Universidad Nacional De San Agustn

Escuela Profesional De Ingeniera De Sistemas

Tema:

SEGMENTARIAS CUBICAS CON INTEGRALES ADAPTATIVAS PARA

FUNCIONES COMPLICADAS
Presentado por:
Inquilla Cutipa, Marco Antonio
Huarhua Chambi, Edwin
Cuyo Ancco, Diego
Para el curso de:
Mtodos Numricos
Docente a cargo:
Ing. Olha Shardorovska
Arequipa Per

INTRODUCCION
El motivo de este trabajo es dar a conocer el espritu de los mtodos de
aproximacin consustnciales con la Ingeniera. Los modelos de los procesos
fsicos y, con mayor motivo, de los procesos tecnolgicos son aproximaciones a la
realidad y hay que contrastar siempre con sta los resultados obtenidos, validando
as los modelos y acotando los mrgenes de error.
El instrumento capital de los mtodos de aproximacin es la Matemtica finita,
cuyo estudio conduce a diferencias sorprendentes - por ejemplo la no
conmutatividad de la suma - con los resultados de la Matemtica llamada exacta o
infinita, siendo necesarios para elaborar los recursos del Clculo Numrico,
encuentran en ste su justificacin y adaptacin a la realidad.
Todos los modelos que se examinan a la luz estn suscitados por problemas
reales de la Ingeniera y en particular los asociados a las ecuaciones diferenciales
de la Fsica aplicada, por lo que la formacin que se imparte est estrechamente
vinculada a las tcnicas mineras y el entorno industrial en general.
Otras razones es el dar a conocer los recursos del clculo automtico, sin los
cuales no podran haberse desarrollado los actuales mtodos numricos. Para ello
se presenta un lenguaje de programacin y utilidades (MATLAB) y bibliotecas de
programas utilizados en los distintos mtodos estudiados, realizndose las
oportunas e indispensables prcticas en los ordenadores del centro.
La Integracin adaptativa, que permite el desacoplamiento en la discretizacin
en el tiempo y en la magnitud subyacente adems de consumir menos tiempo de
clculo que los modelos basados en rboles.

INTEGRACIN ADAPTATIVA
Las reglas compuestas de. cuadratura necesitan nodos equiespaciados;
tpicamente, se usa un incremento pequeo h de manera uniforme en todo el
intervalo de integracin para garantizar una precisin global.
Este proceso no tiene en cuenta el hecho de que en algunas porciones de la curva
puedan aparecer oscilaciones ms pronunciadas que en otras y, en consecuencia,
requieran incrementos ms pequeos para conseguir la misma precisin. Sera
entonces interesante disponer de un mtodo que vaya ajustando el incremento de
manera que sea menor en aquellas porciones de la curva en las que aparezcan
oscilaciones ms pronunciadas.
El mtodo que vamos a presentar, que se basa en la regla de Simpson, se llama
integracin adaptativa o cuadratura adaptativa.
La regla de Simpson utiliza dos subintervalos en [(ak , bk};

(1)

S(ak, bk) = h/3(f(ak) + 4f(ck) + f(bk)),

donde ck = 1/2(ak + bk), es el centro de [ak,bk] y h = (bk a.k)/2. Es ms. Si

f c^4[ak,bk], entonces existe un punto di [ak,bk] tal que:
bk
(2)

f(x) dx = S(ak, bk,) h^5 (f^4(d1))/90

ak

REFINAMIENTO
La regla compuesta de Simpson que utiliza cuatro subintervalos de [ak, bk] se
obtiene dividiendo este intervalo en dos subintervalos del mismo tamao [ak1,bk1]
y [ak2,bk2] y aplicando la frmula (1) en cada trozo, para lo cual slo necesitamos
dos evaluaciones adicionales de f(x):
S(ak1,bk1)+S(ak2,bk2)=h/6(f(ak1)+4f(ck1)+f(bk1))
(3)
+h/6(f(ak2)+4f(ck2)+f(bk2)

donde ak1 = a.k, bk1 = ak2 = ck, bk2 =bk, ck1 es el punto medio de [ak1,bk1] y
Ck2 es el punto medio de [ak2,bk2]-.
En la frmula (3) el incremento es h/2, razn por la cual aparece h/6 en el miembro
derecho de la frmula. Es mas, si:
f c^4[a,b], entonces existe un valor d2 [a.k,bk] tal que
bk
(4)

f(x) dx = S(ak1, bk1)+S(ak2,bk2) (h^5/16) (f^4(d2))/90)

ak

Supongamos que f^4(d1)= f^4 (d2). entonces podemos usar los miembros
derechos de las frmulas (2) y (4) para obtener la relacin:
(5)

S(ak.bk) (h^5)( f^4(d2) /90 = S(ak1,bk1)

+ S(ak2,bk2) - (h^5)( f^4(d2) /(90 * 16)

que podemos escribir como :

(6)

-h^5(f^4(d2)/90) = 16/15 (S(ak1,bk1) + S(ak2,bk2) S( ak , bk ))

Sustituyendo (6) en (4) obtenemos la estimacin del error:

Error = 1/15 !S(ak1,bk1) + S(ak2,bk2) S( ak , bk )!

Para-compensar el uso de la hiptesis de que f^4(d1) = f^4(d2), a la hora de

desarrollar el mtodo, la fraccin 1/15 se sustituye por la ms conservadora 1/10
en el miembro derecho de (7). Esto justifica plantearse el siguiente criterio de
exactitud

CRITERIO DE EXACTITUD

.Supongamos que especificamos una tolerancia Ek > O para la aproximacin a la

integral en el intervalo [ak.bk]. Si
.(8)

1 \10 !S(ak1,bk1) + S(ak2,bk2) S( ak , bk )! < Ek

entonces aceptamos que

bk
(9)

f(x) dx - S(ak1, bk1)S(ak2,bk2) < Ek

ak

En consecuencia, usamos la regla compuesta de Simpson (3) para aproximar la

integral
bk
(10)

f(x) dx = S(ak1, bk1)+S(ak2,bk2)

ak

y se asume Ek como cota del error de esta aproximacin en [ ak, bk].

El proceso de integracin adptativa se construye aplicando las reglas de Simpson
(1) y (3) de la siguiente manera: Partimos de {[a0, b0],Eo},

donde E0 es la

tolerancia para la cuadratura numrica en [ao, bo].

Este intervalo se divide en sus dos mitades, que etiquetamos como [ a01, b01] y
[a02 , b02].
Si el criterio de exactitud (8) se verifica, entonces la frmula de cuadratura (3) se
aplica en el intervalo [a0,b0] y. hemos terminado. Por el contrario, si el criterio de
exactitud (8) no ,se verifica, entonces ambos subintervalos.se vuelven a etiquetar
como [a1, b1)] y [ a2, b2], en los que usamos como tolerancias "1 = 1/2o
y 2 = 1/2o respectivamente.
De esa manera, aliora tenemos dos intervalos con sus tolerancias asociadas a los
que tenemos que dividir y aplicar el criterio de exactitud, a saber: {[a1 , b1],1)} y
{[a2, b2], E2} siendo Ei + E2 = E0 Vamos, entonces, a continuar el proceso de
integracin adaptativa con estos dos intervalos y sus. tolerancias respectivas.
En el segundo paso, consideramos {[a1 , b1], E1] } en primer lugar: dividimos el
intervalo [a1, b1] en [ a11, b11] y [a12 , b12]. y aplicamos el criterio de exactitud
(8).

Si el criterio se verifica con la tolerancia Ei, entonces aplicamos la frmula de

cuadratura (3) en [ a01, b01] y [a02 , b02]. y aceptamos que sobre este intervalo
liemos alcanzado la precisin deseada. Si el criterio (8) no se verifica ron la
tolerancia \, entonces hay que dividir y aplicar el criterio de exactitud a cada
siibintervalo [ a01, b01] y [a02 , b02]. en un tercer paso con una tolerancia
reducida -"1.
Pero en este segundo paso hay que estudiar tambin qu pasa con [ a01, b01] y
[a02 , b02]. dividimos [a1,b1] en [ a01, b01] y [a02 , b02]. y aplicamos el criterio
de exactitud (8}. Si el criterio se verifica con la tolerancia 2- entonces aplicamos
la frmula de cuadratura (3) en f2i ('2] y aceptamos que sobre este intervalo
hemos alcanzado la precisin deseada. Si el criterio (8) no se verifica con la
tolerancia 3. entonces hay que dividir y aplicar el criterio de exactitud a cada
subintervalo [ a01, b01] y [a02 , b02]. en un tercer paso con una tolerancia
reducida Ej-1.
En resumen, el segundo paso produce dos, tres o cuatro intervalos; produce dos si
tanto [a1, b1] como [a2, b2] pasan el criterio, produce tres si uno de los dos
intervalos de partida pasa el criterio pero el otro no y produce cuatro si ninguno de
los dos intervalos de partida pasa el criterio.
Si slo hay dos intervalos, entonces el proceso ha terminado. Si hay tres
intervalos, entonces los volvemos a etiquetar como [ a01, b01] y [a02 , b02].
donde a1+ y + 3 = c y continuamos el proceso de integracin adaptativa cu un
tercer paso con los dos intervalos de menor tamao. Si hay cuatro intervalos,
entonces los volvemos a etiquetar como [ a01, b01] y [a02 , b02]. Donde [ a01,
b01] = [a02 , b02]. y continuamos el proceso de integracin adaptativa en el tercer
paso con los cuatro intervalos.
El trmino del error (4) muestra que conforme hacemos refinamientos, el error se
reduce en un factor de por tanto, el proceso debe terminar en un nmero finito

de pasos. Para programar este mtodo, es necesario incluir una variable centinela
que nos indique si 1111 cierto subintervalo ha pasado ya el criterio de exactitud.
Asimismo, para evitar evaluaciones innecesarias de f(x), los valores de la funcin
pueden almacenarse como una lista de datos correspondientes a cada
subintervalo
Clculos del mtodo de integracin adaptativa para
f(x)=13( x x ^2) e^(-3x/2)
Cota del error:
miembro
S(.ak1,bk1) + S{ak2,bk2) izquierdo de (8)

Tolerancia ek,

ak

bk

0.0

0.0625

0.02287184840

0.00000001522

0.00000015625

0.06

0.125

0.05948686456

0.00000001316

0.00000015625

0.125 0.1875

0.08434213630

0.00000001137

0.00000015625

0.187 0.25

0.09969871532

0.00000000981 .

0.00000015625

0.25

0.21672136781

0.00000025055

0.0000003125

0.375 0.5

0.20646391592

0.00000018402

0.0000003125

0.5

.17150617231

0.00000013381

0.0000003125.

0.625 0.75

0.12433363793

0.00000009611

0.000000312o

0.75

0.07324515141

0.00000006799

0.0000003125

0.875 1.0

0.02352883215

0.00000004718

0.0000003125

1.0

-0.02166038952

0.00000003192

0.0000003125

1.125 1.25

-0.06065079384

0.00000002084

0.0000003125

1.25

1.5

-0.21080823822

0.00000031714

0.000000625

1.5

2.0

-0.60550965007

0.00000003195

0.00000125

2.0

2.25

-0.31985720175

0.00000008106

' 0.000000625

2.25

2.5

-0.30061749228

0.00000008301

0.000000625

2.5

2.75

-0.27009962412

0.00000007071

0.000000625'

0.375
0.625 0
0.875
1.125

para [ak,bk]

2.75

3.0

-0.23474721177

0.00000005447

0.000000625

3.0

3.5

-0.36389799695

0.00000103699

0.00000125

3.5

4.0

-0.24313827772

0.00000041708

0.00000125

-1.54878823413

0.00000296809

0.00001

Totales

Ejemplo
Vamos a usar el mtodo de integracin adaptativa para aproximar numricamente
el valor de la integral definida de 0 a 4 de 13(( x x ^2) e^(-3x/2)dx con una
tolerancia inicial de o = 0.00001.
Para llevar a cabo el mtodo fueron necesarios 20 subintervalos y en la Tabla 7.8
se relacionan cada subintervalo [aic, &], la aproximacin dada por la regla
compuesta de Simpson S(.ak1,bk1) + S{ak2,bk2) , la cota "del error aceptada para
esta aproximacin y la tolerancia asociada e. El valor aproximado de la integral
se obtiene sumando las aproximaciones dadas por la regla de Simpson en cada
subintervalo y es

(11)

13( x x ^2) e^(-3x/2)dx=-1.5487

Los subintervalos de [0,4] usados en la cuadratura adaptativa del Ejemplo.

El valor de la integral es
= -1.5487883725279481333;
por tanto, el error de la cuadratura adaptativa es
(13)

1.54878837253- (-1.54878823413)1 = 0.00000013840,

que es menor que la tolerancia especificada o = 0.00001. En este ejemplo, en el

mtodo de integracin adaptativa se generan 20 subintervalos de [0,4] y se
realizan 81 evaluaciones del integrando; en la Figura 7.9 se muestran la grfica de
y = f(x) y estos 20 subintervalos y en ella podemos observar que los intervalos son
menores all donde la funcin cambia ms rpidamente, es decir, cerca del origen.
En el proceso de divisin de los intervalos y aplicacin del criterio de exactitud,
hubo que dividir cada uno de los cuatro primeros intervalos de longitud 0.25 en
ocho subintervalos de longitud 0.03125. Si usramos este incremento en el
intervalo total [0,4] para aplicar la regla compuesta de Simpson, entonces
necesitaramos M = 128 subintervalos, con los que obtendramos la aproximacin
1.54878844029, cuyo error es 0.00000006776. Aunque el error de la
aproximacin dada por la regla compuesta de Simpson es casi la mitad del error
que se produce con la integracin adaptativa, hacen falta 176 evaluaciones ms;
la ganancia en exactitud no compensa el ahorro en el coste computacional que
proporciona la integracin adaptativa.
Ejemplo:
Queremos analizar la distribucin de puntos dependiendo de la funcin a
integrar, el comportamiento del error estimado con respecto al real, y toda otra

informacin que nos pueda parecer relevante para el estudio de este mtodo.
Para esto tenemos a disposicin 4 funciones de prueba, las cuales te permitirn
responder basndose en los datos y el grfico que te entrega el programa
"grafica" lo siguiente:

1.Cmo se distribuyen los puntos, dependiendo de la funcin a integrar?.

2.Calcule analticamente la integral en cada uno de los casos(si se puede) y de
ademas el intervalo, el psilon y la cantidad de iteraciones que hizo el mtodo.
3.Cmo se comparan estos dos errores cuando no se sepa como calcular la
integral exacta?.
4.Programa un procedimiento en el cual le entregues "n" (que ser el numero de
subdivisiones), que calcule simpson en los subintervalos y te entregue la
integral. Con esto estima el "n" que se necesita para que los errores de las
integrales sean del mismo orden.( consiste en ir probar con n's y calcular
simpson en n subintervalos e ir sumando el calculo de simpson para obtener la
integral y este valor compararlo con el valor de la integral de adapta y entregar
en al n en que el error entre ambas integrales sea el mismo que el que entrego
adapta)

Explicacin de los procedimientos.

1.Efe: aqu se programa la funcin a integrar.

2.Simpson(a, b): entrega el valor que calcula con la formula de simpson en el
intervalo [a,b].
3.Adapta: efecta el calculo, determinando la subdivisin para asegurar que el
error estimado sea menor que psilon. Al principio de este procedimiento se
definen a, b, psilon.
Grafica(): grfica la funcin programada y pone cruces en los puntos elegidos
para la subdivisin.

Forma de uso:

Edita el archivo adapta.e (brelo o cpialo en gauss-edit).

Define a, b, psilon, en el procedimiento adapta (lnea 27 aprox.), tambin debes
definir a y b en el procedimiento grfica (linea 101), nota que deben ser los
mismos. Inicialmente a=0, b=4, epsilon=1e-7.
(gauss) grafica
Si el grfico no queda bien centrado debes variar la escala en la cual esta,
inicialmente ejex={0,4}, ejey={-1,1},(lnea 120 aprox.)

Esto te entregara el grfico descrito anteriormente, el nmero de subdivisiones

junto al error total para cada una de ellas y la integral numerica de la funcin en
el intervalo [a,b].
Noten que pueden poner directamente "grafica" sin cambiar a y b para
familiarizarse con los resultados que les entregara el programa.
El clculo integral se basa en el proceso inverso de la derivacin, llamado
integracin. Dada una funcin f, se busca otra funcin F tal que su derivada es F =
f; F es la integral, primitiva o antiderivada de f, lo que se escribe F(x) = f(x)dx o
simplemente F = f dx (esta notacin se explica ms adelante). Las tablas de
derivadas se pueden utilizar para la integracin: como la derivada de x2 es 2x, la
integral de 2x es x2. Si F es la integral de f, la forma ms general de la integral de f
es F + c, en donde c es una constante cualquiera llamada constante de
integracin; esto es debido a que la derivada de una constante es 0 por lo que ( F
+ c) = F + c = f + 0 = f. Por ejemplo, 2xdx = x2 + c.
Las reglas bsicas de integracin de funciones compuestas son similares a las de
la diferenciacin. La integral de la suma (o diferencia) es igual a la suma (o
diferencia) de sus integrales, y lo mismo ocurre con la multiplicacin por una

constante. As, la integral de x = 2x es x2, y de forma similar xm dx = xm+1/(m +

1) para cualquier m -1 (no se incluye el caso de m = -1 para evitar la divisin por
0; el logaritmo neperiano ln|x| es la integral de x-1 = 1/x para cualquier x 0). La
integracin suele ser ms difcil que la diferenciacin, pero muchas de las
funciones ms corrientes se pueden integrar utilizando stas y otras reglas (ver la
tabla).
Una aplicacin bien conocida de la integracin es el clculo de reas. Sea A el
rea de la regin delimitada por la curva de una funcin y = f(x) y por el eje x, para
a x b. Para simplificar, se asume que f(x) 0 entre a y b. Para cada x a, sea
L(x) el rea de la regin a la izquierda de la x, as es que hay que hallar A = L(b).
Primero se deriva L(x). Si h es una pequea variacin en la x, la regin por debajo
de la curva entre x y x + h es aproximadamente un rectngulo de altura f(x) y
anchura h (vase figura 3); el correspondiente incremento k = L(x + h) - L(x) es por
tanto, aproximadamente, f(x)h, por lo que k/h es, aproximadamente, f(x). Cuando
h 0 estas aproximaciones tienden hacia los valores exactos, as es que k/h
f(x) y por tanto L(x) = f(x), es decir, L es la integral de f. Si se conoce una integral
F de f entonces L = F + c para cierta constante c. Se sabe que L(a) = 0 (pues el
rea a la izquierda de la x es cero si x = a), con lo que c = -F(a) y por tanto L(x) =
F(x) - F(a) para todas las x a. El rea buscada, A = L(b) = F(b) - F(a), se escribe

ste es el teorema fundamental del clculo, que se cumple siempre que f sea
continua entre a y b, y se tenga en cuenta que el rea de las regiones por debajo
del eje x es negativa, pues f(x) < 0. (Continuidad significa que f(x) f(x0) si x x0,
de manera que f es una curva sin ninguna interrupcin).
El rea es una integral definida de f que es un nmero, mientras que la integral
indefinida f(x)dx es una funcin F(x) (en realidad, una familia de funciones F(x) +
c). El smbolo (una S del siglo XVII) representa la suma de las reas f(x)dx de un
nmero infinito de rectngulos de altura f(x) y anchura infinitesimal dx; o mejor

dicho, el lmite de la suma de un nmero finito de rectngulos cuando sus

anchuras tienden hacia 0.
La derivada dy/dx = f(x) de una funcin y = f(x) puede ser diferenciada a su vez
para obtener la segunda derivada, que se denota d2y/dx2, f(x) o D2f. Si por
ejemplo x es el tiempo e y es la distancia recorrida, entonces dy/dx es la velocidad
v, y d2y/dx2 = dv/dx es el incremento en la velocidad, es decir, la aceleracin.
Segn la segunda ley del movimiento del Newton, un cuerpo de masa constante
m bajo la accin de una fuerza F adquiere una aceleracin a tal que F = ma. Por
ejemplo, si el cuerpo est bajo la influencia de un campo gravitatorio F = mg
(donde g es la magnitud del campo), y entonces ma = F = mg por lo que a = g, y
por tanto dv/dx = g. Al integrar, se tiene que v = gx + c, en donde c es una
constante; sustituyendo x = 0 se ve que c es la velocidad inicial. Integrando dy/dx
= v = gx + c, se tiene que y = gx2 + cx + b en donde b es otra constante;
sustituyendo de nuevo x = 0 se tiene que b es el valor inicial de la y.
Las derivadas de orden superior f(n)(x) = dny/dxn = Dnf de f(x) se calculan
diferenciando n veces sucesivamente. El teorema de Taylor muestra que f(x) se
puede aproximar como una serie de potencias f(x) = a0 + a1x + a2x2 + ... + anxn + ...,
donde los coeficientes a0,a1, ... son constantes tales que an = f(n)(0)/n! (en donde 0!
=1 y n!= 1 2 3 ... n para cualquier n 1). Las funciones utilizadas ms a
menudo pueden aproximarse por series de Taylor; por ejemplo si f(x) = ex se tiene
que f(n)(x) = ex para cualquier n, y que f(n)(0) = e0 = 1 por lo que:

INTEGRACIN ADAPTATIVA EN MATLAB

El Programa contiene los resultados de la aplicacin (IP la regla de Simpsoii en el

intervalo [(i.b}. El Programa (pie darcnios despus utiliza srule como subprograma
en el que se lleva a cabo la regla de Simpson PII cada uno de los subintervalos
generados por el proceso de integracin adaptativa.
function Z=srule(f,a,b,tol)
'/.
'/,
7,
Y.
'/.
7.
7.
'/.

Datos
- t es el integrando, dado COBO una
cadena de caracteres 'f
- a y b son los extremos inferior y superior del
intervalo de integracin
- tol es la tolerancia
Resultado
- Z es un vector de orden 1x6: [a b S S2 err toll]
h = (b-a)/2;
.

Ozeros (l,3);
C=feval(f,[a (a+b)/2 b] );
S=h*(C(l)+4*C(2)+C(3))/3;

S2=S;
tol1=tol ;
err=tol;

....

Z=[a b S S2 err tol1];

El Programa produce: una matriz SRmat. la aproximacin quad a la integral
mediante cuadratura adaptativa y una cota err del error de la aproximacin. Las
filas de SRmat contienen los extremos del subintervalo correspondiente. la
aproximacin dada por la regla de Simpson sobre dicho subintervalo y las cotas
del error generadas por el proceso de integracin adaptativa.
Programa

(Mtodo de integracin adaptativa con la regla de Simpson).

Construccin de la aproximacin a la integral

function [SRaiat,quad,err]=adapt(f,a,b,tol)
% Datos
%

- es el integrando, dado COBO

una cadena de caracteres 'f

'%

a y b son los extremos inferior y superior del

intervalo de integracin

- tol es la tolerancia

Resultados

- SRinat es la tabla de valores

- quad es la aproximacin a la integral

- err el error estimado

% Inicializacin de los valores

SRmat = zeros(30,6);
iterating=0;
done=l;
SRvec=zeros(l,6);
.
SRvec=srule(,a,b,tol);
SR^lat(l,l:6)!!SRvec;
m=l; state=iterating;
while(state==iterating)
n=m;
for j=n:-l:l

P=J;
SROvec=SRaat(p,:);
err=SROvec(5);

tol=SROve<;(6);
if (tol<=err)
% Se divide el intervalo, se aplica la regla
% de Simpson y se determina el error
state=done;
SRlvec=SROvec;
SR2vec=SROvec;
a=SROvec(l);
b=SROvec(2);
c=(a+b)/2;
err=SROvec(5);
tol=SROvec(6);
tol2=tol/2;

SRlvec=srule(f,a,c,tol2);
SR2vec=srule(f,c,b,tol2);
err=abs(SROvec(3)-SRlvec(3)-SR2vec(3))/10;
% . Criterio de exactitud
if (err<tol)
SRmat(p,:)SROvec;
SRmat(p,4)=SRlvec(3)+SR2vec(3);
SRmat(p,5)38err;
else
SRinat(p+l:m+l, : )=SRmat(p:B,:) ;
in=m+l;
SRmat(p,:)=SRivec;
SRmat(p+l,:)=SR2vec;
state=iteratin;
end
end
end
end
quad=suB(SRmat(:,4));

errsuBi(abs(SRmat(: ,5))) ;
SRnat=SRnat(1:m,1:6);

BIBLIOGRAFA

GERALD C. F. Y WHEATLEY, P. O, PEARSON Anlisis Numrico Con

Aplicaciones Education, Sexta Edicin, Mxico, 2000
JHON H. MATHEWS Metodos Nuemricos Con Matlab
KURTIS D. FINK Analisis Numerico
KINCAID, K., CHENEY, W. "Anlisis Numrico: Las Matemticas del Clculo
Cientfico", Addison-Wesley Iberoamericana. 1994.
INFANTE DEL RO, J.A., REY-CABEZAS, J.M. "Mtodos numricos. Teora,
roblemas y prcticas con Matlab", Pirmide, 1999.