Métodos Numéricos

Índice

Página

I ECUACIONES NO LINEALES 3
1. Conceptos Básicos 4
1.1. Conceptos básicos de Métodos numéricos . . . . . . . . . . . 4
1.2. Conceptos básicos de ecuaciones no lineales . . . . . . . . . . 4

2. Método de la bisección 5
2.1. Conceptos básicos . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2. Intervalo que contiene la raı́z . . . . . . . . . . . . . . . . . . 6
2.3. Algoritmo del método . . . . . . . . . . . . . . . . . . . . . 8

3. Método de Newton-Raphson 10
3.1. Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2. Construcción del método . . . . . . . . . . . . . . . . . . . . 11
3.3. Algoritmo del método . . . . . . . . . . . . . . . . . . . . . 12

4. Método de la secante 13
4.1. Construcción del método . . . . . . . . . . . . . . . . . . . . 13
4.2. Algoritmo del método . . . . . . . . . . . . . . . . . . . . . 13

5. Sistemas de ecuaciones no lineales 14

5.1. Aproximación lineal . . . . . . . . . . . . . . . . . . . . . . . 14
5.2. Construcción del método . . . . . . . . . . . . . . . . . . . . 14
5.3. Algoritmo del método . . . . . . . . . . . . . . . . . . . . . 16

6. Ejercicios 20

7. Ejercicios del capı́tulo 21

MÉTODOS NUMÉRICOS (ı́ndice:2) ÍNDICE

II INTERPOLACIÓN 22 19.2. Construcción del método . . . . . . . . . . . . . . . . . . . . 40

19.3. Algoritmo del método . . . . . . . . . . . . . . . . . . . . . 41
8. Conceptos básicos 23
20. Método de Gauss-Seidel 43
9. Polinomio interpolador de Lagrange 23 20.1. Construcción del método . . . . . . . . . . . . . . . . . . . . 43
9.1. Propiedades previas . . . . . . . . . . . . . . . . . . . . . . . 23
9.2. Polinomios básicos de Lagrange . . . . . . . . . . . . . . . . 24 21. Ejercicios 46
9.3. Algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
22. Respuestas 47
10.Ejercicios 29
V ECUACIONES DIFERENCIALES 48
III INTEGRACIÓN NUMÉRICA 29 23. Conceptos básicos 49
11. Conceptos básicos 30 24. Método de Euler 49
24.1. Construcción del método . . . . . . . . . . . . . . . . . . . . 49
12. Método del punto medio 30 24.2. Algoritmo del método . . . . . . . . . . . . . . . . . . . . . 49
13. Método del punto medio compuesto 31 25. Método de Euler modificado 55
14. Método del trapecio 32 26. Método de Runge-Kutta de orden 2 59
26.1. Construcción del método . . . . . . . . . . . . . . . . . . . . 59
15. Método del trapecio compuesto 33 26.2. Algoritmo del método . . . . . . . . . . . . . . . . . . . . . 59
16. Regla de Simpson 35 27. Método de Runge-Kutta orden 3 61
27.1. Construcción del método . . . . . . . . . . . . . . . . . . . . 61
17. Regla de Simpson compuesta 37 27.2. Algoritmo del método . . . . . . . . . . . . . . . . . . . . . 61
18. Ejercicios 38 28. Método de Runge-Kutta de orden 4 62

29. Método de Euler para sistemas 63

IV SISTEMAS DE ECUACIONES LINEALES 39
30. Ejercicios 64
19. Método de Jacobi 40
19.1. Construcción del método . . . . . . . . . . . . . . . . . . . . 40

2 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2)

CAPÍTULO I
ECUACIONES NO
LINEALES

3 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 1 CONCEPTOS BÁSICOS

SECCIÓN 1 1.2. Conceptos básicos de ecuaciones no lineales

Conceptos Básicos
Definición 4 : Cero de una función
Un cero de una función f : R → R es un número α tal que f (α) = 0.

1.1. Conceptos básicos de Métodos numéricos

Ejemplos 1 Observemos que x = 1 es un cero de f (x) = x2 − 1, mientras
que x = πrad es un cero de g(x) = 1 + cos(x).
Definición 5 : Cero de una ecuación
En esta subsección definiremos algunos conceptos básicos que utilizaremos en
el curso de Métodos numéricos. Un cero de una ecuación f (x) = 0 es un número α tal que f (α) = 0.

Ejemplos 2 Consideremos la ecuación x2 − x − 6 = 0, considerando f (x) =

Definición 1 : Algoritmo
x2 − x − 6 vemos que x = 3 y x = −2 son ceros de la ecuación.
Un algoritmo es un procedimiento que describe, sin ambigüedades, una
sucesión finita de pasos a realizar en un orden especı́fico, para resolver
un problema o aproximarse a una solución del problema.

Definición 2 : Iteración
Una iteración es una repetición varias veces de un proceso con la inten-
ción de alcanzar una meta deseada, objetivo o resultado. Cada repetición
de este proceso también se denomina iteración.

Definición 3 : Método numérico

Un método numérico es un procedimiento mediante el cual se obtiene,
casi siempre de manera aproximada, la solución de ciertos problemas
realizando cálculos puramente aritméticos y lógicos.

4 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 2 MÉTODO DE LA BISECCIÓN

SECCIÓN 2 Segundo caso: si [c, b] es no vacı́o, todos sus elementos x satisfacen la condición
Método de la bisección que f (x) > k y se cumple que f (c) ≥ k.
La siguiente gráfica muestra la representación del Teorema del valor intermedio.
Este método es un algoritmo que permite aproximar raı́ces de ecuaciones no
lineales, trabaja dividiendo el intervalo donde se encuentra la raı́z a la mitad y
eligiendo el subintervalo que contiene a la raı́z.
Es un método de fácil intuición y se fundamenta en el teorema del valor inter-
medio y teorema de Bolzano.

2.1. Conceptos básicos

Comenzaremos enunciando y demostrando el Teorema del valor intermedio.

Teorema 1 : Valor intermedio (T.V.I.)

Si f es una función continua en [a, b] y k ∈ ]f (a), f (b)[, entonces existe

un número c ∈ ]a, b[ tal que f (c) = k.
Demostración. Sea el número real k tal que f (a) ≤ k ≤ f (b) y consideremos
el conjunto
A = {x : f (x) ≤ k} ⊂ [a, b].
Podemos observar que A es no vacı́o, a ∈ A y está acotado superiormente por
b.
Sea f (c) la menor de las cotas superiores, vamos a demostrar que f (c) = k.
Como c es un lı́mite de elementos de A, entonces f (c) ≤ k.
Nos queda por demostrar que f (c) ≥ k, para esto tenemos dos casos.
Primer caso: si c = b, se cumple de inmediato.
Figura 1: Gráfica del T.V.I.
Apliquemos este resultado en el siguiente ejemplo.
Ejemplos 3 Consideremos la función f (x) = x2 − 6x, podemos observar que
f es continua en R. En particular consideremos x ∈ [5, 7], luego f (5) = −5 y
f (7) = 7.
Por lo tanto, el T.V.I. afirma que para cualquier k ∈ ] − 5, 7[ siempre podremos
encontrar un número c ∈ ]5, 7[ tal que f (c) = k.
√
• Para k = 6, tenemos que c = 13 + 3 ≈ 6, 6.
• Para k = 5, 3, tenemos que c ≈ 6, 78.
√
• Para k = −3, tenemos que c = 3 + 3 ≈ 5, 45.

5 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 2 MÉTODO DE LA BISECCIÓN

El siguiente resultado es consecuencia del T.V.I. Y efectivamente 6 ∈ [5, 7] es un cero de f (x) = x2 − 6x.
Teorema 2 : de Bolzano Existen ecuaciones no lineales que podrı́an tener más de una solución, como
es el caso de la ecuación
Si f es una función continua en [a, b] y f (a)f (b) < 0, entonces existe x
un número c ∈ ]a, b[ tal que f (c) = 0. cos(x) − sen − 0, 5 = 0.
2

La siguiente gráfica muestra la representación del Teorema de Bolzano.

x
Figura 3: Gráfica de f (x) = cos(x) − sen − 0, 5
2

2.2. Intervalo que contiene la raı́z

Figura 2: Gráfica del Teorema de Bolzano
Apliquemos este resultado en el siguiente ejemplo.
Ejemplos 4 Consideremos la función f (x) = x2 −6x, podemos observar que f
es continua en R. En particular consideremos x ∈ [5, 7], luego f (5) = −5 < 0
y f (7) = 7 > 0.
Por lo tanto, el teorema de Bolzano afirma que en [5, 7] existe un cero de f (x).
El proceso que abarcaremos ahora es determinar un intervalo en el cual exista
una solución de una ecuación no lineal.
El teorema de Bolzano garantiza que si f (a) y f (b) tienen distinto signo,
entonces existe un número c ∈ ]a, b[ tal que f (c) = 0.
Por lo tanto, dada una ecuación no lineal f (x) = 0, para determinar un inter-
valo [a, b] que contenga una raı́z, basta con verificar que f (a) y f (b) tienen
distinto signo.

6 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 2 MÉTODO DE LA BISECCIÓN

Link 1 : Intervalo que contiene una solución

En el siguiente link podemos encontrar una explicación más detallada de
este procedimiento:
https://www.youtube.com/watch?v=cgxYFVDI8SI&t=104s

Ejemplos 5 Determinemos los intervalos que contienen una solución de las

isguientes ecuaciones no lineales:

(1) x4 − e−x − 2 = 0

Desarrollo: Considerando f (x) = x4 − e−x − 2, vemos que f es continua

en todo R.

Calculemos algunas imágenes:

• f (0) = 04 − e0 − 2 = −2 (negativo).

• f (1) = 14 − e−1 − 2 ≈ −1, 37 (negativo).

• f (2) = 24 − e−2 − 2 ≈ 13, 87 (positivo). Figura 4: Gráfica de f (x) = x4 − e−x − 2

Por lo tanto, existe una solución en [1, 2]. (2) cos(x) − x2 = −1

Podemos observar de la gráfica de f , además, que en [−2, −1] también
existe una solución.
En efecto,
• f (−2) = (−2)4 − e−(−2) − 2 ≈ 6, 61 (positivo).
• f (−1) = (−1)4 − e−(−1) − 2 ≈ −3, 72 (negativo).
Desarrollo: Considerando g(x) = cos(x)−x2 +1, vemos que g es continua
en todo R.
Calculemos algunas imágenes:
• g(0) = cos(0) − 02 + 1 = 2 (positivo).
• g(1) = cos(1) − 12 + 1 ≈ 0, 54 (positivo).
• g(2) = cos(2) − 22 + 1 ≈ −3, 42 (negativo).

7 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2)
Por lo tanto, existe una solución en [1, 2].
2
Figura 5: Gráfica de g(x) = cos(x) − x + 1
En [−2, −1] también existe una solución.
8 Académico: Francisco Cartes Arenas
2 MÉTODO DE LA BISECCIÓN
2.3. Algoritmo del método
Utilizamos el T.V.I. y teorema de Bolzano para construir el siguiente algoritmo.
Algoritmo 1 : método de la bisección
Dada una ecuación no lineal f (x) = 0.
(1) Determinamos un intervalo [a, b] tal que f (a) y f (b) tengan
distinto signo. Luego el teorema de Bolzano afirma que existe
c ∈ ]a, b[ tal que es cero de la función f (x).
(2) Tomamos el punto medio de [a, b], denotado por x0 , es decir
a+b
x0 = .
2
(3) Si f (x0 ) = 0, entonces detenemos el proceso y la solución es x0 .
(4) Si f (x1 ) 6= 0, entonces tenemos dos opciones:
Primera opción: Si f (a)f (x0 ) < 0, entonces la solución c de
f (x) = 0 está en ]a, x0 [ y realizamos el mismo procedimiento para
el intervalo [a, x0 ].
Segunda opción: Si f (x2 )f (b) < 0, entonces la solución c de
f (x) = 0 está en ]x2 , b[ y realizamos el mismo procedimiento para
el intervalo [x2 , b].
(5) Iteramos el proceso para construir la sucesión x0 , x1 , x2 , . . .
MÉTODOS NUMÉRICOS (ı́ndice:2) 2 MÉTODO DE LA BISECCIÓN

Link 2 : Algoritmo método bisección Según la gráfica, podemos observar que hemos aproximado sólo una de
las 3 soluciones de la ecuación.
En el siguiente link podemos encontrar una explicación más detallada de
este procedimiento:
https://www.youtube.com/watch?v=6U_aZmEjgh0

Ejemplos 6

(1) Calculemos 5 iteraciones para aproximar una solución de la ecuación

x3 − 7x2 + 14x − 6 = 0.

Desarrollo: Lo primero que necesitamos hacer, es determinar un intervalo

donde f (x) = x3 − 7x2 + 14x − 6 tenga un cambio de signo.

Para esto observemos que

f (0) = −6 < 0 y f (1) = 2 > 0.

Figura 6: Gráfica de f (x) = x3 − 7x2 + 14x − 6
Por lo tanto, aproximaremos una solución en [0, 1].
(2) Aproximemos una raı́z de la cuación 3x2 − e−x = 0, realizando 4 iteracio-
n an bn xn f (an ) f (bn ) f (xn ) nes.
0 0 1 0, 5 − + −
Desarrollo: Considerando f (x) = 3x2 − e−x , podemos verificar que en
1 0, 5 1 0, 75 − + +
[0, 1] existe una solución.
2 0, 5 0, 75 0, 625 − + +
3 0, 5 0, 625 0, 5625 − + − n an bn xn f (an ) f (bn ) f (xn )
4 0, 5625 0, 625 0, 59375 − + + 0 0 1 0, 5 − + +
5 0, 5625 0, 59375 0, 578125 − + / 1 0 0, 5 0, 25 − + −
2 0, 25 0, 5 0, 375 − + −
Es decir, una solución de la ecuación no lineal es x ≈ 0, 578125. 3 0, 375 0, 5 0, 4375 − + −
4 0, 4375 0, 5 0, 46875 − + /
Observemos que en la tabla anterior sólo hemos utilizado el signo de
f (xn ), que es la información que nos interesa. Por lo tanto, una solución de la ecuación no lineal es x ≈ 0, 46875.

9 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 3 MÉTODO DE NEWTON-RAPHSON

Según la gráfica, podemos observar que hemos aproximado sólo una de SECCIÓN 3
las 3 soluciones de la ecuación. Método de Newton-Raphson

3.1. Series de Taylor

Definición 6 : Serie de potencias

Una serie de potencias es una serie de la forma
∞
X
an (x − c)n .
n=0

Definición 7 : Serie de Taylor

Sea f una función real o compleja tal que f ∈ C ∞ (X) . La serie de

Taylor de la función f es de la forma:

f ′ (a) f ′′ (a) f ′′′ (a)

f (a) + (x − a) + (x − a)2 + (x − a)3 + ...
1! 2! 3!
es decir
Figura 7: Gráfica de f (x) = 3x2 − e−x ∞
X f (k) (a)
(x − a)k
k=0
k!
con a ∈ X.

10 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 3 MÉTODO DE NEWTON-RAPHSON

Teorema 3 3.2. Construcción del método

Si f ∈ C ∞ [a, x] , entonces
n Dada la ecuación no lineal f (x) = 0. Supongamos que f ∈ C 2 [a, b] y consi-
X f (k) (a) deremos una aproximación inicial x0 ∈ [a, b] tal que f ′ (p) 6= 0 y |p − x0 | es
f (x) = (x − a)k + Rn (f ) ,
k=0
k! pequeño. Observemos que el primer Polinomio de Taylor para f (x) alrededor
de x0 y evaluado en x = p es
donde Rn (f ) es el resto que depende de x.
′′
f (ξ (p))
f (p) = f (x0 ) + f ′ (x0 ) (p − x0 ) + (p − x0 )2 ,
Observación 1 Existen dos formas de expresar R : 2

(1) Término complementario de Lagrange donde ξ (p) está entre p y x0 .

Como p es raı́z de la ecuación f (x) = 0, entonces la identidad da como

(n+1) resultado
f (ξ (x))
Rn (f ) = (x − a)n+1 ,
(n + 1)!
′′
f (ξ (p))
0 = f (x0 ) + f ′ (x0 ) (p − x0 ) + (p − x0 )2 .
2
donde ξ ∈ (a, x) .

(2) Generalización del teorema fundamental del cálculo

Si |p − x0 | es pequeño, entonces (p − x0 )2 es más pequeño aún. Por tal motivo
f ′′ (ξ (p))
x
podemos despreciar el término (p − x0 )2 de la identidad.
f (n+1) (t) 2
Z
Rn (f ) = (x − t)n dt.
a n! Por lo tanto
0 ≈ f (x0 ) + f ′ (x0 ) (p − x0 ) .
Observación 2 Si Rn (f ) tiende a cero cuando n tiende a infinito, entonces
las funciones pueden ser expresadas como series de Taylor.
Equivalentemente
Definición 8 : Función analı́tica
f (x0 )
Una función f es una función analı́tica, si puede ser expresada como p ≈ x0 − ≡ x1 .
f ′ (x0 )
serie de Taylor.

11 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 3 MÉTODO DE NEWTON-RAPHSON

3.3. Algoritmo del método Es decir, una proximación para la solución es x = −0, 6804.
(2) Determinemos 5 iteraciones para aproximar la solución, de 6 decimales,
Algoritmo 2 : método de Newton-Raphson de la ecuación 10ex cos(2x) − 4 = 0, considerando x0 = 0.
Dada una aproximación inicial x0 de la raı́z para la ecuación f (x) = 0, Desarrollo: Sea f (x) = 10ex cos(2x) − 4, luego
construimos una sucesión {xi }∞
i=0 dada por
f ′ (x) = 10ex cos(2x) − 20ex sen(2x).
f (xi−1 )
xi = xi−1 − , para i ≥ 1. Como
f ′ (xi−1 )
f (xi )
xi+1 = xn −
Ejemplos 7 Utilicemos este método para resolver los siguientes problemas. f ′ (xi )
(1) Aproximemos, una raı́z de la ecuación cos(πx) − x2 = −1 en el intervalo 10exi cos(2xi ) − 4
[−1, 0] con 3 decimales de exactitud. = xi − ,
10exi cos(2xi ) − 20exi sen(2xi )
Desarrollo: Sea f (x) = cos(πx)−x2 +1, luego f ′ (x) = −πsen(πx)−2x. entonces
Por lo tanto,
f (xi ) cos(πxi ) − x2i + 1 x1 = −0, 6;
xi+1 = xi − = x i − ⇒ x2 ≈ −0, 435391;
f ′ (xi ) −πsen(πxi ) − 2xi
⇒ x3 ≈ −0, 447351;
y utilizando x0 = −0, 5, obtenemos que
⇒ x4 ≈ −0, 44739;
• Aproximación de x1 . ⇒ x5 ≈ −0, 44739.
cos(−0, 5π) − (−0, 5)2 + 1
x1 = −0, 5 − ≈ −0, 6811. Por lo tanto, nos quedamos con x ≈ −0, 44739.
−πsen(−0, 5π) − 2(−0, 5)

• Aproximación de x2 .
cos(−0, 6811π) − (−0, 6811)2 + 1
x2 = −0, 6811 − ≈ −0, 6804.
−πsen(−0, 6811π) − 2(−0, 6811)

• Aproximación de x3 .
cos(−0, 6804π) − (−0, 6804)2 + 1
x3 = −0, 6804 − ≈ −0, 6804.
−πsen(−0, 6804π) − 2(−0, 6804)

12 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 4 MÉTODO DE LA SECANTE

SECCIÓN 4 Ejemplos 8
Método de la secante (1) Obtengamos 5 iteraciones para aproximar la solución con 5 decimales de
la ecuación, tomando x0 = 0 y x1 = 1.
El método que abarcaremos en esta sección es una modificación del método Desarrollo: Sea f (x) = 10ex cos(2x) − 4, luego
de Newton-Raphson y sustituye la derivada por un cuociente.
(xi − xi−1 ) (10exi cos(2xi ) − 4)
xi+1 = xi − .
10exi cos(2xi ) − 4 − (10exi−1 cos(2xi−1 ) − 4)
4.1. Construcción del método
Por lo tanto,
f (xi ) − f (xi−1 )
Considerando f ′ (xi ) ≈ en la expresión x2 = 0, 28153;
xi − xi−1
x3 = 0, 51144;
f (xi )
xi+1 = xi − x4 = 0, 93927;
f ′ (xi )
x5 = 0, 63344;
obtenemos que,
Por lo tanto, la aproximación solicitada es x ≈ 0, 63344.
(2) Aproximemos una solución de la ecuación 3x2 − e−x = 0 con 3 decimales
f (xi ) f (xi ) de exactitud.
xi+1 = xi − ⇒ xi+1 ≈ xi −
′
f (xi ) f (xi ) − f (xi−1 )
Desarrollo: Sea f (x) = 3x2 − e−x , sabemos que un cero de esta función
xi − xi−1 yace en [0, 1]. Si consideramos x0 = 0 y x1 = 1, entonces

x2 = 0, 2753;
4.2. Algoritmo del método
x3 = 0, 3971;
x4 = 0, 4699;
Algoritmo 3 : método de la secante
x5 = 0, 4583;
Dada una aproximación inicial x0 y x1 de la raı́z para la ecuación x6 = 0, 4589.
f (x) = 0, construimos una sucesión {xi }∞
i=0 dada por
Por lo tanto, la aproximación solicitada es x ≈ 0, 458.
(xi − xi−1 )f (xi )
xi+1 ≈ xi − , para i ≥ 1.
f (xi ) − f (xi−1 )

13 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 5 SISTEMAS DE ECUACIONES NO LINEALES

SECCIÓN 5 En el caso que tengamos una función f : R2 −→ , su aproximación lineal para

Sistemas de ecuaciones no lineales los puntos (x, y) cercanos al punto (x0 , y0 ) está dado por

∂f (x0 , y0 ) ∂f (x0 , y0 )
f (x, y) ≈ f (x0 , y0 ) + (x − x0 ) + (y − y0 ).
5.1. Aproximación lineal ∂x ∂y

f (x) − f (a) 5.2. Construcción del método

Sabemos que f (x) = lı́m , si omitimos el lı́mite obtenemos que
x→a x−1

f (x) − f (a) Supongamos que necesitamos determinar una solución para el sistema de ecua-
f ′ (x) ≈ ciones no lineales
x−a x2 − y 2 = 6

′
⇒ f (x)(x − a) ≈ f (x) − f (x); x + xy + y 2 = 2
⇒ f (x) ≈ f (a) + f ′ (x)(x − a).
Ambas funciones dadas están expresadas en su forma implı́cita, la gráfica co-
rrespondiente es
Definición 9 : Aproximación lineal

Una aproximación lineal de f (x) cercano al valor a es la expresión

L(x) = f (a) + f ′ (a)(x − a).

√
Ejemplos 9 Determinemos la expresión lineal para 5.
Desarrollo: Consideremos la función
√ 1
f (x) = x ⇒ f ′ (x) = √ .
2 x

Consideremos a = 4, un valor cercano a 5 y raı́z cuadrada exacta.

Luego,
Figura 8: Gráfica de ec1 : x2 − y 2 = 6 y ec2 : x + xy + y 2 = 2
f (5) ≈ L(4) = f (4) + f ′ (4)(5 − 4)
√ 1 1 9 Observemos que los puntos de intersección entre ambas gráficas son las solu-
= 4 + √ = 2 + = = 2, 25. ciones del sistema de ecuaciones.
2 4 4 4

14 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 5 SISTEMAS DE ECUACIONES NO LINEALES

Si consideramos las funciones Utilizamos matrices para reescribir estas dos últimas expresiones,
 
∂f (x 0 , y 0 ) ∂f (x 0 , y 0 )
f (x0 , y0 ) + (x − x0 ) + (y − y0 )
 
f (x, y)  ∂x ∂y 
≈
f (x, y) = x2 − y 2 − 6 y g(x, y) = x + xy + y 2 − 2,
 
 
g(x, y)  ∂g(x0 , y0 ) ∂g(x0 , y0 ) 
g(x0 , y0 ) + (x − x0 ) + (y − y0 )
∂x ∂y

 
∂f (x0 , y0 ) ∂f (x0 , y0 )
entonces resolver el sistema de ecuaciones es equivalente a determinar los   (x − x0 ) + (y − y0 )
f (x0 , y0 )  ∂x ∂y
puntos (x, y) tales que =

+


 
g(x0 , y0 )  ∂g(x0 , y0 ) ∂g(x0 , y0 ) 
(x − x0 ) + (y − y0 )
∂x ∂y

f (x, y) = 0
g(x, y) = 0
 
  ∂f (x0 , y0 ) ∂f (x0 , y0 )  
f (x0 , y0 ) 
 ∂x ∂y  x − x0

= +




g(x0 , y0 )  ∂g(x0 , y0 ) ∂g(x0 , y0 )  y − y0
∂x ∂y

 
∂f (x0 , y0 ) ∂f (x0 , y0 )    
Expresamos las funciones f (x, y) y g(x, y) a través de sus aproximaciones  
f (x0 , y0 )  ∂x ∂y  x x0
lineales, es decir,  
= +

   −  

g(x0 , y0 )  ∂g(x0 , y0 ) ∂g(x0 , y0 )  y y0
∂x ∂y

∂f (x0 , y0 ) ∂f (x0 , y0 ) Considerando la siguiente notación

f (x, y) ≈ f (x0 , y0 ) + (x − x0 ) + (y − y0 )
∂x ∂y
       
x f (x, y) x0 f (x0 , y0 )
∂g(x0 , y0 ) ∂g(x0 , y0 ) X =   ; F (X) =   ; X0 =   ; F (X0 ) =  
g(x, y) ≈ g(x0 , y0 ) + (x − x0 ) + (y − y0 )
∂x ∂y y g(x, y) y0 g(x0 , y0 )

15 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 5 SISTEMAS DE ECUACIONES NO LINEALES

y 5.3. Algoritmo del método

  Algoritmo 4 : método de Newton

∂f (x0 , y0 ) ∂f (x0 , y0 )

 ∂x ∂y 
 Dado el sistema de ecuaciones no lineales
DF (X0 ) = 

,

 ∂g(x0 , y0 ) ∂g(x0 , y0 )  f (x, y) = 0 y g(x, y) = 0,
∂x ∂y
consideremos
   
xn f (xn , yn )
podemos reescribir la ecuación matricial de la forma
Xn =   , F (X) =   y
yn g(xn , yn )
F (X) ≈ F (X0 ) + DF (X0 )(X − X0 ).
 
∂f (xn , yn ) ∂f (xn , yn )
 ∂x ∂y 
De dicha ecuación despejaremos la matriz X, teniendo en cuenta que el pro-
 
  DF (Xn ) =  .
0 
 ∂g(xn , yn ) ∂g(xn , yn ) 

blema inicial es determinar los (x, y) tales que F (X) = = 0.
0 ∂x ∂y

Es decir, La sucesión {(xn , yn )}∞

n=0 que aproxima a la solución (x, y) está dada
por
Xn ≈ Xn−1 − (DF (Xn−1 ))−1 F (Xn−1 ),
F (X) ≈ F (X0 ) + DF (X0 )(X − X0 ) para n ≥ 1.

⇒ 0 ≈ F (X0 ) + DF (X0 )(X − X0 )

⇒ −F (X0 ) ≈ DF (X0 )(X − X0 )

⇒ X − X0 ≈ −(DF (X0 ))−1 F (X0 )

⇒ X ≈ X0 − (DF (X0 ))−1 F (X0 ).

16 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 5 SISTEMAS DE ECUACIONES NO LINEALES

Ejemplos 10 Considerando (x0 , y0 ) = (−2, −1), vemos que

(1) Aproximemos, realizando 4 iteraciones, una raı́z para el siguiente sistema  
x1
 
−2

1 −4 −2
 
−3
de ecuaciones = −
 y1 −1 16 0 −4 −1
x2 − y 2 = 6 
 
−2, 875
x + xy + y 2 = 2
 = ;
−1, 25
considerando como punto de partida (x0 , y0 ) = (−2, −1).       
x2 −2, 875 1 −5, 375 −2, 5 0, 7031
Desarrollo: Sean = −
y2 −1, 25 31, 5312 0, 25 −5, 75 0, 2812

f (x, y) = x2 − y 2 − 6  
 −2, 7329
= ;
−1, 2043
g(x, y) = x + xy + y 2 − 2


      
fx = 2x , fy = −2y

x3 −2, 7329 1 −5, 1415 −2, 4086 0, 0184
 = −
⇒ y3 −1, 2043 28, 5944 0, 2043 −5, 4658 0, 0086
gx = 1 + y , gy = x + 2y
  
−2, 7289
= ;
Luego, −1, 2028
 
2x −2y
      
x4 −2, 7289 1 −5, 1345 −2, 4056 0, 0001
J= = −
1 + y x + 2y y4 −1, 2028 28, 5109 0, 2028 −5, 4578 0, 0001
 
−2, 7289
⇒ D(x, y) = det(J) = 2x2 + 4xy + 2y + 2y 2 = .
−1, 2028

1

x + 2y 2y
 Por lo tanto, (x4 , y4 ) = (−2, 7289; −1, 2028)
−1
⇒J =
D(x, y) −1 − y 2x
Por lo tanto,
     
xn+1 f (xn , yn )
xn −1
= −J
yn+1 g(xn , yn )
yn

x2n − yn2 − 6
    
xn 1 xn + 2yn 2yn
= −
yn D(xn , yn ) −1 − yn 2xn xn + xn yn + yn2 − 2

17 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 5 SISTEMAS DE ECUACIONES NO LINEALES

(2) Aproximemos, realizando 4 iteraciones, una raı́z para el siguiente sistema Considerando (x0 , y0 ) = (−1, 1), vemos que
de ecuaciones 
x2 − ey = −1  (x1 , y1 ) = (−1, 5589; 1, 147);

xy − y 2 = −3

(x2 , y2 ) = (−1, 4686; 1, 1469);
considerando como punto de partida (x0 , y0 ) = (−1, 1).
Sean (x3 , y3 ) = (−1, 4665; 1, 1476).

f (x, y) = x2 − ey + 1  (3) Realicemos 2 iteraciones para aproximar las soluciones del sistema de ecua-
ciones no lineales
g(x, y) = xy − y 2 + 3

x2 − xy − 3 = 0


x − 4y − 2 = 0
 
fx = 2x , fy = −ey 
⇒ utilizando como aproximación inicial (x0 , y0 ) = (−2, −1)
gx = y , gy = x − 2y

Consideremos las funciones

Luego, f (x, y) = x2 − xy − 3
,
g(x, y) = x − 4y − 2
 y
 
2x −e
J =
y x − 2y
luego
y 2
⇒ D(x, y) = det(J) = e y + 2x − 4xy ∂f ∂f
= 2x − y; = −x;
  ∂x ∂y
−1 1 2x −ex
⇒J = ∂g ∂g
D(x, y) y x − 2y = 1; = −4
∂x ∂y
Por lo tanto,
Entonces  
      2x − y −x
xn+1 xn −1 f (xn , yn ) J= ⇒ det(J) = 4y − 7x
= −J 1 −4
yn+1 yn g(xn , yn )
    2  Además,  
xn 1 2xn −eyn x n − e yn + 1 −1 1 −4 x
= − J =
yn D(xn , yn ) yn xn − 2yn xn yn − yn2 + 3 4y − 9x −1 2x − y

18 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 5 SISTEMAS DE ECUACIONES NO LINEALES

   
Luego, x0 1
Luego, considerando = , obtenemos que
y0 −1
x2n − xn yn − 3
      
xn+1 xn 1 −4 xn
= −    
yn+1 yn 4yn − 7xn −1 2xn − yn xn − 4yn − 2 x1 −0, 3768
≈ ;
    y1 −1, 2512
x0 −2
⇒ = ;    
y0 −1 x2 0, 0717
≈
    y2 −0, 732
x1 −2, 3
⇒ = ;
y1 −0, 9
   
x2 −2, 1061
⇒ =
y2 −1, 1416

(4) Realicemos 2 iteraciones para aproximar las soluciones del sistema de ecua-
ciones no lineales 
x − y − e−x = 0 

x2 − 3y = 2


utilizando como aproximación inicial (x0 , y0 ) = (1, −1).

Vemos que

f (x) = x − y − e−x y g(x) = x2 − 3y − 2.

Luego,
 
1 + e−x −1
J= ⇒ det(J) = −3 − 3e−x + 2x
2x −3
y
3 1
 
− −x
 3e−x − 2x + 3 3e − 2x + 3 
J −1 =
 

 2x e−x + 1 
− −x
3e−x − 2x + 3 3e − 2x + 3

19 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 6 EJERCICIOS

x2 + x − 2y + 3 = 0

SECCIÓN 6
(2) , considerando:
Ejercicios x − y = −5
(a) x0 = −2 y y0 = 3.
I. Aproximar una raı́z para las siguientes ecuaciones con las condiciones da- (b) x0 = 3 y y0 = 8.
das: xy − x2 + 1 = 0

(3) , considerando:
(1) 2−x3 = 0 con 4 decimales de exactitud con el método de la bisección x + 2 = y2
y Newton-Raphson. (a) x0 = 1 y y0 = −2.
(2) x − 2 − 3e−x = 0 con 4 decimales de exactitud. (b) x0 = 3 y y0 = 2.
Aproximar una intersección entre las curvas y1 = x e y2 = cos(πx) con 5 (c) x0 = −1 y y = 2.
decimales de exactitud con el método de la secante y Newton-Raphson.
(d) x0 = −2 y y0 = −1.
II. Aproximar un cero para las siguientes funciones:
(1) f (x) = e−x − ln (x) ,
con 4 decimales exactos.
(2) g (x) = ex − 4x2 ,
con 3 decimales exactos.
(3) h (x) = sen (xπ) + x2 − 2,
con 4 decimales exactos y x positivo.
1
(4) m (x) = + cos (xπ) en los intervalos [−4, −3] , [−2, −1] , [1, 2] y
x
[3, 4] , con 3 decimales exactos.
(5) f (x) = −2x3 + ex + 6 cos (πx) .
(6) g (x) = x5 − x + 8.
III. Aproximar una solución utilizando 3 iteraciones para cada sistema de ecua-
ciones no lineales:

x−y+1 =0
(1) , considerando x0 = 2 y y0 = 3.
x − e−y − 2 = 0

20 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 7 EJERCICIOS DEL CAPÍTULO

SECCIÓN 7 II. Realizar tres ietraciones para aproximar una solución para cada uno de
Ejercicios del capı́tulo los siguientes sistemas de ecuaciones no lineales, utilizando el método de
Newton y considerando la aporximación inicial (x0 , y0 ) dada:

x − y = −1
(1) con
I. Realizar 6 iteraciones del método de la bisección, Newton-Rpahson x2 − 5y = 0
y secante para aproximar una solución para cada una de las
(a) (x0 , y0 ) = (5, 5; 6, 5)
siguientes ecuaciones no lineales, comprobando que existe una solución
en los intervalos indicados. (Una solución es (5,8541;6,8541))

(1) x − x2 + ex = 0 en [−1, 0] (b) (x0 , y0 ) = (−0, 5; 0, 5)

(Una solución es (-0,8541;0,1459))
(Una solución es -0,44413) 
x − sen(πy) = 0
(2) con (x0 , y0 ) = (0, 1; −17)
(2) 1 − x ln(x) = 0 en [1, 2] x2 + xy = −3
(Una solución es (0,17773;-17,057))
(Una solución es 1,7632)
2 − xy + y 2 = 0

(3) con (x0 , y0 ) = (3; 1, 2)
(3) x − cos(πx) = 0 en [0, 1] 1 − 4x + x2 y = 0
(Una solución es (2,8417;1,2838))
(Una solución es 0,37697)

(4) x2 − x = 13 en

(a) [−4, −3]

(Una solución es -3,1401)

(b) [4, 5]

(Una solución es 4,1401)

(5) x3 − 2 = 0 en [1, 2]

(Una solución es 1,2599)

21 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2)

CAPÍTULO II
INTERPOLACIÓN

22 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 9 POLINOMIO INTERPOLADOR DE LAGRANGE

SECCIÓN 8 SECCIÓN 9
Conceptos básicos Polinomio interpolador de Lagrange

Para construir los Polinomios de Lagrange, utilizaremos conceptos previos sobre Plantearemos algunos resultados sobre teorı́a de polinomios para poder deter-
función polinomial y propiedades de polinomios. minar la forma de un polinomio de lagrange.

Definición 10 : Función polinomial 9.1. Propiedades previas

Una función polinómica es una función que se define a través de un
polinomio. Es decir, es una función f tal que
Propiedades 1 : División de un polinomio por un binomio
f : R −→ R
x 7−→ y = f (x) Sea P un polinomio y x0 un número entero, entonces podemos construir
un único polinomio Q y un único número r tales que
donde
f (x) = an xn + an−1 xn−1 + . . . + a1 x + a0 P (x) = (x − x0 )Q(x) + r.

y cada ai es un número real.

Teorema 4 : Teorema del resto

Dados algunos números x0 , x1 , . . . , xn distintos y algunos números arbitrarios En la fórmula anterior el número r coincide con el valor del polinomio
yo , y1 , . . . , yn . El objetivo de la interpolación es determinar un polinomio P (x) P en x0 , es decir, P (x0 ) = r.
de gardo a lo más n, tal que P (xi ) = yi para todo i = 0, 1, , n.

Corolario 1
Definición 11 : Interpolación
El polinomio P se divide sin residuo entre el binomio x0 si y sólo si
Una interpolación es la obtención de nuevos puntos partiendo del co- P (x0 ) = 0.
nocimiento de un conjunto discreto de puntos.

23 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 9 POLINOMIO INTERPOLADOR DE LAGRANGE

Propiedades 2 : Factorización de un polinomio que tiene dos 9.2. Polinomios básicos de Lagrange
raı́ces diferentes
Sea x0 , x1 , x2 tres númeroes diferentes. Vamos a construir un polinomio L0 de
Si P es un polinomio y x0 , x1 son dos números tales que P (x0 ) =
grado 2 tal que
P (x1 ) = 0, entonces vemos que P se divide sin residuo entre el binomio
x − x0 , es decir, existe un polinomio Q1 tal que L0 (x0 ) = 1, L0 (x1 ) = 0, L0 (x2 ) = 0.

P (x) = (x − x0 )Q1 (x). Para que L0 se anule en x1 y en x2 debe ser de la forma

De manera análoga, existe un polinomio Q2 tal que L0 (x) = c(x − x1 )(x − x2 ).

Q1 (x) = (x − x1 )Q2 (x) Además, como L0 (x0 ) = 1, entonces

L0 (x0 ) = c(x0 − x1 )(x0 − x2 ) = 1
y por lo tanto,
1
P (x) = (x − x0 )(x − x1 )Q2 (x). ⇒c=
(x0 − x1 )(x0 − x2 )
(x − x1 )(x − x2 )
⇒ L0 (x) =
(x0 − x1 )(x0 − x2 )
Propiedades 3 : Factorización de un polinomio de grado a lo
más n que tiene n + 1 raı́ces
Supongamos que P es un polinomio de a lo más grado n que tiene n + 1 9.3. Algoritmo
raı́ces diferentes x0 , x1 , . . . , xn . Entonces el grado de P es n y existe
una constante c tal que Definición 12 : Bases polinómicas de Lagrange

P (x) = c(x − x0 )(x − x1 ) · . . . · (x − xn ). Dados k−puntos (x0 , y0 ) , (x1 , y1 ) , ..., (xk−1 , yk−1 ) , las bases po-
linómicas de Lagrange son los términos
k−1
Y x − xi
Lj (x) =
i=0,i6=j
xj − xi
x − x0 x − xj−1 x − xj+1 x − xk−1
= · ... · · ... ·
xj − x0 xj − xj−1 xj − xj+1 xj − xk−1

Observación 3 La expresión anterior es un polinomio de grado a los más

k − 1.

24 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 9 POLINOMIO INTERPOLADOR DE LAGRANGE

Definición 13 : Polinomio interpolador de Lagrange Ejemplos 11

Dados k−puntos (x0 , y0 ) , (x1 , y1 ) , ..., (xk−1 , yk−1 ) por lo cuales pasa (1) Utilicemos los polinomios de Langrange para aproximar la función f (x)
una función f (x) , denominamos polinomio interpolador de Lagran- tal que
ge a la expresión
k−1
X f (1) = −2, f (−1) = 3 y f (2) = 6,
P (x) = Lj (x) yj .
j=0
luego aproximar f (0).

Desarrollo: Graficamos los puntos A(1, −2), B(−1, 3) y C(2, 6).

Definición 14 : Polinomio interpolador lineal de Lagrange
Un polinomio interpolador de Lagrange lineal al polinomio que pasa
sólo por los puntos (x0 , y0 ) y (x1 , y1 ) . En este caso
x − x1 x − x0
P (x) = y0 + y1 .
x0 − x1 x1 − x0

Teorema 5
Si x0 , x1 , ..., xk son k + 1 números distintos y si f es una función cuyos
valores están dados en estos números, entonces existe un único polinomio
P (x) de grado máximo n, tal que

f (xj ) = P (xj ) , para cada j = 0, 1, ..., k.

Este polinomio viene dado por

k−1
X
P (x) = Lj (x) f (xj ) .
j=0

25 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 9 POLINOMIO INTERPOLADOR DE LAGRANGE

Lugo, si consideramos Gráficamente tenemos que

x0 = 1, y0 = −2;
x1 = −1, y1 = 3;
x2 = 2, y2 = 6.

obtenemos que:

x − x1 x − x2 x+1 x−2 x2 − x − 2
L0 (x) = · = · =− ;
x0 − x1 x0 − x2 1+1 1−2 2
x − x2 x − x2 x−1 x−2 x2 − 3x + 2
L1 (x) = · = · = ;
x1 − x2 x1 − x2 −1 − 1 −1 − 2 6
x − x0 x − x1 x−1 x+1 x2 − 1
L2 (x) = · = · = .
x2 − x0 x2 − x1 2−1 2+1 3

Por lo tanto,

P (x) = y0 L0 (x) + y0 L0 (x) + y0 L0 (x)

x2 − x − 2 x2 − 3x + 2 x2 − 1
     
= −2 − +3 +6
2 6 3
Finalmente, f (0) = −3.
7 2 5
= x − x − 3 ≈ f (x).
2 2

Podemos observar que

P (1) = −2, P (−1) = 3 y P (2) = 6.

26 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 9 POLINOMIO INTERPOLADOR DE LAGRANGE

(2) Utilicemos los polinomios de Lagrange para aproximar la función f (x) tal Vemos que
que
f (−1, 1) = 4 ⇒ xo = −1, 1; y0 = 4;
f (−1, 1) = 4; f (0) = −3; f (3) = 12; f (3, 1) = 15. f (0) = −3 ⇒ x1 = 0; y1 = −3;
f (3) = 12 ⇒ x2 = 3; y2 = 12;
Luego construyamos P (x) y aproximemos f (1). f (3, 1) = 15 ⇒ x3 = 3, 1; y3 = 15

Luego, las bases de Lagrange son:

Desarrollo: Ubicamos los siguientes puntos A(−1, 1; 4), B(0, −3),
C(3, 12) y D(3, 1; 15) en el plano cartesiano x(x − 3)(x − 3, 1)
L0 (x) =
−1, 1(−1, 1 − 3)(−1, 1 − 3, 1)
x3 − 6, 1x2 + 9, 2x
⇒ L0 (x) = − ;
18, 942
(x + 1, 1)(x − 3)(x − 3, 1)
L1 (x) =
(0 + 1, 1)(0 − 3)(0 − 3, 1)
x3 − 5x2 + 2, 59x + 10, 23
⇒ L1 (x) = ;
10, 23
(x + 1, 1)x(x − 3, 1)
L2 (x) =
(3 + 1, 1)3(x − 3, 1)
x3 − 2x2 − 3, 41x
⇒ L2 (x) = − ;
1, 23
(x + 1, 1)x(x − 3)
L3 (x) =
(3, 1 − 3)3, 1(3, 1 − 3)
x3 − 1, 9x2 − 3, 3x
⇒ L3 (x) =
1, 302

Por lo tanto,

L(x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) + y3 L3 (x)

≈ 1, 2602x3 + 0, 37721x2 − 7, 4736x − 3.

27 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 9 POLINOMIO INTERPOLADOR DE LAGRANGE

Gráficamente, tenemos que
(3) Utilicemos los polinomios de Lagrange para aproximar la función f (x) tal
que
f (−1) = 4; f (0) = −3; f (3) = 12.
Luego aproximemos f (1, 5).
Observemos que
 
f (−1) = 4  x0 = −1; y0 = 4 
f (0) = −3 ⇒ x1 = 0; y1 = −3 .
f (3) = 12 x2 = 3; y2 = 12
 

Luego,

x−0 x−3 x2 3x 
L0 (x) = = − 

−1 − 0 −1 − 3 4 4 

2

x − (−1) x − 3 x 2x 
L1 (x) = = − + +1 .
0 − (−1) 0 − 3 3 3 
2

x − 0 x − (−1) x x 

L2 (x) = = + 

3 − 0 3 − (−1) 12 12


Por lo tanto,

P (x) = y0 L0 + y1 L1 + y2 L2
 2   2   2 
x 3x x 2x x x
=4 − −3 − + + 1 + 12 +
4 4 3 3 12 12
= 3x2 − 4x − 3.
y f (1) ≈ −8, 8362.
Finalmente, f (1, 5) = −2, 25.

28 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2)

SECCIÓN 10
Ejercicios

Usar polinomios de Lagrange apropiados para aproximar

(1) f (8, 4), si
f (6) = 16; f (7) = 17;
f (8) = 15; f (9) = 20

(2) f (−3), si
f (−5) = 1; f (0) = 4;
f (1) = −3; f (2) = 4
CAPÍTULO III
(3) f (4), si
f (−1) = 2; f (0) = 4;
INTEGRACIÓN
f (3) = 15; f (1) = 20
NUMÉRICA
(4) f (−8, 4), si
f (−10) = 16; f (−7) = 17;
f (0) = 15; f (1) = 20

29 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 12 MÉTODO DEL PUNTO MEDIO

SECCIÓN 11 SECCIÓN 12
Conceptos básicos Método del punto medio

Existen integrales tales como Sea f (x) una función definida en [a, b], considerando el punto medio del inter-
a+b
Z Z Z valo obtenemos que
x2
e dx, 6
sen(x )dx, cos(x2 )dx 2
Algoritmo 5 : método del punto medio
que no se pueden calcular por métodos clásicos del cálculo integral, sin embargo Z b  
existen métodos que permiten aproximar el valor de integrales definidas de la a+b
f (x)dx ≈ (b − a)f
forma Z b a 2
f (x)dx.
a
Ejemplos 12 Aproximemos las siguientes integrales:
En este apunte estudiaremos algunos de dichos métodos.
(1)
La idea principal para darle solución a este problema, es aproximar la función
1
del integrando.
 
1+0
Z
x2
e dx ≈ (1 − 0)f
0 2
2
= f (0, 5) = e0,5
≈ 1, 284

(2)
8  
8+4
Z
2
(sen(x ) + 2)dx ≈ (8 − 4)f
4 2
= 4f (6) = 4(sen(36) + 2)
≈ 4, 0328

Como podemos imaginar esta aproximación se aleja bastante del valor que
necesitamos calcular. Para minimizar este error aplicaremos este método a n
subintervalos, obteniendo el método del punto medio compuesto.

30 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 13 MÉTODO DEL PUNTO MEDIO COMPUESTO

Z 8
SECCIÓN 13
(2) I = (sen(x2 ) + 2)dx para 5 subintervalos.
Método del punto medio compuesto 4

8−4
Tenemos que h = = 0, 8 y
Consideramos n subintervalos de [a, b] y aplicamos n veces el método del punto 5
b−a
medio, obteniendo h = , xi = a + ih y a = 4; x1 = 4, 8; x2 = 5, 6; x3 = 6, 4; x4 = 7, 2; b = 8
n
Algoritmo 6 : método del punto medio compuesto Por lo tanto,
b n       
4 + 4, 8 4, 8 + 5, 6 5, 6 + 6, 4
 
b−aX xi + xi−1
Z
f (x)dx ≈ f I ≈0, 8 f +f +f
a n i=1 2 2 2 2
   
6, 4 + 7, 2 7, 2 + 8
+f +f
2 2
Ejemplos 13 Utilicemos el método del punto medio compuesto para aproxi-
mar las siguientes integrales definidas =0, 8 [f (4, 4) + f (5, 2) + f (6) + f (6, 8) + f (7, 6)]
Z 1 ≈9, 7198
2
(1) I = ex dx para 3 subintervalos.
0
Z 2
1 (3) Aproximemos el valor de (ln(x2 + 1) + 1, 5)dx utilizando el método
Tenemos que h = y
3 1
del punto medio compuesto con 6 intervalos y con 5 decimales.
1 2
a = 0; x1 = ; x2 = ; b = 1 Calculamos la longitud de los intervalos y sus respectivos puntos de cortes.
3 3
Por lo tanto, b−a 1
h= = ≈ 0, 16667;
1
 
1 2

2
    n 6
1  0 + 3  +
3 3 3
+1 ⇒ x0 = a = 1;
I ≈ f  +f +f

3 2 2 2 ⇒ x1 = 1, 16667;


       ⇒ x2 = 1, 33334;
1 1 1 5
= f +f +f ⇒ x3 = 1, 5;
3 6 2 6
1 ⇒ x4 = 1, 66667;
≈ (1, 0281 + 1, 284 + 2, 0025) ≈ 1, 4382 ⇒ x5 = 1, 8334;
3
⇒ x6 = 2.

31 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 14 MÉTODO DEL TRAPECIO

Luego los puntos medios son: SECCIÓN 14

Método del trapecio
p1 = 1, 08335;
p2 = 1, 250005;
p3 = 1, 416675; Supongamos que la gráfica de la función f (x) en el intervalo [a, b] es
p4 = 1, 583345; y
p5 = 1, 750015;
p6 = 1, 916685 f (b)

Por lo tanto, g(x)

1
I≈ [f (p1 ) + f (p2 ) + f (p3 ) + f (p4 ) + f (p5 ) + f (p6 )]
6
1
≈ [2, 2764 + 2, 441 + 2, 6009 + 2, 7548 + 2, 9018 + 3, 0419]
6 f (a) f (x)
≈ 2, 66946

x
a b

La idea es aproximar f (x) por la función lineal g(x). Podemos observar que la
recta g(x) pasa por los puntos (a, f (a)) y (b, f (b)). Por lo que la pendiente y
ecuación son, respectivamente,

f (b) − f (a)
m=
b−a
y

f (b) − f (a)
g(x) − f (a) = (x − a)
b−a
f (b) − f (a)
⇒ g(x) = f (a) + (x − a)
b−a

32 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 15 MÉTODO DEL TRAPECIO COMPUESTO

Luego, SECCIÓN 15
Z b Z b
Método del trapecio compuesto
I= f (x)dx ≈ g(x)dx
a a
Z b  Z b
f (b) − f (a) Lo que haremos en esta sección es aproximar f (x)dx utilizando n trapecios.
= f (a) + (x − a)
a b−a a

f (a) + f (b) Dividiremos el intervalo [a, b] en n subintervalos de longitud

= (b − a)
2 b−a
h= .
Es decir, n
Z b
Algoritmo 7 : método del trapecio Luego f (x)dx estará áproximada por la suma de las áreas de los n trapecios,
a
es decir
Z b  
f (a) + f (b)
f (x)dx ≈ (b − a)
2
Z b 
a h h
f (x)dx ≈ (f (a) + f (a + h)) + (f (a + h) + f (a + 2h))+
a 2 2

Cálculo del error: El término de error corresponde a: h
. . . + (f (a + (n − 1)h) + f (b))
2
1 ′′
Et = − f (ǫ)(b − a)3 ,
12 En consecuencia,
donde el número ǫ ∈ [a, b] Z b
h
f (x)dx ≈ [f (a) + 2f (a + h) + 2f (a + 2h) + . . . + f (b)]
Ejemplos 14 Aproximemos la integral a 2
Z 2 o equivalentemente
2
ex dx.
1 Algoritmo 8 : método del trapecio compuesto
2 n−1  !
Para esto observemos que f (x) = ex en [1, 2], luego b
b−a f (a) + f (b) b−a
Z X
f (x)dx ≈ + f a+k
2 a n 2 n
f (1) + f (2)
Z k=1
x2
e dx ≈ (2 − 1)
1 2
2, 7182 + 54, 5981 Cálculo del error: El error en esta aproximación se corresponde con
=
2 (b − a)3 ′′
= 28, 65815 − f (ǫ),
12n2

33 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 15 MÉTODO DEL TRAPECIO COMPUESTO

donde n es el número de intervalos. Luego, utilizando la fórmula del trapecio compuesto vemos que:
Ejemplos 15 Z 2
2
ex dx ≈0, 2 [f (1) + 2f (1, 2) + 2f (1, 4) + 2f (1, 6)
(1) Aproximemos la integral 1
Z 2
x2 +2f (1, 8) + f (2)]
e dx,
1 = 0, 2 · 156, 8951 = 31, 37902
para los siguientes n:
1
Z 2
(a) Si n = 4, entonces h = = 0, 25 y (2) Aproximemos el valor de (ln(x2 + 1) + 1, 5)dx utilizando el método
4 1
1 del trapecio compuesto con 4 intervalos y con 4 decimales.
f (1) = e ≈ 2, 7182;
2
f (1, 25) = e1,25 = e1,5625 ≈ 4, 7707; alculamos la longitud de cada intervalo y sus puntos de cortes.
2
f (1, 5) = e1,5 = e2,25 ≈ 9, 4877;
2
f (1, 75) = e1,75 = e3,0625 ≈ 21, 3809; b−a 1
h= = = 0, 25;
f (2) = e4 ≈ 54, 5981 n 4
x0 = 1;
Luego, utilizando la fórmula del trapecio compuesto vemos que: x1 = 1, 25;
Z 2
2 x2 = 1, 5;
ex dx ≈ 0, 25 [f (1) + 2f (1, 25) + 2f (1, 5) + 2f (1, 75) + f (2)]
1 x3 = 1, 75;
= 0, 25 · 128, 5949 = 32, 148725 x4 =2

1 Luego,
(b) Si n = 5, entonces h = = 0, 2 y
5
h
f (1) = e1 ≈ 2, 7182; I≈ [f (x0 ) + f (x4 ) + 2 (f (x1 ) + f (x2 ) + f (x3 ))]
2
2
f (1, 2) = e1,2 = e1,44 ≈ 4, 2206; 0, 25
≈ [2, 1931 + 3, 1094 + 2 (2, 6787 + 2, 9018 + 2, 441)]
2
f (1, 4) = e1,4 = e1,96 ≈ 7, 0993; 2
2 = 2, 6681
f (1, 6) = e1,6 = e2,56 ≈ 12, 9358;
2
f (1, 8) = e1,8 = e3,24 ≈ 25, 5337;
f (2) = e4 ≈ 54, 5981

34 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 16 REGLA DE SIMPSON

SECCIÓN 16 Considerando la base polinómica

Regla de Simpson
(x − m)(x − b) (x − m)(x − b) (x − m)(x − b)
L0 (x) = = = ;
(a − m)(m − b) −h · −2h 2h2
Para construir la regla de Simpson, utilizamos un razonamiento similar al del
método del Trapecio, tomando un polinomio cuadrático para interpolar a f (x) (x − a)(x − m) (x − a)(x − m) (x − a)(x − m)
L1 (x) = = =− ;
a+b (m − a)(m − b) h · −h h2
en [a, b]. Considerando el punto medio m = . El polinomio interpolador
2
resulta de la forma:
(x − a)(x − m) (x − a)(x − m) (x − a)(x − m)
L2 (x) = = = ,
(x − m)(x − b) (x − a)(x − b) (b − a)(b − m) 2h · h 2h2
p(x) =f (a) + f (m)
(a − m)(a − b) (m − a)(m − b) obtenemos que
(x − a)(x − m)
+ f (b) (x − m)(x − b) (x − a)(x − m)
(b − a)(b − m) f (x) ≈f (a) + f (m)
(a − m)(m − b) (m − a)(m − b)
obteniendo finalmente que
(x − a)(x − m)
Algoritmo 9 : regla de Simpson + f (b)
(b − a)(b − m)
Z b    
h a+b
f (x)dx ≈ f (a) + 4f + f (b) f (a) f (m)
a 3 2 = (x − m)(x − b) − (x − a)(x − b)
2h 2 h2
a+b
Demostración. Como x ∈ [a, b] y el punto medio es m = , entonces el f (b)
2 + (x − a)(x − m).
ancho del intervalo podemos expresarlo como 2h2
Por lo tanto,
b−a
h= = m − a = b − m. Z b Z b
2 f (a) f (m)
f (x)dx ≈ (x − m)(x − b) − (x − a)(x − b)
a a 2h2 h2

Además, conocemos tres puntos de la gráfica, A(a, f (a)), B(m, f (m)) y 

C(b, f (b)), por lo que podemos construir un polinomio interpolador de La- f (b)
+ (x − a)(x − m) dx
grange de grado 2. 2h2

35 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 16 REGLA DE SIMPSON

De lo cual obtenemos que

b b Z b b
f (a) f (m) (x − b)2 (x − b)3 
Z Z 
= 2 (x − m)(x − b)dx − (x − a)(x − b)dx I1 = (x − m)(x − b)dx = (x − m) −
2h a h2 a a 2 6 
a

b
f (b) (b − b)2 (b − b)3 (a − b)2 (a − b)3
Z  
+ (x − a)(x − m)dx =(b − m) − − (a − m) −
2h2 a 2 6 2 6
Sean
4h2 8h3 3 4h3 2
Z b =h · − = 2h − = h3 ,
I1 = (x − m)(x − b)dx; 2 6 3 3
a
Z b
luego
I2 = (x − a)(x − b)dx; b b
(x − b)2 (x − b)3 
Z 
a I2 = (x − a)(x − b)dx = (x − a) −
Z b
a 2 6 
a
I3 = (x − a)(x − m)dx
a
(b − b)2 (b − b)3 (a − b)2 (a − b)3
 
Utilizando el hecho que todas las expresiones son de la forma =(b − a) − − (a − a) −
(x − λ)(x − α), calcularemos una integral por partes genérica 2 6 2 6
Z
(x − λ)(x − α)dx, 8h3 4
=− = − h3
6 3
para finalmente sólo sustituir. y finalmente
(x − α)2 Z b  b
(x − m)2 (x − m)3 
Sea u = x − λ y dv = (x − α)dx, luego du = dx y v = . I3 = (x − a)(x − m)dx = (x − a) −
2 2 6 
a a
Entonces,
(b − m)2 (b − m)3 (a − m)2 (a − m)3
 
(x − α)2 (x − α)2
Z Z
(x − λ)(x − α)dx = (x − λ) − dx =(b − a) − − (a − a) −
2 2 2 6 2 6

(x − α)2 (x − α)3 h2 h3 h3 h3 2
= (x − λ) − =2h · − − = h3 − = h3 .
2 6 2 6 6 3 3

36 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 17 REGLA DE SIMPSON COMPUESTA

En consecuencia, SECCIÓN 17
Z b Regla de Simpson compuesta
f (a) f (m) f (b)
f (x)dx ≈ 2 I1 − 2
I2 + I1
a 2h h 2h2
La regla de Simpson puede generalizarse, dando paso a la regla de Simpson
f (a)
 
2 3 f (m)

4

f (b)

2 3
 compuesta, para esto dividiremos el intervalo de integración [a, b] en una
= h − − h3 + h b−a
2h2 3 h2 3 2h2 3 cantidad par n subintervalos de longitud h = y
n

f (a)h 4f (m)h f (b)h ai = a + ih, con 0 ≤ i ≤ n.

= + +
3 3 3
Aplicando la regla de Simpson en cada uno de estos n subintervalos, obtenemos
que
h
= (f (a) + 4f (m) + f (b))
3 Algoritmo 10 : regla de Simpson compuesta
   
h a+b  n n

= f (a) + 4f + f (b) Z b
h 2 2
3 2
X X
f (x)dx ≈ f (a) + 2 f (a2i−2 ) + 4 f (a2i−1 ) + f (b)
a 3 i=2 i=1

Ejemplos
Z 2 16 Utilizando la regla de Simpson para aproximar la integral
2 Ejemplos 17
ex dx vemos que
1
Z 2
2
(1) Utilizando la regla de Simpson para aproximar la integral ex dx vemos
2    
2−1 2+1
Z
1
2
ex dx ≈ f (1) + 4f + f (2) que
1 6 2
" #
1 Z 2
h
3 3
= [f (1) + 4f (1, 5) + f (2)] ≈ 15, 87785 2
X X
6 ex dx ≈ f (a) + 2 f (a2i−2 ) + 4 f (a2i−1 ) + f (b)
1 6 i=2 i=1
h
= [f (a) + 2f (a2 ) + 2f (a4 ) + 4f (a1 ) + 4f (a5 ) + f (b)]
6
1
= [f (1) + 2f (1, 3333) + 2f (1, 6666) + 4f (1, 1666)
6
+4f (1, 8333) + f (2)]

37 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 18 EJERCICIOS

1 SECCIÓN 18
= [2, 7182 + 2 · 5, 9161 + 2 · 16, 0796 + 4 · 3, 8985
6 Ejercicios
+4 · 28, 8176 + 54, 5981]
=38, 69535
Aproximar los valores de las siguientes integrales aplicando la regla que se
Z 2 indica:
(ln(x2 + 1) + 1, 5)dx utilizando el método de
Z 3
(2) Aproximemos el valor de 2
1 (1) ex +1 dx con la regla Simpson compuesta para:
Simpson compuesto, considerando 2n = 4 intervalos. 1
(a) n = 4 (b) n = 6 (c) n = 8
Calculamos la longitud de cada intervalo y sus puntos de cortes.
Z 4
(2) x ln(x)dx la regla del Trapecio compuesta para:
b−a 1 1
h= = = 0, 25;
2n 4 (a) n = 4 (b) n = 5 (c) n = 6
x0 = 1;
Z 0,5
x1 = 1, 25;
(3) cos2 (πx)dx la regla del Trapecio compuesta para:
x2 = 1, 5; −0,5

x3 = 1, 75; (a) n = 4 (b) n = 5 (c) n = 6

x4 = 2
(4) Aplicar la regla compuesta de Simpson para aproximar los valores de las
Luego, siguientes integrales con los n indicados:
Z 1,75
h (a) (sen2 (x) − 2x cos(x))dx con n = 6
I≈ [f (x0 ) + f (x4 ) + 2f (x2 ) + 4 (f (x1 ) + f (x3 ))] 1
3
0, 25 e+2
1
Z
≈ [2, 1931 + 3, 1094 + 2(2, 9018) + 4(2, 6787 + 2, 441)] (b) dx con n = 8
3 e x ln(x)
≈ 2, 632. Z 1,8
(c) x ln(2x + 1)dx con n = 10
−0,25
Z 2
2
(5) Aproximar x2 e−x dx con h = 0, 25 usando
0

(a) Regla compuesta del trapecio

38 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2)

(b) Regla compuesta de Simpson

6 Aproximar cada una de las siguientes integrales utilizando el
método del punto medio compuesto, trapecio compuesto y
Simpson compuesto considerando la cantidad de subintervalos indi-
cados:
Z 0,5
cos(x3 ) + 2 dx con 6 subintervalos.


(a) I =
−2

(I≈6,3549)
Z 1,2  
2
(b) I = e−x + 1 dx con 8 subintervalos. CAPÍTULO IV
1

(I≈0,25992)
Z 0 SISTEMAS DE
(c) I = sen(x2 + 1)dx con 4 subintervalos.
−0,5 ECUACIONES LINEALES
(I≈0,44053)
Z 6 
1 √
− x
(d) I = +e dx con 6 subintervalos.
5 x
(I≈0,27841)

39 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 19 MÉTODO DE JACOBI

SECCIÓN 19 19.2. Construcción del método

Método de Jacobi
Construyamos ahora el método iterativo de Jacobi para aproximar soluciones
del S.E.L.
19.1. Construcción del método 
a11 x + a12 y + a13 z = b1 



Definición 15 : Matriz estrictamente diagonal (E.D.D.) a21 x + a22 y + a23 z = b2 ,
dominante 



a31 x + a32 y + a33 z = b3

Una matriz cuadrada A de orden n es estrictamente diagonal domi-
nante por filas, si se cumple que:
del cual
n
X  
|aii | > |aij |, para todo i = 1, 2, . . . , n a11 a12 a13
j=1,j6=i A = a21 a22 a23 
a31 a32 a33
 
2 −1, 5 −0, 2
Ejemplos 18 La matriz A = 1 −0, 01 1, 2  no es estrictamente dia- es E.D.D.
0 −3 2, 8
gonal dominante, porque Para esto, despejamos x de la primera ecuación, y de la segunda ecuación y z
de la tercera ecuación, obteniendo
|2| > | − 1, 5| + | − 0, 2|,
b1 − a12 y − a13 z

| − 0, 01| < |1| + |1, 2|, x = 

a11

|2, 8| < |0| + | − 3|.






b2 − a21 x − a23 z 
Sin embargo, si intercambiamos la fila 2 con la fila 3 de A, obtenemos la matriz y =
a22 




b3 − a31 x − a32 y 
  
2 −1, 5 −0, 2
z =



B = 0 −3 2, 8  a33
1 −0, 01 1, 2
Para garantizar la convergencia del método, utilizaremos la condición suficiente
la cual sı́ es estrictamente diagonal dominante. que A sea estrictamente diagonal dominante.

40 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 19 MÉTODO DE JACOBI

19.3. Algoritmo del método Ejemplos 19

(1) Aproximemos la soluciones del sistema

Algoritmo 11 : método de Jacobi

Dado el S.E.L. 0, 4x − 1, 2y + 0, 7z = −2, 9 



 
a11 x + a12 y + a13 z = b1 
 2x − y + 0, 3z = 0, 1

 
 

a21 x + a22 y + a23 z = b2 .

0, 8x − 1, 1y − 2, 1z = 6





a31 x + a32 y + a33 z = b3

considerando (x0 , y0 , z0 ) = (1, 0, −2) y
Tomando una aproximación inicial (x0 , y0 , z0 ) obtenemos que para i ≥ 0
Di = máx{|xi+1 − xi |, |yi+1 − yi |, |zi+1 − zi |} < 0, 01.
b1 − a12 yi − a13 zi 

xi+1 = 
a11






Primero modificaremos el sistema de ecuaciones para que la matriz de

b2 − a21 xi − a23 zi 
yi+1 = coeficientes sea diagonal dominante, para esto intercambiamos la ecuación
a22 
1 y 2, es decir,




b3 − a31 xi − a32 yi 

zi+1 =


 
a33 2x − y + 0, 3z = 0, 1 




Algoritmo 12 : método de Jacobi 0, 4x − 1, 2y + 0, 7z = −2, 9




La siguiente tabla estructura los resultados obtenidos al aplicar el método 0, 8x − 1, 1y − 2, 1z = 6

de Jacobi.

i xi yi zi Dxi Dyi Dzi Di x = 0, 5y − 0, 15z + 0, 05 


0 x0 y0 z0 − − − − 

1 x1 y1 z1 Dx1 Dy1 Dz1 Di ⇒ y = 0, 333x + 0, 5833z + 2, 4167
.. .. .. .. .. .. .. ..


. . . . . . . .


z = 0, 3809x − 0, 5238y − 2, 8571

n xn yn zn Dxn Dyn Dzn Dn

41 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 19 MÉTODO DE JACOBI

Considerando (x0 , y0 , z0 ) = (1, 0, −2), obtenemos que (a) Considerando (x0 , y0 , z0 ) = (1, 1, 1), obtenemos que
i xi yi zo
i xi yi zi Dxi Dyi Dzi Di 0 1 1 1
0 1 0 −2 − − − − 1 0, 9333 0, 626 −0, 8533
1 0, 35 1, 5833 −2, 4762 0, 65 1, 3666 1, 4396 1, 4396 2 0, 9928 −0, 139 −0, 871
2 1, 2131 1, 0889 −3, 5532 0, 8992 0, 54 0, 6254 0, 8992 3 0, 4857 −0, 1583 −1, 0384
3 1, 1274 0, 7483 −2, 9654 0, 3638 0, 2435 0, 2661 0, 3638 4 0, 5008 −0, 1272 −0, 7018
4 0, 869 1, 0627 −2, 8196 0, 1616 0, 1013 0, 1146 0, 1616 5 0, 4654 0, 011 −0, 7067
5 1, 0043 1, 0615 −3, 0827 0, 0678 0, 0442 0, 049 0, 0678 6 0, 5584 0, 016 −0, 66
6 1, 0432 0, 9532 −3, 0306 0, 0295 0, 0187 0, 021 0, 0295
7 0, 9812 0, 9965 −2, 959 0, 0125 0, 0081 0, 009 0, 0125 Por lo tanto, x ≈ 0, 5584, y ≈ 0, 016 y z ≈ −0, 66.
8 0, 9921 1, 0176 −3, 0054 0, 0054 0, 0035 0, 0039 0, 0054 (b) Considerando (x0 , y0 , z0 ) = (2, 0, −1), obtenemos que
Por lo tanto, x ≈ 0, 9921, y ≈ 1, 01776 y z ≈ −3, 0053 i xi yi zi
0 2 0 1
(2) Aproximemos la soluciones del sistema
1 0, 6 −0, 414 −1, 69
 2 0, 439 −0, 4238 −0, 821
3x − 2y + 0, 5z = 1, 3
3 0, 2876 −0, 0266 −0, 7147

x + 5y − 2, 1z = 2, 03
4 0, 5347 0, 0482 −0, 5471
2, 01x − 0, 5y + 3z = −1, 05

5 0, 5567 0, 0692 −0, 7002
6 0, 5962 0, 0005 −0, 7114
realizando 6 iteraciones con 4 decimales, considerando
Por lo tanto, x ≈ 0, 5962, y ≈ 0, 0005 y z ≈ −0, 7114
(a) (x0 , y0 , z0 ) = (1, 1, 1)
(3) Aproximemos una solución, con el método de Jacobi, para el sistema de
(b) (x0 , y0 , z0 ) = (2, 0, −1) ecuaciones lineales
Observamos que la matriz A es estrictamente diagonal dominante, por lo 2, 3x + 1, 2y − 0, 55z = 2 

tanto x − 2y − 3, 01z = −2
x + 4y − 2z = 1
 
x = 0, 6667y − 0, 1667z + 0, 4333 
y = −0, 2x + 0, 42z + 0, 406
realizando 3 iteraciones con 4 decimales con
z = −0, 67x + 0, 1667y − 0, 35


(x0 , y0 , z0 ) = (0, 0, 0).

42 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 20 MÉTODO DE GAUSS-SEIDEL

Consideremos la matriz SECCIÓN 20


2, 3 1, 2 −0, 55
 Método de Gauss-Seidel
A =  1 −2 −3, 01 ⇒ |A| = 32, 38 6= 0.
1 4 −2
20.1. Construcción del método
Por lo tanto, el sistema tiene solución única, sin embargo A no es una
matriz diagonal estrictamente dominante. Por lo uqe trabajaremos con El método iterativo de Gauss-Seidel, toma como base el método de Jacobi.
  Primero, el sistema
2, 3 −0, 55 1, 2 
B =  1 −3, 01 −2  a11 x + a12 y + a13 z = b1 
1 −2 4 a21 x + a22 y + a23 z = b2 ,
a31 x + a32 y + a33 z = b3

sı́ es estrictamente diagonal dominante y el sistema asociado es
lo expresamos de forma equivalente como

2, 3x − 0, 55z + 1, 2y = 2  b1 − a12 y − a13 z

x − 3, 01z − 2y = −2 x = 

a11



x − 2z + 4y = 1 b2 − a21 x − a23 z
 
y = .
a22 
b3 − a31 x − a32 y



2 − 1, 2yi + 0, 55zi  z =



xi+1 =  a33
2, 3



Pero modificamos la forma de iterar como sigue




1 − xi + 2zi

⇒ yi+1 = Algoritmo 13 : método de Gauss-Seidel
4 


Tomando una aproximación inicial (x0 , y0 , z0 ) obtenemos que


2 + xi − 2yi 

zi+1 =


3, 01

b1 − a12 yi − a13 zi

xi+1 = 

a11

Luego,






i xi yi zi b2 − a21 xi+1 − a23 zi 
yi+1 = , para i ≥ 0.
0 0 0 0 a22 


1 0, 8695 0, 25 0, 6644 

b3 − a31 xi+1 − a32 yi+1 

2 0, 898 0, 3648 0, 7872 zi+1 =



3 0, 8674 0, 4191 0, 7204 a33

43 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 20 MÉTODO DE GAUSS-SEIDEL

Al igual que sucede con el método de Jacobi, para garantizar la convergencia del i xi yi zo Dx Dy Dz Di
método, utilizaremos la condición suficiente que A sea estrictamente diagonal 0 1 0 −2 − − − −
dominante. 1 0, 35 1, 3666 −3, 4396 0, 65 1, 3666 1, 4396 1, 4396
2 1, 2492 0, 8266 −2, 8142 0, 8992 0, 54 0, 6254 0, 8992
Ejemplos 20 3 0, 8854 1, 0701 −3, 0803 0, 3638 0, 2435 0, 2661 0, 3638
4 1, 047 0, 9688 −2, 9657 0, 1616 0, 1013 0, 1146 0, 1616
(1) Aproximemos la soluciones del sistema
5 0, 9792 1, 013 −3, 0147 0, 0678 0, 0442 0, 049 0, 0678
 6 1, 0087 0, 9943 −2, 9937 0, 0295 0, 0187 0, 021 0, 0295
0, 4x − 1, 2y + 0, 7z = −2, 9  7 0, 9962 1, 0024 −3, 0027 0, 0125 0, 0081 0, 009 0, 0125
2x − y + 0, 3z = 0, 1 8 1, 0016 0, 9989 −2, 9988 0, 0054 0, 0035 0, 0039 0, 0054
0, 8x − 1, 1y − 2, 1z = 6

Por lo tanto, x ≈ 1, 0016, y ≈ 0, 9989 y z ≈ −2, 9988.
considerando (x0 , y0 , z0 ) = (1, 0, −2) y
(2) Aproximemos la soluciones del sistema
D = máx{|xi+1 − xi |, |yi+1 − yi |, |zi+1 − zi |} < 0, 01. 
3x − 2y + 0, 5z = 1, 3 
x + 5y − 2, 1z = 2, 03
2, 01x − 0, 5y + 3z = −1, 05

Primero modificaremos el sistema de ecuaciones para que la matriz de
coeficientes sea diagonal dominante, para esto intercambiamos la ecuación
1 y 2, es decir, realizando 6 iteraciones con 4 decimales, considerando

(a) (x0 , y0 , z0 ) = (1, 1, 1)


2x − y + 0, 3z = 0, 1 
0, 4x − 1, 2y + 0, 7z = −2, 9
0, 8x − 1, 1y − 2, 1z = 6
 (b) (x0 , y0 , z0 ) = (2, 0, −1)

 Observamos que la matriz A es estrictamente diagonal dominante, por lo

x = 0, 5y − 0, 15z + 0, 05  tanto
⇒ y = 0, 333x + 0, 5833z + 2, 4167
z = 0, 3809x − 0, 5238y − 2, 8571
 
x = 0, 6667y − 0, 1667z + 0, 4333 
y = −0, 2x + 0, 42z + 0, 406
Considerando (x0 , y0 , z0 ) = (1, 0, −2), obtenemos que z = −0, 67x + 0, 1667y − 0, 35


44 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 20 MÉTODO DE GAUSS-SEIDEL

(a) Considerando (x0 , y0 , z0 ) = (1, 1, 1), obtenemos que Consideremos la matriz

 
i xi yi zi 2, 3 1, 2 −0, 55
0 1 1 1 A =  1 −2 −3, 01 ⇒ |A| = 32, 38 6= 0
1 0, 9333 0, 6393 −0, 8687 1 4 −2
2 1, 0043 −0, 1597 −1, 0495
3 0, 5017 −0, 1351 −0, 7087 Por lo tanto, el sistema tiene solución única, sin embargo A no es una
4 0, 4613 0, 016 −0, 6564 matriz diagonal estrictamente dominante. Por lo uqe trabajaremos con
5 0, 5534 0, 0196 −0, 7175  
2, 3 −0, 55 1, 2
6 0, 5659 −0, 0085 −0, 7306
B =  1 −3, 01 −2 
Por lo tanto, x ≈ 0, 5659, y ≈ −0, 0085 y z ≈ −0, 7306. 1 −2 4

(b) Considerando (x0 , y0 , z0 ) = (2, 0, −1), obtenemos que sı́ es estrictamente diagonal dominante y el sistema asociado es
i xi yi zi

2, 3x − 0, 55z + 1, 2y = 2 
0 2 0 1 x − 3, 01z − 2y = −2
1 0, 6 −0, 134 −0, 7743 x − 2z + 4y = 1

2 0, 473 −0, 0138 −0, 6692
3 0, 5356 0, 0177 −0, 7059 
2 − 1, 2yi + 0, 55zi 
4 0, 5628 −0, 003 −0, 7276 xi+1 = 
2, 3

5 0, 5534 0, 0196 −0, 7175





6 0, 5659 −0, 0085 −0, 7306 1 − xi+1 + 2zi


⇒ yi+1 =
Por lo tanto, x ≈ 0, 5659, y ≈ −0, 0085 y z ≈ −0, 7306. 4 




(3) Aproximemos una solución, con el método de Gauss-Seidel, para el sistema 2 + xi+1 − 2yi+1  
zi+1 =


de ecuaciones lineales 3, 01


2, 3x + 1, 2y − 0, 55z = 2  Luego,
x − 2y − 3, 01z = −2
i xi yi zi
x + 4y − 2z = 1

0 1 1 1
realizando 3 iteraciones con 4 decimales con 1 0, 5869 0, 6032 0, 4586
2 0, 6645 0, 3131 0, 6771
(x0 , y0 , z0 ) = (1, 1, 1). 3 0, 8681 0, 3715 0, 706

45 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 21 EJERCICIOS

SECCIÓN 21 II. Expresar las siguientes matrices de la forma LU .

Ejercicios 
2 −3 1


(1) B = 4 1 −3
I. Aproximar las soluciones de los siguientes sistemas de ecuaciones linea- 1 −1 1
les, utlizando el método de Jacobi y Gauss-Seidel con 7 iteraciones y 5
 
1 0 −1
decimales. (2) C = 1 2 −4
(1) Considerando (x0 , y0 , z0 ) = (1, 1, 1), 7 −3 −2
 
2 −3 1

1, 2x + 0, 6y − 0, 2z = 3, 2 
1, 01x − 2, 1y + 0, 1z = −1, 03 (3) D = 3 1 −3
2x − y + 5, 1z = 2
 1 −1 5
III. Utilizando factorización LU , determinar las soluciones de los siguientes
(2) Considerando (x0 , y0 , z0 ) = (1, 2, 3), sistemas de ecuaciones lineales:
 
7x − 2y + 3z = −3  3x − 2y + z = 2 
5x + 7y − 3z = 8 (1) x − 3y + z = −1
4x − 2y + 5z = 1 4x + 2y − z = 5
 

(3) Considerando (x0 , y0 , z0 ) = (1, 1, 1), 4x + 5y − 3z = 7 
 (2) 2x − y + z = 1
−2x + 1, 5y + 5z = 2, 3  x − 7y + 4z = −3

x − 2, 3y + 1, 01z = −1, 2 
4x − 3y + 0, 5z = 1
 3x + y + z = 1 
(3) 5x + 2y − 4z = −1
x − y + 3z = 1

(4) Considerando (x0 , y0 , z0 ) = (−2, 0, 0),

3x + 6y − z = 6 

−2, 25x + 1, 1y − 1, 1z = 6 
0, 06x − 4, 1y + z = −2 (4) x + y + 7z = −6
5x − y + 2z = −1

x + y − 2, 2z = −0, 5


1

(5) Considerando (x0 , y0 , z0 ) = (−1, 0, −2), x + y − 3z = − 
5

 (5) x − y + z = −1
−1, 1x + y + 0, 001z = 1  
5x + y + z = −1

2x + 2, 3y − 0, 001z = −2
x + y − 3z = 2


46 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 22 RESPUESTAS

SECCIÓN 22 (2) Jacobi:

Respuestas
n xn yn zn
0 1 2 1
I.
1 −1, 14285 1, 71428 3
(1) Jacobi: 2 −0, 02448 2, 04489 0, 2
n xn yn zn 3 −0, 61574 1, 93177 1, 8
0 1 1 1 4 −0, 32129 2, 02733 1, 03755
1 2.33333 1, 01904 0, 19607 5 −0, 47732 2, 00034 1, 4653
2 2.18982 1, 62203 −0, 32306 6 −0, 40046 2, 02721 1, 26797
3 1.8018 1, 52829 −0, 14855 7 −0, 44164 2, 02118 1, 38199
4 1.87776 1, 34998 −0, 01476
5 1.98921 1, 39288 −0, 07951 Gauss-Seidel
6 1.95697 1, 4434 −0, 11481
7 1.92582 1, 42621 −0, 09226 n xn yn zn
0 1 2 3
Gauss-Seidel
1 −1, 14285 3, 24489 2, 41224
n xn yn zn 2 −0, 53527 2, 55901 1, 65182
0 1 1 1 3 −0, 40535 2, 14031 1, 3804
1 2.33333 1, 66031 −0, 19732 4 −0, 40865 2, 02635 1, 33746
2 1.80362 1, 62203 −0, 05072 5 −0, 42281 2, 01806 1, 34545
3 1.98394 1, 34853 −0, 10306 6 −0, 42861 2, 02564 1, 35314
4 1.92836 1, 44224 −0, 087 7 −0, 42973 2, 02973 1, 35568
5 1.94565 1, 41302 −0, 092
6 1.94028 1, 4221 −0, 09044
(3) (x7 , y7 , z7 ) ≈ (1, 1133; 1, 24; 0, 53333)
7 1.94195 1, 41927 −0, 09093

(4) (x7 , y7 , z7 ) ≈ (−2, 2074; 0, 994; −0, 64)

(5) (x7 , y7 , z7 ) ≈ (−0, 94995; −0, 00439; −0, 99797)

II.

47 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2)

3 1
 
 1 − 2 2 
2 0 0 


 
4 7 0  5
(1) A = 
 
1 6 0 1 − 

1  7 
2 7  
0 0 1
1 0 0 1 0 −1
  
3
(2) B = 1 2 0 0 1 − 
 
1 2
7 −3 0 0 1
2

2 0 0

3 1
 CAPÍTULO V
  1 − 2 2 


(3) C = 3
 11
0

 
 9


 ECUACIONES
2  0 1 − 


 1 54


 
11 

 DIFERENCIALES
1 0 0 1
2 11
III.
(1) x = 1; y = 1; z = 1
(2) x = 1; y = 0; z = −2
(3) x = 0; y = 0, 5; z = 0, 5
1 2
(4) x = ; y = ; z = −1
3 3
2 4 1
(5) x = − ; y = ; z =
5 5 5

48 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 24 MÉTODO DE EULER

SECCIÓN 23 SECCIÓN 24
Conceptos básicos Método de Euler

En este capı́tulo aproximaremos soluciones numéricas de ecuaciones diferen- 24.1. Construcción del método
ciales con problemas de valores iniciales (P.V.I.). Para esto, supongamos que
tenemos el P.V.I.: Sabemos que
 ′
 y (x) = f (x, y(x)), x ∈ [a, b] y(x + h) − y(x) y(x + h) − y(x)
y ′ (x) = lı́m ≈ .
h→0 h h
y(a) = y0

Entonces
b−a y ′ (x) = f (x, y(x))
Dividiremos [a, b] en n subintervalos de igual longitud h = . Obteniendo
n
dos sucesiones y(x + h) − y(x)
⇒ ≈ f (x, y(x))
h
Primera sucesión: Para i = 0, 1, 2, . . . , n
⇒ y(x + h) ≈ y(x) + hf (x, y(x))
x0 = a, x1 = a + h, x2 = a + 2h, . . . , xi = a + ih

Segunda sucesión: Para i = 0, 1, 2, . . . , n 24.2. Algoritmo del método

y0 = y(x0 ), y1 = y(x1 ), y2 = y(x2 ), . . . , yi = y(xi ) Algoritmo 14 : método de Euler

Dado el P.V.I.
 ′
 y (x) = f (x, y(x)), con x ∈ [a, b]

y(a) = y0


el método de Euler indica que

• yi+1 = yi + hf (xi , yi )

aproxima una solución del P.V.I., donde xi = x0 + ih e yi = y(xi ) con

i = 0, 1, . . . , n.

49 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 24 MÉTODO DE EULER

Case 6 : método de Euler • Aproximamos y1 = y(x1 ) = y(0, 2),

 2
La siguiente tabla estructura los resultados obtenidos al aplicar el método

x0
de Euler. y1 = y0 + 0, 2 − y0 + 1
2
i xi yi  2 
0
0 x0 y0 ⇒ y1 = 1 + 0, 2 − 1 + 1 = 1.
1 x1 y1 2
.. .. ..
. . . • Aproximamos y2 = y(x2 ) = y(0, 4),
n xn yn  2 
x1
y2 = y1 + 0, 2 − y1 + 1
2
Ejemplos 21 
0, 22

⇒ y2 = 1 + 0, 2 − 1 + 1 ≈ 1, 004.
(1) Para el siguiente PVI 2
x2

y ′ =
 −y+1 • Aproximamos y3 = y(x3 ) = y(0, 6),
2  2 
 x2
y3 = y2 + 0, 2 − y2 + 1

y(0) = 1
2
0, 42
 
aproximemos y(1) con h = 0, 2. ⇒ y3 = 1, 004 + 0, 2 − 1, 004 + 1 ≈ 1, 0192.
2
Desarrollo:

Como y(0) = 1, entonces x0 = 0 e y0 = 1. • Aproximamos y4 = y(x4 ) = y(0, 8),

 2 
x3
Sabemos que h = 0, 2. luego y4 = y3 + 0, 2 − y3 + 1
2
0, 62
 
x0 = 0, x1 = 0, 2, x2 = 0, 4, ⇒ y4 = 1, 0192 + 0, 2 − 1, 0192 + 1 ≈ 1, 0514.
x3 = 0, 6, x4 = 0, 8, x5 = 1. 2

Concluimos que debemos aproximar y(1) = y(x5 ) = y5 . • Aproximamos y5 = y(x5 ) = y(1),

 2 
Por lo tanto, para i = 0, 1, 2, 3, tenemos que x4
y5 = y4 + 0, 2 − y4 + 1
2
x2i 0, 82
   
yi+1 = yi + h − yi + 1 . ⇒ y5 = 1, 0514 + 0, 2 − 1, 0514 + 1 ≈ 1, 1051.
2 2

50 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 24 MÉTODO DE EULER

La siguiente tabla, resume la información obtenida La siguiente gráfica muestra la función solución del P.V.I. y las aproxima-
ciones obtenidas con el método de Euler, considerando los puntos
i xi yi
0 0 1 A(0, 1), B(0, 2; 1), C(0, 4; 1, 004), D(0, 6; 1, 0192),
1 0, 2 1
E(0, 8; 1, 0514), F (1; 1, 1051)
2 0, 4 1, 004
3 0, 6 1, 0192
4 0, 8 1, 0514
5 1 1, 1051
La solución y(x) del P.V.I. es

x2
y(x) = − x + 2 − e−x ,
2
cuya gráfica es

Figura 10: Euler versus gráfica

Figura 9: Gráfica de la solución y(x)

51 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 24 MÉTODO DE EULER

(2) Para el siguiente PVI • Aproximamos y2 = y(x2 ) = y(1, 5),


2
 
2
y′ = x − y2 = y1 + 0, 25 x1 −


3y

3y
 1 
 2
⇒ y2 = −0, 5833 + 0, 25 1, 25 −

 y(1) = −1
3 · −0, 5833
aproximemos ⇒ y2 ≈ 0, 0149.
(a) y(2) utilizando 4 subintervalos.
• Aproximamos y3 = y(x3 ) = y(1, 75),
Desarrollo:  
2
Como y(1) = −1, entonces x0 = 1 e y0 = −1. y3 = y2 + 0, 25 x2 −
3y
Determinamos la longitud de cada subintervalo, considerando que el  2 
2
intervalo inicial es [1, 2] ⇒ y3 = 0, 0149 + 0, 25 1, 5 −
3 · 0, 0149
b−a 2−1 ⇒ y3 ≈ −10, 8101.
h= = = 0, 25,
n 4
luego • Aproximamos y4 = y(x4 ) = y(2),
 
x0 = 1, x1 = 1, 25, x2 = 1, 5, x3 = 1, 75, x4 = 2. 2
y4 = y3 + 0, 25 x3 −
3y3
Concluimos que debemos aproximar y(2) = y(x4 ) = y4 .  
2
⇒ y4 = −10, 8101 + 0, 25 1, 75 −
Por lo tanto, para i = 0, 1, 2, 3, tenemos que 3 · −10, 8101

2
 ⇒ y4 ≈ −10, 3572.
yi+1 = yi + h xi − .
3yi
La siguiente tabla, resume la información obtenida
• Aproximamos y1 = y(x1 ) = y(1, 25),
  i xi yi
2 0 1 −1
y1 = y0 + 0, 25 x0 −
3y0 1 1, 25 −0, 5833
2 1, 5 0, 0149
 
2
⇒ y1 = −1 + 0, 25 1 − 3 1, 75 −10, 8101
3 · −1
⇒ y1 ≈ −0, 5833. 4 2 −10, 3572

52 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 24 MÉTODO DE EULER

(b) y(2) utilizano 8 subintervalos. • Aproximamos y3 = y(x3 ) = y(1, 375),

Desarrollo: 
2

y3 = y2 + 0, 125 x2 −
Determinamos la longitud de cada subintervalo, 3y
 2 
b−a 2−1 2
h= = = 0, 125, ⇒ y3 = −0, 5458 + 0, 125 1, 25 −
n 8 3 · −0, 5458
luego ⇒ y3 ≈ −0, 2368.

x0 = 1, x1 = 1, 125, x2 = 1, 25, • Aproximamos y4 = y(x4 ) = y(1, 5),

x3 = 1, 375, x4 = 1, 5, x5 = 1, 625,  
2
x6 = 1, 75, x7 = 1, 875, x8 = 2. y4 = y3 + 0, 125 x3 −
3y
 3 
Concluimos que debemos aproximar y(2) = y(x8 ) = y8 . 2
⇒ y4 = −0, 2368 + 0, 125 1, 375 −
3 · −0, 2368
Por lo tanto, para i = 0, 1, 2, 3, 4, 5, 6, 7 tenemos que
  ⇒ y4 ≈ 0, 2869.
2
yi+1 = yi + h xi − .
3yi
• Aproximamos y5 = y(x5 ) = y(1, 625),
• Aproximamos y1 = y(x1 ) = y(1, 125),  
2
y5 = y4 + 0, 125 x4 −
 
2
y1 = y0 + 0, 125 x0 − 3y
3y0  4 
2
⇒ y5 = 0, 2869 + 0, 125 1, 5 −
 
2
⇒ y1 = −1 + 0, 125 1 − 3 · 0, 2869
3 · −1
⇒ y5 ≈ 0, 1839.
⇒ y1 ≈ −0, 7917.

• Aproximamos y2 = y(x2 ) = y(1, 25), • Aproximamos y6 = y(x6 ) = y(1, 75),

   
2 2
y2 = y1 + 0, 125 x1 − y6 = y5 + 0, 125 x5 −
3y 3y
 1   5 
2 2
⇒ y2 = −0, 7917 + 0, 25 1, 125 − ⇒ y6 = 0, 1839 + 0, 125 1, 5 −
3 · −0, 7917 3 · 0, 1839
⇒ y2 ≈ −0, 5458. ⇒ y6 ≈ −0, 0661.

53 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 24 MÉTODO DE EULER

• Aproximamos y7 = y(x7 ) = y(1, 875), (c) y(1, 75) con h = 0, 15.

  Desarrollo:
2
y7 = y6 + 0, 125 x6 −
3y La longitud de cada subintervalo es h = 0, 15 luego
 6 
2
⇒ y7 = −0, 0661 + 0, 125 1, 875 − x0 = 1, x1 = 1, 15, x2 = 1, 3,
3 · −0, 0661
⇒ y7 ≈ 1, 4138. x3 = 1, 45, x4 = 1, 6, x5 = 1, 75.

Concluimos que debemos aproximar y(1, 75) = y(x5 ) = y5 .

• Aproximamos y8 = y(x8 ) = y(2), Por lo tanto, para i = 0, 1, 2, 3, 4 tenemos que

 

2
 2
y8 = y7 + 0, 125 x7 − yi+1 = yi + h xi − .
3y 3yi
 7 
2
⇒ y8 = 1, 4138 + 0, 125 1, 1, 875 − • Aproximamos y1 = y(x1 ) = y(1, 15),
3 · 1, 4138
⇒ y8 ≈ 1, 5892.  
2
y1 = y0 + 0, 15 x0 −
3y0
 
2
La siguiente tabla, resume la información obtenida ⇒ y1 = −1 + 0, 15 1 −
3 · −1
i xi yi ⇒ y1 = −0, 75.
0 1 −1
1 1, 125 −0, 7917
• Aproximamos y2 = y(x2 ) = y(1, 3),
2 1, 25 −0, 5458
3 1, 375 −0, 2368  
2
4 1, 5 0, 2869 y2 = y1 + 0, 15 x1 −
3y
5 1, 625 0, 1839  1 
6 1, 75 −0, 0661 2
⇒ y2 = −0, 75 + 0, 25 1, 15 −
7 1, 875 1, 4138 3 · −0, 75
8 2 1, 5892 ⇒ y2 ≈ −0, 4442.

54 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 25 MÉTODO DE EULER MODIFICADO

• Aproximamos y3 = y(x3 ) = y(1, 45), SECCIÓN 25


2
 Método de Euler modificado
y3 = y2 + 0, 15 x2 −
3y
 2 
2 Este método, que primero predice y luego corrige, funciona de la siguiente
⇒ y3 = −0, 4442 + 0, 25 1, 3 −
3 · −0, 4442 forma
⇒ y3 ≈ −0, 024.
Algoritmo 15 : método de Euler modificado
• Aproximamos y4 = y(x4 ) = y(1, 6), Dado el P.V.I.
   ′
2  y (x) = f (x, y(x)), con x ∈ [a, b]
y4 = y3 + 0, 15 x3 −
3y
 3
y(a) = y0
 
2
⇒ y4 = −0, 024 + 0, 25 1, 45 −
3 · −0, 024
el método de Euler indica que para i = 0, 1, . . . , n − 1 tenemos que
⇒ y4 ≈ 4, 3556.
• k1i+1 = f (xi , yi );
• Aproximamos y5 = y(x5 ) = y(1, 75),

2
 • k2i+1 = f (xi+1 , yi + hk1i+1 );
y5 = y4 + 0, 15 x4 −
3y
 4
h

2 • yi+1 = yi + (k1i+1 + k2i+1 ).
⇒ y5 = 4, 3556 + 0, 25 1, 6 −
3 · 4, 3556 2
⇒ y5 ≈ 4, 5727.
Case 7 : método de Euler modificado
La siguiente tabla, resume la información obtenida La siguiente tabla estructura los resultados obtenidos al aplicar el método
i xi yi de Euler modificado.
0 1 −1 i xi k1i k2i yi
1 1, 15 −0, 75 0 x0 − − y0
2 1, 3 −0, 4442 1 x1 k11 k22 y1
.. .. .. .. ..
3 1, 45 −0, 024 . . . . .
4 1, 6 4, 3556 n xn k1n k2n yn
5 1, 75 4, 5727

55 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 25 MÉTODO DE EULER MODIFICADO

Ejemplos 22 • Aproximamos y1 = y(x1 ) = y(1, 25),

(1) Para el siguiente problema de valores iniciales 2 2

k11 = x0 − =1− ≈ 1, 6667.
3y0 3 · −1

2
y′ = x −



3y 2
k21 = x1 −

 3(y0 + hk11 )
 y(1) = −1
2
⇒ k2i = 1, 25 − ≈ 2, 3929.
3(−1 + 0, 25 · 1, 6667)
aproximemos y(2) con h = 0, 25.
h
y1 = y0 + (k11 + k21 )
Desarrollo: 2
0, 25
⇒ y1 = −1 + (1, 6667 + 2, 3929) ≈ −0, 4926.
2
Vemos que x0 = 1 e y0 = −1.

Por otro lado, la longitud de cada subintervalo es h = 0, 25 luego

• Aproximamos y2 = y(x2 ) = y(1, 5),

x0 = 1, x1 = 1, 25, x2 = 1, 5, x3 = 1, 75, x4 = 2.
2 2
k12 = x1 − = 1, 25 − ≈ 2, 6035.
3y1 3 · −0, 4926
Concluimos que debemos aproximar y(2) = y(x4 ) = y4 .
2
k22 = x2 −
Por lo tanto, para i = 0, 1, 2, 3 tenemos que 3(y1 + hk12 )
2
⇒ k22 = 1, 5 − ≈ −2, 7112.
2 3(−0, 4926 + 0, 25 · 2, 3929)
k1i+1 = xi − ;
3yi
2 h
k2i+1 = xi+1 − ; y2 = y1 + (k12 + k22 )
3(yi + hk1i+1 ) 2
h 0, 25
yi+1 = yi + (k1i+1 + k2i+1 ) . ⇒ y2 = −0, 4926 + (2, 6035 − 2, 7112) ≈ −0, 506.
2 2

56 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 25 MÉTODO DE EULER MODIFICADO

• Aproximamos y3 = y(x3 ) = y(1, 75), Obtenemos la siguiente tabla

i xi k1i k2i yi
2 2
k13 = x2 − = 1, 5 − ≈ 2, 8175. 0 1 − − −1
3y2 3 · −0, 506
1 1, 25 1, 6667 2, 3929 −0, 4926
2 1, 5 2, 6035 −2, 7112 −0, 506
2 3 1, 75 2, 8175 −1, 611 −0, 3552
k23 = x3 −
3(y2 + hk13 ) 4 2 3, 6267 0, 7911 0, 197
2
⇒ k23 = 1, 75 − ≈ −1, 6111. La siguiente tabla muetsra los valores de yi obtenidos con el método de
3(−0, 506 + 0, 25 · 2, 8175)
Euler y Euler modificado
h i Euler Euler modificado
y3 = y2 + (k13 + k23 )
2 0 −1 −1
0, 25 1 −0, 5833 −0, 4926
⇒ y3 = −0, 506 + (2, 8175 − 1, 6111) ≈ −0, 3552.
2 2 0, 0149 −0, 506
3 −10, 8101 −0, 3552
4 −10, 3572 0, 197
• Aproximamos y4 = y(x4 ) = y(2),
(2) Aproximemos y(−0, 4) del PVI
2 2
k14 = x3 − = 1, 75 − ≈ 3, 6267. 
y ′ = y cos(πx) − 1, 2
3y3 3 · −0, 3552
y(−1) = 1
2
k24 = x4 − utilizando h = 0, 2 con 4 decimales.
3(y3 + hk14 )
2 Desarrollo:
⇒ k24 = 2 − ≈ 0, 7911.
3(−0, 3552 + 0, 25 · 3, 6267)
Vemos que x0 = −1 e y0 = 1.
h Como h = 0, 2, entonces
y4 = y3 + (k14 + k24 )
2
0, 25 x0 = −1, x1 = −0, 8, x2 = −0, 6, x3 = −0, 4.
⇒ y4 = −0, 3552 + (3, 6267 + 0, 7911) ≈ 0, 197.
2
Concluimos que debemos aproximar y(−0, 4) = y(x3 ) = y3 .

57 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 25 MÉTODO DE EULER MODIFICADO

Por lo tanto, para i = 0, 1, 2 tenemos que • Aproximamos y3 = y(x3 ) = y(−0, 4),

k13 = y2 cos(πx2 ) − 1, 2 = 0, 3165 cos(−0, 6π) − 1, 2
k1i+1 = yi cos(πxi ) − 1, 2; ≈ −1, 2978;
k2i+1 = (yi + hk1i+1 ) cos(πxi+1 ) − 1, 2; k23 = (y2 + hk13 ) cos(πx3 ) − 1, 2
h
yi+1 = yi + (k1i+1 + k2i+1 ) . = (0, 3165 + 0, 2 · −1, 2978) cos(−0, 4π) − 1, 2
2
≈ − − 1, 1824;

• Aproximamos y1 = y(x1 ) = y(−0, 8),

h
y3 = y2 + (k13 + k23 )
2
k11 = y0 cos(πx0 ) − 1, 2 = 1 cos(−π) − 1, 2 = −2, 2; 0, 2
= 0, 3165 + (−1, 2978 − 1, 1824) ≈ 0, 0684.
k21 = (y0 + hk11 ) cos(πx1 ) − 1, 2 2
= (−1 + 0, 2 · −2, 2) cos(−0, 8π) − 1, 2 ≈ −1, 653;
Obtenemos la siguiente tabla
h 0, 2
y1 = y0 + (k11 + k21 ) = −1 + (−2, 2 − 1, 653) i xi k1i k2i yi
2 2
≈ 0, 6147. 0 −1 − − 1
1 −0, 8 −2, 2 −1, 653 0, 6147
2 −0, 6 −1, 6973 −1, 2851 0, 3165
3 −0, 4 −1, 2978 −1, 1824 0, 0684
• Aproximamos y2 = y(x2 ) = y(−0, 6),
(3) Dado el problema de valor inicial
k12 = y1 cos(πx1 ) − 1, 2 = 0, 6147 cos(−0, 8π) − 1, 2 x
y ′ = 4x2 − , y(1) = −1,
≈ −1, 6973; y
k22 = (y1 + hk12 ) cos(πx2 ) − 1, 2 aproximemos y(3) con h = 0, 5.
= (0, 6147 + 0, 2 · −1, 6973) cos(−0, 6π) − 1, 2 Obtenemos la siguiente tabla
≈ −1, 2851;
i xi k1i k2i yi
h 0 1 − − −1
y2 = y1 + (k12 + k22 )
2 1 1, 5 5 8 2, 25
0, 2
= 0, 6147 + (−1, 6973 − 1, 2851) 2 2 8, 3333 15, 6883 8, 2554
2 3 2, 5 15, 7577 24, 8451 18, 4061
≈ 0, 3165. 4 3 24, 8642 35, 9027 33, 5978

58 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 26 MÉTODO DE RUNGE-KUTTA DE ORDEN 2

SECCIÓN 26 En la expresión anterior, utilizamos el método de Euler para estimar yi+1 de

Método de Runge-Kutta de orden 2 f (xi+1 , yi+1 ), denotada por y i+1 , es decir,

h
yi+1 = yi + (f (xi , yi ) + f (xi+1 , y i+1 ));
26.1. Construcción del método 2
y i+1 = yi + hf (xi , yi ).
Consideremos el P.V.I.
 La notación común para expresar este método es, para el proceso i,
 y ′ = f (x, y(x)), con x ∈ [a, b]
k1 = hf (xi , yi );
y(x0 ) = y0

k2 = hf (xi+1 , yi + k1i );
y observemos que 1
yi+1 = yn + (k1 + k2 ).
2
dy
y ′ = f (x, y(x)) ⇒ = f (x, y(x))
dx
⇒ dy = f (x, y(x))dx 26.2. Algoritmo del método
Z y Z x
⇒ dy = f (x, y(x))dx
yo x0
Algoritmo 16 : método Runge-Kutta orden 2
Z x
⇒ y − y0 = f (x, y(x))dx Dado el P.V.I.
x0 
Z x  y ′ = f (x, y), con x ∈ [a, b]
⇒ y = y0 + f (x, y(x))dx
x0
y(x0 ) = y0

Hacemos xi+1
para i = 0, 1, . . . , n tenemos que
Z
yi+1 = yi + f (x, y(x))dx.
xi
• k1 = hf (xi , yi );
Utilizando el métodos de los trapecios obtenemos que
Z xi+1
h • k2 = hf (xi+1 , yi + k1 );
f (x, y(x))dx ≈ (f (xi , yi ) + f (xi+1 , yi+1 )),
xi 2

es decir, 1
• yi+1 = yi + (k1 + k2 ).
h 2
yi+1 ≈ yi + (f (xi , yi ) + f (xi+1 , yi+1 )).
2

59 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 26 MÉTODO DE RUNGE-KUTTA DE ORDEN 2

Case 8 : método de Runge-Kutta orden 2 • Aproximamos y1 = y(x1 ) = y(−1, 5),

La siguiente tabla estructura los resultados obtenidos al aplicar el método k1 = h x20 − cos(x0 ) + y0 = 0, 5 (−2)2 − cos(−2) − 2



de Runge-Kutta orden 2. ⇒ k1 ≈ 1, 2081.
i xi k1 k2 yi
0 x0 − − y0
k2 = h x21 − cos(x1 ) + y0 +1


1 x1 k1 k2 y1
.. .. .. .. .. ⇒ k2 = 0, 5 (−1, 5)2 − cos(−1, 5) − 2 + 1, 2081


. . . . .
n xn k1 k2 yn ⇒ k2 ≈ 0, 6937.

Ejemplos 23 Consideremos el P.V.I. 1 1

y1 = yi + (k1 + k2 ) = −2 + (1, 2081 + 0, 6934)
 2 2
 y ′ = x2 − cos(x) + y ⇒ y1 ≈ −1, 0491.

y(−2) = −2


Determinemos una aproximación de y(0) con h = 0, 5.

Desarrollo: Vemos que x0 = −2 e y0 = −2.
Como h = 0, 5, entonces

x0 = −2, x1 = −1, 5, x2 = −1, x3 = −0, 5, x4 = 0.

Concluimos que debemos aproximar y(0) = y(x4 ) = y4 .

Por lo tanto, para i = 0, 1, 2 tenemos que

k1 = 0, 5 x2i − cos(xi ) + yi ;

k2 = 0, 5 x2i+1 − cos(xi+1 ) + yi + k1 ;

1
yi+1 = yi + (k1 + k2 ) .
2

60 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 27 MÉTODO DE RUNGE-KUTTA ORDEN 3

SECCIÓN 27 La notación usual para expresar este método, para el proceso i es

Método de Runge-Kutta orden 3
k1 = hf (xi , yi );

 
27.1. Construcción del método h k1
k2 = hf xi + , yi + ;
2 2

En la sección anterior concluimos que podemos aproximar la solución del P.V.I.

k3 = hf (xi + h, yi − k1 + 2k2 ) ;

 y ′ = f (x, y(x)), con x ∈ [a, b] 1
yi+1 = yi + (k1 + 4k2 + k3 ).
6
y(x0 ) = y0


con 27.2. Algoritmo del método

Z xi+1
yi+1 = yi + f (x, y(x))dx.
xi Algoritmo 17 : método Runge-Kutta orden 3
Dado el P.V.I.
El método de Runge-Kutta de orden 3 sigue la misma lógica, pero aproxima la 
 y ′ = f (x, y), con x ∈ [a, b]
integral por el método de Simpson, es decir,
y(x0 ) = y0

Z xi+1
hh i
f (x, y(x))dx ≈ f (xi , yi ) + 4f (xi+ 1 , y i+ 1 ) + f (xi+1 , yi+1 ) , para i = 0, 1, . . . , n tenemos que
xi 6 2 2

• k1 = hf (xi , yi );
donde y i+1 e y i+ 1 son estimaciones.
 
h k1
2
• k2 = hf xi + , yi + ;
2 2
Utilizamos el método de Euler para estimar y i+ 1 e y i+1 , tomando la pendiente
2 • k3 = hf (xi + h, yi − k1 + 2k2 ) ;
h
de la recta tangente en el punto medio, es decir, y i+ 1 = yi + f (xi , yi ) y 1
2 2 • yi+1 = yi + (k1 + 4k2 + k3 ).
  6
y i+1 = yi + hf xi+ 1 , y i+ 1 .
2 2

61 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 28 MÉTODO DE RUNGE-KUTTA DE ORDEN 4

Case 9 : método de Runge-Kutta orden 2 SECCIÓN 28

Método de Runge-Kutta de orden 4
La siguiente tabla estructura los resultados obtenidos al aplicar el método
de Runge-Kutta orden 2.
i xi k1 k2 yi Para este método utilizamos las siguientes relaciones
0 x0 − − y0
1 x1 k1 k2 y1 Algoritmo 18 : método Runge-Kutta orden 4
.. .. .. .. ..
. . . . . Dado el P.V.I.
n xn k1 k2 yn 
 y ′ = f (x, y), con x ∈ [a, b]

y(x0 ) = y0


tenemos que

• k1 = hf (xi , yi );

 
h k1
• k2 = hf xi + , yi + ;
2 2

 
h k2
• k3 = hf xi + , yi + ;
2 2

• k4 = hf (xi + h, yi + k3 ) ;

1
• yi+1 = yi + (k1 + 2k2 + 2k3 + k4 )
6

62 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 29 MÉTODO DE EULER PARA SISTEMAS

Ejemplos 24 SECCIÓN 29

(1) Dado el problema de valor inicial: Método de Euler para sistemas

y ′ = x cos(πy) − 1, 2; y(−1) = 1, 1;
Dado un P.V.I. para un sistema de ecuaciones diferenciales, de la forma:
aproximemos y(1). 
dx

 = f (t, x, y)
Utilizando el método Runge-Kutta de orden 4 con h = 0, 5 obtenemos dt




que



 dy


i xi k1 k2 k3 k4 yi = g(t, x, y)
dt
0 −1 − − − − 1, 1 


1 −0, 5 −0, 1245 −0, 2276 −0, 2253 −0, 3691 0, 8668



 x(0) = x0

2 0 −0, 3716 −0, 5327 −0, 5612 −0, 6 0, 3402 


y(0) = y0

3 0, 5 −0, 6 −0, 476 −0, 4814 −0, 3742
Por lo tanto, y(1) ≈ −0, 1413. Aproximamos la solución numérica (xi+1 , yi+1 ), de la forma
(2) Aproximemos y(−0, 4) del problema de valores iniciales Algoritmo 19 : método de Euler para sistemas
 ′
y = y cos(πx) − 1, 2 • ti+1 = ti + h;
y(−1) = 1
• xi+1 = xi + hf (ti , xi , yi );
utilizando el método de Runge-Kutta orden 4 con h = 0, 3 con 4 decima-
les.
• yi+1 = yi + hg(ti , xi , yi )
Sabemos que x0 = −1, x1 = −0, 7 y x2 = −0, 4, por lo tanto, debemos
calcular y2 .
Ejemplos 25 Dado el problema de valor inicial:
Luego,
√

1
y′ = −t + x−

i xi yi k1 k2 k3 k4

y



0 −1 1 −1, 5 −0, 4268 −0, 5702 −0, 4357 x′ = 1 − x + 2t − y
1 −0, 7 0, 345 −0, 9513 −0, 3538 −0, 3678 −0, 3621 

 x(0) = 0
2 −0, 1413

 y(0) = 1
Es decir, y(−0, 4) = −0, 1144.
aproximemos y(2, 4) y x(2, 4).

63 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) 30 EJERCICIOS

Utilizando el método Euler con h = 0, 6 obtenemos que: SECCIÓN 30

n tn xn yn Ejercicios
0 0 0 1
1 0.6 0 0, 4
(1) Dado el problema de valor inicial:
2 1.2 1, 08 −1, 46
3 1, 8 3, 348 −1, 1455 √
y ′ = x y + 1, y(−1) = 2,
4 2, 4 4, 7865 −0, 6039
Por lo tanto, x(2, 4) ≈ 4, 7965 y y(2, 4) ≈ −0, 6039. calcular y(1) utilizando el método mejorado de Euler y
Runge-Kutta de orden 4 con h = 0, 4
(2) Dado el problema de valor inicial:

2
y′ = x − , y(1) = −1,
3y

calcular y(2) utilizando el método mejorado de Euler y

Runge-Kutta de orden 4 con h = 0, 2
(3) Dado el problema de valor inicial:

y ′ = x cos(πy) − 1, 2, y(−1) = 1, 1;

calcular y(−0, 4) utilizando el método Runge-Kutta de orden 4 con h =

0, 2
(4) Dado el problema de valor inicial:

1
y′ = 5 − t + x −


y



x′ = 3 − xt + y 2



 x(0) = −1
 y(0) = 1

calcular y(1) y x(1) utilizando el método Euler con h = 0, 2

64 Académico: Francisco Cartes Arenas

MÉTODOS NUMÉRICOS (ı́ndice:2) REFERENCIAS

(5) Dado el problema de valor inicial:

Referencias
√

1
y ′ = −t + x−


y


[1] Burden Richard, “Análisis Numérico” CENGAGE learning, 2011.

x′ = 3 − xt − y



 x(0) = 0
 y(0) = 1

calcular y(2, 4) y x(2, 4) utilizando el método Euler con h = 0, 6

65 Académico: Francisco Cartes Arenas