Antologiademetodosnumericosisc PDF

INSTITUTO TECNOLGICO SUPERIOR
de Acayucan
Asignatura: Mtodos Numricos
Clave de la asignatura: SCC - 0423
Carrera: Ingeniera en Sistemas Computacionales
AN TOLOGIA
Presenta:
ING. ULISES GIRON JIMENEZ
ACAYUCAN, VER. OCTUBRE 2009

Mtodos Numricos
Ing. Ulises Girn Jimnez

INDICE
OBJETIVO GENERAL... 5
JUSTIFICACION .. 6
UNIDAD I Teora de errores 7
1.1 importancia de los mtodos numricos. 8
1.2 Conceptos bsicos: cifra significativa, precisin, exactitud,

incertidumbre y sesgo............... 15
1.3 Tipos de errores... 17

1.3.1 Definicin de error: error absoluto y relativo 17
1.3.2 Error por redondeo 18
1.3.3 Error por truncamiento.. 20
1.3.4 Error numrico total 22
1.4 Software de computo numrico.. 23
1.5. Mtodos iterativos .. 26
UNIDAD II Mtodos de solucin de ecuaciones... 37
2.1. Mtodo de Intervalo.. 38
2.2. Mtodo de biseccin 41
2.3. Mtodo de interpolacin.. 48

2.3.1. Mtodo de Newton Raphson 48
2.3.2. Mtodo de la secante 51
2.4. Aplicaciones 54
UNIDAD III Mtodos de solucin de sistemas de ecuaciones 61
3.1 Mtodos Iterativos 62

3.1.1 Jacobi.. 62
3.1.2. Gauss Seidel. 64
3.2 Sistemas de ecuaciones no lineales. 66

3.2.1. Mtodo iterativo secuencial. 66
III
3.3 Iteracin y convergencia de sistemas de ecuaciones.. 71

3.3.1 sistemas de ecuaciones de Newton.. 71
3.4 Aplicaciones.. 76
UNIDAD IV Diferenciacin e integracin numrica ... 86
4.1. Diferenciacin numrica.. 87
4.2. Integracin numrica.... 95

4.2.1. Mtodo del trapecio... 98
4.2.2. Mtodo de Simpson. 106
4.3. Integracin Mltiple.. 114
4.4. Aplicaciones.. 116
UNIDAD V Soluciones de ecuaciones diferenciales 118
5.1 Mtodo de un paso.. 119

5.1.1 Mtodo de Euler y Euler mejorado.. 120
5.1.2 Mtodo de Runge Kutta.. 129
5.2. Mtodo de pasos Mltiples 134
5.3. Sistemas de ecuaciones diferenciales ordinarias 135
5.4. Aplicaciones 136
Bibliografa 141
IV
OBJETIVO GENERAL
El estudiante conocer, comprender y aplicar mtodos numricos para resolver problemas

de la ingeniera y cientficos mediante el uso de computadora.
JUSTIFICACION
Uno de los objetivos del Instituto Tecnolgico Superior de Acayucan, es el de promover,

apoyar e impulsar el trabajo creativo del docente, principalmente en la elaboracin de
antologa que apoya al proceso enseanza aprendizaje, el cual debe ser estimulado con
los comentarios y sugerencias del profesorado y conviene que sea imitado por otros
maestros, quienes con capacidad de trabajo y tiempo disponible, pueden y deben gestar
literatura de este gnero, dando los pasos adecuados para pulirla y poder formar as textos
que faciliten la enseanza y el aprendizaje del curso.
El presente material de consulta y apoyo didctico se pone en manos de nuestros maestros

y, particularmente, de los alumnos que se forman en nuestro instituto. Considero los
contenidos de esta antologa como el propsito ms firme de mi convencimiento para facilitar
el estudio de la probabilidad y estadstica en las nuevas generaciones que me honran al
confiarme su preparacin y garantizar modestamente el fijarles una enseanza para toda la
vida.
VI
UNIDAD 1
TEORA DE ERRORES.
Objetivo:
El estudiante comprender la
importancia de los mtodos numricos
y conocer las caractersticas
operativas del software de cmputo
numrico comercial.
UNIDAD I / TEORIA DE ERRORES
1.1. Importancia de los mtodos numricos.
El objeto de estudio del anlisis numrico es la construccin y valoracin de los mtodos

numricos que tienen como resultados un valor numrico.
Relacin entre anlisis numrico y mtodos numricos:
Algunas de las razones por las cuales se debe estudiar los mtodos numricos son los
siguientes:
Son algoritmos que establecen la secuencia de solucin de sistemas de ecuaciones

de gran tamao, con caractersticas de ser no lineales y geomtricas complicadas,
porque la mayor parte de los problemas reales tienen este comportamiento, y que
por lo general su solucin es muy complicada a travs de mtodos analticos.
Es importante que el futuro ingeniero tenga los conocimientos bsicos de los
mtodos ms comunes, ya que en el transcurso de su carrera, tendr la necesidad
de usar software comercial o implementar su propio software, que resuelvan los
algoritmos de problemas reales y que estn basados sobre algn mtodo numrico.
Con los mtodos numricos el ingeniero usara la computadora como herramienta, el
cual es uno de los propsitos, porque el profesionista debe de olvidarse de los
clculos, y enfocarse en el diseo y planteamiento de la solucin de los problemas.
Proporciona una mayor comprensin de las matemticas, ya que reducen las
matemticas superiores a operaciones bsicas simples.
Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas de
tal forma que puedan resolverse usando operaciones aritmticas. Aunque hay muchos tipos
de mtodos numricos, todos comparten una caracterstica comn: invariablemente los
mtodos numricos lleva a cabo un buen numero de tediosos clculos aritmticos. Con el
desarrollo de computadoras digitales eficientes y rpidas, el papel de los mtodos numricos
en la solucin de problemas de ingeniera haya aumentado considerablemente en los ltimos
aos.
Mtodos anteriores a la aparicin de la computadora.
Ms all de solo proporcionar un aumento en la potencia de clculo la disponibilidad general

de las computadoras (especialmente de las computadoras personales) y su asociacin con
los mtodos numricos, ha tenido una influencia muy significativa en el proceso de solucin
de problemas de ingeniera. Antes del uso de la computadora haba tres mtodos diferentes
que los ingenieros aplicaban a la solucin de problemas:
1. Primero, se encontraban las soluciones de algunos problemas usando mtodo

exacto o analtico. Con frecuencia estas soluciones resultaban tiles y
proporcionaban una comprensin excelente del comportamiento de algunos
sistemas. Sin embargo, las soluciones analticas pueden encontrarse solo para una
clase limitada de problemas. Estos problemas incluyen aquellos que pueden
aproximarse mediante modelos lineales y tambin aquellos que tienen valor prctico
limitado, porque la mayor parte de los problemas reales no son lineales, e implican
formas y procesos complejos.
2. Para analizar el comportamiento de los sistemas se usaban soluciones grficas.

stas tomaban la forma de grafos o nomogramas. Aunque las tcnicas grficas a
menudo pueden emplearse para resolver problemas complejos, los resultados no
son muy precisos. Es ms, las soluciones grficas (sin la ayuda de una
computadora) son tediosas en extremo y difciles de implementar. Finalmente, las
tcnicas grficas estn limitadas a aquellos problemas que puedan describirse
usando tres dimensiones o menos.
3. Para implementar los mtodos numricos se utilizaban calculadoras manuales y

reglas de clculo. Aunque en teora estas aproximaciones deberan ser
perfectamente adecuadas para resolver problemas complicados, en la prctica se
presentan algunas dificultades. Los clculos manuales son lentos y tediosos.

Adems no existen resultados consistentes debido a que surgen equivocaciones
cuando se efectan las tareas manualmente.
Antes del uso de la computadora, se gastaba mucha energa en la tcnica misma de

solucin, en vez de aplicarla sobre la definicin del problema su interpretacin (Fig. 1.1 a).
Esta situacin desafortunada exista debido al tiempo y trabajo montono que se requeran
para obtener resultados numricos con tcnicas que no utilizaban a la computadora.
Hoy en da, las computadoras y los mtodos numricos proporcionan una alternativa para
clculos tan complicados. Al usar la computadora para obtener soluciones directamente, se
pueden aproximar los clculos sin tener que recurrir a suposiciones de simplificacin o
tcnicas deficientes.
Aunque dichas suposiciones son an extremadamente valiosas tanto para resolver

problemas como para proporcionar una mayor comprensin, los mtodos numricos
representan alternativas que amplan considerablemente la capacidad para confrontar y
resolver los problemas; como resultado, se dispone de ms tiempo para aprovechar las
habilidades creativos personales. Por consiguiente, es posible dar ms importancia a la
formulacin de un problema, a la interpretacin de la solucin y a su incorporacin al sistema
total, o conciencia "holstica" (Fig. 1.1 b).
Figura: Las tres fases en la solucin de problemas de ingeniera en a) la era anterior a las
computadoras y b) la era de las computadoras. Los tamaos de los recuadros indican con el
10
nivel de importancia que se dirige a cada fase en el saln de clases. Las computadoras
facilitan la implementacin de tcnicas de solucin as permiten un mayor cuidado sobre los
aspectos creativos de la formulacin de problemas y la interpretacin de resultados.
Los mtodos numricos y la prctica de la ingeniera

Desde finales de la dcada de 1940, la multiplicacin y disponibilidad de las computadoras
digitales ha llevado a una verdadera explosin en cuanto al uso y desarrollo de los mtodos
numricos. Al principio, este crecimiento estaba algo limitado por el costo de acceso a
computadoras grandes (mainframes), por lo que muchos ingenieros continuaban usando
simples planteamientos analticos en una buena parte de su trabajo. No es necesario
mencionar que la reciente evolucin de computadoras personales de bajo costo, ha dado a
mucha gente un fcil acceso a poderosas capacidades de cmputo.
Adems existen un buen nmero de razones por las cuales se deben estudiar los mtodos
numricos:
1. Los mtodos numricos son herramientas extremadamente poderosas para la

solucin de problemas. Son capaces de manejar sistemas de ecuaciones grandes,
no linealidades y geometras complicadas que son comunes en la practica de la
ingeniera y que, a menudo, son imposibles de resolver analticamente. Por lo tanto,
amplan la habilidad de quien los estudia para resolver problemas.
2. En el transcurso de la carrera, es posible que el estudiante tenga la ocasin de usar

software disponible comercialmente que contenga mtodos numricos. El uso
inteligente de programas depende del conocimiento de la teora bsica en la que se
basan estos mtodos.
3. Los mtodos numricos son un vehculo eficiente para aprender a servirse de las
computadoras personales. Es bien sabido que una manera efectiva de aprender
programar las computadoras es escribir los programas. Como los mtodos
numricos, en su mayor parte estn elaborados para implementarse en
computadoras, resultan ideales para este propsito. Aun mas, estn especialmente
adaptadas para ilustrar la potencia as como las limitaciones de las computadoras.
11
4. Los mtodos numricos son un medio para reforzar su comprensin de las

matemticas. Porque una funcin de los mtodos numricos es la de reducir las
matemticas superiores a operaciones aritmticas bsicas ya que se profundizan en
los temas que de otro modo resultan oscuros. Esta alternativa aumenta su
capacidad de comprensin en la materia.
Problemas matemticos y sus soluciones.

En el campo profesional de la ingeniera se requiere utilizar modelos matemticos para la
prediccin y explicacin de ciertos fenmenos, un modelo matemtico imprescindible para el
ingeniero son los mtodos numricos, ya que son tcnicas mediante las cuales es posible
plantear soluciones a los problemas.
1. Races de ecuaciones.
Estos problemas estn relacionados con el valor de una variable o de un parmetro que
satisface una ecuacin. Son especialmente valiosos en proyectos de ingeniera donde
con frecuencia resulta imposible despejar analticamente parmetros de ecuacin de
diseo.
Encontrar x tal que f(x) = 0
2. Sistemas de ecuaciones algebraicas lineales.

Estos problemas son similares a los de races de ecuaciones en sentido de que estn
relacionados con valores que satisfacen las ecuaciones. Sin embargo, en lugar de
satisfacer una sola ecuacin se busca un conjunto de valores que satisfaga
simultneamente un conjunto de ecuaciones algebraicas lineales las cuales surgen en el
contexto de una variedad de problemas y en todas las disciplinas de ingeniera. Se
originan a partir de modelos matemticos de grandes sistemas de elementos
interrelacionados, tal como estructuras, circuitos elctricos y redes de flujo. Las
ecuaciones lineales simultneas surgen en el contexto de una variedad de problemas y
en todas las disciplinas de la ingeniera.
12
Dadas las a y las c
Encontrar:
a11 x1 + a12 x2 = c1
a21 x1 + a22 x2 = c2 x tal que
3. Integracin.
Tal como se representa, una interpretacin fsica de la integracin numrica es la
determinacin del rea bajo la curva. La integracin tiene diversas aplicaciones en la
prctica de la ingeniera, que van desde la determinacin de los centroides de objetos de
forma extraa hasta el clculo de cantidades totales basadas en conjunto de medidas
discretas.
b
I = f ( x)dx
a Encontrar el rea bajo la curva.
4. Ecuaciones diferenciales ordinarias.

Las ecuaciones diferenciales ordinarias tienen un enorme significado en la practica de la
ingeniera. Esto se debe a que muchas leyes fsicas estn expresadas en trminos de la
razn de cambio de una cantidad mas que en trminos de magnitud. Entre otros
13
ejemplos tenemos los modelos de la prediccin demogrfica (razn de cambio de una

poblacin) hasta la aceleracin de un cuerpo que cae ( razn de cambio de la velocidad)
dy y
= f (t , y )
dt t Encontrar y como funcin
de t.
14
1.2. Conceptos bsicos: cifra significativa, precisin, exactitud, incertidumbre y sesgo.
El anlisis numrico proporciona mtodos computacionales para el estudio y solucin de

problemas matemticos. Al derivar los mtodos numricos para la solucin de dichos
problemas, analizaremos los errores presentes en esos mtodos. Debido a que muchos
clculos son realizados en computadores digitales, es conveniente la discusin para la
implementacin de los mtodos numricos como programas de computador.
Una caracterstica de estos mtodos es que proporcionan slo resultados aproximados, por lo
tanto el estudio del error es de inters central para el anlisis numrico. En la practica
profesional, los errores pueden resultar costosos y en algunas ocasiones catastrficos. Se
puede perder hasta la vida si una estructura o un dispositivo llega a fallar.
El concepto de cifras o dgitos significativos se han desarrollado para designar

ormalmente la confiabilidad de un valor numrico. Las cifras significativas de un numero son
aquellas que pueden utilizarse en forma confiable. Se trata del numero de dgitos que se
ofrecen con certeza, mas uno estimado. Estas cifras proporcionan informacin real relativa a
la magnitud y precisin de las mediciones de una cantidad. El aumento de la cantidad de
cifras significativas incrementa la precisin de una medicin. Los ceros no siempre son
cifras significativas ya que pueden usarse solo para ubicar el punto decimal. Los nmeros
0.000 018 45
0.000 184 5
0.001 845
tienen cuatro cifras significativas. La incertidumbre (duda) se puede desechar usando la

notacin cientfica en donde :
4
4.53 x 10
4.530 x 104
4.5300 x 104
muestran que el numero tiene tres, cuatro y cinco cifras significativas.
El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de los

mtodos numricos:
15
1. Los mtodos numricos dan resultados aproximados, por lo tanto, se deben de

desarrollar criterios para especificar que tan confiables son dichos resultados. Una
manera de hacerlo es en trminos de cifras significativas. Por ejemplo, es posible
afirmar que la aproximacin es aceptable siempre y cuando sea correcta con cuatro
cifras significativas.
2. Aunque ciertas cantidades tales como , e, 7 representan cantidades especificas,

no se pueden expresar exactamente con un numero finitos de dgitos. Por ejemplo,
= 3.14159265358979 ..
hasta el infinito. Como las computadoras tienen solo un numero finito de cifras
significativas, tales nmeros jams se podrn representar con exactitud. A la
omisin del resto de cifras significativas se le conoce como error de redondeo.
Los errores asociados con los clculos y medidas se pueden caracterizar observando su
precisin y exactitud.
La precisin es el grado de concordancia dentro de un grupo de mediciones o instrumentos.

Ya que el numero de cifras significativas que representa una cantidad o la extensin en las
lecturas repetidas de un instrumento que mide alguna propiedad fsica. La precisin se
compone de dos caractersticas: conformidad y el numero de cifras significativas con las
cuales se puede realizar la medicin.
La exactitud se refiere al grado de aproximacin o conformidad al valor real de la cantidad

medida. .
Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador al
blanco. Los agujeros en el centro del tiro al blanco de cada esquema de la figura siguiente se
pueden imaginar como las predicciones en una tcnica numrica, mientras que el centro del
blanco de cada esquema representa la verdad. La inexactitud (conocida tambin como
sesgo) se define como un alejamiento sistemtico de la verdad. Por lo tanto, aunque las
balas en la figura c estn ms juntas que las de la figura a, los dos casos son igualmente
inexactos ya que ambos se centran en la esquina superior izquierda del blanco. La precisin,
por el otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo tanto, aunque
las figuras b y d son igualmente exactas (esto es, igualmente centradas respecto al blanco),
la ltima es ms precisa ya que las balas estn en un grupo ms compacto.
16
Figura: Un ejemplo de un buen tirador ilustra el concepto de exactitud y precisin. a)

Inexacto e impreciso; b) exacto e impreciso; e) inexacto y preciso; d) exacto y preciso.
1.3. Tipos de errores.

1.3.1. Definicin de error: error absoluto y relativo.
Definicin de Error. Es la discrepancia que existe entre la magnitud verdadera y la magnitud

obtenida.
Si p * es una aproximacin a p , el error se define como
E = p p*
Sin embargo, para facilitar el manejo y el anlisis se emplea el error absoluto definido como
EA = p p *
y el error relativo como
p p*
ER = , si p 0
p
y como por ciento de error a
ERP = ( ER )100
17
Error aproximado
aproximacionactual aproximacionanterior
a = x100
aproximacionactual
Ejemplo: Suponga que el valor para un calculo debera ser
p = 0.10 x10 2 pero se obtuvo el resultado p * = 0.08 x10 2 , entonces
EA = 0.10 x10 2 0.08 x10 2 = 2

0.10 x10 2 0.08 x10 2
ER = = 0. 2
0.10 x10 2
ERP = ERx100 = 20%
1.3.2. Error por redondeo
Este error es el resultado de representar aproximadamente nmeros exactos. Es decir, se

debe a la omisin de algunas de las cifras significativas de algn valor especfico. Un
ejemplo de donde sucede se da en las computadoras o calculadoras, que solo guardan un
nmero finito de cifras significativas, cuyo mximo de dgitos o de cifras significativas son de
8 a 14 lo cual obliga a redondear el valor real.
Los errores de redondeo se deben a que las computadoras solo guardan un numero finito de
cifras significativas durante un calculo. Las computadoras realizan esta funcin de maneras
diferentes. Por ejemplo, si solo se guardan siete cifras significativas, la computadora puede
almacenar y usar como = 3.141592, omitiendo los trminos restantes y generando un
error de redondeo.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los
errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razones del
porque pueden resultar crticos en algunos mtodos numricos:
1. ciertos mtodos requieren cantidades extremadamente grandes para obtener una

respuesta. Adems, estos clculos a menudo depende entre si. Estos es, los
clculos posteriores son dependientes de los anteriores. En consecuencia, aunque
18
un error de redondeo individual puede ser muy pequeo, el efecto de acumulacin

en el transcurso de la gran cantidad de clculos puede ser significativos.
2. el efecto del redondeo puede ser exagerado cuando se llevan a cabo operaciones
algebraicas que emplean nmeros muy pequeos y muy grandes al mismo tiempo.
Ya que este caso se presenta en muchos mtodos numricos, el error de redondeo
puede resultar de mucha importancia.
En el redondeo se conservan las cifras significativas y el resto se descarta.
El ltimo dgito retenido se aumenta en uno si el primer dgito descartado es 5 , si no

fuera as, el dgito conserva su valor.
Ejemplo: la importancia de las cifras significativas de los clculos algebraicos.
Determnese la diferencia de dos nmeros grandes: 32981108.1234 y 32981107.9989.

Enseguida, reptase los clculos pero incrementndose el minuendo en in 0.001%.
Solucin:
La diferencia de los nmeros es:
32981108.1234
32981107.9989
0.1245
19
Ahora incrementando el minuendo en un 0.001 % se obtiene el numero 32 981 437.934 5 y

la diferencia es:
32981437.9345
32981107.9989
329.3356
Que es considerable diferente de la primera. De aqu que una modificacin en el minuendo,

aparentemente insignificante, provoca una gran diferencia en el resultado.
Ejemplo: Ilustraciones de las reglas de redondeo
Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo analizados.
1. Errores de redondeo
5.6723 5.67 3 cifras significativas
2. suma y resta
a) 2.2 1.768 = 0.432 = 0.4
-7 -4
b) 0.00468 x 10 + 8.3 x 10 228 x 10-6 =6.02468 x 10 4
= 6.0 x 10 -4
se
redondea hasta el 3 porque nos indica que es el valor para redondeo
3. multiplicacin y divisin
a) Evalese 0.0642 x 4.8 = 0.30816 = 0.31
b) 945/0.3185 = 2967.032967= 2970
1.3.3. Error por truncamiento.
Los errores de truncamiento son aquellos que resultan al usar una sucesin finita o infinita
de pasos en el cual se realizan clculos para producir un resultado exacto, se trunca
prematuramente despus de un cierto nmero de pasos.
20
Truncar la siguiente cifra hasta centsimos, o hasta que sean dos las cifras significativas :
7 = 2 . 645751311
7 2.64
Como podemos ver, en este tipo de error, lo que se hace es omitir algunas de las cifras de
una cantidad, debido a que esta contiene muchos decimales, entonces se trunca o corta el
nmero, por lo que tambin cae en un error.
Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar de
un procedimiento matemtico exacto. Estos errores se regresan a la formulacin matemtica
usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial.
La serie de Taylor.
La serie de Taylor
La serie de Taylor da una formulacin para predecir el valor de la funcin en xi +1 en trminos
de la funcin y de sus derivadas en una vecindad al punto xi .
Por ejemplo: el primer trmino de la serie es conocida como aproximacin de orden cero.
f ( xi +1 ) f ( xi )
aproximacin de primer orden .
f ( xi +1 ) f ( xi ) + f ( xi )h donde h = ( xi +1 xi )
aproximacin de segundo orden .
f ( xi ) 2
f ( xi +1 ) f ( xi ) + f ( xi )h + h donde h = ( xi +1 xi )
2!
De esta manera se puede agregar trminos adicionales para desarrollar la expansin

completa de la serie de Taylor.
21
f (xi ) 2 f (n) (xi ) n

f (xi+1 ) f (xi ) + f (xi )h + h + h + Rn
2! n!
Se incluye un termino residual para considerar todas los trminos desde n + 1 hasta el
infinito:
f ( n +1) ( ) n +1
Rn = h
(n + 1)!
donde el subndice n indica que el residuo es de la aproximacin a n- simo orden y es un

valor cualquiera de x que se encuentra en xi y xi +1
1.3.4. Error numrico total.
El error numrico total es la suma de los errores de truncamiento y de redondeo. ste es el

medio para poder lograra minimizar los errores debido a redondeo, y esto se logra
incrementando el nmero de cifras significativas.
Los errores por truncamiento pueden ser disminuidos cuando los errores por redondeo se
incrementan. Para poder disminuir un componente del error numrico total, se debe
incrementar otro valor.
Errores humanos
1. Errores por equivocacin. Las equivocaciones ocurren a cualquier nivel del proceso de
modelacin matemtica y puede contribuir con todas las otras componentes del error.
22
Se puede evitar nicamente con el conocimiento de los principios fundamentales y con

el cuidado sobre la aproximacin y diseo de la solucin a un problema.
2. Errores de formulacin. Los errores de formulacin o de modelamiento degeneran en lo

que se podran considerar como un modelo matemtico incompleto. Un ejemplo de un
error de formulacin imperceptible es el hecho de que la segunda ley de newton no
explica los efectos relativistas.
3. Incertidumbre en los datos. Algunas veces se introducen errores en un anlisis debido

a la incertidumbre de los datos fsicos sobre los que se basa el modelo.
1.4. Software de cmputo numrico
En la actualidad existen dos tipos de usuarios de software. Por un lado estn aquellos que
toman lo que se les da. Es decir, quienes se limitan a las capacidades que encuentran en el
modo estndar de operacin del software existente. Por ejemplo, resultan muy sencillo
resolver un sistema de ecuaciones lineales o generar graficas con valores x - y con EXCEL,
Matlab o Mathcad . como este modo de operacin por lo comn requiere un mnimo
esfuerzo, muchos de los usuarios adoptan este modo de operacin. Adems, como los
diseadores de estos paquetes se anticipan a la mayora de las necesidades tpicas de los
usuarios, muchos de los problemas pueden resolverse de esta manera.
Pero , Que pasa cuando se presentan problemas que estn mas all de las capacidades
estndar de dichas herramientas ? . en tal caso usted tiene dos alternativas.
La primera seria buscar otro paquete y ver si sirve para resolver el problema. Esta es una de
las razones por las que quisimos usar EXCEL como mathcad o Matlab. Como veremos ,
ninguno de ellos abarca todo y cada uno tiene sus ventajas.
El segundo seria que es posible volverse un potente usuario si se aprende a escribir

macros en EXCEL VBA ( visual basic for applications ).
Programas computacionales
Los programas computacionales son nicamente conjuntos de instrucciones que dirigen a la
computadora para realizar cierta tarea.
23
Visto desde esta perspectiva , reducimos toda complejidad a unos cuantos tpicos de
programacin, que son:
Representacin de informacin sencilla ( declaracin de constantes, variables y

tipos)
Representacin de informacin ms compleja ( estructura de datos, arreglos y
registros)
Formulas matemticas (asignacin, reglas de prioridad y funciones intrnsecas)
Entrada / salida
Representacin lgica ( secuencia, seleccin y repeticin)
Programacin modular ( funciones y subrutinas)
Programacin estructurada
En esencia la programacin estructurada es un conjunto de reglas que desarrollan en el
programa los hbitos para lograr un buen estilo. Aunque la programacin estructurada es
bastante flexible para permitir considerable creatividad y expresin personal, sus reglas
imponen suficientes restricciones para hacer que los programas resultantes sean muy
superiores a sus versiones no estructuradas.
Un diagrama de flujo es una representacin visual o grafica de un algoritmo. Emplea una

serie de cajas o bloques y flechas, cada una de las cuales representa un determinado paso u
operacin del algoritmo. Otra manera de expresar los algoritmos y que constituyen un puente
de unin entre los diagramas de flujo y el cdigo de la computadora, es el pseudocodigo.
Programacin modular
Dividir una tarea o una materia complicada en partes mas accesibles es una manera de
hacerla mas fcil. Siguiendo una misma idea, los programas de computacin se dividen en
subprogramas mas pequeos, o mdulos que pueden desarrollar y probarse por separado. A
esta forma de trabajar se le llama programacin modular.
Excel.
Excel es una hoja de calculo producida por Microsoft Inc. Las hojas de clculos son un tipo
especial de software para matemticas que permite al usuarios ingresar y realizar clculos
en renglones y columnas de datos. Como tales, son una versin computarizada de una gran
hoja de contabilidad en la que se lleva a cabo una gran cantidad de clculos
interrelacionados. Puesto que cuando se modifica un valor de la hoja , hay que actualizar
todos los clculos , las hojas son ideales para hacer anlisis del tipo y que pasa si ... ?
24
Excel cuenta con varios recursos numricos interconstruidos como resolucin de

ecuaciones, ajuste de curvas y optimizacin. Incluye tambin VBA como un lenguaje de
macro que sirve para hacer clculos numricos. Por ultim, tiene varias herramientas para la
visualizacin como diagramas y graficas tridimensionales, que son un valiosos complemento
para el anlisis numrico.
Matlab
Matlab es el principal producto de software de Mathworks, Inc. , fundada por los analistas
numericos Cleve Moler y John N. Little. Como su nombre lo indica, Matlab se desarrollo
originalmente como un laboratorio para matrices. Hoy , el elemento principal de Matlab sigue
siento la matriz. La manipulacin matemtica de matrices se ha realizado muy
adecuadamente en un ambiente interactivo fcil de utilizar. A esta manipulacin matricial,
Matlab agrega varias funciones numricas, clculos simblicos y herramientas para
visualizacin.
Matlab tiene diferentes funciones y operadores que permiten la adecuada realizacin de los
mtodos numericos que aqu desarrollamos.
Mathcad
El uso del software Mathcad 2001 Professional supone un paso adelante para clarificar y
potenciar el aprendizaje de conceptos, tcnicas e ideas matemticas de forma que sean de
clara utilidad prctica, tanto de cara al desarrollo del currculo acadmico como de cualquier
actividad profesional. En este sentido, el uso adecuado de este programa no slo facilita la
adquisicin de conceptos clave sino que tambin fomenta la creatividad dentro del mbito
matemtico, facilitando la contextualizacin de las asignaturas cuantitativas y ofreciendo
cientos de operadores y funciones incorporadas para resolver problemas tcnicos, desde los
ms simples hasta los ms complicados.
Mathcad 2001 Professional es un software de clculo, extremadamente verstil y potente

como lenguaje de programacin. Contiene una exhaustiva biblioteca de funciones
estadsticas y de anlisis, una coleccin de potentes algoritmos para resolucin problemas
as como herramientas de manipulacin de matrices. La principal caracterstica de Mathcad
es que resulta tan fcil de usar como las conocidas hojas de clculo que pueden encontrarse
en el mercado. Y, sin embargo, no es necesario aprender ninguna sintaxis complicada en
Mathcad una ecuacin aparece tal y como se podra ver en una pizarra o en un libro.
25
Algoritmos y estabilidad.
El tema fundamental de esta asignatura es el estudio, seleccin y aplicacin de algoritmos,

que se definen como secuencias de operaciones algebraicas y lgicas para obtener la
solucin de un problema. Por lo general, se dispone de varios algoritmos para resolver un
problema particular; unos de los criterios de seleccin es la estabilidad del algoritmo; esto es,
que a pequeos errores de los valores manejados se obtengan pequeos errores en los
resultados finales
1.5. Mtodos iterativos.
Ejemplo: Estimacin del error para mtodos iterativos

Enunciado del problema : en matemticas, a menudo se puede representa las funciones
mediante una serie infinita. Por ejemplo la funcin exponencial se puede calcular usando:
x 2 x3 x4
e = 1+ x +
x
+ + + ...
2! 3! 4!
Mientras mas trminos se le agreguen a la serie , la aproximacin se acercara mas y mas al
valor de x . la ecuacin anterior se le llama serie de Maclaurin.
Empezando con el primer termino , e x = 1, y agregando un termino a la vez, estmese el
valor de e 0.5
. despus que se agregue cada termin, calclense los ERP y a . Ntese
que el valor real de e 0.5 = 1.648721271 agrguense trminos hasta que
a < s contempla tres cifras significativas.
Solucin
s = (0.5 x 10 2 3 ) % = 0.05 %
por lo tanto , se agregaran trminos a la serie hasta que a se menos que este nivel.
p p*
ER = , si p 0 ERP = ( ER )100
p
26
aproximacionactual aproximacionanterior
a = x100
aproximacionactual
Ejercicio: La expansin en serie de Maclaurin para el cos x es:
x 2 x 4 x 6 x8
Cosx = + + L
2! 4! 6! 8!
Iniciando con el primer termino cos x = 1 , agrguense los trminos uno a uno para estimar

cos
3 . Despus que se agregue cada uno de los trminos, calclense los errores
porcentuales relativos, exactos y aproximados .sense una calculadora para determinar el
valor exacto. Agrguense trminos hasta el valor absoluto del error aproximado falle bajo
cierto criterio de error, considerando dos cifras significativas.
Solucin:
s = (0.5 x 10 2 2 ) % = 0.5 %
= 0.5
cos
3
27
Ejercicio: Reptase los clculos del problema anterior pero ahora usando la serie de
Maclaurin para sen x = 0
x3 x5 x7
Senx = x + +L
3! 5! 7!

Sen
estmese el 2
s = (0.5 x 10 2 2 ) % = 0.5 %

Sen = 1 empezando sen x = 0
2
Ejemplo: Aproximaciones de un polinomio mediante la serie de Taylor.

Enunciado del problema: sense trminos en la serie de Taylor de cero a cuarto orden para
aproximar la funcin :
f ( x) = 0.1x 4 0.15 x 3 0.5 x 2 0.25 x + 1.2 desde el punto xi = 0 y con h = 1. Esto es,
predecir el valor de la funcin en xi +1 = 1.
Solucin:
Ya que se trata de una funcin conocida se puede calcular valores f(x) 0 y 1
28
4 3 2
f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 x := 0
f ( x) = 1.2
4 3 2
f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 x := 1
f ( x) = 0.2
Los resultados indican que la funcin empieza en f(0)=1.2 y continua hacia abajo hasta
f(1)=0.2. por lo tanto el valor que se trata de predecir es 0.2.
La aproximacin en serie de Taylor de orden cero es:
f ( xi +1 ) f ( xi ) =1.2
Como se puede ver en la figura la aproximacin de orden cero es una constante . el error de
truncamiento en este caso es
E = p p*
E = 0.2 1.2 = - 1.2
En x = 1. Para n = 1, la primera derivada se debe determinar y evaluar en x = 0
4 3 2
f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 x := 0
d
f ( x) = 0.25
dx
La aproximacin a primer orden es:
h = ( xi +1 x i )
f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i )
f ( xi +1 ) 1.2 0.25h
29
f ( h ) := 1.2 + ( 0.25 h ) h := 1
f ( h ) = 0.95
que se puede usar para h = 1 , calcular f(1) = 0.95 . Por consiguiente , la aproximacin
empieza a coincidir con la trayectoria de la funcin como la pendiente de una lnea recta. De
esta manera el error de truncamiento se reduce a :
E = valor verdadero valor aproximado = 0.2 0.95 = - 0.75
en x = 1 para n = 2, se evala la segunda derivada en x = 0:
4 3 2
f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 x := 0
2
d
f ( x) = 1
2
dx
f ' ' ( xi )
f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i ) + ( xi +1 x i ) 2
2!
1 2
f ( xi +1 ) 1.2 0.25h + ( )h
2!
1 h 2
f ( h ) := 1.2 + ( 0.25 h ) + h := 1
2!
f ( h ) = 0.45
Los trminos adicionales mejoran aun mas la aproximacin.
en x = 1 para n = 3, se evala la tercera derivada en x = 0:
30
4 3 2
f ( x) := 0.1 x 0.15 x 0.5 x 0.25 x + 1.2 x := 0
3
d
f ( x) = 0.9
3
dx
f ' ' ( xi ) f ' ' ' ( xi )

f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i ) + ( xi +1 x i ) 2 + ( xi +1 x i )3
2! 3!
1 2 0 .9 3
f ( xi +1 ) 1.2 0.25h + ( )h + ( )h
2! 3!
1 h 2 + 0.9 h 3
f ( h ) := 1.2 + ( 0.25 h ) + 2! 3! h := 1

f ( h ) = 0.3
En x = 1 para n = 4, se evala la cuarta derivada en x = 0:
4 3 2
f ( x ) := 0.1 x 0.15 x 0.5 x 0.25 x + 1.2 x := 0
4
d
f ( x ) = 2.4
4
dx
f ' ' ( xi ) f ' ' ' ( xi ) f 4 ( xi )

f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i ) + ( xi +1 x i ) +
2
( xi +1 x i ) +
3
( xi +1 x i ) 4
2! 3! 4!
1 2 0 .9 3 2 .4 4
f ( xi +1 ) 1.2 0.25h + ( )h + ( )h + ( )h
2! 3! 4!
Donde el termino residual es:
f ( n +1) ( ) n +1
Rn = h R4 =
f (5) ( ) 5
( n + 1 )! 5!
h
31
4 3 2
f ( x) := 0.1 x 0.15 x 0.5x 0.25 x + 1.2 x := 0
5
d
f ( x) = 0
5
dx
ya que la quinta derivada de un polinomio de cuarto orden es nula, R4 =0. Por consiguiente,
la expansin en serie de Taylor hasta la cuarta derivada produce una aproximacin exacta
en x = 1
1 h 2 + 0.9 h 3 + 2.4 h 4
f ( h ) := 1.2 + ( 0.25 h ) + 2! 3! 4! h := 1

f ( h ) = 0.2
En general, la expansin en serie de Taylor de n-simo orden es exacta para un polinomio

de n-simo. Para otras funciones continuas diferenciales, como las exponenciales o
senoidales, no se obtiene una estimacin exacta mediante un numero finito de trminos.
Cada uno de los trmino adicionales contribuye al mejoramiento de la aproximacin , aunque
sea con poco. La decisin sobre cuantos trminos se requieren para obtener una
aproximacin razonable se basa en el termino residual de la expansin .
f ( n +1) ( ) n +1
Rn = h
( n + 1 )!
Esta ecuacin residual es de la forma general, tiene dos grandes desventajas . Primero
no se conoce exactamente sino que solo se sabe que esta entre xi y xi+1 . Segundo , para la
evaluacin de la ecuacin anterior se requiere para evaluar la (n + 1 ) sima derivada de
f(x).
Ejemplo: Uso de la serie de Taylor para aproximar una funcin que tiene un numero infinito
de derivadas.
Enunciado del problema : sense los trminos de la serie de Taylor con n = 0 hasta 6 para
aproximar :
32
f ( x ) = cos x
en x = /3 (60) con base al valor de f(x) y de sus derivadas alrededor del punto

h= =
x = / 4 ( 45) .Ntese que esto significa que 3 4 12
Solucin: Nota: el resultado de la sustitucin y de ellos quien tengan el

El valor exacto valor pequeo ese ser el valor exacto
F(x)= 0.5 f(x)= 0.707106781

f ( x) := cos ( x) x :=
3
f ( x) = 0.5
La aproximacin de orden cero es

f ( x) := cos ( x) x :=
4
f ( x) = 0.707106781
0.5 0.707106781
ERP = 100% = 41.4%
0 .5
La aproximacin de primer orden es
f ' ( x ) = sen ( x )

f cos( x ) ( sen( x))h
3

f ( h ) := cos ( x) + ( sin ( x) ) h x := h :=
4 12
f ( h ) = 0.521986659
0.5 0.521986659
ERP = 100% = 4.40%
0 .5
La aproximacin de segundo orden es
f ' ' ( x) = cos( x )
33

cos( x) 2
h
3 2!
f ( h ) := cos ( x) + ( sin ( x) ) h +
cos ( x) 2
h x := h :=
2! 4 12
f ( h ) = 0.497754491
0.5 0.497754491
ERP = 100% = 0.449%
0 .5
La aproximacin de tercer orden es
f ' ' ' ( x) = sen ( x )

cos( x) 2 sen( x) 3
h + h
3 2! 3!
f ( h ) := cos ( x) + ( sin ( x) ) h +
cos ( x) 2 sin ( x) 3
h + 3! h x := h :=
2! 4 12
f ( h ) = 0.499869147
0.5 0.499869147
ERP = 100% = 0.0262%
0 .5
La aproximacin de cuarto orden es
f 4 ( x) = cos( x)

cos( x ) 2 sen( x ) 3 cos( x) 4
h + h + h
3 2! 3! 4!
cos ( x) h 2 + sin ( x) h 3 + cos ( x) h 4

f ( h ) := cos ( x) + ( sin ( x) )h + 2! x := h :=
3! 4! 4 12
f ( h ) = 0.500007551
0.5 0.500007551
ERP = 100% = 1.51x10 2
0 .5
34
La aproximacin de quinto orden es
f 5 ( x) = sen( x)

f cos( x ) ( sen( x ))h
cos( x) 2 sen( x) 3 cos( x) 4 sen( x) 5
h + h + h h
3 2! 3! 4! 5!
f ( h ) := cos ( x) + ( sin ( x) )h +
cos ( x) 2 sin ( x) 3 cos ( x) 4 sin ( x) 5
h + 3! h + 4! h + 5! h x := h :=
2! 4 12
f ( h ) = 0.500000304
0.5 0.500000304
ERP = 100% = 6.08 x10 5
0 .5
La aproximacin de sexto orden es
f 6 ( x) = cos( x)

cos( x) 2 sen( x) 3 cos( x) 4 sen( x) 5 cos( x) 6
h + h + h h h
3 2! 3! 4! 5! 6!
f(h) := cos( x) + ( sin(x))h + cos(x) h2 + sin(x) h3 + cos(x) h4 + sin(x) h5 cos(x) h6 x :=

h :=

2!
3! 4! 5! 6! 4 12
f(h) = 0.499999988
0.5 0.499999988
ERP = 100% = 2.40 x10 6
0 .5
Ntese que las derivadas nunca se acercan a cero, como es el caso del polinomio. Sin
embargo, cada trmino que se le agrega a la serie produce una mejor aproximacin. Ntese
tambin que la mayor aproximacin se consigue con los primeros trminos.
35
f ( x) := cos ( x) x := 4 , 3.9 .. 10
f ( x)
5 0 5 10
Orden n
f n ( x) ERP
f
3
0 cos( x) 0.707106781 41.4
1 sin( x) 0.521986659 4.4
2 cos( x) 0.497754491 0.449
3 sin( x) 0.499869147 0.0262
4 cos( x) 0.500007551 1.51x10 2
5 sin( x) 0.500000304 6.08 x10 5
6 cos( x) 0.499999988 2.40 x10 6
36
UNIDAD 2
METODOS DE SOLUCION
DE ECUACIONES
Objetivo:
Implementara mtodos de solucin de
ecuaciones algebraicas o
trascendentales, con apoyo de un
lenguaje de programacin.
UNIDAD II / METODO DE SOLUCION DE ECUACIONES
2.1 Mtodo de Intervalo

A estas tcnicas se les llama mtodos que usan intervalos porque se necesitan de dos
valores inciales para la raz. Como su nombre lo indica, estos valores deben encerrar o
estar uno de cada lado de la raz. Los mtodos particulares descritos sobre este punto
emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y as
converger a la respuesta correcta. Adems de la utilidad de los mtodos grficos para
determinar valores inciales, tambin son tiles para visualizar las propiedades de las
funciones y el comportamiento de los mtodos numricos.
Mtodos grficos.
Un mtodo simple para obtener una aproximacin a la raz de la ecuacin f(x) = 0 consiste
en graficar y observar en donde cruza el eje x. Este punto , que representa el valor de x para
el cual f(x) = 0 , proporciona una aproximacin inicial de la raz.
Ejemplo: Mtodos grficos
Enunciado del problema: Emplese graficas para obtener una raz aproximada de la funcin
x
: f ( x) = e x
Solucin: Se calcula los siguientes valores
x
f ( x ) := e x x := 0.2 , 0.1 .. 1.1
1
f ( x)
0.5 0 0.5 1 1.5
38
2
f ( x) := 0.874 x + 1.75 x + 2.627 x := 2.5 , 2.4 .. 4.5
5 0 5
f ( x)
5
10
2
f ( x ) := 2x + 3x 5 x := 5 .. 5
100
50
f ( x)
5 0 5
50
f ( x) := sin ( 10x) + cos ( 3x) x := 5 , 4.9 .. 5
f ( x)
5 0 5
Ejemplo: Para determinar el coeficiente de arrastre c necesario para que un paracaidista de

masa m = 68.1 kg. Tenga una velocidad de 40 m/s despus de una cada libre de t = 10 s.
Nota la aceleracin de la gravedad es 9.8 m/s 2 . Determine su grafica.
gm t
c
v(t ) = 1 e m
c

39
UNIDAD II / METODO
O DE SOLUC
CION DE EC
CUACIONES
S
S
Solucin:
E
Este problema
a se resuelve
e determinand
do la raz de la ecuacin usando los p
parmetros t =
1 g = 9.8, v = 40 y m = 68
10, 8.1
gm t 9.8(68.1) 10
c c

f (c ) = 1 e m v f (c ) = 1 e 68.1 40
c
c

40
34.115
20
f ( c)
0 5 10 15 20
3.977 20
4 c 17
E
Ejemplo : Graficar
10
f ( x ) := x 1 x := 0 , 0.001 .. 1.3
15
10
f ( x) 5
0 0.5 1 1.5
E
Ejemplo: realicce la grafica de
d la ecuacin
n
S
Solucin:
40
0
Ejemplo: Escriba el programa que utiliza en Matlab para poder grafica r la siguiente funcin
X = 1:0.1:5
Y = x.^3 + 3*x^2 + 5*x +3
Figure
Plot(x,y)
Disp( grafica de funcin )
2.2 Mtodo de biseccin

Los mtodos de bsqueda incremental se aprovechan de esta caracterstica para localizar
un intervalo donde la funcin cambie de signo. Por lo tanto, la localizacin del cambio de
signo, se logra ms exactamente dividiendo el intervalo en una cantidad definida de
subintervalos.
El mtodo de biseccin conocido tambin como de corte binario, de particin en dos

intervalos iguales o mtodo Bolzano, es un mtodo de bsqueda incremental en el que el
intervalo se divide siempre en dos. Si la funcin cambia de signo sobre un intervalo, se
evala el valor de la funcin en el punto medio. La posicin de la raz se determina
41
situndola en el punto medio del subintervalo dentro del cual ocurre un cambio de signo. El
proceso se repite hasta obtener una mejor aproximacin.
Si el intervalo original es de tamao a y el criterio de convergencia aplicado al valor

absoluto de la diferencia de dos xr consecutivas es , entonces se requerirn n iteraciones
, donde n se calcula con la igualdad de la expresin
a

2n
de donde :
ln (a ) ln ( )
n=
ln(2)
Por esto se dice que se puede saber de antemano cuantas iteraciones se requieren.
O bien se puede utilizar el siguiente criterio de convergencia Ea <
E a = aproxactual aproxanterior
Algoritmo Sencillo :
Paso 1: Elija los valores iniciales inferior x1 y x u de forma tal que la funcin cambie de
signo sobre el intervalo. Esto se puede verificar asegurndose de que
f ( x1 ) f ( xu ) < 0
Entonces hay al menos una raz entre x1 y x u .
Paso 2: La primera aproximacin a la raz X, se determinan como:
x1 + xu
xr =
2
42
Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalo cae la raz
a ) f ( x1 ) f ( xr ) < 0 ; entonces la raz se encuentra dentro del subintervalo inferior o

izquierdo . Por lo tanto, tome xu = x r y continu en el paso 2.
b ) f ( x1 ) f ( xr ) > 0 ; entonces la raz se encuentra dentro del subintervalo superior o

derecho. Por lo tanto, tome x1 = xr y continu en el paso 2.
c) f ( x1 ) f ( xr ) = 0 ; la raz es igual a xr ; termina el calculo.
Paso 4: Fin
Problema: Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
x
f( x) := e x error := 0.001 x1 := 0 xu := 1
Datos Algoritmo
n = [ln (xu - x1 ) - ln ( error)] / ln (2) Intervalo [x1,xu]

n = numero de iteraciones f(x1)*f(xu) < 0 , existe raz
x1 = valor de x inferior xr = (x1 + xu ) / 2
xu = valor de x superior f(x1)*f(xr) < 0, intevalo izquierdo
xr = valor de x media (aproximacion de la raz) f(x1)*f(xr) > 0, intevalo Derecho
f(x1) = funcion de x inferior
f(xu) = funcion de x superior
f(xr) = funcion de x media
Calculo : x := 0 , 0.001.. 1
x
f( x) := e x x1 := 0 xu := 1 1
f( x1) f( xu ) = 0.632120559 si tiene raz
ln ( 1 0) ln( 0.001)
n := n= 10
ln( 2)
f( x)
0 0.5 1
43
s := x1 0
xu 1
for k 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10
x1 + xu
xr
2
c e ( x1 )(
x1 e
xr
xr )
if c < 0
x1 + xu
xr
2
tmp xr
xu tmp
if c > 0
x1 + xu
xr
2
tmp xr
x1 tmp
xr if c = 0
xr
s= 0.567382813
44
Problema 2: Utilice el metodo de biseccion para obtener la ra real de la funcin
f ( x ) := cos ( x ) ln ( x ) error := 0.001 x1 := 1 xu := 2
Datos Algoritmo

Cal culo : x := 1 , 1.001 .. 2

f ( x ) := cos ( x ) ln ( x ) x1 := 1 xu := 2 1
f ( x1 ) f ( xu ) = 0.599354115 si tiene raz
ln (2 1) ln ( 0.001 ) 1 1.5 2
n := n = 10
ln (2 ) f( x )
s := x1 1
2
xu 2
x
for k 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10
x1 + xu
xr
2
c ( cos ( x1 ) ln ( x1 ) ) ( cos ( xr ) ln ( xr ) )
if c < 0
x1 + xu
xr
2
tmp xr
xu tmp
if c > 0
x1 + xu
xr
2
tmp xr
x1 tmp
xr if c = 0
xr
s = 1.303710938
45
Problema: La ecuacin de estado de Van der Walls para un gas real es:
a
P + 2 (V b ) = RT
V
Donde :
P = presin en atm ;
T = temperatura en K;
R = constante universal de los gases en atm L / (gmol K) = 0.08205
V = volumen molar del gas en L / gmol;
46
a, b = constantes particulares para cada gas
Calcule V a 80 C (353.2 K) para una presin de 10 atm
Gas a b
He 0.03412 0.02370
Realice los clculos necesarios para resolver esta ecuacin usando como intervalo inicial
V1 = 0.8v , Vu = 1.2v ,
Donde v = RT / P . Con E a < 0.01
Solucin:
p := 10 R := 0.08205 T := 353.2
R T
v :=
p a := 0.03412 b := 0.02370
v1 := 0.8 v vu := 1.2 v
v1 = 2.3184048 vu = 3.4776072
( 3) (pb + RT)V2 + aV ab
f ( V) := p V
f ( v1) f ( vu ) = 2178.6232848 si tiene raz
Datos Algoritmo

ln( vu v1) ln( 0.01)

n := n=7
ln( 2)
47
s := v1 2.3184048
vu 3.4776072
for k 1 , 2 , 3 , 4 , 5 , 6 , 7
v1 + vu
vr
2
c ( ) ( )
p v13 ( p b + R T) v12 + a v1 a b p vr3 ( p b + R T) vr2 + a vr a b
if c < 0
v1 + vu
vr
2
tmp vr
vu tmp
if c > 0
v1 + vu
vr
2
tmp vr
v1 tmp
vr if c 0
vr
s = 2.925174806
2.3. Mtodo de interpolacin
2.3.1. Mtodo de Newton Raphson
Calculo de races por el mtodo de newton

Es una de las formulas mas ampliamente usadas para localizar races, si el valor inicial de la
raz es Xi, entonces se puede extender una tangente desde el punto [Xi, f (Xi) ]. El punto
donde esta tangente cruza el eje X, representa una aproximacin mejorada de la raz.
El mtodo de Newton-Raphson se puede obtener sobre la base de una interpretacin

geomtrica, la primera derivada en X es equivalente a la pendiente
48
f (x i ) 0
f (x i ) =
xi xi+1
Que se puede ordenar para obtener
f (x i )
xi+1 = xi
f (x i )
La cual es conocida como frmula de Newton - Raphson.
Ejemplo . Utilice el mtodo de Newton Raphson para obtener la raz real de la funcin
f ( x) = x 3 + 2 x 2 + 10 x 20 xi +1 xi = 10 3
49
Clculos en mathcad
3 2 d 2
f ( x) := x + 2x + 10 x 20 f ( x) 3 x + 4 x + 10
dx
2
df ( x) := 3x + 4x + 10
x := 1 i := 0 .. 5
0
:= x
( i)
f x
df ( x )
x
i+ 1 i
i
x =
i
x
i+ 1
x
i
= ( i) =
f x
1 0.412 -7
1.41176 0.042 0.918
1.36934 5.28310 -4 0.011
1.36881 8.0810 -8 1.70410 -6
1.36881 1.77610 -15 3.90810 -14
1.36881 0 0
Clculos de Matlab
Ejemplo: Use el mtodo de Newton Raphson para encontrar la raz de la ecuacin
3 x 2 18 x + 15
f ( x) = , con un punto inicial de 8 , con un error de aproximacin Ea = 0.01
5
.
50
2.3.2. Mtodo de la secante

Un problema fuerte en la implementacin del mtodo de newton Raphson es la evaluacin
de la derivada. Aunque esto no es un inconveniente para los polinomio y para muchas otras
funciones, existen algunas cuyas derivadas pueden ser extremadamente difciles de evaluar.
En estos casos la derivada se puede aproximar mediante una diferencia dividida, como la
figura
Esquema grfico del mtodo de la secante. Esta tcnica es similar a la del mtodo de
Newton - Raphson en el sentido de que una aproximacin a la raz se calcula extrapolando
51
una tangente de la funcin hasta el eje x. Sin embargo, el metodo de la secante usa una
diefrencia en vez de la derivada para aproximar la pendiente.
Por lo tanto el mtodo de la secante
(xi xi 1 ) f (xi )
xi +1 = xi xi +1 xi <
f ( xi ) f ( xi 1 )
Ejemplo . Utilice el mtodo de la secante para obtener la raz real de la funcin
f ( x) = x 3 + 2 x 2 + 10 x 20 xi +1 xi = 10 3
clculos en Mathcad
3 2
f ( x) := x + 2x + 10x 20
x := 0 x := 1 i := 0 .. 5
0 1
k := 1 .. 6
:= x
(xk xk1)f(xk)
(f(xk) f(xk1))
x
k+ 1 k
x =
i
x
i+ 1
x =
i ( k) =
f x
0 1 -7
1 0.538461538 3.75967228
1.53846 0.188150612 -0.388136149
1.35031 0.017606419 -0.018786791
1.36792 0.000895543 1.00857988810 -4
1.36881 0.000004782 -2.60078039110 -8
52
Clculos en Matlab
Otra forma de resolver en Matlab
53
clculos en EXCEL.
2.4. Aplicaciones
Problema: utilice el mtodo de biseccin: La ecuacin de estado de Van der Walls para un
gas real es:
a
P + 2 (V b ) = RT
V
donde :
P = presin en atm ;
V = volumen molar del gas en L / gmol ;
Gas A b
He 0.03412 0.02370
V1 = 0.8v , Vu = 1.2v , donde v = RT / P . Con E a < 0.01
54
p := 10 R := 0.08205 T := 353.2
R T
v :=
p a := 0.03412 b := 0.02370
v1 := 0.8 v vu := 1.2 v
v1 = 2.3184048 vu = 3.4776072
( 3) (pb + RT)V2 + aV ab
f ( V) := p V
Datos Algoritmo

ln( vu v1) ln( 0.01)

n := n=7
ln( 2)
55
s := v1 2.3184048
vu 3.4776072
for k 1 , 2 , 3 , 4 , 5 , 6 , 7
v1 + vu
vr
2
c ( ) ( )
p v13 ( p b + R T) v12 + a v1 a b p vr3 ( p b + R T) vr2 + a vr a b
if c < 0
v1 + vu
vr
2
tmp vr
vu tmp
if c > 0
v1 + vu
vr
2
tmp vr
v1 tmp
vr if c 0
vr
s = 2.925174806
Problema : utilice el mtodo de biseccin: La ecuacin de estado de Van der Walls para un
gas real es:
a
P + 2 (V b ) = RT
V
donde :
P = presin en atm ;
V = volumen molar del gas en L / gmol ;
56
Gas a b
He 0.03412 0.02370
V1 = 0.8v , Vu = 1.2v ,
Donde v = RT / P . Con E a < 0.01
p := 30 R := 0.08205 T := 353.2
R T
v :=
p a := 0.03412 b := 0.02370
v = 0.966002
v1 := 0.8 v vu := 1.2 v
v1 = 0.7728016 vu = 1.1592024
( 3) (pb + RT)V2 + aV ab
f ( V) := p V
Datos Algoritmo

ln ( vu v1 ) ln ( 0.01)
n := n =5
ln ( 2)
57
UNIDAD II / METODO
O DE SOLUC
CION DE EC
CUACIONES
S
s := v1 0..7728016
vu 1.15922024
for k 1 , 2 , 3 , 4 , 5
v1 + vu
vr
2
c ( ) ( )
p v1 3 ( p b + R T) v1 2 + a v1 a b p vr 3 ( p b + R T) vr 2 + a vr a b
if c < 0
v1 + vu
vvr
2
ttmp vr
vvu tmp
if c > 0
v1 + vu
vvr
2
ttmp vr
vv1 tmp
vr iif c 0
vr
s = 0.978086503
P
Problema: Para obtener la temperatura d
de burbuja de
e una mezcla de CCl4 y CF
F4 en equilibrio
o
c su vapor, se lleg a la ecuacin:
con
A
Aplicando un mtodo iterattivo de dos p
puntos, encue
entre la tempe
eratura de burbuja con una
a
a
aproximacin de 10-2 aplica
ado a f(T).
S
Solucin:
58
8
A continuacin se muestra la hoja de MathCAD con que se resuelve este problema usando
el mtodo de posicin falsa. Previamente a lo mostrado, se hicieron algunas evaluaciones de
f(T) para obtener un intervalo de bsqueda relativamente pequeo.
A continuacin se muestra la hoja de MATLAB con que se resuelve este problema usando el
mtodo de posicin falsa. Previamente a lo mostrado, se hicieron algunas evaluaciones de
f(T) para obtener un intervalo de bsqueda relativamente pequeo.
59
60
UNIDAD 3
METODOS DE SOLUCION
DE SISTEMAS DE
ECUACIONES
Objetivo:
Implementara los mtodos numricos
de solucin de sistemas de ecuaciones,
con apoyo de un lenguaje de
programacin.
UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES
3.1 Mtodos Iterativos
3.1.1. Jacobi
El mtodo de Jacobi es un proceso simple de iteraciones de punto fijo en la solucin de
races de una ecuacin. La iteracin de punto fijo tiene dos problemas fundamentales :
Algunas veces no converge

Cuando lo hace, es a menudo, muy lento.
El mtodo Jacobi tambin puede tener esas fallas.
Esquema grafico que muestra el mtodo de iteracin de Jacobi, en la solucin de

ecuaciones algebraicas lineales simultaneas.
xik xik 1
a ,i = * 100 < s
xik
Ejemplo : resuelva el siguiente sistema por el mtodo de Jacobi
4 x1 x 2 = 1
x1 + 4 x 2 x3 = 1
x 2 + 4 x3 x 4 = 1
x3 + 4 x 4 = 1
62
xik xik 1
con s = 0.01 a ,i = * 100 < s
xik
despejando las ecuaciones
x2 + 1 x1 + x3 + 1 x2 + x4 + 1 x3 + 1
x1 = x2 = x3 = x4 =
4 4 4 4
Otro manera de poder resolverse utilizando otro criterio de paro o de convergencia
x (k +1) x (k ) = d 1
d1 = (x k +1
1 x1k ) + (x
2 k +1
2 x2k )
2
(
+ ... + xnk +1 xnk )
2
Problemas:
Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Jacobi con = 10 2
63
UNIDAD III / METODO

OS DE SOLU
UCION SIST
TEMAS DE ECUACIONE
E ES
x1 + 3 x 2 + 5 x3 + 2 x 4 = 10
x1 + 9 x 2 + 8 x3 + 4 x 4 = 15
x2 + x4 = 2
2 x1 + x 2 + x3 x 4 = 3
3
3.1.2. Gauss Seidel
L
Los mtodos
s iterativos o aproximad
dos proveen
n una altern
nativa en los mtodos de
e
eliminacin. El mtodo de Gauss-Seidel es el m
todo iterativo ms com
nmente usad
do.
S
Suponga que
e se da un con
njunto de n eccuaciones:
xik xik 1
a ,i = * 100 < s
xik
p
para todas las i, donde j y j-1 son las ite
eraciones actuales y previa
as.
C
Como cada nuevo valor de x se calcula con el mtodo de Gauss-Seide
el, este se usa
u
i
inmediatamen
nte en la sigu
uiente ecuaci
n para deterrminar otro va
alor de x. De esta manera, si
l solucin es
la s convergente
e, se emplearra la mejor esstimacin posible.
64
UNIDAD III / METODO

OS DE SOLU
UCION SIST
TEMAS DE ECUACIONE
E ES
Ejemplo : res
suelva el sigu
uiente sistema
a por el mto
odo de Gausss Seidel
4 x1 x 2 = 1
x1 + 4 x 2 x3 = 1
x 2 + 4 x3 x 4 = 1
x3 + 4 x 4 = 1
D
Despejando las ecuacione
es
x2 + 1 x1 + x3 + 1 x2 + x4 + 1 x3 + 1
x1 = x2 = x3 = x4 =
4 4 4 4
O
Otro manera
a de poder re
esolverse utilizando otro criterio de paro
p o de con
nvergencia
x ( k +1) x (k ) = d 1 d1 = (x
k +1
1 ) (
2
)
2
(
x1k + x2k +1 x2k + ... + xnk +1 xnk )
2
65
Problemas :
Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Gauss Seidel con
= 10 2
x1 + 3 x 2 + 5 x3 + 2 x 4 = 10
x1 + 9 x 2 + 8 x3 + 4 x 4 = 15
x2 + x4 = 2
2 x1 + x 2 + x3 x 4 = 3
3.2. Sistemas de ecuaciones no lineales
3.2.1. Mtodo iterativo secuencial

A continuacin se dan ejemplos:
a)
f1 ( x1 , x 2 ) = x12 + x 22 4 = 0
f 2 ( x1 , x 2 ) = x 2 x12 = 0
b)
f1 ( x1, x 2 ) = 10( x 2 x12 ) = 0

f 2 ( x1 , x 2 ) = 1 x1 = 0
66
c)
f ( x1 , x 2, x3 ) = x1 x 2 x3 10 x13 + x 2 = 0
f ( x1 , x 2, x3 ) = x1 + 2 x 2 x3 + sen( x 2 ) 15 = 0
f ( x1 , x 2, x3 ) = x 22 5 x1 x3 3 x33 + 3 = 0
Ejemplo: Encuentre una solucin del sistema de ecuaciones no lineales
f 1 (x , y ) = x 2 10x + y 2 + 8 = 0
f 2 (x , y ) = xy 2 + x 10y + 8 = 0
Solucin:
Despejar x Despejar y
x2 +y2 +8 xy 2 + x + 8
x = y =
10 10
Con la notacin de la ecuacin :
k +1 ( x k ) 2 + (y k ) 2 + 8 k +1 x k (y k ) 2 + (y k ) 2 + 8
x = y =
10 10
con los valores iniciales x 0 = 0, y 0 = 0, se inicia el proceso iterativo
Primera iteracin
02 + 02 + 8 0(0) 2 + 0 + 8
x1 = = 0.8 y1 = = 0.8
10 10
Segunda iteracin
(0.8) 2 + (0.8) 2 + 8 0.8(0.8) 2 + 0.8 + 8

x2 = = 0.928 y2 = = 0.9312
10 10
Al continuar el proceso iterativo, se muestra la siguiente sucesin de vectores:
67
k xk yk
0 0.00000 0.00000
1 0.80000 0.80000
2 0.92800 0.93120
3 0.97283 0.97327
4 0.98937 0.98944
5 0.99578 0.99579
6 0.99832 0.99832
7 0.99933 0.99933
8 0.99973 0.99973
9 0.99989 0.99989
10 0.99996 0.99996
11 0.99998 0.99998
12 0.99999 0.99999
13 1.00000 1.00000
Usando mathcad
s := x 0
y0
for k 0 .. 12
2 2
x + y + 8
xr
10
2
x y + x + 8
xq
10
tmp1 xr
tmp2 xq
x tmp1
y tmp2
s =1
68
Para observar la convergencia del proceso iterativo, se pudieron usar los criterios, como
distancia entre dos vectores consecutivos, o bien las distancias componente a componente
de dos vectores consecutivos.
Una condicin suficiente aunque no necesaria , para asegurar la convergencia es que
g1 g 2 g g 2
+ M < 1; 1 + M <1
x x y y
Por otro lado, si M es muy pequea en una regin de inters, la iteracin converge
rpidamente ; si M es cercana a 1 en magnitud , entonces la iteracin puede converger
lentamente.
x k +1 = g1 (x k , y k )
y k +1 = g 2 (x k +1 , y k )
Problema : Encuentre una solucin del sistema de ecuaciones no lineales, utilizando el

mtodo de punto fijo multivavriable con desplazamiento sucesivos
f 1 (x , y ) = x 2 10x + y 2 + 8 = 0
f 2 (x , y ) = xy 2 + x 10y + 8 = 0
69
Solucin:
x2 + y2 + 8 xy 2 + x + 8
x= y =
10 10
(x k )2 + ( y k )2 + 8
(
x k +1 = g1 x k , y k = ) 10
x k +1 ( y k ) 2 + x k +1 + 8
(
y k +1 = g 2 x k +1 , y k = ) 10
Al derivar parcialmente, se obtiene
g1 2 x k g1 2 y k
= =
x 10 y 10
g 2 ( y k ) + 1 g 2 2 x k +1 y k
= =
x 10 y 10
con los valores iniciales x 0 = 0, y 0 = 0, se inicia el proceso iterativo
g1 g1
=0 =0
x x0
y y0
g 2 1 g 2 x0
= =0
x y0
10 y y 0
Por lo tanto
g1 g 2 1 1
+ = 0+ = < 1;
x x 10 10
g1 g 2
+ = 0+0 = 0 <1
y y
70
3.3. Iteracin y convergencia de sistemas de ecuaciones
3.3.1. Sistemas de ecuaciones de Newton

El mtodo iterativo para sistemas de ecuaciones convergen linealmente. Como en el
mtodo de una incgnita, puede crearse un mtodo de convergencia cuadrtica, es decir, el
mtodo de Newton Raphson multivariable , a continuacin se obtendr este procedimiento
para dos variables; la extensin a tres o mas variables es viable generalizando los
resultados. Supngase que se esta resolviendo el sistema.
f 1 ( x, y ) = 0
f 2 ( x, y ) = 0
Donde ambas funciones son continuas y diferenciables, de modo que puedan expandirse en
serie de Taylor. Esto es:
f f
f ( x, y ) = f ( a , b ) +
( x a ) + ( y b) +
x x
1 f
2
f
2
[ ( x a) 2 + 2 ( x a )( y b) +
2! xx xy
2 f
( y b) 2 ] + ...
xy
donde f(x, y) se ha expandido alrededor del punto ( a, b) y todas las derivadas parciales
estn evaluadas en ( a, b ).
71
Para simplificar aun mas se cambia la notacin con
x k +1 x k = h
y k +1 y k = j
y as queda la ( k + 1) sima iteracin en trminos de la k sima , como se ve a

continuacin:
x k +1 = x k + h
y k +1 = y k + j
la sustitucin de la ecuacin :
f1 f
h + 1 j = f1 ( x k , y k )
x y
f 2 f
h + 2 j = f2 (xk , y k )
x y
el cual es un sistema de ecuaciones lineales en las incgnitas h y j.
Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre que el
determinante de la matriz de coeficiente o matriz j no sea cero; es decir, si
f 1 f1
x y
J = 0
f 2 f 2
x y
Interpretacin geomtrica del mtodo de Newton Raphson.
Desarrollemos en etapas esta interpretacin para un sistema de dos ecuaciones. Sea el

sistema
f 1 ( x, y ) = x 2 + y 2 1
f 2 ( x, y ) = x 2 y 2 1
La grafica de f1 ( x, y ) = x 2 + y 2 1 se muestra en la figura 4.4.
72
73
Ejemplo: Use el mtodo de Newton Raphson para encontrara una solucin aproximada del
sistema:
f 1 (x , y ) = x 2 10x + y 2 + 8 = 0
f 2 (x , y ) = xy 2 + x 10y + 8 = 0
f 1 f 1
x = 2 x 10 y
= 2y

f 2 = y 2 + 1 f 2
= 2 xy 10
x y
que aumentada en el vector de funciones resulta en:
f 1 f 1
x = 2 x 10 y
= 2y
x 2 + 10 x y 2 8

f 2 = y 2 + 1 f 2 +
2
= 2 xy 10 xy x 10 y 8
x y
primera iteracin
al evaluar la matriz en [x , y ]
0 0 T
se obtiene :
10 0 8
1 10 8

que al resolverse por eliminacin de Gauss da
h = 0.8, j = 0.88
al sustituir en la ecuacin se obtiene
x1 = x 0 + h = 0 + 0.8 = 0.8
y 1 = y 0 + j = 0 + 0.88 = 0.88
74
0 1
Calculo de la distancia entre x y x
x (1) x ( 0) = (0.8 0) 2 + (0.88 0) 2 = 1.18929
segunda iteracin
al evaluar la matriz en [x , y ]
1 1 T
se obtiene :
8.400 1.7600 1.41440

1.7744 8.592 0.61952

que al resolverse por eliminacin de Gauss da
h = 0.19179, j = 0.11171
al sustituir en la ecuacin se obtiene
x 2 = x1 + h = 0.8 + 0.19179 = 0.99179

y 2 = y 2 + j = 0.88 + 0.11171 = 0.99171
1 2
Calculo de la distancia entre x y x
x (1) x ( 0) = (0.99179 0.8) 2 + (0.99171 0.88) 2 = 0.22190
Con la continuacin de este proceso iterativo se obtienen los resultados siguientes:
k xk yk x k +1 x k
0 0.00000 0.00000 ------
1 0.80000 0.88000 1.18929
2 0.99179 0.99171 0.22195
3 0.99998 0.99997 0.01163
4 1.00000 1.00000 0.00004
75
3.4. Aplicaciones
Problema: En una columna de cinco platos, se requiere absorber benceno contenido en una
corriente de gas V, con un aceite L que circula a contracorriente del gas. Considrese que el
benceno transferido no altera sustancialmente el nmero de moles de V y L, fluyendo a
contracorriente, que la relacin de equilibrio est dada por la ley de henry (y = mx) y que la
columna opera a rgimen permanente. Calcule la composicin del benceno en cada plato.
Datos: V = 100 moles / min;
L = 500 moles / min, y 0 = 0.09 fraccin molar de benceno en V.
x0 = 0.0 fraccin molar del benceno en L (el aceite entra por el domo sin benceno).
m = 0.12.
Solucin : los balances de materia para el benceno en cada plato son
Plato Balance de benceno
5 L( x0 x5 ) + V ( y 4 y 5 ) = 0
4 L( x5 x 4 ) + V ( y 3 y 4 ) = 0
3 L( x 4 x3 ) + V ( y 2 y 3 ) = 0
2 L( x3 x 2 ) + V ( y1 y 2 ) = 0
1 L( x 2 x1 ) + V ( y 0 y1 ) = 0
Al sustituir la informacin que se tiene, las consideraciones hechas y rearreglando las

ecuaciones, se llega a:
512 x1 - 500 x2 = 9
12 x1 - 512 x2 + 500 x3 = 0
12 x2 - 512 x3 + 500 x4 = 0
12 x3 - 512 x4 + 500 x5 = 0
- 12 x4 + 512 x5 = 0
76
Un sistema de cinco ecuaciones con cinco incgnitas, que se resuelve con mathcad como
sigue:
1 0 0 0 0 0.018
512 500 0 0 0 9
4
12 512 500 0 0 0
0 1 0 0 0 4.32 10
5

A := 0 12 512 500 0 0 rref ( A ) = 0 0 1 0 0 1.037 10
0 0 12 512 500 0 7
0 0 0 1 0 2.487 10
0 0 0 12 512 0 9
0 0 0 0 1 5.829 10
Problema : Con los datos del diagrama siguiente 8 donde los porcentajes estn dados en
peso) , encuentre posibles valores de la corriente M 1 , M 2 , M 3 , si M 4 = 100kg
Solucin : Mediante balance de materia por componentes y global, se tiene:
Componente Balance de materia
Etanol 0.83M 1 + 0 M 2 + 0.55M 3 0.58M 4 = 0

Metanol 0 M 1 + 0.61M 2 + 0.24 M 3 0.21M 4 = 0
Agua 0.17 M 1 + 0.39M 2 + 0.21M 3 0.21M 4 = 0
M1 + M 2 + M 3 M 4 = 0
Global
77
0.83M 1 + 0M 2 + 0.55M 3 = 58
0M 1 + 0.61M 2 + 0.24M 3 = 21
0.17 M 1 + 0.39M 2 + 0.21M 3 = 21
M1 + M 2 + M 3 M 4 = 0
0.83 0 0.55 58 1 0 0 19.014

A := 0 0.61 0.24 21 rref( A ) = 0 1 0 4.225

0.17 0.39 0.21 21 0 0 1 76.761
por lo tanto M 1 = 19.014kg , M 2 = 4.225kg , M 3 = 76.761kg
Problema: Un granjero desea preparar una formula alimenticia para engordar ganado,
dispone maz, desperdicios, alfalfa y cebada, cada uno con ciertas unidades de ingredientes
nutritivos , de acuerdo con la tabla siguiente:
Alimento
Maz Desperdicios Alfalfa Cebada Requerimientos

unidades / Kg.
Carbohidratos 80 15 35 60 230
Protenas 28 72 57 25 180
Vitaminas 20 20 12 20 80
Celulosa 50 10 20 60 160
Costo $ 18 5 7 20 __
a) Determine los kilogramos necesarios de cada material para satisfacer el

requerimiento diario ( Presentado en la ultima columna)
b) Determine el costo de la mezcla.
78
( a)
80 15 35 60 230
1 0 0 0 1.852

A :=
28 72 57 25 180
rref( A ) =
0 1 0 0 1.032
20 0 0 1 0 0.618
20 12 20 80
50 0
10 20 60 160
0 0 1 0.745
( b) 1.852
kilogramos :=
1.032
Costo := ( 18 5 7 20 )
0.618
0.745

Total := Costo kilogramos Total = ( 57.722)
Problema : (manufactura). R. S. C. L. S y Asociados fabrica tres tipos de computadora

personal: Cicln, Cclope y Cicloide. Para armar una Cicln se necesitan 10 horas, otras 2
para probar sus componentes y 2 horas mas para instalar sus programas. El tiempo
requerido para la Cclope es 12 horas en su ensamblado, 2.5 para probarla y 2 horas para
instalarla. La Cicloide, la mas sencilla de la lnea, necesita 6 horas de armado, 1.5 horas de
prueba y 1.5 horas de instalacin. Si la fabrica de esta empresa dispone de 1560 horas de
trabajo por mes para armar, 340 horas para probar y 320 horas para instalar, cuantas PC
de cada tipo puede producir en un mes ?
Solucin:
Marcas Ensamblado Pruebas Instalacin
Cicln 10 2 2
Cclope 12 2.5 2
Cicloide 6 1.5 1.5
1560 340 320
10 x + 12 y + 6 z = 1560
2 x + 2.5 y + 1.5 z = 340
2 x + 2 y + 1.5 z = 320
79
Resuelta por el mtodo de Gauss Jordn
10 12 6 1560 1 0 0 60
A := 2 2.5 1.5 340 rref( A ) = 0 1 0 40

2 2 1.5 320 0 0 1 80
Por consiguiente cada mes se pueden fabricar 60 Ciclones, 40 Cclopes y 80 Cicloides.
Problema : ( Cambio de moneda extranjera ).Una empresaria internacional necesita, en

promedio, cantidades fijas de yenes japoneses, libras inglesas y marcos alemanes durante
cada viaje de negocios. Este ao viajo 3 veces. La primera vez cambio un total de $ 2550
dlar con las siguientes tasas: 100 yenes por dlar, 0.6 libras por dlar y 1.6 marcos por
dlar. La segunda vez cambio $ 2840 dlar en total con las tasas de 125 yenes, 0.5 libras y
1.2 marcos por dlar. La tercera vez, cambio un total de $ 2800 dlar a 100 yenes, 0.6 libras
y 1.2 marcos por dlar. Cuantos yenes, libras y marcos compro cada vez ?
Solucin:
1 1 1
x+ y+ z = 2550
100 0.6 1.6
1 1 1
x+ y+ z = 2840
125 0.5 1.2
1 1 1
x+ y+ z = 2800
100 0.6 1.2
1 1 1
2550
100 0.6 1.6
1 0 0 80000
A := 2840 rref( A ) = 0 1 0 600
1 1 1
125 0.5 1.2
1 1 1 0 0 1 1200
2800
100 0.6 1.2
En consecuencia, cada vez compro 80 000 yenes, 600 libras y 1200 marcos para viajar.
80
Problema : ( Calculo de una funcin demanda ). Bikey, Inc., quiere fabricar un nuevo tipo de
zapato deportivo, poco costoso, e investiga el mercado de la demanda. Encuentra que si un
par de zapatos nuevo cuesta $ 20 en un rea de ingreso familiar promedio de $ 20000, y que
si un competidor Trceps , Inc., vende cada par de zapatos a $ 20, vendera 660 pares. Por
otro lado, si el precio fuera igual y Trceps bajara su precio a $10 el par, entonces, vendera
1130 pares en un rea de $ 30000 de ingreso. Por ultimo, si el precio de los zapatos fuera $
15 el par, y la competencia se queda en $ 20 el par, se vendera 1010 pares en un rea de
$25000 de ingreso. Determine la funcin demanda, suponiendo que depende linealmente de
sus variables.
Solucin:
Sea D = a P + b I + c C . Deseamos conocer a, b y c.
20a + 20000b + 20c = 660

20a + 30000b + 10c = 1130
15a + 25000b + 20c = 1010
20 20000 20 660 1 0 0 20
A := 20 30000 10 1130 rref( A ) = 0 1 0 0.05

15 25000 20 1010 0 0 1 3
Por consiguiente , la funcin demanda esta expresada por D = 20P + 0.05I + 3C
Problema: ( soluciones qumicas ). Se necesitan tres ingredientes distintos, A, B y C , para

producir determinada sustancia. pero deben disolverse primero en agua, antes de ponerlos a
reaccionar para producir la sustancia. La solucin que contiene A con 1.5 gramos por
centmetros cbicos ( g / cm3 ), combinada con la solucin B cuya concentracin es de 3.6 g
/ cm3 y con la solucin C con 5.3 g / cm3 forma 25.07 g de la sustancia. si las proporciones
de A, B y C en esas soluciones se cambian a 2.5, 4.3 y 2.4 g / cm3 , respectivamente (
permaneciendo iguales los volmenes ), se obtienen 22.36 g de la sustancia. Por ultimo, si
las proporciones se cambian a 2.7, 5.5 y 3.2 g / cm3 , respectivamente, se producen 28.14 g
de la sustancia. Cuales son los volmenes, en centmetros cbicos, de las soluciones que
contienen A, B y C?
81
Solucin:
1.5 x + 3.6 y + 5.3 z = 25.07

2.5 x + 4.3 y + 2.4 z = 22.36
2.7 x + 5.5 y + 3.2 z = 28.14
1.5 3.6 5.3 25.07 1 0 0 1.5

A := 2.5 4.3 2.4 22.36 rref( A ) = 0 1 0 3.1

2.7 5.5 3.2 28.14 0 0 1 2.2
Por consiguiente, los volmenes correspondientes de las soluciones que contienen A, B y C

son 1.5 cm3 , 3.1 cm3 y 2.2 cm3.
Ejemplo: Un ingeniero industrial supervisa la produccin de cuatro tipos de computadoras.

Se requiere cuatro clases de recursos horas-hombre, metales, plsticos y componentes
electrnicos en la produccin. En el cuadro siguiente se resumen las cantidades
necesarias para cada uno de estos recursos en la produccin de cada tipo de computadora.
Si se dispone diariamente de 504 horas-hombre, 1970 Kg. de metal , 970 Kg. de plstico y
601 componentes electrnicos, Cuntas computadoras de cada tipo se puede construir por
da?
Computadoras Horas-hombre, Metales Plsticos Componentes,

kg/computadora kg/computadora kg/computadora unidades /
computadora
1 3 20 10 10
2 4 25 15 8
3 7 40 20 10
4 20 50 22 15
Totales 504 1970 970 601
82
Usando mathcad
3 4 7

20 504 1 0 0 0 10

A :=
25 40 50 1970
rref ( A ) =
20 0 1 0 0 12
10 15 20 22 970 0 0 1 0 18
10 0
8 10 15 601 0 0 1 15
3 4 7 20 504

M :=
20 25 40 50 1970
v :=
10 15 20 22 970
10 601
8 10 15
soln := lsolve ( M , v ) 10
soln =
12
18
15

504 4 7
20 3 504 7
20
1970 25 40
50 20 1970 40
50
970 15 20 22 10 970 20 22

x :=
601 8 10 15
x :=
10 601 10 15
1
3 4 7 20

2
3 4 7 20

20 25 40 50 20 25 40 50
10 15 20 22 10 15 20 22

10 8 10 15 10 8 10 15
x = 10 x = 12
1 2
3 4 504 20 3 4 7 504
20 25 40 1970
20 25 1970 50
970
10 15 970 22

10 15 20

10 8 10 601
x :=
10 8 601 15 x :=
3
3 4 7 20
4
3 4 7 20

20 25 40 50
20 25 40 50
22
10 15 20 22

10 15 20

10 8 10 15
10 8 10 15
x = 15
x = 18 4
3
83
Problema : Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH,

existen tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin
de estos depsitos viene dad en la siguiente tabla. Cuantas m3 debe tomar de cada
depsito para cumplir con las necesidades requeridas ?
Sustancia Depsito ( % )
1 2 3
NaCl 52 20 25
KCl 30 50 20
NaOH 18 30 55
Solucin:
0.52 0.20 0.25 4800 1 0 0 3744.767

A := 0.30 0.50 0.20 5810 rref( A ) = 0 1 0 7071.744

0.18 0.30 0.55 5960 0 0 1 5753.488
Problema: Sobre una membrana elstica, apoyada en sus extremos actan 3 fuerzas
f1 , f 2 , f 3 , aplicadas en 3 puntos equidistantes P1 , P2 , P3 . Estas fuerzas provocan los
siguientes deshilamiento en cada punto respectivamente 3, 5 y 3 , si los coeficientes de
influencia son a1, 2 = 3 ; a1, 2 = 2 ; a1, 3 = 1 ; para el P1 y a 2,1 = 2 ; a 2, 2 = 4 ; a 2,3 = 1 / 5
para P2 y a 3,1 = 1 ; a3, 2 = 2 ; a 3,3 = 3 para P3 . Se piden determinar las fuerzas para
f1 , f 2 , f 3 .
1 0 0 5
29
3 2 1 3
1 0 0 0.172
A := 2 4
1 67
rref( A ) = 0 1 0 1.155
5 rref( A ) = 0 1 0
5 58

1 2 3 3
5 0 0 1 0.172
0 0 1
29
84
Problema: Determine las concentraciones molares de una mezcla de cinco componentes en

solucin a partir de los siguientes datos espectrofotometricos .
Longitud de Absorbancia molar del componente Absorbancia

onda total
j observada
i
1 2 3 4 5
1 98 9 2 1 0.5 0.1100
2 11 118 9 4 0.88 0.2235
3 27 27 85 8 2 0.2800
4 1 3 17 142 25 0.3000
5 2 4 7 17 118 0.1400
Asmase que la longitud de la trayectoria ptica es unitaria y que el solvente no absorbe a

estas longitudes de onda. Utilice el mtodo de Gauss Seidel. Utilizando como criterio de
paro = 0.002 ; C j = es la concentracin molar del componente j en la mezcla.
85
UNIDAD 4
DIFERENCIACION E
INTEGRACION
NUMERICA
Objetivo:
Aplicara los mtodos numricos para la
solucin de problemas de diferenciacin
e integracin numrica, usando un
UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA
4.1 Diferenciacin numrica.

Cuando se va a practicar una operacin en una funcin tabulada, el camino es aproximar la
tabla por alguna funcin y efectuar la operacin aproximadamente. As se procedi en la
integracin numrica y as se proceder en la diferenciacin numrica; esto es, se
aproximara la funcin tabulada f(x) y se diferenciara la aproximacin p n (x).
Si la aproximacin es polinomial y con el criterio de ajuste exacto, la diferenciacin numrica

consiste simplemente en diferenciar la formula del polinomio interpolante que se utilizo. Sea
en general.
f ( x ) = p n ( x ) + Rn ( x )
y la aproximacin de la primera derivada queda entonces
df ( x) dp n ( x)
=
dx dx
o en general
d n f ( x) d n p n ( x)
=
dx n dx n
Al diferenciar la formula fundamental de Newton dada arriba se tiene
d n f ( x ) d n p n ( x ) d n Rn ( x )
= +
dx n dx n dx n
d n Rn ( x ) d n f ( x) d n p n ( x)
donde es el error que se comete al aproximar por .
dx n dx n dx n
Si las abcisas dadas x 0 , x1 ,..., x n estn espaciadas regularmente por intervalos de longitud
h, entonces p n (x ) puede escribirse en trminos de diferencias finitas.
Y la primera derivada de f(x) queda aproximada por
df ( x) f ( x1 ) f ( x0 )
=
dx h
Se desarrollan las diferencias hacia delante y se tiene
87
df ( x) 2 x x0 x1 2h 2 x 4 x + 2 x1 + 2h 2 x x0 x1
= f ( x0 ) + 0 f ( x1 ) + f ( x2 )

2 2
dx 2h 2h 2h 2
la segunda derivada puede calcularse derivando una vez mas con respecto a x, o sea
d 2 f ( x) 1 2 1
2
= 2 f ( x0 ) 2 f ( x1 ) + 2 f ( x 2 )
dx h h h
Problema : La ecuacin de Van der Walls para un gmol de CO2 es
a
P + 2 (v b ) = RT
v
donde
a = 3.6 x10 6 atm * cm 6 / gmol 2

b = 42.8cm 3 / gmol
R = 82.1atm * cm 3 / gmol * K
Si T = 350 K, se obtiene la siguiente tabla de valores.
Puntos 0 1 2 3
P (atm) 13.782 12.577 11.565 10.704
3
V (cm ) 2000 2200 2400 2600
P
Calcule cuando v = 2300 cm3 y comprelo con el valor de la derivada analtica
v
Solucin :
P 2v v 0 v1 2h 2v 4v + 2v1 + 2h 2v v 0 v1
= P0 + 0 P1 + P2 ; con h = 200
v 2h 2
2h 2
2h 2
2 ( 2300 ) 2000 2200 2 ( 200 ) 2 ( 2000 ) 4 ( 2300 ) + 2 ( 2200 ) 2 ( 200 )

= 2
(13 .782 ) + (12 .577 )
2 ( 200 ) 2 ( 200 ) 2
2 ( 2300 ) 2000 2200
+ (11 .565 ) = 0 .00506
2 ( 200 ) 2
88
La derivada analtica es
a a b a a b
Pv Pb + RT P( v b ) + RT
v v
2 v v
2
a a b R T a a b R T
+ + + +
(v2 v b) (v3 v2 b)
P( v ) P( v )
v( v b) 2
v (v b) ( v b) ( v b)
d a d a b + d R T simplify 1 2 a v 4 a v b + 2 a b R T v ( 2 2 3)
+
dv v v b dv v v b dv v b
2 3 2
v
3
( v + b )
2
R := 82.1 T := 350 a := 0.0000036 b := 42.8 v := 2300
1 (2 a v2 4 a v b + 2 a b2 R T v3) -3
5.6398962938964669366 10
3 2
v ( v + b )
Problema : En una reaccin qumica A + B ----> Productos, la concentracin del reactante A

es una funcin de la presin P y la temperatura T. La siguiente tabla presenta la
concentracin de A en gmol/L como una funcin de estas dos variables.
P (Kg/cm2) Temperatura T (K)
273 300 325 360

1 0.99 0.97 0.96 0.98
2 0.88 0.82 0.79 0.77
8 0.62 0.51 0.48 0.45
15 0.56 0.49 0.46 0.42
20 0.52 0.44 0.41 0.37
Calcule la variacin de la concentracin de A con la temperatura a P = 8 Kg/cm2 y T = 300 K,

usando un polinomio de segundo grado.
Solucin.
C A
Lo que se busca es en si T =300, P =8 que se puede evaluar con la ecuacin
T
89
dp 2 ( x) 2 x x1 x 2 2 x x0 x2 2 x x0 x1
= f ( x0 ) + f ( x1 ) + f ( x 2 )
dx ( x0 x1 )( x0 x 2 ) ( x1 x0 )( x1 x 2 ) ( x 2 x0 )( x 2 x1 )
donde f(x) representa a CA y x a T; de tal modo que sustituyendo los tres puntos enmarcados
de la tabla queda
p2 ( x) C A (2(300) 300 325)(0.62)

= T =300, P =8 =
x T (273 300)(273 325)
(2(300) 273 325)(0.51) (2(300) 273 300)(0.48) gmol
+ + = 0.0026
(300 273)(300 325) (325 273)(325 300) LK
90
Diferencias divididas finitas de la primera derivada hacia delante
Primera derivada
f ( xi +1 ) f ( xi )
f ( xi ) =
h
f ( xi + 2 ) + 4 f ( xi +1 ) 3 f ( xi )
f ( xi ) =
2h
Segunda derivada
f ( xi + 2 ) 2 f ( xi +1 ) 3 f ( xi )
f ( xi ) =
h2
f (xi +3 ) + 4 f ( xi + 2 ) 5 f ( xi +1 ) + 3 f ( xi )
f ( xi ) =
h2
Tercera derivada
f (xi +3 ) 3 f ( xi + 2 ) + 3 f ( xi +1 ) f ( xi )
f ( xi ) =
h3
3 f (xi + 4 ) + 14 f (xi +3 ) 24 f ( xi + 2 ) + 18 f ( xi +1 ) 5 f ( xi )
f ( xi ) =
2h 3
Cuarta derivada
f (xi + 4 ) 4 f ( xi +3 ) + 6 f ( xi + 2 ) 4 f ( xi +1 ) + f ( xi )
f ( xi ) =
h4
2 f (xi +5 ) + 11 f (xi + 4 ) 24 f (xi +3 ) + 26 f ( xi + 2 ) 14 f ( xi +1 ) + 3 f ( xi )

f ( xi ) =
h4
91
donde:
fi = se le conoce como la primera diferencia hacia adelante y
h = se le llama tamao del paso, esto es la longitud del intervalo sobre el cual se hace la
aproximacin.
Se le llama diferencia hacia adelante ya que se usa los datos i e i + 1 para estimar la
derivada.
Esta diferencia dividida hacia adelante no es sino una de tantas que se puede desarrollar
mediante la serie de Taylor para la aproximacin de derivadas numricas. Por ejemplo, las
aproximaciones a primeras derivadas, utilizando las diferencias hacia atrs o las diferencias
centrales se pueden desarrollar de una manera similar a la ecuacin:
Aproximaciones a la primera derivada con diferencia hacia atrs.
Primera derivada
f ( xi ) f ( xi 1 )
f ( xi ) =
h
3 f ( xi ) 4 f ( xi 1 ) + f ( xi 2 )
f (xi ) =
2h
Segunda derivada
f ( xi ) 2 f ( xi 1 ) + f (xi 2 )
f ( xi ) =
h2
2 f ( xi ) 5 f ( xi 1 ) + 4 f ( xi 2 ) f ( xi +3 )
f ( xi ) =
h2
Tercera derivada
f ( xi ) 3 f ( xi 1 ) + 3 f ( xi 2 ) f (xi 3 )
f ( xi ) =
h3
5 f ( xi ) 18 f ( xi 1 ) + 24 f ( xi 2 ) 14 f ( xi 3 ) + 3 f ( xi 4 )
f ( xi ) =
2h 3
92
Cuarta derivada
f (xi ) 4 f ( xi 1 ) + 6 f ( xi 2 ) 4 f ( xi 3 ) + f (xi 4 )
f ( xi ) =
h4
3 f ( xi ) 14 f ( xi 1 ) + 26 f ( xi 2 ) 24 f ( xi 3 ) + 11 f (xi 4 ) 2 f ( xi 5 )
f ( xi ) =
h4
Aproximaciones a la primera derivada con diferencias centrales.
Primera derivada
f ( xi +1 ) f ( xi 1 )
f ( xi ) =
2h
f (xi + 2 ) + 8 f ( xi +1 ) 8 f ( xi 1 ) + f (xi 2 )
f ( xi ) =
12h
Segunda derivada
f ( xi +1 ) 2 f ( xi ) + 3 f ( xi 1 )
f ( xi ) =
h2
f ( xi + 2 ) + 16 f ( xi +1 ) 30 f ( xi ) + 16 f ( xi 1 ) f ( xi 2 )
f ( xi ) =
12h 2
Tercera derivada
f ( xi + 2 ) 2 f ( xi +1 ) + 2 f ( xi 1 ) f ( xi 2 )
f ( xi ) =
2h 3
f (xi +3 ) + 8 f (xi + 2 ) 13 f ( xi +1 ) + 13 f ( xi 1 ) 8 f ( xi 2 ) + f ( xi 3 )
f ( xi ) =
8h 3
93
Cuarta derivada
f (xi + 2 ) 4 f (xi +1 ) + 6 f ( xi ) 4 f ( xi 1 ) + f ( xi 2 )
f ( xi ) =
h4
f (xi +3 ) + 12 f (xi + 2 ) + 39 f (xi +1 ) + 56 f (xi ) 39 f ( xi 1 ) + 12 f (xi 2 ) + f ( xi 3 )

f ( xi ) =
6h 4
Las aproximaciones mas exactas de la primera derivada se pueden desarrollar incluyendo

en la serie de Taylor trminos de orden mas alto. Finalmente, todas las versiones anteriores
se pueden desarrollar para derivadas de segundo orden, tercer orden y ordenes superiores.
Ejemplo : Formulas de diferenciacin con alta exactitud.
Planteamiento del problema:
F (x) = - 0.1 x 4 0.15 x 3 0.5 x 2 0.25 x + 1.2
En x = 0.5 usando un tamao de paso h = 0.25.
Solucin:
F (x) = - 0.4 x 3 0.45 x 2 1.0 x 0.25 x
Y se puede usar para calcular el valor exacto de :
F (x) = - 0.4 x 3 0.45 x 2 1.0 x 0.25 x ; X = 0.5; f ( 0.5) = - 0.9125.
94
x i 2 = 0 f (x i 2 ) = 1.2
x i 1 = 0.25 f (x i 1 ) = 1.103516
x i = 0.5 f (x i ) = 0.925
x i +1 = 0.75 f (x i +1 ) = 0.6363281
x i +2 = 1 f (x i + 2 ) = 0.2
Estos datos se pueden usar para calcular la diferencia dividida hacia delante
0.2 + 4(0.6363281) 3(0.925)

f (0.5) = = 0.859375
2(0.25)
la diferencia dividida hacia atrs
3(0.925) 4(1.103515625 ) + 1.2

f (0.5) = = 0.878125
2(0.25)
Y la diferencia dividida central
0.2 + 8(0.6363281) 8(1.103515625) + 1.2

f (0.5) = = 0.9125
12(0.25)
Ejercicios propuestos:
sense aproximaciones de diferencias de 0(h) hacia atrs y hacia delante y una

aproximacin central de 0 (h2 ). Para estimar la primera derivada de la funcin mencionada .
F(X) = 25 x3 6x 2 + 7x 88
Evalese la derivada en x = 2.5 usando un tamao de paso de h = 0.25. comprense los

resultados con el valor correcto de la derivada en x = 2.5.
4.2 Integracin numrica

De acuerdo a la definicin del diccionario, integrar significa unir todas las partes en un todo;
unificar; indicar la cantidad total, . . . . matemticamente, la integracin se representa por
b
I = a f ( x )dx
EC. 1
95
La cual representa a la integracin de la funcin f (x) con respecto a la variable x, evaluada

entre los limites x = a y x = b.
Como lo sugiere la definicin del diccionario, el significado de la ecuacin es el valor total o

sumatoria de f (x ) dx sobre el intervalo de x = a a b. En realidad, el smbolo es una s
mayscula estilizada que indica la conexin cercana entre la integracin y la sumatoria (
Thomas y Finney, 1979).
La figura 1 , representa una manifestacin grafica de este concepto. Para las funciones que
se encuentran sobre el eje x, la integral expresada por la ecuacin 1, corresponde al rea
bajo la curva de f (x) entre x = a y x = b. Habr muchas ocasiones de volver a referirse a
esta concepcin grafica a medida que se desarrollen formulas matemticas para integracin
numrica. De hecho, la mayor parte de los mtodos numricos para integracin, se puede
interpretar desde una perspectiva grafica.
figura 1. Representacin grafica de la integral de f(x) .
Formulas de integracin de Newton - cotes
Las formulas de Integracin de Newton-Cotes son los esquemas de integracin numrica

ms comunes. Se basan en la estrategia de reemplazar una funcin complicada o datos
tabulados con una funcin aproximada que sea fcil de integrar :
b b
I = f ( x)dx f n ( x)dx
a a
donde f n (x)=polinomio
96
donde n es el orden del polinomio. Por ejemplo en la figura (1) , se usa un polinomio de
primer orden (una lnea recta) como aproximacin. En la figura (1 b) se emplea una parbola
para el mismo propsito.
figura 1 : estimacin de una integral mediante el rea bajo a) una lnea recta, y b) una
parbola.
La integral se puede aproximar usando una serie de polinomios aplicados por partes a la
funcin o a los datos sobre intervalos de longitud constantes. Por ejemplo en la figura 2, se
usan tres segmentos de lnea recta para aproximar la integral.
figura 2: aproximacin de la integral mediante el rea bajo tres segmentos.
Se puede usar polinomio de mayor grado para este mismo propsito. Con estos
fundamentos ahora se reconoce que el mtodo de bandasde la figura 3 empleo una serie
de polinomios de orden cero ( esto es, constantes) para aproximar la integral.
97
Se dispone de las formas abiertas y cerradas de las formulas de Newton-Cotes. Las formas
cerradas son aquellas en donde los puntos al principio y al final de los limites de integracin
se conocen figura (3 a. )
figura 3: diferencia entre formulas de integracin a) cerradas y b) abiertas.
Las formulas tienen los limites de integracin extendidos mas all del rango de los datos
figura (3 b) . Las formulas abiertas de Newton Cotes, en general, no se usan en la
integracin definida. Sin embargo, se usan extensamente en la solucin de ecuaciones
diferenciales ordinarias.
Fundamentos matemticos
b b
I = a f (x )dx = F (x ) a
en donde F(x) es la integral de F(x) , esto es , cualquier funcin tal que F(x) = f(x) . la
nomenclatura sobre el lado derecho queda
b
F (x ) a = F (b ) F (a )
4.2.1 Mtodo del trapecio

La regla del trapecio o regla trapezoidal es la primera de las formulas de integracin cerrada
de Newton-Cotes. Corresponde al caso donde el polinomio en la ecuacin [1] es de primer
orden :
98
b b
/ = f ( x)dx f1 ( x)dx
a a
Recuerde que una lnea recta se representa como :
f (b ) f (a )
f1 ( x ) = f (a ) + (x a )
ba
El rea bajo la lnea recta es una aproximacin de la integral de f (x) entre los limites a y b :
b f (b) f (a )
I = f (a ) + ( x a ) dx
a
ba
El resultado de la integracin es :
f ( a ) + f (b)
I = (b a )
2
La cual se denomina regla trapezoidal.
Error de la regla Trapezoidal
Cuando empleamos la integral bajo un segmento de lnea recta para aproximar la integral
bajo una curva, obviamente podemos incurrir en un error que puede ser sustancial. Una
estimacin para el error de truncamiento de una sola aplicacin de la regla trapezoidal es :
f ( )(b a )
1
Et =
3
12
donde est en algn lugar en el intervalo de "a" a "b". La ecuacin anterior indica que si la
funcin sujeta a integracin es lineal, la regla trapezoidal ser exacta.
De otra manera, ocurrir un error para funciones con derivadas de segundo y tercer orden
(es decir con curvatura).
99
Ejemplo: aplicacin de la regla trapezoidal simple para integrar numricamente
2 3 4 5
f ( x) := 0.2 + 25x 200x + 675x 900x + 400x x := 0 , 0.001.. 0.8
a := 0 b := 0.8
b
4
I := f ( x) dx I = 1.64053333
1 1
a
f ( x) 2
I := ( b a)
f ( a) + f ( b )

2 0 0.5 1
x
I = 0.1728
que representan un error de
E v = 1.64053334 0.1728 = 1.46773334
Que corresponde a un error relativo porcentual de v = 89.5 % . La razn para este error
tan grande es evidente en la grafica .
ntese que el rea bajo la lnea recta descuida una porcin significativa de la integral sobre
la lnea.
En la situacin actual, no se tendra conocimiento previo del valor verdadero. Por lo tanto, se
requiere una aproximacin al error. Parta obtener esta aproximacin, se calcula la segunda
derivada de la funcin sobre el intervalo , derivando la funcin original dos veces para dar
100
b

2
d
f ( x) dx
2
dx

a
media := media = 60
ba
1 3
E := media ( b a)
a 12 E = 2.56
a
Que es el mismo orden de magnitud y signo que tiene el error verdadero.
Existe una discrepancia debido a que un intervalo de este tamao, el promedio de la

segunda derivada no es necesariamente una aproximacin exacta de f ( ). Por lo tanto, se
denota que el error es aproximado usando la notacin E a , en vez de usar E v.
Ejercicio : aplicacin de la regla trapezoidal simple
2 4
f ( x) := 10 + 2x 6x + 5x x := 0 , 0.001.. 10
a := 0 b := 10
6 .10
4
b

I := f ( x) dx I = 98200
1 1
4 .10
a 4
f ( x)
2 .10
4
I := ( b a)
f ( a) + f ( b )

2 0 5 10
I = 247200 x
101
3 5
f ( x) := 1 x 4x + 3x x := 3 , 2.99 .. 5
a := 3 b := 5
1 .10
4
b

I := f ( x) dx I = 6904
1 1
a 5000
f ( x)
5 0 5
I := ( b a )
f ( a) + f ( b )
5000
2
I = 33016 x
f ( x) := 8 + 5 sin ( x) x := 0 , 0.001..
a := 0 b :=
b 14

I := f ( x) dx I = 35.13274123
1 1
a 12
f ( x)
10
I := ( b a)
f ( a) + f ( b )
8
2 0 1 2 3 4
I = 25.1327 x
La regla del trapecio utilizando segmentos mltiples
Una mejor manera de mejorar la actitud de la regla trapezoidal es la de dividir el intervalo

de integracin de a a b en un conjunto de segmentos y aplicar el mtodo a cada uno de los
segmentos.
102
Figura: ilustracin de la regla trapezoidal mltiple a) dos segmentos, b) tres segmentos; c)

cuatro segmentos; d) cinco segmentos
En seguida se suman las reas de los segmentos individuales y se obtiene la integral sobre
el intervalo completo. A las ecuaciones resultantes se les conoce como formulas de
integracin de segmento mltiple o formulas de integracin compuestas.
ba
h=
n
Si a y b son designados como X o y X n, respectivamente, la integral total se representa como
x1 x2 xn
I = f ( x) dx + f ( x ) dx + ... + f ( x) dx
x0 x1 xn 1
Al sustituir la regla trapezoidal para cada integral se obtiene :
f (x0 ) f (x1 ) f ( x1 ) f (x2 ) f ( xn 1 ) f ( xn )

I = h + h + ... + h
2 2 2
o mediante agrupacin de trminos :
103
h n 1

I= f ( x 0 ) + 2 f ( x i ) + f ( x n )
2 i =1
n 1
f ( x 0 ) + 2 f ( x i ) + f ( x n )
en formato general es : I = (b a ) i =1
2n
ya que la sumatoria de los coeficientes de f(x) en el numerador dividido por 2n es igual a 1,

la altura promedio representa un promedio pesado de los valores de la funcin. De acuerdo
a la ecuacin anterior , las alturas de los puntos interiores aparecen doblemente respecto a
los puntos finales f ( x0) y f (x n ).
f (b a )3 f
f = i =1
por lo tanto. Ea =
n 12n 2
De esta manera que , si el numero de segmento se duplica , el error de truncamiento

disminuye a un cuarto de su valor. Ntese que la ecuacin anterior es un error aproximado
debido a la naturaleza aproximada de la ecuacin.
Ejemplo : regla trapezoidal de segmentos mltiples.
104
2 3 4 5
f ( x) := 0.2 + 25x 200x + 675x 900x + 400x x := 0 , 0.001.. 0.8
a := 0 b := 0.8
n := 2
b

Int := f ( x) dx Int = 1.64053333

a
ba
h :=
n h = 0.4 4
x := 0 x := x + h x := x + h
0 1 0 2 1
f ( x) 2
x = 0.4 x = 0.8
1 2
f ( x0) + 2 f ( x1) + f ( x2)

I := ( b a) 0 0.5 1
2 n
x
I = 1.0688
Ejercicio : regla trapezoidal de segmentos mltiples
f ( x) := 8 + 5 sin ( x) x := 0 , 0.001..
a := 0 b :=
n := 6 14
b

Int := f ( x) dx Int = 35.13274123 12

a
f ( x)
ba 10
h :=
n h = 0.523599
8
0 1 2 3 4
x
105
UNIDAD IV / DIFERENCIA
D ACION E INT
TEGRACION NUMERIC
CA
x := 0 x := x + h x := x + h x := x + h x := x + h x := x + h
0 1 0 2 1 3 2 4 3 5 4
x = 0.523599 x = 1.047198 x = 1.5707966
1 2 3 x = 2.0943995 x = 2.6179994
4 5
x := x + h
6 5
x = 3.141593
3
6
f ( x0) + 2 ( f ( x1) + f ( x2) + f ( x3) + f ( x4) + f ( x5) ) + f ( x6)

I := ( b a)
2 n
I = 34.90322744
b
2
d f(( x) dx
dx2
3
( b a)
a a
E := E = 0.2284633
2 ba
12 n
4
4.2.2 Mto
odo de Simp
pson
U forma de obtener una estimacin exacta
Un e de una
a integral es con
c el uso de
e polinomios de
o
orden superio
or para conectar los punto
os. Por ejemplo, si hay un punto extra
a a la mitad del
d
c
camino entre f(a) y f(b), loss tres puntos se pueden co
onectar con una
u parbola..
S hay dos puntos

Si p igualm
mente espaciiados entre f(a)
f y f(b), lo
os cuatro pun
ntos se pued
den
c
conectar con un polinomio
o de tercer ord
den.
1
106
Las formulas que resultan al tomar las integrales bajo esos polinomios son conocidos como
reglas de Simpson.
Regla de Simpson 1/3
La Regla de Simpson 1/3 resulta cuando una interpolacin polinomial de segundo orden es
sustituida en la ecuacin :
ba
d d h=
I = f ( x)dx f 2 ( x)dx 2
b b
donde, para este caso, h = (b - a)/2. Esta ecuacin es conocida como regla Simpson 1/3. La
especificacin"1/3" surge del hecho de que h est dividida entre 3 en la ecuacin anterior .
La regla de Simpson 1/3 se expresa tambin con el uso del formato de la ecuacin :
f ( x0 ) + 4 f ( x1 ) + f ( x 2 )
I = (b a )
6
Ejemplo de aplicacin de la regla de Simpson de 1/3 simple
2 3 4 5
f ( x) := 0.2 + 25x 200 x + 675 x 900 x + 400 x
desde a = 0 hasta b = 0.8

solucion
el valor exacto es:
0.8

f ( x) dx 1.640533333333333333

0
x := 0 , 0.01 .. 0.8
107
f ( x) 2
0 0.5 1
x
(b a) a := 0 b := 0.8
h :=
2
h = 0.4 2 3 4 5
f ( x) := 0.2 + 25 x 200 x + 675 x 900 x + 400 x
f ( a ) = 0.2 f ( h ) = 2.456 f ( b ) = 0.232

la regla de Simpson 1/3
f ( a ) + 4 f ( h ) + f ( b )
I := ( b a )
6
I = 1.367467
0.8

4
d
f ( x ) dx
4
dx

0
media := 2400.0000000000000000
b a
5 1 5
(b a) E := h media
E := media 90
a 2880
E = ( 0.2730667 )
E = 0.2730667
a
Problemas propuestos: evalense las integrales con la aplicacin simple de la regla Simpson
de 1/3
(10 + 2x 6x2 + 5x4) dx

10

( a)

0
(1 x 4x3 + 3x5) dx
5

(b)

3
108
UNIDAD IV / DIFERENCIA
D ACION E INT
TEGRACION NUMERIC
CA

( c) ( 8 + 5 sin ( x) ) d x 8 + 100

0
4
2x 7 1
( d) x e d x exxp( 8) +
4 4
0
R
Regla de Sim
mpson 1/3 de
e segmentos
s mltiple
L Regla de Simpson
La S se puede
p mejora
ar al dividir el intervalo de integracin
i en
n un numero de
s
segmentos de
e igual anchu
ura
ba
h=
n
L integral tottal se puede representar como

La c :
n 1 n2
f ( x0 ) + 4
i =1, 3, 5
f ( xi ) + 2 f (x
j = 2, 4, 6
j ) + f ( xn )
I = (b a)
3n
O
Observe que
e, se debe uttilizar un num
mero par de segmentos
s p
para implementar el mtod
do.
A
Adems, los coeficientes "4"y "2" en la
a ecuacin po
odran parece
er peculiares a primera vissta.
S embargo
Sin o, siguen en
n forma natu
ural la regla
a de Simpso
on 1/3. Los puntos non
nes
r
representan el
e termino me
edio para cad
da aplicacin
n. Los puntoss pares son comunes
c en las
a
aplicaciones adyacentes y por tanto se cuentan dos veces.
1
109
Un error estimado para la aplicacin de la regla de Simpson se obtiene sumando los errores
individuales de los segmentos y sacando el promedio de la derivada.
(b a) 5 ( 4)
Ea = f ( )
180n 4
donde f (4) es el promedio de la cuarta derivada para el intervalo
Ejemplo : de la regla de Simpson de 1/3 de aplicacin mltiples
2 3 4 5
f ( x) := 0.2 + 25x 200 x + 675 x 900 x + 400 x
desde a = 0 hasta b = 0.8 con n = 4

solucion
el valor exacto es:
0.8

f ( x) dx 1.640533333333333333

0
x := 0 , 0.01 .. 0.8
,
f ( x) 2
0 0.5 1
x
(b a) a := 0 b := 0.8 n := 4
h :=
n 2 3 4 5
f ( x) := 0.2 + 25 x 200 x + 675 x 900 x + 400 x
h = 0.2
110
x := a x := a + h x := a + h + h x := a + h + h + h x := b
0 1 2 3 4
x = 0 x = 0.2 x = 0.4 x = 0.6 x = 0.8

( 4 ) = 0.232
0 1 2 3 4
f x ( 0 ) = 0.2 f x ( 1 ) = 1.288 f x( 2 ) = 2.456 f x( 3 ) = 3.464 f x
la regla de Simpson 1/3 de aplicacin multiple
f ( x ) + 4 ( f ( x ) + f ( x ) ) + 2 ( f ( x ) ) + f ( x )
0 1 3 2 4
I := (b a)
3 n
I = 1.623467
0.8

4
d
f ( x ) dx
4
dx

0
media := 2400.0000000000000000
b a
5
(b a)
E := media
a 4
180 n
E = 0.017067
a
Regla de Simpson 3/8
ba f ( x0 ) + 3[ f ( x1 ) + f ( x 2 )] + f ( x3 )
h= I = (b a)
3 8
111
(b a) 5 ( 4)
Ea = f ( )
6480
LA REGLA DE SIMPSON 3/8
( a ) Con la regla de Simpson 3/8 integre

2 3 4 5
f ( x) := 0.2 + 25 x 200 x + 675 x 900 x + 400 x
desde a = 0 hasta b = 0.8 con n = 4
( b ) Usela junto con la regla de simpson 1/3 con la finalidad de integrar la misma funcion
en cinco segmentos.
solucion
( a ) Una sola aplicacion de la regla de Simpson requiere cuatro puntos equidistantes:
el valor exacto es:

0.8

f ( x) dx 1.640533333333333333

0
x := 0 , 0.01 .. 0.8
f ( x) 2
0 0.5 1
x
( b a) a := 0 b := 0.8 n := 4
h :=
3 2 3 4 5
f ( x) := 0.2 + 25x 200x + 675x 900x + 400x
h = 0.267
x := a x := a + h x := a + h + h x := b
0 1 2 3
x =0 x = 0.267 x = 0.5333 x = 0.8

0 1 2 3
f x ( 0) = 0.2 f (x1) = 1.432724 ( 2) = 3.487177
f x f x ( 3) = 0.232
112
la regla de Simpson 3/8

I := (b a)
( 0) ( 1)
f x + 3 f x + 3 f x + f x ( 2) ( 3)
8
I = 1.51917
0.8

4
d
f(x) dx
4
dx

0
media:= 2400.0000000000000
ba
5
( b a )
E := media
a 6480
E = 0.121363
a
(b) Los datos necesarios para una aplicacion con cinco segmentos
( b a) a := 0 b := 0.8 n := 5
h :=
n 2 3 4 5
f ( x) := 0.2 + 25x 200x + 675x 900x + 400x
h = 0.16
x := a x := a + h x := a + h + h x := a + h + h + h x := a + h + h + h + h
0 1 2 3 4
x := a + h + h + h + h + h
5
x = 0.32 x = 0.48 x = 0.64 x = 0.8
x =0 x = 0.16 2 3 4 5
0 1
f x ( 0) = 0.2 f (x1) = 1.296919 f (x2) = 1.743393 f(x3) = 3.186 f (x4) = 3.182 ( 5) = 0.232
f x
113
La integral para los dos primeros segmentos se obtiene usando la regla de simpson
1/3
( )
f x + 4 f x + f x ( ) ( ) x = 0 x = 0.16 x = 0.32
( )
0 1 2 0 1 2
I := x x
1
2 0 6
I = 0.3803237
1
Para los ultimos tres segmentos , la regla 3/8 se utiliza para obtener
f x + 3 f x + f x ( ) (( )
+ f x ( ))
x = 0.32 ( ) x = 0.48 x = 0.64 x = 0.8
( )
2 3 4 5 2 3 4 5
I := x x
2 5 2 8
I = 1.2647535
2
La integral total calculada sumando los dos resultados:
I := I + I
1 2
I = 1.6450772
4.3 Integracin Mltiple
Cualquiera de las tcnicas de integracin vistas en esta unidad es modificable, de modo que
se puede aplicar en la aproximacin de integrales dobles o triples. A continuacin se ilustra
el mtodo de Simpson 1/3 en la solucin de integrales dobles.
3
a)
0 0
ysenxdxdy
Se divide el intervalo [ a, b] = [ 0, 3 ] en n = 6 subintervalos iguales, con lo que la amplitud de

cada subintervalo es igual a:
3

I := y sin( x) dx dy I = 9.82022

0 0
3 0
h1 := h1 = 0.5
f ( x) := sin( x) 6
x0 := 0 x1 := x0 + h1 x2 := x1 + h1 x3 := x2 + h1 x4 := x3 + h1 x5 := x4 + h1 x6 := x5 + h1
I1 := ( 3 0)
f ( x0) + 4 ( f ( x1) + f ( x3) + f ( x5) ) + 2 ( f ( x2) + f ( x4) ) + f ( x6)

3 ( 6)
I1 = 1.9907
114
Se divide el intervalo [ a, b] = [ 0, ] en n = 8 subintervalos iguales, con lo que la amplitud de

0
g( y ) := I1 y h2 := h2 = 0.393
8
y0 := 0 y1 := y0 + h2 y2 := y1 + h2 y3 := y2 + h2 y4 := y3 + h2 y5 := y4 + h2 y6 := y5 + h2
y7 := y6 + h2 y8 := y7 + h2
I2 := ( 0)
g( y0 ) + 4 ( g( y1 ) + g( y3 ) + g( y5 ) + g( y7 ) ) + 2 ( g( y2 ) + g( y4 ) + g( y6 ) ) + g( y8 )

3 ( 8)
I2 = 9.8237


3 4
x+ y
I := e dx dy I = 930.85274

1 0
4 0
x h1 := h1 = 1
f ( x) := e 4
x0 := 0 x1 := x0 + h1 x2 := x1 + h1 x3 := x2 + h1 x4 := x3 + h1
f ( x0) + 4 ( f ( x1) + f ( x3) ) + 2 ( f ( x2) ) + f ( x4)

I1 := ( 4 0)
3 ( 4)
I1 = 53.8638

y 3 1
g( y ) := I1 e h2 := h2 = 0.333
6
y0 := 0 y1 := y0 + h2 y2 := y1 + h2 y3 := y2 + h2 y4 := y3 + h2 y5 := y4 + h2 y6 := y5 + h2
g( y0 ) + 4 ( g( y1 ) + g( y3 ) + g( y5 ) ) + 2 ( g( y2 ) + g( y4 ) ) + g( y6 )
I2 := ( 3 1)
3 ( 6)
I2 = 344.162
115
4.4 Aplicaciones
Antecedentes:
La determinacin de la cantidad de calor requerido para elevar la temperatura de un material

es un problema con el que a menudo nos enfrentamos. La caracterstica necesaria para
llevar acabo este calculo es la capacidad calorfica c . este parmetro representa la cantidad
de calor requerida para elevar una unidad de temperatura en una unidad de masa. Si c es
constante en el intervalo de temperatura que se examinan, el calor requerido
H = mc T ............EC. 1
donde c esta en cal /(g C ) , m = masa (g) y T = cambio de temperatura (C ) . Y la
ecuacin para calcular el promedio c (T ) :
T
T c (T ) dT
2
c (T ) = 1
T 2 T 1 ........................EC. 2
donde T = T 2 T 1 .
Nota : para hallar el valor exacto de la funcin se debe sustituir la ecuacin 2 en la ecuacin
1.
La capacidad calorfica de un material podra aumentar con la temperatura de acuerdo con

la relacin tal como
c (T ) = 0.132 + 1.56x 10 4T + 2.64x 10 7T 2
con 1000 gramos de material desde 100 hasta 200 C.
Determine:
a) El valor exacto de la integral
T 2c (T ) dt
T
= ( m )[ c (T ) ]( t ) = m 1 (T T1)= m
T
H = mc T T c (T ) dt
2
T 2 T1 2

1
116
(0.132 ) dT
200
2
1000 + 0.000156 T + 0.000000264 T 42732.000000000000000

100
b) Grafica
0.2
0.174
c( T ) 0.15
0.119 0.1
100 0 100 200
100 T 200
c) Las integracin numrica siguiente

Regla del trapecio simple
2
c ( T) := 0.132 + 0.000156T + 0.000000264T
T := 100
0 ( 0) = 0.11904
c T
m := 1000
T := 200 c ( T ) = 0.17376
1 1
c( T ) + c( T )
I := ( T T )
0 1
I := m I I = 43920
1 1 0 2 1
Regla del trapecio de aplicacin mltiple con n = 2
2
c ( T ) := 0.132 + 0.000156 T + 0.000000264 T
200 ( 100 )
h :=
2
150 T := 100
0
c T( 0 ) = 0.11904
T := T + h 50 c ( T ) = 0.17376
n := 2 1 0 1
m := 1000 T := T + h 200 c ( T ) = 0.17376

2 1 2
( 0 ) + 2 c ( T 1 ) + c ( T 2 )
c T
I := T T
1 ( 2 0 )
2n I := m I I = 43029
1
117
Regla de Simpson de 1/3
2
c ( T ) := 0.132 + 0.000156 T + 0.000000264 T
200 ( 100 )
h :=
2
150 T
0
:= 100 ( 0 ) = 0.11904
c T
T := T + h 50 c ( T ) = 0.14046
1 0 1
m := 1000 T := T + h 200 c ( T ) = 0.17376

2 1 2
c T ( 0) + ( 1 ) + c (T 2 )
4c T
I
1
:= ( T
2
T
0 )
6 I := m I I = 42732
1
Regla de Simpson de 1/3 de aplicacin mltiple n = 5

300
2 h := 60
c ( T ) := 0.132 + 0.000156 T + 0.000000264 T 5
T := 100 T := 40 T := T + h 20 T := T + h 80 T := T + h 140
0 1 2 1 3 2 4 3
c T ( 0 ) = 0.11904 c T ( 1 ) = 0.12618 c ( T ) = 0.13523

2 c ( T ) = 0.14617
3
T := T
5 4
+ h 200
c ( T ) = 0.15901
4 c ( T ) = 0.17376
5
m := 1000
0.11904 + 4 ( 0.12618 + 0.14617 ) + 2 ( 0.13523 + 0.15901 ) + .17376

I := 300 39.413600000000000001
1 15
I := m I I = 39413.6
1
Regla de Simpson de 3/8
300
2 h := 100
c ( T ) := 0.132 + 0.000156 T + 0.000000264 T 3
T := 100 T := 0 T := T + h 100 T := T + h 200
0 1 2 1 3 2
c T ( 0 ) = 0.11904 c T ( 1 ) = 0.132 c T ( 2 ) = 0.15024 c T ( 3 ) = 0.17376
m := 1000
0.11904 + 3 ( 0.132 + .15024 ) + .17376

I := 300 42.732000000000000000
1 8
I := m I I = 42732
1
118
UNIDAD 5
SOLUCION DE
ECUACIONES
DIFERENCIALES
Objetivo:
Aplicara los mtodos numricos para la
solucin de problemas de diferenciacin
de integracin numrica, usando un
UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES
5.1. Mtodo de un paso
El objetivo del mtodo es obtener una aproximacin al problema
dy
= f ( x, y ), a xb
dx
con la condicin inicial, y ( x 0 ) = y 0 .
Inicialmente no se obtendr una aproximacin continua de la solucin y(x), 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, es posible encontrar un
polinomio de interpolacin que se ajuste a los valores (tabulados) obtenidos. Supondremos que
los puntos de la red estn distribuidos uniformemente sobre el intervalo [a , b]. Podemos
garantizarlo, escogiendo un entero positivo N y seleccionando los puntos de red
x0 < x1 < x 2 < ... < x n donde
xi = x 0 + ih , para cada i = 0, 1, 2, ..., N
La distancia comn entre los puntos,
b-a
h=
N
se llama tamao de paso, y el punto inicial, (x0 , y0), es el nico punto conocido de la solucin
exacta.
La aproximacin y1 en el prximo punto x1 de la red est determinado por la recta tangente a la

curva y en el punto (x0 , y0):
119
Como
y1 - y0 dy
= y ( x0 ) = f( x0 , y0 ) = ,
x1 - x 0 dx
entonces,
y1 y 0 = ( x1 x 0 ) f ( x0 , y 0 )
Por lo tanto,
y1 = y 0 + hf ( x 0 , y 0 )
Y, en general,
y n +1 = y n + hf ( x n , y n )
con h = x n +1 x n
La solucin explcita es y = 2ex - x - 1, y para el punto x20 = 1 se tiene que y (x 20) = 3.4365637.
5.1.1 Mtodo de Euler y Euler mejorado

Mtodo de Euler
Este mtodo fue ideado por Euler hace ms de 200 aos. Es bastante sencillo, pero no tan
preciso como los otros mtodos que veremos posteriormente. Sin embargo, el mtodo de
Euler sirve como punto de partida hacia tcnicas alternativas que aparecern segn se
considere.
La primera derivada proporciona una estimacin directa de la pendiente en Xi
= f ( xi , yi )
donde f (X i, Y i) es la ecuacin diferencial evaluada en Xi y Yi, Tal estimacin podr
substituirse en la ecuacin nos queda que :
Y i +1 = y i + f ( x i , y i )h
120
Esta frmula es conocida como el mtodo de Euler ( o Euler- Caunchy o de un punto medio).
Se predice un nuevo valor de Y por medio de la pendiente (igual a la primera derivada en el
valor original de X) que habr de extrapolarse en forma lineal sobre el tamao de paso h
Ejemplo:
Mtodo de Euler
Enunciado del problema : utilcese el mtodo de Euler para la ecuacin
4 3 2
f ( x) := 0.5x + 4x 10x + 8.5x + 1
De x = 0 hasta x = 4 con un tamao de paso de 0.5. La condicin inicial en x = 0 es y = 1.
Solucin:
df ( x)
dx = 2.0 x + 12 x 20 x + 8.5
3 2

PVI = y (0) = 1
y ( 4) = ?

h = 0.5
121
4 3 2
f ( x) := 0.5 x + 4x 10x + 8.5 x + 1
x := 0 , 0.0001 .. 4
10
f ( x)
d
f ( x) 0 1 2 3 4
dx
10
8.00000
7.00000 7.125007.00000
6.00000 5.87500 5.87500

5.00000 5.25000 5.12500
4.500004.75000 4.71875
4.00000 4.00000
3.00000 3.218753.00000 3.25000
3.00000
2.71875
2.00000 2.218752.00000
1.00000 1.00000
0.00000
1 2 3 4 5 6 7 8 9
Ejercicios:
Enunciado del problema : utilcese el mtodo de Euler para la ecuacin
4 3 2
f ( x) := 0.5x + 4x 10x + 8.5x + 1
De x = 0 hasta x = 4 con un tamao de paso de 0.25. La condicin inicial en x = 0 es y = 1.
df ( x)
dx = 2.0 x + 12 x 20 x + 8.5
3 2

PVI = y (0) = 1
y ( 4) = ?

h = 0.25
122
7.00000
6.00000 5.86719
5.80469
5.46875
5.00000 4.84375 5.00000
4.71875
4.52930
4.49219
4.00000 4.17969 4.343753.96875 4.17969 4.00000 4.31055
3.55469 3.61719
3.27930 3.24219 3.25000 3.34180
3.00000 3.12500 3.21875 3.00000 3.12500 3.12500
3.00000
2.56055 2.59180 2.71875
2.21875 2.24805
2.00000 1.99805
2.00000
1.00000 1.00000
0.00000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Anlisis de error en el mtodo de Euler
La solucin numrica de las ecuaciones diferenciales ordinarias (EDO) involucra dos tipos de
error :
1) Errores de Truncamiento, o discretizacion, causados por la naturaleza de las

tcnicas empleadas para aproximar los valores de y.
2) Errores de Redondeo , que son el resultado del numero limite de cifras significativas
que pueden retener una computadora.
Los errores de truncamiento se componen de dos partes. La primera es un error de

truncamiento local que puede que resulta al aplicar el mtodo en cuestin en un paso. El
123
segundo error de programacin que resulta de las aproximaciones producidas durante los
pasos anteriores. La suma de los dos es el error de truncamiento global.
Ejercicio: Resuelva el siguiente
dy
dx = ( x y )

PVI y (0) = 2
y (1) = ?

h = 0.2
mediante el mtodo de Euler
2.00000
1.60000
1.50000
1.32000
1.13600
1.00000 1.02880 0.983040.98643
0.50000
0.00000 0.00000
1 2 -0.300003 4 5 6
-0.50000 -0.44800 -0.50160 -0.50304
-0.48304
-1.00000
Ejercicios: Un tanque cilndrico de fondo plano con un dimetro de 1.5 m contiene un lquido
de densidad = 1.5 kg/L a una altura a de 3 m. Se desea saber la altura del lquido dentro
del tanque tres minutos despus de que se abre completamente la vlvula de salida, la cual
124
da un gasto de 0.6 A 2ga m 3 / s , donde A es el rea seccional del tubo de salida y es

78.5x 10 4 m2 y g = 9.81 m/s2.
Solucin
El vaciado el llenado de un tanque cilndrico se modela haciendo un balance de materia con
las siguiente expresin :
180 0
h = = 30
6
dV
Acumulacin = entrada salida = 0 0.6A 2ga
dt
donde :
V = r 2 h = ( 0 . 75 ) 2 a
entonces :
da da 0.6A 2ga
(0.75) 2 = 0.6 A 2ga = = 0.0026653 2ga
dt dt (0.75) 2
Al considerar como tiempo cero el momento el abrir momento de abrir la vlvula y adems la
altura buscada a un tiempo de 3 minutos (180 segundos), se llega
da
dt = 0.0026653 2ga

PVI a (0) = 3m
a (180) = ?

125
En virtud de que la exactitud de los resultados que se esperan no es grande, se usa el

mtodo de Euler para resolver este PVI.
Tiempo (s) 0 30 60 90 120 150 180
a (m) 3.00 2.39 1.84 1.36 0.95 0.60 0.33
Ejercicios : Calcule el tiempo necesario para que el nivel del liquido del tanque esfrico con
radio r = 5 m mostrado en la figura pase de 4 m a 3 m. La velocidad de salida por el orificio
del fondo es v = 4.895 a m/s, el dimetro de dicho orificio es de 10 cm
Solucin :
Balance de materia en el tanque
Acumulacin = entrada Salida
dV
= 0 Av
dt
126
donde v es el volumen del lquido en el tanque que, en funcin de la altura esta dado por
a3
V = (5a 2 ) m3
3
A es el rea del orificio de salida

A= (0.1) 2 m2
4
v = 4.895 a m/s
Estas cantidades se sustituyen en la primera ecuacin y se tiene
a3
d (5a 2 )
3
= (0.1)2 4.895 a
dt 4
Se deriva
da 3a 2 da (0.1) 2
10a = 4.895 a
dt 3 dt 4
y al despejar se tiene
da 4.895(0.1) 2 a
=
dt 4(10a a 2 )
que con la condicin inicial y la pregunta forma el siguiente y la pregunta forman el siguiente
PVI(problema de valor inicial)
da 0.122375 a
=
dt (10a a 2 )

PVI a (0) = 4m
a (?) = 3m

127
Con el Mtodo de Euler y un paso de integracin de h = 10 segundos, se tiene
Por lo tanto el tiempo necesario para que el nivel del liquido dentro del tanque esfrico pase
de 4 a 3m es aproximadamente 100 segundos.
Mtodo de Euler mejorado.

En el mtodo de Euler se tomo como valida para todo el primer subintervalo la derivada
encontrada en un extremo de este. Para obtener una exactitud razonable se utiliza un
intervalo muy pequeo, a cambio de un error de redondeo mayor 8 ya que se realizara mas
clculos).
El mtodo de Euler modificado trata de evitar este problema utilizando un valor promedio de
la derivada tomada en los extremos del intervalo, en lugar de la derivada tomada en un solo
extremo.
El mtodo de Euler modificado consta de dos pasos bsicos :
1. Se parte de ( x 0 , y 0 ) y se utiliza el mtodo de Euler a fin de calcular el valor de y
correspondiente a x1 . Este valor de y se denotara aqu como y1 , ya que solo es un

valor transitorio para y1 . Esta parte del proceso se conoce como paso predictor.
2. El segundo paso se llama corrector , pues trata de corregir la prediccin. En el
nuevo punto obtenido (x1 , y1 ) se evalua la derivada f (x1 , y1 ) usando la ecuacin

diferencial ordinaria PVI que se este resolviendo; se obtiene la media aritmtica de
esta derivada y la derivada en el punto inicial ( x 0 , y 0 ) .
128
UNIDAD V / SOLUCION
S DE ECUAC
CIONES DIFERENCIALE
ES
1
[ f (x0 , y 0 ) + f (x1 , y1 )] = derivada
d prom
medio
2
s usa la deriivada promed

se dio para calcu
ular un nuevo valor de y1 , con la ecuacin
Y i +1 = y i + f ( x i , y i )h
q deber ser mas exactto que y1.

que
(x1 x0 )
y1 = y 0 + [ f (x0 , y 0 ) + f (x1 , y1 )]
2
5
5.1.2 Mto
odo de Runge
e Kutta
E la resoluciin de ecuaciiones diferencciales de la fo
Es orma
dy
= f ( x, y )
dx
U
Utilizando un mtodo num
mrico se pued
de resolver un
na ecuacin como
c :
N
Nuevo valor = valor anterio
or + pendientte * tamao del paso
o en trminos
s matemticos como :
Yi +1 = yi + h
D acuerdo con
De c esta ecu
uacin, la pen mada se ussa para extra
ndiente estim apolar desde un
v
valor anteriorr Yi a un nuevo valor Yi+1 en una dista
ancia h (ver grfico
g N1). Esta
E frmula se
p
puede aplicarr paso a paso
o para calcula
ar el valor en el futuro y, por
p tanto, trazar la trayecto
oria
d la solucin
de n.
1
129
Todos los mtodos de un paso se pueden expresar en esta forma general, que slo va a
diferir en la manera en la cual se estima la pendiente. El procedimiento mas simple es usar
la ecuacin diferencial para estimar la pendiente derivada en Xi al inicio del intervalo. En
otras palabras, la pendiente al inicio del intervalo es tomada como una aproximacin de la
pendiente promedio sobre todo el intervalo. Este procedimiento se llama mtodo de Euler.
Existen otros mtodos de un paso que cumplen estimaciones de pendiente en forma alterna
y cuyas resultantes sern predicciones mas exactas. Todas estas tcnicas se conocen por lo
general como mtodos de Runge-Kutta.
Mtodo de Runge-Kutta
Los mtodos de Runge-Kutta (RK) logran la exactitud del procedimiento de una serie de
Taylor sin requerir el calculo de derivadas superiores. Existen muchas variaciones, pero
todas se pueden denotar en la forma generalizada de la ecuacin :
Yi +1 = yi + ( xi , yi , h)h
donde (xi,yi,h) es conocida como funcin incremento, al cual puede interpretarse como una
pendiente representativa sobre el intervalo. La funcin incremento se escribe por lo general
como :
= a1k1 + a2 k2 + ... + an kn
donde a son constantes y las k son :
k1 = f ( xi , yi )
k2 = f ( xi + p1h, yi + q11k1h)
k3 = f ( xi + p2 h, yi + q21k1h + q22 k2 h)
kn = f ( xi + pn 1h, yi + qn 1k1h + qn 1,2 k2 h + ... + qn 1,n 1kn 1h)
Observe que las k son relaciones de concurrencia. Esto es k1 aparece en la ecuacin para
k2, que apareces en la ecuacin de k3,etc. Esta recurrencia hace a los mtodos RK
eficientes para su calculo en computadoras.
Es posible concebir varios tipos de mtodos de Runge-Kutta al emplear diferentes nmeros
130
de trminos en la funcin incremento como la especificada por n. Observe que el mtodo de

Runge-Kutta (RK) de primer orden con n = 1 es, de hecho, el mtodo de Euler.
Una vez que se elige n, se evalan las a,p y q al igualar la ecuacin [10] a los termino de la
serie de expansin de Taylor .As al menos para las versiones de orden inferior, el numero
de trminos n con frecuencia representa el orden de la aproximacin.
Mtodo de Runge-Kutta de segundo Orden
La versin de segundo orden de la ecuacin [10]
Yi +1 = yi + (a1k1 + a2 k2 )h
k1 = f ( xi , yi )
k2 = f ( xi + p1h, yi + q11k1h)
Los valores para a1,a2,p1 y q11 son evaluados al igualar el termino se segundo orden de la
ecuacin Yi+1 en [12] con la expansin de la serie de Taylor. Para realizar esto,
desarrollamos tres ecuaciones para evaluar las cuatro constantes desconocidas. Las tres
ecuaciones son :
a1 + a2 = 1
1
a1 p2 =
2
1
a2 p11 =
2
Ejemplo : Mtodo RK de segundo orden:

F ( x , y) = - 2 x 3 + 12 x 2 20 x + 8.5
Desde x = 0 hasta x = 4 usando un tamao de paso de 0.5.
La condicin inicial en x = 0 es y = 1.
Solucin:
Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h
k 1 = f ( x i , y i)
131
k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 )
= 1/3k1 + 2/3 k2
X = 0 y = 1 h = 0.5
k 1 = f ( x i , y i)
K 1 0 f ( 0 , 1 ) = - 2 (0) 3 + 12 (0) 2 20 (0) + 8.5 = 8.5
k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 )
K 2 = f [ ( 0 +3/4 ( 0.5) , 1 + 3/4 (0.5)(8. 5 )] =
K 2 = f ( 0.375 , 4.1875 )
3
= - 2 (0.375) + 12 (0.375) 2 20 (0.375) + 8.5 =
= 2.58203125
= 1/3k1 + 2/3 k2
= 1/3( 8.5 ) + 2/3 (2.58203125) = 4.5546875
Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h
Y (0.5) = 1 + 4.5546875 ( 0.5 ) = 3. 27734375
X = 0.5 y = 3.27734375 h = 0.5
k 1 = f ( x i , y i)
K1 = f ( 0.5 , 3. 27734375 )
= - 2 (0.5) 3 + 12 (0.5) 2 20 (0.5) + 8.5
= 1.25
132
k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 )
K 2 = f [ ( 0.5 +3/4 ( 0.5) , 3.27734375 + 3/4 (0.5)(1.25 )] =
K 2 = f ( 0.875 , 3.74609375 )
3
= - 2 (0.875) + 12 (0.875) 2 20 (0.875) + 8.5
= - 1.15234375
= 1/3k1 + 2/3 k2
= 1/3( 1.25 ) + 2/3 (- 1.15234375) = - 0.3515625
Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h
Y (0.5) = 3.27734375 + ( - 0. 3515625) ( 0.5 ) = 3.1015625
Y verdadera
X Ralston RK v
0.0 1.00000 1.00000 0
0.5 3.21875 3.27734375 1.8
1.0 3.00000 3.1015625 3.4
1.5 2.21875 2.34765625 5.8
2.0 2.00000 2.140625 7.0
2.5 2.71875 2.85546875 5.0
3.0 4.00000 4.1171875 2.9
3.5 4.71875 4.80078125 1.7
4.0 3.00000 3.03125 1.0
133
6.00000
5.00000
4.00000
Y
3.00000
verdadera
2.00000
1.00000
0.00000
0 2 4 6 8 10
Mtodo de Runge-Kutta de tercer Orden
Para n = 3, se puede hacer desarrollo similar al mtodo de segundo orden. El resultado de

dicho desarrollo es de seis ecuaciones con ocho incgnitas. Por tanto, se debe especificar
con antelacin los valores para las dos incgnitas con el fin de establecer los parmetros
restantes. Una versin comn que resulta es :
1
Yi +1 = yi + ( k1 + 4k2 + k3 ) h
6
k1 = f ( xi , yi )
1 1
k2 = f ( xi + h, yi + k1h)
2 2
k3 = f ( xi + h, yi k1h + 2k2 h)
5.2. Mtodos de pasos mltiples

Los mtodos del tipo de Runge - Kutta (los cuales incluyen los mtodos de Euler y de Euler
modificado como caso especial), se llaman mtodos de un paso, debido a que solo utilizan la
informacin del ltimo paso calculado. Es decir, a pesar de que estos mtodos generalmente
134
usan informacin de evaluacin funcional en puntos entre x1 y x i+1, no retienen esta

informacin para usarla directamente en aproximaciones futuras.
Las tcnicas alternas, llamadas Mtodos de Pasos Mltiples, se basan en el conocimiento de

que una vez que los clculos se han iniciado, la informacin evaluada en puntos previos
sirve de gua. La curvatura de las lneas que conectan estos puntos anteriores proporciona
informacin referente a la trayectoria de la solucin.
El principio fundamental de los Mtodos de Pasos Mltiples es el de utilizar los valores

anteriores de 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 sea fcil.
5.3. Sistemas de ecuaciones diferenciales ordinarias

Problema : Pase la ecuacin diferencial ordinaria
d 2 y dy
+ = x2 + y2
dx 2 dx
A un sistema de dos ecuaciones diferenciales ordinarias simultaneas de primer orden.
Solucin :
d2y
2
= y + x 2 + y 2
dx
El cambio de variable es:
y1 = y ; y2 = y
Al derivar la primera y sustituir en la segunda queda:
y1 = y 2
Se deriva la segunda
y 2 = y
Y las nuevas variables se sustituyen en la ecuacin diferencial, con lo cual resulta

y1 = y 2
y 2 = y 2 + x 2 + y12
135
5.4. Aplicaciones
Ejercicios:
En un tanque perfectamente agitado se tiene 400L de una salmuera en la cual estn

disueltos 25 kg de sal comn (NaCl), en cierto momento se hace llegar al tanque un gasto de
80 L/min de una salmuera que contiene 0.5 Kg. de sal comn por litro. Si se tiene un gasto
de salida de 80 L/min determine.
a) Que cantidad de sal hay en el tanque transcurridos 10 minutos?

b) Qu cantidad de sal hay en el tanque transcurridos un tiempo muy grande?
Solucin:
a) si se llaman x los Kg. De sal en el tanque despus de t minutos , la acumulacin de

sal en el tanque esta dada por dx / dt y por la expresin
dx
= masa de sal que entra - masa de sal que sale
dt
los valores conocidos se sustituyen y se llega a la ecuacin :
dx x
= 80(0.5) 80( )
dt 400
dx
= 40 0.2x
dt
que con la condicin inicial de que hay 25 Kg. De sal al tiempo cero, da el siguiente
dx
dt = 40 0.2x

PVI x (0) = 25
x (10) = ?

como va de ilustracin se utilizara un mtodo de Runge - Kutta de tercer orden cuyo

algoritmo esta dado por:
136
h
y i +1 = y i + (k 1 + 4k 2 + k 3 )
6
con
k 1 = f (x i , y i )
h hk 1
k2 = f xi + ,yi +
2 2
k 3 = f (x i + h , y i + 2hk 2 hk 1 )
x := 0 y := 25 h := 1
0 0
( 0) k := 40 0.2 y + k h ( )
1
k := 40 0.2 y k := 40 0.2 y k h + 2 k h
1 2
0 2 1 3 0 1 2
k = 35 k = 29.4
1 k = 31.5 3
2
(1 )
1
y := y + k + 4 k + k h y = 56.733
1 0 6 2 3 1
x := 1 y := 56.733 h := 1
1 1
( 1) k := 40 0.2 y + k h ( )
1
k := 40 0.2 y k := 40 0.2 y k h + 2 k h
1 2 1 2 1 3 1 1 2
k = 28.653 k = 25.788 k = 24.069
1 2 3
(1 )
1
y := y + k + 4 k + k h y = 82.712
2 1 6 2 3 2
x := 1 y := 82.712 h := 1
2 2
( 2) k := 40 0.2 y + k h ( )
1
k := 40 0.2 y k := 40 0.2 y k h + 2 k h
1 2
2 2 1 3 2 1 2
k = 23.458 k = 25.788 k = 19.704
1 2 3
(1 )
1
y := y + k + 4 k + k h y = 103.98
3 2 6 2 3 3
137
x := 1 y := 103.98 h := 1
3 3
( 3) k := 40 0.2 y
( )
1
k := 40 0.2 y + k h k := 40 0.2 y k h + 2k h
1 2
3 2 1
3 3 1 2
k = 19.204 k = 17.284 k = 16.131
1 2 3
( ) h
1
y := y + k + 4k + k y = 121.392
4 3 6 1 2 3 4
x := 1 y := 121.392 h := 1
4 4
( 4) k := 40 0.2 y k h ( )
1
k := 40 0.2 y + k := 40 0.2 y k h + 2k h
1 2 4 2 1 3 4 1 2
k = 15.722 k = 14.149 k = 13.206
1 2 3
( ) h
1
y := y + k + 4k + k y = 135.646
5 4 6 1 2 3 5
x := 1 y := 135.646 h := 1
5 5
( 5) k := 40 0.2 y k h ( )
1
k := 40 0.2 y + k := 40 0.2 y k h + 2k h
1 2 5 2 1 3 5 1 2
k = 12.871 k = 11.584 k = 13.206
1 2 3
( ) h
1
y := y + k + 4k + k y = 147.316
6 5 6 1 2 3 6
x := 1 y := 147.316 h := 1
6 6
( 6) k := 40 0.2 y + k h ( )
1
k := 40 0.2 y k := 40 0.2 y k h + 2 k h
1 2 6 2 1 3 6 1 2
k = 10.537 k = 11.584 k = 10.811
1 2 3
(1 )
1
y := y + k + 4 k + k h y = 156.869
7 6 6 2 3 7
x := 1 y := 156.869 h := 1
7 7
( 7) k := 40 0.2 y + k h ( )
1
k := 40 0.2 y k := 40 0.2 y k h + 2 k h
1 2 7 2 1 3 7 1 2
k = 8.626 k = 7.764 k = 7.246
1 2 3
(1 )
1
y := y + k + 4 k + k h y = 164.69
8 7 6 2 3 8
138
x := 1 y := 164.69 h := 1
8 8
( 8) k := 40 0.2 y k h ( )
1
k := 40 0.2 y + k := 40 0.2 y k h + 2k h
1 2
8 2 1
3 8 1 2
k = 7.062 k = 6.356 k = 5.932
1 2 3
( ) h
1
y := y + k + 4k + k y = 171.093
9 8 6 1 2 3 9
x := 1 y := 171.093 h := 1
9 9
( 9) k := 40 0.2 y + k h ( )
1
k := 40 0.2 y k := 40 0.2 y k h + 2 k h
1 2 9 2 1 3 9 1 2
k = 5.781 k = 5.203 k = 4.856
1 2 3
(1 )
1
y := y + k + 4 k + k h y = 176.335
10 9 6 2 3 10
b) la solucin se obtiene hasta que la cantidad de sal en el tanque no cambie con el

tiempo; esto es, hasta que se alcance rgimen permanente.
Por lo tanto se obtuvieron los siguientes datos:
139
140
BIBLIOGRAFIA

Chapra Steven y Canale R. ; Mtodos Numricos para ingenieros; Ed. Mc Graw Hill
Antonio Nieves Federico C. Domnguez; Mtodos numricos aplicados a la ingeniera ;

Ed. CECSA
Ing. Javier Rosas Margarito ; Mtodos numricos, teora y programacin en lenguaje C.;
Ed. Moya
Nakamura Shoichiro; Mtodos numricos aplicados a software; Ed. Prentice Hall;
Smith Allen; Anlisis numrico; Ed.Prentice Hall
141
142

Antologiademetodosnumericosisc PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Antologiademetodosnumericosisc PDF

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLGICO SUPERIOR

Asignatura: Mtodos Numricos

Clave de la asignatura: SCC - 0423

Carrera: Ingeniera en Sistemas Computacionales

ACAYUCAN, VER. OCTUBRE 2009

Ing. Ulises Girn Jimnez

UNIDAD I Teora de errores 7

1.1 importancia de los mtodos numricos. 8

1.2 Conceptos bsicos: cifra significativa, precisin, exactitud,

1.3 Tipos de errores... 17

1.4 Software de computo numrico.. 23

1.5. Mtodos iterativos .. 26

UNIDAD II Mtodos de solucin de ecuaciones... 37

2.1. Mtodo de Intervalo.. 38

2.2. Mtodo de biseccin 41

2.3. Mtodo de interpolacin.. 48

UNIDAD III Mtodos de solucin de sistemas de ecuaciones 61

3.1 Mtodos Iterativos 62

3.2 Sistemas de ecuaciones no lineales. 66

3.3 Iteracin y convergencia de sistemas de ecuaciones.. 71

UNIDAD IV Diferenciacin e integracin numrica ... 86

4.1. Diferenciacin numrica.. 87

4.2. Integracin numrica.... 95

4.3. Integracin Mltiple.. 114

4.4. Aplicaciones.. 116

UNIDAD V Soluciones de ecuaciones diferenciales 118

5.1 Mtodo de un paso.. 119

5.2. Mtodo de pasos Mltiples 134

5.3. Sistemas de ecuaciones diferenciales ordinarias 135

5.4. Aplicaciones 136

El estudiante conocer, comprender y aplicar mtodos numricos para resolver problemas

Uno de los objetivos del Instituto Tecnolgico Superior de Acayucan, es el de promover,

El presente material de consulta y apoyo didctico se pone en manos de nuestros maestros

UNIDAD I / TEORIA DE ERRORES

1.1. Importancia de los mtodos numricos.

El objeto de estudio del anlisis numrico es la construccin y valoracin de los mtodos

Relacin entre anlisis numrico y mtodos numricos:

Son algoritmos que establecen la secuencia de solucin de sistemas de ecuaciones

UNIDAD I / TEORIA DE ERRORES

Mtodos anteriores a la aparicin de la computadora.

Ms all de solo proporcionar un aumento en la potencia de clculo la disponibilidad general

1. Primero, se encontraban las soluciones de algunos problemas usando mtodo

2. Para analizar el comportamiento de los sistemas se usaban soluciones grficas.

3. Para implementar los mtodos numricos se utilizaban calculadoras manuales y

UNIDAD I / TEORIA DE ERRORES

presentan algunas dificultades. Los clculos manuales son lentos y tediosos.

Antes del uso de la computadora, se gastaba mucha energa en la tcnica misma de

Aunque dichas suposiciones son an extremadamente valiosas tanto para resolver

UNIDAD I / TEORIA DE ERRORES

Los mtodos numricos y la prctica de la ingeniera

1. Los mtodos numricos son herramientas extremadamente poderosas para la

2. En el transcurso de la carrera, es posible que el estudiante tenga la ocasin de usar

UNIDAD I / TEORIA DE ERRORES

4. Los mtodos numricos son un medio para reforzar su comprensin de las

Problemas matemticos y sus soluciones.

Encontrar x tal que f(x) = 0

2. Sistemas de ecuaciones algebraicas lineales.

UNIDAD I / TEORIA DE ERRORES

Dadas las a y las c

4. Ecuaciones diferenciales ordinarias.

UNIDAD I / TEORIA DE ERRORES

ejemplos tenemos los modelos de la prediccin demogrfica (razn de cambio de una

UNIDAD I / TEORIA DE ERRORES