Metodos Numericos 2008 1

Mtodos Numricos.
- 2 0
0
2 0 - 3 0 - 2 0 - 1 0 0 1 0 2 0 3 0
0
5
1 0
1 5
2 0
2 5
3 0
3 5
4 0
4 5
5 0
Apuntes de clase.
Marco Antonio Pinto Ramos.
Mtodos Numricos
1. INTRODUCCIN Y PRECISIN EN LOS
CLCULOS NUMRICOS
1.1 Introduccin a los mtodos numricos
1.2 Cifras Significativas
1.2.1 Exactitud y precisin
1.2.2 Errores
1.3 Representacin de nmeros en la computadora
1.3.1 Sistemas numricos
1.3.1.1 Sistema binario
1.3.1.2 Sistema octal
1.3.1.3 Sistema hexadecimal
1.3.1.4 Sistema decimal
1.3.2 Representacin entera
1.3.3 Representacin de punto flotante
1.4 Algoritmos
1.4.1 Estabilidad
1.4.2 Convergencia
1.4.3 Recursividad
1.5 Series y sucesiones
1.5.1 Series
1.5.1.1 Series geomtricas
1.5.1.2 Series aritmticas
1.5.1.3 Series de Taylor
1.5.1.4 Series de Fourier
1.5.1.5 Series de Binomio
1.5.2 Sucesiones
1.5.2.1 Sucesiones geomtricas
1.5.2.2 Sucesiones aritmticas
1.6 Nmero de condicin
2. RACES DE ECUACIONES
2.1 Aproximacin grfica
2.2 Mtodo de Biseccin
2.3 Mtodo de Falsa Posicin
2.4 Mtodo de Newton Raphson
2.5 Mtodo de la Secante
2.6 Races mltiples
2.6.1 Mtodo de Newton Raphson modificado para
races mltiples
2.6.2 Mtodo de Mller
3. SISTEMAS DE ECUACIONES LINEALES
3.1 Matrices
3.2 Regla de Cramer
3.3 Eliminacin de Gauss Simple
3.4 Gauss Jordan
3.5 Normas de Vector y Matrices
3.6 Descomposicin LU
3.7 Descomposicin de Crout
3.8 Descomposicin de Cholesky

4. APROXIMACIN FUNCIONAL E
INTERPOLACIN
4.1 Ajuste de curvas
4.2 Ajuste por Mnimos Cuadrados
4.3 Interpolacin de polinomios con Diferencias Divididas
de
Newton
4.4 Interpolacin con polinomios Lagrange
4.5 Interpolacin Segmentara

5. INTEGRACIN Y DIFERENCIACIN
NUMRICA
5.1 Mtodos de de Newton-Cotes
5.1.1 Mtodo del Trapecio
5.1.2 Mtodo de Simpson un tercio
5.1.3 Mtodo de Simpson tres octavos
5.2 Cuadratura de Gauss
5.3 Diferenciacin Numrica

6. SOLUCIN NUMRICA DE ECUACIONES
DIFERENCIALES ORDINARIAS
6.1 Mtodo de Euler
6.2 Mtodo de Runge-Kutta
6.3 Sistemas de Ecuaciones
6.4 Mtodos de Runge-Kutta
BIBLIOGRAFA
1. ANLISIS NUMRICO*
Richard L. Burden/ J. Douglas Faires Grupo Editorial Iberoamrica
2. MTODOS NUMRICOS PARA INGENIEROS*
Chapra, Canale Ed. McGraw Hill, Mxico
3. MTODOS NUMRICOS / Aplicados a la Ingeniera
Antonio Nieves/Federico C. Domnguez Ed. CECSA
* Disponibles en Biblioteca Central UABC
Mtodos Numricos
Unidad I. .......................................................................................................................... 1
Introduccin. .................................................................................................................. 1
Aproximacin numrica y teora de errores ................................................................ 1
Errores inherentes ........................................................................................................................ 2
Errores de truncamiento ............................................................................................................... 2
Errores de redondeo ..................................................................................................................... 2
Error ............................................................................................................................................. 3
Error relativo ................................................................................................................................ 3
Error porcentual ........................................................................................................................... 3
Cifras Significativas ....................................................................................................... 4
Precisin y exactitud ..................................................................................................... 4
Algoritmos ...................................................................................................................... 4
Estabilidad ...................................................................................................................... 5
Convergencia ................................................................................................................. 5
Recursividad ................................................................................................................... 6
Series y sucesiones ....................................................................................................... 6
Criterio de convergencia y divergencia. ...................................................................... 7
Serie de Taylor ............................................................................................................................. 7
Serie binomial .............................................................................................................................. 8
Serie de McLaurin. ....................................................................................................................... 8
Serie de Fourier ............................................................................................................................ 9
Unidad II ........................................................................................................................ 11
Solucin numrica de ecuaciones de una sola variable. ......................................... 11
Aproximacin Grafica ............................................................................................................... 11
Mtodo de Biseccin .................................................................................................................. 12
Mtodo de Falsa Posicin .......................................................................................................... 14
Mtodo de Newton-Raphson. .................................................................................................... 16
Mtodo de la secante ................................................................................................................. 18
Races Mltiples ......................................................................................................................... 20
Mtodo de Newton-Raphson modificado para races mltiples ................................................ 21
Mtodo de Mller ...................................................................................................................... 23
Unidad III ...................................................................................................................... 28
Solucin numrica de sistemas de ecuaciones ........................................................ 28
Determinante de una matriz ....................................................................................................... 31
Regla de Cramer ........................................................................................................................ 32
Eliminacin de Gauss o Gaussiana Simple ................................................................................ 34
Inversin de matrices ................................................................................................................. 38
Descomposicin LU ................................................................................................................... 39
Descomposicin de CROUT ...................................................................................................... 43
Descomposicin de Cholesky .................................................................................................... 47
Mtodo de Jacobi. ...................................................................................................................... 49
Mtodo de Gauss-Seidel. ........................................................................................................... 51
Normas de Vector y Matrices .................................................................................................... 53
Mnimos Cuadrados ................................................................................................................... 56
Unidad IV ....................................................................................................................... 57
Aproximacin funcional e interpolacin. ................................................................... 57
Repaso de estadstica. ................................................................................................................ 57
I
Aproximacin por mnimos cuadrados en una recta. ................................................................. 58
Interpolacin lineal. ................................................................................................................... 60
Interpolacin cuadrtica. ............................................................................................................ 61
Interpolacin de Polinomios de Newton. ................................................................................... 63
Interpolacin de polinomios de Lagrange. ................................................................................. 65
Trazador Cbico. ........................................................................................................................ 69
Integracin y diferenciacin numrica. ...................................................................... 72
Frmulas o ecuaciones de Newton-Cotes. ................................................................................. 72
Integracin por el mtodo trapezoidal. ...................................................................................... 73
Aplicacin mltiple de la regla trapezoidal ............................................................................... 75
Regla de Simpson . ................................................................................................................... 78
Unidad VI ....................................................................................................................... 85
Solucin numrica de ecuaciones diferenciales. ..................................................... 85
Mtodo de Euler ......................................................................................................................... 86
Anlisis de error para el mtodo de Euler ................................................................................. 88
Mejoras al mtodo de Euler ....................................................................................................... 91
Mtodo de Heun ......................................................................................................................... 91
Mtodos de Runge-Kutta. ............................................................................................ 94
Mtodos de Runge-Kutta de segundo orden .............................................................................. 94
Mtodo de Heun de un solo corrector ....................................................................................... 95
Mtodo de punto medio ............................................................................................................ 95
Mtodo de Ralston .................................................................................................................... 96
Mtodos de Runge-Kutta de tercer orden. ................................................................................. 96
Mtodos de Runge-Kutta de cuarto orden. ................................................................................ 97
Mtodo de Runge-Kutta de orden superior. ............................................................................... 98
Ecuaciones diferenciales ordinarias de orden superior ............................................................ 100
II
Mtodos Numricos
Unidad I.
Introduccin.
En el campo de la ingeniera y ciencias, existen infinidad de fenmenos que
requieren representarse mediante modelos matemticos. Desafortunadamente, la gran
mayora de estos modelos no tiene una solucin exacta no es fcil encontrarla. Es
estos casos es en donde los mtodos numricos proporcionan una solucin
aproximada al problema original. Un mtodo numrico es aquel que obtiene nmeros
que se aproximan a los que se obtendran aplicando la solucin analtica de un
problema.
Los mtodos numricos son herramientas extremadamente poderosas para la solucin
de problemas. Son capaces de manejar sistemas de ecuaciones grandes, no
linealidades geomtricas complicadas que son comunes en la practica de la ingeniera
y que, a menudo, son imposibles de resolver analticamente.
Aproximacin numrica y teora de errores
Debemos conformarnos siempre, en la prctica de la ingeniera y de las
ciencias, con una solucin aproximada a un problema por las siguientes razones:
Los modelos matemticos son aproximados esto es, simplificaciones al problema real.
No se toman en cuenta todos los factores que afectan a un fenmeno. Por ejemplo, en
el caso del tiro parablico, se suele despreciar la resistencia del aire, sin embargo, esta
puede ser importante.
Los modelos matemticos requieren de parmetros, los cuales la mayora de las veces
provienen de mediciones experimentales y estas, solo tienen una precisin limitada,
que depende del instrumento de medicin. Por ejemplo la constante de los gases
ideales. Tambin pueden provenir de clculos y estos tienen una precisin limitada que
depende tanto del mtodo como del instrumento de clculo que se utilicen. Por
ejemplo
.
Los modelos matemticos resultantes son imposibles de resolver por mtodos
analticos y se debe de aproximar la solucin numricamente. Por ejemplo una
ecuacin de quinto grado.
1
Por lo anterior, humildemente tenemos que aceptar que siempre se tendrn presentes
errores, estos pueden clasificarse en:
Errores inherentes.
Errores de truncamiento.
Errores de redondeo.
Errores inherentes
Los errores inherentes son aquellos que tienen los datos de entrada de un
problema, y son debidos principalmente a que se obtienen experimentalmente,
debindose tanto al instrumento de medicin, como a las condiciones de realizacin del
experimento. Por ejemplo, s el experimento es a temperatura constante y no se logra
esto mas que en forma aproximada. Tambin pueden deberse a que se obtengan de
clculos previos. Por ejemplo el valor calculado es el de un nmero irracional como

2
.
Errores de truncamiento
Los errores de truncamiento se originan por el hecho de aproximar la solucin
analtica de un problema, por medio de un mtodo numrico. Por ejemplo al evaluar la
funcin exponencial por medio de la serie de Taylor, se tiene que calcular el valor de la
siguiente serie infinita:
+ + + + +
0
! ! ! 3 ! 2
3 2
1
N
N
x
N
x x x x
N N
x e
Ante la imposibilidad de tomar todos los trminos de la serie, se requiere truncar
despus de cierto nmero de trminos. Esto nos introduce ciertamente un error, que es
el error de truncamiento. Este es independiente de la manera de realizar los clculos.
Solo depende del mtodo numrico empleado.
Errores de redondeo
Los errores de redondeo, se originan al realizar los clculos que todo mtodo
numrico o analtico requieren y son debidos a la imposibilidad de tomar todas las
cifras que resultan de operaciones aritmticas como los productos y los cocientes,
teniendo que retener en cada operacin el nmero de cifras que permita el instrumento
2
de clculo que se este utilizando. Por ejemplo al calcular el valor de
3
1
, tenemos que
conformarnos solo con la mayor cantidad de cifras 3, que maneje nuestro instrumento
de calculo.
Los errores anteriores tambin suelen denominarse como las fuentes de error.
La magnitud del error generada por alguna o todas las fuentes de error mencionadas
anteriormente, se puede cuantificar con ayuda de los siguientes parmetros:
Error.
Error relativo.
Error porcentual.
Error
El error se define como la diferencia entre el valor real
r
V y una aproximacin a
este valor
a
V
:
a r
V V e
Error relativo
El error relativo se define como el cociente del error entre el valor real
r
V
(s 0
r
V ):
r
a r
r
r
V
V V
V
e
e

En ciertos mtodos numricos se utilizan esquemas iterativos para calcular resultados.
En tales esquemas, se hace una aproximacin en base a la aproximacin anterior. Este
proceso se repite varias veces, o de forma iterativa, para calcular sucesivamente ms y
mejores aproximaciones.
En tales casos, el error a menudo se calcula como la diferencia entre aproximacin
previa y la actual por lo tanto, el error relativo porcentual o error porcentual esta dado
por:

Error porcentual
El error porcentual es simplemente el error relativo expresado en por ciento (%).
% 100 *
r
a r
p
V
V V
e

3
En 1966 Scarberough demostr que si el siguiente criterio se cumple puede tenerse la
seguridad de que el resultado es correcto en al menos
n
cifras significativas.
n
Es

2
10 5 . 0
Cifras Significativas
El concepto de cifras significativas se ha desarrollado para designar formalmente
la confiabilidad de un valor numrico. El nmero de cifras significativas es el nmero de
dgitos que se puede usar con plena confianza. Por ejemplo podemos calcular un
nmero irracional con varias cifras, pero de ellas no todas, sobre todo las ltimas
pueden tomarse con plena confianza de que son correctas. Por otro lado, los ceros no
siempre son cifras significativas ya que pueden usarse solo para ubicar al punto
decimal. Por ejemplo los siguientes nmeros tienen todos 4 cifras significativas:
0.00001985, 0.0001985, 0.001985, 1985, 19.85.Para asegurar que un cero nos
represente una cifra significativa, es comn emplear la notacin cientfica. Por ejemplo
los siguientes nmeros tienen 3, 4 y 5 cifras significativas:
5
10 53 . 4

,
5
10 530 . 4

y
5
10 5300 . 4

. Tambin se suele poner explcitamente los ceros. Los siguientes
nmeros tienen 5 cifras significativas: 19850, 0.019850, 19.850.
Cifras significativas: Son aquellas que pueden usarse en forma confiable.
Precisin y exactitud
Los errores asociados con los clculos y mediciones se pueden caracterizar
observando su precisin y exactitud. La mayora de la gente piensa que estos trminos
son sinnimos, pero no es as. La precisin se refiere al nmero de cifras significativas
que representan una cantidad. La exactitud se refiere al grado de aproximacin que se
tiene de un nmero o de una medida al valor verdadero que se supone representa, es
decir, que tan cerca estamos del valor buscado. Por ejemplo, s leemos la velocidad del
velocmetro de un auto, esta tiene una precisin de 3 cifras significativas y una
exactitud de t 5 Kmh.
Algoritmos
Algoritmo: Secuencia de pasos lgicos necesarios para llevar a cabo una tarea
especifica, generalmente los algoritmos se describen mediante un pseudocdigo. Y
pueden ser estables o inestables.
4
Ejemplo
Algoritmo hecho en pseudocdigo del promedio de
n
nmeros.
1.- Pedir datos
2.- Contar datos:
n
=nmeros de datos.
3.- Sumar los datos:
) (i dato suma suma +
4.- Dividir suma entre
n
:
n suma prom /
5.- Imprimir el
prom
Estabilidad
Algoritmos estables: Son aquellos en los que los cambios pequeos en los datos
de entrada generan cambios pequeos al final o a la salida.
Algoritmos inestables: Son aquellos en los que los cambios pequeos en la entrada
producen grandes cambios en la salida.
Por ejemplo s
n
e
es un error en alguna etapa de un proceso y k es una constante
independiente de
n
el nmero de etapa, entonces s el error despus de
n

operaciones se puede representar por
kn n f ) ( , se dice que el crecimiento del error

es lineal. S en cambio el error se representa por
n
k n f ) ( para 1 > k , el crecimiento
del error se dice que es exponencial.
El crecimiento del error lineal es por lo general inevitable, y cuando k y
n
son
pequeos, los resultados son aceptables. El crecimiento del error exponencial debe ser
evitado, ya que el trmino
n
k ser grande, aun para valores relativamente pequeos de
n
. Por lo tanto s el crecimiento del error es lineal el mtodo es estable y s es
exponencial es inestable.
Convergencia
Velocidad de convergencia (rapidez o razn de convergencia): Es el nmero de
iteraciones que requiere un clculo o algoritmo para converger o aproximarse a un
valor.
Es decir la convergencia se refiere al hecho de que los mtodos numricos obtienen
n

trminos de una sucesin de valores. Comenzamos con un valor inicial que sea una
5
aproximacin de la solucin de un problema
0
x
Aplicando un mtodo numrico se
obtiene otra aproximacin
1
x . Se repite el procedimiento para obtener
2
x y as
sucesivamente, es decir, se generar la sucesin
n
x x x , , ,
1 0

(todos los trminos son
aproximaciones a la solucin del problema). S la sucesin obtenida al cabo de
n

iteraciones tiende a un lmite se dice que el mtodo es convergente o divergente en
caso contrario.
Recursividad
Formula recursiva: Relaciona trminos sucesivos de una sucesin particular de
nmeros, funciones o polinomios, para proporcionar medios para calcular cantidades
sucesivas en trminos de las anteriores.
Series y sucesiones
, 8 , 6 , 4 , 2 : Serie
(Infinita)
. 10 , 8 , 6 , 4 , 2 : Sucesin
(Finita)
'
aritmtica
geomtrica
Sucesiones y Series
Sucesin aritmtica
) ( ) ) 1 ( ( ) 2 ( ) (
2
1
l a n d N a d a d a a + + + + + + + +
donde:
d N a l ) 1 ( +
y representa el ultimo termino de la sucesin.
Sucesin geomtrica
x
x a
ax ax ax ax a
N
N
+ + + + +

1
) 1 (
1 3 2
se dice que una sucesin es creciente si:

n n n
a a

1
decreciente si:
n n n
a a

1
6
Ejemplos
n
n
n
ax
1
(Geomtrica decreciente)

0
n
n
ax
(Geomtrica creciente)

+
0
) (
n
nb a
(Aritmtica creciente)
Criterio de convergencia y divergencia.
Sea
1 n
una serie infinita dada y sea
{ }
n
S
la sucesin de sumas parciales que
definen esta serie infinita. Entonces si el n
n
S Lim

existe y es igual a S entonces se dice
que la serie converge y que S es la suma infinita dada.
Si coexiste al n
n
S Lim

, entonces se dice que la serie diverge no converge y S no tiene
valor. Una serie infinita es convergente si y solo si, la secuencia correspondiente es
convergente.
Serie de Taylor
La serie de Taylor permite predecir o calcular el valor de una funcin en un punto
en trminos del valor de la funcin y sus derivadas en otro punto. Esto quiere decir que
cualquier funcin suave puede ser aproximada mediante un polinomio.
n
n n
R
n
a x a f a x a f a x a f
a x a f a f x f +
+ +
+ +
!
) )( (
! 3
) )( ( ' ' '
! 2
) )( ( ' '
) )( ( ' ) ( ) (
3 2
Donde
n
R
es el trmino residual
)! 1 (
) (
1 1
+
+
n
h f
R
n n
n

Algunas series tpicas de Taylor son las siguientes
n
x x x x
x x
n
+ + + +
4 3 2
) 1 ln(
4 3 2
Para 1 1 < x
n
x
x
n x
x
x
x
x
x
x
,
_

+ +
,
_

+
,
_
1 1 1
3
1 1
2
1 1
) ln(
3 2
Para
2
1
x
7
'
,
_
+ +
,
_
,
_
,
_
n
x
x
n x
x
x
x
x
x
x
1
1 1
1
1
5
1
1
1
3
1
1
1
2 ) ln(
5 3
Para 0 > x
! ! 7 ! 5 ! 3
) (
7 5 3
n
x x x x
x x sen
n
+ + + Para
< < x
+ +
! 6 ! 4 ! 2
1 ) cos(
6 4 2
x x x
x Para
< < x
+ + + +
7 5 3
315
17
15
2
3
1
) tan( x x x x x Para
2
< x
+

+
+ +
7 6 4 2
5 3 1
5 4 2
3 1
3 2
1
) (
7 5 3
1
x x x
x x sen Para
1 < x
,
_
+

+
+ +

7 6 4 2
5 3 1
5 4 2
3 1
3 2
1
2
) (
2
) ( cos
7 5 3
1 1
x x x
x
x sen
x
Para
1 < x
+ + + +
! 7 ! 5 ! 3
) (
7 5 3
x x x
x x senh Para
< < x
+ + + +
! 6 ! 4 ! 2
1 ) cosh(
6 4 2
x x x
x Para
< < x
Serie binomial
+

+
+ + +

3
3
2
2
1
! 3
) 2 )( 1 (
! 2
) 1 (
) ( x
a n n n
x
a n n
na a x a
n n
n n n
Serie de McLaurin.
En matemticas a menudo se pueden representar funciones mediante una serie
infinita por ejemplo la funcin exponencial se puede utilizar usando
! ! 3 ! 2
1
3 2
n
x x x
x e
n
x
+ + + + +
Que es conocida como expansin de serie de McLaurin, que es una modificacin de la
serie de Taylor para cuando 0 a
8
Serie de Fourier
Sea
) (x f
una funcin compleja peridica con perodo 2 , evaluada en dominio de
los nmeros reales e integrable sobre el intervalo -
, es decir toda funcin

peridica puede ser representada por una suma de senos y csenos.
[ ]
+ +
1
0
) n( s ) cos(
2
) (
n
n n
x n e b x n a
a
x f
donde:
dx x n x f a
n
) cos( ) (
1
dx x n e x f b
n
) n( s ) (
1
Cuadrada
2 2 0
) (x f
,
_
+ + +
5
) 5 (
3
) 3 (
1
) ( 4
) (
x Sen x Sen x Sen
x f
Triangular
2 2 0
) (x f
,
_
+ + +
2 2
5
) 5 (
3
) 3 (
1
) ( 4
2
) (
x Cos x Cos x Cos
x f
Diente de sierra
2 2 0
) (x f
,
_
+
3
) 3 (
2
) 2 (
1
) (
2 ) (
x Sen x Sen x Sen
x f
Senoidal Rectificada
2 2 0
) (x f
,
_
7 5
) 6 (
5 3
) 4 (
3 1
) 2 ( 2
) (
2
1 1
) (
x Cos x Cos x Cos
x sen x f

9
Ejemplo
-
1
0
1
S e r i e d e F o u r i e r d e u n a s e a l C u a d r a d a
X
F
(
X
)
2 2 0
1
) ( 4
) (
x Sen
x Cuadrada
,
_
+
3
) 3 (
1
) ( 4
) (
x Sen x Sen
x Cuadrada
,
_
+ +
5
) 5 (
3
) 3 (
1
) ( 4
) (
x Sen x Sen x Sen
x Cuadrada
Ejemplo de la obtencin de la serie de Fourier de una onda cuadrada
'
< <
< <
x
x
x f
0 1
0 1
) (
[ ] [ ] 0 0 0
1 1

1
-
1
) (
1
0
0

0
0

0
+ + +
x x dx dx dx x f a
[ ]

0
0
0
0
) ( ) (
1
) cos(
1
) cos(
1
x n sen x n sen
n
dx x n dx x n a
n
+ +

[ ] 0 ) 0 ( ) ( ) ( ) 0 (
1
+ + n sen n sen n sen n sen
n
a
n

+

0
0
) n( s
1
) n( s
1
) n( s ) (
1
dx x n e dx x n e dx x n e x f b
n
[ ] ) 0 cos( ) cos( ) cos( ) 0 cos(

1
) cos(

1
) cos(

1
0
0
n n n n
n
x n
n
x n
n
b
n
+
[ ] [ ] [ ] ) cos( 1

2
) cos( 2 2

1
1 ) cos( ) cos( 1

1
n
n
n
n
n n
n
b
n
+
Como
0
0
a
,
0
n
a
y [ ] ) cos( 1

2
n
n
b
n
tenemos que
( )
,
_
+ + +
1
]
1
1
]
1
5
) 5 (
3
) 3 (
1
) ( 4 ) (

4 ) ( ) cos( 1

2
) (
... 5 , 3 , 1 1
x sen x sen x sen
n
x n sen
n
x n sen n
x f
n n

10
Unidad II
Solucin numrica de ecuaciones de una sola variable.
Las soluciones de una ecuacin
0 ) ( x f
, se llaman ceros o races de
) (x f
. En
algunos casos las races pueden ser obtenidas con mtodos directos como por
ejemplo para una ecuacin cuadrtica se utiliza formula general. Aunque existen
ecuaciones que no se pueden resolver directamente, por ejemplo una funcin tan
simple tal como x e x f
x

) ( . Para estos casos, la nica alternativa es una tcnica de
solucin numrica .
Aproximacin Grafica
Un mtodo simple para obtener una aproximacin a la raz de la ecuacin
0 ) ( x f
, consiste en graficar la funcin y observar en donde cruza al eje
x
.
Este punto representa el valor de
x
para el cual
0 ) ( x f
proporciona una aproximacin
de la raz de la funcin
) (x f
.
Ejemplo
Usando la aproximacin grfica para obtener el coeficiente de razonamiento
c
,
necesario para que un paracaidista de masa = 68.1
kg
tenga una velocidad de 40 s m/
despus de una cada libre de 10
s
,
2
/ 81 . 9 s m g donde la funcin que representa este
echo esta dada por:
( )
t
m
c
e
c
gm
t v

1 ) (
En este caso se rescribe la funcin de tal manera que sea igualada a cero, lo cual
queda:
v e
c
gm
c f
m
ct
,
_

1 ) (
c
) (c f
2 45.00718
4 34.19047
6 25.20892
8 17.71226
10 11.42152
12 6.11394
14 1.61112
16 -2.23026
18 -5.52565
20 -8.36838
22 -10.83416
- 1 5
- 1 0
- 5
0
5
1 0
1 5
2 0
2 5
3 0
3 5
) (c f
c
4 6 8 1 0 1 2 1 4 1 6 1 8 2 0 2 2
Raiz Aproximada
14.75
11
Mtodo de Biseccin
Este mtodo consiste en encerrar una raz entre un intervalo en el cul la funcin
debe cruzar al eje horizontal, e ir dividiendo el intervalo a la mitad hasta encontrar la
mejor aproximacin.
- 1 5
- 1 0
- 5
0
5
1 0
1 5
2 0
2 5
3 0
3 5
4 6 8 1 0 1 2 1 4 1 6 1 8 2 0 2 2
u
x
r
x
2
u i
r
x x
x
+
i
x
r
x
i
x
u
x
u
x
i
x
El algoritmo se describe como sigue:
1.- Elegir lmites superior
u
x
e inferior
i
x

2.- Obtener la nueva aproximacin a la raz
2
u i
r
x x
x
+
3.- Si
0 ) ( ) ( <
r i
x f x f
, entonces
i i
x x
y
r u
x x
Si no
Si
0 ) ( ) ( <
r u
x f x f
, entonces
r i
x x
y
u u
x x
4.- Si
0 ) ( ) (
r u
x f x f
, la raz es igual a
r
x ; termina el calculo
12
Ejemplo:
Resolviendo el ejemplo anterior utilizando el mtodo de biseccin con
12
i
x
y
16
u
x
se tiene:
v e
c
gm
c f
m
ct
,
_

1 ) (
i
i
x
u
x
r
x ) (
i
x f ) (
u
x f ) (
r
x f
r
e
1 12.0000000 16.0000000 14.0000000 6.1139431 -2.2302607 1.6111164 -
2 14.0000000 16.0000000 15.0000000 1.6111164 -2.2302607 -0.3844581 6.6666667
3 14.0000000 15.0000000 14.5000000 1.6111164 -0.3844581 0.5936984 3.4482759
4 14.5000000 15.0000000 14.7500000 0.5936984 -0.3844581 0.0998300 1.6949153
5 14.7500000 15.0000000 14.8750000 0.0998300 -0.3844581 -0.1434972 0.8403361
6 14.7500000 14.8750000 14.8125000 0.0998300 -0.1434972 -0.0221312 0.4219409
7 14.7500000 14.8125000 14.7812500 0.0998300 -0.0221312 0.0387748 0.2114165
8 14.7812500 14.8125000 14.7968750 0.0387748 -0.0221312 0.0083032 0.1055966
9 14.7968750 14.8125000 14.8046875 0.0083032 -0.0221312 -0.0069187 0.0527704
a
1
iteracin
14
2
16 12
2

+
u i
r
x x
x
6.1139431 1 ) 12 (
,
_

v e
c
gm
f
m
ct
-2.2302607 1 ) 16 (
,
_

v e
c
gm
f
m
ct

1.6111164 1 ) 14 (
,
_

v e
c
gm
f
m
ct
a
2
iteracin
15
2
16 14
2

+
u i
r
x x
x
1.6111164 1 ) 14 (
,
_

v e
c
gm
f
m
ct
-2.2302607 1 ) 16 (
,
_

v e
c
gm
f
m
ct
-0.3844581 1 ) 15 (
,
_

v e
c
gm
f
m
ct
6.6666667 100 *
15
14 15
r
e
a
3 iteracin
5 . 14
2
15 14
2

+
u i
r
x x
x
1.6111164 1 ) 14 (
,
_

v e
c
gm
f
m
ct
-0.3844581 1 ) 15 (
,
_

v e
c
gm
f
m
ct

0.5936984 1 ) 5 . 14 (
,
_

v e
c
gm
f
m
ct

3.4482759 100 *
5 . 14
15 5 . 14
r
e
a
4
iteracin
75 . 14
2
15 5 . 14
2

+
u i
r
x x
x
0.5936984 1 ) 5 . 14 (
,
_

v e
c
gm
f
m
ct
-0.3844581 1 ) 15 (
,
_

v e
c
gm
f
m
ct
0.0998300 1 ) 75 . 14 (
,
_

v e
c
gm
f
m
ct
1.6949153 100 *
75 . 14
5 . 14 75 . 14
r
e
13
Mtodo de Falsa Posicin
Un defecto del mtodo de biseccin es que al dividir el intervalo de
i
x
a
u
x
en
mitades, no se considera la magnitud de
) (
i
x f
y de
) (
u
x f
. Por ejemplo, si
) (
i
x f

esta ms cercano a 0 que
) (
u
x f
, es lgico pensar que la raz se encuentra ms
cerca de
i
x
que de
u
x
. El mtodo de falsa posicin aprovecha la visualizacin
grfica de unir
) (
i
x f
y
) (
u
x f
con una recta, donde la interseccin de esta recta con
el eje
x
representa una mejor estimacin a la raz.
0
u
x
r
x
i
x
) ( ) (
) )( (
u i
u i u
u r
x f x f
x x x f
x x

) (
u
x f
) (
i
x f
De la grfica se observan tringulos semejantes
u r
u
i r
i
x x
x f
x x
x f
) ( ) (
de la ecuacin anterior despejamos
r
x y se obtiene:
) ( ) (
) )( (
u i
u i u
u r
x f x f
x x x f
x x

El algoritmo es igual al del mtodo de biseccin, lo nico que cambia es la ecuacin
para
r
x
14
Ejemplo
Utilizando el mtodo de la falsa posicin para determinar la raz de la ecuacin
del ejemplo anterior con
12
i
x
y
16
u
x
se tiene:
i
i
x
u
x
r
x ) (
i
x f ) (
u
x f ) (
r
x f
r
e
1 12.0000000 16.0000000 14.9308695 6.1139431 -2.2302607 -0.2514869 -
2 12.0000000 14.9308695 14.8150760 6.1139431 -0.2514869 -0.0271452 0.7815922
3 12.0000000 14.8150760 14.8026327 6.1139431 -0.0271452 -0.0029159 0.0840618
4 12.0000000 14.8026327 14.8012966 6.1139431 -0.0029159 -0.0003131 0.0090264
5 12.0000000 14.8012966 14.8011532 6.1139431 -0.0003131 -0.0000336 0.0009691
6 12.0000000 14.8011532 14.8011378 6.1139431 -0.0000336 -0.0000036 0.0001040
7 12.0000000 14.8011378 14.8011361 6.1139431 -0.0000036 -0.0000004 0.0000112
8 12.0000000 14.8011361 14.8011360 6.1139431 -0.0000004 0.0000000 0.0000012
9 12.0000000 14.8011360 14.8011359 6.1139431 0.0000000 0.0000000 0.0000001
10 12.0000000 14.8011359 14.8011359 6.1139431 0.0000000 0.0000000 0.0000000
a
1
iteracin
6.1139 1 ) 12 (
,
_

v e
c
gm
f
m
ct
-2.2302 1 ) 16 (
,
_

v e
c
gm
f
m
ct
14.9308
) 6.1139 ( ) -2.2302 (
) 16 12 )( -2.2302 (
16

r
x

-0.2514 1 ) 14.9308 (
,
_

v e
c
gm
f
m
ct
a
2
iteracin
6.1139 1 ) 12 (
,
_

v e
c
gm
f
m
ct
-0.2514 1 ) 14.9308 (
,
_

v e
c
gm
f
m
ct
14.8150
) -0.2514 ( ) 6.1139 (
) 14.9308 12 )( -0.2514 (
14.9308

r
x
-0.0271 1 ) 14.8150 (
,
_

v e
c
gm
f
m
ct
0.7815 100 *
14.8150
14.9308 14.8150
r
e
a
3 iteracin
6.1139 1 ) 12 (
,
_

v e
c
gm
f
m
ct
-0.0271 1 ) 14.8150 (
,
_

v e
c
gm
f
m
ct
14.8026
) -0.0271 ( ) 6.1139 (
) 14.8150 12 )( -0.0271 (
14.8150

r
x

-0.0029 1 ) 14.8026 (
,
_

v e
c
gm
f
m
ct

0.0840 100 *
14.8026
14.8150 14.8026
r
e
a
4
iteracin
6.1139 1 ) 12 (
,
_

v e
c
gm
f
m
ct
-0.0029 1 ) 14.8026 (
,
_

v e
c
gm
f
m
ct
14.8012
) -0.0029 ( ) 6.1139 (
) 14.8026 12 )( -0.0029 (
14.8026

r
x
-0.0003 1 ) 14.8012 (
,
_

v e
c
gm
f
m
ct
0.0090 100 *
14.8012
14.8026 14.8012
r
e
15
Mtodo de Newton-Raphson.
Los mtodos de Biseccin y Falsa posicin son llamados mtodos por intervalos
en los cuales los valores iniciales deben encerrar a la raz deseada. Los mtodos
siguientes son llamados mtodos de intervalo abierto dado que las condiciones
iniciales no necesariamente tienen que contener a la raz.
Si el valor inicial de la raz es
i
x
, entonces se puede trazar una tangente del punto
) (
i
x f
; el punto donde esta tangente cruza al eje
x
representa una aproximacin de
la raz.
i
x
) ( '
i
x f
1 + i
x
) (
i
x f
0
) ( '
) (
1
i
i
i i
x f
x f
x x
+
) (x f
x
Si la pendiente en un punto dado le llamamos primera derivada de la funcin
) ( ' x f
y
la pendiente de una recta es
1 2
1 2
x x
y y
m
podemos tener que:

1 1 2
1 2
) (
) ( '
+

i i
i
x x
x f
x x
y y
m x f
Despejando
1 + i
x
tenemos la ecuacin de Newton-Raphson
) ( '
) (
1
i
i
i i
x f
x f
x x
+
16
Ejemplo:
Utilizar el mtodo de Newton-Raphson para encontrar la raz de x e x f
x

) (
empleando un valor inicial de
0
0
x
i i
x ) (
i
x f ) ( '
i
x f
r
e
0 0.0000000 1.0000000 -2.0000000 -
1 0.5000000 0.1065307 -1.6065307 100.0000000
2 0.5663110 0.0013045 -1.5676155 11.7092910
3 0.5671432 0.0000002 -1.5671434 0.1467287
4 0.5671433 0.0000000 -1.5671433 0.0000221
5 0.5671433 0.0000000 -1.5671433 0.0000000
Se tiene que x e x f
x

) ( y su derivada es 1 ) ( '
x
e x f
a
1
iteracin
0
0
x
1 ) (
0

x e x f
x
2 1 ) ( '
0

x
e x f
5 . 0
2
1
0
) ( '
) (
0
0
0 1

x f
x f
x x
100 100 *
0.5
0 0.5
r
e
a
2
iteracin
5 . 0
1
x
0.1065307 ) (
1

x e x f
x
1.6065307 1 ) ( '
1

x
e x f
0.5663110
1.6065307 -
0.1065307
5 . 0
) ( '
) (
1
1
1 2

x f
x f
x x
11.7092910
100 *
0.5663110
5 . 0 0.5663110
r
e
a
3 iteracin
0.5663110
2
x
0.0013045 ) (
2

x e x f
x
1.6065307 1 ) ( '
2

x
e x f
0.5671432
1.5676155 -
0.0013045
0.5663110
) ( '
) (
2
2
2 3

x f
x f
x x
11.7092910
100 *
0.5671432
0.5663110 0.5671432
r
e
a
4
iteracin
0.5671432
3
x
0.0000002 ) (
3

x e x f
x
-1.5671434 1 ) ( '
3

x
e x f
0.5671433
1.5671434 -
0.0000002
0.5671432
) ( '
) (
3
3
3 4

x f
x f
x x
0.1467287
100 *
0.5671433
0.5671432 - 0.5671433
r
e
17
Mtodo de la secante
El principal problema de la implementacin del mtodo de Newton-Raphson es
la evaluacin de la derivada. Aunque esto no es ningn inconveniente para los
polinomios, en algunos de los casos ciertas derivadas son difciles de evaluar.
En estos casos se puede aproximar la derivada mediante una diferencia dividida finita
regresiva.
0
) (x f
x
) (
1 i
x f
) (
i
x f
1 i
x
1 + i
x
i
x
) ( ) (
) )( (
1
1
1
i i
i i i
i i
x f x f
x x x f
x x
+
Si se toma como tringulos semejantes como sigue
i i
i
i i
i i
x x
x f
x x
x f x f
1 1
1
) ( ) ( ) (
y
despejando
1 + i
x
se obtiene la ecuacin de Newton-Raphson para la aproximacin de la
nueva raz
) ( ) (
) )( (
1
1
1
i i
i i i
i i
x f x f
x x x f
x x
+
18
Ejemplo:
Utilice el mtodo de la secante para calcular la raz de x e x f
x

) ( .
Comenzando con los valores iniciales de
0
1

i
x
y
1
i
x
i i
x ) (
i
x f |
r
e
0
x
0 0.00000000 1.00000000 -
1
x
1 1.00000000 -0.63212056 100.00000000
2
x
2 0.61269984 -0.07081395 63.21205588
3
x
3 0.56383839 0.00518235 8.66586039
4
x
4 0.56717036 -0.00004242 0.58747239
5
x
5 0.56714331 -0.00000003 0.00476984
6
x
6 0.56714329 0.00000000 0.00000286
7
x
7 0.56714329 0.00000000 0.00000000
Primera iteracin
0
0
x 1 ) (
0

x e x f
x
1
1
x -0.6321 ) (
1

x e x f
x
100 100 *
1
0 - 1

r
e
0.6126
) -0.6321 ( ) 1 (
) 1 0 )( -0.6321 (
1
2

x
Segunda iteracin
1
1
x -0.6321 ) (
1

x e x f
x
0.6126
2
x -0.0708 ) (
2

x e x f
x
63.2120 100 *
0.6126
1 - 0.6126

r
e
0.5638
) -0.0708 ( ) -0.6321 (
) 0.6126 1 )( -0.0708 (
0.6126
3

x
Tercera iteracin
0.6126
2
x -0.0708 ) (
2

x e x f
x
0.5638
3
x 0.0051 ) (
3

x e x f
x
8.6658 100 *
0.5638
0.6126 - 0.5638

r
e
0.5671
) 0.0051 ( ) -0.0708 (
) 0.5638 - 0.6126 )( 0.0051 (
0.5638
4

x
Cuarta iteracin
0.5638
3
x 0.0051 ) (
3

x e x f
x
0.5671
4
x 2 -0.0000424 ) (
4

x e x f
x
0.5874 100 *
0.5671
0.5638 - 0.5671

r
e
0.56714331
) 2 -0.0000424 ( ) 0.0051 (
) 0.5671 - 0.5638 )( 2 -0.0000424 (
0.5671
5
x
19
Races Mltiples
Una raz mltiple corresponde a un punto donde una funcin es tangencial al eje
horizontal
x
, por ejemplo si
) (x f
es formada por una multiplicacin de binomios iguales
se encontrara una raz repetida.
3 7 5 ) (
2 3
+ x x x x f
2
) 1 )( 3 ( ) 1 )( 1 )( 3 ( ) ( x x x x x x f
1 2 3
Raz Doble
Raz Simple
) (x f
x
La ecuacin anterior tiene una raz doble porque un valor de
x
hace que dos trminos
de la ecuacin sean iguales a cero en 1 x , se observa que en la curva toca al eje
x

pero no lo cruza.
3 10 12 6 ) (
2 3 4
+ + x x x x x f
3
) 1 )( 3 ( ) 1 )( 1 )( 1 )( 3 ( ) ( x x x x x x x f
1 2 3
Raz Triple
Raz Simple
) (x f
x
Para la ecuacin 3 10 12 6 ) (
2 3 4
+ + x x x x x f se observa que la funcin es tangente
al eje
x
. En general, la multiplicacin impar de races cruza al eje horizontal
x
,
mientras que la multiplicidad par no lo hace. Las races mltiples ofrecen ciertas
dificultades a los mtodos anteriormente expuestos.
20
Mtodo de Newton-Raphson modificado para races mltiples
Para el mtodo de Newton-Raphson modificado es necesario la obtencin de la
primera y segunda derivada de la funcin y la obtencin de la aproximacin de la raz
esta dada por:
[ ] ) ( ' ' ) ( ) ( '
) ( ' ) (
2
1
i i i
i i
i i
x f x f x f
x f x f
x x

+
La manera en que se realizan las iteraciones es de la misma forma que el del mtodo
de Newton-Raphson
Ejemplo:
Utilice el mtodo de Newton-Raphson modificado para evaluar la raz mltiple de
la ecuacin con un valor inicial de
0
0
x
3 7 5 ) (
2 3
+ x x x x f
Obteniendo la primera y segunda derivada de la funcin
) (x f
se tiene que
7 10 3 ) ( '
2
+ x x x f 10 6 ) ( ' ' x x f
i
i
x ) (
i
x f ) ( '
i
x f ) ( ' '
i
x f
r
e
0 0.0000000 -3.0000000 7.0000000 -10.0000000 -
1 1.1052632 -0.0209943 -0.3878116 -3.3684211 100.0000000
2 1.0030817 -0.0000190 -0.0122982 -3.9815100 10.1867572
3 1.0000024 0.0000000 -0.0000095 -3.9999857 0.3079275
4 1.0000000 0.0000000 0.0000000 -4.0000000 0.0002381
Primera iteracin
0
0
x
3 3 7 5 ) (
2 3
0
+ x x x x f
7 7 10 3 ) ( '
2
0
+ x x x f
10 10 6 ) ( ' '
0
x x f
[ ]
1.1052
) 10 )( 3 ( 7
) 7 ( ) 3 (
0
2
1

x
Segunda iteracin
1.1052
1
x
-0.0209 3 7 5 ) (
2 3
1
+ x x x x f
-0.3878 7 10 3 ) ( '
2
1
+ x x x f
3684 3 10 6 ) ( ' '
1
. - x x f
100 100 *
1.1052
0 - 1.1052

r
e
[ ]
1.0030
) 3.3684 )( -0.0209 ( 0.3878 -
) -0.3878 ( ) -0.0209 (
1.1052
2
2
x
Tercera iteracin
1.0030
1
x
-0.000019 3 7 5 ) (
2 3
1
+ x x x x f
-0.01229 7 10 3 ) ( '
2
1
+ x x x f
9815 3 10 6 ) ( ' '
1
. - x x f
10.1867 100 *
1.0030
1.1052 - 1.0030

r
e
[ ]
1.0000024
) -3.9815 )( -0.000019 ( 0.01229 -
) -0.01229 ( ) -0.000019 (
1.0030
2 2
x
21
Mtodo de Mller
El mtodo de la secante obtiene races estimando una proyeccin de una lnea
recta en el eje x a travs de dos valores de la funcin. El mtodo de Mller es similar,
solo que utiliza una parbola que pasa a travs de tres puntos. Estos coeficientes
pueden sustituirse en la formula cuadrtica para obtener el punto donde la parbola
intercepta al eje x, es decir a la raz estimada
) (x
.
) (x f
Raz
Estimada
Raz
x 0
x
1
x
2
x
x x
x
Escribiendo la aproximacin como la ecuacin de una parbola se tiene
c x x b x x a x f + + ) ( ) ( ) (
2
2
2 2
(1)
Se desea que la parbola buscada intercepte los dos puntos
)] ( , [
0 0
x f x
, )] ( , [
1 1
x f x y
)] ( , [
2 2
x f x
Los coeficientes de la ecuacin (1) pueden evaluarse sustituyendo cada uno de los tres
puntos anteriores.
c x x b x x a x f + + ) ( ) ( ) (
2 0
2
2 0 0
(2)
c x x b x x a x f + + ) ( ) ( ) (
2 1
2
2 1 1
(3)
c x x b x x a x f + + ) ( ) ( ) (
2 2
2
2 2 2
c x f ) (
2
(4)
Sustituyendo (4) en (2) y (3)
) ( ) ( ) ( ) (
2 0
2
2 0 2 0
x x b x x a x f x f + (5)
) ( ) ( ) ( ) (
2 1
2
2 1 2 1
x x b x x a x f x f + (6)
22
Donde diremos que
0 1 0
x x h

1 2 1
x x h
0
0 1
0
) ( ) (
h
x f x f

1
1 2
1
) ( ) (
h
x f x f

0 1
0 1
h h
a
+

1 1
+ ah b ) (
2
x f c
Para encontrar la raz se aplica la formula cuadrtica general, pero esto podra
ocasionar un error potencial, por lo cual se utilizara una ecuacin alternativa.
ac b b
c
x x
4
2
2
2 3
t
+
(7)
Observe que el uso de la formula cuadrtica implica que se puedan encontrar tanto
races reales como complejas.
El error en las iteraciones se obtiene de la siguiente ecuacin
100
3
2 3
,
_

x
x x
a
(8)
La ecuacin (7) produce dos races correspondientes a los signos (+,-) del
denominador. En el mtodo de Mller de acuerdo con el signo de b se puede producir
un denominador muy grande, y por lo tanto proporciona una raz estimada ms cercana
a
2
x .
Una vez que se determina
3
x
, se repite el proceso. Este resultado conduce a n punto
que es descartado, en general se utilizan dos estrategias para descartar dicho punto:
1. Si solo se localiza las races reales, elegimos dos puntos originales que se
aproximen a la nueva raz estimada
3
x
2. Si ambas races (real y compleja) han sido evaluadas, se emplea una
aproximacin secuencial. Esto es similar al mtodo de la secante, donde
1
x ,
2
x y
3
x
toman el lugar de
0
x
,
1
x y
2
x
23
Ejemplo
Utilice el mtodo de Mller con valores iniciales de
5 . 4
0
x
, 5 . 5
1
x y 5
2
x para
determinar la raz de la ecuacin 12 13 ) (
3
x x x f , las races de la ecuacin son 3,
-1, y 4
i i
x ) (
i
x f
0
h
1
h
0
a b c a
x
3
) (
3a
x f
b
x
3
) (
3b
x f
r
e
0 4.5000 20.6250 - - - - - - - - - - - -
1 5.5000 82.8750 - - - - - - - - - - - -
2 5.0000 48.0000 1.0000 -0.5000 62.2500 69.7500 15.0000 62.2500 48.0000 3.9765 -0.8163 1.8735 -29.7795 -
3 3.9765 -0.8163 -0.5000 -1.0235 69.7500 47.6949 14.4765 32.8780 -0.8163 4.0011 0.0368 1.6808 -29.1020 25.7391
4 4.0011 0.0368 -1.0235 0.0246 47.6949 34.7310 12.9775 35.0498 0.0368 4.0000 0.0000 1.3013 -26.7133 0.6139
5 4.0000 0.0000 0.0246 -0.0010 34.7310 35.0126 11.9775 35.0000 0.0000 4.0000 0.0000 1.0779 -24.7600 0.0262
6 4.0000 0.0000 -0.0010 0.0000 35.0126 35.0000 12.0011 35.0000 0.0000 4.0000 0.0000 1.0833 -24.8119 0.0000

5 . 4
0
x
6250 20 12 13 ) (
3
0
. x x x f
5 . 5
1
x 8750 82 12 13 ) (
3
1
. x x x f
5
2
x 0000 48 12 13 ) (
3
2
. x x x f
1 5 . 4 5 . 5
0 1 0
x x h 5 . 0 5 . 5 5
1 2 1
x x h
62.2500
1
) 6250 . 20 ( ) 8750 . 82 ( ) ( ) (
0
0 1
0

f
h
x f x f
69.7500
5 . 0
) 8750 . 82 ( ) 48 ( ) ( ) (
1
1 2
1

h
x f x f
15.0000
) 1 ( ) 5 . 0 (
) 62.2500 ( ) 69.7500 (
0 1
0 1
h h
a

62.2500 ) 69.7500 ( ) 5 . 0 ( ) 15.0000 (
1 1
+ + ah b
48.0000 ) (
2
x f c
3.9765
) 48 )( 15.0000 ( 4 ) 62.2500 ( ) 62.2500 (
) 48 ( 2
5
4
2
2 2
2 3

+
+
t
+
ac b b
c
x x
a
8163 0 12 13 ) (
3
3
. - x x x f
a

1.8735
) 48 )( 15.0000 ( 4 ) 62.2500 ( ) 62.2500 (
) 48 ( 2
5
4
2
2 2
2 3

+
t
+
ac b b
c
x x
b
7795 29 12 13 ) (
3
3
. - x x x f
b

24
Iteracin de punto fijo
Otro mtodo que podemos utilizar y que puede englobar a los dems mtodos
se denomina iteracin de punto fijo. Este mtodo se obtiene directamente del problema
original es decir:
0 ) ( x f
(1)
De esta ecuacin lo que puede intentarse para resolverla es despejar
x
, pero como ya
sabemos, esto puede ser imposible para ciertas funciones. El mtodo de iteracin de
punto fijo, sigue esta idea, pero como no es posible despejar
x
, al menos lo que se
hace es poner
x
en funcin de si misma, es decir:

) (x g x
(2)
Esto se logra despejando
x
reacomodando la ecuacin original. Para resolver la
ecuacin se comienza con un valor inicial evaluando la funcin
) (x g
para hallar otro
valor de
x
. La
x
obtenida de esta manera, se usa para generar otra
x
, evalundola en
la funcin
) (x g
. Se repite el procedimiento nuevamente hasta que se cumpla algn
criterio de convergencia.
Por lo anterior la ecuacin (3) define el mtodo es:
) (
1 n n
x g x
+
(3)
Se puede demostrar que este mtodo por lo regular tiene convergencia lineal, por lo
cual podra ser lento. Ejemplo del mtodo de iteracin de punto fijo
La ecuacin 0 20 10 2
2 3
+ + x x x se puede expresar de varias maneras como un punto
fijo:
10 2
20
2 1
+ +
+
n n
n
x x
x
(4)
10
2 20
2 3
1
n n
n
x x
x
+
+
(5)
de la ecuacin
0 ) ( x sen
n n n
x x sen x +
+
) (
1
(6)
de la ecuacin 0 ) 15 . 0 (
2
+ + + x sen x x
) 15 . 0 (
2
1
+
+ n n n
x sen x x (7)
25
La desventaja de este mtodo es hallar una funcin
) (x g
que sea convergente. Se
puede demostrar que el mtodo ser convergente s
1
) (
dx
x dg
(8)
Como en general es difcil probar esto se prefiere ensayar con varias funciones
) (x g

hasta hallar una que sea convergente. En la prctica en algunos casos el problema se
plantea directamente como una iteracin de punto fijo.
Los dems mtodos se pueden expresar como puntos fijos. Por ejemplo s
dx
x dy
x y
x x g
n
n
n n
) (
) (
) (
1

+
(9)
Se tiene el mtodo de Newton-Raphson. Si
) ( ) (
) )( (
) (
1
1
1

n n
n n n
n n
x y x y
x x x y
x x g
(10)
Se obtiene el mtodo de la secante.
26
Unidad III
Solucin numrica de sistemas de ecuaciones
Una matriz consiste de un arreglo rectangular de elementos representado por un
solo smbolo.
1
1
1
1
]
1
nm n n
m
m
a a a
a a a
a a a
A
2 1
2 22 21
1 21 11
A es de n renglones por m columnas. Su dimensin es de
m n
donde
m n
A

Si 1 n ,se le conoce como vector
rengln;
[ ]
m
b b b b B
3 2 1
Si 1 m ,se le conoce como vector

columna
1
1
1
1
1
1
]
1
n
c
c
c
c
C
3
2
1
Si
n m
se le llama matriz cuadrada.
1
1
1
1
]
1
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
4 4
a a a a
a a a a
a a a a
a a a a
A
En este caso la dimensin es: [ ] 4 4 A Dim
A los elementos
11
a ,
22
a ,
33
a
,
44
a y en general
ii
a
se les conoce como diagonal principal.
Tipos de matrices cuadradas
Matriz simtrica es aquella donde
ji ij
a a

j i,
.
1
1
1
]
1
8 7 2
7 3 1
2 1 5
A
La matriz diagonal es aquella donde todos los elementos fuera de la diagonal principal
son cero.
1
1
1
]
1
33
22
11
0 0
0 0
0 0
a
a
a
A
27
La matriz identidad es aquella cuyos elementos de la diagonal principal son 1 y los
dems 0.
1
1
1
]
1
1 0 0
0 1 0
0 0 1
I
La matriz triangular superior es aquella en la que todos los elementos por debajo de
la diagonal principal son 0.
1
1
1
]
1
33
23 22
13 12 11
0 0
0
a
a a
a a a
A
La matriz triangular inferior es aquella en la que todos los elementos por encima de
la diagonal principal son 0.
1
1
1
]
1
33 32 31
22 21
11
0
0 0
a a a
a a
a
A
Matriz banda, tribanda o tridiagonal La matriz banda tiene todos los elementos igual
a 0 excepto en una banda centrada sobre la diagonal principal.
1
1
1
1
]
1
44 43
34 33 32
23 22 21
12 11
4 4
0 0
0
0
0 0
a a
a a a
a a a
a a
A
Operaciones con matrices
Dos matrices de
m n
son iguales si y solo si cada elemento se encuentra en la
segunda matriz B A Si
ij ij
b a

j i,
.
Suma de matrices
B A C +
1
]
1
1
]
1
+
1
]
1
22 21
21 11
22 21
21 11
22 21
21 11
c c
c c
b b
b b
a a
a a

ij ij ij
b a c +
para
'
m j
n i
, , 3 , 2 , 1
, , 3 , 2 , 1

Resta de matrices
B A C
1
]
1
1
]
1
1
]
1
22 21
21 11
22 21
21 11
22 21
21 11
c c
c c
b b
b b
a a
a a

ij ij ij
b a c
para
'
m j
n i
, , 3 , 2 , 1
, , 3 , 2 , 1

La suma y la resta de matrices son conmutativas y asociativas A B B A + + :
E -F E-F +
28
Multiplicacin
Multiplicacin por un escalar
1
1
1
1
]
1

nm n n
m
m
ga ga ga
ga ga ga
ga ga ga
gA D
2 1
2 22 21
1 21 11
Multiplicacin de dos matrices
La multiplicacin de dos matrices se puede realizar si y solo si la primera matriz
tiene el mismo nmero de columnas que el nmero de renglones de la segunda matriz.
El producto de dos matrices se presenta como: AB C
n
k
kj ik ij
b c c
1

l n l m m n
C B A

) )( (
La multiplicacin es asociativa si se cumple las condiciones
) ( ) ( BC A C AB
La multiplicacin es distributiva si
AC AB C B A + + ) (
Aunque la multiplicacin de matrices es posible la divisin de matrices no esta definida.
Sin embargo, si la matriz Aes cuadrada y no singular (Determinante diferente de cero)
existe una matriz
1
A
llamada inversa de la matriz para la cual
I A A AA
1 1
.
La multiplicacin de una matriz por la inversa es anloga a la divisin en el sentido de
que un nmero dividido por si mismo es igual a 1.
Para matrices cuadradas la inversa esta dada de la siguiente forma.
Para matrices de 2 2
Si
1
]
1
22 21
12 11
a a
a a
A
entonces
1
]
1
11 12
21 22
21 12 22 11
1
1
a a
a a
a a a a
A

1
1
1
]
1
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
entonces

1
1
1
1
1
1
1
]
1
1
]
1
1
]
1
1
]
1
1
]
1
1
]
1
1
]
1
1
]
1
1
]
1
1
]
1
22 21
12 11
32 31
12 11
32 31
22 21
23 21
13 11
33 31
13 11
33 31
23 21
23 22
13 12
33 32
13 12
33 32
23 22
1
1
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
a a
A
A
29
Matriz transpuesta
Si los renglones y las columnas de una matriz A se intercambian, entonces la matriz
resultante de
m n
se conoce como la transpuesta de A y se denota
T
A
1
1
1
1
]
1
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
a a a a
a a a a
a a a a
a a a a
A
entonces
1
1
1
1
]
1
44 34 24 14
43 33 23 13
42 32 22 12
41 31 21 11
a a a a
a a a a
a a a a
a a a a
A
T

ji ij
a a
La traza de una matriz es la suma de los elementos de su diagonal principal.
[ ]

n
i
ij
a A tr
1
Determinante de una matriz
[ ]
21 12 22 11
a a a a A Det
[ ]
12 21 33 11 23 32 13 22 31
32 21 13 31 23 12 33 22 11
a a a a a a a a a
a a a a a a a a a
A Det

+ +
[ ]
23 14 32 41 24 13 32 41 33 14 22 41 34 13 22 41
33 24 12 41 34 23 12 41 23 14 42 31 24 13 42 31
43 14 22 31 44 13 22 31 43 24 12 31 44 23 12 31
33 14 42 21 34 13 42 21 43 14 32 21 44 13 32 21
43 34 12 21 44 33 12 21 33 24 42 11 34 23 42 11
43 24 32 11 44 23 32 11 43 34 22 11 44 33 22 11
a a a +a a a a -a a a a -a a a a +a
a a a +a a a a -a a a a -a a a a a A Det
30
Regla de Cramer
La regla de Cramer permite resolver sistemas lineales de ecuaciones de
n

ecuaciones, con
n
incgnitas. Si b Ax es un sistema de ecuaciones. ( A es la matriz
de coeficientes del sistema,
x
es el vector columna de las incgnitas y b es el vector
columna de los trminos independientes). Entonces la solucin al sistema se presenta
as:
A
A
x
j
j

Por ejemplo si se tiene un sistema de tres ecuaciones y tres incgnitas
3 3 33 2 32 1 31
2 3 23 2 22 1 21
1 3 13 2 12 1 11
b x a x a x a
b x a x a x a
b x a x a x a
+ +
+ +
+ +
escribiendo el sistema lineal en forma matricial tenemos
b Ax
b
b
b
x
x
x
a a a
a a a
a a a
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
3
2
1
3
2
1
33 32 31
23 22 21
13 12 11
Obtenemos el determinante de los coeficientes del sistema, luego sustituimos en cada
columna la matriz de resultados del sistema y se obtiene su determinante.

33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
A
a a b
a a b
a a b
x

33 32 1
23 22 2
13 12 1
1

A
a b a
a b a
a b a
x

33 3 31
23 2 21
13 1 11
2

A
b a a
b a a
b a a
x

3 32 31
2 22 21
1 12 11
3

31
Ejemplo
Utilizar la regla de Cramer para resolver el siguiente sistema lineal.
44 . 0 5 . 0 3 . 0 1 . 0
67 . 0 9 . 1 5 . 0
01 . 0 5 . 0 3 . 0
3 2 1
3 2 1
3 2 1
+ +
+ +
+ +
x x x
x x x
x x x
Escribiendo el sistema lineal en forma matricial se tiene que
b Ax
x
x
x
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
44 . 0
67 . 0
01 . 0
5 . 0 3 . 0 1 . 0
9 . 1 1 5 . 0
1 5 . 0 3 . 0
3
2
1
Obteniendo el determnate de A
5 . 0 3 . 0 1 . 0
9 . 1 1 5 . 0
1 5 . 0 3 . 0
A
001 . 0 ) 1 1 9 . 1 5 . 0 ( 1 . 0 ) 1 3 . 0 5 . 0 5 . 0 ( 5 . 0 ) 9 . 1 3 . 0 5 . 0 1 ( 3 . 0 + A
Sustituyendo el vector columna b en la primera columna de
j
A
se obtiene
j
x
001 . 0
5 . 0 3 . 0 44 . 0
9 . 1 1 67 . 0
1 5 . 0 01 . 0
1
x
001 . 0
5 . 0 44 . 0 1 . 0
9 . 1 67 . 0 5 . 0
1 01 . 0 3 . 0
2
x
001 . 0
44 . 0 3 . 0 1 . 0
67 . 0 1 5 . 0
01 . 0 5 . 0 3 . 0
3
x
2 . 56
001 . 0
0562 . 0
001 . 0
) 1 1 9 . 1 5 . 0 ( ) 44 . 0 ( ) 1 3 . 0 5 . 0 5 . 0 ( 67 . 0 ) 3 . 0 9 . 1 5 . 0 1 ( 01 . 0
1

+
x
9 . 64
001 . 0
0649 . 0
001 . 0
) 1 67 . 0 9 . 1 ) 01 . 0 (( 1 . 0 ) 1 ) 44 . 0 ( 5 . 0 01 . 0 ( 5 . 0 ) 44 . 0 9 . 1 5 . 0 67 . 0 ( 3 . 0
2

+
x
3 . 49
001 . 0
0493 . 0
001 . 0
)) 01 . 0 ( 1 67 . 0 5 . 0 ( 1 . 0 )) 01 . 0 ( 3 . 0 ) 44 . 0 ( 5 . 0 ( 5 . 0 ) 67 . 0 03 ) 44 . 0 ( 1 ( 3 . 0
3
+
x
Por lo tanto la solucin del sistema es
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
44 . 0
67 . 0
01 . 0
3 . 49
9 . 64
2 . 56
5 . 0 3 . 0 1 . 0
9 . 1 1 5 . 0
1 5 . 0 3 . 0
32
Eliminacin de Gauss o Gaussiana Simple
Este mtodo consiste en expresar el sistema como una matriz aumentada de la
forma
b Ax
1
1
1
1
]
1
n nn n n n
n
n
b a a a a
b a a a a
b a a a a
3 2 1
2 2 23 22 21
1 1 13 12 11
La idea del mtodo es llevar el sistema a la forma triangular superior y de all despejar
una variable a la vez partiendo de la ltima. l ltimo paso se conoce como sustitucin
en reversa. Para lograr llevar el sistema a la forma triangular superior, se emplean las
operaciones elementales de matrices como son el intercambio de renglones, divisin
entre un escalar a cada rengln, as como suma y resta entre renglones.
Ejemplo
Resuelva el siguiente sistema de ecuaciones lineales mediante el mtodo de
Gauss
15 8 3
11 10 2
25 3 11
6 2 10
4 3 2
4 3 2 1
4 3 2 1
3 2 1
+ +
+
+ +
+
x x x
x x x x
x x x x
x x x
La matriz aumentada es
1
1
1
1
]
1
15 8 1 3 0
11 1 10 1 2
25 3 1 11 1
6 0 2 1 10
Para simplificar el sistema se avanzara por la diagonal principal. Los elementos de la
diagonal principal se denominaran pivote.
Primero localicemos en la primera columna el primer elemento que sea 0 y lo
llevaremos al primer rengln. En este caso se tiene que el pivote es 10. Como no es 0,
no hacemos nada. En caso de ser necesario habramos intercambiado 2 renglones de
la matriz. A continuacin pasaremos a hacer 0 los elementos que estn debajo del
pivote. Para ello sumaremos mltiplos apropiados del rengln pivote a cada rengln de
tal forma que los elementos debajo del pivote sean 0.
33
Avancemos por la diagonal principal al segundo rengln. Este ser ahora el rengln
pivote.
1
1
1
]
1

15 8 1 3 0
2 12 1 6 9 8 0 0
6 25 3 8 0 9 10 0
6 0 2 1 10
10 ) 0 (
10 ) 2 (
10 ) 1 (
1 4 4
1 3 3
1 2 2
. . .
. . .
/ R R R
/ R R R
/ R R R
Busquemos el primer elemento que sea 0 para que sea el pivote, el pivote es 10.9.
Eliminado los elementos debajo del pivote tenemos
1
1
1
]
1

954128 7 174311 7 779816 0 0 0
321100 10 779816 0 541284 9 0 0
6 25 3 8 0 9 10 0
6 0 2 1 10
9 . 10 ) 3 (
9 . 10 ) 8 . 0 (
2 4 4
2 3 3
. . . -
. - . - .
. . .
/ R R R
/ R R R
Llevando el elemento 0 al rengln pivote, el pivote es 9.541, haciendo 0 elementos
abajo del elemento pivote
1
1
1
]
1

110576 7 110576 7 0 0 0
321100 10 779816 0 541284 9 0 0
6 25 3 8 0 9 10 0
6 0 2 1 10
541284 9 ) 779816 0 (
3 4 4
. .
. - . - .
. . .
. / . - R R R
Ya tenemos la matriz A en la forma triangular superior. Continuacin usamos la
sustitucin en reversa.
110576 7 110576 7
321100 10 779816 0 541284 9
6 . 25 3 8 . 0 9 . 10
6 2 10
4
4 3
4 3 2
3 2 1
. x .
. - x . x .
x x x
x x x

+
+
Por lo tanto tenemos que la solucin es:
1
1
1
1
]
1
1
1
2
1
x
34
Eliminacin de Gauss Jordn
Jordn propuso una modificacin al procedimiento anterior. En vez de llevar el
sistema a la forma triangular superior y de all usar la sustitucin en reversa, l pens
que seria ms fcil continuar el procedimiento de eliminacin de elementos, es decir, l
propuso eliminar los elementos tanto arriba como abajo del pivote hasta llegar a la
matriz identidad. De esta manera la solucin del sistema se puede leer directamente de
la ltima columna de la matriz aumentada.
Ejemplo
Resuelva el siguiente sistema de ecuaciones lineales mediante el mtodo de
Gauss-Jordn
15 8 3
11 10 2
25 3 11
6 2 10
4 3 2
4 3 2 1
4 3 2 1
3 2 1
+ +
+
+ +
+
x x x
x x x x
x x x x
x x x
La matriz aumentada es

1
1
1
1
]
1
15 8 1 3 0
11 1 10 1 2
25 3 1 11 1
6 0 2 1 10
Buscando el primer pivote que no sea 0 y llevndolo al rengln pivote, por lo tanto el
pivote es 10. Dividiendo entre el pivote el rengln pivote y eliminando los elemento
arriba y abajo del rengln pivote
1
1
1
1
]
1
15 8 1 3 0
2 . 12 1 6 . 9 8 . 0 0
6 . 25 3 8 . 0 9 . 10 0
6 . 0 0 2 . 0 1 . 0 1
) 0 (
) 2 (
) 1 (
10 /
1 4 4
1 3 3
1 2 2
1 1
R R R
R R R
R R R
R R
Avanzando por la diagonal principal al segundo rengln. Buscando el primer elemento
no sea 0 y llevndolo a la diagonal principal tenemos que el pivote es 10.9. Dividiendo
entre el pivote y eliminando los elemento arriba y abajo del pivote
35
1
1
1
1
]
1

954 . 7 714 . 7 7798 . 0 0 0
32 . 10 7798 . 0 541 . 9 0 0
3486 . 2 2752 . 0 3 3944 . 73 1 0
8349 . 0 2 7523 . 2 1927 . 0 0 1
) 3 (
) 8 . 0 (
9 . 10 /
) 1 . 0 (
2 4 4
2 3 3
2 2
2 1 1
E
E
R R R
R R R
R R
R R R

Pasando al tercer rengln. Llevando el elemento 0 al rengln pivote, el pivote es
9.541y dividiendo entre el elemento pivote y haciendo 0 elementos arriba y abajo del
elemento pivote

1
1
1
1
]
1

111 . 7 111 . 7 0 0 0
82 . 10 2 1937 . 8 1 0 0
269 . 2 2692 . 0 0 1 0
043 . 1 2 3269 . 4 0 0 1
) 7798 . 0 (
9541 /
) 3 3944 . 73 (
) 1927 . 0 (
3 4 4
3 3
3 2 2
3 1 1
E
E
R R R
R R
E R R R
R R R

Pasemos al cuarto rengln. Llevando el elemento 0 al rengln pivote, el pivote es
7.111. Dividiendo entre el elemento pivote y haciendo 0 elementos arriba y abajo del
elemento pivote

1
1
1
1
]
1

1 1 0 0 0
1 0 1 0 0
2 0 0 1 0
1 0 0 0 1
111 . 7 /
) 2 1937 . 8 (
) 2692 . 0 (
) 2 3269 . 4 (
4 4
4 3 3
4 2 2
4 1 1
R R
E R R R
R R R
E R R R
Por simple inspeccin la solucin es:
1
1
1
1
]
1
1
1
2
1
x
36
Inversin de matrices
Este mtodo es ms terico. Consiste en expresar el sistema como una
ecuacin matricial de la forma b Ax y despejar el vector columna
x
. Dado que no
esta definida la divisin de matrices se usa la matriz inversa
1
A
. Multiplicando por la
matriz inversa ambos lados se tiene b A Ax A
1 1
de donde b A x
1
I

y finalmente
b A x
1
. El problema se reduce a hallar la matriz inversa para multiplicarla por el
vector columna b y as hallar
x
.
Para hallar la matriz inversa se puede utilizar el siguiente procedimiento.
Se coloca la matriz A junto a una matriz identidad I del mismo tamao, es decir,
1
1
1
1
1
1
]
1
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
2 1
3 32 31
2 22 21
1 12 11

nn n n
n
n
n
a a a
a a a
a a a
a a a
Se aplica la eliminacin de Gauss Jordn a la matriz A , las operaciones que se le
hagan a la matriz A , tambin se le aplican aI . La matriz A se convierte en I. Se puede
demostrar que matriz I se convierte en
-1
A
.
Una vez hallada
-1
A
se procede a multiplicarla por b . b A x
1
37
Descomposicin LU
El esquema de descomposicin LU es una transformacin de una matriz A
como producto de dos matrices: LU
LU A
Donde L es una matriz triangular inferior y U es una matriz triangular superior.
b Ax (1)
U b Ax (2)
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
3
2
1
3
2
1
33
23 22
13 12 11

0 0
0
d
d
d
x
x
x
u
u u
u u u
(3)
0 D Ux
(4)
Suponer la existencia de una matriz L que tiene la forma
1
1
1
]
1
1
0 1
0 0 1
32 31
21
l l
l L
(5)
Que tiene la propiedad de que al multiplicarla por (5) produzca (2)
b Ax D Ux L ) (
(6)
Si estas condiciones se cumplen
A LU
(7)
b LD (8)
1.- Paso a descomposicin. La matriz A se le factoriza o descompone en matrices
triangular superior U y triangular inferior L
2.- Paso de sustitucin. Las matrices L y U se utilizan para determinar una solucin
x

para un lado derecho de (8), en este paso a su vez se divide en 2, primero la ecuacin
(8) se utiliza para generar un vector intermedio D por sustitucin hacia adelante.
Posteriormente el resultado se sustituye en la ecuacin (4), la cual se resuelve por
sustitucin hacia atrs para hallar
x
La eliminacin de Gauss puede utilizarse para descomponer A en L y U . Recordar
que U es una matriz triangular superior.
38
1
1
1
]
1
33
23 22
13 12 11
' ' 0 0
' ' 0
a
a a
a a a
U
el superndice () indica el nmero de veces que el rengln ha sido
modificado por la eliminacin de Gauss
1
1
1
]
1
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
Aunque no es obvio, la matriz L se produce durante este paso
1
1
1
]
1
1
0 1
0 0 1
32 31
21
f f
f L
Donde:
11
21
21
a
a
f

11
31
31
a
a
f
22
32
32
'
'
a
a
f
Recurdese que: LU A
Ejemplo
Obtener la descomposicin LU mediante eliminacin Gaussiana y encontrar la
solucin del siguiente sistema.
4 . 71 10 2 . 0 3 . 0
3 . 19 3 . 0 7 1 . 0
85 . 7 2 . 0 1 . 0 3
3 2 1
3 2 1
3 2 1
+
+

x x x
x x x
x x x
Escribiendo el sistema lineal de ecuaciones en forma matricial se tiene:
1
1
1
]
1

1
1
1
]
1
1
1
1
]
1

4 . 71
3 . 19
85 . 7

10 2 . 0 3 . 0
3 . 0 7 1 . 0
2 . 0 1 . 0 3
3
2
1
x
x
x
Haciendo ceros los elementos por debajo de la diagonal principal
1
1
1
]
1

10 2 . 0 3 . 0
3 . 0 7 1 . 0
2 . 0 1 . 0 3
1 3
3 . 0
3 3
1 3
1 . 0
2 2
R R R
R R R
1
1
1
]
1

02 . 10 19 . 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
2 0033 . 7
19 . 0
3 3
R R R
39
1
1
1
]
1

012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
' '
'
3
2
1
x
x
x
a
a
a
de la Matriz tenemos U y del sistema de ecuaciones tenemos a b
1
1
1
]
1
012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
U
1
1
1
]
1

4 . 71
3 . 19
85 . 7
b
02713 . 0
0033 . 7
19 . 0
'
'
1 . 0
3
3 . 0
0333 . 0
3
1 . 0
22
32
32
11
31
31
11
21
21

a
a
f
a
a
f
a
a
f
1
1
1
]
1
1 02713 . 0 1 . 0
0 1 0333 . 0
0 0 1
L
Tenemos que LU A
1
1
1
]
1
10 2 . 0 3 . 0
3 . 0 7 1 . 0
2 . 0 1 . 0 3
A
1
1
1
]
1
1 02713 . 0 1 . 0
0 1 0333 . 0
0 0 1
L
1
1
1
]
1
012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
U
y que b LD entonces
b LD
d
d
d
1
1
1
]
1

1
1
1
]
1
1
1
1
]
1
4 . 71
3 . 19
85 . 7

1 02713 . 0 1 . 0
0 1 0333 . 0
0 0 1
3
2
1
Haciendo una sustitucin hacia delante se obtiene D por lo tanto:
85 . 7
1
d
sustituyendo
1
d
3 . 19 0333 . 0
2 1
+ d d
5617 . 19 ) 85 . 7 )( 0333 . 0 ( 3 . 19
2
d
sustituyendo
1
d y
2
d
4 . 71 02713 . 0 1 . 0
3 2 1
+ d d d
0843 . 70 ) 5617 . 19 )( 02713 . 0 ( ) 82 . 7 )( 1 . 0 ( 4 . 71
3
+ d
1
1
1
]
1

0843 . 70
5617 . 19
85 . 7
D
40
1
1
1
]
1

1
1
1
]
1
1
1
1
]
1
0843 . 70
5617 . 19
85 . 7

012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
3
2
1
x
x
x
D UX
Haciendo sustitucin hacia atrs encontramos el resultado del sistema de ecuaciones
De la ecuacin despejamos
3
x
0843 . 70 012042 . 10
3
x
7
012042 . 10
0843 . 70
3
x
despejando
2
x
5617 . 19 293333 . 0 0033 . 7
3 2
x x
5 . 2
0033 . 7
) 7 )( 293333 . 0 ( 5617 . 19
0033 . 7
293333 . 0 5617 . 19
3
2

+
x
x
Despejando
1
x
85 . 7 2 . 0 1 . 0 3
3 2 1
x x x
3
3
) 7 )( 2 . 0 ( ) 5 . 2 )( 1 . 0 ( 85 . 7
3
2 . 0 1 . 0 85 . 7
3 2
1

+ +
+ +
x x
x
Por lo tanto la solucin del sistema lineal es
1
1
1
]
1

7
5 . 2
3
X
1
1
1
]
1

1
1
1
]
1
1
1
1
]
1

4 . 71
3 . 19
85 . 7
7
5 . 2
3

10 2 . 0 3 . 0
3 . 0 7 1 . 0
2 . 0 1 . 0 3
41
Descomposicin de CROUT
Es anloga a la descomposicin LU para la solucin de sistemas lineales, solo
que la matriz b contiene la columna correspondiente a una matriz identidad, para la
obtencin de la inversa de la matriz.
Ejemplo
Utilizar la descomposicin LU para determinar la inversa de la matriz A
recuerde que
I AA
1
1
1
1
]
1
10 2 . 0 3 . 0
3 . 0 7 1 . 0
2 . 0 1 . 0 3
A
Utilizando la decomposicin LU mediante eliminacin Gaussiana simple y encontrar
LU se tiene que: Haciendo ceros los elementos por debajo de la diagonal principal
1
1
1
]
1

10 2 . 0 3 . 0
3 . 0 7 1 . 0
2 . 0 1 . 0 3
1 3
3 . 0
3 3
1 3
1 . 0
2 2
R R R
R R R
1
1
1
]
1

02 . 10 19 . 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
2 0033 . 7
19 . 0
3 3
R R R
1
1
1
]
1

012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
' '
'
3
2
1
x
x
x
a
a
a
De la matriz tenemos U y B es la primera columna de una matriz identidad para
calcular la primera columna de la inversa de la matriz
1
1
1
]
1
012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
U
1
1
1
]
1
0
0
1
b
02713 . 0
0033 . 7
19 . 0
'
'
1 . 0
3
3 . 0
0333 . 0
3
1 . 0
22
32
32
11
31
31
11
21
21

a
a
f
a
a
f
a
a
f
1
1
1
]
1
1 02713 . 0 1 . 0
0 1 0333 . 0
0 0 1
L
42
Tenemos que LU A
1
1
1
]
1
10 2 . 0 3 . 0
3 . 0 7 1 . 0
2 . 0 1 . 0 3
A
1
1
1
]
1
1 02713 . 0 1 . 0
0 1 0333 . 0
0 0 1
L
1
1
1
]
1
012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
U
y que b LD entonces
b LD
d
d
d
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
0
0
1

1 02713 . 0 1 . 0
0 1 0333 . 0
0 0 1
3
2
1
1
1
d
sustituyendo
1
d
0 0333 . 0
2 1
+ d d
033333 . 0 ) 1 )( 0333 . 0 (
2
d
sustituyendo
1
d y
2
d
0 02713 . 0 1 . 0
3 2 1
+ d d d
100904 . 0 ) 0333 . 0 )( 02713 . 0 ( ) 1 )( 1 . 0 (
3
+ d
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
0.100904 -
0.033333 -
1

012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
3
2
1
x
x
x
D UX
para encontrar la primera columna de la inversa de la matriz.
3
x
104904 . 0 012042 . 10
3
x 0100783 . 0
012042 . 10
104904 . 0
3

x
Despejando
2
x
033333 . 0 293333 . 0 0033 . 7
3 2
x x
00518177 . 0
0033 . 7
) 0100783 . 0 )( 293333 . 0 ( 033333 . 0
0033 . 7
293333 . 0 033333 . 0
3
2

+
x
x
Despejando
1
x
1 2 . 0 1 . 0 3
3 2 1
x x x
332489 . 0
3
) 0100783 . 0 )( 2 . 0 ( ) 00518177 . 0 )( 1 . 0 ( 85 . 7
3
2 . 0 1 . 0 1
3 2
1

+ +
+ +
x x
x
43
Por lo tanto la primera columna de la inversa de la matriz es
1
1
1
]
1

0100783 . 0
00518177 . 0
332489 . 0
1
X
1
1
1
]
1
? ? 0100783 . 0
? ? 00518177 . 0
? ? 332489 . 0
1
A
Para la segunda columna
1
1
1
]
1
0
1
0
LD
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
0
1
0

1 02713 . 0 1 . 0
0 1 0333 . 0
0 0 1
3
2
1
d
d
d
0
1
d
sustituyendo
1
d
1 0333 . 0
2 1
+ d d
1 ) 0 )( 0333 . 0 ( 1
2
d
sustituyendo
1
d y
2
d
0 02713 . 0 1 . 0
3 2 1
+ d d d
02713 . 0 ) 1 )( 02713 . 0 ( ) 0 )( 1 . 0 (
3
+ d
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
02713 . 0
1
0

012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
3
2
1
x
x
x
D UX
para encontrar la segunda columna de la inversa de la matriz.
3
x
02713 . 0 012042 . 10
3
x 0.00270973
012042 . 10
02713 . 0
3
x
Despejando
2
x
1 293333 . 0 0033 . 7
3 2
x x
0.142903
0033 . 7
) 0.00270973 )( 293333 . 0 ( 1
0033 . 7
293333 . 0 1
3
2

+
x
x
Despejando
1
x
0 2 . 0 1 . 0 3
3 2 1
x x x
0.00494407
3
) 0.00270973 )( 2 . 0 ( ) 0.142903 )( 1 . 0 (
3
2 . 0 1 . 0
3 2
1

+
x x
x
Por lo tanto la segunda columna de la inversa de la matriz es
44
1
1
1
]
1
0.00270973
0.142903
0.00494407
2
X
1
1
1
]
1
? 0.00270973 0100783 . 0
? 0.142903 00518177 . 0
? 0.00494407 332489 . 0
1
A
Para la Tercer columna
1
1
1
]
1
1
0
0
LD
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
1
0
0

1 02713 . 0 1 . 0
0 1 0333 . 0
0 0 1
3
2
1
d
d
d
0
1
d
sustituyendo
1
d
0 0333 . 0
2 1
+ d d
0 ) 0 )( 0333 . 0 (
2
d
sustituyendo
1
d y
2
d
1 02713 . 0 1 . 0
3 2 1
+ d d d
1 ) 0 )( 02713 . 0 ( ) 0 )( 1 . 0 ( 1
3
+ d
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
1
0
0

012042 . 10 0 0
293333 . 0 0033 . 7 0
2 . 0 1 . 0 3
3
2
1
x
x
x
D UX
para encontrar la Tercera columna de la inversa de la matriz.
3
x
1 012042 . 10
3
x 0.0998797
012042 . 10
1
3
x
Despejando
2
x
0 293333 . 0 0033 . 7
3 2
x x 0.00418344
0033 . 7
) 0.0998797 )( 293333 . 0 (
0033 . 7
293333 . 0
3
2

x
x
Despejando
1
x
0 2 . 0 1 . 0 3
3 2 1
x x x
0.0067981
3
) 0.0998797 )( 2 . 0 ( ) 0.00418344 )( 1 . 0 (
3
2 . 0 1 . 0
3 2
1

+
x x
x
Por lo tanto la segunda columna de la inversa de la matriz es
1
1
1
]
1
0.0998797
0.00418344
0.0067981
3
X
1
1
1
]
1
0.0998797 0.00270973 0100783 . 0

0.00418344 0.142903 00518177 . 0
0.0067981 0.00494407 332489 . 0
1
A
45
Descomposicin de Cholesky
Una matriz simtrica es aquella en que
j i a a
ji ij
,
, por lo tanto
A A
T
. La
descomposicin de Cholesky se basa en que una matriz simtrica se puede
descomponer en
T
LL A
donde
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
33
32 22
31 21 11
33 32 31
22 21
11
33 23 13
23 22 12
13 12 11
0 0
0 0
0 0
l
l l
l l l
l l l
l l
l
a a a
a a a
a a a
11
2
11
l a
11 11
a l
21 11 21
l l a
11
21
21
l
a
l
31 11 31
l l a
11
13
31
l
a
l
2
22
2
21 22
l l a +
2
21 22 22
l a l
22 32 21 31 32
l l l l a +
22
21 31 32
32
l
l l a
l

2
33
2
32
2
31 33
l l l a + + ) (
2
32
2
31 33 33
l l a l +
De donde se obtiene las siguientes formulas:

1
1
2
i
k
ki ii ii
l a l Para los elementos de la diagonal principal
j i para
l
l l a
l
ii
i
k
kj ki ij
ij
<

1
1
Para los elementos fuera de la diagonal principal
46
Ejemplo
Aplicar la descomposicin de Cholesky a:
1
1
1
]
1
1500 255 55
255 55 15
55 15 6
A
44949 . 2 6
11 11
a l
12372 . 6
44949 . 2
15
11
21
21

l
a
l
1833 . 4 ) 12372 . 6 ( 55
2 2
21 22 22
l a l
4537 . 22
44949 . 2
55
11
13
31

l
a
l
0879 . 28
1833 . 4
) 12372 . 6 )( 4537 . 22 ( 255
22
21 31 32
32

l
l l a
l
3842 . 14 ) 0879 . 28 ( ) 4537 . 22 ( 1500 ) (
2 2 2
32
2
31 33 33
+ l l a l
1
1
1
]
1
3842 . 14 0879 . 28 4537 . 22

0 1833 . 4 12372 . 6
0 0 44949 . 2
L
1
1
1
]
1
3842 . 14 0 0
0879 . 28 1833 . 4 0
4537 . 22 12372 . 6 44949 . 2
T
L
Por lo tanto
T
LL A
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
1500 255 55
255 55 15
55 15 6
3842 . 14 0 0
0879 . 28 1833 . 4 0
4537 . 22 12372 . 6 44949 . 2
3842 . 14 0879 . 28 4537 . 22
0 1833 . 4 12372 . 6
0 0 44949 . 2
47
Mtodo de Jacobi.
Esta tcnica muestra cierta similitud con el mtodo de iteracin de punto fijo, ya que
consiste en despejar una de las incgnitas de una ecuacin dejndola en funcin de las
otras. La manera ms sencilla es despejar a
1
x de la primer ecuacin,
2
x de la
segunda ecuacin,
i
x
de la i-sima ecuacin, hasta
n
x
de la n-sima ecuacin. Es
necesario por razones obvias que todos los elementos de la diagonal principal de la
matriz de coeficientes del sistema lineal, sean diferentes de cero.
Sea el sistema lineal:
n n nn n n n
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
+ + + +
+ + + +
+ + + +
+ + + +
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
Al realizar los despejes propuestos se tiene
1
x de la primera ecuacin,
2
x de la
segunda ecuacin, etc. se tiene:
( )
( )
( )
( )
nn
n n n n n
n
n n
n n
n n
a
x a x a x a x a b
x
a
x a x a x a b
x
a
x a x a x a b
x
a
x a x a x a b
x
1 1 1 3 3 2 2 1 1 1
33
3 2 32 1 31 3
3
22
2 3 23 1 21 2
2
11
1 3 13 2 12 1
1

+ + +
+ + +
+ + +
+ + +
Para estimar la primera aproximacin a la solucin se debe partir de un vector inicial, el

cual puede ser el vector 0
0
x , o algn otro que se encuentre prximo al vector de
solucin
x
. En general, el vector de aproximacin a la solucin despus de las
iteraciones se puede calcular de la siguiente manera.
ii
n
i j
j
k
j ij i
k
i
a
x a b
x
1
1

48
Ejemplo
Resolver el siguiente sistema de ecuaciones utilizando el mtodo de Jacobi.
Emplear el vector inicial de 0
0
x .
14 5
19 8 2 3
17 2 10
17 4 6
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
+ +
+
+
+
x x x x
x x x x
x x x x
x x x x
Al despejar las incgnitas correspondientes se tiene.
6
) 4 ( 17
4 3 2
1
x x x
x
+
10
) 2 ( 17
4 3 1
2
x x x
x
8
) 2 3 ( 19
4 2 1
3
x x x
x

5
) ( 14
3 2 1
4
+ +
x x x
x
# 1
x
2
x
3
x
4
x 1
Ex
2
Ex
3
Ex
4
Ex
0 0 0 0 0 - - - -
1 2.833333 1.700000 2.375000 2.800000 100 100 100 100
2 1.645833 2.178333 2.087500 4.181667 72.151899 21.958684 13.772455 33.041052
3 0.756528 1.863917 2.825104 3.982333 117.550945 16.868601 26.108919 5.005441
4 0.959948 1.942440 3.055073 3.889110 21.190747 4.042524 7.527439 2.397042
5 1.073512 2.018098 2.986768 3.991492 10.578776 3.748981 2.286907 2.565018
6 1.006483 2.005556 2.975894 4.015676 6.659766 0.625399 0.365414 0.602230
7 0.986458 1.994260 3.000917 3.997587 2.030015 0.566434 0.833855 0.452505
8 1.000805 1.999071 3.003342 3.996327 1.433584 0.240665 0.080719 0.031519
9 1.002851 2.001116 2.999007 4.000643 0.203982 0.102221 0.144546 0.107896
10 0.999591 2.000022 2.999290 4.000595 0.326059 0.054703 0.009464 0.001219
11 0.999489 1.999758 3.000233 3.999781 0.010259 0.013216 0.031418 0.020349
12 1.000145 2.000017 3.000104 3.999896 0.065556 0.012983 0.004312 0.002879
13 1.000090 2.000046 2.999937 4.000053 0.005505 0.001409 0.005552 0.003930
14 0.999962 1.999991 2.999984 4.000014 0.012786 0.002727 0.001578 0.000967
15 0.999986 1.999992 3.000014 3.999987 0.002459 0.000028 0.000983 0.000675
16 1.000009 2.000003 3.000001 3.999998 0.002301 0.000553 0.000415 0.000273
17 1.000002 2.000001 2.999997 4.000003 0.000752 0.000064 0.000150 0.000108
18 0.999998 1.999999 3.000000 4.000000 0.000384 0.000104 0.000101 0.000067
19 1.000000 2.000000 3.000001 3.999999 0.000193 0.000024 0.000020 0.000014
20 1.000000 2.000000 3.000000 4.000000 0.000056 0.000018 0.000022 0.000015
49
Mtodo de Gauss-Seidel.
Este mtodo trabaja de manera similar al mtodo de Jacobi, ya que realizan los
mismos despejes. La diferencia consiste en que en el proceso iterativo, cada una de las
aproximaciones de cada variable que se calcula se sustituye inmediatamente en el
clculo de la siguiente variable en esa misma iteracin. De esta manera la
convergencia es ms rpida.
Ejemplo
Resolver el siguiente sistema de ecuaciones utilizando el mtodo de Gauss-
Seidel. Emplear el vector inicial de 0
0
x .
14 5
19 8 2 3
17 2 10
17 4 6
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
+ +
+
+
+
x x x x
x x x x
x x x x
x x x x
Al despejar las incgnitas correspondientes se tiene.
6
) 4 ( 17
4 3 2
1
x x x
x
+
10
) 2 ( 17
4 3 1
2
x x x
x
8
) 2 3 ( 19
4 2 1
3
x x x
x

5
) ( 14
3 2 1
4
+ +
x x x
x
# 1
x
2
x
3
x
4
x 1
Ex
2
Ex
3
Ex
4
Ex
0 0 0 0 0 - - - -
1 2.83333333 1.98333333 1.80833333 4.125 100 100 100 100
2 0.71527778 1.72069444 3.05256944 3.89770833 296.116505 15.263540 40.760288 5.831418
3 1.03040509 2.02378356 2.98175752 4.00718924 30.582857 14.976360 2.374838 2.732112
4 0.99613069 1.99524565 3.00116106 3.99850748 3.440754 1.430296 0.646534 0.217125
5 1.00039613 2.00042108 2.99977015 4.00011747 0.426375 0.258717 0.046367 0.040249
6 0.99995356 1.99993764 3.00001651 3.99998154 0.044260 0.024173 0.008212 0.003398
7 1.00000466 2.00000561 2.99999735 4.00000153 0.005111 0.003399 0.000639 0.000500
8 0.99999948 1.99999926 3.0000002 3.99999979 0.000519 0.000317 0.000095 0.000043
9 1.00000005 2.00000007 2.99999997 4.00000002 0.000058 0.000040 0.000008 0.000006
10 0.99999999 1.99999999 3 4 0.000006 0.000004 0.000001 0.000001
11 1 2 3 4 0.000001 0.000000 0.000000 0.000000
50
Los mtodos de Jacobi y Gauss-Seidel convergern si en la matriz de coeficientes el
valor absoluto de cada elemento de la diagonal principal es mayor que la suma de los
valores absolutos de todos los dems electos de la misma fila y columna.
Entonces se asegura convergencia si:
>
n
j i
i
ij ii
a a
1
para
n j 1
Y
>
n
i j
j
ij ii
a a
1
para n i 1
Ejemplo
Aplicar el criterio de convergencia para los mtodos de Jacobi y Gauss-Seidel.
30 6
0 5
7 4 8
6 6
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
+ + +
+
+
+
x x x x
x x x x
x x x x
x x x x
Aplicando el criterio de convergencia se tiene.
3 1 1 1 6
7 1 1 5 1
13 4 8 1 1
3 1 1 6 1

30 6
0 5
7 4 8
6 6
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
+ + >
+ + >
+ + >
+ + >
+ + +
+
+
+
x x x x
x x x x
x x x x
x x x x
Reacomodando y aplicando el criterio de convergencia.
3 1 1 1 6
6 4 1 1 8
3 1 1 1 6
3 1 1 1 5

30 6
7 4 8
6 6
0 5
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
+ + >
+ + >
+ + >
+ + >
+ + +
+
+
+
x x x x
x x x x
x x x x
x x x x
51
Normas de Vector y Matrices
Norma 1
n
i
i i
a V
1

1
1
1
]
1
1
1
1
]
1
3
2
1
10 2 . 0 3 . 0
3 . 0 7 1 . 0
2 . 0 1 . 0 3
V
V
V
A
33 2 . 0 11 . 0 3
1
+ + V
4 . 7 3 . 0 7 1 . 0
2
+ + V
5 . 10 10 2 . 0 3 . 0
3
+ + V
Norma 2
n
i
i i
a V
1
2
2
008321 . 3 ) 2 . 0 ( ) 1 . 0 ( ) 3 (
2 2 2
2 1
+ + V
007139 . 7 ) 3 . 0 ( ) 7 ( ) 1 . 0 (
2 2 2
2 1
+ + V
00649 . 10 ) 10 ( ) 2 . 0 ( ) 3 . 0 (
2 2 2
2 1
+ + V
Norma infinito
{ } , , 3 , 2 , 1 , max n i a V
i i

3
1

V
7
2

V
10
3

V

52
Nmero de condicin
Sea Auna matriz no singular (determinante diferente de cero) de
n n
y E otra
matriz no singular de
n n
muy pequea (de valores muy pequeos).
Qu tan pequea debe de ser E para que la matriz perturbada E A+ sea tambin no
singular (que tenga inversa), y que tanto difiere
1
A
de
1
) (

+ E A ?
La inversa calculada de A es muy comn que se encuentre muy cerca de la matriz
ligeramente perturbada E A+ .
Sin embargo, este resultado no garantiza la precisin de
1
A
y
1
) (

+ E A pueden diferir
significativamente, entonces se dice que dicha matriz
1
) (

+ E A esta mal condicionada a
la inversin. Existe un nmero de condicin que mide el grado de condicionamiento de
una matriz y esta dado por:
[ ]

1
A A A cond
Si el nmero de condicin es grande, entonces
1
A
es sensible a pequeas
perturbaciones, y por lo tanto la inversa calculada se encuentra mal condicionada
Para calcular el nmero de condicin de la matriz debemos de normalizar la matriz para
que su mayor elemento por vector sea 1
Si [ ] A cond es cercano a 1, la matriz esta bien condicionada.
53
Ejemplo
Encuentre el nmero de condicin de:
1
1
1
]
1
5
1
4
1
3
1
4
1
3
1
2
1
3
1
2
1
1
A
Se normaliza la matriz para que el elemento por rengln sea mximo 1.
Normalizando A se tiene
000 35 . 2
16667 . 2
83333 . 1
1
1
1
5
3
4
3
2
1
3
2
3
1
2
1
1
1
1
]
1
A
Obteniendo la norma infinito
'

1
n
i
ij
a Max A
{ } 35000 . 2 , 16667 . 2 , 83333 . 1 Max A
35000 . 2
A
La inversa de la matriz normalizada A es
1
1
1
]
1
60 90 30
60 96 36
10 18 9
1
A
1
1
1
]
1
180
192
0 . 37
60 90 30
60 96 36
10 18 9
1
A
{ } 192 37,192,180
Max A
Obteniendo el nmero de condicin tenemos que:
[ ]

1
A A A Cond
[ ] 2 . 451 ) 192 ( ) 35 . 2 ( A Cond
Con lo cual se observa que la matriz A esta mal condicionada a pequeas
perturbaciones
54
Mnimos Cuadrados
Si se tiene un sistema sobredeterminado del estilo
m n n m m n
b x A

Si
m n >
por lo tanto existe
m
error dado por
x A b e
donde x es el vector de soluciones estimado
El error
e e e E
T
n
i
i

1
2

Donde E es un escalar.
El vector de soluciones estimado es
b A A A x
T T 1
) (

Donde
T T
A A A
1
) (

es llamada pseudoinversa Monroe Penrose
El error mnimo se encuentra
x A b b b e e E
T T T
min

Ejemplo
Realice un programa que encuentre el estimado de x , as mismo que
proporcione el error mnimo
min
E para el siguiente sistema sobredeterminado.
5 16 4
2 9 3
2
10 4 2
18 9 3
+ +
+ +
+
+
c b a
c b a
a
c b a
c b a
55
Unidad IV
Aproximacin funcional e interpolacin.
A menudo se proporcionan datos mediante un conjunto de puntos discretos. Sin
embargo a veces se requieren estimaciones de puntos entre esos valores discretos.
Repaso de estadstica.
Media.
[ ]
N
y
y E y y
N
i
i

1
) (
Suma de cuadrados.

N
i
i t
y y S
1
2
) (
Varianza.
( ) 1 1
) (
1
2
1 1
2
1
2
2
,
_

N N
y y N
N
y y
N
S
N
i
i
N
i
i
N
i
i
t
Desviacin estndar.
2
1

N
S
S
t
y
Suma del error cuadrtico medio.
( )

N
i
i i
N
i
i r
x a a y e S
1
2
1 0
1
2
Coeficiente de varianza. % 100 *
y
S
C
y
v

Error estndar del estimado.
2
/
n
S
S
r
x y
Coeficiente de correlacin. 2
1 1
2
2
1 1
2
1 1 1 2
,
_

,
_

n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
y y n x x n
y x y x n
r r
t
r t
S
S S
r

2
Ajuste perfecto cuando 0
r
S y
1
2
r r
.
56
Aproximacin por mnimos cuadrados en una recta.
La forma ms simple de una aproximacin por mnimos cuadrados es el ajuste
de una lnea recta a un conjunto de parejas de datos observadas.
0 2 4 6 8 1 0 1 2 1 4 1 6 1 8 2 0
2
3
4
5
6
7
8
9
1 0
1 1
1 2
e x a a y + +
1 0
y
x
La expresin matemtica de una lnea recta es
e x a a y + +
1 0
donde
0
a
y
1
a son
coeficientes que representan la interseccin con el eje de las abscisas y la pendiente
respectivamente y
e
es el error o residuo entre el modelo y las observaciones.
Donde
0
a
y
1
a vienen dadas por:
2
1 1
2
1 1 1
1
,
_
,
_
,
_

n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
x x n
y x y x n
a
x a y a
1 0

57
Ejemplo.
Ajustar a una lnea recta los valores de
x
y
y
. Calcular la desviacin estndar,
el error estndar del estimado y el coeficiente de correlacin.
x
0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0
y
9.1 7.3 3.2 4.6 4.8 2.9 5.7 7.1 8.8 10.2
Obteniendo las sumas
i
x
i
y
2
i
x
2
i
y
i i
y x
0 9.1 0 82.81 0
1 7.3 1 53.29 7.3
2 3.2 4 10.24 6.4
3 4.6 9 21.16 13.8
4 4.8 16 23.04 19.2
5 2.9 25 8.41 14.5
6 5.7 36 32.49 34.2
7 7.1 49 50.41 49.7
8 8.8 64 77.44 70.4
9 10.2 81 104.04 91.8
45
i
x 63.7
i
y 285
2
i
x 463.33
2
i
y 307.3
i i
y x
De donde
1
a y
0
a
0.250303
) 45 ( ) 285 ( 10
) 7 . 63 ( ) 45 ( ) 3 . 307 ( 10
2 2
1 1
2
1 1 1
1

,
_
,
_
,
_

n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
x x n
y x y x n
a
x a y a
1 0

5 . 4
1

n
x
x
n
i
i
6.37
1

n
y
y
n
i
i
5.2436364 (4.5) (0.250303) - 6.37
1 0
x a y a
Por lo tanto la ecuacin el ajuste con mnimos cuadrados es:
x x a a 0.250303 5.2436364 y
1 0
+ +
La correlacin es
0.2996601
) 7 . 63 ( ) 33 . 463 ( 10 ) 45 ( ) 285 ( 10
) 7 . 63 ( ) 45 ( ) 3 . 307 ( 10
2 2 2
1 1
2
2
1 1
2
1 1 1 2
,
_

,
_

n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
y y n x x n
y x y x n
r r
58
Interpolacin lineal.
Con frecuencia se tienen que estimar valores intermedios entre valores
conocidos. La forma mas simple de interpolacin es conectar dos puntos con una lnea
recta, este mtodo es llamado interpolacin lineal.
I n t e r p o l a c i o n L i n e a l
) (
) ( ) (
) ( ) (
0
0 1
0 1
0
x x
x x
x f x f
x f x f
+
) (
0
x f
) (
1
x f
0
x
1
x x
) (x f
x
) (x f
La forma de una ecuacin lineal esta dada por
1 1 0
) ( x a a x f +
Donde para encontrar la aproximacin mediante una lnea recta, usamos tringulos
semejantes y se obtiene
0 1
0 1
0
0
) ( ) ( ) ( ) (
x x
x f x f
x x
x f x f
de donde es fcil despejar a

) (x f
.
) (
) ( ) (
) ( ) (
0
0 1
0 1
0
x x
x x
x f x f
x f x f
+
donde
) (x f
representa la interpolacin del polinomio mediante una lnea recta.
Ejemplo:
Estimar el
) 2 ( Ln
mediante interpolacin lineal tomando los puntos de
0 ) 1 ( Ln
y
791759 . 1 ) 6 ( Ln
. Despus repita el procedimiento pero usando un intervalo ms
pequeo de
0 ) 1 ( Ln
a
386294 . 1 ) 4 ( Ln
. El valor real de
693147 . 0 ) 2 ( Ln
.
1
0
x 0 ) (
0
x f
6
1
x 791759 . 1 ) (
1
x f
358352 . 0 ) 1 2 (
1 6
0 791759 . 1
0 ) (
) ( ) (
) ( ) 2 (
0
0 1
0 1
0

+ x x
x x
x f x f
x f f
% 30 . 48 100
693147 . 0
358352 . 0 693147 . 0

v
a v
v
v v
Ev
59
Interpolacin cuadrtica.
La forma general de una Interpolacin cuadrtica es:
) )( ( ) ( ) (
1 0 2 0 1 0
x x x x b x x b b x f + +
2
2 1 0
) ( x a x a a x f + +
I n t e r p o l a c i n C u a d r a t i c a
) (
1
x f
) (
2
x f
) (
0
x f
) (x f
2
x
1
x
0
x x
Expandiendo el polinomio se obtiene.
1 2 0 2 1 0 2
2
2 0 1 1 0
) ( x x b x x b x x b x b x b x b b x f + + +
Agrupando trminos podemos representar al polinomio de la forma:
2
2 1 0
) ( x a x a a x f + +
de donde tenemos que:
1 0 2 0 1 0 0
x x b x b b a +
1 2 0 2 1 1
x b x b b a
2 2
b a
Los coeficientes
0
b
,
1
b ,
2
b y se obtienen mediante diferencias divididas.
) (
0 0
x f b
0 1
0 1
1
) ( ) (
x x
x f x f
b

0 2
0 1
0 1
1 2
1 2
2
) ( ) ( ) ( ) (
x x
x x
x f x f
x x
x f x f
b
Con lo cual se obtiene el polinomio de interpolacin cuadrtico.

60
Ejemplo.
Ajustar a tres puntos dados para obtener
) 2 ( Ln
, usando un polinomio de
segundo orden de donde los puntos a interpolar son:
1
0
x 0 ) (
0
x f
4
1
x 386294 . 1 ) (
1
x f
6
2
x 791759 . 1 ) (
2
x f
Obteniendo los coeficientes
0
b
,
1
b ,
2
b , tenemos que
0 ) (
0 0
x f b
462098 . 0
1 4
0 386294 . 1 ) ( ) (
0 1
0 1
1

x x
x f x f
b
051873 . 0
1 6
1 4
0 386294 . 1
4 6
386294 . 1 791759 . 1
) ( ) ( ) ( ) (
0 2
0 1
0 1
1 2
1 2
2

x x
x x
x f x f
x x
x f x f
b
Obteniendo los coeficientes del polinomio
-0.669591 ) 4 )( 1 )( 051873 . 0 ( ) 1 )( 462098 . 0 ( 0
1 0 2 0 1 0 0
+ + x x b x b b a
0.721464 ) 1 )( 051873 . 0 ( ) 1 )( 051873 . 0 ( ) 462098 . 0 (
1 2 0 2 1 1
x b x b b a
051873 . 0
2 2
b a
Donde el polinomio queda
2 2
2 1 0
051873 . 0 0.721464 -0.669591 ) ( x x x a x a a x f + + +
Evaluando el polinomio para
) 2 ( x f
tenemos que
0.565844 051873 . 0 0.721464 -0.669591 ) 2 (
2
+ x x x f
donde el error verdadero es:
18.3659% 100
0.693147
0.565844 - 0.693147
100 E
v

v
a v
V
V V
61
Interpolacin de Polinomios de Newton.
La Formula general para la interpolacin de Newton para un polinomio de n
orden.
) ( ) )( ( ) )( ( ) ( ) (
1 1 0 1 0 2 0 1 0
+ + + +
n n n
x x x x x x b x x x x b x x b b x f
(1)
Para un polinomio de n-simo orden se requiere 1 + n puntos. Donde:
) , , , , (

) , , , (
) , , (
) , (
) (
0 1 1
0 1 2 3 3
0 1 2 2
0 1 1
0 0
x x x x f b
x x x x f b
x x x f b
x x f b
x f b
n n n

(2)
Donde las evaluaciones puestas entre parntesis son diferencias divididas finitas.
j i
j i
j i
x x
x f x f
x x f
) ( ) (
) , (
(3)
La segunda diferencia dividida:
k i
k j j i
k j i
x x
x x f x x f
x x x f
) , ( ) , (
) , , (
(4)
La n-sima diferencia dividida es:
0
0 1 2 1 1 2 1
0 1 1
) , , , , ( ) , , , , (
) , , , , (
x x
x x x x f x x x x f
x x x x f
n
n n n n
n n
(5)
Estas diferencias se utilizan para evaluar los coeficientes
n
b b b b , , , ,
2 1 0

los cuales se
utilizan para obtener el polinomio de interpolacin, el cual es conocido como el
polinomio de interpolacin por diferencias divididas de Newton.
) , , , , ( ) ( ) )( (
) , , ( ) )( ( ) , ( ) ( ) ( ) (
0 1 1 1 1 0
0 1 2 1 0 0 1 0 0
x x x x f x x x x x x
x x x f x x x x x x f x x x f x f
n n n
n

+ +
+ +
(6)
i Primero Segundo Tercero Cuarto
) (
4
x f
) , , (
0 1 2
x x x f
) , , (
1 2 3
x x x f
) , , (
2 3 4
x x x f
) , , , (
0 1 2 3
x x x x f
) , , , (
1 2 3 4
x x x x f
) , , , , (
0 1 2 3 4
x x x x x f
) (
3
x f
) (
2
x f
) , (
0 1
x x f
) , (
1 2
x x f
) , (
2 3
x x f
) , (
3 4
x x f
) (
0
x f
) (
1
x f
1
2
3
4
5
i
x
4
x
0
x
1
x
2
x
3
x
i
) (x f
62
Ejemplo.
Utilice la interpolacin de polinomios de Newton para interpolar los siguientes
puntos a un polinomio de tercer orden para estimar
) 2 ( Ln
.
1
0
x 0 ) (
0
x f
4
1
x 386294 . 1 ) (
1
x f
6
2
x 791759 . 1 ) (
2
x f
5
3
x 1.609438 ) (
3
x f
i
x
i
x ) (
i
x f ) , (
1 i i
x x f ) , , (
2 1 i i i
x x x f ) , , , (
3 2 1 i i i i
x x x x f
0
x
1 0 0.46209812 -0.05187311 0.00786553
1
x 4 1.38629436 0.20273255 -0.02041100
2
x 6 1.79175947 0.18232156
3
x
5 1.60943791
Donde las diferencias divididas son:
0 ) (
0
x f
0.46209812 ) , (
0 1
x x f
1 -0.0518731 ) , , (
0 1 2
x x x f
0.00786553 ) , , , (
0 1 2 3
x x x x f
Y el polinomio resultante queda:
) , , , ( ) )( )( ( ) , , ( ) )( ( ) , ( ) ( ) ( ) (
0 1 2 3 2 1 0 0 1 2 1 0 0 1 0 0 3
x x x x f x x x x x x x x x f x x x x x x f x x x f x f + + +
) 0.00786553 )( 6 )( 4 )( 1 ( ) 1 -0.0518731 )( 4 )( 1 ( ) 0.46209812 )( 1 ( ) 0 ( ) (
3
+ + + x x x x x x x f
) 0.00786553 )( 6 2 )( 4 2 )( 1 2 ( ) 1 -0.0518731 )( 4 2 )( 1 2 ( ) 0.46209812 )( 1 2 ( ) 0 ( ) 2 (
3
+ + + f
0.62876858 ) 2 (
3
f
Donde el error verdadero es
9.287868 100
0.693147
0.62876858 - 0.693147
100 E
v

v
a v
V
V V
63
Interpolacin de polinomios de Lagrange.
El polinomio de interpolacin de Lagrange se puede obtener de manera directa a
partir de la formulacin del polinomio de Newton. Haremos esto nicamente para el
caso del polinomio en primer orden. Para obtener la forma de Lagrange, reformulamos
las diferencias divididas. Por ejemplo, la primera diferencia dividida
Se puede reformular como.
0 1
0 1
0 1
) ( ) (
) , (
x x
x f x f
x x f
(1)
La cual es referida como
0 1
1
1 0
0
0 1
) ( ) (
) , (
x x
x f
x x
x f
x x f
(2)
Por ultimo, al agrupar trminos similares y simplificar se tiene la forma del polinomio de
Lagrange
) ( ) ( ) (
1
0 1
0
0
1 0
1
x f
x x
x x
x f
x x
x x
x f
(3)
La interpolacin de polinomios de Lagrange es simplemente una reformulacin del
polinomio de Newton que evita el clculo por diferencias divididas. Se puede expresar
de manera concisa como
n
i
i i
x f x L x f
0
) ( ) ( ) (
(4)
Donde
j i
j
n
i j
j
i
x x
x x
x L
0
) (
(5)
Donde designa el producto de por ejemplo cuando 1 n es
) ( ) ( ) (
1
0 1
0
0
1 0
1
x f
x x
x x
x f
x x
x x
x f
(6)
Cuando 2 n es
) (
) )( (
) )( (
) (
) )( (
) )( (
) (
) )( (
) )( (
) (
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x f

+

+

(7)
64
Cuando 3 n
) (
) )( )( (
) )( )( (
) (
) )( )( (
) )( )( (

) (
) )( )( (
) )( )( (
) (
) )( )( (
) )( )( (
) (
3
2 3 1 3 0 3
2 1 0
2
3 2 1 2 0 2
3 1 0
1
3 1 2 1 0 1
3 2 0
0
3 0 2 0 1 0
3 2 1
x f
x x x x x x
x x x x x x
x f
x x x x x x
x x x x x x
x f
x x x x x x
x x x x x x
x f
x x x x x x
x x x x x x
x f

+

+

+

(8)
Para los casos en donde el orden del polinomio se desconozca, el mtodo de Newton
tiene ventajas debido a que profundiza en el comportamiento de las diferentes frmulas
de orden superior. En general puede integrarse fcilmente en los clculos de Newton
ya que la aproximacin usa una diferencia dividida. De esta forma, desde el punto de
vista de clculo, a menudo, se prefiere el mtodo de Newton.
Ejemplo.
Utilice la interpolacin de polinomios de Lagrange para interpolar los siguientes
puntos a un polinomio de primero y segundo orden para estimar
) 2 ( Ln
,
1
0
x 0 ) (
0
x f
4
1
x 386294 . 1 ) (
1
x f
6
2
x 791759 . 1 ) (
2
x f
Para 1 n sustituyendo en la ecuacin los punto se tiene
) ( ) ( ) (
1
0 1
0
0
1 0
1
x f
x x
x x
x f
x x
x x
x f
) 386294 . 1 (
1 4
1
) 0 (
4 1
4
) (
x x
x f
Para 2 x
462098 . 0 ) 386294 . 1 (
1 4
1 2
) 0 (
4 1
4 2
) 2 (
f
% 3333 . 33 100
0.693147
462098 . 0 - 0.693147
100 E
v

v
a v
V
V V
Para 2 n
) (
) )( (
) )( (
) (
) )( (
) )( (
) (
) )( (
) )( (
) (
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x f

+

+

) 791759 . 1 (
) 4 6 )( 1 6 (
) 4 )( 1 (
) 386294 . 1 (
) 6 4 )( 1 4 (
) 6 )( 1 (
) 0 (
) 6 1 )( 4 1 (
) 6 )( 4 (
) (

+

+

x x x x x x
x f
Para 2 x 565844 . 0 ) 2 ( f
% 3659 . 18 E
v

65
Trazador de primer orden.
La conexin ms simple entre dos puntos es por medio de una lnea recta. Los
trazadores de primer orden para un grupo de datos ordenados pueden definirse como
un conjunto de funciones lineales.
0
x
1
x
2
x
3
x
1 n
x
n
x
) ( ) ( ) (
0 0 0
x x m x f x f +
) ( ) ( ) (
1 1 1
x x m x f x f +
) ( ) ( ) (
2 2 2
x x m x f x f +
) ( ) ( ) (
1 1 1
+
n n n
x x m x f x f
) (x f
x
I n t e r p o l a c i o n S e g m e n t a r i a
) (
0
x f
) (
1
x f
) (
2
x f
) (
1 n
x f
) (
n
x f
) (
3
x f
Donde:
i
m
es la pendiente de la lnea recta que conecta a los puntos.
i i
i i
i
x x
x f x f
m
+
+
1
1
) ( ) (
n n n n n
x x x x x m x f x f
x x x x x m x f x f
x x x x x m x f x f
x x x x x m x f x f
+
+
+
+
1 1 1 1
3 2 2 2 2
2 1 1 1 1
1 0 0 0 0
) ( ) ( ) (

) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (

66
Ejemplo.
Ajuste los siguientes puntos con segmentaras de primer orden. Evaluar la
funcin en 5 x .
0 . 3
0
x 5 . 2 ) (
0
x f
5 . 4
1
x 0 . 1 ) (
1
x f
0 . 7
2
x 5 . 2 ) (
2
x f
0 . 9
3
x 5 . 0 ) (
3
x f
Obteniendo las pendientes tenemos
1
0 . 3 5 . 4
5 . 2 0 . 1 ) ( ) (
0 1
0 1
0

x x
x f x f
m
6 . 0
5 . 4 0 . 7
0 . 1 5 . 2 ) ( ) (
1 2
1 2
1

x x
x f x f
m
1
0 . 7 0 . 9
5 . 2 5 . 0 ) ( ) (
2 3
2 3
2

x x
x f x f
m
Donde la interpolacin segmentara queda como
) 0 . 3 ( 0 . 1 5 . 2 ) ( x x f 5 . 4 0 . 3 x
) 5 . 4 ( 6 . 0 0 . 1 ) ( + x x f 0 . 7 .5 4 x
) 0 . 7 ( 0 . 1 5 . 2 ) ( x x f 0 . 9 .0 7 x
Evaluando en 5 x tomamos la funcin
) 5 . 4 ( 6 . 0 0 . 1 ) ( + x x f
3 . 1 ) 5 . 4 5 ( 6 . 0 0 . 1 ) 5 ( + f
67
Trazador Cbico.
El objetivo de los trazadores cbicos es obtener un polinomio de tercer orden
para cada intervalo entre los nodos, como en.
i i i i i
d x c x b x a x f + + +
2 3
) (
Para poder obtener trazadores cbicos en un intervalo se aplica la siguiente ecuacin.
) I ( ) (
6
) )( ( ' '
) (
) (

) (
6
) )( ( ' '
) (
) (
) (
) ( 6
) ( ' '
) (
) ( 6
) ( ' '
) (
1
1
1
1 1
1
1 3
1
1
3
1
1
1
]
1
1
]
1
i
i i i
i i
i
i
i i i
i i
i
i
i i
i
i
i i
i
i
x x
x x x f
x x
x f
x x
x x x f
x x
x f
x x
x x
x f
x x
x x
x f
x f
Donde:
' ' f
es la segunda derivada al final de cada intervalo, las cuales se desconocen.
Para poder evaluar estas incgnitas se utiliza la siguiente ecuacin.
[ ] [ ] ) II ( ) ( ) (
6
) ( ) (
6
) ( ' ' ) ( ) ( ' ' ) ( 2 ) ( ' ' ) (
1
1
1
1
1 1 1 1 1 1
i i
i i
i i
i i
i i i i i i i i i
x f x f
x x
x f x f
x x
x f x x x f x x x f x x
+ +
+
+
+ + +
Ejemplo.
Ajuste los siguientes puntos con trazadores cbicos. Evaluar la funcin en 5 x
0 . 3
0
x 5 . 2 ) (
0
x f
5 . 4
1
x 0 . 1 ) (
1
x f
0 . 7
2
x 5 . 2 ) (
2
x f
0 . 9
3
x 5 . 0 ) (
3
x f
Utilizando la ecuacin
) II (
para generar un conjunto de ecuaciones simultneas.
Tomando 1 i
[ ] [ ] ) ( ) (
6
) ( ) (
6
) ( ' ' ) ( ) ( ' ' ) ( 2 ) ( ' ' ) (
1
1
1
1
1 1 1 1 1 1
i i
i i
i i
i i
i i i i i i i i i
x f x f
x x
x f x f
x x
x f x x x f x x x f x x
+ +
+
+
+ + +
[ ] [ ] 1 5 . 2
0 . 3 5 . 4
6
0 . 1 5 . 2
5 . 4 0 . 7
6
) 0 . 7 ( ' ' ) 5 . 4 0 . 7 ( ) 5 . 4 ( ' ' ) 0 . 3 0 . 7 ( 2 ) 0 . 3 ( ' ' ) 0 . 3 5 . 4 (
+ + f f f
6 . 9 ) 0 . 7 ( ' ' 5 . 2 ) 5 . 4 ( ' ' 0 . 8 ) 0 . 3 ( ' ' 5 . 1 + + f f f
68
Tomando 2 i
[ ] [ ] 5 . 2 0 . 1
5 . 4 7
6
5 . 2 5 . 0
0 . 7 0 . 9
6
) 0 . 9 ( ' ' ) 0 . 7 0 . 9 ( ) 0 . 7 ( ' ' ) 5 . 4 0 . 9 ( 2 ) 5 . 4 ( ' ' ) 5 . 4 0 . 7 (
+ + f f f
6 . 9 ) 0 . 9 ( ' ' 0 . 2 ) 0 . 7 ( ' ' 0 . 9 ) 5 . 4 ( ' ' 5 . 2 + + f f f
de donde nos queda un sistema de ecuaciones simultaneas y las evaluaciones de
) 0 . 9 ( ' ' f
y
) 0 . 3 ( ' ' f
decimos que son igual a cero dado que no existen puntos suficientes
para encontrar las derivadas
6 . 9 ) 0 . 9 ( ' ' 0 . 2 ) 0 . 7 ( ' ' 0 . 9 ) 5 . 4 ( ' ' 5 . 2
6 . 9 ) 0 . 7 ( ' ' 5 . 2 ) 5 . 4 ( ' ' 0 . 8 ) 0 . 3 ( ' ' 5 . 1
+ +
+ +
f f f
f f f
Con lo cual el sistema de ecuaciones queda como sigue
6 . 9 ) 0 . 7 ( ' ' 0 . 9 ) 5 . 4 ( ' ' 5 . 2
6 . 9 ) 0 . 7 ( ' ' 5 . 2 ) 5 . 4 ( ' ' 0 . 8
+
+
f f
f f
1
]
1
1
]
1
1
]
1
6 . 9
6 . 9
) 0 . 7 ( ' '
) 5 . 4 ( ' '
0 . 9 5 . 2
5 . 2 0 . 8
f
f
Resolviendo el sistema tenemos que
1
]
1
1
]
1
533080 . 1
679087 . 1
) 0 . 7 ( ' '
) 5 . 4 ( ' '
f
f
Los valores de
) 5 . 4 ( ' ' f
y
) 0 . 7 ( ' ' f
se sustituyen en la ecuacin
) I (
para obtener los
trazadores cbicos de primer intervalo
Tomando 1 i tenemos que
) (
6
) )( ( ' '
) (
) (

) (
6
) )( ( ' '
) (
) (
) (
) ( 6
) ( ' '
) (
) ( 6
) ( ' '
) (
0 1
0 1 1
0 1
1
1
0 1 0
0 1
0 3
0
0 1
3
1
0 1
0
1
x x
x x x f
x x
x f
x x
x x x f
x x
x f
x x
x x
x f
x x
x x
x f
x f
1
]
1
1
]
1
Sustituyendo
) 0 . 3 (
6
) 0 . 3 5 . 4 )( 679087 . 1 (
) 0 . 3 5 . 4 (
0 . 1
) 5 . 4 (
) 0 . 3 5 . 4 (
5 . 2
) 0 . 3 (
) 0 . 3 5 . 4 ( 6
679087 . 1
) (
3
1

1
]
1
+
1
]
1
x x x x f
) 0 . 3 ( 246894916 . 0 ) 5 . 4 ( 6 666 . 1 ) 0 . 3 ( 2 1865652 . 0 ) (
3
1
+ + x x x x f 5 . 4 0 . 3 x
Operaciones similares se pueden hacer para encontrar el segundo y tercer intervalo
) 5 . 4 ( 638783 . 1 ) 0 . 7 ( 299620 . 0
) 5 . 4 ( 102205 . 0 ) 0 . 7 ( 111939 . 0 ) (
3 3
2
+

x x
x x x f
0 . 7 5 . 4 x
) 0 . 7 ( 25 . 0 ) 0 . 9 ( 761027 . 1 ) 0 . 9 ( 127757 . 0 ) (
3
3
+ + x x x x f 0 . 9 0 . 7 x
Sustituyendo 5 x para obtener ) (
2
x f tenemos que 102180 . 1 ) 5 (
2
f
69
Unidad V.
Integracin y diferenciacin numrica.
La integracin de una funcin dentro del mbito de la ingeniera tiene tantas
aplicaciones que es una herramienta indispensable. Una integral representa un rea
bajo la curva sobre el eje horizontal, acotada por un intervalo. La funcin a integrarse,
en general deber tener una de las tres formas siguientes.
1. Una funcin simple y continua tal como un polinomio, una funcin exponencial o
una funcin trigonomtrica.
2. Una funcin complicada y continua que es difcil o imposible de integrar
directamente.
3. Una funcin tabulada en donde los valores de
) (x f
se dan en un conjunto de
puntos discretos, como es el caso, a menudo, de datos experimentales.
Frmulas o ecuaciones de Newton-Cotes.
Son esquemas de integracin numrica donde se reemplaza una funcin
complicada con una funcin aproximada o fcil de integrar.

b
a
n
b
a
dx x f dx x f I ) ( ) (
Donde
) (x f
n
es un polinomio de la forma:
n
n
n
n n
x a x a x a x a a x f + + + + +

1
1
2
2 1 0
) (
Donde
n
es el orden del polinomio.
) (a f
a b
) (b f
) (x f
x
Estimacin de una integral mediante una
lnea recta.
) (a f
a b
) (b f
) (x f
x
Estimacin de una integral mediante una
parbola.
70
La integral se puede aproximar mediante una serie de polinomios aplicados por
pedazos a la funcin o datos sobre segmentos de longitud constante.
Se disponen de formas cerradas y abiertas de las ecuaciones de Newton-Cotes. Las
formas cerradas son aquellas en las que se conocen los datos al inicio y al final del
intervalo de la integracin. Las formas abiertas son aquellas en las cuales los lmites de
integracin se extienden ms all del intervalo de los datos conocidos.
a b
) (x f
x
Forma cerrada
a b
) (x f
x
Forma abierta
Integracin por el mtodo trapezoidal.
Es la primera forma o mtodo de integracin de Newton-Cotes. La integral
aproximada es:
) (
2
) ( ) (
) ( a b
b f a f
dx x f I
b
a
Geomtricamente el mtodo trapezoidal es un equivalente a aproximar grficamente el

rea de un trapezoide bajo la recta que una a
) (a f
y
) (b f
a b
) (x f
x
) (a f
) (b f
El error aproximado est dado por:

b
a
a
dx x f
a b
E ) ( ' '
12
) (
2
71
Ejemplo.
Utilice el mtodo de integracin trapezoidal para integrar numricamente la
siguiente funcin desde 0 a y 8 . 0 b . El valor verdadero es 1.640533.
2 . 0 25 200 675 900 400 ) (
2 3 4 5
+ + + x x x x x x f
Evaluando
a
y b en
) (x f
se tiene
0 a
2 . 0 ) ( a f
8 . 0 b
232 . 0 ) ( b f
Sustituyendo en los valores en la regla trapezoidal tenemos.
0.1728 ) 0 8 . 0 (
2
) 232 . 0 ( ) 2 . 0 (
) (
2
) ( ) (
) (
+

+

a b
b f a f
dx x f I
b
a
Obteniendo el error verdadero y
a
E
, por lo tanto
a
E
es:
48 ) ( ' '
8 .
0

dx x f
Donde 400 4050 10800 8000 ) ( ' '
2 3
+ x x x x f
56 . 2 ) 48 (
12
) 0 8 . 0 (
) ( ' '
12
) (
2 2

b
a
a
dx x f
a b
E
89.47% 100
1.640533
0.172800 1.640533
100
v
a v
v
v
v v
E
72
Aplicacin mltiple de la regla trapezoidal
Para mejorar la exactitud de la regla trapezoidal se divide el intervalo de
integracin de
a
a b en un nmero
n
de segmentos y se aplica el mtodo en cada uno
de los nuevos segmentos
) (x f
x 0
x
1
x
2
x
Para dos segmentos.
) (x f
x 0
x
1
x
2
x
3
x
Para tres segmentos.
) (x f
x 0
x
1
x
2
x
3
x
n
x
1 n
x
2 n
x
3 n
x
Para
n
segmentos.
Con lo cual se tiene que la regla trapezoidal mltiple es:
) (
2
) ( ) ( 2 ) (
) (
1
1
0
a b
n
x f x f x f
dx x f I
n
n
i
i b
a
+ +

De donde
) ( a b
es la anchura del intervalo de integracin.
Y
n
x f x f x f
n
n
i
i
2
) ( ) ( 2 ) (
1
1
0
+ +

es la altura promedio del trapecio.

Para calcular la anchura de los nuevos intervalos tenemos que:
n
a b
h

Y el error aproximado est dado por:

b
a
a
dx x f
n
a b
E ) ( ' '
12
) (
2
2
73
Ejemplo.
Utilice el mtodo de integracin trapezoidal mltiple para integrar numricamente
la siguiente funcin desde 0 a y 8 . 0 b . Utilizando dos y tres segmentos. El valor
verdadero es 1.640533
2 . 0 25 200 675 900 400 ) (
2 3 4 5
+ + + x x x x x x f
Para dos segmentos
4 . 0
2
0 8 . 0
n
a b
h
0
0
x 2 . 0 ) (
0
x f
4 . 0
1
x 2.456 ) (
1
x f
8 . 0
2
x 0.232 ) (
2
x f
1.0688 ) 0 8 . 0 (
2 2
) 232 . 0 ( ) 456 . 2 ( 2 ) 2 . 0 (
) (
2
) ( ) ( 2 ) (
) (
1
1
0

+ +

+ +

a b
n
x f x f x f
dx x f I
n
n
i
i b
a
0.64 ) 48 (
2 12
) 0 8 . 0 (
) ( ' '
12
) (
2
2
2
2

b
a
a
dx x f
n
a b
E
34.85% 100
1.640533
1.0688 1.640533
100
v
a v
v
v
v v
E
Para tres segmentos
0.266667
3
0 8 . 0
n
a b
h
0
0
x 2 . 0 ) (
0
x f
0.266667
1
x 1.432724 ) (
1
x f
0.533333
2
x 3.487177 ) (
2
x f
8 . 0
3
x 0.232 ) (
2
x f
1.369574 ) 0 8 . 0 (
3 2
) 232 . 0 ( ) 3.487177 1.432724 ( 2 ) 2 . 0 (
) (
+ + +

b
a
dx x f I
0.284444 ) 48 (
3 12
) 0 8 . 0 (
) ( ' '
12
) (
2
2
2
2

b
a
a
dx x f
n
a b
E
16.51% 100
1.640533
1.369574 1.640533
100
v
a v
v
v
v v
E
74
Regla de Simpson.
Una manera de mejorar la exactitud del mtodo trapezoidal es usar polinomios
de mayor orden para conectar los puntos. Por ejemplo, si existe un punto entre
) (a f
y
) (b f
, a la mitad, estos puntos se pueden conectar mediante una parbola.
Si hay dos puntos igualmente espaciados entre
) (a f
y
) (b f
, los cuatro puntos
se pueden conectar mediante un polinomio de tercer orden.
A las ecuaciones que se utilizan para calcular las integrales bajo estos
polinomios se conocen como reglas de Simpson.
) (x f
x
0
x
1
x
2
x
Simpson
3
1
(Parbolas)
) (x f
x
0
x
1
x
2
x
3
x
Simpson
8
3
(Cbicas)
Regla de Simpson 3
1
.
Utilizando un polinomio de segundo orden tenemos que la aproximacin del rea
bajo la curva mediante tres puntos o una parbola esta dada por:
) (
6
) ( ) ( 4 ) (
) (
2 1 0
a b
x f x f x f
dx x f I
b
a
+ +


2
a b
h


b
a
IV
a
dx x f
a b
E ) (
2880
) (
4
75
Ejemplo
Utilice el mtodo de Simpson
3
1
para integrar numricamente la siguiente funcin,
desde 0 a y 8 . 0 b .
2 . 0 25 200 675 900 400 ) (
2 3 4 5
+ + + x x x x x x f
Obteniendo la anchura
4 . 0
2
0 8 . 0
n
a b
h
Por lo tanto
0
0
x 2 . 0 ) (
0
x f
4 . 0
1
x 2.456 ) (
1
x f
8 . 0
2
x 0.232 ) (
2
x f
1.367467 ) 0 8 . 0 (
6
) 0.232 ( ) 2.456 ( 4 ) 0.2 (
) (
6
) ( ) ( 4 ) (
) (
2 1 0

+ +

+ +

a b
x f x f x f
dx x f I
b
a
16.64% 100
1.640533
1.367467 1.640533
100
v
a v
v
v
v v
E
0.273066 ) 1920 (
2880
) 0 8 . 0 (
) (
2880
) (
4 4

a
b
a
IV
a
E dx x f
a b
E
76
Regla de Simpson 3
1
de aplicacin mltiple.
Utilizando un polinomio de segundo orden de manera mltiple tenemos que la
aproximacin del rea bajo la curva mediante estos puntos esta dada por.
) (
3
) ( ) ( 2 ) ( 4 ) (
) (
2
6 , 4 , 2
1
5 , 3 , 1
0
a b
n
x f x f x f x f
dx x f I
n
n
j
j
n
i
i b
a
+ + +

n
a b
h


b
a
IV
a
dx x f
n
a b
E ) (
180
) (
4
4
Para 2 n tendramos grficamente.
) (x f
x
0
x
1
x
2
x
3
x
4
x
77
Ejemplo.
3
1
de aplicacin mltiple con 4 n para integrar
numricamente la siguiente funcin, desde 0 a y 8 . 0 b .
2 . 0 25 200 675 900 400 ) (
2 3 4 5
+ + + x x x x x x f
2 . 0
4
0 8 . 0
n
a b
h
Por lo tanto
0
0
x

2 . 0 ) (
0
x f

2 . 0
1
x 288 . 1 ) (
1
x f
4 . 0
2
x 456 . 2 ) (
2
x f
6 . 0
3
x

464 . 3 ) (
3
x f

8 . 0
4
x 232 . 0 ) (
4
x f
Aplicando le regla de simpson mltiple tenemos.
) (
3
) ( ) ( 2 ) ( 4 ) (
) (
2
6 , 4 , 2
1
5 , 3 , 1
0
a b
n
x f x f x f x f
dx x f I
n
n
j
j
n
i
i
b
a
+ + +

1.623467 ) 0 8 . 0 (
3
) 232 . 0 ( ) 456 . 2 ( 2 ) 464 . 3 288 . 1 ( 4 ) 2 . 0 (
) (
+ + + +

n
dx x f I
b
a
1.04% 100
1.640533
1.623467 1.640533
100
v
a v
v
v
v v
E
0.017066 ) 1920 (
4 180
) 0 8 . 0 (
) (
180
) (
4
4
4
4

b
a
IV
a
dx x f
n
a b
E

78
Regla de Simpson 8
3
.
Utilizando un polinomio de tercer orden tenemos que la aproximacin del rea
bajo la curva mediante cuatro puntos o una ecuacin cbica esta dada por:
) (
8
) ( ) ( 3 ) ( 3 ) (
) (
3 2 1 0
a b
x f x f x f x f
dx x f I
b
a
+ + +


3
a b
h


b
a
IV
a
dx x f
a b
E ) (
6480
) (
4
Ejemplo.
8
3
para integrar numricamente la siguiente funcin,
desde 0 a y 8 . 0 b .
2 . 0 25 200 675 900 400 ) (
2 3 4 5
+ + + x x x x x x f
0.266667
3
0 8 . 0
n
a b
h
Por lo tanto
0
0
x 2 . 0 ) (
0
x f
0.266667
1
x 1.432724 ) (
1
x f
0.533333
2
x 3.487177 ) (
2
x f
8 . 0
3
x 0.232 ) (
2
x f
) (
8
) ( ) ( 3 ) ( 3 ) (
) (
3 2 1 0
a b
x f x f x f x f
dx x f I
b
a
+ + +

1.519170 ) 0 8 . 0 (
8
) 232 . 0 ( ) 487177 . 3 ( 3 ) 432724 . 1 ( 3 ) 2 . 0 (
) (
+ + +

b
a
dx x f I
7.3977% 100
1.640533
1.519170 1.640533
100
v
a v
v
v
v v
E
0.121363 ) 1920 (
6480
) 0 8 . 0 (
) (
6480
) (
4 4

b
a
IV
a
dx x f
a b
E
79
Diferenciacin numrica
La diferenciacin numrica, o aproximacin numrica, es un mtodo utilizado
para evaluar las derivadas de funciones por medio de valores funcionales de puntos de
datos discretos. Si se conocen los valores funcionales de dichos datos discretos, la
funcin se puede expresar de una forma aproximada por medio de una interpolacin
polinomial. Por lo que, al diferenciar dicho polinomio, se pueden evaluar sus derivadas.
Por definicin la derivada de una funcin esta dada por:
h
x f h x f
im l x f
h
) ( ) (
) ( '
0
+
Diferenciacin hacia delante, hacia atrs y centrada

) (x f
x 0
x h x +
0
) (
0
h x f +
) (
0
x f
) ( '
0
x f
h
x f h x f
x f
) ( ) (
) ( '
0 0
0
+
Diferenciacin hacia delante

x
0
x h x
0
) (
0
h x f
) (
0
x f
) ( x f
) ( '
0
x f
h
h x f x f
x f
) ( ) (
) ( '
0 0
0

Diferenciacin hacia atrs

x
0
x h x
0
) (
0
h x f
) (
0
x f
) ( x f
) ( '
0
x f
h
h x f h x f
x f
2
) ( ) (
) ( '
0 0
0
+
h x +
0
) (
0
h x f +
Diferenciacin centrada
80
Lo siguiente es un resumen de las frmulas de diferenciacin que se pueden obtener a
partir de desarrollos en serie de Taylor.
Expresiones de Primeras Diferencias Centrales
h
h x f h x f
x f
2
) ( ) (
) ( '
0 0
0
+
2
0 0 0
0
) ( ) ( 2 ) (
) ( ' '
h
h x f x f h x f
x f
+ +
3
0 0 0 0
0
2
) 2 ( ) ( 2 ) ( 2 ) 2 (
) ( ' ' '
h
h x f h x f h x f h x f
x f
+ + +
4
0 0 0 0 0
0
) 2 ( ) ( 4 ) ( 6 ) ( 4 ) 2 (
) (
h
h x f h x f x f h x f h x f
x f
IV
+ + + +
Expresiones de Primeras Diferencias Hacia delante

h
x f h x f
x f
) ( ) (
) ( '
0 0
0
+
2
0 0 0
0
) ( ) ( 2 ) 2 (
) ( ' '
h
x f h x f h x f
x f
+ + +
3
0 0 0 0
0
2
) ( ) ( 3 ) 2 ( 3 ) 3 (
) ( ' ' '
h
x f h x f h x f h x f
x f
+ + + +
4
0 0 0 0 0
0
) ( ) ( 4 ) 2 ( 6 ) 3 ( 4 ) 4 (
) (
h
x f h x f h x f h x f h x f
x f
IV
+ + + + + +
Expresiones de Primeras Diferencias Hacia Atrs

h
h x f x f
x f
) ( ) (
) ( '
0 0
0

2
0 0 0
0
) 2 ( ) ( 2 ) (
) ( ' '
h
h x f h x f x f
x f
+
3
0 0 0 0
0
2
) 3 ( ) 2 ( 3 ) ( 3 ) (
) ( ' ' '
h
h x f h x f h x f x f
x f
+
4
0 0 0 0 0
0
) 4 ( ) 3 ( 4 ) 2 ( 6 ) ( 4 ) (
) (
h
h x f h x f h x f h x f x f
x f
IV
+ +
Ejemplo
sense aproximaciones de Diferencias Finitas Hacia Adelante, Hacia Atrs y
Centradas para estimar la primera derivada en 5 . 0 x de:
2 . 1 25 . 0 5 . 0 15 . 0 1 . 0 ) (
2 3 4
+ x x x x x f
81
Unidad VI
Solucin numrica de ecuaciones diferenciales.
Sea
v
m
c
g
dt
dv

Una ecuacin diferencial de primer orden, donde:
g
,
c
y
m
son constantes.
v
es una variable dependiente.
t
es una variable independiente.
Las ecuaciones diferenciales se dividen en:
Ecuaciones diferenciales ordinarias (EDO), si poseen una sola variable independiente.
Ecuaciones diferenciales parciales (EDP), si poseen dos o ms variables
independientes.
La ecuacin
0
2
2
+ + kx
dt
dx
c
dt
x d
m
Es una ecuacin diferencial de segundo orden,
c
y k son constantes. A estas
ecuaciones se les conoce como ecuacin de segundo grado; en general a las
ecuaciones de orden mayor a uno se les conoce como ecuaciones de orden superior.
Las ecuaciones de orden superior se pueden reducir a un sistema de ecuaciones de
primer orden definiendo nuevas variables, si:
dt
dx
y
Entonces
2
2
dt
x d
dt
dy
Sustituyendo las ecuaciones anteriores se tiene que

0 + + kx cy
dt
dx
m o
m
kx cy
dt
dy +
La solucin matemtica de la EDO se puede obtener por separacin de variables e

integrando, con lo que se obtiene:
dt v
m
c
dt g dv dt v
m
c
g v
1
]
1

82
Linealizacin de EDOs.
Una EDO lineal es aquella que se ajusta a la forma general:
) ( ) ( ) ( ) ( ) (
0 1
1
1
x f x a y x a y x a y x a
n
n
n
n
+ + + +

donde:
n
y derivada n-sima de
y
respecto a
x
a
y
) (x f
funciones especficas de
x
Mtodo de Euler
La primera derivada proporciona una estimacin de la pendiente en
i
x
tal como
se observa en la figura siguiente
y
x
i
x
1 + i
x
h
Predicho
Verdadero
Error
}
De la figura se observa que
h y y
i i
+
+ 1
Donde
es la pendiente
) , (
i i
y x f
Es decir la funcin evaluada en los puntos
) , (
i i
y x
rescribiendo la ecuacin anterior se
tiene que
h y x f y y
i i i i
) , (
1
+
+
A esta ecuacin se le conoce como mtodo de Euler o punto medio de Euler Cauchy
83
Ejemplo.
Utilizar el mtodo de Euler para integrar (Resolver la ecuacin diferencial)
numricamente, con condiciones iniciales 0 x ,
1 y
, hasta 4 x con paso de iteracin
de 0.5.:
5 . 8 20 12 2
2 3
+ + x x x
dx
dy
Resolviendo la ecuacin diferencial tenemos que la solucin real es:
1 5 . 8 10 4 5 . 0
2 3 4
+ + + x x x x y
Resolviendo usando Euler
i
i
x
i
y ) , (
i i
y x f
v
v
v
E
0 0 1 8.50000 1.00000 0.00
1 0.5 5.25000 1.25000 3.21875 63.11
2 1.0 5.87500 -1.50000 3.00000 95.83
3 1.5 5.12500 -1.25000 2.21875 130.99
4 2.0 4.50000 0.50000 2.00000 125.00
5 2.5 4.75000 2.25000 2.71875 74.71
6 3.0 5.87500 2.50000 4.00000 46.88
7 3.5 7.12500 -0.25000 4.71875 50.99
8 4.0 7.00000 3.00000 133.33
Calculando
1 + i
y
tenemos que
h y x f y y
i i i i
) , (
1
+
+
5 . 8 5 . 8 0 20 0 12 0 2 ) 1 , 0 (
2 3
0 0
+ + y x f
25 5 5 . 0 5 . 8 1 ) , ( ) 5 . 0 (
0 0 0 1
. h y x f y y + +
Tememos que la aproximacin es que 25 5
1
. y
Obteniendo el valor real
21875 3 1 5 . 0 5 . 8 5 . 0 10 5 . 0 4 5 . 0 5 . 0 ) 5 . 0 (
2 3 4
. y + + +
El error Verdadero relativo porcentual es:
% .
.
. .
v
v v
E
v
a v
v
11 63
21875 3
25 5 21875 3
Calculando
2
y tenemos que
25 . 1 5 . 8 5 . 0 20 5 . 0 12 5 . 0 2 ) 25 . 5 , 5 . 0 (
2 3
1 1
+ + y x f
875 5 5 . 0 25 . 1 25 . 5 ) , ( ) 1 (
1 1 1 2
. h y x f y y + +
3 1 1 5 . 8 1 10 1 4 1 5 . 0 ) 1 (
2 3 4
+ + + y
84
El error verdadero es
%
.
v
v v
v
a v
83 . 95
3
875 5 3
Se contina sucesivamente
} 4 5 . 3 , 3 , 5 . 2 , 2 , 5 . 1 { y x
de acuerdo al paso utilizado. Los
valores obtenidos son valores de la curva que resulta de la ecuacin.
Graficando la solucin aproximada y la verdadera se tiene:
1
2
3
4
5
6
7
8
0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4
y
x
h=0.5
Solucin verdadera
Anlisis de error para el mtodo de Euler
Los tipos de errores en las ecuaciones diferenciales ordinarias pueden ser de
truncamiento y de redondeo, los primeros son causados por las tcnicas empleadas
para aproximar, estas pueden ser de dos tipos
'
'
Redondeo
do Propaga
Local
to Truncamien
las EDOS rrores en Tipos de e
Error de truncamiento: Es causado por las tcnicas empleadas para aproximar.
Error de redondeo: Es el resultado del nmero finito de cifras significativas que puede
manejar un procesador.
Error local: Es el resultado de aplicar el mtodo en cuestin a un solo paso.
Error propagado: Resulta de las aproximaciones producidas en los pasos previos.
Se puede obtener informacin sobre la magnitud y propiedades del error de
truncamiento al derivar el mtodo de Euler directamente de las series de Taylor:
) , ( ' y x f y
donde:
dx
dy
y '
85
Si la solucin tiene derivadas continuas, entonces se puede representar mediante una
expansin en series de Taylor respecto a
) , (
i i
y x
de la forma:
n
n
n
i i
i i i
R h
n
y
h
y
h y y y + + + + +
+
! ! 2
' '
'
) (
2
1

Donde
1 +
i
x h
y
n
R
es un trmino remanente definido por:
1
) 1 (
)! 1 (
) (
+
+
+
n
n
n
h
n
y
R
Donde es cualquier punto entre el intervalo definido entre
i
x
y
1 + i
x
.
Una forma alternativa se obtiene al sustituir las ecuaciones anteriores para obtener
1
) 1 (
2
1
!
) , (
! 2
) , ( '
) , (
+
+
+ + + + +
n n
n
i i i i
i i i i
Oh h
n
y x f
h
y x f
h y x f y y
Donde
1 + n
Oh especifica el error de truncamiento local, el cual es proporcional al tamao
del paso elevado a la
) 1 ( + n
-sima potencia.
Al comparar la ecuaciones se observa que el mtodo de Euler corresponde a la serie
de Taylor e incluyendo el trmino
h y x f
i i
) , (
. De la comparacin se observa que ocurre
un error de truncamiento debido a que se aproxima la solucin verdadera mediante un
nmero finito de trminos de la serie de Taylor.
1 2
2
) , ( '
+
+ +
n i i
v
Oh h
y x f
E
A lo cual se obtiene el error de truncamiento local verdadero. Si h es lo suficientemente
pequea, los errores en la ecuacin anterior disminuyen al elevar el orden de h y el
resultado se presenta como:
2
! 2
) , ( '
h
y x f
E
i i
a
o
2
Oh E
a

donde
a
E
es el error de truncamiento local aproximado.
86
Ejemplo.
Use la ecuacin
1 2
! 2
) , ( '
+
+ +
n i i
v
Oh h
y x f
E para estimar el error del paso inicial
del ejemplo anterior. Utilcela tambin para determinar el error debido a cada uno de los
trminos de orden superior de la serie de Taylor.
Del ejemplo anterior tenemos que
5 . 8 20 12 2 ) , (
2 3
+ + x x x
dx
dy
y x f
Con condiciones iniciales 0 x ,
1 y
, hasta 4 x con paso de iteracin de 0.5. para
este ejemplo obtendramos un
v
E
de
4 3 2
! 4
) , ( ' ' '
! 3
) , ( ' '
! 2
) , ( '
h
y x f
h
y x f
h
y x f
E
i i i i i i
v
+ +
Donde derivando
) , ( y x f
se tiene
5 . 8 20 12 2 ) , (
2 3
+ + x x x y x f
20 24 6 ) , ( '
2
+ x x y x f
24 12 ) , ( ' ' + x y x f
12 ) , ( ' ' ' y x f
Tomado el punto inicial 0 x , se tiene el error para la primera derivada
5 . 2 5 . 0
2
20 ) 0 ( 24 ) 0 ( 6
5 . 0
2
20 24 6
! 2
) , ( '
2
2
2
2
2

+
x x
h
y x f
i i
Para la segunda derivada se tiene
5 . 0 5 . 0
6
24 ) 0 ( 12
5 . 0
6
24 12
! 3
) , ( ' '
3 3 3
x
h
y x f
i i
Para la tercera derivada se tiene
03125 . 0 5 . 0
24
12
5 . 0
24
12
! 4
) , ( ' ' '
4 4 4

h
y x f
i i
El error verdadero se obtiene sumando los errores para cada trmino
03125 . 2 03125 . 0 5 . 0 5 . 2 +
v
E
Recordando que se sabe el valor verdadero es 3.21875 y que la estimacin obtenida
con el mtodo de Euler es 5.25,
error n aproximaci de estimacin verdadero Valor +
21875 . 3 03125 . 2 25 . 5 verdadero Valor
87
Mejoras al mtodo de Euler
Una fuente fundamental de error en el mtodo de Euler es que la derivada al
principio del intervalo se supone que se aplica a travs del intervalo entero. Existen dos
modificaciones simples para ayudar a evitar este inconveniente. Las modificaciones en
realidad pertenecen a una clase mayor de mtodos de solucin llamados mtodos de
Runge-Kutta. Sin embargo ya que tiene una interpretacin grafica sencilla, se presenta
antes de la derivacin formal de los mtodos de Runge-Kutta. Para corregir estas
deficiencias se plantean primero el mtodo de Heun y posteriormente los mtodos de
Runge-Kutta.
Mtodo de Heun
Un mtodo para mejorar la aproximacin a la pendiente implica el clculo de dos
derivadas del intervalo, en un punto inicial y otra en un punto final. En seguida se
promedian las derivadas y se obtiene una aproximacin mejorada de la pendiente en el
intervalo completo. Este esquema, llamado mtodo de Heun, que se muestra en la
siguiente figura.
y
x
i
x
1 + i
x
2
) , ( ) , (
0
1 1 + +
+
i i i i
y x f y x f
Pendiente
i
x
1 + i
x
y
x
) , (
i i
y x f Pendiente
) , (
0
1 1 + +
i i
y x f Pendiente
a) b)
Esquema Grafico del mtodo de Heun. a) Predictor y b) Corrector.
El mtodo de Euler, la pendiente al principio de un intervalo es
) (
i i i
y x f y
Se usa para extrapolar linealmente a
1 + i
y
:
h y x f y y
i i i i
) , (
0
1
+
+
En el mtodo estndar de Euler se parara en este punto. Sin embargo en el mtodo de
Heun, la
0
1 + i
y no es la respuesta final si no una prediccin intermedia. Esto se debe a
88
que se ha distinguido a esta con el superndice 0. La ecuacin de
0
1 + i
y se llama
ecuacin predictora. Proporciona una aproximacin de
1 + i
y
que permite el clculo de
una pendiente aproximada al final del intervalo:
) , (
0
1 1 1 + + +

i i i
y x f y
Por lo tanto, se pueden combinar las dos pendientes y obtener una pendiente promedio
sobre el intervalo:
2
) , ( ) , (
2
' '
'
0
1 1 1 + + +
+
i i i i i i
y x f y x f y y
y
Esta pendiente promedio se usa para extrapolar linealmente de
i
y
a
1 + i
y
usando el
mtodo de Euler:
h
y x f y x f
y y
i i i i
i i
2
) , ( ) , (
0
1 1
1
+ +
+
+
+
Que se llama una ecuacin correctora.
El mtodo de Heun es un esquema predictor-corrector. Se puede expresar
concisamente como:
Predictor h y x f y y
i i i i
) , (
0
1
+
+
Corrector h
y x f y x f
y y
i i i i
i i
2
) , ( ) , (
0
1 1
1
+ +
+
+
+
Ntese que debido a que la ecuacin del corrector tiene
1 + i
y
en ambos lados del signo
igual, esta puede aplicarse para "corregir" en un esquema iterativo. Esto es, se puede
usar una aproximacin anterior varias veces para proporcionar una aproximacin
mejorada de
1 + i
y
. Se debe entender que este proceso no necesariamente converge a
la respuesta correcta sino converger a una aproximacin con un error de truncamiento
finito.
El error aproximado esta dado por
100%
n actual Aproximaci
r n anterio Aproximaci n actual Aproximaci
E
a

89
Ejemplo
Utilizar el mtodo de Heun para resolver (Integrar) numricamente la ecuacin
diferencial y e y
x
5 . 0 4 '
8 . 0
desde 0 x a 4 x con tamao de paso 1. La condicin
inicial en
) 2 , 0 ( ) , ( y x
.
Donde la solucin verdadera es:
( )
x x x
e e e y
5 . 0 5 . 0 8 . 0
2
3 . 1
4

+
Resolviendo usando Heun
i i
x
v
y
i
y ) , (
i i
y x f
0
1 + i
y ) , (
0
1 1 + + i i
y x f
v
E
0 0 2.00000 2.00000 3.00000 5.00000 6.40216 0.00
1 1.0 6.19463 6.70108 5.55162 12.25270 13.68578 8.18
2 2.0 14.84392 16.31978 11.65224 27.97202 30.10670 9.94
3 3.0 33.67717 37.19925 25.49308 62.69233 66.78396 10.46
4 4.0 75.33896 83.33777 10.62
La pendiente
) , (
i i
y x f
3 2 5 . 0 4 5 . 0 4 ' ) 2 , 0 (
0 8 . 0 8 . 0

e y e y f
x
Estimando el predictor
0
1 + i
y 5 1 3 2 ) , (
0
1
+ +
+
h y x f y y
i i i i
Estimando la pendiente ) , (
0
1 1 + + i i
y x f
40216 6 5 5 . 0 4 5 . 0 4 ) 5 , 1 (
1 8 . 0 8 . 0
. e y e f
x

Obteniendo al corrector
70108 6 1
2
40216 6 3
2
2
) , ( ) , (
0
1 1
1
.
.
h
y x f y x f
y y
i i i i
i i

+
+
+
+
+ +
+
Obteniendo le error verdadero
% 18 . 8 100
19463 6
70108 6 19463 6

.
. .
E
v
Este resultado proporciona un error relativo porcentual de 8.18%, el cual comparado
con el mtodo de Euler, es ms pequeo aun cuando solo se uso un corrector.
0 1 2 3 4
0
2 0
4 0
6 0
8 0
1 0 0
Solucin verdadera
Aproximacin de
x
y
y
90
Grfica de comparacin del valor verdadero con respecto a la aproximacin
Mtodos de Runge-Kutta.
Los mtodos de Runge-Kutta logran la exactitud del procedimiento de las series
de Taylor sin requerir el uso de derivadas superiores. Existen diversas variantes, pero
todas tienen la siguiente forma:
h h y x y y
i i i i
) , , (
1
+
+
Donde
) , , ( h y x
i i
es conocida como la funcin incremento, la cual puede interpretarse

como una pendiente representativa en un intervalo. Esta funcin se escribe de forma
general como:
n n
k a k a k a + + +
2 2 1 1
Donde las
a
son constantes y las k son:
) , (
1 i i
y x f k
) , (
1 11 1 2
h k q y h p x f k
i i
+ +
) , (
2 22 1 21 2 3
h k q h k q y h p x f k
i i
+ + +

) , (
1 1 , 1 2 2 , 1 1 1 , 1 1
h k q h k q h k q y h p x f k
n n n n n i n i n

+ + + + +
Obsrvese que las k son las relaciones de recurrencia; esto indica que
1
k aparece en
la ecuacin para
2
k , y
2
k aparece en la ecuacin para
3
k
, etc.
Mtodos de Runge-Kutta de segundo orden
La versin de segundo orden para
h h y x y y
i i i i
) , , (
1
+
+
es:
h k a k a y y
i i
) (
2 2 1 1 1
+ +
+
Donde
) , (
1 i i
y x f k
) , (
1 11 1 2
h k q y h p x f k
i i
+ +
Los valores para
1
a ,
2
a ,
1
p y
11
q son evaluados al igualar el termino de segundo orden
de
h k a k a y y
i i
) (
2 2 1 1 1
+ +
+
con la expansin de la serie de Taylor. Para desarrollar esto
se obtienen tres ecuaciones con cuatro constantes desconocidas. Dichas ecuaciones
son:
91
1
2 1
+ a a
2
1
1 2
p a
2
1
11 2
q a
Debido a que se tienen cuatro incgnitas y tres ecuaciones, se propone el valor de una
de estas incgnitas para determinar las dems. Por ejemplo, si se propone un valor
para
2
a , se obtiene:
2 1
1 a a y
2
11 1
2
1
a
q p
Debido a que se puede elegir un nmero infinito de valores para
2
a , existen tambin un
nmero infinito de mtodos o ecuaciones de Runge-Kutta de 2do. Orden. Las variantes
ms comunes son: Mtodo de Heun de un solo corrector, Mtodo del Punto Medio y
Mtodo de Ralston, los cuales se describen a continuacin.
Mtodo de Heun de un solo corrector
2
1
2
a
Si se supone que
2
1
2
a
, entonces
2
1
1
a
y 1
11 1
q p . Estos parmetros
sustituidos en
h k a k a y y
i i
) (
2 2 1 1 1
+ +
+
da
h
k k
y y
i i

,
_
+ +
+
2 2
2 1
1
Donde
) , (
1 i i
y x f k
) , (
1 2
h k y h x f k
i i
+ +
Obsrvese que
1
k es la pendiente al inicio del intervalo y
2
k es la del final.
Mtodo de punto medio 1
2
a
Si se supone que 1
2
a , entonces 0
1
a y
2
1
11 1
q p . Estos parmetros
sustituidos en
h k a k a y y
i i
) (
2 2 1 1 1
+ +
+
da:
h k y y
i i

2 1
+
+
Donde
) , (
1 i i
y x f k
) , (
1 2
1
2
1
2
h k y h x f k
i i
+ +
92
Mtodo de Ralston
3
2
2
a
Ralston y Rabinowitz determinaron que al seleccionar
3
2
2
a
se obtiene un lmite
mnimo sobre el error de truncamiento para los algoritmos de Runge-Kutta de segundo
orden. Para esta versin,
3
1
1
a
y
4
3
11 1
q p
lo cual da:
h k k y y
i i

,
_
+ +
+ 2 1 1
3
2
3
1
Donde
) , (
1 i i
y x f k
) , (
1 4
3
4
3
2
h k y h x f k
i i
+ +
Mtodos de Runge-Kutta de tercer orden.
Se puede llevar una derivacin anloga a la del mtodo de segundo orden, para
3 n . El resultado de esta derivacin es de seis ecuaciones con ocho incgnitas para
determinar los parmetros restantes. Una versin comn que resulta es
( ) [ ] h k k k y y
i i

3 2 1 6
1
1
4 + + +
+
Donde
) , (
1 i i
y x f k
) , (
1 2
1
2
1
2
h k y h x f k
i i
+ +
) 2 , (
2 1 3
h k h k y h x f k
i i
+ +
93
Mtodos de Runge-Kutta de cuarto orden.
Los Mtodos de Runge-Kutta ms populares son los de cuarto orden. Como sucede
con los mtodos de segundo orden. Existe un nmero infinito de versiones. Se
presentan las dos versiones mas comunes de este mtodo la primera versin se basa
en la regla de Simpson
3
1
y comnmente es llamada mtodo clsico de Runge-Kutta
como se describe continuacin.
( ) [ ] h k k k k y y
i i

4 3 2 1 6
1
1
2 2 + + + +
+
Donde
) , (
1 i i
y x f k
) , (
1 2
1
2
1
2
h k y h x f k
i i
+ +
) , (
2 2
1
2
1
3
h k y h x f k
i i
+ +
) , (
3 4
h k y h x f k
i i
+ +
La segunda se basa en la regla de Simpson
8
3
y se escribe as
( ) [ ] h k k k k y y
i i

4 3 2 1 8
1
1
3 3 + + + +
+
Donde
) , (
1 i i
y x f k
) , (
1 3
1
3
1
2
h k y h x f k
i i
+ +
) , (
2 3
1
1 3
1
3
1
3
h k h k y h x f k
i i
+ + +
) , (
2 1 4
h k h k y h x f k
i i
+ +
94
Mtodo de Runge-Kutta de orden superior.
Donde se requiera mayor exactitud, se recomienda el mtodo de Runge-Kutta de
quinto orden, Butcher
( ) [ ]
6 5 4 3 1 90
1
1
7 32 12 32 7 k k k k k h y y
i i
+ + + + +
+
Donde
) , (
1 i i
y x f k
) , (
1 4
1
4
1
2
hk y h x f k
i i
+ +
) , (
2 8
1
1 8
1
4
1
3
hk hk y h x f k
i i
+ + +
) , (
3 2 2
1
2
1
4
hk hk y h x f k
i i
+ +
) , (
4 16
9
1 16
3
4
3
5
hk hk y h x f k
i i
+ + +
) , (
5 7
8
4 7
12
3 7
12
2 7
2
1 7
3
6
hk hk hk hk hk y h x f k
i i
+ + + +
Se pueden disponer de formulas de Runge-Kutta de orden superior, tales como el
mtodo de Butcher, pero, en general, la ganancia obtenida en exactitud por mtodos de
orden superior al cuarto orden se contrapone con la complejidad y esfuerzo de clculo.
95
Ejemplo
Utilizar el mtodo de Runge-Kutta de cuarto orden clsico para resolver
(Integrar) numricamente la ecuacin diferencial y e y
x
5 . 0 4 '
8 . 0
desde 0 x a 4 x
con tamao de paso 1. La condicin inicial en
) 2 , 0 ( ) , ( y x
.
( )
x x x
e e e y
5 . 0 5 . 0 8 . 0
2
3 . 1
4

+
i i
x
i
y
v
V
1
k
2
k
3
k
4
k v
E
0 0 2.00000 2.00000 3.00000 4.21730 3.91297 5.94568 0.00
1 1.0 6.20104 6.19463 5.80165 8.72954 7.99756 12.71283 0.10
2 2.0 14.86248 14.84392 12.38089 19.02976 17.36754 27.97769 0.13
3 3.0 33.72135 33.67717 27.23203 42.10991 38.39044 62.07423 0.13
4 4.0 75.43917 75.33896 0.13
Utilizando las ecuaciones de Runge-Kutta clsico de cuarto orden se calculan las
n
k
3 2 5 . 0 4 ) 2 , 0 ( ) , (
0 8 . 0
0 0 1

e f y x f k
21730 4 5 . 3 5 . 0 4 ) 5 . 3 , 5 . 0 ( ) , (
5 . 0 8 . 0
1 2
1
0 2
1
0 2
. e f h k y h x f k + +

91297 . 3 10865 . 4 5 . 0 4 ) 10865 . 4 , 5 . 0 ( ) , (
5 . 0 8 . 0
2 2
1
2
1
3
+ +

e f h k y h x f k
i i

94568 . 5 91297 . 5 5 . 0 4 ) 91297 . 5 , 1 ( ) , (
1 8 . 0
3 4
+ +

e f h k y h x f k
i i

Sustituyendo las
n
k
obtenemos la siguiente aproximacin
( ) [ ] ( ) [ ] 20104 . 6 1 94568 . 5 91297 . 3 2 21730 4 2 3 2 2 2
6
1
4 3 2 1 6
1
1
+ + + + + + + +
+
. h k k k k y y
i i

Obteniendo le error verdadero
% 10 . 0 100
19463 6
20104 . 6 19463 6

.
.
E
v
96
Ecuaciones diferenciales ordinarias de orden superior
Los procedimientos numricos vistos en esta unidad solo se aplicaron a ecuaciones
de primer orden ) , ( y x f
dx
dy
, sujeto a la condicin inicial
0 0
) ( y x y
. En este apartado
se aplicaran para ordenes superiores, por ejemplo, para aproximar una solucin de una
ecuacin diferencial de segundo orden, se rescribe la ecuacin de tal manera que se
despeje la derivada de mayor orden para que tenga la forma siguiente en el caso de
una ecuacin diferencial de segundo orden tenemos que.
) ( ) ( ) (
0 1 2
2
x g y x a
dx
dy
x a
dx
y d
+ +
Donde
y
es la variable dependiente
x
es la variable independiente
) (x a
i
son las coeficientes de la ecuacin diferencial
) (x g
es el coeficiente independiente la ecuacin diferencial
Se puede escribir de forma matricial como sigue
) (
1
0
' ) ( ) (
1 0
'
1 0
'
x g
y
y
x a x a y
y

1
]
1
+
1
]
1
1
]
1
1
]
1
Para una ecuacin diferencial de tercer orden

) ( ) ( ) ( ) (
0 1 2
2
2 3
3
x g y x a
dx
dy
x a
dx
y d
x a
dx
y d
+ + +
Escribindola en forma matricial
) (
1
0
0
' '
'
) ( ) ( ) (
1 0 0
0 1 0
' '
'
2 1 0
'
x g
y
y
y
x a x a x a
y
y
y

1
1
]
1
+
1
1
]
1
1
1
]
1
1
1
]
1
97
Por ejemplo escriba de manera matricial la siguiente ecuacin diferencial de segundo
orden
0 ' ' ' + + y xy y
Despejando la derivada de mayor orden tenemos
y xy y ' ' '
Escribindola de manera matricial
0
1
0
' 1
1 0
'
'
1
]
1
+
1
]
1
1
]
1
1
]
1

y
y
x y
y
Como
0 ) ( x g
la ecuacin a resolver es
1
]
1
1
]
1
1
]
1
' 1
1 0
'
'
y
y
x y
y

Para una ecuacin diferencial de tercer orden
1 8 ' 7 ' ' 5 ' ' '
2 3
+ + + y xy y x y x
Despejando la derivada de mayor orden tenemos
y x y x y x y
3 2 1
8 ' 7 ' ' 5 1 ' ' '

Escribindola de manera matricial
3
1 2 3
'
1

1
0
0
' '
'
5 7 8
1 0 0
0 1 0
' '
'
x
y
y
y
x x x y
y
y
1
1
1
]
1
+
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1

98
Ejemplo
Utilizar el mtodo de Runge-Kutta de segundo orden (Ralston) para resolver
(Integrar) numricamente la ecuacin diferencial se segundo orden
0 4 ' 5 ' ' + + y y y

desde 0 x a 1 x con tamao de paso 0.25. la condicin inicial en
1 ) 0 ( y
y
0 ) 0 ( ' y
x x
e e y
4
3
1
3
4

Despejando la derivada de mayor orden podemos rescribir la ecuacin diferencial de la
siguiente manera
y y y 4 ' 5 ' '
Escribindola en forma matricial
0
1
0
' 5 4
1 0
'
'
1
]
1
+
1
]
1
1
]
1
1
]
1

y
y
y
y
Como no existe el trmino independiente
1
]
1
1
]
1
1
]
1
' 5 4
1 0
'
'
y
y
y
y

i
i
x
i
y
i
y'
1
k
1
' k
2
k
2
' k
v
v
a
E
0 0.00 1.0000 0.0000 0.0000 -4.0000 -0.7500 -0.2500 1.0000
0.00
1 0.25 0.8750 -0.3750 -0.3750 -1.6250 -0.6797 0.1797 0.9158
4.46
2 0.50 0.7305 -0.4805 -0.4805 -0.5195 -0.5779 0.3279 0.7636
4.33
3 0.75 0.5941 -0.4691 -0.4691 -0.0309 -0.4749 0.3499 0.6132
3.11
4 1.00 0.4759 -0.4134 0.4844
1.75
Dado que
1
]
1
1
]
1
1
]
1
' 5 4
1 0
'
) , (
'
y
y
y
y
y x f
i i
donde
1
]
1
' y
y
son las condiciones iniciales
1
]
1
0
1

calculando
1
k y
2
k
1
]
1
1
]
1
1
]
1
,
_
1
]
1
1
]
1

4
0
0
1
5 4
1 0
0
1
,
0
0
) , (
1
f y x f k
i i
,
_
1
]
1
1
]
1
,
_
1
]
1
+
1
]
1
+
1
]
1
+ +
75 . 0
1
,
1875 . 0
1875 . 0
25 0
4
0
0
1
, 25 . 0
0
0
) , (
4
3
4
3
1 4
3
4
3
2
f . f h k y h x f k
i i

1
]
1
1
]
1
1
]
1
,
_
1
]
1
1
]
1
25 . 0
75 . 0
75 . 0
1
5 4
1 0
75 . 0
1
,
1875 . 0
1875 . 0
2
f k
99
Calculando
1
y
1
]
1

,
_
1
]
1
+
1
]
1
+
1
]
1

,
_
+ +
+
3750 . 0
8750 . 0
25 0
25 . 0
75 . 0
3
2
4
0
3
1
0
1
3
2
3
1
2 1 1
. h k k y y
i i

Realizando otra iteracin tenemos que
1
k y
2
k
1
]
1
1
]
1
1
]
1
,
_
1
]
1
1
]
1

6250 . 1
3750 . 0
3750 . 0
8750 . 0
5 4
1 0
3750 . 0
8750 . 0
,
25 . 0
25 . 0
) , (
1
f y x f k
i i
,
_
1
]
1
1
]
1
,
_
1
]
1
+
1
]
1
+
1
]
1
+ +
6797 . 0
8047 . 0
,
4375 . 0
4375 . 0
25 0
6250 . 1
3750 . 0
3750 . 0
8750 . 0
, 25 . 0
25 . 0
25 . 0
) , (
4
3
4
3
1 4
3
4
3
2
f . f h k y h x f k
i i

1
]
1
1
]
1
1
]
1
,
_
1
]
1
1
]
1
1797 . 0
6797 . 0
6797 . 0
8047 . 0
5 4
1 0
6797 . 0
8047 . 0
,
4375 . 0
4375 . 0
2
f k
Calculando
2
y
1
]
1
,
_
1
]
1

+
1
]
1
+
1
]
1
,
_
+ +
+
4805 . 0
7305 . 0
25 0
1797 . 0
6797 . 0
3
2
6250 . 1
3750 . 0
3
1
3750 . 0
8750 . 0
3
2
3
1
2 1 1
. h k k y y
i i

En la siguiente figura se observa los resultados graficados
0 . 2 0 . 4 0 . 6 0 . 8 1 1 . 2 1 . 4 1 . 6 1 . 8 2
0 . 5
1
0
- 0 . 5
Solucin verdadera
Aproximacin de
y
x
y
Aproximacin de '
y
100
Universidad Autnoma de Baja California
Mtodos Numricos
Tarea unidad II
EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo ms exacta
posible.
1. Usa el mtodo de biseccin para aproximar la raz de 1 2 ) (
2
+

x e x f
x
comenzando en
el intervalo [0.75,1] y hasta que % 1 <
a
. Solucin:
r
x =0.8046875.
2. Usa el mtodo de biseccin para aproximar la raz de
x x x f tan 1 ) (
2
+ +
comenzando
en el intervalo [0.5,1] y hasta que % 1 <
a
. Solucin:
r
x =0.9453125.
3. Usa el mtodo de la regla falsa para aproximar la raz de
3 2
4 ) ( x x x f comenzando en
el intervalo [1,2] y hasta que % 1 <
a
. Solucin:
r
x =1.310240113.
4. Usa el mtodo de la regla falsa para aproximar la raz de 4 ln ) (
2
+ x x x f comenzando
en el intervalo [1,2] y hasta que % 1 <
a
. Solucin:
r
x =1.841068663.
5. Usa el mtodo de Newton-Raphson para aproximar la raz de x x x f arctan 1 ) (
2

comenzando con 5 . 0
0
x y hasta que % 1 <
a
. Solucin:
r
x =0.650561444.
6. Usa el mtodo de Newton-Raphson para aproximar la raz de x x x f cos ) ( , comenzando
con 1
0
x y hasta que % 1 <
a
. Solucin:
r
x =0.739085133.
7. Usa el mtodo de la secante para aproximar la raz de
x
e x x f
2
arcsin ) (

comenzando
con 0
0
x , 5 . 0
1
x y hasta que % 1 <
a
. Solucin:
r
x =0.419118641.
8. Usa el mtodo de la secante para aproximar la raz de x e x f
x

) ( comenzando
con 0
0
x , 1
1
x y hasta que % 1 <
a
. Solucin:
r
x = 0.567170358.
9. Usa el mtodo de iteracin del punto fijo para aproximar la raz de 1 ) ( x x sen x f
0
x y hasta que % 1 <
a
. Solucin:
r
x =0.513272518
10. Usa el mtodo de iteracin del punto fijo para aproximar la raz de 4 2 ln ) ( + x x x f
0
x y hasta que % 1 <
a
. Solucin:
r
x =1.725168086.
11. Usa el mtodo de Newton Rasphson modificado para aproximar la raz de
3 10 12 6 ) (
2 3 4
+ + x x x x x f comenzando con
0
0
x
y hasta que
% 1 <
a
.
r
x =1.
Mtodos Numricos
Tarea unidad III
EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo ms exacto
posible.
1.- Si A y B son las siguientes matrices obtenga lo que se le pide.
1
1
1
]
1
5 0 4
3 1 2
6 5 1
A
1
1
1
]
1
4 0 1
6 2 1
1 3 4
B
a) B A b) A B c) A B + d) A 9 e)
T
A
f) ( )
T
A Det g) ( ) B Det
2.- Para los siguientes sistemas de ecuaciones obtenga la regla de Cramer.
5 5 2
84 10 6 4
49 8 3 7
3 2 1
3 2 1
3 2 1

+
+
x x x
x x x
x x x
17 4 6
25 4 5
3 7 3 4
36 2 12
4 3 2
2 1
3 2 1
4 3
+
+
+
+
x x x
x x
x x x
x x
3.- Resuelva los siguientes sistemas de ecuaciones mediante eliminacin Gaussiana, y con el
mtodo de Gauss-Jordan.
5 . 35 2 6 2
23 4
21 2 3
25 . 15 2 3
4 3 2 1
4 3 2
4 3 2 1
4 3 2 1
+ + +
+
+ +
+ +
x x x x
x x x
x x x x
x x x x
33 2 12 5
10 12 3
103 14
3 2 1
3 2 1
2 1
+
+

x x x
x x x
x x
4.- Utilice descomposicin LU para resolver los siguientes sistemas.
58 5 3 2
42 3 2 2
69 6 4
77 4 2 5 2
4 3 2 1
4 3 2 1
4 3 2
4 3 2 1
+ +
+ +
+ +
+ +
x x x x
x x x x
x x x
x x x x
86 12 3
28 2 6
39 2 4
3 2 1
3 2 1
3 2 1
+
+

x x x
x x x
x x x
5.- Use la Crout (Inversa por LU ) para obtener la inversa de las siguientes matrices. As
mismo obtenga el nmero de condicin de dichas matices.
1
1
1
1
]
1
2 1 6 2
4 1 1 0
2 1 3 1
1 2 3 1
A
1
1
1
]
1
9 4 2
2 8 1
6 3 10
B
1
]
1
7 3
9 4
C
6.- Obtenga la descomposicin de Cholesky para las siguientes matrices.
1
1
1
1
]
1
49 36 16 12
36 38 18 15
16 18 52 18
12 15 18 9
A
1
1
1
]
1
243 46 14
46 10 2
14 2 4
B
1
]
1
89 . 0 16 . 0
16 . 0 04 . 0
C
Mtodos Numricos
Tarea unidad IV
EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo ms exacto
posible.
1.- Resuelva las siguientes integrales definidas obteniendo la mejor exactitud posible
2

dx
x
x sen
+
5
3
5 3
) 3 4 1 ( dx x x x

5 . 1
2
2
2
2
1
dx e
x
2.- Hallar los polinomios interpoladores de segundo y tercer grado con nodos en los
puntos 0, 1,1 y 2,1, 1, 2 respectivamente de las funciones: a.
x x f ) (
, b.
2
) ( x x f ,
c. 1 3 2 ) (
2
+ x x x f , d.
) 1 2 /( 1 ) ( + x x f
, e. ) 1 /( 1 ) (
2
x x f + . Y evalelos para cuando
5 . 0 x
3.- Halla el polinomio interpolador de tercer grado de la funcin
) (x sen
con los puntos
en los Halla
, 0

, 4 /

, 4 / 3

y el polinomio interpolador de cuarto grado con nodos en

los puntos
, 4 / 3 , 2 / , 4 / , 0
En ambos casos para el punto
8 / x
.

4.- Obtenga la derivada de las siguientes ecuaciones para 10 x
) ln(
2
X e y
X X

+

) cos( 2
) sin( 3
) (
x
x
x f
+
5.- Obtenga la derivada de las siguiente ecuacin para 5 x x e y

X
ln
2

6.- Ajuste un a polinomio de interpolacin de Lagrange los siguientes puntos para
obtener 5 x , as mismo use el mtodo de mnimos cuadrados para el mismo punto.
X 1.2 1.8 3.1 4.9 5.7 7.1
F(X) 4.5 5.9 7.0 7.8 7.2 6.8
7.- utiliza la regla trapezoidal, Simpson
3
1
y
8
3
para resolver las siguientes integrales
2
0
) cos(
dx x

1
0
2
dx e
x

0
2
) cos( dx x
Mtodos Numricos
Tarea IV
1. Dada la siguiente ecuacin diferencial: con condiciones iniciales 5 . 0 ) 2 ( y tomando 5 . 0 h en
cada paso del proceso iterativo hasta 4 x use el mtodo de Euler.
Solucin: 403160 8.21613948 (2) y
2 2
' y x y +
2. Dada la ecuacin diferencial: Use el mtodo de Heun para aproximar ) 3 . 1 ( y tomando 1 . 0 h en
cada paso del proceso iterativo. Con condiciones iniciales 5 . 1 ) 1 ( y .
Solucin: . 697832 1.80788129 ) 3 . 1 ( y
) ln( ' y x y +
3. Dada la ecuacin diferencial: 3 2 ' + y x y Usa el mtodo de punto medio para aproximar ) 3 . 2 ( y
para aproximar tomando 1 . 0 h en cada paso del proceso iterativo. Con condiciones iniciales de
1 ) 2 ( y
Solucin: 1.79693050 ) 3 . 2 ( y
4. Dada la siguiente ecuacin diferencial, Use el mtodo de Ralston para aproximar ) 3 . 3 ( y tomando
1 . 0 h en cada paso del proceso iterativo. Con condiciones iniciales 5 . 2 ) 3 ( y
Solucin: 645258 2.52416053 ) 3 . 3 ( y
y x
y
+
2
1
'

5. Dada la siguiente ecuacin diferencial: Use el mtodo de Runge-Kutta tercer orden para aproximar
) 3 . 4 ( y tomando 1 . 0 h en cada paso del proceso iterativo. Con condiciones iniciales 5 ) 4 ( y
Solucin: 356027 5.48415211 ) 3 . 4 ( y
y
x y
1
) ln( ' +
6. Dada la siguiente ecuacin diferencial, Use el mtodo de Runge-Kutta cuarto orden Simpson 3 1 para
aproximar ) 3 . 3 ( y tomando 1 . 0 h en cada paso del proceso iterativo. Con condiciones iniciales de
10 ) 3 ( y
Solucin: 9220025 11.5158092 ) 3 . 3 ( y
y x y + '
7. Dada la siguiente ecuacin diferencial de segundo orden, Use el mtodo de Euler para aproximar
) 5 . 0 ( y tomando 1 . 0 h en cada paso del proceso iterativo. Con condiciones iniciales de 0 ) 0 ( y y
0 ) 0 ( ' y
Solucin:
416098 0.12084227 ) 5 . 0 ( y
) cos( ' ' ' x e y y
x

Solucin real ) sin( ) cos(
2
1
2
1
2
1
x e x e y
x x
+
8. Dada la siguiente ecuacin diferencial de tercer orden, Use el mtodo de Heun para aproximar
) 5 . 0 ( y tomando 1 . 0 h en cada paso del proceso iterativo. Con condiciones iniciales de 0 ) 0 ( y ,
0 ) 0 ( ' y
y
1 ) 0 ( ' ' y
Solucin:
350417 0.11002693 ) 5 . 0 ( y
x
e y y y y

+ 2 ' 3 ' ' 3 ' ' ' 2
Solucin real
x x x x
e e e e y

+ + +
2
1
18
5
2
9
1
2
9
8

Metodos Numericos 2008 1

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Metodos Numericos 2008 1

Hochgeladen von

Copyright:

Verfügbare Formate

Mtodos Numricos.

kn n f ) ( , se dice que el crecimiento del error

se dice que una sucesin es creciente si:

, es decir toda funcin

Ejemplo de la obtencin de la serie de Fourier de una onda cuadrada

podemos tener que:

Si 1 m ,se le conoce como vector

0.0998797 0.00270973 0100783 . 0

3842 . 14 0879 . 28 4537 . 22

Para estimar la primera aproximacin a la solucin se debe partir de un vector inicial, el

de donde es fcil despejar a

Con lo cual se obtiene el polinomio de interpolacin cuadrtico.

Geomtricamente el mtodo trapezoidal es un equivalente a aproximar grficamente el

es la altura promedio del trapecio.

Y el error aproximado est dado por:

Para calcular la anchura de los nuevos intervalos tenemos que:

Y el error aproximado est dado por:

Y el error aproximado est dado por:

Para calcular la anchura de los nuevos intervalos tenemos que:

Y el error aproximado est dado por:

Diferenciacin hacia delante, hacia atrs y centrada

Diferenciacin hacia delante

Diferenciacin hacia atrs

Expresiones de Primeras Diferencias Hacia delante

Expresiones de Primeras Diferencias Hacia Atrs

Sustituyendo las ecuaciones anteriores se tiene que

La solucin matemtica de la EDO se puede obtener por separacin de variables e

es conocida como la funcin incremento, la cual puede interpretarse

Para una ecuacin diferencial de tercer orden

y el polinomio interpolador de cuarto grado con nodos en

5.- Obtenga la derivada de las siguiente ecuacin para 5 x x e y

Das könnte Ihnen auch gefallen