Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guia de CAL NUM
Guia de CAL NUM
de
Clculo
Numrico
Elaborada por: Ramn Medina
Copyright 1998
Todos los Derechos Reservados
_________ 1
Sistemas de Numeracin
y Errores
Error por Truncamiento. Se le da este nombre a los errores ocasionados por el mtodo en s (el nombre se origina
del hecho de que los mtodos numricos generalmente pueden ser comparados con una serie de Taylor truncada) y
es el error al que se ha prestado ms atencin. Para los mtodos iterativos, de ordinario este error puede ser reducido
por medio de iteraciones repetidas pero, ya que la vida es finita y el tiempo de computadora es caro, es necesario
quedar satisfecho con las aproximaciones a la respuesta analtica exacta.
Error de Redondeo. Todos los dispositivos de clculo representan nmeros con alguna imprecisin. Las
computadoras digitales que son los dispositivos normales para la implantacin de los mtodos numricos, casi
siempre utilizan nmeros de punto flotante con una palabra de longitud fija. Los valores verdaderos no son
expresados exactamente por tales representaciones. A esto se le llama un error de redondeo, ya sea que la fraccin
decimal est redondeada, acortada despus del dgito final.
Al resolver un problema matemtico por medio de una calculadora, debemos estar conscientes de que los nmeros
decimales que calculamos quiz no sean exactos. Estos nmeros casi siempre se redondean cuando los registramos.
Aun cuando los nmeros se redondeen de manera intencional, el nmero limitado de dgitos de la calculadora puede
provocar errores de redondeo.
En una computadora electrnica, los errores de redondeo aparecen por las mismas razones y afectan los resultados de
los clculos. En algunos casos, los errores de redondeo causan efectos muy serios y hacen que los resultados de los
clculos carezcan por completo de sentido. Por lo tanto, es importante aprender algunos aspectos bsicos de las
operaciones aritmticas en las computadoras y comprender bajo que circunstancias pueden ocurrir severos errores de
redondeo.
(abcdefg.hijk)r
se calcula como
Es comn representar sin subndice, los nmeros que estn en base 10.
La representacin en base r de un nmero decimal, se obtiene mediante divisiones sucesivas del nmero por la base,
como se muestra en el ejemplo siguiente.
Sea el nmero decimal (123456)10, para obtener su equivalente hexadecimal se procede como sigue:
123456 16
0 7716 16
4 482 16
2 30 16
14 1 16
1 0
El proceso de divisiones sucesivas termina, cuando el cociente de una de las operaciones resulte cero. Los dgitos que
constituyen la nueva representacin son los residuos de cada una de las operaciones, acomodados en orden inverso al
de aparicin. As el valor obtenido es (1E240)16.
akak-1ak-2 a2a1a0
En una computadora, el valor mximo de k en la ecuacin anterior, est limitado por el diseo del hardware.
(0111111111111111)2
su equivalente decimal es
14
2
i=0
i
= 32767
Una forma de almacenar un nmero negativo es utilizar los mismos dgitos que el nmero positivo de la misma
magnitud, excepto que el primer bit se pone en 1. Sin embargo, muchas computadoras usan el complemento a dos
para almacenar nmeros negativos. Por ejemplo, el complemento a dos para (-32767)10 es
(1000000000000001)2
Los bits del nmero anterior, se obtienen a partir de la representacin binaria del mximo entero positivo (32767),
cambiando los 0 por 1 y aadiendo 1 al resultado. Ene l complemento de dos, se determina primero el valor decimal
como si los 16 bits expresaran un nmero positivo. Si este nmero es menor que 215, o 32768, se le interpreta como
positivo. Si es mayor o igual, entonces se transforma en un nmero negativo restndole 216. En el ejemplo anterior del
nmero binario, el equivalente decimal de ste en la ecuacin es Z = 215 + 1, por lo que la resta da
Nmeros Reales. El formato para un nmero real en una computadora difiere segn el diseo de hardware y
software.
Los nmero reales en un computador personal se almacenan en el formato de punto flotante formalizado en binario.
En precisin simple, se usan 4 bytes, o 32 bits, para almacenar un nmero real. Si se introduce como dato un nmero
decimal, primero se convierte al binario ms cercano en el formato normalizado:
(0.abbbbbbbbbb)2 x 2z
donde a siempre es 1, cada b es un dgito binario 0 o 1 y z es un exponente que tambin se expresa en binario.
Existen 24 dgitos para la mantisa incluyendo la a y las b.
Los 32 bits se distribuyen de la manera siguiente. El primer bit se usa para el signo de la mantisa, los siguientes 8 bits
para el exponente z y los ltimos 23 para la mantisa.
Errores de redondeo al almacenar un nmero en memoria. La causa fundamental de errores en una computadora
se atribuye al error de representar un nmero real mediante un nmero limitado de bits.
Al intervalo entre 1 y el siguiente nmero distinguible de 1 se le llama . Esto significa que ningn nmero entre 1 y
1 + se puede representar en la computadora. En el caso de un computador digital, cualquier nmero 1 + se
redondea a 1 si 0 < < /2, o se redondea a 1 + si /2 . As, se puede considerar que /2 es el mximo error
posible de redondeo para 1. En otras palabras, cuando se halla 1.0 en la memoria, el valor original pudo ser alguno de
entre 1 - /2 < x < 1 + /2. El psilon de la mquina se puede determinar mediante el siguiente algoritmo:
Hacer E igual a 1
Mientras E + 1 sea mayor que 1
Imprimir E
Hacer E igual a E/2
Fin de Mientras
El ltimo valor impreso por el algoritmo es igual al psilon de la mquina. Los psilon para simple y doble precisin
en un computador personal son:
Simple: 1.19E-7
Doble: 2.77E-17
Se plantea como ejercicio codificar este algoritmo para determinar el resultado arrojado por el computador y
contrastarlo con el resultado correcto.
Otro problema se presenta cuando dos nmeros que debiesen ser matemticamente idnticos, no siempre lo son en las
computadoras. Por ejemplo, consideremos las ecuaciones
y=A/B
w=yTB
z=A-w
donde A y B son constantes. Desde un punto de vista matemtico, w es igual a A, por lo que z debe anularse. Si estas
ecuaciones se calculan en una computadora, z se anula o es un valor no nulo pero muy pequeo, dependiendo de los
valores de A y B. Esto es posible probarlo mediante el siguiente programa
(1)10 + (0,00001)10 =
(0,1000 0000 0000 0000 0101 0011 1110 0010 1101 0110 0)2 x 21
Sin embargo los nmeros subrayados se redondean ya que la mantisa tiene 24 bits. Por lo tanto, el resultado de este
clculo se guarda en memoria como
El error relativo suele ser un mejor indicador de la precisin, ya que es independiente de la escala usada.
Ejemplo:
Si p = 0,3000 x 101 y p* = 0,3100x101, el error absoluto es
p p*
< 5 10 t
p
Ejemplo:
Para que p* aproxime a 1000 con cuatro cifras significativas, usando la definicin, p* debe satisfacer
p * 1000
5x10 4
1000
1.2 Problemas
1.2.1 Suponga que p* aproxima a p con 3 dgitos significativos. Encuentre el intervalo en el cual p* debe estar, si p es
1.2.2 Considere los siguientes valores de p* y p y calcule el error absoluto y relativo en cada caso.
1.2.4 Convierta los siguientes nmeros de mquina representados en punto flotante, en nmeros decimales
(a) 00011110110010000100000000000000
(b) 10011110110010000100000000000000
(c) 00100001010010000100000000000000
(d) 10100001010010000100000000000000
1.2.5 Si se usan 8 bits para representar los enteros positivos y negativos en complemento a dos, cul es el entero positivo ms
grande y el negativo ms pequeo (en magnitud) en decimal?.
(111111111111111)2
(100000000000110)2
1.2.7 Hallar el psilon de la mquina para un computador personal, usando el algoritmo descrito en la seccin 1.1.2.
f (b) f (a )
f ' ( c) =
ba
FIGURA 2.1
a a
FIGURA 2.2
FIGURA 2.3
Supongamos que f Cn[a,b] y f(n+1) existe en [a,b). Sea x0 [a,b]. Para toda x [a,b], existe (x) entre x0 y x tal que:
donde
f ''( x 0 ) f ( n) ( x0 )
Pn ( x ) = f ( x 0 ) + f ' ( x 0 )( x x 0 ) + ( x x 0 ) 2 + + ( x x0 ) n
2! n!
n (k )
f ( x0 )
= ( x x0 ) k
k =0 k!
A Pn(x) se le llama el polinomio de Taylor de grado n para f alrededor de x0 y a Rn(x) se le llama el residuo (o
error por truncamiento) asociado con Pn(x). La serie infinita que se obtiene tomando el lmite de Pn(x) cuando
n se denomina Serie de Taylor para f alrededor de x0. En el caso de que x0 = 0, el polinomio de Taylor se
conoce frecuentemente como polinomio de Maclaurin y la serie de Taylor se denomina serie de Maclaurin.
El trmino error de truncamiento generalmente se refiere al error involucrado al usar sumas finitas o truncadas para
aproximar la suma de una serie infinita.
Si P es un polinomio de grado n 1, entonces P(x) = 0 tiene al menos una raz (posiblemente compleja).
Corolario
Si P(x) = anxn + an-1xn-1 + ... + a1x + a0 es un polinomio de grado n 1, entonces existen constantes nicas
x1, x2, ... , xn, posiblemente complejas, y enteros positivos, m1, m2, ..., mn tales que
m
i =1
i =n
P( x ) = a n ( x x1 ) m1 ( x x 2 ) m2 ( x x k ) mk
Este corolario afirma que los ceros de un polinomio son nicos y que si cada cero xi es contado tantas veces como su
multiplicidad mi, entonces un polinomio de grado n tiene exactamente n ceros.
Corolario
Sean P y Q polinomios a los ms de grado n. Si x1, x2, ..., xk, k > n, son nmeros distintos de P(x1) = Q(x1) para
i = 1, 2, ..., k, entonces P(x) = Q(x) para todo valor de x.
2.7 Problemas
2.7.1 Sea f(x) = 1 - ex + (e-1)sen((/2)x). Demuestre que f(x) es cero cuando menos una vez en [0,1].
2.7.2 Demuestre que la ecuacin x3 = exsenx debe tener por lo menos una solucin en [1,4].
2.7.4 Use el teorema del Valor Intermedio y el teorema de Rolle para demostrar que la grfica de f(x) = x3 + 2x + k cruza el eje
x exactamente una vez, independientemente del valor de la constante k.
2.7.6 Use un polinomio de Taylor alrededor de /4 para aproximar cos42 con una precisin de 6 dgitos significativos.
Las soluciones de una ecuacin no lineal se llaman races o ceros. Los siguientes son algunos ejemplos de ecuaciones
no lineales:
La primera es un ejemplo de ecuacin polinomial, que puede aparecer como una ecuacin caracterstica para una
ecuacin diferencial ordinaria lineal, entre otros problemas. El segundo ejemplo es equivalente a evaluar f-1(), donde
f(x) es cualquier funcin y f-1 es su funcin inversa. El tercer ejemplo es un caso especial del inciso b). El cuarto
ejemplo es una ecuacin trascendental.
p1 = (a1 + b1)
FIGURA 3.1
Si f(p1) = 0, entonces p = p1; si no, entonces f(p1) tiene el mismo
signo que f(a1) o f(b1). Si f(p1) y f(a1) tienen el mismo signo, entonces p (p1 , b1), y tomamos a2 = p1 y b2 = b1. Si
f(p1) y f(b1) son del mismo signo, entonces p (a1 , p1), y tomamos a2 = a1 y b2 = p1. Ahora replicamos el proceso al
intervalo [a2,b2]. Esto produce el siguiente algoritmo
Hacer i igual a 1
Mientras i sea menor o igual que N0
Hacer p = a + (b - a)/2 (Calcular pi)
Si f(p) es igual a cero (b - a)/2 es menor o igual que TOL, entonces
Mostrar (p); (procedimiento completado satisfactoriamente)
Parar
Fin de Si
Hacer i igual a i + 1
Si f(a)f(p) es mayor que 0 entonces
Hacer a igual a p (Calcular ai, bi)
Si no
Hacer b igual a p
Fin de Si
Fin de Mientras
Mostrar (El mtodo fracas despus de N0 iteraciones)
Parar
PN PN 1 <
PN PN 1
< , PN 0
PN
f ( PN ) <
Desafortunadamente, pueden surgir dificultades usando cualquiera de estos criterios de paro. Sin conocimiento
adicional acerca de f o p, la desigualdad es el mejor criterio de paro que puede aplicarse porque verifica al error
relativo. Cuando usamos una computadora para generar las aproximaciones, es una buena idea aadir una condicin
que imponga un mximo al nmero de iteraciones realizadas.
El algoritmo de biseccin, aunque conceptualmente claro, tiene inconvenientes importantes. Converge muy
lentamente y una buena aproximacin intermedia puede ser desechada sin que nos demos cuenta. Sin embargo, el
mtodo tiene la propiedad importante de que converge siempre a una solucin y, por esta razn se usa frecuentemente
para poner en marcha a los mtodos ms eficientes que se presentarn ms adelante en este captulo.
FIGURA 3.2
f ( c) f ( a )
y = f (a ) + ( x a)
ca
o, despejando x,
c+a
x=a+ ( y f (a ))
f ( c) f ( a )
Despus de encontrar b, el intervalo [a,c] se divide en [a,b] y [b,c]. Si f(a)f(b) 0, la raz se encuentra en [a,b]; en
caso contrario, est en [b,c]. Los extremos del nuevo intervalo que contiene a la raz se renombran a y c. El
procedimiento de interpolacin se repite hasta que las races estimadas convergen.
La desventaja de este mtodo es que pueden aparecer extremos fijos, como se muestra en la figura 3.2, en donde uno
de los extremos de la sucesin de intervalos no se mueve del punto original, por lo que las aproximaciones de la raz,
denotadas por b1, b2, b3, ... convergen a la raz exacta solamente por un lado. Los extremos fijos no son deseables
debido a que hacen ms lenta la convergencia, en particular cuando el intervalo inicial es muy grande o cuando la
funcin se desva de manera significativa de una lnea recta en el intervalo. El mtodo de la falsa posicin modificado
elimina esta dificultad.
FIGURA 3.3
donde h = x - x0. Al despejar x en la ecuacin anterior no se obtiene el valor exacto debido al error de truncamiento,
pero la solucin se acerca en mayor medida al x exacto, que lo que se aproxima al estimado x0. Por lo tanto, al repetir
la solucin utilizando el valor actualizado como una nueva estimacin, se mejora la aproximacin en forma sucesiva.
El algoritmo se muestra de manera grfica en la figura 3.4. El valor x0 es una estimacin inicial para la raz. A
continuacin se obtiene la funcin lineal que pasa por (x0, y0) en forma tangencial. La interseccin de la recta
tangente con el eje x se denota como x1 y se considera como una aproximacin de la raz. Se repite el mismo
f(x0)(x1-x0) + f(x0) = 0
f ( x0 )
x1 = x 0
f ' ( x0 )
f ( x i 1 )
x i = x i 1
f ' ( x i 1 )
Obtener la primera derivada de una funcin dada puede ser una tarea difcil o imposible. En tal caso, se puede
evaluar f(xi) mediante una aproximacin por diferencias, en vez de en forma analtica. Por ejemplo, se puede
aproximar f(xi-1) mediante la aproximacin por diferencias hacia adelante,
f ( xi 1 + h) f ( xi 1 )
f ' ( xi 1 ) =
h
Algoritmo de Newton-Raphson
Para encontrar una solucin de f(x) = 0 dada una aproximacin inicial p0:
xn 1 xn 2
xn = xn 1 yn 1 , n = 2, 3 ...
yn 1 yn 2
Si los xn-1 y xn consecutivos son muy cercanos, entonces yn-1 y yn estn muy cercanos, por lo que aparece un error de
redondeo significativo en la ecuacin anterior. Este problema se puede evitar de dos formas: (a) cuando yn es menor
que un valor fijado de antemano, xn-2 y yn-2 quedan fijos (o congelados) de ah en adelante, o (b) xn-2 y yn-2 se
reemplazan por xn-2 + y y(xn-2 + ) donde es un nmero pequeo prescrito pero lo suficientemente grande como
para evitar serios errores de redondeo, El mtodo de la secante puede converger a una raz no deseada o puede no
converger del todo si la estimacin inicial no es buena.
Algoritmo de la Secante
Para encontrar una solucin de f(x) = 0, dadas las aproximaciones iniciales p0 y p1:
Hacer i igual a 2
Hacer q0 = f(p0)
Hacer q1 = f(p1)
Mientras i sea menor o igual que N0
Hacer p = p1 - q1(p1 - p0)/(q1 - q0) (Calcular pi)
Si |p - p1| < TOL entonces
Mostrar (p); (Procedimiento completado satisfactoriamente)
Parar
Fin de Si
Hacer i igual a i + 1
Hacer p0 igual a p1; (Redefinir p0, q0, p1, q1)
Hacer q0 igual a q1
Hacer p1 igual a p
Hacer q1 igual a f(p)
Mostrar (El mtodo fracas despus de N0 iteraciones)
(Procedimiento completado sin xito)
Parar
3.6 Problemas
1. Determine la raz positiva de x2 - 0,9x - 1,52 = 0 en el intervalo [1,2] mediante el mtodo de biseccin, con una tolerancia
de 0,001.
2. Calcula la raz de tan(x) = 3,5 en el intervalo [0,] mediante el mtodo de biseccin, con una tolerancia de 0,005.
3. Codifique el algoritmo correspondiente al Mtodo de Biseccin y determine un intervalo de tamao 0,5 para cada raz
positiva de las siguientes ecuaciones
4. Encuentre todas las races positivas de las ecuaciones siguientes mediante el mtodo de biseccin con una tolerancia de
0,001
donde
1
G ( s) = exp( 0,1s), H ( s) = K
s
Busque las races de la ecuacin caracterstica 1 + G(s)H(s) = 0 para K= 1, 2 y 3 mediante el mtodo de la falsa posicin
modificada.
7. Encontrar aproximaciones a 10-4 de todos los ceros reales de los siguientes polinomios usando el mtodo de Newton.
i) P(x) = x3 - 2x2 - 5
ii) P(x) = x3 + 3x2 - 1
iii) P(x) = x3 - x - 1
iv) P(x) = x4 + 2x2 - x - 3
8. P(x) = 10x3 - 8,3x2 + 2,295x - 0,21141 = 0 tiene una raz en x = 0,29. Use el mtodo de Newton con una aproximacin
inicial x0 = 0,28 para tratar de encontrar esta raz. Qu pasa?. Suponga que la nica raz que se desea es x = 0,29; cmo
podra obtener una aproximacin lo suficientemente buena para que el mtodo de Newton converja a x = 0,29?.
En este captulo se considerar la pregunta: Dados los valores de una funcin desconocida correspondiente a ciertos
valores de x, cul es el comportamiento de la funcin?. El propsito en determinar el comportamiento de la
funcin, tal como se evidencia por las muestras de los pares de datos (x, f(x)), tiene varias interrogantes. Se deseara
aproximar otros valores de la funcin para valores e x no tabulados (interpolacin y extrapolacin), y estimar la
integral de f(x) y su derivada. Estos ltimos objetivos conducirn a formas de resolver ecuaciones diferenciales.
La estrategia que se utilizar para aproximarse a los valores desconocidos de la funcin es directa. Se encontrar un
polinomio que satisfaga un conjunto de puntos seleccionados (xi, f(xi)) y, se supondr que el polinomio y la funcin se
comportan casi de la misma manera, sobre el intervalo en cuestin. Entonces los valores de los polinomios, deben ser
estimaciones razonables de los valores de la funcin desconocida. Cuando el polinomio es de primer grado, ste
conduce a la interpolacin lineal familiar. Estaremos interesados en polinomios de grado mayor que el primero, y as
poder aproximar funciones que estn lejos de ser lineales, o poder obtener buenos valores a partir de una tabla con un
mayor espaciamiento.
Una de las razones ms importantes para el estudio del tema, est en el trabajo de detalle para la integracin y
diferenciacin numrica.
Si se desea encontrar un polinomio que pase a travs de los mismos puntos que nuestra funcin desconocida, se
puede establecer un sistema de ecuaciones que involucre los coeficientes del polinomio. Por ejemplo, supngase que
se desea ajustar un polinomio cbico a los siguientes datos:
El polinomio interpolante podr ser a lo sumo, de grado uno menos que el nmero de puntos disponibles; en esta caso
particular el grado mximo del polinomio de interpolacin ser cuatro. Se construye entonces un sistema de
ecuaciones con polinomios de grado cuatro de la forma ax4 + bx3 +cx2 +dx + e,
La solucin de estas ecuaciones proporciona el polinomio. Entonces es posible estimar los valores de la funcin en
algn valor de x, por ejemplo x= 3,0, sustituyendo este valor de x en el polinomio.
Considrese el problema de determinar un polinomio de grado 1 que pase por los puntos distintos (x0, y0) y (x1, y1).
Este problema es el mismo que el de aproximar una funcin f, para la cual f(x0)= y0 y f(x1)= y1, por medio de un
polinomio de primer grado, interpolando entre, o coincidiendo con, los valores de f en los puntos dados.
Se el polinomio
( x x1 ) ( x x0 )
P( x ) = y0 + y
( x0 x1 ) ( x0 x1 ) 1
Cuando x= x0, P(x0)= y0= f(x0) y cuando x= x1, P(x1)= y1= f(x1) as que P tiene las propiedades requeridas.
La tcnica usada para construir a P es el mtodo de interpolacin usado con frecuencia en las tablas
trigonomtricas o logartmicas. Lo que puede ser no tan obvio es que P es el nico polinomio de grado 1 o menor con
la propiedad de interpolacin.
Para generalizar el concepto de interpolacin lineal, considrese la construccin de un polinomio de grado a lo ms n
que pase por los n+1 puntos (x0, f(x0)), (x1, f(x1)), (x2, f(x2)), ..., (xn, f(xn)). El polinomio lineal que pasa por (x0, f(x0)),
(x1, f(x1)) se construye usando los cocientes
( x x1 ) ( x x0 )
L0 ( x ) = y L1 ( x ) =
( x0 x1 ) ( x0 x1 )
Cuando x= x0, L0(x0)= 1 mientras que L1(x0)= 0. Cuando x= x1, L0(x1)= 0 mientras que L1(x1)= 1. Para el caso general
es necesario construir, para cada k= 0, 1, ..., n, un cociente Ln,k(x) con la propiedad de que Ln,k(xi)= 0 cuando ik y
Ln,k(xk)= 1. Entonces,
( x x0 )...( x xk 1 )( x xk + 1 )...( x xn ) n
( x xi )
Ln , k ( x ) = =
( xk x0 )...( xk xk 1 )( xk xk + 1 )...( xk xn ) i = 0 ( xk xi )
ik
Ahora que se conoce la forma de Ln,k es fcil describir al polinomio interpolante. Este polinomio se llama polinomio
interpolante de Lagrange y se define a continuacin.
Si x0, x1, ..., xn son (n+1) nmero diferentes y f es una funcin cuyos valores estn dados en estos puntos, entonces
existe un nico polinomio P de grado a lo ms n con la propiedad de que
donde
( x x0 )...( x xk 1 )( x xk + 1 )...( x xn ) n
( x xi )
Ln , k ( x ) = = , para cada k= 0, ..., n
( xk x0 )...( xk xk 1 )( xk xk + 1 )...( xk xn ) i = 0 ( xk xi )
ik
El problema se simplifica considerablemente, si los valores de la funcin estn dados a intervalos regulares de la
variable independiente, as que primero se considerar este caso.
Los trminos calculados en la tabla de diferencias, permiten determinar los coeficientes de polinomios interpolantes.
Es convencional que la letra h sea la diferencia uniforme de los valores x, es decir, h= x. Utilizando subndices para
representar el orden de los valores x y f(x) se definen las primeras diferencias de la funcin como: f1= f2 - f1,
f2= f3-f2, ..., fi= fi+1-fi. De una manera semejante se definen las diferencias segundas y de orden ms elevado. La
n-sima diferencia de la funcin se define como:
n( n 1) n( n 1)( n 2)
n f i = f i + n nf i + n 1 + fi + n 2 f i + n 3 +....
2! 3!
El patrn de los coeficientes en la ecuacin anterior, es el arreglo de valores en el desarrollo binomial. Las
diferencias segundas y de mayor orden se obtienen por sustraccin de las diferencias anteriores.
Cuando f(x) se comporta como un polinomio para el conjunto dado de datos, la tabla de diferencias tiene propiedades
especiales. La siguiente tabla muestra una funcin sobre el dominio x= 1 hasta x=6, y f(x) se comporta como x3.
Observe que las terceras diferencias son iguales en todos los casos, as que las cuartas y superiores sern cero. Es
posible demostrar que las diferencias de n-simo orden de un polinomio de n-simo grado sern iguales, por lo que
las diferencias de (n+1)-simo orden sern cero.
s( s 1) 2 s( s 1)( s 2) 3
Pn ( xs ) = f 0 + sf 0 + f0 + f 0 +...
2! 3!
s s s s
= f 0 + f 0 + 2 f 0 + 3 f 0 + 4 f 0 +...
1 2 3 4
k
s
= n f 0
n = 0 n
s
En esta ecuacin la notacin viene dada por el nmero de combinaciones de s cosas tomadas n a la vez, lo cual
n
es conocido como razones factoriales. Es posible demostrar que Pn(x) formada de acuerdo a la ecuacin anterior, se
ajusta a todos los n+1 puntos dados.
Si, sobre el dominio de x0 a xn, Pn(x) y f(x) tienen los mismos valores en los datos tabulados de x, resulta razonable
suponer que estarn cercanos en los valores intermedios de x. Esta suposicin es la base del uso de Pn(x) como un
polinomio interpolante. Se hace nfasis en el hecho de que en general f(x) y Pn(x) no sern la misma funcin. Por lo
tanto, hay algn error que se debe esperar en la estimacin de tal interpolacin. Usamos el polinomio de la ecuacin
anterior como un polinomio de interpolacin, dejando a s tomar valores no enteros. Obsrvese que, para cualquier
valor de x,
x x0
s=
h
s s + 1 2 s + 2 3 s + 3 4
Pn ( x ) = f 0 + f 0 + f0 + f0 + f 0 +....
1 2 3 4
k
s + n 1 n
= f0
n= 0 n
Las frmulas de interpolacin de Newton-Gregory descritas en la seccin anterior se restringen a puntos con igual
separacin. Sin embargo, a menudo aparece a necesidad de escribir un polinomio para puntos con separacin no
uniforme. El modelo de interpolacin de Newton-Gregory puede extenderse a los puntos con separacin no uniforme
utilizando las diferencias divididas.
as que
f ( x1 ) f ( x0 )
a1 =
x1 x0
Aqu se introduce lo que se conoce como notacin de diferencia dividida. La diferencia dividida cero de la funcin f,
con respecto a xi, se denota por f[xi] y es simplemente la evaluacin de f en xi,
f [ xi ] = f ( xi )
f [ xi +1 ] f [ xi ]
f [ xi , xi + 1 ] =
xi + 1 xi
La k-sima diferencia dividida de f relativa a xi, xi+1, xi+2, ..., xi+k est dada por
f [ xi , xi + 1 ,..., xi + k ] f [ xi , xi + 1 ,..., xi + k 1 ]
f [ xi , xi + 1 ,..., xi + k ] =
xi + k xi
Pn ( x ) = f [ x0 ] + f [ x0 , x1 ]( x x0 ) + f [ x0 , x1 , x2 ]( x x0 )( x x1 )
+...+ f [ x0 ,..., xn ]( x x0 )...( x xn 1 )
o como
n
k 1
Pn ( x ) = f [ x0 ] + f [ x0 ,..., xk ] ( x xi )
k =1 i=0
Problemas
1. Escriba la frmula de interpolacin de Lagrange ajustada a los puntos dados en la siguiente tabla:
2. Ajuste sen(x) en [0, 2] con el polinomio de interpolacin de Lagrange de orden 4 y 8, utilizando puntos con igual
separacin.
3. Deduzca el polinomio de interpolacin de Newton-Gregory hacia adelante que pasa por los puntos dados en la siguiente
tabla:
4. Deduzca el polinomio de interpolacin utilizando el mtodo de Newton para puntos no equiespaciados, ajustado a los
datos dados en la siguiente tabla:
xi 0 10 30 50 70 90 100
Se tiene que construir una hoja de techo corrugado usando una mquina que comprime una hoja plana de aluminio
convirtindola en una cuya seccin transversal tiene la forma de una onda de la funcin seno.
Supongamos que se necesita una hoja corrugada de cuatro pies de longitud, que cada onda tiene una altura de 1
pulgada desde la lnea central y que cada onda tiene un perodo de aproximadamente 2 pulgadas. El problema de
encontrar la longitud de la hoja plana consiste en determinar la longitud de arco de la curva dada por f(x)=sen(x) de
x=0 a x=48 (pulgadas). Sabemos, del clculo, que esta longitud se puede expresar como:
2
df ( x )
L= dx = 0 1 + (cos x ) 2 dx
48 48
1+
0 dx
as que el problema se reduce a evaluar esta integral. Aun cuando la funcin seno es una de las funciones matemticas
ms comunes, el clculo de su longitud de arco da lugar a la llamada integral elptica de segunda clase, que no se
puede evaluar usando mtodos ordinarios. En esta seccin se estudian mtodos aproximados que reducen problemas
de este tipo a ejercicios elementales.
La diferenciacin numrica, o aproximacin por diferencias, se utiliza para evaluar las derivadas de una funcin por
medio de sus valores en los puntos de una retcula. Las aproximaciones por diferencias son importantes en la solucin
de ecuaciones diferenciales ordinarias y parciales.
Para ilustrar la diferenciacin numrica, consideremos una funcin f(x). Supongamos que se desea evaluar la primera
derivada de f(x) en x = x0. Si se conocen los valores de f en x0 - h, x0 y x0 + h, donde h es el tamao del intervalo entre
dos puntos consecutivos en el eje x, entonces se puede aproximar f(x) mediante el gradiente de la interpolacin lineal
A, B o C. Estas tres aproximaciones se llaman respectivamente las aproximaciones por diferencias hacia adelante,
hacia atrs y central. Sus frmulas matemticas son como sigue:
a) Aproximacin que utiliza A (aproximacin por diferencias hacia adelante)
f ( x 0 + h) f ( x 0 )
f ' ( x0 )
h
f ( x 0 ) f ( x 0 h)
f ' ( x0 )
h
f ( x 0 + h) f ( x 0 h)
f ' ( x0 )
2h
Los mtodos de integracin numrica se pueden utilizar para integrar funciones dadas, ya sea mediante una tabla o en
forma analtica. Incluso en el caso en que sea posible la integracin analtica, la integracin numrica puede ahorrar
tiempo y esfuerzo si slo se desea conocer el valor numrico de la integral.
Esta seccin analiza los mtodos numricos que se utilizan para evaluar integrales de una variable:
I = f ( x )dx
b
b v( x)
I= f ( x , y )dydx
a u( x )
donde las funciones f(x) y f(x, y) pueden estar dadas en forma analtica o mediante una tabla.
Los mtodos de integracin numrica se obtienen al integrar los polinomios de interpolacin. Por consiguiente, las
distintas frmulas de interpolacin darn por resultado distintos mtodos de integracin numrica.
ba
I = f ( x )dx =
b
[ f (a ) + f (b)] + E
a 2
donde el primer trmino del lado derecho es la regla del trapecio (frmula de integracin) y E representa el error. En
la figura 5.2 se muestra grficamente la integracin numrica por medio de la ecuacin anterior. El rea sombreada
por debajo de la recta de interpolacin (la cual puede denotarse como g(x)) es igual a la integral calculada mediante
la regla del trapecio, mientras que el rea por debajo de la curva f(x) es el valor exacto. Por lo tanto, el error de la
estimacin de la integral por este mtodo es igual al rea entre g(x) y f(x).
La frmula dada anteriormente se puede extender a varios intervalos y se puede aplicar N veces al caso de N
intervalos con una separacin uniforme h, para as obtener la regla extendida del trapecio:
N 1
h
I = f ( x )dx = [ f (a ) + 2 f (a + jh) + f (b)] + E
b
a 2 j =1
ba
E = f ( x )dx
b
[ f (a ) + f (b)]
a 2
1 (b a ) 3 N
E
12 N 3
f "( X )
i =1
i
N
F " = f "( X i ) / N
i =1
1
E (b a )h 2 F "
12
s( s 1)
f ( x ) = f 0 + s( f 1 f 0 ) + ( f 2 2 f1 + f 0 )
2
entonces,
x2 x2 s( s 1)
x0
f ( x )dx = ( f 0 + s( f 1 f 0 ) +
x0 2
( f 2 2 f 1 + f 0 ))dx
x x0
s=
h
x1 2 s( s 1)
x0
f ( x )dx = h ( f 0 + s( f 1 f 0 ) +
0 2
( f 2 2 f 1 + f 0 ))ds
h
I = f ( x )dx =
b
[ f (a ) + 4 f ( X ) + f (b)] + E
a 3
h
I = [ f 0 + 4 f1 + f 2 ] + E
3
h5 iv
E f (X)
90
El error se anula si f(x) es un polinomio de orden menor o igual que 3. La regla 1/3 de Simpson es fcil de aplicar en
un computador y su precisin es suficiente para muchas aplicaciones.
La regla extendida de 1/3 de Simpson es una aplicacin repetida de la ecuacin antes descrita para un dominio
dividido en un nmero par de intervalos. Si denotamos el nmero total de intervalos por N (par), la regla extendida de
1/3 de Simpson se escribe como:
N 1 N 2
h
I = [ f ( a ) + 4 f (a + ih) + 2 f ( a + ih) + f (b)] + E
3 i =1 i=2
impar par
donde h = (b - a) / N; la primera suma es nicamente sobre las i impares y la segunda es slo sobre las i pares.
El trmino del error est dado por
N h5 iv h 4 iv
E f ( X ) = (b a ) f (X)
2 90 180
Para un dominio fijo [a , b] el error es proporcional a h4. Una aproximacin del error puede ser obtenida mediante la
siguiente frmula
1 5
E h f ''' '
90 1
3
I = f ( x ) dx = h[ f 0 + 3 f 1 + 3 f 2 + f 3 ] + E
b
a 8
donde h = (b - a) / 3, fi = f(a + ih) y E representa el error. El trmino del error se escribe como
3 5
E h f '' ''( X )
80
donde X = (a + b) / 2
N 3
3
I = f ( x )dx = ( f
b
h i + 3 f i +1 + 3 f i + 2 + f 3 ) + E
a 8 i =0
i multiplo de 3
La regla extendida de 1/3 se aplica a un nmero par de intervalos, mientras que la regla extendida de 3/8 se aplica a
un nmero de intervalos que sea mltiplo de tres. Cuando el nmero de intervalos es impar pero sin ser mltiplo de
tres, se puede utilizar la regla de 3/8 para los primeros tres o los ltimos tres intervalos, y luego usar la regla de 1/3
para los intervalos restantes, que son un nmero par. Puesto que el orden del error de la regla de 3/8 es el mismo que
el de la regla de 1/3, no se gana mayor exactitud que con la regla de 1/3 cuando uno puede elegir con libertad entre
ambas reglas.
donde y wi son las constantes que aparecen en la tabla que se muestra a continuacin y fn = f(xn), xn = a + n y h =
(b - a) / N
Esta ecuacin recibe el nombre de frmula cerrada, debido a que el dominio de integracin est cerrado por el
primer y ltimo datos.
Por otra parte, la integracin de la ecuacin pudiera extenderse ms all de los puntos extremos de los datos dados.
Las frmulas abiertas de Newton-Cotes se obtienen al extender la integracin hasta un intervalo a la izquierda del
primer dato y un intervalo a la derecha del ltimo. Dichas frmulas se escriben como:
f ( x )dx = h[ w
b
0 f 0 + w1 f 1 + w2 f 2 +L+ w N + 2 f N + 2 ] + E
a
donde h = (b - a) / (N + 2). Las constantes y wi se listan en la tabla XX, en donde w0 y wN+2 se igualan a cero
debido a que corresponden a los extremos del dominio. Puesto que w0 y wN+2 se anulan, f0 y fN+2 son datos ficticios,
que en realidad no son necesarios.
Si comparamos una frmula abierta con una cerrada utilizando el mismo nmero N de datos, el error de la frmula
abierta es significativamente mayor que el de la frmula cerrada. Por otro lado, se pueden utilizar las frmulas
abiertas cuando no se dispone de los valores de la funcin en los lmites de integracin.
1
f (t )dt = af (t 1 ) + bf (t 2 )
1
Se utiliza un intervalo simtrico de integracin para simplificar la aritmtica, y se llamar a la variable t. La frmula
es vlida para cualquier polinomio de grado 3; por tanto se cumplir si f(t) = t3, f(t) = t2, f(t) = t, y para f(t)=1:
1
f (t ) = t 3 : t 3 dt = 0 = at13 + bt 23 ;
1
2
1
f (t ) = t 2 : t 2 dt = = at12 + bt 22 ;
1 3
1
f (t ) = t: tdt = 0 = at1 + bt 2 ;
1
2
Multiplicando la tercera ecuacin por t 1 , y restando a la primera, se tiene
0 = 0 + b(t 23 t 2 t 12 ) = b(t 2 )( t 2 t1 )( t 2 + t 1 )
Esta ecuacin es satisfecha por cualquiera de los siguientes valores b=0, t2=0, t1=t2 o t2=-t1. Slo las ltimas de estas
posibilidades son satisfactorias, ya que las otras no son vlidas o bien reducen la frmula a un nico trmino. Se
selecciona t1=-t2. Se encuentra entonces que
a = b = 1,
1
t 2 = t1 = = 0,5773,
3
1
f (t )dt = f ( 0,5773) + f (0,5773).
1
Es notable que sumando estos dos valores de la funcin, de el valor exacto de la integral para un polinomio cbico
sobre el intervalo de -1 a 1.
Supngase que los lmites de integracin son de a a b, y no de -1 a 1 para los cuales se dedujo esta frmula. Para usar
los parmetros tabulados de la cuadratura gaussiana, se debe cambiar el intervalo de integracin a (-1,1) por medio de
un cambio de variables. Se reemplaza la variable dada por otra en la que est relacionada linealmente de acuerdo con
el siguiente esquema:
Si se tiene
(b a )t + b + a b a
x= , de manera que dx = dt ,
2 2
entonces
b a 1 (b a )t + b + a
2 1
b
f ( x )dx = f dt .
a 2
El poder del mtodo gaussiano, se debe al hecho de que slo se necesitan dos evaluaciones funcionales. Si se usa la
regla trapezoidal, que requiere tambin slo dos evaluaciones, el margen de error sera significativamente mayor. La
regla de Simpson 1/3, requiere de tres evaluaciones funcionales y genera un error algo ms grande que la cuadratura
gaussiana.
Para obtener los parmetros de las frmulas gaussianas de mayor orden, se debe resolver de la misma forma un
conjunto de ecuaciones simultneas. EL conjunto de ecuaciones que resulta de escribir la definicin de f(t), como una
sucesin de polinomios, no se resuelve con facilidad, debido a la no linealidad con respecto a t. En este caso se
emplea la teora de polinomios ortogonales; los valores de t que satisfacen las ecuaciones, son las races de los
polinomios de Legendre.
3xL1 ( x ) (1) L0 ( x ) 3 2 1
L2 ( x ) = = x
2 2 2
aqu las races son 1 / 3 = 0,5773, precisamente los valores de t para la frmula de dos trminos.
Utilizando la relacin recursiva, se encuentra
5 x 3 3x
L3 ( x ) =
2
35x 4 30 x 2 + 3
L4 ( x ) = , etc.
8
Los factores de ponderacin y los valores t de la cuadratura gaussiana hasta cuatro trminos, se muestran en la
siguiente tabla.
f ( x )dx
M
I = h f ( xi )
i= M
I = f ( x , y ) dy dx
b d (x)
a c( x )
Sin embargo, los problemas de dobles integrales no siempre se pueden escribir en la forma de la ecuacin anterior y a
menudo tiene formas distintas tales como:
I= dx
b d (x) b d ( x)
f ( x , y )dydx o I = dyf ( x , y)
a c( x ) a c( x)
En cualquiera de estos casos, el problema debe reescribirse en la forma de la ecuacin primera, antes de proseguir
con la integracin numrica.
El principio general de la integracin numrica, es la doble aplicacin de un mtodo de integracin numrica para las
integrales de una sola variable, una vez para la direccin y y otra vez para la direccin x. Si definimos
G( x )
d (x)
f ( x , y ) dy
c( x )
I = f ( x , y ) dy dx
b d (x)
a c( x )
El rango de integracin [a , b] se divide en N intervalos con igual separacin, con una tamao del intervalo dado por
hx = (b - a) / N. Los puntos de la retcula se denotarn como x0, x1, x2, ..., xN. Al aplicar la regla del trapecio en el eje
x, obtenemos
hx d ( x 0 )
[ f ( x0 , y ) dy + 2
d ( x1 )
I= f ( x1 , y ) dy
2 c ( x0 ) c ( x1 )
+ 2 f ( x2 , y ) dy +L+
d ( x2 ) d (xN )
f ( x N , y ) dy ]
c( x2 ) c( x N )
I = ( hx / 2)[ G ( x0 ) + 2G ( x1 ) + 2G ( x2 ) +L+ G ( x N )]
donde
G( x ) =
d ( xi )
f ( xi , y ) dy
c ( xi )
Al evaluar esta ltima ecuacin, el dominio de integracin [c(xi), d(xi)] se divide en N intervalos con una tamao de
1
hy = [ d ( xi ) c( xi )]
N
Los valores y de los puntos de la retcula se denotan como yi,0, yi,1, yi,2, ..., yi,N. Entonces, la integracin mediante la
regla extendida del trapecio da como resultado
G ( xi ) =
d ( xi )
f ( xi , y ) dy
c ( xi )
[ ]
hy
= f ( xi , yi ,0 ) + 2 f ( xi , yi ,1 ) + 2 f ( xi , yi , 2 ) +L+ f ( xi , yi , N )
2
Problemas
1. Evale las siguientes integrales utilizando la regla extendida del trapecio con intervalos de N = 2, 4, 8, 16 y 32.
a) 3x3 + 5x - 1 [0, 1]
b) x3 - 2x2 + x + 2 [0, 3]
c) x4 + x3 - x2 + x + 3 [0, 1]
d) tan (x) [0, / 4]
e) ex [0, 1]
f) 1 / (2 + x) [0, 1]
x f(x)
0,0 0
0,1 2,1220
0,2 3,0244
0,3 3,2568
0,4 3,1399
0,5 2,8579
0,6 2,5140
0,7 2,1639
0,8 1,8358
evale la integral de f(x) entre 0 y 0,8 empleando la regla extendida del trapecio.
4. Obtenga la regla de 1/3 de Simpson integrando el polinomio de interpolacin de Newton hacia adelante ajustado en x0, x0
+ h y x0 + 2h.
5. Demuestre que las siguientes frmulas para la regla extendida del trapecio son equivalentes y seale cul es ms eficiente
computacionalmente. Justifique.
N 1
h
I = f ( x )dx = [ f (a ) + 2 f (a + jh) + f (b)]
b
a 2 j =1
h N 1
I = f ( x )dx = ( f i + f i +1 )
b
a 2 i =1
6. Repita el ejercicio 2 utilizando la regla de Simpson.
7. Evale la integral de las siguientes funciones en el intervalo indicado, utilizando la regla de Simpson con intervalos de
N= 2, 4, 8, 16 y 32.
1
a) y= [0, ]
2 + cos( x )
9. Suponga que usted es un arquitecto y planea utilizar un gran arco de forma parablica dado por y=0,1x(30-x) metros
donde y es la altura desde el piso y x est en metros. Calcule la longitud total del arco utilizando la regla extendida de
Simpson (divida el dominio desde x = 0 hasta x = 30 metros en 10 intervalos de la misma longitud). La longitud total del
arco est dada por
L=
30
1 + ( dy / dx ) 2 dx
0
10. Evale la siguiente integral impropia en forma tan exacta como sea posible, utilizando la regla extendida del trapecio.
exp( x 2 )
1 + x 2 dx
11. Utilice la regla extendida de Simpson con 10 intervalos en cada direccin para evaluar la integral doble
I =
sen( x )
exp( x 2 y 2 )dydx
0 0
2 0 ,5 x
I=
2
x + ydydx
1 0
13. Con n = m= 3 aproxime las siguientes integrales dobles y compare con el valor exacto
xy dydx ( y sen
2 ,2 1,4 1
2
a) b) x )dydx
2 ,1 1, 3 0 0
c) e dxdydz d) ( x +
1 2 0 ,5 1,1 x
yzx 2
y )dydx
0 1 0 1, 0 0
14. Utilizando N=2 subintervalos, determine las estimaciones de las reglas trapezoidal y de Simpson para
I=
1
(1 + x 3 ) dx
1
15. Demuestre que la regla de Simpson es exacta para f(x) = Ax2 + Bx2 +Cx +D considerando cada uno de los cuatro trminos
por separado sobre el intervalo a x b, con cualquier nmero (par) de subintervalos N a su eleccin.
s( s 1)( s 2)ds = 0
2
17. Evale por medio de una frmula de cuadratura gaussiana de tres trminos.
3, 4
necesarios para evaluar e x dx hasta cinco decimales de precisin. El valor exacto de la integral es 23,9144526.
1,8
Las ecuaciones diferenciales ordinarias comprenden una rama muy extensa del anlisis numrico y, tal vez, con ms
complejidades que cualquier otro tema que se haya estudiado.
Una ecuacin diferencial es una ecuacin en donde aparecen funciones, sus derivadas, una o ms variables
independientes y una o ms variables dependientes. Las ecuaciones diferenciales se dividen en dos grupos:
ecuaciones diferenciales ordinarias (EDO), en las cuales aparece slo una variable independiente (que se denota con
x); y ecuaciones diferenciales parciales (EDP) en las que aparecen ms de una. El tema de discusin ser el de las
ecuaciones diferenciales ordinarias.
Las ecuaciones diferenciales ordinarias se clasifican y estudian segn su orden, el cual se define como el entero igual
al nmero mximo de veces que se deriva la variable dependiente en la ecuacin.
Los problemas de ecuaciones diferenciales ordinarias se clasifican en problemas con condiciones iniciales y
problemas con condiciones en la frontera. Los mtodos numricos para los problemas con condiciones iniciales
difieren en forma significativa de los que se utilizan para los problemas con condiciones en la frontera.
En vista de que el procedimiento numrico usual para manejar las EDO es considerar una ecuacin en diferencias
relacionadas, es conveniente estudiar un poco este tpico.
En general, se denotar con una letra mayscula la variable dependiente desconocida de una ecuacin en diferencias,
en particular Y. Si bien Y ser una funcin de x, el inters se centrar en los valores de Y correspondientes a los
puntos aislados [xj]; se denotar con Yj tales valores Y(xj).
Se sobreentender que la longitud de paso en x es h(y es posible que se permita que h vare dependiendo de x, esto es,
de j); la diferencia hacia adelante de Y(x) es
Y ( x ) = Y ( x + h) Y ( x )
o, de manera equivalente
Y j = Y j +1 Y j
EY ( x ) = Y ( x + h) o EY j = Y j +1
Una ecuacin en la que aparece una funcin desconocida Y evaluada en dos o ms puntos {xj} se llama ecuacin en
diferencias y se puede tambin llamar ecuacin de traslacin.
Este mtodo fue ideado por Euler hace ms de 200 aos. Es fcil de entender y de usar, pero no es tan preciso como
otros mtodos que sern estudiados posteriormente. Sin embargo, el mtodo de Euler sirve como punto de partida
hacia tcnicas alternativas que aparecern segn se consideren perfeccionamientos razonables de ste.
El objetivo del mtodo es obtener una aproximacin al problema de valor inicial bien planteado
dy
= f (t , y ), a t b, y(a)=
dx
No se obtendr una aproximacin continua de la solucin y(t), sino que se generarn aproximaciones de y en varios
puntos, llamados puntos de red, en el intervalo [a,b]. Una vez que se obtenga la solucin aproximada en estos
puntos, la solucin aproximada en otros puntos en el intervalo se puede encontrar utilizando algunos de los
procedimientos de interpolacin existentes.
Los puntos de red se suponen uniformemente espaciados sobre el intervalo [a,b]. Esta condicin se puede garantizar
escogiendo un entero positivo N y seleccionando los puntos de red {t0, t1, t2, , tN} donde
ti = a + ih para cada i = 0, 1, 2, , N
( t i +1 t i ) 2
y ( t i +1 ) = y ( t i ) + ( t i +1 t i ) y ( t i ) + y (i )
2
para algn nmero i, donde ti < i < ti+1
Usando la notacin h = ti+1 - ti, tenemos
h2
y (t i +1 ) = y (t i ) + hy (t i , y (t i )) + y (i )
2
h2
y (t i +1 ) = y (t i ) + hf (t i , y (t i )) + y (i )
2
La ecuacin anterior se llama la ecuacin de diferencia asociada con el mtodo de Euler. La forma algortmica del
mtodo de Euler se presenta a continuacin.
El mtodo de Euler modificado tiene dos motivaciones. La primera es que es ms preciso que el anterior. La segunda
es que es ms estable.
Este mtodo se obtiene al aplicar la regla del trapecio para integrar y = f(y,t)
y n +1 = y n +
h
2
[
f ( y n +1 , t n +1 ) + f ( y n , t n ) ]
Si f es lineal en y, la ecuacin anterior se puede resolver fcilmente en trminos de yn+1. Por ejemplo, si la EDO est
dada por y = ay + cos(t), la ecuacin queda
y n +1 = y n +
h
[
ay + cos(t n +1 ) + ay n + cos(t n )
2 n +1
]
por lo tanto al despejar yn+1 se obtiene
1 + ah / 2
y n +1 =
1 ah / 2
yn +
h/2
1 ah / 2
[
cos(t n +1 ) + cos(t n ) ]
Una desventaja fundamental de los mtodos de Euler consiste en que los rdenes de precisin son bajos. Esta
desventaja tiene dos facetas. Para mantener una alta precisin se necesita una h pequea, lo que aumenta el tiempo de
clculo y provoca errores de redondeo.
En los mtodos de Runge-Kutta, el orden de precisin aumenta al utilizar puntos intermedios en cada intervalo. Una
mayor precisin implica adems que los errores decrecen ms rpido al reducir h, en comparacin con los mtodos
con precisin baja.
Considrese una ecuacin diferencial ordinaria
y = f ( y , t ), y (0) = y 0
Para calcular yn+1 en tn+1 = tn+h, dado una valor de yn, integramos la ecuacin anterior en el intervalo [tn, tn+1]:
y n +1 = y n +
t n +1
f ( y , t )dt
tn
Los mtodos de Runge-Kutta se obtienen al aplicar un mtodo de integracin numrica a la integral del lado derecho
de la expresin anterior.
1
[ ]
t n +1
f ( y , t )dt h f ( y n , t n ) + f ( y n +1 , t n +1 )
tn 2
En esta ecuacin, yn+1 es una incgnita, por lo que aproximamos el segundo trmino mediante f ( y n +1 , t n +1 ) , donde
y n+1 es la primera estimacin de yn+1 obtenida mediante el mtodo de Euler hacia adelante. Este esquema se conoce
como el mtodo de Runge-Kutta de segundo orden y se resume como
y n +1 = y n + hf ( y n , t n )
y n +1 = y n +
h
2
[
f ( y n , t n ) + f ( y n + 1 , t n +1 ) ]
expresado en forma cannica
k1 = hf ( y n , t n )
k 2 = hf ( y n + k1 , t n +1 )
1
y n +1 = y n + k 1 + k 2
2
[ ]
y n +1 = y n +
h
6
[
f ( y n , t n ) + 4 f ( y n +1/ 2 , t n +1/ 2 ) + f ( y n +1 , t n +1 ) ]
donde y n+1 y y n+1/ 2 son estimaciones, puesto que no conocemos yn+1/2 y yn+1. Obtenemos la estimacin de y n+1/ 2
mediante el mtodo de Euler hacia adelante:
h
y n +1/ 2 = y n + f ( yn , t n )
2
La estimacin de y n+1 es
y n +1 = y n + hf ( y n , t n )
bien
y n +1 = y n + hf ( y n +1/ 2 , t n +1/ 2 )
k1 = hf ( y n , t n )
1 h
k 2 = hf y n + k 1 , t n +
2 2
k 3 = hf ( y n k1 + 2 k 2 , t n + h)
y n +1 = y n +
1
(k + 4 k 2 + k 3 )
6 1
6.4.3 Mtodo de Runge-Kutta de cuarto orden
El mtodo de Runge-Kutta de cuarto orden se obtiene de una manera anloga a la del tercer orden, excepto que se
utiliza un paso intermedio adicional para evaluar la derivada. Es posible escoger varias formas para el esquema de
integracin numrica a utilizar. El mtodo de Runge-Kutta de cuarto orden tiene un error local proporcional a h5.
La siguiente versin de Runge-Kutta de cuarto orden est basada en la regla 1/3 de Simpson y se escribe como
y n +1 = y n +
1
(k + 2 k 2 + 2 k 3 + k 4 )
6 1
k1 = hf ( y n , t n )
k h
k 2 = hf y n + 1 , t n +
3 3
k k 2h
k 3 = hf y n + 1 + 2 , t n +
3 3 3
k 4 = hf ( y n + k 1 k 2 + k 3 , t n + h)
y n +1 = y n +
1
(k + 3k 2 + 3k 3 + k 4 )
8 1
Los mtodos del tipo Runge-Kutta (que incluyen los mtodos de Euler y Euler modificado como caso especial), se
llaman mtodos de un paso debido a que slo utilizan la informacin del ltimo paso calculado. Con esto ellos tiene
la capacidad de realizar el siguiente paso con un tamao de paso diferente, y son ideales para comenzar la solucin en
donde slo se dispone de las condiciones iniciales. Sin embargo, despus que la solucin ha comenzado, se puede
obtener informacin adicional disponible acerca de la funcin (y sus derivadas). Un mtodo de pasos mltiples es
aqul que toma ventaja de este hecho.
El principio que se encuentra detrs del mtodo de pasos mltiples, es utilizar los valores anteriores de y y/o y para
construir un polinomio que se aproxime a la funcin derivada, y extrapolar este polinomio en el siguiente intervalo.
La mayora de los mtodos utilizan valores equiespaciados anteriores, para hacer que la construccin de polinomios
se fcil. El mtodo de Adams es tpico. El nmero de puntos utilizados por los que pasa, determina el grado del
polinomio igual a la potencia de h en el trmino error global de la frmula, el cual tambin es igual a uno ms que el
grado del polinomio.
Para deducir las relaciones del mtodo de Adams, se escribe la ecuacin diferencial dy/dx = f(x,y) en la forma
dy = f ( x , y )dx ,
Con el fin de integrar el trmino de la derecha de la igualdad, se aproxima f(x,y) como un polinomio en x, el cual se
ajusta haciendo que pase por varios puntos. Si se ajusta a que pase por tres puntos, el polinomio aproximante ser
cuadrtico. Si se ajusta a cuatro puntos, ser cbico. Mientras se ajuste a ms puntos, mayor es la precisin.
Supngase que se ajusta el polinomio de segundo grado para que pase por tres puntos, escribiendo esto como un
polinomio de hacia atrs de Newton:
( s + 1) s 2
xn + 1 x n +1
dy = y n +1 y n = f n + sf n 1 + f n 2 + error dx
xn xn 2
x =1 ( s + 1) s 2 s =1 s( s 1)( s 2)
= f n + sf n 1 + f n 2 hds + h 3 f ( )hds.
x=0 2 s=0 6
f f n 1 5( f n 2 f n 1 + f n 2 )
y n +1 = y n + h f n + n +
2 12
= yn +
h
12
[
23 f n 16 f n 1 + 5 f n 2 + O(h 4 ) ]
Obsrvese que la ecuacin obtenida es similar a las frmulas de un paso, en que el incremento de y es la suma
ponderada de las derivadas por el tamao del paso, pero difiere en que se utilizan valores anteriores, en lugar de
estimados en la direccin de avance.
Un mtodo predictor - corrector consta de un paso predictor y un paso corrector en cada intervalo. El predictor
estima la solucin para el nuevo punto y el corrector mejora su precisin. Los mtodos de predictor - corrector
utilizan la solucin de los puntos anteriores, en lugar de utilizar puntos intermedios en cada intervalo.
Para explicar los mtodos, considrese un intervalo de tiempo dividido de manera uniforme y supongamos que hemos
calculado la solucin hasta el tiempo n, por lo que es posible utilizar los valores de y y y en los tiempos anteriores
para calcular yn+1.
Las frmulas predictoras y correctoras se obtienen al sustituir una aproximacin polinomial adecuada de y(t) en la
ecuacin siguiente:
y n +1 = y n +
t n +1
f ( y , t )dt
tn
El miembro ms primitivo de los mtodos predictor - corrector es el de segundo orden, que es idntico al mtodo de
Runge-Kutta de segundo orden. Se obtiene un predictor de tercer orden al aproximar y = f(y,t) con un polinomio de
interpolacin cuadrtica, ajustado a fn, yn-1 y yn-2:
donde z es una coordenada local dada por z = t - tn y E(z) es el error. La ecuacin anterior viene dada por la
interpolacin de Lagrange ajustada a los valores yn, yn-1 y yn-2. El error del polinomio viene dado por
1
E ( z) = z ( z + h)( z + 2h) y (iv ) (), t n 2 t n +1
3!
En esta ecuacin, la derivada del trmino del error es de cuarto orden, puesto que se ha ajustado un polinomio
cuadrtico a y.
La ecuacin inicial se puede reescribir en trminos de la coordenada local z = t - tn como
y n +1 = y n + y ( z )dz
h
y n +1 = y n +
h
12
(23 y n 16 y n 1 + 5 y n 2 ) + O(h 4 )
donde la barra superior significa predictor. La ecuacin obtenida recibe el nombre de frmula predictora de tercer
orden de Adams - Bashforth. El error de la ecuacin se evala mediante la siguiente frmula:
3 4 (iv )
O( h 4 ) = h y (), t n 2 t n +1
8
Para obtener la frmula correctora, se necesita un valor predicho de yn+1, el cual se calcula sustituyendo este trmino
en y(t) = f(y,t):
y ' n +1 = y n + hf ( y ' n +1 , t n +1 )
y ( z ) =
1
2h 2
[ ]
z ( z + h) y ' n +1 2( z h)( z + h) y n + z ( z h) y n 1 + E ( z )
y n +1 = y n +
h
12
(5 y' n +1 +8 yn yn1 ) + O(h 4 )
1 4 (iv )
O(h 4 ) = h y ( ), t n 1 t n +1
24
La ecuacin obtenida es la frmula correctora de Adams - Moulton de tercer orden. El conjunto de ecuaciones se
llama mtodo predictor - corrector de Adamas de tercer orden.
Hasta aqu slo se ha considerado el caso de ecuaciones diferenciales de primer orden. La mayora de las ecuaciones
diferenciales que son modelos matemticos de un problema fsico son de mayor orden (orden superior), o an un
conjunto de ecuaciones diferenciales simultneas de mayor orden. Por ejemplo,
w d2x dx
2 +b + kx = f ( x , t )
g dt dt
representa un sistema vibrante en el cual un resorte lineal con una constante de resorte k, restaura una masa
desplazada de peso w en contra de una fuerza opuesta, cuya resistencia es b veces la velocidad. La funcin f(x,t) es
una funcin de fuerza externa que acta sobre la masa.
Una ecuacin anloga de segundo orden describe el flujo de la electricidad en un circuito que contiene inductancia,
capacitancia y resistencia. En este caso la funcin de fuerza externa representa la fuerza electromotriz aplicada. Los
sistemas compuestos de masa - resorte y los circuitos elctricos se pueden simular por medio de un sistema de tales
ecuaciones de segundo orden.
Ahora se mostrar cmo una ecuacin diferencial de orden superior, se reduce a un sistema de ecuaciones
simultneas de primer orden. Y luego se mostrar que stas pueden ser resueltas por aplicacin de los mtodos que se
estudiaron anteriormente.
Resolviendo para la segunda derivada, de ordinario se puede expresar una ecuacin d segundo orden como:
d2x dx
2 = f x, t , , x (t 0 ) = x 0 , x (t 0 ) = x 0
dt dt
En general se especifica el valor inicial de la funcin x y de su derivada. Este se transforma a un par de ecuaciones de
primer orden por el sencillo procedimiento de definir las derivadas como una segunda funcin. Entonces, ya que
d2x/dt2 = (d/dt)(dx/dt),
Este par de ecuaciones de primer orden es equivalente a la ecuacin original. Para ecuaciones de mayor orden, cada
una de las derivadas de orden inferior se define como una nueva funcin, dando un conjunto de n ecuaciones de
primer orden, que corresponden a una ecuacin diferencial de n-simo orden. Para un sistema de ecuaciones de
mayor orden, cada una se transforma de manera semejante, resultando un conjunto grande de ecuaciones de primer
orden.
Problemas
1. Use el mtodo de Euler para aproximar la solucin de cada uno de los siguientes problemas de valor inicial:
2
y y
a) y = + , 1 t 1,2, y (1) = 1 con h = 0,1
t t
b) y = sen t + e t , 0 t 1, y (0) = 0 con h = 0,5
c) y = ty , 0 t 2, y (0) = 1 con N = 4
2
y = y + t 2et , 1 t 2, y (1) = 0
t
con solucin exacta
y ( t ) = t 2 ( e t e)
Use el mtodo de Euler con h = 0,05 para aproximar la solucin y compararla con los valores reales de y.
y (t ) + 5 y (t ) 10 y (t ) = t , y (0) = 1, y (0) = 0
6. Resuelva los siguientes problemas en 0 t 5 mediante los mtodos de Euler, Runge-Kutta y Adams-Moulton con h=0,1
y h=0,01:
Cuando se estudian entidades de componentes mltiples, como las matrices y los vectores, con frecuencia se necesita
una forma de expresar su magnitud - alguna medida de su grandeza o pequeez -. Para los nmeros ordinarios,
el valor absoluto indica qu tan grande es el nmero; pero para una matriz hay muchos componentes, cada uno de los
cuales puede ser grande o pequeo en magnitud.
Cualquier buena medida de la magnitud de una matriz (norma), debe tener cuatro propiedades que son intuitivamente
esenciales:
1. Las norma siempre tiene un valor mayor o igual a cero, y slo es cero cuando la matriz es cero (con todos sus
elementos iguales a cero).
2. La norma estar multiplicada por k, si la matriz est multiplicada por el escalar k.
3. La norma de la suma de dos matrices, no exceder a la suma de las normas.
4. La norma del producto de dos matrices, no exceder al producto de las normas.
De manera ms formal, se pueden establecer estas condiciones, utilizando ||A|| para representar la norma de la matriz
A.:
La tercera relacin se llama desigualdad del tringulo. La cuarta es importante cuando se trata con el producto de
dos matrices.
Para una clase especial de matrices, que se llama vectores, los conceptos expresados pueden ayudar. Para los vectores
en un espacio bi o tridimensional, la longitud satisface los cuatro requerimientos, y es un buen valor para utilizar para
la norma del vector. Esta norma se llama norma euclidiana, y se calcula con
x12 + x 22 + x 32
Sin embargo, sta no es la nica forma de calcular una norma vectorial. La suma de los valores absolutos de las xi se
puede utilizar como una norma; el valor mximo de las magnitudes de las xi tambin servir. Estas tres normas se
pueden interrelacionar definiendo la norma p como
1/ p
n p
x = xi
p
i =1
Depender del problema, cul de estas normas vectoriales es la mejor para usar.
Ejemplo. Calclense las normas 1, 2 e del vector x, si x = (1,25, 0,02, -5,15, 0).
Las normas de una matriz se desarrollan por una correspondencia con las normas vectoriales. Las normas matriciales
que correspondan a las anteriores, de la matriz A, se puede demostrar que son:
n
A 1 = max aij = Suma columna mxima;
1 j n
i =1
n
A = max aij = Suma fila mxima
1 i n
j =1
La norma de la matriz ||A||2 que corresponde a la norma 2 de un vector, no se calcula con rapidez. Est relacionada
con los valores caractersticos de la matriz. Algunas veces tiene utilidad especial debido a que ninguna otra norma es
ms pequea que esta norma. Por tanto, proporciona la medida ms cerrada del tamao de una matriz, pero es
tambin la ms difcil de calcular. Esta norma tambin se llama norma espectral.
Para una matriz de m n, se puede parafrasear a la norma euclidiana y escribir como
1/ 2
m n
A e = aij2
i =1 j = 1
Tmese en cuenta que si bien para un vector la norma 2 es igual que la norma euclidiana, no lo es as para una matriz.
Ejemplo. Calclense las normas euclidianas de A, B, y C; las matrices vienen dadas por
Los resultados del ejemplo se ven muy razonables; ciertamente A es mayor que B o C. Mientras que B C, ambas
son igualmente pequeas. La norma euclidiana es una buena medida de la magnitud de una matriz.
La importancia de las normas radica en que permiten expresar la precisin de la solucin de un conjunto de
ecuaciones en trminos cuantitativos, al establecer la norma del vector error (la verdadera solucin menos el vector
de la solucin aproximada). Las normas tambin se utilizan para resolver sistemas lineales.
Adems de los mtodos directos, estudiados en los cursos de lgebra Lineal, existen los mtodos iterativos para
solucin de sistemas de ecuaciones lineales. En ciertos casos, se prefieren estos mtodos en vez de los directos, por
ejemplo cuando la matriz de los coeficientes es poco densa (tiene muchos ceros), ya que en estos casos pueden ser
ms rpidos. Adems podran requerir menor cantidad de memoria y en los clculos manuales tienen la ventaja
distintiva de ser autocorrectores si se comete un error; algunas veces se pueden utilizar para reducir el error por
redondeo, en las soluciones calculadas por mtodos directos. Tambin es posible aplicarlos a sistemas de ecuaciones
no lineales.
8x1 + x2 x3 = 8,
2 x1 + x2 + 9 x3 = 12,
x1 7 x2 + 2 x3 = 4,
la solucin es x1= 1, x2= 1, x3= 1. Se comienza el esquema iterativo resolviendo cada ecuacin para una de las
variables, escogiendo cuando sea posible, para resolver la variable con el coeficiente ms grande:
Se comienza con alguna aproximacin inicial al valor de las variables. Sustituyendo estas aproximaciones en los
segundos miembros del conjunto de ecuaciones, genera nuevas aproximaciones ms cercanas al valor verdadero. Los
nuevos valores se sustituyen en los segundos miembros para generar una segunda aproximacin, y el proceso se
repite hasta que sean lo suficientemente similares los valores sucesivos de cada una de las variables. Para el conjunto
de ecuaciones dado se obtiene:
Este procedimiento es conocido como el mtodo de Jacobi, tambin llamado mtodo de los desplazamientos
simultneos, debido a que se cambia cada ecuacin simultneamente utilizando el conjunto ms reciente de valores
de x.
Algoritmo para la iteracin Jacobi
Considrese que cada ecuacin se puede expresar de la forma
donde x(n+1) y x(n) se refieren a las iteraciones n-sima y (n+1)-sima de un vector, G es una transformacin lineal, b
es la matriz columna de los trminos independientes y B es la matriz de los coeficientes de las variables.
Para resolver un sistema de N ecuaciones lineales, es necesario reordenar las filas de manera que, los elementos
diagonales tengan magnitudes tan grandes como sea posible, en relacin a las magnitudes de otros coeficientes en la
misma fila. Defnase al sistema reordenado como Ax = b. Comenzando con una aproximacin inicial al vector x(1),
calcule cada componente x(n+1) para i= 1,2,..., N, por:
N
bi aij
x( n + 1)
i = x (jn ) , n= 1,2,...
aii j =1 aii
j i
N
aii > aij , i= 1, 2, ..., N.
j =1
j i
Cuando esto es verdad, x(n) converger a la solucin, sin importar cul vector inicial sea el que se use.
En el caso particular estudiado, la solucin obtenida es exacta, ms no existe garanta alguna de que esto sea as,
debido a la naturaleza del sistema de ecuaciones y al error por redondeo. Lo comn es entonces que el algoritmo
reciba como entrada un cierto valor de tolerancia TOL con el cual se pueda establecer un criterio de paro como el que
se muestra:
x ( k ) x ( k +1)
< TOL
x(k )
donde TOL es una valor mayor que cero y x(k) es el vector de soluciones en la k-sima iteracin. Para este propsito,
se puede usar cualquier norma conveniente, siendo la ms comnmente usada la norma l. Este criterio de paro puede
ser usado para cualquiera de los mtodos estudiados en esta seccin.
bi i 1 ( n + 1) N
aij
xi
( n + 1)
= x a x (j n ) , n= 1, 2, ...
aii j = 1 j j = i +1 ii
N
aii > aij , i= 1, 2, ..., N
j =1
j i
Cuando esto es verdadero, x(n) converger a la solucin sin importar cules sean los vectores iniciales que se utilicen.
Es posible demostrar que el mtodo de Gauss-Seidel siempre converger si lo hace el mtodo de Jacobi, y lo har
ms rpidamente. Si el mtodo de Jacobi diverge, lo mismo suceder con el mtodo de Gauss-Seidel. El mtodo de
Gauss-Seidel siempre debe ser usado debido a su convergencia ms rpida.
Estos mtodos iterativos no convergern para todos los conjuntos de ecuaciones, ni para todas las reordenaciones
posibles de las ecuaciones. Cuando se puedan ordenar las ecuaciones de manera que, cada elementos en la diagonal
es mayor en magnitud, que la suma de las magnitudes de los otros coeficientes en esa fila (sistema diagonalmente
dominante), la iteracin converger para cualesquiera valores iniciales. Esto es fcil de visualizar, debido a que todas
las ecuaciones se pueden reexpresar en la forma:
bi a1 a
xi = x1 2 x2 ...
aii aii aii
El error en el siguiente valor de xi, ser la suma de los errores en todas las otras x, multiplicadas por los coeficientes
de la ecuacin, y si la suma de las magnitudes de los coeficientes es menor que la unidad, el error disminuir
8 x1 + x2 x3 = 8,
2 x1 + x2 + 9 x3 = 12,
x1 7 x2 + 2 x3 = 4,
De nuevo se comienza reordenando las ecuaciones, pero en forma diferente de los mtodos de Gauss-Seidel o Jacobi.
Todos los trminos se transponen a un slo miembro y luego se dividen por el negativo de coeficiente ms grande.
Las ecuaciones se convierten en:
x1 0,125x2 + 0,125x3 + 1 =0
0,222 x1 0,111x2 x3 + 1,333 = 0
0,143x1 + x2 + 0,286 x3 + 0,571 = 0
Si se comienza con algn conjunto inicial de valores y se lo sustituye en las ecuaciones, stas no estarn satisfechas a
menos, que por suerte, hayan cado en la solucin; los primeros miembros no sern cero, sino que tendrn algn otro
valor al que se llamar residuo, y se denotar por Ir. Tambin es conveniente reordenar la ecuacin de manera que
los coeficientes -1 estn en la diagonal. El sistema queda entonces:
x1 0,125x2 + 0,125x3 + 1= R1
0,143x1 x2 + 0,286 x3 + 0,571 = R2
0,222 x1 0,111x2 x3 + 1,333 = R3
El residuo mayor en magnitud R3, nos dice que la tercera ecuacin tiene el mayor error, y primero debe ser mejorada.
El mtodo obtiene el nombre de relajacin, del hecho de que se hace un cambio x3 para relajar a R3 (el residuo ms
grande), de manera que se le pueda hacer cero. Observando los coeficientes de las diversas ecuaciones, se ve que
1 i 1 N
x( k + 1)
= bi aij x (j k +1) a x (k )
i
aii j =1 j = i +1
ij j
en donde los subndices (k+1) indican que sta es la (k+1)-sima iteracin. En el lado derecho de la igualdad se
utilizan las estimaciones ms recientes de xj, los cuales sern ya sea xl(k) o xj(k+1).
Una forma algebraicamente equivalente a la ecuacin anterior es:
1 i 1 N
xi( k +1) = xi( k ) + bi aij x (j k +1) aij x (j k )
aii j =1 j =i
debido a que xi(k) es a la vez sumada y restada del segundo miembro. En esta forma, se ve que las relajaciones de
Gauss-Seidel y Southwell pueden tener una aritmtica idntica: el trmino que se suma a xi(k) para obtener xi(k+1) es
exactamente el incremento que relaja al residuo de cero. La sobrerrelajacin puede ser aplicada al algoritmo de
Gauss-Seidel, si se aade a xi(k) algn mltiplo del segundo trmino. Se puede mostrar que este mltiplo nunca debe
ser ms de 2 en magnitud (para evitar divergencia), y que el factor ptimo de sobrerrelajacin yace entre 1,0 y 2,0. La
ecuacin de iteracin tomar esta forma, donde w es el factor de sobrerrelajacin.
w i 1 N
x( k + 1)
=x (k )
+ bi aij x j
( k + 1)
aij x (j k )
i i
aii j =1 j =i
El valor ptimo para w variar entre 1,0 y 2,0, dependiendo del tamao de la matriz de coeficientes y de los valores
de los coeficientes.
5 4 7
A = 4 2 4
7 4 5
3.Resuelva los siguientes sistemas lineales por el mtodo de Jacobi, usando x(0)= 0 con TOL= 10-2, 10-3 y 10-4.
2 x1 x2 + x3 = 1 2 x2 + 4 x3 = 0
a) 3x1 + 3x2 + 9 x3 = 0 b) x1 x2 x3 = 0,375
3x1 + 3x2 + 5x3 = 4 x1 x2 + 2 x3 = 0
2 x1 x2 + 10 x3 = 11 4 x1 2 x2 = 0
3x2 x3 + 8 x4 = 11 2 x1 + 5x2 x3 = 2
c) d)
10 x1 x2 + 2 x3 = 6 x2 + 4 x3 + 2 x4 = 3
x1 + 11x2 x3 + 3x4 = 25 2 x3 + 3x4 = 2