Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ciencias e ingenierı́a
06 de Abril de 2015
2
Índice general
2. Interpolación polinomial 43
2.1. Método de coeficientes indeterminados . . . . . . . . . . . . . 44
2.2. Método de Lagrange . . . . . . . . . . . . . . . . . . . . . . . 44
2.3. Método de Newton . . . . . . . . . . . . . . . . . . . . . . . . 46
2.4. Método de Diferencias Divididas . . . . . . . . . . . . . . . . . 48
2.5. Análisis de error . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6. Fenómeno Runge . . . . . . . . . . . . . . . . . . . . . . . . . 56
3. Integración Numérica 59
3.1. Método del Trapecio . . . . . . . . . . . . . . . . . . . . . . . 60
3.1.1. Simple . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3
4 ÍNDICE GENERAL
3.1.2. Compuesto . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2. Método de Simpson . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2.1. Simple . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2.2. Compuesto . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3. Cuadratura Gaussiana . . . . . . . . . . . . . . . . . . . . . . 73
3.3.1. Polinomios Ortogonales . . . . . . . . . . . . . . . . . . 73
3.4. Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . 74
Búsqueda de Raı́ces en
Ecuaciones No Lineales
7
8CAPÍTULO 1. BÚSQUEDA DE RAÍCES EN ECUACIONES NO LINEALES
por ejemplo, que la función sea monótona o que tenga derivada positiva en
el intervalo.
Un uso adecuado del Teorema 1.1 permitirá deducir el Método de la Bisección
que se detalla a continuación.
Resolución
Primero observamos que la función f es continua en todo R.
Considerando el intervalo [0, 4], se observa que f (0)f (4) < 0, entonces, por
el Teorema 1.1 podemos concluir que existe al menos una raı́z r de f en el
intervalo [0, 4].
Para garantizar unicidad, observemos que:
2
f 0 (x) = − 0.04x.
1 + (x − 3)2
Pero, para todo x ∈ [0, 4] se cumplen:
2
0.2 ≤ ≤ 2,
1 + (x − 3)2
0 < 0.2 − 0.16 ≤ 0.2 − 0.04x,
10CAPÍTULO 1. BÚSQUEDA DE RAÍCES EN ECUACIONES NO LINEALES
es decir: f 0 (x) > 0 para todo x ∈ [0, 4], por tanto, la función f es creciente y
ası́, la raı́z es única en el intervalo inicial [0, 4].
Garantizada la existencia y unicidad de una raı́z r en [0, 4], procedemos a
aproximarla mediante el método de la bisección, los cuales se muestran en la
Tabla 1.1.
1
|bn − an | = |bn−1 − an−1 |
2
lo anterior implica que:
1
|bn − an | = |b0 − a0 |
2n
cuando n → ∞ se tiene que lı́m |bn − an | = 0, ası́, podemos concluir que:
n→∞
Por otro lado, observamos que los intervalos generados en cada iteración
satisfacen la siguiente relación:
a0 ≤ a1 ≤ a2 ≤ · · · an ≤ b n ≤ · · · ≤ b 3 ≤ b 2 ≤ b 1 ≤ b 0
es decir:
lı́m bn = lı́m an . (1.3)
n→∞ n→∞
La ecuación (1.4) nos dice que los extremos de los intervalos [an , bn ] van a
coincidir en el lı́mite, sea r este lı́mite común. Por otro lado, como f es una
función continua, se cumple también lo siguiente:
lı́m f (an ) = f ( lı́m an ) = f (r) = f ( lı́m bn ) = lı́m f (bn ).
n→∞ n→∞ n→∞ n→∞
2
f 0 (x) = 3x2 + > 0 para todo x ∈ [−2, −1],
x2
f (xk−1 ) − f (xk )
y − f (xk ) = (x − xk ) (1.6)
xk−1 − xk
Ejemplo 1.2.1. Sea f (x) = x2 ln(x) − x. Dé un intervalo donde exista una
raı́z de la función f y aproxı́mela con una tolerancia de error de 10−5 .
Resolución
La función f tiene como dominio x > 0. Además: f (0.5) = −0.6931472 y
f (2) = 0.6931472, es decir, f (0.5)f (2) < 0 y como la función f es continua
en [0.5, 2], entonces, por el Teorema 1.1 concluimos que existe una raı́z r ∈
h0.5, 2i.
Para garantizar la unicidad, para todo x ∈ [0.5, 2] se cumple que:
f 0 (x) = 2x ln(x) + x − 1,
f 00 (x) = 2 ln(x) + 3.
El punto crı́tico de f es x = 1 donde f 0 (1) = 0. La Tabla 1.3 muestra el
análisis de signo para esbozar la gráfica de la función f dada en la Figura 1.5.
1.2. MÉTODO DE LA FALSA POSICIÓN 17
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
La Figura 1.5 garantiza que f tiene una única raı́z en el intervalo [0.5, 2],
por tanto, inicializando en [a0 , b0 ] = [0.5, 2] la Tabla 1.4 muestra las iteracio-
nes hasta que se cumple que |f (x)| ≤ 10−5 .
xk−1 − xk
18CAPÍTULO 1. BÚSQUEDA DE RAÍCES EN ECUACIONES NO LINEALES
f (b) − f (a)
f [a, b] := (1.10)
b−a
f [a, b] − f [b, c]
f [a, b, c] := . (1.13)
a−c
Usando (1.10) y (1.13) para xk−1 , xk , x̂ (en ese orden), podemos definir el
siguiente polinomio
tomando lı́mite
ek
lı́m = M r1 −1 . (1.24)
k→∞ erk−1
1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1 -1
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.6 0.6
0.4 0.4
0.2 0.2
0 0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1 -1
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
n MB MRF MRFM
1 50 19 8
5 50 19 9
15 50 19 11
20 50 19 10
(x − xn )2 00
f (x) = f (xn ) + (x − xn )f 0 (xn ) + f (x ) (1.26)
2
donde x está entre x y xn . Como hemos supuesto que x̂ está bien cerca de
xn se tiene en (1.26) con x = x̂ lo siguiente:
(x̂ − xn )2 00
f (x̂) = f (xn ) + (x̂ − xn )f 0 (xn ) + f (x̂ ) (1.27)
2
de (1.28) obtenemos:
f (xn )
x̂ ≈ xn − (1.29)
f 0 (xn )
i xi f (xi ) f 0 (xi )
0 0.785398 -0.156023 0.858579
1 0.967121 0.002470 0.886466
2 0.964335 0.000001 0.886007
3 0.964334 0.000000
x2n − N
f (xn ) 1 N
xn+1 = xn − 0 = xn − = xn +
f (xn ) 2xn 2 xn
Resolución:
Para hallar una solución de la ecuación dada, es equivalente a encontrar una
raı́z de f (x) = x3 + 4x2 − 10, la cual es continua y diferenciable en todo R.
Además, observemos que:
ası́, el Teorema 1.1 garantiza la existencia de al menos una solución en [1, 2].
Por otro lado:
0 f 00 (ξ)
f (x) = f (xn ) + f (x)(x − xn ) + (x − xn )2
2
donde ξ es un valor entre x y xn .
Desde que se supone que x̂ está muy próximo de xn , podemos reemplazar en
la ecuación anterior:
f 00 (ξ)
0 = f (x̂) = f (xn ) + f 0 (x)(x̂ − xn ) + (x̂ − xn )2 , (1.32)
2
donde ξ es un valor entre x̂ y xn , por tanto:
f 00 (ξ) f 00 (ξ) 2
f (xn ) + f 0 (x)(x̂ − xn ) = − (x̂ − xn )2 = − e
2 2 n
1.3. MÉTODO DE NEWTON 27
entonces ∃ δ > 0 tal que si |x0 − x̂| < δ, entonces la sucesión {xn }∞
n=0 dada
por (1.30) converge a x̂ para cualquier punto inicial x0 ∈ B(x̂, δ).
Demostración:
Como f 0 es continua y f 0 (x̂) 6= 0, entonces existe R1 > 0 tal que f 0 (x) 6= 0
para todo x ∈ B(x̂, R1 ). Definamos:
1
c0 = sup < ∞. (1.34)
x∈B(x̂,R1 ) f 0 (x)
n
(M δ)2
|xn − x̂| ≤
M
Los teoremas 1.2 y 1.3 nos dicen que el método de Newton tiene como prin-
cipal desventaja la elección del punto inicial x0 , el cual debe de estar cerca
de la raı́z x̂ de la función f . Sin embargo, cuando esto ocurre, la relación
(1.37) nos dice que el método de Newton converge a la solución de forma
cuadrática, es decir, el número de decimales exactos se duplica en cada ite-
ración. Otra desventaja del método de Newton es el cálculo de la derivada y
posterior evaluación en cada iteración.
Resolución:
1. Para demostrar que existe una única raı́z, en este caso, basta analizar
la derivada del polinomio
2
0 2 4 24
P (x) = 3x − 4x + 4 = 3 x − + > 0 para todo x ∈ R.
6 9
g(x̂) = x̂.
De forma natural surge la pregunta: ¿Qué relación tiene el punto fijo de una
función g con la búsqueda de una raı́z para una función f ?. Pues veamos,
si x̂ es punto fijo de g entonces g(x̂) = x̂, es decir, x̂ es una raı́z para la
función f (x) = g(x) − x. Recı́procamente, si r es una raı́z de una función f ,
entonces f (r) = 0, es decir, r es punto fijo de la función g(x) = x − f (x). Por
tanto, buscar una raı́z para una función f es equivalente a buscar el punto
fijo para alguna función g adecuada. Los teoremas siguientes dan condiciones
necesarias para que una función g tenga punto fijo.
Demostración:
Definamos: f : [a, b] ⊂ R → R del modo que sigue: f (x) = x − g(x). De
donde observamos:
Demostración:
Como g es una función acotada, entonces, existe k > 0 tal que |g(x)| < k
para todo x ∈ R, es decir:
Demostración:
Desde que g es diferenciable en R, entonces es continua en R, y por hipótesis
es acotada, entonces existe k ∈ R, k > 0 tal que |g(x)| ≤ k. Luego, por el
Teorema 1.5 concluimos que existe un punto fijo x̂ ∈ h−k, ki de g.
Demostremos que el punto fijo es único. En efecto, supongamos que existe
otro punto fijo x∗ de la función g, es decir: g(x∗ ) = x∗ . Sin pérdida de
generalidad podemos suponer que x̂ < x∗ . Podemos aplicar el Teorema del
Valor Medio en el intervalo [x̂, x∗ ] para obtener un punto c ∈ hx̂, x∗ i tal que:
es decir:
para algún cn entre xn y x̂. Por hipótesis, existe λ ∈ h0, 1i tal que |g 0 (x)| ≤
λ < 1, entonces, la ecuación (1.40) implica:
lı́m xn = x̂,
n→∞
además:
0
1 ≤ 1 = λ < 1 para todo x ∈ R.
|g (x)| =
2
3(1 + (x − 2) ) 3
Por tanto, se satisfacen las condiciones del Teorema 1.6 y ası́ concluimos que
existe un único punto fijo x̂ de la función g, el cual también es raı́z de la
función f .
En la Tabla 1.9 se muestran los resultados después de aplicar el método del
punto fijo a la función g y se ha detenido cuando |xi+1 − xi | < 10−5 . Se
muestran los resultados para dos puntos iniciales: x0 = 0 y para x0 = 50,
para ambos casos se da la convergencia hacia la solución.
Tabla 1.9: Met. del punto fijo para f (x) = arctan(x − 2)/3 − x
i xi g(xi ) f (xi ) xi g(xi ) f (xi )
0 0 -0.36905 -0.36905 50 0.516655 -49.483345
1 -0.36905 -0.390459 -0.021409 0.516655 -0.325876 -0.842532
2 -0.390459 -0.39153 -0.001071 -0.325876 -0.388248 -0.062372
3 -0.39153 -0.391583 -0.000053 -0.388248 -0.39142 -0.003172
4 -0.391583 -0.391585 -0.000003 -0.39142 -0.391577 -0.000158
5 -0.391585 -0.391586 0.000000 -0.391577 -0.391585 -0.000008
6 -0.391585 -0.391586 0.000000
Demostración:
De la definición de xn en (1.39), x̂ punto fijo de g y de la condición que
cumple λ para g 0 , se cumple:
|xn − xn−1 | = |g(xn−1 ) − g(xn−2 )| = |g 0 (c∗ )||xn−1 − xn−2 | ≤ λ|xn−1 − xn−2 |
36CAPÍTULO 1. BÚSQUEDA DE RAÍCES EN ECUACIONES NO LINEALES
converge al único punto fijo x̂ para cualquier punto inicial x0 ∈ ha, bi. Además,
en la iteración n se sigue cumpliendo:
λn
|x̂ − xn | ≤ |x1 − x0 |. (1.46)
1−λ
La demostración del Teorema 1.8 es muy similar a la presentada en el Teo-
rema 1.6. El siguiente ejemplo muestra una aplicación del Teorema 1.8.
Ejemplo 1.5.2. ¿Cuántas√iteraciones serán necesarias para aproximar una
x2 + 1
raı́z de la función f (x) = − x con una tolerancia de error menor a
5
10−5 ?.
Resolución:
1.5. MÉTODO DEL PUNTO FIJO 37
Veamos primero
√ si la función f tiene al menos una raı́z. Para ello, conside-
x2 + 1
remos g(x) = definida en el intervalo |x| ≤ 1. En este intervalo se
5
tiene:
√ √
x2 + 1 2
−1 < 0 ≤ ≤ <1
5 5
0 2 x 2
|g (x)| = √ ≤ < 1 para todo x ∈ h−1, 1i.
5 x2 + 1 5
Entonces, por el Teorema 1.8 podemos concluir que existe un único punto
fijo x̂ de la función g en el intervalo |x| ≤ 1 y por tanto, x̂ será también la
única raı́z de f en el mismo intervalo.
Calculemos ahora el número de iteraciones necesarias para alcanzar una to-
lerancia de error menor a 10−5 , para ello hacemos uso de (1.46), donde:
2
λ= , y si x0 = −0.5 ⇒ x1 = g(x0 ) ≈ 0.224,
5
por tanto:
10−5 (1 − λ)
log
|x1 − x0 |
n> = 12.8,
log(λ)
√
x2 + 1
Tabla 1.10: Mét. punto fijo para f (x) = − x.
5
i xi g(xi ) f (xi ) xi g(xi ) f (xi )
0 -0.500000 0.223607 0.723607 0.500000 0.223607 -0.276393
1 0.223607 0.204939 -0.018668 0.223607 0.204939 -0.018668
2 0.204939 0.204157 -0.000782 0.204939 0.204157 -0.000782
3 0.204157 0.204125 -0.000031 0.204157 0.204125 -0.000031
4 0.204125 0.204124 -0.000001 0.204125 0.204124 -0.000001
5 0.204124 0.204124 0.000000 0.204124 0.204124 0.000000
6 0.204124 0.204124 0.000000 0.204124 0.204124 0.000000
7 0.204124 0.204124 0.000000 0.204124 0.204124 0.000000
8 0.204124 0.204124 0.000000 0.204124 0.204124 0.000000
9 0.204124 0.204124 0.000000 0.204124 0.204124 0.000000
10 0.204124 0.204124 0.000000 0.204124 0.204124 0.000000
11 0.204124 0.204124 0.000000 0.204124 0.204124 0.000000
12 0.204124 0.204124 0.000000 0.204124 0.204124 0.000000
13 0.204124 0.204124 0.000000
Podemos observar que en ambos casos se cumple que |x6 − x5 | < 10−5 , es
decir, se alcanzó la tolerancia pedida mucho antes del valor estimado para el
número de iteraciones n.
Entonces, por el Teorema 1.8 podemos concluir que existe un único punto
fijo x̂ de la función g en el intervalo [0, 1] y por tanto, x̂ será también la única
raı́z de f en el mismo intervalo.
1.5. MÉTODO DEL PUNTO FIJO 39
1 √
λ= , y si x0 = 0 ⇒ x1 = g(x0 ) = ex0 ≈ 0.7788,
2
por tanto:
n > 15.77,
1.7. Ejercicios
1. Utilice el método de Punto Fijo para determinar una aproximación con
un error absoluto inferior a 5×10−5 , del único cero de la función
f (x) = 1 + x + exp(x) = 0
que se sabe está en el intervalo [−2, −1].
2. Localice gráficamente las raı́ces de f (x) = 0, siendo f (x) =| x |
− exp(x). Use el método de Bisección para determinar un valor apro-
ximado para los ceros de f con un error que no exceda a 0.15.
3. Aplique el método de Newton a f (x) = x2 −q (donde q > 0). Demuestre
que si xn tiene después del punto decimal k dı́gitos correctos, entonces
xn+1 tendrá después del punto decimal al menos 2k−1 dı́gitos correctos,
con tal que q > 0.006 y k ≥ 1.
1.7. EJERCICIOS 41
a) f (x) = x2 − (1 − n)n , n = 1, 2, 3, . . ..
b) f (x) = (1 + (1 − n) )x − (1 − nx)2 ,
2
n = 1, 2, 3, . . ..
12. Use el método de Newton para obtener la menor raı́z positiva de las
siguientes ecuaciones:
42CAPÍTULO 1. BÚSQUEDA DE RAÍCES EN ECUACIONES NO LINEALES
a) x/2 − tan(x) = 0.
b) 2cos(x) − exp(x)/2 = 0.
c) x5 − 6 = 0.
13. Usando el método de Regula Falsi resuelva la ecuación x + tan(x) = 0
partiendo del intervalo [1.9, 2.1] iterando hasta que la solución tenga
una precisión de 0.001. Repetir el cálculo pero usando el método de
Newton partiendo de x = 1.7 hasta alcanzar una precisión de 0.0001.
14. Considere la ecuación 2x − cos(x) = 3. Se pide
a) Demostrar que esta ecuación tiene una sóla raı́z.
b) Determinar el valor de la raı́z mediante el método de Newton-
Raphson, partiendo del punto x = 0 y haciendo las iteraciones
necesarias para que el error sea menor que 0.0001.
15. Considere la función f (x) = exp(x) − 4x2 . Se pide:
a) Localizar graficamente las raı́ces de la función f .
b) Considere el intervalo I = [−1, 5]. Realizar dos iteraciones del
método de la bisección y escoja el punto medio del último intervalo
obtenido como aproximación inicial para el método de Newton.
Aplique el método de Newton hasta alcanzar una precisión de
10−2 . Comparando con la localización de los zeros realizada en el
item anterior, identifique cual raı́z fue obtenida en este proceso y
justifique por que la convergencia fue para esta raı́z.
16. Aplique el método de Newton-Raphson a la ecuación x3 −2x2 −3x+10 =
0 con x0 = 1.9. Justifique los resultados obtenidos.
17. El valor de π puede ser obtenido como solución de las siguientes ecua-
ciones sin(x) = 0 y cos(x) + 1 = 0.
a) Aplique el método de Newton con x0 = 3 y precisión 10−2 en cada
caso y compare los resultados. Justifique los resultados obtenidos.
b) ¿Puede aplicarse el método de la bisección en la resolución de la
ecuación cos(x) + 1 = 0 para obtener el valor de π?.
18. Use el método del punto fijo para encontrar una raı́z de f (x) = x3 +
4x2 − 10 en el intervalo [1, 2].
19. Use el método del punto fijo para encontrar una raı́z de f (x) = x −
x4/5 − 2.
Capı́tulo 2
Interpolación polinomial
Dada una función continua f para la cual sólo conocemos su valor yi para
n + 1 puntos discretos xi , es decir:
43
44 CAPÍTULO 2. INTERPOLACIÓN POLINOMIAL
es fácil observar que todas las Li (i = 0, 1, ..., n) cumplen las siguientes pro-
piedades:
Cada Li es un polinomio de grado n.
1, i = j
Li (xj ) =
0, i 6= j
Calculadas todas las Li , definimos:
n
X
Pn (x) = f (x0 )L0 (x) + · · · + f (xn )Ln (x) = f (xj )Lj (x). (2.8)
j=0
Ejemplo 2.2.1. Dados los puntos (−1, 1), (2, −1), (0, −1). Calcule el poli-
nomio de interpolación en la forma de Lagrange.
Resolución:
Dados los 3 puntos, procedemos a calcular L0 , L1 y L2 según (2.7):
(x − 2)(x − 0) (x − 2)x
L0 (x) = =
(−1 − 2)(−1 − 0) 3
(x + 1)(x − 0) (x + 1)x
L1 (x) = =
(2 + 1)(2 − 0) 6
(x + 1)(x − 2) (x + 1)(x − 2)
L2 (x) = =−
(0 + 1)(0 − 2) 2
P2 (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x)
Dados los puntos (x0 , f (x0 )), ..., (xn , f (xn )) es relativamente fácil calcular
Pn en la forma de Lagrange, pero, ¿qué sucede si agregamos a los puntos ini-
ciales el punto (xn+1 , f (xn + 1))?. Ante esta situación, el método de Lagrange
no es ventajoso, porque tenemos que rehacer todos los cálculos para obtener
el polinomio Pn+1 . El método de Newton, descrito en la siguiente sección,
resuelve este problema.
Es decir, (2.10) nos dice que x0 , x1 , ..., xn son las n + 1 raı́ces del polinomio
Qn+1 . Por tanto:
Qn+1 (x) = an+1 θn+1 (x) (2.11)
para alguna constante an+1 ∈ R y donde
de ahı́:
yn+1 − Pn (xn+1 )
an+1 = (2.12)
θn+1 (xn+1 )
Ejemplo 2.3.1. Para los puntos (−1, 1), (2, −1), (0, −1) del ejemplo ante-
rior, calcule el nuevo polinomio de interpolación después de agregar el punto
(−2, −2).
Resolución:
Procedemos de la forma siguiente:
Para (x0 , y0 ), definimos P0 (x) = y0 = 1.
2 2 19
P3 (x) = 1 − (x + 1) + (x + 1)(x − 2) + (x + 1)(x − 2)x.
3 3 24
Los resultados pueden observarse en la Figura 2.2.
f [x0 , x0 ] := a0 = y0 (2.14)
es decir
Pn (xi+j ) = yi+j j = 0, 1, 2, ..., n
Qn interpola a (xi+1 , yi+1 ), · · · (xi+n , yi+n ), (xi+n+1 , yi+n+1 ),
es decir
Qn (xi+j ) = yi+j j = 1, 2, 3, ..., n + 1.
Por tanto, de (2.16) los polinomios Pn y Qn tienen la siguiente forma:
n
X
Pn (x) = f [xi , xi ] + f [xi , xi+1 , ..., xi+j ](x − xi )...(x − xi+j−1 ) (2.18)
j=1
n+1
X
Qn (x) = f [xi+1 , xi+1 ] + f [xi+1 , xi+2 , ..., xi+j ](x − xi+1 )...(x − xi+j−1 )
j=2
(2.19)
50 CAPÍTULO 2. INTERPOLACIÓN POLINOMIAL
xi yi
xi+3 yi+3 f [xi+2 , xi+3 ] f [xi+1 , xi+2 , xi+3 ] f [xi , xi+1 , xi+2 , xi+3 ]
Ejemplo 2.4.1. Considere los puntos (1, 1/2), (0, −1/2), (3/2, 1) y (2, 2).
Use el método de diferencias divididas para calcular el polinomio de interpo-
lación en la forma de Newton.
2.4. MÉTODO DE DIFERENCIAS DIVIDIDAS 51
Resolución:
Construimos la tabla según la Figura 2.3:
1
1
2
1
0 − 1
2
2 9 15
1 −
3 4 4
3 3
2 2 − 3
4 4
1 15 2
P3 (x) = + (x − 1) − (x − 1)x + 3(x − 1)x x − .
2 4 3
Una ventaja del método de diferencias divididas es que nos permite en-
contrar también el polinomio de interpolación para un subconjunto de los
puntos dados, por ejemplo, a partir de la Figura 2.4 podemos obtener el poli-
nomio de interpolación P2 para los puntos (0, −1/2), (2/3, 1) y (2, 2), el cual
es dado por:
1 9 3 2
P2 (x) = − + x − x x − .
2 4 4 3
2.5. ANÁLISIS DE ERROR 53
θn+1 (t)
g(t) = f (t) − Pn (t) − [f (x) − Pn (x)] (2.24)
θn+1 (x)
donde
θn+1 (t) = (t − x0 )(t − x1 )...(t − xn−1 )(t − xn ).
Observemos que si t = xi (i = 0, 1, 2, ..., n) en (2.24), entonces g(xi ) = 0. Ası́
mismo, si t = x, también implica g(x) = 0. Es decir, {x0 , ..., xn , x} son n + 2
raı́ces de la función g.
Luego, exigiendo que f sea n+1 veces derivable, podemos aplicar el Teorema
de Rolle continuamente y obtenemos que existe ξ ∈ (a, b) tal que
g (n+1) (ξ) = 0.
(n + 1)!
g (n+1) (t) = f (n+1) (t) − E(x)
θn+1 (x)
Por tanto:
(n + 1)!
g (n+1) (ξ) = f (n+1) (ξ) − E(x) = 0
θn+1 (x)
lo que implica
f (n+1) (ξ)
E(x) = θn+1 (x) (2.25)
(n + 1)!
La relación dada en (2.25) nos da una expresión para el error que se comete
en algún punto x ∈ (a, b). Observar que E(xi ) = 0 para todo i = 0, 1, ..., n.
x8 3cos(2x)
Ejemplo 2.5.1. Sea f (x) = − . Calcule una cota del error
84 8
cuando se aproxima f (0.65) cuando se considera 5 puntos uniformemente
espaciados en [0, 1].
Resolución:
Consideremos la partición uniforme:
f (v) (ξ)
E(x) = (x − x0 )(x − x1 )(x − x2 )(x − x3 )(x − x4 )
5!
2.5. ANÁLISIS DE ERROR 55
1
f (x) = , para todo x ∈ [−1, 1]. (2.26)
1 + 25x2
lı́m máx |f (x) − Pn (x)| = ∞. (2.28)
n→∞ −1≤x≤1
2.6. FENÓMENO RUNGE 57
0.8
0.6
0.4
0.2
−0.2
−0.4
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
Integración Numérica
59
60 CAPÍTULO 3. INTEGRACIÓN NUMÉRICA
3.1.1. Simple
Siendo f : [a, b] → R una función continua y consideramos x0 = a, x1 = b.
Con la finalidad de utilizar interpolación polinomial, exigimos que f sea dos
veces derivable. Luego, se cumple
f (x) = P1 (x) + E1 (x) (3.3)
donde
(x − x0 )
P1 (x) = f0 + (f1 − f0 )
h
3.1. MÉTODO DEL TRAPECIO 61
f 00 (ξ) 3
= − h,
12
donde se ha observado que g(x) = (x − x0 )(x − x1 ) no cambia de signo para
todo x ∈ [x0 , x1 ], por tanto, para usar el teorema del valor medio para inte-
grales exigimos que f 00 sea continua en [x0 , x1 ] y ası́ obtenemos la expresión
para el error ET S.
Luego, integrando (3.3) y reemplazando en él los resultados obtenidos en
(3.4) y (3.5) se obtiene
Z x1
h f 00 (ξ) 3
f (x)dx = (f0 + f1 ) − h (3.6)
x0 2 12
3.1.2. Compuesto
Es natural pensar que usar el método del trapecio simple para una función
f da en general aproximaciones muy alejadas del valor exacto de la integral,
como puede observarse en la Figura 3.1. Con el objetivo de mejorar la apro-
ximación, es natural pensar en considerar una partición regular del intervalo
62 CAPÍTULO 3. INTEGRACIÓN NUMÉRICA
donde
Z xi+1
h
MTSi (f ) = f (x) dx = (fi + fi+1 ), i = 0, ..., n − 1
xi 2
y el error total es
n−1 n−1 00
X X f (ξi )
ETC = ETSi = − h3 (3.8)
i=0 i=0
12
es decir
n−1
X
f 00 (ξi )
i=0
f 00 (x∗ ) ≤ ≤ f 00 (x̂)
n
dado que f 00 es una función continua en [a, b], entonces podemos aplicar el
Teorema del Valor Intermedio, es decir, existe ξ ∈ ha, bi tal que
n−1
X
f 00 (ξi )
i=0
f 00 (ξ) = (3.14)
n
Reemplazando adecuadamente (3.14) en la expresión para el error del método
del trapecio compuesto dado por (3.8), obtenemos
n−1 00
X f (ξi ) h3 00
ETC = − h3 = −n f (ξ) para algún ξ ∈ ha, bi. (3.15)
i=0
12 12
o de forma equivalente
h3 00 (b − a)3 00
ETC = −n f (ξ) = − f (ξ) para algún ξ ∈ ha, bi. (3.16)
12 12n2
y como 1 ≤ x ≤ e, entonces
|f 00 (x)| ≤ 2 ln(e) + 3 = 5.
M T C(f ) = 4.58238800,
y realizando una simple integración por partes se puede obtener en este caso
el valor exacto de la integral, es decir
Z e
2e3 1
f (x) dx = + = 4.57456376,
1 9 9
a+b
a = x0 < x1 = < x2 = b,
2
y definiendo h = x2 −x1 = x1 −x0 . Con los puntos x0 , x1 y x2 podemos aplicar
interpolación polinomial para obtener otro método de integración numérica,
que será descrito en la siguiente sección.
3.2.1. Simple
Dado que tenemos los puntos (x0 , f0 ), (x1 , f1 ) y (x2 , f2 ), usamos inter-
polación polinomial mediante el método de coeficientes indeterminados para
obtener P2 , polinomio de segundo grado, que se puede expresar de la siguiente
forma
P2 (x) = p + qx + rx2 (3.17)
que satisface
Se cumple
Z x2 Z x2 Z x2
f (x) dx = P2 (x) dx + E(x) dx (3.20)
x0 x0 x0
Vamos a usar las relaciones dadas en (3.17) y (3.18) para encontrar una
3.2. MÉTODO DE SIMPSON 67
(x2 − x0 )
= [6p + 3q(x2 + x0 ) + 2r(x22 + x2 x0 + x20 )]
6
(x2 − x0 )
= [(p + qx2 + rx22 ) + (p + qx0 + rx20 ) + 2q(x0 + x2 ) +
6
+ r(x22 + 2x2 x0 + x20 ) + 4p]
" 2 #
(x2 − x0 ) x0 + x2 x0 + x2
= f0 + f2 + 4q + 4r + 4p
6 2 2
(x2 − x0 )
= [f0 + f2 + 4(qx1 + rx21 + p)]
6
(x2 − x0 ) 2h
= [f0 + 4f1 + f2 ] = [f0 + 4f1 + f2 ]
6 6
f 000 (ξ)
ESS = (x − x0 )(x − x1 )(x − x2 ) (3.23)
6
f (iv) (ξ)h5
E(h) = − (3.30)
90
Por tanto, a partir de (3.19) junto a (3.21) y (3.30) se tiene la siguiente
igualdad
Z x2
h f (4) (ξ)h5
f (x) dx = [f (x0 ) + 4f (x1 ) + f (x2 )] − (3.31)
x0 3 90
3.2.2. Compuesto
De una forma análoga al método del trapecio compuesto, vamos a consi-
derar una partición regular del intervalo [a, b], es decir:
donde
Z x2i
h n
M SSi (f ) = f (x) dx = (f2i−2 + 4f2i−1 + f2i ), i = 1, ...,
x2i−2 3 2
n
2
X h5
ESC = − f (4) (ξi ) (3.32)
i=1
90
70 CAPÍTULO 3. INTEGRACIÓN NUMÉRICA
f (iv) (x∗ ) ≤ f (iv) (x) ≤ f (iv) (x̂) para todo x ∈ [a, b] (3.35)
n
en particular, para ξi ∈ [x2i−2 , x2i ] ⊂ [a, b], (i = 1, ..., ) también se cumple
2
es decir n
2
X
2 f (iv) (ξi )
i=1
f (iv) (x∗ ) ≤ ≤ f (iv) (x̂)
n
dado que f (iv) es una función continua en [a, b], entonces aplicamos de nuevo
el Teorema del Valor Intermedio, es decir, existe ξ ∈ ha, bi tal que
n
2
X
2 f (iv) (ξi )
i=1
f (iv) (ξ) = (3.38)
n
3.2. MÉTODO DE SIMPSON 71
y queremos una tolerancia de error de tol = 10−2 , por tanto, exigimos que:
(e − 1)5
M ≤ tol
180n4
de donde se obtiene
r
M (e − 1)5
4
n≥ ≈ 2.01980,
180 tol
ası́, debemos tomar n = 4 porque debe ser un número par.
Z 2
Ejemplo 3.2.2. Determine el número de intervalos n para aproximar e2x sen(3x) dx
0
con una exactitud de 10−4 usando el método del trapecio compuesto y méto-
do de Simpson compuesto.
Resolución:
Sea f (x) = e2x sen(3x), luego:
f 0 (x) = e2x (2sen(3x) + 3cos(3x))
f 00 (x) = e2x (−5sen(3x) + 12cos(3x))
f 000 (x) = e2x (−46sen(3x) + 9cos(3x))
f (iv) (x) = e2x (−119sen(3x) − 120cos(3x))
Para el método del trapecio se tiene que:
b − a 2 00
ET (f ) = − h f (ξ) para algún ξ ∈ ha, bi.
12
Por tanto, debemos acotar f (00) (x) para todo 0 ≤ x ≤ 2. Por dato, obtenemos
lo siguiente:
p
|e2x | ≤ e4 , | − 5sen(3x) + 12cos(3x)| ≤ (5)2 + (12)2 ,
3.3. CUADRATURA GAUSSIANA 73
entonces:
|f (00) (x)| ≤ M
p
donde M = e4 (5)2 + (12)2 = 709.77595. Ahora, acotamos ET (f ), es decir:
22 (00) 2M
|ET (f )| = 2
f (ξ) ≤ 2 ≤ 10−4
12n2 3n
de donde obtenemos:
r
2M 104
n≥ = 2175.2792,
3
por tanto, para el método del trapecio tenemos que tomar n = 2176.
Para el método de Simpson compuesto, debemos acotar f (iv) (x) para todo
0 ≤ x ≤ 2. De esto, tenemos lo siguiente:
p
|e2x | ≤ e4 , | − 119sen(3x) − 120cos(3x)| ≤ (119)2 + (120)2 ,
entonces:
|f (iv) (x)| ≤ M
p
donde M = e4 (119)2 + (120)2 = 9227.0874. Ahora, acotamos ES(f ), es
decir:
24
8M
≤ 10−4
(iv)
|ES(f )| = 2
4
f (ξ) ≤
180n 45n4
de donde obtenemos:
r
4 8M 104
n≥ = 63.640785
45
por tanto, para el método de Simpson tenemos que n = 64.
2. Polinomios de Laguerre:
I = [0, ∞i,
w(x) = e−x ,
L0 (x) = 1,
L1 (x) = 1 − x,
(2n + 1 − x) n
Ln+1 (x) = Ln (x) − Ln−1 (x) ∀n ≥ 1.
n+1 n+1
3. Polinomios de Hermite:
I = h−∞, +∞i,
2
w(x) = e−x ,
H0 (x) = 1,
H1 (x) = 2x,
Hn+1 (x) = 2xHn (x) − 2nHn−1 (x) ∀n ≥ 1.
x 0 1 2 3 4
y 0.78 2.04 3.71 4.11 3.89
Z 4
determine un valor aproximado de la integral f (x)dx.
0
3. Aproximar la integral: Z 1
4
dx
0 1 + x2
utilizando el método de Romberg, con una tolerancia de 5 × 10−9 y 20
iteraciones.
R1
4. Deduzca la fórmula de Newton - Cotes para 0 f (x) dx, usando po-
linomios de interpolación de Lagrange con nodos 0, 31 , 23 , 1. Use este
resultado para evaluar la integral cuando f (x) = sen(πx).
5. Encuentre la fórmula
Z 1
f (x) dx ≈ A0 f (0) + A1 f (1)
0
Ax = b (4.1)
donde A ∈ Rn×n , x ∈ Rn y b ∈ Rn .
77
78 CAPÍTULO 4. SISTEMAS DE ECUACIONES LINEALES
De (4.4) se obtiene:
l11 = 0 o u11 = 0.
Factorización de Doolitle
Factorización de Crout
Factorización de Cholesky
4.1.3. Factorización QR
Processo de ortogonalización de Gram-Schmidt
u1
u1 = v1 q1 =
||u1 ||
u2
u2 = v2 − hq1 , v2 iq1 q2 =
||u2 ||
u3
u3 = v3 − hq1 , v3 iq1 − hq2 , v3 iq2 q3 =
||u3 ||
.. ..
. .
un
un = vn − hq1 , vn iq1 − · · · − hqn−1 , vn iqn−1 qn =
||un ||
del sistema anterior podemos obtener:
v1 = ||u1 ||q1
v2 = ||u2 ||q2 + hq1 , v2 iq1
v3 = ||u3 ||q3 + hq1 , v3 iq1 + hq2 , v3 iq2
v4 = ||u4 ||q4 + hq1 , v4 iq1 + hq2 , v4 iq2 + hq3 , v4 iq3
..
.
n−1
X
vn = ||un ||qn + hqi , vn iqi
i=1
A = [v1 | v2 | v3 | v4 | · · · | vn ]
A = QR
2Ω ig 15 Ω
6Ω 12 Ω
I2
−
125 V + I1
20
Ω
5Ω 13 Ω
I3 i0
x = Mx + d (4.9)
83
84CAPÍTULO 5. MÉTODOS NUMÉRICOS PARA PROBLEMAS DE VALOR INICIAL
0 = t0 < t1 < ... < ti < ... < tn−1 < tn = T (5.4)
tn − t0
donde h = ti+1 − ti = para todo i = 0, 1, ..., n − 1.
n
Los métodos a estudiar están basados en el segundo teorema fundamental
del cálculo, del cual sabemos que se cumple:
Z ti+1
y 0 (x) dx = y(ti+1 ) − y(ti )
ti
de donde se obtiene:
Z ti+1
y(ti+1 ) = y(ti ) + y 0 (x) dx (5.5)
ti
Es más, definiendo:
ti + ti+1
ti+ 1 = , yi+ 1 = y(ti+ 1 ), fi+ 1 = f (ti+ 1 , yi+ 1 )
2 2 2 2 2 2 2
Hasta ahora, los métodos descritos por (5.6), (5.7) y (5.8) han sido obtenidos
de forma intuitiva y geométrica, basándonos en el hecho de que la integral de
una función positiva coincide con el área bajo la curva. Una deducción más
formal será presentada en la sección siguiente.
además
f (n+1) (s)
Rn+1,x0 (t) = (t − x0 )n+1 (5.11)
(n + 1)!
conocido como Resto en la forma de Lagrange.
Ejemplo 5.1.1.√ Construir la fórmula de Taylor para el polinomio de grado
4 de f (x) = 3 + x alrededor√del punto 1 y obtener una cota del error
cometido al aproximar el valor 5.
Resolución:
La fórmula de Taylor para el polinomipo de grado 4 alrededor del punto 1
viene dado por:
4
X f (i) (1)
P4 (x) = (x − 1)i
i=0
i!
Calculamos las derivadas:
√
f (x) = 3+x ⇒ f (1) = 2
1 1
f 0 (x) = √ ⇒ f 0 (1) =
2 3+x 4
1 1
f 00 (x) = − p ⇒ f 00 (1) = −
4 (3 + x)3 32
3 3
f 000 (x) = p ⇒ f 000 (1) =
8 (3 + x)5 256
15 15
f (iv) (x) = − p ⇒ f (iv) (1) = −
16 (3 + x)7 2048
105 105
f (v) (x) = p ⇒ f (v) (1) = .
32 (3 + x)9 16384
Por tanto:
2.8
2.6
2.4
2.2
1.8
1.6
1.4
1.2
1
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
y 0 = −2xy 2 y(0) = 1
tomando h = 0.05.
Bibliografı́a
[2] M. Dowell and P. Jarratt, “A modified regula falsi method for computing
the root of an equation,” BIT Numerical Mathematics, vol. 11, no. 2,
pp. 168–174, 1971.
91