
) = b
k
+ 2c
k
h
k
+ 3d
k
h
2
k
(4.2)
y S

k
(x) = 2c
k
+ 6d
k
(x −x
k
), luego si tomamos λ
k
= S

k
(x
k
) = 2c
k
, por 5 de
la definici´on se tiene que,
2c
k+1
= S

k+1
(x
k+1
) = S

k
(x
k+1
) = 2c
k
+ 6d
k
h
k
.
Pero entonces d
k
=
c
k+1
−c
k
3h
k
y al reemplazar en 4.1y 4.2 tenemos que
y
k+1
= y
k
+ b
k
h
k
+ c
k
h
2
k
+
c
k+1
−c
k
3h
k
h
3
k
= y
k
+ b
k
h
k
+
(2c
k
+ c
k+1
)
3
h
2
k
(4.3)
y
b
k+1
= b
k
+ 2c
k
h
k
+
3h
2
k
(c
k+1
−c
k
)
3h
k
= b
k
+ h
k
(c
k
+ c
k+1
). (4.4)
De 4.3 se tiene que
b
k
=
y
k+1
−y
k
h
k

h
k
3
(2c
k
+ c
k+1
) (4.5)
reduciendo el ´ındice en una unidad se tiene que
b
k−1
=
y
k
−y
k−1
h
k−1

h
k−1
3
(2c
k−1
+ c
k
) (4.6)
y como
b
k
= b
k−1
+ h
k−1
(c
k−1
+ c
k
) (4.7)
la cual es obtenida al reducir el orden en 4.4, reemplazando 4.5 y 4.6 en 4.7
tenemos que
y
k+1
−y
k
h
k

h
k
3
(2c
k
+c
k+1
) =
y
k
−y
k−1
h
k−1

h
k−1
3
(2c
k−1
+c
k
) +h
k−1
(c
k−1
+c
k
),
luego
3
y
k+1
−y
k
h
k
−2h
k
c
k
−h
k
c
k+1
= 3
y
k
−y
k−1
h
k−1
−2h
k−1
c
k−1
−h
k−1
c
k
+3h
k−1
(c
k−1
+c
k
),
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 133
de modo que
3
y
k+1
−y
k
h
k
−3
y
k
−y
k−1
h
k−1
= 2h
k
c
k
+h
k
c
k+1
−2h
k−1
c
k−1
−h
k−1
c
k
+3h
k−1
c
k−1
+3h
k−1
c
k
,
o sea que
3
y
k+1
−y
k
h
k
−3
y
k
−y
k−1
h
k−1
= h
k−1
c
k−1
+ 2h
k−1
c
k
+ 2h
k
c
k
+ h
k
c
k+1
,
sea β
k
=
y
k+1
−y
k
h
k
, entonces

k
−3β
k−1
= h
k−1
c
k−1
+ 2(h
k−1
+ h
k
)c
k
+ h
k
c
k+1
,
pero como λ
k
= 2c
k
, entonces c
k
=
λ
k
2
, as´ı que
3(β
k
−β
k−1
) = h
k−1
λ
k−1
2
+ 2(h
k−1
+ h
k
)
λ
k
2
+ h
k
λ
k+1
2
,
de modo que,
6(β
k
−β
k−1
) = h
k−1
λ
k−1
+ 2(h
k−1
+ h
k

k
+ h
k
λ
k+1
,
si hacemos v
k
= 6(β
k
−β
k−1
) se tiene que
h
k−1
λ
k−1
+ 2(h
k−1
+ h
k

k
+ h
k
λ
k+1
= v
k
(4.8)
k = 1, 2, 3, . . . , n −1 que representa un sistema de n −1 ecuaciones lineales
con n + 1 variables λ
0
, λ
1
, λ
2
, . . . , λ
n
, observemos que la primera ecuaci´on es
λ
0
h
0
+ 2(h
0
+ h
1

1
+ λ
2
h
1
= v
1
y la ´ ultima es
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
+ λ
n
h
n−1
= v
n−1
ahora si fijamos valores para λ
0
y para λ
n
se tiene entonces que la primera y
´ ultima ecuaci´on se transforman en
2(h
0
+ h
1

1
+ λ
2
h
1
= v
1
−λ
0
h
0
y
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
= v
n−1
−λ
n
h
n−1
las cuales junto con el sistema
λ
k−1
h
k−1
+ 2(h
k−1
+ h
k

k
+ λ
k+1
h
k
= v
k
, k = 2, 3, . . . n −2
forman un sistema de n −1 ecuaciones lineales con n −1 variables.
4.6. INTERPOLACI
´
ON A TROZOS
134 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Estrategia Ecuaci´on para λ
0
y λ
n
Cubica Sujeta: λ
0
=
3
h
0

0
−S

(x
0
)) −
λ
1
2
,
I se especifican S

(x
0
), S

(x
n
)
(es la mejor si se conocen las derivadas) λ
n
=
3
h
n−1
(S

(x
n
) −β
n−1
) −
λ
n−1
2
II Cubica Natural λ
0
= 0, λ
n
= 0
(una curva relajada)
Extrapolada λ
0
= λ
1

h
0

2
−λ
1
)
h
1
,
III se extrapola S

(x
0
) en los extremos
λ
n
= λ
n−1
+
h
n−1

n−1
−λ
n−2
)
h
n−2
IV Con terminaci´on par´abolica λ
0
= λ
1
, λ
n
= λ
n−1
S

(x
0
) es constante cerca de los extremos
V Curvatura en los extremos λ
0
= S

(x
0
), λ
n
= S

(x
n
)
se especifica S

(x) en los extremos
TABLA 21
Los valores escogidos para λ
0
y λ
n
, son habitualmente denominados re-
stricci´on en los extremos, para su escogencia existen cinco estrategias muy
usuales las cuales relacionamos en la tabla 21.
Conocido λ
k
, k = 1, 2, 3, . . . , n − 1 entonces se tiene que a
k
= f(x
k
),
b
k
= β
k

h
k
6
(2λ
k
+ λ
k+1
), c
k
=
λ
k
2
y d
k
=
λ
k+1
−λ
k
6h
k
.
Teorema 4.6.1. Cercha C´ ubica Sujeta. Existe una ´ unica cercha c´ ubica
sujeta que satisface las condiciones sobre la derivada primera en la frontera
dadas por S

(a) = β
0
, S

(b) = β
n
.
Demostraci´on. Sean
λ
0
=
3
h
0

0
−S

(x
0
)) −
λ
1
2
,
y
λ
n
=
3
h
n−1
(S

(x
n
) −β
n−1
) −
λ
n−1
2
Si k = 1, se tiene de 4.8 que
h
0
λ
0
+ 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 135
es decir
h
0

3
h
0

0
−S

(x
0
)) −
λ
1
2

+ 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
,
luego
2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
−h
0

3
h
0

0
−S

(x
0
)) −
λ
1
2

,
o sea que
2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
−3(β
0
−S

(x
0
)) +
h
0
λ
1
2
,
luego
λ
1

2h
0
+ 2h
1

h
0
2

+ h
1
λ
2
= v
1
−3(β
0
−S

(x
0
))
y por tanto

3
2
h
0
+ 2h
1

λ
1
+ h
1
λ
2
= v
1
−3(β
0
−S

(x
0
))
que es la primera ecuaci´on del sistema, pero si k = n −1, entonces
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
+ h
n−1
λ
n
= v
n−1
,
luego
h
n−2
λ
n−2
+2(h
n−2
+h
n−1

n−1
= v
n−1
−h
n−1

3
h
n−1
(S

(x
n
) −β
n−1
) −
λ
n−1
2

,
as´ı que
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
= v
n−1
−3(S

(x
n
) −β
n−1
) +
h
n−1
λ
n−1
2
,
luego
h
n−2
λ
n−2
+

2h
n−2
+
3
2
h
n−1

λ
n−1
= v
n−1
−3(S

(x
n
) −β
n−1
),
que es la ´ ultima ecuaci´on del sistema, las dos ecuaciones anteriores junto con
h
k−1
λ
k−1
+ 2(h
k−1
+ h
k

k
+ h
h
λ
k+1
= v
k
k = 2, 3, 4, . . . , n −2,
forman un sistema lineal de n −1 ecuaciones con n −1 variables de la forma
AX = b cuya matriz de coeficientes es
A =

¸
¸
¸
¸
¸
¸
3
2
h
0
+ 2h
1
h
1
0 0 . . . 0 0
h
1
2(h
1
+ h
2
) h
2
0 . . . 0 0
0 h
2
2(h
2
+ h
3
) h
3
. . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . h
n−2
2h
n−2
+
3
2
h
n−1

,
4.6. INTERPOLACI
´
ON A TROZOS
136 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
X =

¸
¸
¸
¸
¸
¸
¸
λ
1
λ
2
λ
3
.
.
λ
n−1

b =

¸
¸
¸
¸
¸
¸
¸
v
1
−3(β
0
−S

(x
0
))
v
2
v
3
.
.
v
n−1
−3(S

(x
n
) −β
n−1
)

.
En el sistema anterior podemos observar que la matriz A es tridiagonal es-
trictamente diagonal dominante lo cual implica que el sistema tiene soluci´on
´ unica y el teorema queda probado.
Ejemplo 4.6.1. Determinar la cercha c´ ubica sujeta que pasa por los pun-
tos (−3, 2), (−2, 0), (1, 3), (4, 1) y verifica las condiciones sobre la primera
derivada en los extremos dados por S

(−3) = −1, S

(4) = 1.
Soluci´on
Sabemos que a
k
= f(x
k
), b
k
= β
k

h
k
6
(2λ
k
+ λ
k+1
), c
k
=
λ
k
2
y
d
k
=
λ
k+1
−λ
k
6h
k
, k = 0, 1, 2, 3, como es cercha c´ ubica sujeta se toma
λ
0
=
3
h
0

0
−S

(x
0
)) −
λ
1
2
y λ
3
=
3
h
2
(S

(x
3
) −β
2
) −
λ
2
2
, faltar´ıa determinar
λ
1
y λ
2
para esto se resuelve el sistema

3
2
h
0
+ 2h
1

λ
1
+ h
1
λ
2
= v
1
−3(β
0
−S

(x
0
))
h
1
λ
1
+ (2h
1
+
3
2
h
2

2
= v
2
−3(S

(x
3
) −β
2
),
recordemos que h
k
= x
k+1
−x
k
, β
k
=
y
k+1
−y
k
h
k
, v
k
= 6(β
k
−β
k−1
), as´ı que
h
0
= x
1
−x
0
= 1, h
1
= x
2
−x
1
= 3, h
2
= x
2
−x
1
= 3,
β
0
=
y
1
−y
0
h
0
= −2, β
1
=
y
2
−y
1
h
1
= 1, β
2
=
y
3
−y
2
h
2
=
−2
3
,
v
1
= 6(β
1
−β
0
) = 18, v
2
= 6(β
2
−β
1
) = −10.
El sistema a resolver es entonces
15
2
λ
1
+ 3λ
2
= 21

1
+
21
2
λ
2
= −15
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 137
cuya soluci´on es λ
1
=
118
31
y λ
2
= −
78
31
, adem´as λ
0
=
3
1
(−2+1) −
118
31
2
= −
152
31
y λ
3
=
3
3
(1 +
2
3
) +
78
31
2
=
272
93
, luego
a
0
= f(x
0
) = 2,
b
0
= β
0

h
0
6
(2λ
0
+ λ
1
) = −
93
93
= −1,
c
0
=
λ
0
2
= −
76
31
y
d
0
=
λ
1
−λ
0
6h
0
=
45
31
,
luego
S
0
(x) = 2 −(x + 3) −
76
31
(x + 3)
2
+
45
31
(x + 3)
3
−3 ≤ x ≤ −2.
Adem´as se tiene tambi´en que
a
1
= f(x
1
) = 0,
b
1
= β
1

h
1
6
(2λ
1
+ λ
2
) = −
48
31
,
c
1
=
λ
1
2
=
59
31
y
d
1
=
λ
2
−λ
1
6h
1
= −
98
279
,
luego
S
1
(x) = −
48
31
(x + 2) +
59
31
(x + 2)
2

98
279
(x + 2)
3
−2 ≤ x ≤ 1
pero tambi´en
a
2
= f(x
2
) = 3,
b
2
= β
2

h
2
6
(2λ
2
+ λ
3
) =
12
31
,
c
2
=
λ
2
2
= −
39
31
y
d
2
=
λ
3
−λ
2
6h
2
=
253
837
,
4.6. INTERPOLACI
´
ON A TROZOS
138 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
luego
S
2
(x) = 3 +
12
31
(x −1) −
39
31
(x −1)
2
+
253
837
(x −1)
3
1 ≤ x ≤ 4,
de modo que la cercha c´ ubica sujeta es en este ejemplo
S(x) =

S
0
(x) = 2 −(x + 3) −
76
31
(x + 3)
2
+
45
31
(x + 3)
3
−3 ≤ x ≤ −2
S
1
(x) = −
48
31
(x + 2) +
59
31
(x + 2)
2

98
279
(x + 2)
3
−2 ≤ x ≤ 1
S
2
(x) = 3 +
12
31
(x −1) −
39
31
(x −1)
2
+
253
837
(x −1)
3
1 ≤ x ≤ 4

Teorema 4.6.2. Cercha C´ ubica Natural. Existe una ´ unica cercha c´ ubica
natural que satisface las condiciones sobre la derivada primera en la frontera
dadas por S

(x
0
) = 0, S

(x
n
) = 0.
Demostraci´on. Si λ
0
= 0 y λ
n
= 0, la primera y la ´ ultima ecuaci´on est´an
dadas por
2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
y
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
= v
n−1
,
el sistema a resolver es entonces
2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
h
k−1
λ
k−1
+ 2(h
k−1
+ h
k

k
+ h
h
λ
k+1
= v
k
k = 2, 3, 4, . . . , n −2,
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
= v
n−1
,
que es de la forma AX = b con A como matriz de coeficientes dada por
A =

¸
¸
¸
¸
¸
¸
2(h
0
+ h
1
) h
1
0 0 . . . 0 0
h
1
2(h
1
+ h
2
) h
2
0 . . . 0 0
0 h
2
2(h
2
+ h
3
) h
3
. . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . h
n−2
2(h
n−2
+ h
n−1
)

,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 139
X =

¸
¸
¸
¸
¸
¸
¸
λ
1
λ
2
λ
3
.
.
λ
n−1

b =

¸
¸
¸
¸
¸
¸
¸
v
1
v
2
v
3
.
.
v
n−1

.
La matriz A puede observarse es tridiagonal con diagonal estrictamente domi-
nante, por tanto el sistema tiene soluci´on ´ unica y el teorema queda probado.
Ejemplo 4.6.2. Determinar la cercha c´ ubica natural que pasa por los pun-
tos (−3, 2), (−2, 0), (1, 3), (4, 1) y verifica las condiciones sobre la primera
derivada en los extremos dados por S

(−3) = 0, S

(4) = 0.
Soluci´on
Igual que para el ejemplo anterior, sabemos que a
k
= f(x
k
),
b
k
= β
k

h
k
6
(2λ
k
+ λ
k+1
), c
k
=
λ
k
2
y d
k
=
λ
k+1
−λ
k
6h
k
, k = 0, 1, 2, 3,
como es cercha natural se toma λ
0
= 0 y λ
3
= 0, falta entonces determinar
λ
1
y λ
2
para esto se resuelve el sistema
2(h
0
+ h
1

1
+ h
1
λ
1
= v
1
h
1
λ
1
+ 2(h
1
+ h
2

2
= v
2
,
recordemos que h
k
= x
k+1
−x
k
, β
k
=
y
k+1
−y
k
h
k
, v
k
= 6(β
k
−β
k−1
), as´ı que
h
0
= x
1
−x
0
= 1, h
1
= x
2
−x
1
= 3, h
2
= x
2
−x
1
= 3,
β
0
=
y
1
−y
0
h
0
= −2, β
1
=
y
2
−y
1
h
1
= 1,
β
2
=
y
3
−y
2
h
2
=
−2
3
,
v
1
= 6(β
1
−β
0
) = 18, v
2
= 6(β
2
−β
1
) = −10.
El sistema a resolver es entonces

1
+ 3λ
2
= 18

1
+ 12λ
2
= −10
cuya soluci´on es λ
1
=
82
29
y λ
2
= −
134
87
, se tiene entonces que λ
0
= 0,
λ
1
=
82
29
, λ
2
= −
134
87
, λ
3
= 0.
4.6. INTERPOLACI
´
ON A TROZOS
140 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Se tiene entonces que
a
0
= f(x
0
) = 2,
b
0
= β
0

h
0
6
(2λ
0
+ λ
1
) = −
215
87
,
c
0
=
λ
0
2
= 0
y
d
0
=
λ
1
−λ
0
6h
0
=
41
87
,
luego
S
0
(x) = 2 −
215
87
(x + 3) +
41
87
(x + 3)
2
+
41
87
(x + 3)
3
−3 ≤ x ≤ −2.
Ahora
a
1
= f(x
1
) = 0,
b
1
= β
1

h
1
6
(2λ
1
+ λ
2
) = −
92
87
,
c
1
=
λ
1
2
=
41
29
y
d
1
=
λ
2
−λ
1
6h
1
= −
190
783
,
luego
S
1
(x) = −
92
87
(x + 2) +
41
29
(x + 2)
2

190
783
(x + 2)
3
−2 ≤ x ≤ 1
y
a
2
= f(x
2
) = 3,
b
2
= β
2

h
2
6
(2λ
2
+ λ
3
) =
76
87
,
c
2
=
λ
2
2
= −
67
87
y
d
2
=
λ
3
−λ
2
6h
2
=
67
783
,
luego
S
2
(x) = 3 +
76
87
(x −1) −
67
87
(x −1)
2
+
67
783
(x −1)
3
1 ≤ x ≤ 4,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 141
de modo que la cercha c´ ubica natural es
S(x) =

S
0
(x) = 2 −
215
87
(x + 3) +
41
87
(x + 3)
2
+
41
87
(x + 3)
3
−3 ≤ x ≤ −2
S
1
(x) = −
92
87
(x + 2) +
41
29
(x + 2)
2

190
783
(x + 2)
3
−2 ≤ x ≤ 1
S
2
(x) = 3 +
76
87
(x −1) −
67
87
(x −1)
2
+
67
783
(x −1)
3
1 ≤ x ≤ 4

Teorema 4.6.3. Cercha C´ ubica Extrapolada. Existe una ´ unica cercha
c´ ubica que usa extrapolaci´on desde los nodos x
1
y x
2
y tambi´en extrapolaci´on
desde los nodos x
n−1
y x
n−2
con el fin de determinar S

(x
n
).
Demostraci´on. Como en este caso se tiene que
λ
0
= λ
1

h
0

2
−λ
1
)
h
1
y
λ
n
= λ
n−1
+
h
n−1

n−1
−λ
n−2
)
h
n−2
,
la primera esta dada por
h
0
λ
0
+ 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
o sea
h
0

λ
1

h
0

2
−λ
1
)
h
1

+ 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
,
por tanto,
h
0

λ
1

h
0
h
1
λ
2
+
h
0
h
1
λ
1

+ 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
,
de modo que
h
0
λ
1
+
h
2
0
h
1
λ
1
+ 2(h
0
+ h
1

1

h
2
0
h
1
λ
2
+ h
1
λ
2
= v
1
,
as´ı que

3h
0
+ 2h
1
+
h
2
0
h
1

λ
1
+ (h
1

h
2
0
h
1

2
= v
1
,
4.6. INTERPOLACI
´
ON A TROZOS
142 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
ahora la ´ ultima ecuaci´on es
h
n−2
λ
n−2
+2(h
n−2
+h
n−1

n−1
+h
n−1

λ
n−1
+
h
n−1
h
n−2
λ
n−1

h
n−1
h
n−2
λ
n−2

= v
n−1
,
o sea que

h
n−2

h
2
n−1
h
n−2

λ
n−2
+

2h
n−2
+ 2h
n−1
+ h
n−1
+
h
2
n−1
h
n−2

λ
n−1
= v
n−1
,
luego

h
n−2

h
2
n−1
h
n−2

λ
n−2
+

2h
n−2
+ 3h
n−1
+
h
2
n−1
h
n−2

λ
n−1
= v
n−1
.
El sistema a resolver es entonces

3h
0
+ 2h
1
+
h
2
0
h
1

λ
1
+

h
1

h
2
0
h
1

λ
2
= v
1
,
h
k−1
λ
k−1
+ 2(h
k−1
+ h
k

k
+ h
h
λ
k+1
= v
k
k = 2, 3, 4, . . . , n −2,

h
n−2

h
2
n−1
h
n−2

λ
n−2
+

2h
n−2
+ 3h
n−1
+
h
2
n−1
h
n−2

λ
n−1
= v
n−1
.
que es de la forma AX = b con A como matriz de coeficientes dada por
A =

¸
¸
¸
¸
¸
¸
¸
¸
3h
0
+ 2h
1
+
h
2
0
h
1
h
1

h
2
0
h
1
. . . 0 0
h
1
2(h
1
+ h
2
) . . . 0 0
0 h
2
. . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . h
n−2

h
2
n−1
h
n−2
2h
n−2
+ 3h
n−1
+
h
2
n−1
h
n−2

,
X =

¸
¸
¸
¸
¸
¸
¸
λ
1
λ
2
λ
3
.
.
λ
n−1

b =

¸
¸
¸
¸
¸
¸
¸
v
1
v
2
v
3
.
.
v
n−1

.
La matriz A puede observarse es tridiagonal con diagonal estrictamente domi-
nante, ya que h
1
+
h
2
0
h
1
> h
1

h
2
0
h
1
, luego 3h
0
+2h
1
+
h
2
0
h
1
> h
1

h
2
0
h
1
y 2h
n−2
+
h
2
n−1
h
n−2
> h
n−2

h
2
n−1
h
n−2
, luego, 2h
n−2
+ 3h
n−1
+
h
2
n−1
h
n−2
> h
n−2

h
2
n−1
h
n−2
adem´as
2(h
k−1
+ h
k
) > h
k−1
+ h
k
, por tanto el sistema tiene soluci´on ´ unica y el
teorema queda probado.
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 143
Ejemplo 4.6.3. Determinar la cercha c´ ubica extrapolada que pasa por los
puntos (−3, 2), (−2, 0), (1, 3) y (4, 1).
Soluci´on
De los ejemplos anteriores tenemos que
h
0
= 1, h
1
= 3, h
2
= 3,
β
0
= −2, β
1
= 1,
β
2
=
−2
3
,
v
1
= 18, v
2
= −10.
como es cercha c´ ubica extrapolada el sistema es
(3h
0
+ 2h
1
+
h
2
0
h
1

1
+ (h
1

h
2
0
h
1

2
= v
1
,

h
1

h
2
2
h
1

λ
1
+

2h
1
+ 3h
2
+
h
2
2
h
1

λ
2
= v
2
,
o sea
28
3
λ
1
+
8
5
λ
2
= 18
18λ
2
= −10,
cuya soluci´on es λ
1
=
263
126
y λ
2
= −
5
9
, pero λ
0
= λ
1

h
0

2
−λ
1
)
h
1
=
187
63
y
λ
3
= λ
2
+
h
2

2
−λ
1
)
h
1
= −
1069
126
.
Se tiene entonces que
a
0
= f(x
0
) = 2, b
0
= −
841
252
,
c
0
=
187
126
d
0
= −
37
52
,
luego
S
0
(x) = 2 −
841
252
(x + 3) +
187
126
(x + 3)
2

37
252
(x + 3)
3
−3 ≤ x ≤ −2.
Ahora
a
1
= f(x
1
) = 0, b
1
= −
17
21
,
4.6. INTERPOLACI
´
ON A TROZOS
144 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
c
1
=
263
252
d
1
= −
37
252
,
luego
S
1
(x) = −
17
21
(x + 2) +
263
252
(x + 2)
2

37
252
(x + 2)
3
−2 ≤ x ≤ 1
y
a
2
= f(x
2
) = 3, b
2
=
347
84
,
c
2
= −
5
18
d
2
= −
37
84
,
luego
S
2
(x) = 3 +
347
84
(x −1) −
5
18
(x −1)
2

37
84
(x −1)
3
1 ≤ x ≤ 4,
de modo que la cercha extrapolada es
S(x) =

S
0
(x) = 2 −
841
252
(x + 3) +
187
126
(x + 3)
2

37
252
(x + 3)
3
−3 ≤ x ≤ −2
S
1
(x) = −
17
21
(x + 2) +
263
252
(x + 2)
2

37
252
(x + 2)
3
−2 ≤ x ≤ 1
S
2
(x) = 3 +
347
84
(x −1) −
5
18
(x −1)
2

37
84
(x −1)
3
1 ≤ x ≤ 4

Teorema 4.6.4. Cercha con Terminaci´ on Parab´olica. Existe una
´ unica cercha c´ ubica con S

(x) ≡ 0, en [a, b] y S

(x) ≡ 0, en [x
n−1
, x
n
].
Demostraci´on. Como en este caso se tiene que
λ
0
= λ
1
y
λ
n
= λ
n−1
,
como la primera ecuaci´on es
h
0
λ
0
+ 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
entonces
h
0
λ
1
+ 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 145
por tanto,
(3h
0
+ 2h
1

1
+ h
1
λ
2
= v
1
,
ahora la ´ ultima ecuaci´on es
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
+ h
n−1
λ
n
= v
n−1
,
pero entonces se tiene que
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
+ h
n−1
λ
n−1
= v
n−1
o sea que
h
n−2
λ
n−2
+ (2h
n−2
+ 3h
n−1

n−1
= v
n−1
El sistema a resolver es entonces
(3h
0
+ 2h
1

1
+ h
1
λ
2
= v
1
,
h
k−1
λ
k−1
+ 2(h
k−1
+ h
k

k
+ h
h
λ
k+1
= v
k
k = 2, 3, 4, . . . , n −2,
h
n−2
λ
n−2
+ (2h
n−2
+ 3h
n−1

n−1
= v
n−1
.
que es de la forma AX = b con A como matriz de coeficientes dada por
A =

¸
¸
¸
¸
¸
¸
(3h
0
+ 2h
1
) h
1
0 0 . . . 0 0
h
1
2(h
1
+ h
2
) h
2
0 . . . 0 0
0 h
2
2(h
2
+ h
3
) h
3
. . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . h
n−2
2h
n−2
+ 3h
n−1

,
X =

¸
¸
¸
¸
¸
¸
¸
λ
1
λ
2
λ
3
.
.
λ
n−1

b =

¸
¸
¸
¸
¸
¸
¸
v
1
v
2
v
3
.
.
v
n−1

.
La matriz A puede observarse es tridiagonal con diagonal estrictamente dom-
inante, por tanto el sistema tiene soluci´on ´ unica y el teorema queda proba-
do.
Ejemplo 4.6.4. Determinar la cercha con terminaci´on parab´olica dada en
los extremos que pasa por los puntos (−3, 2), (−2, 0), (1, 3) y (4, 1), que
satisface las condiciones S

(−3) = −1 y S

(4) = −2.
4.6. INTERPOLACI
´
ON A TROZOS
146 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Soluci´on
De los ejemplos anteriores tenemos que
h
0
= 1, h
1
= 3, h
2
= 3,
β
0
= −2, β
1
= 1,
β
2
=
−2
3
,
v
1
= 18, v
2
= −10.
como es cercha con terminaci´on parab´olica λ
0
= λ
1
y λ
2
= λ
3
, luego entonces
el sistema es
(3h
0
+ 2h
1

1
+ h
1
λ
2
= v
1
= 18,
h
1
λ
1
+ (2h
1
+ 3h
2

2
= v
2
= −10
o sea

1
+ 3λ
2
= 18

1
+ 15λ
2
= −10,
que tiene como soluci´on λ
1
=
50
21
y λ
2
= −
8
7
luego, λ
0
= λ
1
=
50
21
y
λ
2
= λ
3
= −
8
7
, adem´as recordemos que a
k
= f(x
k
), b
k
= β
k

h
k
6
(2λ
k

k+1
),
c
k
=
λ
k
2
y d
k
=
λ
k+1
−λ
k
6h
k
, k = 0, 1, 2, 3
Se tiene entonces que
a
0
= f(x
0
) = 2, b
0
= −
67
21
,
c
0
=
25
21
d
0
= 0,
luego
S
0
(x) = 2 −
67
21
(x + 3) +
25
21
(x + 3)
2
−3 ≤ x ≤ −2
Ahora
a
1
= f(x
1
) = 0, b
1
= −
17
21
,
c
1
=
25
21
d
1
= −
37
189
,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 147
luego
S
1
(x) = −
17
21
(x + 2) +
25
21
(x + 2)
2

37
189
(x + 2)
3
−2 ≤ x ≤ 1
y
a
2
= f(x
2
) = 3, b
2
=
22
21
,
c
2
= −
4
7
d
2
= 0,
luego
S
2
(x) = 3 +
22
21
(x −1) −
4
7
(x −1)
2
1 ≤ x ≤ 4,
de modo que la cercha con terminaci´on parab´olica es
S(x) =

S
0
(x) = 2 −
67
21
(x + 3) +
25
21
(x + 3)
2
−3 ≤ x ≤ −2
S
1
(x) = −
17
21
(x + 2) +
25
21
(x + 2)
2

37
189
(x + 2)
3
−2 ≤ x ≤ 1
S
2
(x) = 3 +
22
21
(x −1) −
4
7
(x −1)
2
1 ≤ x ≤ 4

Teorema 4.6.5. Cercha con curvatura en los extremos. Existe una
´ unica cercha c´ ubica que satisface las condiciones sobre la derivada segunda
en los extremos con valores dados S

(a), y S

(b).
Demostraci´on. Como en este caso se tiene que
λ
0
= S

(x
0
)
y
λ
n
= S

(x
n
),
como la primera ecuaci´on es
h
0
λ
0
+ 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
entonces
h
0
S

(x
0
) + 2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
,
por tanto,
2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
−h
0
S

(x
0
),
4.6. INTERPOLACI
´
ON A TROZOS
148 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
ahora la ´ ultima ecuaci´on es
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
+ h
n−1
λ
n
= v
n−1
,
o sea que
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
= v
n−1
−h
n−1
S

(x
n
).
El sistema a resolver es entonces
2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
−h
0
S

(x
0
),
h
k−1
λ
k−1
+ 2(h
k−1
+ h
k

k
+ h
h
λ
k+1
= v
k
k = 2, 3, 4, . . . , n −2,
h
n−2
λ
n−2
+ 2(h
n−2
+ h
n−1

n−1
= v
n−1
−h
n−1
S

(x
n
).
que tiene forma AX = b con A como matriz de coeficientes dada por
A =

¸
¸
¸
¸
¸
¸
2(h
0
+ h
1
) h
1
0 0 . . . 0 0
h
1
2(h
1
+ h
2
) h
2
0 . . . 0 0
0 h
2
2(h
2
+ h
3
) h
3
. . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . h
n−2
2(h
n−2
+ h
n−1
)

,
X =

¸
¸
¸
¸
¸
¸
¸
λ
1
λ
2
λ
3
.
.
λ
n−1

b =

¸
¸
¸
¸
¸
¸
¸
v
1
v
2
v
3
.
.
v
n−1

.
La matriz A puede observarse es tridiagonal con diagonal estrictamente domi-
nante, por tanto el sistema tiene soluci´on ´ unica y el teorema queda probado.
Ejemplo 4.6.5. Determinar la cercha con curvatura dada en los extremos
que pasa por los puntos (−3, 2), (−2, 0), (1, 3) y (4, 1) que satisface las condi-
ciones S

(−3) = −1 y S

(4) = 2.
Soluci´on
De los ejemplos anteriores tenemos que
h
0
= 1, h
1
= 3, h
2
= 3,
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 149
β
0
= −2, β
1
= 1,
β
2
=
−2
3
,
v
1
= 18, v
2
= −10.
como es cercha c´ ubica con curvatura en los extremos el sistema es
2(h
0
+ h
1

1
+ h
1
λ
2
= v
1
−h
0
S

(x
0
) = 18 + 1,
h
1
λ
1
+ 2(h
1
+ h
2

2
= v
2
−h
2
S

(x
3
) = −10 −6
o sea

1
+ 3λ
2
= 19

1
+ 12λ
2
= −16,
que tiene como soluci´on λ
1
=
92
29
y λ
2
= −
185
87
pero, λ
0
= S

(−3) = −1 y
λ
3
= S

(1) = 2, adem´as recordemos que a
k
= f(x
k
), b
k
= β
k

h
k
6
(2λ
k

k+1
),
c
k
=
λ
k
2
y d
k
=
λ
k+1
−λ
k
6h
k
, k = 0, 1, 2, 3
Se tiene entonces que
a
0
= f(x
0
) = 2, b
0
= −
191
87
,
c
0
= −
1
2
d
0
=
121
174
,
luego
S
0
(x) = 2 −
191
87
(x + 3) −
1
2
(x + 3)
2
+
121
174
(x + 3)
3
−3 ≤ x ≤ −2
Ahora
a
1
= f(x
1
) = 0, b
1
= −
193
174
,
c
1
=
46
29
d
1
= −
461
1566
,
luego
S
1
(x) = −
193
174
(x + 2) +
46
29
(x + 2)
2

461
1566
(x + 2)
3
−2 ≤ x ≤ 1
y
a
2
= f(x
2
) = 3, b
2
=
40
87
,
4.6. INTERPOLACI
´
ON A TROZOS
150 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
c
2
= −
185
174
d
2
=
359
1566
,
luego
S
2
(x) = 3 +
40
87
(x −1) −
185
174
(x −1)
2

359
1566
(x −1)
3
1 ≤ x ≤ 4,
de modo que la cercha con curvatura en los extremos es
S(x) =

S
0
(x) = 2 −
191
87
(x + 3) −
1
2
(x + 3)
2
+
121
174
(x + 3)
3
−3 ≤ x ≤ −2
S
1
(x) = −
193
174
(x + 2) +
46
29
(x + 2)
2

461
1566
(x + 2)
3
−2 ≤ x ≤ 1
S
2
(x) = 3 +
40
87
(x −1) −
185
174
(x −1)
2

359
1566
(x −1)
3
1 ≤ x ≤ 4

4.7. Aproximaci´on con Polinomios
Trigonom´etricos
Definici´on 4.7.1. Sea ¦a
n
¦ una sucesi´on de n´ umeros, entonces, la suma
a
0
+ a
1
+ a
2
+ + a
n
+ =

¸
i=0
a
i
se llama serie infinita .
Definici´on 4.7.2. Sea

¸
i=0
a
i
, una serie infinita, los n´ umeros S
n
=
n
¸
i=0
a
i
, se
definen como sumas parciales.
Definici´on 4.7.3. Sea

¸
i=0
a
i
, una serie infinita, se dice que la serie converge,
si l´ım
n→∞
S
n
= S existe y en este caso S =

¸
i=0
a
i
Nota: Si l´ım
n→∞
S
n
no existe se dice que la serie no converge.
Ejemplo
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 151
Probar que

¸
i=0
x
i
converge y
n
¸
i=0
x
i
=
1
1 −x
, con [x[ < 1.
Soluci´on
Se tiene que
S
n
= 1 + x + x
2
+ x
3
+ x
4
+ + x
n
,
luego,
xS
n
= x + x
2
+ x
3
+ x
4
+ + x
n+1
,
de modo que
S
n
−xS
n
= 1 −x
n+1
,
as´ı que
S
n
(1 −x) = 1 −x
n+1
,
por tanto
S
n
=
1 −x
n+1
1 −x
=
1
1 −x

1 −x
n+1

=
1
1 −x

x
n+1
1 −x
.
Pero si −1 < x < 1, entonces, x
n+1
→0, cuando, n →∞, de modo que
l´ım
n→∞
x
n+1
1 −x
= 0
y
l´ım
n→∞
S
n
=
1
1 −x
Ejemplo
Probar que

¸
i=1
1
n(n + 1)
converge y encontrar la suma.
Soluci´on
Observemos que
1
n(n + 1)
=
1
n

1
n + 1
,
luego,
S
n
=
n
¸
k=1

1
k

1
k + 1

= 1 −
1
n + 1
,
por lo tanto
l´ım
n→∞
S
n
= 1 = S.
4.7. APROXIMACI
´
ON CON POLINOMIOS TRIGONOM
´
ETRICOS
152 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Definici´on 4.7.4. Sea S
n
, una sucesi´on de funciones en un intervalo I, se
dice que S
n
converge uniformemente a S si para cada > 0, existe un N(),
tal que
[S
n
(x) −S[ < si n > N, ∀x ∈ I
Esto significa que si se traza la gr´afica de y = S(x) y se centra una banda de
ancho vertical 2 sobre esta curva entonces, para la convergencia uniforme
debe existir un N tal que para n > N, la gr´afica de y = S
n
se encuentra en
todas partes dentro de la banda (fig 4.4).
-
6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
S +
S −
S
S
n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
.
.
......
.
..
.
...
a
.
.
..
.
..
.
.
.
.
.
.
.
.
..
....
b
I
Figura 4.4 Convergencia Uniforme
Definici´on 4.7.5. Una funci´on f(x) es peri´odica de per´ıodo P si ∀x
f(x + P) = f(x)
.
El problema de representar una funci´on mediante una serie trigonom´etrica
de la forma
1
2
a
0
+

¸
n=0
(a
n
cos nx + b
n
sen nx) (4.9)
surge de manera natural en muchos problemas, queremos encontrar las
relaciones que existen entre los coeficientes ¦a
n
¦, ¦b
n
¦ y la funci´on f.
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 153
Para ello recordemos primero las siguientes f´ormulas trigonom´etricas
de gran utilidad
sen αcos β =
sen(α + β) −sen(α −β)
2
sen αsen β =
cos(α −β) −cos(α + β)
2
cos αcos β =
cos(α + β) + cos(α −β)
2
teniendo en cuenta las relaciones anteriores se tiene que

π
−π
sen mx cos nxdx =
1
2

π
−π
sen(m + n)xdx −
1
2

π
−π
sen(m−n)xdx,
luego

π
−π
sen mx cos nxdx = −
1
2(m + n)

cos(m + n)π −cos(m + n)(−π)

+
1
2(m−n)

cos(m−n)π −cos(m−n)(−π)

= 0 m = n.
Si m = n,

π
−π
sen nx cos nxdx =
1
2

π
−π
sen 2nxdx = −
1
4n
(cos 2nπ −cos 2n(−π)) = 0,
luego,

π
−π
sen nx cos mxdx = 0
para todo m, n.
Ahora si n = m

π
−π
cos nx cos mxdx =
1
2

π
−π
cos(m + n)xdx +
1
2

π
−π
cos(m−n)xdx,
luego

π
−π
cos nx cos mxdx =
1
2(m + n)

sen(m + n)π + sen(m + n)π

+
1
2(m−n)

sen(m−n)π + sen(m−n)π

= 0,
4.7. APROXIMACI
´
ON CON POLINOMIOS TRIGONOM
´
ETRICOS
154 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
pero si m = n > 0, entonces,

π
−π
cos nx cos mxdx =

π
−π
cos
2
nx =
1
2n
(2nπ) = π,
si m = n = 0, entonces,

π
−π
cos nx cos mxdx =

π
−π
dx = π + π = 2π.
De la misma manera, si m = n

π
−π
sen mxsen nxdx =
1
2

π
−π
cos(m−n)xdx −
1
2

π
−π
cos(m + n)xdx,
luego

π
−π
sen mx sen nxdx =
1
2(m−n)

sen(m−n)π −sen(m−n)(−π)


1
2(m + n)

sen(m + n)π −sen(m + n)(−π)

= 0,
pero si m = n,

π
−π
sen mx sen nxdx =

π
−π
sen
2
nxdx =
1
2
(2π) = π,
por lo anterior se tiene que

π
−π
sen nx cos mxdx = 0 ∀m, n (4.10)

π
−π
cos nx cos mxdx =

0 si m = n
π si m = n > o
2π si m = n = o
(4.11)

π
−π
sen mx sen nxdx =

0 si m = n
π si m = n > 0
(4.12)
Las ecuaciones 4.10, 4.11 y 4.12 se llaman f´ormulas de ortogonalidad.
Supongamos ahora se tiene una serie trigonom´etrica dada por
1
2
a
0
+

¸
n=0
(a
n
cos nx + b
n
sen nx), (4.13)
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 155
si la convergencia de la serie permite integrar t´ermino a t´ermino (por ejemplo
que tenga convergencia uniforme), entonces

π
−π
f(x)dx =
1
2

π
−π
a
0
+

¸
n=0

a
n

π
−π
cos nxdx + b
n

π
−π
sen nxdx

,
pero

π
−π
cos nxdx = 0 y

π
−π
sen nxdx = 0, luego

π
−π
f(x)dx = a
0
π de modo
que
a
0
=
1
π

π
−π
f(x)dx (4.14)
Si k ≥ 1 entonces

π
−π
f(x) cos kxdx =
1
2

π
−π
a
0
cos kxdx
+

¸
n=0

a
n

π
−π
cos nx cos kxdx + b
n

π
−π
sen nx cos kxdx

,
o sea que

π
−π
f(x) cos kxdx =
1
2

π
−π
a
0
cos kxdx +

¸
n=0
a
n

π
−π
cos nx cos kxdx,
ya que

π
−π
sen nx cos kxdx = 0 por 4.10, pero por 4.12 solo se tiene el t´ermino
distinto de cero si n = k, luego

π
−π
f(x) cos kxdx = a
k
π,
as´ı que
a
k
=
1
π

π
−π
f(x) cos kxdx (4.15)
Pero tambi´en si k ≥ 1, se tiene que

π
−π
f(x) sen kxdx =
1
2

π
−π
a
0
sen kxdx
+

¸
n=0

a
n

π
−π
cos nx sen kxdx + b
n

π
−π
sen nx sen kxdx

,
luego

π
−π
f(x) sen kxdx =
1
2

π
−π
a
0
sen xdx +

¸
n=0
a
n

π
−π
cos nx sen kxdx,
4.7. APROXIMACI
´
ON CON POLINOMIOS TRIGONOM
´
ETRICOS
156 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
ya que

π
−π
sen nxcos kxdx = 0 por 4.10, pero por 4.12 solo se tiene el t´ermino
distinto de cero si n = k, luego

π
−π
f(x) sen kxdx = b
k
π,
as´ı que
b
k
=
1
π

π
−π
f(x) sen kxdx (4.16)
.
De lo anterior se tiene que, si f(x) es integrable en x ∈ (−π, π), los
coeficientes ¦a
n
¦ y ¦b
n
¦ pueden calcularse mediante las f´ormulas 4.15 y 4.16.
En este caso la serie 4.13 se llama serie de Fourier de f.
Ejemplo 4.7.1. Calcular la serie de Fourier de f(x) = x
Soluci´on
Como f(x) = x se tiene que
a
n
=
1
π

π
−π
x cos nxdx = 0
puesto que x cos nx es una funci´on impar.
Ahora,
b
n
=
1
π

π
−π
x sen nxdx,
como la funci´on x sen nx es par ya que x, y sen nx son impares y el producto
de funciones impares es una funci´on par, se tiene entonces que
b
n
=
1

π
−π
x sen xdx =
2

π
0
x sen xdx = −
2

x cos nx

π
0
+
1

π
0
cos nxdx,
de modo que
b
n
= −
2
n
cos nπ = (−1)
n+1
2
n
luego
x ∼

¸
n=1
(−1)
n+1
2
n
.
El s´ımbolo ∼ se lee genera.
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 157
Ejemplo 4.7.2. Calcular la serie de Fourier de
f(x) =

0 si x ∈ [−π, 0]
1 si x ∈ [0, π]
Soluci´on
a
0
=
1
π

π
−π
f(x)dx =
1
π

π
0
dx = 1.
Para n ≥ 1
a
n
=
1
π

π
0
cos nxdx =
1

sen nx

π
0
= 0
y
b
n
=
1
π

π
0
sen nxdx = −
1

cos nx

π
0
= −
1

[cos nπ−cos 0] = −
1

[(−1)
n
−1],
luego
b
n
=

0 si n es par
2

si n es impar
Por tanto
f(x) ∼
1
2
+
1
π

¸
k=0
sen(2k + 1)x
2k + 1

Ejercicios
Para los ejercicios 1-10 encuentre
a) La forma interpolante de Lagrange
b) La forma interpolante de Newton
1.
x 1 2 3
y 1 4 8
2.
x 1 4 9
y 1 2 3
4.7. APROXIMACI
´
ON CON POLINOMIOS TRIGONOM
´
ETRICOS
158 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
3.
x 4 9 16
y 2 3 4
4.
x -1 0 1
y -2 3 2
5.
x 0 1 2
y 1 2 4
6.
x 0 1 2 4
y 1 1 2 5
7.
x -1 0 1 2
y 1/3 1 3 9
8.
x 0 1 2 3
y 1 2 4 8
9.
x 0 1 2 3
y 0 1 0 -1
10.
x 0 1 2 3
y 1 1 2 4
Para los ejercicios 11-15 encuentre
a) La forma interpolante de Lagrange
b) La forma interpolante de Newton
c) Las funciones cubicas interpolantes o spline cubicos
x 0 2/3 1 2
y 4 -4 -2 -1/2
11.
x 0 2/3 1 2
y 4 -4 -7/2 -1/2
12.
x 0 2/3 1 2
y 2 -2 -1 -1/2
13.
x 1 2 3 4
y 2 4 8 6
14.
x 0 1/2 1 3/2
y 1 2 1 0
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
An´alisis Num´erico. Notas de clase 159
15.
x 0 1 2 3
y 1 1 2 4
Para los ejercicios 16-20 encuentre
a) La forma interpolante de Lagrange
b) la interpolaci´on polinomial (cualquier forma)
c) Las funciones cubicas interpolantes o spline cubicos
x 0 1 8 27
y 0 1 2 3
Compare los valores interpolados en x = 5.5, 3.5 y x = 18 con
los correspondientes valores de f(x) =
3

x
16.
x 0 1 4 9
y 0 -41 2 3
Compare los valores interpolados en x = 0.5, 2.5 y x = 6.5 con
los correspondientes valores de f(x) =

x
17.
x -1 -0.75 -0.25 0.25 0.75 1
y 0 -0.7 -0.7 0.7 0.7 0
Compare los valores interpolados en x = −0.5, 0 y x = 0.5 con
los correspondientes valores de f(x) = sen πx
18.
x 0 1 2 3 4 5 6
y -0.33 -0.20 -0.08 0.00 0.04 0.06 0.07
Compare los valores interpolados con los correspondientes valores de
z =
x−3
9+x
2
19.
x 0 1 2 3 4 5 6 7 8 9
y 0 0.5 0.5 0.375 0.25 0.1562 0.0938 0.0547 0.0312 0.01764
Compare los valores interpolados con los correspondientes valores de
z = x2
−x
20.
x 0 1 2 3 4 5 6 7 8 9 10
y 2.0 0 0.6667 0 0.40 0 0.2587 0 0.2222 0 0.1818
Compare los valores interpolados con los correspondientes valores de
z =
1+cos(πx)
1+x
21. Usando los siguientes datos para la capacidad calor´ıfica C
p
(kJ/kgK
o
)
del metilciclohexalona C
7
H
14
como una funci´on de la temperatura
4.7. APROXIMACI
´
ON CON POLINOMIOS TRIGONOM
´
ETRICOS
160 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
(K
o
), interpole para estimar la capacidad calor´ıfica a 175, 225, y 275 K
o
T 150 200 250 300
C
p
1.43 1.54 1.70 1.89
22. La viscosidad µ de un fluido depende de la temperatura T del fluido
de acuerdo a la relaci´on representada en la siguiente tabla
T(C
o
) 5 20 30 50 55
µ(N −seg/m
2
) 0.08 0.015 0.09 0.006 0.0055
Use la interpolaci´on para encontrar un estimativo para la viscosidad a
T = 25 y T = 40.
CAP
´
ITULO 4. INTERPOLACI
´
ON POLINOMIAL
Cap´ıtulo 5
Derivaci´on e Integraci´on
Num´erica
5.1. Derivaci´ on Num´erica
Sabemos que la definici´on de la derivada de una funci´on f(x) est´a dada por
f

(x) = l´ım
h→0
f(x + h) −f(x)
h
,
esto indica que para calcular la aproximaci´ on num´erica de la derivada en
un punto, debemos tomar una sucesi´on ¦h
k
¦, tal que h
k
→ 0 y calculamos
entonces el cociente
D
k
=
f(x + h
k
) −f(x)
h
k
=
f
k
−f
h
k
, (5.1)
generamos entonces una sucesi´on D
1
, D
2
, D
3
, . . . , D
n
y tomamos a D
n
como la
aproximaci´on deseada, el problema est´a en conocer cual valor de h
k
garantiza
una buena aproximaci´ on, ya que si se toma un valor muy grande de h
k
la
aproximaci´on no es aceptable y se toma un valor muy peque˜ no la diferencia
f(x +h
k
) −f(x) ≈ 0 ya que hay p´erdida de d´ıgitos significativos, lo anterior
se muestra en tabla 22, en la que se observan los cocientes D
k
para aproximar
la derivada de f(x) = sen x en x = 2 cuyo valor con nueve cifras significativas
161
162 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
h
k
f
k
f
k
−f
f
k
−f
h
k
10
−1
0.863209367 -0.04608806 -0.4608806
10
−2
0.905090563 -0.04206864 -0.4206864
10
−3
0.98880825 -0.000416602 -0.416602
10
−4
0.909255808 -0.000041619 -0.41619
10
−5
0.909293265 -0.00000416514 -0.416514
10
−6
0.909297017 -0.000000416148 -0.416148
10
−7
0.909297385 -0.000000041615 -0.41615
10
−8
0.909297423 -0.000000004162 -0.4162
10
−9
0.909297426 -0.00000000416 -0.416
10
−10
0.909297427 -0.00000000 0.0000000
TABLA 22
es f

(2) = −0.416146837.
Como podemos observar h = 10
−6
, proporciona el mejor valor para
f

(2) en tanto que valores m´as peque˜ nos van desmejorando la aproximaci´ on.
Lo anterior es una justificaci´on para desarrollar una teor´ıa que permita
investigar la exactitud de los m´etodos para la derivaci´ on num´erica.
Teorema 5.1.1. Supongamos f ∈ C
3
[a, b], x −h, x + h ∈ [a, b], entonces,
f

(x) ≈
f(x + h) −f(x −h)
2h
.
Adem´as existe α = α(x) ∈ [a, b], tal que
f

(x) =
f(x + h) −f(x −h)
2h
+ E
t
(f, h),
siendo E
t
(f, h) = −
h
2
f
(3)
(α)
6
= O(h
2
)
Demostraci´on. Las series de Taylor de orden 2 de f(x+h) y f(x−h) alrededor
de x son
f(x+h) = f(x) +f

(x)(x+h−x) +
f

(x)
2!
(x+h−x)
2
+
f


1
)
3!
(x+h−x)
3
o sea que
f(x + h) = f(x) + f

(x)h +
f

(x)
2!
h
2
+
f


1
)
3!
h
3
(5.2)
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 163
y
f(x−h) = f(x) +f

(x)(x−h−x) +
f

(x)
2!
(x−h−x)
2
+
f


2
)
3!
(x−h−x)
3
de modo que
f(x −h) = f(x) −f

(x)h +
f

(x)
2!
h
2

f


2
)
3!
h
3
(5.3)
luego
f(x + h) −f(x −h) = 2hf

(x) +
f


1
)
3!
h
3
+
f


2
)
3!
h
3
.
Como f ∈ C
3
[a, b], entonces por el teorema del valor intermedio existe α ∈
[a, b] tal que,
f

(α) =
f


1
) + f


2
)
2
,
as´ı que 2f

(α) = f


1
) + f


2
), luego
f(x + h) −f(x −h) = 2hf

(x) +
2f

(α)
3!
h
3
por tanto
f

(x) =
f(x + h) −f(x −h)
2h

f

(α)
6
h
2
.
A la expresi´on
f(x + h) −f(x −h)
2h
, se le llama f´ormula de la diferencia
centrada de orden O(h
2
), ya que x + h y x − h se sit´ uan a izquierda y a
derecha de x.
Teorema 5.1.2. Supongamos f ∈ C
5
[a, b], x−2h, x−h, x+h, x+2h ∈ [a, b],
entonces,
f

(x) ≈
−f(x + 2h) + 8f(x + h) −8f(x −h) + f(x −2h)
12h
.
Adem´as existe α = α(x) ∈ [a, b], tal que
f

(x) =
−f(x + 2h) + 8f(x + h) −8f(x −h) + f(x −2h)
12h
+ E
t
(f, h),
siendo E
t
(f, h) =
h
4
f
(5)
(α)
30
= O(h
4
)
5.1. DERIVACI
´
ON NUM
´
ERICA
164 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Demostraci´on. Las series de Taylor de orden 4 de f(x+h) y f(x−h) alrededor
de x son
f(x +h) = f(x) +f

(x)(x +h −x) +
f

(x)
2!
(x +h −x)
2
+
f

(x)
3!
(x +h −x)
3
+
f
(4)
(x)
4!
(x + h −x)
4
+
f
(5)

1
)
5!
(x + h −x)
5
luego
f(x + h) = f(x) + f

(x)h +
f

(x)
2!
h
2
+
f

(x)
3!
h
3
+
f
(4)
(x)
4!
h
4
+
f
(5)

1
)
5!
h
5
(5.4)
y
f(x −h) = f(x) +f

(x)(x −h −x) +
f

(x)
2!
(x −h −x)
2
+
f

(x)
3!
(x −h −x)
3
+
f
(4)
(x)
4!
(x −h −x)
4
+
f
(5)

2
)
5!
(x −h −x)
5
o sea que
f(x −h) = f(x) −f

(x)h +
f

(x)
2!
h
2

f

(x)
3!
h
3
+
f
(4)
(x)
4!
h
4

f
(5)

2
)
5!
h
5
(5.5)
as´ı que
f(x + h) −f(x −h) = 2hf

(x) +
2f

(x)
3!
h
3
+
2f
(5)
(c
1
)
5!
h
5
, (5.6)
siendo 2f
(5)
(c
1
) = f
(5)

1
) + f
(5)

2
), si reemplazamos a h por 2h se tiene
que
f(x + 2h) −f(x −2h) = 4hf

(x) + 16
f

(x)
3!
h
3
+ 64
f
(5)
(c
1
)
5!
h
5
, (5.7)
adem´as si multiplicamos 5.6 por 8 se tiene que
8[f(x + h) −f(x −h)] = 16hf

(x) +
16f

(x)
3!
h
3
+
16f
(5)
(c
1
)
5!
h
5
. (5.8)
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 165
Rest´andole a 5.8 la ecuaci´on 5.7 se tiene que
8[f(x+h)−f(x−h)]−[f(x+2h)−f(x−2h)] = 12hf

(x)+
16f
(5)
(c
1
) −64f
(5)
(c
2
)
5!
h
5
.
Si f
(5)
(x) tiene signo constante y cambia muy poco cerca de x se puede tomar
c ∈ [x −2h, x + 2h] tal que c = c
1
= c
2
y por tanto 16f
(5)
(c
1
) −64f
(5)
(c
2
) =
−48f
(5)
(c) y entonces
8f(x + h) −8f(x −h) −f(x + 2h) + f(x −2h) = 12hf

(x) −
48f
(5)
(c)h
5
120
,
luego
f

(x) =
−f(x + 2h) + 8f(x + h) −8f(x −h) + f(x −2h)
12h
+O(h
4
) (5.9)
La ecuaci´on 5.9 se conoce como la f´ormula de la diferencia centrada de orden
O(h
4
).
Ejemplo 5.1.1. Si f(x) = sen x, calcular la aproximaci´on de f

(2), usando
las f´ormulas de las diferencias centradas con h = 0.1
Soluci´on
Con las diferencias centradas de orden O(h
2
), se tiene que
f

(2) =
1
2 0.1
[sen(2.1) −sen(1.9)] =
1
0.2
[0.863209366649−0.946300087687]
=
−0.083090721038
0.2
= −0.41545360519.
Con la f´ormula de las diferencias centradas de orden O(h
4
) tenemos que
f

(2) =
1
1.2
[−0.80849640382+6.9905674933−7.570400702+0.973847630878]
= −0.416145451042,
la respuesta exacta como hemos visto es −0.416146836547.
Otra alternativa para calcular la aproximaci´on num´erica de la deriva-
da, es por medio de las llamadas f´ormulas de los tres puntos y las f´ormulas
5.1. DERIVACI
´
ON NUM
´
ERICA
166 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
de los cinco puntos, las cuales se obtienen usando los polinomios de Lagrange,
para esto se tiene por el teorema 4.2 que,
f(x) =
n
¸
i=0
f(x
i
)L
n,i
(x) +
(x −x
0
)(x −x
1
)(x −x
2
) . . . (x −x
n
)
(n + 1)!
f
(n+1)
(c),
para alg´ un c = c(x) ∈ [a, b] y L
n,i
(x) es el i-´esimo polinomio de Lagrange
para f en x
0
, x
1
,...,x
n
, luego
f

(x) =
n
¸
i=1
f(x
i
)L

n,i
(x) +
d[(x −x
0
)(x −x
1
)(x −x
2
) . . . (x −x
n
)]
dx
f
(n+1)
(c)
(n + 1)!
+
(x −x
0
)(x −x
1
)(x −x
2
) . . . (x −x
n
)
(n + 1)!
f
(n+2)
(c),
de modo que
f

(x) =
n
¸
i=0
f(x
i
)L

n,i
(x) +
f
(n+1)
(c)
(n + 1)!

(x −x
1
)(x −x
2
)(x −x
3
) . . . (x −x
n
)+
+(x−x
0
)(x−x
2
)(x−x
3
) . . . (x−x
n
)+(x−x
0
)(x−x
1
)(x−x
3
) . . . (x−x
n
)+. . .
+(x −x
0
)(x −x
1
)(x −x
2
) . . . (x −x
n−1
)

+
¸
n
j=0,j=k
(x
j
−x
k
)
(n + 1)!
f
(n+2)
(c).
Si x = x
j
, j = 0, 1, 2, . . . , n, entonces se tiene que
f

(x
j
) =
n
¸
i=0
f(x
i
)L

n,i
(x
j
) +
f
(n+2)
(c)
(n + 1)!
n
¸
j=0,j=k
(x
j
−x
k
) (5.10)
La f´ormula 5.10 es llamada la f´ormula de los n + 1 puntos, naturalmente se
tiene una mejor aproximaci´on a la derivada si se toma una mayor cantidad
de puntos, pero esto a su vez implica un alto costo computacional debido a
la gran cantidad de evaluaciones que deben realizarse por esto es suficiente
tomar 3 o 5 puntos.
Para los puntos x
0
, x
1
, x
2
, se tiene que
L
2,0
(x) =
(x −x
1
)(x −x
2
)
(x
0
−x
1
)(x
0
−x
2
)
,
L
2,1
(x) =
(x −x
0
)(x −x
2
)
(x
1
−x
0
)(x
1
−x
2
)
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 167
y
L
2,2
(x) =
(x −x
0
)(x −x
1
)
(x
2
−x
0
)(x
2
−x
1
)
,
as´ı que,
L

2,0
(x) =
x −x
2
+ x −x
1
(x
0
−x
1
)(x
0
−x
2
)
=
2x −x
1
−x
2
(x
0
−x
1
)(x
0
−x
2
)
,
L

2,1
(x) =
x −x
0
+ x −x
2
(x
1
−x
0
)(x
1
−x
2
)
=
2x −x
0
−x
2
(x
1
−x
0
)(x
1
−x
2
)
,
y
L

2,2
(x) =
x −x
1
+ x −x
0
(x
2
−x
0
)(x
2
−x
1
)
=
2x −x
0
−x
1
(x
2
−x
0
)(x
2
−x
1
)
,
luego para j = 0, 1, 2 se tiene que
f

(x
j
) = f(x
0
)
2x
j
−x
1
−x
2
(x
0
−x
1
)(x
0
−x
2
)
+ f(x
1
)
2x
j
−x
0
−x
2
(x
1
−x
0
)(x
1
−x
2
)
+f(x
2
)
2x
j
−x
0
−x
1
(x
2
−x
0
)(x
2
−x
1
)
+
f
(3)
(c)
3!
2
¸
k=0,k=j
(x
j
−x
k
).
Ahora si x
i
, i = 0, 1, 2 est´an igualmente espaciado, esto es, si x
1
−x
0
= h y
x
2
− x
1
= h, entonces x
1
= x
0
+ h y x
2
= x
0
+ 2h, luego entonces se tiene
que si j = 0,
f

(x
0
) = f(x
0
)
2x
0
−x
0
−h −x
0
−2h
(x
0
−x
0
−h)(x
0
−x
0
−2h)
+f(x
1
)
2x
0
−x
0
−x
0
−2h
(x
0
+ h −x
0
)(x
0
+ h −x
0
−2h)
+f(x
2
)
2x
0
−x
0
−x
0
−h
(x
0
+ 2h −x
0
)(x
0
+ 2h −x
0
−h)
+
f
(3)
[c(x
0
)]
3!
(x
0
−x
0
−h)(x
0
−x
0
−2h),
luego
f

(x
0
) =
−3hf(x
0
)
2h
2
+
−2hf(x
1
)
−h
2
+
−hf(x
2
)
2h
2
+
f
(3)
[c(x
0
)]
3
h
2
,
de modo que
f

(x
0
) =
1
h


3
2
f(x
0
) + 2f(x
1
) −
1
2
f(x
2
)

+
f
(3)
[c(x
0
)]
3
h
2
(5.11)
Ahora
f

(x
1
) = f

(x
0
+ h) = f(x
0
)
2x
0
+ 2h −x
0
−h −x
0
−2h
2h
2
+
5.1. DERIVACI
´
ON NUM
´
ERICA
168 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
f(x
1
)
2x
0
+ 2h −x
0
−x
0
−2h
−h
2
+ f(x
2
)
2x
0
+ 2h −x
0
−x
0
−h
2h
2
+
f
(3)
[c(x
1
)]
3!
(x
0
+ h −x
0
)(x
0
+ h −x
0
−2h),
luego
f

(x
0
+ h) =
1
h


f(x
0
)
2
+
f(x
2
)
2

+
f
(3)
[c(x
1
)]
3!
h
2
. (5.12)
Pero tambi´en
f

(x
2
) = f

(x
0
+ 2h) = f(x
0
)
2x
0
+ 4h −x
0
−h −x
0
−2h
2h
2
+
f(x
1
)
2x
0
+ 4h −x
0
−x
0
−2h
−h
2
+ f(x
2
)
2x
0
+ 4h −x
0
−x
0
−h
2h
2
+
f
(3)
[c(x
2
)]
3!
(x
0
+ 2h −x
0
)(x
0
+ 2h −x
0
−h),
por tanto
f

(x
0
+ 2h) =
1
h

f(x
0
)
2
−2f(x
1
) +
3f(x
2
)
2

+
f
(3)
[c(x
2
)]
3
h
2
(5.13)
De 5.11 y puesto que x
1
= x
0
+ h y x
2
= x
0
+ 2h tenemos que
f

(x
0
) =
1
2h

−3f(x
0
) + 4f(x
0
+ h) −f(x
0
+ 2h)

+
f
(3)
(c
0
)
3
h
2
(5.14)
Por motivos pr´acticos sustituimos en 5.12 a x
0
+h por x
0
y en 5.13 a x
0
+2h
por x
0
, se obtiene entonces que
f

(x
0
) =
1
2h

−f(x
0
−h) + f(x
0
+ h)


f
(3)
(c
1
)
3!
h
2
(5.15)
f

(x
0
) =
1
2h

f(x
0
−2h) −4f(x
0
−h) + 3f(x
0
)

+
f
(3)
(c
2
)
3
h
2
. (5.16)
Obs´ervese que las ecuaciones 5.14 y 5.16 son equivalentes ya que si en 5.16
reemplazamos a h por −h se tiene que
f

(x
0
) = −
1
2h

f(x
0
+ 2h) −4f(x
0
+ h) + 3f(x
0
)

+
f
(3)
(c
2
)
3
h
2
,
o sea que
f

(x
0
) =
1
2h

−3f(x
0
) + 4f(x
0
+ h) −f(x
0
+ 2h)

+
f
(3)
(c
2
)
3
h
2
,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 169
que es la ecuaci´on 5.14. Lo anterior implica que solo se tienen dos ecuaciones
que son

f

(x
0
) =
1
2h

−3f(x
0
) + 4f(x
0
+ h) −f(x
0
+ 2h)

+
f
(3)
(c
0
)
3
h
2
c
0
∈ [x
0
, x
0
+ 2h]
f

(x
0
) =
1
2h

−f(x
0
−h) + f(x
0
+ h)

+
f
(3)
(c
1
)
3!
h
2
c
1
∈ [x
0
−h, x
0
+ h]
(5.17)
las ecuaciones 5.17 son las llamadas f´ormulas de los tres puntos
Ejemplo 5.1.2. Usar las f´ormulas 5.17 para aproximar f

(2) si f(x) = sen x.
Soluci´on
Si h = 0.1 se tiene que
f

(2) ≈
1
0.2
[−3f(2) + 4f(2.1) −f(2.2)]
=
1
0.2
(−3 0.909297427 +4 0.863209367 −0.808496404) = −0.417756085.
Si h = −0.1, obtenemos
f

(2) ≈ −
1
0.2
[−3f(2) + 4f(1.9) −f(1.8)]
=
1
0.2
(−3 0.909297427 + 4 0.946300088 −0.9733847631) = −0.4173022,
el error en la primera respuesta es E = 1.61 10
−2
y en la segunda es
E = 1.155 10
−2

Para deducir la f´ormula de los cinco puntos consideremos
L
4,0
(x) =
(x −x
1
)(x −x
2
)(x −x
3
)(x −x
4
)
(x
0
−x
1
)(x
0
−x
2
)(x
0
−x
3
)(x
0
−x
4
)
,
L
4,1
(x) =
(x −x
0
)(x −x
2
)(x −x
3
)(x −x
4
)
(x
1
−x
0
)(x
1
−x
2
)(x
1
−x
3
)(x
1
−x
4
)
,
L
4,2
(x) =
(x −x
0
)(x −x
1
)(x −x
3
)(x −x
4
)
(x
2
−x
0
)(x
2
−x
1
)(x
2
−x
3
)(x
2
−x
4
)
,
5.1. DERIVACI
´
ON NUM
´
ERICA
170 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
L
4,3
(x) =
(x −x
0
)(x −x
1
)(x −x
2
)(x −x
4
)
(x
3
−x
0
)(x
3
−x
1
)(x
3
−x
2
)(x
3
−x
4
)
,
L
4,4
(x) =
(x −x
0
)(x −x
1
)(x −x
2
)(x −x
3
)
(x
4
−x
0
)(x
4
−x
1
)(x
4
−x
2
)(x
4
−x
3
)
,
con x
1
= x
0
+ h, x
2
= x
0
+ 2h, x
3
= x
0
+ 3h, x
4
= x
0
+ 4h, es decir x
0
, x
1
,
x
2
, x
3
y x
4
igualmente espaciados, luego entonces, se tiene que
L

4,0
(x) =
1
(x
0
−x
1
)(x
0
−x
2
)(x
0
−x
3
)(x
0
−x
4
)
[(x −x
2
)(x −x
3
)(x −x
4
)
+(x−x
1
)(x−x
3
)(x−x
4
)+(x−x
1
)(x−x
2
)(x−x
4
)+(x−x
1
)(x−x
2
)(x−x
3
)],
L

4,1
(x) =
1
(x
1
−x
0
)(x
1
−x
2
)(x
1
−x
3
)(x
1
−x
4
)
[(x −x
2
)(x −x
3
)(x −x
4
)
+(x−x
0
)(x−x
3
)(x−x
4
)+(x−x
0
)(x−x
2
)(x−x
4
)+(x−x
0
)(x−x
2
)(x−x
3
)],
L

4,2
(x) =
1
(x
2
−x
0
)(x
2
−x
1
)(x
2
−x
3
)(x
2
−x
4
)
[(x −x
1
)(x −x
3
)(x −x
4
)
+(x−x
0
)(x−x
3
)(x−x
4
)+(x−x
0
)(x−x
1
)(x−x
4
)+(x−x
0
)(x−x
1
)(x−x
3
)],
L

4,3
(x) =
1
(x
3
−x
0
)(x
3
−x
1
)(x
3
−x
2
)(x
3
−x
4
)
[(x −x
1
)(x −x
2
)(x −x
4
)
+(x−x
0
)(x−x
2
)(x−x
4
)+(x−x
0
)(x−x
1
)(x−x
4
) +(x−x
0
)(x−x
1
)(x−x
2
)]
y
L

4,4
(x) =
1
(x
4
−x
0
)(x
4
−x
1
)(x
4
−x
2
)(x
4
−x
3
)
[(x −x
1
)(x −x
2
)(x −x
3
)
+(x−x
0
)(x−x
2
)(x−x
3
)+(x−x
0
)(x−x
1
)(x−x
3
)+(x−x
0
)(x−x
1
)(x−x
2
)],
de modo que
L

4,0
(x
0
) = −
25
12h
L

4,1
(x
0
) =
4
h
L

4,2
(x
0
) = −
3
h
L

4,3
(x
0
) =
4
3h
y L

4,4
(x
0
) = −
1
4h
,
as´ı que
f

(x
0
) = −
25
12h
f(x
0
) +
4
h
f(x
1
) −
3
h
f(x
2
) +
4
3h
f(x
3
) −
1
4h
f(x
4
) +
f
(5)
(c
0
)h
4
5
,
es decir que
f

(x
0
) =
1
12h
[−25f(x
0
) + 48f(x
0
+ h) −36f(x
0
+ 2h)+
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 171
16f(x
0
+ 3h) −3f(x
0
+ 4h)] +
f
(5)
(c
0
)h
4
5
(5.18)
pero tambi´en
L

4,0
(x
1
) = −
1
4h
L

4,1
(x
1
) = −
5
6h
L

4,2
(x
1
) =
3
2h
L

4,3
(x
1
) = −
1
2h
y L

4,4
(x
1
) =
1
12h
luego
f

(x
0
+ h) = −
1
4h
f(x
0
) −
5
6h
f(x
0
+ h) +
3
2h
f(x
0
+ 2h) −
1
2h
f(x
0
+ 3h)
+
1
12h
f(x
0
+ 4h) −
f
(5)
(c
1
)h
4
20
,
por lo tanto,
f

(x
0
+ h) =
1
12h
[−3f(x
0
) −10f(x
0
+ h) + 18f(x
0
+ 2h) −6f(x
0
+ 3h)
+f(x
0
+ 4h)] −
f
(5)
(c
1
)h
4
20
(5.19)
ahora
L

4,0
(x
2
) =
1
12h
L

4,1
(x
2
) = −
2
3h
L

4,2
(x
2
) = 0
L

4,3
(x
2
) =
2
3h
y L

4,4
(x
2
) = −
1
12h
,
as´ı que
f

(x
0
+2h) =
1
12h
f(x
0
)−
2
3h
f(x
0
+h)+
2
3h
f(x
0
+3h)−
1
12h
f(x
0
+4h)+
f
(5)
(c
2
)h
4
30
y por tanto
f

(x
0
+ 2h) =
1
12h
[f(x
0
) −8f(x
0
+ h) + 8f(x
0
+ 3h)
−f(x
0
+ 4h)] +
f
(5)
(c
2
)h
4
30
, (5.20)
pero
L

4,0
(x
3
) =
1
3h
L

4,1
(x
3
) =
1
2h
L

4,2
(x
3
) = −
2
3h
L

4,3
(x
3
) =
17
6h
y L

4,4
(x
3
) =
1
4h
,
5.1. DERIVACI
´
ON NUM
´
ERICA
172 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
por consiguiente
f

(x
0
+ 3h) =
1
3h
f(x
0
) +
1
2h
f(x
0
+ h) −
2
3h
f(x
0
+ 2h) +
17
6h
f(x
0
+ 3h)
+
1
4h
f(x
0
+ 4h) −
f
(5)
(c
3
)h
4
20
y
f

(x
0
+ 3h) =
1
12h
[4f(x
0
) + 6f(x
0
+ h) −8f(x
0
+ 3h) + 34f(x
0
+ 3h)
+3f(x
0
+ 4h)] −
f

(c
3
)h
4
20
(5.21)
L

0
(x
4
) =
1
4h
L

1
(x
4
) = −
4
3h
L

2
(x
4
) =
3
h
L

3
(x
4
) = −
4
h
y L

4
(x
4
) =
25
12h
,
luego,
f

(x
0
+ 4h) =
1
4h
f(x
0
) −
4
h
f(x
0
+ h) +
3
h
f(x
0
+ 2h) −
4
h
f(x
0
+ 3h)

25
12h
f(x
0
+ 4h) +
f
(5)
(c
4
)h
4
5
as´ı que
f

(x
0
+ 4h) =
1
12h
[f(x
0
) −3f(x
0
+ h) + 4f(x
0
+ 2h) −36f(x
0
+ 3h)
+25f(x
0
+ 4h)] +
f
(5)
(c
4
)h
4
5
. (5.22)
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 173
Pero si en 5.19 se reemplaza a x
0
+ h por x
0
, en 5.20 a x
0
+ 2h por x
0
, en
5.21 a x
0
+ 3h por x
0
y en 5.22 a x
0
+ 4h por x
0
, se tiene que

f

(x
0
) =
1
12h
[−25f(x
0
) + 48f(x
0
+ h) −36f(x
0
+ 2h) + 16f(x
0
+ 3h)
−3f(x
0
+ 4h)] +
f
(5)
(c
0
)h
4
5
f

(x
0
) =
1
12h
[−3f(x
0
−h) −10f(x
0
) + 18f(x
0
+ h)
−6f(x
0
+ 2h) + f(x
0
+ 3h)] −
f
(5)
(c
1
)h
4
5
f

(x
0
) =
1
12h
[f(x
0
−2h) −8f(x
0
−h) + 8f(x
0
+ h)
−f(x
0
+ 2h)] +
f
(5)
(c
2
)h
4
30
f

(x
0
) =
1
12h
[4f(x
0
−3h) + 6f(x
0
+ 2h) −8f(x
0
−h)
+34f(x
0
) + 3f(x
0
+ h)] −
f
(5)
(c
3
)h
4
30
f

(x
0
) =
1
12h
[f(x
0
−4h) −3f(x
0
−3h) + 4f(x
0
−2h)
−36f(x
0
−h) + 25f(x
0
)] +
f
(5)
(c
4
)h
4
5
(5.23)
Las ecuaciones de 5.23 son las f´ormulas de los cinco puntos.
De las f´ormulas anteriores, las m´as ´ utiles son
f

(x
0
) =
1
12h
[−25f(x
0
) + 48f(x
0
+ h) −36f(x
0
+ 2h) + 16f(x
0
+ 3h)
−3f(x
0
+ 4h)] +
f
(5)
(c
0
)h
4
5
y
f

(x
0
) =
1
12h
[f(x
0
−2h) −8f(x
0
−h) + 8f(x
0
+ h) −f(x
0
+ 2h)]
+
f
(5)
(c
2
)h
4
30
.
Podemos establecer f´ormulas que permitan calcular derivadas se orden supe-
rior, en efecto, sea
f(x) = f(x
0
)+f

(x
0
)(x−x
0
)+
f

(x
0
)
2!
(x−x
0
)
2
+
f

(x
0
)
3!
(x−x
0
)
3
+
f
(4)

1
)
4!
(x−x
0
)
4
,
de modo
f(x
0
+ h) = f(x
0
) + f

(x
0
)h +
f

(x
0
)
2!
h
2
+
f

(x
0
)
3!
h
3
+
f
(4)

1
)
4!
h
4
,
5.1. DERIVACI
´
ON NUM
´
ERICA
174 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
y
f(x
0
−h) = f(x
0
) −f

(x
0
)h +
f

(x
0
)
2!
h
2

f

(x
0
)
3!
h
3
+
f
(4)

2
)
4!
h
4
,
por lo tanto si f
(4)

1
) ≈ f
(4)

2
) se tiene que
f(x
0
+ h) + f(x
0
−h) = 2f(x
0
) + f

(x
0
)h
2
+ 2
f
(4)
(α)
24
h
4
as´ı que
f

(x
0
) =
1
h
2

f(x
0
+ h) + f(x
0
−h) −2f(x
0
)


f
(4)
(α)
12
h
2
5.1.1. An´alisis de Error
Si e
k
es el error de redondeo cometido al evaluar a f(x +kh), entonces para
las formulas de los cinco puntos sugerida, tenemos que
E
t
(h) =
−25e
0
+ 48e
1
−36e
2
+ 16e
3
−3e
4
12h

h
4
f
(5)
(c
0
)
5
,
y se adem´as se supone que ∀k, [e
k
[ < y que [f
(5)
(x)[ ≤ M, ∀x ∈ [x
0
, x
0
+4h],
entonces
[E
t
(h)[ ≤
1
12h
[25[e
0
[ + 48[e
1
[ + 36[e
2
[ + 16[e
3
[ + 3[e
4
[] +
h
4
[f
(5)
(c
0
)[
5
,
o sea que
[E
t
(h)[ ≤
128
12h
+
h
4
M
5
=
32
3h
+
h
4
M
5
.
Si hacemos
H(h) =
32
3h
+
h
4
M
5
,
entonces el incremento ´optimo se tiene en el valor de h que minimice H(h).
Pero como
H

(h) = −
32
3h
2
+
4Mh
3
5
,
luego si

32
3h
2
+
4Mh
3
5
= 0,
entonces
8
3h
2
=
Mh
3
5
,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 175
luego
h
5
=
40
3M
,
o sea que
h =

40
3M
1
5
.
De la misma manera si usamos
f

(x
0
) =
1
12h
[f(x
0
−2h) −8f(x
0
−h) + 8f(x
0
+ h) −f(x
0
+ 2h)]
+
f
(5)
(c
2
)h
4
30
,
se tiene que
E
t
(h) =
e
−2
−8e
−1
+ 8e
1
+ e
2
12h
+
h
4
f
(5)
(c
2
)
30
,
si [e
k
[ < , ∀k y [f
(5)
(x)[ ≤ M, ∀x ∈ [x
0
−2h, x
0
+ 2h], entonces
[E
t
(h)[ ≤
18
12h
+
h
4
M
30
=
3
2h
+
h
4
M
30
,
con lo que obtenemos que
h =

45
4M
1
5
.
5.2. Extrapolaci´on de Richardson
Supongamos G(h) es una expresi´on que aproxima a una cantidad G, luego
entonces se tiene que G−G(h) = E
T
, donde E
T
es el error de truncamiento
que se comete al aproximar a G por G(h).
Supongamos
E
T
= c
1
h + c
2
h
2
+ c
3
h
3
+ c
4
h
4
+ . . . ,
luego
G = G(h) + c
1
h + c
2
h
2
+ c
3
h
3
+ c
4
h
4
+ . . . h > 0, (5.24)
si tomamos h =
h
2
, entonces
G = G

h
2

+ c
1
h
2
+ c
2
h
2
4
+ c
3
h
3
8
+ c
4
h
4
16
+ . . . h > 0, (5.25)
5.2. EXTRAPOLACI
´
ON DE RICHARDSON
176 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
si a dos veces la ecuaci´on 5.25 le restamos la ecuaci´on 5.24 se tiene que
2G−G = 2G

h
2

+c
1
h+c
2
h
2
2
+c
3
h
3
4
+c
4
h
4
8
+ −G(h)−c
1
h−c
2
h
2
−c
3
h
3
−c
4
h
4
−. . .
o sea que
G = 2G

h
2

−G(h) −c
2
h
2
2

3
4
c
3
h
3

7
8
c
4
h
4
−. . . ,
luego
G =

G

h
2

+

G

h
2

−G(h)

−c
2
h
2
2

3
4
c
3
h
3

7
8
c
4
h
4
−. . . ,
para simplificar los c´alculos tomemos G(h) ≡ G
1
(h), la expresi´on para O(h
2
),
es entonces
G = G
2
(h) −c
2
h
2
2

3
4
c
3
h
3

7
8
c
4
h
4
−. . . , (5.26)
donde G
2
(h) = G
1

h
2

+

G
1

h
2

−G
1
(h)

, si igual que antes reemplazamos
h por
h
2
en 5.26, se tiene que,
G = G
2

h
2

−c
2
h
2
8

3
32
c
3
h
3

7
128
c
4
h
4
−. . . . (5.27)
Pero si a cuatro veces la ecuaci´on 5.27 le restamos la ecuaci´on 5.26 se tiene
que
4G−G = 4G
2

h
2

−G
2
(h) −c
2
h
2
2

3
8
c
3
h
3

7
32
c
4
h
4
−. . .
+c
2
h
2
2
+
3
4
c
3
h
3
+
7
8
c
4
h
4
+ . . . ,
o sea que
3G = 4G
2

h
2

−G
2
(h) +
3
8
c
3
h
3
+
21
32
c
4
h
4
+ . . .
luego
G =

G
2

h
2

+
G
2

h
2

−G
2
(h)
3

+
1
8
c
3
h
3
+
7
32
c
4
h
4
+ . . . ,
si tomamos
G
3
(h) = G
2

h
2

+
G
2

h
2

−G
2
(h)
3
,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 177
se tiene la expresi´on para O(h
3
)dada por
G = G
3
(h) +
1
8
c
3
h
3
+
7
32
c
4
h
4
+ . . . (5.28)
reemplacemos nuevamente a h por
h
2
, entonces se tiene que
G = G
3

h
2

+
1
64
c
3
h
3
+
7
512
c
4
h
4
+ . . . (5.29)
ahora si a ocho veces la ecuaci´on 5.29 le restamos la ecuaci´on 5.28 se tiene
que
7G = 8G
3

h
2

−G
3
(h) −
7
64
c
4
h
4
+ . . .
o sea que
7G = 7G
3

h
2

+ G
3

h
2

−G
3
(h) −
7
64
c
4
h
4
+ . . .
luego
G =

G
3

h
2

+
G
3

h
2

−G
3
(h)
7


1
64
c
4
h
4
+ . . . ,
as´ı que si
G
4
(h) = G
3

h
2

+
G
3

h
2

−G
3
(h)
7
,
se tiene la aproximaci´on O(h
4
) dada por
G = G
4
(h) −
1
64
c
4
h
4
+ . . . ,
continuando con este proceso, la aproximaci´ on O(h
n
) es
G =

G
n−1

h
2

+
G
n−1

h
2

−G
n−1
(h)
2
n−1
−1

+
m−1
¸
j=1
c
j
h
j
+ O(h
m
) (5.30)
o sea
G = G
n
(h) +
m−1
¸
j=1
c
j
h
j
+ O(h
m
),
donde
G
n
(h) =

G
n−1

h
2

+
G
n−1

h
2

−G
n−1
(h)
2
n−1
−1

(5.31)
5.2. EXTRAPOLACI
´
ON DE RICHARDSON
178 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Ejemplo 5.2.1. Usar la extrapolaci´on de Richardson para encontrar f

(2),
siendo f(x) = sen x.
Soluci´on
Tomando h = 0.1 se tiene los resultados mostrados en la tabla 23 y 24
G
1
(0.1) = −0.41545360519
G
1
(0.05) = −0.41597346371 G
2
(0.1) = −0.416146749883
G
1
(0.025) = −0.41610348928 G
2
(0.05) = −0.416146831137
G
1
(0.0125) = −0.41613599948 G
2
(0.025) = −0.416146836213
G
1
(0.00625) = −0.41614412728 G
2
(0.0125) = −0.416146836547
TABLA 23
G
3
(0.1) = −0.416146836554
G
3
(0.05) = −0.416148026379
G
3
(0.025) = −0.416146836547
TABLA 24

Usemos la extrapolaci´on de Richardson para generar las expresiones
O(h
n
) en la f´ormula de diferencias centrada dadas en la secci´on 5.1.
Sea entonces
f

(x
0
) =
f(x
0
+ h) −f(x
0
−h)
2h

h
2
6
f

(x
0
)−
h
4
120
f
(5)
(x
0
)−
h
6
5040
f
(7)
(x
0
)−+. . . ,
haciendo G(h) =
f(x
0
+ h) −f(x
0
−h)
2h
, se tiene entonces que
f

(x
0
) = G(h) −
h
2
6
f

(x
0
) −
h
4
120
f
(5)
(x
0
) −
h
6
5040
f
(7)
(x
0
) −. . . , (5.32)
si reemplazamos a h por
h
2
en la expresi´on anterior se tiene que
f

(x
0
) = G

h
2


h
2
24
f

(x
0
) −
h
4
1920
f
(5)
(x
0
) −
h
6
322560
f
(7)
(x
0
) −. . . , (5.33)
si a cuatro veces 5.33 le restamos 5.32 se tiene que
3f

(x
0
) =

4G

h
2

−G(h)

+
h
4
160
f
(5)
(x
0
) +
15h
6
80640
f
(7)
(x
0
) + . . . ,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 179
o sea que
f

(x
0
) =

G

h
2

+
G

h
2

−G(h)
3

+
h
4
480
f
(5)
(x
0
) +
h
6
16128
f
7
(x
0
) + . . . ,
y por tanto la aproximaci´ on para O(h
2
) est´a dada por
f

(x
0
) = G
2
(h) +
h
4
480
f
(5)
(x
0
) +
h
6
16128
f
(7)
(x
0
) + . . . , (5.34)
siendo G
2
(h) = G

h
2

+
G

h
2

−G(h)
3
si en 5.34 reemplazamos nuevamente
a h por
h
2
, obtenemos que
f

(x
0
) = G
2

h
2

+
h
4
7680
f
(5)
(x
0
) +
h
6
1032192
f
(7)
(x
0
) + . . . , (5.35)
ahora rest´andole a diecis´eis veces la ecuaci´on 5.35, la ecuaci´on 5.34 se tiene
que
15f

(x
0
) = 16G
2

h
2

−G
2
(h) +
h
6
64512
f
(7)
(x
0
) −
h
6
16128
f
(7)
(x
0
) . . . ,
o sea que
15f

(x
0
) = 15G
2

h
2

+ G
2

h
2

−G
2
(h) −
3h
6
64512
f
(7)
(x
0
) + . . . ,
o sea que la aproximaci´ on para O(h
4
) es
f

(x
0
) = G
2

h
2

+
G
2

h
2

−G
2
(h)
15


h
6
322560
f
(7)
(x
0
) + . . . , (5.36)
la cual podemos escribir como
f

(x
0
) = G
3
(h) −
h
4
480
f
(5)
(x
0
) −
h
6
322560
f
(7)
(x
0
) + . . . , (5.37)
siendo G
3
(h) = G
2

h
2

+
G
2

h
2

−G
2
(h)
15
, continuando con este proceso se
tiene la aproximaci´ on O(h
2
j
), j = 2, 3, 4, . . . dada por
G
j
(h) = G
j−1

h
2

+
G
j−1

h
2

−G
j−1
(h)
4
j−1
−1
(5.38)
5.2. EXTRAPOLACI
´
ON DE RICHARDSON
180 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
5.3. Integraci´on Num´erica
Si deseamos calcular la integral dada por
b

a
xe
−x
2
dx
podemos usar el m´etodo de sustituci´on y tomar entonces a u = x
2
de modo
que du = 2xdx, as´ı que xdx =
du
2
, por lo tanto la integral resulta ser
b

a
xe
−x
2
dx =
1
2
b
2

a
2
e
−u
du = −
1
2
e
−u

b
2
a
2
=
1
2

e
−a
2
−e
−b
2

.
Pero si deseamos calcular la integral
b

a
e
−x
2
dx,
es claro que al no ser posible calcularla por ninguno de los m´etodos conocidos
del c´alculo integral, la via entonces es, buscar un valor aproximado de la
integral en cuesti´on.
En esta secci´on obtendremos m´etodos que permitan calcular el valor
aproximado de una integral dada.
Un m´etodo para aproximar la integral dada por
b

a
f(x)dx se basa en los
polinomios de Lagrange, en efecto sea
P
n
(x) =
n
¸
i=0
f(x
i
)L
n,i
(x)
el polinomio de aproximaci´on de Lagrange que aproxima a la funci´on f(x),
pero como
f(x) = P
n
(x) + E
T
(x) =
n
¸
i=0
f(x
i
)L
n,i
(x) +
n
¸
i=0
(x −x
i
)
f
(n+1)
[c(x)]
(n + 1)!
,
al integrar t´ermino a t´ermino se tiene que
b

a
f(x)dx =
b

a
n
¸
i=0
f(x
i
)L
n,i
(x)dx +
b

a
n
¸
i=0
(x −x
i
)
f
(n+1)
[c(x)]
(n + 1)!
dx,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 181
de modo que
b

a
f(x)dx =
n
¸
i=0
f(x
i
)
b

a
L
n,i
(x)dx +
1
(n + 1)!
b

a
n
¸
i=0
(x −x
i
)f
(n+1)
[c(x)]dx,
con c(x) ∈ [a, b], luego entonces ,
b

a
f(x)dx ≈
n
¸
i=0
f(x
i
)
b

a
L
n,i
(x)dx =
n
¸
i=0
w
i
f
i
(x),
siendo w
i
=
b

a
L
n,i
(x)dx.
Miremos el caso para L
1,0
(x) y L
1,1
(x), en este caso P(x) =
f(x
0
)
x −x
1
x
0
−x
1
+ f(x
1
)
x −x
0
x
1
−x
0
, luego
b

a
f(x)dx =
x
1

x
0
f(x
0
)
x −x
1
x
0
−x
1
dx +
x
1

x
0
f(x
1
)
x −x
0
x
1
−x
0
dx
+
1
2!
x
1

x
0
f

[c(x)](x −x
0
)(x −x
1
)dx,
por el teorema del valor medio generalizado para las integrales, existe c ∈
[a, b], tal que
x
1

x
0
f

[c(x)](x −x
0
)(x −x
1
)dx = f

(c)
x
1

x
0
(x −x
0
)(x −x
1
)dx,
pero,
f

(c)
x
1

x
0
(x −x
0
)(x −x
1
)dx = f

(c)
x
1

x
0
(x
2
−(x
1
+ x
0
)x + x
0
x
1
)dx
de modo que
f

(c)
x
1

x
0
(x −x
0
)(x −x
1
)dx = f

(c)

x
3
3

x
1
x
0
−(x
0
+ x
1
)
x
2
2

x
1
x
0
+ x
0
x
1
x

x
1
x
0

,
5.3. INTEGRACI
´
ON NUM
´
ERICA
182 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
o sea que
f

(c)
x
1

x
0
(x−x
0
)(x−x
1
)dx = f

(c)

x
3
1
−x
3
0
3
−(x
0
+x
1
)
x
2
1
−x
2
0
2
+x
0
x
1
(x
1
−x
0
)

,
as´ı que
f

(c)
x
1

x
0
(x−x
0
)(x−x
1
)dx = f

(c)(x
1
−x
0
)

x
2
1
+ x
1
x
0
+ x
2
0
3

(x
0
+ x
1
)
2
2
+x
0
x
1

,
de modo que si h = x
1
−x
0
, entonces
f

(c)
x
1

x
0
(x−x
0
)(x−x
1
)dx =
hf

(c)
6
(−x
2
1
+2x
1
x
0
−x
2
0
) = −
hf

(c)
6
(x
1
−x
0
)
2
luego
1
2!
x
1

x
0
f

[c(x)](x −x
0
)(x −x
1
)dx = −
h
3
f

(c)
12
,
por lo anterior se tiene que
x
1

x
0
f(x)dx = −
f(x
0
)
2
(x
0
−x
1
)
2
(x
0
−x
1
)
+
f(x
1
)
2
(x
1
−x
0
)
2
(x
1
−x
0
)

h
3
f

(c)
12
,
de modo que
x
1

x
0
f(x)dx =
f(x
0
)
2
(x
1
−x
0
) +
f(x
1
)
2
(x
1
−x
0
) −
h
3
f

(c)
12
=
(x
1
−x
0
)
2
[f(x
0
) + f(x
1
)] −
h
3
f

(c)
12
por lo tanto,
x
1

x
0
f(x)dx =
h
2
[f(x
0
) + f(x
1
)] −
h
3
f

(c)
12
, (5.39)
la ecuaci´on 5.39 es llamada la regla del trapecio
Deduzcamos ahora la regla de Simpson utilizando una via diferente a
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 183
la utilizada para calcular la regla del trapecio, para ello utilizamos el
polinomio de Taylor de f(x) de cuarto orden alrededor de x
1
, la cual como
sabemos est´a dado por
f(x) = f(x
1
) + f

(x
1
)(x −x
1
) + f

(x
1
)
(x −x
1
)
2
2!
+ f

(x
1
)
(x −x
1
)
3
3!
+f
(4)
[c(x)]
(x −x
1
)
4
4!
,
luego
x
2

x
0
f(x)dx = f(x
1
)
x
2

x
0
dx + f

(x
1
)
x
2

x
0
(x −x
1
)dx +
f

(x
1
)
2!
x
2

x
0
(x −x
1
)
2
dx
+
f

(x
1
)
3!
x
2

x
0
(x −x
1
)
3
dx +
1
4!
x
2

x
0
f
(4)
[c(x)](x −x
1
)
4
dx,
pero por el teorema del valor medio ponderado existe c ∈ [x
0
, x
2
] , con a = x
0
y b = x
2
, tal que
1
4!
x
2

x
0
f
(4)
[c(x)](x −x
1
)
4
dx =
f
(4)
(c)
4!
x
2

x
0
(x −x
1
)
4
dx,
pero
x
2

x
0
(x −x
1
)
4
dx =
(x −x
1
)
5
5

x
2
x
0
,
ahora si x
1
−x
0
= h, x
2
−x
1
= h, entonces
f
(4)
(c)
4!
x
2

x
0
(x −x
1
)
4
dx =
h
5
f
(4)
(c)
60
.
Se tiene entonces que
x
2

x
0
f(x)dx = f(x
1
)x

x
2
x
0
+
f

(x
1
)
2
(x −x
1
)
2

x
2
x
0
+
f

(x
1
)
6
(x −x
1
)
3

x
2
x
0
+
f

(x
1
)
24
(x −x
1
)
4

x
2
x
0
+
h
5
f
(4)
(c)
60
,
5.3. INTEGRACI
´
ON NUM
´
ERICA
184 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
luego
x
2

x
0
f(x)dx = f(x
1
)[(x
2
−x
1
) −(x
0
−x
1
)] +
f

(x
1
)
2
[(x
2
−x
1
)
2
−(x
0
−x
1
)
2
]
+
f

(x
1
)
6
[(x
2
−x
1
)
3
−(x
0
−x
1
)
3
] +
f

(x
1
)
24
[(x
2
−x
1
)
4
−(x
0
−x
1
)
4
] +
h
5
f
(4)
(c)
60
,
entonces,
x
2

x
0
f(x)dx = f(x
1
)[(x
2
−x
1
) + (x
1
−x
0
)] +
f

(x
1
)
2
[(x
2
−x
1
)
2
−(x
1
−x
0
)
2
]
+
f

(x
1
)
6
[(x
2
−x
1
)
3
+(x
1
−x
0
)
3
] +
f

(x
1
)
24
[(x
2
−x
1
)
4
−(x
1
−x
0
)
4
] +
h
5
f
(4)
(c)
60
,
pero como hemos dicho x
1
−x
0
= x
2
−x
1
= h, luego
x
2

x
0
f(x)dx = f(x
1
)[(x
2
−x
1
)+(x
1
−x
0
)]+
f

(x
1
)
6
[(x
2
−x
1
)
3
+(x
1
−x
0
)
3
]+
h
5
f
(4)
(c)
60
,
se puede escribir como
x
2

x
0
f(x)dx = 2hf(x
1
) + h
3
f

(x
1
)
3
+
h
5
f
(4)
(c)
60
,
pero
f

(x
1
) =
1
h
2
[f(x
1
−h) −2f(x
1
) + f(x
1
+ h)] −
h
2
12
f
(4)
(c
1
),
luego entonces
x
2

x
0
f(x)dx = 2hf(x
1
)+
h
3
3h
2
[f(x
1
−h)−2f(x
1
)+f(x
1
+h)]−
h
5
f
(4)
(c
1
)
36
+
h
5
f
(4)
(c)
60
,
de modo que
x
2

x
0
f(x)dx = 2hf(x
1
) +
h
3
[f(x
0
) −2f(x
1
) + f(x
2
)] −
h
5
12

f
(4)
(c
1
)
3

f
(4)
(c)
5

,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 185
se puede probar que existe α, tal que,
h
5
12

f
(4)
(c
1
)
3

f
(4)
(c)
5

=
h
5
f
(4)
(α)
90
por consiguiente tenemos que
x
2

x
0
f(x)dx =
h
3
[6f(x
1
) + f(x
0
) −2f(x
1
) + f(x
2
)] −
h
5
f
(4)
(α)
90
,
y por tanto
x
2

x
0
f(x)dx =
h
3
[f(x
0
) + 4f(x
1
) + f(x
2
)] −
h
5
f
(4)
(α)
90
, (5.40)
la ecuaci´on 5.40 es la regla de Simpson
Otra regla para aproximar num´ericamente la integral es, la regla
3
8
de
Simpson la cual discutiremos a continuaci´ on.
Sea
f(x) ≈ f(x
0
)
(x −x
1
)(x −x
2
)(x −x
3
)
(x
0
−x
1
)(x
0
−x
2
)(x
0
−x
3
)
+f(x
1
)
(x −x
0
)(x −x
2
)(x −x
3
)
(x
1
−x
0
)(x
1
−x
2
)(x
1
−x
3
)
+f(x
2
)
(x −x
0
)(x −x
1
)(x −x
3
)
(x
2
−x
0
)(x
2
−x
1
)(x
2
−x
3
)
+ f(x
3
)
(x −x
0
)(x −x
1
)(x −x
2
)
(x
3
−x
0
)(x
3
−x
1
)(x
3
−x
2
)
,
luego entonces se tiene que
x
3

x
0
f(x)dx ≈
f(x
0
)
(x
0
−x
1
)(x
0
−x
2
)(x
0
−x
3
)
x
3

x
0
(x −x
1
)(x −x
2
)(x −x
3
)dx
+
f(x
1
)
(x
1
−x
0
)(x
1
−x
2
)(x
1
−x
3
)
x
3

x
0
(x −x
0
)(x −x
2
)(x −x
3
)dx
+
f(x
2
)
(x
2
−x
0
)(x
2
−x
1
)(x
2
−x
3
)
x
3

x
0
(x −x
0
)(x −x
1
)(x −x
3
)dx
+
f(x
3
)
(x
3
−x
0
)(x
3
−x
1
)(x
3
−x
2
)
x
3

x
0
(x −x
0
)(x −x
1
)(x −x
2
)dx,
5.3. INTEGRACI
´
ON NUM
´
ERICA
186 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
si tomamos la sustituci´on x = x
0
+ uh y como x
i
= x
0
+ ih, i = 1, 2, 3,
entonces x
3
= x
0
+ 3h, luego si x = x
0
, se tiene que u = 0 y si x = x
3
,
entonces x
3
= x
0
+ uh, o sea que x
0
+ 3h = x
0
+ uh, de modo que u = 3,
adem´as dx = hdu, x − x
1
= x − x
0
− h = uh − h = h(u − 1), x − x
2
=
x−x
0
−2h = uh−2h = h(u−2) y x−x
3
= x−x
0
−3h = uh−3h = h(u−3),
y x
k
−x
j
= (k −j)h, de modo que
x
3

x
0
f(x)dx ≈
f(x
0
)
(−h)(−2h)(−3h)
3

0
h(u −1)h(u −2)h(u −3)hdu
+
f(x
1
)
(h)(−h)(−2h)
3

0
uhh(u−2)h(u−3)hdu+
f(x
2
)
(2h)(h)(−h)
3

0
uhh(u−1)h(u−3)hdu
+
f(x
3
)
(3h)(2h)(h)
3

0
uhh(u −1)h(u −2)hdu,
luego
x
3

x
0
f(x)dx ≈
−h
4
f(x
0
)
6h
3
3

0
(u
3
−6u
2
+11u−6)du+
h
4
f(x
1
)
2h
3
3

0
(u
3
−5u
2
+6u)du
+
−h
4
f(x
2
)
2h
3
3

0
(u
3
−4u
2
+ 3u)du +
h
4
f(x
3
)
6h
3
3

0
(u
3
−3u
2
+ 2u)du,
de modo que
x
3

x
0
f(x)dx ≈ −
hf(x
0
)
6
−9
4
+
hf(x
1
)
2
9
4

hf(x
2
)
2
−9
4
+
hf(x
3
)
6
9
4
,
luego
x
3

x
0
f(x)dx ≈
3hf(x
0
)
8
+
9hf(x
1
)
8
+
9hf(x
2
)
8
+
3hf(x
3
)
8
,
as´ı que
x
3

x
0
f(x)dx ≈
3h
8
[f(x
0
) + 3f(x
1
) + 3f(x
2
) + f(x
3
)], (5.41)
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 187
la ecuaci´on 5.41 es la llamada regla de los
3
8
de Simpson.
La regla del trapecio, la de Simpson, y la de los
3
8
de Simpson con
sus respectivos errores est´an entonces dadas por
x
1

x
0
f(x)dx =
h
2
[f(x
0
) + f(x
1
)] −
h
3
12
f

(c) c ∈ [x
0
, x
1
] (5.42)
x
2

x
0
f(x)dx =
h
3
[f(x
0
) + 4f(x
1
) + f(x
2
)] −
h
5
90
f
(4)
(c) c ∈ [x
0
, x
2
] (5.43)
x
3

x
0
f(x)dx =
3h
8
[f(x
0
) + 3f(x
1
) + 3f(x
2
) + f(x
3
)] −
3h
5
80
f
(4)
(c) c ∈ [x
0
, x
3
]
(5.44)
las reglas anteriores se conocen como las f´ormulas cerradas de Newton-Cotes.
Definici´on 5.3.1. El grado de Exactitud de una f´ormula de integraci´on
num´erica o f´ormula de cuadratura es el n´ umero natural n tal que para todo
polinomio P
i
(x) de grado i ≤ n, el error E[P
i
(x)] es cero y existe P
n+1
(x) de
grado n + 1 con E[P
n+1
(x)] = 0.
M´as concretamente, el grado de Exactitud o de precisi´on es el entero posi-
tivo i, tal que la f´ormula de integraci´ on es exacta para x
i
, i = 0, 1, 2, 3, . . . , n
As´ı que la regla del trapecio tiene un grado de exactitud uno, en tan-
to que la de Simpson y la de los tres octavo de Simpson tiene un grado de
exactitud tres.
Ya hemos dicho que las reglas anteriormente expuestas se llaman f´ormulas
cerradas de Newton, esto porque la integraci´ on se hace en el intervalo
cerrado [a, b], si la integraci´ on se hace en el intervalo abierto (a, b) se
tiene entonces, las f´ormulas abiertas de Newton - Cotes, en este caso si
x
0
, x
1
, x
2
, . . . , x
n
∈ (a, b) son los nodos, es claro que a y b no son parte de
ellos, por tanto tomamos x
−1
= a y x
n+1
= b. Algunas f´ormulas abiertas de
Newton - Cotes, est´an dadas por
n= 0
x
1

x
−1
f(x)dx = 2hf(x
0
) +
h
3
3
f

(c) (Regla del punto medio)
(5.45)
5.3. INTEGRACI
´
ON NUM
´
ERICA
188 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
n= 1
x
2

x
−1
f(x)dx =
3h
2
[f(x
0
) + f(x
1
)] +
3h
3
4
f

(c) (5.46)
n= 2
x
3

x
−1
f(x)dx =
4h
3
[2f(x
0
) −f(x
1
) + 2f(x
2
)] +
14h
5
45
f
(4)
(c) (5.47)
n= 3
x
4

x
−1
f(x)dx =
5h
24
[11f(x
0
) + f(x
1
) + f(x
2
) + 11f(x
3
)] +
95h
5
144
f
(4)
(c)
(5.48)
Los dos teoremas que damos a continuaci´ on sin demostraci´on permiten,
obtener las f´ormulas cerradas y abiertas de Newton - Cotes respectivamente.
Para las cerradas se tiene que
Teorema 5.3.1. Supongamos que
n
¸
i=0
a
i
f(x
i
), es la f´ormula cerradas de New-
ton - Cotes con x
0
= a y x
n
= b, h =
b −a
n
, entonces existe c ∈ (a, b), tal
que
b

a
f(x)dx =
n
¸
i=0
a
i
f(x
i
) +
h
n+3
f
(n+2)
(c)
(n + 2)!
n

0
t
2
(t −1)(t −2)(t −n)dt,
si n es par, f ∈ C
n+2
[a, b] y
b

a
f(x)dx =
n
¸
i=0
a
i
f(x
i
) +
h
n+2
f
(n+1)
(c)
(n + 1)!
n

0
t(t −1)(t −2)(t −n)dt
si n es impar, f ∈ C
n+1
[a, b], a
i
=
b

a
L
i
(x)dx
Observemos que si n = 4 la f´ormula cerrada de Newton - Cotes es
b

a
f(x)dx =
2h
45
[7f(x
0
) +32f(x
1
) +12f(x
2
) +32f(x
3
) +7f(x
4
)] −
8h
7
945
f
(6)
(c)
(5.49)
llamada la regla de Boole
Para la f´ormulas abiertas el teorema es
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 189
Teorema 5.3.2. Supongamos que
n
¸
i=0
a
i
f(x
i
), es la f´ormula abierta de New-
ton - Cotes con x
−1
= a y x
n+1
= b, h =
b −a
n + 2
, entonces existe c ∈ (a, b),
tal que
b

a
f(x)dx =
n
¸
i=0
a
i
f(x
i
) +
h
n+3
f
(n+2)(c)
(n + 2)!
n+1

−1
t
2
(t −1)(t −2)(t −n)dt
si n es par y si f ∈ C
n+2
[a, b], y
b

a
f(x)dx =
a
¸
i=0
a
i
f(x
i
) +
h
n+2
f
(n+1)
(c)
(n + 1)!
n+1

−1
t(t + 1)(t −2) . . . (t −n)dt
si n es impar y si f ∈ C
n+1
[a, b]
Ejemplo 5.3.1. Utilizar las f´ormulas cerradas de Newton - Cotes para
aproximar la integral
1.5

1
x
2
ln xdx
Soluci´on
Primero observemos que
1.5

1
x
2
ln xdx =
x
3
9
(3 ln x −1)

1.5
1
,
y por tanto el valor exacto de la integral con doce cifras significativas es
1.5

1
x
2
ln xdx = 0.192259357733.
Usemos primero el m´etodo del trapecio, en el h = 1.5 −1 = 0.5, luego
1.5

1
x
2
ln xdx ≈
0.5
2
[f(1) + f(1.5)] =
1
4
[1 ln 1 + (1.5)
2
ln 1.5],
o sea que
1.5

1
x
2
ln xdx ≈ 0.2280741233,
5.3. INTEGRACI
´
ON NUM
´
ERICA
190 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
resultado que presenta un error absoluto de E = 0.0358147655674 ≈ 3.58 %,
que como vemos es un error muy alto.
Con la regla de Simpson se tiene que h =
b −a
n
=
b −a
2
=
1
4
, luego
x
0
= 1, x
1
= x
0
+ h = 1.25 y x
2
= 1.5, por tanto
1.5

1
x
2
ln xdx ≈
h
3
[f(x
0
) + 4f(x
1
) + f(x
2
)],
luego
1.5

1
x
2
ln xdx ≈
1
12
[f(1) + 4f(1.25) + f(1.5)],
de modo que
1.5

1
x
2
ln xdx ≈
1
12
[1 ln 1 + 4(1.25)
2
ln 1.25 + (1.5)
2
ln 1.5]
=
1
12
[1.39464719571 + 0.912296493243],
as´ı que
1.5

1
x
2
ln xdx ≈ 0.192245307412,
teni´endose un error absoluto de E = 0.000014050321.
Apliquemos ahora la regla tres octavos de Simpson, aqu´ı h =
b −a
3
=
1
6
,
adem´as x
0
= 1, x
1
= 1 +
1
6
, x
1
= 1 +
1
3
y x
3
= 1.5, luego
1.5

1
x
2
ln xdx ≈
1
16
[f(x
0
) + 3f(x
1
) + 3f(x
2
) + f(x
3
)],
luego
1.5

1
x
2
ln xdx ≈
1
16
[0 + 0.62944860931 + 1.53430438639 + 0.912296493243],
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 191
por tanto
1.5

1
x
2
ln xdx ≈ 0.192253093059,
con un error absoluto de E = 0.000006264674
Finalmente usando la regla de Boole h =
b −a
4
=
0.5
4
=
1
8
= 0.125,
luego
1.5

1
x
2
ln xdx ≈
2h
45
[7f(x
0
) + 32f(x
1
) + 12f(x
2
) + 32f(x
3
) + 7f(x
4
)],
pero x
0
= 1, x
1
= 1 + 0.125 = 1.125, x
2
= 1 + 0.25 = 1.25, x
3
= 1 + 0.375 =
1.375 y x
4
= 1.5, de modo que
1.5

1
x
2
ln xdx ≈
1
180
[0 + 4.77021294406 + 4.18394158714
+19.2664507327 + 6.3860754527],
luego
1.5

1
x
2
ln xdx ≈ 0.192259337314,
teniendo ahora un valor absoluto E = 0.000000020419.
Como podemos observar la regla de Boole es la que proporciona un
menor error.
Ejemplo 5.3.2. Utilizar las f´ormulas abiertas de Newton - Cotes para
aproximar la integral
1.5

1
x
2
ln xdx
Soluci´on
Si aplicamos la regla del punto medio podemos observar que
1.5

1
x
2
ln xdx ≈ 0
5.3. INTEGRACI
´
ON NUM
´
ERICA
192 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
ya que
1.5

1
x
2
ln xdx ≈ 2hf(x
0
) = 2 1
2
ln 1 = 0,
lo cual significa que el error es del 100 %.
Con n = 1 se tiene que h =
b −a
n + 2
=
0.5
3
=
1
6
, luego x
0
= a + h = 1 +
1
6
y
x
1
= a + 2h = 1 +
1
3
, de modo que
1.5

1
x
2
ln xdx ≈
3
1
6
2
[f(x
0
) + f(x
1
)],
luego
1.5

1
x
2
ln xdx ≈
1
4
[0.209816203103 + 0.511434795463] = 0.180312749642,
la cual proporciona un error absoluto de E = 0.011946608091.
Si tomamos n = 2, h =
b −a
n + 2
=
0.5
4
=
1
8
= 0.125, as´ı que
x
0
= a + h = 1 + 0.125 = 1.125, x
1
= x
0
+ h = 1.125 + 0.125 = 1.25, y
x
2
= x
1
+ h = 1.25 + 0.125 = 1.375, luego,
1.5

1
x
2
ln xdx ≈
4h
3
[2f(x
0
) −f(x
1
) + 2f(x
2
)],
o sea que,
1.5

1
x
2
ln xdx ≈
1
6
[0.298138309004 −0.348661798928 + 1.20415317079],
de modo que
1.5

1
x
2
ln xdx ≈
1
6
(1.19100821798) = 0.198501369663,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 193
aproximaci´on que presenta un error de E = 0.00624201193.
Veamos la aproximaci´on cuando n = 3, en este caso h = 0.1 ya que h =
b −a
n + 2
=
0.5
5
=
1
10
, pero entonces, x
0
= a +h = 1 +0.1 = 1.1, x
1
= x
0
+h =
1.1 + 0.1 = 1.2, x
2
= x
1
+h = 1.2 + 0.1 = 1.3 x
3
= x
2
+h = 1.3 + 0.1 = 1.4,
as´ı que
1.5

1
x
2
ln xdx ≈
5 0.1
24
[11f(x
0
) + f(x
1
) + f(x
2
) + 11f(x
3
)]
=
1
48
[11f(1.1) + f(1.2) + f(1.3) + 11f(1.4)],
por lo tanto
1.5

1
x
2
ln xdx ≈
1
48
[1.2685784932+0.262543041783+0.443395606949+7.25434142155],
y de ese modo
1.5

1
x
2
ln xdx ≈
1
48
9.22885856348 = 0.192267886739,
que proporciona un error absoluto de E = 0.000008529006.
5.4. Integraci´on Compuesta
Ahora bien una mejor aproximaci´on num´erica a la integral la proporciona
la llamada integraci´ on num´erica compuesta, la cual estudiaremos en esta
secci´on, mirando primero la integraci´ on num´erica compuesta para la regla
del trapecio, luego para la regla de Simpson y por ´ ultimo para la regla
3
8
de
Simpson.
5.4.1. Regla Compuesta del Trapecio
Sea P = ¦x
0
, x
1
, x
2
, . . . , x
n
¦, una partici´on de un intervalo cerrado [a, b],
tal que x
k
= x
0
+ hk, h =
b −a
n
, k = 0, 1, 2, . . . , n, entonces aplicamos a
5.4. INTEGRACI
´
ON COMPUESTA
194 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
cada subintervalo [x
k−1
, x
k
] la regla del trapecio, esto es en cada subintervalo
[x
k−1
, x
k
] se tiene que
x
k

x
k−1
f(x)dx ≈
h
2
[f(x
k−1
) + f(x
k
)],
luego
b

a
f(x)dx ≈
n
¸
k=1
h
2
[f(x
k−1
) + f(x
k
)] =
h
2
n
¸
k=1
[f(x
k−1
) + f(x
k
)],
o sea que
b

a
f(x)dx ≈
h
2
[f(x
0
)+f(x
1
)+f(x
1
)+f(x
2
)+f(x
2
)+ +f(x
n−1
)+f(x
n−1
)+f(x
n
)],
de modo que
b

a
f(x)dx ≈
h
2
¦f(x
0
) + 2[f(x
1
) + f(x
2
) + + f(x
n−1
)] + f(x
n
)¦,
por lo tanto
b

a
f(x)dx ≈
h
2

f(x
0
) + f(x
n
) + 2
n−1
¸
k=1
f(x
k
)

,
pero como x
0
= a y x
n
= b, entonces
b

a
f(x)dx ≈
h
2

f(a) + f(b) + 2
n−1
¸
k=1
f(x
k
)

, (5.50)
la ecuaci´on 5.50 se conoce como la regla compuesta del trapecio.
Ejemplo 5.4.1. Aplicar la regla compuesta del trapecio con n = 4 y n = 6
para aproximar la integral
1.5

1
x
2
ln xdx
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 195
Soluci´on
Como h =
b −a
n
, entonces h =
1
8
= 0.125, luego,
1.5

1
x
2
ln xdx ≈
h
2

f(x
0
) + f(x
4
) + 2
3
¸
k=1
f(x
k
)

,
por tanto,
1.5

1
x
2
ln xdx ≈
1
16

f(x
0
) + f(x
4
) + 2[f(x
1
) + f(x
2
) + f(x
3
)]

,
pero x
0
= 1, x
1
= x
0
+h = 1 +0.125 = 1.125, x
2
= x
1
+h = 1.125 +0.125 =
1.25, x
3
= x
2
+ h = 1.25 + 0.125 = 1.375 y x
4
= 1.5, luego,
1.5

1
x
2
ln xdx ≈
1
16

f(1) + f(1.5) + 2[f(1.125) + f(1.25) + f(1.375)]

,
o sea que
1.5

1
x
2
ln xdx ≈
1
16

0 + 0.912296493243 + 2[0.149069154502
+0.348661798928 + 0.602076585397]

,
de modo que
1.5

1
x
2
ln xdx ≈
1
16
[0.912296493243 + 2.19961507766],
as´ı que,
1.5

1
x
2
ln xdx ≈
1
16
3.119115709 = 0.194494473181.
Para n = 6 se tiene que h =
b −a
n
, luego h =
0.5
6
=
1
12
, de modo que
x
0
= 1, x
1
= x
0
+ h = 1 +
1
12
, x
2
= x
0
+ 2h = 1 +
1
6
, x
3
= x
0
+ 3h = 1 +
1
4
,
5.4. INTEGRACI
´
ON COMPUESTA
196 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
x
4
= x
0
+ 4h = 1 +
1
3
, x
5
= x
0
+ 5h = 1 +
5
12
, x
6
= 1, de modo que,
1.5

1
x
2
ln xdx ≈
h
2

f(x
0
) + f(x
6
) + 2
5
¸
k=1
f(x
k
)

,
de modo que
1.5

1
x
2
ln xdx ≈
1
24

f(x
0
) +f(x
6
) +2[f(x
1
) +f(x
2
) +f(x
3
) +f(x
4
) +f(x
5
)]

,
o sea que
1.5

1
x
2
ln xdx ≈
1
24
[0.912296493243 + 3.72576798698],
y de ese modo
1.5

1
x
2
ln xdx ≈ 0.193252686676.

Podemos observar que si bien la aproximaci´ on obtenida no es muy buena
porque mantiene un error muy grande, si es mejor a la obtenida con la regla
del trapecio, naturalmente entre m´as grande sea el valor de n usado en la
regla compuesta del trapecio, se obtendr´a una mejor aproximaci´on.
5.4.2. Regla Compuesta de Simpson
Consideremos sub-intervalos de la forma [x
2k−2
, x
2k
], k = 1, 2, . . . , n, y
apliquemos la regla de Simpson a cada uno de esos sub-intervalos, entonces
se tiene que
x
2k

x
2k−2
f(x)dx ≈
h
3

f(x
2k−2
) + 4f(x
2k−1
) + f(x
2k
)

,
luego
b

a
f(x)dx ≈
n
¸
k=1
x
2k

x
2k−2
f(x)dx,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 197
por tanto
b

a
f(x)dx ≈
n
¸
k=1
h
3

f(x
2k−2
) + 4f(x
2k−1
) + f(x
2k
)

,
o sea que
b

a
f(x)dx ≈
h
3
[f(x
0
)+4f(x
1
)+f(x
2
)+f(x
2
)+4f(x
3
)+f(x
4
)+f(x
4
)+4f(x
5
)
+ + f(x
2n−4
) + 4f(x
2n−3
) + f(x
2n−2
) + f(x
2n−2
) + 4f(x
2n−1
) + f(x
2n
)],
pero entonces,
b

a
f(x)dx ≈
h
3

¦f(x
0
) + f(x
2n
)¦ + 2¦f(x
2
) + f(x
4
) + + f(x
2n−2

+4¦f(x
1
) + f(x
3
) + + f(x
2n−1

,
pero x
0
= a y x
2n
= b, entonces,
b

a
f(x)dx ≈
h
3
[f(a) + f(b)] +
2h
3
n−1
¸
k=1
f(x
2k
) +
4h
3
n
¸
k=1
f(x
2k−1
) (5.51)
la f´ormula 5.51 es la regla compuesta de Simpson.
Ejemplo 5.4.2. Usar la regla compuesta de Simpson con 11 nodos para
aproximar la integral
5

2
x
2
ln xdx.
Soluci´on Como se va aplicar la regla compuesta de Simpson con 11 nodos
entonces n = 5, luego h =
b −a
2n
=
3
10
, entonces
5

2
x
2
ln xdx ≈
h
3
[f(2) + f(5)] +
2h
3
4
¸
k=1
f(x
2k
) +
4h
3
5
¸
k=1
f(x
2k−1
),
pero como x
k
= x
0
+ kh, entonces x
0
= 2, x
1
= x
0
+ 2 = 2 +
3
10
=
23
10
,
x
2
=
26
10
=
13
5
x
3
=
29
10
x
4
=
32
10
=
16
5
, x
5
=
35
10
=
7
2
, x
6
=
38
10
=
19
5
,
5.4. INTEGRACI
´
ON COMPUESTA
198 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
x
7
=
41
10
, x
8
=
44
10
=
22
5
, x
9
=
47
10
y x
10
=
50
10
= 5, luego
5

2
x
2
ln xdx ≈
1
10
[f(2) + f(5)] +
1
5
[f(x
2
) + f(x
4
) + f(x
6
) + f(x
8
)]
+
2
5
[f(x
1
) + f(x
3
) + f(x
5
) + f(x
7
) + f(x
9
)],
o sea que
5

2
x
2
ln xdx ≈
1
10
[f(2) + f(5)] +
1
5
[f(2.6) + f(3.2) + f(3.8) + f(4.4)]
+
2
5
[f(2.3) + f(2.9) + f(3.5) + f(4.1) + f(4.7)],
de modo que
5

2
x
2
ln xdx ≈
1
10
[2.77258872224 + 40.2359478108]
+
1
5
[6.45925736838 + 11.9106642925 + 19.2774154036 + 28.6838639122]
+
2
5
[4.40608926033 + 8.95421729809 + 15.3463463641
+23.7186910281 + 34.1856558176],
por lo tanto
5

2
x
2
ln xdx ≈
1
10
[43.008536533] +
1
5
[66.3312009767] +
2
5
[86.6109997682]
= 4.3008536533 + 13.2662401953 + 34.6443999072,
de modo que
5

2
x
2
ln xdx ≈ 52.2114937558.
Hacemos notar que, el valor exacto de la integral con doce cifras significativas
es
5

2
x
2
ln xdx =
1
9
x
3
(3 ln x −1)

5
2
= 52.2115205364,
de modo que el error de aproximaci´on es E = [52.2115205364 −
52.2114937558[ = 0.0000276806
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 199
5.4.3. Regla Compuesta de los
3
8
Simpson
Consideremos nuevamente la partici´on P = ¦x
0
, x
1
, x
2
, . . . , x
n
¦, del intervalo
cerrado [a, b], con x
k
= x
0
+ hk, h =
b −a
3n
, k = 0, 1, 2, . . . , n, entonces
aplicamos a cada subintervalo [x
3k−3
, x
3k
] la regla
3
8
de Simpson, luego en
cada subintervalo [x
3k−3
, x
3k
] de tiene que
x
3k

x
3k−3
f(x)dx ≈
3h
8
[f(x
3k−3
) + 3f(x
3k−2
) + 3f(x
3k−1
) + f(x
3k
)],
luego entonces tenemos que
b

a
f(x)dx ≈
n
¸
k=1
3h
8

f(x
3k−3
) + 3f(x
3k−2
) + 3f(x
3k−1
) + f(x
3k
)

,
de modo que
b

a
f(x)dx ≈
3h
8

n
¸
k=1
f(x
3k−3
) +3
n
¸
k=1
f(x
3k−2
) +3
n
¸
k=1
f(x
3k−1
) +
n
¸
k=1
f(x
3k
)

,
luego
b

a
f(x)dx ≈
3h
8
[f(x
0
)+f(x
3
)+f(x
6
)+ +f(x
3n−3
)+3f(x
1
)+3f(x
4
)+3f(x
7
)
+3f(x
3n−2
) +3f(x
2
) +3f(x
5
) +3f(x
8
) + +3f(x
3n−1
) +f(x
3
) +f(x
6
)
+f(x
9
) + + f(x
3n
)],
as´ı que
b

a
f(x)dx ≈
3h
8
[f(x
0
) + f(x
3n
)] +
6h
8
[f(x
3
) + f(x
6
) + f(x
9
) + f(x
3n−3
)]
+
9h
8
[f(x
1
)+f(x
4
)+f(x
7
)+ f(x
3n−2
)]+
9h
8
[f(x
2
)+f(x
5
)+f(x
8
)+ f(x
3n−1
)],
de modo que
b

a
f(x)dx ≈
3h
8
[f(a)+f(b)]+
3h
4
n−1
¸
k=1
f(x
3k
)+
9h
8
n
¸
k=1
f(x
3k−2
)+
9h
8
n
¸
k=1
f(x
3k−1
)
(5.52)
la f´ormula 5.52 es la regla compuesta de los
3
8
de Simpson.
5.4. INTEGRACI
´
ON COMPUESTA
200 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Ejemplo 5.4.3. Usar la regla compuesta de los
3
8
de Simpson con 13 nodos
para aproximar la integral
1.5

1
x
2
ln xdx.
Soluci´on Como se va aplicar la regla compuesta de los
3
8
de Simpson con 13
nodos entonces n = 4, luego h =
b −a
3n
=
1
24
, entonces
5

2
x
2
ln xdx ≈
3h
8
[f(1)+f(1.5)]+
3h
4
3
¸
k=1
f(x
3k
)+
9h
8
4
¸
k=1
f(x
3k−2
)+
9h
8
4
¸
k=1
f(x
3k−1
),
pero como x
k
= x
0
+ kh, entonces x
0
= 1, x
1
= 1 +
1
24
=
25
24
, x
2
=
26
24
x
3
=
27
24
x
4
= x
3
=
28
24
, x
5
=
29
24
, x
6
=
30
24
, x
7
=
31
24
, x
8
=
32
24
, x
9
=
33
24
,
x
10
=
34
24
, x
11
=
35
24
y x
12
=
36
24
= 1.5 luego
1.5

1
x
2
ln xdx ≈
1
64
[f(1) + f(1.5)] +
1
32
[f(x
3
) + f(x
6
) + f(x
9
)]
+
3
64
[f(x
1
) +f(x
4
) +f(x
7
) +f(x
10
)] ++
3
64
[f(x
2
) +f(x
5
) +f(x
8
) +f(x
11
)],
o sea que
1.5

1
x
2
ln xdx ≈
1
64
[0+0.91229649] +
1
32
[0.14906915+0.3486618+0.60207659]
+
3
64
[0.044294698+0.209816203+0.4269999+0.69903219+0.093939+0.2763065
+0.5114348 + 0.80240537],
por lo tanto
1.5

1
x
2
ln xdx ≈ 0.014254632 + 0.034368985 + 0.143635718,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 201
de modo que
5

2
x
2
ln xdx ≈ 0.192259335.
Es bueno observar que, el valor exacto de la integral con nueve cifras signi-
ficativas es
1.5

1
x
2
ln xdx =
1
9
x
3
(3 ln x −1)

1.5
1
= 0.192259357,
de modo que el error de aproximaci´on es E = [0.192259357−0.192259335[ =
2.2732 10
−8

5.4.4. Cotas de Error para las Reglas Compuestas
Miremos primero el error para la regla compuesta del trapecio y luego lo
haremos para las reglas compuestas de Simpson.
Sabemos que en el intervalo [x
k−1
, x
k
] la funci´on f(x), est´a dada por
f(x) = P
k
(x) + E
k
(x), siendo, P
k
(x) el k-´esimo polinomio de Lagrange y
E
k
(x) =
(x −x
k−1
)(x −x
k
)
2!
f

[c(x)], luego entonces,
x
k

x
k−1
f(x)dx =
x
k

x
k−1
P
k
(x)dx +
1
2!
x
k

x
k−1
(x −x
k−1
)(x −x
k
)f

[c(x)]dx,
pero por el teorema del valor medio para integrales existe c
k
∈ (x
k−1
, x
k
), tal
que
x
k

x
k−1
f(x)dx =
x
k

x
k−1
P
k
(x)dx +
f

(c
k
)
2!
x
k

x
k−1
(x −x
k−1
)(x −x
k
)dx,
sea x = x
k−1
+hv, x
k
= x
k−1
+h, entonces x−x
k
= x−x
k−1
−h = hv −h =
h(v − 1) y dx = hdv, adem´as si x = x
k−1
, entonces hv = 0 y de ese modo
v = 0, y si x = x
k
, se tiene que 0 = h(v −1) y entonces v = 1, de lo anterior
se tiene que
x
k

x
k−1
(x −x
k−1
)(x −x
h
)dx =
1

0
hvh(v −1)hdv = h
3
1

0
(v
2
−v)dv,
5.4. INTEGRACI
´
ON COMPUESTA
202 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
por lo tanto
x
k

x
k−1
(x −x
k−1
)(x −x
h
)dx = −
h
3
6
,
luego, el error en el intervalo [x
k−1
, x
k
] es
E
k
= −
f

(c
k
)h
3
12
.
De lo anterior se tiene que
b

a
f(x)dx =
n
¸
k=1
x
k

x
k−1
f(x
k
)dx −
n
¸
k=1
f

(c
k
)h
3
12
=
h
2
n
¸
k=1
[f(x
k−1
) + f(x
k
)]

h
3
12
n
¸
k=1
f

(c
k
),
pero h =
b −a
n
, luego
b

a
f(x)dx =
h
2
n
¸
k=1
[f(x
k−1
) + f(x
k
)] −
b −a
12n
h
2
n
¸
k=1
f

(c
k
),
o sea que
b

a
f(x)dx =
h
2
n
¸
k=1
[f(x
k−1
) + f(x
k
)] −
(b −a)h
2
12
n
¸
k=1
f

(c
k
)
n
,
pero
n
¸
k=1
f

(c
k
)
n
=
f

(c
1
) + f

(c
2
) + f

(c
3
) + + f

(c
n
)
n
,
es la media aritm´etica de la funci´on continua f

, por tanto esta se puede
reemplazar por f

(c) para alg´ un c ∈ (a, b), de modo que
b

a
f(x)dx =
b

a
f(x)dx =
h
2
n
¸
k=1
[f(x
k−1
) + f(x
k
)] −
(b −a)h
2
12
f

(c) (5.53)
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 203
Para la regla compuesta de Simpson consideremos el intervalo cerrado [a, b],
y supongamos se divide en sub-intervalos de la forma [x
2k−2
, x
2k
], luego por
5.43 aplicada a ese intervalo se tiene que
x
2k

x
2k−2
f(x)dx =
h
3
[f(x
2k−2
) + 4f(x
2k−1
) + f(x
2k
)] −
h
5
f
(4)
[c
k
(x)]
90
,
luego entonces,
b

a
f(x)dx =
n
¸
k=1

h
3
[f(x
2k−2
) + 4f(x
2k−1
) + f(x
2k
)] −
h
5
f
(4)
[c
k
(x)]
90

,
con h =
b −a
2n
, x
2k−2
≤ c
k
(x) ≤ x
2k
, pero hemos visto que
n
¸
k=1

h
3
[f(x
2k−2
) + 4f(x
2k−1
) + f(x
2k
)] =
h
3
[f(a) + f(b)] +
2h
3
n−1
¸
k=1
f(x
2k
)
+
4h
3
n
¸
k=1
f(x
2k−1
),
siendo a = x
0
y b = x
2n
, por lo tanto
b

a
f(x)dx =
h
3
[f(a) + f(b)] +
2h
3
n−1
¸
k=1
f(x
2k
) +
4h
3
n
¸
k=1
f(x
2k−1
)

h
5
90
n
¸
k=1
f
(4)
[c
k
(x)],
as´ı que el error es
E
T
(x) = −
h
5
90
n
¸
k=1
f
(4)
[c
k
(x)].
Como f ∈ C
4
[a, b], tiene valores extremos, luego
m´ın
a≤x≤b
f
(4)
(x) ≤ f
(4)
[c
k
(x)] ≤ m´ax
a≤x≤b
f
(4)
(x),
luego entonces
n m´ın
a≤x≤b
f
(4)
(x) ≤
n
¸
k=1
f
(4)
[c
k
(x)] ≤ n m´ax
a≤x≤b
f
(4)
(x),
5.4. INTEGRACI
´
ON COMPUESTA
204 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
as´ı que
m´ın
a≤x≤b
f
(4)
(x) ≤
1
n
n
¸
k=1
f
(4)
[c
k
(x)] ≤ m´ax
a≤x≤b
f
(4)
(x),
luego por el teorema del valor intermedio existe c ∈ (a, b) tal que
f
(4)
(c) =
1
n
n
¸
k=1
f
(4)
[c
k
(x)]
luego
E
T
(x) = −
h
5
90
n
¸
k=1
f
(4)
[c
k
(x)] = −
h
5
nf
(4)
(c)
90
,
pero como h =
b −a
2n
, entonces
E
T
= −h
4
(b −a)
2n
nf
(4)
(c)
90
= −
b −a
180
h
4
f
(4)
(c),
as´ı que la regla de Simpson con error es
b

a
f(x)dx =
h
3
[f(a)+f(b)] +
2h
3
n−1
¸
k=1
f(x
2k
)+
4h
3
n
¸
k=1
f(x
2k−1
)−
b −a
180
h
4
f
(4)
(c)
(5.54)
Con respecto a la regla compuesta de los
3
8
Simpson consideremos el in-
tervalo cerrado [a, b], y supongamos se divide en sub-intervalos de la forma
[x
3k−3
, x
3k
], luego entonces al aplicar 5.44 en este intervalo se tiene que
x
3k

x
3k−3
f(x)dx =
3h
8
[f(x
3k−3
)+3f(x
3k−2
)+3f(x
3k−2
)+f(x
3k
)] −
3h
5
f
(4)
[c
k
(x)]
80
,
luego entonces,
b

a
f(x)dx =
n
¸
k=1

3h
8
[f(x
3k−3
)+3f(x
3k−2
)+3f(x
3k−2
)+f(x
3k
)]−
3h
5
f
(4)
[c
k
(x)]
80

,
con h =
b −a
3n
, x
3k−3
≤ c
k
(x) ≤ x
3k
, pero
n
¸
k=1

3h
8
[f(x
3k−3
) + 3f(x
3k−2
) + 3f(x
3k−2
) + f(x
3k
)] =
3h
8
[f(x
0
) + f(x
n
)]
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 205
+
9h
8
n
¸
k=1
f(x
3k−2
) +
9h
8
n
¸
k=1
f(x
3k−1
) +
h
4
n
¸
k=1
f(x
3k−3
)],
con a = x
0
y b = x
3n
, por lo tanto
b

a
f(x)dx =
n
¸
k=1

3h
8
[f(x
3k−3
) + 3f(x
3k−2
) + 3f(x
3k−2
) + f(x
3k
)]

3h
5
80
n
¸
k=1
f
(4)
[c
k
(x)],
as´ı que el error es
E
T
(x) = −
3h
5
80
n
¸
k=1
f
(4)
[c
k
(x)].
Pero f ∈ C
4
[a, b], tiene valores extremos, de modo que
m´ın
a≤x≤b
f
(4)
(x) ≤ f
(4)
[c
k
(x)] ≤ m´ax
a≤x≤b
f
(4)
(x),
por lo tanto
n m´ın
a≤x≤b
f
(4)
(x) ≤
n
¸
k=1
f
(4)
[c
k
(x)] ≤ n m´ax
a≤x≤b
f
(4)
(x),
luego
m´ın
a≤x≤b
f
(4)
(x) ≤
1
n
n
¸
k=1
f
(4)
[c
k
(x)] ≤ m´ax
a≤x≤b
f
(4)
(x),
pero por el teorema del valor intermedio existe c ∈ (a, b) tal que
f
(4)
(c) =
1
n
n
¸
k=1
f
(4)
[c
k
(x)]
luego
E
T
(x) = −
3h
5
80
n
¸
k=1
f
(4)
[c
k
(x)] = −
3h
5
nf
(4)
(c)
80
,
como h =
b −a
3n
, entonces
E
T
= −h
4
(b −a)
3n
nf
(4)
(c)
80
= −
b −a
80
h
4
f
(4)
(c),
5.4. INTEGRACI
´
ON COMPUESTA
206 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
de modo que la regla de los
3
8
de Simpson con error es
b

a
f(x)dx =
3h
8
[f(a) + f(b)] +
9h
8
n−1
¸
k=1
f(x
3k−2
) +
9h
8
n
¸
k=1
f(x
3k−1
)+
h
4
n
¸
k=1
f(x
3k−3
) −
b −a
80
h
4
f
(4)
(c) (5.55)
5.5. M´etodo de Integraci´on de Romberg
Como hemos visto la regla del trapecio nos proporciona la aproximaci´ on
de una integral con un error considerablemente grande con el prop´osito de
mejorar el procedimiento y hacerlo m´as eficiente estudiaremos a continuaci´ on
el m´etodo de Romberg.
Consideremos la regla compuesta con nodos n
1
= 1, n
2
= 2, n
3
=
4, , n
i
= 2
i−1
, la cual esta dada por
b

a
f(x)dx =
h
i
2

f(a) + f(b) + 2
2
i−1
−1
¸
k=1
f(x
k
)


b −a
12
h
2
i
f(c),
con h
i
=
b −a
2
i−1
y x
k
= a + kh
i
, sea
R(i, 1) =
h
i
2

f(a) + f(b) + 2
2
i−1
−1
¸
k=1
f(a + kh
i
)

,
entonces
R(1, 1) =
h
1
2
[f(a) + f(b)],
pero h
1
= b −a, luego
R(1, 1) =
b −a
2
[f(a) + f(b)], (5.56)
ahora
R(2, 1) =
h
2
2
[f(a)+f(b)+2f(a+h
2
)] =
b −a
4
[f(a)+f(b)] +2
b −a
4
f(a+h
2
),
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 207
ya que h
2
=
b −a
2
luego
R(2, 1) =
b −a
4
[f(a) + f(b)] +
b −a
2
f(a + h
2
)
=
1
2

b −a
2
¦f(a) + f(b)¦ + (b −a)f(a + h
2
)

,
pero por 5.56, se tiene que,
R(2, 1) =
1
2

R(1, 1) + h
1
f(a + h
2
)

. (5.57)
Pero
R(3, 1) =
h
3
2

f(a) + f(b) + 2
3
¸
k=1
f(a + kh
3
)

,
luego
R(3, 1) =
h
3
2
[f(a) + f(b) + 2¦f(a + h
3
) + f(a + 2h
3
) + f(a + 3h
3
)¦],
como h
3
=
b −a
2
2
, entonces
R(3, 1) =
h
3
2
[f(a) + f(b) + 2f

a + 2
b −a
2
2

+ 2¦f(a + h
3
) + f(a + 3h
3
)¦]
=
h
3
2
[f(a) + f(b) + 2f

a +
b −a
2

+ 2¦f(a + h
3
) + f(a + 3h
3
)¦]
=
b −a
8
[f(a) + f(b) + 2f(a + h
2
) + 2¦f(a + h
3
) + f(a + 3h
3
)¦],
de modo que
R(3, 1) =
1
2

b −a
4

f(a)+f(b)

+
b −a
2
f(a+h
2
)+
b −a
2
¦f(a+h
3
)+f(a+3h
3

,
pero de 5.57 se tiene que
R(3, 1) =
1
2

R(2, 1) + h
2
¦f(a + h
3
) + f(a + 3h
3

.
Continuando con este proceso se tiene que
R(k, 1) =
1
2

R(k −1, 1) + h
k−1
2
k−2
¸
i=1
¦f(a + (2i −1)h
k

(5.58)
5.5. M
´
ETODO DE INTEGRACI
´
ON DE ROMBERG
208 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Ejemplo 5.5.1. Usar el m´etodo de Romberg para aproximar
π
2


π
2
cos xdx,
con h = 5
Soluci´on
Al resolver la integral propuesta usando el c´alculo integral se tiene
que

2


π
2
cos xdx = 2.
Ahora
R(1, 1) =
π
2
+
π
2
2

cos

2
+ cos
π
2

= 0,
luego
R(2, 1) =
1
2
[R(1, 1) + πf(a + h
2
)]
=
1
2

0 + π cos


π
2
+
π
2

=
1
2
π = 1.570879633.
R(3, 1) =
1
2

R(2, 1) + h
2

cos
π
4
+ cos
π
4
¸
=
1
2
[1.57079633 +
π
2

2]
= 1.89611890524.
Pero entonces
R(4, 1) =
1
2

R(2, 1) + h
3

cos

8
+ cos
π
8
+ cos
π
8
+ cos

8
¸
=
1
2

1.89611890534 + h
3

2 cos

8
+ 2 cos
π
8
¸
=
1
2
[1.89611890534 + 2.05234431668] = 1.97423161101.
Y finalmente
R(5, 1) =
1
2

R(4, 1) + h
4

f(a + h
5
) + f(a + 3h
5
) + f(a + 5h
5
) + f(a + 7h
5
)
+f(a + 9h
5
) + f(a + 11h
5
) + f(a + 13h
5
) + f(a + 15h
5
)
¸
,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 209
luego,
R(5, 1) =
1
2

R(4, 1) +
π
8

2Cos

16
+ 2 cos

16
+ 2 cos

16
+ 2 cos
π
16
¸
,
por lo tanto
R(5, 1) =
1
2

R(4, 1) +
π
4

cos

16
+ cos

16
+ cos

16
+ cos
π
16
¸
,
de modo que
R(5, 1) =
1
2
[1.97423161101 + 2.01290909611] = 1.99357035356.
el error es entonces E = [2 − 1.99357035356[ = 0.00642964644 ≈ 0, 6 %

Con el fin de acelerar el m´etodo de Romberg, es com´ un usar el proce-
so de extrapolaci´on de Richardson que ya fue presentado en una secci´on
anterior.
Sea f ∈ C

[a, b], se puede probar que la regla compuesta del trapecio se
puede escribir (omitimos la demostraci´on) como
b

a
f(x)dx −R(k, 1) = a
1
h
2
+ a
2
h
4
+ a
3
h
6
+ . . . (5.59)
as´ı que si reemplazamos a k por k + 1 y h por
h
2
en 5.59 se tiene que
b

a
f(x)dx −R(k + 1, 1) = a
1
h
2
4
+ a
2
h
4
16
+ a
3
h
6
64
+ . . . (5.60)
si a cuatro veces la ecuaci´on 5.60 le restamos la ecuaci´on 5.59 se tiene que
3
b

a
f(x)dx−4R(k+1, 1)+R(k, 1) = a
2

h
4
4
−h
4

+a
3

h
6
16
−h
6

+. . . (5.61)
luego
b

a
f(x)dx−

R(k+1, 1)+
R(k + 1, 1) −R(k, 1)
3

=
a
2
3

h
4
4
−h
4

+
a
3
3

h
6
16
−h
6

+. . . ,
5.5. M
´
ETODO DE INTEGRACI
´
ON DE ROMBERG
210 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
de modo que,
b

a
f(x)dx = R(k, 2) −
a
2
h
4
4

5a
3
h
6
16
+ . . . , (5.62)
donde
R(k, 2) = R(k + 1, 1) +
R(k + 1, 1) −R(k, 1)
3
=
4R(k + 1, 1) −R(k, 1)
4 −1
,
que al reescribirlo se tiene que
R(k, 2) = R(k, 1) +
R(k, 1) −R(k −1, 1)
3
=
4R(k, 1) −R(k −1, 1)
4 −1
,
pero si en 5.62 reemplazamos nuevamente a k por k + 1 y h por
h
2
, tenemos
que
b

a
f(x)dx = R(k + 1, 2) −a
2
h
4
64
−a
3
5h
6
1024
+ . . . , (5.63)
rest´andole a 16 veces la ecuaci´on 5.63 la ecuaci´on 5.62 se tiene que
15
b

a
f(x)dx = 16R(k + 1, 2) −R(k, 2) + . . . ,
por tanto,
b

a
f(x)dx = R(k + 1, 2) +
R(k + 1, 2) −R(k, 2)
15
+
por tanto
b

a
f(x)dx = R(k, 3) + . . .
donde
R(k, 3) = R(k + 1, 2) +
R(k + 1, 2) −R(k, 2)
15
=
4
2
R(k + 1, 2) −R(k, 2)
4
2
−1
que al reescribirla se tiene que
R(k, 3) = R(k, 2) +
R(k, 2) −R(k −1, 2)
15
=
4
2
R(k, 2) −R(k −1, 2)
4
2
−1
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 211
continuando con el proceso se tiene que
R(k, i) = R(k, i −1) +
R(k, i −1) −R(k −1, i −1)
4
i−1
−1
o sea que
R(k, i) =
4
i−1
R(k, i −1) −R(k −1, i −1)
4
i−1
−1
(5.64)
5.6. Cuadratura Adaptativa
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.......................................................................
a
a + b
2
b
Figura 5.1 Regla de Simpson
En la regla compuesta de Simpson, Figura (5.1) y en la del trapecio se
necesitan tomar nodos igualmente espaciados los cuales determinan sub-
intervalos de longitud h =
b −a
n
, donde [a, b] es el intervalo de integraci´ on
y n la cantidad de subintervalo, pero si la funci´on presenta en alguno de
estos sub-intervalos o en todos, oscilaciones muy fuertes, la aproximaci´on no
va a tener la exactitud deseada, en estos casos, es natural que quisi´esemos
proveernos de m´etodos en los cuales sea posible adaptar o ajustar la
longitud del paso, a fin de que en los sub-intervalos en donde la funci´on
tenga oscilaciones muy pronunciadas el error en la aproximaci´ on sea menor
y por lo tanto la exactitud de la aproximaci´ on sea ahora mucho mejor,
estos m´etodos son llamados de cuadratura adaptativa, o m´etodos de
integraci´on adaptativa. Figura(5.2)
Presentamos a continuaci´on la cuadratura adaptativa basada en la
5.6. CUADRATURA ADAPTATIVA
212 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...................
a
b
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
x
1
x
2
x
3
Figura 5.2 Cuadratura Adaptativa
regla compuesta de Simpson.
Consideremos el intervalo [a
k
, b
k
] al aplicar la regla de Simpson en esta
intervalo se tiene que
b
k

a
k
f(x)dx =
h
3

f(a
k
) + 4f(c
k
) + f(b
k
)


h
5
f
(4)

1
)
90
,
donde h =
b
k
−a
k
2
y c
k
=
a
k
+ b
k
2
, obs´ervese que c
k
=
a
k
+ b
k
2
=
2a
k
+ b
k
−a
k
2
= a
k
+
b
k
−a
k
2
= a
k
+ h, luego,
b
k

a
k
f(x)dx =
h
3

f(a
k
) + 4f(a
k
+ h) + f(b
k
)


h
5
f
(4)

1
)
90
,
tomemos
S(a
k
, b
k
) =
h
3

f(a
k
) + 4f(a
k
+ h) + f(b
k
)

,
entonces
b
k

a
k
f(x)dx = S(a
k
, b
k
) −
h
5
f
(4)

1
)
90
.
Sea ahora a
k1
y b
k1
puntos medios de los sub-intervalos [a
k
, c
k
] y [c
k
, b
k
]
respectivamente, aplicando nuevamente regla compuesta de Simpson con los
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 213
nodos a
k
, a
k1
, c
k
, b
k1
, b
k
, con h
1
=
b
k
−a
k
4
=
h
2
, se tiene que
b
k

a
k
f(x)dx =
h
1
3

f(a
k
) + 4f(a
k1
) + 2f(c
k
) + 4f(b
k1
) + f(b
k
)


h
5
16
f
(4)

2
)
90
,
=
h
6

f(a
k
) + 4f(a
k1
) + f(c
k
) + f(c
k
) + f(b
k1
) + 4f(b
k
)


h
5
16
f
(4)

2
)
90
=
h
6

f(a
k
) +4f(a
k1
) +f(c
k
)

+
h
6

f(c
k
) +f(b
k1
) +4f(b
k
)


1
16
h
5
f
(4)

2
)
90
,
sea
S(a
k
, c
k
) =
h
6

f(a
k
) + 4f(a
k1
) + f(c
k
)

y
S(c
k
, b
k
) =
h
6

f(c
k
) + 4f(b
k1
) + f(b
k
)

,
entonces
b
k

a
k
f(x)dx = S(a
k
, c
k
) + S(c
k
, b
k
) −
1
16
h
5
f
(4)

2
)
90
,
luego
b
k

a
k
f(x)dx = S

a
k
,
a
k
+ b
k
2

+ S

a
k
+ b
k
2
, b
k


1
16
h
5
f
(4)

2
)
90
(5.65)
Nota: Obs´ervese que a
k1
= a
k
+ h
1
= a
k
+
h
2
, b
k1
= c
k
+ h
1
=
a
k
+ b
k
2
+
h
2
=
a
k
+ b
k
2
+
b
k
−a
k
4
=
2a
k
+ 2b
k
+ b
k
−a
k
4
=
a
k
+ 3b
k
4
=
4a
k
+ 3b
k
−3a
k
4
= a
k
+
3(b
k
−a
k
)
4
= a
k
+
3
2
h.
Si suponemos que α
1
≈ α
2
, entonces, f
(4)

1
) ≈ f
(4)

2
) lo cual permite
estimar el error,de modo que el m´etodo es exitoso dependiendo del grado
de exactitud del supuesto. En particular si f
(4)

1
) = f
(4)

2
) = f
(4)
(α),
entonces
S

a
k
,
a
k
+ b
k
2

+ S

a
k
+ b
k
2
, b
k


1
16
h
5
f
(4)

2
)
90
≈ S(a
k
, b
k
) −
h
5
f
(4)

1
)
90
,
luego
15
16
h
5
f
(4)
(α)
90
≈ S(a
k
, b
k
) −S

a
k
,
a
k
+ b
k
2

−S

a
k
+ b
k
2
, b
k

,
5.6. CUADRATURA ADAPTATIVA
214 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
o sea que
1
15

S(a
k
, b
k
) −S

a
k
,
a
k
+ b
k
2

−S

a
k
+ b
k
2
, b
k


1
16
h
5
f
(4)
(α)
90
,
pero por 5.65
1
16
h
5
f
(4)
(α)
90

b
k

a
k
f(x)dx −S

a
k
,
a
k
+ b
k
2

−S

a
k
+ b
k
2
, b
k

,
luego
1
15

S(a
k
, b
k
) −S

a
k
,
a
k
+ b
k
2

−S

a
k
+ b
k
2
, b
k

b
k

a
k
f(x)dx −S

a
k
,
a
k
+ b
k
2

−S

a
k
+ b
k
2
, b
k

,
as´ı que si
M =

S(a
k
, b
k
) −S

a
k
,
a
k
+ b
k
2

−S

a
k
+ b
k
2
, b
k

< 15, (5.66)
para una tolerancia predeterminada, entonces

b
k

a
k
f(x)dx−S

a
k
,
a
k
+ b
k
2

−S

a
k
+ b
k
2
, b
k


1
15
M <
1
15
15 = , (5.67)
luego S

a
k
,
a
k
+b
k
2

+ S

a
k
+b
k
2
, b
k

aproxima 15 veces mejor a
b
k

a
k
f(x)dx que
S(a
k
, b
k
) y por tanto es una aproximaci´ on suficientemente exacta.
Ejemplo 5.6.1. Mostrar la exactitud de la estimaci´on del error que se da
en 5.66 para
1.5

1
x
2
ln xdx.
Soluci´on
Se tiene que
S(1; 1, 5) =
0.25
3
[f(1)+4f(1.25)+F(1.5)] =
1
12
[0+1.39464719571+0912296493243],
por lo tanto
S(1; 1, 5) = 0.192245307412.
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 215
Ahora
S(0; 1, 25)+S(1.25; 1, 5) =
1
24
[f(0)+4f(1.25)+2f(1.25)+4f(1.375)+f(1.5)]
=
1
24
[0+0.59627668008+0.697323597856+2.40830634159+0.912296493243]
= 0.192258460446.
de modo que
1
15

S(1; 1, 5)−S(0; 1, 25)−S(1.25; 1, 5)

=
1
15
0.000013153034 = 0.0000008769.
Esto es una buena aproximaci´ on al error real dado por

1.5

1
x
2
ln xdx −0.192258460446

= 0.000000897.

El m´etodo de cuadratura adaptativa se concreta de la siguiente for-
ma: Sea el intervalo [a, b], que reescribimos [a
0
, b
0
] tomamos el punto medio
c
0
, y dividimos el intervalo en dos sub-intervalos y aplicamos el criterio de
exactitud 5.66 con una tolerancia predeterminada
0
si se satisface aplicamos
5.65 y terminamos el proceso, si no se cumple el criterio de exactitud
entonces se toman los dos sub-intervalos [a
1
, b
1
], [a
2
, b
2
] con a
1
= a
0
,
b
1
= c
0
= a
2
y b
2
= b.
Ahora el intervalo [a
1
, b
1
], se divide en dos sub-intervalos tomando el
punto medio c
1
, se tiene entonces los sub-intervalos [a
1
, c
1
], [c
1
, b
1
], se mira
si se cumple el criterio de exactitud con una tolerancia
1
=

0
2
, si se cumple
el criterio entonces se aplica 5.65 y el proceso termina. Pero en este segundo
paso tambi´en el subintervalo [a
2
, b
2
] se divide en dos sub-intervalos [a
2
, c
2
],
[c
2
, b
2
], con c
2
, punto medio y se aplica el criterio de exactitud con
2
=

1
2
,
si se cumple el criterio se aplica entonces 5.65 si no se cumple el criterio en
[a
1
, b
1
] ni en [a
2
, b
2
], entonces cada uno de los sub-intervalos [a
1
, c
1
], [c
1
, b
1
],
[a
2
, c
2
], [c
2
, b
2
] se dividen en sub-intervalos tomando sus puntos medios y
se verifica el criterio de exactitud con una tolerancia igual a la mitad de la
anterior y se continua el proceso.
Con estos refinamientos el proceso termina en un numero finito de
pasos debido a que el error se va reduciendo en un factor
1
16
.
5.6. CUADRATURA ADAPTATIVA
216 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
5.7. Integraci´on Gauss-Legendre
Tanto en las f´ormulas cerradas de Newton-Cotes como en las abiertas, los
nodos que utilizamos est´an igualmente espaciados, este procedimiento puede
comprometer la exactitud de la aproximaci´on, la cual puede ser mejorada
tomando las reglas compuestas, pero para una mejor aproximaci´ on podemos
optimizar la escogencia de los nodos a fin de que nuestro prop´osito se cumpla.
Sea P = ¦x
0
, x
1
, x
2
, . . . , x
n
¦ una partici´on de [a, b] y supongamos que
b

a
f(x)dx ≈
n
¸
i=1
w
i
f(x
i
), (5.68)
donde w
1
, w
2
, w
3
, . . . , w
n
son los pesos que tienen valores indeterminados, la
selecci´on de los pesos w
i
y los nodos x
i
, i = 1, 2, 3, . . . , n se debe hacer de
tal forma que la aproximaci´ on sea lo m´as exacta posible.
Encontrar pues los pesos y los nodos es equivalente a encontrar 2n
par´ametros, lo cual puede hacerse, si consideramos como par´ametros los
coeficientes de los polinomios de grado 2n − 1, los cuales son los que
proporcionan una mayor exactitud.
Para mostrar el procedimiento supongamos que
1

−1
f(x)dx ≈ w
1
f(x
1
) + w
2
f(x
2
) (5.69)
donde w
1
, w
2
, x
1
, x
2
son los par´ametros a determinar de lo comentado
anteriormente el resultado es exacto para polinomios de grado 2n−1 = 3 ya
que el n´ umero de par´ametros es cuatro.
Es suficiente exigir que 5.69 sea exacta para f(x) = 1, f(x) = x,
f(x) = x
2
, f(x) = x
3
, as´ı que las cuatro condiciones ser´ıan
1. f(x) = 1,
1

−1
dx = w
1
f(x
1
) + w
2
f(x
2
) = w
1
+ w
2
, luego
w
1
+ w
2
= 2
2. f(x) = x,
1

−1
xdx = w
1
f(x
1
) + w
2
f(x
2
) = w
1
x
1
+ w
2
x
2
, luego
w
1
x
1
+ w
2
x
2
= 0
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 217
3. f(x) = x
2
,
1

−1
x
2
dx = w
1
f(x
1
) + w
2
f(x
2
) = w
1
x
2
1
+ w
2
x
2
2
, luego
w
1
x
2
1
+ w
2
x
2
2
=
2
3
4. f(x) = x
3
,
1

−1
x
3
dx = w
1
f(x
1
) + w
2
f(x
2
) = w
1
x
3
1
+ w
2
x
3
2
, luego
w
1
x
3
1
+ w
2
x
3
2
= 0
por lo tanto se tiene que
w
1
+ w
2
= 2 (5.70)
w
1
x
1
+ w
2
x
2
= 0 (5.71)
w
1
x
2
1
+ w
2
x
2
2
=
2
3
(5.72)
w
1
x
3
1
+ w
2
x
3
2
= 0 (5.73)
de 5.71, se tiene que w
1
x
1
= −w
2
x
2
y de 5.73 w
1
x
3
1
= −w
2
x
3
2
, luego entonces
w
1
x
1
w
1
x
3
1
=
w
2
x
2
w
2
x
3
2
,
por lo tanto x
2
1
= x
2
2
, as´ı que x
1
= −x
2
ya que x
1
= x
2
, puesto que son cuatro
nodos distintos, pero entonces se tiene que por 5.71 w
1
x
1
− w
2
x
1
= 0 o sea
que w
1
= w
2
y de 5.70 w
1
= 1 y w
2
= 1 por lo tanto al reemplazar en 5.72
se tiene que x
2
1
=
1
3
luego x
2
1
= x
2
2
=
1
3
, de modo que x
1
=
1

3
y x
2
= −
1

3
por lo tanto
1

−1
f(x)dx ≈ f

1

3

+ f


1

3

,
esta ´ ultima expresi´on es conocida como la regla de Gauss-Legendre de dos
nodos
Ejemplo 5.7.1. Aproximar la integral
1

−1
13(x
2
− x)e

3x
2
dx usando la inte-
graci´on Gauss-Legendre.
5.7. INTEGRACI
´
ON GAUSS-LEGENDRE
218 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Soluci´on
Como f(x) = 13(x
2
− x)e

3x
2
, entonces f

1

3

= −1.33429932893
y
f


1

3

= 28.1462747836 as´ı que
1

−1
13(x
2
−x)e

3x
2
dx ≈ f

1

3

+ f


1

3

= 26.8119754547.

Otra alternativa diferente para encontrar los pesos y los nodos es us-
ando los polinomios de Legendre que a continuaci´on definimos
Definici´on 5.7.1. El n-´esimo polinomio de Legendre se define como
P
n
(x) =
[|
n
2
|]
¸
k=0
(−1)
k
(2n −2k)!
2
n
k!(n −k)!(n −2k)!
x
n−2k
donde [[
n
2
[] es la parte entera de
n
2
De la definici´on anterior se tiene que los cinco primeros polinomio de Legendre
son:
• P
0
(x) = 1
• P
1
(x) = x
• P
2
(x) =
1
2
(3x
2
−1)
• P
3
(x) =
1
2
(5x
3
−3x)
• P
4
(x) =
1
8
(35x
4
−30x
2
+ 3)
• P
5
(x) =
1
8
(63x
5
−70x
3
+ 15x)
Los polinomios de Legendre cumplen propiedades importantes entre las
cuales podemos destacar las siguientes
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 219
P
n
(x) es un polinomio de grado n
Si Q(x) es un polinomio de grado menor que n,
1

−1
Q(x)P
n
(x)dx = 0
Las ra´ıces de los polinomios de Legendre son los nodos que nos proporcionan
resultados exactos para cualquier polinomio de grado menor que 2n, lo cual
se prueba con el siguiente teorema
Teorema 5.7.1. Sean x
1
, x
2
, x
3
, . . . , x
n
las n ra´ıces del polinomio de Legen-
dre de grado n y adem´as sea
w
i
=
1

−1
n
¸
j=1,j=i
x −x
j
x
i
−x
j
dx. (5.74)
Si P(x) es cualquier polinomio de grado menor que 2n, entonces
1

−1
P(x)dx =
n
¸
i=1
w
i
P(x
i
).
Demostraci´on. Primero probemos el teorema para un polinomio de grado
menor n, en efecto sea P(x) un polinomio cualquiera de grado menor n,
entonces, P(x) se puede escribir como un polinomio de Lagrange de grado
n −1, esto es
P(x) =
n
¸
i=1
n
¸
i=1,k=i
x −x
i
x
k
−x
i
P(x
i
) +
f
(n)
[(x)]
n!
(x −x
0
)(x −x
1
) . . . (x −x
n
),
con x
i
i = 1, 2, 3 . . . , n ra´ıces del polinomio de grado n de Legendre, pero
como P(x) tiene grado n, entonces
f
(n)
[(x)]
n!
(x −x
0
)(x −x
1
) . . . (x −x
n
) = 0,
luego
1

−1
P(x)dx =
1

−1
n
¸
i=1
n
¸
i=1,k=i
x −x
i
x
k
−x
i
P(x
i
)dx,
o sea que
1

−1
P(x)dx =
n
¸
i=1

1

−1
n
¸
i=1,k=i
x −x
i
x
k
−x
i
P(x
i
)dx

=
n
¸
i=1
w
i
P(x
i
).
5.7. INTEGRACI
´
ON GAUSS-LEGENDRE
220 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Sea ahora P(x) un polinomio de grado menor que 2n, y P
n
(x) el poli-
nomio de Legendre de grado n, entonces por el algoritmo de la divisi´on
P(x)
P
n
(x)
= Q(x) +
R(x)
P
n
(x)
,
con Q(x) y R(x) polinomios de grado menor que n, as´ı que,
P(x) = Q(x)P
n
(x) + R(x),
de modo que,
1

−1
P(x)dx =
1

−1
R(x)dx,
adem´as como x
i
es ra´ız de P
n
(x), entonces P
n
(x
i
) = 0 por lo tanto,
P(x
i
) = Q(x
i
)P
n
(x
i
) + R(x
i
) = R(x
i
).
Ahora como R(x) es de grado menor que n, por la primera parte del teorema
se tiene que
1

−1
P(x)dx =
n
¸
i=1
w
i
R(x
i
),
luego entonces se obtiene que
1

−1
P(x)dx =
n
¸
i=1
w
i
R(x
i
) =
n
¸
i=1
w
i
P(x
i
)
Como el polinomio de Legendre de grado 2 est´a dado por P
2
(x) =
1
2
(3x
2
−1)
sus ra´ıces son x
1
=
1

3
y x
2
= −
1

3
, y al aplicar la expresi´on 5.74 se
puede f´acilmente determinar que w
1
= w
2
= 1 que coinciden con los valores
obtenidos anteriormente en el m´etodo de de Gauss-Legendre de dos nodos.
Para el polinomio de Legendre de grado 3 que viene dado por
P
3
(x) =
1
2
(5x
3
−3x) =
1
2
x(5x
2
−3),
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 221
las ra´ıces son x
1
= −

3
5
, x
2
= 0, x
3
=

3
5
y entonces w
1
= 0.5555555556,
w
2
= 0.88888888888 y w
3
= 0.5555555556
Pero no siempre los limites de integraci´ on son −1 y 1, entonces si se
quiere aproximar
b

a
f(x)dx usando la integraci´ on Gauss-Legendre, se puede
usar la sustituci´on x =
a + b
2
+
b −a
2
u de modo que dx =
b −a
2
du, por lo
tanto se tiene que,
b

a
f(x)dx =
1

−1
f

a + b
2
+
b −a
2
u

b −a
2
du
5.8. Integrales Impropias
En esta secci´on miraremos la forma de aproximar integrales de la forma
b

a
g(x)
(x −a)
p
dx,
b

a
g(x)
(x −b)
p
dx,

−∞
f(x)dx, que como podemos observar son
integrales impropias ya que presentan problemas en los limites de integraci´on.
Supongamos g ∈ C
5
[a, b], y sea P
4
(x) el polinomio de Taylor de cuar-
to orden de g(x) alrededor de x = a, luego
P
4
(x) = g(a) +g

(a)(x−a) +
g

(a)
2!
(x−a)
2
+
g

(a)
3!
(x−a)
3
+
g
4
(a)
4!
(x−a)
4
,
por lo tanto,
P
4
(x)
(x −a)
p
= g(a)(x −a)
−p
+ g

(a)(x −a)
1−p
+
g

(a)
2!
(x −a)
2−p
+
g

(a)
3!
(x −a)
3−p
+
g
4
(a)
4!
(x −a)
4−p
,
pero entonces,
b

a
P
4
(x)
(x −a)
p
dx = g(a) l´ım
c→a
+
b

c
1
(x −a)
p
dx + g

(a) l´ım
c→a
+
b

c
1
(x −a)
p−1
dx
+
g

(a)
2!
l´ım
c→a
+
b

c
1
(x −a)
p−2
dx +
g

(a)
3!
l´ım
c→a
+
b

c
1
(x −a)
p−3
dx
5.8. INTEGRALES IMPROPIAS
222 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
+
g
4
(a)
4!
l´ım
c→a
+
bn

c
1
(x −a)
p−4
dx,
pero 0 < p < 1, entonces
b

a
P
4
(x)
(x −a)
p
dx =
g(a)
1 −p
l´ım
c→a
+

1
(x −a)
p−1

b
c

+
g

(a)
2 −p
l´ım
c→a
+

1
(x −a)
p−2

b
c

+
g

(a)
2!(3 −p)
l´ım
c→a
+

1
(x −a)
p−3

b
c

+
g

(a)
3!(4 −p)
l´ım
c→a
+

1
(x −a)
p−4

b
c

+
g
4
(a)
4!(5 −p)
l´ım
c→a
+

1
(x −a)
p−5

b
c

,
de modo que
b

a
P
4
(x)
(x −a)
p
dx =
g(a)
1 −p
1
(b −a)
p−1
+
g

(a)
2 −p
1
(b −a)
p−2
+
g

(a)
2!(3 −p)
1
(b −a)
p−3
+
g

(a)
3!(4 −p)
1
(b −a)
p−4
+
g
(4)
(a)
4!(5 −p)
1
(b −a)
p−5
,
as´ı que
b

a
P
4
(x)
(x −a)
p
dx =
4
¸
k=0
g
k
(a)
k!(k + 1 −p)
(b −a)
k+1−p
(5.75)
por tanto
b

a
g(x)
(x −a)
p
dx =
b

a
g(x) −P
4
(x)
(x −a)
p
dx +
b

a
P
4
(x)
(x −a)
p
dx.
Sea
G(x) =

g(x)−P
4
(x)
(x−a)
p
si a < x ≤ b
si x = a
aplicamos ahora la regla compuesta de Simpson a G(x) y agregamos a
est´a aproximaci´ on el valor obtenido en 5.75 para obtener finalmente el valor
de la integral deseada.
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 223
Para calcular el valor de
b

a
g(x)
(x−b)
p
con 0 < p < 1, al igual que antes
tomamos el polinomio de Taylor de cuarto orden de g(x) alrededor de x = b,
o sea
P
4
(x) =
4
¸
k=0
g
k
(b)
k!
(x −b)
k−p
,
luego,
b

a
P
4
(x)
(x −b)
p
= −
4
¸
k=0
g
k
(b)
k!
(a −b)
k+1−p
, (5.76)
ya que
b

a
P
4
(x)
(x −b)
p
dx =
4
¸
k=0
b

a
g
k
(b)
k!
(x −b)
k−p
dx =
4
¸
k=0
l´ım
c→b

c

a
g
k
(b)
k!
(x −b)
k−p
dx,
o sea,
b

a
P
4
(x)
(x −b)
p
dx =
4
¸
k=0
g
k
(b)
k!
l´ım
c→b

c

a
(x−b)
k−p
dx =
4
¸
k=0
g
k
(b)
k!
l´ım
c→b

(x −b)
k+1−p
k + 1 −p

c
a

,
y as´ı,
b

a
P
4
(x)
(x −b)
p
dx =
4
¸
k=0
g
k
(b)
k!(k + 1 −p)

l´ım
c→b

1
(c −b)
p−k−1

1
(a −b)
p−k−1

= −
4
¸
k=0
(a −b)
k+1−p
k!(k + 1 −p)g
(
k)(b)
sea ahora
G(x) =

0 si b = x
g(x)−P
4
(x)
(x−b)
p
si a ≤ x < b
entonces aplicamos la regla de Simpson a G(x) y a este valor le agregamos
el valor de 5.76 teniendo la aproximaci´on de la integral comentada.
5.8. INTEGRALES IMPROPIAS
224 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Otras integrales impropias son como hemos dicho

−∞
f(x)dx,
b

−∞
f(x)dx y

a
f(x)dx, pero como

−∞
f(x)dx =
0

−∞
f(x)dx +

0
f(x)dx,
solo analizaremos los casos
b

−∞
f(x)dx y

a
f(x)dx.
Para estos casos sea x =
1
u
, entonces dx = −
du
u
2
, as´ı que si x = a,
entonces u =
1
a
y si x = ∞, se tiene que u = 0 luego

a
f(x)dx = −
0

1
a
1
u
2
f

1
u

du,
de la misma manera
b

−∞
f(x)dx = −
1
b

0
1
u
2
f

1
u

du,
las cuales se pueden resolver por medio del procedimiento analizado anterior-
mente.
Ejemplo 5.8.1. Aproximar la integral
1

0
e
−x

1 −x
dx
usando la regla compuesta de Simpson con 13 nodos.
Soluci´on
El polinomio de cuarto orden para e
−x
alrededor de x = 1 es
P
4
(x) =
1
e

1 −(x −1) +
(x −1)
2
2!

(x −1)
3
3!
+
(x −1)
4
4!

CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 225
=
1
e

1 + (1 −x) +
(1 −x)
2
2!
+
(1 −x)
3
3!
+
(1 −x)
4
4!

as´ı que
P
4
(x)

1 −x
=
1
e

(1 −x)

1
2
+ (1 −x)
1
2
+
(1 −x)
3
2
2!
+
(1 −x)
5
2
3!
+
(1 −x)
7
2
4!

luego
1

0
P
4
(x)

1 −x
dx =
1
e
1

0

(1−x)

1
2
+(1−x)
1
2
+
(1 −x)
3
2
2
+
(1 −x)
5
2
6
+
(1 −x)
7
2
24

dx
= −
1
e
l´ım
c→1

2(1 −x)
1
2
+
2
3
(1 −x)
3
2
+
1
5
(1 −x)
5
2
+
1
21
(1 −x)
7
2
+
1
108
(1 −x)
9
2

c
0
= 2 +
2
3
+
1
5
+
1
21
+
1
108
≈ 2.92354497355.
Ahora como son 13 nodos entonces n = 6, por lo tanto h =
b −a
2n
=
1
12
, sea
G(x) =

0 si 1 = x
e
−x
−P
4
(x)

1 −x
si 0 ≤ x < 1
aplicando la regla compuesta de Simpson tenemos que
1

0
G(x)dx =
1
12
3

G(a) + G(b)

+ 2
1
12
3
n−1
¸
k=1
G(x
2k
) + 4
1
12
3
n−1
¸
k=1
G(x
2k−1
)
=
1
36

G(0)+G(1)

+
1
18

G(x
2
)+G(x
4
)+G(x
6
)+G(x
8
)+G(x
10
)

+
1
9

G(x
1
)
+G(x
3
) + G(x
5
) + G(x
7
) + G(x
9
) + G(x
11
)

pero x
0
= 0, x
1
=
1
12
, x
2
=
1
6
, x
3
=
1
4
, x
4
=
1
3
, x
5
=
5
12
, x
6
=
1
2
, x
7
=
7
12
,
x
8
=
2
3
, x
9
=
3
4
, x
10
=
5
6
, x
11
=
11
12
, x
12
= 1. Los resultados aparecen en la
siguiente tabla
5.8. INTEGRALES IMPROPIAS
226 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
x
k
G(x
k
)
x
0
0.003659846825
x
1
0.0024377356867
x
2
0.00156193127575
x
3
0.00095744521971
x
4
0.000555080563209
x
5
0.000299838565354
x
6
0.000147634572002
x
7
0.0000640469678866
x
8
0.00002312563921701
x
9
0.000006246298
x
10
0.000000993170111109
x
11
0.00000004328049
x
12
0
TABLA 25
de modo que
1

0
G(x)dx = 0.003659846825 + 0.00019073043502 + 0.000836745781
= 0.00458732304102,
luego
1

0
e
−x

1 −x
dx ≈ 2.92354497355 + 0.00458732304102 = 2, 92823229659.

5.9. Integraci´on Doble
Si R es una regi´on rectangular dada por
R : a ≤ x ≤ b, c ≤ y ≤ d
y supongamos f(x, y) est´a definida sobre R, si R se divide en
peque˜ nos elementos de ´area ∆A = ∆x∆y, los cuales numeramos
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 227
∆A
1
, ∆A
2
, ∆A
3
. . . , ∆A
n
, y escogemos un punto (x
i
, y
i
) en cada elemento
∆A
i
, formamos la suma
S
n
=
n
¸
i=1
f(x
i
, y
i
)∆A
i
,
entonces

A
f(x, y)∆A = l´ım
∆A→0
n
¸
i=1
f(x
i
, y
i
)∆A
i
.
El siguiente teorema, que presentamos sin demostraci´on, nos permite calcular
una integral sobre una regi´on
Teorema 5.9.1. Si f(x, y) es continua sobre la region R, dada por R : a ≤
x ≤ b, c ≤ y ≤ d, entonces,

R
f(x, y)∆A =
b

a
d

c
f(x, y)dydx =
d

c
b

a
f(x, y)dxdy
Para aproximar una integral doble consideremos las particiones P
1
= ¦a =
x
0
, x
1
, x
2
, x
3
, . . . , x
n
= b¦ y P
2
= ¦c = y
0
, y
1
, y
2
, y
3
, . . . , y
m
= d¦ de los in-
tervalos [a, b] y [c, d] respectivamente con x
i
= x
0
+ ih, y
j
= y
0
+ jk siendo
h =
b −a
2n
y k =
d −c
2m
, luego en el intervalo [x
2i−1
, x
2i
] y para un y fijo se
tiene, por la regla compuesta de Simpson que,
b

a
f(x, y)dx ≈
h
3

f(x
0
, y) + 2
n−1
¸
i=1
f(x
2i
, y) + 4
n
¸
i=1
f(x
2i−1
, y) + f(x
2n
, y)

,
luego entonces,
d

c

b

a
f(x, y)dx

dy ≈
d

c
h
3

f(x
0
, y) + 2
n−1
¸
i=1
f(x
2i
, y)
+4
n
¸
i=1
f(x
2i−1
, y) + f(x
2n
, y)

dy
de modo que
d

c

b

a
f(x, y)dx

dy ≈
h
3

d

c
f(x
0
, y)dy + 2
n−1
¸
i=1
d

c
f(x
2i
, y)dy
5.9. INTEGRACI
´
ON DOBLE
228 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
+4
n
¸
i=1
d

c
f(x
2i−1
, y)dy +
d

c
f(x
2n
, y)dy

,
pero, nuevamente por la regla compuesta de Simpson en el intervalo
[y
2j−1
,y
2j
],
d

c
f(x
0
, y)dy ≈
k
3

f(x
0
, y
0
)+2
m−1
¸
j=1
f(x
0
, y
2j
)+4
m
¸
j=1
f(x
0
, y
2j−1
)+f(x
0
, y
2m
)

,
adem´as,
d

c
f(x
2i
, y)dy ≈
k
3

f(x
2i
, y
0
)+2
m−1
¸
j=1
f(x
2i
, y
2j
)+4
m
¸
j=1
f(x
2i
, y
2j−1
)+f(x
2i
, y
2m
)

,
d

c
f(x
2i−1
, y)dy ≈
k
3

f(x
2i−1
, y
0
) + 2
m−1
¸
j=1
f(x
2i−1
, y
2j
) + 4
m
¸
j=1
f(x
2i−1
, y
2j−1
)
+f(x
2i−1
, y
2m
)

,
y
d

c
f(x
2n
, y)dy ≈
k
3

f(x
2n
, y
0
)+2
m−1
¸
j=1
f(x
2n
, y
2j
)+4
m
¸
j=1
f(x
2n
, y
2j−1
)+f(x
2n
, y
2m
)

,
as´ı que
b

a
d

c
f(x, y)dxdy ≈
hk
9

f(x
0
, y
0
)+2
m−1
¸
j=1
f(x
0
, y
2j
)+4
m
¸
j=1
f(x
0
, y
2j−1
)+f(x
0
, y
2m
)
+2
n−1
¸
i=1

f(x
2i
, y
0
) + 2
m−1
¸
j=1
f(x
2i
, y
2j
) + 4
m
¸
j=1
f(x
2i
, y
2j−1
) + f(x
2i
, y
2m
)

+4
n
¸
i=1

f(x
2i−1
, y
0
)+2
m−1
¸
j=1
f(x
2i−1
, y
2j
)+4
m
¸
j=1
f(x
2i−1
, y
2j−1
)+f(x
2i−1
, y
2m
)

+

f(x
2n
, y
0
) + 2
m−1
¸
j=1
f(x
2n
, y
2j
) + 4
m
¸
j=1
f(x
2n
, y
2j−1
) + f(x
2n
, y
2m
)

,
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 229
luego
b

a
d

c
f(x, y)dxdy ≈
hk
9

f(a, c) + 2
m−1
¸
j=1
f(a, y
2j
) + 4
m
¸
j=1
f(a, y
2j−1
) + f(a, d)
+2
n−1
¸
i=1
f(x
2i
, c) +
n−1
¸
i=1
m−1
¸
j=1
f(x
2i
, y
2j
) + 8
n−1
¸
i=1
m−1
¸
j=1
f(x
2i
, y
2j−1
) + 2
n−1
¸
i=1
f(x
2i
, d)
+4
n
¸
i=1
f(x
2i−1
, c) + 8
n
¸
i=1
m−1
¸
j=1
f(x
2i−1
, y
2j
) + 16
n
¸
i=1
m
¸
j=1
f(x
2i−1
, y
2j−1
)
+4
n
¸
i=1
f(x
2i−1
, d) + 2
m−1
¸
j=1
f(b, y
2j
) + 4
m
¸
j=1
f(b, y
2j−1
) + f(b, c) + f(b, d)

Ejemplo 5.9.1. Utilice la Regla de Simpson para aproximar la integral
4

2
4+e
x
2

ln2x
Cos(x + y)dydx
.
Soluci´on
Dado que en el eje X el intervalo es [2;4], entonces h
x
=
4 −2
2
= 1,
luego los nodos en dicho eje son x
2
= 1, x
2
= 3, x
3
= 4. Para la integral
dada por
I =
4

2
4+e
x
2

ln2x
Cos(x + y)dydx,
al aplicar la regla de Simpson obtenemos que
I =
h
x
3
[H(x
1
) + 4H(x
2
) + H(x
3
)],
donde H(x
i
) =
4+e
x
i
2

ln2x
i
Cos(x
i
+ y)dy, por lo tanto
I ≈
h
x
3

4+e
1
2

ln2
Cos(2 + y)dy + 4
4+e

ln4
Cos(4 + y)dy +
4+e
3
2

ln6
Cos(6 + y)dy

.
5.9. INTEGRACI
´
ON DOBLE
230 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Por lo tanto
I ≈
h
x
3

5.6487

0.6931
Cos(2 + y)dy + 4
6.7183

1.3863
Cos(4 + y)dy +
8.4817

1.7918
Cos(6 + y)dy

.
Sean I
1
=
5.6487

0.6931
Cos(2 + y)dy, I
2
=
6.7183

1.3863
Cos(4 + y)dy y I
3
=
8.4817

1.7918
Cos(6 + y)dy.
Para I
1
, h
1y
=
5.6487 −0.6931
2
= 2.4778, luego entonces
I
1
=
2.4778
3
[Cos(2 + 0.6931) + 4Cos(2 + 3.1709) + Cos(2 + 5.6487)],
de modo que
I
1
= 0.82593(−0.90110 + 1.77045 + 0.20384) = 0.888637.
Para I
2
, h
2y
=
6.7183 −1.3863
2
= 2.666, por lo tanto
I
2
=
2.666
3
[Cos(3 + 1.3863) + 4Cos(3 + 4.0523) + Cos(3 + 6.7183)],
as´ı que,
I
2
= 0.8887(−0.32034 + 2.8741 −0.9572) = 1.418863.
y para I
3
, h
3y
=
8.4817 −1.7918
2
= 3.34495, por consiguiente,
I
3
=
3.34495
3
[Cos(4 + 1.7918) + 4Cos(4 + 5.13675) + Cos(4 + 8.4817)],
as´ı que,
I
3
= 1.114983(0.88168 −3.835224 + 0.99642) = −2.182156.
De modo que
4

2
4+e
x
2

ln2x
Cos(x + y)dydx ≈
1
3
[I
1
+ 4I
2
+ I
3
],
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 231
luego entonces
4

2
4+e
x
2

ln2x
Cos(x + y)dydx ≈
1
3
(0.888637 + 4 1.418863 −2.1821556),
y por lo tanto
4

2
4+e
x
2

ln2x
Cos(x + y)dydx ≈ 1.460644
Ejercicios
1. La f´ormula 5.1 es llamada de diferencias progresiva, si h > 0, y de
diferencias regresiva si h < 0. Use esta f´ormula para determinar las
aproximaciones que completan las siguientes tablas
a)
x f(x) f

(x)
0.5 0.8776
0.6 0.8253
0.7 0.7648
0.8 0.6967
b)
x f(x) f

(x)
0.1 4.3952
0.3 5.1599
0.5 5.8988
0.7 6.6238
2. Los datos del ejercicio 1 se tomaron de las siguientes funciones. Calcule
los errores reales del ejercicio 1 y obtenga las cotas por medio de las
f´ormulas de error
a)f(x) = cos x b)f(x) = e
x
+ 3x −x
2
+ 3
3. Use la f´ormula de los tres puntos m´as conveniente para determinar las
aproximaciones con que se completar´ıan las siguientes tablas
a)
x f(x) f

(x)
1.1 0.1180
1.2 0.0907
1.3 0.07427
1.4 0.06081
5.9. INTEGRACI
´
ON DOBLE
232 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
b)
x f(x) f

(x)
2.9 -7.4719
3 -8.4866
3.1 -9.4728
3.2 -10.4093
c)
x f(x) f

(x)
8.0 133.084
8.1 137.247
8.2 141.482
8.3 145.789
d)
x f(x) f

(x)
2.0 01286
2.1 0.1463
2.2 0.1907
2.3 0.2630
4. Los datos del ejercicio 3 se tomaron de las siguientes funciones. Calcule
los errores reales del ejercicio 1 y obtenga las cotas por medio de las
f´ormulas de error
a)f(x) = e
−2x
b)f(x) = x sen x + x
2
cos x c)x
2
ln x
d) x(ln x)
2
+ 2 cos x
5. Use la f´ormula m´as precisa posible para determinar las aproximaciones
con que se completar´an las siguientes tablas
a)
x f(x) f

(x)
2.1 0.7451
2.2 0.6537
2.3 0.5561
2.4 0.4563
2.5 0.3582
2.6 0.2657
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 233
b)
x f(x) f

(x)
-3.0 -2.7769
-2.8 -2.5534
-2.6 -2.3275
-2.4 -2.0988
-2.2 -1.8671
-2.0 -1.6321
6. Los datos del ejercicio 5 se tomaron de las siguientes funciones. Calcule
los errores reales del ejercicio 5 y obtenga las cotas por medio de las
f´ormulas de error
a)f(x) = sen
2
x b)f(x) = e
x
2
+ x
7. Usando la expansi´on de Taylor demuestra que
f

(x
0
) ≈
1
2h
3
[f(x
0
+ 2h) −2f(x
0
+ h) + 2f(x
0
−h) −f(x
0
−2h)]
8. Usando la expansi´on de Taylor demuestra que
f

(x
0
) ≈
1
h
4
[f(x
0
+2h)−4f(x
0
+h)+6f(x
0
)−4f(x
0
−h)+f(x
0
−2h)]
9. Estime el valor ´optimo de h para las f´ormulas de tres puntos.
10. Estime el valor ´optimo de h para las f´ormulas que permiten aproximar
f

(x
0
) y f

(x
0
).
11. En un circuito el´ectrico con un voltaje impreso ε(t) y una inductancia
L, la primera ley de Kirchhoff nos da la siguiente relaci´on
L
di
dt
+ Ri = ε(t),
donde R es la resistencia del circuito e i es la corriente. Suponga que
medimos la corriente con varios valores de t y obtenemos
t 1.00 1.01 1.02 1.03 1.04
i 3.10 3.12 3.14 3.18 3.24
donde t se mide en segundos, i se da en amperes, la inductancia L
es una constante de 0.098 henries y la resistencia es de 0.142 ohms.
Aproxime el voltaje ε(t) en los valores t = 1.00, 1.01, 1.02, 1.03y1.04
5.9. INTEGRACI
´
ON DOBLE
234 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
12. La funci´on error est´a definida como
Erf(x) =
2

π
x

0
e
−t
2
dt.
Encuentre Erf(2)
13. Si
Si(x) =
x

0
sen t
t
dt.
Encuentre Si(2)
14. Si
Ci(x) =
x

0
cos t
t
dt.
Encuentre Ci(2)
15. Las integrales de Fresnel est´an definidas como
C(x) =
x

0
cos

πt
2
2

dt
y
S(x) =
x

0
sen

πt
2
2

dt.
Encontrar C(2) y S(2)
16. Existen muchas formas de integrales el´ıpticas
a) La integral el´ıptica completa de primera clase est´a definida como
K(m) =
π
2

0
1

1 −msen
2
t
dt.
Encuentre K(1) y K(4)
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 235
b) La integral el´ıptica completa de segunda clase est´a definida como
E(m) =
π
2

0

1 −msen
2
tdt.
Encuentre E(1) y E(4)
c) La integral el´ıptica de primera clase est´a definida como
K(k, x) =
x

0
1

1 −msen
2
t
dt.
Encuentre K(1, 1) y K(2, 1)
d) La integral el´ıptica de segunda clase est´a definida como
E(k, x) =
x

0

1 −msen
2
tdt.
Encuentre E(1, 1) y E(2, 1)
17. Encuentre la longitud de arco de la curva descrita por la funci´on y =
x
−1
, 1 < x < 2; la longitud est´a dada por
2

1

1 + x
−4
dx
18. Encuentre la longitud de arco de la curva descrita por la funci´on y =
Senx, 0 < x < π; la longitud est´a dada por
2

1

1 + cos
2
dx
19. Encuentre la longitud de arco de la curva descrita por la funci´on y =
ln(x), 1 < x < 2; la longitud est´a dada por
2

1

1 + x
−2
dx
5.9. INTEGRACI
´
ON DOBLE
236 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
20. Aplique la regla del trapecio con los valores indicados de n para aproxi-
mar la integrales siguientes
a)
2

1
x
2
ln xdx, n = 4 b)
2

−2
x
2
e
x
dx, n = 4
c)
2

0
3
x
2
+9
dx, n = 6 d)
π

0
x
2
sen xdx, n = 4
e)
5

3
1

x
2
−4
dx, n = 8 f)

8

0
tan xdx, n = 8
21. Aplique la regla compuesta de Simpson para aproximar las integrales
del ejercicio 16.
22. Aplique la regla
3
8
de Simpson para aproximar las integrales del
ejercicio 16.
En los problemas 19-25 aproxime las integrales dadas
a) Usando el m´etodo compuesto del trapecio con 10 subintervalo
b) Usando la regla de Simpson con dos subintervalos
c) Usando el m´etodo compuesta de Simpson con 10 subintervalo
d) Usando cuadratura Gaussiana con n = 2.
e) Usando integraci´ on de Romberg.
23.
1

0
x sen(πx)dx.
24.
1

−1
dx
1+x
2
.
25.
2

0
e
x
dx.
26.
2

1

x
3
−1dx.
27.
π

0
x
2
sen(2x)dx.
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
An´alisis Num´erico. Notas de clase 237
28.
π

0
x
3
sen(x
2
)dx.
29.
2

0
ln(x
2
+ 1)dx
30. Use la regla de Simpson para calcular las siguientes integrales
a)
π/4

0

sen x
cos x(2y sen x + cos
2
x)dydx
b)
2

1
x
2

x
(y
2
+ x
3
)dydx
c)
2.2

2
2+x
2

x
(x
2
+ y
3
)dydx
.
31. Use la regla de los
3
8
de Simpson para calcular las integrales del ejercicio
anterior.
5.9. INTEGRACI
´
ON DOBLE
238 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
CAP
´
ITULO 5. DERIVACI
´
ON E INTEGRACI
´
ON NUM
´
ERICA
Cap´ıtulo 6
Ecuaciones Diferenciales
Ordinarias con Condiciones
Iniciales
Un paracaidista de masa m salta desde un avi´ on en t = 0, supongamos que
la velocidad vertical inicial del paracaidista es cero en t = 0 y que la ca´ıda es
vertical. Si el arrastre aerodin´amico est´a dado por f
aire
= cv
2
, con c constante
y v la velocidad vertical, entonces por la segunda ley de Newton el equilibrio
de fuerzas satisface
ma = mg −f
aire
,
luego
m
dv(t)
dt
= mg −cv
2
, v(0) = 0
o sea que
dv(t)
dt
= g −
c
m
v
2
, v(0) = 0
o lo que es lo mismo
v

(t) = f(v, t), v(0) = 0,
con f(v, t) = g −
c
m
v
2
.
Observamos que la ecuaci´on diferencial tambi´en se puede escribir co-
mo
d
2
y
dt
2
= g −
c
m
(y

)
2
, y(0) = 0, y

(0) = 0,
que es una ecuaci´on diferencial de segundo orden con condiciones iniciales.
En este capitulo, desarrollaremos m´etodos que aproximen la soluci´on
de problemas como el anteriormente expuesto.
239
240 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
6.1. Ecuaciones Diferenciales de Primer Or-
den con Condiciones Iniciales
Estudiemos primero la ecuaci´on diferencial dada por
t
dy
dt
= 2y (6.1)
la cual al separar variable toma la forma
dy
y
=
2dt
t
al integrar miembro a miembro se tiene que
ln y = 2 ln t + c
1
= 2 ln t + ln c,
o sea que
ln y = ln ct
2
,
de modo que la soluci´on de 6.1 est´a dada por
y(t) = ct
2
(6.2)
ecuaci´on que se satisface para cualquier constante c la cual puede escogerse
arbitrariamente, en la figura 6.1 se muestra la gr´afica de 6.2 para algunos
valores de c.
En la pr´actica, estas f´ormulas expl´ıcitas, al traducirlas como un modelo
matem´atico, resulta una ecuaci´on diferencial que involucra la raz´on de
cambio de una funci´on desconocida.
Si suponemos P(t) es el n´ umero de individuos de una poblaci´on, con
indices de natalidad y mortalidad β y α respectivamente, entonces la raz´on
de cambio de la poblaci´on esta relacionada con la cantidad de nacimientos
y muerte que se tengan en la poblaci´on dada, teniendo entonces que
dP(t)
dt
= (β −α)P(t) = kP(t)
.
Si conocemos el n´ umero de individuos en un instante t = 0, siendo
P(0) = P
0
, entonces el problema a resolver es
dP(t)
dt
= kP(t), P(0) = P
0
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 241
-
6
6

??
c > 0
c < 0
Figura 6.1
donde k = β −α, cuya soluci´on est´a dada por
P(t) = P
0
e
kt
.
Para cada P
0
escogido se tiene una soluci´on, siendo k una constante que puede
ser positiva o negativa. El problema anterior es un ejemplo de un problema
de primer orden con condiciones iniciales, en general se tiene la siguiente
definici´on
Definici´on 6.1.1. Un problema de primer orden con condiciones iniciales
est´a definido como
y

= f(t, y) y(t
0
) = y
0
Definici´on 6.1.2. Sea y

(t) = f(t, y) y(t
0
) = y
0
un problema de primer
grado con condiciones iniciales, una soluci´on del problema es una funci´on
g(t) derivable en [t
0
, t
1
] tal que g

(t) = f(t, g) g(t
0
) = y
0
con t ∈ [t
0
, t
1
].
Definici´on 6.1.3. Una funci´on f : R −→ R se dice Lipschitz continua con
constante γ en x, escribi´endose f ∈ Lip
γ
(x) si para toda y en una vecindad
de x se cumple que
[f(x) −f(y)[ ≤ γ[x −y[
6.1. ECUACIONES DIFERENCIALES DE PRIMER ORDEN CON CONDICIONES INICIALES
242 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Definici´on 6.1.4. Sea f : R
2
−→ R
2
, una funci´on, D = ¦(t, y)/a ≤ t ≤
b, c ≤ y ≤ d¦ se dice f es Lipschitz continua con constante γ en y ∈ D, si se
cumple que
[f(t, y) −f(t, y
1
)[ ≤ γ[y −y
1
[
El siguiente resultado muestra cuando una ecuaci´on diferencial de primer
orden con condiciones iniciales tiene soluci´on ´ unica.
Teorema 6.1.1. Supongamos que f(t, y) es continua en R = ¦(t, y)/t
0
≤ t ≤
t
1
, c ≤ y ≤ d)¦, si f es Lipschitz de constante γ con respecto a R y (t
0
, y
0
) ∈ R,
entonces, el problema con condici´on inicial y

(t) = f(t, y) y(t
0
) = y
0
, tiene
soluci´on ´ unica y = y(t) en alg´ un subintervalo t
0
≤ t ≤ t
0
+ δ
Demostraci´on. Sean y
1
(t) y y
2
(t) soluciones de el problema de primer orden
con condiciones iniciales, sea φ(t) = [y
1
(t) −y
2
(t)]
2
la cual satisface φ(t
0
) = 0
ya que y
1
(t
0
) = y
0
y y
2
(t
0
) = y
0
, probemos que φ(t) = 0. Consideremos
t > t
0
, entonces
φ

(t) = 2[y
1
(t) −y
2
(t)][y

1
(t) −y

2
(t)],
luego,

(t)[ = 2[y
1
(t) −y
2
(t)[[y

1
(t) −y

2
(t)[,
o sea que,

(t)[ = 2[y
1
(t) −y
2
(t)[[f(t, y
1
) −f(t, y
2
)[,
pero como f es Lipschitz, entonces
[f(t, y
1
) −f(t, y
2
)[ ≤ γ[y
1
(t) −y
2
(t)[,
por tanto,
φ

(t) ≤ 2γ[y
1
(t) −y
2
(t)[
2
= 2γφ(t). (6.3)
Pero entonces tenemos que,
φ

(t) −2γφ(t) ≤ 0,
de modo que
e
−2γt
φ

(t) −2e
−2γt
γφ(t) ≤ 0,
as´ı que,
(e
−2γt
φ(t))

≤ 0,
luego por el teorema del valor medio se tiene que
φ(t)e
−2γt
−φ(t
0
)e
−2γt
0
t −t
0
≤ 0,
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 243
por tanto,
φ(t)e
−2γt
−φ(t
0
)e
−2γt
0
≤ 0,
o sea que,
φ(t) −φ(t
0
)e
−2γt
0
+2γt
≤ 0,
de modo que,
φ(t) ≤ φ(t
0
)e
2γ(t−t
0
)
,
as´ı que,
0 ≤ [y
1
(t) −y
2
(t)]
2
≤ [y
1
(t
0
) −y
2
(t
0
)]
2
e
2γ(t−t
0
)
,
por consiguiente,
[y
1
(t) −y
2
(t)] ≤ [y
1
(t
0
) −y
2
(t
0
)]e
γ(t−t
0
)
,
pero como y
1
(t
0
)−y
2
(t
0
) = 0, entonces y
1
(t) = y
2
(t), de modo que la soluci´on
es ´ unica.
6.2. M´etodos de Euler y de Taylor
Para calcular la aproximaci´ on de la soluci´on de una ecuaci´on diferencial
de primer orden con condiciones iniciales, en esta secci´on presentaremos
primero el m´etodo de Euler y luego el de Taylor. Miraremos que el m´etodo
de Euler es poco eficiente ya que acumula errores muy altos en el desarrollo
del proceso iterativo, sin embargo su estudio y an´alisis resultan importantes
porque nos sirve para el estudio de m´etodos m´as avanzados.
Primero estableceremos algunos resultados cuyo prop´osito es el an´ali-
sis del error producido por el m´etodo de Euler.
Lema 6.2.1. Si x ≥ −1 y n ≥ 0, entonces 0 ≤ (1 + x)
n
≤ e
nx
Demostraci´on. Por el teorema de Taylor para e
x
, alrededor de x = 0, con
n = 1 tenemos que
e
x
= 1 + x +
f

(c)
2!
x
2
,
pero f

(c) = e
c
, luego, e
x
= 1 + x +
x
2
2!
e
c
.
Adem´as
0 ≤ 1 + x ≤ 1 + x +
x
2
2!
e
c
,
de modo que
0 ≤ 1 + x ≤ e
x
,
6.2. M
´
ETODOS DE EULER Y DE TAYLOR
244 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
pero como n ≥ 0 entonces
0 ≤ (1 + x)
n
≤ e
nx
.
Lema 6.2.2. Sean u, v ∈ R
+
, ¦a
i
¦
k
i=0
una sucesi´on tal que a
0
≥ −
v
u
y adem´as
supongamos que
a
i+1
≤ (1 + u)a
i
+ v i = 0, 1, 2, 3, . . . , k,
entonces
a
i+1
≤ e
(i+1)u

a
0
+
v
u


v
u
Demostraci´on. Como por hip´otesis se tiene que para un i fijo
a
i+1
≤ (1 + u)a
i
+ v
a
i
≤ (1 + u)a
i−1
+ v
a
i−1
≤ (1 + u)a
i−2
+ v,
.
.
.
a
1
≤ (1 + u)a
0
+ v,
entonces,
a
i+1
≤ (1 + u)[(1 + u)a
i−1
+ v] + v = (1 + u)
2
a
i−1
+ [1 + (1 + u)]v
de modo que
a
i+1
≤ (1+u)
2
[(1+u)a
i−2
+v]+[1+(1+u)]v = (1+u)
3
a
i−2
+[1+(1+u)+(1+u)
2
]v.
En general se tiene que
a
i+1
≤ (1 + u)
i+1
a
0
+ [1 + (1 + u) + (1 + u)
2
+ + (1 + u)
i
]v,
pero 1 + (1 +u) + (1 +u)
2
+ + (1 +u)
i
es una serie geom´etrica de raz´on
1 + u de modo que
1 + (1 + u) + (1 + u)
2
+ + (1 + u)
i
=
1 −(1 + u)
i+1
1 −(1 + u)
=
1 −(1 + u)
i+1
−u
,
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 245
por tanto
1 + (1 + u) + (1 + u)
2
+ + (1 + u)
i
=
1
u
[(1 + u)
i+1
−1],
luego
a
i+1
≤ (1 + u)
i+1
a
0
+
v
u
[(1 + u)
i+1
−1] = (1 + u)
i+1
a
0
+
v
u
(1 + u)
i+1

v
u
,
pero por el lema anterior (1 + u)
i+1
≤ e
(i+1)u
, luego
a
i+1
≤ e
(i+1)u

a
0
+
v
u


v
u
.
6.2.1. M´etodo de Euler
Consideremos el intervalo cerrado [a, b] y P = ¦a = t
0
, t
1
, t
2
, . . . , t
n
= b¦
una partici´on del intervalo con t
i
= t
0
+ ih, siendo h =
b −a
n
el tama˜ no del
paso, y consideremos adem´as la ecuaci´on diferencial y

(t) = f(t, y), y(0) = y
0
en [a, b], si y(t), y

(t) y y

(t), son continuas, al aplicar el teorema de Taylor
alrededor de t
i
en el intervalo [t
i
, t
i+1
] se tiene que
y(t
i+1
) = y(t
i
) + y

(t
i
)(t
i+1
−t
i
) +
y

(c
i
)
2!
(t
i+1
−t
i
)
2
,
pero como y

(t
i
) = f(t
i
, y(t
i
)), y h = t
i+1
−t
i
entonces,
y(t
i+1
) = y(t
i
) + f(t
i
, y(t
i
))h +
y

(c
i
)
2!
h
2
,
pero si t
i+1
−t
i
≈ 0, entonces
y(t
i+1
) ≈ y(t
i
) + f(t
i
, y(t
i
))h,
para i = 0, 1, 2, 3, . . . , n. Si u
i
≈ y(t
i
), entonces se tiene que
u
i+1
≈ u
i
+ hf(t
i
, u
i
), u
0
= y
0
i = 0, 1, 2, 3, . . . , n (6.4)
que constituye el m´etodo de Euler.
Ejemplo 6.2.1. Aplicar el m´etodo de Euler para aproximar la ecuaci´on
y

(t) = y + 3t
2
+ 2, y(0) = 1 en el intervalo [0, 2] con h = 0.2
6.2. M
´
ETODOS DE EULER Y DE TAYLOR
246 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Soluci´on
Como y

(t) = y + 3t
2
+ 2, t
i
= 0 + hi, y h = 0.2 entonces,
u
i+1
= u
i
+0.2(u
i
+3(0.2i)
2
+2) = u
i
+0.2u
i
+0.024i
2
+0.4 = 1.2u
i
+0.024i
2
+0.4,
se tiene entonces la siguiente tabla
i t
i
u
i
y(t
i
) E
i
= [y(t
i
) −u
i
[
0 0 1 1 0
1 0.2 1.6 1.6726248234 0.726248234
2 0.4 2.344 2.5464222788 0.2024222
3 0.6 3.3088 3.7190692035 0.4102692
4 0.8 4.58656 5.3098683564 0.72530836
5 1 6.28787200000000 7.4645364561 1.176664456
6 1.2 8.54544640000000 10.3610523047 1.8156059
7 1.4 11.51853568000000 14.2167997016 2.69826402
8 1.6 15.39824281600000 19.2972918196 3.899049
9 1.8 20.41389137920000 25.9268271797 5.51293578
10 2.0 26.84066965504000 34.5015048904 7.66048083
TABLA 26

6.2.2. Cotas de Error
Una cota de error para el m´etodo de Euler se tiene mediante el siguiente
teorema.
Teorema 6.2.1. Sea f una funci´on Lipschitz continua de constante γ, y
supongamos y

(t) est´a acotada. Si y(t) es la soluci´on del problema con
condici´on inicial dado por y

(t) = f(t, y), a ≤ t ≤ b, y(t
0
) = y
0
y sean
u
0
, u
1
, u
2
, . . . , u
n
, la sucesi´on generada por el m´etodo de Euler, entonces,
[y(t
i
) −u
i
[ ≤
hK

[e
γ(t
i
−y
0
)
−1],
siendo K ≥ [y

(t)[.
Demostraci´on. Sabemos que ∀i = 0, 1, 2, 3, . . . , n
y(t
i
) = y(t
i−1
) + f(t
i−1
, y(t
i−1
))h + y

(c
i−1
)
h
2
2
,
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 247
como la aproximaci´ on de Euler est´a dada por
u
i
= u
i−1
+ hf(t
i−1
, u
i−1
),
entonces
[y(t
i
) −u
i
[ = [y(t
i−1
) −u
i−1
+f(t
i−1
, y(t
i−1
))h−hf(t
i−1
, u
i−1
) +y

(c
i−1
)
h <
2
[
≤ [y(t
i−1
) −u
i−1
[ +[f(t
i−1
, y(t
i−1
))h −hf(t
i−1
, u
i−1
)[ +[y

(c
i−1
)
h
2
2
[
= [y(t
i−1
) −u
i−1
[ + h[f(t
i−1
, y(t
i−1
)) −f(t
i−1
, u
i−1
)[ +[y

(c
i−1
)
h
2
2
[
luego
[y(t
i
) −u
i
[ ≤ [y(t
i−1
) −u
i−1
[ + hγ[y(t
i−1
) −u
i−1
[ +
h
2
K
2
,
ya que [f(t
i−1
, y(t
i−1
)) −f(t
i−1
, u
i−1
)[ ≤ γ[y(t
i−1
) −u
i−1
[ por ser f Lipschitz
continua de constante γ y K ≥ [y

(t)[ ∀t, entonces,
[y(t
i
) −u
i
[ ≤ (1 + hγ)[y(t
i−1
) −u
i−1
[ +
h
2
K
2
,
pero por el lema 6.2.2
[y(t
i
)−u
i
[ ≤ e
(1+i)hγ

[y(t
0
)−u
0
[+
h
2
K
2


h
2
K
2

= e
(1+i)hγ

[y(t
0
)−u
0
[+
Kh


Kh

,
pero como y
0
= u
0
y t
i+1
= a + (i + 1)h, entonces, [y(t
0
) − u
0
[ = 0 y
(i + 1)h = t
i+1
−a, luego,
[y(t
i
) −u
i
[ ≤ e
(t
i+1
−t
0

Kh


Kh

,
as´ı que
[y(t
i
) −u
i
[ ≤
Kh

[e
(t
i+1
−t
0

−1]
Definici´on 6.2.1. Sea y

(t) = Φ(t, y), y(t
0
) = y
0
un problema con condi-
ciones iniciales, el m´etodo de aproximaci´ on
u
0
= y
0
, u
i+1
= u
i
+ hΦ(t
i
, u
i
)
se define como el m´etodo de diferencias
6.2. M
´
ETODOS DE EULER Y DE TAYLOR
248 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Definici´on 6.2.2. El m´etodo de diferencias tiene un error de discretizaci´on
local e
i
(h) definido como
e
i
(h) =
y
i
−y
i−1
h
−Φ(t
i−1
, y
i−1
),
y un error de discretizaci´on global e
i
(h) dado por
e
i
(h) = y(t
i
) −u
i
Observemos que el m´etodo de Euler es un m´etodo de diferencias y por lo
tanto su error de discretizaci´on local es
e
i
(h) =
y
i
−y
i−1
h
−f(t
i−1
, y
i−1
),
donde y
i
= y(t
i
) pero como
y(t
i
) = y(t
i−1
) + hf(t
i−1
, y(t
i−1
)) + y

(c
i−1
)
h
2
2
o sea que
y
i
= y
i−1
+ hf(t
i−1
, y
i−1
) + y

(c
i−1
)
h
2
2
,
por tanto
y
i
−y
i−1
−hf(t
i−1
, y
i−1
) = y

(c
i−1
)
h
2
2
,
entonces
[e
i
(h)[ = [y

(c
i−1
)
h
2
[,
pero como [y

(c
i−1
)[ ≤ K, se tiene que
[e
i
(h)[ ≤
Kh
2
,
o sea que el error de discretizaci´on local del m´etodo de Euler es O(h).
6.2.3. M´etodo de Taylor
Consideremos el problema
y

(t) = f(t, y) y(t
0
) = y
0
y la serie de Taylor dada por
y(t
i+1
) = y(t
i
) + y

(t
i
)(t
i+1
−t
i
) +
y

(t
i
)
2!
(t
i+1
−t
i
)
2
+
y

(t
i
)
3!
(t
i+1
−t
i
)
3
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 249
+ +
y
(n−1)
(t
i
)
(n −1)!
(t
i+1
−t
i
)
n−1
+
y
(n)
(t
i
)
n!
(t
i+1
−t
i
)
n
+
y
(n+1)
(c
n+1
)
(n + 1)!
(t
i+1
−t
i
)
n+1
o sea que
y(t
i+1
) = y(t
i
) + y

(t
i
)h +
y

(t
i
)
2!
h
2
+
y

(t
i
)
3!
h
3
+ +
y
(n−1)
(t
i
)
(n −1)!
h
n−1
+
y
(n)
(t
i
)
n!
h
n
+
y
(n+1)
(c
n+1
)
(n + 1)!
h
n+1
, (6.5)
pero como y

(t) = f(t, y), entonces y
(k)
(t) = f
(k−1)
(t, y), luego
y(t
i+1
) = y(t
i
) + h
n
¸
k=1
f
(k−1)
(t
i
, y(t
i
))
k!
h
k−1
+
y
(n+1)
(c
n+1
)
(n + 1)!
h
n+1
,
si u
0
= y(t
0
) = y
0
y u
i
≈ y
i
= y(t
i
), entonces al suprimir el ´ ultimo sumando,
se tiene el m´etodo de Taylor de orden n, el cual se concreta si tomamos
u
0
= y
0
u
i+1
= u
i
+ hT
n
(t
i
, u
i
),
con
T
n
(t
i
, u
i
) =
n
¸
k=1
f
(k−1)
(t
i
, u
i
)
k!
h
k−1
.
En particular el m´etodo de Taylor de orden dos est´a dado por
u
0
= y
0
u
i+1
= u
i
+ hT
2
(t
i
, u
i
),
con
T
2
(t
i
, u
i
) = f(t
i
, u
i
) +
h
2
f

(t
i
, u
i
).
y el de orden 4 como
u
0
= y
0
u
i+1
= u
i
+ hT
4
(t
i
, u
i
),
con
T
4
(t
i
, u
i
) = f(t
i
, u
i
) +
h
2
f

(t
i
, u
i
) +
h
2
6
f

(t
i
, u
i
) +
h
3
24
f

(t
i
, u
i
).
6.2. M
´
ETODOS DE EULER Y DE TAYLOR
250 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Ejemplo 6.2.2. Aplicar el m´etodo de Taylor de orden dos y orden cuatro
para aproximar la ecuaci´on y

(t) = y +3t
2
+2, y(0) = 1 en el intervalo [0, 1]
con h = 0.2
Soluci´on
a) Como f(t, y) = y +3t
2
+2, entonces f

(t, y) = y

+6t = y +3t
2
+2 +6t y
f

(t, y) = y

+ 6t + 6 = y + 3t
2
+ 2 + 6t + 6 = y + 3t
2
+ 6t + 8, de modo que
T
2
(t
i
, u
i
) = u
i
+ 3t
2
i
+ 2 +
h
2
(u
i
+ 3t
2
i
+ 6t
i
+ 2) =

1 +
h
2

u
i
+

1 +
h
2

3t
2
i
+
h
2
6t
i
+ 2

1 +
h
2

,
pero como h = 0.2, y t
i
= 0.2i entonces
T
2
(t
i
, u
i
) = 1.1(u
i
+ 0.12i
2
+ 2) + 0.12i
de modo que se tiene
u
0
= 1
u
i+1
= u
i
+0.2[1.1(u
i
+0.12i
2
+2) +0.12i] = 1.22u
i
+0.0264i
2
+0.024i +0.44
los resultados se muestran a continuaci´ on
i t
i
u
i
y(t
i
) E
i
= [y(t
i
) −u
i
[
0 0 1 1 0
1 0.2 1.66 1.6726248234 0.0126
2 0.4 2.51560000 2.5464222788 0.00676164
3 0.6 3.662632 3.7190692035 0.0270461071
4 0.8 5.21801104 5.3098683564 0.05595472601
5 1 7.3243734688 7.4645364561 0.09630632813
6 1.2 10.15573563193600 10.3607737863 0.20503815
7 1.4 13.92439747096192 14.2167997016 0.29240223
8 1.6 18.88936491457355 19.2979918196 0.4086269
9 1.8 25.36662519577973 25.9268271797 0.56020198
10 2.0 33.74168273885127 34.5015048904 0.75982216
TABLA 27
b) Para el m´etodo de Taylor de cuarto orden se tiene que f(t, y) = y+3t
2
+2,
entonces f

(t, y) = y

+ 6t = y + 3t
2
+ 2 + 6t y f

(t, y) = y

+ 6t + 6 =
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 251
y + 3t
2
+ 2 + 6t + 6 = y + 3t
2
+ 6t + 8, f

(t, y) = y + 3t
2
+ 6t + 8, de modo
que
T
4
(t
i
, u
i
) = u
i
+3t
2
i
+2+
h
2
[u
i
+3t
2
i
+6t
i
+2]+
h
2
6
[u
i
+3t
2
i
+6t
i
+8]+
h
3
24
[u
i
+3t
2
i
+6t
i
+8],
de modo que tenemos
u
0
= 1
u
i+1
= u
i
+ 0.2[1.107u
i
+ 3.321t
2
i
+ 0.642t
i
+ 2.256]
i t
i
u
i
y(t
i
) E
i
= [y(t
i
) −u
i
[
0 0 1 1 0
1 0.2 1.67260000 1.6726248234 0.0000248234
2 0.4 2.54636164 2.5464222788 0.0000606388
3 0.6 3.7189581071 3.7190692035 0.0001110964
4 0.8 5.309687443201 5.3098683564 0.0001809232
5 1 7.46426022945 7.4645364561 0.00027622665
TABLA 28

Como podemos observar los resultados obtenidos al aplicar los m´eto-
dos de Taylor de orden dos y cuatro dan mejores resultados que el m´etodo
de Euler, adem´as observamos tambi´en, que el de orden cuatro arroja un
error menor que el de orden dos.
Si observamos la ecuaci´on 6.5 se tiene que
y
i+1
−y
i
−f(t
i
, y
i
)h −
h
2
2!
f

(t
i
, y
i
) −
h
3
3!
f

(t
i
, y
i
) − −
h
n−1
(n −1)!
f
(n−2)
(t
i
, y
i
)

h
n
n!
f
(n−1)
(t
i
, y
i
) =
h
n+1
(n + 1)!
f
(n)
(t
i
, c
i+1
),
o sea que
y
i+1
−y
i
−hT
n
(t
i
, y
i
) =
h
n+1
(n + 1)!
f
(n+1)
(t
i
, c
i+1
),
por tanto
y
i+1
−y
i
h
−T
n
(t
i
, y
i
) =
h
n
(n + 1)!
f
(n+1)
(t
i
, c
i+1
)
de modo que el error de discretizaci´on local es e
i
= O(h
n
) para cada i =
1, 2, 3, . . . , n.
6.2. M
´
ETODOS DE EULER Y DE TAYLOR
252 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
6.3. M´etodos de Runge-Kuta
Derivemos primero los m´etodos de Runge-Kuta de orden dos, para esto sea
y

(t) = f(t, y), luego entonces
y

(t, y) =
∂f(t, y)
∂t
+
∂f(t, y)
∂y
y

(t) =
∂f(t, y)
∂t
+
∂f(t, y)
∂y
f(t, y),
pero por el desarrollo de Taylor de y(t + h) alrededor de t se tiene que
y(t + h) = y(t) + (t + h −t)y

(t) +
(t + h −t)
2
2!
y

(t) +
(y + h −t)
3
3!
K + . . . ,
donde K incluye a y

(t), o sea que
y(t + h) = y(t) + hy

(t) +
h
2
2!

∂f(t, y)
∂t
+
∂f(t, y)
∂y
f(t, y)

+ K
h
3
6
+ . . .
de modo que
y(t + h) = y(t) + h

f(t, y) +
h
2!

∂f(t, y)
∂t
+
∂f(t, y)
∂y
f(t, y)

+ K
h
3
6
+ . . . ,
en los m´etodos de Runge-Kuta de orden dos se desea encontrar una funci´on
Af(t, y) + Bf(t + ah, y + bhf(t, y))
de tal forma que
Af(t, y) +Bf(t +ah, y +bhf(t, y)) = f(t, y) +
h
2!
∂f(t, y)
δt
+
h
2!
∂f(t, y)
∂y
f(t, y),
pero por el desarrollo de Taylor para dos variables se tiene que
f(t+ah, y+bhf(t, y)) = f(t, y)+(t+ah−t)
∂f(t, y)
∂t
+(t+bhf(t, y)−t)
∂f(t, y)
∂y
+Hh
3
,
donde H incluye las derivadas parciales segundas de f(t, y), luego
f(t + ah, y + bhf(t, y)) = f(t, y) + ah
∂f(t, y)
∂t
+ bhf(t, y)
∂f(t, y)
∂y
+ Hh
3
,
luego entonces
f(t, y) +
h
2!
∂f(t, y)
∂t
+
h
2!
∂f(t, y)
∂y
f(t, y) = Af(t, y) +Bf(t, y) +aBh
∂f(t, y)
∂t
+
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 253
bBhf(t, y)
∂f(t, y)
∂y
+ HBh
3
,
as´ı que
A + B = 1,
aB =
1
2
,
bB =
1
2
,
pero como se tiene un sistema de tres ecuaciones con cuatro inc´ognitas, para
su soluci´on se le debe asignar un valor a una de las variables. Si escogemos
B =
1
2
, entonces A =
1
2
de modo que a = 1 y b = 1, luego entonces
y(t + h) = y(t) + h

1
2
f(t, y) +
1
2
f(t + h, y + hf(t, y))

= y(t) +
h
2
[f(t, y) + f(t + h, y + hf(t, y))].
Con los valores escogidos anteriormente se genera la sucesi´on ¦(t
i
, u
i
)¦, dada
por
u
0
= y
0
u
i+1
= u
i
+
h
2
[f(t
i
, u
i
) + f(t
i+1
, u
i
+ hf(t
i
, u
i
))], (6.6)
donde u
i
= y(t
i
), u
i+1
= y(t
i
+h) = y(t
i+1
), la expresi´on 6.6 se conoce como
el m´etodo de Heun.
Ahora si tomamos A = 0, entonces, B = 1, a =
1
2
y b =
1
2
, se tiene
entonces
u
0
= y
0
u
i+1
= u
i
+ hf

t
i
+
h
2
,
h
2
f(t
i
, u
i
)

, (6.7)
la expresi´on 6.7 es el m´etodo modificado de Euler.
Ejemplo 6.3.1. Aplicar el m´etodo modificado de Euler y m´etodo de Heun
para aproximar la ecuaci´on y

(t) = y +3t
2
+2, y(0) = 1 en el intervalo [0, 1]
Soluci´on
Al aplicar 6.6 y 6.7 con u
0
= 1, se tienen los resultados mostrado en
la tabla 29
6.3. M
´
ETODOS DE RUNGE-KUTA
254 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
i t
i
y(t
i
) Heun Modificado de Euler
0 0 1.00000000000000 1.0000000000000 1.00000000000000
1 0.2 1.66000000000000 1.66800000000000 1.6720000000000
2 0.4 2.51560000000000 2.53336000000000 2.54224000000000
3 0.6 3.66263200000000 3.69229920000000 3.70713280000000
4 0.8 5.21801104000000 5.26220502400000 5.28430201600000
5 1 7.32437346880000 7.38629012928000 7.41724845952000
6 1.2 10.3607737863 10.23927395772160 10.28104312061440
7 1.4 14.2164952815 14.03431422842035 14.089927260714959
8 1.6 19.296964184 19.03146335867283 19.10251258072248
9 1.8 25.9264811644 25.54798529758085 25.63866534848142
10 2.0 34.5011483923 33.97094206304864 34.08557172514733
TABLA 29

Pero el m´as exitoso de los m´etodos de Runge-Kuta es el de cuarto
orden y consiste en aproximar a T
4
(f, t) mediante la expresi´on
Af(t, y(t)) + Bf(t + hα
1
, y + β
1
f(t, y(t)))
+Cf(t + hα
2
, y + β
2
f(t, y(t)) + β
3
f(t + hα
1
, y + β
1
f(t, y(t))))
+Df(t + α
3
, y + β
4
f(t, y(t)) + β
5
f(t + hα
1
, y + β
1
f(t, y(t)))

6
f(t + hα
3
, y + β
2
f(t, y(t)) + β
3
f(t + hα
1
, y + β
1
f(y, y(t))))
que como podemos observar tiene tiene 13 inc´ognitas, Runge y Kuta lograron
obtener 11 ecuaciones, lo cual obliga a asignar condiciones adicionales para
poder resolver el sistema. La elecci´on m´as ´ util es α
1
=
1
2
, β
2
= 0 y con
est´a elecci´on se tiene que α
2
=
1
2
, α
3
= 1, β
1
=
1
2
, β
3
=
1
2
, β
4
= 0, β
5
= 0,
β
6
= 1, A =
1
6
, B =
1
3
, C =
1
3
y D =
1
6
.
Con estos valores se tiene entonces el m´etodo de Runge-Kuta de
cuarto orden dado por
u
0
= y
0
u
i+1
= u
i
+
1
6

hf(t
i
, u
i
) + 2hf(t
i
+
h
2
, u
i
+
h
2
f(t
i
, u
i
))
+2hf(t
i
+
h
2
, u
i
+
h
2
f(t
i
+
h
2
, u
i
+
h
2
f(t
i
, u
i
))
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 255
+hf(t
i
+ h, u
i
+ hf(t
i
+
h
2
, u
i
+
h
2
f(t
i
+
h
2
, u
i
+
h
2
f(t
i
, u
i
))))

.
Ahora si tomamos
RK
1
= hf(t
i
, u
i
),
RK
2
= hf(t
i
+
h
2
, u
i
+
h
2
f(t
i
, u
i
)),
RK
3
= hf(t
i
+
h
2
, u
i
+
h
2
f(t
i
+
h
2
, u
i
+
h
2
f(t
i
, u
i
))
y
RK
3
= hf(t
i
+ h, u
i
+ hf(t
i
+
h
2
, u
i
+
h
2
f(t
i
+
h
2
, u
i
+
h
2
f(t
i
, u
i
)))),
entonces, se tiene que
RK
2
= f(t
i
+
h
2
, u
i
+
1
2
RK
1
),
RK
4
= f(t
i
+
h
2
, u
i
+
1
2
RK
2
),
y
RK
4
= f(t
i+1
, u
i
+ RK
3
),
de modo que el m´etodo de Runge- Kuta de cuarto orden se puede
escribir ahora como
u
0
= y
0
u
i+1
= u
i
+
1
6
(RK
1
+ 2RK
2
+ 2RK
3
+ RK
4
) (6.8)
Ejemplo 6.3.2. Aplicar el m´etodo de Runge-Kuta de cuarto orden para apro-
ximar la ecuaci´on y

(t) = y + 3t
2
+ 2, y(0) = 1 en el intervalo [0, 2]
Soluci´on
Aplicando la expresi´on 6.8 con u
0
= 1 se tienen los resultados mostrados en
la tabla 30
6.3. M
´
ETODOS DE RUNGE-KUTA
256 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
i t
i
y(t
i
) Runge-Kuta
0 0 1.00000000000000 1.0000000000000
1 0.2 1.66000000000000 1.67262000000000
2 0.4 2.51560000000000 2.54640606800000
3 0.6 3.66263200000000 3.71903237145520
4 0.8 5.21801104000000 5.30979813849538
5 1 7.32437346880000 7.46441544635828
6 1.2 10.3607737863 10.36085702618198
7 1.4 14.2164952815 14.21649877177867
8 1.6 19.296964184 19.29684359985047
9 1.8 25.9264811644 25.92617677285736
10 2.0 34.5011483923 34.5008031036799
TABLA 30

Los m´etodos de Euler, Taylor y de Runge-Kuta, son llamados m´eto-
dos de un paso ya que para obtener la aproximaci´ on (i + 1)-´esima se usa la
i-´esima informaci´on, pero es posible desarrollar m´etodos m´as precisos para
encontrar una aproximaci´on i-´esima cualquiera usando las aproximaciones
precedentes calculadas en los puntos t
0
, t
1
, t
2
, , . . . , t
i−1
, estos son los llamados
m´etodos multipasos.
Definici´on 6.3.1. Sea y

(t) = f(t, y), a ≤ t ≤ b, y(t
0
) = α
0
, un m´etodo
multipaso es aquel cuya aproximaci´on u
i+1
puede representarse de la forma
u
i+1
= α
m−1
u
i
+ α
m−2
u
i−1
+ + α
0
u
i+1−m
+h[β
m
f(t
i+1
, u
i+1
) + β
m−1
f(t
i
, u
i
) + + β
0
f(t
i+1−n
, u
i+1−n
)],
m > 1, i = m− 1, m, . . . , n − 1, h =
b −a
n
, α
0
, α
i
, . . . , α
m−1
, β
0
, β
1
, . . . , β
m
valores constantes y u
i
= α
i
, i = 0, 1, 2, 3, . . . , m−1 las condiciones iniciales
dadas
Definici´on 6.3.2. Si en la definici´on anterior β
m
= 0 se dice que el m´etodo
es expl´ıcito y si β
m
= 0 el m´etodo multipaso es impl´ıcito.
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 257
6.4. M´etodos Expl´ıcitos de Adams- Bash-
forth
6.4.1. M´etodo de Adams- Bashforth de dos pasos
Encontremos primero el m´etodo de Adams-Bashforth de dos pasos para esto
tomamos el polinomio de Lagrange de f(t, y(t)) que pasa por los puntos
(t
k−1
, f
k−1
), (t
k
, f
k
) donde f
k−1
= f(t
k−1
, u
k−1
) , f
k
= f(t
k
, u
k
) y u
i
≈ y(t
i
),
luego se tiene que
f(t, y(t)) = f
k−1
(t −t
k
)
(t
k−1
−t
k
)
+ f
k
(t −t
k−1
)
(t
k
−t
k−1
)
,
as´ı que,

t
k+1
t
k
f(t, y(t))dt = f
k−1

t
k+1
t
k
(t −t
k
)
(t
k−1
−t
k
)
dt + f
k

t
k+1
t
k
(t −t
k−1
)
(t
k
−t
k−1
)
dt
pero como t
i
= t
0
+ ih y t
j
= t
0
+ jh, entonces t
i
− t
j
= (i − j)h , sea
t = t
k
+ hu, entonces dt = hdu, t
k−1
− t
k
= −h, y t
k
− t
k−1
= h, adem´as
t −t
k−1
= t −t
k
+h = uh +h = h(u +1), ya que t
k−1
= t
k
−h, de modo que

t
k+1
t
k
f(t, y(t))dt = f
k−1

1
0
huh
−h
du + f
k

1
0
h(u + 1)h
h
du
= −hf
k−1

1
0
udu + hf
k

1
0
(u + 1)du
por lo tanto

t
k+1
t
k
f(t, y(t))dt = −
1
2
hf
k−1
+
3
2
hf
k
de lo anterior se tiene que el m´etodo de Adams-Bashforth de dos pasos es
u
0
= α
0
, u
1
= α
1
u
i+1
= u
i
+
h
2
[3f(t
i
, u
i
) −f(t
i−1
, u
i−1
)].
6.4.2. M´etodo de Adams- Bashforth de tres pasos
En este m´etodo al igual que antes se toma el polinomio de Lagrange para
f(t, y(t)) que pasa por los puntos (t
k−2
, f
k−2
), (t
k−1
, f
k−1
) y (t
k
, f
k
), donde
f
i
= f(t
i
, u
i
), i = k, k −1, k −2, luego,

t
k+1
t
k
f(t, y(t))dt = f
k−2

t
k+1
t
k
(t −t
k−1
)(t −t
k
)
(t
k−2
−t
k−1
)(t
k−2
−t
k
)
dt
6.4. M
´
ETODOS EXPL
´
ICITOS DE ADAMS- BASHFORTH
258 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
+f
k−1

t
k+1
t
k
(t −t
k−2
)(t −t
k
)
(t
k−1
−t
k−2
)(t
k−1
−t
k
)
dt + f
k

t
k+1
t
k
(t −t
k−2
)(t −t
k−1
)
(t
k
−t
k−2
)(t
k
−t
k−2
)
dt,
si t = t
k
+ uh, entonces,

t
k+1
t
k
f(t, y(t))dt = f
k−2

1
0
huh(u + 1)
−h(−2h)
hdu + f
k−1

1
0
huh(u + 2)
h(−h)
hdu
+f
k

1
0
h(u + 2)h(u + 1)
h2h
hdu,
de modo que

t
k+1
t
k
f(t, y(t))dt =
hf
k−2
2

1
0
(u
2
+ u)du −hf
k−1

1
0
(u
2
+ 2u)du
+
hf
k
2

1
0
(u
2
+ 3u + 2)du
as´ı que

t
k+1
t
k
f(t, y(t))dt =
hf
k−2
2

1
3
+
1
2

−hf
k−1

1
3
+ 1

+
hf
k
2

1
3
+
3
2
+ 2

=
5hf
k−2
12

4hf
k−1
3
+
23hf
k
12
por lo tanto se tiene que

t
k+1
t
k
f(t, y(t))dt =
h
12
[5f
k−2
−16f
k−1
+ 23f
k
]
de modo que el m´etodo de Adams-Bashforth de tres pasos es entonces
u
0
= α
0
u
1
= α
1
u
2
= α
2
u
i+1
= u
i
+
h
12
[5f(t
i−2
, u
i−2
) −16f(t
i−1
, u
i−1
) + 23f(t
i
, u
i
)]
6.4.3. M´etodo de Adams- Bashforth de cuatro pasos
Consideremos el polinomio de Lagrange para f(t, y(t)) que pasa por los
puntos (t
k−3
, f
k−3
), (t
k−2
, f
k−2
), (t
k−1
, f
k−1
) y (t
k
, f
k
), donde f
i
= f(t
i
, u
i
),
i = k, k −1, k −2, k −3, entonces se tiene que

t
k+1
t
k
f(t, y(t))dt = f
k−3

t
k+1
t
k
(t −t
k−2
)(t −t
k−1
)(t −t
k
)
(t
k−3
−t
k−2
)(t
k−3
−t
k−1
)(t
k−3
−t
k
)
dt
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 259
+f
k−2

t
k+1
t
k
(t −t
k−3
)(t −t
k−1
)(t −t
k
)
(t
k−2
−t
k−3
)(t
k−2
−t
k−1
)(t
k−2
−t
k
)
dt
+f
k−1

t
k+1
t
k
(t −t
k−3
)(t −t
k−2
)(t −t
k
)
(t
k−1
−t
k−3
)(t
k−1
−t
k−2
)(t
k−1
−t
k
)
dt
+f
k

t
k+1
t
k
(t −t
k−3
)(t −t
k−2
)(t −t
k−1
)
(t
k
−t
k−3
)(t
k
−t
k−2
)(t
k
−t
k−2
)
dt,
sea t = t
k
+ hu, luego dt = hdu adem´as como t
i
−t
j
= (i −j)h y t −t
k−3
=
h(u + 3), t −t
k−2
= h(u + 2), t −t
k−1
= h(u + 1) y t −t
k
= hu, entonces se
tiene que

t
k+1
t
k
f(t, y(t))dt = f
k−3

1
0
h(u + 2)h(u + 1)hu
−h(−2h)(−3h)
hdu+f
k−2

1
0
h(u + 3)h(u + 1)hu
−h(h)(−2h)
hdu
+f
k−1

1
0
h(u + 3)h(u + 2)hu
h2h(−h)
hdu + f
k

1
0
h(u + 3)h(u + 2)h(u + 1)
3h(2h)h
hdu,
de modo que

t
k+1
t
k
f(t, y(t))dt = −
hf
k−3
6

1
0
(u
3
+3u
2
+2u)du+
hf
k−2
2

1
0
(u
3
+4u
2
+3u)du

hf
k−1
2

1
0
(u
3
+ 5u
2
+ 6u)du +
hf
k
6

1
0
(u
3
+ 6u
2
+ 11u + 6)du
as´ı que

t
k+1
t
k
f(t, y(t))dt = −
hf
k−3
6

1
4
+ 1 + 1

+
hf
k−2
2

1
4
+
4
3
+
3
2


hf
k−1
2

1
4
+
5
3
+ 3

+
hf
k
6

1
4
+ 2 +
11
2
+ 6

o sea que

t
k+1
t
k
f(t, y(t))dt = −
hf
k−3
6
9
4
+
hf
k−2
2
37
12

hf
k−1
2
59
12
+
hf
k
6
55
4
=
h
24
[−9f
k−3
+ 37f
k−2
−59f
k−1
+ 55f
k
]
entonces el m´etodo de Adams-Bashforth de cuatro pasos est´a dado por
u
0
= α
0
u
1
= α
1
u
2
= α
2
u
3
= α
3
u
i+1
= u
i
+
h
24
[−9f(t
i−3
, u
i−3
) +37f(t
i−2
, u
i−2
) −59f(t
i−1
, u
i−1
) +55f(t
i
, u
i
)]
6.4. M
´
ETODOS EXPL
´
ICITOS DE ADAMS- BASHFORTH
260 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
6.5. M´etodos de Adams-Moulton
Los m´etodos de Adams-Moulton son m´etodos impl´ıcitos y al igual que para
los expl´ıcitos se pueden deducir por medio de los polinomios de Lagrange
deduciremos primero el de Adams-Moulton de dos pasos y luego el de tres
pasos.
6.5.1. M´etodo se Adams-Moulton de dos pasos
Consideremos el polinomio de Lagrange que pasa por los puntos (t
k−1
, f
k−1
),
(t
k
, f
k
), (t
k+1
, f
k+1
), luego
f(y, y(t)) = f
k−1
(t −t
k
)(t −t
k+1
)
(t
k−1
−t
k
)(t
k−1
−t
k+1
)
+ f
k
(t −t
k−1
)(t −t
k+1
)
(t
k
−t
k−1
)(t
k
−t
k+1
)
+f
k+1
(t −t
k
)(t −t
k−1
)
(t
k+1
−t
k
)(t
k+1
−t
k−1
)
,
luego

t
k+1
t
k
f(t, y(t))dt = f
k−1

t
k+1
t
k
(t −t
k
)(t −t
k+1
)
(t
k−1
−t
k
)(t
k−1
−t
k+1
)
dt
+f
k

t
k+1
t
k
(t −t
k−1
)(t −t
k+1
)
(t
k
−t
k−1
)(t
k
−t
k+1
)
dt + f
k+1

t
k+1
t
k
(t −t
k
)(t −t
k−1
)
(t
k+1
−t
k
)(t
k+1
−t
k−1
)
dt
tomando la sustituci´on t = t
k
+hu entonces dt = hdu y como t
i
−t
j
= (i−j)h,
t −t
k
= h, t −t
k−1
= h(u + 1), t −t
k+1
= h(u −1), entonces

t
k+1
t
k
f(t, y(t))dt = f
k−1

1
0
huh(u −1)
−h(−2h)
hdu + f
k

1
0
h(u + 1)h(u −1)
−hh
hdu
+f
k+1

1
0
h(u + 1)hu
h(2h)
hdu,
de modo que

t
k+1
t
k
f(t, y(t))dt =
hf
k−1
2

1
0
(u
2
−u)du−hf
k

1
0
(u
2
−1)du+
hf
k+1
2

1
0
(u
2
+u)du,
por lo tanto

t
k+1
t
k
f(t, y(t))dt =
hf
k−1
2

1
3

1
2

−hf
k

1
3
−1

+
hf
k+1
2

1
3
+
1
2

CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 261
as´ı que

t
k+1
t
k
f(t, y(t))dt = −
hf
k−1
12
+
2hf
k
3
+
5hf
k+1
12
=
h
12
[5f
k+1
+ 8f
k
−f
k−1
].
El m´etodo de Adams-Moulton de dos pasos es entonces
u
0
= α
0
u
1
= α
1
u
i+1
= u
i
+
h
12
[5f(t
i+1
, u
i+1
) + 8f(t
i
, u
i
) −f(t
i−1
, u
i−1
)]
6.5.2. M´etodo se Adams-Moulton de tres pasos
Tomemos ahora como antes el polinomio de Lagrange que pasa por los puntos
(t
k−2
, f
k−2
), (t
k−1
, f
k−1
), (t
k
, f
k
), (t
k+1
, f
k+1
), luego
f(y, y(t)) = f
k−2
(t −t
k−1
)(t −t
k
)(t −t
k+1
)
(t
k−2
−t
k−1
)(t
k−2
−t
k
)(t
k−2
−t
k+1
)
+f
k−1
(t −t
k−2
)(t −t
k
)(t −t
k+1
)
(t
k−1
−t
k−2
)(t
k−1
−t
k
)(t
k−1
−t
k+1
)
+f
k
(t −t
k−2
)(t −t
k−1
)(t −t
k+1
)
(t
k
−t
k−2
)(t
k
−t
k−1
)(t
k
−t
k+1
)
+f
k+1
(t −t
k−2
)(t −t
k
)(t −t
k−1
)
(t
k+1
−t
k−2
)(t
k+1
−t
k−1
)(t
k+1
−t
k
)
,
por consiguiente

t
k+1
t
k
f(t, y(t))dt = f
k−2

t
k+1
t
k
(t −t
k−1
)(t −t
k
)(t −t
k+1
)
(t
k−2
−t
k−1
)(t
k−2
−t
k
)(t
k−2
−t
k+1
)
dt
+f
k−1

t
k+1
t
k
(t −t
k−2
)(t −t
k−1
)(t −t
k+1
)
(t
k
−t
k−2
)(t
k
−t
k−1
)(t
k
−t
k+1
)
dt
+f
k

t
k+1
t
k
(t −t
k−2
)(t −t
k−1
)(t −t
k+1
)
(t
k
−t
k−2
)(t
k
−t
k−1
)(t
k
−t
k+1
)
+f
k+1

t
k+1
(t
k
t −t
k−2
)(t −t
k
)(t −t
k−1
)
(t
k+1
−t
k−2
)(t
k+1
−t
k−1
)(t
k+1
−t
k
)
dt
si sustituimos t = t
k
+ hu entonces dt = hdu y como t
i
− t
j
= (i − j)h,
t − t
k−2
= h(u + 2), t − t
k−1
= h(u + 1), t − t
k
= h, t − t
k+1
= h(u − 1),
entonces

t
k+1
t
k
f(t, y(t))dt = f
k−2

1
0
h(u + 1)huh(u −1)
−h(−2h)(−3h)
hdu
6.5. M
´
ETODOS DE ADAMS-MOULTON
262 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
+f
k−1

1
0
h(u + 2)huh(u −1)
h(−h)(−2h)
hdu + f
k

1
0
h(u + 2)h(u + 1)h(u −1)
2h(−h)h
hdu
+f
k+1

1
0
h(u + 2)h(u + 1)hu
h(2h)(−h)
hdu,
por lo tanto

t
k+1
t
k
f(t, y(t))dt = −
hf
k−2
6

1
0
(u
3
−u)du +
hf
k−1
2

1
0
(u
3
+ u
2
−2u)du −
hf
k
2

1
0
(u
3
+ 2u
2
−u −2)du +
hf
k+1
6

1
0
(u
3
+ 3u
2
+ 2u)du,
de modo que

t
k+1
t
k
f(t, y(t))dt = −
hf
k−2
6

1
4

1
2

+
hf
k−1
2

1
4
+
1
3
−1


hf
k
2

1
4
+
2
3

1
2
−2

+
hf
k+1
2

1
4
+ 1 + 1

o sea que

t
k+1
t
k
f(t, y(t))dt =
hf
k−2
24

5hf
k−1
24
+
19hf
k
24
+
9hf
k+1
24
=
h
24
[f
k−2
−5f
k−1
+ 19f
k
+ 9f
k+1
].
El m´etodo de Adams-Moulton de tres pasos es entonces
u
0
= α
0
u
1
= α
1
u
2
= α
2
u
i+1
= u
i
+
h
24
[f(t
i−2
, u
i−2
) −5f(t
i−1
, u
i−1
) + 19f(t
i
, u
i
) + 9f(t
i+1
, u
i+1
)]
Ejemplo 6.5.1. Considerar el problema con condiciones iniciales y

(t) =
y + 3t
2
+ 2, y(0) = 1, 0 ≤ t ≤ 2, usar el m´etodo de Adams-Bashforth de
cuatro pasos y el de Adams-Moulton de tres pasos con h = 0.2
Soluci´on
Para el m´etodo de Adams-Bashforth de cuatro pasos se tiene que
u
i+1
= u
i
+
h
24
[55(u
i
+ 3t
2
i
+ 2) −59(u
i−1
+ 3t
2
i−1
+ 2) + 37(u
i−2
+ 3t
2
i−2
+ 2)
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 263
−9(u
i−3
+ 3t
2
i−3
+ 2)]
pero t
k
= t
0
+ hk = hk, entonces se tiene que,
u
i+1
= u
i
+
h
24
[55u
i
+6.6i
2
+110−59u
i−1
−7.08i
2
+14.16i−7.08−118+37u
i−2
+4.44i
2
−17.76i + 17.76 + 74 −9u
i−3
−1.08i
2
+ 6.48i −9.73 −18]
o tambi´en
u
i+1
= u
i
+
h
24
[55u
i
−59u
i−1
+ 37u
i−2
−9u
i−3
+ 2.88i
2
+ 2.88i + 48.96]
pero como h = 0.2, entonces
u
i+1
=
1
24
[35u
i
−11.8u
i−1
+ 7.4u
i−2
−1.8u
i−3
+ 0.576i
2
+ 0.576i + 9.792].
Para el m´etodo de Adams-Moulton de tres pasos se tiene que
u
i+1
= u
i
+
h
24
[9f(t
i+1
, u
i+1
) + 19f(t
i
, u
i
) −5f(t
i−1
, u
i−1
) + f(t
i−2
, u
i−2
)],
de modo que
u
i+1
= u
i
+
h
24
[9(u
i+1
+3t
2
i+1
+2)+19(u
i
+3t
2
i
+2)−5(u
i−1
+3t
2
i−1
+2)+u
i−2
+3t
2
i−2
+2],
pero entonces
u
i+1
= u
i
+
h
24
[9(u
i+1
+ 0.12i
2
+ 0.24i + 2.12)19(u
i
+ 0.12i
2
+ 2)
−5(u
i−1
+ 0.12i
2
−0.24i + 2.12) + u
i−2
+ 0.12i
2
−0.48i + 2.48]
o sea que
u
i+1
= u
i
+
h
24
[9u
i+1
+ 19u
i
−5u
i−1
+ u
i−2
+ 2.88i
2
+ 2.88i + 48.96]
= u
i
+
1
24
[1.8u
i+1
+ 3.8u
i
−u
i−1
+ 0.2u
i−2
+ 0.576i
2
+ 0.576i + 9.792]
de modo que
u
i+1

1.8u
i+1
24
=
1
24
[27.8u
i
−u
i−1
+ 0.2u
i−2
+ 0.576i
2
+ 0.576i + 9.792]
luego
u
i+1
=
1
22.2
[27.8u
i
−u
i−1
+ 0.2u
i−2
+ 0.576i
2
+ 0.576i + 9.792].
Los resultados aparecen en la tabla siguiente
6.5. M
´
ETODOS DE ADAMS-MOULTON
264 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
i t
i
u
i
y
i
Adams-Bashforth Adams-Moulton
0 0 u
0
1
1 0.2 u
1
1.6726248234
2 0.4 u
2
2.5464222788
3 0.6 u
3
3.7190692035 3.71918533906
4 0.8 u
4
5.3098683564 5.30837762188 5.31015563568
5 1 u
5
7.4645364561 7.46054168108 7.46506422473
6 1.2 u
6
10.3610523047 10.353735621 10.3619129225
7 1.4 u
7
14.2167997016 14.20499176972 14.2181146914
8 1.6 u
8
19.2972918196 19.279123658 19.2992201956
9 1.8 u
9
25.9268271797 25.9001289049 25.929576096
10 2 u
10
34.5015048904 34.4634611452 34.5053431627
TABLA 31

En la tabla anterior podemos observar como el m´etodo impl´ıcito de
Adams-Moulton de tres pasos produce una mejor aproximaci´on que el
m´etodo expl´ıcito de Adams-Bashforth de cuatro pasos.
6.6. M´etodos Predictor-Corrector
A menudo los m´etodos de Adams-Bashforth se conocen como predictores,
en el sentido en que estos predicen una aproximaci´ on y los m´etodos
expl´ıcitos de Adams-Moulton se conocen como correctores ya que corrigen
la aproximaci´ on dada por los predictores, si se combinan ambos m´etodos,
establecemos los llamados m´etodos predictor-corrector, en estos si p
i+1
es la
aproximaci´on dada por el m´etodo predictor, este valor se usa para calcular
la aproximaci´ on u
i+1
en el corrector.
Para ilustrar esto sea p
i+1
la aproximaci´ on producida por el m´etodo
predictor de Adams-Bashforth en el ejemplo anterior, luego
p
i+1
= u
i
+
h
24
[55(u
i
+ 3t
2
i
+ 2) −59(u
i−1
+ 3t
2
i−1
+ 2) + 37(u
i−2
+ 3t
2
i−2
+ 2)
−9(u
i−3
+ 3t
2
i−3
+ 2)],
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 265
como hemos dicho esta aproximaci´ on se usa para calcular la aproximaci´on
en el m´etodo corrector, en este caso el de Adams-Moulton de tres pasos,
entonces se tiene que
u
i+1
= u
i
+
h
24
[9f(t
i+1
, p
i+1
) + 19f(t
i
, u
i
) −5f(t
i−1
, u
i−1
) + f(t
i−2
, u
i−2
)].
Hacemos notar que al resolver el ejemplo hemos usado los primeros valores
exactos del problema con condici´on inicial, estos naturalmente no siempre
est´an disponibles puesto que en muchos casos la soluci´on exacta del pro-
blema no se tiene de manera expl´ıcita, bastar´ıa entonces con calcular estos
valores usando uno cualquiera de los m´etodos de aproximaci´ on estudiados
con anterioridad.
Ejemplo 6.6.1. Considerar el problema con condiciones iniciales y

(t) =
y + 3t
2
+ 2, y(0) = 1, 0 ≤ t ≤ 2, usar el m´etodo predictor- corrector con
h = 0.2
Soluci´on
Para encontrar las primeras cuatro aproximaciones, hemos usado el
m´etodo de Runge-Kuta de orden cuatro, los resultados est´an dados en la
siguiente tabla
i t
i
u
i
y(t
i
) E
i
0 0 1 1 0
1 0.2 1.67262 1.6726248234 0.0000048224
2 0.4 2.54640473467 2.5464222788 0.000001754413
3 0.6 3.71902540959 3.7190692035 0.00004379391
4 0.8 5.30964596925 5.3098683564 0.00022238715
5 1 7.46428114957 7.4645364561 0.00025530643
6 1.2 10.3607737863 10.3610523047 0.0002785184
7 1.4 14.2164952815 14.2167997016 0.00030442201
8 1.6 19.296964184 19.2972918196 0.0003276356
9 1.8 25.9264811644 25.9268271797 0.0003460153
10 2 34.5011483923 34.5015048904 0.0003564981
TABLA 32

6.6. M
´
ETODOS PREDICTOR-CORRECTOR
266 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
6.6.1. M´etodo de Milne-Simpson
Otro m´etodo predictor-corrector es el de Milne-Simpson, y para deducirlo
consideremos nuevamente el problema y

(t) = f(t, y), y(t
0
) = y
0
, a ≤ t ≤ b,
por el teorema fundamental del c´alculo en el intervalo [t
k−3
, t
k+1
], tenemos
que

t
k+1
t
k−3
y

(t)dt =

t
k+1
t
k−3
f(t, y(t))dt,
luego entonces
y(t
k+1
) −y(t
k−3
) =

t
k+1
t
k−3
f(t, y(t))dt,
o sea que
y(t
k+1
) = y(t
k−3
) +

t
k+1
t
k−3
f(t, y(t))dt,
debemos por tanto evaluar la integral, para hacerlo consideremos el polinomio
de Lagrange de f(t, y(t)) que pasa por los puntos (t
k−3
, f
k−3
), (t
k−2
, f
k−2
),
(t
k−1
, f
k−1
), (t
k
, f
k
), luego
f(y, y(t)) = f
k−3
(t −t
k−2
)(t −t
k−1
)(t −t
k
)
(t
k−3
−t
k−2
)(t
k−3
−t
k−1
)(t
k−3
−t
k
)
+f
k−2
(t −t
k−3
)(t −t
k−1
)(t −t
k
)
(t
k−2
−t
k−3
)(t
k−2
−t
k−1
)(t
k−2
−t
k
)
+f
k−1
(t −t
k−3
)(t −t
k−2
)(t −t
k
)
(t
k−1
−t
k−3
)(t
k−1
−t
k−2
)(t
k−1
−t
k
)
+f
k
(t −t
k−3
)(t −t
k−2
)(t −t
k−1
)
(t
k
−t
k−3
)(t
k
−t
k−2
)(t
k
−t
k−1
)
,
luego entonces

t
k+1
t
k−3
f(t, y(t))dt = f
k−3

t
k+1
t
k−3
(t −t
k−2
)(t −t
k−1
)(t −t
k
)
(t
k−3
−t
k−2
)(t
k−3
−t
k−1
)(t
k−3
−t
k
)
dt
+f
k−2

t
k+1
t
k−3
(t −t
k−3
)(t −t
k−1
)(t −t
k
)
(t
k−2
−t
k−3
)(t
k−2
−t
k−1
)(t
k−2
−t
k
)
dt
+f
k−1

t
k+1
t
k−3
(t −t
k−3
)(t −t
k−2
)(t −t
k
)
(t
k−1
−t
k−3
)(t
k−1
−t
k−2
)(t
k−1
−t
k
)
dt
+f
k

t
k+1
t
k−3
(t −t
k−3
)(t −t
k−2
)(t −t
k−1
)
(t
k
−t
k−3
)(t
k
−t
k−2
)(t
k
−t
k−1
)
dt,
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 267
sea t = t
k
+vh, luego dt = hdv, pero t −t
k−3
= t −t
k
−3 = vh−3 = h(v −3)
y t −t
k+1
= t −t
k
−h = vh−h = h(v −1) luego si t = t
k−3
, entonces v = −3
y si t = t
k
, entonces v = 1 adem´as t
i
− t
j
= (i − j)h y t − t
k−1
= h(v + 1),
t −t
k−2
= h(v + 2), t −t
k−3
= h(v + 3) as´ı que

t
k+1
t
k−3
f(t, y(t))dt = f
k−3

1
−3
h(v + 2)h(v + 1)hv
−h(−2h)(−3h)
hdv+f
k−2

1
−3
h(v + 3)h(v + 1)hv
h(−h)(−2h)
hdv
+f
k−1

1
−3
h(v + 3)h(v + 2)vh
2h(h)(−h)
hdv + f
k

1
−3
h(v + 3)h(v + 2)h(v + 1)
h(2h)(3h)
hdv,
de modo que

t
k+1
t
k−3
f(t, y(t))dt = −
hf
k−3
6

1
−3
(v
3
+3v
2
+2v)dv+
hf
k−2
2

1
−3
(v
3
+4v
2
+3v)dv

hf
k−1
2

1
−3
(v
3
+ 5v
2
+ 6v)dv +
hf
k
6

1
−3
(v
3
+ 6v
2
+ 11v + 6)dv,
por lo tanto

t
k+1
t
k−3
f(t, y(t))dt =
8hf
k−2
3

4hf
k−1
3
+
8hf
k
3
,
ya que

1
−3
(v
3
+ 3v
2
+ 2v)dv = 0 luego

t
k+1
t
k−3
f(t, y(t))dt =
4h
3
[2f
k−2
−f
k−1
+ 2f
k
],
si u
i
≈ y(t
i
), entonces
u

i+1
= u
i−3
+
4h
3
[2f(t
i−2
, u
i−2
) −f(t
i−1
, u
i−1
) + 2f(t
i
, u
i
)]
que es el valor predictor.
Para calcular el corrector, tomamos ahora el polinomio de Lagrange
de f(t, y(y)) que pasa por los puntos (t
k−1
, f
k−1
), (t
k
, f
k
), (t
k+1
, f

k+1
), donde
f

k+1
= f(t
k+1
, u

k+1
) e integramos en el intervalo [t
k−1
, t
k+1
].
Luego entonces se tiene que

t
k+1
t
k−1
f(t, y(t))dt = f
k−1

t
k+1
t
k−1
(t −t
k
)(t −t
k+1
)
(t
k−1
−t
k
)(t
k−1
−t
k+1
)
dt
6.6. M
´
ETODOS PREDICTOR-CORRECTOR
268 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
+f
k

t
k+1
t
k−1
(t −t
k−1
)(t −t
k+1
)
(t
k
−t
k−1
)(t
k
−t
k+1
))
dt + f

k+1

t
k+1
t
k−1
(t −t
k−1
)(t −t
k
)
(t
k+1
−t
k−1
)(t
k+1
−t
k
)
dt
de modo que si tomamos t = t
k
+ vh se tiene que

t
k+1
t
k−1
f(t, y(t))dt = f
k−1

1
−1
vh(v + 1)h
h(2h)
hdv
+f
k

1
−1
h(v + 1)h(v −1)
h(−h)
hdv + f

k+1

1
−1
hvh(v + 1)
h(2h)
hdv
o sea que

t
k+1
t
k−1
f(t, y(t))dt =
hf
k−1
2

1
−1
(v
2
−v)dv−hf
k

1
−1
(v
2
−1)dv+
hf

k+1
2

1
−1
(v
2
+v)dv,
de ese modo tenemos que

t
k+1
t
k−1
f(t, y(t))dt =
hf
k−1
3
+
4hf
k
3
+
hf

k+1
3
,
luego entonces el valor del corrector es
u
i+1
= u
i
+
h
3
[f(t
i−1
, u
i−1
) + 4f(t
i
, u
i
) + f(t
i+1
, u

i+1
)]
Ejemplo 6.6.2. Usar el m´etodo predictor-corrector de Milne-Simpson para
aproximar el problema con condiciones iniciales y

(t) = y +3t
2
+2, y(0) = 1,
0 ≤ t ≤ 2 con h = 0.2
Soluci´on
El valor del predictor de Milne-Simpson est´a dado por
u

i+1
= u
i−3
+
4h
3
[2f(t
i−2
, u
i−2
) −f(t
i−1
, u
i−1
) + 2f(t
i
, u
i
)]
y el valor del corrector es
u
i+1
= u
i
+
h
3
[f(t
i−1
, u
i−1
) + 4f(t
i
, u
i
) + f(t
i+1
, u

i+1
)],
luego para el predictor se tiene que
u

i+1
=
1
3
[1.6u
i
−0.8u
i−1
+ 1.6u
i−2
+ 3u
i−3
+ 0.288i
2
−0.576i + 5.472]
y para el corrector
u
i+1
=
1
3
[0.2u

i+1
+ 0.8u
i
+ 3.2u
i−1
+ 0.144i
2
+ 2.448]
los resultados aparecen en la tabla siguiente
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 269
i t
i
u
i
y(t
i
) E
i
0 0 1
1 0.2 1.67262
2 0.4 2.54640473467
3 0.6 3.71902540959
4 0.8 5.3098053566 5.3098683564 0.0000629998
5 1 7.46443243907 7.4645364561 0.00018849767
6 1.2 10.3609055303 10.3610523047 0.0001467744
7 1.4 14.2165842474 14.2167997016 0.0002154542
8 1.6 19.2969954393 19.2972918196 0.0002963803
9 1.8 25.9264146804 25.9268271797 0.0004124993
10 2 34.5009483507 34.5015048904 0.0005565397
TABLA 33
Hacemos notar que usando solo el predictor los resultados obtenidos son
i t
i
u
i
y(t
i
) E
i
0 0 1
1 0.2 1.67262
2 0.4 2.54640473467
3 0.6 3.71902540959
4 0.8 5.30850295587 5.3098683564 0.00136540053
5 1 7.46221639924 7.4645364561 0.00232005686
6 1.2 10.3581049608 10.3610523047 0.0029473439
7 1.4 14.2126392339 14.2167997016 0.0041604677
8 1.6 19.290236687 19.2972918196 0.0070551326
9 1.8 25.9165757422 25.9268271797 0.0102514375
10 2 34.4882898313 34.5015048904 0.0132150591
TABLA 34
Al comparar las tablas anteriores observemos que al aplicar solo el predictor
la aproximaci´on es buena, pero esta mejora si aplicamos luego el corrector.

6.7. Sistema de Ecuaciones Diferenciales
Definici´on 6.7.1. Un sistema de dos ecuaciones diferenciales de primer
orden con condiciones iniciales est´a dado por

y

(t) = f
1
(t, y(t), x(t)) y(a) = α
1
,
x

(t) = f
2
(t, y(t), x(t)) x(a) = α
2
(6.9)
6.7. SISTEMA DE ECUACIONES DIFERENCIALES
270 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
con a ≤ t ≤ b
Definici´on 6.7.2. Las funciones y
1
(t) y x
1
(t) son soluciones del sistema 6.9
si y
1
(t) y x
1
(t) son derivables y adem´as se cumple que

y

1
(t) = f
1
(t, y
1
(t), x
1
(t)) y
1
(a) = α
1
,
x

1
(t) = f
2
(t, y
1
(t), x
1
(t)) x
1
(a) = α
2
(6.10)
6.7.1. Aproximaci´on Num´erica
Una primera aproximaci´on num´erica del problema 6.9 se tiene si consi-
deramos dy = y
k+1
− y
k
, dx = x
k+1
− x
k
, dt = t
k+1
− t
k
, de modo que
el problema

dy
dt
= f
1
(t
k
, y(t
k
), x(t
k
)) y
1
(a) = α
1
,
dx
dt
= f
2
(t
k
, y(t
k
), x(t
k
)) x
1
(a) = α
2
se puede aproximar escribiendo
y
k+1
−y
k
= f
1
(t
k
, y(t
k
), x(t
k
))h
x
k+1
−x
k
= f
2
(t
k
, y(t
k
), x(t
k
))h
donde h = t
k+1
−t
k
por tanto se tiene que
u
i+1
= u
i
+ f
1
(t
i
, y(t
i
), x(t
i
))h
v
i+1
= v
i
+ f
2
(t
i
, y(t
i
), x(t
i
))h
donde v
i
≈ x(t
i
) y u
i
≈ y(t
i
), esta es la aproximaci´ on de Euler.
Una mejor aproximaci´ on para resolver 6.9 se tiene cuando usamos el
m´etodo de Runge-Kuta de cuarto orden que como sabemos esta dado por
u
i+1
= u
i
+
h
3
(F
1
+ 2F
2
+ 2F
3
+ F
4
)
v
i+1
= v
i
+
h
3
(G
1
+ 2G
2
+ 2G
3
+ G
4
)
donde
F
1
= f
1
(t
i
, y(t
i
), x(t
i
)) G
1
= f
2
(t
i
, y(t
i
), x(t
i
))
F
2
= f
1
(t
i
+
h
2
, u
i
+
h
2
F
1
, v
i
+
h
2
G
1
) G
2
= f
2
(t
i
+
h
2
, u
i
+
h
2
F
1
, v
i
+
h
2
G
1
)
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 271
F
3
= f
1
(t
i
+
h
2
, u
i
+
h
2
F
2
, v
i
+
h
2
G
2
) G
3
= f
2
(t
i
+
h
2
, u
i
+
h
2
F
2
, v
i
+
h
2
G
2
)
y
F
4
= f
1
(t
i
+
h
2
, u
i
+ hF
3
, v
i
+ hG
3
) G
4
= f
2
(t
i
+
h
2
, u
i
+ hF
3
, v
i
+ hG
3
)
En general si se tiene el sistema de n ecuaciones diferenciales lineales
dado por
dy
1
dt
= f
1
(t, y
1
, y
2
, y
3
, , y
n
)
dy
2
dt
= f
2
(t, y
1
, y
2
, y
3
, , y
n
)
dy
3
dt
= f
3
(t, y
1
, y
2
, y
3
, , y
n
)
.
.
.
dy
n
dt
= f
n
(t, y
1
, y
2
, y
3
, , y
n
)
con y
1
(a) = α
1
, y
2
(a) = α
2
, y
3
(a) = α
3
, , y
n
(a) = α
n
entonces, si
suponemos que hemos calculado las aproximaciones u
1,j
, u
2,j
, u
3,j
, , u
n,j
,
para calcular las aproximaciones u
1,j+1
, u
2,j+1
, u
3,j+1
, , u
n,j+1
por el m´eto-
do de Runge-Kuta de cuarto orden se calcula inicialmente los valores de
RK
1,j
= hf
j
(t
j
, u
1,j
, u
2,j
, u
3,j
, , u
n,j
)
∀j = 1, 2, 3, n
RK
2,j
= hf
j
(t
j
+
h
2
, u
1,j
+
1
2
RK
1,1
, u
2,j
+
1
2
RK
1,2
, u
3,j
+
1
2
RK
1,3
, , u
n,j
+
1
2
RK
1,n
)
∀j = 1, 2, 3, n
RK
3,j
= hf
j
(t
j
+
h
2
, u
1,j
+
1
2
RK
2,1
, u
2,j
+
1
2
RK
2,2
, u
3,j
+
1
2
RK
2,3
, , u
n,j
+
1
2
RK
2,n
)
∀j = 1, 2, 3, n
y por ´ ultimo
RK
4,j
= hf
j
(t
j+1
, u
1,j
+ RK
3,1
, u
2,j
+ RK
3,2
, u
3,j
+ RK
3,3
, , u
n,j
+ RK
3,n
)
6.7. SISTEMA DE ECUACIONES DIFERENCIALES
272 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
∀j = 1, 2, 3, n de modo que se tiene
u
1,j+1
= u
1,j
+
(RK
1,j
+ 2RK
2,j
+ 2RK
3,j
+ RK
4,j
)
6
∀j = 1, 2, 3, n
Ejemplo 6.7.1. Resolver el sistema de ecuaciones diferenciales dado por
u

1
= u
2
0 ≤ t ≤ 2 u
1
(0) = 1
u

2
= −u
1
−2e
t
+ 1 0 ≤ t ≤ 2 u
2
(0) = 0
u

3
= −u
1
−e
t
+ 1 0 ≤ t ≤ 2 u
3
(0) = 1
Soluci´on
Utilizando el m´etodo de Runge-Kutta de cuarto orden, para sistema
de ecuaciones con h = 0.2 los resultados se muestran en la siguiente tabla
i t
i
u
1
u
2
u
3
0 0 1 0 1
1 0.2 0.9573287755 -0.4399988675 0.7814040135
2 0.4 0.8186474956 -0.9601667038 0.5316582668
3 0.6 0.5678513505 -1.561399861 0.2607193959
4 0.8 0.1885153676 -2.246152634 -0.02061102516
5 1 -0.3365112519 -3.019399866 -0.3011170837
6 1.2 -1.025716648 -3.889733852 -0.5696156421
7 1.4 -1.899771276 -4.870603803 -0.8154021404
8 1.6 -2.982636139 -5.981711933 -1.028677315
9 1.8 -4.302967654 -7.250588086 -1.200937819
10 2 -5.895857864 -8.714374822 -1.325315178
TABLA 35
6.8. Ecuaciones Diferenciales de Orden Su-
perior
Una ecuaci´on diferencial de orden superior, es una ecuaci´on diferencial que
contiene derivadas de orden superior x

(t), x

(t), x
n
(t)
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 273
Consideremos primero una ecuaci´on diferencial de orden dos con condiciones
iniciales, esto es, una ecuaci´on de la forma
ax

(t) + bx

(t) + cx(t) = f(t)
con x(a
0
) = α y x

(a
0
) = β
resolver una ecuaci´on como la planteada antes es equivalente a resolver un
sistema de ecuaciones diferenciales de primer orden, lo cual es posible si
tomamos
v(t) = x

(t),
luego entonces
v

(t) = x

(t),
de modo que se tiene el sistema
x

(t) = v(t)
v

(t) = g(t, v(t))
con x(a) = x
0
, x

(a) = v
0
.
En general si se tiene una ecuaci´on de orden n dada por
x
n
(t) = f(t, x(t), x

(t), x

(t), , x
n−1
(t)) a ≤ t ≤ b
con x(t
0
) = a
1
, x

(t
0
) = a
2
, x

(t
0
) = a
3
, , x
n−1
(t
0
) = a
n
, entonces si se
toma v
1
(t) = x(t), v
2
(t) = x

(t), v
3
(t) = x

(t), , v
n
(t) = x
n−1
(t) se tiene el
sistema
v

1
(t) = v
2
(t)
v

2
(t) = v
3
(t)
v

3
(t) = v
4
(t)
.
.
.
v

n
(t) = f(t, v
i
(t)), v
2
(t), , v
n
(t)
con v
1
(a) = a
1
, v
2
(a) = a
2
, v
3
(a) = a
3
, v
n
(a) = a
n
, sistema que se puede
resolver ahora por ejemplo usando el m´etodo de Runge-Kuta de cuarto orden
mostrado en la secci´on anterior.
6.8. ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR
274 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
Ejemplo 6.8.1. Aproxime la ecuaci´on diferencial con valores iniciales dada
por
y

−2y

+ y = te
t
−t, 0 ≤ t ≤ 1 y(0) = y

(0) = 0
Soluci´on
Sea u
1
(t) = y(t), y u
2
(t) = y

(t), entonces la ecuaci´on diferencial de
segundo orden se transforma en el sistema de ecuaciones lineales
u

1
(t) = u
2
(t),
u

2
(t) = te
t
−t + 2u
2
(t) −u
1
(t),
sistema que al aplicarle el m´etodo de Runge- Kutta se obtienen como resul-
tado los mostrado en la tabla 36
i t
i
u
1
u
2
0 0 0 0
1 0.2 0.000008972441866 0.0003639197722
2 0.4 0.0001535194529 0.003178822156
3 0.6 0.0008342683499 0.01171908535
4 0.8 0.002832054801 0.03035325337
5 1 0.007429677753 0.06479838816
6 1.2 0.01656148953 0.1224237448
7 1.4 0.03299617073 0.2126123301
8 1.6 0.06055896274 0.3471902812
9 1.8 0.104400702 0.5409355892
10 2 0.1713222417 0.81217952
TABLA 36
Ejercicios
Para los problemas 1-5, resuelva el problema con valor inicial y compare sus
resultados con la soluci´on exacta que se da.
a) Usando el m´etodo de Euler con h = 0.5, y h = 0.1.
b) Usando el m´etodo de Taylor de segundo orden con h = 0.5, y h = 0.1.
c) Usando el m´etodo de Runge-Kuta con h = 0.5, y h = 0.1.
d) Usando el m´etodo de punto medio con h = 0.5, y h = 0.1.
1. y

= xy + x, y(0) = 0, en [0; 1]. La soluci´on exacta es y(x) =
1
x+1
CAP
´
ITULO 6. ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES
An´alisis Num´erico. Notas de clase 275
2. y

= −y
2
, y(0) = 1, en [0; 1]. La soluci´on exacta es y(x) = −1 + e
x
2
2
.
3. y

= y +x, y(0) = 2, en [0; 1]. La soluci´on exacta es y(x) = e
x
−x −1.
4. y

= x + 4yx
−1
, y(1) =
1
2
, en [1; 2]. La soluci´on exacta es y(x) =

1
2
x
2
+ x
4
.
5. y

= y cos x, y(0) = 1, en [0; 1]. La soluci´on exacta es y(x) = e
senx
Para los problemas 6-13, resuelva el problema con valor inicial y
compare sus resultados con la soluci´on exacta que se da. Investigue el
efecto que se causa usando diferentes tama˜ nos de paso
a) Usando el m´etodo de Euler .
b) Usando el m´etodo de Runge-Kuta
c) Usando el m´etodo de punto medio .
d) Usando el m´etodo de Adams-Bashforth-Moulton .
6. y

= −y + sen x, y(0) = 0, en [0; π]. (Compare los resultados usando
n = 12, 20, 40) La soluci´on exacta es y(x) = 1.5e
−x
+0.5 sen x−0.5 cos x
7. y

= y tan x + x, y(0) = 3, en [0; π/4]. La soluci´on exacta es y(x) =
x tan x + 2 sec x6 + 1.
8. y

=
x
2
+y
2
2xy
, y(1) = 2, en [1; 2]. La soluci´on exacta es y(x) = x(x + 3).
9. y

= −y tan x + sec x, y(0) = 2, en [0; π/4]. La soluci´on exacta es
y(x) = sen x + 2 cos x.
10. y

= y cos x, y(0) = 1, en [0; 1]. La soluci´on exacta es y(x) = e
senx
11. y

= (y + x)
2
, y(0) = −1, en [0; π/2]. La soluci´on exacta es y(x) =
−x + tan(x −π/4).
12. y

=
3x
y
−xy, y(0) = 2, en [0; 2]. La soluci´on exacta es y(x) =

3 + e
−x
2
.
13. y

= xy
−1
− xy, y(0) = 2, en [0; 2]. La soluci´on exacta es y(x) =

1 + 3e
−x
2
.
14. Resolver y

= xy + y
2
+ x
2
, y(0) = 1, en [0; 0.5]
15. Resolver y

=
−1
x
y −y
2
+
1
x
2
, y(1) =
1
3
, en [0.1; 1].
16. Resolver y

=
1
x
y +
1
x
y
2
+
−2
x
, y(2) = −3, en [2; 3]
17. Resolver y

=
1
x
y +
1
x
y
2
+
−2
x
, y(0.1) = 1, en [0.1; 1]
6.8. ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR
´
Indice alfab´etico
algoritmo
de Newton para
ecuaciones no lineales , 46
de Newton para sistemas no li-
neales, 92
an´alisis de error, 15
aproximaci´on
de Pad´e, 121
por redondeo, 12
por truncamiento, 12
cercha
c´ ubica con curvatura en los ex-
tremos, 143
c´ ubica con terminaci´on
parab´olica, 140
c´ ubica extrapolada, 137
c´ ubica natural, 134
c´ ubica sujeta, 130
ceros de una funci´on, 26
convergencia
q-cuadr´atica, 27
q-c´ ubica, 27
q-lineal, 26
q-orden al menos p, 27
q-superlineal, 27
r-orden al menos p, 27
uniforme, 148
cuadratura adaptativa, 204
diferencia centrada
de orden O(h
2
), 159
de orden O(h
4
), 161
diferencias divididas, 112
ecuaciones diferenciales de orden
superior, 260
elemento pivote, 78
elementos diagonales, 70
eliminaci´on gaussiana, 80
epsilon de la m´aquina, 15
error
absoluto, 12
de discretizaci´on global, 236
de discretizaci´on local, 236
relativo, 12
extrapolaci´on de Richardson, 171,
202
factorizaci´on
LU, 83
fila pivote, 78
funci´on Lipschitz, 229
funci´on peri´odica, 148
f´ormula
de los cinco puntos , 169
de los tres puntos , 165
f´ormulas
abiertas de Newton - Cotes,
182
cerradas de Newton-Cotes, 182
grado de exactitud, 182
integraci´on
adaptativa, 204
276
An´alisis Num´erico. Notas de clase 277
Gauss-Legendre, 208
interpolaci´on
c´ ubica, 127
lineal a trozos, 126
lineal de Lagrange, 103
polinomial a trozos o spline,
125
iteraci´on de punto fijo, 31
matriz
ampliada del sistema, 75
bien condicionada, 73
cuadrada, 68
de ancho r, 70
de coeficientes, 75
definida positiva, 71
estrictamente diagonal domi-
nante, 70
Hessemberg Inferior, 70
Hessemberg Superior, 70
identica, 68
invertible, 70
jacobiana, 70
nula, 68
n´ umero condici´on de una, 73
sim´etrica, 71
transpuesta, 71
triangular inferior, 69
triangular superior, 69
tridiagonal, 70
multiplicadores, 78
m´etodo

2
de Aitken, 59
de bisecci´on, 38
de integraci´on de Romberg,
199
de Adams-Bashforth de cuatro
pasos, 247
de Adams-Bashforth de dos pa-
sos , 245
de Adams-Bashforth de tres
pasos, 246
de Adams-Moulton de dos pa-
sos, 249
de Adams-Moulton de tres pa-
sos, 250
de diferencias, 235
de Euler, 233
de Gauss- Saidel, 89
de Heun, 241
de Jacobi, 86
de la Secante, 55
de Milne-Simpson, 254
de Newton, 45, 91
de punto fijo, 27, 95
de Runge-Kuta de cuarto or-
den, 242
de Runge-Kuta de orden dos,
240
de Taylor, 236
de Taylor de Orden 2, 237
de Taylor de Orden 4, 237
modificado de Euler, 241
modificado de Newton, 52
predictor-corrector, 252
regula falsi, 43
m´etodos
multipasos, 244
multipasos expl´ıcitos, 244
multipasos impl´ıcitos, 244
norma
de una matriz, 72
vector, 11
notaci´on
cient´ıfica normalizada, 9
fl(x), 11
O de Landau, 16
n´ umero
de m´aquina, 7
punto flotantes, 7
´
INDICE ALFAB
´
ETICO
278 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
operaciones elementales, 78
pivoteo
parcial, 81
parcial escalado, 82
trivial, 81
polinomio
de Hermite, 115
de Taylor, 101
interpolador de Lagrange, 106
interpolador de Newton, 110
osculante, 115
punto fijo, 30
punto flotante, 7
normalizado, 7
regla
3
8
de Simpson, 182
compuesta de los
3
8
de Simp-
son, 193
compuesta de Simpson, 191
compuesta del trapecio, 188
de Gauss-Legendre de dos no-
dos, 210
de Boole, 183
de Simpson, 180
del punto medio, 182
del trapecio, 178
serie, 146
de Fourier, 152
sistema
de ecuaciones lineales, 74
triangular superior de ecua-
ciones lineales, 75
de ecuaciones diferenciales ,
257
de ecuaciones no lineales, 91
sucesi´on
acotada inferiormente, 39
acotada superiormente, 39
convergente, 39
creciente, 38
decreciente, 38
divergente, 39
Teorema
de Fermat, 28
de Rolle, 29
de Weierstrass, 39
del punto fijo, 32
del valor intermedio, 30
del valor medio, 29
generalizado del valor medio,
49
sustituci´on progresiva, 76
sustituci´on regresiva, 76
transformaciones elementales, 78
´
INDICE ALFAB
´
ETICO
Bibliograf´ıa
[1] Richard L. Burden., J.Douglas Faires. An´alisis Num´erico. Thom-
son Learning
[2] Jhon H. Mathews., Kurtis D. Fink. M´etodos Num´ericos con MAT-
LAB 3.
a
Edici´on. Prentice Hall
[3] Jorge Nocedal., Stephen J. Wright, Numerical Optimization.
Springer
[4] Ignacio Mantilla, An´alisis Num´erico. Universidad Nacional de Colom-
bia.
[5] Steven C. Chapra., Raymond P. Canale, M´etodos Num´ericos para
Ingenieros. Editorial McGraw-Hill .
[6] D. Kincaid., W. Chenney An´alisis Num´erico. Editorial Addison Wes-
ley Iberoamericana.
[7] Shoichiro Nakamura, An´alisis Num´erico y Visualizaci´on Grafica. Edi-
torial Prentice Hall.
[8] Shoichiro Nakamura, M´etodos Num´ericos Aplicados con Software.
Editorial Prentice Hall.
[9] Philips Clarke Jr., Calculus and Analytic Geometry. D.C. Heath and
Company.
[10] Laurene V. Faussett., Applied Numerical Analysis using MATLAB.
Editorial Prentice Hall.
[11] Introduction to Numerical Linear Algebra and Optimisation. Cambridge
Texts in Applied Mathematics.
[12] J.D.Hoffman., Numerical Methods for enginers and scientists. Edito-
rial McGraw-Hill.
279
280 J Vel´asquez Zapateiro/ V. Obeso Fern´andez
[13] Yu Takeuchi., Sucesiones y Series. Universidad Nacional de Colombia.
[14] E. Kreyszig., Matem´aticas Avanzadas para Ingenieros. Editorial
Limusa, Mexico.
BIBLIOGRAF
´
IA

Sign up to vote on this title
UsefulNot useful