Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
100% encontró este documento útil (2 votos)
708 vistas215 páginas

Metodos Numericos para Ingenieros

Descargar como pdf o txt
Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1/ 215

UNIVERSIDAD AUTÓNOMA DE GUERRERO

UNIDAD ACADÉMICA DE INGENIERÍA

MÉTODOS NUMÉRICOS

MARTÍN
BARRAGÁN
SOLÍS
DATOS CURRICULARES DEL AUTOR
Ingeniero Civil (UAGro), 100% créditos de Maestría en Ingeniería con
Especialidad en Hidráulica (UNAM).

Aspecto laboral:
MARTÍN BARRAGÁN SOLÍS

Ingresó a la UAGro, como auxiliar académico en 1975 obteniendo el


tiempo completo en abril de 1981. Actualmente tiene la categoría de
Tiempo Completo Titular A y se desempeña en la Unidad Académica
de Ingeniería, donde imparte cátedra de las Unidades de aprendizaje del
área de Hidráulica y Métodos Numéricos.

Trabajó en CFE (Hidrometría), donde fungió como Jefe de


Departamento, planificando, recabando y procesando información
hidroclimatológica para las Plantas Hidroeléctricas: Infiernillo y Villita
(en el río Balsas) y de Aguamilpa (en el río Santiago).

Puestos desempeñados:

Consejero técnico, Jefe del Laboratorio de Hidráulica, Presidente de la


Academia de Hidráulica, Coordinador del Programa Educativo de
Ingeniero Civil, Delegado sindical, Secretario de Previsión Social y
Vivienda y Secretario General del Comité Ejecutivo Central del
Sindicato de Trabajadores Académicos de la UAGro.
INDICE GENERAL

PRESENTACION i

INTRODUCCION Y ALCANCE DE LOS MÉTODOS


Capítulo 1 NUMÉRICOS 1
1.1 Introducción 1
1.2 ¿Qué son los métodos numéricos? 1
1.3 Métodos anteriores a la aparición de la computadora 2
1.4 Los métodos numéricos y la práctica de la ingeniería 3
MARTÍN BARRAGÁN SOLÍS

¿Hay límites para la capacidad de los métodos


1.5 numéricos? 4
1.6 ¿Por qué estudiar métodos numéricos? 5
1.7 Lenguaje de computadora 6

Capítulo 2 APROXIMACIONES Y ERRORES 9


2.1 Introducción 9
2.2 Cifras significativas 10
2.3 Definiciones de error y clasificación 11
2.4 Limitaciones y exactitud de los datos experimentales 17

SOLUCIÓN NUMÉRICA DE ECUACIONES


Capítulo 3 ALGEBRAICAS
Y TRASCENDENTES 21
3.1 Introducción 21
3.2 Características de los métodos numéricos 23
3.3 Método de aproximaciones sucesivas 23
3.4 Método de bisección 27
3.5 Método de falsa posición 30
3.6 Método de Monte Carlo 34
3.7 Método de Newton Raphson 37
3.8 Método modificado de Newton 42
3.9 Método de la secante 45

SOLUCIÓN NUMÉRICA SISTEMAS DE


Capítulo 4 ECUACIONES SIMULTÁNEAS 55
4.1 Introducción 55
4.2 Conceptos y operaciones básicas con matrices 55
4.3 Métodos de solución 60
4.3.1 Eliminación completa de Gauss Jordan 60
4.3.2 Matriz inversa 72
4.3.3 Jaobi 75
4.3.4 Gauss Seidel 79
Capítulo 5 INTERPOLACIÓN Y AJUSTE DE CURVAS 93
5.1 Introducción 93
5.2 Interpolación lineal 94
5.3 Interpolación polinomial 95
5.4 Ajuste de curvas- aproximación funcional 106
5.5 Aproximación a funciones continuas 118

Capítulo 6 INTEGRACIÓN NUMÉRICA 131


MARTÍN BARRAGÁN SOLÍS

6.1 Introducción 131


6.2 Elementos teóricos 132
6.3 Métodos de solución 133
6.3.1 Rectangular 133
6.3.2 Trapecial 136
6.3.3 Simpson 1/3 141
6.3.4. Romberg 147
6.3.5. Cuadratura de Gauss 155

SOLUCIÓN NUMÉRICA DE ECUACIONES


Capítulo 7 DIFERENCIALES 165
7.1 Generalidades 165
7.2 Métodos de solución 169
7.2.1 Euler 169
7.2.2 Euler modificado 175
7.2.3 Heun 178
7.2.4 Runge Kutta de segundo orden 183
7.2.5 Runge Kutta de tercer orden 189
7.2.6 Runge Kutta de cuarto orden 191
7.2.7 Runge Kutta de orden superior 195

BIBLIOGRAFIA 199
Apéndice A SERIE DE TAYLOR 200
Apéndice B Ceros y Pesos en fórmula de G-Legendre 207
PRESENTACIÓN

Al inicio de cada capítulo, se presentan, de manera sencilla, los


conceptos teóricos básicos más comunes relacionados con el tema que se
desarrolla, de tal forma que el lector haga una remembranza de los tópicos que
debe conocer y tenga una motivación inmediata. Ello facilitará que las
aplicaciones sean más expeditas y amenas, porque verá con satisfacción que
MARTÍN BARRAGÁN SOLÍS

obtiene resultados tan exactos como los que tendría con los métodos
analíticos, cuando sea posible hacerlos de esa forma, muy a pesar de que los
métodos numéricos fueron ideados para aquellos problemas que no han sido
resueltos de manera tradicionalista; sin que esto último quiera decir o asegurar
que la teoría básica tenga poca validez.

Referente a las técnicas para resolver problemas, representados por


ecuaciones algebraicas y trascendentes (principalmente las no lineales), se
describen ocho métodos numéricos, entre los que destacan, por su sencillez:
Aproximaciones sucesivas, Bisección, Regla Falsa, Monte Carlo, Newton-
Raphson (llamado también Newton-Sencillo), Newton Modificado y Secante.

Entre los métodos que resuelven sistemas de ecuaciones lineales, se


muestra la bondad y conveniencia de los métodos: Eliminación completa de
Gauss- Jordan, Matriz inversa, Jacobi y Gauss Seidel con y sin relajaciones.

Las técnicas de interpolación y ajuste de curvas presentadas, manejan


los casos lineales y no lineales. En la interpolación se explica con claridad la
aplicación de las fórmulas de Gregory – Newton y la fórmula de Lagrange, en
el ajuste de curvas, se describe con detalle el método de mínimos cuadrados,
por ser de aplicación sencilla y resultados satisfactorios, si el estudiante
visualiza el polinomio de ajuste o la función especial, más apropiados.

En la integración numérica se incluyen, por una parte: La Regla


Trapecial, la Regla de Simpson y, por la otra: La Cuadratura de Gauss y el
polémico método de Romberg. Todos ellos con una sencillez increíble y, sobre
todo, para el método numérico de Romberg la libertad de disponer, de
antemano, la exactitud de los resultados.

Para resolver ecuaciones diferenciales, se encontrarán métodos de


aplicación sencilla, pero de resultados muy aproximados como: Euler, Euler
mejorado y Heun; sin embargo, también se muestran otros de mayor grado de
dificultad, pero de resultados mejorados, como los métodos de Runge-Kutta en
sus diferentes modalidades. Desde luego que se recomienda, como acervo
cultural, el manejo de todos ellos, pero para aplicaciones profesionales no
existe la menor duda que deben hacerse con los métodos de Runge Kutta, de
tercero, cuarto y quinto orden.

En las aplicaciones, se plantean problemas tipo, por áreas del


conocimiento en el campo de ingeniería. Los ejemplos presentados fueron
resueltos con ayuda de una computadora digital, ya que, se justifica
ampliamente que, con el advenimiento de las computadoras, los métodos
numéricos adquieren una fuerza, casi insuperable.
MARTÍN BARRAGÁN SOLÍS

No dejaré de recomendar a los estudiantes de ingeniería la bondad de


los métodos numéricos, ya que en lo personal me han dado muchas
satisfacciones y me gustaría compartirlas con ustedes, con este material que
fue escrito con un lenguaje totalmente entendible y que hoy pongo a su
disposición, esta primera publicación.

EL AUTOR
1

Capítulo 1
INTRODUCCIÓN Y ALCANCE DE LOS MÉTODOS NUMÉRICOS
MARTÍN BARRAGÁN SOLÍS

1.1 Introducción

Empezaremos este capítulo, discutiendo en forma breve el propósito y el poder


de los métodos numéricos; así como sus limitaciones y, posteriormente,
presentaremos una justificación para el estudio detallado de los mismos. En cada
capítulo, primeramente se presentas los elementos teóricos básicos, con un
lenguaje fácil de digerir y al final de cada exposición teórica, como un repaso de la
teoría se resuelven varios ejercicios, con la finalidad de que los estudiantes puedan,
posteriormente, adaptarlos a sus necesidades propias, en sus aplicaciones
profesionales o de investigación.

1.2 ¿Qué son los métodos numéricos?

Los métodos numéricos son una clase de técnicas para resolver una gran
variedad de problemas matemáticos. Estos problemas pueden, naturalmente, tener
su origen como modelos matemáticos o situaciones físicas. Este tipo de métodos
son extraordinarios puesto que solamente son empleadas operaciones aritméticas y
lógicas; de esta manera los cálculos pueden hacerse directamente o usando una
computadora digital.

Aunque en el sentido estricto del término, cualquier cosa, desde los dedos hasta
un ábaco, pueden ser considerados como una computadora digital, sin embargo,
aquí usaremos este término para referirnos a computadoras electrónicas, las
cuales han sido usas razonablemente y en forma difusa, desde a mediados de
1950. Actualmente los métodos numéricos preceden a las computadoras
2

electrónicas por muchos años y, en realidad, muchos de los métodos usados


generalmente datan, en forma virtual, desde el inicio de las matemáticas modernas;
mas sin embargo, el uso de estos métodos fue relativamente limitado hasta el
advenimiento de la calculadora mecánica de escritorio y posteriormente
dramáticamente incrementada. En un sentido real, los métodos numéricos vinieron
a revolucionar las técnicas de solución, de varios problemas complejos, con la
introducción de la computadora electrónica.

La combinación de métodos numéricos y las computadoras digitales han creado


una herramienta de inmenso poder en el análisis numérico. Por ejemplo, los
métodos numéricos son capaces de manejar la no linearidad, la geometría compleja
MARTÍN BARRAGÁN SOLÍS

y sistemas grandes de ecuaciones simultáneas que son necesarios para la


simulación perfecta de muchas situaciones físicas reales. Las matemáticas clásicas,
junto con las matemáticas aplicadas más ingeniosas no pueden competir con
muchos de estos problemas en el nivel requerido por la tecnología de hoy en día.
Como resultado, los métodos numéricos han desplazado el análisis con las
matemáticas clásicas en muchas aplicaciones industriales y de investigación; sin
que ello signifique que las instituciones deban dejar de incluir, en la formación de los
estudiantes, esta temática.

1.3 Métodos anteriores a la aparición de la computadora

Antes del uso de la computadora digital, había tres métodos diferentes que los
ingenieros aplicaban a la solución de los problemas, a saber:

1. Soluciones exactas. Con frecuencia, estas soluciones resultaban útiles y


proporcionaban una comprensión excelente del comportamiento de algunos
sistemas. Sin embargo, las soluciones analíticas pueden encontrarse sólo para
una clase limitada de problemas. Estos incluyen aquellos que pueden
aproximarse mediante modelos lineales y también a aquellos que tienen una
geometría simple y pocas dimensiones. En consecuencia, las soluciones
exactas tienen valor práctico limitado, porque la mayor parte de los problemas
reales no son lineales, e implican formas y procesos complejos.

2. Soluciones gráficas. Estas soluciones tomaban la forma de grafos o


nomogramas. Aunque las técnicas gráficas a menudo pueden emplearse para
resolver problemas complejos, los resultados no son muy precisos. Es más, las
soluciones gráficas (sin ayuda de una computadora) son tediosas en extremo y
3

difíciles, de implementar. Finalmente, las técnicas gráficas están limitadas a


aquellos problemas que puedan describirse usando tres dimensiones o menos.

3. Cálculos manuales y reglas de cálculo. Aunque en teoría estas aproximaciones


deberían ser perfectamente adecuadas para resolver problemas complicados,
en las prácticas, se presentan algunas dificultades. Los cálculos manuales son
lentos y tediosos; además no existen resultados consistentes debido a que
surgen equivocaciones cuando se efectúan las operaciones de esa forma.
MARTÍN BARRAGÁN SOLÍS

1.4 Los métodos numéricos y la práctica de la ingeniería

Desde finales de la década de 1940, la multiplicación y disponibilidad de las


computadoras digitales han llevado a cabo una verdadera explosión en cuanto al
uso y desarrollo de los métodos numéricos. Al principio, este crecimiento estaba
algo limitado por el costo de acceso a computadoras grandes, por lo que, muchos
ingenieros continuaban usando simples planteamientos analíticos en una buena
parte de su trabajo. No es necesario mencionar que la reciente evolución de
computadoras personales de bajo costo, ha dado a mucha gente un fácil acceso a
poderosas capacidades de cómputo.

Además, existe un buen número de razones por las cuales se deben estudiar los
métodos numéricos, en ciencias e ingeniería:

1. Los métodos numéricos son herramientas extremadamente poderosas para la


solución de problemas reales. Son capaces de manejar sistemas de ecuaciones
lineales grandes, la no linealidad y geometrías complicadas (como ya se dijo
antes), que son comunes en la práctica de la ingeniería aplicada y que, a
menudo, son imposibles de resolver analíticamente. Por lo tanto, amplían la
habilidad de quien los estudia para resolver problemas.

2. En el transcurso de su carrera, es posible que el lector tenga la ocasión de usar


software disponible comercialmente que contenga métodos numéricos. El uso
inteligente de estos programas depende del conocimiento de la teoría básica en
la que se basan los métodos que se discutirán en este trabajo; por lo que es
necesario que el estudiante los vea (los métodos numéricos), como una
respuesta a sus inquietudes.
4

3. Hay muchos problemas, en las aplicaciones reales, que no pueden plantearse al


emplear programas “hechos”. Si se está versado en los métodos numéricos y se
es un adepto a la programación de computadoras, entonces se tiene la
capacidad de diseñar programas propios para resolver los problemas, sin tener
que comprar un software costoso.

4. Los métodos numéricos son un vehículo eficiente para aprender a servirse de


las computadoras personales. Es bien sabido que una manera efectiva de
aprender a programar las computadoras es al escribir los programas. Como los
métodos numéricos en su mayor parte están elaborados para implementarse en
computadoras, resultan ideales para ese propósito. Aún más, están
MARTÍN BARRAGÁN SOLÍS

especialmente adaptados para ilustrar la potencia así como las limitaciones de


las computadoras. Cuando el lector implemente con buen resultado los métodos
numéricos en una computadora personal y los aplique para resolver problemas
de otro modo resultan intratables, entonces tendrá una demostración tangible de
cómo pueden ayudarle las computadoras para su desarrollo profesional. Al
mismo tiempo, aprenderá a reconocer y controlar los errores de aproximación
que son inesperables de los cálculos numéricos a gran escala.

5. Los métodos numéricos son un medio para reforzar su comprensión de las


matemáticas. Porque una función de los métodos numéricos es la de reducir las
matemáticas superiores a operaciones aritméticas básicas, ya que profundizan
en los sistemas que de otro modo resultan oscuros. Esta alternativa aumenta su
capacidad de comprensión y entendimiento en la materia.

1.5 ¿Hay límites para la capacidad de los métodos numéricos?

Naturalmente que la respuesta a esta pregunta es un enfático “si”. Está a la vista


de muchos investigadores, científicos e ingenieros quienes deberían conocer mejor,
que si un problema no puede ser resuelto de ningún otro modo, debido a que, todos
y cada uno tiene que estar frente a una computadora. Este estado de cosas
(eventos) es indudablemente debido al enorme poder de los métodos numéricos los
cuales hemos discutido en la sección anterior. Sin embargo, desafortunadamente es
cierto que hay muchos problemas que son aún imposibles (en algunos casos
deberíamos usar la palabra “impráctica”) de resolver usando métodos numéricos.
Para algunos de esos problemas no exactos, el modelo matemático completo aún
no ha sido encontrado, obviamente es imposible considerar una solución numérica.
Otros problemas son simplemente tan enormes que su solución está más allá de los
límites prácticos en términos de la tecnología actual, de las computadoras. Por
5

ejemplo, ha sido estimado que para obtener un detalle de la solución para


problemas de flujo turbulento, en función del tiempo, que incluya los efectos de los
remolinos más pequeños, requeriríamos del orden de 30 años. Esta estimación ha
sido basada en la tecnología de 1968 y es probablemente más o tal vez un poco
menor con la tecnología actual. Desde luego la pregunta completa de
practicabilidad, frecuentemente depende de qué tanto se dispone para pagar la
obtención de una respuesta. Algunos problemas son tan importantes que la
industria o el gobierno está dispuesto a pagar muchos millones de dólares para
obtener la capacidad computacional necesaria y ayudar a hacer práctica la solución
de los problemas que previamente habían sido considerados con solución
impráctica. En muchos casos, aunque los límites están constantemente
MARTÍN BARRAGÁN SOLÍS

reduciéndose, ahí permanecen muchos problemas, los cuales están en la


investigación con la tecnología actual o en la formulación del modelo matemático o
en términos de la capacidad computacional que hoy se tiene.

1.6 ¿Por qué estudiar métodos numéricos?

Podría parecer extraña la pregunta; sin embargo, para los conocedores del
poder de los métodos numéricos, que saben de su extenso uso en cada faceta de la
ciencia, la tecnología y el gobierno; la pregunta es injustificada, ya que, en el
estudio de la ciencia y la tecnología tienen una justificación inmediata, por lo que,
más bien se recomienda su uso en la licenciatura y postgrado, debido a que estos
últimos tendrían pocas aportaciones si no hacen aplicaciones de éstos y de nada le
servirían los equipos más modernos de cálculo.

En muchos casos, el trabajo hecho por los métodos numéricos es altamente


valorado, sin embargo, en el uso de programas y subprogramas inevitablemente se
encontrarán dificultades. Estas dificultades pueden depender de muchas causas,
incluyendo las siguientes:

a) Una situación física compleja no puede ser exactamente simulada por un


modelo matemático (esto es un punto extremadamente crucial, pero está
fuera del alcance de la presente discusión).

b) El método numérico no libera completamente todas las situaciones.

c) El método numérico no está completamente libre de error.

d) El método numérico no es óptimo para todas las situaciones.


6

Las dificultades con los métodos numéricos pueden resultar en un programa pre-
empaquetado o un subprograma de librería produciendo resultados erróneos o no
tener los resultados esperados. En adición, el usuario registra subprogramas de
librería para ejecutar o hacer ciertas tareas para encontrar una variedad de
subprogramas y números que generalmente son aplicados, pero el material
descriptivo rara vez dará algún indicador de la eficiencia del subprograma o su
conveniencia para resolver el problema en específico.

El usuario con cualquiera de esos problemas, pero que no tiene el conocimiento


de métodos numéricos, debería buscar la información necesaria (quizá un analista
MARTÍN BARRAGÁN SOLÍS

numérico), si de verdad es un asesor evaluado. Sin embargo, en esta situación


podría ser difícil que el usuario planteara las preguntas adecuadamente y, en
consecuencia la respuesta podría no ser la más adecuada, puesto que la
experiencia de los dos podría quizá sea bastante diferente.

Podemos ver de esta manera que, existe una fuerte justificación para que el
científico o el ingeniero adquieran conocimientos de los métodos numéricos. Este
conocimiento capacita al usuario de un computador, a seleccionar, modificar y
programar un método para una tarea específico, así como en la selección de
programas y subprogramas pregrabados de la librería y hacer posible, para el
usuario, la comunicación con un especialista eficiente y de modo inteligente buscar
ayuda para un problema particularmente difícil. Finalmente deberían ser
reorganizado, el gran volumen de los que han sido llamados “métodos
desarrollados” (cuyo objetivo es escribir programas para simular problemas físicos
complejos) hecho por ingenieros y científicos y no por analistas numéricos.
Obviamente, las técnicas numéricas más eficientes deberían ser empleadas
exactamente en tal trabajo y el conocimiento completo de métodos numéricos es
esencial para ingenieros y científicos en tales proyectos.

A continuación se discuten, brevemente, algunos tópicos relevantes de las


herramientas de cálculo mencionadas: las computadoras electrónicas.

1.7 Lenguajes de computadora

La mayoría de los lectores de este libro, tendrá en mente alguna idea en


programación, en un lenguaje de “alto nivel” para computadora, tal como
FORTRAN, ALGOL o BASIC. Esos lenguajes de programación permiten, al usuario,
7

escribir programas en una forma en la que incluye fórmulas algebraicas y


proposiciones lógicas en inglés, para instrucciones de entrada y salida. Tales
lenguajes de alto nivel son virtualmente independientes de la máquina en la cual
correrá el programa. Mediante el uso de un programa de computadora llamado
compilador, el programa de alto nivel puede ser convertido al código fundamental de
la máquina con lo que el programa será actualmente ejecutado.

Para la mayoría de los casos, es usado el lenguaje de programación FORTRAN


IV. Con algunas excepciones el ALGOL raras veces es usado para cálculos
científicos, pero es extremadamente usado como un lenguaje internacional para
describir algoritmos. El BASIC es un lenguaje popular para uso de sistemas de
MARTÍN BARRAGÁN SOLÍS

tiempo compartido y usualmente es usado para tareas programadas relativamente


simples. Otros lenguajes de alto nivel para uso científico son APL (también usa,
razonablemente el tiempo compartido y conveniente tanto para tareas de muy
simples hasta sofisticadas), MAD (con las mismas limitantes que el ALGOL) y PL-1
(un lenguaje actualmente poderoso de interés principal para cálculos científicos).

La aparición de cada nuevo lenguaje de programación es bien recibida por un


buen promedio de usuarios. Estos lenguajes imponen nuevas reglas que tienen que
ser aprendidas y posiblemente confundidas con otros lenguajes. Sin embargo,
cualquier perdona razonablemente flexible encontrará pocas dificultades en
adaptarse a un nuevo lenguaje si es necesario. Lo más importante es la economía,
los programas de computadora largos son muy caros y la conversión de esos
programas a otro lenguaje puede ser la mejor tarea, pero involucrará muchos
meses de trabajo. Esta es una de las razones principales por las que FORTRAN IV
es el lenguaje estándar en aplicaciones de la ciencia y únicamente debe
desplazarse hacia el futuro.
MARTÍN BARRAGÁN SOLÍS 8
9

Capítulo 2
APROXIMACIONES Y ERRORES
MARTÍN BARRAGÁN SOLÍS

2.1 Introducción

Las técnicas numéricas conducen a aproximaciones en sus resultados, ya


que, éstas se usan como una alternativa de solución cuando el problema por
resolver no tiene un modelo matemático de solución o aún teniéndolo la respuesta
esperada no es encontrada con los métodos analíticos. Por consiguiente, los
errores forman parte intrínseca de los métodos numéricos, debido a que éstos son
sólo una aproximación de la solución a un problema. En la práctica profesional, los
errores pueden resultar costosos y en algunas ocasiones catastróficos, debido a
que por un error se puede perder hasta la vida si una estructura o un dispositivo
llegan a fallar. Las fuentes de errores pueden ser instrumentales, por
imperfecciones o desajustes del equipo usado en la toma de medidas; personales
que se producen por la falta de habilidad del observador para leer, con exactitud, los
instrumentos y de cálculo.

En el presente capítulo se cubren varios aspectos que identifican, cuantifican


y minimizan los errores. Dos de los errores más comunes son los de redondeo y de
truncamiento. Los primeros se deben a que el equipo de cálculo usado, sólo puede
representar cantidades con un número finito de dígitos. Los errores por
truncamiento, representan la diferencia entre una formulación matemática exacta de
un problema y la aproximación dada por un método numérico. Desde luego que no
dejan de discutirse, brevemente, los errores por equivocación, que son debidos a
una mala formulación de modelos, así como los errores por incertidumbre de la
obtención de datos.
10

2.2 Cifras significativas

El concepto de cifras significativas se ha desarrollado para designar el grado


de confiabilidad de un valor numérico. El número de cifras significativas es el
número de dígitos, más un dígito estimado que se pueda usar en los instrumentos
no digitales.

Los ceros no siempre son cifras significativas, ya que pueden usarse sólo
para ubicar el punto decimal, así que, los siguientes números tienen cuatro cifras
significativas.
MARTÍN BARRAGÁN SOLÍS

0.000 018 45
0.000 184 5
0.001 845

Cuando se incluyen ceros en números muy grandes, no se ve claro cuántos


de ellos son significativos, si es que los hay. Por ejemplo, el número 45300 puede
tener tres, cuatro o cinco dígitos significativos, dependiendo si los ceros se conocen
con exactitud. La incertidumbre se puede desechar usando la notación científica;
por lo que, 4.53 x104, 4.530 x 104 y 4.5300 x 104 muestran que el número en
cuestión, tiene tres, cuatro y cinco cifras significativas.

Las implicaciones que se tienen en el estudio de los métodos numéricos son:

1) Debe especificarse claramente la tolerancia en los cálculos, por ejemplo, se


puede decidir que la aproximación sea aceptable siempre y cuando sea
correcta hasta cuatro cifras significativas, o sea que, debe existir seguridad
que las primeras cuatro cifras son correctas.

2) Aunque ciertas cantidades (, e, 2 ), representan números específicos, no


se pueden expresar exactamente con un número finito de dígitos. Por
ejemplo, el número  es igual a 3.141 592 653 589 793 238 462 643... hasta
el infinito. De aquí que estos números siempre contendrán el error por
redondeo, puesto que los dígitos desplegados en una computadora (o en una
calculadora de bolsillo) siempre es una cantidad finita comprendida entre
siete y catorce cifras significativas.
11

2.3 Definiciones de error

Los errores numéricos se generan con el uso de aproximaciones para


representar las operaciones y cantidades matemáticas. Éstos incluyen errores de
truncamiento, que resultan de presentar aproximadamente un procedimiento
matemático exacto, así como a los errores de redondeo, que se originan al
representar en forma aproximada números exactos. Por consiguiente, la relación
entre un resultado exacto (Xv) y el aproximado (Xa) está dada por:

Xv  Xa   v (2-1)
MARTÍN BARRAGÁN SOLÍS

De lo anterior se sigue que el error (v) se puede calcular con,

 v  Xv  Xa (2-2)

Que, generalmente, es de más interés el valor absoluto de dicho error; ya que lo


que realmente se quiere medir es la cercanía del valor aproximado (X a) al valor
exacto (Xv).

En general, en situaciones reales, es difícil conocer el valor verdadero a


priori; por lo que, casi siempre se hablará de error relativo y error relativo
porcentual, que se obtienen con las relaciones,

Ev
Er  , error relativo (2-3.1)
Vv

Ev
Er  *100, error relativo porcentual (2-3.2)
Vv

En la aplicación de los métodos numéricos, se encontrará que usan


esquemas iterativos para aproximar resultados. En tales casos, el error se calcula
de la siguiente manera:

 Xa i 1  Xa i 
 v    x100 (2-4)
 Xa i 1 

Donde Xai+1, es la aproximación actual


Xai, corresponde a la aproximación previa.
12

Note usted que la ecuación (2-4) puede conducir a valores positivos ó


negativos, si la aproximación previa o el valor aproximado es mayor que la
aproximación actual o que Vv. Entonces, el valor del error (o del error relativo) es
negativo y, positivo en caso contrario. A menudo, cuando se realizan cálculos,
puede no importar mucho el signo del error, sino más bien su valor absoluto, para
compararlo con una tolerancia prefijada t, la cual depende de la exactitud requerida
en los resultados. Cuando es así, los cálculos se repiten hasta que el valor absoluto
del error sea igual ó menor que dicha tolerancia.

v≤ t (2-5)
MARTÍN BARRAGÁN SOLÍS

Debido a que, cuando se cumple la relación anterior, se considera que el resultado


obtenido está dentro de un nivel aceptable fijado previamente.

2.3.1. Errores de redondeo

En la sección (2-2) se mencionó que, los errores de redondeo se deben a


que las computadoras, sólo guardan un número finito de cifras significativas durante
un cálculo. Las computadoras realizan esta función de maneras diferentes; por
ejemplo, si sólo guardan siete (7) cifras significativas y los cálculos involucran al
número , la computadora sólo almacena y usa 3.141592, omitiendo las cifras
restantes y, por consiguiente, genera un error de redondeo de:

v = 0.000 000 650

Siendo ésta, una de las varias formas que utiliza una computadora para
redondear números. Esta técnica de retener sólo las primeras siete cifras se le
llama truncamiento en el ambiente de computación; de preferencia se le llamará de
corte para distinguirlos de los errores de truncamiento que se analizarán en la
siguiente sección. Un corte ignora las cifras restantes, de la representación decimal
completa; por ejemplo, para el caso anterior, el octavo dígito significativo es 6. Por
lo tanto,  se representa de manera más exacta como 3.141 593, mientras que con
el corte fue 3.141 592. De esta forma el error, por redondeo sería:

v = 0.000 000 350

Desde luego que las computadoras, se pueden desarrollar para redondear


números de acuerdo con las reglas de redondeo, como la que se acaba de aplicar,
aunque esto agrega costo computacional.
13

2.3.2. Reglas de redondeo

Las siguientes reglas pueden aplicarse al redondear números, cuando se


realizan cálculos a mano.

Primera: En el redondeo, se conservan las cifras significativas y el resto se


descarta. El último dígito que se conserva se aumenta en uno, si el primer dígito
descartado es mayor de “5”; de otra manera se deja igual, pero si el primer dígito
descartado es “5” ó “5” seguido de ceros, entonces el último dígito retenido se
incrementa en uno, sólo si es par.
MARTÍN BARRAGÁN SOLÍS

Segunda: En la suma y la resta, el redondeo se lleva a cabo de forma tal que, el


último dígito retenido en la respuesta corresponda al último dígito más significativo
de los números que están sumando o restando. Nótese que un dígito en la columna
de las centésimas es más significativo que uno de la columna de las milésimas.

Tercera: Para la multiplicación y para la división, el redondeo es tal que, la cantidad


de cifras significativas del resultado es igual al número más pequeño de cifras
significativas que contiene la cantidad en la operación.

Cuarta: Para combinaciones de las operaciones aritméticas, existen dos casos


generales. Se puede sumar o restar el resultado de las multiplicaciones o de las
divisiones.

Multiplicación
+ Multiplicación
Ó
Ó
División _
División

O también se pueden multiplicar o dividir los resultados de las sumas y las restas,
es decir,

Suma
Suma
X Ó
Ó
Resta

Resta
14

En ambos casos, se ejecutan las operaciones entre paréntesis y el resultado se


redondea, antes de proceder con otra operación, en vez de redondear únicamente
el resultado final.

Ejemplo 2.1 Ilustración de las reglas de redondeo.

a) Errores de redondeo. Redondear los números dados, al número de cifras


significativas indicadas.

Número Inicial Cifras significativas Número redondeado


MARTÍN BARRAGÁN SOLÍS

5.6723 3 5.67
10.406 4 10.41
7.3500 2 7.4
7.4500 2 7.4
88.216500 5 88.216
1.25001 2 1.3

b) Sumas y restas

b.1. Evalúese 2.2 –1.768, redondeando a una cifra significativa

2.2 – 1.768 = 0.432 que redondeado es -- 0.4

b.2. Evalúese 4.68x10-7 + 8.3x10-4 – 228x10-6. Conviene expresar los números


con un mismo exponente, así que,

0.00468x10-4 + 8.3x10-4 .2.28x10-4 = 6.02468x10-4

De esta manera, se puede ver claramente que el 3 (del 8.3) es el último dígito
significativo retenido, por lo que, la respuesta se redondea de la siguiente manera.

6.02468x10-4 para a 6.0x10-4

c) Multiplicación y división

c.1. Evaluar 0.0642 x 4.8


15

0.0642x4.8=0.30816 0.31

c.2. Ahora evalúe 945/0.3185

945 /0.3185 = 2 967.032 967....2 967

d) Combinaciones

d.1. Calcular 15.2(2.8 x10-4) + (8.456x10-4 ) –0.177 


MARTÍN BARRAGÁN SOLÍS

Primero efectúense la multiplicación y la resta que están dentro de los corchetes:

4.256 x10-3 + -176.1544x10-3 

Ahora, antes de sumar, se redondean las cantidades encerradas:

4.3x10-3 + -176.15x10-3 = -171.85x10-3 -171.8x10-3

d.2. Evalúese

6.740 x10 5  8.7 x10 7


2.672 x10 3  5.8

Igualando los exponentes, se tiene:

674 x10 7  8.7 x10 7


2.672 x10 3  0.0058 x10 3

665 x10 7
Redondeando queda: 3
 2.483196...x10 8
2.678 x10

2.3.3. Errores de truncamiento

Son aquellos que se presentan al aproximar funciones analíticas por medio


de algunos términos de una serie infinita; esto se hace frecuentemente en los
métodos numéricos cuando es difícil realizar operaciones con alguna función
complicada y se toman en su lugar los primeros términos de una serie que aproxima
16

la función, truncando los demás. También se presenta cuando se utilizan números


irracionales, tales como: 2 , e, , etc., ya que para trabajar con ellos se toma un
número determinado de cifras significativas y se truncan las demás.

Ejemplo 2.2 El número e, base de los logaritmos neperianos, con cinco cifras
decimales, es igual a 2.71828; calcular el error absoluto y el error relativo en el que
se incurre en cada caso, al tomar hasta el primero, segundo, tercero y cuarto
términos de la serie


1
MARTÍN BARRAGÁN SOLÍS

e
k 1 k!

Solución
a) Tomando hasta el primer término

0
1 1
e  1
k  0 k! 0!

En consecuencia, el error absoluto es, v = 2.71828 –1 = 1.71828 y el error


relativo r, en porcentaje resulta,

2.71828  1
r  100  63.212 00
2.71828

b) Si se toma hasta el segundo término de la serie, se tendrá

1
1 1 1
e   2
k 0 k! 0! 1!

De aquí se concluye que, v = 0.71828 y r = 0.26424 = 26.424%

c) Ahora, tomando hasta el tercer término

2
1 1 1 1
e     2.5
k 0 k! 0! 1! 2!

Este resultado conduce a, v = 0.21828 y r = 0.0803 = 8.03%


17

d) Tomando hasta el cuarto término, se tiene

3
1 1 1 1 1
e      2.6667
k 0 k! 0! 1! 2! 3!

Con lo que se llega a, v = 0.05161 y r = 0.01899 = 1.9 %

2.4. Limitaciones en la exactitud de los datos experimentales


MARTÍN BARRAGÁN SOLÍS

El científico debe trabajar con datos dignos de confianza. En esta sección


describimos algunas de las razones por las cuales los datos pueden resultar
defectuosos.

2.4.1. Error humano

Este puede deberse al descuido, donde quizás simplemente es una mala


lectura en una escala. Las lecturas repetidas de la misma cantidad a menudo
revelan este tipo de error.

El error en una técnica es muy difícil de detectar, pues se comete en todas


las medidas tomadas en la misma forma. Una falla común en este tipo de error es el
paralaje. Este ocurre, por ejemplo, cuando se está leyendo la indicación de una
aguja, en una escala (v.gr., en un cronómetro). La figura 2.1-a, muestra tal aguja
vista desde arriba. La figura 2.1-b, es una vista de planta. Claramente se nota que la
lectura Rc, de la escala, es correcta y, para obtener este resultado el ojo del
observador debe estar colocado directamente arriba de la aguja, en el punto Ec. En
cualquier otra posición, digamos Ew, se tomará una lectura de escala Rw,
incorrecta. Con experiencia y cuidado uno se vuelve más apto para evitar errores
como estos. El diseño de los instrumentos puede también ayudar en este aspecto.
Para evitar el paralaje, por ejemplo, muchos cuadrantes incorporan un espejo a lo
largo de toda la escala- colocando el ojo en tal forma que la aguja y su reflexión
queden superpuestas, de esta manera el ojo queda directamente arriba de la guja;
es decir, la lectura tomada será como la Rc (la correcta). Para reducir aún más el
error, en la lectura, algunos instrumentos actuales dan la lectura en forma digital.
18

Fig. 2.1-a
MARTÍN BARRAGÁN SOLÍS

Fig. 2.1-b

2.4.2. Limitaciones instrumentales

Los instrumentos tienen sus propias limitaciones inherentes. Algunas son


obvias, como el caso de las reglas de madera, donde uno puede ver a simple vista
que las divisiones no están igualmente espaciadas. Sin embargo, piezas más
sofisticadas de equipo, pueden estar sujetas a varias fuentes de error. Tomen, por
ejemplo un microscopio. Aunque los microscopios, fueron diseñados primeramente
para observar objetos pequeños, algunas veces es necesario medir el tamaño del
objeto. La exactitud de tales medidas depende de un número de factores-la rigidez
de la columna que sostiene los lentes, la rigidez con la cual el espécimen se fija en
la platina y la exactitud con la cual las divisiones han sido grabadas en la escala.
Las platinas de algunos microscopios se mueven rotando un tornillo calibrado; cada
vuelta completa corresponde a un cierto movimiento de la platina (figura 2.2). La
exactitud de la medida hecha, en tales instrumentos, depende de la uniformidad de
la rosca del tornillo. A menudo también sucede, que cuando la platina se ha movido
alguna distancia en una dirección, ésta no responde inmediatamente cuando el
tornillo se mueve en sentido contrario. Esto se llama retroceso. Por consiguiente, se
darán lecturas diferentes, dependiendo de la dirección en la cual el microscopio se
acerca a determinada posición. Desde luego que esta dificultad se puede evitar
19

simplemente aproximándose a la posición de la medida, siempre en un mismo


sentido.
MARTÍN BARRAGÁN SOLÍS

Fig. 2.2. Microscopio de laboratorio

Problemas de este capítulo

2.1 La expansión en serie de Maclaurin para la función cos(x) es:

x 2 x 4 x 6 x 8 x10
cos( x)  1       ...
2! 4! 6! 8! 10!

Iniciando con el primer término cos(x) =1; agréguense los términos uno a uno para
estimar cos (/3). Después de agregar cada término, calcúlense los errores
porcentuales relativos, exactos y aproximados.

2.2 Repetir los cálculos del problema anterior, pero ahora usando la serie de
Maclaurin para el seno(x):

x 3 x 5 x 7 x 9 x11
seno( x)  x       ...
3! 5! 7! 9! 11!

y estime el Sen (/2).


20

2.3. Úsense los términos en serie de Taylor de cero a tercer orden para estimar f
(3), para

f(x) = 25x3 –6x2 + 7x – 88

Usando como punto base x = 2. Calcule el error relativo porcentual correcto para
cada aproximación.
MARTÍN BARRAGÁN SOLÍS
21

Capítulo 3
SOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y
TRASCENDENTES
MARTÍN BARRAGÁN SOLÍS

3.1 Introducción

Un problema muy común en el campo de ciencias e ingeniería, es la solución


de una situación física que pueda ser representada por una ecuación del tipo f(x) =
0. Por consiguiente, en este capítulo se expondrán algunos métodos para encontrar
la solución a esas ecuaciones.

Antes de hacer la presentación de los métodos numéricos de solución, es


importante tener claridad del concepto de raíz ó solución de una ecuación. Pues
bien, encontrar una solución ó una raíz real de una ecuación, es hallar el valor de la
variable independiente x, que anule el valor de la función f(x), que se exprese en
términos de la variable citada. En otras palabras, si la función se desarrolla en el
plano cartesiano xy, la solución real de esa función es el valor de x que
corresponda a la intercepción del eje de las abscisas con la curva definida por la
función f(x), como se muestra en Fig. 3.1. Si la curva no corta al eje x, entonces, la
ecuación no tiene una solución real, pero puede tener raíces imaginarias, que no
serán tratadas en este libro. En particular, si la ecuación a resolver es un polinomio,
entonces, debemos considerar, en estricto, la siguiente definición: Sea f(x)  C[x],
con gr f(x) = n ≥1 y

f(x) = anxn + ... + a1x + a0

y se dice que c  C es raíz de f(x), si f(c) = 0; es decir, si

ancn + ... + a1c + a0 = 0


22

también es interesante, para la solución de polinomios, tener presente el teorema


fundamental del álgebra, cuyo enunciado es “si f(x)  C[x], con gr f(x) = n ≥1,
entonces, f(x) tiene al menos una raíz compleja ( real o imaginaria); además del
siguiente corolario: si f(x)  C[x], con gr f(x) = n ≥1, entonces, f(x) tiene n raíces
(no necesariamente diferentes)”.

Por otra parte, actualmente las calculadoras de bolsillo resuelven los


polinomios, encontrando los ceros de esas funciones; sin embargo, los métodos que
se presentan tienen la ventaja de resolver cualquier función f(x) sin importar del tipo
que sea, siempre y cuando tenga raíces reales.
MARTÍN BARRAGÁN SOLÍS

De acuerdo a las definiciones dadas, para encontrar una solución real, las
ecuaciones, sin importar que representen un polinomio u otra cualquiera, deben ser
representadas en la forma:

f(x) = 0 (3-1)

Algunos ejemplos de las


ecuaciones que se resolverán
en este capítulo, son:

f ( x)  x 2  6 x  5

2
f ( y)  y   1.50
gy 2
x

f ( x)  e ( 2  x)  1
4

f ( x)  x 2 sen( x)  4

f ( x)  0.5x  senx

f ( R)  e0.005R cos(0.05 2000  0.01R2 )  0.01

1
 
 4Log Re f  0.4
f


f ( x)  e 0.2x sin 3x  12 
23

3.2 Características de los métodos numéricos

Los métodos que se presentan reciben el nombre genérico de


aproximaciones sucesivas, los cuales desarrollan su convergencia mediante la
aplicación de una fórmula de recurrencia. Se les da este nombre porque a partir de
una primera aproximación, se obtiene otra aproximación mejor, en general, más
cercana a la solución. Desde luego que, aunque reciben tal nombre, cuando el
método converge, la solución es tan satisfactoria como la solución exacta, siendo la
única limitación la exactitud proporcionada por el número de dígitos empleados en
el cálculo, o sea que, depende del error por redondeo o por truncamiento que se
admita. A continuación se describen los métodos: Aproximaciones sucesivas,
MARTÍN BARRAGÁN SOLÍS

Bisección, Monte Carlo, Falsa Posición, Newton-Raphson, Newton Modificado y


Secante. Estos métodos son aplicables tanto a ecuaciones algebraicas y
trascendentes como a ecuaciones no lineales; es decir, se podrán solucionar,
ecuaciones como las listadas en la página anterior. Sin embargo, si la ecuación a
resolver, no tiene respuesta en los reales, el mejor método fallará, ya que los
métodos que se presentan están estructurados para encontrar las raíces reales de
una ecuación.

A modo de sugerencia se señala que, en las aplicaciones a problemas


reales, una buena dosis de experiencia será un apoyo de decisión importante, ya
que, las soluciones resuelven, algebraicamente una ecuación, pero no toman en
cuenta las situaciones reales del problema.

3.3 Método de aproximaciones sucesivas

Este método consiste en proponer un valor inicial – aproximado a la solución


- y, a partir de él obtener un valor mejorado de la raíz que es sometido a una prueba
de convergencia, es decir, de aproximación y, si dicha prueba es superada,
entonces, el valor obtenido es la respuesta buscada; en caso de que no se cumpla
la condición de convergencia, con el nuevo valor se repite el proceso, tantas veces
como sea necesario. Para derivar una ecuación recursiva que permita realizar este
proceso, se plantea la siguiente estrategia.

La ecuación (3-1) no cambia si se suma, miembro a miembro, el término “x”,


quedando:

x  f ( x)  x (3-2)
24

Si el miembro derecho es otra función que se define como g(x), entonces ecuación
(3-2) se transforma en:

x  g (x) (3-3)

Es notorio que cualquier ecuación de la forma (3-1) puede expresarse como


ecuación (3-3).

Como se ha dicho con anterioridad, si x = xr es una raíz, entonces se


cumplirá que f(xr) = 0 por lo que ecuación (3-3) queda:
MARTÍN BARRAGÁN SOLÍS

xr  g ( xr ) (3-4)

Este método consiste en sustituir un valor inicial de la variable independiente


x0, aproximado a la raíz, en el segundo miembro de ecuación (3-3). Si este valor
propuesto es la raíz, resultará que se cumple (3-4), o sea que,

x0  g ( x0 )

En las aplicaciones es difícil que lo anterior ocurra en x = x 0, ya que, el valor


inicial propuesto es solo, en el mejor de los casos, un valor cercano a la raíz, por
tanto resultará que esto no siempre se cumple la primer vez, por lo que, puede
escribirse,

x0  g ( x0 )

O más propiamente,

x1  g ( x0 )

Donde x1 será la nueva aproximación de la raíz. Si ahora se sustituye x 1 en el


segundo miembro de (3-3), se obtendrá un valor más cercano a la raíz. Como esta
es la segunda sustitución que se hace, puede escribirse,

x2  g ( x1 )

Tomando en cuenta que se repite el proceso, pero ahora con x 2, para obtener x3,
luego con x3 para generar x4 y, así sucesivamente, hasta sustituir xn para obtener
xn+1; entonces el proceso descrito, se puede generalizar con la ecuación,
25

xn1  g ( xn ) (3-5)

La ecuación (3-5) es la ecuación recursiva del método numérico de


aproximaciones sucesivas. El diagrama de flujo de este proceso iterativo, se
muestra en figura D3.1.

Inicio
MARTÍN BARRAGÁN SOLÍS

f (x), x0, 

Hacer
x = x0

Calcular
g(x) = f(x) +x

no
¿ x =g(x)?

si
Escribir

fin

Fig. D3.1 Diagrama de flujo del método de aproximaciones sucesivas

Un criterio sano de convergencia es que la diferencia, en valor absoluto,


entre dos valores consecutivos, proporcionados por este proceso, será cada vez
más pequeña, es decir, xn+1 será cada vez más cercano a xn, sin embargo, puede
medirse dicha convergencia con ecuación (2-4), cuando se haya prefijado el error
tolerable.
26

Finalmente, el estudiante debe saber que este método no siempre converge,


por lo que, no será un error de cálculo el hecho de que encuentre, en algunos
casos, esta situación; tampoco se tiene la certeza de que el problema no tenga
solución real. Cuando esto ocurra, se recomienda el uso de otro método numérico y
hacer un bosquejo del problema que se esté resolviendo; por lo que este método se
presenta como un elemento de conocimiento, para el estudioso.

Ejemplo 3.1 Obtener una raíz, por el método de aproximaciones sucesivas, de la


ecuación.

f ( x)  e  x  x (Fig. E3.1)
MARTÍN BARRAGÁN SOLÍS

Solución. Sumando x, miembro a miembro, la ecuación toma la forma (3-5):

xn1  e  xn

Proponiendo un valor inicial de x0 =


0, el valor de x1 = e-0 = 1. Como este Figura E3.1
6
valor calculado es diferente al valor
5
supuesto, entonces, x1 no es una
4
raíz y, se repite el proceso, ahora 3
Valores de f(x)

con x1 para obtener x2 = e-1 = 2


0.3679; repitiendo con x2, se 1

obtiene, para x3, = e-0.3679 = 0.6922 0


-1 -0.5 -1 0 0.5 1 1.5 2
y, así, sucesivamente. La
-2
convergencia se obtuvo para x =
-3
0.5671, confirmando lo indicado por Valores de x

la gráfica del ejemplo.

Ejemplo 3.2 Por el mismo método, obtener una raíz de la ecuación:

1
f ( x)  cos( x)  x  1 (Fig. E3.2)
2

Solución. La forma recursiva es, en este caso:

1
xn1  cos( xn )  xn  1
2
27

Iniciando con x0 = 0, se obtiene: Figura E3.2


6
5
1
x1  cos(0)  (0)  1  2 4
2 3

Valores de f(x)
2
1
1
x2  cos(2)  (2)  1  1.584
0
-1 -1 0 1 2 3 4 5 6
2 -2
-3
Valores de x
Los siguientes valores son: 1.779,…, 1.714,
1.714
MARTÍN BARRAGÁN SOLÍS

Entonces, x = 1.714 radianes (valor que se repite) es una raíz

3.4 Método de Bisección o de Bolzano

Éste es un método sencillo, pero lentamente convergente, para determinar un


cero de f(x), cuando ésta es continua. Se basa en el teorema del valor intermedio
para funciones continuas, según el cual un intervalo [a, b] en cuyos puntos extremos
f tiene signos opuestos, por ejemplo f(a) > 0, f(b) < 0, debe contener un cero de f
[figura 3.2]. Esto sugiere el método de bisección repetida del intervalo y, en cada
paso, tomar aquella mitad que también satisfaga esa condición. De donde, se tiene
el algoritmo que sigue:

Algoritmo: Método de Bisección

Cuando es dada una función f(x) continua sobre un intervalo [a 0, b0] y que satisface
f(an).f(bn) < 0
Para n = 0, 1, 2, … y hasta terminar:
Calcular c  1
2 an  bn 
Si f(c) =0, acéptese c como una solución y deténgase el procedimiento, en
caso contrario, continúese.
Si f(an).f(c) < 0, hágase an+1 = an, bn+1 = c. De lo contrario an+1 = c, bn+1 = bn.
Entonces, f(x) = 0 para algún x en [an+1, bn+1].

Prueba de terminación. Si f( c) ± 0, entonces compárese el error relativo de


dos iteraciones consecutivas de “c” y si, es menor que cierta tolerancia deténgase el
proceso.
28

cn1  cn
?
cn1

En figura D3.2 se muestra la rutina de este método.

inicio

 es el error a, b, 
MARTÍN BARRAGÁN SOLÍS

admisible.
Calcular
f(a) y f(b)

f(a)*f(b) < no
0?

Si
Calcular
c  1 ( a  b)
2

Sea F = f(c)

Si
F ? x=c

No

Escribir
a=c F*f(a) <
0? x
si

b=c fin

Fig. D.3.2 Diagrama de flujo del método de Bisección


29

La exactitud de una respuesta

f(x)
f(x)
depende de la aplicación real del
f(a)
problema; por ejemplo, si la solución
representa la superficie de un terreno
y la unidad de medida es el metro,
con sólo un decimal exacto se
c x
b
tendría una excelente aproximación;
a
sin embargo, si el problema a
resolver representa, en la situación
f(b)
real, la medida del diámetro de un
pistón de un automotor, entonces,
MARTÍN BARRAGÁN SOLÍS

Fig. 3.2 método de BISECCIÓN

seguramente, si el metro es la unidad


de medida, una aproximación al milímetro será requerida, es decir, aquí se
exigirían, al menos, tres decimales exactos; etc.

Ejemplo 3.3 Encontrar, por el método de


bisección, una raíz de la siguiente ecuación. Figura E3.3
Presente el resultado con tres decimales 4

exactos. 3

2
3 2
f(x) =x –1.412x +0.098
Valores de f(x)

(Fig. E3.3) 1

0
Solución. Se proponen los valores: a = 0 y b -1 -0.5 0 0.5 1 1.5 2
-1
= 1; obteniendo:
-2
3 2
f(a) = f(0) = (0) –1.412(0) + 0.098 = 0.098 y -3
Valores de x
f(b) = f(1) = (1)3 –1.412(1)2 + 0.098 = -0.314.

Puesto que f(a) y f(b) tienen signos diferentes, se cumple la condición de


arranque, por lo que en el intervalo [0, 1] existe una raíz real. Ahora, c = ½( 0 + 1 ) =
0.50, con lo que f(c) = f(0.5 ) = -0.4830. De acuerdo a este resultado, f(c) está muy
lejano de cero, pero como tiene el mismo signo que f(b), se cambia b por el valor de
c y se repite el proceso, es decir: c = ½( 0 + 0.5 ) = 0.25 y f(c ) = f( 0.25 ) = 0.02538.
En esta ocasión se cambia a por c; esto es, para la siguiente iteración a = 0.25 y b =
0.50, obteniendo c = 0.375 y f(c) = f(0.375) = -0.04783. Este resultado obliga a
cambiar b, etc. La convergencia se obtuvo para c = 0.2964, correspondiendo a la
primer raíz positiva de la ecuación.
30

Ejemplo 3.4 Resolver, por el método de 0.15


0.10
Figura E3.4
bisección, la ecuación:
0.05
0.00
f ( R)  e 0.005R cos(0.05 2000  0.01R 2 )  0.01

Valores de f(R)
-0.05 0 100 200 300 400 500
-0.10
(Fig.E3.4) -0.15
-0.20

Solución. Se propone a = 0.0 y b = 400; por -0.25


-0.30
consiguiente,
-0.35
-0.40
Valores de R
0.005( 0 )
f(a) = e cos(0.05 2000  0.01(0) )  0.01 = -
2
MARTÍN BARRAGÁN SOLÍS

0.6273
f(b) = f(400) = e 0.005( 400) cos(0.05 2000  0.01(400) 2 )  0.01 = 0.0631.

De acuerdo a los resultados obtenidos, existe una raíz en [0, 400]. Es notorio
que más cerca de 400 que de cero.

El punto medio es c = 200 y con este valor se tiene que f(c) = f(200) = -
0.1631, por lo que el cambio debe ser para a = c = 200, debido a que f(a) fue
negativo y b no cambia en la presente iteración.

El resumen de estos resultados es:

a b f(a) f(b) c f(c) cambia


0.0000 400.0000 -0.62727 0.06312 200.00000 -0.1630919 a
200.0000 400.0000 300.00000 -0.0295026 a
------------------------------------------------------------
328.1250 328.2227 328.17383 0.0000223 b
328.1250 328.1738 328.14941 -0.0000020 a

Por lo que, una raíz aproximada es R = 328.14941 radianes.

3.5 Método de Falsa Posición (Regula falsi)

En el método de falsa posición (regula falsi) para resolver f(x) = 0, se


aproxima la curva de f mediante una cuerda, como se muestra en figura 3.3. Esta
cuerda se interseca con el eje x en el punto a1 = c, dado por:
31

b0  a0
c  a0  . f (a0 )
f (b0 )  f (a0 ) (3-6)

f(b0)

a0 a1

X
b0
MARTÍN BARRAGÁN SOLÍS

f(a0)

Figura 3.3 Método de falsa posición (regula falsi)

Este es el primer paso. En el segundo, se detiene el procedimiento si f(c) = 0; si no


es así, utilizando el intervalo [a0, c], si f(a0).f( c) < 0 ó [c, b0], si f(a0)f(c ) > 0,se
determina la intersección de la cuerda correspondiente como se hizo con
anterioridad, y así sucesivamente. Este método siempre es convergente para
funciones continuas pero, por lo general, sólo es de primer orden.

Algoritmo: Método de falsa posición

Dada una función f(x) continua sobre un intervalo [a 0, b0] y tal que f(a0)f(b0) < 0.
Para n = 1, 2, … y hasta terminar:

Calcúlese

b0  a0
c  a0  . f (a0 )
f (b0 )  f (a0 )

 Si f(c) = 0, acéptese c como una solución y deténgase el procedimiento. En


caso contrario, continúese.
 Si f(an).f( c) < 0, hágase an+1 = an, bn+1 = c. De lo contrario, an+1 = c, bn+1 = bn.
 Entonces, f(x) = 0 para algún x en [an+1, bn+1].
32

 Prueba de terminación. Como el método siempre converge, si f( c) ± 0,


entonces compárese el error relativo de dos iteraciones consecutivas de “c” y
si, es menor que cierta tolerancia deténgase el proceso.
cn1  cn
?
 cn1
En figura D3.3 se muestra el diagrama de flujo de este método.

inicio
MARTÍN BARRAGÁN SOLÍS

a, b, 
 es el error
tolerable.
Fa=f(a)
Fb=f(b)

Fa*Fb < 0 no
?

Si
 (b  a) Fa 
c a
 Fb  Fa  

F = f(c)

Si
Fa=F F ? Hacer: x = c

No

no Escribir
Fa*f(a)<
a=c 0? x

si
fin
Fb=F b=c

Fig. D.3.3 Diagrama de flujo: método FALSA POSICION


33

Ejemplo 3.5 El movimiento de una 12


Figura E3.5
estructura se define, para una oscilación 10

amortiguada, mediante la ecuación: 8


6

Valores de f(X)
4
y  10e  kt cos(wt ) 2
(Fig. E3.5) 0
-2 -1 -2 0 1 2 3 4 5 6

-4
Donde k =0.50 y w = 2. Obtenga una raíz
-6
aplicando el método de Falsa Posición.
-8
Solución. De acuerdo a la gráfica, la Valores de X
MARTÍN BARRAGÁN SOLÍS

primer raíz positiva puede encontrarse


con los valores: a = 0 y b = 1.5; con los que se obtiene, f(a)=
10e 0.5(0) cos(2(0))  10.00 y f(b) = 10e 0.5(1.5) cos(2(1.5))  4.6764 ; es decir, se cumple
la condición f(a)*f(b) < 0.

El valor de t, según ecuación (3-7) es,

 (b  a) * f (a)   (1.5  0) * (10) 


t a   0   1.0220
 f (b)  f (a)    4.6764  10 

f(t)= 10e 0.5(1.022) cos(2(1.022))  2.7344

por ser f(t) de signo negativo, cambia b y el valor de a, no cambia para la siguiente
iteración. El valor de t es ahora t = 0.8023 y f(0.8023) = - 0.2300; nuevamente
cambia b = 0.8023, etc. Los resultados a que se llegó se muestran en la tabla
siguiente:

a b f(a) f(b) t f(t) cambia


0.000 1.500 10.000 -4.676 1.022 -2.734 b
0.000 1.022 10.000 -2.734 0.803 -0.230 b
0.000 0.803 10.000 -0.230 0.785 0.012 a
0.785 0.803 0.012 -0.230 0.785 0.000 b
0.785 0.785 0.012 0.000 0.785 0.000

De acuerdo a los datos anteriores, una raíz es t = 0.785 segundos.


34

Ejemplo 3.6 Encuentre una raíz positiva 3


Figura E3.6
de la ecuación f ( x)  0.5x  sen( x) , Fig. 3
E3.6. Use el método de Falsa Posición, 2
con a = 1.5 y b = 2.5, para probar la

Valores de f(X)
2
condición inicial.
1

Solución. Para a = 1.5, f(a) = 1


0.5(1.5)  sen(1.5) = -0.2475 y con b = 0
2.5, f(b) = 0.6515. Por ser, estos valores -3 -2 -1 0 1 2 3 4 5
-1
de signos contrarios, se cumplió la Valores de X
MARTÍN BARRAGÁN SOLÍS

condición de arranque y se obtuvo, de


ecuación (3-7), c = 1.7753 radianes, por consiguiente, f(c) = 0.5(1.7753)  sen(1.7753)
= - 0.0915. De acuerdo a este resultado, el valor actual de a debe cambiar por el
valor de c, así que a = 1.7753 radianes y puesto que b no cambia, se tiene que b =
1.50 radianes. Continuando de esta forma, se llegó a los resultados que se
muestran en la siguiente tabla.

a b f(a) f(b) C f(c) Cambia


1.500 2.500 -0.247 0.652 1.775 -0.092 a
1.775 2.500 -0.092 0.652 1.865 -0.025 a
1.865 2.500 -0.025 0.652 1.888 -0.006 a
1.888 2.500 -0.006 0.652 1.894 -0.001 a
1.894 2.500 -0.001 0.652 1.895 0.000 a
1.895 2.500 0.000 0.652 1.895 0.000 a

Una raíz es x =1.895 radianes, debido a que este valor se repite y, además,
hace que f(x) sea igual a “cero”, como se observa en el último renglón.

3.6. Método de Monte Carlo

Otra variante de los dos métodos anteriores es el método de Monte Carlo. Éste,
parte de los mismos principios que aquellos; es decir, se requiere de dos puntos de
apoyo, uno a y el otro b, de tal manera que f(a) y f(b) tengan signos distintos, para
que cumplan la condición de arranque dada en figuras 3.2 y 3.3. La secuencia de
cálculo es la misma que en los dos métodos vistos, sólo cambia la manera de
estimar el valor de “c”, el cual se calcula como función de a y b, así como de un
número aleatorio, según ecuación (3-7) El proceso de este método es como se
describe a continuación:
35

1. Dados a y b, tales que f(a).f(b) < 0; se escoge un número aleatorio, xal, con
distribución de probabilidad uniforme, que se encuentre entre cero y 0.99
(estos números pueden, inclusive, generarse con una calculadora).

2. Se calcula c con la fórmula,

c  a  xal (b  a) (3-7)

3. Al igual que en los dos métodos anteriores, se calcula f(c) para comparar su
valor con cero o la tolerancia, . Si es diferente de él o no cumple con la
tolerancia, en el error, prefijada, entonces, se hace el cambio adecuado – tal
MARTÍN BARRAGÁN SOLÍS

y como se realizó en el método de bisección - y se repite el proceso a partir


del paso 2, hasta que se encuentre la solución.

El diagrama de flujo es similar al


4
dado en Fig. D3.1, sólo debe Figura E3.7
cambiarse el bloque que indica el 3

cálculo de c, el cual se sustituye por 2

ecuación (3-7).
Valores de f(X)

0
-2 -1 0 1 2
-1
Ejemplo 3.7 Encuentre una raíz
-2
positiva de f(x) = tan(x) –2x, por el
-3
método de Monte Carlo (Fig. E3.7).
-4
Use xal = 0.5361 y el resultado debe Valores de X
tener tres decimales exactos.

Solución. Para garantizar tres decimales exactos, la tolerancia debe ser  =0.0001.
Si a = 1 y b = 1.5, se tiene:

f(a)=f(1 ) = tan(1)-2(1) = -0.4426 y f(b) = f(1.5 )= tan( 1.5 ) –2(1.5) = 11.1014

Se observa que los valores propuestos son adecuados, ya que f(a).f(b) < 0;
por lo que, c = 1+ 0.5361(1.5-1) = 1.268 y f(1.268) = 0.665, quedando el segmento
[1, 1.268], para la siguiente iteración. Ahora c = 1.144 y f(1.44) = -0.090, entonces el
segmento donde se encuentra una raíz es [1.144,1.268], etc. Continuando con el
proceso descrito se llegó, manualmente, a los siguientes resultados:

A b f(a) f(b) c f(c) cambia


1.000 1.500 -0.443 11.101 1.268 0.665 B
36

1.000 1.268 1.144 -0.090 A


1.144 1.268 1.210 0.233 B
1.144 1.210 1.179 0.065 B
1.144 1.179 1.163 -0.012 A
1.163 1.179 1.172 0.028 b
1.163 1.172 1.168 0.009 b
1.163 1.168 1.165 -0.001 a
1.165 1.168 1.167 0.005 b
1.165 1.167 1.166 0.002 b
1.165 1.166 1.166 0.001 b
MARTÍN BARRAGÁN SOLÍS

En este caso una raíz, aproximada, es x = 1.166

Ejemplo 3.8 Encontrar una Figura E3.8


raíz de la ecuación f(x) = x – 3

4sen(x), por el método de 2


Valores de f(X)

1
Monte Carlo (Fig. E3.8).
0
-4 -3 -2 -1 0 1 2 3 4
-1
Solución. Se probó con a = 1
-2
y b =2; con los que se
-3
Valores de X
obtuvo f(a) = 1-4seno(1) = -
2.366 y f(b) = -1.637. Al no cumplirse la condición de arranque, se propusieron otros
valores, siendo a = 2 y b =3. Se obtuvo, f(a) =-1.6372 y f(b) = f(3) = 2.4355. De
acuerdo con estos resultados, en el segmento 2,3 se debe encontrar una raíz.
Usando xal = 0.2850 y siguiendo el mismo proceso que el ejemplo anterior, se
obtuvo una raíz en c = 2.474 radianes; algunas iteraciones se muestran abajo.

a B f(a) f(b) C f(c) Cambia


2.000 3.000 -1.637 2.436 2.285 -0.737 a
2.285 3.000 -0.737 2.436 2.489 0.059 b
2.285 2.489 -0.737 0.059 2.343 -0.522 a
2.343 2.489 -0.522 0.059 2.385 -0.362 a
2.385 2.489 -0.362 0.059 2.414 -0.245 a

2.473 2.475 -0.005 0.001 2.474 -0.003 a


2.474 2.475 -0.003 0.001 2.474 -0.002 a
2.474 2.475 -0.002 0.001 2.474 -0.001 a
2.474 2.475 -0.001 0.001 2.474 0.000
37

3.7. Método de Newton – Raphson

Considere un punto x0, el cual no es una solución de la función f(x), pero es


razonablemente cercano a una raíz. Expandiendo f(x) en una serie de Taylor
alrededor de x0, queda.

( x  x0 ) 2
f ( x)  f ( x0 )  ( x  x0 ) f ( x0 )  f ( x0 )  ...  (3-8)
2!

Si f(x) = 0, entonces, x es una raíz y el lado derecho de ecuación (3-8) constituye


una ecuación para obtener esa raíz. Desafortunadamente, la ecuación (3-8) es un
MARTÍN BARRAGÁN SOLÍS

polinomio de grado infinito. Sin embargo, un valor aproximado de la raíz x puede ser
obtenido, tomando solamente los dos primeros términos de la serie anterior,
quedando,

0  f ( x0 )  ( x  x0 ) f ( x0 )

Resolviendo para x, se tiene,

f ( x0 )
x  x0  (3-9)
f ( x0)

Ahora x representa una mejor aproximación de la raíz y puede reemplazarse


por x0 en ecuación (3-9), para proporcionar una raíz más exacta, en la siguiente
iteración. La expresión general de este método puede, por consiguiente, escribirse
como:

f ( xn )
xn 1  xn  (3-10)
f ( xn )

donde el subíndice n denota valores obtenidos en la n-ésima iteración y n+1 indica


valores encontrados en la iteración (n+1). Este proceso iterativo convergerá a la raíz
para la mayoría de las funciones y, sino converge, será por su extremada rapidez.
El diagrama de flujo de este método, se muestra en Fig. D3.4.

El proceso es terminado cuando la magnitud de cambio, calculado en el valor


de la raíz, h, es más pequeño que alguna cantidad  predeterminada. Esto hace que
dos valores consecutivos de la variable independiente se repitan.
38

f(x)
No obstante su rápida
convergencia, el método de Newton tiene
algunas dificultades con ciertos tipos de
funciones. Estas dificultades pueden f(x ) o

superarse y hacer un uso más inteligente


de este poderoso método, considerando x
una interpretación gráfica del proceso. La
xo x1
Fig. 3.4 muestra la primera iteración para
una función típica. La siguiente
suposición para la raíz x1, es la
MARTÍN BARRAGÁN SOLÍS

intersección con el eje x de una línea


Fig. 3.4 Primer iteración del método de Newton R.
recta tangente a la función en el punto de
coordenadas (x0, f(x0)) El valor de x1 es
más cercano a la raíz que el valor supuesto inicialmente x0 y, es claro que
iteraciones sucesivas convergerán rápidamente a la raíz.

Inicio

x0 , 

x = x0

Fun = f(x)
Df = f ‘(x)

h = - Fun/Df

x=x+h

si Escribir
h  x
Fin

FIG. D3.4 Diagrama de flujo para el método de Newton Raphson


39

Ahora considere la siguiente función simple oscilatoria (Fig. 3.5). La primer


suposición x0, es razonablemente cercana a la raíz A. Sin embargo, la línea
tangente corta al eje de las abscisas en x1, la cual es cercana a la raíz B. La
siguiente iteración produce x2, y es claro que el método de Newton, en un valor
inicial no cercano a una raíz, puede resultar convergente para una raíz distante. No
hay una forma simple para evitar este tipo de comportamiento con ciertas funciones.
Sin embargo, un bosquejo superficial o tabulación de la función discutida
anteriormente, por lo general será suficiente para permitir la primer suposición en la
cual el método eventualmente dará las raíces deseadas, es decir, x0 deberá
proponerse lo más cercano posible a la raíz deseada. En cualquier caso, esos
puntos asegurarán que el programador está consciente de cualquiera de las raíces,
MARTÍN BARRAGÁN SOLÍS

para las cuales el método puede haber fallado.

El método de Newton también tiene una tendencia a caer en un máximo o en


un mínimo de una función y, entonces, la tangente de pendiente cero se dirige fuera
de la región de interés, ya que es paralela al eje x. El algoritmo puede también
ocasionalmente oscilar hacia atrás o hacia delante, entre dos regiones que
contienen raíces para un número bastante grande de iteraciones, encontrando
después una u otra raíz. Estas dificultades pueden ser evitadas fácilmente con
algún conocimiento previo del comportamiento de la función. Desde luego, si la
función no oscila, como la descrita en figura 3.5, entonces, el método de Newton,
encontrará una raíz sin mayor dificultad, siguiendo la rutina dada en el algoritmo
D3.4.
f(x)

B X
x0 A x1 x2

Fig. 3.5 Función oscilatoria


40

Ejemplo 3.9 Encuentre una


raíz de la ecuación Figura E3.9
f ( x)  e  10 x  2 , usando
x 2 60
40
el método de Newton.
20

Valores de f(X)
Solución. Puesto que f ‘(x) = 0
-4 -3 -2 -1
-20 0 1 2 3 4 5 6 7 8
ex –20x. Iniciando con un
-40
valor de x0 = 0.0, se calculó
-60
la función y derivada,
-80
respectivamente,
-100
obteniendo:
MARTÍN BARRAGÁN SOLÍS

-120
Valores de X
f ( x0 )  e  10 x  2
x0 2
0

 e 0  10(0) 2  2  3.00

f ‘(x0) = e0 –20(0)= 1.00

f ( x0 ) 3
hN      3.00 y de ecuación (3-10), se concluye que el valor
f ( x0 ) 1
aproximado de x, es:

f ( x0 )
x01  x0   x1  0.00  3.00  3.00
f ( x0 )

como el valor absoluto de hN (3.00), es muy grande, entonces x = -3.00 no es una


raíz y se repite el proceso deteniéndolo cuando dos valores consecutivos se repitan.

La tabla siguiente muestra los resultados obtenidos.

x f(x) f´(x) h
0.0000 3.0000 1.0000 -3.0000
-3.0000 -87.9502 60.0498 1.4646
-1.5354 -21.3585 30.9229 0.6907
-0.8447 -4.7051 17.3233 0.2716
-0.5731 -0.7203 12.0252 0.0599
-0.5132 -0.0348 10.8620 0.0032
-0.5100 -0.0001 10.7998 0.0000
-0.5100 0.0000 10.7996 0.0000
-0.5100 --- raíz
41

Ejemplo 3.10 Resolver la Figura E3.10


ecuación f(x) = e-x/4(2-x)-1 (Fig. 4
E3.10), por el método de 3
Newton Raphson. Obtenga el
2

Valores de f(X)
resultado con cuatro decimales
1
exactos.
0
-2 -1 0 1 2 3 4 5 6
-1
Solución. Como en el caso
-2
anterior, la primera derivada
MARTÍN BARRAGÁN SOLÍS

de esta ecuación es, -3


Valores de X

1 x
f ( x)  e 4 ( x  6)
4

Para manejar cuatro decimales exactos, se requiere que la tolerancia sea


=0.00001. Con esta aclaración, se iniciaron cálculos similares al ejemplo anterior y
se obtuvo, con x0 = 0

f(x0) = e-0/4(2-0)-1=1.0000

1 0
f ( x0 )  e 4 (0  6)  1.5000
4

f ( x0 ) 1
hN     0.66667
f ( x0 )  1.5

f ( x0 )
x01  x0   x1  0  0.66667  0.6667
f ( x0 )

De acuerdo al algoritmo dado en Fig. D3.4, se observa que 0.6667, que es el


valor absoluto de hN, no es menor que 0.00001, por lo que, se repite el proceso con
x1, llegando a,

1 0.66674
f(x1) = e-0.6667/4(2-0.6667)-1=0.12 y f ( x1 )  e (0.6667  6)  1.1290
4
42

f ( x1 ) f ( x1 )
hN    0.1140 ; x11  x1   x2  0.6667  0.1140  0.7806
f ( x1 ) f ( x1 )

nuevamente se nota que 0.114 es mayor que el error, por lo que, se debe repetir el
procedimiento, pero ahora con x = 0.7806. Puede probarse que siguiendo este
proceso se llega, finalmente a la raíz de x = 0.7836.

3.8. Método de Newton – Modificado


MARTÍN BARRAGÁN SOLÍS

La dificultad del método de Newton Raphson, en el comportamiento de una


función con raíces múltiples obliga a considerar una modificación del método
discutido por Ralston. Como primero se desean encontrar las raíces de una función
f(x). Definimos una función nueva U(x), dada por:

f ( x)
U ( x)  (3-11)
f ( x)

Se observa que la función U(x) tiene las mismas raíces que f(x), debido a
que, cuando f(x) es igual a cero, entonces U(x) se vuelve cero.

Suponiendo ahora que f(x) tiene una raíz múltiple en x = c de multicidad r. 


Esto podría ocurrir, por ejemplo, si f(x) contiene un factor (x-c) . Entonces, podría
fácilmente demostrarse que U(x) tiene una raíz en x = c de multicidad r, o una raíz
simple. Puesto que el método de Newton Raphson es efectivo para raíces simples,
podemos aplicar el método de Newton para resolver U(x) en lugar de f(x). De esta
manera, la ecuación recursiva de este método queda,

U ( xn )
xn 1  xn  (3-12)
U ( xn )

derivando la función auxiliar U(x), dada por ( 3-11),queda,

f ( xn ). f ( x)
U ( x)  1  (3-13)
 f ( x)2
43

El algoritmo de este método es idéntico al mostrado en Fig.D3.4, sólo se


sustituye el bloque de f(x) por U(x) y f ‘(x) por U ‘(x); conservando el mismo rango de
convergencia que el método referido, siendo indiferente de la multicidad de la raíz.

Ejemplo 3.11 Resolver, por el método de Newton modificado, con una exactitud de
tres decimales exactos, la siguiente ecuación,

f ( x)  cos( x)  e x  x 2  1 (Fig. E3.11)


MARTÍN BARRAGÁN SOLÍS

Solución. La ecuación (3-12) exige las dos primeras derivadas de f(x), las cuales
son, en este caso:

f ‘(x) =-sen(x) + ex –2x

f “(x) = -cos(x) + ex -2

proponiendo x0 = 1, se obtuvieron los siguientes valores, para la primer iteración:

f(x) =cos(1) + e1 – (1)2 + 1 = 3.2586

f ‘(x) = -sen(1) + e1 –2(1) = -0.1232

f “(x) = -cos(1) + e1 –2 = 0.1780

ahora, de ecuaciones ( 3-11) y ( 3-13) se tiene,

f ( x0 ) 3.259
U ( x0 )    26.4519
f ( x0 )  0.123

f ( x0 ). f ( x0 ) (3.259)(0.178)
U ( x0 )  1   1  37.2168
 f ( x0 ) 2
(0.123) 2

U ( x0 )  26.4519
h   0.7108
U ( x0 )  37.2168

y de ecuación ( 3-12), el nuevo valor de x es,


44

Figura E3.11
U ( x0 )  26.4519
x01  x0   1  0.2892 4.0
U ( x0 )  37.2168 3.5
3.0
2.5

Valores de f(X)
2.0
1.5
Tomando en cuenta la prueba 1.0
de convergencia; se observa que el 0.5
0.0
valor absoluto del cociente U(x0)/U‘(x0)
-2 -1 -0.5 0
1 2
= 0.7108 es mayor que el error -1.0
admisible, se concluye que el valor de -1.5
Valores de X
MARTÍN BARRAGÁN SOLÍS

x1 obtenido, no es la raíz y, en
consecuencia, se repite el proceso a partir de x1, llegando, ahora, al os siguientes
resultados,

f(x1) = 3.2102
f ‘(x1) = 0.4717
f “(x1) = -1.6230

U(x1) = 6.8057
U´(x1) = 24.4175
h = 0.2787 y
x2 = 0.0105

Nuevamente se observa que el valor absoluto de h es muy grande y se


repitió el procedimiento, descrito, pero ahora con x1 = 0.0105, para obtener x2,
después con x2 para estimar x3, etc. llegando la siguiente raíz: x = -1.2605.

Ejemplo 3.12 Con el uso del método de Newton Modificado, encuentre una raíz de
la ecuación,

f(x) = cos(x)cosh(x)-1 (Fig. E3.12)

Solución. Como en el caso anterior, se obtuvieron las dos primeras derivadas de f(x)
y se propusieron dos valores diferentes de x para encontrar dos raíces, por ejemplo,
para Iniciando con x0 = 5, se obtuvo:

f(x) = cos(x)cosh(x)-1 = 20.0506

f ‘(x) = cos(x)senh(x)-sen(x)cosh(x) = 92.2104


45

f”(x) = -2sen(x)senh(x) = 142.3105

U(x= = 0.2174

U´(x) = 0.6644

h = -0.3273

etc.
MARTÍN BARRAGÁN SOLÍS

x f(x) f´(x) f´´(x) U U´ h


5.0000 20.0506 92.2104 142.3105 0.2174 0.6644 -0.3273
4.6727 -3.1212 51.3364 106.8958 -0.0608 1.1266 0.0540
4.7267 -0.1922 57.2673 112.9015 -0.0034 1.0066 0.0033
4.7300 -0.0006 57.6443 113.2725 0.0000 1.0000 0.0000
4.7300 raíz

Figura E3.12
25
20
15
10
Valores de f(X)

5
0
-5 0 1 2 3 4 5 6 7 8
-10
-15
-20
-25
Valores de X

3.9. Método de la secante

Este método es, esencialmente, una modificación del método convencional


de Newton - Raphson con la derivada reemplazada por una expresión diferente.
Esto es ventajoso, si la función a resolver es difícil de derivar y, desde luego que, es
también conveniente para programar, en el sentido de que solamente es necesario
suplir un subprograma de función en el método, en lugar de subprogramas para
ambas, función y derivada. Reemplazando la derivada en ecuación (3- 9), por el
46

concepto elemental de tangente – recuerde, tangente es igual a la primer derivada-


resulta, por lo que:

f ( xn )
xn1  xn  (3-14)
 f ( xn )  f ( xn1 )/ Dn

donde Dn = xn – xn-1.

f(x)
MARTÍN BARRAGÁN SOLÍS

f(x00)

f(x0) raíz

X
x00 x0

f(x)
Fig. 3.6 Método de la SECANTE

Para usar este método, f(xn-1) y f(xn) deben ser conocidas. El primero es el
valor de la función dos iteraciones anteriores a la presente. Puesto que no hay tal
valor, serán disponibles para la primer iteración, dos valores iniciales supuestos,
cercanos entre ellos, que denominaremos x0 y x00, para los cuales se han calculado
los valores numéricos de las funciones, como se muestra en figura 3.6, que deberán
ser proporcionados al algoritmo (Fig.D3.5).

Para la mayoría de las funciones, el método de la secante no convergerá tan


rápido como el método convencional de Newton, pero su ventaja es un tanto más
importante por la velocidad decreciente de la convergencia. Si la primer derivada de
f(x) consume mucho tiempo para su evaluación, este método puede requerir menos
tiempo de cómputo que el método de Newton. La primer iteración de este método
se muestra en figura 3.6, donde se ha iniciado con los valores x00 y x0, el cuál
aproxima la raíz a x1, como el cruce de la recta secante con el eje x. En la siguiente
iteración se elimina x00 y f(x00), entrando x1 con f(x1), para hacer pareja con el punto
[x0, f(x0)], que definirán la nueva tangente. Esta recta cortará al eje x en x 2, la cual
47

es la segunda aproximación a la raíz. Si este valor no es la solución, se elimina el


punto [x0, f(x0)], quedando ahora, los puntos [x1, f(x1)] y [x2, f(x2)], por donde se
trazará la nueva tangente que, obviamente, permitirá encontrar x 3, etc.

inicio
MARTÍN BARRAGÁN SOLÍS

x00, x0, 

 = x0 – x00

x = x0

FAN=f(x00)

FAC= f(x)

FAC  FAN
tg 

= - FAC/tg

x = x+

no si
 x
FAN=FAC
?

FIN

Fig. D3.5 Diagrama de flujo para el método de la secante


48

Ejemplo 3.13 Encuentre al menos una raíz, usando el método de la secante, de la


ecuación,

2
 (5  1.5 y ) y  3
f ( y)  (5  1.5 y ) y    31.25
 5  2 5y 
Solución. Desarrollando el proceso dado en el diagrama de flujo (Fig. D3.5), se
tiene:

Paso 1. Sea yn-1 = 4 e yn = 4.5


MARTÍN BARRAGÁN SOLÍS

2
 (5  1.5(4))(4)  3
Paso 2. f(yn-1) = f(4) = (5  1.5(4))(4)    31.25  44.647
 5  3.6056(4) 

2
 (5  1.5(4.5))(4.5)  3
f(yn) = f (4.5)  (5  1.5(4.5))(4.5)    31.25  65.917
 5  3.6056(4.5) 

f ( y n 1 )  f ( y n ) 44.647  65.917
Paso 3. Tan ()=   42.5409
y n1  y n 4  4.5

65.917
Paso 4. El cociente de hs    1.5495
42.5409

Paso 5. El nuevo valor de y es: y n1  y n  hs  4.5  (1.5495)  2.9505

Paso 6. El valor absoluto de hs (1.5495) es muy grande, concluyendo que y =


2.9505 no es una raíz, por lo que se
repetirá el proceso eliminando el valor Figura E3.13
más lejano de la variable independiente 30
(y = 4.00); es decir, con los valores de y 20
= 4.5 e y = 2.9505, llegando, en esta 10
Valores de f(X)

ocasión, a los siguientes resultados, 0


0 1 2 3 4
-10
f(4.5) = 65.9167 -20
f(2.9505) = 9.5722 -30
tan()= 36.3633 -40
Valores de X
hs = - 0.3622
49

y = 2.6873

Puesto que el valor absoluto de h s, es aún muy grande, se repite el proceso con y =
2.9505 e y = 2.6873, con los que se llegó a,

f(2.9505) = 9.5722
f(2.6873) = 2.6661
tan()= 26.2349
hs = - 0.1016
y = 2.5856
MARTÍN BARRAGÁN SOLÍS

Al repetir el proceso con y = 2.6873 e y = 2.5856, se obtuvieron los siguientes


resultados:

f(2.5856) = 0.191; tan()= 24.357 y hs = - 0.008, por lo que, ynuevo = 2.578, valor
diferente a 2.5856, pero muy cercano a él.

Repitiendo el proceso con y = 2.5856 e y = 2.578, se obtuvieron los


siguientes valores:

f(2.578) = 0.004
tan()= 23.803,
hs =0.000
y = 2.578 (igual al último de los dos que se usaron), por lo que, esta es una raíz de
la ecuación que se propuso resolver, confirmando la gráfica este resultado.

Ejemplo 3.14 Resolver, por el método de la Secante, la ecuación (figura E3.14):

f ( x)  4 2 x  (8)4 x  12

Igual que en el problema anterior, se procedió como sigue:

Paso 1. Se propone que xn-1 = 0.0 y xn = 2.00

Paso 2. f(xn-1) = 4 2(0)  (8)4 0  12 = 5.00


f(xn) = 4 2( 2)  (8)4 2  12 = 140.00
50

Paso 3. tan()=
Figura E3.14
f ( xn 1 )  f ( xn ) 5.00  140.00
 = 67.500 45
xn 1  xn 0.00  2.00 40
35
30

Valores de f(X)
25
20
15
10
5
Paso 4. El cociente de 0
f ( xn ) 140.00 -2 -1 -5 0 1 2
hs      2.0741 -10
tan( ) 67.500 Valores de X
MARTÍN BARRAGÁN SOLÍS

Paso 5. El nuevo valor de x es: xn1  xn  hs  2.00  2.0741  -0.0741

Se observa que el valor absoluto de hs (2.0741) es muy grande, por lo que,


se repite el procedimiento, pero ahora con xn = 2.00 y xn+1 = -0.0741. En esta
ocasión se obtuvieron los siguientes resultados:

Paso 1. Sea xn = 2.0 y xn+1=-0.0741

Paso 2. f(xn) = f(2.0) = 140.00 y f(xn+1) = f(-0.0741) = 5.5951

f ( xn1 )  f ( xn ) 140.00  5.5951


Paso 3. tan()=  = 64.8024
xn1  xn 2.00  (0.0741)

f ( xn ) 5.5951
Paso 4. El cociente de hs      =0.0863
tan( ) 64.8024

Paso 5. El nuevo valor de x es: xn2  xn1  hs  -0.1604

Repitiendo reiteradamente este proceso se llegó a la raíz x = 0.500. Con otro par de
valores (x = 1 y x = 1.5), se llegó a la raíz de x = 1.292.

Problemas propuestos
51

3.1 El tirante normal en un canal de forma trapezoidal, que tiene una pendiente
lateral de k = 2 y un ancho en la base de 5 metros, se calcula con la ecuación:

2
 (5  2 y ) y  3
f ( y )  (5  2 y ) y    31.25
5  2y 5 

a) Use el método de falsa posición para estimar y, con  = 0.001


b) Aplique el método de la secante, con x00 = 2 y x0 = 2.2 y con el mismo
error que en el inciso a.
MARTÍN BARRAGÁN SOLÍS

3.2 Resuelva la ecuación, dada en problema 3.1


a) Usando el método de bisección, con una precisión de dos decimales
exactos.
b) Ahora use el método de Monte Carlo con x al = 0.6981, con la misma
precisión que en el inciso anterior.

3.3 Resuelva la siguiente ecuación, por tres métodos diferentes, aceptando un


error de  = 0.001:
2
Q2  0.012Q 
f ( y)  y   12.50 2/3 
 3.035
 AR 
2
2 gA

para Q = 25 m3/s; A =2.5y +0.8y2; R= A/P, donde P = 2.5 +2y 1  k 2 ; k = 0.8

3.4 Localice la raíz positiva de f(x) = 0.5x – sen(x). Use el método de Newton
Raphson y el método de la secante. En ambos casos, acepte una tolerancia de
0.0001

3.5 La concentración de la bacteria contaminante C en un lago decrece de acuerdo


con la relación:

C  80e2t  20e0.1t

Determínese el tiempo requerido para que la bacteria se reduzca a 10, usando


a) el método gráfico y b) el método de Newton Raphson. Compare resultados.

3.6 El movimiento de una estructura se define mediante la siguiente ecuación, para


una oscilación amortiguada:
52

y  10e0.5t  cos(2t )

a) Úsese el método gráfico, para obtener una estimación inicial del tiempo
necesario para que el desplazamiento baje hasta 4.
b) Use el método de Newton Raphson para determinar una raíz con un error
relativo del 0.01%.
c) Aplique el método de la secante para determinar la raíz con el mismo error
relativo que se pide en el inciso anterior.
MARTÍN BARRAGÁN SOLÍS

3.7 Una corriente oscilatoria, en un circuito eléctrico, se describe mediante:

I  10et sen(2t )

en donde t está dado en segundos. Determínense todos los valores de t, tales que I
=2. Use dos métodos diferentes para encontrar la solución y compare los
resultados.

3.8 Resuelva por dos métodos diferentes, la ecuación:

f ( x)  8 cos 2 ( x)  3 cos( x)  5

los resultados obtenidos, se desea que tengan un error relativo igual o menor al
0.01%.

3.9 Aplique tres métodos para resolver la ecuación: f ( x)  42 x  (8)4 x  12 . Se


acepta un error relativo del 0.01%.

3.10 Aplique el método de Newton y, posteriormente, el método de Monte Carlo,


para resolver la ecuación:

 x
f ( x)  4 cos   3sen(x)  2
2

con un error relativo, para la variable independiente, de 0.0001


53

x
1
3.11 Determine las raíces de la siguiente ecuación, f ( x)  e 3  sen( x) , usando el
2
método de falsa posición, con una aproximación de tres decimales exactos.

3.12 Resuelva la ecuación dada, por el método de falsa posición y por el de


secante, con una tolerancia de tol = 0.0001

f ( x)  4sen( x)  5 cos( x) Ln( x 2  3)


MARTÍN BARRAGÁN SOLÍS

3.13 Aplicando el método de Newton – Raphson, encuentre una raíz de la ecuación,


dada en seguida:

26.315
 4.572 y 2  27.751
y

3.14 Mediante el método de secante, resuelva ( para p máx ), la siguiente ecuación:

pmáx
15000 
p  6
1   máx  1e  2 x10 ( p máx )( 60)
 10 

3.15 Haga un programa de computadora, para resolver cualquier ecuación que


tenga la forma f(x) = 0. Si lo desea, aplique el programa a cualquier ecuación
de las dadas arriba y compare los resultados obtenidos con los cálculos
manuales.

3.16 Grafique la siguiente función y encuentre una raíz por dos métodos
diferentes.

3.17 f ( x)  4( x  2)1/ 3  sen(2 x)

3.18 Mediante el método de secante resuelva la ecuación dada a


continuación.
54

f ( x)  x 2  4  ln(3x)  5sen( x)

3.19 Aplique el método de Newton Raphson para encontrar una raíz de


la ecuación:

f ( x)  e x  x  1000
2

3.20 Aplique el método de Newton Modificado, para encontrar todas las


MARTÍN BARRAGÁN SOLÍS

raíces de la ecuación dada con una aproximación de e = 0.001

f ( x)  x3  2 x 2  100 x  20

3.21 Aplique el método de falsa posición para encontrar una raíz de la


ecuación dada con una aproximación de e = 0.001

f ( x)  e x sen( x)  ln(3x)  x3

3.22 Aplique el método de de la secante para encontrar el diámetro, D,


de una tubería sencilla, dada por la ecuación:

 2g  8Q 2
f ( D)  D 5  C  D  L  , con C=
 8.86Log ( D)  N 2  g 2 H

Para los siguientes datos:

Q = 0.062366 m3/s,
H = 4.00 m,
L = 500 m,
N = 35

Capítulo 4
55

SOLUCIÓN NUMÉRICA DE SISTEMAS DE ECUACIONES LINEALES

4.1 Introducción
MARTÍN BARRAGÁN SOLÍS

La solución simultánea de sistemas de ecuaciones lineales, consume una


fracción de tiempo de cálculo significante en un equipo de cómputo. La solución de
tales sistemas, permite la aplicación a una gran variedad de problemas, incluyendo
la solución numérica de ecuaciones diferenciales ordinarias y ecuaciones
diferenciales parciales, análisis estructural, análisis de trabajo neto, optimización y
análisis de datos. Los sistemas consisten de un gran número de ecuaciones
simultáneas y se deberá seleccionar el mejor método para cualquier problema dado.
Puesto que las técnicas básicas del álgebra matricial son requeridas en este
capítulo, tal como veremos más tarde, se empieza con una discusión de la
terminología y operaciones matriciales.

4.2 Conceptos y operaciones básicas con matrices.

4.2.1. Introducción

Una matriz es definida, en este contexto, como un arreglo rectangular de


números, caracterizada por el número de renglones y el número de columnas. Por
tanto,

1 7  1 4 87
2 0 5 4 3  1
A
1  1 2 3 1 9
 
6 2  1 4 1 1 
56

Es una matriz de 4 renglones y 6 columnas. Cualquier elemento dado de la matriz A


será denotado por aij, donde i es la localización en el renglón y j su localización en
columna. Así, a23 = 5.

Nuestro interés primario será con matrices cuadradas y matrices de


dimensión columna 1 o con dimensión en renglón 1. Matrices con dimensión 1 en
columna, tal como,

2
7 
 
B  3
MARTÍN BARRAGÁN SOLÍS

 
5
8 

Son referidas como vectores columnas, mientras que las matrices con dimensión 1
en el renglón, tal como

F  1 3 5 2

Son llamados vectores renglón.

Las matrices cuadradas pueden tener ciertas configuraciones especiales que


son de interés en ingeniería. Podríamos ilustrar con una matriz de 4x4. Todas las
exposiciones son aplicables a matrices cuadradas de cualquier tamaño. Considere,

 c11 c12 c13 c14 


c c c 23 c 24 
C   21 22
c 31 c 32 c 33 c 34 
 
c 41 c 42 c 43 c 44 

La diagonal consistente de c11, c22, c33 y c44 es llamada la diagonal principal


de la matriz. La matriz es llamada simétrica sí cij = cji. Una matriz triangular superior
es aquella en la cual todos los elementos debajo de la diagonal son cero. Por tanto,

c11 c12 c13 c14 


 c 22 c 23 c 24 
C
 c 33 c 34 
 
 c 44 
57

Es triangular superior. Note que cuando los bloques de elementos son cero hay
simplemente blancos en la representación de la matriz.

Una matriz triangular inferior es aquella en la cual todos los elementos arriba de la
diagonal son cero, como:

 c11 
c c 
C   21 22 
c 31 c 32 c 33 
 
c 41 c 42 c 43 c 44 
MARTÍN BARRAGÁN SOLÍS

Una matriz diagonal es aquella en la que todos los elementos son cero
excepto los de la diagonal principal. Una matriz diagonal particularmente importante
es

1 0 0 0
0 1 0 0
I 
0 0 1 0
 
0 0 0 1

La cual es llamada matriz unitaria o matriz identidad. Una matriz bandeada tiene
todos los elementos cero excepto para una banda centrada en la diagonal principal.
Por consiguiente, el siguiente arreglo matricial es una matriz tridiagonal también
llamada matriz bandeada, en este caso con tres bandas.

 c11 c12 
c c c 23 
C   21 22 
 c 32 c 33 c 34 
 
 c 43 c 44 

Una matriz transpuesta es aquella que convierte sus renglones en columnas


y sus columnas en renglones. Así, por ejemplo, la transpuesta de la matriz de 4x4
que hemos presentado para la discusión, es

 c11 c 21 c 32 c 41 
c c 22 c 32 c 42 
C T   12
c13 c 23 c 33 c 43 
 
c14 c 24 c 34 c 44 
58

Una matriz aumentada resulta cuando a la matriz original se le agrega una o


más columnas, por ejemplo, las dos siguientes matrices son aumentadas.

 c11 c12 c13 c14 b1 


 
c c c 23 c 24 b2 
C   21 22
c31 c32 c33 c34 b3 
 
c 41 c 42 c 43 c 44 b4 

Se agregó el vector de términos constantes del sistema original de ecuaciones


lineales.
MARTÍN BARRAGÁN SOLÍS

 c11 c12 c13 c14 1 0 0 0


 
c c c 23 c 24 0 1 0 0
C   21 22
c31 c32 c33 c34 0 0 1 0
 
c 41 c 42 c 43 c 44 0 0 0 1

En este caso se agregó la matriz identidad.

4.2.2. Operaciones con matrices

Podemos ahora definir algunas de las operaciones básicas con matrices. La


adición matricial es representada como

S= A + B (4-1)

Se realiza sumando los elementos correspondientes de cada matriz, así por


ejemplo,

Sij= aij + bij (4-1.1)

Para i = 1, 2, 3, ..., m y j = 1, 2, 3, ..., n.

De manera similar, la resta de dos matrices, A y B se representa mediante:

C = A - B (4-2)

Obteniendo la matriz C restando los elementos correspondientes de cada matriz, es


decir,
59

cij= aij – bij (4-2.1)

Para i = 1, 2, 3, ..., m y j = 1, 2, 3, ..., n.

De acuerdo a estas definiciones, se concluye que la suma y resta de matrices


se puede llevar a cabo, si y solo si, las matrices a sumar o restar tienen la misma
dimensión.

La multiplicación de una matriz C por un escalar k se obtiene multiplicando


cada elemento de C por el escalar k, así que,
MARTÍN BARRAGÁN SOLÍS

G=kC

Si la matriz C está dada por

 c11 c12 c13 c14 


c c c 23 c 24 
C   21 22
c 31 c 32 c 33 c 34 
 
c 41 c 42 c 43 c 44 

Entonces, k[C] se escribe como

 c11 c12 c13 c14 


c c c 23 c 24 
C  k  21 22
c 31 c 32 c 33 c 34 
 
c 41 c 42 c 43 c 44 

Sin embargo, el producto de dos matrices se simboliza como C=AB y se


define

n
cij   aik bkj (4-4)
k 1

Donde n es la dimensión de las columnas de A y de los renglones de B. En otras


palabras, el número de columnas de la primer matriz, debe ser igual al número de
renglones de la segunda matriz, de otra manera no puede efectuarse la
multiplicación matricial.
60

Aunque la multiplicación matricial es posible, en términos de (4-4), la división


matricial aun no está definida. Sin embargo, si una matriz C es cuadrada, hay otra
matriz C-1, llamada inversa de C tal que su producto es la matriz identidad, como
se muestra abajo.

CC-1 = C-1C = I (4-5)

4.3 Métodos de solución


MARTÍN BARRAGÁN SOLÍS

Los métodos analíticos de solución, no siempre son recomendables para la


solución de sistemas grandes de ecuaciones algebraicas lineales; ya que, su
metodología podría parecer difícil, aunque realmente no lo sea. Por ejemplo, si un
sistema de ecuaciones simultáneas de 8x8 ó menor, es resuelto por determinantes,
la solución se obtiene con cierta facilidad, pero para sistemas más grandes, este
método resulta de cierta manera, dificultoso. Sin embargo, un método numérico
asociado a un equipo de cómputo “grande”, permite resolver sistemas de
ecuaciones de grandes dimensiones, en poquísimo tiempo de cálculo.

Los métodos numéricos que se presentan, son esencialmente sencillos de


programar, por lo que, será un pasatiempo divertido para los estudiosos.
Actualmente hay varios métodos numéricos para resolver sistemas de ecuaciones
lineales, pero en este libro se dan aquellos que facilitan el trabajo del ingeniero y
que permiten el uso de equipo electrónico moderno.

Aunque en el presente capítulo sólo se resuelven, a manera de ilustración


algunos ejemplos, haciendo cálculos manuales, en las aplicaciones de ingeniería se
resolverán sistemas grandes de ecuaciones lineales, en donde, la limitante podría
ser la capacidad del equipo de cómputo disponible. Sin embargo, en la actualidad
esa ya no es una dificultad, debido a los avances tecnológicos en el ramo de las
máquinas electrónicas.

4.3.1 Eliminación completa de Gauss – Jordan. Sistemas cuadrados

Para estos sistemas, la matriz de coeficientes A es de orden nxn, es decir, el


número de renglones es igual al número de columnas.
61

En notación matricial, un sistema de ecuaciones lineales, se representa


como.

 a11 a12 a13 . a1n   x1   b1 


a a22 a23 . a2 n   x2   b2 
 21
 a31 a32 a33 . a3n   x3    b3 
     (4-7)
 . . . . .  .   . 
am1 am 2 am 3 . amn   xm  bm 
MARTÍN BARRAGÁN SOLÍS

Por lo que, las siguientes dos simbolizaciones son equivalentes:

Amxn X mx1  Bmx1

ó simplemente,

A. X   B

La aplicación del método de eliminación completa de Gauss & Jordan,


consiste de los siguientes pasos:

Paso 1. Escribir el sistema (4-7), como un sistema aumentado, quedando:

A B (4-8)

Paso 2. Seleccionar, de la diagonal principal de A, el Pivote; para lo cual se viaja


por dicha diagonal de izquierda a derecha, de esta manera, el primer elemento
seleccionado será el coeficiente a11, en segundo lugar el a22, en tercer lugar el
elemento a33 y, así sucesivamente, hasta llegar al elemento ann.

Paso 3. Dividir los elementos del renglón con pivote por el coeficiente seleccionado,
esto es, la primer vez, el renglón número 1 entre a11, con lo cual queda
transformado.

Paso 4. Los demás elementos de la matriz A, que no están en renglón con pivote,
se transforman con la ecuación,
62

aiL
aijt  aij  *
(aLj ) (4-9)
aLL
Paso 5. Los elementos que están en B, se transforman con una ecuación
equivalente a la anterior, que se escribe como,

amL
bmt  bm  *
(bL ) (4-10)
aLL

Donde
o aijt es el elemento que estará en el renglón “i” y en la columna “j”, pero
MARTÍN BARRAGÁN SOLÍS

transformado.
*
o aLL es el elemento pivote, como está en la diagonal principal, su renglón
coincide con su columna.
o aiL corresponde al elemento que está en el mismo renglón que el elemento
por transformar y en la misma columna que el pivote.
o amL es el elemento de A que está en el mismo renglón que b m y en la
columna donde está el pivote.
o aLj elemento que está en el mismo renglón que el pivote y en la misma
columna que el elemento por transformar.
o bL elemento de B que está en la columna de b m, pero en el renglón pivote.

En este momento, el sistema (4-8) se ha transformado en otro sistema


equivalente, que se denotará por,

A B (4-11)

Paso 6. Se repiten los pasos 2-5, tantas veces como elementos tenga la diagonal
principal, es decir, hasta que en lugar de la matriz de coeficientes A se tenga la
matriz identidad I, teniendo ahora el último sistema equivalente, como:

I B 
sol ( 4-12)

Donde I es la matriz identidad del mismo orden que la matriz A y Bsol es la solución
del sistema de ecuaciones algebraicas lineales. El diagrama de flujo se puede ver
en Fig. D4.1.
63

Definir: El sistema no
Inicio  aij  y  bi  ¿aij no tiene
0? solución úni-
i,j =1, . . ., n ca.
si

Fin
L=0
MARTÍN BARRAGÁN SOLÍS

 L = L +1

aLj
aLjt 
aLL
bL si ¿i =L? si ¿aLL0 no Cambiar el
bLt  ? orden de
aLL ecuaciones
j  1,..., n
no

aiL
aijt  aij  (aLj )
aLL
aiL
bit  bi  (bi )
aLL
i, j  1,..., n

xi = bi
¿L =n? si
J=1, . .., n Fin

no

Fig. D4.1 Diagrama de flujo del método de eliminación completa de Gauss – Jordan.
64

Prob. 4.1 El siguiente sistema de 3x3, se resuelve por el método de eliminación


completa de Gauss – Jordan.

16x1 + 4x2 + 6x3 = 60


2x1 -18x2 + 4x3 = 2
4x1 + 6x2 + 12x3 = 62

Solución. Primero se escribe la matriz aumentada, seleccionando en ella el primer


pivote de la diagonal principal, siendo en este caso el a11 = 16. También se
identificaron los renglones para facilitar la aplicación, es decir, los elementos 16, 4,
6 y 60, forman el primer renglón; etc.
MARTÍN BARRAGÁN SOLÍS

16 4 6 60
 
 2  18 4 2 
4 6 12 62

De acuerdo al método planteado, el pivote es, en esta ocasión, el elemento


a11 = 16; por lo que, el renglón uno (R 1), se dividió por 16, quedando, 16/16 = 1.00;
1/4; 3/8 y 15/4. Los demás elementos del arreglo anterior que no están en el renglón
R1, se transformaron con ecuación (4-10). Por ejemplo, los elementos del renglón
R2 quedan,

Elemento a21 (i = 2 y j = 1),

a21 2
t
a21 = a21  *
(a11)  2  (16)  0.000
a11 16

Elemento a22.(i = 2, j =2)

a21 2
t
a22  a22  *
(a12 )   18  (4)  18.5000
a11 16

Elemento a23 (i = 2, j = 3)

a21 2
t
a23  a23  *
( a13 )  4  (6) = 3.250
a11 16

Elemento b2 (m = 2, j = 4), de ecuación (4- 11)


65

amL 2
bmt  bm  *
(bL ) = 2  (60)  5.500
aLL 16

Para los elementos del R3, se hizo:

Elemento a31 (i = 3 y j = 1),

a31 4
t
a31 = a31  *
(a11)  4  (16)  0.000
a11 16
MARTÍN BARRAGÁN SOLÍS

Elemento a32 (i = 3 y j = 2)

a31 4
t
a32  a32  *
(a12 )  6  (4)  5.000
a11 16

Elemento a33 (i = 3 y j = 3)

a31 4
t
a33  a23  *
(a13 )  12  (6) = 10.500
a11 16

Elemento b3 (m = 3, j = 4), según ecuación (4-11)

amL 4
bmt  bm  *
(bL )  62  (60)  47.000
aLL 16

Hasta aquí se ha hecho la transformación del arreglo original ampliado,


obteniendo el primer sistema equivalente, el cual queda como,

1.000 0.250 0.375 3.750 



 0.000  18.500 3.250  5.500
0.000 5.000 10.500 47.000 

En este nuevo sistema, se escoge como segundo pivote al elemento a22 = -


18.500 con el que se obtuvo el siguiente sistema equivalente:

1.000 0.000 0.419 3.676 


 
0.000 1.000  0.176 0.297 
0.000 0.000 11.378 45.514

66

Para el último pivote (a33 = 11.375), se llegó a, finalmente:

1.000 0.000 0.000 2.0


 
0.000 1.000 0.000 1.0  ,
0.000 0.000 1.000 4.0

De donde se desprende la solución:

x1 = 2; x2 = 1 y x3 = 4
MARTÍN BARRAGÁN SOLÍS

Prob. 4.2 Por el mismo método, se muestra la solución de un sistema de cuatro


ecuaciones simultáneas. Con la finalidad de no repetir la explicación y que el
estudiante compruebe los cálculos, se presentan los resultados finales a que se
llegó partiendo del sistema ampliado, es decir, que en la última columna se incluyen
los términos independientes:

20 25 40 50  w 1970


10 15 20 22  x   970 
      ; sistema original, en su representación matricial.
10 8 10 15   y   601 
    
 3 4 7 20  z   504 

20 25 40 50 1970
 
10 15 20 22 970  ; matriz aumentada
10 8 10 15 601 
 
 3 4 7 20 504 

Seleccionando pivotes a los elementos de la diagonal principal y aplicando la


eliminación completa de Gauss – Jordan; se escriben a continuación los sistemas
equivalentes obtenidos. Se deja al estudiante la tarea de verificar esos resultados,
con el objeto que le sirva de práctica.

1 1.25 2.00 2.50 98.50  1 0.00 2.00 4.00 106.00 


  
 0 2.50 0.00  3.0  15.00   0 1.00 0.00  1.20  6.00 
0  4.50  10.0  10.0  384.00 0 0.00  10.0  15.40  411.00
   
0 0.25 1.00 12.50 208.50  0 0.00 1.00 12.80 210.00 
67

1 0.00 0.00 0.92 23.80  1 0.00 0.00 0.00 10.0


  
0 1.00 0.00  1.20  6.00  0 1.00 0.00 0.00 12.0
0
 
0.00 1.00 1.54 41.10  0 0.00 1.00 0.00 18.0
   
0 0.00 0.00 11.26 168.90 0 0.00 0.00 1.00 15.0

La solución es: w = 10; x = 12; y = 18 y z = 15

4.3.1 Eliminación completa de Gauss – Jordan. Sistemas de ecuaciones lineales


con m ecuaciones y n incógnitas.
MARTÍN BARRAGÁN SOLÍS

Elementos teóricos

Sea el sistema,

a11x1  a12 x2  a13x3  ...  a1n xn  b1


a21x1  a22 x2  a23x3  ...  a2 n xn  b2
(4-13)

am1 x1  am 2 x2  am3 x3  ...  amn xn  bm

Un sistema no homogéneo, con bm  0 y m  n. Si se forma un nuevo sistema de m


ecuaciones con n incógnitas, se igualan a cero las restantes ( n – m) incógnitas y se
encuentra la solución al nuevo sistema así obtenido, se dirá que es básica, si en ella
todos los resultados son diferentes a cero, en caso contrario se dirá que es
degenerada.

Teorema 4.1 Una condición necesaria y suficiente para que una solución básica no
sea degenerada es que, exista independencia lineal entre el vector de los términos
independientes y cualquier grupo de ( m-1 ) vectores columna, de la matriz de los
coeficientes.

Los grupos de soluciones básicas de estos sistemas, se obtienen con la


combinación que resulte de,

n n!
 
  (n  m)!m! (4-14)
m
68

Para encontrar cada solución básica dada por (4-14), se recomienda el uso del
método de Gauss & Jordan, explicado anteriormente, modificando ecuación ( 4-10 ),
para quedar como,

aiK
aijt  aij  *
(aLj ) (4 –15)
aLK

*
Donde a LK es el pivote.

En este caso, se inicia seleccionando como pivote, el coeficiente a ij asociado


MARTÍN BARRAGÁN SOLÍS

a una variable del grupo de solución y se aplica el proceso del método de Gauss &
Jordan, obteniendo un nuevo sistema equivalente, como antes. A continuación se
escoge como siguiente pivote, otro coeficiente a ij que no esté en el mismo renglón
que el anterior, asociado a la siguiente variable, del grupo de solución, para aplicar
nuevamente la rutina del método que nos ocupa. Si aún no han sido seleccionados
todos los coeficientes aij correspondientes a las variables de una solución básica, se
continúa como antes, tomando en cuenta que ningún pivote debe estar en el mismo
renglón que otro. Al concluir esto, se ha obtenido una solución básica.

Para obtener la siguiente solución básica, se tienen dos caminos: Repetir


todo el proceso anterior desde el inicio, como si aún no se hubiera iniciado ó partir
del último sistema equivalente, seleccionando adecuadamente el siguiente pivote,
de tal forma que permita entrar a la base el grupo de variables que conformarán otra
solución básica. Continuando así hasta obtener todas las soluciones dadas por (4-
14).

Prob. 4.3. En este ejemplo se resuelve un sistema de 2 ecuaciones y 4 incógnitas,


obteniendo las soluciones básicas del sistema.

2x1 + 3x2 + 3x3 + 4x4 = 20


3x1 + 2x2 + 4x3 + 2x4 = 16

Solución. Puesto que se trata de un sistema de dos ecuaciones (m =2) y cuatro


incógnitas (n = 4), el número de soluciones básicas es, de acuerdo a (4-14) es, en
este caso:

n 4!
 
  (4  2)!2!  6
m
69

Que pueden sintetizarse como las siguientes combinaciones: x1x2, x1x3, x1x4; así
como, x2x3, x2x4; x3x4.

Para incidir en la primer solución, primero será escogido, del arreglo inicial,
como pivote a11 y luego a22, con lo cual se tendrá la primer solución básica.

v.b. 2 3 3 4 20


 2 16 
 3 2 4
MARTÍN BARRAGÁN SOLÍS

Igual que en los casos normales de la aplicación del método de Gauss- Jordan, el
primer renglón se dividió por 2 (pivote) y, los elementos del renglón R2 se
transformaron con la ecuación ( 4-15 ), con L = 1 y K =1, quedando:

 x1 1 1.5 1.5 2 10 
  2.5  0.5  4  14
 0

En este sistema equivalente, se seleccionó como pivote al elemento a 22, por


lo que x2 entró a la base. Los elementos del renglón R2 se dividieron por el valor
numérico del pivote y los elementos del renglón R1 se transformaron con ecuación
(4-15). Se hace notar que L = 2 y K =2, llegando a:

 x1 1 0 1.2  0.4 1.6 


x 0.2 1.6 5.6
 2 0 1

Puesto que x1 y x2 están en la base, la primer solución básica es: x1 = 1.60


y x2 = 5.60

Para encontrar la segunda solución, que corresponde a la combinación x 1x3,


se marcó como pivote el coeficiente relacionado con x3, ya que x1 está en la base.
La transformación quedo como sigue:

 x1 1 6 0  10  32
x 8 28 
 3 0 5 1

Por consiguiente, la segunda solución básica, x1 = -32 y x3 = 28.


La tercer solución se obtuvo al seleccionar a 24 (=8.00) como pivote, puesto
que corresponde a la combinación x1x4 y x1 ya está en la base. Llegando al
siguiente sistema equivalente:
70

 x1 1 0.25 1.250 0.0 3 


x 0.125 1.0 3.5
 4 0 0.625

De la misma manera se fueron obteniendo las siguientes soluciones básicas,


es decir, se seleccionó adecuadamente el pivote para que entrara a la base la
variable de interés, llegando a los siguientes sistemas equivalentes:

 x2 4.0 1 5 0.0 12 
x  2.5  3 1.0  4
 4 0.
MARTÍN BARRAGÁN SOLÍS

 x2 0.167 1 0.0 1.667  5.333


x  0.333 1.333
 3 0.833 0. 1.0

 x4  0.10 0.60 0.0 1.0 3.2


x 0.20. 1.0 0.0 2.4
 3 0.80

Un resumen final de todas las soluciones básicas obtenidas, para el sistema


propuesto es:

No.Sol. x1 x2 x3 x4
1 1.60 5.60 0.00 0.00
2 -32.00 0.00 28.00 0.00
3 3.00 0.00 0.00 3.50
4 0.00 12.00 0.00 -4.00
5 0.00 5.33 1.33 0.00
6 0.00 0.00 2.40 3.20

Prob. 4.4 Encuentre las soluciones básicas del siguiente sistema lineal, de tres
ecuaciones con cuatro incógnitas.

2x1 -5x2 + 3x3 + 6x4 = 61


-x1 + 2x2 - 4x3 + 5x4 = 52
3x1 + 7x2 - 4x3 - 10x4 = 50

Solución. En este caso m = 3 y n = 4; por lo que, ecuación (4-14) indica que el


presente sistema tiene 4 soluciones básicas que corresponden a las
71

combinaciones: x1x2x3; x1x2x4; x1x3x4 y x2x3x4. A continuación se obtienen estas


soluciones, aplicando el método de Gauss & Jordan, con auxilio de ecuación (4-15).
Note usted que se agregó una columna a la izquierda, para identificar la
variable que entra a la base; así como encabezado de columnas para facilidad de
localización de los elementos del arreglo matricial. El pivote está marcado, en cada
sistema equivalente, con letras negritas.

v.b. x1 x2 x3 x4 bm
* 2.000 -5.000 3.000 6.000 61.000
* -1.000 2.000 -4.000 5.000 52.000
MARTÍN BARRAGÁN SOLÍS

* 3.000 7.000 -4.000 -10.000 50.000

X1 1.000 -2.500 1.500 3.000 30.500


* 0.000 -0.500 -2.500 8.000 82.500
* 0.000 14.500 -8.500 -19.000 -41.500

X1 1.000 0.000 14.000 -37.000 -382.000

X2 0.000 1.000 5.000 -16.000 -165.000


* 0.000 0.000 -81.000 213.000 2351.000

X1 1.000 0.000 0.000 -0.185 24.346


X2 0.000 1.000 0.000 -16.000 -165.000
X3 0.000 0.000 1.000 -2.630 -29.025

X1 1.000 0.000 -0.070 0.000 26.390


X2 0.000 1.000 0.125 1.000 11.601
X4 0.000 0.000 -0.380 1.000 11.038

X1 1.000 0.563 0.000 0.563 32.925


X3 0.000 8.000 1.000 8.000 92.808
* 0.000 3.042 0.000 4.042 46.331

X1 1.000 0.139 0.000 0.000 26.468


X3 0.000 1.979 1.000 0.000 1.115
72

X4 0.000 0.753 0.000 1.000 11.462

X2 7.175 1.000 0.000 0.000 189.909


X3 -14.200 0.000 1.000 0.000 -374.733
X4 -5.400 0.000 0.000 1.000 -131.467

Cada solución básica puede deducirse de cada sistema que presenta tres
variables en la base, por ejemplo, la primera solución básica es:

X1 = 24.346
MARTÍN BARRAGÁN SOLÍS

X2 =-165.000
X3 = -29.025

4.3.2 Método de matriz inversa

Este método se aplica única y exclusivamente a los sistemas de ecuaciones


lineales cuadrados (m = n). Partiendo de un arreglo como el dado por (4-8), con la
siguiente modificación:

A I  (4–16)

Donde [I] es una matriz identidad del mismo orden que la matriz [A].

La aplicación del método de Gauss – Jordan a este arreglo, facilita


grandemente la obtención de la matriz inversa de [A] que se denota por A-1. Puesto
que son seleccionados todos los elementos de la diagonal principal como pivotes. Al
finalizar, la ecuación ( 4-16) tiene la forma:

I A 
1
(4–17)

Para encontrar la solución al sistema de ecuaciones simultáneas, se multiplica la


inversa obtenida por los términos independientes del sistema, es decir:

X   B  A1 * B (4-18)
A

Aquí X, representa el vector que contiene las incógnitas en columna.


73

B es el vector columna, de términos independientes


A-1 la matriz inversa de la matriz de coeficientes

Prob. 4.5 Para el sistema de ecuaciones simultáneas dado a continuación, obtenga


la inversa y posteriormente la solución del sistema.

6.122x + 1500.500 y = 1506.622


2000x + 3y = 2003

Solución. El sistema ampliado es, en este problema,


MARTÍN BARRAGÁN SOLÍS

6.1220 1500.5000 1.00000000 0.00000000


2000.0000 3.0000 0.00000000 1.00000000

Primer pivote: a11 = 6.122. Aplicando la transformación de Gauss – Jordan, se tiene,

1.0000 245.0996 0.16334531 0.00000000


0.0000 -490196.2813 -326.69062398 1.00000000

Ahora con el pivote a22 = -490196.281, se llega al siguiente sistema


equivalente,

1.00 0.00 -0.00000100 0.00050000


0.00 1.00 0.00066645 -0.00000204

Por tanto, la matriz inversa es,

A    00..00000100
1  0.00050000
00066645  0.00000204
 

La solución del sistema se obtiene aplicando el producto matricial dado por


(4-19), es decir:

 x1   0.00000100 0.00050000  1506.622 


 x    0.0006645  0.00000204 2003.000
*
 2 

De donde se obtiene que, x = 1.000 e y = 1.000, como solución del sistema


compuesto por estas dos ecuaciones simultáneas.
74

Prob. 4.6 Como problema alterno se resuelve un sistema de 5x5, presentando


sucesivamente los sistemas equivalentes. Sea el sistema:

8x1 + 3x2 – 9x3 + 7x4 + 4x5 = 10


2x1 - x2 + 6x3 + 17x4 + x5 = 21
4x1 + 3x2 – 7x3 + x4 + 6x5 = 10
12x1 - x2 + 6 x3 + 14x4 + 2x5 = 28
7x1 + 6x2 + x3 + 9x4 + 10x5 = 38

La matriz ampliada, del sistema anterior es,


8.000 3.000 -9.000 7.000 4.000 1.000 0.000 0.000 0.000 0.000
MARTÍN BARRAGÁN SOLÍS

2.000 -1.000 6.000 17.000 1.000 0.000 1.000 0.000 0.000 0.000
4.000 3.000 -7.000 1.000 6.000 0.000 0.000 1.000 0.000 0.000
12.000 -1.000 6.000 14.000 2.000 0.000 0.000 0.000 1.000 0.000
7.000 6.000 1.000 9.000 10.000 0.000 0.000 0.000 0.000 1.000

Con pivote en a11 y aplicando el proceso de Gauss- Jordan, se obtuvo el


primer sistema equivalente:
1.000 0.375 -1.125 0.875 0.500 0.125 0.000 0.000 0.000 0.000
0.000 -1.750 8.250 15.250 0.000 -0.250 1.000 0.000 0.000 0.000
0.000 1.500 -2.500 -2.500 4.000 -0.500 0.000 1.000 0.000 0.000
0.000 -5.500 19.500 3.500 -4.000 -1.500 0.000 0.000 1.000 0.000
0.000 3.375 8.875 2.875 6.500 -0.875 0.000 0.000 0.000 1.000

Tomando los pivotes subsecuentes en a22, a33, a44 y a55, se fueron


generando, los sistemas equivalentes siguientes,
1.000 0.000 0.643 4.143 0.500 0.071 0.214 0.000 0.000 0.000
0.000 1.000 -4.714 -8.714 0.000 0.143 -0.571 0.000 0.000 0.000
0.000 0.000 4.571 10.571 4.000 -0.714 0.857 1.000 0.000 0.000
0.000 0.000 -6.429 -44.429 -4.000 -0.714 -3.143 0.000 1.000 0.000
0.000 0.000 24.786 32.286 6.500 -1.357 1.929 0.000 0.000 1.000

1.000 0.000 0.000 2.656 -0.063 0.172 0.094 -0.141 0.000 0.000
0.000 1.000 0.000 2.188 4.125 -0.594 0.313 1.031 0.000 0.000
0.000 0.000 1.000 2.313 0.875 -0.156 0.188 0.219 0.000 0.000
0.000 0.000 0.000 -29.563 1.625 -1.719 -1.938 1.406 1.000 0.000
0.000 0.000 0.000 -25.031 -15.188 2.516 -2.719 -5.422 0.000 1.000

1.000 0.000 0.000 0.000 0.084 0.017 -0.080 -0.014 0.090 0.000
0.000 1.000 0.000 0.000 4.245 -0.721 0.169 1.135 0.074 0.000
0.000 0.000 1.000 0.000 1.002 -0.291 0.036 0.329 0.078 0.000
0.000 0.000 0.000 1.000 -0.055 0.058 0.066 -0.048 -0.034 0.000
0.000 0.000 0.000 0.000 -16.563 3.971 -1.078 -6.613 -0.847 1.000
75

1.000 0.000 0.000 0.000 0.000 0.037 -0.086 -0.048 0.086 0.005
0.000 1.000 0.000 0.000 0.000 0.297 -0.107 -0.560 -0.143 0.256
0.000 0.000 1.000 0.000 0.000 -0.050 -0.029 -0.071 0.027 0.061
0.000 0.000 0.000 1.000 0.000 0.045 0.069 -0.026 -0.031 -0.003
0.000 0.000 0.000 0.000 1.000 -0.240 0.065 0.399 0.051 -0.060

Por lo que la inversa de A, es:

 0.037  0.086  0.048  0.086  0.005


 0.297  0.107  0.560  0.143  0.256
MARTÍN BARRAGÁN SOLÍS

 
A 
1
  0.050  0.029  0.071  0.027  0.061 
 
 0.045  0.069  0.026  0.031  0.003 
 0.240  0.065  0.399  0.051  0.060 

Nuevamente de ecuación (4-19), la solución es:

 x1   0.037  0.086  0.048  0.086  0.005 10  0.6852


 x   0.297  0.107  0.560  0.143  0.256 21  
 2     0.8565
 x3    0.050  0.029  0.071  0.027  0.061  * 10   1.2221
       
 x4   0.045  0.069  0.026  0.031  0.003  28 0.6503
 x5   0.240  0.065  0.399  0.051  0.060  38 2.0990
 

4.3.3 Método de Jacobi

Este método iterativo, en la solución de sistemas de ecuaciones lineales


cuadrados es muy similar al método de aproximaciones sucesivas para resolver
ecuaciones no lineales; porque en general, parte de una solución supuesta para
obtener la siguiente solución, seguramente más cercana a la solución real, del
sistema. A esta solución aproximada se le aplica el criterio de convergencia relativa
y, si lo cumple, la solución obtenida es aceptada, en caso contrario, se repite el
proceso, pero ya no se supone una solución, más bien se parte de esta última
solución. La estrategia que permite resolver un sistema de ecuaciones lineales, por
este método, es el siguiente:
76

1. Se despeja x1 de la ecuación número 1, del sistema a resolver; x2 de la


ecuación número 2; x3 de ecuación número 3; etc. Este sistema se le
denomina sistema recursivo. Si el sistema dado es de n ecuaciones,
entonces se tiene, un sistema recursivo como el siguiente:

k 1 b1  a12 x2k  a13x3k  ...  a1n xnk


x1 
a11

b2  a21x1k  a23x3k  ...  a2 n xnk


x2k 1 
MARTÍN BARRAGÁN SOLÍS

a22

k 1 b3  a31x1k  a32 x2k  ...  a2 n xnk


x3  (4-19)
a33
- --------
- --------
- --------

bn  an1 x1k  an 2 x2k  ...  an, n 1 xnk1


xnk 1 
ann

2. Se empieza el proceso, proponiendo una solución inicial que se denota por

X 0j

3. Se sustituye este vector en el sistema recursivo, empezando por calcular x1.


Después se calcula x2; luego x3 y así, sucesivamente hasta calcular todas las
incógnitas, cuyo vector se simboliza por,

X 1j

4. Se checa la convergencia con,

X kj  X kj 1
? (4-20)
X kj 1

Para la primera vez queda:


77

X 1j  X 0j
?
X 1j

5. Si esta condición es cumplida se detiene el proceso, en caso contrario se


repiten los pasos 3 y 4, entrando con los valores del vector X 1j , con lo que se
obtiene el vector X 2j , para el cual se revisa, nuevamente la convergencia,
entre estos dos últimos vectores; de cumplirse, este vector X 2j es la solución
y se detiene el proceso, de no ser así, se repite la secuencia de pasos 3 y 4,
MARTÍN BARRAGÁN SOLÍS

deteniendo el proceso hasta que se cumpla la condición de convergencia;


esto es, hasta que dos vectores consecutivos se repitan.

Prob. 4.7 Como problema alterno se resuelve el siguiente sistema de ecuaciones


lineales, usando el método de Jacobi.

8x1 + 2x2 + 3x3 = 30


x1 – 9x2 + 2x3 =1
2x1 + 3x2 +6x3 = 31

Solución. En este caso el sistema recursivo es:

30  2 x2k  3x3k
x1k 1 
8

1  x1k  2 x3k
x2k 1 
9

31  2 x1k  3x2k
x3k 1 
6

Usando como solución inicial X 0j =  1, 1, 1, se obtuvieron los siguientes


resultados:

30  2(1)  3(1)
x11   3.125
8
78

1  1  2(1)
x12   0.222
9

31  2(1)  3(1)
x31   4.333
6

Con estos valores, X 1j = 3.125, 0.222, 4.333, la segunda iteración, es:

30  2(0.222)  3(4.333)
x12   2.070
MARTÍN BARRAGÁN SOLÍS

1  3.125  2(4.333)
x22   1.199
9

31  2(3.125)  3(0.222)
x32   4.014
6

Repitiendo el mismo proceso, se llegó a la siguiente solución:

x1 = 2.0; x2 = 1.0 y x3 = 4.0.

Prob. 4.8 Resuelva el siguiente sistema de ecuaciones, aplicando el método de


Jacobi, aceptando un error  =1x10-3.

12x1 - x2 + 3x3 = 8
x1 + 7x2 - 3x3 =-51
4x1 - 4x2 + 9x3 = 61

Su sistema recurrente es:

8  x2k  3x3k
x1k 1 
12

 51  x1k  3x3k
x2k 1 
7
79

k 1 61  4 x1k  4 x2k
x3 
9

Partiendo con el vector inicial 8/12, -51/7, 61/9, se obtuvieron los siguientes
resultados:

n X1 x2 x3
0 0.667 -7.286 6.778
1 -1.635 -4.476 3.243
2 -0.517 -5.662 5.515
3 -1.184 -4.848 4.491
MARTÍN BARRAGÁN SOLÍS

4 -0.860 -5.192 5.149


5 -1.053 -4.956 4.853
6 -0.959 -5.056 5.043
7 -1.015 -4.987 4.957
8 -0.988 -5.016 5.013
9 -1.004 -4.996 4.988
10 -0.997 -5.005 5.004
11 -1.001 -4.999 4.996
12 -0.999 -5.001 5.001
13 -1.000 -5.000 4.999
14 -1.000 -5.000 5.000

Llegando, en este caso, a la solución: x1 = -1; x2 = -5 y x3 = 5

4.3.4 Método de Gauss – Seidel

Es el método iterativo más usado y permite manejar un acercamiento a la


solución, tanto, como sea requerido, es decir, puede prefijarse un error admisible ( 
). Este método es muy similar al método de Jacobi, sin embargo, es preferible por
ser más dinámico, ya que al calcular cada variable usa su valor actual en el cálculo
de las demás incógnitas, como se verá en las aplicaciones. La rutina de cálculo, en
la aplicación de este método, consiste de los siguientes pasos:

1. Al igual que en el método de Jacobi se obtiene el sistema recursivo, cuyo


cambio sólo consiste en la actualización del valor de la variable calculada.

b1  a12 x2k  a13x3k  ...  a1n xnk


x1k 1 
a11
80

k 1 b2  a21x1k 1  a23x3k  ...  a2 n xnk


x2 
a22

b3  a31x1k 1  a32 x2k 1  ...  a2 n xnk


x3k 1  (4-21)
a33

k 1 b4  a 41 x1k 1  a 42 x2k 1  ...  a 4 n xnk


x 4 
a 44
MARTÍN BARRAGÁN SOLÍS

- ---------
- ---------
- ---------

bn  an1 x1k 1  an 2 x2k 1  ...  an, n 1 xnk11


xnk 1 
ann

Si al formular el sistema recursivo, algún elemento de la diagonal principal es


cero, se recomienda intercambiar las ecuaciones de tal forma de eliminar esta
dificultad y, entonces, formar el sistema recurrente.

2. Se propone una solución inicial, denotada por X 0j

1. Se sustituye este vector en el sistema recursivo, empezando por calcular x 1.


Con este valor actualizado de x1 y los demás valores propuestos en paso 2,
se calcula x2; dejando actualizado también la variable x2, que será usado
junto con x1 y los demás valores propuestos ( aún no actualizados ), para
calcular x3 y así, sucesivamente hasta obtener el vector total actualizado que
será simbolizado como,

X 1j

2. Se checa la convergencia con ecuación (4-20), de igual forma que se hizo en


el método de Jacobi.

3. Si esta condición es cumplida se detiene el proceso, en caso contrario se


repiten los pasos 3 y 4, entrando con los valores del vector X 1j , con lo que se
81

obtiene el vector X 2j revisándose nuevamente la convergencia, entre estos


dos últimos vectores; de cumplirse, este vector X 2j es la solución y se
detiene el proceso, de no ser así, se repite la secuencia de pasos 3 y 4,
deteniendo el proceso hasta que se cumpla la condición de convergencia;
esto es, hasta que dos vectores consecutivos se repitan.

Prob. 4.9 Resuélvase, por el método de Gauss - Seidel, el siguiente sistema de


ecuaciones lineales.
MARTÍN BARRAGÁN SOLÍS

3x1 – 0.1x2 – 0.2x3 =7.85 Ec. (1)

0.1x1 + 7x2 – 0.3x3 =-19.3 Ec. (2)

0.3x1 – 0.2x2 + 10x3 =71.4 Ec. (3)

Solución. El sistema recursivo queda:

7.85  0.1x2k  0.2 x3k


x1k 1 
3

 19.3  0.1x1k 1  0.3x3k


x2k 1 
7

k 1 71.4  0.3x1k 1  0.2 x2k 1


x3 
10

Si se propone como vector solución inicial es X 0j =1,0,1, entonces, de la


sustitución en el sistema recursivo se llega a ( en la primera iteración ):

7.85  0.1(0)  0.2(1) 8.05


x101    2.6833
3 3

 19.3  0.1(2.6833)  0.3(1)


x201   2.7526
7
82

71.4  0.3(2.6833)  0.2(2.7526)


x301   7.0044
10

Hemos llegado al vector X 1j =2.6833,-2.7526,7.0044; el cual es diferente al


vector inicial, por consiguiente, repetimos el mismo proceso tomando estos valores
como iniciales, obteniendo (en la segunda iteración):

7.85  0.1(2.7526)  0.2(7.0044) 8.9756


x1k 1    2.9919
3 3
MARTÍN BARRAGÁN SOLÍS

 19.3  0.1(2.9919)  0.3(7.0044)


x2k 1   2.4997
7

71.4  0.3(2.9919)  0.2(2.4997)


x3k 1   7.0002
10

Ahora el nuevo vector es: X 2j =2.9919,-2.4997, 7.0002. Procediendo


reiteradamente, se llega a los siguientes valores:

x1 x2 x3
1 0 1
2.6833333 -2.7526190 7.0044476
2.9918759 -2.4996933 7.0002499
3.0000269 -2.4999897 6.9999994
3.0000003 -2.5000000 7.0000000
2.999999998 -2.5 7
3 -2.5 7

Se concluye que la solución es x1 = 3; x2 = -2.5 y x3 = 7, debido a que el


último vector y antepenúltimo, se repiten; por lo que, la solución es exacta.

Prob. 4.10 En seguida se resuelve, por el método de Gauss- Seidel el siguiente


grupo de ecuaciones simultáneas.

5w  x 2  y  z  8.70
w2  6 x  2 y  z  7.3
w  x  4 y  z 2  17.29
2w  x  y 2  11z  34.7
83

Solución. Se trata de un sistema de ecuaciones no lineales, sin embargo, puede


aplicarse el método de Gauss- Seidel debido a que este sistema es cuadrado y en
la diagonal principal se tienen variables lineales. El sistema recursivo es:

k 1 8.7  ( x 2 ) k  y k  z k
w 
5

 7.3  ( w2 ) k 1  2 y k  z k
x k 1 
6
MARTÍN BARRAGÁN SOLÍS

17.29  wk 1  x k 1  ( z 2 ) k 1
y k 1 
4

k 1 34.7  2wk 1  ( x) k 1  ( y 2 ) k 1
z 
11

Proponiendo como vector inicial X 0j =  1.740, -1.217, 4.323, 3.155, se llegó


a los siguientes resultados:

Primera iteración:

8.7  (1.217) 2  4.323  3.155


wk 1   0.052
5

 7.3  (0.052) 2  2(4.323)  3.155


x k 1   0.301
6

17.29  (0.052)  (0.301)  (3.155) 2


y k 1   1.758
4

34.7  2(0.052)  (0.301)  (1.758) 2


z k 1   2.910
11

Repitiendo el proceso, para otras iteraciones, se llegó a los resultados que se


muestran en la tabla 1E4.10. Como los valores en la iteración 22 se repiten con los
de la 21, se detiene el proceso y la solución es: w = 0.614; x = -0.850: y = 2.243 y z
= 2.663; considerada exacta en los tres decimales.
84

Tabla
1E4.10 ITRE (k) w x y z
0 1.74 -1.217 4.323 3.155
1 -0.052 -0.301 1.758 2.910
2 0.788 -1.012 1.797 2.810
3 0.614 -1.023 1.999 2.773
4 0.576 -0.957 2.078 2.744
5 0.592 -0.923 2.121 2.722
6 0.601 -0.903 2.155 2.705
7 0.605 -0.888 2.179 2.694
MARTÍN BARRAGÁN SOLÍS

8 0.608 -0.878 2.197 2.685


9 0.610 -0.870 2.210 2.679
10 0.611 -0.864 2.219 2.674
11 0.612 -0.860 2.226 2.671
12 0.613 -0.857 2.231 2.669
13 0.613 -0.855 2.234 2.667
14 0.613 -0.854 2.237 2.666
15 0.614 -0.853 2.238 2.665
16 0.614 -0.852 2.240 2.664
17 0.614 -0.851 2.241 2.664
18 0.614 -0.851 2.242 2.663
19 0.614 -0.851 2.242 2.663
20 0.614 -0.850 2.242 2.663
21 0.614 -0.850 2.243 2.663
22 0.614 -0.850 2.243 2.663

Prob. 4.11 Obtener las primeras siete iteraciones, usando el método de Gauss-
Seidel, aplicadas al siguiente grupo de ecuaciones, aceptando un error relativo de
er =1x10-3.

8x1 + 2x2 + 3x3 = 30


x1 – 9x2 + 2x3 =1
2x1 + 3x2 +6x3 = 31

Solución. En este caso el sistema recursivo es:


85

k 1 30  2 x2k  3x3k
x1 
8

1  x1k 1  2 x3k
x 2k 1 
9

31  2 x1k 1  3x2k 1
x3k 1 
6

Usando como solución inicial X 0j = 1, 1, 1, se llegó a los siguientes


MARTÍN BARRAGÁN SOLÍS

resultados, para la primer iteración,

30  2(1)  3(1)
x101   x11  3.1250
8

1  (3.1250)  2(1)
x201   x12  0.4583
9

31  2(3.1250)  3(0.4583)
x301   x31  3.8959
6

La prueba de convergencia, indica que el error relativo es:

X kj 1  X kj 3.1250  1
k 1
, para  x1  queda   0.680  1x10 3
X j 3.1250

X kj 1  X kj 0.4583  1
k 1
, para  x2  queda   1.1820  1x103
X j 0.4583

X kj 1  X kj 3.8959  1
k 1
, para  x3  queda   0.7433  1x103
Xj 3.8959
86

Las siguientes iteraciones condujeron a los resultados que se muestran en la tabla


1E4.11. De donde se desprende que la solución exacta es: x1 = 2; x2 = 1 y x3 = 4

Tabla E4.11 Resumen de resultados


k x1 x2 X3 Er (x1) Er (x2) Er (x3)
0 1 1 1
1 3.1250 0.4583 3.8958 0.6800 1.1818 0.7433
2 2.1745 0.9962 3.9437 0.4371 0.5399 0.0121
3 2.0220 0.9899 3.9977 0.0754 0.0064 0.0135
4 2.0034 0.9999 3.9989 0.0093 0.0099 0.0003
5 2.0004 0.9998 3.9999 0.0015 0.0000 0.0003
MARTÍN BARRAGÁN SOLÍS

6 2.0001 1.0000 4.0000 0.0002 0.0002 0.0000


7 2.0000 1.0000 4.0000 0.0000 0.0000 0.0000

4.3.4.1 Método de Gauss Seidel con relajaciones

Originalmente las relajaciones se desarrollaron como una técnica de cálculo


manual muy sofisticada, para resolver iterativamente grandes sistemas de
ecuaciones lineales. La aproximación no es conveniente, en esas condiciones, para
su uso en una computadora digital porque la lógica requerida es extensa. Sin
embargo, al cambiar algunos de los conceptos originales por otros más simples, fue
posible combinarse con el método de Gauss- Seidel obteniendo el conocido método
de relajaciones, el cual se explica brevemente a continuación.

El método consiste básicamente en el cálculo del valor de cada incógnita, por


la iteración de Gauss- Seidel (sistematizado en el diagrama de flujo dado en Fig.
D4.2) y, entonces, se modifica el valor así obtenido antes de detener el proceso. La
ecuación fundamental para la relajación es:


xi( k 1)  xi( k )   xik 1*  xik   (4-22)

En esta ecuación la cantidad xi( k 1)* es el valor de la incógnita obtenida en la


iteración actual del método de Gauss- Seidel; mientras que,  es un número
positivo que varía entre 0 y 2 y es llamado factor de relajación. El efecto de este
factor puede ser visto más fácilmente si ecuación (4-22) se escribe como:

xi( k 1)  xi( k 1)*  (1   ) xi( k ) (4-23)


87

INTRODUCIR INICIO
aij, Xi, bi, n, , 
i, j = 1, . . ., n

m0

i 1

TEMP  bi
MARTÍN BARRAGÁN SOLÍS

j1

s
¿ Es i = j?

n
TEMP  TEMP –xi*aij

n
jj +1 ¿ Es j = n?

s
TEMP TEMP/aij

n
TEMP-xi  ?

s
m  m +1

xi  xi +  (TEMP –xi )

ii+1 ¿ es i = n?

s
s
¿ es m = 0? FIN

Fig. D4.2 Diagrama de flujo del método de Gauss – Seidel con relajaciones
88

Si el factor de relajación, = 1, entonces, el valor de la incógnita calculado por


Gauss Seidel no se modifica. Para 0 <  < 1, el valor actual obtenido por Gauss –
Seidel es ponderado por el valor anterior. Este rango se conoce como de baja
relajación¸ sin embargo, si 1 <  2, el rango es de sobre-relajación y el valor actual
es esencialmente extrapolado más allá del valor dado por Gauss- Seidel. Se tiene
probado que para  > 2, el proceso diverge, por lo que no es recomendable su
selección. En muchos de los casos conviene proponer factores de relajación
comprendidos en el rango de 0 a 1, sin embargo, esto no necesariamente garantiza
una rápida convergencia del método, ya que, el vector inicial con que se empiece a
desarrollar el método de Gauss- Seidel, es otro factor que influye en la
MARTÍN BARRAGÁN SOLÍS

convergencia del método.

Con todas las dificultades que pueda representar la selección del factor de
relajación, , el uso del mismo, siempre servirá para acortar el camino de la solución
de un sistema de ecuaciones lineales y, algunos casos, de sistemas cuadrados de
sistemas no lineales, como se verá en las aplicaciones, aunque éste no haya sido el
objetivo de esta sección, ya que, los métodos aquí presentados y en la literatura
técnica consultada, el propósito primario es la solución de sistemas de ecuaciones
lineales, que tienen muchas aplicaciones en el área de ingeniería.

Prob. 4.12 Resuelva el siguiente sistema de ecuaciones, aplicando el método de


Gauss-Seidel con relajaciones, aceptando un error  =1x10-3 y un factor de
relajación l= 0.64

4x + y2 + z = 11
x + 4y + z2 = 18
x2 + y + 4z = 15

Solución. El sistema recursivo (paso 1) queda, para este sistema, como:

11  ( y 2 ) k  z k
x k 1 
4

18  x k 1  ( z 2 ) k
y k 1 
4

15  ( x 2 ) k 1  y k 1
z k 1 
4
89

Paso 2. Proponiendo como solución inicial, x0 = 11/4= 2.750; y0 = 18/4= 4.500 y z0 =


15/4=3.750, se tienen los siguientes valores,

Paso 3. La sustitución, para Gauss-Seidel, queda:

11  (18 / 4) 2  (15 / 4)
x 
1
 3.250
4

Para la ecuación relajante xi( k 1)  xi( k 1)*  (1   ) xi( k ) , tomando un factor l = 0.64, se
MARTÍN BARRAGÁN SOLÍS

tiene:

x1 =0.64(-3.25)+(1-0.64)(2.75) = -1.09

Ahora ya se puede calcular y1 de la ecuación recursiva:

18  (1.09)  (3.75)2
y 
1
 1.257
4

De la ecuación relajante:

y1 =0.64(1.257)+(1-0.64)(4.5) = 2.424

15  (1.09) 2  2.424
z1   2.847
4

De la ecuación relajante:

z1 = 0.64(2.847)+(1-0.64)(3.75) = 3.172

Con estos valores se repite el proceso antes descrito. Los resultados a que
se llegó son:

K X Xr Y Yr Z Zr
0 2.750 4.500 3.750
1 -3.250 -1.090 1.257 2.424 2.847 3.172
2 0.488 -0.080 2.005 2.156 3.209 3.196
3 0.789 0.476 1.827 1.946 3.207 3.203
4 1.003 0.813 1.732 1.809 3.132 3.158
90

5 1.143 1.024 1.751 1.772 3.045 3.086


6 1.194 1.133 1.837 1.813 2.976 3.015
7 1.174 1.159 1.937 1.893 2.941 2.968
8 1.113 1.129 2.016 1.971 2.938 2.949
9 1.041 1.073 2.058 2.027 2.956 2.953
10 0.985 1.017 2.066 2.052 2.979 2.970
11 0.955 0.977 2.051 2.051 2.998 2.988
12 0.951 0.961 2.028 2.036 3.010 3.002
13 0.963 0.962 2.006 2.017 3.014 3.010
14 0.980 0.974 1.991 2.001 3.013 3.012
15 0.996 0.988 1.985 1.991 3.008 3.009
MARTÍN BARRAGÁN SOLÍS

16 1.007 1.000 1.986 1.988 3.003 3.005


17 1.011 1.007 1.990 1.989 2.999 3.001
18 1.010 1.009 1.996 1.993 2.997 2.999
19 1.007 1.008 2.000 1.998 2.997 2.997
20 1.003 1.005 2.003 2.001 2.997 2.997
21 1.000 1.001 2.004 2.003 2.999 2.998
22 0.998 0.999 2.003 2.003 3.000 2.999
23 0.997 0.998 2.002 2.002 3.000 3.000
24 0.998 0.998 2.001 2.001 3.001 3.000
25 0.999 0.998 2.000 2.000 3.001 3.001
26 1.000 0.999 1.999 2.000 3.000 3.001
27 1.000 1.000 1.999 1.999 3.000 3.000
28 1.001 1.000 1.999 1.999 3.000 3.000
29 1.001 1.000 2.000 2.000 3.000 3.000
30 1.000 1.000 2.000 2.000 3.000 3.000
31 1.000 1.000 2.000 2.000 3.000 3.000

De aquí se concluye que la solución es: x = y = 1/2z =1.


91

Problemas propuestos

4.1 Escribir un programa de computadora para resolver un grupo de ecuaciones


lineales simultáneas por el método de Eliminación completa de Gauss - Jordan.
Suponer que la maximización del pivote no es requerida. El programa debe ser
capaz de resolver sistemas de ecuaciones de cualquier tamaño, pero no mayor de
20x20.

4.2 Escribir un programa de computadora para resolver un sistema de ecuaciones


lineales simultáneas por el método iterativo de Gauss - Seidel ó por puntos de
relajación. El programa debe ser capaz de resolver sistemas de ecuaciones de
MARTÍN BARRAGÁN SOLÍS

cualquier tamaño, pero no mayor de 20x20. La entrada debe incluir la solución


inicial, para las variables no conocidas, el criterio de convergencia (el cual puede
ser absoluto o relativo, como se prefiera) y el factor de relación.

4.3 Resolver el siguiente sistema de ecuaciones usando eliminación completa de


Gauss - Jordan.

 3  2 7   x1  15 
 2 4  3  x   12 
  2   
  1 9 4   x 3  27

4.4 Resolver el siguiente sistema de ecuaciones lineales, usando el programa de


computadora escrito en el problema 4.1:

 3 5 6 4  2  3 8   x1   47 
1  
 1  9 15 1  9 2   x 2   17 
 2 1 7 5  1 6 11   x 3   24 
    
 1 1 3 2 7  1  2  x 4    8 
4 3 1 7 2 1 1   x 5   13 
    
2 9  8 11  1  4  1  x 6   10
7
 2 1 2 7  1 9   x 7   34 

4.5 Resolver los siguientes sistemas de ecuaciones lineales por el método iterativo
de Gauss & Seidel; así también por el método de Jacobi. Compare el número de
iteraciones para obtener la solución, si converge.
92

 7 1 2   x  47
a)  1 4  1  y   19 
    
 3 15 20   z  87 

 1  10 2 4   w  2 
3 1 4 12  x  12 
b)  
9 2 3 4   y   21
    
  1 2 7 3   z  37

4.6 Resolver el sistema tridimensional dado, usando la iteración de Gauss & Seidel,
MARTÍN BARRAGÁN SOLÍS

mediante el programa escrito en 4.2

 4 1 0 0 0 0 0 0 0 0   x1   27
 1 4 1  
 0 0 0 0 0 0 0   x 2    15 
0 1 4 1 0 0 0 0 0 0   x 3    15 
    
0 0 1 4 1 0 0 0 0 0   x 4    15 
0 0 0 1 4 1 0 0 0 0   x 5    15 
     
0 0 0 0 1 4 1 0 0 0   x 6    15 
0 0 0 0 0 1 4 1 0 0   x 7    15 
    
0 0 0 0 0 0 1 4 1 0   x8    15 
    
0 0 0 0 0 0 0 1  4 1   x 9    15 
 0 0 0 0 0 0 0 0 1  4  x10    15 

4.7 Resolver el problema 4.4 usando relajación, con los factores de 1.3, 1.6 y 1.8.
Compare, en cada caso, el número de iteraciones requeridas y diga ¿cuál es mejor,
el método iterativo de Gauss & Seidel o el método iterativo con relajaciones?

4.8 En los siguientes problemas obtenga las soluciones básicas, indicando si existe
degeneración, inconsistencia o redundancia.

a) x1 + 3x2 –x3 + x4 =4 b) 3x1 – 2x2 + x3 - 2x4 = 10


2x1 –6x2 + 6x3 –x4 = -6 x1 + x2 - 2x3 + 3x4 = 16

d) 5x1 - 2x2 + 7x3 - x4 =21 e) 7x1 - 2x2 + x3 - 4x4 =15


2x1 + x2 - 3x3 –x4 = 20 3x1 + 3x2 -4x3 + 2x4 = -18
14x1 - 4x2 + 2x3 - 8x4 = 18 16x1 + 2x2 -6x3 + 2x4 = 16
93

Capítulo 5
INTERPOLACIÓN Y AJUSTE DE CURVAS
MARTÍN BARRAGÁN SOLÍS

5.1 Introducción

Las observaciones y los experimentos científicos se registran, en forma


tabular, como puntos discretos; de igual manera ocurre con los resultados de
cálculos numéricos para una función. Estos puntos, extendidos a lo largo de la
variable independiente, conducen a gráficas como la mostrada en figura 5.1. Los
valores de la función f(x) pueden estar espaciados en forma constante o no, a lo
largo del eje horizontal. En este capítulo se discutirán los métodos y técnicas para
estimar el valor de la función f(x) entre puntos tabulados; es decir, se interpolarán
valores de la función f(x) no conocidos, a partir de un grupo de datos obtenidos de
una investigación o experimento. La interpolación puede ser lineal ó polinomial; la
primera de ellas, se aplica para dos puntos consecutivos siempre y cuando, la
gráfica de los puntos dados describan aproximadamente una línea recta; sin
embargo, la interpolación polinomial es aplicada para los puntos cuya gráfica no
describe una recta.

Figura 5.1 puntos discretos


Valores de f(x)

Variable independiente X
94

5.2 Interpolación lineal

Cuando se aplica esta interpolación, se asume que los puntos consecutivos,


de coordenadas (xi, yi) y (xi+1, yi+1) se unen con una recta, como se muestra en
figura 5.2. Estos puntos consecutivos, son dos cualesquiera de la información dada
u obtenida, entre los cuales está el punto no conocido.
MARTÍN BARRAGÁN SOLÍS

f(x)

Fig. 5.2 Representación gráfica de interpolación lineal

Con base en la figura anterior y de acuerdo con la geometría elemental, el


valor de f(x) puede obtenerse con ecuación de una recta.

f ( xi 1 )  f ( xi )
f(x) = f(xi) + x  xi  (5-1)
xi 1  xi

donde f(x) es el valor de la función para cualquier valor de x que se encuentre entre
xi y xi+1.

Ejempo 5.1 Dados los siguientes datos, obtenga el valor de f(x) x = 2.9
x –1 0 1 2 3 4 5 6
f(x) 7 4.98 3.01 1 -1 -3 -4.89 -7

Solución. La gráfica muestra que es correcto aplicar interpolación lineal, ya que, los
datos se ajustan a una línea recta.

Para aplicar ecuación (5-1), se tiene que xi = 2, con f(xi) = 1 y xi+1 = 3, con
f(xi+1) = -1; entonces:
95

f ( xi1 )  f ( xi )
f 2.9  f xi   x  xi 
xi1  xi

1 1
f (2.9)  1  x  2  0.80
3 2

8.0 f(x)
6.0

4.0

2.0
MARTÍN BARRAGÁN SOLÍS

0.0 x
-2 -1 0 1 2 3 4 5 6 7
-2.0

-4.0

-6.0

-8.0

Figura del problema 5.1

5.3 Interpolación polinomial

La interpolación polinomial se usa cuando al graficar, la base de datos, los


puntos no se pueden ajustar a una recta, como ya se dijo antes. Es claro que para
la figura 5.1, este tipo de interpolación sería el más apropiado, ya que, la función f(x)
describe una curva. Una función de interpolación es aquella que pasa a través de
puntos dados como datos, los cuales se muestran comúnmente como una tabla de
valores o se toman directamente de una función dada.
La interpolación de los datos puede hacerse mediante un polinomio
algebraico, las funciones spline, una función racional o las series de Fourier, entre
otras posibles formas. La interpolación polinomial es uno de los temas más
importantes en métodos numéricos, ya que la mayoría de los demás modelos
numéricos se basan en esa forma de interpolación. Por ejemplo, los modelos de
integración numérica se obtienen integrando fórmulas de interpolación polinomial y,
los modelos de diferenciación numérica se obtienen derivando las interpolaciones
polinomiales.

Los datos obtenidos mediante una medición pueden interpolarse, pero en la


mayoría de los casos no es posible una interpolación directa debido a los errores
96

aleatorios implicados en la propia medición. Así pues, el ajuste de una curva a los
datos obtenidos de esta forma, se describe un la segunda sección de este capítulo.

5.3.1 Interpolación de Lagrange

En algunas ocasiones los datos obtenidos no contienen un cambio constante


en la variable independiente, ya que muchas de las veces no es posible recabar la
información de esa manera. Si además, los valores puntuales no se agrupan en una
recta (Fig. 5.1), con mayor razón la interpolación lineal no es la más apropiada. En
MARTÍN BARRAGÁN SOLÍS

este caso se debe usar una interpolación polinomial, a la cual corresponde la


fórmula de Lagrange.

Considere una serie de puntos de coordenadas [xi, f(xi)] donde las xi no


están, en general, igualmente espaciados e i puede tomar todos los valores enteros
de 0 a n (lo que indica que hay n+1 de esos puntos). Un ejemplo típico es mostrado
en la figura 5.3, para n = 9 (tabla 5.1). Como se verá después con más detalle, un
polinomio de orden n que pasa a través de n+1 puntos es único. Esto significa que,
independientemente de la fórmula de interpolación que se aplique, todas las
interpolaciones polinomiales que se ajustan a los mismos datos son
matemáticamente idénticas.

TABLA 5.1 Información con espacios diferentes


I 0 1 2 3 4 5 6 7 8
xi 2 4 6 7 9 11 13 14 15
f(xi) 8 12 7 6 7.4 7 17 20 18

Fig. 5.3. Gráfica de puntos con espacios desiguales


97

Supóngase que se tienen n+1 puntos, tales como:

x0 x1 x2 x3 x4 x5 x6 --------xn-1 xn
f0 f1 f2 f3 f4 f5 f6 -------- fn-1 fn

donde x0, x1, ... son las abscisas de los puntos, dados en orden creciente; los
espacios entre ellos son arbitrarios, como ya se dijo. El polinomio de orden n que
pasa a través de los n+1 puntos se puede escribir en una serie de potencias.

g(x) = a0 +a1x + a2x2 + a3x3 + ... + anxn (5-2)


MARTÍN BARRAGÁN SOLÍS

donde los ai son coeficientes. El ajuste de la serie de potencias a los n+1 puntos
dados, da un sistema de ecuaciones lineales.

f0  a0  a1x0  a2 x02  ...  an x0n


f1  a0  a1x1  a2 x12  ...  an x1n
f 2  a0  a1x2  a2 x22  ...  an x2n (5-3)
.
.
.
f n  a0  a1xn  a2 xn2  ...  an xnn

Aunque los coeficientes ai pueden determinarse resolviendo el sistema de


ecuaciones, se deja para el ajuste de curvas esta tarea, por lo pronto se aplicará la
interpolación de Lagrange y las fórmulas de Gregory- Newton, para efectuar la
interpolación polinomial. En particular, para la interpolación de Lagrange, considere
el producto de los factores dados por:

V0(x) =(x-x1)(x-x2)...(x-xn) (5-4)

Que se refieren a los n+1 puntos dados antes. La función V 0 es un polinomio de


orden n de x y se anula en x = x1, x2, ..., xn. Si se divide V0(x) entre V0(x0), la función
resultante

V0 ( x) ( x  x1 )( x  x2 )...( x  xn )
P0 ( x)   (5-5)
V0 ( x0 ) ( x0  x1 )( x0  x2 )...( x0  xn )
98

Toma el valor de uno para x = x0, y de cero para x = x1, x = x2, ..., x = xn. En forma
análoga puede escribirse

V1 ( x) ( x  x0 )( x  x2 )...( x  xn )
P1 ( x)   (5-6)
V1 ( x1 ) ( x1  x0 )( x1  x2 )...( x1  xn )

Siendo el valor de uno para x = x1, y de cero para x = x1, x = x2, ..., x = xn. En
general, puede escribirse

Vi ( x) ( x  x1 )( x  x2 )...( x  xn )
Pi ( x)   (5-7)
MARTÍN BARRAGÁN SOLÍS

Vi ( xi ) ( xi  x1 )( xi  x2 )...( xi  xn )

Donde el numerador no incluye (x = xi ) y el denominador omite (xi –x). La función


Vi(x) es un polinomio de orden n y toma el valor de uno en x = xi y cero en x = xj,
para ji. Así, si multiplicamos V 0(x), V1(x), V2(x),..., Vn(x) por f0, f1, f2,..., fn,
respectivamente y las sumamos, el resultado será un polinomio cuando más de
orden n e igual a fi para cada i = 0 hasta i = n. La fórmula de interpolación de
Lagrange, así obtenida se escribe como:

g(x)= P0(x)f0 + P1(x)f1 + P2(x)f2 + ... + Pn(x)fn (5-8)

Ejemplo 5.2 Si se tienen los datos dados en la tabla de abajo, interpole mediante la
fórmula de Lagrange, para estimar f(7).

I 0 1 2 3
Xi 1 2 4 8
f(xi) 1 3 7 11

Solución. Sustituyendo x = 7 en ecuaciones (5-5), (5-6) y (5-7), se llega a los


siguientes resultados:

V0 ( x) (7  2)(7  4)(7  8)
P0 ( x)    0.71429
V0 ( x0 ) (1  2)(1  4)(1  8)

V1 ( x) (7  1)(7  4)(7  8)
P1 ( x)    1.500
V1 ( x1 ) (2  1)(2  4)(2  8)
99

V2 ( x) (7  1)(7  2)(7  8)
P2 ( x)    1.250
V2 ( x2 ) (4  1)(4  2)(4  8)

V3 ( x) (7  1)(7  2)(7  4)
P3 ( x)    0.53571
V3 ( x3 ) (8  1)(8  2)(8  4)

Sustituyendo en ecuación (5-8), se tiene, finalmente:

g(x)= (0.71429)(1) + (-1.500)(3) + (1.2500)(7) + (0.53571)(11) = 10.85710


MARTÍN BARRAGÁN SOLÍS

o sea que f(7)  10.85710

Ejemplo 5.3 Las densidades de sodio para tres temperaturas están dadas como
sigue:

I Temperatura Densidad
( 0C) ( kg/m3)
0 94 929
1 205 902
2 371 860

a) Escriba la fórmula de interpolación de Lagrange que se ajusta a los tres datos

b) Determine la densidad para una temperatura, T = 251 0C utilizando la fórmula


obtenida en el paso anterior.

Solución a) Ya que el número de datos es tres, el orden de la fórmula de Lagrange


es n=2, por lo que ésta queda,

(T  205)(T  371) (T  94)(T  371)


g ( x)  (929)  (902) 
(94  205)(94  371) (205  94)(205  371)

(T  94)(T  205)
(860)
(371  94)(371  205)

Solución b) Sustituyendo T = 251 0C en el polinomio anterior, se tiene

g(x) = 890.55612 kg/m3


100

5.3.2 Interpolación polinomial, mediante fórmulas de Gregory – Newton

Las fórmulas de Gregory y Newton son recomendadas cuando la variación de


la variable independiente es constante (x = constante). Su aplicación se apoya
fuertemente en las diferencias finitas de los valores de la función f(x). Se usan
diferencias finitas hacia delante, simbolizadas con f, cuando el valor de la variable
independiente x, para el cual se requiere estimar la función, queda ó se localiza
cerca del inicio del rango de valores dados; sin embargo, cuando el valor buscado
queda cerca del final de este rango, se usan diferencias finitas hacia atrás, que se
simbolizan con f. Por otra parte, cuando la función a estimar se localiza muy cerca
MARTÍN BARRAGÁN SOLÍS

del centro del rango de valores dados, se usan diferencias finitas centrales, cuyo
símbolo es f.

5.3.2.1 Fórmula con diferencias hacia adelante

Si se considera que los valores dados están distribuidos como se muestra en


la figura 5.4, donde la variación de x es h y, si la función es analítica, de la serie de
Taylor se puede escribir, para x = 0:

x2 x3
f ( x)  f (0)  xf ' (0)  f " (0)  f " ' (0)  ... + (5-9)
2! 3!

Fig. 5.4 Gráfica de datos con espacios de paso


iguales

Aunque ninguno de los valores para las derivadas son conocidos, puede
escribirse que:
101

f 0 h
f ' (0)   f "(0)   (h 2 ) (5-10)
h 2

con lo cual, ecuación (5-9) queda como,

x x ( x  h) 2 x( x  h)( x  2h) 3
f ( x)  f ( x0 )  f 0  2
 f0   f0 
h 2!h 3!h 3

n 1
x  ( x  jh )
x( x  h)( x  2h)( x  3h) 4
MARTÍN BARRAGÁN SOLÍS

  f 0  ...  i 1
4!h 4 n!h n
(5-11)

la cual es llamada fórmula de interpolación de Gregory – Newton con diferencias


hacia delante. Las diferencias se obtienen de una tabla de diferencias finitas hacia
delante, desde luego. El subíndice “0” se refiere al valor de las diferencias que se
encuentran en el renglón base, el cual corresponde al primer valor de x en el
intervalo donde se encuentra el valor para el cual deseamos interpolar; por ejemplo,
si un grupo de valores está dado desde x =-2 hasta x = 5, con h = 1 y se desea
estimar f(-1.8) que no esté en la tabla de valores; el valor de x = -1.8 está en el
intervalo -2,-1, por lo que x0 = -2; es decir, el renglón base es el que tiene como x
= x0.

Ejemplo 5.4 Para los datos de la tabla E5.4 cuya gráfica se muestra en figura
1E5.1, determine f(1.1)
140

120

100

x 0 1 2 3 4 5 80

f(x) -7 -3 6 25 62 129
f(x)

60

40

20

0
0 1 2 3 4 5 6
-20
X

Solución. Como xint = 1.1 se encuentra al inicio del rango de información dado y Δx
es constante, se usarán diferencias finitas hacia delante (tabla E5.4) donde se
102

observa que el renglón base es aquel que tiene x = 1, por consiguiente x = 1.1-1 =
0.1

Tabla E5.4 Diferencias finitas hacia delante.


x f(x) f 2f 3f 4f 5f
0 -7 4 5 5 3 1
1 -3 9 10 8 4 Renglón base
2 6 19 18 12
3 25 37 30
4 62 67
MARTÍN BARRAGÁN SOLÍS

5 129

De ecuación (5-11) y con datos de tabla E5.4, se tiene:

0.1 0.1(0.1  1) 0.1(0.1  1)(0.1  2)


f (0.1)  (3)  (9)  2
(10)  (8)
1 2!(1) 3!(1)3

0.1(0.1  1)(0.1  2)(0.1  3)


 (4)  2.40465
4!(1) 4

5.3.2 2 Fórmula con diferencias finitas hacia atrás

Una fórmula enteramente similar se puede obtener con diferencias hacia


atrás, la cual queda, ahora como:

x x( x  h) 2 x( x  h)( x  2h) 3
f ( x)  f ( x0 )  f 0  2
 f0   f0 
h 2!h 3!h 3

n1
x  ( x  jh )
xx  h x  2h x  3h  4
. f 0  ...  i 1
n f0 (5-12)
4!h 4 n!h n

en este caso, se considera que el recorrido, del eje “x”, se realiza en sentido
contrario al convencional y, el renglón base queda determinado de la misma forma
que con diferencias hacia delante; es decir, corresponde al primer valor del intervalo
103

donde se encuentra el valor para el cual deseamos interpolar, encontrado en el


sentido del recorrido.

Finalmente, el valor x de la fórmula, se calcula (si el valor de x para el cual


deseamos interpolar se simboliza por xint):

x = xint – x0 (5-13)

Ejemplo 5.5. Para los valores del ejemplo 5.4, se desea estimar el valor de la
función f(x) para cuando x = 4.5, mediante la interpolación más apropiada.
MARTÍN BARRAGÁN SOLÍS

Tabla E5.5 valores de la función f(x)


x 0 1 2 3 4 5
f(x) -7 -3 6 25 62 129

Solución. De acuerdo con la figura, es notorio que debe realizarse una interpolación
polinomial; además, se observa que ∆x es constante, por lo que será apropiado
aplicar una de las fórmulas de Gregory Newton. En particular, la de diferencias
finitas hacia atrás, cuya tabla se muestra a continuación.

X f(x) f  f  f  f  f
0 -7.0
1 -3.0 4.0
2 6.0 9.0 5.0
3 25.0 19.0 10.0 5.0
4 62.0 37.0 18.0 8.0 3.0
5 129.0 67.0 30.0 12.0 4.0 1.0

En la tabla de diferencias se ha marcado con negritas el renglón base, por lo


que, es fácil identificar x0 = 5 (x = 4.5– 5=-0.5), f(0) = 129, etc. Por lo que de
ecuación (5.12) se obtiene:

 0.5
f (4.5)  129  67    0.5(02.5) 30   0.5(0.53)(1.5) 12 
1 2!1 3!1

 0.5(0.5)(1.5)(2.5)
4   0.5(0.5(1.5)(5 2.5)(3.5) (1)  90.817
4!1
4
5!(1)
104

5.3.2.3 Interpolación con diferencias centrales

Hay ocasiones en que el valor de la variable independiente, para el cual se


requiere interpolar, está cerca de la parte central del conjunto de datos. En este
caso, se tendrá una mejor aproximación, si se usan diferencias centrales
simbolizadas con f0. Sin embargo, las diferencias hacia adelante proporcionan
buenos resultados. Para la estimación de f(x), por diferencias centrales, existen
varias fórmulas estudiadas. Dos de las más socorridas, por su sencillez, son:

Fórmula de Stirling
MARTÍN BARRAGÁN SOLÍS

x2 2 x( x 2  1) 3
f ( x)  f (0)  x(f 0 )  ( f 0 )  ( f 0 )
2! 3!
(5-14)
x 2 ( x 2  1) 4 x( x 2  1)( x 2  1) 5
 ( f 0 )  ( f 0 )  ...
4! 5!

Fórmula de Bessel

( x 2  14 ) 2 x ( x 2  14 ) 3
f ( x)  f (0)  x(f 0 )  ( f 0 )  ( f 0 )
2! 3!
(5-15)
( x  14 )( x  9 4 ) 4
2 2
x( x  14 )( x  9 4 ) 5
2 2
 ( f 0 )  ( f 0 )  ...
4! 5!

En esta sección será aplicada la fórmula de Bessel; para ello se requiere que
el valor de x (obtenido con la fórmula 5-13) debe estar en el rango de  0.25. Si los
datos tienen espaciamientos mayores que este valor, entonces se recomienda que
se sub-dividan los intervalos; primero a la mitad con valores de f(x) igual al
promedio de los que se tienen en cada intervalo y se hace la prueba del valor de x,
en caso que sea cumplida se aplica la ecuación directamente, pero de no ser así, se
hace otra partición, hasta que se cumpla la condición.

Ejemplo 5.6. Para los datos del ejemplo 5.5, se desea interpolar para estimar f(2.7).
105

Solución. Puesto que el intervalo general de valores está dado para 0  x  5,


entonces x = 2.7 está muy cerca del centro de este rango de valores, por lo que, la
fórmula de Bessel dará buen resultado. Una tabla inicial será.

Tabla E5.6 Muestra de datos cuando se realizan diferencias centrales


x f(x) f 2 f 3 f 4 f 5 f
0 -7
4
1 -3 5
9 5
MARTÍN BARRAGÁN SOLÍS

2 6 10 3 Reng-Base
19 8 1
3 25 18 4
37 12
4 62 30
67
5 129

Tomando en cuenta que el renglón base es el señalado con x0 = 2, entonces


x =2.7-2.0 = 0.70>0.25. Se observa que no se cumple la condición y por tanto, es
necesario dividir los intervalos de x a la mitad y calcular los valores de f(x) como la
media de los valores presentes. Los resultados a que se llegó se presentan en la
siguiente tabla.

x f(x) f 2 f 3 f 4 f 5 f
0 -7
0.5 -5 4
1 -3 6.5 5
1.50 1.50 9 7.5 5
2 6 14 10 6.5 3
2.50 15.50 19 14 8 3.5 1
3 25 28 18 10 4
3.50 43.50 37 24 12
4 62 52 30
4.50 95.50 67
5 129
106

En esta ocasión el renglón base está a una distancia de 0.20 de x = 2.7, por
lo que se cumple la condición y puede aplicarse la fórmula de interpolación para
diferencias centrales, quedando:

(0.22  14 ) 0.2(0.22  14 )
f (2.5)  f (0.2)  15.5  0.2(19)  (14)  (8)
2! 3!
(0.22  14 )(0.22  9 4 ) 0.2(0.22  14 )(0.22  9 4 )
 (3.5)  (1)  17.84245
4! 5!
MARTÍN BARRAGÁN SOLÍS

5.4 Ajuste de curvas- Aproximación funcional

Método de mínimos cuadrados

Cuando se tienen parejas de valores (x, y), tabulados como los dados en
tabla 5.1, y se quiere estimar el valor de la función f(x) solamente para un valor de la
variable independiente x, el problema se resuelve con la interpolación o
extrapolación, según que el valor por estimar se encuentre entre o fuera de los
datos discretos conocidos, respectivamente.

Sin embargo, en muchos de los casos se desea tener una ecuación que
represente todos esos datos y que con sólo proponer (en ella) valores de x se
obtengan los valores de la función de manera inmediata. Esta ecuación puede ser
un polinomio de grado n [representado por g(x)] ó una función especial que se
determina con ayuda de la experiencia del investigador.

Puesto que g(x) no pasará, en general, por todos los puntos (Fig. 5.5),
existirá un error  entre g(x) y f(x); por lo que será necesario proponer un método
que minimice dicho error. El método de mínimos cuadrados garantiza este requisito
y con esas definiciones, la magnitud de la distancia local está dada por:

d ( x)  f ( x)  g ( x) (5-16)

Si hacemos esta práctica para cada punto y, tomando en cuenta que, el


cuadrado de esta diferencia será aún más pequeña, entonces el error total
simbolizado por E, para todos los puntos puede escribirse:
107

i n i n
E   d ( xi )   g ( x)  f ( x)
2 2
(5-17)
i 1 i 1

Que debe ser minimizado.

f(x)
MARTÍN BARRAGÁN SOLÍS

eje X

Fig. 5.5 Puntos discretos con línea de tendencia

Considerando que g(x) corresponde a un polinomio de grado l, ecuación (5-


17) se transforma en:

 
n
E   f ( x)  a0  a1x  a2 x 2  a3 x3  a4 x 4  ...  al xl
2
(5-18)
i 1

Que también puede escribirse:

 
n
E   a0  a1x  a2 x 2  a3 x3  a4 x 4  ...  al xl  f ( x)
2
(5-19)
i 1

Por estar entre paréntesis un valor absoluto.

La minimización del cuadrado del error E, puede obtenerse igualando a cero


la primer derivada parcial de E calculada para cada coeficiente a i, en virtud de la
propiedad del cálculo diferencial.

E E E E
   ... 0 (5-20)
a0 a1 a 2 al
108

Para ilustrar el desarrollo, paso a paso, de la forma de estas ecuaciones se


realiza la primera derivación de las ecuaciones dadas en (5-20). De esta manera se
tiene, para la primer constante a0.

E
 
  
n
  2 a0  a1x  a2 xi2  a3 xi3  ...  al xil  f ( xi ) a0  a1x  a2 x 2  ...  al xl  f ( xi )
a0 i 1 a0

E
 
n
  2 a0  a1 x  a2 xi2  a3 xi3  ...  al xil  f ( xi ) (1)  0
a0 i 1
MARTÍN BARRAGÁN SOLÍS

Dividiendo por 2 e introduciendo el símbolo sumatoria dentro del paréntesis y


pasando al segundo miembro f(xi), queda:

n
n  n  n  n  n

a
i 1
0   xi  a1   xi2  a2   xi3  a3  ...   xil  al   f ( xi )
 i 1   i 1   i 1   i 1  i 1

El desarrollo del primer término de esta ecuación es:

a 0  a0  a0  a0  a0  ...  a0  a0 1  1  1  ...  1  na0


i 1

Por lo que la ecuación final queda como:

n  n  n  n  n
na0   xi  a1   xi2  a2   xi3  a3  ...   xil  al   f ( xi )
 i 1   i 1   i 1   i 1  i 1

Y así para las demás derivadas planteadas en ecuaciones (5-20), llegando al


arreglo matricial siguiente:

 n x i x 2
i  x   a 0    f  xi  
l
i
    
  xi x x x   a1    xi f xi  
l 1
2
i
3
i  i
 xi2 x 3
x 4
 x . a 2    xi2 f  xi 
l 2

    
i i i

            
 xl
 i x l 1
i x l 2
i  2l  
 xi   al   xi f xi 
  l
 
109

Para funciones especiales (trigonométricas, exponenciales, logarítmicas,


etc.), se sustituye en ecuación (5-19), la ecuación especial correspondiente,
derivando la ecuación resultante, tantas veces como constantes contenga dicha
función; originando una ecuación por cada constante. Por ejemplo, si la función
especial es g(x) = A + B sen (x), entonces, ecuación (5-19) se transforma en:

n 2

E   A  Bsenxi  f ( xi ) (5-21)
i 1

Y el sistema de ecuaciones se obtiene al derivar parcialmente, primero con respecto


MARTÍN BARRAGÁN SOLÍS

a la constante A y, después, con respecto de la constante B, como se muestra a


continuación.

E n

= 2 A  Bsenxi  f ( xi ) A  Bsenxi  f ( xi )  0
A i 1 A


Como A  Bsenxi  f ( xi )  1
A

E n
= 2 A  Bsenxi  f ( xi )(1)  0
A i 1

De donde, la ecuación resultante queda:

n  n 
nA   senxi  B   f ( xi ) Ecuación 1
 i 1   i 1 

La derivada parcia con respecto a B es:

E n

= 2 A  Bsenxi  f ( xi ) A  Bsenxi  f ( xi )  0
B i 1 B

Dado que,


A  Bsenxi  f ( xi )  senxi
B
110

E n
= 2 A  Bsenxi  f ( xi )senxi  0
B i 1

Llegando a,

n  n 2  n 
 senxi A   sen xi B   senxi f ( xi ) Ecuación 2
 i 1   i 1   i 1 

Cuando la función especial es g(x) = aebx, ó g(x) = axb, ecuación (5-19) queda,
MARTÍN BARRAGÁN SOLÍS

respectivamente.

 
n 2

E   aebx  f ( xi )
i 1

 
n 2

E   cx  f ( xi )
d

i 1

En estos casos, si la derivación representa problemas para el estudiante, se


recomienda linearizar la ecuación propuesta mediante la aplicación de logaritmos.

g(x) = aebx, se transforma en ---- Ln g(x) = Ln a + bx -- y = b + mx ( 5-22 a )

g(x) = cxd, se transforma en ----- Ln g(x) = Lnc + dLnx - y =b + mx ( 5-22 b )

Ejemplo 5.7 Obtenga el mejor polinomio de ajuste, para los siguientes datos:

X 2.10 6.22 7.17 10.52 13.68


f(x) 2.90 3.85 5.80 5.76 7.74

Solución. Puesto que los datos están alineados aproximadamente en una línea
recta (ver figura), se puede ajustar con un polinomio de grado l = 1; por lo que, el
sistema que permite obtener los coeficientes de ajuste a 0 y a1, es:

 n

 x .a     f 
i 0 i

 x i  x   a   x f 
2
i 1 i i
111

f(x)
9.0
8.0
7.0
6.0
5.0
4.0
3.0
2.0
1.0
x
0.0
0 2 4 6 8 10 12 14 16
MARTÍN BARRAGÁN SOLÍS

Figura del problem a 5.7

Para la información dada, los coeficientes de dicho sistema son:


n

 x =2.10 + 6.22 + 7.17 + 10.52 + 13.68 = 39.69


i 1
i

x
i 1
2
i = (2.10)2 + (6.22)2 + (7.17)2 + (10.52 )2 + (13.68)2 = 392.3201

 f ( x ) = 2.90 + 3.85 + 5.80 + 5.76 + 7.74 = 26.05


i 1
i

 x f ( x ) =(2.10)(2.90)+(6.22)(3.85)+…+(13.68)(7.74)=238.1014
i 1
i i

Sustituyendo en dicho sistema, n = 5 y demás sumatorias obtenidas, se encontró la


solución, para las constantes:

 5 39.69  a0   26.05 


39.69 392.3201. a   238.1014
   1  

a0 = 1.99245475589 y
a1 = 0.405334497873

de esta manera, el polinomio de ajuste es:

g(x) = 1.99245475589+ 0.405334497873x


112

Ejemplo 5.8. Dados los siguientes datos:

X 0 1.0 1.5 2.3 2.5 4.0 5.1 6.0 6.5 7.0 8.1 9.0
f(x) 0.2 0.8 2.5 2.5 3.5 4.3 3.0 5.0 3.5 2.4 1.3 2.0

continuación
X 9.3 11.0 11.3 12.1 13.1 14.0 15.5 16.0 17.5 17.8 19.0 20.0
f(x) -0.3 -1.3 -3.0 -4.0 -4.9 -4.0 -5.2 -3.0 -3.5 -1.6 -1.4 -0.1

a) Determine el grado del polinomio de ajuste, mediante el método gráfico y


MARTÍN BARRAGÁN SOLÍS

posteriormente obtenga, usando el criterio de mínimos cuadrados, el


polinomio de referencia.

b) Revise si el gráfico puede ajustarse mediante una función especial. De ser


así, obtenga dicha función.

c) Haga una gráfica donde se encuentren dibujados los datos, el polinomio de


ajuste obtenido en a) y la función especial determinada en b).

Solución a). De la gráfica, de los datos, se concluye que, el polinomio de ajuste


debe ser de tercer grado (l = 3), ya que, para el rango de información se nota que
los puntos interceptan tres veces el eje x, por lo que el polinomio propuesto es: g1(x)
= a0 + a1x +a2x2 + a3x3. Para obtener los coeficientes de este polinomio se aplica el
método de mínimos cuadrados. El sistema a resolver es:

   
 n  x  x  x  a 
i
2
i
3
i 0   f ( xi ) 
    
 4    
  xi x x  xi   a1    xi f ( xi ) 
2 3
i i
 .    
 x2 5  
 i x x3
i
4
i  xi  a2   xi f ( xi )
 2

    
 x3 6  
 i x x4
i
5
i  xi  a3   xi f ( xi )
 3

   

Tomando en cuenta que son 24, desarrollando las sumatorias y productos


indicados, se llegó a:
113

 x = 0.0 + 1 + 1.5 + ...+ 19 + 20 = 229.50


i 1
i

x
i 1
2
i = (0)2 + (1)2 + (1.5)2 +...+ ( 19 )2 + (20)2 = 3,060.20

x
i 1
3
i = (0)3 + (1)3 + (1.5)3 + ... + ( 19)3 + ( 20) 3 = 46,342.79

x
MARTÍN BARRAGÁN SOLÍS

4
i =(0)4 + (1)4 + (1.5)4 + ...+ ( 19)4 + (20) 4 = 752,835.21
i 1

x
i 1
5
i =(0)5 + (1)5 + (1.5)5 + ...+ ( 19)5 + (20)5 = 12,780,147.70

x
i 1
6
i =(0)6 + (1)6 + (1.5)6 + ...+ ( 19)6 + (20)6 = 223,518,116.77

 f ( x ) = 0.2+ 0.8 + 2.5 +...+ (-1.4) + (-0.1) = -1.30


i 1
i

 x f ( x ) =(0)(0.2)+ ( 1.0)(0.8)+ (1.5)(2.5)+ ...+ (19)(-1.4)+ (20)(-0.1) = -316.88


i 1
i i

x
i 1
2
i f ( xi ) =(0)2(0.2)+ ( 1.0)2(0.8)+ (1.5)2(2.5)+ ...+ (19)2(-1.4)+ (20)2(-0.1) = -6,037.242

x
i 1
3
i f ( xi ) =(0)3(0.2)+ ( 1.0)3(0.8)+ (1.5)3(2.5)+ ...+ (19)3(-1.4)+ (20)3(-0.1) = -9,943.3597

 24 229.2 3060.2 46342.79  a 0    1.30 


 229.6
 3060.2 46342.79 752835.21   a1    316.88 
. 
 3060.2 46342.79 752835.21 12780147.70  a 2    6037.242 
    
46342.79 752835.21 12780147.70 223518116.77  a3   99433.597
114

La solución de este sistema, mediante el método de eliminación completa de


Gauss- Jordan conduce a los siguientes resultados:

a0 =-0.35934718
a1 = 2.3051112
a2 = -0.35319014
a3 = 0.01206020

por tanto, el polinomio de ajuste es,


MARTÍN BARRAGÁN SOLÍS

g1(x) =-0.35934718+ 2.3051112X -0.35319014X2 + 0.01206020X3.

Solución b) La gráfica sugiere el uso de una función trigonométrica, tal como el


seno. Podría proponerse, entonces, la función especial:

x
g 2 ( x)  A  Bseno( )
10

ya que, el período debe tomarse como 20. Del criterio de mínimos cuadrados, se
puede escribir, según ecuación (5-21):


2
n
 
E    A  Bseno( xi )  f ( xi )
i 1  10 

llegando al siguiente sistema,

n   n 
nA   seno( xi ) B   f ( xi ) (a)
 i 1 10   i 1 

n   n 2   n  
 
 i 1
seno( xi
10 
)  A   
 i 1
seno ( xi
10 
)  B   
 i 1
seno( xi ) f ( xi )
10 
(b)

por un procedimiento similar al inciso anterior, se llega a,

24A + 1.1328096B = -1.300, para ecuación (a)

1.1328096A + 11.053666B = 47.515395, para ecuación (b)


115

resolviendo el sistema se tienen los siguientes valores para las constantes,

A= -0.25831225 y

B = 4.3250821

por lo que, el polinomio de ajuste queda,

x
g 2 ( x) = -0.25831225 + 4.3250821 seno( )
10
MARTÍN BARRAGÁN SOLÍS

La gráfica siguiente muestra una vista de conjunto, es decir, los datos, el


polinomio g1(x) y la función g2(x), con el objeto de visualizar la bondad de las
propuestas de solución. Cabe señalar que ambas soluciones son consistentes
quedando a juicio del investigador la selección final de alguna de ellas.

dato g1(x) g2(x)


f(x)

6.0

4.0

2.0

0.0 x
0 5 10 15 20 25
-2.0

-4.0

-6.0

gráfica de conjunto del prob. 5.6

Ejemplo 5.9 Ajuste los datos dados en la siguiente tabla, a una ecuación de
potencias.
116

x f(x)
1 0.5
2 1.7
3 3.4
4 5.7
5 8.4

Solución. El modelo de una ecuación de potencias es:

g ( x)  a2 xb2
MARTÍN BARRAGÁN SOLÍS

la cual se puede linearizar aplicando logaritmos a ambos miembros de la igualdad.

Ln g(x) = lna2 + b2 ln x

que corresponde a la ecuación de a recta:

Y = B + mX

Por comparación de estas dos ecuaciones se tiene que, Ln g(x) = Y; B = lna2;


X = ln x, y m = b2; por consiguiente, se organizaron los datos, como se sigue, para
determinar los valores de las constantes, a2 y b2

DATOS ORIGEN Ln(x) Ln(f)


2
X f(x) X Y X XY
1 0.500 0.000 -0.693 0.000 0.000
2 1.700 0.693 0.531 0.480 0.368
3 3.400 1.099 1.224 1.207 1.344
4 5.700 1.386 1.740 1.922 2.413
5 8.400 1.609 2.128 2.590 3.425
SUMAS---> 4.787 4.930 6.200 7.550

Considerando que los datos, de las columnas 3 y 4, se ajustan a una recta y


resolviendo por el método de mínimos cuadrados, se llega al siguiente sistema.

n = 5; xi = 4.7875; f(xi) = 4.930;  xi2  6.1995 y xi*f(xi) = 7.5503.

 5 4.7875 a0  4.9300


4.7875 6.1995. a   7.5503
   1  
117

Cuya solución es:

a0 =B = lna2 = -0.69074 y

a1 = m = b2= 1.75116

Por consiguiente, la recta de ajuste queda

ln g(x)=-0.69073876 + 1.75116lnx
MARTÍN BARRAGÁN SOLÍS

sacando antilogaritmos, se obtuvo,

g(x) = 0.5012x1.75116

Con el objeto de verificar la bondad del ajuste obtenido, en la figura siguiente


se muestra una gráfica de conjunto, donde se observa que los valores obtenidos
con g(x) son, prácticamente, los mismos que los datos iniciales, por lo que, se dice
que se logró un “buen ajuste”.

Serie1 g(x)
f(x)

9.0

8.0

7.0

6.0

5.0

4.0

3.0

2.0

1.0

0.0 x
0 1 2 3 4 5 6

Figura del problema 5.9(datos iniciales)

Ejempo 5.10 Ajuste los siguientes datos a un polinomio de segundo grado.


X F(x) continuación x F(x) continuación X F(x)
-3.20 8.80 -0.70 -2.20 +1.80 -0.60
-2.70 5.60 -0.20 -2.80 +2.30 1.00
-2.20 2.90 +0.30 -3.00 +2.80 3.40
118

-1.70 0.75 +0.80 -2.80 +3.30 6.30


-1.20 -1.00 +1.30 -2.00 +3.80 9.50

El polinomio de ajuste tiene la forma: g ( x)  a0  a1 x  a2 x 2

Por lo que, el sistema representativo de este ajuste es:

 n x x i
2
i
  a 0    f  xi  
    
  xi x x . a1     xi . f xi  
2 3
i i
 xi2 x x3 4  a 2   xi2 . f xi 
   
MARTÍN BARRAGÁN SOLÍS

i i

Donde al sustituir (n = número de datos = 15; x i  4.50, x 2


i  71.35 ,

x 3
i  63.405 , x 4
i  622.422 , etc.), se llegó a:

 15 4.50 71.35  a0   23.850 


 4.50 71.35 63.405 . a    14.255 
   1  
71.35 63.405 622.422 a 2  374.857

Cuya solución, por eliminación completa de Gauss Jordan, es:

a0 = -3.005,
a1 = -0.497 y 15
valores de f(x)

a2 = 0.997 10
5
Por lo que, el polinomio de ajuste es: 0
-4 -2 -5 0 2 4 6
valores de X
g ( x)  3.005  0.497 x  0.997 x 2
DATOS g(x)

5.5 Aproximación a funciones contínuas

Las mejores aproximaciones para funciones continuas, usualmente son


consideradas para ser aproximaciones que minimicen el error en el sentido del
minimax. Desafortunadamente, a menudo es muy difícil encontrar la mejor
aproximación para una cierta clase de función dada; sin embargo, deberíamos
119

invocar a la experiencia para tener una aproximación que sea la mejor. Por ejemplo,
en lugar de encontrar la mejor aproximación para una función cuadrática podríamos
haber aproximado con una cuadrática que siempre será razonablemente cercana a
la mejor cuadrática. Las buenas aproximaciones para funciones continuas,
usualmente tienen un error d(x) que oscila alrededor de cero en la región de interés,
ya que, las magnitudes positivas son aproximadamente iguales a las magnitudes
negativas.

La forma más común y simple de aproximación para una función continua es


con algún tipo de polinomial. En efecto, siempre que es usada una representación
en serie de potencias para calcular una función, entonces, la aproximación
MARTÍN BARRAGÁN SOLÍS

polinomial está siendo usada, puesto que, la serie de potencias debería ser
truncada en algún punto y, una serie de potencias truncada es siempre una
polinomial.

Empezaremos nuestra discusión de la aproximación a funciones continuas


mediante el examen de un método para improvisar la efectividad del truncado de
las series de potencias, ó en otras palabras, de obtener la mejor exactitud con
pocos términos. Esta práctica es llamada una serie de potencias telescópica o
economización. Como veremos, también tiene aplicaciones directas a la
aproximación de cualquier polinomial.

5.5.1 Economización de Chebyshev

Los polinomios de Chebyshev se pueden expresar de dos formas distintas,


pero equivalentes; una utiliza funciones coseno y la otra serie de potencias. En el
primer caso, el polinomio de Chebyshev normalizado de orden K, se define como:

 
Tk x   cos k cos 1 x  , para  1  x  1 (5-23)

Puesto que la función coseno se anula en  /2;  3/2;  5/2;  7/2,..., las
raíces de un polinomio de Chebyshev de orden K satisfacen la ecuación,

 1 
K cos 1 ( xn )   K   n  *  , n  1,2,3..., K (2-24)
 2 

ó más explícitamente:
120

 ( K  1  n) 
xn  cos 2 *  , n = 1, 2, 3,..., K (2-25)
 K 
 

Por ejemplo, si K = 2, entonces esta ecuación conduce a,

 (3  1  1) 
x1  cos 2 *    0.86602
 3 
 

 (3  1  2) 
MARTÍN BARRAGÁN SOLÍS

x2  cos  2 *    0.00000
 3 
 

En segundo caso, los términos de los polinomios de Chebyshev, son


generados por con la ecuación recurrente:

Tn+1(x) = 2xTn(x) –Tn-1(x) (5-26)

Requerimos tener presente estos polinomios para propósitos de aplicación.


Algunos términos son.

T0(x) = 1
T1(x) = x
T2(x) =2x2 –1
T3(x) = 4x3- 3x
T4(x) = 8x4 –8x2 +1 (5-27)
T5(x) = 16x5 –20x3 +5x
T6(x) = 32x6 –48x4 +18x2 –1
T7(x) = 64x7 –112x5 + 56x3 – 7x
T8(x) = 128x8 – 256x6 +160x4 – 32x2 +1

Recuerde que estos polinomios tienen una magnitud máxima de 1 en el


intervalo de –1  x  1.

Para nuestros propósitos, también es interesante invertir esos polinomios


para listar las potencias de x en términos de Tn(x); quedando:
121

1 = T0
x = T1
x2 = ½ (T0 + T2)
x3 = ¼ (3T1 + T3)
x4 = 1/8(3T0 + 4T2 + T4) ( 5-28 )
x5 = 1/16(10T1 + 5T3 + T5)
x6 = 1/32(10T0 + 15T2 + 6T4 + T6)
x7 = 1/64 (35T1 + 21T3 + 7T5 + T7)
x8 = 1/128(35T0 + 56T2 + 28T4 + 8T6 + T8)

Note usted que los Tn(x) fueron escritos simplemente como Tn


MARTÍN BARRAGÁN SOLÍS

Los polinomios de Chebyshev se pueden aplicar en cualquier rango distinto


de –1  x  1, si se transforma primero a él, el rango de interés. Si este rango está
dado por a  x  b, la transformación está dada por;

2y  b  a
x , –1  x  1 ( 5-29 )
ba

ó en forma equivalente,

(b  a) x  a  b
y , ay b ( 5-30 )
2

por consiguiente, al sustituir los puntos de Chebyshev xn en  -1, 1  dados por ( 5-


25 ), en la ecuación ( 5-30 ), los puntos de Chebyshev yn en  a, b  son,

1  ( K  12  n)  
yn  (b  a ) cos  *    a  b , n= 1,2, 3, ..., K ( 5-31 )
2  K  

Como ejemplo, considere una función e -x, que puede ser representada por
una serie de potencias, como

x 2 x3 x 4 x5 x 6
e-x = 1 –x +      ... ( 5-32)
2! 3! 4! 5! 6!

Si la serie alternativa (e-x = 1 –x + ...) es truncada después del término en x5,


el error no será mayor de 1.6152x10 -3. Usando la representación de las
122

polinomiales de Chebyshev de las potencias de x, el truncado de la función (e -x = 1


–x + ..) puede escribirse como

e  x  T0  T1  2 (T0  T2 )  1 14 (3T1  T3 )  1 18 (3T0  4T2  T4 )


1 1
2 3! 4!
( 5-33 )
 161 (10T1  5T3  T5 )  1
1
5!

donde 1 tiene una magnitud máxima de 1.1652x10 -3. Agrupando términos, se


obtiene,
MARTÍN BARRAGÁN SOLÍS

e-x  1.2656250T0 –1.1302083T1 + 0.2708333T2 – 0.0442798T3 + 0.0052083T4 –


0.0005208T5 ( 5-34 )

Ahora podemos hacer valer el factor de que la magnitud de Tn es 1 (sobre –


1  x  1). Si truncamos la expresión anterior después del término que involucra T 3,
acumularemos un error adicional no mayor que la suma de las magnitudes de los
coeficientes de T4 y T5, o sea 0.0052083 + 0.0005208 = 0.0057291. Ahora

e-x  1.2656250T0 –1.1302083T1 + 0.2708333T2 – 0.0442798T3 ( 5-35 )

La magnitud del error máximo posible en ecuación anterior, es la suma de la


magnitud máxima del error de truncamiento de la serie original, la cual fue de
0.0016152 y la máxima magnitud del error en el truncamiento fue de 0.0057291.
Esta suma es de 0.0073444. Las polinomiales de Chebyshev en la expresión de
arriba pueden escribirse en términos de x, con lo cual queda como:

e-x  1.2656250(1)–1.1302083(x) + 0.2708333(2x2 –1)– 0.0442798(4x3 – 3x)

desarrollando y agrupando términos, se llega a

e-x  0.9947917 –0.9973959x + 0.5416667x2 – 0.1770832x3 ( 5-36 )

Estos expresión de aproximación de cuatro términos, es muy similar a los


primeros cuatro términos de la serie original (5-32) excepto que el error máximo de
(5-36) es de 0.0073444 comparado con un error máximo posible de 0.0516152 para
los primeros cuatro términos de la serie original. En efecto, si tomamos cinco
términos de la serie (5-32), el error máximo posible será de 0.00994895, el cual aún
es más grande que el máximo error posible dado por la expresión de cuatro
términos de (5-36). Esta expresión es llamada serie telescópica de potencias ó serie
123

economizada. Si más términos de la serie original de Taylor son tomados antes de


que sea truncada, entonces los coeficientes de la aproximación de cuatro términos
(5-36) cambiarán ligeramente y la aproximación puede ser más exacta. Es
importante notar que no hay garantía de que (5-36) sea la mejor aproximación para
e-x, no obstante puede indicar una buena aproximación.

En el caso de (5-36), la serie telescópica de e-x, requiere dos términos menos


que la serie original para obtener la misma exactitud. Los ahorros en general, son
altamente dependientes del número de términos de la serie original de potencias. La
economización de series convergentes rápidamente (tales como la serie para e -x)
proveen relativamente modestas ganancias, mientras que la forma economizada de
MARTÍN BARRAGÁN SOLÍS

muchas series de convergencia lenta pueden proveer exactitud con un mínimo de


términos que podría requerir cientos de términos de la serie original.

Este procedimiento de economización puede ser usado para aproximar


cualquier polinomial con una polinomial de orden inferior sobre cualquier intervalo
finito.

Ejemplo 5.11. Usando economización de Chevyshev, encontrar una aproximación


lineal para la función:

f ( y)  y 2  2 y  3

Sobre el intervalo 0  y  10

Solución. Primero mapeamos el intervalo  1  y  1 mediante la transformación


dada por (5-29), es decir:

2 y  b  a 2 y  10  0 y
x =  1
ba 10  0 5

Con lo cual se tiene que:

y = 5(x+ 1)

Por consiguiente, la ecuación por transformar queda:

f1(x) = 5(x + 1)2 -25(x + 1) + 3 = 25x2 + 40x + 18


124

Puesto que f1(x) está definida, ahora, sobre -1  x  1, podemos proceder a usar la
economización de Chebyshev. Rescribiendo las potencias de x en términos de los
Tn(x), se tiene:

1  61 25
f1 ( x)  25 (T0  T2 )  40T1  18T0  T0  40T1  T2
2  2 2

A partir de aquí podemos encontrar la aproximación lineal por eliminación del


término en T2. Esta aproximación tiene un error máximo posible de magnitud igual al
coeficiente de T2, es decir,  = 25/2 = 12.50. Entonces,
MARTÍN BARRAGÁN SOLÍS

61
f 1 ( x)  T0  40T1
2

o en términos de “x”, se tiene:

61
f 1 ( x)   40 x
2

reconvirtiendo a una función de “y”, recordando que x = y / 5 –1, se tiene:

61 y 19
g ( y)   40(  1)    8 y
2 5 2

Esta es la aproximación lineal requerida, la cual podría tener un error hasta de 12.5.

Problemas propuestos

5.1 La siguiente función tabulada representa puntos de una polinomial. ¿Cuál es el


grado de la polinomial?¿Cuál es el coeficiente de la potencia más alta de x?

I Xi f(xi)
1 0 -7
2 1 -4
3 2 5
125

4 3 26
5 4 65
6 5 128

5.2 La siguiente función tabulada representa puntos de una polinomial. ¿ Cuál es el


grado de la polinomial?

I xi f(xi)
1 0 0
MARTÍN BARRAGÁN SOLÍS

2 1 -2
3 2 -8
4 3 0
5 4 64
6 5 250
7 6 648
8 7 1372

5.3 Preparar una tabla de diferencias finitas hacia delante y otra tabla de diferencias
finitas hacia atrás, para la siguiente función tabulada:

I xi f(xi)
1 1 6
2 2 10
3 3 46
4 4 138
5 5 430

Ahora, suponiendo que la función es una polinomial, llenar todos los espacios
en blanco en la tabla e interpolar para f(4.31) usando la fórmula de interpolación
para diferencias finitas hacia delante con x = 4 como renglón base.

5.4 Dada la siguiente función tabulada:

i Xi f(xi)
1 0.0 -3.000
2 0.3 -0.742
126

3 0.6 2.143
4 0.9 6.452
5 1.2 14.579
6 1.5 31.480
7 1.8 65.628

Encontrar a) f(1.09); b) f( 0.93); c) f(1.42); d) f(0.21).

5.5 Usando interpolación de Lagrange, encontrar f(4.3) para la siguiente función:


MARTÍN BARRAGÁN SOLÍS

i xi f(xi)
1 0.0 0.0
2 1.0 0.569
3 2.0 0.791
4 3.8 0.224
5 5.0 -0.185

5.6 Dada la siguiente función tabulada

I Xi f(xi)
1 1 150
2 2 36.75
3 3 17.33
4 4 9.19

Prepare una tabla de diferencias hacia atrás y otra hacia delante. Después interpole
para encontrar a) f( 1.1) y b) f(3.9)

5.7 Determine una función lineal ajustada a los siguientes datos, mediante el
método de mínimos cuadrados:

I Xi f(xi)
1 1.0 2.0
2 1.5 3.2
3 2.0 4.1
127

4 2.5 4.9
5 3.0 5.9

5.8 Igual que en el caso anterior, pero para los siguientes datos:

i xi f(xi)
1 0.1 9.9
2 0.2 9.2
3 0.3 8.4
MARTÍN BARRAGÁN SOLÍS

4 0.4 6.6
5 0.5 5.9
6 0.6 5.0
7 0.7 4.1
8 0.8 3.1
9 0.9 1.9
10 1.0 1.1

5.9 Dados los siguientes datos, ajuste a una línea recta esos datos, usando el
criterio de mínimos cuadrados:

i xi f(xi)
1 1.1 50
2 2.9 43
3 4.3 28
4 6.2 25
5 8.1 22.7
6 9.6 16.9
7 12 7.4

5.10 Ajuste una función cuadrática a los siguientes datos y grafique la curva
ajustada junto con los puntos dados:

i xi f(xi)
1 0.000 0.00
2 0.200 7.78
3 0.400 10.68
128

4 0.600 8.37
5 0.800 3.97
6 1.000 0.00

5.11 Ajuste un polinomio cúbico a los datos del problema anterior y diga usted, cual
es el mejor ajuste. Haga una gráfica de conjunto, para los dos problemas.

5.12 Ajuste los datos de la tabla siguiente:


MARTÍN BARRAGÁN SOLÍS

I xi f(xi)
1 0.1 0.0000
2 0.2 1.1220
3 0.3 3.0244
4 0.4 3.2568
5 0.5 3.1399
6 0.6 2.8579
7 0.7 2.5140
8 0.8 2.1639
9 0.9 1.8358

A la función:

g ( x)  a0  a1x  a2 sen(x)  a3sen(2x)

Recuerde iniciar con ecuación ( 5-19 ), donde en vez de sustituir el polinomio


de grado l, tiene usted que emplear la función propuesta arriba y posteriormente
derivar con respecto a cada uno de los coeficientes, para obtener el sistema de
ecuaciones que permitan estimar los coeficientes de la función g(x).

5.13 Dados los siguientes datos:

I xi f(xi)
1 1.2 2.1
2 2.8 11.5
129

3 4.3 28.1
4 5.4 41.9
5 6.8 72.3
6 7.9 91.4

Usando el criterio de mínimos cuadrados, ajustar a una función de la forma g(x)


=AxB

5.14 Dados los siguientes datos, ajustar una función de la forma g(x) =Ce Dx para
MARTÍN BARRAGÁN SOLÍS

estos, usando el criterio de mínimos cuadrados.

I xi f(xi)
1 0.00 1.37
2 0.50 1.48
3 1.25 2.09
4 2.00 2.77
5 2.70 3.60
6 3.00 4.10
7 3.50 4.88
8 3.90 6.01
9 4.75 7.95
10 5.25 9.90

5.15 Encontrar una expresión de aproximación de tres términos para seno(x) sobre
–1  x  1 por economización de Chebyshev de la serie de Taylor. Truncar la serie
original después del cuarto términos. Evaluar el error máximo en la aproximación de
tres términos y comparar éste con el error máximo que podría resultar si los tres
primeros términos de la serie de Taylor fueron usados.

5.16 Encontrar una aproximación cuadrática para

f(y) = y4 – 2y3 + y –6
130

sobre el intervalo –1  y  2 usando economización de Chebyshev. Dar un límite


para el error de esta aproximación. Si está disponible una computadora, grafique el
error como una función de y sobre el intervalo de interés.

5.17 Ajuste los datos del ejemplo 5.6 a la función g 3(x) = C seno(Dx)

5.18 Escriba un Programa de computadora para resolver la fórmula de interpolación


de Gregory Newton, con diferencias finitas hacia delante. El programa debe requerir
cuando menos 8 parejas de valores (x, y), con variación de x constante; así como el
MARTÍN BARRAGÁN SOLÍS

valor de x para el cual se desea interpolar. La salida debe incluir los datos
administrados, la tabla de diferencias finitas y el valor interpolado de f(x).

5.19 Escriba un Programa de computadora para resolver la fórmula de interpolación


de Gregory Newton, con diferencias finitas hacia atrás. El programa debe requerir
cuando menos 8 parejas de valores (x, y), con variación de x constante; así como el
valor de x para el cual se desea interpolar. La salida debe incluir los datos
administrados, la tabla de diferencias y el valor interpolado de f(x).

5.20 Escriba un Programa de computadora para resolver la fórmula de interpolación


de Lagrange. La entrada de datos debe requerir cuando menos 8 parejas de valores
(x, y), con variación de x arbitraria; así como el valor de x para el cual se desea
interpolar. La salida debe incluir solamente los datos administrados y el valor
interpolado de f(x).
131

Capítulo 6
INTEGRACIÓN NUMÉRICA
MARTÍN BARRAGÁN SOLÍS

6.1 Introducción

La definición pura del término integración, indica que su significado es “ unir


todas las partes en un todo; juntar todas las partes en una, indicar la cantidad total,
etc.,...”.

El modelo matemático que representa esta acción, está dado por:


b
f ( x)dx o a
f ( x)dx

La primera de ellas es una integral indefinida y la segunda una integral definida. En


este capítulo se resuelven numéricamente las integrales definidas, las cuales
representan el área bajo la curva encerrada por la función f(x), el eje x y por las
verticales acotadas por x = a y x = b, como se muestra en la figura 6.1.

Figura 6.1 Representación gráfica de la integral definida


132

6.2 Elementos teóricos

De acuerdo con el teorema fundamental de la integral, una integral definida


se evalúa como:

b

b
f ( x)dx = F ( x) a (6-1)
a

en donde F(x) es la integral de f(x), esto es, cualquier función, tal que su derivada
F’(x) = f(x). F(x) también recibe el nombre de antiderivada de f(x). El valor numérico
MARTÍN BARRAGÁN SOLÍS

de la integral se obtiene sustituyendo los límites de integración.

b

b
f ( x)dx = F ( x) a = F(b) – F(a) (6-2)
a

Los métodos de integración analítica, permiten encontrar F(x). Por ejemplo, si


se evalúa la integral

0.8

 (0.2  25x  200 x  675 x 3  900 x 4  400 5 )dx


2

200 3 400 6
se obtiene que F(x)= 0.2 x  12.5 x 2  x  168.75 x 4  180 x 5  x + C.; donde C
3 6
es una constante de integración, es decir, la primitiva de una función dada no es
única, por ejemplo, x2, x2 +5 y x2-4.5 son todas ellas primitivas de f(x) = 2x, ya que,
d 2 d d
( x )  ( x 2  5)  ( x 2  4.5) . Todas las antiderivadas de f(x) = 2x quedan
dx dx dx
2
incluidas en F(x) = x + C.

De ecuación (6-2), F(a)= 0 y F(b) = 1.64053334, por lo que, el valor de la


integral es: I = 1.64053334. Este valor es igual al área bajo el polinomio f(x) y las
verticales x = a = 0 y x = b = 0.8. Sin embargo, hay ocasiones en que es muy difícil
o imposible obtener F(x), por lo que, no será fácil evaluar la integral. En estos casos
se recomienda aplicar una técnica numérica que permita estimar la integral que, con
los procedimientos ordinarios no es posible resolver.

En el presente capítulo se muestran los métodos numéricos que sirvan para


obtener el área, ya que de acuerdo a lo dicho en líneas anteriores, si se encuentra
una forma simple de estimar el área por procesos geométricos, se tendrá una
estimación de la integral. Por ejemplo, si bajo la curva definida por f(x), el eje x y las
133

verticales x = a y x = b, se trazan rectángulos como figuras de apoyo para evaluar el


área bajo la curva, el método recibe el nombre de rectangular; de ser trapecios la
figuras que se tracen, el método se denomina trapecial; cuando se ajustan
parábolas a la curva, se dice que el método es parabólico, etc.

Estas técnicas numéricas usadas, son de gran utilidad donde la dificultad


analítica es muy notable o donde sea imposible la evaluación de las integrales
mediante los procedimientos ordinarios.
MARTÍN BARRAGÁN SOLÍS

6.3 Métodos de solución

6.3.1 Método rectangular

Con este método se estima el área bajo la curva de figura 6.1, colocando
rectángulos en el área definida por f(x), el eje x y las verticales x = a y x =b, como se
muestra en figura 6.2, donde se observa que: cada área ai se puede calcular como
el área de un rectángulo que tiene por base Δx y por altura f(xi*), por tanto:

Figura 6.2 Aproximación de la integral – regla rectangular

a1  x. f ( x1* ) a2  x. f ( x2* )

a3  x. f ( x3* ) an  x. f ( xn* )


La integral se aproxima como la suma de las áreas rectangulares parciales, es


decir:
134

a
b
f ( x)dx 
ba n

n i1
f ( xi* ) 
ba
n

f ( x1* )  f ( x2* )  ...  f ( xn* ) 
(6-3)

Observe que xi* es el punto medio de Dx [Dx = (b-a)/n], de tal forma que x1* = a
+0.5Dx; x2* = x1* + Dx; x3* = x2* + Dx; etc.

Ejemplo 6.1 Resuelva la integral definida dada, usando la regla rectangular con 10
rectángulos (n = 10).
MARTÍN BARRAGÁN SOLÍS

4
0
( x 2  2 x  1)dx

Solución. De acuerdo con ecuación (6-3), es necesario calcular Δx y los valores de


xi* para poder obtener f(xi*).

ba
x   0.4
n

Dado que x1* = a + 0.5Δx = 0 + 0.2 = 0.2  f(0.2) = (0.2)2 +2(0.2) -1 = -0.56
x2* = x1* + Δx = 0.20 + 0.4 = 0.6 f(0.6) = 0.56
X3* = x2* + Δx = 1.0 f(1.0) =2.00, etc.

En la tabla siguiente se presenta un resumen de estos resultados.

0.20 -0.56 Figura E6.1


0.60 0.56 25
1.00 2.00
20
1.40 3.76
Valores de f(X)

15
1.80 5.84
2.20 8.24 10
2.60 10.96 5
3.00 14.00
0
3.40 17.36
0.00 1.00 2.00 3.00 4.00 5.00
3.80 21.04 -5
Valores de X
Suma 83.20
135

f ( x)dx 0.4 0.56  0.56  ...  17.36  21.04  33.28u 2


b
Sustituyendo en (6-3): a

Ejemplo 6.2 Use la regla rectangular para resolver evaluar la integral, dada a
continuación con 25 rectángulos.

5
 (2senx  e  1)dx
x
0

Solución. Para los límites de integración y el número de rectángulos, Δx vale:


MARTÍN BARRAGÁN SOLÍS

50
x   0.2
25

x1* = 0 + 0.2/2 = 0.10; x2* = x1* + 0.2 = 0.30; x3* = x2* + 0.2 = 0.5, etc.

f(x) = 2seno(x) –ex +1

x* f(x*) continuación
0.1 0.094 x* f(x*)
0.3 0.241 2.700 -13.025
0.5 0.310 2.900 -16.696
0.7 0.275 3.100 -21.115
0.9 0.107 3.300 -26.428
1.1 -0.222 3.500 -32.817
1.3 -0.742 3.700 -40.507
1.5 -1.487 3.900 -49.778
1.7 -2.491 4.100 -60.977
1.9 -3.793 4.300 -74.532
2.1 -5.440 4.500 -90.972
2.3 -7.483 4.700 -110.947
2.5 -9.986 4.900 -135.255
suma -30.615 suma -673.048

De la aplicación de ecuación (6-3) se obtiene:

 1)dx  0.2 30.615  (673.048)  140.326u 2


5
 (2senx  e
x
0
136

6.3.2 Método trapecial

Con base en la figura 6.3 en la que se han trazado n trapecios de altura x;
se estiman las áreas ai (i = 1, 2, 3, 4, 5, 6, ..., n) y posteriormente se suman para
obtener el área total, la cual será aproximadamente igual a la integral.
MARTÍN BARRAGÁN SOLÍS

Fig.6.3 Estimación del área –método trapecial

x x
a1   f ( x0 )  f ( x1 ) a4   f ( x3 )  f ( x 4 ) 
2 2
137

x
a2   f ( x1 )  f ( x2 ) -----------------
2

x x
a3   f ( x 2 )  f ( x3 )  an   f ( xn 1 )  f ( xn )
2 2

n
f ( x)dx = a1 +a2 +a3 + a4 + . . .+ an =  ai y tomando en cuenta que
b
Puesto que a
i 1

f(x0) = f(a) y f(xn) = f(b), se tiene que:


MARTÍN BARRAGÁN SOLÍS

x  n1 
 f (a)  2 (a  x. j )  f (b)
b
a
f ( x)dx 
2  j 1 
(6- 4)

ba
x  (6- 4.1)
n

donde n es el número de trapecios en que se ha dividido el área total. Se observa


que si n tiende a infinito, x tiende a cero y, en consecuencia, el valor obtenido con
ecuación (6-4) será más próximo al valor exacto de la integral. El diagrama de flujo
de este método está dado en Fig. D6.1

6.3.2.1 Error en el método trapecial

Cuando se emplea un solo trapecio (Fig. 6.4) para estimar la integral bajo
una curva f(x), se incurre en un error que puede ser sustancial. Una estimación del
error por truncamiento, de una sola aplicación de la regla trapezoidal está dada por:

1
Et   f " ( )(b  a) (6-5)
12

donde  es un punto cualquiera dentro del intervalo de integración; para efectos


prácticos podría ser el punto medio del segmento ab . La ecuación anterior indica
que si la función que se está integrando es lineal, el método trapecial proporcionará
valores exactos, ya que, la segunda derivada de una recta es cero; de otra manera
ocurrirá un error.
138

f(x)

x=a x=b x

Fig. 6.4 Estimación de la integral con un solo trapecio


MARTÍN BARRAGÁN SOLÍS

Por otra parte, cuando se usan varios segmentos de líneas rectas, el error
total se obtiene sumando los errores de cada segmento, llegando a:

(b  a)3 n
Ev    f "(i )
12n3 i 1
(6-6)

En donde f ”(i ) es la segunda derivada de la función a integrar, evaluada en el


punto i localizado dentro del segmento i.

a, b, n
S2 = 0
β

ba
x 
n x= b

j=1
Fb = f(x)

x(j) = a
SUM=
F=f(x(j)) F+Fb+S2

j= j +1 x
A SUM
2
x(j) = x(j-1) +x S2 = S2 +2F(j)
139

x(j)b si
F(j ) =f(x(j))
? FIN

β FIG. D6.1 METODO TRAPECIAL


MARTÍN BARRAGÁN SOLÍS

Ejemplo 6.3 Resuelva la integral del ejemplo 6.1 usando el método trapecial con 10
segmentos (n = 10); calcule el error con ecuación (6-6) y, finalmente, compare sus
resultados con el que se obtenga en forma analítica.

4
 0
( x 2  2 x  1)dx

Solución. De acuerdo con (6-4.1) x = (4-0)/10=2/5. La función a integrar es f(x) =


x2 +2x-1, por lo que, f(a) = -1.00 y f(b) = 23.00. Con estos datos ecuación (6-4)
queda:

2/5  9 

4
 ( x  2 x  1)dx     
2
 1.00 2 f ( 0 0.4 j ) 23
0 2  j 1 

Donde:

101  9 
 f (0  0.4 j)   f (0.4 j)  f (0.4)  f (0.8)  ...  f (3.6)  72.6
j 1  j 1 

Por tanto, el valor aproximado de la integral es:

0.4
 1.0  2(72.6)  23.00 = 33.44 u2.
4
 (x  2 x  1) =
2
0 2

Para calcular el error se elaboró la tabla E6.3 y se estimó, de acuerdo con ecuación
(6-6) en:
140

(b  a)3 n (4  0)3
Ev   i 12(10)3 * (20)  -0.1066666667
12n3 i 1
f " ( ) = 

Por lo que, un resultado más preciso de la integral que se está evaluando, es,

4
 (x  2 x  1) =33.44-0.1066666667 =33.333 u2.
2
0

La solución analítica, que en este ejemplo puede obtenerse, es:


MARTÍN BARRAGÁN SOLÍS

 2 x  1) = x 3  x 2  x0  100 / 3 u2.


4 1
 (x
2 4
0 3

Tabla 1E6.3 Datos para calcular el término medio de ecuación (6-4) y el error según
ecuación (6-6).
j 0.4j f(0.4j) n  F”()
1 0.40 -0-04 1 0.2 2
2 0.80 1.24 2 0.6 2
3 1.20 2.84 3 1.0 2
4 1.60 4.76 4 1.4 2
5 2.00 7.00 5 1.8 2
6 2.40 9.56 6 2.2 2
7 2.80 12.44 7 2.6 2
8 3.20 15.64 8 3.0 2
9 3.60 19.16 9 3.4 2
72.60 10 3.8 2

Ejemplo 6.4 Resolver el siguiente problema que corresponde a la fuerza sobre el


mástil de un velero de carreteras (aplicación a ingeniería civil), representado por la
integral:

30  z  ( 2 z / 30)
F   200 e dz
0
5 z

Se resuelve aplicando el método trapecial con n = 30

Solución. Identificación de elementos: Figura E6.3


80
70
60
Valores de f(z)

50
40
30
20
10
0
141

 z  ( 2 z / 30)
f(z) = 200 e
 5  z) 

 0  ( 2*0 / 30)
a = 0  f(a)= 200 e = 0.0000
 5  0) 

 30  ( 2*30 / 30)
b = 30  f(b)= 200 e =23.20033427
 5  30) 
MARTÍN BARRAGÁN SOLÍS

Si se usan 30 trapecios (n = 30), entonces z = 1. La parte intermedia de


ecuación (6-4) es (con datos de tabla 1E6.3):

n 1  29 
2 f (a  z. j )  2 f (1 * j ) = 2(1, 465.533478)= 2,931.066957
j 1  j 1 

Con esta información la ecuación (6-4) conduce al valor:

 z  ( 2 z / 30)
dz = 0  2931.066957  23.20033427  1, 477.133646 u2
30 1
F   200 e
0
5 z 2

En este caso no es fácil encontrar la solución analítica, como en el caso


anterior, por lo que, se recomienda incrementar el número de trapecios para mejorar
la solución.

Tabla 1E6.4 Cálculo de los valores de f(z)


Z f(z) Continuación
0 0.000 z f(z)
1 31.184 16 52.442
2 50.010 17 49.757
3 61.405 18 47.143
4 68.083 19 44.613
5 71.653 20 42.176
6 73.126 21 39.835
7 73.160 22 37.594
8 72.203 23 35.455
9 70.561 24 33.417
10 68.456 25 31.479
11 66.042 26 29.639
142

12 63.435 27 27.894
13 60.717 28 26.242
14 57.951 29 24.678
15 55.182 30 23.200

6.3.3 Métodos de Simpson

El método de Simpson permite conectar puntos de una curva con polinomios


de orden superior, por ejemplo, si hay un punto medio entre f(a) y f(b), pueden
MARTÍN BARRAGÁN SOLÍS

conectarse los tres puntos con una parábola, generando el método parabólico (Fig.
6.5). Sin embargo, si existen dos puntos igualmente espaciados entre f(a) y f(b),
entonces los cuatro puntos se pueden conectar con un polinomio de tercer grado,
etc. A las fórmulas resultantes de calcular la integral bajo estos polinomios se les
llama reglas de Simpson. Este método proporciona una aproximación más precisa
que la regla trapezoidal, ya que se unen puntos consecutivos mediante curvas.

b c

Fig. 6.5 Representación gráfica del método de Simpson

6.3.3.1Método parabólico

Consiste, como se dijo, en conectar grupos sucesivos de tres puntos (a, b y


c), como se muestra en figura 6.5, mediante parábolas. Suponiendo que el punto
medio (x1) coincide con el eje de las ordenadas [a = -Δx, x1 = 0, x2 = Δx], la integral
de la parábola es:

x
x a 3 b 2 2
 x (ax  bx  c)dx  3 x  2 x  cx  x  3 a(x)  2.c.(x)
2 3
(6-7)
143

Para encontrar las constantes a y c, se sustituyen las coordenadas de los


puntos a, b y c, obteniendo:

f(a) =a(-x)2+b(-x)+c

f(b)=a(0)2+b(0)+c

f( c )= a(x)2+b(x)+c

La solución simultánea, de estas tres ecuaciones, permite encontrar los


valores de las constantes a, b y c, quedando como se muestra a continuación.
MARTÍN BARRAGÁN SOLÍS

f (a)  2 f (b)  f (c)


a
2(x) 2

f (c )  f ( a )
b (6-8)
2(x)

c = f(b)

Sustituyendo estos valores en ecuación (6-7), resulta finalmente que:

x
 f (a)  4 f (b)  f (c)
x
 x
(ax 2  bx  c)dx 
3

Para no confundir f(b) con f(b), es conveniente escribir, en forma general,

yi = f(a); yi+1 = f(b) y yi+2 = f(c); con lo que, ecuación ( 6-7 ) se transforma en:

x
yi  4 yi 1  yi  2 
x
 x
(ax 2  bx  c)dx 
3
(6-9)

Si i = 0, ecuación (6- 9) queda:

x
y0  4 y1  y2 
x
 x
(ax 2  bx  c)dx 
3
(6- 10)

Con un razonamiento similar se puede concluir que si al área bajo la curva se


divide en n sub-áreas (arriba fue n = 2, por lo que n tiene que ser par), entonces,
144

una ecuación general, para encontrar el área bajo la curva por el método numérico
de Simpson – cuya rutina de cálculo se muestra en figura D6.2- puede escribirse de
la forma siguiente.

x  n 1 n2 
 f (a)  4  f (a xj )  2  f (a  xj )  f (b)
b
a
f ( x)dx 
3  j 1, 3, 5,... j  2 , 4 , 6 ,... 
(6-11)

6.3.3.2 Error en el método parabólico


MARTÍN BARRAGÁN SOLÍS

En este caso, el error se puede estimar con una ecuación del tipo (6-6), es
decir:

(x)5 n IV
Ev    f (i )
180 i 1
(6-12)

donde i puede estimarse para los puntos medios de cada x. Si se conoce el valor
exacto de la integral, entonces es conveniente que (6-12) se escriba como

(b  a)5  ( IV )
Ev   f (6-13)
180n 4

Ejemplo 6.5 Resolver el problema 6.3 por el método de Simpson, usando las
mismas áreas que en aquél (n = 10).

Solución. Con los datos de la tabla 6.3 se concluye que:


j 0.4j f(0.4j)
1 0.40 -0-04
2 0.80 1.24
3 1.20 2.84
4 1.60 4.76
5 2.00 7.00
6 2.40 9.56
7 2.80 12.44
8 3.20 15.64
9 3.60 19.16
72.60
145

 f (0.4 * j )  41.40 (cantidades en negritas) y


j  impar

 f (0.4 * j )  31.20
j  par

Por lo que, de ecuación (6-12), se llega a:

0.4
 1  4(41.40  2(31.20)  23.00 = 33.333 u2.
4
 ( x  2 x  1) 
2
0 3
MARTÍN BARRAGÁN SOLÍS

La cual corresponde al valor exacto de la integral, ya que, la función por integrar


está representada por una ecuación de segundo grado. Otra forma de observar que
100/3 es valor exacto de la integral es por observación directa de ecuación (6-13), la
cual indica que el error es cero, debido a que la f IV (x) es nula.

S1= 0
Inicio a, b, n, S2 = 0

ba
x 
n

j=1

x(j) = a

F=f(x(j))

j= j +1

j< n =
S=F+f(b)
+1

S
SUM=S+S1+S2
Xj =x(j-1)+x

x
A SUM
3
146

S=S2+4f(xj) N j es
Par?
A

S
S1=S1+2f(xj) Fin

FIG. D6.2 METODO DE SIMPSON


MARTÍN BARRAGÁN SOLÍS

 /2 dx
Ejemplo 6.6 Use la regla de Simpson para evaluar la integral 
0 (1  senx) 2
, con n

= 10.
f(x)

1.2

1.0

0.8

0.6

0.4

0.2 x

0.0
0.0 0.5 1.0 1.5 2.0

Figura del problem a 6.5

Solución. En cualquier caso, primero deben conocerse los límites y la función que
se integra, así que:

Límite inferior a = 0
Límite superior b = /2
1
La función a integrar es, f(x) = , con lo que
(1  senx) 2
f(a) = f(0)= 1.0000
147

f(b) =f(/2) = 0.2500


Para n = 10, x = /20

Ahora, con datos de tabla 1E6.6 se puede escribir,

 9
   8
 
4  f (0  * j ) =4(2.096)= 8.3864 y 2  f (0  * j ) = 2(1.5486)= 3.0972
 j 1,3,5,... 20   j 2, 4,6,... 20 

sustituyendo en ecuación (6-12), se tiene:


MARTÍN BARRAGÁN SOLÍS

 / 20
1.0000  4(2.0966)  2(1.5486)  0.2500  0.66673u 2
 /2 dx
0 (1  senx) 2

3

Tabla 1E6.6
j x f(x) Identificación
0 0.0000 1.0000 f(a)
1 0.1571 0.7478 J impar
2 0.3142 0.5836 J par
3 0.4712 0.4730 J impar
4 0.6283 0.3967 J par
5 0.7854 0.3431 J impar
6 0.9425 0.3056 J par
7 1.0996 0.2796 J impar
8 1.2566 0.2627 J par
9 1.4137 0.2531 J impar
10 1.5708 0.2500 f(b)

6.3.4 Método de Romberg

Esta técnica poderosa y eficiente, de integración numérica, está basada en el


uso de la regla trapezoidal combinada con la extrapolación de Richardson. Debido a
que para aplicar esta extrapolación, es necesario conocer la forma general de los
errores para la regla trapecial. En el curso de la derivación del método de Romberg,
no se consideraron dichos términos, los cuales incluyen el término dominante
(x)2. La derivación de estos términos es muy lenta y no será dada aquí, pero los
detalles son dados por Ralston. El resultado es que la regla trapezoidal puede ser
escrita como:
148

x  n 1 
I
2 
 f ( a )  f (b )  2 f (a  x * j )  C (x) 2  D(x) 4  ... (6-14)
j 1 

Donde C, D, E, etc., son funciones de f(x) y sus derivadas, pero no son funciones de
x. Los términos involucran los anteriores x de orden superior conteniendo el error.

_
x  n 1 
Si se le llama I 
2 
 f ( a )  2 f (a  x * j )  f (b) , entonces, ecuación (6-14)
j 1 
puede ser escrita como:
MARTÍN BARRAGÁN SOLÍS

_
I  I  C (x)2  D(x)4  E (x)6  (6-15)

Considerando ahora dos valores de x, x1 y x2. Si denotamos los valores
_ _ _
correspondientes de I por I 1 e I 2 , respectivamente, para x1 y x2; la ecuación (6-
15) conduce a,

_
I 1  I  C (x1 )2  D(x1 )4  E (x1 )6  (6-16)

_
I 2  I  C (x2 )2  D(x2 )4  E (x2 )6  (6-17)

Si en ecuaciones anteriores, se considera primero que x1 =2x2, entonces, (6-16)


se transforma en,

_
I 1  I  4C (x1 )2  16D(x1 )4  64E (x1 )6  (6-18)

Si ahora se multiplica (6-17) por 4, se sustrae (6-18) y se divide por 3, se obtiene,

_ _
4 I 2  I1
 I  4 D(x2 )4  20 E (x2 )6  (6-19)
3

El término (x)2 fue eliminado y el valor de la integral se aproxima con el término


(x)4. La extrapolación de este tipo es llamada extrapolación de Richardson. Si
_ _ _
ahora evaluamos I 3 , donde x3 = 12 x2 y extrapolando I 2 y I 3 , se llega a,
149

_ _
4 I 3 I 2
 I  4 D(x2 ) 4  20 E (x2 )6  (6-20)
3

Entre ecuaciones (6-20) y (6-21), puede eliminarse el término (x)4, para


obtener una estimación de la integral exacta para el término (x)6. Por

consiguiente, para cada nueva evaluación de I , puede ser eliminado un término
más en el error, por extrapolación. Este procedimiento sistemático es llamado
integración de Romberg. Debido a que para describir el algoritmo en detalle, se
adopta una nueva notación, la regla trapezoidal, en forma generalizada, puede
MARTÍN BARRAGÁN SOLÍS

escribirse de la siguiente manera:

x  l 
T(1, k )   f (a)  2 f (a  x * j )  f (b) (6-21)
2  j 1 

Donde

ba
x  (6-22)
2( k 1)

l  2( k 1)  1 (6-23)

El número de paneles (trapecios), en T(1,k) está dado por 2k-1. Por tanto,

ba
T(1,1)   f (a)  f (b) , con x =b-a y l = 0
2

ba ba  ba


T(1, 2)   f (a)  2 f (a  )  f (b) , con x = yl=1
4  2  2

ba  3
 ba   ba
T(1,3) 
8 
 f ( a )  2 f a 
j 1 
. j   f (b) , con x =
 4
yl=3
4 
150

ba  7
 ba   ba
T(1, 4)  
16 
f ( a )  2 f a 
j 1 
. j   f (b) , con x =
 8
yl=7
8 

ba  15
 ba   ba
T(1,5)  
32 
f ( a )  2 f a 

. j   f (b) , con x =
16  16
y l = 15
j 1 

ba  31
 ba   ba
T(1,6)   f ( a )  2 f a  . j   f (b) , con x = y l = 31
MARTÍN BARRAGÁN SOLÍS

64  j 1  32   32

La extrapolación se obtiene con:

4 L 1T( L 1, K 1)  T( L 1, K )


T( L, K )  (6-24)
4 L 1  1

Por ejemplo, para la columna 2 (L =2), se reduce a,

4 T(1, 2)  T(1,1) 4 T( 2,3)  T( 2, 2)


T( 2,1)  y T( 2, 2)  , etc.,
3 3

para la columna 3 (L =3), se tiene:

16T( 2, 2)  T( 2,1)
T(3,1)  , etc.,
15

Los resultados anteriores pueden ser ordenados en el siguiente arreglo matricial.

T(1,1)
T(1,2) T(2,1)
T(1,3) T(2,2) T(3,1)
T(1,4) T(2,3) T(3,2) T(4,1) (6-25)
_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ T(L-1,1)

T(1,L) T(2,L-1) T(3,L-2) … T(L-1,2) T(L,1)


151

Los valores extrapolados a lo largo de la diagonal, convergerán a la


respuesta correcta mucho más rápidamente que los valores proporcionados por la
regla trapezoidal, en la primera columna.

Para detener el proceso se aplica la prueba de convergencia relativa, sobre


los dos últimos valores de la diagonal.

T( L ,1)  T( L 1,1)
 tol (6-26)
T( L ,1)
MARTÍN BARRAGÁN SOLÍS

donde tol es la tolerancia admitida en la exactitud prefijada, si ésta es cero significa


que no se admite error en la solución.

El procedimiento, para una fácil aplicación del método numérico de Romberg,


consiste de los siguientes pasos:

1. Con ecuación (6- 21) Calcular T(1,1) y T(1,2).


2. Con ecuación ( 6-24) calcular T( 2,1)
3. Comparar los dos últimos elementos de la diagonal, en esta ocasión T (2,1) con
T(1,1),
4. Aplicando prueba dada por (6-26). Si se cumple la condición, entonces, T (2,1)
es el valor de la integral; en caso contrario, se desarrolla el siguiente renglón
5. Calcular T(1,3), T(2,2) y T(3,1)
6. Repetir paso 3 comparando T (3,1) con T(2,1), mediante ecuación (6-26); de
cumplirse, T(3,1) es el valor aproximado de la integral, de otra manera se
repite el proceso para el siguiente renglón.

El diagrama de flujo correspondiente al método de Romberg, puede consultarse


en Fig. D6.3.

8 5
 (8 x  4 x3  2 x  1)dx (ver figura del ejemplo), con
4
Ejemplo 6.7 Resolver la integral
0

un margen de error igual o menor que el 0.001%, de acuerdo al método de


Romberg.

Solución. Este polinomio puede ser integrado analíticamente, dando un resultado de


72 u2 y la integración de Romberg debería aportar una respuesta en solamente
unas cuantas extrapolaciones. Se observa que:
152

5 4
f ( x)  x  4 x3  2 x  1
8
5 4
a = 0, por tanto, f(a) =f(0) = (0)  4(0)3  2(0)  1 = 1
8
5 4
b = 8, así que, f(b) =f(8) = (8)  4(8)3  2(8)  1 =529
8
80
T(1,1)  1  529 = 2,120
2

80
T(1, 2)  1  2 f (4)  529  712
MARTÍN BARRAGÁN SOLÍS


a, b, tol

ba
 f (a)  f (b)
T(1,J)=T(1,J-1)/2+SUM*x
T(1,1)=
2
ba ba 
T(1,2)=  f (a)  2 f (a  )  f (b) L=2
4  2 
T(2,1)= 4T (1,2)  T (1,1)
1
K=J+1-L
3

4 L 1TL 1, K 1  TL 1, K


J=3 TL  K 
4 L 1  1

x  (b  a) / 2 J 1
N
L=L+1 L=J?

x=a-x
S

n=2(J-2)

N TJ ,1  TJ 1,1
J=J+1  tol
SUM = 0 TJ ,1

i=1 S

x =x +2x Escribir
b

a
f ( x)dx TJ ,1

SUM = SUM + f(x)


153


Fig. D6.3. Diagrama de flujo del método de Romberg
MARTÍN BARRAGÁN SOLÍS

Ahora, de ecuación (6-25), la extrapolación resulta ser:

4 T(1, 2)  T(1,1) 4(712)  2120


T( 2,1)    242.66667
3 3

Si se efectúa la prueba de convergencia sobre la diagonal [T(1,1) y T(2,1)],


dada por ecuación (6-26), se obtiene un valor de 7.736, por lo que debe continuarse
el proceso, es decir es necesario calcular el siguiente renglón del arreglo matricial,
lo cual se hace a continuación.

80 3
8   3 
T(1,3)  
8 
1  2 f ( * j )  529  
= 1  2 f (2 j )  529 =240
j 1 4   j 1 

extrapolando para T(1,2) y T(1,3), con ecuación (6-25), se obtuvo:

4 * 240  712
T( 2, 2)   82.666667 y
3

16 * 82.66667  242.66667
T(3,1)   72
15

La prueba de convergencia indica que el error relativo es igual a 2.37, por lo


que se calculó el siguiente renglón, aplicando ecuaciones (6-22) y (6-25),
obteniendo los siguientes resultados.
154

2120
712 242.67
240 82.67 72
114.5 72.67 72 72

72  72
la convergencia resulta, para esta cuarta línea,  0 , por lo tanto, el valor
72
exacto de la integral es 72, es decir, puede escribirse la solución como,

5
MARTÍN BARRAGÁN SOLÍS

8
 (8 x  4 x 3  2 x  1)dx  72u 2
4
0

Ejemplo 6.8 Resolver la siguiente integral por el método de Romberg

30  z  ( 2 z / 30)
F   200 e dz
0
5 z

Solución. Primeramente se identifican los límites de integración y la función por


integrar:

Para este caso se tiene que:

 z  ( 2 z / 30)
f(z) = 200 e
 5  z ) 
 0  ( 2*0 / 30)
a = 0, por tanto: f(a)= 200 e = 0.0000
 5  0) 
 30  ( 2*30 / 30)
b = 30, por consiguiente: f(b)= 200 e =23.20033427
 5  30) 

Siguiendo el mismo procedimiento que el ejemplo 6.7, se llegó a los resultados


siguientes:

348.005
1001.731 1219.640 no conv
1320.585 1426.869 1440.685 no conv
1435.007 1473.148 1476.233 1499.665 no conv
1468.644 1479.857 1480.304 1480.933 1480.859 no conv
1477.548 1480.515 1480.559 1480.628 1480.627 1480.627 no conv
155

1479.811 1480.565 1480.568 1480.572 1480.572 1480.572 1480.572


1480.379 1480.568 1480.568 1480.569 1480.569 1480.569 1480.569 1480.569

Por tanto:

30  z  ( 2 z / 30)
F   200 e dz  1480.569u 2
0
 5  z 

6.9 Use el método de Romberg para resolver la integral, dada a continuación con
MARTÍN BARRAGÁN SOLÍS

tres decimales exactos.

5
 (2senx  e  1)dx
x
0

Solución. Sabiendo que f ( x)  2senx  e x  1 y a = 0, b = 5, se procedió igual que


en el ejemplo anterior, llegando a,

f (a)  f (0)  0.000

f (b)  f (5)  149.3310077

-373.328
-211.628 -157.728
-159.885 -142.637 -141.631
-145.795 -141.099 -140.996 -143.234
-142.190 -140.988 -140.981 -140.970 -140.962
-141.283 -140.981 -140.980 -140.980 -140.980 -140.980
-141.056 -140.981 -140.980 -140.980 -140.980 -140.980 -140.980

5
 (2senx  e  1)dx =-140.980 u2.
x
En este caso
0
156

10 x
0
-10 0.0 1.0 2.0 3.0 4.0 5.0
-20
-30
-40
-50
-60
f(x)

-70
-80
-90
-100
-110
-120
-130
-140
-150

Figura del problem a 6.9


MARTÍN BARRAGÁN SOLÍS

6.3.5 Cuadratura de Gauss

La cuadratura Gaussiana es un método de integración numérica muy


poderoso, el cual emplea espacios de intervalos desiguales, a diferencia de los
métodos trapecial y de Simpson que son de aplicación inmediata para intervalos
constantes, aunque también se pueden aplicar con ciertas reservas. Debido a que
la regla trapecial debe pasar a través de los puntos límites, uniendo con un
segmento de recta los puntos con coordenadas [a, f(a)] y [b, f(b)]; existen casos
como el de la figura 6.6, en donde la fórmula genera un error muy grande.

Ahora, supóngase que la restricción de fijar los puntos base se elimina y se


va a evaluar libremente el área bajo el segmento de línea recta que une dos puntos
cualesquiera de la curva, colocando estos puntos de manera que dicha línea
minimice el error en el cálculo del área (Fig. 6.7), por lo que, el valor de integral será
más exacto. La cuadratura gaussiana usa esta estrategia. Las fórmulas particulares
de cuadratura gaussiana descritas en esta sección se llaman fórmulas de Gauss-
Legendre. Aunque la derivación de estas fórmulas no es objeto de este libro, se
obtiene aquí la fórmula de Gauss –Legendre basada en dos puntos, como
ilustración.

f(x) ERROR f(b)


f(a)
157

x=a x=b x

Fig. 6.6 Regla trapezoidal usando un solo trapecio

6.3.5.1 Derivación de la fórmula de Gauss- Legendre basada en dos puntos

Se observa en figura 6.6 que el área del trapecio es,


MARTÍN BARRAGÁN SOLÍS

f (a)  f (b)
I (b  a)
2

Que puede escribirse como

I  c1f(x1) + c2f(x2) (6-27)

En donde c1 y c2 son incógnitas. Sin embargo, en contraste a la regla


trapezoidal que usa como puntos extremos a y b, los argumentos de la función x 1 y
x2 ahora no están a los puntos extremos a y b, sino que son incógnitas (Fig.6.8). Por
lo tanto, se tiene un total de cuatro incógnitas que se deben evaluar y, por
consiguiente, se requieren de cuatro condiciones para determinarlos exactamente.
Se pueden obtener dos de estas condiciones suponiendo que la ecuación (6-27)
ajusta exactamente la integral de una constante (y = 1) y de una función lineal (y =
x). Entonces, para llegar a las otras dos condiciones, se extiende este razonamiento
al suponer que también se ajusta la integral a una función parabólica (y = x2) y a
una función cúbica (y = x3). Haciendo esto, se determinan las cuatro incógnitas
conviniendo en derivar una fórmula de integración de doble punto que es exacta
para cúbicas. Las cuatro ecuaciones por resolver son:

f(x)

x
Fig. 6.7 Segmento de recta compensando áreas.
158

1
c1 f ( x1 )  c2 f ( x2 )   1dx  2 (6-28)
1

1
c1 f ( x1 )  c2 f ( x2 )   xdx  0 (6-29)
1

1 2
c1 f ( x1 )  c2 f ( x2 )   x 2 dx  (6-30)
1 3
MARTÍN BARRAGÁN SOLÍS

1
c1 f ( x1 )  c2 f ( x2 )   x3dx  0 (6-31)
1

La solución simultánea de estas ecuaciones (se deja la demostración al


lector), es:

c1 = c2 = 1
1
x1 = -x2 = -
3

por lo que, ecuación (6-27) queda,

1 1
I  1f(- ) + 1f( ) ( 6-32 )
3 3

f(x)

F(x2)
F(x1)

-1 x1 x2 1 x

Fig. 6.8 Gráfica para deducir la fórmula de Gauss- Legendre.


159

Que es la ecuación de Gauss- Legendre basada en dos puntos. Como se observa


se llega al resultado interesante de que la suma de la función valuada en x1 y x2
lleva a una estimación de la integral con una exactitud de tercer orden.

Es interesante observar que los límites de integración de ecuaciones (6-28 a


6-31), van desde –1 a +1. Esto se hizo para simplificar la aritmética y hacer la
formulación tan general como sea posible. Un simple cambio de la variable se
puede usar para trasladar otros límites de integración en esta forma. Por ejemplo,
suponiendo que la nueva variable xt está dada en función de la variable original x,
en forma lineal, entonces puede escribirse que:
MARTÍN BARRAGÁN SOLÍS

x = a0 + a1xt (6-33)

Puesto que cuando x = a, xt = -1 y para x = b, xt = +1, se tiene:

ba ba
a0  y que a1  , con lo que, ecuación ( 6-33 ) se transforma en:
2 2

ba ba
x  ti (6-34)
2 2

entonces:

ba
dx = dti (6-35)
2

En muchas ocasiones esta transformación dificulta, aparentemente, los


cálculos, por lo que una forma más práctica para resolver una integral es
aproximándola con:

ba m
b

 f ( x)dx   wk f ( xk )
2 k 1
(6-36)
a

donde los wk son los factores de peso, las xk son los m puntos con espacios
desiguales y corresponde al número de puntos para los cuales la función f(x) será
evaluada. La ecuación equivalente a la (6-34) es, en este caso:

ba ba
x  k (6-37)
2 2
160

los valores de k con sus correspondientes pesos wk, fueron obtenidos para valores
de m de 2 a 256. (Los k son los m ceros del m-avo grado de las polinomiales de
Legendre). En el apéndice B se encuentran valores de k y wk, desde m = 2 y m =
24 (una listade los primeros cuatro puntos se muestra en tabla 6.1).

Tabla 6.1 Ceros (ek) y pesos (wk)


n Ceros, ek Pesos, wk
2 1 3 1
3 0 8/9
MARTÍN BARRAGÁN SOLÍS

5/9
 3
5

4 0.6521451549
 (15  120 ) / 35
 (15  120 ) / 35 0.3478548451

Después deseleccionar el valor de m, los valores de xk correspondientes a los k


pueden ser encontrados de (6-37) y, finalmente, usar (6-36) para estimar la integral.

 /2
Ejemplo 6.10 Resolver la integral 
0
x 2 cos xdx , usando la cuadratura de Gauss-
Legendre con m = 4.

Solución. Del apéndice B se encuentra que los ceros y los pesos son,

n  k wk
2 0.5773502692 1.0000000000
3 0.0000000000 0.8888888889
0.7745966692 0.5555555556
4 0.3399810436 0.6521451549
0.8611363116 0.3478548451

De ecuación (6-37) los valores de las xk son,

ba ba  
x1    =  (0.3399810436)  1.052418651
2 2 4 4

ba ba  
x2    =  (0.3399810436)  0.5183776762
2 2 4 4
161

ba ba  
x3    =  (0.8611363116)  1.461733041
2 2 4 4

ba ba  
x4    =  (0.8611363116)  0.1090632858
2 2 4 4

Los correspondientes valores de f(x) son:

f ( x1 )  x12 cos x1  (1.052418651)2 cos(1.052418651)  0.5487769211


MARTÍN BARRAGÁN SOLÍS

f ( x2 )  x22 cos x2  (0.5183776762)2 cos(0.5183776762)  0.2334126957

f ( x3 )  x32 cos x3  (1.461733041)2 cos(1.461733041)  0.2325698375

f ( x4 )  x42 cos x4  (0.1090632858)2 cos(0.1090632858)  0.01182412731

Finalmente, de ecuación (6-36), se tiene que el valor aproximado de la integral es,

_
ba m _
 4
I 
2 k 1
wk f ( xk ) = I   wk f ( xk )
4 k 1


0.5951147936  0.467402066
_
I u2
4

 /2
0
x 2 cos xdx  0.467402066

0.8
Ejemplo 6.11 Resolver la integral 
0
(0.2  25x  200 x 2  675x3  900 x 4  400 x5 )dx .
Primero use ecuaciones (6-35) y (6-36) y, posteriormente aplique ecuaciones (6-38)
y (6-37). En ambos casos use m = 2, es decir, para el primer caso apóyese en
ecuación (6-33).
162

35.0

f(x)
30.0

25.0

20.0

15.0

10.0

5.0

0.0 x
0.0 0.2 0.4 0.6 0.8

Figura del problem a 6.12


MARTÍN BARRAGÁN SOLÍS

Solución. Haciendo el cambio de variable de tal forma que los límites sean desde –1
hasta +1. De ecuación (6-35) se tiene:

x = 0.4 + 0.4xt.

Y de ecuación (6-36)

dx = 0.40 ext.

sustituyendo en la integral por resolver, ésta queda:

1
1
(0.2  25xt  200 xt2  675xt3  900 xt4  400 xt5 )(0.4)dxt

puesto que para dos puntos es válida ecuación (6-33), en la que sólo basta calcular
la función transformada en x1= -x2 = -1/3; pueden estimarse las variables así:

x1 = 0.4 + 0.4xt.=0.4+0.4(-0.5773502692)=0.1690598923 y
x2 = 0.4 + 0.4xt. = 0.4+0.4(+0.5773502692)=0.6309401077

por tanto f(x1)= 1.291851362*.4=0.5167404544


f(x2)= 3.264553074*.4=1.3058212300

usando (6-33),se tiene,

I = 0.5467405448+1.3058212300 = 1.822562

Ahora se resuelve como en el ejemplo 6.8. De tabla 6.3 se encuentran los ceros y
los pesos como,
163

k k wk
1 + 0.5773502692 1.0000000
2 - 0.5773502692 1.0000000

De ecuación (6-38) los valores de las xk resultaron,

ba ba
x1    = 0.40  0.4(0.5773502692)  0.16900598923
2 2

ba ba
x2    = 0.40  0.4(0.5773502692)  0.6309401077
MARTÍN BARRAGÁN SOLÍS

2 2

Los correspondientes valores de f(x) son,

f ( x)  0.2  25x  200 x2  675x3  900 x4  400 x5

f ( x1 )  0.2  25x1  200 x12  675x13  900 x14  400 x15  1.29185136

f ( x2 )  0.2  25x2  200 x22  675x23  900 x24  400 x25  3.264593082

Finalmente, de ecuación (6-36), se tiene que el valor aproximado de la integral es,

_
ba m 2
I  k k
2 k 1
w f ( x ) = 0.4k 1
wk f ( xk )

2
I= 0.4 wk f ( xk ) =0.4(4.556444442)=1.822577777, por tanto,
k 1

0.8
0
(0.2  25x  200 x 2  675x3  900 x 4  400 x5 )dx = 1.822577777 u2.

Problemas propuestos

Resolver los siguientes problemas por los métodos que se indican a la derecha
164

sen(5x  1)dx , método trapecial (n = 20)


3 / 20
6.1 
0

4
6.2 
0
xe 2 x dx , método de Simpson con n = 10

3 e x senx
6.3 0 1  x 2 dx , método trapecial con n =12

2

3
6.4 dx , método de Simpson con n = 8
3 1  2x 2
MARTÍN BARRAGÁN SOLÍS


6.5  0
(8  5senx)dx , método de Romberg con tol = 0.0001

1
 15.3
2.5 x
6.6 dx , método de Romberg con tol = 0.001
0

10
6.7  0
(10  2 x  6 x 2  5 x 4 )dx , cuadratura de Gauss con m =3 y analíticamente.

5
6.8  3
(1  x  4 x3  3x5 )dx , cuadratura de Gauss con m = 4

 /2 senx
6.9  0
1  0.25sen 2 x
dx , por todos los métodos y compare resultados.

1ex
6.10 0 1  e x dx , por todos los métodos y compare resultados.

En los problemas siguientes (6.11 a 6.16), primero trate de resolverlos con


sus conocimientos de cálculo integral, es decir, use los métodos analíticos para
encontrar la solución. Podrá comprobar que son difíciles de resolver, por no decir
imposibles; si es así, aplique el método numérico que le asegure un resultado
satisfactorio.

3 / 2 senx
6.11  /2 x
dx , por dos métodos y compare resultados.
165

2
6.12 
0
1  x 4 dx , por dos métodos y compare resultados.

1.8
6.13 
0
1  x3 dx , por dos métodos y compare resultados.

1
 1  x 2 dx , por dos métodos y compare resultados.
3
6.14
0

2 dx
6.15 
0
1  x3
, por dos métodos y compare resultados.
MARTÍN BARRAGÁN SOLÍS

 /2
6.16 
0
senx dx , por dos métodos y compare resultados.

2
6.17 Demuestre, por integración, que el valor exacto de 
0
4  x 2 dx =

6.18 Resuelva, por el método de Simpson (n =20) y Romberg (ε = 0.001), la


integral:

5
5
ex
dx
2

Capítulo 7
SOLUCIÓN NUMÉRICA DE ECUACIONES DIFERENCIALES
ORDINARIAS

7.1 Generalidades
166

Una ecuación diferencial se define como aquella ecuación que involucra


derivadas de una o más variables dependientes, con respecto a una o más
variables independientes. Las ecuaciones diferenciales se clasifican en:

 Ecuaciones diferenciales ordinarias y,


 Ecuaciones diferenciales parciales

Ejemplos:

2
d2y  dy 
MARTÍN BARRAGÁN SOLÍS

 xy    0 , ecuación diferencial ordinaria


 dx 
2
dx

d4y d2y
 5 2   3x  sen(t ) , ecuación diferencial ordinaria
dx 4  dx 

U U
  U , ecuación diferencial parcial
s t

 2U  2U  2U
  2  0 , ecuación diferencial parcial
x 2 y 2 z

Una ecuación diferencial ordinaria (EDO) de orden n, con variable


dependiente y y variable independiente x, es una ecuación diferencial que puede
ser expresada, en la forma:

dny d n1 y dy
a 0 ( x) n
 a1 ( x ) n 1
 ...  a n1 ( x)  a n ( x) y  b( x)
dx dx dx

para a0(x)  0.

Ejemplos:

d2y dy
2
 5  6y  0
dx dx

d4y 3
2 d y dy
4
x 3
 x3  xe x
dx dx dx
167

Observaciones

Primera: La variable dependiente y y sus derivadas ocurren solamente a la primer


potencia.

Segunda: No hay productos de y y/o cualquiera de sus derivadas.

Tercera: La variable dependiente y no es función trascendente.


MARTÍN BARRAGÁN SOLÍS

Una ecuación diferencial ordinaria no lineal es aquella que, no cumple una o


todas las recomendaciones anteriores, por ejemplo,

d2y dy
2
 5  5y2  0
dx dx

d2y dy
2
 5 y( ) 2  6 y  0
dx dx

d2y dy
2
 5y  6y  0
dx dx

La aproximación numérica, a la solución de ecuaciones diferenciales


ordinarias, es notable en el sentido de que cualquiera de la enorme variedad de
técnicas numéricas disponibles pueden ser aplicadas, virtualmente a cualquier
ecuación diferencial. En las ecuaciones diferenciales ordinarias no lineales y, en las
condiciones de frontera o condiciones iniciales, rara vez se requiere modificación a
las técnicas numéricas. La técnica numérica posteriormente puede ser virtualmente
cambiada, sin tomar en consideración la ecuación diferencial por ser resuelta,
desde luego, en marcado contraste al problema de dificultad para encontrar una
solución analítica exacta, a una ecuación diferencial. De igual manera los sistemas
lineales pueden, algunas veces, presentar grandes obstáculos para encontrar una
técnica analítica adecuada y algunas ecuaciones diferenciales lineales; la mayoría
no lineales, son virtualmente imposibles de resolver con los métodos analíticos
exactos. Posteriormente es posible encontrar soluciones aproximadas a tales
problemas, pero la exactitud de las soluciones aproximadas puede, rara vez, ser
propiamente adecuada.
168

Mientras que las técnicas numéricas, para ecuaciones diferenciales


ordinarias son muy poderosas y pueden ser aplicadas a una gran variedad de
problemas, debe tenerse presente que tales métodos pueden tener dificultades
inherentes propias, como se verá más adelante.

En esta sección introducimos ciertas bases, de métodos numéricos, para la


aproximación de la solución de un problema de valor inicial, que se presenta con el
siguiente modelo matemático:

dy
 f ( x, y ) (7-1)
dx
MARTÍN BARRAGÁN SOLÍS

y la condición inicial

y(x0) = y0 (7-2)

Los métodos numéricos emplean la ecuación diferencial (7-1) y la condición


inicial (7-2), para obtener aproximaciones de los valores de y correspondientes a
varios valores seccionados de x. Para ser más explícito, sea denotada por y la
solución del problema y h un incremento positivo de x. La condición inicial (7-2) nos
expresa que y = y0 en x = x0. Un método numérico empleará la ecuación diferencial
(7-1) y la condición inicial (7-2) para aproximar, sucesivamente los valores de y en
x1 = x0 + h, x2 = x1+ h, etc. Denotaremos esos valores aproximados de y por y1, y2,
y3, ..., respectivamente; es decir, denotamos por y n el valor aproximado de y en x =
xn = x0 + nh (n = 1, 2, 3, 4,...,). Ahora todo lo que conocemos, acerca de y antes de
iniciar es que y = y0 en x = x0. Con el objeto de empezar, necesitamos un método
que requiera solamente el valor de yn a fin de obtener el siguiente valor de y, es
decir, yn+1. Podemos aplicar tal método con n = 0 y usar el valor de y0 para estimar
el valor de y1. Un método que use solamente yn para encontrar yn+1 y que, por lo
tanto, nos permita iniciar, es llamado método de arranque. Una vez que hemos
usado un método de arranque para obtener y1, podemos repetir con n = 1 para
obtener y2, con n =2, para encontrar y3 y, así sucesivamente. Sin embargo, una vez
que se han calculado varios valores de y, frecuentemente es conveniente cambiar a
un método, en el cual se use yn y uno o más valores anteriores yn-1, yn-2,...para
encontrar el siguiente valor de yn+1. Tal método que nos permita continuar, una vez
que hemos conseguido iniciar suficientemente, es llamado método de continuación.
La mayoría de nuestra atención, en este texto, será para los métodos de arranque.
Nuestro principal objetivo, en esta sección, es presentar los detalles de ciertos
métodos básicos para resolver problemas de valor inicial de primer orden. En
general, no deberíamos considerar la justificación teórica de esos métodos, ni
169

deberíamos entrar en discusiones detalladas de temas, tales como error y


exactitud.

A continuación se presenta un problema simple de valor inicial que podría


usarse para propósito de ilustración a lo largo de esta sección. Sea el problema:

dy
= 2x + y (7-3)
dx

con y(0) = 1 (7-4)


MARTÍN BARRAGÁN SOLÍS

Se observa que se trata de una ecuación diferencial lineal y, por


consiguiente, puede ser resuelta de manera exacta. De acuerdo con los métodos
analíticos, la solución exacta queda.

y  2( x  1)  Ce x (7-5)

donde C es una constante arbitraria. Aplicando la condición inicial (7-4), se


encuentra que C = 3, por tanto, la solución exacta de es:

y  2( x  1)  3e x (7-6)

Se ha escogido este problema sencillo para propósitos ilustrativos, por dos


razones importantes. Primera, la ecuación diferencial (7-3) es simple, a fin de que
los métodos numéricos puedan serle aplicados sin involucrar una introducción a la
computación, la cual podría oscurecer los pasos importantes del método, para un
principiante. Segunda, puesto que la solución exacta (7-6), del problema, ha sido
encontrada podemos comparar los valores numéricos obtenidos con la solución
aproximada y los de la solución exacta, con lo que se puede aumentar alguna
comprensión en la veracidad de los métodos numéricos.

Por supuesto, en la práctica no deberíamos resolver una ecuación diferencial


lineal tan simple con un método numérico. Los métodos de esta sección son
diseñados para ecuaciones diferenciales, que no pueden ser resueltas exactamente
o para aquellas que prácticamente son difíciles de resolver.

7.2 Métodos de solución


170

En esta sección, se presentan técnicas numéricas para resolver ecuaciones


diferenciales no lineales o ecuaciones diferenciales lineales que tengan dificultades
para su resolución con los métodos analíticos tradicionales. Entre ellos se discuten
los siguientes:

 Euler
 Euler modificado
 Heun
 Runge-Kutta
1. Segundo orden
2. Tercer orden
MARTÍN BARRAGÁN SOLÍS

3. Cuarto orden
4. Orden superior

Después de la presentación de estos métodos, se resuelven problemas para


un mejor entendimiento de los mismos.

7.2.1 Método de Euler

Consideremos que la ecuación diferencial (7-1) se escribe en diferencias


finitas hacia delante, es decir:

yi 1  yi
 f ( xi , y i ) (7-7)
x

despejando yi+1, se tiene:

yi 1  yi  x. f ( xi , yi ) (7-8)

Ecuación (7-8) es conocida como ecuación de Euler. Note usted que f(xi, yi)
representa la ecuación diferencial por resolver, por lo que, ecuación (7-8) puede
escribirse también como:

y O predicho
error
O exacto

xi xi+1
171

Fig. 7.1 Método de Euler

yi 1  yi  x. y (7-9)
MARTÍN BARRAGÁN SOLÍS

La ventaja de esta ecuación es que es muy fácil de aplicar, ya que la parte


derecha es conocida, puesto que para i = 0 se conoce la condición inicial dada por
(7-2) el método de Euler proporciona y 1 mediante una extrapolación lineal, dentro
del intervalo x (Fig. 7.1). Una vez conocido y1 y x1 = x0 + x; con estos nuevos
valores se obtiene y2 y x2 = x0 + 2x y así sucesivamente. Sin embargo, se ha
observado que para x grandes, las estimaciones de yi+1, tienen mucho error al
comparar los resultados obtenidos con los valores que arroja la solución exacta; de
esta manera, su aplicación sólo se hará para tener una aproximación inicial de la
solución y para aplicaciones de gran trascendencia se recomienda el uso de otro
método ó hacer que x tienda a cero.

La solución numérica de una ecuación diferencial ordinaria (EDO) incluye dos


tipos de errores: 1. Errores por truncamiento, causados por la naturaleza de los
métodos empleados en la aproximación a los valores de y, y 2. Errores por
redondeo, causados por lo limitado de dígitos o de cifras significativas que puede
retener la computadora usada.

7.2.1.1 Análisis de error en el Método de Euler

Los errores de truncamiento se componen de dos partes. La primera está


compuesta por un error de truncamiento local, que resulta al aplicar un paso del
método; la segunda es un error de propagación que resulta de las aproximaciones
producidas durante los anteriores. La suma de los dos errores es el error de
truncamiento global. El error de truncamiento se puede obtener derivando el método
de Euler directamente de la expansión de la serie de Taylor, alrededor del punto
inicial (xi, yi).
172

yi yi( n )
yi 1  yi  yix  (x)  ... 
2
(x) n  Rn (7-10)
2 n!

donde x = xi+1 –xi y Rn es el término residual definido como:

y n1 ( )
Rn  (x) n1 (7-11)
(n  1)!

en esta ecuación , está dentro del intervalo definido por xi y xi+1. Se puede
desarrollar una forma alternativa, sustituyendo la ecuación (7-1) en las ecuaciones
MARTÍN BARRAGÁN SOLÍS

(7-10) y (7-11), quedando:

f ( xi , yi ) f ( xi , yi )
yi 1  yi  f ( xi , yi )x  (x) 2  (x)3 
2 3!
(7-12)
f ( n 1) ( xi , yi )
...  (x) n   (x n 1 )
n!

donde (xn+1) especifica que el error de truncamiento local es proporcional al


tamaño del paso elevado a la (n+1)-ésima potencia.

Comparando ecuación (7-8) con ecuación (7-12), se nota que el error de


truncamiento local Ev, está dado por:

f ( xi , yi ) f ( n1) ( xi , yi )
Ev  (x) 2  ...  (x) n   (x n1 ) (7-13)
2 n!

para un x suficientemente pequeño, los errores dados por esta ecuación decrecen
a medida que el orden crece y, el resultado, a menudo se representa por:

yi
Ea  (x) 2 (7-14.1)
2
ó

Ea   (x) 2 (7-14.2)

donde Ea es el error de truncamiento local aproximado.


173

Aunque la serie de Taylor es un medio para cuantificar el error en el método de


Euler, tiene muchas limitaciones asociadas con su uso para este propósito, entre las
cuales pueden citarse:

1) La serie de Taylor sólo proporciona una aproximación local del error por
truncamiento, es decir, el error generado durante el primer paso del método.
No proporciona una medida de la propagación y, por ello, no es posible
estimar el error global por truncamiento.

2) En problemas reales, usualmente se trata con funciones más complicadas


que un simple polinomio; por consiguiente, las derivadas necesarias para
MARTÍN BARRAGÁN SOLÍS

evaluar la serie de Taylor no siempre son fáciles de obtener.

Aunque estas limitaciones no ayudan en el análisis exacto de errores en la


mayor parte de los problemas prácticos, esta serie proporciona una idea valiosa del
comportamiento del método de Euler. De acuerdo con ecuación (7-14), se ve que el
error local es proporcional al cuadrado del tamaño del paso (x) y la primera
derivada de la ecuación diferencial. Estas observaciones conducen a las siguientes
conclusiones:

1. El error se puede reducir disminuyendo x.

2. El método proporciona predicciones libres de error, si la función


fundamental (es decir, la solución de la ecuación diferencial ) es lineal,
ya que la segunda derivada de una línea recta es nula. De aquí que el
método de Euler se conozca como método de primer orden.

Inicio β

y0, x0,
x, xf yi+1 = yi + x*Fi

Definir f(x, y) i = i +1

i=0 xi = xi-1 + x
174

Escribir xi, yi
xi, yi

Fi= f(xi, yi )
S
xi xf?

β N

fin
MARTÍN BARRAGÁN SOLÍS

DIAGRAMA DE FLUJO: MÉTODO DE EULER

Ejemplo 7.1 Se resuelve la ecuación diferencial ordinaria dada por (7-3) y la


condición inicial (7-4), con Δx = 0.5 y xfinal = 5

dy
 2x  y
dx

con y(0) = 1

Solución. Como se dijo en la sección 7.1, la ecuación diferencial propuesta como


ejemplo, tiene como solución exacta: y  2( x  1)  3e x , que servirá para comparar
los resultados obtenidos y poder cuantificar la exactitud del método de Euler. Para
este ejemplo, f(xi, yi ) = 2xi +yi; el punto inicial conocido es x0 = 0 y y0 = 1. De
acuerdo con el valor de Δx, los valores consecutivos de x serán: 0, 0.5, 1, 1.5, 2,2.5,
etc.

Con la información anterior la ecuación (7-8) se escribe como:

yi1  yi  0.52 xi  yi 

sustituyendo las condiciones iniciales, se obtiene

y0+1 = y0 + 0.5*(2x0 + y0 ) = 1 + 0.52(0)+1 = 1.50


175

Ahora, con estos valores se obtiene:

y2 = y1 + 0.5*(2x1 + y1 ) = 1.5 + 0.52(0.5)+1.5= 2.75, etc.

Para calcular los valores exactos se sustituyen los mismos valores de x usados en
el método de Euler y se obtienen los valores de y. Por ejemplo, para x = 0, se tiene:

y  2( x  1)  3e x =-2(0+1)+3e0 = -2(0+1) +3(1) = 1

Continuando de la manera descrita, se llegó a los resultados.


MARTÍN BARRAGÁN SOLÍS

x yEuler yExacta E(%)


0.000 1.000 1.000 0.00
0.500 1.500 1.946 22.93
1.000 2.750 4.155 33.81
1.500 5.125 8.445 39.31
2.000 9.188 16.167 43.17
2.500 15.781 29.547 46.59
3.000 26.172 52.257 49.92
3.500 42.258 90.346 53.23
4.000 66.887 153.794 56.51
4.500 104.330 259.051 59.73
5.000 160.995 433.239 62.84

Note usted que este método es muy aproximado, ya que existe un alto
porcentaje de error. En seguida se presenta una gráfica de conjunto, para tener en
forma objetiva la solución y reflejar el error relativo.
176

YEuler YExacata

f(x)
450
400
350
300
250
200
150
100
50
MARTÍN BARRAGÁN SOLÍS

0
x
0.0 1.0 2.0 3.0 4.0 5.0

Figura del problema 7.1(Euler)

7.2.1.2 Modificaciones y mejoras al Método de Euler

Una fuente fundamental de error en el método de Euler es que la derivada, al


principio del intervalo (x), se supone que se aplica a través del intervalo entero, lo
cual es falso, ya que, se predice el valor de y i+1 con una recta (Fig. 7.1). Existen dos
modificaciones simples para ayudar a evitar este inconveniente, que por su sencillez
se describen a continuación.

7.2.2 Método mejorado del polígono – Euler modificado

Este método usa el método de Euler para predecir un valor de y en el punto


medio del intervalo, es decir:

1
yi 1 / 2  yi  x * f ( xi , yi ) (7-15)
2

con este valor se calcula la pendiente en el punto medio de x ( Fig. 7.2, a).

yi1  f ( xi 1 / 2 , yi 1 / 2 ) (7-16)
177

la cual se supone representa una aproximación válida de la pendiente promedio en


el intervalo completo x. Ahora esta pendiente se usa en la ecuación predictora de
Euler para extrapolar linealmente de xi a xi+1; por lo que:

yi+1 = yi + x f ( xi 1 / 2 , yi 1 / 2 ) (7-17)

y Pendiente  f ( xi 1 / 2 , y11 / 2 )

O aprox
O exac
MARTÍN BARRAGÁN SOLÍS

a)

x
xi xi+1/2

y Pendiente  f ( x11 / 2 , y11 / 2 )

b)

x
xi xi+1

Fig. 7.2 Esquema gráfico del método de Euler modificado

El método del polígono mejorado es superior al método de Euler, ya que éste


utiliza una aproximación de la pendiente en el punto medio del intervalo de
predicción.

Ejemplo 7.2 Se resuelve la ecuación diferencial ordinaria del ejemplo 7.1 con el
objeto de observar la mejoría de este método.
178

La ecuación (7-15) y la (7-17) se escriben, respectivamente:

yi1/ 2  yi  (0.5)2 xi  yi 
1
2

yi1  yi  0.52( xi  0.25)  yi1/ 2 

De las condiciones iniciales se obtienen los siguientes valores:


MARTÍN BARRAGÁN SOLÍS

y01/ 2  1  (0.5)2(0)  1  1.25


1
2

y1  1  0.52(0  0.25)  1.25  1.875

El valor exacto es: y  2(0.5  1)  3e0.5  1.946

Para estos valores el error relativo es: abs((1.946  1.875) / 1.946) x100  3.65%

De la misma forma se obtuvieron los demás valores, cuyo resumen se muestran en


la tabla 1E7.2, dada a continuación.

Tabla 1E7.2 f(xi + yi) método de Euler modificado


x yi 2xi + yi y(i+1/2) yexac Er(%)
0.00 1.000 1.000 1.250 1.000 0.000
0.50 1.875 2.875 2.594 1.946 3.657
1.00 3.922 5.922 5.402 4.155 5.607
1.50 7.873 10.873 10.591 8.445 6.773
2.00 14.919 18.919 19.648 16.167 7.722
2.50 26.993 31.993 34.991 29.547 8.646
3.00 47.238 53.238 60.548 52.257 9.603
3.50 80.762 87.762 102.703 90.346 10.608
4.00 135.864 143.864 171.830 153.794 11.659
4.50 226.029 235.029 284.786 259.051 12.747
5.00 373.172 433.239 13.865

Es notoria la mejoría se este método comparado con el método de Euler tradicional.


Mientras en aquel tiene un error relativo de 62.84%, éste sólo tiene el 13.865%.
179

Yeuler mejorado yexac

500
450
400
350
Valores de y(x)

300
250
200
150
100
MARTÍN BARRAGÁN SOLÍS

50
0
0 1 2 3 4 5

Variable independiente X

7.2.3 Método de Heun

Este método calcula las dos derivadas en el intervalo Δx, una en el punto
inicial (xi, yi) y otra en el punto final del intervalo (xi+1, yi+1). En seguida se promedian
las dos derivadas con lo que se obtiene una aproximación mejorada, de la
pendiente en el intervalo completo (Fig. 7.3).

y f ( xi 1 , yiE1 )

O
O
f ( xi , y i )

x
xi xi+1
180

y f ( xi , yi )  f ( xi 1 , yiE1 )
2
O

x
xi xi+1
MARTÍN BARRAGÁN SOLÍS

Fig. 7.3 Método de Heun

El método estándar se detendría en este punto, sin embargo, en el método


de Heun, esta ecuación sólo es una predicción intermedia, por lo que se llama
ecuación predictora. Con este valor se calcula una pendiente aproximada al final del
intervalo, esto es:

yi1  f ( xi 1 , yiE1 ) (7-18)

En el método de Euler, la pendiente al principio de un intervalo, se estima


con,

yi  f ( xi , yi )

La cual se usa para extrapolar linealmente a yi+1, quedando:

yiE1  yi  x * f ( xi , yi ) (7-19)

Tomando en cuenta que la pendiente promedio, es la pendiente que se


extrapola para predecir el valor final de yi+1, entonces la ecuación de Euler se
transforma en:

 f ( xi , yi )  f ( xi1 , yiE1 ) 
yi1  yi  x   (7-20)
 2 
181

Que se llama ecuación correctora. En consecuencia, el método de Heun es un


método predictor – corrector; por esta razón es común encontrar representado este
método como:

Predictor- yiE1  yi  x * f ( xi , yi ) (7-8.1)

 f ( xi , yi )  f ( xi 1 , yiE1 ) 
Corrector yi 1  yi  x   (7-20)
 2 

Para calcular el error de dos iteraciones consecutivas se usa el criterio del


MARTÍN BARRAGÁN SOLÍS

error relativo, dado por:

yij1  yij11
a  (7-21)
yij1

Inicio 1

x0, y0
k2 =xf(x+x, yE)
x, xf

Definir f(x, y)
y  y
1
k1  k2 
2

Escribir x, y
x = x + x

k1= xf(x, y ) x, y

yE = y + k1 1
S
x  xf?

DIAGRAMA DE FLUJO METODO DE HEUN fin


182

Ejemplo 7.3 Se resuelve la misma ecuación diferencial de los ejemplos anteriores.


Para esta aplicación, se usa ecuación (7-8.1) como predictor y ecuación (7-20)
como corrector. Se tiene que: f(xi, yi) = 2xi + yi; y(0) =1 y x = 0.5. Por lo que la
adaptación, del problema a resolver, queda.

f ( xi , yi )  2 xi  yi

Predictor- yiE1  yi  0.5(2 xi  yi ) (7-8.1)


MARTÍN BARRAGÁN SOLÍS

 f ( xi , yi )  f ( xi1 , yiE1 ) 
Corrector yi 1  yi  0.5  (7-20)
 2 

Con

f ( xi 1 , yiE1 )  2 xi 1  yiE1

Iniciando con y0 =1 y x0 = 0 (valores iniciales), se tiene,

f ( xi , yi )  2 xi  yi = 2(0) + 1 = 1.00

yiE1  yi  x * f ( xi , yi ) = 1 + 0.5*(1) = 1.50

f ( xi 1 , yiE1 )  2 xi 1  yiE1 = 2(0.5) + 1.50 = 2.50

El corrector conduce a,

1.00  2.50 
Corrector yi+1 = 1.0 + 0.50 
 2   1.875

Repitiendo nuevamente el proceso, con x1 = 0.5 y y1 = 1.875, se tienen los


siguientes resultados,

f ( xi , yi )  2 xi  yi = 2(0.5) + 1.875 = 2.875

y iE1 = 1.875 + 0.5*(2.875) = 3.3125


183

f ( xi 1 , yiE1 )  2 xi 1  yiE1 = 2(1.0) + 3.3125 = 5.3125

Por consiguiente, el corrector proporciona el valor:

 2.875  5.3125 
Corrector yi+1 = 1.875 + 0.50 
 2   3.9219 , etc.

Es notorio que, los resultados obtenidos son los mismos que los que el
método de Euler modificado, por lo que, no se consideró necesario escribirlos, ni
graficarlos; ya que, tanto la tabulación como la gráfica son las mismas.
MARTÍN BARRAGÁN SOLÍS

7.2.4 Métodos de Runge-Kutta

Los métodos de Runge-Kutta tienen la exactitud del esquema completo de la


serie de Taylor, sin requerir del cálculo de las derivadas de orden superior. Existen
muchas variaciones de estos métodos, pero todas ellas se pueden ajustar a la
ecuación.

yi 1  yi  ( xi , yi , x)x (7-22)

Donde (xi, yi, x) se le llama función de incremento y puede interpretarse como el
promedio de la pendiente sobre el intervalo x. La función de incremento se puede
generalizar con:

= a1k1 + a2k2 + a3k3 + . . . + ankn (7-23)

En esta ecuación las an son constantes y las kn quedan definidas como:

k1 = f(xi, yi) (7-24)

k2 = f(xi + p1x, yi + q11k1x) (7-25)

k3 = f(xi + p2x, yi + q21k1x + q22k2x) (7-26)


.
.
.
kn = f(xi +pn-1x, yi + qn-1,1k1x + qn-1,2k2x + . . .+qn-1,n-1kn-1x ) (7-27)
184

Obsérvese que las k son relaciones recurrentes; o sea que, k1 aparece en la


ecuación de k2. En el cálculo de k3 aparecen k1 y k2, etc. Esta recurrencia hace que
los métodos de Runge - Kutta sean fáciles de programar.

Se pueden desarrollar varios métodos de Runge - Kutta empleando una


cantidad diferente de términos en la función de incremento (7-23), especificados por
n. Por consiguiente el método de Runge - Kutta de primer orden con n = 1,
corresponde al método de Euler. Una vez que se ha escogido n, los valores de las
constantes a, de p y q se evalúan igualando la ecuación (7-22) a los términos en
una expansión de la serie de Taylor. Por consiguiente, n representa, por lo general,
MARTÍN BARRAGÁN SOLÍS

el orden del método, al menos en los métodos de orden menor que el cuarto.

7.2.4.1 Método de Runge-Kutta de segundo orden

La versión de segundo orden (n = 2), de acuerdo con (7-22), es

yi 1  yi  xa1k1  a2 k 2  (7-28)

Donde

k1 = f(xi, yi) (7-29)

k2 = f(xi + p1x, yi + q11k1x ) (7-30)

De la serie de Taylor se concluye (ver apéndice A), que:

a1 + a2 = 1
a1p2 = 1
2

a2q11= 1
2

En este caso y debido a que se tienen tres ecuaciones con cuatro incógnitas,
se debe suponer el valor de una de ellas, para determinar las otras tres; por
ejemplo, si se propone el valor de a2, entonces resulta que:

a1 =1- a2 y, (7-31)
185

p1 = q11 = 1 (7-32)
2a 2

De lo anterior se concluye que existe un número infinito de métodos de


Runge-Kutta de segundo orden, ya que, se puede escoger una cantidad infinita de
valores para a2; con la garantía de que cada versión llevaría a los mismos
resultados, si la solución de la EDO es cuadrática, lineal o constante; es decir, que
f(x, y) sea cuando más lineal.
MARTÍN BARRAGÁN SOLÍS

7.2.4.1.1 Método de Runge-Kutta de segundo orden con a2 =1/2 -Método de Heun


con un corrector simple

En este caso, ecuaciones (7-31) y (7-32) conducen a los siguientes valores:


a1 =1/2, p1=q11=1; por lo tanto, ecuaciones (7-28) a (7-30) se transforman en,

x
yi 1  yi  x 12 k1  12 k 2   yi  k1  k 2  (7-33)
2

Donde

k1 = f(xi, yi) (7-34)

k2 = f(xi +x, yi + k1x ) (7-35)

Obsérvese que k1 es la pendiente al principio del intervalo y k 2 es la


pendiente al final x. Por tanto, este método corresponde al método de Heun con
una sola iteración del corrector.

7.2.4.1.2 Método de Runge-Kutta de segundo orden con a2 =1-Método del polígono

Para a2 = 1, ecuaciones (7-31) y (7-32) indican que a1 = 0 y p1=q11=1/2; por lo


que, ecuación (7-28) conduce a:

yi 1  yi  xk 2 (7-36)

Donde
186

k1 = f(xi, yi) (7-37)

y de (7-30) se tiene que

k2 = f(xi + 1
2 x, yi + 1
2 k1x ) (7-38)

Con estas características, se observa que este conjunto de ecuaciones


corresponde al método mejorado del polígono, es decir, es el método de Euler
modificado.
MARTÍN BARRAGÁN SOLÍS

7.2.4.1.3 Método de Runge-Kutta de segundo orden con a2 =2/3-Método de Raltson

En Raltson (1962) y Rabinowitz (1978) llegaron a la conclusión que escoger


a2 = 2/3 minimiza el error de truncamiento de los algoritmos de RK de segundo
orden. Note usted que, en este caso, a1 = 1/3 y p1=q11=3/4 [según ecuaciones (7-
31) y (7-32)], por lo que, (7-28) conduce a:

1
yi 1  yi  x(k1  2k 2 ) (7-39)
3

Donde

k1 = f(xi, yi) (7-40)

y ecuación (7-30) se escribe como:

k2 = f(xi + 3
4 x, yi + 3
4 k1x ) (7-41)

Ejemplo 7.3 Solución usando métodos de RK de orden 2


a) Heun con un corrector simple (a2 =1/2)

Las ecuaciones (7-33) a (7-35), adaptadas a la ecuación diferencial que se


está resolviendo, son:
187

yi 1  yi  x 12 k1  12 k 2   yi  0.5 / 2k1  k 2 

Con
k1 = 2xi + yi

k2 = 2(xi +0.5) + (yi + 0.5k1)

Sustituyendo condiciones iniciales ( y0 = 1 y x0 = 0 ), se obtiene,

k1 = 2xi + yi =2(0) + 1.0 = 1.00


MARTÍN BARRAGÁN SOLÍS

k2 = 2(0 +0.5) + (1 + 0.5*1)= 2.50

Ahora, con la ecuación predictora, se obtiene:

y01  y0  0.5 / 2k1  k2  =1.0 + 0.25*(1.0 + 2.50) =1.875

Repitiendo con x1 = 0.50 e y1 = 1.875:

k1 = 2xi + yi =2(0.5) + 1.875 = 2.875

k2 = 2(0.5 +0.5) + (1.875 + 0.5*2.875 )= 5.3225

y2  y1  0.5 / 2k1  k2   1.875  0.25 * (2.875  5.325)  3.9218

El proceso se repite reiteradamente para estimar otros valores. En este caso


se llegó a:

x yExacta yKR-2 K1=f(x, y) K2 Er(%)


0.00 1.00 1.00 1.00 2.50 0.0
0.50 1.95 1.88 2.88 5.31 3.7
1.00 4.15 3.92 5.92 9.88 5.6
1.50 8.45 7.87 10.87 17.31 6.8
2.00 16.17 14.92 18.92 29.38 7.7
2.50 29.55 26.99 31.99 48.99 8.6
3.00 52.26 47.24 53.24 80.86 9.6
3.50 90.35 80.76 87.76 132.64 10.6
4.00 153.79 135.86 143.86 216.80 11.7
4.50 259.05 226.03 235.03 353.54 12.7
5.00 433.24 373.17 383.17 575.76 13.9
188

b) método mejorado del polígono (a2 = 1)

En este caso las ecuaciones (7-36), (7-37) y (7-38) quedan, respectivamente:

yi 1  yi  xk 2 = yi  0.5k 2
Y
k1 = f(xi, yi) = 2xi + yi

k2 = f(xi + 1
2 x, yi + 1
2 k1x )= 2(xi + 0.25) + ( yi + 0.25k1)
MARTÍN BARRAGÁN SOLÍS

Partiendo de y = 1 y x = 0, así como x = 0.50, se obtienen los siguientes valores:

k1 = 2(0) + 1 = 1
k2 = 2(0 + 0.25) + (1 + 0.25*1) =1.75
y1 = 1 + 0.5*(1.75) = 1.875

Para otros valores se repite el proceso, ahora con x = 0.5 e y =1.875,


obteniendo.

k1 = 2(0.5) + 1.875 = 2.875


k2 = 2(0.5 + 0.25) + (1.875 + 0.25*2.875)) =4.09
y1 = 1.875 + 0.5*(2.875) = 3.92

De la misma forma se obtuvieron los demás resultados, los cuales se resumen a


continuación:

X yExacta yKR-2(a2=1) K1=f(x, y) K2 Er(%)


0.00 1.000 1.000 1.000 1.750 0.0
0.50 1.946 1.875 2.875 4.094 3.7
1.00 4.155 3.922 5.922 7.902 5.6
1.50 8.445 7.873 10.873 14.091 6.8
2.00 16.167 14.919 18.919 24.148 7.7
2.50 29.547 26.993 31.993 40.491 8.6
3.00 52.257 47.238 53.238 67.048 9.6
3.50 90.346 80.762 87.762 110.203 10.6
4.00 153.794 135.864 143.864 180.330 11.7
4.50 259.051 226.029 235.029 294.286 12.7
5.00 433.239 373.172 383.172 479.465 13.9

Como se observa, los resultados son iguales a los obtenidos por Heun.
189

c) Método de Raltson (a2 = 2/3)

La adaptación de las ecuaciones (7-39), (7-40) y (7-41), al problema por


resolver, es,

0.5
yi 1  yi  x( 13 k1  23 k 2 ) = yi 1  yi  (k1  2k 2 )
3

Donde

k1 = f(xi, yi) = 2xi + yi


MARTÍN BARRAGÁN SOLÍS

k2 = f(xi + 3
4 x, yi + 3
4 k1x ) =2(xi +0.75*.5)+(yi + 0.75*.5k1)

Iniciando con el punto conocido x0 =0, y0 =1, se obtiene,

k1 = 2(0)+1 = 1
k2 = 2(0+0.375)+(1+0.375*1) = 2.125
y1 = 1 + 0.5/3*(1 + 2*2.125) = 1.875

Igual que en todos los métodos de RK de orden 2; el resumen se muestra en


la tabla siguiente.

X yExacta yKR-2(a2=2/3) K1=f(x, y) K2 Er(%)


0.00 1.000 1.000 1.000 2.125 0.0
0.50 1.946 1.875 2.875 4.703 3.7
1.00 4.155 3.922 5.922 8.893 5.6
1.50 8.445 7.873 10.873 15.700 6.8
2.00 16.167 14.919 18.919 26.763 7.7
2.50 29.547 26.993 31.993 44.740 8.6
3.00 52.257 47.238 53.238 73.953 9.6
3.50 90.346 80.762 87.762 121.423 10.6
4.00 153.794 135.864 143.864 198.563 11.7
4.50 259.051 226.029 235.029 323.915 12.7
5.00 433.239 373.172 383.172 527.612 13.9

La figura es similar a la inmediata anterior, ya que no hay cambios


sustanciales en el valor de “y” calculados.
190

7.2.4.1.4 Método de Runge-Kutta de tercer orden

Se puede llevar a cabo una derivación análoga a la del método de segundo


orden, para n = 3. Los resultados de esta deducción a través de la serie de Taylor,
indica que se llega a un sistema de seis ecuaciones con ocho incógnitas, por
consiguiente se deben suponer valores a dos incógnitas, para poder resolver el
sistema. La versión más común que resulta se escribe como:

x
yi 1  yi  k1  4k 2  k3  (7-42)
6
MARTÍN BARRAGÁN SOLÍS

Donde

k1  f ( xi , yi ) (7-43)

1 1
k 2  f ( xi  x, yi  xk1 ) (7-44)
2 2

k3  f ( xi  x, yi  xk1  2xk 2 ) (7-45)

Se hace notar que los métodos de RK de tercer orden tienen errores globales
de (x4) y conducen a resultados exactos cuando la solución a la ecuación
diferencial ordinaria es de tercer orden. El diagrama de flujo se muestra en figura
D7.2.

Ejemplo 7.4 Se resuelve la EDO de los ejemplos anteriores. La ecuación (7-42)


predice los valores de y al final de cada intervalo, con apoyo de las ecuaciones (7-
43), (7-44) y (7-45). La sustitución de la ecuación diferencial a resolver las
transforma en:

yi 1  yi  (0.5)k1  4k 2  k 3 
1
6
Y
k1 = f(xi, yi) = 2xi + yi
k2 = f(xi + 12 x, yi + 12 k1x ) = 2(xi + 0.25)+(yi+0.25k1)
k3  f ( xi  x, yi  xk1  2xk 2 ) =2(xi +0.5) + (yi-0.5*k1+k2)

Para las condiciones iniciales dadas, la primera iteración, arroja los valores.
191

k1 = f(xi, yi) = 2xi + yi =2(0)+1 = 1


k2 = f(xi + 12 x, yi + 12 k1x ) = 2(xi + 0.25)+(yi+0.25k1) =1.75
k3  f ( xi  x, yi  xk1  2xk 2 ) =2(xi +0.5) + (yi-0.5*k1+k2) =3.25

Finalmente, el valor de y, al final del primer intervalo (x = 0.50), es.

yi 1  yi  (0.5)k1  4k 2  k 3   1  (0.5)1  4(1.75)  3.25  1.9375 , etc.,


1 1
6 6
MARTÍN BARRAGÁN SOLÍS

A continuación se muestra el resumen de resultados y la gráfica de conjunto


correspondiente.

x 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
y 1 1.95 4.16 8.45 16.17 29.55 52.26 90.35 153.79 259.05 433.24
Yrk3 1 1.94 4.13 8.38 16.01 29.23 51.63 89.14 151.51 254.82 425.50
E% 0 0.44 0.69 0.84 0.96 1.08 1.21 1.34 1.48 1.63 1.79

Yexacta YRK-3
f(x)

450
400
350
300
250
200
150
100
50
0 x
0.0 1.0 2.0 3.0 4.0 5.0

Figura del problema 7.1(RK-3)


192

Inicio
SUB KK

y, x,
h, xf k1  f ( x, y)
k1  f ( x, y)

Definir f(x, y) k 2  f ( x  12 h, y  12 hk1 )


MARTÍN BARRAGÁN SOLÍS

Escribir x, y k3  f ( x  h, y  hk1  2hk 2 )

RETURN
SUB KK

y  y  h6 k1  4k 2  k3 

x=x+h
x = h
f(x, y) = Ec.
x, y x, y = cond. Inic.

S
x  xf?

fin FIG.D7.2 DIAGRAMA DE FLUJO METODO DE


RK-3

7.2.4.1.5 Método de Runge-Kutta de cuarto orden

Los métodos de RK más populares, por su exactitud y sencillez, son los de


cuarto orden. Al igual que en los métodos anteriores, existe un número infinito de
193

versiones. Sin embargo, el método clásico de RK de cuarto orden es el


representado por el siguiente grupo de ecuaciones.

x
yi 1  yi  k1  2(k 2  k3 )  k 4  (7-46)
6

Donde

k1  f ( xi , yi ) (7-47)
MARTÍN BARRAGÁN SOLÍS

k 2  f ( xi  12 x, yi  12 xk1 ) (7-48)

k3  f ( xi  12 x, yi  12 xk 2 ) (7-49)

k 4  f ( xi  x, yi  xk 3 ) (7-50)

Ejemplo 7.5 Solución por el método de Runge Kutta de orden 4

Para la aplicación de este método se usan las ecuaciones (7-46) a (7-50),


que al sustituir el valor de x dado, quedan de la siguiente forma.

yi 1  yi 
0.5
k1  2(k 2  k3 )  k 4 
6

Donde

k1  f ( xi , yi ) = 2xi + yi
k 2  f ( xi  12 x, yi  12 xk1 ) = 2(xi + 0.25) + (yi + 0.25*k1)
k3  f ( xi  12 x, yi  12 xk 2 ) = 2(xi + 0.25) + (yi + 0.25*k2)
k 4  f ( xi  x, yi  xk 3 ) =2(xi + 0.5) + (yi + 0.5*k3)

Puede comprobarse que al sustituir las condiciones iniciales y procediendo


igual que el método anterior, se llegó a los siguientes valores.

k1  f ( xi , yi ) = 2xi + yi = 2(0) +1 = 1.00


k 2  f ( xi  12 x, yi  12 xk1 ) = 2(0 +0.25) + (1+.25*1) =1.75
194

k3  f ( xi  12 x, yi  12 xk 2 ) = 2(0+0.25) + (1+.25*1.75) =1.94


k 4  f ( xi  x, yi  xk 3 ) = 2(0+.5) + (1+.5*1.94) =2.97

De (7-46) y 01  1 
0.5
1  2(1.75  1.94)  2.97  1.95
6

Repitiendo el proceso, cada vez, con los nuevos valores se llegó a los siguientes
resultados:

x 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
MARTÍN BARRAGÁN SOLÍS

y 1 1.95 4.16 8.45 16.17 29.55 52.26 90.35 153.79 259.05 433.24
Yrk4 1 1.95 4.15 8.44 16.15 29.52 52.19 90.23 153.57 258.63 432.47
E% 0 0.04 0.07 0.08 0.09 0.11 0.12 0.13 0.15 0.16 0.18

Se observa que el error máximo es, solamente del 0.18 %; es decir, la


solución es, prácticamente, exacta. Es seguro que se tenga una mejora usando un
Δx más pequeño.

Yexacta YRK-4
f(x)

450
400
350
300
250
200
150
100
50
0 x
0.0 1.0 2.0 3.0 4.0 5.0

Figura del problema 7.1(RK-4)


195

Inicio y, x,
h, xf x = h
f(x, y) = Ec.
x, y = cond. Inic.
Definir f(x, y)

Escribir x, y
MARTÍN BARRAGÁN SOLÍS

k1  f ( x, y)
k1  f ( x, y)

k 2  f ( x  12 h, y  12 hk1 )

k3  f ( x  12 h, y  12 hk 2)

k 4  f ( x  h, y  hk3 )

y  y  h6 k1  2k2  2k3  k4 

x=x+h

x, y

S N
x  xf? fin

DIAGRAMA DE FLUJO METODO DE RK-4


196

7.2.4.1.6 Método de Runge-Kutta de orden superior

Donde se requiera de mayor exactitud, aunque el método de RK de cuarto


orden es muy exacto, se recomienda el método de Runge-Kutta de quinto orden,
Butcher (1964). Butcher encontró que los valores de y se obtienen con:

x
yi 1  yi  7k1  32k3  12k 4  32k5  7k 6  (7-51)
90

En la que
MARTÍN BARRAGÁN SOLÍS

k1  f ( xi , yi ) 7-52)

k 2  f ( xi  14 x, yi  14 xk1 ) (7-53)

k3  f ( xi  14 x, yi  18 xk1  18 xk 2 ) (7-54)

k 4  f ( xi  12 x, yi  12 xk 2  xk 3 ) (7-55)

k5  f ( xi  34 x, yi  163 xk1  169 xk 4 ) (7-56)

k 6  f ( xi  x, yi  73 xk1  72 xk 2  127 xk 3  127 xk 4  87 xk 5 ) (7-57)

Ejemplo 7.6 Solución por el método de RK-Orden superior (Método de quinto


orden)

En este caso, las ecuaciones a usarse son de (7-51) a (7-57), las cuales
quedan para este problema como,

yi 1  yi 
0.5
7k1  32k3  12k 4  32k5  7k 6 
90

En la que

k1  f ( xi , yi ) = 2xi + yi

k 2  f ( xi  14 x, yi  14 xk1 ) = 2(xi +0.125) +(yi +0.125*k1)


197

k3  f ( xi  14 x, yi  18 xk1  18 xk 2 ) =2(xi +0.125)+(yi+0.0625*(k1+k2))

k 4  f ( xi  12 x, yi  12 xk 2  xk 3 ) =2(xi+0.25)+(yi –0.25k2+0.5k3)

k5  f ( xi  34 x, yi  163 xk1  169 xk 4 ) =2(xi +0.375)+(yi +0.09375k1+0.28125k4)

k 6  f ( xi  x, yi  73 xk1  72 xk 2  127 xk 3  127 xk 4  87 xk 5 ) =2(xi + 0.5) + ( yi -1.5/7k1
+ 1/7*k2 + 6/7*k3 - 6/7*k4 + 4/7*k5)
MARTÍN BARRAGÁN SOLÍS

Sustituyendo, como siempre - en ecuaciones anteriores - las condiciones


iniciales, se llegó a los siguientes resultados.

k1  f ( xi , yi ) = 1.000
k 2  f ( xi  14 x, yi  14 xk1 ) = 1.375
k3  f ( xi  14 x, yi  18 xk1  18 xk 2 ) = 1.398
k 4  f ( xi  12 x, yi  12 xk 2  xk 3 ) = 1.855
k5  f ( xi  34 x, yi  163 xk1  169 xk 4 ) = 2.366
k 6  f ( xi  x, yi  73 xk1  72 xk 2  127 xk 3  127 xk 4  87 xk 5 ) = 2.942

yi 1  yi 
0.5
7k1  32k3  12k 4  32k5  7k 6  = 1.946
90

Repitiendo el proceso, es decir, con x1 = 0.5 e y1 =1.946 y, así para los


valores subsecuentes, se llegó a:

x yExacta k1 k2 k3 k4 k5 k6 YRK-5 E(%)


0.000 1.000 1.000 1.375 1.398 1.855 2.366 2.942 1.000 0.000
0.500 1.946 2.946 3.564 3.603 4.357 5.198 6.148 1.946 0.000
1.000 4.155 6.155 7.174 7.238 8.480 9.867 11.434 4.155 0.000
1.500 8.445 11.445 13.126 13.231 15.279 17.565 20.149 8.445 0.000
2.000 16.167 20.167 22.938 23.111 26.488 30.258 34.518 16.167 0.000
2.500 29.547 34.548 39.116 39.402 44.969 51.184 58.208 29.548 0.000
3.000 52.257 58.257 65.789 66.260 75.439 85.686 97.267 52.257 0.000
3.500 90.346 97.347 109.765 110.541 125.676 142.569 161.663 90.347 0.000
4.000 153.794 161.795 182.270 183.549 208.503 236.355 267.835 153.795 0.001
4.500 259.051 268.053 301.810 303.919 345.060 390.981 442.883 259.053 0.001
5.000 433.239 433.242 0.001
198

Problemas propuestos

Resuelva las siguientes ecuaciones diferenciales ordinarias, por el método que se


indica:

Problema Ecuación diferencial Método de solución


7.1 dy RK-2, t=0.5 y tfinal = 10
y x
dx RK-4, t=0.5 y tfinal = 10
y (0)  1 Grafique los resultados
MARTÍN BARRAGÁN SOLÍS

7.2 dy RK-3, Euler y graficar los


 y  2x
dx resultados.
y (0)  1 x=0.2 y xfinal =4
7.3 dy Heun y RK-3. Grafique
 (x  t)2
dt los resultados
y (0)  1 t=0.2 y tfinal = 3
7.4 dy 4 x Euler, t = 0.5 y tfinal = 3
  xy
dx y RK-4, t = 0.5 y tfinal = 3
y (0)  3 Haga una gráfica
7.5 dy Heun, t= 1 y tfinal = 10
 y2  1
dt RK-4, t=1 y tfinal = 10
y ( 0)  0
7.6 dh Heun, t= 10 y hfinal = 0
 0.1  0.05 h
dt RK-4, t= 10 y hfinal = 0
h(0)  16 Haga una gráfica
7.7 dy RK-3, x= 0.5 y xfinal = 10
 yx 2  y
dx Euler, x= 0.5 y xfinal = 10
y (0)  1 Haga una gráfica
7.8 dy 4t RK-2, x= 0.5 y xfinal = 15
y
dt y RK-4, x= 0.5 y xfinal = 15
y (0)  3 Euler, x= 0.5 y xfinal = 15

7.9 Haga un programa de computadora, en compilador FORTRAN ó GWBASIC,


para el método de RK de orden 4, que resuelva todos los problemas anteriores.
199

Problema Ecuación diferencial Método de solución


7.10 dy Heun, t= 1 y tfinal = 10
 ty  1
dt RK-4, t= 1 y tfinal = 10
y (0)  1 Haga una gráfica
7.11 dy Euler, x= 0.5 y xfinal = 10
y0
dx RK-3, t= 0.5 y xfinal = 10
y (2.5)  1.2 Haga una gráfica de
conjunto si la solución
exacta es y=3/x
Calcule el error relativo.
MARTÍN BARRAGÁN SOLÍS

7.12 dy Euler, t= 0.2 y tfinal = 3


 3 y  e t
dt RK-3, t= 0.2 y tfinal = 3
y (0)  1 Haga una gráfica
7.13 dy RK-2, t= 0.5 y xfinal = 8
 (t 2  1)
dt RK-4, t= 0.5 y xfinal = 8
y (0)  0.5 Euler, t= 0.5 y xfinal = 8
7.14 dy RK-3, x= 0.5 y xfinal = 10
yy 0
dt Heun, x= 0.5 y xfinal = 10
y (0)  1 Euler, x= 0.5 y xfinal = 10
7.15 dy Heun y RK-3. Grafique
 y  sen(t )
dt los resultados
y (0)  1 t=0.2 y tfinal = 5
7.16 dy RK-2, x= 0.5 y xfinal = 5
 3y  5
dt RK-4, x= 0.5 y xfinal = 5
y (0)  0 Euler, x= 0.5 y xfinal = 5
7.17 dy Euler, t= 0.10 y tfinal = 7
 ty  1
dt RK-3, t= 0.10 y tfinal = 7
y (0)  1 Haga una gráfica
7.18 dy Heun, t= 0.1 y tfinal = 6
 ty  1
dt RK-4, t= 0.1 y tfinal = 6
y (0)  0 Haga una gráfica

7.20 Haga un programa de computadora, en compilador FORTRAN ó GWBASIC,


para los métodos de RK de orden 3 y Heun, que resuelva todos los problemas 7.10-
7.18.
200

BIBLIOGRAFÍA

1. Robert W. Hornbeck,Ph.D./NUMERICAL METHODS/QPI (QUANTUM


PUBLISHERS, INC.)
MARTÍN BARRAGÁN SOLÍS

2. Steven C. Chapra y Raymond P. Canale/METODOS NUMERICOS PARA


INGENIEROS/McGraw-Hill.

3. Shoichiro Nakamura/ METODOS NUMERICOS APLICADOS CON


SOFTWARE/PRENTICE-HALL HISPANOAMERICANA, S.A.

4. Luthe.Olivera.Schutz/ MÉTODOS NUMÉRICOS/Limusa

5. Erwin Kreyszig/ MATEMÁTICAS AVANZADAS PARA INGENIERÍA


VOL.1/Limusa.

6. Leithold/ EL CÁLCULO con Geometría Analítica/Harla

7. Michael Spivak/ CÁLCULO INFINITESIMAL/Ediciones RPLA,S.A.

8. Shepley L. Ross/ DIFFERENTIAL EQUATIONS- Segunda edición/ Jhon


Wiley & Sons, Inc.

9. Frank Ayres, Jr & Elliot Mendelson/ CÁLCULO DIFERENCIAL E INTEGRAL/


Mc Graw-Hill

10. Luciano Couder, Alonso/ TEORIA DE ECUACIONES


ALGEBRAICAS/Limusa.
201

APÉNDICE A

SERIE DE TAYLOR
MARTÍN BARRAGÁN SOLÍS

A.1 Introducción

La serie de Taylor es la base de los métodos numéricos. Muchas de las


técnicas numéricas son derivadas directamente de la Serie de Taylor, como son los
estimadores de errores involucrados en esas técnicas. Aunque se supone que el
lector está familiarizado con la Serie de Taylor, se consideró necesario dar algunos
elementos teóricos de la misma.

A.2 Definición

Sea f(x) una función tal que f(x) y sus n primeras derivadas sean continuas
en el intervalo cerrado a-b. Además, fn+1(x) existe para toda x en el intervalo
abierto (a, b); entonces, hay un número  en el intervalo abierto (a, b) tal que

(b  a) 2 (b  a)3
f (b)  f (a)  (b  a) f (a)  f (a)  f (a) 
2! 3!
(A-1)
(b  a) n ( n ) (b  a) n 1 n 1
...  f (a)  f ( )
n! (n  1)!

La ecuación anterior también es válida si b < a; en tal caso a-b se reemplaza por
b-a y (a, b) por (b, a). Nótese que cuando n = 0, ecuación (A-1) se transforma en:

f (b)  f (a)  f ( )(b  a)


202

Donde  está entre a y b. Esto corresponde al teorema del valor medio.


Si en (A-1) b es sustituida por x, se obtiene la fórmula de Taylor, quedando:

( x  a) ( x  a) 2 ( x  a )3
f ( x)  f (a )  f (a)  f (a)  f (a) 
1! 2! 3!
(A-2)
( x  a) n ( n ) ( x  a) n 1 n 1
...  f (a)  f ( )
n! (n  1)!

Donde  está entre a y x. Indicando con esto que el valor de una función f(x) puede
MARTÍN BARRAGÁN SOLÍS

ser expresado en la región de x cerca de x = a, por la serie infinita de potencias.

El caso especial de la fórmula de Taylor que se obtiene cuando a = 0, en ( A-


2) es:

x x2 x3
f ( x)  f (0)  f (0)  f (0)  f (0) 
1! 2! 3!
(A-3)
xn (n) x n 1
...  f (0)  f n 1 ( )
n! (n  1)!

Donde  está entre 0 y x. Esta fórmula se denomina fórmula de Maclaurin, en honor


al matemático escocés Colin Maclaurin (1698- 1746). Sin embargo, la fórmula fue
obtenida anteriormente por Taylor y otro matemático inglés, James Stirling (1692-
1770).

Al polinomio que resulta en (A-2) y en (A-3) al quitar el residuo, se conocen


como polinomio de Taylor y polinomio de Maclaurin, respectivamente. Por lo que,
una función f(x), se puede aproximar por medio de un polinomio de Taylor en un
número a o bien por un polinomio de Maclaurin.

Ejemplo A.1. Se calcula el polinomio de Maclaurin de n-ésimo grado, para la


función exponencial natural. Si f(x) = e x, todas las derivadas f(x) en x son e x y sus
valores en x = 0 son unitarios; por tanto, de (A-3), se tiene:

x x2 x3 xn x 2 x3 xn
pn ( x)  1  (1)  (1)  (1)  ...  (1)  1  x    ... 
1! 2! 3! n! 2! 3! n!

Por tanto,
203

x 2 x3 xn
e  1  x    ... 
x
(A-4)
2! 3! n!

Así, los primeros cuatro polinomios de Maclaurin, de la función exponencial, son:

x
p0 ( x)  1 p1 ( x)  1 
1!

x2 x 2 x3
p2 ( x)  1  x  p3 ( x)  1  x  
MARTÍN BARRAGÁN SOLÍS

2! 2! 3!

En las siguientes figuras se muestra, gráficamente, la aproximación que se tiene al


incrementar los términos del polinomio de Maclaurin. No olvide que este polinomio
es un caso especial del polinomio de Taylor.

6
f(x)

0 x
-2 -2 -1 -1 0 1 1 2 2

-1

-2

f(x)=ex Po=1 P1(x)=1+x P2(x) P3(x)

Figura del ejemplo A.1

Ejemplo A-2. Ahora se determina el polinomio de Maclaurin de n-ésimo grado, para


la función seno x. Si f(x) = seno(x), entonces;

X F(x) f’(x) f”(x) f’”(x) fiv(x) fv(x) fvi(x)


Sen x Cos x -Sen x -Cos x Sen x Cos x -Sen x
0 0 1 0 -1 0 1 0
Etc.
204

De (A-3) se llega a,

x x3 x5 x7 n 1 x 2 n 1
pn ( x)  0      ..  (1)
1! 3! 5! 7! (2n  1)!

Es decir,

x x3 x5 x 7 x 2 n 1
senx      ..  (1) n 1 (A-5)
1! 3! 5! 7! (2n  1)!
MARTÍN BARRAGÁN SOLÍS

x
Así p0 ( x)  0 p1 ( x)  0 
1!

x x x3
p2 ( x)  0  p3 ( x)  0  
1! 1! 3!

x x3 x x3 x5
p4 ( x)  0   p5 ( x)  0    =P6
1! 6 1! 6 120

x x3 x5 x7
p7 ( x)  0      p8
1! 6 120 5040

A continuación se grafican P1, P5 y P7

Aproximación de Senx

1
senx
seno(x)

P1
0 x
-8 -6 -4 -2 0 2 4 6 8 P3

P7
-1

-2
205

Ejemplo A-3. Con los resultados de los ejemplos anteriores, (A-4) y (A-5), encontrar
e0.5, esenx, e2, e-1 y sen2x.

Solución. Según (A-3) la función ex (x en radianes) se aproxima por:


x 2 x3 x 4 x5 x 6 xn
e x  1  x       ... 
2! 3! 4! 5! 6! n!

Por lo que, puede escribirse:

Para x = 0.5
MARTÍN BARRAGÁN SOLÍS

0.52 0.53 0.54 0.55 0.56 0.5n


e 0.5
 1  0.5       ...  
2! 3! 4! 5! 6! n!

Para x = sen x

senx 2 senx3 senx 4 senx5 senx6 senx n


e senx  1  senx       ... 
2! 3! 4! 5! 6! n!

Para x = 2

22 23 24 25 26 2n
e2  1  2       ...  
2! 3! 4! 5! 6! n!

Y para x = -1

(1) 2 (1)3 (1) 4 (1)5 (1)6 (1) n


e1  1  1       ...  
2! 3! 4! 5! 6! n!

Ahora de (A-5)

Para x=2x

2 x ( 2 x)3 ( 2 x)5 ( 2 x) 7 (2 x) 2 n 1
sen2 x      ..  (1) n 1
1! 3! 5! 7! (2n  1)!
206

Ejemplo A-4. Encontrar la expansión en la serie de Taylor cerca de x = 0 para la


función f(x) = loge (1-x ). Cuál es el radio de convergencia de esta serie?

Solución. La función y sus derivadas son:

f(x) = loge ( 1-x), si a = 0--- f(a) =loge (1)

1
f ( x)  si x = a = 0  f ‘ (a) = -1
1 x

1
MARTÍN BARRAGÁN SOLÍS

f ( x)  si x = a = 0 - f “ (a) = -1
(1  x) 2

2
f ( x)  si x = a = 0  f “’(a) = -2
(1  x)3

6
f IV ( x)  si x = a = 0 - fIV(a) = -6
(1  x) 4

…………………

x2 x3 x4
De A-2, se tiene: loge (1-x)= loge (1) + x(-1) + (1)  (2)  (6)  ...
2! 3! 4!

x 2 x3 x 4
loge (1-x)= -x -    ...
2 3 4

Para encontrar el radio de convergencia de la serie, aplicamos la prueba:

x n 1
lím n  1  lim nx  x
 
x n  1
n
x  x

Esta prueba indica que la serie converge absolutamente, si este radio es


menor que 1. De este modo, el radio de convergencia de la serie es  x  < 1. La
prueba hecha no nos indica que si  x  = 1, pero notamos que si x = +1, entonces,
tenemos el negativo de,
207

1 1 1
1    ...
2 3 4

la cuales la conocida serie divergente armónica. Si x = -1, tenemos la serie,

1 1 1
1    ...
2 3 4

la cuál es convergente. Por tanto, la serie es convergente para –1  x < 1.


MARTÍN BARRAGÁN SOLÍS
208

Apéndice B

Ceros (k ) y pesos (wk ) de la cuadratura de Gauss Legendre


n  k wk
2 0.5773502692 1.0000000000
3 0.0000000000 0.8888888889
0.7745966692 0.5555555556
4 0.3399810436 0.6521451549
MARTÍN BARRAGÁN SOLÍS

0.8611363116 0.3478548451
0.0000000000 0.5688888889
5 0.5384693101 0.4786286705
0.9061798459 0.2369268850
0.2386191861 0.4679139346
6 0.6612093865 0.3607615730
0.9324695142 0.1713244924
0.0000000000 0.4179591837
0.4058451514 0.3818300505
7 0.7415311856 0.2797053915
0.9491079123 0.1294849662
0.1834346425 0.3626837834
0.5255324099 0.3137066459
8 0.7966664774 0.2223810345
0.9602898565 0.1012285363
0.0000000000 0.3302393550
0.3242534234 0.3123470770
9 0.6133714327 0.2606106964
0.8360311073 0.1806481607
0.9681602395 0.0812743884
0.1488743390 0.2955242247
0.4333953941 0.2692667193
10 0.6794095683 0.2190863625
0.8650633667 0.1494513492
0.9739065285 0.0666713443
0.1252334085 0.2491470458
0.3678314990 0.2334925365
12 0.5873179543 0.2031674267
0.7699026742 0.1600783285
0.9041172564 0.1069393260
0.9815606342 0.0471753364
209

Ceros y pesos de la cuadratura de Gauss Legendre (continuación..)

N  k wk
0.0950125098 0.1894506105
0.2816035508 0.1826034150
0.4580167777 0.1691565194
MARTÍN BARRAGÁN SOLÍS

16 0.6178762444 0.1495959888
0.7554044084 0.1246289713
0.8656312024 0.0951585117
0.9445750231 0.0622535239
0.9894009350 0.0271524594
0.0765265211 0.1527533871
0.2277858511 0.1491729865
0.3737060887 0.1420961093
0.5108670020 0.1316886384
20 0.6360536807 0.1181945320
0.7463319065 0.1019301198
0.8391169718 0.0832767416
0.9122344283 0.0626720483
0.9639719273 0.0406014298
0.9931285992 0.0176140071
0.0640568929 0.1279381953
0.1911188675 0.1258374563
0.3150426797 0.1216704729
0.4337935076 0.1155056681
0.5454214714 0.1074442701
24 0.6480936519 0.0976186521
0.7401241916 0.0861901615
0.8200019860 0.0733464814
0.8864155270 0.0592985849
0.9382745520 0.0442774388
0.9747285560 0.0285313886
0.9951872200 0.0123412298

También podría gustarte