Steven Chapra Metodos Numericos

siguenos en
UDHCONECTA.COM
libros digitales - examenes - recursos multiples
! recuerde¡
puede encontrar mas contenido en
nuestro sitio web
MÉTODOS NUMÉRICOS PARA
INGENIEROS
Con aplicaciones en
computadoras personales
INGENIEROS
C o n aplicaciones en
computadoras personales
Steven C. Chapra, Ph.D.
Professorof Civil Engineering
Texas A&M University
Raymond P. Canale, Ph.D.

Professor of Ci.vil Engineering
The University of Michigan
Traducción:
Carlos Zapata S.
Ingeniero Electricista, UDLA
Diplomado en Ciencias de la Computación,
Fundaci6n Arturo Rosenblueth
Alfredo Cortés Anaya
LicenciadoenCienciasFísico-Matemiticas, UMSNH
MaestroenCiencias de la Computaci6n,
IIMAS,UNAM
Revisión técnica:
FernandoVeraBadillo
IngenieroCivil,Universidad La Salle
Jefe del Departamento de Matemlticas Aplicadas,
Universidad La Salle
McGRAW-HILL
MÉXICO BOGOTA BUENOS AIRES CARACAS GUATEMALA LISBOA MADRID
NUEVA YORK PANAMA SAN JUAN SANTIAGO SÁ0 PAUL0
AUCKLAND HAMBURG0 LONDRES MONTREAL
NUEVA
DELHI PARíS SAN
FRANCISCO SINGAPUR
ST.
LOUIS SIDNEY TOKIO TORONTO
METODOS NUMÉRICOS PARA INGENIEROS
Con aplicaciones en computadoras personales
Prohibida la reproducción total o parcial de esta obra,
por cualquier medlo, sin autorizactón escrita del editor
DERECHOS RESERVADOS (9 1987, respecto a la primera edición en español por

LIBROS McGRAW-HILL DE MCXICO. S. A. DE C. V.
Atlacomulco 499-501, Fracc. Industrial San Andrés Atoto
53500 Naucalpan de Juárez, Edo. de México
Miembro de la Cámara Nacional de la lndustrla Editorial, Reg. Núm. 465
ISBN 968-451-847-1
Traducido de la primera edlclon en Inglés de
Numerical Methods for Engineers with Personal Computer Applications
Copyright @ MCMLXXXV, by McGraw-Hill, Inc., U.S. A
ISBN 0-07-010664-9
L.M.437 1234567890
en
Impreso
Mexico
Punted In
Mexico
Esta obra se terminó de
imprimir en febrero de 1988
en Talleres Gráficos Continental, S. R. deC. V.
Calz. Tlalpan No. 4620
col. Niño Jesús
Delegación Tlalpan
1408 México, D.F.
Se tiraron 2 600 ejemplares
CONTENIDO
PREFACIO xi
PARTE I LOS METODOS NUMERICOS Y LAS COMPUTADORAS

PERSONALES
I. 1 Motivación 1
1.2 matemáticos
Fundamentos 4
1.3 Orientación 7
Capítulo 1 Modelosmatemáticos 11
Problemas 19
Capítulo 2 La programación en las computadoras

personales 21
2.1 históricos
Antecedentes 22
2.2 de
Desarrollo programas 24
2.3 Desarrollodeunprogramapara el problemadelparacaidista 46
2.4 de
Estrategias programación 52
Problemas 56
Capítulo 3 Aproximaciones y errores 63

3.1 significativas
Cifras 64
3.2 Exactitud y precisión 66
3.3 de
Definiciones error 67
3 . 4E r r o r e sd er e d o n d e o 72
3.5 Erroresdetruncamiento 77
3.6 Errornuméricototal 95
3.7 Erroresporequivocación,deplanteamiento
e incertidumbre en los datos 96
Problemas 98
Vi -
CONTENIDO
EPILOG0 PARTE I
1.4 Elementos
de
Juicio 1o1
1.5 Relaciones
fórmulas
y importantes 106
1.6 Métodosavanzadosyalgunasreferenciasadicionales 107
PARTE II RAíCES DEECUACIONES

II. 1 Motivación 109
11.2 Fundamentos matemáticos 112
11.3 Orientación 114
Capítulo 4 Métodos queusan intervalos 119

4.1 Métodos
gráficos 119
4.2 Método
debisección 123
4.3 Métododelareglafalsa 132
4.4 Búsquedasconincrementosdeterminandouna
aproximación inicial 139
Problemas 140
Capitulo 5 Métodos abiertos 145

5.1 Iteración
depunto
fijo 146
5.2 Método de
Newton-Raphson 152
5.3 M é t o d od e la secante 158
5.4 Raíces
múltiples 163
Problemas 167
171
172
177
180
183
1 86
1 89
EPiLOGO PARTE II
11.4 Elementos
¿e juicio 197
11.5 Relacionesyfórmulasimportantes 199
11.6 Métodosavanzadosyalgunasreferenciasadicionales 199
PARTE 111 SISTEMAS DEECUACIONESALGEBRAICAS LINEALES

III.1 Motivación 203
111.2 Fundamentosmatemáticos 206
111.3 Orientación 21 5
Capítulo 7 Eliminacióngaussiana 219

7.1 Solucióndepocasecuaciones 219
7.2 Eliminación
gaussiana
simple 227
7.3 Desventajasde los métodosdeeliminación 236
7.4 Técnicasdemejoramientoenlassoluciones 244
7.5 Resumen 252
Problemas 254
Capítulo 8 Gauss-Jordan, inversión de matrices y
Gauss-Seidel 259
8.1 Método
deGauss-Jordan 259
8.2 Inversión
de
matrices 262
8.3 Método
deGauss-Seidel 268
Problemas 276
Capítulo 9 Casos de la parte 111: Sistemas de ecuaciones
algebraicas lineales 279
Caso 9.1 Distribuciónderecursos(Ingenieríaengeneral) , 280
Caso 9.2 Cálculodedistribucióndetemperaturas
(Ingeniería química) 283
Caso 9.3 Análisisdeunaarmaduraestáticamentedeterminada
(Ingeniería civil) 287
Caso 9.4 Corrientes y voltajesencircuitosresistivos
(Ingeniería eléctrica) 291
Caso 9.5 , Dinámica de partículas y cuerpos rígidos
(Ingenieríamecánica) 293
Problemas 295
EPILOG0 PARTE 111
111.4 Elementosde juicio 301
111.5 Relacionesy fórmulasimportantes 304
111.6 Métodos avanzados y algunasreferenciasadicionales 304
PARTE IV AJUSTE DE CURVAS
IV.1 Motivación 307
IV.2 Fundamentos
matemáticos 310
lV.3 Orientación 315
Capítulo 1 O Regresión con mínimos cuadrados 319
10.1 Regresiónlineal 321
10.2 Regresiónpolinomial 336
10.3 Regresiónlinealmúltiple 342
Problemas 345
Capitulo 11 lnterpolación 349
1 l. 1 Polinomios de interpolación con diferencias
divididas de Newton 350
11.2 PolinomiosdeinterpolacióndeLagrange 363
11.3 Comentariosadicionales 368
11.4 lnterpolaciónsegmentaria(spline) 370
Problemas 383
vi¡¡ CONTENIDO
Capítulo 12 Casos
de la parte IV: Ajuste
de
curvas 387
Caso 12.1 Modelodeingenieríadeventadeproductos
en (Ingenieria 387
Caso 12.2 Regresiónlineal y modelosdemográficos
química) (Ingeniería 39 1
Caso 12.3 Ajuste decurvasen el diseñodeunmástil parabarco
(Ingenieria 395
Caso 12.4 Ajuste decurvas en laestimacióndelacorriente RMS
ca) (Ingeniería 399
Caso 12.5 Regresiónlinealmúltipleen el análisisdedatos
mecánica)(Ingeniería
experimentales 402
Problemas 404
EPiLOGO PARTE IV
IV.4 Elementosde juicio 409
IV.5 Relaciones y fórmulasimportantes 41 1
IV.6 Métodos avanzados y algunasreferenciasadicionales 41 1
PARTE V INTEGRACION
V. 1 Motivación 41 5
V.2 Fundamentos
matemáticos 422
V.3 Orientación 424
Capítulo 13 Fórmulas
de
integración
de
Newton-Cotes 429
del 13.1 Regla 43 1
de 13.2 Regla 443
desiguales
intervalos13.3
con Integración 455
erta
integración de13.4 Fórmulas 458
Problemas 46 1
Capítulo 14 Integración de Romberg y cuadratura gaussiana 465

de 14.1 Integración 465
gaussiana 14.2 Cuadratura 474
Problemas 484
Capítulo 15 Casos de
parte
la V: Integración 487
Caso 15.1 Análisis
de
movimientode
efectivos
(Ingeniería
en
general) 488
Caso 15.2 El usodeintegralesparadeterminarlacantidad total
en
calor
de los materiales
(Ingeniería
química) 490
Caso 15.3 Fuerzaefectivasobreelmástildeunvelerodecarreras
(Ingeniería 492
C a s o 15.4 Determinacióndelacorriente RMS medianteintegración
eléctrica) (Ingeniería numérica 496
Caso 15.5 Integraciónnuméricaen el cálculodeltrabajo
ánica) (Ingeniería 499
Problemas 503
CONTENIDO iX
EPiLOGO PARTE V
V.4 Elementosdeiuicio 509
V.5 Relacionesyfórmulasimportantes 51 1
V.6 Métodosavanzadosyalgunasreferenciasadicionales 51 1
PARTE VI ECUACIONES DIFERENCIALES ORDINARIAS

VI.1 Motivación 51 5
V1.2 Fundamentosmatemáticos 51 9
V1.3 Orientación 522
Capítulo 16 Métodos de un paso 527

16.1 M é t o d od e Euler 528
16.2 Modificacionesymeiorasalmétodode Euler 54 1
16.3 MétodosdeRunge-Kuttc 550
16.4 Sistemasdeecuaciones 564
Problemas 570
Capítulo 17 Métodos de pasos múltiples 573

17.1 U n e n f o q u e simple depasosmúltiples:Métodode
H e u n sin principio 574
17.2 Fórmulasdeintegración 588
17.3 Métodos de pasos múltiples de orden superior 594
Problemas 600
Capítulo 18 Casos de la parte VI: Ecuaciones diferenciales ordinarias 603

C a s o 18.1 Modelosmatemáticosparaproyectosdeventade
computadoras (Ingenieria en general) 604
Caso 18.2 Diseñodeunreactorparaproducciónfarmacéutica
(Ingeniería química) 608
Caso 18.3 Deflexióndel mástil de unvelero(Ingeniería civil) 61 3
Caso 18.4 Simulacióndeunacorrientetransitoriaenuncircuitoeléctrico
(Ingeniería eléctrica) 61 5
Caso 18.5 El péndulooscilante(Ingenieríamecánica) 61 8
Problemas 622
EPiLOGO PARTE VI
V1.4 Elementosde juicio 625
V1.5 Relacionesyfórmulasimportantes 627
V1.6 Métodosavanzadosyalgunasreferenciasadicionales 627
BlBUOGRAFiA 63 1
iNDlCE 635
PREFACIO
Para el ingeniero moderno el hecho de “ir a la par con su profesión” im-

plica inevitablemente el uso de las computadoras.Hay pocas disciplinas,
o dicho sea de otra forma, pocas actividades cotidianas que de alguna
manera no tienen contacto con estas máquinas tan poderosasy rápidas.
Ciertamente, las computadoras han sido por años un aliado de la inge-
niería al desempeñar millares de tareas, tanto analíticas como prácticas,
enel desarrollo de proyectos y la solución de problemas en forma más
eficiente. En consecuencia, cuanto más a fondo y más tempranose fami-
liarice el estudiante de ingeniería con su terminal o su computadora pel.
sonal, mejor será su formación.
Pero, ¿desde cuándo?, y ¿qué tan a fondo debe ser este contacto?
Los profesores de ingeniería reconocen desde hace mucho tiempo la im-
portancia del entrenamiento en los primeros semestres enla tecnología
de las computadoras. Tradicionalmente este entrenamiento abarcaba com-
putadoras grandes (mainframes) y un lenguaje de programación de alto
nivel como el FORTRAN. Desafortunadamente, es frecuente que a los
estudianteslesresulte difícil aplicarsusnuevashabilidades a proble-
mas de otras materias. Esto se debe a una variedad de factores, de entre
los cuales no carece de importancia la preparación necesaria para usar
sistemas con máquinas grandes. Como resultado, muchos estudiantes de
ingeniería no explotan bien la capacidad de solución de problemas que
tienen las computadoras hasta que están adentrados ensu educación.
Creemos que la revolución de la microelectrónica nos dala oportuni-
dad de integrar la computación de una manera más efectiva en el salón
de clases. Debido a su bajo costo y conveniencia, las computadoras per-
sonales pueden aumentar la capacidad del estudiante de ingeniería para
resolver problemas durante sus añosescolares. Sin embargo, para explo-
tar esta oportunidad al máximo es necesaria una innovación de los cursos
de introducción a la computación. Por ejemplo, a través de los años se
ha desarrollado en las universidades’deTexas A&M y Michigan una rees-
tructuración en dos etapas. Hay un “primer curso de computación” dedi-
cado a orientar al estudiante al equipocomputacionaldisponible y al
Xii PREFACIO
desarrollo de habilidades firmes dentro dela programación. El “segundo

curso de computación” está planeado para reafirmar estas habilidadesy
mostrarel empleo de lasolu&n de problemas en ingeniería.
El presente libro emanó del segundo curso. Se eligió el tema de los
métodos numéricos como punto principal por sus muchas aplicaciones
a la ingeniería. Ya sea que los ingenieros utilicensoftware comercial o
propio, creemos que es esencial una base sólida en los métodos numéri-
cos para la aplicación efectiva de las computadoras en la solución de pro-
blemasdeingeniería. Desafortunadamente, los métodosnuméricos se
presentan durante el último año de licenciatura o a nivel de posgradua-
dos, años después del punto donde pudieron haber sido herramientas úti-
les, instructivas y creativas para el futuro ingeniero.
Por consigu.iente,hemos elaborado este libro de tal forma que pueda
enseñarse en los extremos inferior o superior de la carrera de ingeniería
a nivel de licenciatura. Un aspecto de este plan se hace notar en la orga-
nización y en el alcance del libro, que está dividido en seis partes. La parte
I trata del material introductorio e incluye información sobre programación
y análisis de aproximación y error. Las cinco partes restantes están dedica-
das a las áreas de métodos numéricos, que tienen importancia directa para
el candidato a ingeniero: raíces de ecuaciones no lineales, ecuaciones alge-
braicaslineales,ajustedecurvas(regresióneinterpolación),integración y
ecuaciones diferenciales ordinarias. Excluimos temas como los valores ca-
racterísticosy las ecuaciones diferenciales parciales, que tiene mayor impor-
tancia para los estudiantes de posgrado.
Junto con este materialhemos incorporado ciertas características adi-
cionales en la elaboración de este libro, para hacerlo más accesible a lec-
tores tanto de los primeros como de los últimos niveles de licenciatura.
Incluyen:
1. Recuadros. Nos hemos empeñado en incluir derivaciones importan-

tes y análisis de error, con el fin de enriquecer la presentación. Sin
embargo, algunas veces tal material representa un escollo para el es-
tudiante novato. En consecuencia, hemos apartado en recuadros el
material matemático más complicado. Muchos estudiantesencontra-
rán que pueden aplicar los métodos numéricos sin tener que domi-
nar completamente el material contenido en los recuadros.
2. Material introductorio y fundamentos matemáticos. Cada parte del li-

bro incluye una sección de introducción. Después de una breve ex-
posición al problemamatemáticogeneralque va aestudiarse, se
suministra una motivación describiendo cómo podría enfocarseel pro-
blema en ausencia de computadoras, y dónde se plantea este proble-
ma en la práctica de la ingeniería. En seguida se efectúa una revisión
de los conceptos matemáticos necesarios para comprender el tema
por estudiar. Por ejemplo, se revisa álgebra matricial antes del estu-
dio de ecuaciones algebraicas lineales, y estadística antes del estudio
PREFACIO xiil
de regresión. Por último, se presentan un esquema y los objetivos de

estudio de cada parte, como orientación para el lector.
3. Epilogos. Así como la introduccih está planeada para dar una mo-
tivación y una orientación, incluimos un epílogo alfinal de cada
partedellibroparaconsolidar ios conceptos recién adquiridos. Un
detalleimportantedeesteepílogo es una seccióndedicada a los
elementos de juicio necesarios para la elección de los métodos
numéricos apropiados para un problemaenparticular. Además, se
resumenalgunasfórmulasimportantes y se citanreferenciaspara
métodos avanzados.
4. Presentaciones secuenciales y gráficas. Cada parte principal del libro

consta de tres capítulos: dos dedicados a la teoría y uno al estudio
de casos. Siempre que es posible, los capítulos de teoría se estructu-
ranen forma secuencial, esto es, primero se presentan los plantea-
mientos más directos y elementales. Dado que muchos de los métodos
más avanzados se construyen sobre los más simples, la intención de
este desarrollo es proporcionar un sentido de evolución de lastécni-
cas. Adicionalmente hemos desarrollado representaciones gráficas para
complementar las descripciones matemáticas en la mayor parte de los
planteamientos contenidos enellibro. Hemos encontrado que esta
orientación visual es particularmente efectiva para proporcionar una
mayor comprensióna los estudiantes de los primeros niveles de licen-
ciatura.
5. Estudio de casos. En cada parte del libro se incluyen casos para de-
mostrar la utilidad práctica de los métodos numéricos. Se realizó un
gran esfuerzo para dar ejemplos de los cursos iniciales de las carreras
de ingeniería. Cuando esto no es posible, se han suministrado bases
teóricas y motivación para los problemas.
6. Software. Se dispone de un paquete de software denominado NU-

MERICOMP que muestra algunos métodos numéricosque se cubren
en el texto: bisección, eliminación gaussiana, interpolación de Lagrange,
regresión lineal, la regla trapezoidal y el método de Euler. Estos pro-
gramas proporcionanal estudiante los criterios de programaciónnece-
sarios para cada una de las partes del libro. El software está diseñado
para utilizarse con facilidad. Los estudiantes también pueden emplear-
lo para verificar los resultados de sus propios esfuerzos de programa-
ción. Aunque el paquete es opcional, pensamos que puede lograrse
un progreso más rápidocuando se emplean ellibro y el software con-
juntamente; se puede conseguir a través de McGraw-Hill para lascom-
putadoras personales IBM-PC y APPLE 11. Una versión profesional
de NUMERICOMP puede adquirirse directamente de EnginComp Soft-
ware, Inc., 15 Research Dr., Ann Arbor, MI 48103.
Finalmente, nos hemos esforzado conscientemente en hacer este li-
bro tan sencillo al usuario como sea posible, por lo que nos empefiamos
en mantener nuestras explicaciones con una orientacióndirecta y prácti-
ca. Aunque nuestraintención primaria es presentar a los estudiantes una
sólida introducción a los métodos numéricos, un objetivo subordinado ha
sido hacer d e esta introducción una experiencia agradable. Creemos que
los estudiantes que disfruten los métodos numéricos, las computadoras
y las matemáticas, serán al final mejores ingenieros.Si nuestro libro alienta
el entusiasmo por estas materias, consideraremos nuestro esfuerzo como
un éxito.
AGRADECIMIENTOS
Queremos agradecer las revisiones hechas por los profesores Ted Cad-
man (University of Maryland), Lee W. Johnson (Virginia Polytechnic and
State University), Richard Noble (University of Colorado), Satish Ramadh-
yani (Purdue University), Howard Wicke (Ohio University) y Thomas C.
Young (Clarkson University). Extendemos nuestra gratitud a la Texas
A&M University y a la University of Michigan por proporcionarnos apoyo
secretarial y gráfico y el tiempo necesario para preparar estelibro. En par-
ticular, Donald McDonald y Roy Hann de Texas A&M apoyaron cons-
tantemente este esfuerzo.Obtuvimossugerencias y buenasideas d e
nuestros colegas Bill Batchelor, Harry Jones, Bill Ledbetter, James Mar-
tin y Ralph Wurbs. Jeanne Castro ideó la organización gráfica de los capí-
tulos. También Vanessa Stipp, con la ayuda de Kathy Childers, Cindy
Denton y Frances Kahlich, hicieron una excelente labor al mecanografiar
el manuscrito.
Este libro se experimentó en clase durante cuatro semestres, princi-
palmente con alumnos de segundo año en Texas A&M y durante dos
semestres con alumnos de todoslos niveles d e licenciatura en Michigan.
Durante este tiempo, muchos de los alumnos nos ayudarona comprobar
la exactitud matemática y a enriquecer la comprensión de este libro. Lisa
Olson leyó el texto completo varias veces y preparó los programas en FOR-
TRAN. Tad Slawecki proporcionó una ayuda excelente en cuantoal soft-
ware complementario. Además, Marla lsenstein, Luis Garcia, Sijin “Tom”
Lee y Rick Thurman hicieron contribuciones notables.
También debemos agradecer a Kiran Verma, Dave Damstra y a B.
J. Clark de McGraw-Hill su supervisión y aliento. Ursula Smith efectuó
un trabajo impecable en la edición de pruebas del libro. Finalmente, nos
gustaría agradecer a nuestras familias, amigos y colegas, quienes sopor-
taron comprensivamente la gran cantidad de horas “robadas”, necesa-
rias para completar esta obra.
Steven C. Chapra
Raymond P. Canale
PARTE U N O
LOSMÉTODOS I.1 M O T I V A C I ~ N
NUMÉRICOS Y LAS Los métodos numéricos son técnicas mediante las
cuales es posible formular problemas de tal for-
COMPUTADORAS ma que puedan resolverse usandooperaciones
PERSONALES aritméticas. Aunque hay muchos tipos de métodos
numéricos, todos comparten una característica co-
mún: Invariablemente los métodos numéricos Ile-
van a cabo un buen número de tediosos cálculos
aritméticos. No es raro que con el desarrollo de
computadoras digitales eficientes y rápidas, el pa-
pel de los métodos numéricos en la solución de pro-
blemas de ingeniería haya aumentado considera-
blemente en losúltimos años.
I . 1 . l Métodos anteriores a la aparición

de la computadora
M á s allá de sólo proporcionar un aumento en la

potencia de cálculo, la disponibilidad general de
las computadoras (especialmente de las compu-
'),
7,
tadoras personales)y su asociación con los méto-

dosnuméricos, ha tenido una influencia muy
significativa en el proceso de solución de proble-
mas de ingeniería. Antes del uso de la computa-
dora había tres métodos diferentes que los inge-
nieros aplicaban a la solución de problemas:
1. Primero, se encontraban las soluciones de al-
gunos problemas usando métodos exactos o
analíticos. C o n frecuencia estas soluciones re-
sultaban útiles y proporcionaban una compren-
sión excelente del comportamiento de algunos
sistemas. Sin embargo, las soluciones analiti-
cas pueden encontrarse sólo para una clase Ii-
mitada de problemas. Estos problemas incluyen
aquellosquepuedenaproximarse mediante
modelos lineales y también aquellos quetienen
una geometríasimple y pocas dimensiones. En
consecuencia, las soluciones anabjticas tienen
valor práctico limitado, porque la mayor par-
te de los problemas reales no son lineales, e
implican formas y procesos complejos.
2 MÉTODOS NUMÉRICOS PARA INGENIEROS
2.Para analizar el comportamiento de los sistemas se usaban solu-

ciones gráficas. Éstas tomaban la forma de grafoso nomogramas.
Aunque las técnicas gráficas a menudo pueden emplearse parare-
solver problemas complejos, IQS resultados no son muy precisos. Es
más, las soluciones gráficas (sin la ayuda de una computadora)son
tediosas en extremo y difíciles de implementar. Finalmente,las técni-
cas gráficas están limitadas a aquellos problemas que puedan des-
cribirse usando tres dimensiones o menos.
3. Para implementar los métodos numéricos se utilizaban calculado-

ras manuales y reglas de cálculo. Aunque en teoría estas aproxi-
macionesdeberían ser perfectamenteadecuadas para resolver
problemas complicados, en la práctica se presentan algunas difi-
cultades. Los cálculos manuales son lentos y tediosos. Además no
existen resultados consistentes debido a que surgen equivocacio-
nes cuando se efectúan las tareas manualmente.
Antes del uso de la computadora, se gastaba mucha energía en la

técnica misma de solución, en vez de aplicarla sobre la definición del
problema y su interpretación (Fig. 1.1~).Esta situación desafortunada
existía debido al tiempo y trabajo monótono que se requerían pa-
ra obtener resultados numéricos con técnicas que no utilizaban a la
computadora.
Hoy en día, las computadoras y los métodos numéricos proporcionan

unaalternativapara cálculostan complicados. AI usar lacompu-
tadora para obtener soluciones directamente, se pueden aproximar
los cálculos sin tener que recurrir a suposiciones de simplificación o
técnicas deficientes. Aunque dichas suposiciones son aún extremada-
mente valiosas tanto para resolver problemas comopara proporcionar
una mayor comprensión, los métodos numéricos representan alternati-
vas queamplíanconsiderablementela capacidad para confrontar
y resolver los problemas; como resultado, se dispone de más tiempo
para aprovechar las habilidades creativas personales. Por consiguiente,
es posible dar más importancia a la formulación de un problema, a
la interpretación de la solución y a su incorporación al sistema total,
o conciencia “holística” (Fig. 1 . 1 b).
1.1.2 Los métodosnuméricosy la práctica de la ingeniería
Desde finales de la década de 1940, la multiplicación y disponibilidad

de las computadoras digitales ha llevado a una verdaderaexplosión
en cuanto al uso y desarrollo de los métodos numéricos. Al principio,
este crecimiento estaba algo limitado por el costo de acceso a com-
putadoras grandes (rnainfiames),por lo que muchos ingenieros conti-
nuaban usando simples planteamientos analíticos en una buena parte
LOS METODOS NUMÉRICOS Y LAS COMPUTADORAS
PERSONALES ..___3
Formulac4dn
Exposici6n a fondo de
1. rdaci6n del
fundamentales problema con las leyes
fundamentales
Metodos muy elaborados Mdtodo num6rico

y frecuentemente complcador
para hacer manelable
el problema
lnterpretacidn
Anll~oma fonda permite pensar

lhmitado por una holisticamente y
desarrollar la intulmdn:
se puede estudtar la
FIGURA 1 . 1 Lastresfases en la solución de problemas de ingenieríaen a ) la era anterioralas

computadoras y b) la era de las cornputadoras. Los tamaños de los recuadros indi-
can el nivel de importancia que se dirige a cada fase en el salón de clases. Las corn-
putadoras facilitan la implementación de técnicas de solucion y así permiten un mayor
cuidado sobre los aspectos creativos de la formulación de problemas y la interpreta-
ción de resultados.
de su trabaio. N o es necesario mencionar que la reciente evolución

de computadoras personales de baio 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:
1. Los métodos numéricos son herramientas extremadamente pode-

rosas para la solución de problemas. Son capaces de manejar sis-
temas deecuacionesgrandes,nolinealidades y geometrías
complicadas que son comunes en la práctica de la ingenieríay que,
a menudo, son imposibles de resolver analíticamente. Por l o tan-
to, amplían la habilidad de quien los estudia para resolver pro-
blemas.
2. En el transcurso de su carrera, es posible que el lector tenga la

ocasión de usar software disponible comercialmente que conten-
g a métodos numéricos. El uso inteligente de estos programas de-

pende del conocimiento de lateoría básica enla que se basan estos
métodos.
3. H a y muchos problemas que no puedenplantearse al emplear pro-

gramas “hechos”. Si se está versado en los métodos numéricos
y sees un adepto de la programación de computadoras, enton-
ces se tiene la capacidad de diseñar programas propios para re-
solver los problemas, sin tener que comprar unsoftware 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. Comolos métodos numéricos, en su ma-
yor parte están elaborados para implementarse en computado-
ras, resultan ideales para este propósito. Aún más, están especial-
mente adaptados parailustrar la potencia así como las limitaciones
de las computadoras. Cuando el lector implemente con buen re-
sultado los métodos numéricos en una computadora personal y
los aplique para resolver problemas que de otro modo resultan
intratables, entonces tendrá una demostración tangible de cómo
pueden ayudarle las computadoras para su desarrollo profesional.
AI 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 compren-

sión de las matemáticas. Porque una función de los métodos nu-
méricos es la de reducir las matemáticas superiores a operaciones
aritméticas básicas, ya que profundizanen los temas que de otro
modo resultan oscuros. Esta alternativa aumenta su capacidad de
comprensión y entendimiento en la materia.
1.2 FUNDAMENTOSMATEMÁTICOS
Cada parte de este libro requiere de algunosantecedentes matemá-
ticos. En consecuencia, el material introductorio de cada parte inclu-
ye una sección, como la que el lector está leyendo en este momento,
de fundamentos matemáticos. Debido Q que la parte I en sí está dedi-
cada al material básico sobre las matemáticas y la computación, la
presentesección no abarca la revisión de algún tema matemático
específico. En su lugar, se presentan los temas delcontenidoma-
temático que se cubre en este libro. Estos se resumen en la figura 1.2,
y son:
LOS MÉTODOS NUMÉRICOS Y LAS
PERSONALES
COMPUTADORAS 5
FIGURA 1.2 Resumen de los métodosnuméricos que se cubren eneste libro.

1. Rakes deecuaciones (Fig. 1.24. Estos problemas están re-

lacionados con el valor de una variable o de un parámetro que
satisface una ecuación. Son especialmente valiosos en proyectos
de ingeniería donde confrecuencia resulta imposible despejar ana-
líticamente parámetros de ecuaciones de diseño.
2. Sistemas de ecuaciones algebraicas lineales (Fig. 1.2b).

En esencia, estos problemas son similares a los de raíces de ecua-
ciones en el sentido de que están relacionados con valores que
satisfacen ecuaciones. Sin embargo, a diferencia de satisfacer una
sola ecuación, se busca un conjunto devaloresque satisfaga
simultáneamente a un conjunto de ecuaciones algebraicas. Las
ecuaciones lineales simultáneas surgenen el contexto deuna
variedad de problemasy en todas las disciplinas de la ingeniería.
En particular, se originan a partir de modelos matemáticos de sis-
temas grandes de elementos interconectados, como: estructuras,
circuitos eléctricos y redes de fluio de fluidos, aunque también
pueden encontrarse en otras áreasde los métodosnuméricos
como el aiuste de curvas.
3. Ajuste de curvas (Fig. 1.24. Con frecuencia se presentará la

oportunidad de ajustar curvas a un conjunto de datos representados
por puntos. Las técnicas que se han desarrollado para este fin pue-
den dividirse en dos categorías generales: regresión e interpolacion.
La regresión se emplea cuando hay un grado significativo de error
asociado a los datos; frecuentemente los resultados experimentales
son de esta clase. Para estas situaciones, la estrategia es encontrar
una curva que represente la tendencia general de los datos sin ne-
cesidad de tocar los puntos individuales. En contraste, la interpola-
ción se maneja cuando el objetivo es determinar valores intermedios
entre datos que estén relativamente libres de error. Tal esel caso
de la información tabulada. Para estas situaciones, la estrategia es
ajustar una curva directamente a través de los puntos y usar esta
curva para predecir valores intermedios.
4. Integración (Fig.l.2d).Tal como se representa, una interpre-

tación física d e la integración numérica es la determinación del
área bajo la curva. La integracióntiene muchas aplicaciones pa-
r a el ingeniero práctico, empezando por la determinación de los
centroides de objetos con formas extravagantes hasta el cálculo
de cantidadestotales basadas en conjuntos de medidas discretas.
Adicionalmente las fórmulas de integración numérica juegan un
papel importante en la solución de las ecuaciones en diferencias.
5 . Ecuaciones diferenciales ordinarias. (Fig. 1.2e). Las

ecuaciones diferenciales ordinarias tienen un enorme significado
LOS METODOS PERSONALES
NUMERICOS Y LAS
COMPUTADORAS 7
en la práctica de la ingeniería. Esto se debe a que muchas leyes

físicas están expresadas en tefminos de la razónde cambio de una
cantidad más que en términos de su magnitud. Entre los ejemplos
se observan desde los modelos de predicción demográfica (razón
de cambio de la población) hasta la aceleración deun cuerpo en
descenso (razón de cambio de la velocidad).
1.3 ORIENTACI~N
Resultaútilesta orientación antes de proceder a la introducción de

los métodos numéricos. Lo que sigue está pensado como unavista pa-
norámica del material contenido en la parte l. Se incluyen además
algunos objetivos como ayuda para concentrarel esfuerzo del lector
al estudiar el material.
1.3.1 Alcanceycontenido
La figura 1.3 es una representación esquemáticadel material conteni-

do en la parte I. Se ha elaborado este diagrama para darleun pano-
rama global de esta parte del libro. Se considera que un sentido de
"imagen global" resulta importante para desarrollar una verdadera
comprensión de los métodos numéricos. AI leer un texto, es posible
que frecuentemente se pierda uno en los detalles técnicos. Siempre que
el lector perciba que está perdiendo la "imagen global" regrésese
a la figura 1.3 para orientarse nuevamente.C a d a parte de este libro
incluye una figura similar.
Esta figura sirve también como una breve revisión previa del mate-
rial que se cubre en la parte I. El capítulo 1 está diseñado para orien-
tarle a los métodos numéricos y para darleuna motivación mostrándole
cómo pueden usarse estas técnicas en el proceso de elaborar mode-
los matemáticos aplicados a la ingeniería. El capítulo 2 es una intro-
ducciónyuna revisiónde los aspectosdecomputaciónque están
relacionados con los métodos numéricos y presenta las habilidades
de programación que se deben adquirir para explotar eficientemen-
te la computadora. El capítulo 3 se ocupa del importante tema del
análisis de error, que debe entenderse bien para el uso efectivo de
los métodos numéricos.
1.3.2 Metas y objetivos
Estúdiese los objetivos. AI terminm la parte I el lector deberá estar

preparado para aventurarse en los métodos numéricos. En general,
FIGURA 1.3 Representación de la organización del material en la parte I: Los métodos numéricos
y las computadoras personales.
habrá adquirido una noción fundamental de la importancia de las com-

putadoras y el papel de las aproximaciones y los errores en la imple-
mentación y desarrollo de los métodos numéricos. Adicionalmente a
estas metas generales, deberá dominar cada uno de los objetivos es-
pecíficos de estudio que se enuncian en la tabla 1 . 1 .
LOS MhODOS NUMERICOS Y LASPERSONALES
COMPUTADORAS 9
TABLA 1.1 Obietivos de estudio especificos para la parte I
1. Entender la diferencia entre error de truncamiento y de redondeo

2. Entender el concepto de cifras significativas
3. Conocer la diferencia entre exactitud y precisión
4. Apreciar la utilidad del error relativo
5. Conocer la diferencia entre el error relativo verdadero E" y el error
relativo aproximado eo; darse cuenta de cómo este último puede
emplearse en conjunci6n con un error aceptable especificado con
anterioridad E , para terminar un cálculo
6. Ser capaz de relacionar el error relativo con cifras significativas
7. Ser capaz de aplicar las reglas de redondeo explicadas enel recuadro 3.1
8. Comprender cómo se usa la serie de Taylor para aproximar funciones
9. Comprender la naturaleza de la aproximación y los términos residuales de
la serie de Taylor
1o. Conocer la relación que existe entre las diferencias finitas y las derivadas
11. Familiarizarse con los elementos de juicio que se describen enel epílogo de
la parte I
Objetivos en computación. AI completar la parte I el lector se habrá

familiarizado con el software (NUMERICOMP)disponible para este
libro. Deberá saber qué programas contiene y algunas de sus capa-
cidades de graficación. También deberá tener las habilidades de pro-
gramaciónnecesariasparadesarrollarsoftwarepropiocon los
métodos numéricos de este libro. Deberá ser capaz de desarrollar pro-
gramas en términos de los algoritmos o diagramas de fluio dados.
Podrá guardarsu software en dispositivos de almacenamiento, como
discos flexibles o cinta magnbtica. Finalmente, el lector habrá desa-
rrollado la capacidad de documentarsus programas de tal forma que
los usuarios puedan emplearlos eficientemente.
CAPíTULO UNO
MODELOS
MATEMÁTICOS
¿Por qué se deben dominar los métodos numéricos y la programación

de computadoras para resolver los problemas? Adem6s del hecho que de
a diario se observa que las computadoras intervienen en las actividades
m6s comunes de la vida diaria, dhabr6 alguna contribución esencial que
estas mAquinas, con sus capacidades decididamente sobrehumanas,pue-
dan hacer a las tareas y retos de los ingenieros? Es totalmente factible,
y con el material contenido en este capítulo, se tratar6 de orientar al lec-
tor y motivarlo hacia una posibilidad cuando menos.
Primero se aplica el concepto de modelos matemáticos para ayudar
a definir lo que se entiende por métodos numéricos y para ilustrar cómo
pueden facilitar la solución de problemas en ingeniería. Paraesto, se des-
arrolla aquí el modelo matemático deun proceso físico y se resuelve con
un método numérico sencillo.
El mundo físico, con toda su complejidad, puede parecer abrumador
e impredecible, Tradicionalmente,la tarea del científico ha sido la de iden-
tificar los patrones reproducibles y las leyes que gobiernaneste caos. Por
ejemplo, sobre la base de sus observaciones, Newton formuló su segun-
da ley del movimiento, que afirma que la velocidad de cambio dela can-
tidad de movimiento de un cuerpo con respecto al tiempo es igual a la
fuerza resultante que actúa sobreél. Considerando las maneras excesiva-
mente complejas en que las fuerzas y los objetos interactúan en la tierra,
estaleyhaprobadoserunageneralizaciónválida.
Además de que estas leyes proveen de discernimiento, los ingenieros
pueden aplicarlas para formular soluciones a problemas prácticos. Porejem-
plo, los conocimientos científicosse usan rutinariamente por los ingenie-
ros en el diseño de,elementos tales como estructuras, mhquinas, circuitos
eléctricos y sustancias químicas sintéticas. Desde la perspectiva del dise-
ño de ingeniería, estos conocimientos sonmuy útiles cuando se expresan
en formade un modelo matem6tico.
Un modelo matemático puede definirse, de una manerageneral, co-
mo una formulacióno ecuación que expresalas características fundamen-
tales de un sistema o proceso fisico en términos matemáti'cos. Los modelos
12 MÉTODOS NUMÉRICOS PARA.INGENIEROS
se clasifican desde simples relaciones algebraicas hasta grandesy compli-

cados sistemas de ecuaciones diferenciales. Recordando nuevamente a
Newton para este ejemplo, la expresión matemática, o modelo, de su se-
gunda ley es la bien conocida ecuación
F = ma [1.11
donde F es la fuerza neta que actúa sobre el cuerpo (en dinas, o gramo-
centímetro por segundo cuadrado), m es la masa del objeto (en gramos),
y a es su aceleración (en centímetros por segundo cuadrado).
La ecuación (1.1)tiene varias características habituales de los mode-
los matemáticos del mundo físico.
1. Describe un sistema o proceso natural en términos matemáticos.
2. Representa una idealización y una simplificación de la realidad. Es decir,

ignora los detalles insignificantes del proceso natural y se concentra
en sus manifestaciones elementales. Es por esto que la segunda ley
no incluye los efectos de la relatividad, que tienen una importan-
cia mínima cuando se aplican a objetos y fuerzas que interactúan
sobre o alrededor de la tierra a escalas visibles a los seres huma-
nos.
3. Finalmente, conduce a resultadospredecibles y , en consecuencia, pue-

de emplearse para propósitosde predicción. Por ejemplo, si se cono-
cen la fuerza aplicada sobre un objeto y su masa, entonces puedeusarse
la ecuación (l.1)para predecir la aceleración. Como tiene unaforma
algebraica sencilla, puede despejarse directamente
a=-
F
m
De este modo, la aceleración puede calcularse fácilmente. Sin em-

bargo, los modelos matemáticos de otros fenómenos físicos pueden ser
mucho más complejos y no pueden resolverse exactamente o requieren
de técnicas matemáticas más complejas que la simple álgebra para suso-
luci6n. Para ilustrar un modelo de este tipo pero más complicado, se puede
usar la segunda ley de Newton para determinar la velocidad final de un
cuerpo en caídalibre cerca de la superficie terrestre. El cuerpo en descen-
so será un paracaidista como se muestra en la figura 1.1.Para este caso
puede crearse un modelo al expresar la aceleración como la razón de
cambio de la velocidad con respecto al tiempo (dv/dtj y sustituir en la
MODELOS MATEMÁTICOS 13
FIGURA 1.1 Representación de las fuerzas que actúan sobreun paracaidista en des-
censo. FD es la fuerza hacia abaio debido a la atracción de la grave-
dad. Fu. es la fuerza hacia arriba debido a la resistencia del aire.
ecuación ( l .1) paradar

dv
m-=F u31
dt
donde u es la velocidad en centímetros porsegundo). Así, la masa multi-
plicada por la razón de cambio de la velocidad es igual a la suma de fuer-
zas que actúan sobre el cuerpo. Si lafuerzatotal es positiva, el objeto
acelera. Si es negativa, el objeto sufre una desaceleración. Si lafuerza
neta es cero, la velocidad del objeto permanecerá a un nivel constante.
Para un cuerpo que cae dentro del perímetro de la tierra (Fig. l.1) ,
la fuerza total está compuesta por dos fuerzas contrarias:la atracción ha-
cia abajo debida a la gravedad F D y la fuerza hacia arriba debida a la re-
sistencia del aire Fu.
Si a la fuerza hacia abajo se le asigna un signo positivo, se puede usar

la segunda leyparaformularlafuerzadebida a la gravedad como
donde g es la constante de gravitación, o la aceleración debida a la gra-

vedad, que es aproximadamente igual a 980 cm/s2.
14 MÉTODOS
INGENIEROS NUMÉRICOS PARA
La resistencia del aire puede formularse de diferentes maneras. Una

aproximación sencilla es suponer que es linealmente proporcionala la ve-
locidad, como en
donde c es una constante de proporcionalidad llamada el coeficiente de

arrastre (en gramos por segundo). Así, a mayor velocidad de caída, ma-
yor es la fuerza hacia arriba debida a la resistencia del aire. El parámetro
c toma en cuenta las propiedades del objeto descendente, tales como
la forma o la aspereza de su superficie, que afectanla resistencia del aire.
Para este caso, c podría ser una función del tipo de traje o la orientación
usadaporelparacaidistadurantelacaídalibre.
La fuerza total es la diferencia entre las fuerzas hacia abajo y hacia
arriba. Por tanto, las ecuaciones (1.3)a (1.6) pueden combinarse para dar
dv
m- = mg - cv
dt
o , dividiendocadaladoentre m,
dv C
”
-9--v
dt m
La ecuación (1.8)es un modelo que relaciona la aceleración de un cuer-

po que cae a las fuerzas que actúan sobre él. Es una ecuación diferencia[
porque está escrita en términos de la razón de cambio diferencial (dv/dt)
de la variable que nos interesa predecir. Por esta razón a veces se deno-
mina ecuación e n diferencias. Sin embargo, en contraste con la solución
dada por la segunda ley de Newton en la ecuación(1.2),la solución exacta
de la ecuación (1.8)para la velocidad del paracaidista que cae, no puede
obtenerse usando simples manipulaciones algebraicasy operaciones arit-
méticas. Envez de eso, deberán aplicarse las técnicas del cálculo para
obtener una solución exacta. Por ejemplo, si el paracaidista inicialmente
está en reposo ( u = O en t = O ) , se puede usarelcálculopararesolver
la ecuación (1.8),así
EJEMPLO 1.1
Solución analítica al problema del paracaidista que cae
Enunciado del problema: un paracaidista con una masa de 68 100 g sal-

ta de un aeroplano. Aplíquese la ecuación (1.9) para calcular la veloci-
MÉTODOS MATEMATICOS 15
FIGURA 1.2 Soluciónanalítica al problema del paracaidista que cae según se

calcula enel ejemplo l. l. La velocidad aumenta con el tiempo y
se aproxima asintóticamente o una velocidad final.
dadantes de abrir el paracaídas. El coeficiente de arrastre c es

aproximadamente igual a 12 500 g / s .
Solución: al sustituir los valores de los parámetros en la ecuación (1.9)

se obtiene
I v (t) =
980(68,100)
12,500
[I - e-t12.500/68.1001f
= 5339.0 (1 - e-0 18355t )

1
al dar varios valores de t se obtienen las velocidades para dicho tiempo:

los resultados se presentan a continuación
t, S v, cm/s
O O
1640.5 2
4 2776.9
6 3564.2
a 4 109.5
10 4487.3
12 4749.0
X 5339.0
16 MÉTODOS NUMERICOS PARA INGENIEROS
De acuerdo al modelo, el paracaidista acelera rápidamente (Fig. 1 . 2 ) .Se

llega a una velocidad de 4 487.3 cm/s (161.5km/h) despu6s de 10 s .
Nótese también que después deun tiempo suficientemente grande se al-
canza una velocidad constante (llamada velocidad final) de 5 339.0 cm/s
(192.2 km/h). Esta velocidad es constante porque después de u n tiem-
po suficiente, la fuerza de gravedad estará en equilibrio con la resistencia
del aire. Por lo tanto, la fuerza total es cero y cesa la aceleración.
A la ecuación (1.9)se le llama una solución analítica o exacta porque

satisface exactamente la ecuación diferencial original. Desafortunadamen-
te, hay muchos modelos matemáticos que no puedenresolverse exacta-
mente. En muchos de estos casos,la única alternativa es la de desarrollar
una solución numérica que se aproxime a la solución exacta. Como se
mencionó con anterioridad, los métodos numéricos son aquellos en los
que se reformula el problema matemático para que se puedaresolver me-
diante operaciones aritméticas. Esto puede ilustrarse para la segunda ley
de Newton notándose que se puede aproximar la razón de cambio de
la velocidad con respecto al tiempo mediante (Fig. 1.3)
[1.10]
FIGURA1.3 USO de una diferenciafinita paraaproximarlaprimeraderivadade

v con respecto a t .
METODOS MATEMATICOS 17
donde Au y At son diferencias en la velocidad y el tiempo calculadas so-

bre intervalos finitos, u(t,) es la velocidad en el tiempo inicial t,, y u ( t , + I )
es la velocidadalgúntiempo más tarde t,, Laecuación ( l .10) es una
diferencia finita diuida enel tiempo ti. Puede sustituirseenla ecuación
(1.8)paradar
Esta ecuación puede ordenarse otra vez para dar
u(t1+1) = U@¡) +
[ : I
9 - -u(ti) &+I - ti)
Y así, la ecuacióndiferencial (1.8)se transforma enuna ecuación qGe

[1.12]
puede resolverse algebraicamente para u(ti+J . Si se da un valorinicial

para la velocidad en un tiempo ti, se puede calcular fácilmente u en t ! ,
Este nuevo valor de u en ti+l puede emplearse para extender el cálculo
de u en t i + 2 y así sucesivamente. Por lo tanto, en cualquier tiempor de
la trayectoria,
valor
Nuevo -
- anterior
valor incremento
estimulado
valor
de u de u + la
dependiente x tiempo
del
EJEMPLO 1.2
Solución numérica al problema del paracaidista que cae
Enunciado del problema: efectuarel mismo cálculo que en el ejemplo l .1

pero usando la ecuación (1.12)para calcular u ( t ) con un incremento de
tiempo igual a 2 s.
Solución: alprincipio de los cSlculos (tl = O ) , la velocidaddel paracai-

dista uft,) es igual a cero. Con esta información y los valores de los pa-
rámetros del ejemplo l.l , la ecuación ( l .12) se puede usar para estimar
v (ti+1)en ti+l = 2 s.
Para el siguiente intervalo (de t = 2 a 4 S ) , se repite el cálculo con el re-

sultado,
) 1960 + 980
~ ( 4=
= 3200.5 cmis
[ - ___
68 100(1960+
l2500
significat~voasociado con los puntos de los datos.

i) Los sistemas grandes de ecuaciones. las no linealidades 51 las geometrías com-
plicadas son comunes en la práctica de la ingeniería y fáciles de resolver analí-
ticamente
j) Los modelosmatemáticos no se pueden usar nunca con propósitos de pre-
dicción.
1.2 Léanse las siguientes descripciones de problemas e identifíquese qué área de los
métodos numéricos (según lo señalado enla Fig. 1.2)se relaciona con su solución.
Una persona pertenece a una cuadrilla de reconocimiento topográfico y debe
determinar el área de un terreno limitado por dos caminos y una corriente que
serpentea
Un ingeniero es responsable de la determinación de los flujos en una gran red
de tuberías interconectadas entre sí para distribuir gas natural a una serie de
comunidades diseminadas en un área de 20 km2
Para el problema del paracaidista que cae. se debe decidir el valor del coefi-
ciente de arrastre para que un paracaidista de 90 kg de masa no exceda los
160 km/h en los primeros 10 S después de haber saltado. Deberá hacer esta
evaluación sobre la base. de la solución analítica [Ec. (1.9)].
La información se empleará para diseñar un tra~ede salto.
Un investigador efectúa experimentos para encontrar la caída de voltaje a tra-
vés de una resistencia como una función de la corriente. Hace las mediciones
de la caída de voltaje para diferentes valores de la corriente Aunque hay al-
gún error asociado con sus datos, al 91-aficar los puntos. éstos le sugieren una
relación curvilínea. Debe derwar una ecuación que caracterice esta relación.
Un ingeniero mecánico tiene que desarrollar un sistemade amortiguamiento para
un auto de carreras. Puede usar la segunda ley de Newton para tener una ecua-
ción para predecir la razón de cambio en la posición de la rueda delantera en
respuesta a fuerzas externas. Debe calcular el movimiento de la rueda. como
una función del tiempo después de golpear contra un tope de 15 cm a 240
km/h.
Un administrador tiene que calcular el ingreso anual requerido en un periodo
de 20 años para un centro de entretenimientos que se va a construir para u n
cliente. El préstamo puede hacerse a una tasa de interés del 17.6"; Aunque
para hacer este estimado. la información está contenida en tablas de econo-
mía, sólo aparecen listados los valores para tasas de interés del 15 y 20%
1.3 Proporciónese un ejemplo de un problema de ingeniería donde sea oportuno cada

uno de los siguientes tipos de métodos numéricos. En IO posible. remitasr el ejem-
plo de las experiencias del lector en cursos y en conferencias u otras experiencias
profesionales que haya acumulado hasta la fecha.
a) Raíces deecuaciones
b) Ecuaciones algebraicas lineales
c) Ajuste de curvas: regresión
d ) Ajuste de curvas: interpotación
el Integración
fi Ecuaciones diferenciales ordinaria5
CAPITULO DOS
LA PROGRAMACION
EN LAS COMPUTADORAS
PERSONALES
Los métodos numéricos combinan dos en las herramientas más impor-

tantes en el repertorio de la ingeniería: matemáticas y computadoras. Los
métodos numéricos se pueden definir (sin ser muy exacto) como las ma-
temáticas por computadora. Las buenas técnicas de programación aumen-
tan la habilidad para aplicar los conocimientos de los métodos numéricos.
En particular, las potencialidades y limitaciones de las técnicas nu-
méricas se aprecian mejor cuando se usan estos métodos para resolver
los problemas de ingeniería utilizando como herramienta una compu-
tadora.
Al usar este libro se obtiene la posiblidad de desarrollar los propios
programas. Debido a la gran disponibilidad de computadoras personales
y dispositivos de memoria magnética, los programas se pueden conser-
var y usar durante toda la carrera. Por lo tanto, uno de los principales
objetivos de este texto es que el lector obtenga programas útiles y de alta
calidad.
Este texto contiene características especiales que maximizan esta po-
sibilidad. Todas las técnicas numéricasvan acompañadas de material pa-
ra una implementación efectiva en la computadora. Además, se dispone
de programas suplementarios para seis de los métodos más elementales
discutidos en el libro. Estos programas, desarrollados para computadoras
personales (IBM-PC y Apple 11), pueden servir como base para una bi-
blioteca de programas propios.
Este capítulo presenta una información preliminar que tiene utilidad
siempre y cuando se desee usar este texto como base para el desarrollo
de programas. Está escrito bajo la suposición de que ya se ha tenido una
experiencia previa en la programación de computadoras. Debido a que
el libro no está enfocado hacia un curso de programación, se estudian
únicamente aquellos aspectos que definen el desarrollo de programas de
análisis numérico. También se propone proporcionarcriterios específicos
para la evaluación de los esfuerzos del lector.
22 METODOS NUMÉRICOS PARA INGENIEROS
2.1 ANTECEDENTES HISTóRICOS

En el sentido más amplio, una computadora se puede definir como un
dispositivo que ayuda acalcular. Con base en esta definición, una de las
computadoras más antiguas es el ábaco. Descubierto en el antiguo Egip-
to y en China, se compone de cuentas hiladas sobre alambrese n un marco
rectangular (Fig. 2. la).
Las cuentas se usan para guardar potencias 10 de (unidades, decenas,
centenas, etc.) durante un cálculo. Cuando se emplea con destreza, el
ábaco puede competir en velocidad con una calculadora de bolsillo.
Aunque los dispositivos manuales tales comoel ábaco aceleran la ve-
locidad en los cálculos, las máquinas extienden aún más las capacidades
humanas para estos cálculos. Estimulados por la revolución industrial,
los científicos del siglo XVII desarrollaron la primera de tales computadoras
mecánicas. Blas Pascal inventó, en 1642, una máquina para sumar (Fig.
2. l b ) . AI final de ese siglo, Gottfried Leibnitz desarrolló una calculadora
mecánica que podía multiplicar y dividir.
Aunque en los siglos siguientes se desarrollaron otros instrumentos
de cálculo, no fuesino hasta la década de 1940 cuando surgieron las com-
putadoras electrónicas. Se originaron, inicialmente para proyectosmilita-
res en la segunda guerra mundial, erandispositivos de investigación para
un solo propósito. Estas máquinas, con nombres comoENIAC Y EDSAC,
usaron tubos al vacío como componentes electrónicos básicos. Aunque
eran caras, lentas y a menudo desconfiables, estas computadoras de la
primera generación auguraban un procesamiento de datos agran escala.
Aunque algunas máquinas de la primera generación, en especial la
UNIVAC,se vendieron a nivel comercial, no fue sino hasta la década de
1960 que las computadoras estuvieron disponibles para una gran canti-
dad de científicos e ingenieros. Esto se debió al desarrollo de los transis-
tores y de algunos dispositivos electrónicos de estadosólido que suplieron
a los tubos al vacío creando computadoras que, entre otras cosas, eran
más confiables. Aunque el uso de estas computadoras se extendió, su
acceso era algunas veces limitado ya que las máquinas seguían siendo
muy caras para quela mayoría de los profesionistas las obtuvieran indivi-
dualmente. Por lo tanto, los ingenieros debían asociarse con grandes
organizaciones tales como universidades, oficinas gubernamentales, cor-
poraciones o firmas consultoras para tener acceso a las computadoras.
Sin embargo, a la mitad de la década de 1960 y principios de la dé-
cada de 1970 un adelanto en la técnica alteró dramáticamente esta situa-
ción. En particular, el reemplazo de los transistores por circuitos integrados
ha producido un gran poder computacional en el medio profesional de
los ingenieros. Un circuito integrado, o CI, consiste en una pastilla delga-
da de silicón donde se han colocado miles de transistores. El resultado
práctico de esta innovación ha sido en dos aspectos. Primero, en el nú-
cleo de la máquina o la parte central de las computadoras, las velocida-
LA PROGRAMAC16NEN LAS COMPUTADORASPERSONALES 23
FIGURA 2.1 Evolución de los dispositivos de cálculo: a) ábuco; b) calculadora de Pas-

cal; c) supercomputadora y d) microcomputadora o computadora per-
sonal (los incisos b y c con permiso de IBM; el inciso d con permiso de
Apple Computer, Inc.).
des y la capacidaddememoriason muy grandes. Segundo, y más

importante en el contextoactual, las computadoras personales que soncon-
venientes, pequeñas, rápidas y confiables se están produciendo en masa
y a precios razonables.Como se expresóen un artículo de la revistaScien-
tific American: “Las microcornputadoras de hoy día a un costo tal vez de
$300 dólares, tienen más capacidad de cómputo que las primeras com-
putadoras electrónicas gigantescas ENIAC. Son 20 veces más rápidas,
CUADRO 2.1 Comparación de sistemas comunes de cómputo*

Longitud
de Cifras
almacena-
cálculo,de Costo
palabra
significa-
Sistema (dólares) bits
tivas ciclosls miento (K)
Calculadora O
1-2 25-350
prograrnable
Microcomputadora 7-1 O 7-1 6 100-5000 106-1 o7 16-256
Minicornputadora 7-1 O 16-32 15,000-1 20,000 106-1 o7 128-51 2
Cornputadoras 7-1 4 32 100,000-1 o,ooo,ooo+ 106-1 o* 8000-32,000
grandes
* Condensodo de Auerboch Computer Technology Reports, Agosto 1983.
tienenunamemoriamayor,sonmilesdevecesmás confiables, consu-

menla energíade un bulboenvezdeladeuna locomotora,ocupan
1/30 O00 de volumen y cuestan 1/10 O00 parte. Se pueden obtener por
unaordenpostal o encualquiertiendaespecializada” (Noyce, 1977).
Las computadoras personales se agrupan, por lo general en una de
dos categorías que a veces no están bien delimitadas: micro y minicom-
putadoras. Las rnicrocornputadoras son aquellas cuya función principal
está contenida en una sola pastilla de circuito integrado. Comúnmente
cuestan unos miles de dólares.Las minicomputadoras son un término más
imprecisoque se refiere a computadorasquesonmáspotentesque
las micros pero caen aún dentro de las posibilidades de compra de algunas
personas y pequeñas compañías. Ambos tipos de computadoras están
en contraste con computadoras grandes, o supercornputadoras, que se
manejan en intervalos de millones de dólares y sus propietarios son, por
lo general, organizaciones o compañías muy grandes. El cuadro 2 . 1 re-
sume lainformacióngeneralsobrevariostiposdecomputadoras.
Larevoluciónenelcampodelestadosólidohaabiertolaspuertas
en el área computacional a cada ingeniero. Sin ernhnrgo, no importa qué
tipo de computadora se use, ésta sólo tiene utilidad si se le proporcionan
instrucciones precisas. A estas instrucciones se les conoce como progra-
mas.Lassiguientesseccionescontieneninformaciónqueserá útil para
el desarrollo de programas de alta calidad para utilizar los métodos nu-
méricos.
2.2 DESARROLLODE PROGRAMAS

El material de este capítulo está organizado alrededor de cinco temas, es-
quematizados en la figura 2 . 2 , requeridos para la elaboración y cuidado
de programas de alta calidad. Este caljitulo contiene secciones que cu-
bren cada uno de estos pasos. Este material incluye un caso de estudio
donde cada uno de los pasos se aplica para desarrollar un programa y
resolver el problema del paracaidista. Después de asimilar este material,
EN
LA PROGRAMACldN PERSONALES
LAS COMPUTADORAS 25
el estudiante debe estar mejor preparado para desarrollar programas de

alta calidad para los métodos del resto del libro.
2.2.1 Diseño de algoritmos
Se puede ahora empezar con el proceso de desarrollar programas para

una computadora. U n programa es simplemente un conjunto de instruc-
ciones para la computadora. Todos los programas que se necesitan co-
rrerenuna computadora particular, en conjunto se les llama software.
FIGURA 2.2 Cinco pasos necesarios para producir y dar soporte a programas de al-
ta calidad . Las flechas hacia atrás indican que los primeros cuatro pasos
se pueden ir meiorando conforme se gane experiencia.
26 INGENIEROS PARA MÉTODOS NUMERICOS
Un algoritmo es una secuencia l6gica de pasos necesarios paraejecu-

tar una tarea específica tal como la solución de un problema. Los buenos
algoritmos tienen ciertas características. Siempre deben terminardespuk
de una cantidad finita de pasos y deben ser lo más general posible para
tratar cualquier caso particular. Los buenos algoritmos deben ser deter-
minísticos; esto es, no debendejarnada al azar. Los resultadosfinales
no pueden ser dependientes de quién esté usando el algoritmo. En este
sentido, un algoritmo es análogo a una receta. Dos cocineros que prepa-
ran independientemente unabuenarecetadeben obtener dos platillos
idénticos.
La figura 2 . 3 muestra
~ un algoritmo para la solución de un problema
simple que suma dos números. Dos programadores que partan de este
algoritmopuedendesarrollardosprogramasconestilos diferentes. Sin
FIGURA 2.3 a) Algoritmo y b) diagrama de fluio para la solucióndel problema de

una sumasimple.
EN
LAS COMPUTADORAS 27
embargo, dados los mismos datos, los programas deben arrojar los mis-
mos resultados.
Una forma alternativade representar un algoritmo es medianteun dia-
grama de flujo. Esta es una representación visual o gráfica del algoritmo
que emplea una serie de bloques y flechas. Cada bloque en el diagrama
representa una operación particular o un paso en el algoritmo. Las fle-
chas indican la secuencia en que se implementan las operaciones. La fi-
gura 2.4 ilustra ocho tipos de bloques y flechas que conforman la mayor
parte de las operaciones que se requieren en laprogramacióndeuna
computadora personal. Lafigura 2.3b muestra un diagrama de flujo para el
problema simple de sumar dos números. Los diagramas de flujo tienen
una utilidad particular para bosquejar algoritmos complicados. En estos
casos, un bosquejo gráfico puede ser útil para visualizar el flujo lógico del
algoritmo. En este texto, se han incluido diagramas de flujo para la ma-
yor parte de los métodos importantes. Se pueden usar estos diagramas
como base para el desarrollo de sus propios programas.
2.2.2 Composición de un programa
Después de confeccionarun algoritmo, el paso siguiente es expresarlocomo

una secuencia de declaraciones de programación llamado código. Es im-
portante resistir la tentación de escribir el código antes de que el proble-
ma en su totalidad esté claramente definido y la técnica de solución y el
algoritmo hayan sido cuidadosamente diseñados. Lasdificultades que más
comúnmente encuentran los programadores sin experiencia se deben por
lo general a la preparación prematura de un código que no abarque un
plan o unaestrategia total, para la solucióndelproblema.
Después que se ha diseñado un buen algoritmo, el código se escribe
en un lenguaje de alto nivel para una computadora. Se han desarrollado
cientos de lenguajes de programación de alto nivel desde que la era de
las computadoras empezó. Entre ellos, hay tres que tienen importancia
paracomputadoras personales: BASIC, FORTRAN y PASCAL.
FORTRAN, es la construcción de fórmula translation (traducción de
fórmulas), y se desarrolló en la década de 1950. Debido a que fue expre-
samente diseñado para cálculos, ha sido el lenguaje más usado en la in-
geniería y la ciencia.
BASIC, es la contracción de beginner’s all-purpose symbolic instruc-
tion code (clave de instrucciones simbólicas de propósito general para prin-
cipiantes), fue desarrollado en la década de 1960. Requiere una cantidad
pequeña de memoria y es relativamente simple de implementar.En con-
secuencia es uno de los lenguajes más usados en las computadoras per-
sonales; sin embargo, el BASIC no es tanflexible como el FORTRAN
y a veces no es conveniente para programas grandes o complejos.
El PASCAL, que debe su nombre al científico francés BlasPascal, es un
lenguaje estructurado que se desarrolló enla década de 1970. Los pro-
gramas escritos en Pascal para una computadora determinada pueden
28 METODOS NUMERICOS PARA INGENIEROS
FIGURA 2.4 Símbolos utilizados en diagramas de fluio.

LAPERSONALES
PROGRAMACldN EN LAS
COMPUTADORAS 29
ser corridos fácilmente en otra. Aunque el Pascal es más difícil de apren-

der que el BASIC y el FORTRAN, su fuerza sugiere que su importancia
crecerá en el futuro. Esto es verdad para la programación avanzada a gran
escala.
BASIC y FORTRAN son convenientes para programas simples y cortos
que son suficientes parala implementación de los métodos numéricosde
este libro. Por lo tanto, se ha optado por limitar las presentaciones del
texto, a programas en estos lenguajes. BASIC es unaalternativaobvia
por su amplia disponibilidad. Se ha incluido el FORTRAN por su signifi-
cado continuo en el trabajo de ingeniería. Aunque este libro hace énfasis
enlas computadoras personales, puede usarse por aquéllos que tienen
acceso a máquinas más grandes y en conjunción con cualquier lenguaje
de alto nivel. Con este espíritu, los programas y diagramas de flujo son
lo suficientemente simples como para que puedan servir de base en el
desarrollo de programas para aquéllos que son expertos en Pascal.
Una descripción completa delBASIC y el FORTRAN, obviamente va
más allá del alcance de este libro. Además, el número de dialectos dispo-
nibles en cada lenguaje complica aún más su descripción. Por ejemplo,
existen más de 10 dialectos derivados del BASIC. Sin embargo, limitan-
do la discusión a lo fundamental, se puede cubrir información suficiente
de forma tal que se pueda entender e implementar efectivamenteel ma-
terial relacionado con la computadora enel resto dellibro.
En la figura 2.5 SF! presentan los códigos en FORTRAN y BASIC pa-
ra sumar dos números, mostrando las diferencias estructurales principales
entre los dos lenguajes, el etiquetado y el espaciamiento de código. En
BASIC, cada instrucción se escribe con un número. En contraste, en FOR-
TRAN se etiquetan con un número sólo aquéllas instrucciones que re-
quieren identificación. Por ejemplo, lainstrucciónque tiene la etiqueta
número 1 en la versión FORTRAN de la figura 2.5 se llama una declara-
SIC
c
I
FIGURA 2.5 Programa de computadora en FORTRAN y BASIC para el problema de
la suma simple.
30 INGENIEROS PARA METODOS NUMERICOS
ción FORMAT. Especifica la forma en que seva a introducir o a imprimir

una línea particular. Por lo tanto, se debe etiquetar con un número para
que la computadora pueda distinguirla de otras declaraciones FORMAT.
Las declaraciones FORTRAN se deben numerar para otros casos pero
la mayor parte, por lo general van sin numerar.
Otra diferencia entre los dos lenguajes es el espaciamiento de cada
línea; en BASIC, por lo general el espaciamiento no tiene importancia.
Por ejemplo, la línea 10 se pudo haber escrito de las siguientes formas
10 A = 25
1OA=25
10 A = 25
y la computadora debe interpretar todas las formas como equivalentes.

En contraste, los términos en FORTRAN se deben alinear en columnas
específicas. Las reglas sobre la alineación provienen del hecho de que el
FORTRAN se introducía originalmente en una computadora usandolec-
tora de tarjetas. Aunque las tarjetas se emplean menos frecuentemente
hoy en día, las reglas de espaciamiento por lo general se han conservado.
A las 80 columnas de la tarjeta perforada se les llama campos de la
tarjeta. Los campos de la tarjeta se agrupan por partes para diferentes
propósitos. Estos se ilustran en la forma de codificación de la figura 2.6.
Una forma de codificación es un pedazo de papel donde se puedeescri-
bir y verificar un programa para revisarlo de errores antes de introducirlo
a la computadora. Nótese que también contiene80 columnas al igual que
una tarjeta perforada. También obsérvese que cada una de las partes de
los campos se usa para propósitos particulares.
Aparte de la estructura, los dos lenguajes tienen otras diferencias así
como fuertessimilitudes. En el cuadro 2.2 se delinean éstas. Este cuadro
muestra comparaciones en paralelo deseis elementos principales de pro-
gramacióc que tienen importancia directa en el uso de los métodos nu-
méricos. Estos son:
1. Constantes y variables. Se deben seguir ciertas reglas para expresar

números y nombres simbólicos en los dos lenguajes. Como se puede
ver en el cuadro 2.2 ésta es un área en donde el BASIC y el FOR-
TRAN son muy diferentes.
2. Entrada-salida. Éstas son instrucciones mediante las cuales se trans-

mite información de y hacia la computadora. He aquíotra área donde
los lenguajes muestran diferencias considerables. Aunque la mayor parte
de los lenguajes modernos mejoran esta situación, históricamente las
capacidades de entrada-salidadel BASIC, han sido muy limitadas. En
constraste, las declaraciones FORMAT del FORTRAN son herramientas
muy potentes para etiquetar y espaciar la salida. Sin embargo, son de
las declaraciones de programación más difíciles para un novato y aun
para u n experto.
CUADRO 2.2 Referencia rápida: comparación de FORTRAN y BASIC. FORTRAN

y BASIC son lenguajes de computadora fáciles de aprender y de
practicar, en general son los primeros lenguajes de
programación que se les enseña a los estudiantes de ingeniería.
Como sucede con muchos lenguajes de programación, existen
varios aspectos que hacen dificil entender su uso. La siguiente
comparación resulta del intento de bosquejar las diferencias
generales y las similitudes entre FORTRAN y BASIC y a la vez
servir de referencia rápida y como recordatorio. Se pueden
consultar otras fuentes para los detalles referentes Q cada uno
de los lenguajes. Este resumen se limita y se enfoca a la vez al
material que tiene importancia directa con los metodos
numéricos y con los programas descritos en el texto.
FORTRAN BASIC
CONSTANTES Y VARIABLES
(Representan los números y caracteres
usados a lo largo del programa)
Constantes
Son valores positivos o negativos, (excluyendo las comas o los símbolos
especiales) que se mantienen inalterados a lo largo del programa.
numéricas
Constantes
Enteros
sonconstantes que no contienenpuntosonnúmerosenteros o reales con punto
decimal: decimal:
1, -2, 100 1, -2.0, 0.001,100
Constantes reales:
contienen punto decimal:
1.o, -2., 0.001
Exponenciales
sonconstantesescritasen notación científica. Por ejemplo, los números:
-12 000, 0.000 006 8, 386 O00 O00
se expresan en notación científica como:
-12 x lo3, 6.8 x 3.86 x 10’
y se pueden escribiren FORTRAN y BASIC como:
- 12E3, 6.8E-6, 3.86E8
Constantes alfanuméricas y cadenas de caracteres
representan letras, números y símbolos que se usanenestetexto para etiquetar.
Las cadenas de caracteres tienenotras aplicaciones, incluyendo el U S O de
expresiones de relación.
En FORTRAN se encierran como: En BASIC se encierran como:

‘JOHN DOE’, ’INTRODUCE B’ “VALOR DE A =”, “8/5/48”
EN
LAS COMPUTADORAS 33
CUADRO 2.2 Referencia rápida: comparación de FORTRAN y BASIC. (cont.)
FORTRAN
Variables numéricas
representan cantidades que pueden cambiar de valor. Se usan para estas
variables los nombres simbólicos, que deben empezar con una letra y no
pueden contener símbolos especiales.
Nombres de variables Nombres de variables

consisten de uno a seis caracteres, desde constan de dos caracteres (mós en algu-
la A a la Z y del O a 9: nos dialectos) de la A a la Z y del O al 9:
Variables enteras
AA, X, N1
representan valores enteros y empiezan representan valores reales o enteros.
con las letras I a la N:
N,KOUNT, lNDl
Variables reales
representan valores reales y empiezan
con las letras A a la H y O a la Z:
X, COUNT, VEL1
Variables de caracteres o cadenas

representan cadenas alfanuméricas y de caracteres. Se usan nombres simbólicos.
. El tratamiento de las cadenas de caracteres varía considerablemente entre
diferentes versiones
Declaración CHARACTER Cadenas variables

son de la forma:
terminan
con $. La longitud de la varia-
ble es limitada.
CHARACTER * n vorl,vor2
A$, N1$
donde n es la longitud específica de la
cadena de caracteres seguida por una
lista de variables. Por ejemplo,
CHARACTER * 4 NOMBRE1, NOMBRE2
~~
Arreglos
son variables con subíndice que almacenan un conjunto de valores en vectores
de una dimensión y en matrices multidimensionales. El espacio de
almacenamiento suficiente para un número dado de elementos se especifica
mediante
Declaración DlMENSldN Declaración DIM

DIMENSION A(n),
ISUM(n,,n2) DIM A(n), IS(nl,n2)
Se permiten hastasietesubindices que La declaración DIM, en general se limita a
deben ser enteros positivos. arreglos bidimensionales; las n pueden
Los arreglos no dimensionados generan ser variables.
un error. Los
dimensionados
noarreglos suponen
un valor de n = 10.
34 M ~ T O D ONUMÉRICOS
S PARA INGENIEROS
CUADRO 2.2. Referenciarápida:comparacióndeFORTRAN y BASIC. (cant.)
FORTRAN BAS IC
La declaración DIG-ENSION se debe co- La declaración DIM se debe colocar antes

locar antes de cualquier declaración de la primera línea donde la variable
ejecutable. dimensionada se va a usar. En caso de
no ir, supone el valor n = 10. El redi-
mensionamiento genera a unmensaje
de error.
Las variables definidas en la declaración

DIMENSION (esto es, A o ISUM)tienen
la misma regla de las variables numéri-
cas "esto es, el arreglo A debe conte-
ner valores reales, mientras que el
arreglo ISUM debe contener valores
enteros.
ENTRADAlSALlDA
qué medios se transmite información a y desde un programa),
Declaraciones de formato
especifican la longitud y la posición de cada uno de los datos, que se van a leer
o a imprimir.
Aunque en laentraday salida de da- Aunque existe Io declaración de formato

tos existe formato libre, el FORTRAN para lectura o impresión de datos, las
estándar, en general impone un for- versiones recientes de BASIC no lo em-
mato de lectura o impresión. pleon.
Entrada
especifica los medios por los cuales se transmitendatos al programa
Declaración READ Declaración INPUT

permitenintroducirdatos alprograma Permitenintroducir datos at programa
durante su ejecución: durante su ejecución:
READ f varl,vur2,. . . , vur, In INPUT varl,vur2,. . . , var,
donde f esun código de formato que donde Ines el número de líneas donde
especifica el tipo, disposición y, en algu- está la declaración INPUT y var,, var2,
nos casos, el dispositivo usado para leer . . ., var, son los nombres de las varia-
los valores de var], var2, . . ., varn. Por blescuyosvalores se vanaleer. Por
ejemplo: ejemplo:
A,B
READ (5,2) 10 INPUT A,B
donde el 2 es la etiqueta donde está la Cuando se ejecutaestainstrucciónse
declaración FORMAT correspondiente deben introducir los valores de A y B en
y el 5 especifica que los datos se obten- undispositivo,tal como el teclado.
drán de una lectora de tarjetas.
Declaración DATA DeclaracionesREDlDATA
son declaraciones no ejecutables que defi- consiste de una declaración READ asocia-
nen el valor inicial de una variable. da a una declaración DATA que contie-
Tienen la forma general. ne los valores que se van a leer, como:
LAPERSONALES
PROGRAMACldN
COMPUTADORAS
EN LAS 35
CUADRQ 2.2 Referencia rápida: comparación de FORTRAN y BASIC. (cont.).

FORTRAN BASIC
DATA var,, , . .,var,,lvalor,, 10 READ
A,B,C,Z
. . .,valor,,/
donde var es el nombre de la variable
y valor es una constante. Por ejemplo: 90 DATA5,0.001,88,1 E-6
DATA A,B,C,Z/5.,0.001,88.,1.E-6/
Salida
esel medio por el cual se transmiten datos del programa.
Declaración WRITE Declaración PRINT
se usa comúnmente para imprimir datos. se usa comúnmente para imprimir datos.
Su forma general es: Su forma general es:
WRITE fvarl, . . . , vur, In PRINT varl, . . . , var,

Por ejemplo: Por ejemplo:
WRITE (6,2)A,B 10 PRINT A,B
donde (6,2) es el código de formato, el Enel momento que esta declaración
2 es la etiqueta de la declaración FORMAT se ejecuta, los valores de A y B se impri-
correspondiente y el 6 especifica que los men en un dispositivo tal como la panta-
datos se imprimirán en una impresora. lla o una impresora.
I1 cA1cu10s
(Operaciones que usan expresiones matemáticas)
Declaraciones de asignación
se usan para asignar un valor a una variable:
XM=3.281
indica a la computrdora que asigne el valor 3.281 a la variable XM;
A=XM+5
indica a la computadora que sume 5 a XM y le asigne el resultado (en este caso,
8.281) a la variable A;
A=A+40
indica a la computadora que sume 40 a A y le asigne el resultado (en este caso,
48.281) a la variable A . El valor anterior de A se destruye enel proceso.
Nótese que, aunque A = A +40 no es una expresión matemática válida, tiene
un significado especial dentro de la computadora. AI signo de igual en la
declaración de asignación se le puede dar un significado de "se reemplaza
por", como en:
A se remplaza por A+40
Operadores aritméticos
sonsímbolos usados para representar operaciones matemáticas:
+ Suma +
- Resta -
..
CUADRO 2.2 Referencia rápida: comparación de FORTRAN y BASIC. (cont.).

FORTRAN BASIC
* Multiplicación *
i División i
** Exponenciación **, ? , A
(El signode exponenciación
depende del tipo de BASIC)
Si una expresiónaritméticatuvieratodos los operadores, el orden en que se

efectuaríansería: primero, todas las exponenciaciones de izquierda a derecha
en BASIC, Applesoft y Microsoft, y de derecha a izquierda en FORTRAN; a
continuacidn todas las multiplicaciones y divisiones de izquierda a derecha, y
finalmentetodaslassumasyrestas de izquierda a derecha. Cuando una
expresión presenta paréntesis, la forma de efectuarlos es del másinterno al más
externo.
x= $0 + 3": - " y4
45
X=(((A+B)-R**3)/33-Y**4/45)**.5 X=(((A+B)-RA3)/33-YA4/45)A.5
CONTROL
(Dirigen el flujo del programa mediante saltos,
transferencias y reasignacianes)
Dedaración GO TO
especificaunsalto incondicional aun número de líneaespecífico:
GO TO 200
Operadores lógicos
se usan para comparar los valores de dos expresiones:
.
, Igual -
-
.EQ. a
.NE. diferente de <>
.IT. menor que <
.LE. menor o igual que <=
.GT. mayor que >
.GE. mayor o igual que >=
.AND. AND
.OR. lógica OR
Declaración lógica If
se utilizan para la toma de decisiones, de acuerdo al valor verdadero a falso
que tenga una expresión lógica
IF(N.GT.l .OR.N.LT.3)N=2 IF(N>l)OR(N<3)THEN N=2

IF(N.GE.l) GOTO 10 IF N>=l THEN 10
En los ejemplos anteriores, si la expresión lógica se cumple, seejecuta la

transferencia o la asignación. En el primer ejemplo, si N es mayor que 1 a
EN
LAS COMPUTADORAS 37

FORTRAN BASIC
menor que 3, entonces N se iguala a 2 y el control pasa a la siguiente línea. En
el segundo, si N es mayor o igual a 1, el programo se transfiere a la línea 1 O.
En cualquier caso, si la expresión es falsa, no se ejecuto la transferencia o
reasignación y el control se pasa a la siguiente línea.
Ciclos
permiten repetir cálculos con una cantidad mínima de declaraciones
Ciclos con IF lógico

repiten calculos que se controlan con base en la declaración IF:
1 0 X=Y(I)*Z(I-1) 10 X=Y(I)*Z(I-1)
IF(X.LT.O)GO T O 50 20 IF X<O T H E N 50
1=1+1 30 I=!+l
GO TO 1 0 40 GO T O 10
50 X=-X 50 X=-X
Ciclos controlados por un indice
Ciclos D O FORlNEXT
Ciclos
DO In I=j,n,k FOR I = i T O n STEP k
In CONTINUE In NEXT I
donde In es el número de línea de la ú h a declaración del ciclo, i es el valor
inicial del contador, n es el valor final o terminal y k es el incremento dado a la
variable I para que.varíe desde j hasta n. Después de terminar el ciclo,, I tiene el
valor de n + k siempre y cuando I sea múltiplo de n.
SUBPROGRAMAS: FUNCIONES Y SUBRUTINAS

(ejecutan una proposición o un conjunto de proposiciones
que se repiten varias veces a lo largo de un programa)
~~ ~
Funciones intrínsecas
son funciones construidas internamente o funciones de biblioteca que realizan
operaciones matemáticas o trigonométricas que se emplean comúnmente.
SIN Seno SIN
cos Coseno cos
TAN Tangente TAN
ALOG o LOG Logaritmo natural o de base e LOG
ALOG o LOGIO Logoritmo común o de base 10
EXP Exponencial EXP
SQRT Raíz cuadrada SQR
ABS absoluto Valor ABS
IN T El entero más grande
que INT
Es menor o igu:?! a x
38 INGENIEROSMETODOS NUMÉRICOS PARA
CUADRO 2.2 Referencia rápida: comparación de FORTRAN y BASIC.(cont.).

FORTRAN
donde x es el argumento de la función. Nótese que la lista anterior no está
completa. Dependiendo de la versión del compilador pueden existirmás funcio-
nes intrínsecas.
Funciones definidas por el usuario

SOL. son funciones definidas por el programador.
Declaración de funciones Declaración DEF

son de la forma: son de la forma general:
narnbre(xl, . . . ,xn) = f in DEF FNa(x) = f
donde nombre es el nombre de la fun- donde In es el número de línea, a es
ción (se puede dar cualquier nombre); cualquier letra del alfabeto, x es una
x , , . . .,x,,son variables numéricas que variable numérica (sin subíndice) y f es
no tienensubíndice y f es una expre- una expresión aritmética que es función
siónaritmética que
depende
de de x .
x , , . . .,x,,.
Las declaraciones de funciones van antes La declaración DEF va antes de ejecutar
de laprimera proposición de ejecutable. dicha función.
Se pueden pasar varios argumentos en Se puede pasar sólo argumentos en una

unadeclaración de unafunción. Las declaración DEF. Lasotras variables
otras variables dentro de lafunción tie- dentro de la función tienen el mismo va-
nen el mismo valor que en el programa lor que en el programa principal en el
principal en el punto donde se llama la punto donde se llama a la función.
función.
TRIG(X,Y)=SIN(X)-LOG(Y) 10 DEF FNT(X)=SIN(X)-LOG(B)

r
A=5
B=10
&
)'&
S=TRIG(A,B)
80 E= 10
70A=5
90 S=FNT(AJ
9
Subprogramas Function
se parecen a las declaraciones de funcio-
nes en la ejecución pero, como su nom-
bre lo indica, son programas, esto es,
consisten de varias líneas. Los subpro-
gramas tipofunctionson de lo forma
general:
FUNCTION name(xl,. . . x2j
nombre = f
RETURN
donde todos los valores que toma la
función son aquellos que se definen a1
llamar a dicha Función.
LAS COMPUTADORAS
LA PROGRAMACldN EN PERSONALES 39

FORTRAN BASIC
A= 5
B=10
S=TRIG (A.B)
FUNCTION TRIG(X,Y)
TRIG=SIN(X)-LOG(Y)
RETURN
Nótese quelas constantes y las variables

que no se pasan como argumentosde-
la función o pa-
ben definirse dentro de
sarse por una declaración COMMON.
Subrutinas
son subprogramas que consisten de un conjunto de proposiciones que realizan
una tarea en particular. Contienen una declaración RETURN que regresa al
punto donde se llamó a la subrutina.
Las subrutinas se llaman con una decla- Las subrutinas se llaman con una decla-
ración CALL de la forma: ración GOSUB de la forma:
Call nombre (arg,,org,,. . .,arg,) In, GOSUB Inn
donde In, es el número de línea de la

donde nombre es el nombre de la subru- declaración GOSUB y In2 es el número
tina y org,,. . ., org, son los n argu- de línea donde empieza la subrutina.
mentos (variables o constantes) que se
pasan a la subrutina. La primera línea de la subrutina puedeir
La subrutina va después del programa en cualquier lugar dentro del programa.
principal y empieza conuna declaración
SUBROUTINE, de la forma:
donde nombre debe ser el mismo al Ila-

mar dicha subrutina conla proposición
CALL.
Una vez dentro de la subrutina, las proposiciones se ejecutan en secuencia hasta

que se encuentra una declaración RETURN, después de lo cual regresa a la si-
guiente línea de donde está la subrutina.
Se pasan a y desde la subrutino única- Todos los valores se pasan a y desde la

mentelos valoresqueaparecencomosubrutina.
argumentos de la misma:
CUADRO 2.2. Referencia rápida: comparación de FORTRAN y BASIC. (cont.)
BAS FORTRAN IC
-
CALL SUM (X.Y,Z) 200 GOSUB 800
END 500 END

SUBROUTINE SUM (A,B,C) 800 Z=X+Y
C=A+B 850 RETURN
RETURN
Nóteseque lasconstantes y las varia-

bles que no se pasan como argumentos
se deben definir dentro dela subru-
tina o pasarseconunadeclaración
COMMON.
DOCUMENTACI~N
(le permite incluir información para el usuario de los programas)
las declaraciones de documentación son instrucciones no ejecutables.
Declaración
comentario
de Declaración REM
Consiste del carácter C o del símbolo * en Consiste de la declaración REM seguida
la columna 1 seguido por unmensaje: por unmensaje:
C aquí se puede teclear cualquier 1 O REM aquí se puede teclearcualquier
mensaje. mensaje.
3. Cálculos. Las operaciones matemáticas son muy similares en ambos

lenguajes. Aunquela nomenclatura es un poco diferente,las ecuacio-
nes escritas en los dos lenguajes casi son idénticas.
4. Control. Estas declaraciones se usan para dirigirla secuencia lógica

de las instrucciones en el programa. Para los m6todos numéricos, es
suficiente con tres tipos: la declaración GO TO, el IF lógico y los ci-
clos. Aunque hay pequeñas diferencias en la nomenclatura de ambos
lenguajes, las declaraciones son muy similares en operación.
5. Subprogramas. Como lo indica el nombre, son miniprogramas dentro

del programa principal. Se diseñan para ejecutar declaraciones que
se repiten muchas veces a lo largo del programa. En vez de reescribir
los miniprogramas muchas veces dentro del programa, se pueden es-
cribir sólo una vez e invocarse con una declaración simple cuando sea
necesario. Estos .subprogramas, que incluyen las subrutinas, funcio-
nes definidas por el usuario y funciones predefinidas, son otro caso
078fq
LA PROGRAMACIóN EN LASCOMPUTADORASPERSONALES
donde FORTRAN y BASIC difieren significativamente. Las diferen-

cias estriban en la manera en que se pasainformación entre el cuerpo
principal del programa y los subprogramas. Como se muestra en el
cuadro 2.2. los argumentos de los subprogramas FORTRAN actúan
como ventanaspara controlar el paso de informacih. Este es un ejem-
plo que muestra al FORTRAN como un lenguaje más complicado y .
en consecuencia. más potente que el BASIC.
6. Documentación. Estas declaraciones permiten incluir información en-

focada al usuario dentro del programa.
En resumen, el FORTRAN es un poco más flexible y más poderoso

aunque también es más difícil de aprender que el BASIC. Sin embargo.
ya que éste sedesarrolló originalmente como una versión simplificada del
FORTRAN. los dos lenguajes muestran varias similitudes. Aunque cada
uno de ellos tiene sus reglas que deben respetarse e n cuanto a estilo. su
vocabulario y gramática son lo suficientemente similares como para per-
mitir una traducción fácil de la mayor parte de los programas de un len-
guaje a otro. Por 10 tanto, en este libro todo el código para computadora
se presenta en formato doble como el de la figura 2.5. Aunque algunas
veces signifique que se olvidarán características peculiares de uno u otro
lenguaje, esto permitirá alcanzar un conocimiento de los dos lenguajes
FORTRAN y BASIC.
2 . 2 . 3 Rastreo y prueba
Después de escribir el código del programa. se debe probar para buscar

los errores, a los que se les llama bugs. AI proceso de localizar y corregir los
errores se les conoce como rastreo. Pueden ocurrir varios tipos de erro-
res cuando se programa encualquier lenguaje. Los errores de sin taxis violan
las reglas del lenguaje como la ortografía. la formación de los números.
los números delínea y otras reglas específicasa cada lenguaje. Estos errores
a menudo resultan al teclear cosas raras. Por ejemplo. la declaración en
BASIC
30 A = 5/(0.2+ 4 * SIN (2* Y1
generaría un error de sintaxis inmediato porque los paréntesis no se en-

cuentran por parejas.
Los errores más difíciles de detectar están asociados con la lógica y
con la construcción de los programas y pueden ocurrir sin interrupciones
de sintaxis. Por lo tanto, se debe tener especial cuidado y asegurarse de
que el programa hace lo que se le pide. Por ejemplo. supóngase que.
se deseansumar los enterosentre 1 y 10 y luego dividirlos entre 10
(es decir. calcular su promedio). Los códigos en FORTRAN y BASIC de-
ben ser
FORTRAN BASIC
s=o 1os=o
DO40 I = 1 , 10 20 FOR I = 1 TO 10
S=S+I 3OS=S+I
40 CONTINUE 40 NEXT I
A = S/I 5C A = S/l
WRITE (6, 1 )A 60 PRINT A
obteniendo como resultado A = 5.mientras que el resultado esperado
era A = 5.5. La sintaxis está perfecta. pero hay un error de lógica que
la computadora jamás podrá detectar porque no hay forma de observar-
lo. Una manera de eliminar este tipo de error es la de imprimir durante
el programa los valores de las variables que no se requieran en la forma
final del programa. Por ejemplo. si se ha escrito
WRITE f V O ~ I. , . . , vorn in PRINT vorl, . . . , V O ~ ,
con los resultados A = 5 e I = 11, probablemente se notará que el error

estriba en que el valor de I se incrementa al salir del ciclo.
Los erroresdeeste tipo a menudoson muy dificiles de detectar
en programas muy grandeso muy complejos. Porlo tanto, es una buena
práctica verificar manualmente si es posible, los resultados dados por
' el programa y probarlos en casos especiales. Esto puede hacerse con lápiz,
papel y una calculadora. Los errores asociados con la lógica o con la fi-
nalidad de un programa. no con la gramática, se les conoce como erro-
res de semántica. Estos ocurren. por lo general durante la ejecución del
programa y se les conoce también como errorese n el momento de /aco-
rrida (run time errors). Es absolutamente necesaria la técnica de impri-
mir los valores de las variables intermedias para verificar la lógica de un
programa y evitar errores de semántica en programas muy grandes.
El rastreo y la prueba de los programas se facilita empleando u n buen
estilo de codificación, Esto puede implicar que el disefio de los programas
consista de varias partes pequeñas. A este tipo de estilo de programa-
ción se le conoce como programación modular. Cada parte esespecifica
e identifica fácilmente las tareas a ejecutar. Las subrutinas son medios apro-
piados para tal modularización. El programa principal (o el programa que
las llama) puede, entonces ser simplemente un director que guía cada una
de las partes en un esquema lógico. De esta manera. si los programas
no funcionan perfectamente, se puede aislar y localizar el problema más
rápidamente. Por ejemplo. se pueden escribir subrutinas para c,ada una
de las siguientes tareas:
1. datos.
Leer 4. Ejecutar algoritmos numéricos.
2. Mostrar datos. 5. Mostrar los resultados en

una tabla.
3. Mostrarun carácter para 6. Mostrar los resultados enuna gráfica.

información.
LA PROGRAMACIóN ENPERSONALES
- LAS COMPUTADORAS 43
Cada una de estas subrutinas realiza una tarea limitada y aislada que se
puede programar y rastrear separadamente. Esto simplifica mucho eltra-
bajo total. comparado con el rastreo de todo el programa simultáneamente.
Después de probar los módulos, todo el programa se debe sujetar a
una prueba total del sistema. Para un programa de métodos numéricos,
se debe realizar una serie de cálculos y debe compararse con casos donde se
conozcapreviamente lasolución exacta. Algunas veces sedispone de
la soluciónanalítica lacual es aceptable para estos propósitos. Tal fue
el caso delparacaidista (recuérdense los ejemplos 1.1. y 1.2). En otros
casos, el programador debe realizar cálculos manuales con una calcula-
dora de bolsillo para comprobar que el programa lleva a resultados con-
fiables. En cualquier caso, el programa se sujetará a una gran variedad
de pruebas para asegurarse de que funcionará confiablemente bajo todas
las condiciones de operación posibles. Unicamente hasta entonces el pro-
grama estará listo para ser usado en la solución de problemas de ingeniería.
2.2.4 Documentación
Después de que el programa ha sido rastreado y probado, se debe docu-

mentar. La documentación es la inclusión de comentarios que le permi-
ten al usuario implementar el programa más fácilmente. Recuérdese que
junto con otras personas que pueden usar sus programas, el programa-
dor mismo es un “usuario”. Aunque un programa parezca simpley claro
cuando está reciénhecho y se guarda en la mente, después de pasar cierto
tiempo el mismo códigopuede parecer inaccesible. Por lo tanto, se debe
incluir suficiente información para permitirle a los usuariosentender e im-
plementar inmediatamente tales programas.
Esta tarea exhibeaspectos internos y externos. La documentaciónin-
terna consiste de algún análisis o explicación que se inserta a lo largo del
código del programa para la descripción de cómo trabaja cada una de
las secciones del mismo. Es importante en casos donde se va a modificar
el programa. Esta documentaciónse debe incluir tan pronto como se ter-
mine una parte del programa, en lugar de hacerlo hasta el final, para evi-
tar la pérdida del concepto en el diseño original que se tuvo en el desarrollo
del programa. La documentación interna se mejora considerablemente
con el uso de nombres mnemónicos apropiados para las variables. Estos
nombres pueden ser más difíciles de codificar que los nombres peque-
ños, pero la ventaja de ser más informativos, por lo general hace que
valga la pena el esfuerzo adicional. Utilizar nombres mnemónicosconve-
nientes, incluyeen esencia eluso de nombres convencionales o est6n-
dares o abreviaciones comunes para variables.
La documentación externa explica las instrucciones como mensajes
e información impresa suplementaria diseñada para auxiliar al usuario en
la implementación de los programas. Los mensajes impresos se supone
que ayudan a que los resultados estén bien presentados y accesibles al
usuario. Esto implica el uso correcto de espacios, líneas en blanco o ca-
racteres especiales que ilustren la secuencia lógica y la estructura de los

resultados de un programa. Los resultados bien presentados simplifican
la detección de errores y aumentan la comprensión de los mismos.
La información suplementaria puede variar desde una hoja hasta un
manual para el usuario. La figura 2.7 muestra un ejemplo de una forma
FIGURA 2 . 7 Formato simple de una página para la documentación de un programa.

Esta página se debe guardar en una carpeta con un listado del programa.
L A P R O G R A M A C I ~EN
N LAS COMPUTADORASPERSONALES 45
de documentación simple que se recomienda para preparar cada unode

los programas a desarrollar. Estas formas se pueden mantener enun cua-
derno denotas para tener unareferencia rápida para la biblioteca d e pro-
gramas. El manual del usuario para una computadora es un ejemplo de
una documentación accesible.Este manual indica cómo correr el sistema
y los programas d e operación en disco de la computadora.
2.2.5 Almacenamiento y mantenimiento
Los pasos finales en el desarrollo de u n programa son el almacenamiento

y mantenimiento del mismo. El mantenimiento involucra acondicionar el
programa e incluso hacerle cambios que lo hagan accesible a problemas
reales. Después de varias corridas, estos cambios pueden hacer al pro-
grama más fácil de usar y más aplicable a mayor cantidad de problemas.
El mantenimiento se facilita con una buena documentación.
El almacenamiento se refiere a la manera en que los programas se
guardan para uso posterior. Antes del advenimiento de las computado-
ras personales, no había formas simples de almacenar copias de trabajo
de programas realizados. Los listados de código, de hecho se guardaban,
pero tenían que teclearse de nuevo para usos posteriores. Las cajasde tarjetas
FIGURA 2.8 Disco flexible.

46 INGENIEROS PARA MÉTODOS NUMERICOS -
perforadas se podían guardar, pero paraun programa de cualquier mag-

nitud resultaban difíciles de manejar y susceptibles a deteriorarse.
Como se menciona al principio de este capítulo, los dispositivos de
almacenamiento magnético han mejorado sustancialmente la habilidad
de retener programas. Un dispositivo común de almacenamiento esel disco
flexible. mostrado en la figura 2.8. Los discos flexibles son un medio ba-
rato para almacenar programas y datos. Aunque los discos flexibles tie-
nen una granutilidad. también tienen algunas desventajas. Por unaparte,
su tiempo de acceso es m u y lento; por otra, se deben manejary se deben
guardar con mucho cuidado. Dado que pueden borrarse muy fácilmen-
te, siempre se debe teneruna copia de cada uno de ellos. Además,cuando
se termina un programa de computadora, se debe imprimir inmediata-
mente y almacenarlo con la documentación correspondiente. Estas im-
presiones pueden ser útiles en el caso no deseado, pero posible, de que
el disco y su copia se destruyan.
2.3 DESARROLLODE UN PROGRAMA PARA

EL PROBLEMADELPARACAIDISTA
Ahora se usará el material de las secciones previas para escribir u n pro-
grama en BASIC y en FORTRAN para el problema del paracaidista. Es-
tos programas son un ejemplo ideal porque contienen todos los elementos
-entrada-salida, ciclos, decisiones, cálculos y subprogramas- que con-
forman al programa en el resto del capítulo.
Recuérdese que el problema del paracaidistaes equivalente ala solu-
ción de la ecuación (l.12):
r -7
donde v es la velocidad en un tiempo posterior v(tJ es la velo-

cidad en el tiempo actual ti, g es la aceleración de la gravedad (igual a)
980 cms/s2, c es el coeficiente de rozamiento, m es la masa del para-
caidista y At = ti+l - ti. El término entre corchetes es el valor actual del
promedio de cambio de velocidad respecto al tiempo [Ec. (1.8)].Si se
conoce la velocidad inicial del paracaidista v (ti)la ecuación (2.1) se pue-
de resolver repetidamente para valores de v(ti+J, como se hizo en el
ejemplo l.2.
Con esta información como antecedente, ahora se puede desarrollar
un algoritmo para el problema. En este punto, se podría desarrollar un
algoritmo bien detallado. Sin embargo, con la práctica que se tiene, difí-
cilmente se podría. En lugar de ello, se empezará con una versión gene-
ral simple, agregándole detalles poco a poco en forma secuencia1 para
expandir la definición. Entonces, cuando se haya obtenido una versión
LA PROGRAMACldN EN LAS COMPUTADORAS PERSONALES 47
FIGURA 2.9 Diagrama de fluio de un programa simple para el problema del

paracaidista.
final. se puede proceder a escribir el programa. En programación. este

método de iniciar en general e ir avanzando hacia lo específico se le co-
noce como esquema de análisis descendente. Entre otras cosas. es efi-
ciente porque,engeneralesmuchomás fácil eliminar errores si los
algoritmos y los programas se escriben en pasos simples y se van verifi-
cando conforme se avanza.
Un algoritmo muy simple para realizar los cálculos del ejemplo 1 . 2
puede escribirse con palabras de la siguiente manera: introducir los da-
tos. calcular la velocidad, imprimir la respuesta y repetir hasta que se
hayan calculado tantos valores como seanecesario. Este algoritmo se puede
expresar d e manera más formal con un diagrama de flujo. La figura 2 . 9
muestra un procedimiento detallado de la implementación de los cálculos.
El diagramade flujo consiste de tres conjuntos de declaraciones:
1 . Introducir variables y constantes
2. Inicializar todas las variables

3. Hacer unciclo iterativo que calcule e imprimalas respuestas
Con base al diagrama de flujo, se puedeescribir ahora un programa.

Las versiones en FORTRAN y BASIC se muestran en la figura 2.10. NÓ-
tese que para la versicin en BASIC, se usan incrementos de 10 para eti-
quetar los números de línea. Esto se hace para prever la posibilidad de
T0=0
v0=0
H=Z
t4=t 0
C=t2500 I
M1681 O 0
T=TO
'V =v o
URITE<6,I >T,V
FORMAT(2( ' ' , F 1 0 . 3 > )
I=O
2 0O ' V = V + C 98 O-C*V,'l'l >*H
T=T+H
WRITE(6,l )T,V
I=I+t
I F ! I . L T . H jC O T O2 0 0
STOP
E ti C)
FIGURA 2.1 O Programas FORTRAN y BASIC para el problema del paracaidista. Estos
programas duplican los cálculosmanuales del ejemplo 1.2.
. " . .
EN
LA PROGRAMAC16N PERSONALES
LAS COMPUTADORAS 49
insertar nuevas líneas de código en refinamiento subsecuentes del pro-

grama.
Aunque el ejercicio mencionado anteriormente ciertamente es un pro-
grama válido para el problema del paracaidista, por ningún medio explo-
ta todas las posibilidades de programación ni en FORTRAN ni en BASIC.
Para demostrar como se pueden emplear líneas adicionales, para desa-
rrollar una versión mejor, ahora se refinará el programa.
Muchas de las modificaciones e insercionessiguientes representan una
técnica de programación más eficiente y más sencilla de ejecutar. Sin
embargo, cierto material se enfoca hacia propósitos didáctico5 para de-
mostrar el uso de ciertasdeclaraciones. El siguiente análisis muestra
directamente la versión en BASIC. Ya que los programas de la figura 2.11
están escritos en paralelo, es muy fácil extender el análisis a la versión
FORTRAN.
El programa de la figura 2.11 tiene nuevas características. Lasprinci-
pales son:
1. El programa calcula ahora la velocidadpara tres valores diferentes

del coeficiente d e rozamiento y d e la masa. La habilidad de realizar
cálculos repetitivos es una delas ventajas de las computadoras. Dentro
del diseño en ingeniería, a menudo útil es realizar una serie de cálcu-
los varias veces con valores diferentesde los coeficientes para valorar
la sensibilidad del modelo a estos cambios. Esto se hace en este caso,
realizando los cálculos del ejemplo 1.2 con el coeficiente de rozamiento
variando 2 10%. De esta manera, los tres casos usados en el pro-
grama son parael caso del coeficientede rozamiento original (12 500
g / s ) , el coeficiente de rozamiento más el 10 por ciento (13 750 g/s)
y el coeficiente de rozamiento menos el 10 por ciento (11 250 g/s) .
El cálculo repetitivo se lleva a cabo agregando un ciclo iterativo (lí-
neas 3080 a la 3390). Cada vez que el programa pasa a través del
ciclo, se usa un coeficiente de rozamiento diferente para calcular la
velocidad. Nótese también que el coeficiente de rozamiento y la ma-
sa se usan como variables con subindices C(K) y M(K) . Por lo tanto,
se les asigna una dimensión en la línea 3040.
2. El programa tiene ahora un esquema iterativo más preciso. Además

de agregar el ciclo mayor para los tres casos dec y de m (líneas 3080
a la 3390), se han usado dos ciclos para calcular el valor actual de
u . Se hace así porque pudiese ser que no se deseeimprimir una res-
puesta después de cada paso. Esto sería especialmente cierto si se
usara un paso muy pequeño, por ejemplo 0.01 S , para obtener resul-
tados más exactos. Para calcular desde t = O hasta 20 S , se requeri-
rían 2 0 / 0 . 0 1 ó 2 O00 números. Ya que se requiere un valor para cada
2 S que esquemetice razonablementela caída del paracaidista, se han
usado dos ciclos anidados de forma tal que el programa imprima re-
sultados en tiempos intermedios.Un ciclo anidado es aquelciclo que
50 MÉTODOS NUMÉRICOS PARA I N G E N I E R O S
F
C PRDCRRMR LEGIBLE RL USURRIO
c En FDRTRBN p a s a EL PROBLEMQ
C DEL PARPCP,IDISTP.
C
c sc c u w R n
C EHCINEERIHC
CIVIL
c TEXPS a w UNIVERSITY
C CDLLECE STATION, TEXnS 77843
................................................
C
................................................
C FUHCIOH CRLCULUR
DV/DT
DVDT(C.V,N)-980-C.V/M
PPlRP
................................................
................................................
C PRDCRRMR PRINCIPRL
................................................
€UD
................................................
C SUBRUTINR p a w IMPRIMIR EL ENCP,BEZPDO
SUBRDUTIHE LRBEL
VRITE(6, I >
I FORMIIT( '-':SDLUCION Paun LP, VELOCIDAD DE calw GEL P m m a I D I s T f i
................................................
C
RETURN
END
................................................
L E EPRR W
SUBRUTINR DRTDS
SUBROUTINE INPUT(TO,TI,VO,U,P>
TIEMPO z H I c l a L ( S E G )
RERD < 5 . 2 > 1 0
C TIEMPO F I H A L( S E G )
RE, (S.Z)TI
C VELDCIDRD I N I C l P L ( C M / S E C > ~~
REIRD(S.2)VO
C MRCNITUD DEL IHCREIEUTO ( S E C )
RE!RD<5 , 2 >H INTERVALO
C IMPRIME EL IHTERVPlLO ( S E C )
RERD( S , 2 )P
2 FORtlPIT<F 6 . 2 )
C VERIFICL LP, RPlCHITUD DEL IHCRENEHTO E IMPRIME EL IHTERVIILO
I F <P.CE.W.IIND.P.NE.O> COTO 222U
URIlE(6,3>
3 FDRNPIT('EL IWTERVLLD DESE SER MRVOR D IGURL P LO MPIGNITUD
*DELINCREMENTO Y NO PUEDEVPLER CERO')
C
C
C
22:2 0 RETURN
END
......................
...............................................
SUBRUTIN0 PRRR RERLIZRR CfiLCULOS
SUBRDUTIHE C I L C ( T O , T 1 , V O , H , P )
REM. M
DIMEHSIOU C < 2 O ) , l M Z O )
DVOT(C.V,M)-SBO-C.Y~M
NC-IHT(P/HI
HP-IHTl(Tl-TO>/P>
CICLO PP,RR CRLCULRRV CDU DIFERENTES C Y M
DO 3370 K-1.20
LEEELCOEFICIENTEDEFRICCIDU
REIID<S,4)C(K)
IF ( C < K ) . E P . O . ) COTO 3390
LEE LII men
REIID ( S . 4 I J U K )
4 FOR11RT<FIO.O)
VERIFICPIQUELR (1181 SE1 CERD
IF (~lK>.CT.O.O)COTD 3220
VRITE(6,5>
S FORMRT('-','LR NASR DEBE SER M(IV0R PUE C E R O ' ,
COTO 3390
C INICIPLIZI( TIEMPO Y VELDCIDRD
3200 r-To
v-vo
VRITE(6.6)
6 FDRIIPIT(, ,,4Y,'T tSEC>'.1OX,'V ( CWSEC
YRITE(6.7>T.V
C INPRIME E L CICLO
DO 31601-1,NP
C CICLO DE CP,LCULD
3340
3360
1170 C O N T I k
3390 RETURN
END
FIGURA 2.1 1 Versiones FORTRAN y BASIC legibles al usuario del programa de la caída
del paracaidista.
EN
LAS COMPUTADORAS 51
contiene otro dentro de sí mismo. En este ejemplo, el ciclo interno

(líneas 3320 a la 3350) realiza los cálculos usandoel tamaño de paso
deseado (línea 2100). Después de NC iteraciones de este ciclo (don-
de NC se calcula internamenteen la línea 3050), se imprime una res-
puesta. El procedimiento se repiteNP veces (donde NP se calcula
internamente en la línea 3060) mediante el cicloexterno (líneas 3300
a la 3370). Nótese también que en vez de especificar el número de
pasos (N, especificado en la línea 130 en las versiones simples de la
figura 2.10), ahora sólo se introducen los tiempos inicial y final (lí-
neas 2040 y 2060) y se usan las líneas 3050 y 3060 para determinar
internamente el número apropiado de pasos.
3. El programa muestra ahora un esquema de etiquetado mbs descripti-

vo.Se incluyen declaraciones de documentación al principio del pro-
grama, los mensajes de salida, por ejemplo las líneas 1030 a la 1080
y las entradas más descriptivas, por ejemplo las líneas
2040 a la 2130.
4. El programa está modularizado. Nótese que el programa consiste de

una serie de subrutinas que realizan tareas bien definidas. El progra-
ma principal sirve como supervisor para dirigir cada una de las parte
dentro de un esquema lógico.
5. Se incluyen los diagnósticos para indicaral usuario q u e Se ha cometi-

do un error. Los diagnósticos son declaraciones en el programa que
imprimenparaelusuario un mensaje descriptivo, siha ocurrido un
error. Las líneas3160 a la 3210 representan un diagnóstico que veri-
fica si la masa es cero. Si así fuese, la ecuación de la línea 210 realiza-
ría una división por cero. Si la masa es menor o igual a cero, la lines
3170 transfiere el control a la línea 3180, que imprime el mensaje:
LA MASA NO DEBE SER MENOR O IGUAL A CERO

De forma similar, la línea 2150 examina que el intervalo de impre-
sión sea mayor que el tamaño del paso. Si no es así, se imprimen
los mensajes de las líneas 2170 a la 2190 y el programa transfiere
el control a lalínea 2100 y pide un nuevo tamaño de paso.
Las anteriores no son mas que cinco de varias modificaciones quese han
hecho para incrementar las capacidades del programa.Se debe verificar
línea por línea para entender a fondo cómo contribuye cada una de las
declaraciones en el programa total. La figura 2.12 muestra una corrida.
En esta figura se introduce un error intencionalmente en el intervalo de
impresión para demostrar lascapacidades de diagnósticos del programa.
El análisis de estas corridas junto conla figura 2.11 deben sugerir algunas
alternativas para empezar a obtener resultados claros y con un esquema
descriptivo.
Depto Ingentería Cwl

Texas A&MUnwerstty
College Stahon. Texas 77843
DESCRlPClON Este programa calcula la velocidad vertical de caída de u n

paracatdtsta en functón del tiempo
REQUISITOSESPECIALES: Se pueden usar hasta 20 coeficientes diferentes de rozamiento

REQUISITOS ESPECIALES- y masas para calcular la uelocldad
REFERENCIA Métodos numértcos para Ingenieros con dphcaciones en computadoras

personales, 1986 (Mc-Graw-Hill. México),Cap 2
SOLUCION PARA LA VELOCIDAD Dt CAlCA

DEL PARACAIDISTA MASS I G I - 6 8 1 0 0
TIEMPO INICIAL lSEG1 10 VICMISECI TISECI
O O
TILMPOR FINAL (SEGI 123 7 1w n
VFLOCIOAD INICIAL ICMlSEGl 456

4
6
3%; 4699
3985 55437
8 4482 42869
MAGNITUD DEL INCREMENTO 32 10 4796 89686
12 4995 92151
14 5121 88278
IMPRIME EL INTERVALOISEGI = 3 16 5201 60276
18 5252 05696
EL (NTERVALO NO DEBE SER M A Y O R 20 5283 98906
O IGUAL QUE LA MAGNITUD DEL
INCREMENTO Y N O DEBE VALER CERO DRAG COEFFICIENT (GlSECl
I T 0 TERMINATE COMPUTATION
ENTER ZERO1 = 11250
MAGNITUD DEL INCREMENTO - 8
IMPRIME EL INTERVALO\SEGI = 2 6 M A S S I G I = 68100
COEFICIENTE DE FRlCClON IG'SEGI VICMiSECI TlSECl

(PARA TERMINAR EL CALCULO
TECLEA U N CERO) 65 O O
2 1960
42291 3272 4
MASAIGI = 23 6 4151.22591
6 4739.6755
VICMiSLGl
TlSEGl 5133.70342 10
12 5397 5459
14 5574 21 576
TISECI
VlCMlSECl 16 51452 5692
5771 18 72778
O 0 20 5824.76927
2 1960
3128
51689
4 DRAG COEFFICIENT IGISECI
6 3825
16572 (TO TERMINATE COMPUTATION
8 4240 49528 ENTER ZERO1 = O
10 4488 10732
12 4635
72918
14 4723
73869
4776.20838
16
18 4807 48987
20 4826 13934
DRAG COEFFICIENTE IG.SECI
IT0 TERMINATE COMPUTATION
ENTERLEROi=12500
FIGURA 2.1 2 Documentación del orograma legible al usuario del problema del
paracaidista, incluye corrtda del programa.
2.4 ESTRATEGIAS DE PROGRAMACIóN

Este librobrindaalestudiosodiversos medios, de cálculo con el fin de
convertir la teoría de los métodos numéricos en herramientas prácticas
para la soluci6n de problemas de ingeniería,Estos medios incluyen 1) discos
EN
LAS COMPUTADORAS 53
que guardan a los programas, 2) programas, 3) algoritmos y 4) diagra-

mas de flujo. El propósito de esta sección es el de descubrir la forma en
que cada una de estos medios complementa a los otros a lo largo del li-
bro. La estrategia global se ilustraenlafigura 2.13.
Tal vez al comprar este libro el lector también adquirió un disco para
computadora. A este disco se le conocerá con el nombre de NUMERI-
COMP, correrá sobre una computadora IBM-PC (o cualquier compati-
ble) o sobre una APPLE 11. El disco contiene seis programas escritos en
BASIC: bisección, eliminación Gaussiana, regresión lineal, interpolación
Meta: Resolver los problemas

de ingeniería usando una
computadora y los métodos
numéricos
FIGURA 2.13 Estrategia empleada en el texto para integrar las computadoras

personales y los métodosnuméricos en la solución deproblemasde
ingeniería.
54 MÉTODOS NUM~RICOS
PARA INGENIEROS
de Lagrange, regla trapezoidal y el método de Euler. Los programas re-

presentan una colección de métodos numéricos simples, pero muy úti!es
para cada una de las partes de este libro. Con muy poca preparación puede
usarse NUMERICOMP para la solución de problemas. Esto se debe prin-
cipalmente a que los programas están escritos en un lenguaje legible y
claro, además que proporciona todala información necesaria para su ope-
ración. Además de tener utilidad inmediata, el disco ofrece un ejemplo
concreto de programas bien escritos que se pueden usar como modelo
para programas escritos porel usuario. Finalmente,los programas se pue-
den usar para verificar la exactitud de los resultados en los esfuerzos de
programacióndelusuario.
Cada uno de los programas se ilustra completamente enel capítulo
que le corresponde dentro del libro. Las ilustraciones muestran tal como
se verían en una pantalla, los datos que se requieren, los resultados de
los cálculos y una gráfica de los resultados. Estas ilustracionesse generan
usando NUMERICOMP en la solución de un problema determinado. Se
incluyen algunos ejercicios en cada uno de los capítulos para reforzar la
habilidad en el manejo de los discos del usuario en su propia computadora.
Se danloscódigosdeambas versiones. FORTRAN y BASIC para
los mismos métodos. Estos programas contienen los algoritmos funda-
mentales con esquemas simples de entrada y salida de datos y con poca
documentación. Por lo que no son muy claros en su exposición. Una de
las tareas será la de modificar estos programas de forma tal que sean un
poco más claros, usando los recursos y la técnica individual de cada pro-
gramador. Una vez que esto se haya llevado a cabo, se tendrá unaherra-
mienta que se aproximará a los programas suplementarios.
Los seis programas del disco NUMERICOMP son para los métodos
básicos de cada una de las partes del libro. No son, necesariamente los
más eficientes computacionalmente hablando sobrelos existentes. Por lo
tanto se han incluido diagramas de flujo o algoritmos parala mayor parte
de los otros métodos numéricos del libro. Se pueden usar estos diagra-
mas y algoritmos con la destrezade programación propia del usuario, para
escribir programas de cualquier otro de los métodos expuestos.
EJEMPLO 2.1
Gráficas por computadora
Enunciado del problema: el propósito de este ejemplo es el de familiari-

zarse con los programas opcionalesNUMERICOMP disponibles con el texto
FIGURA 2.14 a) Título de los programas NUMERICOMP que acompañan al texto. b)

Menú principal de NUMERICOMP. c) Menú para BISECCION,d) La
pantalla muestra cómo se introduce una función para BISECCION; la
función en este caso es la ecuación (1.9), que calcula la velocidad de
caída del paracaidista.e) La pantalla muestra una gráfica de la velocidad
contra el tiempo para el paracaidista, como lo calcula NUMERICOMP.
LA PROGRAMAC16NEN LAS COMPUTADORASPERSONALES 55
FIGURE 2.14
56 MoODOS NUMERICOS PARA INGENIEROS
y usar las capacidades gráficas de NUMERICOMP para trazarfunciones.

Si el libro se compró sin estos programas, entonces se deben buscar for-
mas para realizar tareas similares sobre la computadora. Esto se puede
llevar a cabo con la ayuda de los programas dados porel sistema o pue-
de requerirse que se desarrollen los propios. La habilidad en el trazo de
funciones es muy importante ya que la forma de resolver un prob!zma
de métodos numéricos se facilita mucho cuando se usa en coordinación
con gráficas por computadora.
Solución: insértese el discoNUMERICOMPen launidad de discos y

córrase el programa de acuerdoa las instrucciones delManual del usuario.
La pantalla debe producir un esquema similar al de la figura 1.14~1.
Simplemente es la presentación del programa. Tecléese RETURN para
continuar. La pantalla debe mostrar ahora un menú de selección princi-
pal como se muestra en la figura 2.14b.El menú contiene una lista de
seis programas incluyendo una opción que termina la sesión. Se usará
cada uno de estos programas en el momento apropiado dentro del libro,
cuando se haya visto previamente la teoría de cada uno de los métodos.
Por ahora se usará 19 opción de grdficas por computadora dentro del pro-
grama de BISECCION para gráficar la velocidad del paracaidista en tun-
ción del ti9mpo. Para hacerlo, simplemente se introduce el programa de
BISECCION mediante la opción 1. La pantalla, automáticamente debe
mostrar un patrón similar al de la figura 2 . 1 4 ~después de algunos movi-
mientos del disco. Sólo se requieren usar las opciones 1 , 3 y 4 para grafi-
car funciones. Selecciónese la opción 1 para introducir la función usando
la ecuación (1.9) con m = 68 100 g, c = 12 500 g/s y g = 980 cm/s
(Fig. 2.14d). Regrésese al menúprincipal y escójase laopción 3 para
graficar la función. Antesde trazar la gráficase deben dar valores mínimo
y máximo para x y paraf(x) que corresponden al tiempo y a la veloci-
dad en este caso. Los valores para x y f ( x ) están dados por definición
enlaprimer columna (en este caso son cero). Pruébense varios valores
para los ejes x y paraf(x) (incluyendo valores negativos) para familiari-
zarse con el diseño y operaci6n de la opción de graficación. En la figura
2.14e se muestraunagráficaquemuestrael esquema de lavelocidad
como función del tiempo.
La opción de graficación dada por este programa tendrá muchos otros
usos para visualizar mejor los resultados de la aplicación de los métodos
numéricos y la computación enla solución de problemas de ingeniería.
Estos usos se exploran en las secciones subsecuentes del texto.
PROBLEMAS
2.1 Escríbanselasdeclaraciones BASIC y FORTRAN equivalentes a cada una de las
siguientesexpresiones:
-
LA PROGRAMACldN EN LAS COMPUTADORAS PERSONALES 57
xlsenl
b) y=-
x-1
-b -
c) x=
2a
I) Si A y Z tienen el mismo signo, entonces reemplácese 2 por Q .
2.2 Escríbanse las declaracionesBASIC y FORTRAN para realizar la siguienteoperación

S = 2 xi2
Para i = 3, 6, 9,. . ., 21.
2.3 Dado el siguiente programa
10 A = 10.1
20 B = 3.1416
30 Z = 1.1
40 PRINT X1
¿Cuál será el resultado que se imprima, si se insertan las siguientes expresiones
entre las líneas 30 y 40?
a) 35 X1 = A"Z/B
b) 35 X1 = A' (Z/B)
cj 35 X1 = A'B - B**B/Z + 2'2
d) 35 X1 = ((A'Z) - B/Z)' *Z)/(B - Z)

e ) 32 J = INT(A* *Z/B - 2)
36 X1 = J'A
2.4 Dado el programa del problema 2.3, escríbase el código de la línea 35 que eva-
luará las siguientes expresiones algebraicas:
a' -4 6
x1 =
2
XI =a - dz/5 + 6(a + 2)2'3 - -7

b
2.5 La figura para este problema muestra la página de una bitácora de un automóvil.
Cada renglón representa una visita a la gasolinera en la que el tanque se llena
de gasolina. La página tiene, además columnas para la fecha, el kilometraje mar-
cado por el odómetro, la cantidad de gasolina y su costo.
Escríbase un programa, diseñado de forma tal que acepte datos de entrada
bajo este esquema y calcule los kilómetros recorridos por litro y el costo por ki16-
metro de acuerdo a cada intervalo entre llenado y llenado. Debe imprimir una
tabla con tres columnas que conforman la fecha, los kilómetros por litro y el costo
por litro.
58 NUMÉRICOS MÉTODOS PARA INGENIEROS
FIGURA DEL PROBLEMA 2.5
2.6 Se invierte una cantidad de dinero P en una cuenta cuyos intereses se reinvierten
alfinaldel periodo. El monto futuro F , conuna tasa deinterés i después de n
periodos se puede determinarfácilmentecon la fórmula siguiente:
F = P (1 + i)"
Escríbase un programa que calcule el monto futuro de una inversión. Los datos
de entrada deben incluirla cantidad inicial P,la tasa de interés i (como fracción
decimal), y el número de a6os n para los cuales se va a calcular el monto futuro.
La salida debe incluir también estos valores. Incluyendo, en forma de tablael monto
futuro para cada uno de los años, hasta el n-ésimo año. Correr el programa para
P = $ 1 000.00, i = 0.1 y n = 20 años.
2.7 Escríbase un programa para calcularlas raíces reales de la ecuación cuadrática
ax' + bx + c = O
donde a , b y c son coeficientes reales. La fórmula para calcular las raíces es la
fórmula cuadrática
EN
LA PROGRAMAC16N PERSONALES
LAS COMPUTADORAS 59
-b f
X=
2a
Nótese que sila cantidad dentro del signo de la raíz cuadrada es negativa enton-
ces las raíces son complejas. También ocurre una división por cero si a = O. Disé-
ñese el programa de forma tal que contemple estas contingencias imprimiendo
un mensaje de error. También, inclúyase algo de documentación a lo largodel
programa y etiquétense las salidas para hacer el programa legible. Repítanse los
cálculos para valores diferentes de a , b y c, tantas veces como el usuario desee.
Efectúense pruebas para los casos:
a) a = l b = 4 c = 2
b) a = O b = -4 c = 2.3
c) a = l h = -2 c = 2.3
2.8 La función exponencial e" se puedeevaluarmediante la serieinfinita:
Escribase un programa para implementar esta fórmula que calcule los valores e x
agregando un término cada vez a la serie. En otras palabras, calcúlese e impríma-
se la secuencia
ex = 1
ex=l+x
X*
eX=l+x+-
2
hasta la orden de término prefijado. Para cada caso, calcúlese el porcentaje de

error relativo dado por
solución real - solución aproximada

% error = 100%
soluciónreal
Utilícese la función de biblioteca para calcular e x y determinar la "solución real".

El progrma debe imprimir la solución aproximada y el error en cada paso. Se pue-
de emplear u n a función definida por el usuario para calcular el error. y usar ciclos
para simplificar los cálculos tanto como sea posible. Para probarlo, utilicese el pro-
grama para calcular exp(0.5) desde el primer término de la serie hasta el término
x2"/20!. Interprétense los resultados.
2.9 En economía se dispone de fórmulasparacalcular los pagos anuales debidos a

un préstamo. Supóngase que se desea pedir un préstamo de P pesos para pagar-
lo en n pagos anuales con una tasa de interés ¡. La fórmula para calcular el pago
anual, A, es.
i(1 + i)"
A1 = P
(1 + i)" - 1
Escríbase un programa para calcular A,. Pruébese con P = $10 O00 y una tasa
de interés del 20 por ciento. (i = 0.20). Hágase el programa de tal forma que se
puedan evaluar tantosvalores de n como se desee. Calcúlense los resultados para
n = 1 , 2, 3 , 4 y 5 .
2.10 Junto con los cálculos de los pagos anuales por préstamos, como se hizo en el
problema 2.9, las fórmulas de economía se puedenemplear para determinar los
pagos anuales correspondientes a otros tipos de flujo de efectivo. Por ejemplo,
supóngase que existe un gasto que crece de manera uniforme a un promedio G
conforme avanza el tiempo. A estos pagos se les conoce como series de gradiente
aritméticas. La fórmula de economía que calcula un pago anual equivalente para
este tipo de flujo de efectivo es
n
1
Ahora, supóngase que se pide un préstamo de P = $10 O00 con un interés del
20% ( i = 0.20) y se compra un nuevo sistema de cómputo. El costo de manteni-
miento de la computadora crece de acuerdoa la serie de gradiente aritmética con
una tasa de G = $50/año/año. Junto con estos dos costos (esto es, flujos de
efectivo negativos para los pagos del préstamo y del mantenimiento), también se
obtendrán beneficios o flujos de efectivo positivos con el uso del sistema.El apro-
vechamiento en consulta y el uso de la computadora se pueden tasar con un valor
anual de A, = $4 000. Por lo tanto, el valor neto A, como propietario de la má-
quina sobre una base anual, se puede calcular como beneficios menos costos, o
AN = AB - A, - A2
Por lo tanto, si A , es positivo, la computadora está generando ganancias sobre
una base anual. Si A , es negativo, se está perdiendo dinero.
Desarróllese, rastréese, pruébese y documéntese un programa que calcule
AN El programa se debe diseñar de tal forma que el usuario pueda introducir co-
mo datos las variables P, i, G, A, y n. Úsese el programa para estimar A, con
el nuevo sistema de cómputo para n = 1, 2 , 3 , 4 y 5. Esto es, evalúense las ga-
nancias si el sistema se posee de l a 5 años. Grafíquese AN contra n (si es posi-
ble se puedeusar la computadora para hacerla gráfica). Determíneseel plazo que
se debe poseerel sistema para empezar a ganar dinero. (Nota: la información adi-
cional para este problema se puede obtener del primer caso del capítulo 6).
2.11 Impleméntese el programa de la figura 2.11. Efectúense las modificaciones nece-

sarias de tal forma que sea compatible conel lenguaje usado enla computadora.
Una vez que el programa se encuentre en la computadora, pruébese duplicando
los cálculos de la figura 2.12. Repítanse los cálculos con pasos de tamaño1 y 0.5.
Compárense los resultados con la solución analítica obtenida anteriormente en el
ejemplo 1.1.?.Mejoran o empeoran los resultados al hacer el tamaño del pasomás
pequeño?. Explíquense los resultados.
2.12 El siguiente algoritmo está diseñado para determinarla calificación final de un cur-
so, que consiste en exámenes parciales. tareas y examen final:
Paso 1: Introducir el número del curso y el nombre.
Paso 2: Introducir los factores de peso: para exámenes parciales REP) para ta-
reas (PT) y para el examen final (PEF)
LA PROGRAMACl6N
EN LAS COMPUTADORAS
PERSONALES if)Zfji3fi51*1
Paso 3 : Introducir las calificaciones de los exámenes parciales y determinar la
calificación promedio (CEP).
Paso 4: Introducir las calificaciones de las tareas y determinar la calificación pro-
medio (CT) .
Paso 5: Si ésta es la última calificación, ir al paso 8; de otra manera, continuar.
Paso 6: Determinar la calificación promedio (CP) mediante
CP =
PEP CEP + PT * CT
PEP PT
Paso 7: Ir al paso 10.

Paso 8 : Introducir la calificación del examen final (CEF).
Paso 9: Determinar la calificación promedio (CP) mediante
PEP CEP + PT CT + (PEF) (CEF)

CP =
PEP + PT + (PEF)
Paso 10: Imprimir el número del curso, nombre y calificación promedio

Paso 11: Detener los cálculos.
a ) Escríbase un programa basado en este algoritmo
b) Rastréese y pruébese usando los datos: PEP = 35; PT = 25; PEF = 40; Exá-
menesparciales = 100, 98, 83, 76, 100; tareas = 96, 94, 83, 100, 77, y
examen final = 88.
c ) Prepárese una pequeña documentación para el programa.
2.13 La figura para este problema muestra el reverso de una hoja de estado de cuenta
de cheques. El banco ha elaborado esta hoja para ayudar en el balance d e una
cuenta de cheques. Si se observa bien, se podr6realizar un algoritmo. Desarrólle-
se, rastréese y documéntese un programa que obtenga el saldo actual dela cuen-
ta de cheques basado en el esquema de la figura. Se pueden usar los números
de la figura para probar el programa.
2.14 Escríbase, rastréese y documéntese un programa que determine las estadísticas

del deporte preferido. Escójase cualquiera desde futbol hasta el lanzamiento de
bolos. Si el lector practica deportes eninteriores elabórese uno para el propio equipo.
Diséñese el programa de forma tal que sea legible y muestre información intere-
sante a cualquiera (por ejemplo, al entrenador o jugador) que pueda usarse para
evaluar el rendimiento de los jugadores.
2.15 Úsese la opción de graficación del programa BISECCIÓN (en el disco NUMERI-
COMP) para trazar varias funciones de cualquiertipo. Pruébense funciones poli-
nominales y trascendentes cuyo comportamiento sea difícil de visualizar antes de
graficarlas. Úsense varias alternativas para ambos ejesx y y para facilitar la explo-
ración. Háganse copias permanentes de los trazos si se tiene una impresora.
2.16 Se debe lograr la capacldad de graticar funciones de una forma parecida a como
lo hace el programa BISECCIÓN. Prográmese la computadora de una manera
apropiada para lograrlo. Si la computadora no tiene un sistema operativo cuyos
programas puedan ayudar, entonces se deben escribir, usando las capacidades
?.
de la misma.
62 INGENIEROS PARA METODOS NUMÉRICOS
AYUDAR
EL ÁREA DE ABAJO SE PROPORCIONA PARA EN EL SALDO
DEL TALONARlO
CHEQUESPORCOBRAR NO
CARGADOSALESTADODE
CUENTA
4 58 5 68 MES Abrl I I p ~
SALDO NUEVO
4 60 13 33 COMO SE MUESTRA EN 6 4 3 . S4
46 I 150 O0 ESTEESTADODECUENTA
463 I4 74 SUMA 250.00
4 64 9 32 DEPóSITOS QUE NO
ESTAN EN ESTE
DE
ESTADO 22. IS
46 S 44 IS CUENTA
466 50 O 0
TorAL S
RESTA
TOTAL DE CHEQUES
POR COBRAR
SALDO DEL TALONARIO 600.52
DESPUÉS DERESTARLA
CARGADESERVICIODEL MES ACTUAL Y SUMAR
LOS INTERESESDEVENGADOS ( s b l o LASCUENTAS
AFAVORDELSALDO
FIGURADELPROBLEMA 2.13
El programa se debe guardar en un disco de memoria magnética. Documéntese

este programa después de rastrearlo y examinarlo cuidadosamente. Déjese listo
para poder modificarlo de acuerdo a los requisitos del libro, conforme se avance
2.17 Apréndase la manera de hacer copias permanentes de las gráficas del problema
2.16 si se Tiene una impresora.
CAPíTULO T R E S
APROXIMACIONES
Y
ERRORES
Debido a que la mayor parte de los métodos expuestos en este libro son
muy claros en su descripción y en sus aplicaciones, resulta tentador en
este momento ir directamente al cuerpo principal del texto y averiguar
el uso de estas técnicas. Sin embargo, ya que los errores son parte intrín-
seca en el entendimiento y uso efectivo de los métodos numéricos, se
ha escogido este capítulo para desarrollar este tema.
La importancia de los errores se menciona por primera vez con el pro-
blema del paracaidista, en el capítulo 1. Recuérdese que se determinó
la velocidad de caída del paracaidista analítica y numéricamente. Aun-
que con la técnica numérica se obtuvo una solución cercana a la real (la
analítica), hubo cierta discrepancia o error, debido a q1.le los métodos n u -
méricos son sólo una aproximación.
La mayor parte de las técnicas desarrolladas en este libro tienen la
característica de poseer errores. Esto puede parecer contradictorio a pri-
mera vista ya que no coincide con la imagen que se tiene de u n buen
mecanismo de ingeniería. Los estudiantes y pasantes de ingeniería luchan
constantemente para limitar este tipo de errores en sus trabajos. Cuando
hacen un examen o realizan tareas, son sancionados mas no premiados
por sus errores. En la práctica profesional, los errores pueden resultar cos-
tosos y en algunas ocasiones catastróficos.Se puede perder hasta la vida
si una estructura o un dispositivo llega a fallar.
Aunque la perfección es una meta digna de alabarse, es difícil, si no
imposible, alcanzarla. Por ejemplo, a pesar de que el modelo obtenido
mediante la segunda ley de Newton es una aproximación excelente. en
la práctica jamás predecirá exactamente la caída del paracaidista. Algunos
fenómenos, tales como la velocidad del viento y alguna pequena variación
en la resistencia del airecambiarán totalmente la predicción, Si estas desvia-
ciones se comportan bajo un patrón constante ya sea subiendo o bajando.
bastará con formular un nuevo modelo. Sin embargo, si su distribución es
aleatoria pero se agrupa muy próxima alrededor de la predicción, entonces
las desviaciones pueden calificarse como insignificantes y el modelo nueva-
mente se considerará adecuado. Las aproximaciones numéricas pueden in-
troducirerroressimilaresenelanálisis.Nuevamentelapregunta es: ¿qué

errorpuedeconsiderarsetolerable?
Este capítulo cubre varios aspectos que identifican, cuantifican y mini-
mizan estoserrores. Enlasprimeras secciones se revisalainformación
referente a la cuantificación de los errores. En seguida se estudian dos de
los errores más comunes: errores de redondeo y errores de truncamiento.
Los errores de redondeose deben a que la computadora sólo puede repre-
sentar cantidades con un númerofinito de dígitos. Los errores de trunca-
miento representan la diferencia entre una formulación matemática exacta
de un problema y la aproximación dada por un método numérico. Final-
mente, se discuten los errores sin relacionarlos con ningún método nu-
mérico en especial. Incluyendo errores por equivocación, errores en la
formulacióndemodelos y la incertidumbre enla obtención de datos.
3.1 CIFRAS SIGN IFICATIVAS

En este libro se analizan casi exclusivamente aproximaciones que se relacio-
nan con el manejo de números. En consecuencia, antesde discutir los erro-
res asociados con los métodos numéricos, es útil repasar algunos conceptos
básicos referentes a la representación aproximada de los números mismos.
Cuando se emplea un número en un cálculo, debe haber seguridad
que pueda usarse con confianza. Por ejemplo, la figura 3.1 muestra un
velocímetro y el odómetro (contador de kilometraje) de un automóvil. Con
un simple vistazo al velocímetro puede verse que el automóvil viajaa una
velocidad comprendida entre 48 y 49 km/h. Ya que la flecha está más
FIGURA 3.1 El velocímetro y el odómetro de un automóvil ilustran el concepto de ci-

fras significativas.
APROXIMACIONES Y ERRORES 65
alládelamitaddelas marcas del indicador, se puede asegurar que el

automóvil viaja aproximadamentea 49 km/h. Este resultado casies verí-
dico ya que dos o más lecturas individualesal indicador llevan a la misma
conclusión. Sin embargo, supóngase que se desea obtener una cifra de-
cimal más en la estimación de la velocidad. En este caso, alguien puede
decir 48.7, mientras que otro podrá decir 48.8 km/h. Por lo tanto, debi-
do a los límites del instrumento, únicamente se pueden usar dos dígitos con
confianza. Las estimaciones del tercer dígito (o más) sólo se pueden calcu-
l a r someramente. Seríaridículo afiimar, con base al velocímetro, que el auto-
móvil está viajando a una velocidad de 48. 764 213 8 km/h. En contraste,
el odómetro muestra hasta seis dígitos confiables. De la figura 3.1 se puede
concluir que el automóvil ha recorridoun poco menos de 87 324.5 km du-
rante su uso. En este caso el séptimo dígito (y los siguientes) se desconocen.
El concepto de cifras o digitos significatiuos se ha desarrollado para
designar formalmente la confiabilidad de un valor numérico. El número
decifrassignificativas es el númerodedígitos,más un dígitoestimado
que se pueda usar con confianza. Por ejemplo, el velocímetro y el odó-
metro de lafigura 3.1 estiman hasta tres y siete cifras significativas res-
pectivamente. Los ceros no siempre son cifras significativas ya que pueden
usarsesóloparaubicar el puntodecimal. Los números
0.000018 45
0.000 184 5
0.001 845
tienen cuatro cifras significativas. Cuando se incluyen ceros en números

muy grandes, no se ve claro cuantos ceros son significativos, sies que
los hay. Por ejemplo, enelvalor nominal, el número 4 5 300 puede
tener tres, cuatro o cincodígitossignificativos,dependiendo si los ce-
ros se conocen conexactitud.Laincertidumbre se puede desechar
usandolanotacióncientífica en donde 4.53 X l o 4 , 4.530 X l o 4
y 4.530 O x l o 4 muestranque el númerotiene tres, cuatro y cin-
co cifrassignificativas.
El concepto de cifras significativas tiene dos implicaciones importan-
tes enel estudio de los métodos numéricos.
1. Como se dijo en el problema del paracaidista, los métodos numéri-

cos obtienen resultados aproximados. Por lo tanto, se deben desa-
rrollarcriteriosparaespecificarquétanprecisosson los resultados
obtenidos. Una manera de hacerlo esen términos de cifras significati-
vas. Por ejemplo, se puede decidir que la aproximación es aceptable
siempre y cuando sea correcta hasta cuatro cifras significativas -es-
to es, debeexistirseguridadquelasprimerascuatrocifrasson co-
rrectas.
66 INGENIEROSMÉTODOS NUMÉRICOS PARA
2. Aunque ciertas cantidades tales como T , e , o fi representan números

específicos, n o se pueden expresar exactamente conun número fini-
to de dígitos. Por ejemplo, el número T es igual a
3.141 592 653 589 793 238 462 643 .
hasta el infinito. Debido a que las computadoras personales sólo re-

tienen aproximadamente diez cifras significativas(comúnmente varían
entre 7 y 14, como se puede ver en el cuadro 2. l ) ,tales números
jamás se podrán representar exactamente. A la omisión del resto de
cifras significativas se le conoce como error de redondeo.
Los errores de redondeoy el uso d e cifras significativaspara expresar

la exactitud de un número se estudian con más detalle en las siguientes
secciones. Además, el concepto de cifras significativas tiene mucha im-
portancia en la definición de exactitud y precisión en la siguiente sección.
3.2 EXACTITUD Y PRECISIóN

Los errores asociados con los cálculos y medidas se pueden caracterizar
observando SU precisión y exactitud. La precisión se refiere a 1)el núme-
ro de cifras significativas que representan una cantidad o 2) la extensión
en las lecturas repetidas de un instrumento que mide alguna propiedad
física. La exactitud se refiere a la aproximación de un número o de una
medida al valor verdadero que se supone representa.
Estos conceptos se pueden ilustrar gráficamente usando una analo-
gía con un buen tirador al blanco. Los agujeros en el centro del tiro al
blanco de cada esquema de la figura 3.2 se pueden imaginar como las
predicciones en una técnica numérica, mientras que el centro del blanco
de cada esquema representala verdad. La inexactitud (conocida también
como sesgo) se define como un alejamiento sistemático de la verdad. Por
lo tanto, aunque las balas en la figura 3 . 2 están
~ más juntas que las de
la figura 3.2~1, los dos casos son igualmente inexactos ya que ambos se
centran en la esquina superior izquierda del blanco. La precisión, por el
otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo
tanto, aunque las figuras 3 . 2 b y 3.2d son igualmente exactas (esto es.
igualmente centradas respectoal blanco), la última es más precisa ya que
las balas están en un grupo más compacto.
Los métodos numéricos deben ser lo suficientemente exactos o sin
sesgos paraque cumplan los requisitos de un problemaparticular de inge-
niería. También deben ser lo suficientemente precisos para el diseño en
la ingeniería. En este libro se usa el término error para representar la ine-
xactitud y la imprecisión de las predicciones. Con estos conceptos como
antecedentes, ahora se puedendiscutir los factores que contribuyen al error
en los cálculos numéricos.
FIGURA 3.2 Un ejemplo de un buen tirador ilustrael concepto de exactitud y preci-

sión. o) Inexacto e impreciso; b) exacto e impreciso; c) inexacto y preci-
so; d) exacto y preciso.
3.3 DEFINICIONES DE ERROR

Los errores numéricos se generan con el uso de aproximaciones para re-
representar las operaciones y cantidades matemáticas. Estos incluyen erro-
res de truncamiento, que resultan de representar aproximadamente un
procedimiento matemático exacto, y los errores de redondeo, que resul-
tan de representar aproximadamente números exactos. Para los dos ti-
pos de errores, la relación entre el resultado exacto o verdadero y el
aproximado está dada por
Valor verdadero = valor aproximado + error [3.11
reordenando la ecuación (3.l), se encuentra que el error numérico es igual

a la diferencia entre el valor verdadero y el valor aproximado, esto es
E, = valor verdadero - valor

aproximado D.21
68 MgTODOS NUMeRICOS PARA INGENIEROS
EJEMPLO 3.1
Cálculo de errores
Enunciado del problema: supóngase que se tiene que medir la longitud

de un puente y de un remache, obteniéndose 9 999 y 9 cm, respectiva-
mente. Si los valores verdaderos son10 O00 y 10 cm, calcúlese a) el error
y b) el error relativo porcentual de cada caso.
Solución: a) Elerrorenlamedicióndel puentees [Ec. (3.2)]
E , = 10 O00 - 9999 = 1 cm
y parael remache es de
E,= 1 0 - 9 = lcm
b) El errorrelativoporcentualparaelpuenteesde [Ec. (3.3)]

1
E” = 100% = 0.01 %
10 O00
y parael remache es de
€, =-100% = 10%
10
Por lo tanto, aunqueambasmedidastienen un error de 1 cm, elerror
relativo porcentual del remache es mucho más grande. Se puede con-
cluir que se ha hecho un buen trabajo en la medida del puente, mientras
que la estimación para el remache deja mucho que desear.
donde E, se usapara denotar elvalor exacto delerror. Se incluyeel

subíndice v para dar a entender que se trata del “verdadero” error. Como
ya se mencionó brevemente, esto contrasta con los otros casos, donde
se debe emplear una estimación “aproximada” del error.
Un defecto en esta definición es que no toma en consideración el or-
den de magnitud del valor que se está probando. Por ejemplo, un error
de un centímetro es mucho más significativo si se está midiendo un re-
mache que un puente. Una manera de medir las magnitudes de las canti-
dadesque se estánevaluandoesnormalizarelerrorrespecto al valor
verdadero. como en
error
Errorrelativofracciona1 =
valorverdadero
donde, como ya se dijo en la ecuación (3.2) error = valor verdadero -

valor aproximado. El error relativo también se puede multiplicar por el
100% para expresarlo como
error verdadero
E, = 100%
valor verdadero
donde E, denota el error relatioo porcentual.
Nótese que en las ecuaciones (3.2) y (3.3)E y E tienen un subíndice

u que significa la normalización del error al valor verdadero. En el ejemplo
3.1, se utilizó el valor verdadero. Sin embargo, en las situaciones realeses
a veces difícil contar con tal infornación. Para los métodos numéricos,
el valor verdadero únicamente se conocerá cuando se habla de funciones
que se puedan resolver analíticamente. Porlo general este seráel.casocuando
se estudie el comportamiento teórico de una técnica en particular. Sin em-
bargo, en aplicaciones reales, obviamente no se conoce la respuesta verda-
dera a priori. En estos casos, normalizar el error es una alternativa, usando
la mejor estimación posible del valor verdadero, esto es, a la aproximación
misma, como
error aproximado
€a = 100%
valor aproximado
donde el subíndice a significa que el error está normalizado a un valor
aproximado. Nótese también que en aplicaciones reales, la ecuación (3.2)
no se puede usar para calcular el término del error para la ecuación (3.4).Uno
de los retos a que se enfrentan los métodos numéricos es el de determinar
estimaciones del error en ausencia de conocimiento de los valores verda-
deros. Por ejemplo, ciertos métodos numéricosusan un esquema iterati-
uo para calcular resultados. En tales esquemas, se hace una aproximación
en base a la aproximación anterior. Este proceso se repite varias veces,
o de forma iterativa, para calcular sucesivamente más y mejores aproxi-
maciones. En tales casos, el error a menudo se calcula como la diferencia
entre la aproximación previa y la actual. Por lo tanto, el error relativo por-
centual está dado por
aproximación actual - aproximación previa

€a = 100% [3.5]
aproximación actual
-
En capítulos posteriores se explicarán con detalle éste y otros esquemas
para expresar errores.
El signo de las ecuaciones (3.2)hasta la (3.5)puede ser positivo o
negativo. Si la aproximación es mayor que el valor verdadero (o la apro-
ximación previa es mayor que la aproximación actual), el error es negati-
vo; si la aproximación es menor que el valor verdadero, el error es positivo.
También, en las ecuaciones (3.2)a la ( 3 . 5 ) ,el denominador puede ser
menor de cero, lo que puedellevar a un error negativo. A menudo. cuando

se realizan cálculos, puede noimportar mucho el signo del error sino más
bien que su valor absoluto sea menor que una tolerancia prefijada E,. Por
lo tanto, a menudo es útil emplear el valor absoluto de las ecuaciones
(3.2) a la (3.5).En tales casos, los cálculos se repiten hasta que
Si se cumple la relación anterior, entonces se considera que el resultado

obtenido está dentro del nivel aceptable, fijado previamente, E,.
Es también conveniente enfocar estos errores hacia el número de ci-
fras significativas en la aproximación. Se puede demostrar (Scarborough.
1966) que si el siguiente criterio se cumple, puede tenerse la seguridad
que el resultado es correcto e n al menos n cifras significativas.
[3.7]
EJEMPLO 3.2
Estimación del error para métodos iterativos
Enunciado del problema: en matemáticas, a menudo se pueden repre-

sentar las funciones mediante una serie infinita. Por ejemplo, la función
exponencial se puede calcular usando:
[E3.2.1]
Mientras más términos se le agreguen a la serie. la aproximación se acer-

cará más y más al valor de ex. A la ecuación (E3.2.1) se le llama expan-
sión e n series de Maclaurin.
Empezando con el primer término, ex = 1, y agregando un término
a la vez, estímese el valor de e"'. Después que se agregue cada térmi-
no, calcúlense los errores relativos porcentuales real y aproximado. usando
las ecuaciones (3.3)y ( 3 . 5 ) ,respectivamente. Nótese que el valor real
es e o = 1.648 721 271. Agréguense términos hasta que el valor abso-
luto del error aproximado e, sea menor al criterio preestablecido. f , que
contempla tres cifras significativas.
Solución: en primer lugar, la ecuación (3.7)se puede emplear para de-
terminar el criterio de error que asegura un resultado correcto en al me-
1 nos tres cifrassignificativas:
es = (0.5 X 102-3)%= 0.05%
Por lo tanto, se agregarán términos a la serie hasta que E, sea menor que
este nivel.
La primera estimación es iguala la ecuación (E3.2.1) con un sólo tér-

mino. Por lo tanto la primer estimación es igual a l . La segunda estima-
ción se obtiene agregando el segundo término, como sigue:
ex=l+x
y para x = 0.5
=1 + 0.5 = 1.5
Querepresenta un errorrelativoporcentualde [Ec. (3.3)]
1.648721271 - 1.5 = 9.029%
€" =
1.648721271
La ecuación (3.5) determina una estimación aproximada del error, dado
por:
1.5 - 1
Eo = 100% = 33.3%
1.5
Ya que E, no es menor que el valor prefijado, E $ , los cálculos continúan

agregando otro término, x2 / 2! y repitiendo los cdlculos de errores. El
proceso se continúa hasta que eo < E,. Todos los cálculos se pueden re-
sumirde la siguiente manera.
Términos Resultado E" 9% EL7 5%

1 39.3
2 9.02 33.3
3 1.625 1.44 7.69
4 1.645833333 O.1.27
175
5 1.648437500 0.01 72 O. 158
6 1.64869791 7 0.001 42 0.01 58
Así, después de que los seis términos se incluyen, el error estimado baja
de E , = 0.05%, y el cálculotermina. Sin embargo, nótese que en vez
de tres cifras significativas, ¡el resultado se mejora al llegar a cinco cifras!
Esto se debe a que, para este caso, las ecuaciones (3.5) y 3.7) son con-
servativas, esto es, aseguran que los resultados sonpor lo menos tan bue-
nos como lo especifican. Aunque, como se analiza en el cápítulo 5 , este
no es siempre el caso para la ecuación (3.5),y es cierto casi siempre.
Con las definiciones anteriores como antecedente, se puede proceder

ahora sobre los dos tipos de error ligados directamente conlos métodos nu-
méricos. Estos son los errores de redondeo y los errores de truncamiento.
3.4 ERRORES DE REDONDEO

Como ya se ha mencionado, 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 se guardan siete cifras significativas, la computadora puede
almacenar y usar K como K = 3.141 592, omitiendo los términos restantes
y generando un errorde redondeo,[de la ecuación (3.2)]:
E, = 0.000 O00 65.
La anterior es una de las varias formas que utiliza una computadora

para redondear números. Esta técnica de retener sólo los primeros siete
términos se le llamó “truncamiento”en el ambiente de computación. De
preferencia se le llamará de corte para distinguirlo de los errores de trunca-
miento discutidos en la próxima sección. Un corte ignora los términos res-
tantes de la representación decimal completa. Por ejemplo, el octavo dígito
significativo en este caso es 6 . Por lo tanto K se representa de manera más
exacta como 3.141 593que como 3.141 592 obtenido mediante un corte,
ya que el valor está más cercano del valor verdadero. Esto se puede visuali-
zardelasiguiente manera, si K se aproxima por K = 3.141 593, elerror
de redondeo sereduce a:
E, = 0.000 O00 35.
Las computadoras se pueden desarrollar para redondear números de

acuerdo a reglasde redondeo, como laquese acaba de mencionar. Sin
embargo, esto agrega costo computacional por lo que algunas computado-
ras usan el corte directo. Este enfoque se justifica bajo la suposición de que
el número de cifras significativas en la mayor parte de las computadoras es
mucho mayor que el error de redondeo dado por un corte usualmente in-
significante.Estasuposiciónsesustentaenelsiguiente ejemplo.
Los errores de redondeo asociados con el ejemplo 3.3 son impercep-
tibles en todos los casos cuando se comparan conel error de truncamiento
en t = 12 S que es (véanse los ejemplos 1.1 y 1.2):
4749.0 - 4995.9
E, = 100 = -5.20%
4749.0
EJEMPLO 3.3
Efectos del error de redondeo en los cálculos del problema del para-
caidista
Enunciado del problema: repítanse los cálculos del ejemplo 1.2, usando
tres, cuatrocinco y seiscifrassignificativas.
CUADRO 3.1 Comparacibn del problema del paracaidista usan-

do una cantidad diferente de cifras significativas,
con
un tamaño de paso igual2 as. Los cálculos se reali-
zan con el número de cifras significativas indicadas.
VELOCIDAD, cmls (cifras significativas)

Tiempo, S 3 4 5 6
O O O 0.0 0.0
2 1960 1960 1960.0 1960.00
4 3200 3200 3200.4 3200.46
6 3980 3985 3985.5 3985.54
8 4470 4482 4482.3 4482.41
10 ’. 4780 4796 4796.8 4796.88
12 4980 4995 4995.8 4995.91
Solución: usando tres cifras significativas, u ( 2 ) se calculará como en el

ejemplo 1.2:
u(2) = 1960
Con tres cifras significativas, el valor de u(4) = 3 200.5 se representará

como 3 200. Los cálculos continúan de la siguiente manera:
u ( 6 ) = 3 980
u ( 8 ) = 4 470
u(10) = 4 780
u(12) = 4 980
El resto de los cálculos resueltos están en el cuadro 3.1.
El valor numérico de t = 12 S y hasta 10 cifras significativas es de
4 995.921 508. Por lo tanto, usando tres, cuatro,cinco y seis cifras signi-
ficativas se producen los errores relativos porcentuales de redondeo0.32,
0.018, 0.002 4 y 0.000 23, respectivamente.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras

significativas, los errores de redondeo parecerían no ser muy importan-
tes. Sin embargo, hay dos razonesdel porqué pueden resultar críticos en
algunos métodos numéricos:
1. Ciertos métodos requieren cantidades extremadamente grandes para

obtener una respuesta. Además, estos cálculos a menudo dependen
entre sí. Esto es, los cálculos posteriores son dependientes de los an-
teriores. En consecuencia, aunque un error de redondeo individual
puede ser muy pequeño, el efecto de acumulación enel transcurso

de lagran cantidad de cálculos puede ser significativo.
2. El efecto del redondeo puede ser exagerado cuando se llevan a cabo

operaciones algebraicas que emplean númerosmuy pequeños y muy
grandes al mismo tiempo. Ya que este caso se presenta en muchos
métodos numéricos, el error de redondeo puede resultar de mucha
importancia.
EJEMPLO 3.4
La importancia de las cifras significativas de los cálculos algebraicos
Enunciado del problema: determínesela diferencia de dos números gran-

des: 32 981 108.123 4 y 32 981 107.998 9. En seguida, repítanse los
cálculos pero incrementando elminuendoen un 0.001%.
Solución:
la diferencia de los números es
32 981 108.123 4
-32 981 107.998 9
0.124 5
Ahora, incrementando el minuendo en un 0.001% se obtiene el número
32 981 437.934 5, y la diferencia es:
32 981 437.934 5
-32 981 107.998 9
329.935 6
que es considerablemente diferente de la primera. De aquí que una mo-
dificación en el minuendo, aparentemente insignificante, provoca una gran
diferencia en el resultado.
Los tipos de errores mencionados hasta ahora pueden tener dificulta-

des para ciertos métodos numéricos. Estos se discuten en las siguientes
secciones dellibro.
3.4.1 Reglas de redondeo
Las reglas para redondear números en cálculos manuales se analizan en

el recuadro 3.1 y se ilustran en el ejemplo 3.5. Estas reglas no se aplican
normalmente cuandose realizan cálculos extensos por computadora. Sin
embargo, ya que se usan cálculos manuales a lo largo del texto, se han
incluido estas reglas como punto de referencia para cálculos posteriores.
RECUADRO 3.1 Reglas de redondeo tad0 es igual al número más pequeño de cifras signi-
ficativas que contiene la cantidad en la operación.
Las siguientes reglas dan la pauta a seguir en el redon-
deo de números cuando se realizan cálculos a mano. 4. Para combinaciones de las operaciones aritméticas,
existen dos casos generales. S e puede sumar o res-
1. En el redondeo, se conservan las cifras significativas tar el resultado de las multiplicaciones o de las divi-
y el resto se descarta (fig. B3.1).El últimodígito siones.
que se conserva se aumenta en uno si el primer dí-
gito descartado es mayor de 5. De otra manera se
deja igual. Si elprimerdígito descartado es 5 o es
5 seguido de ceros, entonces el Último dígito reteni-
do se incrementa en 1 , sólo si es impar.
( )( )
Multiplicación multiplicación
diviión divizón
o también se pueden multiplicar o dividir los resulta-

2. En la suma y en la resta, el redondeo se lleva a cabo dos de las sumas y las restas:
de forma tal que el último dígito retenido en la res-
puesta corresponda al último dígito m6s significativo
de los números que estdn sumando o restando. N6-
tese que un dígito en la columna de las centésimas
es m6s significativo que uno de la columna de las mi-
lésimas. En ambos casos, se ejecutan las operaciones entre
paréntesis y el resultado antes de proceder con otra
3 . Para la multiplicación y para la división el redondeo operación, en vez de redondear Únicamente el resul-
es tal que la cantidad de cifras significativas del resultado final.
ultimo Primer
digito digito
5.6170 431
Digitas Digitos
retenidos o descartadas
significativas
FIGURA B3-1. Ilustración de los dígitos retenidos y descartados de un número con cin-
co cifras significativas.
EJEMPLO 3.5
Ilustraciones de las reglas de redondeo
Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo
analizadasenel recuadro 3.1
1. Errores de redondeo
5.6723 ”+ 5.67‘ 3 cifras

significativas
10.406
7.3500
88.21650 -.+
1.25001
-
”+ 10.41
7.4
88,216
1.3
4 cifras signlficativas
2 cifrassignificativas
5 cifrassignificativas
2 cifras
significativas
2. Sumas y restas. (Nota: las últimas cifras más significativas que se re-
tienen, están en negritas) :
a) Evalúese 2.2 - l .768

2.2 - 1.768 = 0.432 +0.4
b) Evalúese 4.68 x l o p 7 8.3 x + - 228 x lop6. La eva-
luación de este cálculose facilita expresando los números con
un mismo
exponente:
0.004 68 x + 8.3 x - 2.28 x
De esta manera, se puede ver claramente que el 3 es el último dígito
significativo reteniendo, por lo que la respuesta se redondea de la si-
guiente manera:
6 , 0 2648 x - 6.0 x
3 . Multiplicación y división:
a) Evalúese 0.0642 X 4.8
0.0642 X 4.8 = 0.308 16 ”-+ 0.31
b) Evalúese 945 f 0.3185

945
= 2 967.0329 67 . . . -”+ 2 970
0.318 5
4 . Combinaciones:
a) Evalúese [15.2
(2.8 x [(8.456 x + 0.1771
Primero, efectúense lamultiplicación y la división que están dentro
+
de los corchetes:
[4.256 X 10.~1+ [4.777 401 . . . + ‘10.~1

Ahora, antesde sumar, se redondeanlascantidades encerradas:
y después súmese y redondéese el resultado:

I 9.08 10-3-A9.1 X 10-3

X
6.740 X 10-5 - 8.7 X 10-7

b) Evalúese
2.672 X lo3 + 5.8
Antes de realizar las sumas y las restas, se expresan los números del nu-
merador y del denominador de manera que estén elevados al mismo ex-
ponente.
674 X 10-7- 8.7 X 10-7

2.672 x lo3 + 0.005 8 x lo3
Ahora se hace la suma y la resta:
665.3 X
2.677 8 x lo3
1 y seredondea:
665 X 10-7
2.678 X lo3
finalmente, se divide y se redondea el resultado:
2.483 ...
196 X lo-*"+ 2.48 x
3.5 ERRORES DE TRUNCAMIENTO

Los errores de truncamiento son aquellos que resultan al usar una aproxi-
mación en lugar de un procedimiento matemático exacto. Por ejemplo, en
el capitulo 1 se aproximó la derivada de la velocidad de caída de un para-
caidista mediante la ecuación de diferencia dividida de la forma [€c. (l.lo)]:
Se introdujo un error de truncamiento en la solución numérica ya que

la ecuación de diferencias sólo aproxima el valor verdadero de la deriva-
da (Fig. 1.3).Además para obtener conocimiento de las características
de estos errores se regresa a la formulación matemática usada amplia-

mente en los métodos numéricos para expresar funciones en forma poli-
nomial: La serie de Taylor.
3.5.1 Serie de Taylor
Enel ejemplo 3.2 se usauna serie infinita para evaluar una función en
un valor específico de la variable independiente x . De manera similar, la
serie de Taylor da una formulación para predecir el valor de la función
en x,+l en términos de lafunción y de sus derivadas en una vecindad
al punto x,.
En vez de presentar en conjunto la serie de Taylor, se obtendrá más
conocimiento de la misma construyéndola términoa término. Por ejem-
plo, elprimertérminodelaserie es:
Esta igualdad, conocida como aproximacióndeorden cero, indica que

el valor de f en el nuevo punto es el mismo que el valor en el punto ante-
rior. Este resultado se logra intuitivamente ya que si xi y xi+ están muy
próximasunade la otra, entonces esigualmenteposibleque el nuevo
valor sea probablemente similaral anterior.
La ecuación (3.9) da una estimación perfecta si la función que se va
a aproximar es una constante. Sin embargo, si la función cambia en todo
el intervalo, entonces se requieren los términos adicionales de la serie de
Taylor para obtener una mejor aproximación. Por ejemplo, la aproxima-
ción aprimerorden se obtiene sumando otro término al anterior para
obtener:
[3.10]
El término adicional de primer orden consiste de la pendiente f' (xi) mul-

tiplicada por la distancia entre xiy x i + l .Por lo tanto, la expresión ahora
representa una línea recta y es capaz de predecir un incremento o un de-
cremento de lafunción entre xi y x ~ + ~ .
Aunque la ecuación (3.10)puede predecir un cambio, sólo es exacta
para una línea recta o esdedirecciónlineal. Por lo tanto, se le agrega
a la serie un término de segundo orden para obtener algo sobre la curva-
tura de la función si es que la tiene:
[3.11]
De manera similar, se pueden agregar términos adicionales para desarro-

llarla expansión completa de la serie de Taylor:
+m
3!
(xi+l- Xj)3 + ... +-
f(,)(Xi) (Xii-1
n! - xi)" + R"
[3.12]
Nótese que debido a quela ecuación (3.12) es unaserie infinita, el signo

igual reemplaza al de aproximación usado en las ecuaciones (3.9)a la
(3.11). Seincluye un término residual para considerartodos los términos
desde n + 1 hasta el infinito:
R, = f'"+"(h) (Xi+1 - Xi),+] [3.13]

(n + l)!
donde el subíndice n indica que el residuo es dela aproximación a n-esimo

orden y ( es un valor cualquiera de x que se encuentra en xi y xi+
La inclusión de dentro de la serie es de mucha importancia al grado
que se dedica una sección completa (sección 3.5.2) para su estudio. Por
ahora, essuficiente darsecuenta que existe este valor que da una estima-
ción exacta del error.
Frecuentemente es convenientesimplificar la serie de Taylor definiendo
un paso h = - xi y expresando la ecuación (3.12)como:
en donde el término residual es ahora:
[3.15]
EJEMPLO 3.6
Aproximaciones de un polinomio mediante la serie de Taylor.
Enunciado del problema: úsense términos en la serie de Taylor de cero

a cuarto orden para aproximar la función:
80
INGENIEROS PARA NUMERICOS METODOS
desde el punto xi = O y con h = 1. Esto es, predecir el valor de la fun-

en xi+ = 1.
ción
Solución: ya que se tratadeunafunción conocida, se pueden calcular
valoresde f (x) O y 1. Los resultados (Fig. 3.3) indicanquelafunción
empiezaen f (O) = 1.2 y continúa hacia abajo hasta f (1) = 0.2. Por lo
tanto, elvalor que se trata de predecir es 0 . 2
La aproximaci6n en serie deTaylor de orden cero es [Ec. (3.9)1:
Como se puede verenlafigura 3.3, la aproximación de orden cero es

una constante. El errordetruncamiento en este caso es [recuérdese la
ecuación (3.2)]:
E” = 0.2 - 1.2:- 1.0
en x = 1.
Para n = 1 , laprimerderivada se debedeterminar y evaluaren
x = O, como:
FIGURA 3.3 La aproximación de {(x) = -0.1 x4 - 0 . 1 5 ~-~0.5~’ +

- 0 . 2 5 ~ 1.2
en X = 7 mediante series de Taylor de orden cero, de primero y se-
gundo orden.
I Laaproximaciónaprimerorden es[Ec. (3.10)]
f ( x i + l )E 1.2 - 0.25h
que se puede usar para calcularf (1)= 0.95. Por consiguiente, la aproxi-
mación empieza a coincidir con la trayectoria de la función como la pen-
diente de una línea recta (Fig.3.3).De esta manera el error de truncamiento
se reduce a:
E, = 0.2 - 0.95 = -0.75

en x = 1. Para n = 2 , se evalúa la segundaderivadaen x = O:
f”(0)= -1.2(0.0)* - 0.9(0.0) - 1.0 = -1.0

y de acuerdo a la ecuación (3.11):
f(xi+l) 1.2 - 0.25h - 0.5h2

y , sustituyendo h = 1
f(1)= 0.45
Al incluirse la segunda derivadase añade una curvatura descendente
que proporcionauna estimación mejor, como se muestra en la figura 3.3.
El errordetruncamiento se reducea 0.2 - 0.45 = - 0.25.
Los términos adicionales mejoranaún m6s la aproximación. En efec-
to, incluyendo la tercera y la cuarta derivada, se obtiene la ecuación original:
f(q+l) = 1.2 - 0.25h - 0.5h2 - 0.15h3 - 0.10h4

donde eltérminoresidual es:
ya que laquintaderivada de un polinomio de cuartoordenes nula,

R4 = O. Por consiguiente, la expansión en serie de Taylor hasta la cuarta
derivadaproduceunaaproximación exacta en x = 1.
En general, la expansión en serie de Taylor de n-ésimo ordenes exacta

para un polinomio de n-ésimo orden. Para otras funciones continuas di-
ferenciables, como las exponenciales o senoidales, no se obtiene una estima-
82 MhODOS NUMERICOS PARA INGENIEROS
ción exacta mediante un número finito de términos. Cada uno de los términos
adicionales contribuye al mejoramiento de la aproximación, aunque sea con
poco. Esto se muestra en el ejemplo 3.7. Se obtendría un resultado exacto,
únicamente si seagrega un númeroinfinito de términos.
Aunque lo anterior se cumple, el valor práctico de la serie de Taylor
estriba, enlamayorpartedelos casos, enel usode un númerofinito
de términos que darán una aproximación lo suficientemente cercana a
la solución verdadera para propósitos prácticos. La decisión sobre cuán-
tos términos se requieren para obtener una “aproximación razonable” se
basa en el término residual de la expansión. Recuérdese que el término
residual es de la forma general de la ecuación (3.15). Esta fórmula tiene
dos grandes desventajas. Primero [ no se conoce exactamente sino que
sólo se sabe que está entre xi y xi+ Segundo, para la evaluación de la
ecuación (3.15) se requiereevaluar la (n + 1)-ésima derivada de f(x).
Para hacerlo, se necesita conocer f(x) . Pero, si ya se conoce f(xj, ¡enton-
ces no hay razón para realizar la expansión en series de Taylor en primer
lugar!
A pesar de este dilema, la ecuación (3.15) aún resulta útil parala eva-
luación de errores de truncamiento. Esto se debea que tiene control sobre el
término h de la ecuación. En otraspalabras, se puededecidirquétan
lejos de x se desea evaluar f(x) y se puede controlarla cantidad de térmi-
nos incluidos en la expansión. Por lo tanto, la ecuación (3.15) se expre-
sa, usualmente como:
R, = O(hntl)
donde la nomenclatura O(h I) significa que el error de truncamiento es
de orden h,+ Esto es, el erroresproporcional al paso h a la (n + 1)
+
-enésima potencia. Aunque esta aproximación no implica nada relacionado

con las derivadas que multiplica h ,+es extremadamente útil al evaluar
el error relativo de los métodos numéricos basados en las expansiones
en serie de Taylor. Por ejemplo, si el error es O (hj,y se reduce a la mi-
tad el paso, entonces el error se reducirá a la mitad. Por otro lado. si el
error es O(h2) y se reduce a lamitadel paso, entonces el error se redu-
cirá a unacuarta parte.
EJEMPLO 3.7
Uso de la serie de Taylor para aproximar una función que tiene un
número infinito de derivadas.
Enunciado del problema: úsense los términos de la serie de Taylor con

n = O hasta 6 paraaproximar:
f (x) = cos x
en x = a / 3 (60O) en base al valor de f (x) y de sus derivadas alrededor

delpunto x = a / 4 (45). Nóteseque esto significaque h = a / 3 -
a/4=a/12.
Solución: como en el ejemplo 3.6, el conocimiento de la función original
implicaque se puede conocer elvalor exacto de f (a / 3 ) = 0.5.
Laaproximacióndeorden cero es [Ec. (3.9)]:
f(d3) = COS (d4) = 0.707 io6781
que representa un errorrelativoporcentual de:
0 . 5 - 0.707106781 loo^ = “41,49g

E” =
0.5
Para la aproximación de primer orden, se suma el término que con-

tiene a laprimer derivada,donde f ’ ( x ) = - sen x:
f(:) COS (3 -Sen(:)(g) = 0.521986659
quetiene un errorrelativoporcentualde E, = - 4.40.

En la aproximación de segundo orden, se incluye el término quecon-
tiene a la segundaderivada,donde f’ ’ (x) = - cos x:
con un error relativo porcentual de E, = -0.449. Por lo tanto, al agre-

garmástérminos a laserie se obtiene una mejor aproximación.
Este proceso se puede continuar,los resultados se muestran en el cua-
dro 3.2. Nótese que las derivadas nunca se acercan a cero, como es el
CUADRO 3.2 Aproximaciones mediante la serie deTaylor de f (x)

= cos x en x I 3 alrededor del punto x 14. Los
~ valores se muestran para varios brdenes
de apro-
I xirnaci¿n (m).
Orden n f”(x) P(nI3) C”
O cos x -41.4
0.707106781
1 -sin x 0.52 1986659 -4.4
2 “cos x 0.497754491 0.449
3 sin x 0.499869147 2.62 x
4 cos x 0.500007551 -1.51 X 10-3
5 -sin x 0.500000304 -6.08 X 10-5
6 -cos x 0.499999988
2.40 x
casodelpolinomiodelejemplo 3.6. Sin embargo, cada término que

se le agrega a la serie produce una mejor aproximación. Nótese también
que la mayor aproximación se consigue con los primeros términos. En
este caso, en el momento que se le agregó el tercer término, el error se
redujo al 2.62 x lo-*%, lo que significa que se haalcanzado el 99.9738%
del valor exacto. Por consiguiente, si se le agregan más términos a
la serie el error decrece, pero la mejoría será mínima.
En general, se puede suponer queel error de truncamiento disminu-

ye agregando términos a la serie de Taylor. Además, si h es lo suficiente-
mentepequeño,entonces los términos de primero y segundoorden
influyen desproporcionadamente en el porcentaje del error. Esta propie-
dad se ilustra en el ejemplo siguiente.
3.5.2 El residuo de la expansión en la serie de Taylor
Antes de demostrar cómo se usa la serie de Taylor e n la estimación de

errores numéricos, se debeexplicar por qué seincluye el argumento [ en
la ecuación (3.15).En vez de presentar una derivación matemática ge-
neral se desarrollará una exposición más simple basada en una interpre-
tación geométrica. En seguida se puede extender este caso específico a
una formulación más general.
Supóngase que se truncóla expansión en serie de Taylor [€c. (3.14)l
después del término de orden cero para obtener:
f(Xi+l) = f(x0
En la figura 3.4 se muestra un bosquejo de esta predicción de orden ce-

ro. El residuo o error de esta predicción, que se muestra también en la
figura, consiste de la serie infinita de términos que fueron truncados:
Ro = f’(xi)h + f”(Xi)
-h2
2!
+ f’”(X.)
-h3
3!
+ ...
Es obvio que tratar el residuo de esta serie infinita con este formato
es inconveniente. Se puede obtener unasimplificación truncando el resi-
duo mismo, de la siguiente manera:
Ro 2 f ’ ( x i )h [3.16]
Aunque, como se mencionó en la sección previa, los términos de las de-
rivadas de ordeninferior cuentan mucho más enel residuo que los térmi-
nos de las derivadas de orden superior, este resultado todavíaes inexacto,
ya que se han despreciado los términos de segundo orden y de órdenes
FIGURA 3.4 Representacióngráfica de unapredicciónde la serie deTaylorcon

residuo.
superiores. Esta “inexactitud” se denota mediante el símbolo de aproxi-

mación a la igualdad ( =) empleado en la ecuación (3.16).
Una simplificación alterna que realiza la aproximación a una equiva-
lencia está basada en el esquema gráfico. Nótese que en la figura 3.4 el
error Lo pudo haberse determinado si se hubiera sabido la posición del
valor exacto. Obviamente este valor es desconocido ya que de otra ma-
nera no sehubiese requerido dela expansión en serie de Taylor.Sin em-
bargo, el teorema delvalor medio del cálculo ofrece una forma de rehacer
el problema para evitar en forma parcial este dilema.
El teorema del oalor medio diceque si una función f (x) y su primera
derivada son continuas sobre un intervalo [x, xi+J, entonces existe al
menos un punto sobrela función que tiene una pendiente, dada por f’ (E),
que es paralela a la línea que une f ’ (xi) con f ’ (xi+1).El parámetro 4
marca el valor x donde ocurre la pendiente (Fig. 3.5).Se puede hacer
una ilustración tangible de este teorema en el hecho de que si se viaja
entre dos puntos con una velocidad promedio, habrá al menos un mo-
mento durante el curso del viaje en el que se mueva a esa velocidad
promedio.
Al hacer uso de este teorema resulta fácil darse cuenta, como seilustró
en la figura 3.5, que la pendiente f’(4)es igual a cociente Ro entre h, o:
FIGURA 3.5 Representación gráfica del teorema del valor medio.
que se puede reordenar para obtener:
Por lo tanto, se ha obtenido el término de orden cerode la ecuación (3.15).

Los términos de órdenes superiores son una extensión lógica del razona-
miento usado para derivar la ecuación (3.17), basado e n la forma general
del teorema extendido del valor medio (Thomas y Finney, 1979).Por lo
tanto, la versión de primer orden es:
[3.18]
En este caso, el valor de 4 conforma el valor de x que corresponde a la

derivada de segundo orden que hace exacta a la ecuación (3.18).Los
términos de orden más alto se pueden desarrollar de la ecuación (3.15).
3.5.3 Uso de la serie de Taylor para estimar los errores de truncamiento
Aunque la serie de Taylor es extremadamente útil en la estimación de

errores de truncamiento a lo largo de este libro, puede que aún no esté
muy claro cómo la expansión puede aplicarse en estos momentos a los
métodos numéricos. En realidad, esto ya se hizo en el ejemplo del para-
APROXIMACIONES Y ERRORES a7
caidista. Recuérdese que el objetivo de los ejemplos l.1 y l.2 fue el de

predecir la velocidad en función del tiempo. Esto es, se deseaba determi-
nar u (t). Como se especificó en la ecuación (3.12),u (t) se puede expan-
dir en la serie d e Taylor como:
Ahora, truncando la serie después del término con primera derivada, se

obtiene:
La ecuación (3.20) se puede resolver para:
[3.21]
"
Aproximación de Error
primerorden detruncamiento
La primera parte de la ecuación (3.21) es exactamentela misma relación
que se usó para aproximar la derivada del ejemplo 1 . 2 [Ec. (1.lo)].Sin
embargo, con el esquema de la serie de Taylor se ha obtenido una esti-
mación del error de truncamiento asociado con esta aproximación de la
derivada. Usando las ecuaciones (3.13)y (3.21) se obtiene:
[3.22]
~- R1 - O(tii.1 - ti) [3.23]

ti+1 - ti
Por lo tanto, la estimación de la derivada [Ec. (1.10)o !a primera parte

de la Ec. (3.21)]tiene un error de truncamiento de orden t,+ - ti. En
otras palabras, el error en la aproximación usando derivadas debe ser
proporcional al tamaño del paso. Por lo tanto, si éstese divide a la
mitad, entonces se espera que el error de la derivada, se reduzca ala mi-
tad.
3.5.4. Diferenciación numérica
A la ecuación (3.21) se le conoce con un nombre especial en el análisis

numérico, se le llarr,a diferencias diuididas finitas. Se puede representar
generalmente como:
[3.24]
[3.25]
donde a Aj,se le conoce como la primera diferencia hacia adelante y a

h se le llama tamaño del paso, esto es, la longitud del intervalo sobre el
cual se hace la aproximación. S e le llama diferencia "hacia adelante" ya
que usa los datos i e i -t 1 para estimar la derivada (Fig. 3.6~1). AI térmi-
no completo Af,/h se le conoce como primera diferencia dividida finita.
Esta diferencia dividida hacia adelante no es sino una de tantas que
se pueden desarrollar mediante la serie de Taylor para la aproximación
de derivadas numéricas. Por ejemplo,las aproximaciones a primeras de-
rivadas, utilizando las diferencias hacia atrás o las diferencias centrales se
pueden desarrollar de una manerasimilar a la de la ecuación (3.24).Las
primerasusan a (Fig. 3 . 6 b ) , mientras que las segundasusan infor-
mación igualmente espaciada alrededor del punto donde está estimada
la derivada (Fig. 3 . 6 ~ Las
) . aproximaciones más exactasde la primer de-
rivada se pueden desarrollar incluyendo en la serie de Taylor términos
de orden más alto. Finalmente, todas las versiones anteriores se pueden
desarrollar para derivadas de segundo orden,tercer orden y órdenes su-
periores. Las siguientes secciones analizan brevemente estos casos, ilus-
trando cómo se deriva cada uno de ellos.
Aproximaciones a la primera derivada con diferencias hacia atrás.

La serie de Taylor se puede expandir hacia atrás para calcular un valor
anterior sobre el valor actual, dada por:
[3.26]
Truncando la ecuación después de la primer derivada y ordenando los

términos se obtiene:
[3.27]
donde el error es O (h) y V f, indica la primer diferencia dividida hacia

atrús. Véase la figura 3.6b para una representación gráfica,.
Aproximaciones a la primer derivada con diferencias centrales. Una

tercera forma de aproximar la primer derivada es restar la ecuación (3.26)
FIGURA 3.6 Gráfica de aproximaciones con diferencias divididas tinitas de la prime-

ra derivada, a) hacia adelante, b) hacia atrás y c) centrales.
de la expansión en serie de Taylor hacia adelante:
[3.28]
para obtener
que se puede resolver para
or
[3.29]
La ecuación (3.29)es una representación de las diferencias centrales (o

centradas) de la primera derivada. Nótese que el error de truncamiento
es del orden de h 2 en contraste con las diferencias divididas hacia adelan-
te y hacia atrás, las cuales fueron de orden h . Por lo tanto, el análisis de
la serie de Taylor ha llevado a la información práctica de que la diferencia
central es la representación más exactade la derivada (Fig. 3 . 6 ~ )Por
. ejemplo,
si se parte el tamaño del paso a la mitad usando diferencias hacia atrás o
hacia adelante, el error se reducirá aproximadamente a la mitad, mientras
que para diferencias centrales, el error se reduce a la cuarta parte.
Aproximaciones a derivadas de orden más alto usando diferencias fini-

tas. Junto a la primer derivada, la expansión de la serie de Taylor se puede
usar para una estimación numérica de las derivadas de orden superior.
Para hacerlo, se escribe una expansión en serie deTaylor hacia adelante
para f (xj+*)en términos de f (xi) de la siguiente forma:
f(Xi+2) =f k i )
f"(xi)(2h)Z
+ f'(XiI(2h) + -
+
... [3.30]
2
La ecuación (3.28) se puede multiplicar por 2 y restarse de la ecuación
(3.30)para obtener:
que se puede resolver para:
[3.31]
APROXIMACIONESY ERRORES 91
A esta relación se le llama diferencias diuididas finitas hacia adelante de

segundo orden. Se pueden usar procedimientos similares para obtener
las versiones hacia atrás y centrales. Las aproximaciones a tercer orden
delasdiferenciasdivididashacia adelante, hacia atrás y centrales tam-
bién pueden obtenerse (Fig. 3.7 a la 3.9). En todos los casos, las diferen-
cias centradas danuna mejor aproximación.
Fórmulas de exactitud para diferencias de orden superior.Todas las esti-

maciones anteriores truncaron las estimaciones dadas por
la serie de Taylor
después de algunos términos. Las fórmulas de más exactitud se pueden
desarrollar incluyendo términos adicionales. Por ejemplo, la expansión
hacia adelante [Ec. (3.28)j se puederesolver para:
[3.32]
FIGURA 3.7 Fórmulas de diferencias divididas finitas hacia atrás. Se presentan dos
versiones para cada derivada. La segunda forma incluye más términos
de la serie de Taylor y, por lo tanto, esmás exacta.
FIGURA 3.8 Fórmulas de diferencias divididas finitas haciaadelante. Se presentan

dosversiones paracadaderivada. La segunda forma incluye más
términos de la serie de Taylor, ypor más
lo tanto, es exacta.
En contraste con la ecuación (3.24),se puede retener el término de se-

gundo orden sustituyendo la ecuación (3.31)en la ecuación (3.32) para
obtener:
o agrupando términos
Nótese que la inclusión del término con segunda derivada ha dado una
exactitud O (h ’). Se pueden desarrollar versiones mejoradas similares pa-
FIGURA 3.9 Fórmulas de diferencias divididas finitas centrales.Se presentan dos ver-
siones para cada derivada. La segunda forma incluye más términos de
lo serie de Taylor y, por lo tanto, es más exacta.
ra diferencias hacia atrás y centrales así como para las aproximaciones

de derivadas de orden superior. Las fórmulas se resumen en las figuras
3.7 hasta la 3.9. El siguiente ejemplo ilustra la utilidad de las mismas
en la estimación de derivadas.
En esta sección sólo se han cubierto algunas de las formas con que
la serie de Taylor es útil en el análisi numérico. Sin embargo, este mate-
rial tiene como propósito inicial ayudar en la estimación y el control de
errores de truncamiento. Muchosde los métodos numéricos de este libro
se basan en la representación de aproximaciones simples, de órdenes in-
feriores en vez de expresiones matemáticas complicadas. Ya que la ex-
pansión en la serie de Taylor da una estructura mediantela cual se separan
componentes de orden inferior y superior, se demostrará a lo largo del
texto que éste esun vehículo para profundizaren los métodos numéricos.
94 MÉTODOS NUMÉRICOS PARAINGENIEROS
EJEMPLO 3.8
Aproximaciones de derivadas usando diferencias divididas finitas
Enunciado del problema: úsense aproximaciones de diferencias finitas hacia

adelante y hacia atrás de O (h) y centradas, de O (h'), para estimular la pri-
mera derivada de:
f(x) = -~
- 0 . 1 ~- ~0 . 1 5 ~ ~ 0~. 2 5 ~+ 1.2
0 . 5 -
en x = 0.5 usando un tamaño de paso h = 0.5. Repetirloscálculos
usando h = 0.25. Nótese que la derivada se puede calcular directamen-
te como:
- ~
f ' ( x ) = - 0 . 4 ~-~0 . 4 5 ~ - 0.25
1.0~
y se puede usar para calcular el valor exacto de f ' (0.5) = - 0.912 5.
Solución: para h = 0 . 5 , se puedeusar lafunciónparadeterminar:
x,-1 = o f(Xj-1) = 1.2
xi = 0.5 !(X¡) = 0.925
Xi+! = 1.0 f ( x j + J = 0.2
Estos datos se pueden usar para calcular la diferencia dividida haciaade-
lante [Ec.(3.24)]:
0.2 - 0.925
f'(0.5) = = -1.45 E, = 58.9%
O. 5
la diferenciadivididahaciaatrás .
[ € c(3.27)]
:
0.925 - 1.2
f '(0.5) = -0.55 E, = 39.7%
0.5
y la diferenciadivididacentral [Ec. (3.29)]:
Para h = 0.25, los datos son:

xi-1 = 0.25 f(xi-1) = 1.10351563
x, = 0.50 f ( x , )= 0.925
Xi+l - 0.75 f(xi+l) = 0.636 328 13
que se pueden usar paracalcular la diferencia divididahacia adelan-
te:
0.636 328 13 - 0.925

f'(0.5) = - 1.155 = E" = 26.5%
0.25
"
la diferenciadivididahacia atrás:
0.925 - 1.103 515 63
f'(0.5)= = -0.714 E" = 21.7%
0.25
y la diferenciadividida,central
0.636 328 13 - 1.103 515 63 -0.934 -2.4%

f'(0.5)~ = E,
0.5
Para los dos tamaños de paso, las aproximaciones de diferencias centra-
les son más exactas que las diferencias hacia atrásy hacia adelante. Tam-
bién, comolo predijo el análisis de la serie de Taylor, la división del intervalo
endospartesigualesdividealamitadelerrordelasdiferenciashacia
atrás y hacia adelante, y a la cuarta parte el error de las diferencias centrales.
3.6 ERROR NUMÉRICO TOTAL

El error numérico total es la suma de los errores de redondeo y de trunca-
miento. Desde el problema del paracaidista (ejemplo 3.3) se descubrió que
laúnicaformademinimizar los errores de redondeo es la de incrementar
el número de cifras significativas de la computadora. Más aún, se notó que
los errores de redondeo crecen conforme aumenta el número de cálculos.
En contraste, el ejemplo 3.8 demostró que laestimaciónporderivadas se
puede mejorar disminuyendo el tamaño del paso. Ya que un decremento
en el tamaño del paso lleva a un incremento en los cálculos, los errores de
truncamientodecrecenconformeelnúmerodecálculosaumenta.Porlo
tanto, se encara elsiguientedilema:laestrategiadedisminuir un compo-
nente del error total lleva al incremento del otro. En un cálculo es concebi-
ble disminuir el tamaño del paso para minimizar los errores de truncamiento
sólo para descubrir que al hacerlo, ¡los errores de redondeo empiezan a
dominar la solución y el error total crece!. Por lo tanto, el remedio se con-
vierte en problema (Fig. 3.10). Un reto que debe encararse es el de de-
terminar un tamaño apropiado de paso paraun cálculo en particular. Sería
bueno escoger una gran cantidad de tamaños de paso para disminuir la
cantidad de cálculos y los errores de redondeo, sin incurrir en la pena de
un error mayor de truncamiento. Si el error total es el que se muestra en
la figura 3.10, el problema es identificar el punto donde el provecho dis-
minuye, es decir donde los errores de redondeo empiezan a negarlos be-
neficios obtenidos con unareducciónenel tamaño del paso
En casos reales, sin embargo, estos casos no son comunes ya que la
mayor parte de las computadoras manejan suficientes cifras significativas de
formatalque los erroresderedondeonoinfluyen. No obstante, algunas
vecesocurren,haciendopensar enuna especiede"principiosdeincerti-
dumbre numérica", que coloca un límite absoluto sobre la exactitud que se
puedeobtenerusandociertosmétodosnuméricosconcomputadora.
FIGURA 3.1 O Representación gráfica de las ventajas y desventajas entre errores de re-
dondeo y truncamiento que en ocasiones influyen en el curso de un me-
todo numérico. Aquí se muestrael punto óptimo, donde el error de
redondeo comienza a negar los beneficios dados por la reducción del
tamaño del paso.
Debido a estas restricciones, hay limitaciones en la estimación de erro-

res. Por lo tanto, la estimación de errores en el análisis numérico es, has-
ta cierto punto, un arte que depende en gran parte de las soluciones d e
prueba-error, además de la intuición y experiencia del analista.
Aunque en este capítulo se ha tratadoun tipo de problema numérico
"la solución d e una ecuación diferencial ordinaria- las conclusiones an-
teriores tienen una relevancia general en muchas delas otras técnicas del
libro. Sin embargo, debe de hacerse hincapié en que aunqueel tema es,
hasta cierto punto, un arte, hay unavariedad de métodos quelos analis-
tas pueden usar para cuantificar y controlar los errores en un cálculo. La
elaboración de estas técnicas jugará un papel prominente en las páginas
siguientes.
3.7 ERROREP
SOR EQUIVOCACIÓN,
DE PLANTEAMIENTO E INCERTIDUMBRE
EN LOS DATOS
Aunque las siguientes fuentes de error no están conectadas directamente
con la mayor parte de ios métodos numéricos de este libro, en algunas
ocasiones pueden tenergran importancia en el esfuerzo por hacer un mo-
delo exitoso. Por lo tanto, se deben tener siempre en mente cuando se
apliquen técnicas numéricas en el contexto de problemas del mundo real.
APROXIMACIONESY ERRORES 97
3.7.1 Errores por equivocación

A todos les son familiares los errores por torpezao por equivocación, En
los primeros años de la computación, los resultados numéricos erróneos
fueron atribuidos algunas veces al mal funcionamiento de la computado-
ra misma. Hoy día, esta fuente de error es muy improbable y la mayor
parte de las equivocaciones se pueden atribuir a errores humanos.
Las equivocaciones ocurren a cualquiernivel del proceso de modela-
ción matemática y pueden contribuir con todas las otras componentes del
error. Se pueden evitar únicamente conel conocimiento de los principios
fundamentales y con el cuidado sobre la aproximación y diseño de la so-
lución a un problema.
Las equivocaciones, por lo general se pasan por alto en la discusión
de un método numérico. Esto sin duda prueba el hecho de que los errores
de torpeza son, hasta cierto punto, inevitables. Sinembargo, recuérdese que
hay ocasiones en que su aparición se puede minimizar. En particular, los
buenos hábitos de programación que se bosquejaron en el capítulo 2, son
extremadamente útiles para disminuir las equivocaciones. Además, hay for-
mas muy simples de verificar cuando un método numérico está trabajando
correctamente. A lo largo del texto, se estudian algunas formas de verificar
los resultados de un cálculo numérico.
3.7.2 Errores de formulación

Los errores de formulación o de modelamiento degeneran en lo que se
podría considerar como un modelo matemático incompleto. Un ejemplo
de un error de formulación imperceptible es el hecho de que la segunda
ley de Newton no explica los efectos relativísticos. Esto no desvirtúa la
validez de la solución del ejemplo 1.1ya que estos errores son rnínimos
en las escalas de tiempo y espacio de la caída del paracaidista.
Sin embargo, supóngase que la resistencia del aire no es linealmente
proporcional a la velocidad de caída, comoen la ecuación (1.6),sino que
es una función del cuadrado de la velocidad. Si este fuese el caso, las
soluciones analíticas y numéricas obtenidas en el primer capítulo serían
falsas debido al error en la formulación. En algunos casos de estudio del
resto del libro se incluyen algunas consideraciones adicionales de los errores
de formulación. Se debe estar conciente de estos problemas, y darse cuenta
que si se está usando un modelo deficiente, ningún método numérico ge-
nerará los resultados adecuados.
3.7.3 Incertidumbre en los datos

Algunas veces se introducen errores en un an3lisis debido ala incertidumbre
de los datos físicos sobre los que se basa el modelo. Por ejemplo, supón-
gase que se desea probar el modelo del paracaidista haciendo saltos re-
petidos individualmente y luego midiendo la velocidad después de un
intervalo de tiempo específico. Indudablemente se asociará con cada me-

dición una incertidumbre. ya que el paracaidista caerá más rápidamente
en unos saltos que en otros. Estos errores pueden mostrar inexactitud e
imprecisión. Si los instrumentos constantemente subestiman o sobreesti-
man las mediciones de la velocidad. se estará tratando conu n instrumento
inexacto o desviado. Por el otro lado, si las medidas son casualmenteal-
tas y bajas entonces se trata de una cuestión de precisión.
Los errores de medición se pueden cuantificar sumando los datos con
una o más estadisticas bien conocidas, que generan tanta información como
sea posible, observando las características específicas de los datos. Estas
estadísticas descriptivas a menudo son seleccionadas para presentar 1)
la posición del centro de distribución de los datos y 2) el grado de espar-
cimiento d e los datos. Comotales dan una medida de la desviación e im-
precisión,respectivamente. En el capítulo 10 seretoma el temade
caracterización de incertidumbre en los datos.
Aunque se debeestar conciente de los errores por equivocación. erro-
res de formulación e incertidumbre e n los datos, los métodos numéricos
usados para construir modelos pueden estudiarse, en la mayor parte de
los casos independientemente de estos errores.Por lo tanto, en ia mayor
parte de este libro se supondrá que nohay errores de torpeza. que el mo-
delo es adecuado y que se está trabajando sin errores en las mediciones
de los datos. Bajo estas condiciones. se pueden estudiar los métodos n u -
méricos sin complicaciones.
PROBLEMAS
3.1 ¿Cuántas cifrassignificativashay en cada uno de los siguientesnúmeros'?
a) 0.84 X 10' fl 0.046 00

b) 84.0 g) 0.004 60
c) 70 h) 8.00 x 10'
d ) 70.0 i) 8.0 X lo3
e) 7 j) 8 000
3.2 Redondéense los siguientes números atrescifrassignificativas
a) 8.755 d ) 5.555 x 10"

b) 0.368 124 X 10' e) 0.999 500
c) 4 225.0002
3.3 Efectúense las siguientes sumas y restas y escríbanse los resultados con todas las
cifrassignificativas necesarias.
ai 0.004 23 + (25.1 x 1 0 ~ " )+ (10.322 x 10

b) 5 068 - 2.4
C) (4.68 X lo6) - (8.2 X 10')

d ) (9.8 X - (8.696 X i r 5 )
e) (7.7 X - (5.409 X + (7.0 X

3.4 Efectúense las siguientes multiplicaciones y divisiones y escríbanse los resultados
con todas las cifras significativas necesarias.
a) (8.38 X lo5) X (6.9 X

b) (8.38 x lo4) x (6.90 x
c) 87 619/(0.008 71 x 99 999)
d ) (2.06 x 111)/888
(0.4 O00 x 0.020 00)
el
(0.010 O0 x 0.800)
3.5 Efectúese cada una de las siguientes operaciones combinadas y escríbanse los re-
sultados con todas las cifras significativas necesarias.
a) 6.80(4.0 x 10~6)- 22 (8.06 x

b) (14 x 10 + 555 - 80.8) x (2.000 1 - 0.004)
486 X 10-6 - 4.45 X 10-5
C)
(7.777 X 103) + 9.6
4.81 x
dl - 6.7845 x 1 0 ~ 6
(6.9134 x lo3) + 32.26
- (208 x
58.6 (12 x 10~6) (1801)
4
468.94 x
3.6 En el ejemplo 3.2 se usó la serie infinita:
para aproximar ex.

a) Demuéstrese que esta expansión en serie Maclaurin es un caso especial de la
expansión en serie de Taylor [Ec. (3.1411 con x, = O y h = x.
b ) Úsese la serie de Taylor para estimar f ( x ) = e-' en x , , ~= 2 para tres casos
diferentes: x, = 0.5, 1.0 y 1.5. Empléense los términos de orden cero, primero,
segundo, y tercero, además calcúlese leul para cada caso.
3.7 La expansión en serie de Maclaurin para el cos x es:
x2 x4 x6 x8
cosx="-+"-+-
2! 4! 6! 8!
Iniciando con el primer término, COS x = 1. agréguense los términos uno a uno
para estimar 'COS (T / 3). Después que se agregue cada uno de los términos, calcú-
lense los errores porcentuales relativos. exactos y aproximados. Usese una calcula-
dora de bolsillo para determinar el valor exacto. Agrégueme términos hasta que
1 O0 INGENIEROS PARA NUMERICOS METODOS
el valor absoluto del error aproximado falle bajo cierto criterio de error, consideran-
do dos cifras significativas.
3.8 Repítanse los cálculos del problema 3.7,pero ahora usando la serie de Maclaurin
para el sen x:
x3 xs x7
senx = x--- + +
3! 5! 7!
y estímese el sen (H / 2)
3.9 Úsense los términos en serie de Taylor de cero a tercer orden para estimar f (3)para
f(xj = 25x3 - 6x2 + 7x - 88

usando como punto base x = 2. Calcúlese el error relativo porcentual correcto pa-
ra cada aproximación.
3.10 Úsense los términos en la serie de Taylor de orden cero al cuarto para estimar
f (4) para f (x) = In x usando como punto base x = 1. Cálculese el error relativo
porcentual correcto para cada aproximación.
3.11 Úsense los términos en serie de Taylor de orden cero al cuarto para estimar f (2)
paraf (x)= e-x usando como punto base x = 1. Calcúlese el error relativo por-
central correcto e, para cada aproximación.
3.12 Úsense aproximaciones de diferencias de O ( h ) hacia atrás y hacia adelante y una

aproximación central de O (h2) para estimar la primera derivada de la función
mencionada en el problema 3.9. Evalúese la derivada en x = 2.5 usando un tamaño
de paso deh = O. 25. Compárense los resultados con el valor correcto de la deriva-
da en x = 2.5. Interprétense los resultados en base al término residual de la serie
de Taylor.
3.13 Úsense aproximaciones con diferencias hacia atrás, centrales y hacia adelante de,
O (h’) para estimar la segunda derivada de la función vista en el problema 3.9.
Hágase la evaluación en x = 2.6 usando un tamaño de paso de h = 0.2. Compá-
rense las estimaciones con el valor correcto de la segunda derivada en x = 2.6.
lnterprétense los resultados en base al término residual de la serie de Taylor.
EPíLOGO: 1.4 ELEMENTOS DE JUICIO
PARTE I Los métodos numéricos son científicos en el senti-
do de que representantécnicas sistemáticas para
resolver problemas matemáticos. Sin embargo, hay
cierto grado de arte, juicios subjetivos y términos me-
dios, asociados con su uso efectivo en la práctica
de ingeniería. Para cada uno de los problemas, la
confrontación es con varias técnicas numéricas al-
ternativas y con muchos tipos de computadoras. Por
lo tanto, la elegancia y la eficiencia de los dife-
rentes enfoques de los problemas es muy indivi-
dualista y se relaciona conla habilidad de escoger
prudentemente entre todas las opciones. Desafor-
tunadamente, como sucede con cualquier proce-
so intuitivo, los factores que influyenen esta
elección son difíciles de comunicar. Estas habilida-
des pueden ser comprendidas y afinadas amplia-
mente sólo por los programadores expertos. Sin
embargo, ya queestas habilidades juegan un pa-
pel muy importante en la implementación efecti-
va de los métodos, se ha incluido esta sección
como una introducción a algunos de los elemen-
tos de juicio que se deben considerar cuando se
seleccione un método numérico y las herramien-
tas para su implementación. Aunque no se espe-
ra que en la primer ocasión se capten todos los
beneficios, si se tiene la esperanza de que estos
análisis influyan en la orientación cuando se pre-
sente el material subsecuente. También se espera
que si se enfrentan alternativas y algunos elemen-
tos de juicio en el resto del libro, se consultará nue-
vamente este material.
La figura 1.4 ilustra siete factores o elementos de
juicio que se deben tener en cuenta cuandose se-
lecciona un método numérico para un problema
en particular.
l. Tipodeproblemamatemático.Comoya se
mencionó en la figura 1.2, en este libro se discu-
ten varios tipos de problemas matemáticos:
a. Raíces de ecuaciones
b. Sistemas de ecuaciones algebraicas lineales si-
multáneas
ajuste de curvas
d. Integración numérica
e. Ecuaciones diferenciales ordinarias
Probablemente el lector ya tenga algunos conocimientos básicos sobre

la aplicación de los métodos numéricos al enfrentar alguno de los pro-
blemas de la figura1.4. Los métodos numéricos se necesitarán ya que
los problemas no se pueden resolver eficientementeusando técnicas ana-
líticas. Se debe estar consciente de que las actividades profesionales
involucran, eventualmente, problemas en las áreas anteriores (Fig.
1.4). Por lo tanto, el estudio de los métodos numéricos y la selección
de un equipo de cómputo'deben, al menos considerar estos problemas
básicos. Los problemas más avanzados pueden requerir de habilidades
en el manejo de soluciones de sistemas de ecuaciones algebraicas no
lineales simultáneas, ajuste de curvas de varias variables, optimiza-
FIGURA 1.4 Siete consideraciones para escogerun métodonumérico en la

solucióndeproblemasdeingeniería.
EPiLOGO PARTE I 103
ción de parámetros, programación lineal, problemas de valores pro-

pios y ecuaciones diferenciales parciales. Estas áreas requieren de
mayores esfuerzos computacionales y de métodos avanzados que no
se cubren en este texto. Se pueden consultar algunas referencias ta-
les como: Carnahan, Luther y Wilkes (1969); Hamming(1 973); Rals-
tonyRabinowitz (1 978) paraproblemasquevan más allá del
contenido de este libro. Además, alfinal de cada parte deeste texto,
se incluye un breve resumen y referencias para los métodos avanza-
dos para encaminarle en el estudio de consecución de métodos nu-
méricos adicionales.
2. Tipo, disponibilidad, precisión,costo y velocidad de una computa-

dora. Se tiene la oportunidad de trabajar con cuatro herramientas
diferentes de cómputo (recuérdeseel cuadro 2.1). Que van desde una
calculadora de bolsillo hasta una supercomputadora. De hecho, cual-
quiera de las herramientas que se pueden usar en la implementación
de un método numérico {incluyendo papel y>lápiz, que noestán in-
cluidos en el cuadro). En general no s e trata de ultimar capacidades,
sino costos, conveniencia, velocidad, seguridad, repetibilidad y pre-
cisión. Aunque cada una de las herramientas enumeradas en el cua-
dro 2.1 seguirán teniendo utilidad, los grandes avances recientes en
el funcionamiento de las computadoras personales ya han tenido re-
percusión en la profesión de ingeniero. Se espera que esta revolu-
ción se siga extendiendo conforme los avances tecnológicos continúen,
ya que las computadoras personalesofrecen un excelente término me-
dio entre conveniencia, costo, precisión, velocidad y capacidad de
almacenamiento. Más aún, se pueden aplicar útilmente a la mayor
parte de los problemas prácticos de ingeniería. Las técnicas de este
libro, por lo tanto, se escogieron expresamente para que sean com-
patibles con esta clase de computadoras.
3. Costo en el desarrollo de programas contra el costo del software

contra el costo del tiempo de ejecución, Una vez que se hayan identi-
ficado los tipos de problemas matemáticos a resolver yel sistema de
cómputo haya sido seleccionado, será apropiado considerar los cos-
tos del software y del tiempo de ejecución. El desarrollo de progra-
mas puede representar un esfuerzo adicional en muchos proyectos
de ingeniería y por lo tanto ser de un costo significativo. A este res-
pecto, es particularmente importante que se esté bien familiarizado
con los aspectos teóricos y prácticos de los métodos numéricos rele-
vantes. Se puede disponer de una cantidad limitada de programas
desarrollados profesionalmente a alto costo para la solución de pro-
blemas de ingeniería. Sin embargo, estos programas se deben usar
con mucho cuidado, ya que en general no se esta familiarizado con
la lógica delos mismos. Alternativamente, se puede disponer de pro-
gramas de utilería general a bajo costo (tales como los que vienen
con este texto) para implementar métodos numéricos que se pueden

adaptar fácilmente a una variedad muy amplia de problemas. El cos-
to del desarrollo de programas yel costo del software se puede recu-
perar en el momento de la ejecución si los programas se han escrito
y probado eficientemente.
4 . Características de los métodos numéricos. Cuando el costo de los

componentes electrónicos de una computadora y de sus programas
es alto, o si la disponibilidad de la computadora está limitada (p. ej.,
en sistemas de tiempo compartido), la manera de escoger cuidado-
samente el método numérico ayudara a adaptarse a tal situación. Por
el otro lado, si el problema aún se encuentra en una etapa experi-
mental y el acceso y costo de una computadora no tienen problemas,
entonces puede ser apropiado seleccionar un método numérico que
siempre trabaje aunque quizás no sea, computacionalmente hablan-
do, muy eficiente. Los métodos numéricos disponibles para resolver
un tipo particular de problema, involucrantodos los factores mencio-
nados, además de:
a. Cantidad de condiciones o de puntos iniciales. Algunos de los mé-

todos numéricos para encontrar raíces de ecuaciones o en la so-
lución de ecuaciones diferenciales, requieren que el usuario es-
pecifiquealgunascondiciones o puntosiniciales. Los métodos
simples requieren, en general de un valor, mientras que los méto-
dos complicados pueden requerirmás de un valor. Se deben con-
siderar los elementos de juicio; las ventajasde métodos complicados
que son computacionalmente eficientes pueden compensar los re-
querimientos de múltiples puntos iniciales. Se debe echar mano
de la experiencia y de los juicios para cada problema en par-
ticular.
b. Velocidad de convergenciu. Ciertos métodos numéricos convergen

más rápido que otros. Sin embargo, la convergencia rápida puede
requerir de más puntos iniciales y de programación más compleja
que la de un método con convergencia más lenta. Nuevamente se
debe hacer uso de juicios para la selección de cierto método. ¡los
más rápidos no siempre son los mejores!
c . fstabilidad. Algunos métodos numéricos para encontrar raíces de
ecuaciones o soluciones de sistemas de ecuaciones lineales, en al-
gunos casos pueden divergir en vez de converger a la respuesta
correcta. iPor quése debe tolerar esta posibilidad si se ha diseña-
do o se ha planeado bien el problema? La respuesta es que estos
métodos pueden ser altamente eficientes cuando funcionan. Por
lo tanto, surgen nuevamente los elementos de juicio. Se debe de-
cidir si los requisitos del problema justifican el esfuerzo necesario
para aplicar un método que no siempre funciona.
EPíLOGO PARTE I 105
d . Exactitud y precisión. Algunos métodos numéricos, simplemente son

más exactos y precisos que otros. Como ejemplos se tienen las di-
ferentes ecuaciones disponibles para la integración numérica. En
general, se puede mejorarel funcionamiento de métodos de poca
exactitud disminuyendo el tamaño del paso o aumentando el nú-
mero de términos sobre un intervalo dado. 2Qué será mejor, usar
un método con poca exactitud y con tamaños de paso pequeños
o usar un método con altaexactitud y tamaños de paso grandes?
Esta pregunta se debe analizar paso por paso considerando los
factores adicionales tales como el costo y la facilidad de progra-
mación. Además se deben tomar en consideración los errores de
redondeo cuando se usan en forma repetida métodos de baja exac-
titud y el número de cálculos crece demasiado. Aquílas cifras sig-
nificativas quemaneja la computadorapueden ser el factor
decisivo.
e . Alcance de las aplicaciones. Algunos métodos numéricos sólo se

pueden aplicar a cierta clase de problemaso a los problemas que
satisfacen ciertas restricciones matemáticas. Otros métodos no tie-
nen estas restricciones. Se debe evaluar si vale la pena el esfuerzo
de desarrollar programas que empleen técnicas apropiadas úni-
camente para un número limitado de problemas. El hecho de que
tales técnicas pueden usarse ampliamente, indica que tienen ven-
tajas que a menudo son menos que las desventajas. Obviamente,
deben evaluarse los elementos de juicio.
f . Requisitos especiales. Algunas técnicas numéricas intentan incre-

mentar la exactitud y la velocidad de convergencia usando infor-
mación especial o adicional. U n ejemplo sería el uso de valores
estimados o valores teóricos de los errores para el mejoramiento
de la exactitud. Sin embargo, estas mejorías, en general no se Ile-
van a cabo sin inconvenientes como el aumento en el costo de cóm-
puto y el incremento en la complejidad del programa.
g . Esfuerzos requeridos de programación. Los esfuerzos para mejo-

y exactitud pueden
rar la velocidad de convergencia, estabilidad
ser creativos e ingeniosos. Cuando se pueden hacer mejoras sin
aumentar la complejidad en la programación, entonces se puede
considerar que estas meioras son elegantes y probablemente en-
cuentren uso inmediato en la ingeniería. Sin embargo, si requie-
ren de programasmás complejos, otra vezse deben enfrentar los
elementos de juicio que pueden o no favorecer al nuevo método.
Se ve claro queel análisis anterior relacionado con la forma de esco-

ger un método numérico se reduce sólo a costo y exactitud. Los cos-
tos son los que están involucrados con el tiempo de cómputo y el
desarrollo de programas. La exactitud apropiada es una cuestión de

ética y de juicio profesional.
5. Comportamiento matemático de las funciones, ecuaciones o da-

tos. AI seleccionar un método numérico en particular,el tipo de com-
putadora y el tipo deprogramas, se debe tomarencuentala
complejidad de las funciones y de las ecuaciones o datos. Las ecua-
ciones simples y los datos uniformes se pueden manejar apropiada-
mente con algoritmos numéricos simples y con computadoras baratas.
Sucede lo contrario con las ecuaciones complicadas y los datos que
contienen discontinuidades.
6. Facilidad de aplicación (iAccesible al usuario?). Algunos métodos
numéricos son fáciles de aplicar y otros difíciles. Esto se debe tomar
en cuenta cuando se escoge un método sobre otro. Esta misma idea
se aplica a las decisiones referentes al costo en el desarrollo de pro-
gramas, contra programas desarrollados profesionalmente. El con-
vertir un programa difícil en uno que sea accesible al usuario puede
ser de considerable esfuerzo.Las formas de hacerlo se mencionan en
el capítulo 2 y se elaboran a lo largo del libro. Además los progra-
mas de NUMERICOMP que acompañan a este texto son un ejemplo
de programación accesible al usuario.
7. Mantenimiento. Los programas para resolver problemas de inge-

niería requieren mantenimiento porque durante las aplicaciones ocu-
rren dificultades, invariablemente. El mantenimiento puede requerir
un cambio en el código del programao la expansión dela documen-
tación. Los programas simples y los algoritmos numéricos son más fá-
ciles de mantener. Los siguientes capítulos involucran el desarollo de
varios tipos de métodos numéricos para una variedad de problemas
matemáticos. Se dan en cada capítulo varios métodos alternativos.
Se presentan estos métodos (en vez de un método escogido por los
autores) ya que no existe uno que sea "el meior" de todos. N o hay
métodos "mejores" ya que existen tantos elementos de juicio que se
deben tomar en consideración cuandose aplica un método a proble-
mas prácticos. AI final de cada parte del libro se presenta una tabla
que resalta los elementos de juicio involucrados en cada método. Es-
ta tabla debe ayudara seleccionar un procedimiento numérico apro-
piado para cada problema en particular dentro de un contexto.
I.5 RELACIONES Y FóRMULAS IMPORTANTES

El cuadro 1.2 resume la información más importante que se analizó
en la parteI . El cuadro se puede consultar para tener un acceso rápi-
d o a las relaciones y fórmulas más importantes. El epílogo de cada
parte del libro contiene estos resúmenes.
EPiLOGO PARTE I
-
107
CUADRO 1.2 Resumen de la información importante presentadalaen

parte 1.
Definiciones de error
Error verdadero
= valor verdadero - valor aproximado
Error
relativo
valor
verdadera - valor
aproximado
100%
porcentual verdadero % = valor verdadero
Error
relativo,
aprox.
actual - aprox.
previa
€0 = 100%
porcentual aproximación actuol
oproximado
Criterios de poro Terminar los cálculos
cuando:
€0 < 6,
donde es es elerrorrelativoporcentual deseado,especificado

directamente o calculado en términosdelnúmerodeseado de
cifrassignificativas n
= (0.5 X lo2-")%
Serie de Taylor
Expansión en
f(x,+,) = /(X,) + f'(x,)h + -h2
fYXJ
la serie de Taylor 2!
+-f'"(x) h3 + .,. I f c n ) ( X ! ) hn + R,
3! n!
donde
Residuo
R, = O(h"+')
Diferenciación numérica
diferencia
Primera
f'(XJ = f(X,+l) - f(x,)
dividida finlta hacia h + O(h)
adelante
(Otras diferencias divididas se resumen
de la fig. 3.7 a la 3 . 9 . )
1.6 MÉTODOS AVANZADOS Y ALGUNAS

REFERENCIAS ADICIONALES
El epílogo de cada parte del libro también incluye una sección enca-
minada a facilitar y fomentar estudios adicionales de los métodos nu-
méricos. Esta sección dará algunas referencias sobre el tema así co-
mo material relacionado con métodos más avanzados.*
Para extender los antecedentes mencionados en la parte I, existen nu-

merosos manuales sobre programación de computadoras.Resultaría
difícil mencionar todos los libros y manuales excelentes correspondien-
tes a lenguajes y computadoras especificas. Además, probablemente
ya se tenga material de contactos previos con la programación. Sin
embargo, si ésta es la primer experiencia con computadoras, Bent y
Sethares (1982) proporcionanunabuenaintroducción a BASIC.
McCraken (1965))Merchant (1979) y Merchant, Sturgel (1977) son
otros libros útiles sobre FORTRAN. El maestro o los compañeros de
semestres avanzados del usuario deben poder darle unconsejo acer-
ca de buenos libros de referencia para las máquinas y los lenguajes
disponiblesen la escuela.
También para el análisis de error, cualquier libro de cálculointroduc-

tori0 incluira material suplementario relacionado con temas tales CO-
mo la serie de Taylor. Los textos de Swokowski (1979) y Thomas y Finney
(1 979) proporcionan discusiones legibles de estos temas.
Finalmente, aunque se espera que este libro sirva lo suficiente, siem-

pre es bueno consultar otras fuentes cuando se intenta conocer a-fondo
un nuevo tema. Ralston y Rabinowitz (1 978) y Carnahan, Luther y Wilkes
(1 969) ofrecen textos comprensibles de la mayor parte de los méto-
dos numéricos, incluyendo muchos métodos avanzados que van más
allá del alcance de este libro. Otros libros útiles sobre el tema son G e -
rald y Wheatley (1984))James, Smith y Wolford (1 977), Stark (1 970))
Rice ( 1 983, Hornbeck (1 975) y Cheney y Kincaid (1 980).
* Aquí únicamente se hace referencia a estos libros, una bibliografía completa se encontrará
al final del texto.
I
~
PA RT’E ~ DOS
RAKES 11.1
DE
ECUACIONES Desde hace años, se aprendió a uiar la fórmula
cuadrática:
pura resolver
f(x) = ax2 + bx + c = O
,
~ [11.2]
A los valores calculados con la ecuiación ( 1 1 . 1 ) se
les llama “raíces” de la ecuación (11.2). Éstos re-
presentan los valores de x que hacen la ecuación
(11.2) igual a cero. Por IS tanto, se puede definir
la raiz de una ecuación como el valor de x que
hace f (x) = O. Por esta razón, algunas veces a
las raíces se les conoce comoceros de la ecuación.
13
Aunque la fórmula cuadrática es útil para resol-

’ ver la ecuación (ll.2), hay muchas funciones dife-
rentes que no se pueden resolver de manera tan
a fácil. En estos casos, los métodos numéricos des-
critos en los capítulos 4 y 5 proporcionan medios
eficientes para obtener la respuesta.
I I . 1 . l Métodos empleados antes de la era de la

computadora pura determinar raíces.
Antes deladvenimientode las computadoras

digitales, había una serie de métodos para encon-
trar las raíces de ecuaciones algebraicas o trascen-
dentales. Para algunos casos, las raíces se podían
obtener con métodos directos, como se hace con
la ecuación ( 1 1 . 1 ) . Aunque había ecuaciones como
ésta que se podían resolver directamente, había
muchas otras que no lo eran. Por ejemplo, hasta
una función aparentemente simple tal, como f ( x )
= e - ” - x no se puede resolver analíticamente.
En estos casos, la única alternativaes una técnica
de solución aproximada.
.. I_ ,A”.”
., -
L
x/
..; ?. U n método para obtener unasolución aproxima-
da es la de graficar la función y determinar dón-
de cruza al eje x. Este punto, que representa el valor de x para el

cual f ( x ) = O, es la raíz. Las técnicas gráficas se discuten al principio
de los capítulos 4 y 5.
Aunque los métodos gráficos son útiles en la obtención de estimacio-

nes aproximativas de las raíces, están limitadas por la carencia de pre-
cisión. U n a aproximación alternativa es usar la técnica de prueba y
error. Esta "técnica" consiste en escojer un valor de x y evaluar si
f (x) es cero. Si no es así (como sucederá en la mayor parte de los
casos), se hace otra conjetura y se evalúa nuevamente f(x) para de-
terminar si el nuevo valor da una mejor estimación de la raíz. El pro-
ceso se repite hasta que se obtenga un valor que genere una f (x)
cercana a cero.
Estos métodos fortuitos, obviamente son ineficientes e inadecuados

para las exigencias en la práctica de la ingeniería. Las técnicas des-
critas en la parte Ill representan alternativas que no sólo aproximan
sino emplean estrategias sistemáticas para encaminarse a la raíz ver-
dadera.Además, se adaptanidealmentealaimplementación en
computadoras personales. Tal como se presenta en las páginas siguien-
tes, la combinación de estos métodos sistemáticos con la computado-
ra hacen de la solución de la mayorparte de los problemas sobre raíces
de ecuaciones una tarea simple y eficiente.
11.1.2 Raícesdeecuaciones y su práctica en laingeniería
Aunque las raíces de ecuaciones caben dentro de otro contexto, fre-

cuentemente aparecen en el área de diseño en ingeniería. El cuadro
1 1 . 1 muestra un conjunto de principios fundamentales que se utilizan
frecuentemente en trabajos de diseño. Las ecuaciones matemáticas
o los modelos derivados de estos principios se emplean en la predic-
ción de las variables dependientes en función de las variables inde-
pendientes y de los parámetros. Nótese que en cada caso, las variables
dependientes refleian el estado o funcionamiento del sistema, ya sea
que los parámetros representen sus propiedades o su composición.
U n ejemplo de tales modelos se presenta en la ecuación derivada de

la segunda ley de Newton, usada en el capítulo 1 para la velocidad
del paracaidista:
[ 11.31
Donde la velocidadv es la variable dependiente,el tiempo t es la va-

riable independiente y g la constante gravitacipnal, el coeficiente de
rozamiento c y la masa m son parámetros. Si se conocen los paráme-
RAíCES DE ECUACIONES 111
CUA,DRO 11.1 Principios fundamentales usados en los problemas de diseño en

ingeniería
Principio Variable
Variable
fundamental dependiente independiente Parámetros
Balance
calor
de Temperatura Tiempo y Las propiedades
Dosición térmicas del
material y la
geometría del
sistema
Balance de Concentración o tiempo y El comportamiento

material cantidad de posición químico del
masa material, masa
coeficientes de
transferencia y la
geometría del
sistema
Balance de la Magnitud y Tiempo y Resistencia del

fuerza dirección de posición material,
fuerzas para propiedades
establecer estructurales y la
el equilibrio configuración del
sistema.
Balance de Cambios en los Tiempo y Propiedades

la energía estados de la posición térmicas, masa del
energía cinética material y la
y potencial del geometría del
sistema sistema
LeyesNewton
de Aceleración, Tiempo y Masa del material,
del movimiento velocidad o posición geometría del
posición sistema y
parámetros
disipativos tales
como la fricción o
el rozamiento.
Leyes de Corriente y Tiempo Propiedades

Kirchhoff en
voltaje los eléctricas del
circuitos sistema,tales como
eléctricos la resistencia,
capacitancia e
inductancia.
tros, la ecuación (11.3) se puede usar para predecir la velocidad del

paracaidista como una función del tiempo. Estos cálculos se pueden
llevar a cabo directamente ya que v se expresa explicitamente como
una función del tiempo. Esto es, está aislada a un lado del signo igual.
Sin embargo, supóngase que se tiene que determinar el coeficiente

de rozamiento para un paracaidista de una masa dada, para alcan-
zar una velocidad prescrita enun periodo dado de tiempo.
Aunque la ecuación (11.3) proporciona una representación matemática

de la interrelación entre las variables del ,modelo y los parámetros, no
se puede resolver explícitamente para el coeficiente de rozamiento.
Pruébese. N o hay forma de reordenar la ecuación para despejar c
de un lado del signo igual. En estos casos, se dice que c es implicita.
Esto representa un dilema real, ya que muchos de los problemas de

diseños en ingeniería, involucran la especificación de las propieda-
des o la composición de un sistema (representado por sus paráme-
tros) para asegurar que funciona de la manera deseada (representada
por sus variables). Por lo tanto, estos problemas a menudo requieren
que se determinen sus parámetros de forma explícita.
La solución del dilema las proporcionan los métodos numéricos para

raíces de ecuaciones.Pararesolver el problemausando métodos
numéricos es conveniente cambiar la ecuación (11.3).Esto se hace res-
tando la variable dependiente v de ambos lados de la ecuación, ob-
teniendo:
V [11.4]
Por lo tanto, el valor de c que cumple f (c) = O, es la raíz de la ecua-

ción. Este valor también representa el coeficiente de rozamiento que
soluciona el problema de diseño.
La parte I 1 de este libro analiza una gran variedad de métodos nu-

méricos y gráficos para determinar raíces de relaciones tales como
la ecuación (11.4). Estas técnicas se pueden aplicar a los problemas
de diseño en ingeniería basados en los principios fundamentales deli-
neados en el cuadro II. 1 así como tantos otros problemas que se afron-
tan frecuentemente en la práctica de la ingeniería.
11.2 FUNDAMENTOS MATEMÁTICOS

En la mayor parte de las áreas mencionadas en este libro, en general
existen algunos prerrequisitos de fundamentos matemáticos necesa-
rios para conocer a fondoel tema. Por ejemplo, los conceptos de es-
timación de errores y la expansión en serie de Taylor, analizadas en
el capítulo 3, tienen importancia directaen el análisis de raíces de ecua-
ciones. Adicionalmente, antes de este punto se mencionaron los tér-
RAlCES ECUACIONES 113
minos de ecuaciones"algebraicas"y "trascendentales".Puede

resultar útil definir formalmente estos términos y discutir como se re-
lacionan con esta parte del libro.
Por definición, unafunción dada pory = f (x) es algebraica si se pue-

de expresar de la siguiente manera:
fnyn + fn-1yn-1 + ... + f i y + fo = o [11.5]
donde las f son polinomios en x. Los polinomios son un caso simple

de funciones algebraicas que se representan generalmente como:
{(x) = a0 + UlX + * * . + a,x" C11.61
donde las a son constantes. Algunos ejemplos específicos son:
{(X) = 1 - 2 . 3 7 ~+ 7 . 5 ~ ~ [11.7]
Y
f(x) = 5x2 - x3 + 7x6 [11.8]
Una función trascendental es una que no es algebraica. Incluye fun-

ciones trigonométricas, exponenciales, logaritmicas y otras menos fa-
miliares. Algunos ejemplos son:
f(x) = e-' -x [11.9]
f(x) = sen x [11.10]
f(x) = In x2 - 1 p1.1 1J
Las raíces de las ecuaciones pueden ser reales o complejas. U n ejem-

plo simple de raícescomplejas es el caso para el cual el término
b2 - 4 ac de la ecuación (II. 1 ) es negativo. Por ejemplo, dado el po-
linomio de segundo orden:
f(x) = 4x2 - 16x + 17
La ecuación (11.1) se puede usar para determinar que las raíces son:
X =
16 - 16
V(-16)2 - 4(4) (17) - *m
2 (4) 8
Por lo tanto, una raíz es:
x=2+;;
y la otra es:
x = 2 - , 1i
en donde i = J-"
Aunque hay algunos casos donde las raíces complejas de las funcio-
nes no polinomiales son de interes, ésta situación es menos común que
para polinomios. Por lo tanto, los métodos estándar para encontrar
raíces, en general caen en dos áreas de problemas parecidas en prin-
cipio, pero fundamentalmente diferentes:
l. l a determinación de raíces reales de ecuaciones algebraicasy tras-

cendentales. Estas técnicas se diseñaron para determinar el valor
de una raíz simple de acuerdo a un conocimiento previo de su po-
sición aproximada.
2. l a determinación ¿e todas las rakes reales y complejas de un po-

linomio. Estos métodos se diseñaron específicamente para polino-
mios. Determinan sistemáticamente todas las raíces del polinomio
en lugar de simplemente una, dada una posición aproximada.
Este libro está enfocado al área del primer caso.Los métodos diseña-
dos expresamente para polinomios no se analizan ya que van más
allá del alcance de este libro. Sin embargo, en el epílogo al final de
la parte I I se recomiendan algunas referencias para estas técnicas.
11.3
Antes de proceder con los métodos numéricos para determinar raí-
ces de ecuaciones, seráútil dar algunas orientaciones. El siguiente ma-
terial es una introducción a los temas de la parte ll. Además, se han
incluido algunos objetivos que orientarán al lector en sus esfuerzos
al estudiar el material.
11.3.1 Campodeacción yavance
La figura 1 1 . 1 es una representación esquemática de la organización

de la parte It. Examine esta figura cuidadosamente, iniciando en la
parte de arriba y avanzandoen el sentido de las manecillas del reloj.
Después de esta introducción, el capítulo 4 desarrolla los métodos que

usan intervalos para encontrar raíces. Estos métodos empiezan con
suposiciones que encierran o que contienen a la raíz y reducen siste-
máticamente el ancho del intervalo. Se cubren dos métodos: el de bi-
11s
RAiCES DE ECUACIONES
sección y el de la regla falsa. Los métodos gráficos proporcionan

conocimiento visual de las técnicas. Se desarrollan formulaciones es-
peciales para ayudar a determinar cuanto esfuerzo computacionalse
requiere para estimar la raíz hasta un nivelde precisión previamente
especificado.
En el capítulo 5 se cubren los métodos abiertos. Estos métodos tam-

bién involucran iteraciones sistemáticas de prueba y error pero no
requieren que la suposición inicial encierre a la raíz. Se descubrirá

que estos métodos, en general son más eficientes computacional-
mente que los métodos que usan intervalos, pero no siempre traba-
jan. Se analizan los métodos de la iteración de punto fijo, el método
de Newton-Raphson y el método de la secante. Los métodos gráficos
proporcionan conocimiento en los casos donde los métodos abier-
tos no funcionan. Se desarrollan las fórmulas que proporcionan una
idea de qué tan rápido un método abierto converge a la raíz.
El capítulo 6 extiende los conceptos anteriores a los conceptos actua-

les de la ingeniería. Los casos de estudio se emplean para ilustrar las
ventajas y las desventajas de cada uno de los métodos y para pro-
porcionar conocimiento sobre las aplicaciones de las técnicas en la
práctica profesional. Los casos del capítulo 6 también resaltan los ele-
mentos de juicio (estudiados en la parte I) asociados con cada uno
de los métodos.
Se incluye un epílogo al final de la parte I I . Éste contiene una compa-

ración detallada delos métodos discutidos en los capítulos 4 y 5. Esta
comparación incluye una descripción delos elementos de juicio rela-
cionados con el uso correcto de cada técnica.En esta sección se pro-
porcionatambién un resumende las fórmulasimportantes,con
referencias a algunos métodos numéricos que van más allá del alcance
de este texto.
Ciertas capacidades automáticas de cálculo se integran de diferentes

maneras en la parte I I . En primer lugar, programas en NUMERICOMP
legibles para el usuario del método de bisección disponible para la
Apple I 1 y la IBM PC. Pero también se dan los códigos en FORTRAN
Y BASIC para el método de bisección directamente en el texto. Con
esto se tiene la oportunidad de copiar y aumentar el código para im-
plementarlo en su propia computadora personal o supercomputadora.
Se incluyen los algoritmos y diagramas de flujo para la mayor parte de
los otros métodos expuestos en el texto. Este material puede servir
de base para el desarrollo de un paquete de programación y apli-
carlo a una serie de problemas de ingeniería.
Objetivos de estudio. Después de terminar la parte 11, se debe tener

la suficiente información para aprovecharsatisfactoriamente una am-
plia variedad de problemas de ingeniería que se relacionan con las
raíces de ecuaciones. En términos generales se dominarán las técni-
cas, se habrá aprendido a valorarsu confiabilidad y se tendrá la ca-
pacidaddeescoger el mejor método (o métodos)paracualquier
problema en particular. Además de estas metas globales, se deben
RAíCES DE ECUACIONES 117
asimilar los conceptos específicos de el cuadro 11.2 para comprender

mejor el material de la parte I t .
Objetivos de computación. El libro proporciona algunos programas

simples, algoritmos y diagramas de fluio para implementar las técni-
cas analizadas en la parte II. Como herramientas de aprendizajeto-
dos ellos tienen gran utilidad.
Los programas opcionales son legibles para el usuario. Incluye méto-

dodelabisecciónparadeterminar las raíces realesde las ecua-
ciones algebraicas y trascendentales. Las gráficasasociadascon
NUMERICOMP le facilitarán al lector visualizar el comportamiento
de la función en análisis. Los programas se pueden usar para deter-
minar convenientementelas raíces de las ecuaciones a cualquier gra-
do deprecisión. Es fácilde aplicar NUMERICOMP pararesolver
muchos problemas prácticos y se puede usar para verificarlos resul-
tados de cualquier programa que el usuario desarrolle por sí mismo.
También se proporcionan directamente en el texto los programas en

FORTRAN y BASIC para los métodos de bisección y para la itera-
ción simple de punto fijo. Además,se proporcionan algoritmos y dia-
gramas de fluio generales para la mayor parte delos otros métodos
de la parte 1 1 . Esta información permitirá aumentar la biblioteca de
programas del usuario que sean más eficientes que el método de la
bisección. Por ejemplo, puede desearsetener sus propios programas
para los métodos de la reglafalsa, Newton-Raphson y de la secante,
que en general sonmás eficientes que el método de bisección.
CUADRO 11.2 Obietivos de estudio específicos de la parte II

1. Entender la interpretación gráfica de una raíz
2. Conocer la interpretación gráfica del método de la regla falsa y por qué, en
general, es superior al método de bisecciones.
3. Entender las diferencias entre los métodos que usan intervalos y los métodos
abiertos para la localización de las raíces.
4. Entender los conceptos de convergencia y de divergencia. Usar el método de
las dos curvas para proporcionar una manifestación visual de los conceptos.
5. Conocer por qué los métodos que usan intervalos siempre convergen, mientras
que los métodos abiertos algunas veces pueden divergir.
6. Entender que la convergencia en los métodos abiertos esmás probable si el
valor inicial está cercano a la raíz.
7. Entender el concepto de convergencia lineal y cuadrática y sus implicaciones
en la eficiencia de los métodos de iteraciones de punto fijo y de Newton-
Raphson.
8. Saber las diferencias fundamentales entre los métodos de la regla falsa y la
secante y cómo se relaciona su convergencia.
9 . Entender los problemas que contienen las raíces múltiples y las modificaciones
que se les pueden hacer para resolverlos a medias.
C A P í T U L OC U A T R O
MÉTODOS QUE
USAN INTERVALOS
En este capítulo sobre raíces de ecuaciones se analizan los métodos que

aprovechan el hecho de que una función, típicamente, cambia de signo
en la vecindad de una raíz. A estas técnicasse les llama métodos que usan
intervalos porque se necesita de dos valores iniciales para la raíz. Como
su nombre lo indica, estos valores deben “encerrar” o estar uno de cada
lado de la raíz. Los métodos particulares descritos sobre este punto em-
plean diferentes estrategias para reducir sistemáticamente el tamaño del
intervalo y así, converger a la respuesta correcta.
Como preámbulo de estas técnicas, se discutirán los métodos gráfi-
cos para graficar funciones y sus raíces. Además de la utilidad de los mé-
todos gráficos para determinar valores iniciales, también son útiles para
visualizar las propiedades de las funcionesy el comportamiento delos mé-
todos numéricos.
4.1 MÉTODOS GRÁFICOS

Un método simple para obtener una aproximación a laraíz de la ecua-
ción f (x) = O consiste en graficar la función y observar en donde cruza
el eje x. Este punto, que representa el valor de x para el cual f (x) = O ,
proporcionaunaaproximacióninicial de laraíz.
EJEMPLO 4.1
Métodos gráficos
Enunciado del problema: empléense gráficas para obtener unaraíz apro-

ximada de lafunción f (x) = e-x - x.
Solución: se calculan los siguientesvalores:

X f(x)
0.0 1.000
0.2 0.619
0.4 0.270
0.6 -0.051
0.8 -0.351
1 .o -0.632
Estos puntos se muestran en la gráfica de la figura 4. l . La curva resultan-

te cruza al eje x entre 0.5 y 0.6. Un vistazo a la gráfica proporciona una
aproximada estimación de la raíz de 0.57, que se acerca a la raíz exacta
de 0.567 143 28. . ., que se debe determinar con métodos numéricos.
La validez de la estimación visual se puede verificar sustituyendosu valor
enla ecuación originalpara obtener:
f(0.57) = e-057- 0.57 = -0.004 5
lacual se acerca a cero
FIGURA 4.1 Metodo gráfico para la solución de ecuaciones algebraicas y trascen-

dentales. Representación de f l x ) = e-x - x contra x . La raíz corres-
ponde al valor de x donde f(x) = O, esto es, el punto donde lafunción
cruza el eje x . Una inspección visual de la gráfica muestra un valor
aproximado de 0.57.
METODOS QUE 121
Las técnicas gráficas tienen un valor práctico limitado ya que no son

precisas. Sin embargo, los métodos gráficos se pueden usar para obtener
aproximaciones de la raíz. Estas aproximaciones se pueden emplear co-
mo valores iniciales paralos métodos numéricos analizados eneste capí-
tulo y en el siguiente. Porejemplo, los programas de NUMERICOMP que
acompañan este texto le permiten graficar funciones sobre un rango es-
pecífico. Esta gráfica puede hacerse seleccionando un par de valores ini-
ciales de un intervalo donde está contenida la raíz antes de implementar
el m&& num6rico.l a posibilidad de graficar aumenta considerablemente
lautilidad de los programas.
Las interpretaciones geQmétricas, además de proporcionar aproxima-
ciones iniciales de la raíz, son herramientas importantes en el asimilamiento
de las propiedades de las funciones previendo las fallas de los métodos
numéricos. Por ejemplo, la figura 4.2 muestra algunas formas diferentes
en las que la raíz puede encontrarse en un intervalo definido por un lími-
te inferior x, y un límite superior x,. La figura 4.2b bosqueja el caso don-
de los valores positivo y negativo de f (x)y f (x,) tienen signos opuestos
respecto al eje x , encierran tres raíces dentro del intervalo. En general,
si f (x,)y f (x,) tienen signos opuestos, existe un número impar de raíces
dentro del intervalo definido porlos mismos. Como se indica en la figura
4.2a y c , si f (x,)y f (x,) tienen el mismo signo, no hay raíces o hay un
número par de ellas entre los valores dados.
Aunque estas generalizaciones son usualmente verdaderas, existen
casos en que no se cumplen. Por ejemplo, las raices múltiples, esto es,
funciones tangencialesal eje x (Fig. 4 . 3 ~y) las funciones discontinuas (Fig.
4.3b) pueden no cumplir estos principios.Un ejemplo deuna función que
tieneuna raízmúltiple es la ecuacióncúbica f (x) = (x - 2)(x - 2)
(x - 4). Nótese que x = 2 anula dos vecesal polinomio, de ahí quea x se
le conozca como raíz múltiple. Al final del capítulo 5, se presentan técni-
cas que están diseñadas expresamente para localizar raíces múltiples.
FIGURA 4.2 La existencia de casos del tipo mostrado en la figura 4.3 dificulta el
Ilustración de las formas desarrollo de algoritmos generales que garanticenla localización de todas
que puede tener una
raíz en un intervalo pres-
las raíces en el intervalo. Sin embargo, cuando se usanlos métodos expuestos
crito por los límites infe- enlassiguientesseccionesenconjunciónconesquemasgráficos,sonde
rior, x, y superior x,. Los granutilidaden
la
solución de problemasdemuchas raíces, fre-
incisos a) y b) indican cuentemente se presentan enel área de ingeniería y matemáticas apli-
que si Ax,) y f (x,) tienen cadas.
el mismo signo, entonces
no habrá raíces dentro
del intervaloo habrá un I
número par de ellas. Los EJEMPLO 4.2 .J
incisos c) y d) indican
que si f ( 4 Y Ax,) t'lenen
Uso de gráficas por computadora para localizar raíces
signosopuestos en los
extremos,entonces ha-
brá un número impar de
Enunciado del problema: las gráficas por computadora pueden informar
raíces
dentro del
in- y acelerar los esfuerzos para localizar raíces de una
función. Este ejemplo
tervalo. se desarrolló usando los programas de NUMERICOMP disponibles con
122
FIGURA 4.3
Ilustracióndealgunas
excepciones de los casos
generales mostrados en
la figura 4.2. a) Pueden
ocurrir raícesmúltiples
cuando la
función es
tangencia1 al eje x. En
este
caso, aunque los
extremos son de signos FIGURA 4.4 Escalamiento progresivo def (x) = sen 1Ox
opuestos, hay unnúme- + cos 3x mediante la computadora. Estas gráficas
ropar de raícesenel interactivas le permiten al analista determinar que exis-
intervalo. b) Las funciones ten dos raíces entre x = 4.2 y x = 4.3.
discontinuasen
donde
losextremostienensig- el texto. Sin embargo, de esta manera esposible entender cómo la grafi-
nos opuestos también cación por computadora ayuda a localizar raíces.
contienen un número par La función:
de raíces. Se requieren
estrategias especiales pa-
ra determinar lasraíces !(x) = sen lox + cos 3x
enestoscasos.
tiene varias raíces sobre el r.qngo de x = -5 hasta x = 5. Empléese la
opción de graficación del programa para profundizar en el comportamiento
de esta función.
Solución: Como se ilustró en el ejemplo 2.1, se puede usar NUMERI-

COMP para graficar funciones. En la figura 4.4a se muestra la gráfica de
f ( x ) desde x = -5 hasta x = 5. La gráfica muestra la existencia de varias
MÉTODOS QUE 123
raíces, incluyendo posiblemente una doble alrededor de x = 4 . 2 en don-

de f (x) parece ser tangente al eje x. Se obtiene una descripción más de-
tallada del comportamiento de f (x) cambiando el rango de graficación
desde x = 3 hasta x = 5, como se muestra en la figura 4.4b. Finalmen-
te, en la figura 4.4c, se acorta la escala vertical a f (x) = -0.15 y f (x)
= 0.15 y la horizontal a x = 4.2 y x = 4.3. Esta gráfica muestra clara-
mente que no existe una raíz en esta región y que, en efecto, hay dos raí-
ces diferentesalrededorde x = 4.229 y x = 4.264.
Las gráficasporcomputadoratienengranutilidadenelestudio de
los métodos numéricos. Esta habilidad también puede aplicarse en otras
materias así como en las actividades profesionales.
4.2 MÉTODO DE BlSECClÓN

Cuando se aplicaron las técnicas gráficas, en el ejemplo 4.1, se observó
(Fig. 4.1) que f (x) cambió de signo hacia ambos lados de la raíz. En ge-
neral, si j (x) es real y continua en el intervalo de x1 a x, y f(xl) y f(x,)
tienensignos opuestos, esto es,
FIGURA 4.5 Algoritmo de la biseccion.
"
.
.
l
"
- ..
.. . . _" - "...
entonces hay, al menos una raíz real entre x, y x,.

LOSmétodos de búsqueda incremental se aprovechan de esta carac-
terística para localizar un intervalo donde la función cambie de signo. Por
lo tanto, la localización del cambio de signo (y por ende, de la raíz), se
logra más exactamente dividiendo el intervalo en una cantidad definida
de subintervalos. Se rastrea cada uno de estossubintervalos para encon-
trar el cambio d e signo. El proceso se repite y la aproximación a la raíz
mejora cada vez más a medida que los subintervalos se dividen en inter-
valos más y más pequeños. Seestudia más sobre e¡ tema de búsquedas
incrementales en la sección 4.4.
El método de bisección, conocido también como de cortebinario. de
partición en dos intervalos iguales o método de Bolzano, es un método
de búsqueda incremental donde el intervalo se divide siempre en dos.
Si la función cambia de signo sobre un intervalo, se evalúa el valor de
la función en el punto medio. La posición d e la raíz se determina situán-
dola en el punto medio del subintervalo dentro del cual ocurreun cambio
d e signo. El proceso se repite hasta obtener una mejor aproximación. La
figura 4.5 muestra un algoritmo para la bisección y en la figura 4.6 se
muestra un bosquejo gráfico del método.
EJEMPLO 4.3
Bisección
, Enunciado del problema: úsese el método de la bisección para determi-

; nar la Paíz de' j(x) = e "x - x.
Solución: Recuérdese de acuerdo a la gráfica de la función (Fig. 4.1) que
la raíz se encuentra entre O y 1.Por lo tanto, el intervalo inicial se puede
escoger desde x/ = O hasta x, = 1. Por consiguiente, la estimación ini-
'cia1 de la raíz se sitúa en el punto medio de este intervalo:
i
O+l
X, = -= 0.5
2
Esta estimación representa un error de (el valor exacto es 0.567 143 29. , .)
E, = 0.567 143 29 - 0.5 = 0.067 143 29
o, en términos relativos:
= I 143 29 1100%
0.567 143 29
= 11.8%
METODOS QUEUSANINTERVALOS 125
FIGURA 4.6 Gráficadel método de bisección. Esta gráfica incluye las primeras tres
iteraciones del ejemplo 4.3.
donde el subíndicev indica que el errores con respectoal verdadero. Ahora

se calcula:
f(0)f(0.5) = (1)(0.10653) = 0.106 53

que es mayor de cero, y por consiguiente no hay cambio de signo entre
x/ y x,. Y por lo tanto, la raíz se encuentra dentro del intervalo x = 0.5
y x = 1. Ellímiteinferior se redefine como x, = 0.5, y la aproximación
a laraízenla segunda iteración se calcula como:
0.5 + 1.0 = 0.75 le,/ = 32.2%

2
5
El proceso se puede repetir para obtener aproximaciones más exactas.

Por ejemplo, la tercera iteración es:
f(0.5)f(0.75) -0.030 < O
Por lo tanto, laraíz está entre 0.5 v 0.75:
x, = 0.75
0.5 + 0.75
= 0.625 /E,[ = 10.2%
2
Y la cuarta iteración es:
f(0.5)f(0.625)= -0.010 < O
Por lo tanto, laraíz está entre 0.5 y 0.625:
x, = 0.625
El método se puede repetir para alcanzar mejores estimaciones.La figura

4.6 muestra una gráfica de las primeras tres iteraciones.
En el ejemplo anterior, se puede observar que el error real no dismi-

nuye con cada iteración. Sin embargo, el intervalo dentro del cual se lo-
caliza la raíz se divide a la mitad en cada paso del proceso. Comose estu-
diará en la próxima sección, la longitud del intervalo proporciona una
aproximación exacta del límite superior del error en el método debisección.
4.2.1 Criterios de paro y estimación de errores

El ejemplo 4.3 finaliza con la opción de repetir el método para obtener
una aproximación más exacta de la raíz. Ahora se debe desarrollar un
criterio objetivo para decidir cuando debe terminar el método.
Una sugerencia inicial puede ser de que terminen los cálculos cuando .
el error se encuentre por debajo de algún nivel prefijado. Se puede ver
en el ejemplo 4.3, que el error relativo bajó de un 11.8 a un 4.69% du-
rante los cálculos. Puede decidirse que el método termine cuando se al-
cance un errormásbajo,porejemplodel 0. 1%. Esta estrategia es
inconveniente ya que la estimación del erroren el ejemplo anterior se ba-
só en el conocimiento del valor exacto de la raíz de la función. Este no
METODOS 127
es el caso de una situación real ya que no habría motivo para usar el mé-
todo siya se supiese laraíz.
Por lo tanto, se requiere estimarel error de manera tal que no incluya
el conocimiento previo de la raíz. De manera análoga a como se ve en
la sección 3.3, se puede calcular el error relativo aproximado € , d lae si-
guientemanera [recuérdese la ecuación (3.5)]:
donde es laraíz de la iteraciónactual y xYterior es elvalordela

raíz de la iteración anterior. Se usa el valor absoluto ya que, en general
importa sólo la magnitud de E , sin considerar su signo. Cuando I E, I es
menor que un valor previamente fijado, que define el criterio de paro,
el programa se detiene.
EJEMPLO 4.4
Estimación del error para el método de la bisección
Enunciado del problema:úsese la ecuación (4.2) paraestimarelerror

de las iteraciones del ejemplo 4.3.
Solución: las primeras dos estimaciones de la raíz en el ejemplo 4.3 fue-

ron 0.5 y 0.75. Sustituyendo estos valoresen la ecuación (4.2) se obtiene:
lea' = 1 0.75 - 0.5

0.75 1
100% = 33.3%
Recuérdese queel error exacto para la raíz estimada de O.75 es del 32.2%.
De esta manera, E, es mayor que E , . Este comportamiento se muestra en
lasotrasiteraciones
Iteraci6n Xr I 4 ?fío /%It Oh
1 0.5 11.8
2 O. 75 32.2 33.3
3 0.625 10.2 20.0
4 9 0.5625
0.81 11.1
5.3 5 4.69 0.59375
128 INGENIEROS
FIGURA 4.7 Errores del método de bisección. Se grafican los errores verdadero
y aproximado contra el número de iteraciones.
Estos resultados, junto con los de las iteraciones subsiguientes se resu-

menenlafigura 4.7. Lanaturaleza“desigual”delerrorreal se debe a
que para el método de la bisección laraíz exacta se encuentra en cual-
quier lugar dentro del intervalo.Los errores verdadero y aproximado son
casi igualescuando el intervalo está centrado sobrela raíz. Cuando la raíz
se encuentra cerca de un extremo.del intervalo, entonces los errores son
muy diferentes.
I
Aunque el error aproximado no proporciona una estimación exacta

del error verdadero, la figura 4.7 sugiere que E , capta la dirección des-
,endente de E,. Además, la gráfica muestra una característica muy inte-
resante; que E, siempre es mayor que E,. Por lo tanto, cuando E, es
menor que E, los cálculos se pueden terminar con la confianza de saber
que laraíz es al menos tan exacta como elnivel específico prefijado.
Aunque siempre es dañino aventurar conclusiones generales de un
sólo ejemplo, se puede demostrar que E, siempre será mayor que E, en
METODOS QUE USAN INTERVALOS 129
el método de bisección. Esto se debe a que cada vez que se encuentra

una aproximación a la raíz usando bisecciones como x, = (xr + (x,)/2,
se sabe que la raíz exacta cae en algún lugar dentro de intervalo (x, -
x r ) / 2 = b / 2 . Por lo tanto, la raíz debe situarse dentro de f A x/2 de
la aproximación (Fig. 4.8). Por ejemplo cuando se terminó el ejemplo
4.3 se pudo decir definitivamente que:
X, = 0.562 5 +
- 0.062 5
FIGURA 4.8 Tres formas diferentes en que un intervalo puede agrupar a la raíz. En
a) el valor verdadero cae en el centro del intervalo, mietras que en b)
y c ) el valor se acerca a uno de los extremos. Nótese que la diferencia
entre el valor verdaderoy el punto medio del intervalojamás sobrepasa
la longitud media del intervalo, o A x / 2 .
FIGURA 4.9 Esauema gráfico del porqué la estimación del error en el método de bi-
sección (Ax/2) esequivalente a laestimaciónactualdelaraíz (xrnueuo)
menos la estimación anterior de la raíz
Debido a que A x/2 = xnUevo - Xanierior (Fig. 4.9), la ecuación (4.2)

proporciona un límitesuperior exacto sobre elerror real. Para que se
rebase este límite, la raíz reai tendría que caer fuera del intervalo que la
contiene, lo cual, pordefiniciiin jamás ocurriráenelmktododebisec-
ciijn. El ejemplo 4.7 muestra otras técnicas de localización de raíces que
no siempre se portan tan eficientes. Aunque el método de bisección, en
general es más lento que otrosmétodos, la elegancia del análisis de error,
ciertamente es un aspecto positivo que puede hacerlo atractivo paracier-
tas aplicaciones de la ingeniería.
4.2.2 Programación del método de bisección
El algoritmo de la figura 4.5: ahora se presenta en un programa que se

muestra en la figura 4.10. El programa usa una funcicin (línea 100) que
facilita la localización de laraíz y las modificaciones a la función. Ade:
más, se incluye la línea 200 para verificar la posibilidad de divisiones por
cero durante la evaluación del error. Tal caso se presenta cuando el in-
tervalo está centrado respecto al origen. En este caso, la ecuación (4.2)
es infinita. Si esto ocurre, el programa salta sobre la evaluación del error
para esa iteraci6n.
El programa de la figura 4.10 no es muy legible para el usuario; está
diseñado únicamente para calcular la respuesta, el usuario debe hacerlo
más fácil de usar y de entender. Dentro del paquete de NUMERICOMP
asociado con este texto se proporciona un ejemplo de un programa legi-
ble al usuario para encontrar raíces de ecuaciones. El siguiente ejemplo
F<X )nEXPC -X )-X 1 ~ .Ut& FN F I 1 EXP I -. X J - (Función a la cual se le va a

REID<S,l)XL~XU~ES,lU Y calcular la raíz)
FORMIT<3FlO.O,IS) 1 1 , : ~ INPIJT ~ L ," X-I JM . IF ~ ,
AR-FC XL )*F< XU ) 12rj IF FN F i X L ) FN FCXLII , = XUXL, = límites inferiot'y
I F( L R . C E . O . 0 ) COTO 3 1 0 O THEN 310 superior
XR-( X L + X U )/2 1 2 0 NR = (XL + k l J ) I- c ES = error porcentual
DO 240 N I G ! , I M i k FOR N I Y TI.¡ 111 aceptable
W-F<X L )*F( XR > 1st) A A = F N F(XI.) * F N F(kR)
IM = numero máximo de
í I fIi F. E P . O . 0 ) COTO 300 ld0 1F AA = O THEN 300
I F < & A . L T . O , O )XU=XR 17G IF AA ., ( 6 1Hb.N XIJ = Y R Iteraciones.
I F (fifi.CT,O.O)XL-XR 180 16 Ah .I c:) THEN XL = XU
XN-< XL+XU )/2 190 k N = i k L + XU1 / 2 (Verifica si XL y XU
I F < X N . E Q . O . O X O T O 230 encierran una raiz)
Efi-ABS< < XN-XR ) L X N )*1 0 0 211:l E A = AB5 ( 1 hN - XRI / XNI f
I F <EA 28 . L0T . E S ) C O T O 1< I ü XR = inicial

estimación de la
230 XR-XN raíz
2 4 0 CONTINUE A.AOA H = LN (Evaluación para determcnar
MRITE(6.2) NEXT 74*:, NI que subintervalo contiene a
2 ~ o ~ n f i ~ ';NO
( ' SE EN C U N T RLO
f+.RIIZ') P'nj PRINT "NO SF ENCON'TRU L A R A I ? "
URITE<C,3)XR,Efi lol:, PRINT YR,€A
la raizl
..
FORMA ' ,T2<F '1 0 . 3 ) L / O GUTO 31o
3
COTO 3 1 0
. . _.
!:u, P R I N T k N . E A . N I
.
XN = nueva aproximación a
2eo M R I T E ( 6 , 4 ! X N . E f i . N I 2"o c.010 310 la raíz
4 F O R,U2RF T1 (0'. 3 , 1 5 ) 36,r PRINT "ILA R A I L E I A C I A FS =":X.R EA = error porcentual
COTO 3 1 0 ilir END
calculado
300 URITE(6,S)XR
5 RA1Z
FORMnT(' ','LA EX(ICT0 ES = ' , F l 0 . 3 ) (Prueba de error)
310 STOP
END
FIGURA 4.10 P r o g r a m ap a r a el método de bisección.

METODOS QUE 131
muestra el uso de NUMERICOMP para encontrar raíces. También propor-

ciona una buena referencia para valorary examinar los programas del usuario.
EJEMPLO 4.5
Localización de raíces usando la computadora
Enunciado del problema: asociado con los programas de NUMERICOMP,

se encuentra un programa legible al usuario sobre el métodode bisección.
Se puede usar este programa para resolver un problema de diseño
asociado con el ejemplo del paracaidista analizado en el capítulo 1. Co-
mo se recordará, la velocidad del paracaidista está dada, en función del
tiempo, de lasiguiente manera:
[E4.5.1]
donde u es la velocidad del paracaidista en centímetros por segundo, g

es la constante gravitacional cuyo valor es 980 cm / s2, m es la masa
del paracaidista cuyo valores 68 100 g y c es el coeficiente de rozamien-
to. En el ejemplo l.1 se calculó la velocidad del paracaidista en función
del tiempo para valores dados de m ,c y g. Sin embargo, supóngase que
se desea controlar el movimiento del paracaidista de tal forma que se al-
cance una velocidad prefijada en caída libre despuésde un tiempo dado.
En este caso, se debe seleccionar un valor apropiado de c que satisfaga
los requisitos de diseñocuando se mantengan constantesm,g, t y u. Una
ojeada a la ecuación a (E4.5.1) muestra que c no se puede calcular explí-
citamente en función de las variables conocidas. Supóngase que se de-
sea que la velocidaddelparacaidista alcance un valorde 4 O00 cm/s
después de7 s. De esta manera, se debe determinarun valor de c tal que:
[E4.5.2]
con t = 7 S y u = 4 O00 cm/s.
Solución: para implementar el método de BISECCIÓN, se requiere ob-

tener un intervaloinicialque contenga alvalor de c quesatisfaga la
ecuación (E4.5.2). Es conveniente seleccionar este intervalo conjuntamente
con la opción de graficación de BISECCIÓN que viene con el disco (op-
ción 3). El programa pregunta los valores mínimo y máximo de x y de
f (x) generando la grdfica mostrada en la figura 4.1 l a después que se
han introducido las dimensionesde la gráfica. Puede verse que existe una
raíz entre 10 O00 y 15 O00 g / s .
El programa BISECCIÓN pregunta por un límite máximo de iteracio-
nes permitido, un error de convergencia E , y un límite inferior y superior
FIGURA 4.1 1 a) Gráfica de la ecuación (E 4.5.2) b) Resultados para determinar el coe-

ficiente de rozamiento usando BISECCION enel problema del para-
caidista.
para la raíz. La figura 4.1lb muestra estos valores, junto con la raíz cal-
culada d e 11 643.14 g / s. Nótese que con 16 iteraciones se obtiene un
valor aproximado a la raíz con un error menor de E,. Más aún, la com-
putadora muestra una verificación del error de:
f(11643.14) = 1.025391 X lo-'

para confirmar los resultados. Si la exactitud que se requiere n o se hubie-
ra alcanzado con el número especificado de iteraciones, entonces el al-
goritmo habría terminado después d e 30 iteraciones.
Estos ;esultados están basados en el algoritmo simple del método de
BISECCION con el uso'de rutinas de entrada y salida legibles al usuario.
El algoritmo usado es similar al d e la figura 4.10. El usuario debe estar
listo para escribir sus propios programas sobre el método de bisección.
Si tiene los programas de NUMERICOMP, entonces los puede usar co-
mo modelo y para verificar que sus programas sean adecuados.
I
4.3 MÉTODO DE LA REGLAFALSA

Aunque el método debisección es una técnica perfectamenteválida para
determinar raíces, su enfoquees relativamente ineficiente. Una alternati-
va mejorada es la del método de la regla falsa está basado en una idea

para aproximarse en forma más eficiente a laraíz.
Un defecto del método de bisección es que aldividir el intervalo xI
a x, enmitades iguales, no se toma en consideración lamagnitudde
f (x()y de f (x,). Por ejemplo, si f (XI) está mucho más cerca de cero que
f (xu),es lógico que la raíz se encuentra más cerca de xI que de x, (Fig.
4.12). Este método alternativo aprovecha la idea de unir los puntos con
una línea recta. La intersección de esta línea con el eje x proporciona una
mejor estimación de la raíz.El reemplazamiento de la curva por una línea
recta da una “posición falsa” de la raíz, de aquí el.nombrede método
de la regla falsa o en latín, regula falsi. También se le conoce como méto-
do de interpolaci6n lineal.
Con el uso detriángulos semejantes (Fig. 4.12), la intersección de
la línea recta y el eje x se puede calcular de la siguiente manera:
que se puede resolver Dara (véase el recuadro 4.1 para mayores detalles)
FIGURA 4.12 Esquema gráfico del método de la regla falsa. La fórmula se deriva de
los triángulos semejantes (áreas sombreadas).
~ ~ ” ~ I - . - ~ .
l_..*_”,~-..”ll””.”” -. ^ _ , ~ . - .
” - .”
134 PARA METODOS NUMtRICOS INGENIEROS
RECUADRO 4.1 Derivacióndelmétodo de lo regla falso
Multiplicandoencruzla ecuación (4.3) se obtiene: sumando y restando x, del lado derecho:
Dividiendo entre - f (x"):
xr = xuf(x1) - x,f(xu)
f(X/) - f(xu) f(xu>(x/- xu)
x, = xu -
Ésta es una forma del método de la regla falsa. Nótese
f (XI) - f(xJ
que esto permite cualcular la raíz x, en función de los -1:
que es igual a la ecuación (4.4).Se usa esta forma ya que
mites inferior, Y superior x u . Se puede Ordenar de una es directamente con el método de la secante
manera alternativa, expandiéndola:
analizado en el capítulo 5.
Esta es la fórmula de la regla falsa. El valor de xr, calculado con la ecua-

ción (3.4), reemplaza a uno de los dos valores, x, o a x, que produzca
un valor de la función que tenga el mismo signo de f (x,). De esta ma-
nera, los valores xl y x, siempre encierran a la raíz. El proceso se repite
hasta que la aproximación a la raíz sea adecuada. El algoritmo es idénti-
co al de la bisección (Fig. 4.6) con la excepción de que la ecuación (4.4)
se usa en los pasos 2 y 4. Además, se usan los mismos criterios de paro
[(Ec. (4.2)] para detener los cSlculos.
b
S USAN INTERVALOS
M ~ O D O QUE 135
Solución: como en el ejemplo 4.3, inícieme los cálculos con los valores
iniciales x, = O y x, = 1.
Primera iteración:
x, = o j(x,>= 1
X, = 1 f(x,) = -0.632 12
El error relativo real se puede estimar como:
1 4 =
1 0.567 143 29 - 0.6127
0.567 143 29
I
1
loo% = 8.0%
Segunda iteración:
Por lo tanto, laraíz se encuentra dentro del primer subintervalo y x, se

convierte enellímite superior de la siguiente iteración, x, = 0.6127.
x/ = o fh) = 1
x, = 0.612 7 f(x,) -0.070 8
-0.070 8(0 - 0.612 7)
X, = 0.612 7 - = 0.572 19 E, = 0.89%
1 - (-0.070 8)
El error aproximado se puede calcular como:
I 4= I 0.572 19 - 0.612 7
0.572 19
= 7.088
Se pueden llevar a cabo iteraciones adicionales para mejorar la estima-

cióndelaraíz.
Puede emitirse una opinión más completa sobre la eficiencia relativa

de los métodos de bisección y de la regla falsa al observar la figura 4.13
que muestra gráficas del error relativo porcentual de los ejemplos 4.3 y
4.6, Nótese cómo el error decrece mucho más rápidamente para el mé-
FIGURA 4.13 Comparación de errores relativos de los métodos de la regla falsa y de

btsecciones para f ( x ) = e' - x.
todo de la regla falsa que para el de bisecciones ya que el primero es un

esquema más eficiente para lalocalizaciónde raíces.
Recuérdese que en el método de bisección el intervalo entre x/y x,
decrece durante los cálculos. Por lo tanto, el intervalo dado por A x/ 2
= x, - x,!,' 2 proporciona una medida del error en estas aproximacio-
~
nes. Este no es el caso para el método de lareglafalsaya que uno de

los extremos puede permanecer fijo a lo largo de los cálculos, mientras
que el otro converge a la raíz. Como en el caso, del ejemplo 4.4 donde
el extremo inferior xise sostuvo en cero, mientras que x, convergió a la
raíz. En tales casos, el intervalo no se acorta, sino que se mantiene más
o menos constante.
El ejemplo 4.6 sugiere que la ecuación (4.2) representa un criterio
de error muy conservador. De hecho, la ecuación (4.2) constituye una
aproximación de la discrepancia dela iteración preuia. Esto se debe a que
para cada caso, tai como en el ejemplo 4.6, donde el método converge
rápidamente (por ejemplo, el error se reduce casi una orden de magni-
METODOS 137
tud por iteración), la iteraciónactual es unaaproximaciónmucho

mejor alvalorrealdelaraízqueelresultadodelaiteraciónprevia
xYterior.Por lo tanto, el numerador de la ecuación (4.2) representa la di-
ferencia de la iteración previa.En consecuencia, hay confianza que cuando
se satisface la ecuación (4.2), laraíz se conoce con mayor exactitud su-
perando la tolerancia preestablecida. Sin embargo, como se veenla si-
guiente sección, existen casos donde la regla de la posición falsa converge
lentamente. En estos casos la ecuación (4.2) no es confiable y se debe
desarrollar un criteriodiferentede paro.
4.3.1 Desventajasdelmétododelareglafalsa
Aunque el método de la regla falsa pareciera siempre ser el mejor de los

que usan intervalos, hay casos donde funciona deficientemente. En efec-
to, como en el ejemplo siguiente, hay ciertos casos donde el método de
bisección da mejores resultados.
EJEMPLO 4.7
Un caso donde el método de bisecciónes preferible al de4a'regla falsa
Enunciado del problema: úsense los métodos de bisección y de la regla

falsa para localizar laraíz de:
entre x = O y x = 1.3.
Solución: usando bisección, losresultados se resumen como:
1 O 1.3 0.65 35
2 0.65 1.3 - 0.975
33.3 2.5
0.975 3 1.3 1.1375
14.3 13.8
4 0.975 1.1375 1.05625 5.6 7.7
5 0.975 1.05625 1 .O1 5625
4.0 1.6
De esta manera, después de cinco iteraciones.El error verdadero se reduce

a menos del 2%. Con la regia falsa se obtiene un esquema muy diferente
~~~ ~
1 O 1.3 0.09430 90.6

2 0.094300.18176
1.3 48.1 81.8
3 0.18176 1.3 0.26287
30.9 73.7
4 0.26287 1.3
0.3381 1
22.3 66.2
5 0.33811 1.3 0.40788
17.1 59.2
Después de cinco iteraciones,el error verdadero se ha reducido ai 59%.Ade-

más, nóteseque 1 E, 1 < 1 eV 1 . De estaforma, el erroraproximado
es engañoso. Se puede obtener mayor información examinando unagráfica
de la función. En la figura 4.14 la curva viola una hipótesis sobre la cual
I FIGURA 4.14 Gráfica de la función f(x) = x" - 1,

lenta del método de la regla falsa.
ilustración de la convergencia
MhODOS QUE 139
se basa la regla falsa; esto es, si f (x1) se encuentra mucho miis cerca de
cero que f (x,), entonces la raíz se encuentra más cerca a x1 que x, (re-
cuérdese la figura 4.12). De acuerdo a la gráfica de esta función, la inver-
sa es verdadera.
El ejemplo anterior ilustra que en general no es posible hacer gene-

ralizaciones relacionadas con los métodos de obtención de raíces. Aun-
que un método como el de laregla falsa, en general es superiar al de
bisección, hay, invariablemente casos especiales que violanlas conclu-
siones generales. Por lo tanto, además de usar la ecuación (4.2), los re-
sultados se pueden verificar sustituyendo la raíz aproximada en la ecuación
original y determinar si el resultado se acerca a cero. Estas pruebas se de-
ben incorporar en todos los programas que localizan raíces.
4.3.2 Programa para el método de la regla falsa
Se puededesarrollardirectamente un programapara lareglafalsa a

partir del código del método de bisección de la figura 4.10. La única mo-
dificación es la de sustituir la ecuación (4.4) en las líneas 130 y 190. Ade-
más, la prueba contra cero sugerida en la última sección, también se debe
incorporar enel código.
4.4 BúSQUEDASCONINCREMENTOS
DETERMINANDOUNA
APROXIMACIóNINICIAL
Además de verificar una respuesta individual, se debe determinar si se
han localizado todas las raíces posibles.Como se mencionó anteriormen-
te, en general, unagráficadelafunciónayudaráen esta tarea. Otra
opción es incorporar una búsqueda incremental al principio del progrma.
Consiste enempezaren un extremode laregióndeinterés y realizar
evaluaciones de la función con pequeños intervalos a lo largo de la re-
gión. Cuando lafuncióncambiade signo, se supone que unaraíz cae
dentro del incremento. Los valores de x de los extremos del intervalo pue-
den servir de valores iniciales para una de las técnicas descritas en este
capituloqueusanintervalos.
Un problema aunado a los métodos de búsquedas incrementales es
el de escoger la longitud del incremento. Si la longitud es muy pequeña,
la búsqueda puede consumir demasiado tiempo. Por el otro lado, sila
longitud es muy grande, existe la posibilidad de que las raíces muy cerca-
nas entre sí pasen desapercibidas (Fig.4.15). El problema se combina con
148 , NUMÉRICOS METODOS PARA INGENIEROS
FIGURA 4.1 5 Casos donde las raíces se pueden brincar debido a que las longitudes
de los intervalos en los métodos de búsquedas incrementales son de-
masiado grandes. Nótese que la últirna raízes múltiple y se iba a brin-
car independientemente de la longitud del incremento.
la posible existencia de raíces múltiples. Un remedio parcial para estos

casos en calcular la primera derivada de la función f' (x) en los extremos
del intervalo. Si la derivada cambia de signo, entonces puede existir un
máximo o un mínimo en ese intervalo,lo que sugiere una búsqueda más
minuciosa para detectar la posibilidad de una raíz.
Aunque estas modificaciones, o el empleo de un incremento muy fi-
no pueden solucionar enparte el problema,sedebeaclararque los
métodos sencillos tales como el de búsqueda incremental no son infali-
bles. Se debe tener conocimiento de otras informaciones que profundi-
cen en la localización de raícesa fin decomplementar las técnicas
automáticas. Esta información se puede encontrar graficando la función
y entendiendo el problema físico de donde se originó la ecuación.
PROBLEMAS
Cálculos a mano
4.1 Determínenselasraícesreales de:
f(x) = - 0 . 8 7 4 ~+
~ 1 . 7 5 ~+ 2.627
a) GrSrficamente
b) Usando la fórmulacuadrática
c ) Usando el método de bisección hasta tres iteraciones para determinar la raíz m&
alta. Empléense como valores iniciales xi = 2.9 y x, = 3.1.Calcúlese elerror es-
timado ea y el errorverdadero E,, después de cada iteración.
4.2 Determínense las raíces reales de
f(x) = - 2 . 1 + - 3 . 9 ~ '+ 0 . 6 6 7 ~ ~
6.21~
a) Gráficamente
b) Usando bisección para localizar la raíz más pequeña. Empléense como valores
iniciales x, = 0.4 y x, = 0.6 e itérese hasta que el error estimado F, se encuentre
abajo de t , = 4%
4.3 Determhense las raíces reales de:
f(x) = -23.33 + 7 9 . 3 5 ~ " 8 8 . 0 9+~4~1 . 6 - + ~0 . 6 5 8 ~ ~

~ ~8 . 6 8 ~
a Gráficamente
b) Usando bisección para determinar la raíz más alta para es = 1 W . Empléese co-
mo valores iniciales x, = 4.5 y x , = 5.
c) Realícense los mismos cálculos de b) pero usando el método de la regla falsa.
4.4 Determínense las raíces reales de:
f(x) = 9.36 - 2 1 . 9 6 3 ~+ 16.2965~'- 3 . 7 0 3 7 7 ~ ~
a) Gráficamente
b) Usando el método de la regla falsa con un valor de es correspondiente a tres'
cifras significativas para determinar laraíz más baja.
4.5 Localícese la primer raíz diferente de cero de tanx = 1.1.x donde x está en radia-
nes. Úsese una técnica gr6fica y bisección con valores iniciales O. l y O.G. Realícen-
se los cálculos hasta que E, sea menor del es = 10%. Verifíquense también los
errores sustituyendo la respuesta final en la ecuación original.
4.6 Determínese la raíz real de In x = 0.5
a) Gráficamente
b) Usando el método de bisección con tres iteraciones y valores iniciales x) = 1
y x, = 2.
c) Usando el método dela regla falsa con tres iteraciones y los mismos valores ini-
ciales del inciso anterior.
4.7 Determínese la raíz real de:

1 -0.6~
f(x) =
X i
a) Analíticamente
b) Gráficamente
.. C) Usando el método dela regla falsa con tres iteraciones y valores iniciales de 1.5
y de 2.0. Calcúlese el error aproximado E, y el error verdadero E, después de ca-
da iteración.
4.8 Encuéntrese laraíz cuadrada positiva de 10 usando el método de la regla falsa con
E,= 0 . 5 % . Empléense los valoresiniciales de x, = 3 y x, = 3.2.
4.9 Encuéntrese laraízpositivamás pequeña dela función (x está dada en radianes) :
x' 1 sen XI = 4
usando el método de la regla falsa. Para localizar la región en que cae la raíz, pri-
mero grafíquese la función para valores de x entre O y 4. Realícense los cálculos
hasta que eo haga que se cumpla es = 1 B . Verifíquese la respuesta final sustitu-
yéndola en la función original.
4.10 Encuéntrese laraízrealpositiva de:
!(x) = x4 - 8 . 6 -
~ ~3 5 . 5 1 ~ ' + 464x - 998.46
usando el método de la regla falsa. Úsese una gráfica para determinar los valores
iniciales y realizar los cálculos con e , = O. 1 % .
4.11 Determínese laraízreal de:
f(x) = x3 - 100
a) Analíticamente
b) Con el método de lareglafalsa con es = 0.1 %
4.12 La velocidaddelparacaidista está dada por la fórmula:
donde g = 980. Para un paracaidista de masa m = 75 O00 g calcúlese el coefi-

cientederozamiento c con u = 3600 cm/s en t = 6 s . Úseseelmétodo de
lareglafalsa paradeterminar c con es = O. 1 % .
Problemas para resolver con computadora

4.13 Vuélvase a programar lafigura 4.10 de forma tal que sea más legible al usuario.
Entreotras cosas:
a) Documéntese indicando la funciónde cada secciór.
b) Etiquétense las entradas y lassalidas
c) Agréguese una prueba que verifique si los valores iniciales x, y x,, encierran a
laraíz.
d ) Agréguese una prueba de verificación para que laraíz obtenida se sustituya en
la ecuación originalpara comprobar si el resultado final se ace:ca a cero.
4.14 Pruébese el programa del problema 4 . 1 3 duplicando los cálculos del ejemplo 4.3.
4.15 Úsese el programa del problema 4 . 1 3 para repetir desde el problema 4 . 1 al 4.6.
MÉTODOS QUE 143
4.16 Repítanse los problemas 4 . 1 4 y 4.15 usando los programas de NUMERICOMP dis-
ponibles con el texto. Úsense las capacidades gráficas de este programa para verifi-
car los resultados.
4.17 Úsense los programas de NUMERICOMP para encontrar las raíces reales de dos
funciones polinomiales cualesquiera. Grafíquense las funciones sobre un rango de-
finido para obtener los límitesinferior y superior de las raíces.
4.18 Repítase el programa 4.17 usando dos funciones trascendentales
4.19 En este problema se usan solamente las capacidades gráficas de los programas NU-
MERICOMP disponibles con el texto. LOSprogramas trazan la función sobre inter-
valos más y más pequeños para incrementar la cantidad de cifras significativasque
se quieraestimar una raíz. Empiécese con f(x) = e-' sen (10 x). Grafíquese la
funcióncon un rango a escala completa desde x = O hasta x = 2.5. Estímese
laraíz. Trácese nuevamente la funciónsobre el rango x = 0.5 a x = 1.0.Estí-
mese la raíz. Finalmente, grafíquese la función sobre un rango de 0.6 a 0.7. Esto
permite estimar laraíz con dos cifras significativas.
4.20 Desarróllese un programa legible al usuario para el método de la regla falsa basado
en la sección 4 . 3 . 2 . Pruébese el programa con el ejemplo 4.6.
4.21 Úsese el programa del problema 4 . 2 0 para probar los cálculos del ejemplo 4.7.
Realícense corridas de 5, 10, 15 y más iteraciones hasta que elerrorrelativo
porcentual sea menor del O . 1%. Grafíquense los errores relativos porcentualesapro-
ximados contra el número de iteraciones sobre papel semilogarítmico. Interpréten-
se los resultados.
C A P í T U L OC I N C O
MÉTODOS
ABIERTOS
En los métodos del capítulo anterior que usan intervalos, laraíz se en-
cuentra dentro del mismo, dado porun límite inferior y otro superior. La
aplicación repetida de estos métodos siempre genera aproximacionesmás
y más cercanas ala raíz. A tales métodos se les conoce como conuergen-
tes ya que se acercan progresivamente a laraíz a medida que crece el
número de iteraciones (Fig. 5.l a ) .
FIGURA 5.1 Esquema gráfico de las diferencias fundamentales entre los métodos que
usan intervalos a) y los métodos abiertosb) y c) en la localización de raí-
ces. En a), que ilustra elmétodo debisección, la raíz está registrada dentro
del intervalo dodo por x, y x,. En contraste, con los métodos abiertos,
ilustrados en b) y c), se usa una fórmula para proyectarxi a xi+, con un
esquema iterativo. De esta manera, el método puede divergir b) o con-
verger c) rápidamente, dependiendo del punto inicial.
En contraste con éstos, los métodos abiertos que se describen en este ca-
pítulo, se basanenfórmulasquerequierende un solo valor x o de un
par de ellos pero que no necesariamente encierran a la raíz. Como tales,
algunas veces diuergen o se alejan de la raíz a medida que crece el núme-
ro de iteraciones (Fig. 5.lb). Sin embargo, cuando los métodos abiertos
convergen (Fig. 5.IC),en general lo hacen mucho más rápido que los mé-
todos que usan intervalos. Se empieza el análisis de los métodos abiertos
con una versión simple que es útil para ilustrar su forma general y tam-
bién para demostrar el concepto de convergencia.
5.1 ITERACIóN DE PUNTOFIJO

Como se mencionó anteriormente, los métodos abiertos emplean una fór-
mula que predice una aproximación a laraíz.Talfórmula se puede desa-
rrollarparalaiteracióndepunto fijo, rearreglando laecuación f(x)=O de
talformaque x quede delladoizquierdo de la ecuación:
x = [5.11
Esta transformación se puede llevar a cabo mediante operaciones alge-
braicas o simplemente agregando x a cada lado de la ecuación original.
Por ejemplo:
x2-2x+3=o
se puede reordenar para obtener:
x = ” -x2 +3
í!
mientrasquesen x = O puedetransformarseenlaformadelaecuación
(5.1)sumándole x a ambos lados para obtener:
x = senx + x
La utilidad de la ecuación (5.1) es que proporciona una fórmula para
predecir un valor de x en función de x. De esta manera, dada un aproxi-
mación inicial a la raíz, xi, la ecuación (5.1) se puede usar para obtener
una nueva aproximación x i + l , expresada porlafórmulaiterativa:
el error aproximado de esta

Como con otras fórmulas iterativas del libro,
ecuación se puedecalcularusandoelestimador de error [Ec. (3.5)1:
MhODOS ABIERTOS 147
EJEMPLO 5.1
Iteración de punto fijo
Enunciado del problema: úsese iteración de punto fijo para localizar la

raíz de f(x) = e “x “x.
Solución: lafunción se puede separar directamente y expresarse enla

forma de ecuación (5.2) como = e-”. Empezandocon un valor ini-
cial de x,,=-O, se puede aplicar esta ecuación iterativa y calcular:
I
Iteraci6n. i X
O O 1 O0
1 100.01 .oooooo 76.3
2 171.8 0.367879 35.1
3 46.9 0.692201 22.1
4 38.3 0.500473 11.8
5 17.40.606244 6.89
6 11.20.545396 3.83
7 5.90 0.57961 2 2.20
8 3.48 0.5601 15 1.24
9 0.571 143 1.93 O. 705
10 0.564879 1.1 0.399 1
I
De esta manera, cada iteración acerca cada vez más alvalorestimado

con elvalorverdadero de laraíz, o sea 0.567 143 29.
RECUADRO 5.1 Convergencia de la iteración de punto fiio
AI analizar la figura 5.3, se debe notar que la iteración de En el cálculo, existe un principio llamado teorema del
punto fijo converge si en la región de interés g’ ( x ) < 1. valor medio (sección 3.5.2).Dice que si una función g ( x )
En otras palabras, la convergencia ocurre silamagnitud y su primera derivada son continuas sobre un intervalo
de la pendiente de g ( x ) es menor que la pendiente de la a < x < b, entonces existe un valor de x = { dentro del
línea f( x ) = x. Esta observaciónse puede demostrar teóri- intervalo para el que:
camente. Recuérdese que la ecuación aproximada es:
Xi+l = g(xi) [B5.1.2]
Supóngase que la solución verdadera es: El lado derecho de esta ecuación es la pendiente de la lí-
nea que une a g ( a ) y g ( b ) , De esta manera, el teorema
x, = S(&) del valor medio dice que hay al menos un punto entre a
Restando estas dos ecuaciones se obtiene: y b que tiene una pendiente, denotada por S({), que es
paralelaa la línea que une g(a) con g ( b ) (Fig. 3.5).
Ahora, si se hace a = xi y b = x, el lado derecho
xr - Xi+l = g(xJ - g(xJ [B5.1.1] de la ecuación (B5.1.2) se puede expresar como:
S k r ) - g(xJ = (xr - Xi) g ‘ ( 8 Por consiguiente, si g’ ( ) < 1, entonces los errores de-
<
crecen. con cada iteración. Si g ’ ( ) > l , entonces los
donde 4 se encuentra en alguna Parte dentro de x, Y x,. errores crecen. Nótese también que sila derivada es posi-
Este resultado se puede sustituir en la ecuación (B5.1.2) tiva,los emores serán positivos, y por lo tanto, la solucióo
para obtener: iterativa será monótona (Figs. 5.3a y c). Si la derivada es
[B5.1,31 negativa, entonces los errores oscilarán (Figs. 5.3b y d ) .
X, - xi+1 = (X, - xi) S’([)
Un corolario de este análisis demuetra que cuando
Si elerrorverdaderoparalaj-ésimaiteración se define como: el método converge, el error es casi proporcional a y me-
nor que el error del paso anterior. Por esta razón, la itera-
Et,! = x, - xi ción de punto
fijo se dice que es linealmente conuergente.
entonces la ecuación (B5.1.3) se convierte en:

Et,i+l = S’(() Et,¡
5.1.1 Convergencia
Nótese que el error relativo exacto en cada iteración del ejemplo 5.1 es
casi proporcional (por un factor de 0.5 a 0.6) al error de la iteración ante-
rior. Esta propiedad, conocida como convergencia lineal, es característi-
ca de la iteración de punto fijo. En el recuadro 5.1 se presenta una base
teórica para esta observación.
FIGURA 5.2 Dos métodos gráficos alternativos paro determinar la raíz de f(x) =
-
e ‘-x. a) Raíz en el punto donde ésta cruza aleje x ; b) raíz en la
intersección de las funciones componentes.
METODOS ABIERTOS 149
Además de la “velocidad” de convergencia, se debe hacer hincapié en

este momento sobre la“posibilidad” de convergencia.
Los conceptos de convergencia y de divergencia se pueden ilustrar gráfi-
camente. Recuérdese que enla sección 4.1 se graficó una función para
visualizar su estructuray su comportamiento (Ej. 4.1). Esta función se vuel-
ve a graficarenlafigura 5.2a. Un planteamientográficodiferente es el
desepararlaecuación f ( x ) = O endospartes, como en:
flk) = f2 (x)
Entonces las dos ecuaciones:
Y1 =fl(4 r5.31
Y
Y2 = f2 (x) P.41
se pueden graficar por separado (Fig. 5.2b). Los valores de x correspon-

dientes a las intersecciones de estas funciones representan las raíces de
f(x) = o.
EJEMPLO 5.2
El método gráfico de dos curvas
Enunciado del problema: sepárese la ecuación e “x -x = O en dos par-

tes y determínese suraíz gráficamente.
Solución: reformúlese la ecuación como yl = x y y 2 = e -’. Calcúlense

los siguientes valores:
X Y1 Y2
0.0 0.0 1.O00

0.2 0.2 0.819
0.4 0.4 0.670
0.6 0.6 0.549
0.8 0.8 0.449
1 .o 1 .o 0.368
Estos puntos se gráfican en la figura 5.2b. La intersección de las dos cur-

vas indica una aproximación dex = 0.57, que correspondeal punto donde
la curvaoriginal en lafigura 5 . 2 ~cruzaal eje x.
El método de las dos curvas se puede usar ahora para ilustrar lacon-
vergencia y divergencia de la iteración de punto fijo.
Enprimerlugar,la ecuación (5.1) se puede expresar como un par
de ecuaciones: y , = x y y2= g (x). Estas dos ecuaciones se pueden gra-
ficar por separado. Tal fue el caso de las ecuaciones (5.3) y (5.4) las raí-
ces de f ( x ) = O sonigualesalvalordela abscisa enla intersección de
las dos curvas. Enlafigura 5.3 se graficanlafunción y , = x y cuatro
esquemas diferentesde la función y2= g(x).
FIGURA 5.3 Esquema gráfico de la convergencia a) y b) y la divergencia c) y d) de la iteración

de punto fino. A las grafips a) y c) seles conoce como patrones monótonos, mien-
tras que a b) y d) se les conoce.como patrones oscilatorios o en espiral. Nótese que
la convergencia se obtiene cuando 1 g’(x) 1 < 1.
__I__ _LI_I_-^.
. ~
MnODOS ABIERTOS lb1
Enelprimer caso (Fig. 5 . 3 ~ 4el, valorinicial x, se usa para determi-

nar el punto correspondiente a la curva yz, [xg, g(xo)]. El punto [x1, xl]
se encuentra moviendo la curva y1 a la izquierda y horizontalmente. Es-
tos movimientos son equivalentes a la primera iteración del método de
punto fijo:
De esta manera, en la ecuación y en la gráfica se usa un valor inicial x.

para obtener la aproximación xI. La siguiente iteración consiste en mo-
verse al punto [xl,g (xl)]b después a [x2, x2]. Esta iteración es equiva-
lente a la ecuación:
La solución en la figura 5.3a es convergente ya que la aproximación de

x se acerca más a laraíz con cada iteración. Lo mismo se cumple para
la figura 5.3b. Sin embargo, éste no es el caso para las figuras 5 . 3 y~d ,
en donde las iteraciones divergen de la raíz. Nótese que la convergencia
ocurre únicamente cuando el valor de la pendiente de y2 = g ( x ) es me-
nor alvalor de la pendiente de yI = x, esto es, cuando 19' ( x ) I c 1.
En el recuadro 5.1 se presenta una derivación teórica de este resultado.
5.1.2 Programaparalaiteración de punto fijo
El algoritmo para la computadora de la iteración de punto fijo es extre-

madamente simple. Consiste en un ciclo que calcula iterativamente nue-
vas aproximaciones junto con una declaración lógica que determina cuando
se hacumplidoelcriterio de paro.
FORTRAN BASIC
1X I
I Iü I N P U rX R . E S . Ill
, lFunc16n a la que se
desea calcular la raizl
ES = errorporcentualaceptable
f 1213 F O RN I = 1 TU In
130 XN = F N F C X R ) IM = niutm
e
mrd
aeae
xrcm
ol oon e s
140 I F XN = 0, THEN 170 XN = aproximact6n a laraíz
I70
1 so
150 E A = AB5 ( I X N
1W
160 I F E A
1.70 XR = XN
180 NEXT N I
\
-
= ES THEN 210 -
X R ) I X N ) e-. EA = aproximaci6nporcentualdel
error
( p r u e b ad e
I90 P R I N T" N O SE ENCONTRO L A R A I L "

2 200 NNII - I
210 P R I N TX N . E A . N I
a10 URITE~6.3?XN,EA,NI 220 END
a F O R M h ,TZCF' I 0 . 3 , I S f
STOP
END
FIGURA 5.4 Programa parala iteración de punto fijo.Nótese que este algoritmo
general es similar al de los métodos abiertos.
En la figura 5.4 se presentan los programas en FORTRAN Y BASIC para

el algoritmo. Se pueden programar de manera similar otros métodos abier-
tos, simplemente cambiando la fórmula iterativa (declaración 130).
5.2 MÉTODO DE NEWTON-RAPHSON

Tal vez, dentro delas fórmulas paralocalizar raíces, la fórmula de Newton-
Raphson (Fig. 5.5), sea la más ampliamente usada. Si el valor inicial de
la raíz-es x,, entonces se puede extender una tangente desde el punto
[x;, f (xi)].El punto donde esta tangente cruza al eje x representa una
aproximación mejorada a la raíz.
El método de Newton-Raphson se puede derivar geométricamente
(una forma de hacerlo es mediante el uso de la serie de Taylor, descrita
en el recuadro 5.2). Como en la figura 5.5, la primera derivada en x es
equivalente a la pendiente.
que se puede reordenar para obtener:
a la que se conoce como fórmula de Newton-Raphson.
FIGURA 5.5 Esquemagráfico del métododeNewton-Raphson. Se extrapolauna

tangente a la función enel punto xi [esto es, f'(x;)] hasta el eje x pa-
ra obtener una estimación de la raíz en x, + !.
_l__l ~~.~ ~
EJEMPLO 5.3
Método de Newton-Raphson
Enunciadodelproblema:úseseelmétododeNewton-Raphsonpara
calcular laraíz de e - x empleando elvalorinicialde
"x x. = O.
Solución: laprimeraderivada de lafunción se puede evaluar como:
f'(x) = -e-x - 1
que se puede sustituir, junto con la función original en la ecuación (5.6)

para dar:
-
Xi+l = xi -
p
-e-x'
i
-
xi - h
J ,
Empezando con el valor inicial x. = O , se puede aplicar la ecuación ite-

rativa para calcular:
O 1O0
0.500000000 11.8
0.566311003 0.147
0.567143165 0.0000220
0.567143290 <10
De esta manera, el planteamiento converge rápidamente a laraíz real.

Nótese que el error relativo en cada iteración decrece mucho más rápido
que como lo hace la iteración de punto fijo (compárese con el ejemplo5.1).
5.2.1 Criterios de paro y estimación de errores
Como con los otros métodos de localización de raíces, la ecuación (3.5)

se puede usar como un criterio de paro. Además, la derivación del méto-
docon la seriedeTaylor(recuadro 5.2) proporciona un conocimiento
teórico relacionado con la velocidad de convergencia expresado como:
Ei+ = O (Ei*).De esta forma, el error debe ser casi proporcional al cua-
drado del error anterior.En otras palabras, el número de cifras significati-
vas se duplica aproximadamenteen cada iteración. Este comportamiento
se examina enel siguiente ejemplo.
RECUADRO 5.2 Derivación y análisis del error del método de Newton-Raphson a partir de la serie de Taylor
Además de laderivación geométrica [ecuaciones (5.5) y 0 = f (Xi) + f '(Xi) (xr - Xi)

(5.6)], el método de Newton-Raphson se puede derivar
también conusoel de la serie Taylor. Esta derivación al- + f2
"(O (xr - X,)' [B5.2.3]
ternativa es muy útil en el sentido de que muestra la De-
netración en la velocidad de convergencia del método. L~ ecuación (B5.2.2) se puede restar de la ecuación
Recuérdese delcapítulo 3 que la serie de Taylor se (85.2.3) para obtener:
puede representar como:
+ f-
"(47
( x ~ + I- X¡)' [B5.2.1] [B5.2.4]
2
en donde t: se encuentraen parte de1intervalo en- Ahora, notando que el es igual a la diferencia entre
tre xiy x i + ,. Truncando la serie de Taylor después de la xi+l y elvalor real, x, como en:
primera derivada, se obtiene unaversión aproximada:
Ev.i+l=xr"xi+l
f (Xi+l) -- f (Xi) + f '(Xi)(X¡+l - Xi)
y la ecuación (B5.2.4) se puede expresar como:
En la intersección con el eje x,f(xi+,) debe ser igual a ce-
ro, o:
0 = f (Xi) + f '(Xi)(Xi+l - Xi) [B5.2.2] [B5.2.5]
L
Si se supone que hay convergencia, entonces xi y t: se

deberían aproximar a la raíz x,, y la ecuación (B5.2.5) se
puede reordenar para obtener:
que es idéntica a la ecuación (5.6). De esta forma, se ha
derivado el método de Newton-Raphson usando la serie
de Taylor. [B5.2.6]
Además de la derivación, la serie de Taylor se puede
usar para estimar el error de la fórmula. Esto se puede lo- De acuerdo a la ecuaci6n (B5.2.6) el errores casi propor-
grar alutilizar todos los términos de la ecuación B5.2.1 cional al cuadrado del error anterior. Esto significa que el
con el resultado exacto. Por esta situación xi+l= x,, en número de cifras decimales correctas se duplica aproxi-
donde x, es el valor exacto de la raíz. Sustituyendo este madamente en cada iteración. A este comportamiento se
valor, junto con f(x,) = O en la ecuación (B5.2.1)se le llama conoergencia cuadráfica. El ejemplo 5 . 4 ilustra
obtiene: esta propiedad.
EJEMPLO 5.4
Análisis de error en el método de Newton-Raphson
Enunciado del problema: como se dedujo enel recuadro 5.2, el método

d e Newton-Raphson es convergente cuadráticamente. Esto es, el error
es aproximadamente proporcional al cuadrado del error anterior, dado por:
CE5.4.11
MÉTODOS ABIERTOS 1 SS
Examínese esta fórmula y véase si es aplicable a los resultados del ejem-

plo 5.3.
Solución: laprimeraderivada de !(x) = e ”x es:

f ‘(x) = -’1
--e-
que se puedeevaluaren x,= 0.567 143 29 para dar:
f’(0.567 143 29) = -1.567 143 29
La segunda derivada es:
fff(x)= e-x
que se puede evaluar, para obtener:
f’(0.567 143 29) = 0.567 143 29
Estos resultadosse pueden sustituir en la ecuación (E5.4.1) para obtener:
0.567 143 29
EV ,’l + l = - Ev,i2
Z(”1.567 143 29)
O
- 0.180 95 E,,i2
€ , , i t 1-
Del ejemplo 5.3, el error inicial fue de Et,0= 0.567 143 29, que se pue-
de sustituirenla ecuación del error para obtener:
E,,l 0.18095(0.56714329)2 = 0.058 2
que se acerca al error real de = 0.067 143 29. En la siguiente iteración:
Ev,2 0.180 95(0.06714329)2 = 0.000 815 8
que también se compara favorablemente con el error real de 0.000 832
3. Enla tercera iteración:
= 0.180 95(0.000832 = 0.000 O00 125
que es exactamente el error obtenido en el ejemplo 5.3. La estimación
del error mejora de esta manera ya que está más cercano a la raíz, xi y
4 se aproximan mejor mediante x, [recuérdese la suposición manejada
al derivar la ecuación (B5.2.6) a partir de la ecuación (B5.2.5), en el re-
cuadro 5.21.
Finalmente:
Eu,4= 0.180 95(0.000 O00 125)2 = 2.83 X
De esta manera este ejemplo ilustra que el error en el método de Newton-

Raphson es en este caso, de hecho, casi proporcional (por un factor de
O. 180 95) al cuadrado del error en la iteración anterior.
156 MÉTODOS N U M É R I C O S PARA INGENIEROS
5.2.2 Desventajas delmétodo de Newton-Raphson
Aunque el método de Newton-Raphson en general es muy eficiente, hay

situaciones en que se porta deficientemente. Un caso especial -raíces
múltiples- se analiza al final del capítulo. Sin embargo, aun cuando se
trate de raíces simples, se encuentran dificultades, como en el siguiente
ejemplo.
EJEMPLO 5.5
Ejemplo de una función que converge lentamente con el método de
Newton-Raphson
Enunciado del problema: determínese la raíz positiva de f ( x ) = x10 - 1

usando el método de Newton-Raphson con un valor inicial de x = 0.5.
Solución: la fórmula del método de Newton-Raphson es en este caso:
que se puede usar para calcular:
O 0.5
1 51.65
2 46.485
3 41.8365
4 37.65285
5 33,887565
De esta forma, después de la primera predicción deficiente, el método

converge a laraíz 1, pero con una velocidad muy lenta.
Además de la convergencia lenta, debida a la naturaleza de la fun-

ción, se puedenoriginar otras dificutades,como se ilustra en la figura 5.6.
Por ejemplo, la figura 5.6a muestra el caso donde un punto de inflexión
-esto es, f ' ( x ) = 0- ocurre en la vecindad de una raíz. Nótese que las
iteraciones que empiezan en x divergen progresivamente de la raíz. En
la figura 5.6b se ilustra la tendencia del método de Newton-Raphson a
oscilar alrededor de un punto mínimo o máximo local. Tales oscilaciones
persisten, o, como en la figura 5.6b, se alcanza una pendiente cercana
a cero, después de lo cual la solución se aleja del área de inter&. En la
figura 5.6c, se ilustra como un valor inicial cercano a una raíz puede sal-
tar a una posición varias raíces lejos. Esta tendencia de alejarse del área
de interés se debe a que se encuentran pendientes cercanas a cero. Ob-
viamente, unapendiente cero Lf'(x) = O] es un realdesastrequecausa
158 METODOS NUM~RICOS
PARA INGENIEROS
una división por cero en la fórmula de Newton-Raphson [Ec. (5.6)]Gráfi-

camente (Fig. 5.6d), esto significa que la solución se dispara horizontal-
mente y jam& toca al eje x.
La única solución en estos casos es la de tenerun valor inicial cerca-
no a la raíz. Este conocimiento, de hecho, lo proporciona el conocimien-
to físico del problema o mediante el uso de herramientas tales como las
gráficas que proporcionan mayor claridad en el comportamiento de la so-
lución. Esto sugiere tambiOn que se deben diseñar programas eficientes
que reconozcan la convergencia lenta o la divergencia. La siguiente sec-
ción está enfocada hacia estos temas.
5.2.3 Programa para el método de Newton-Raphson
Con sólo sustituir la línea 130 de la figura 5.4, se obtiene el método de

Newton-Raphson. Nótese, sin embargo, que el programa se debe tam-
bién modificar para calcular la derivada. Esto se puede llevar a cabo sim-
plemente incluyendo una función definida por el usuario.
Además, de acuerdoa las discusiones anteriores sobrelos problemas
potenciales del método de Newton-Raphson,el programa se debe modi-
ficar incorporándole algunos rasgos adicionales:
-
1.Si es posible, se debe incluir una rutina de graficación dentro del pro-
grama.
2.A1 final de los cálculos, la aproximación a la raíz siempre se debe susti-

tuir en la función original para calcular en qué casosel resultado se acerca
a cero. Esta prueba protege contraaquéllos casos donde se observa con-
vergencia lenta u oscilatoria, la cual puede llevar a valores pequeños
de E,, mientras que la solución puede estar aún muy lejos de una raíz.
3. El programa siempre debeincluir un límite m6ximosobre el número per-

mitido de iteraciones para estar prevenidos contra las oscilaciones y
la convergencia lenta, o las soluciones divergentespersistirán intermina-
blemente.
5.3 MÉTODO DE LA SECANTE

Un problema fuerte enla implementación del método deNewton-Raphson
es el de la evaluación de la derivada. Aunque esto no esun inconvenien-
te para los polinomios y para muchas otras funciones,existen algunas de
éstas cuyas derivadas pueden ser extremadam-ente difíciles de evaluar.
En estos casos, la derivada se puede aproximar mediante una diferencia
divida, como (Fig. 5.7):
FIGURA 5.7 Esquemagráfico del métodode la secante. Esta técnica es similar a la

del método de Newton-Raphson(Fig. 5.5) en el sentido de que una apro-
ximación a la raíz se calcula extrapolando una tangente de la función
hasta el eje x . Sin embargo, el método de la secante usa una diferencia
en vez de la derivada para aproximar la pendiente.
Esta aproximación se puede sustituir en la ecuación (5.6) obteniendo la

ecuacióniterativa:
La ecuación (5.7)es la fórmula para el método de la secante. Nótese que

el planteamiento requiere de dos puntos inicialesde x. Sin embargo, de-
bido a que no se requiere que f(x) cambie de signo entre estos valores,
a este método no se le clasifica como aquellos que usanintervalos.
EJEMPLO 5.6
EL método de la secante
Enunciado del problema: úsese el método de la secante para calcular la

raíz de f ( x ) = e-x - x. Empiécese con los valoresinicialesde x-1 =
o y x0 = 1.0.
Solución: recuérdeseque laraíz reales 0.567 143 29 .

Primera iteración:
"0.632 12(0 - 1)
x1=1- = 0.612 70 /€,I = 8.08
1 "("0.63212)
Segunda iteración:
x0 = 1 f(xo) -0.632 12
x1 = 0.61270 f(x1) = -0.070 81
(Nótese que las dos aproximaciones se encuentran del mismo lado que
la raíz.)
"0.070 81 (1-0.612 70)

x2 = 0.612 7 0 - = 0.563 84
-0.632 12 - (-0.070 81)
\
(E,( = 0.58%
Terceraiteración:
x1 = 0.61270 f(x1) = -0.070 81

x2 = 0.563 84 f(x2) = 0.005 18
0.005 18 (0.612 70-0.563) 84
x3 = 0.563 84 - = 0.567 17
"0.070 81 - (0.005 18)
IE, / = 0.0048%
5.3.1 Diferencias entre los métodos de la secante y de la regla falsa

Nótese la similitud entre los métodos de la secante y de la regla falsa. Por
ejemplo, las ecuaciones (5.7) y (4.4)son idénticas término a término. Am-
bas usan dos estimaciones iniciales, para calcular una aproximación a la
pendiente de la función que se usa para proyectar hacia eleje x una nue-
va aproximación a la raíz. Sin embargo, existe una diferencia crítica entre
ambos métodos y ésta estriba en la forma en que uno de los valores ini-
ciales se reemplaza porla nueva aproximación.Recuérdese que en el mé-
todo de la regla falsa, la Gltima aproximación de la raíz reemplaza a aquel
valor cuya función tenía el mismo signo de f ( x l ) .En consecuencia, las
dos aproximaciones siempre encierran a laraíz. Por lo tanto, en todos

los casos prácticos, el método siempre convergeya que la raíz se encuen-
tra dentro del intervalo. En contraste, el mdtodo de la secante reemplaza
los valores en una secuencia estricta, con el nuevo valor xi+lse reem-
plaza a xi y xi reemplaza a xi-l. Como resultado de ésto, los dos valores
pueden caer de un mismo lado de la raíz. En algunos casos, ésto puede
provocar divergencia.
1
EJEMPLO 5.7 ,’
Comparación de la convergencia en los métodos de la secante y la’
regla falsa.
Enunciado del problema: úsense los métodos de la secante y de la regla

falsa para calcular la raíz de f(x) = In x. Háganse los cálculos con los va-
lores iniciales x/= xi- l . 0.5 y x, = xi= 5.0.
Solución: enel método de la regla falsa, usando la ecuación (4.4)y los

criterios de obtención de la raíz en el intervalo mediante el reemplazo de
los valores correspondientes en cada aproximación, se generan las siguien-
tes iteraciones:
I
lteraciin XI XU x,
1 9.5 5.8 1.8546

2 es 1.8546 1.2163
3 es 1.2163 1 .@585
Como se puede ver (Figs. 5.8a y c), las aproximaciones convergen a la

raíz real = 1.
En el método de la secante usando la ecuación (5.7) y el criterio se-

cuencial para reemplazar las aproximaciones se obtiene:
1 0.5 5.@ 1.8546

2 5.8 1.8546 -4.18438
Como se muestraenlafigura 5.8d, el comportamiento del método es

divergente.
t
FIGURA 5.8 Comparación entre los métodos de la regla falsa y de la secante. Las
primeras iteracionesa) y b) de ambos métodosson idénticas. Sin em-
bargo, en las segundas c) y d), los puntos usados son diferentes. En
consecuncia, el método de lasecante puede divergir, como lo mues-
tra dl.
Aunque el método de la secante sea divergenteen algunos casos, cuan-

do converge lo hace más rápido que el método de la regla falsa. Por ejem-
plo, en la figura 5.9, que se basa en los ejemplos 4.3, 4.6, 5.3 y 5.6, se
muestra la superioridad del métodode la secante. La inferioridad del mé-
todo de la regla falsa ;e debe a que un extremo permanece fijo y de esta
manera mantiene a laraíz dentrodelintevalo.Esta propiedad, que es
una ventaja porque previene la divergencia, es una desventaja en rela-
ción a la velocidad de convergencia; esto hace que la aproximación con
diferencias divididas sea menos exacta que la derivada.
5.3.2 Programa para el método de la secante
Como con los otros métodos abiertos, se obtiene un programa del méto-
do de la secante simplemente modificando la línea 110, de tal forma que
se puedan introducir dos valores inicialesy sustituyendo la ecuación (5.7)
enlalínea 130 de lafigura 5.4.
FIGURA 5.9 Comparación de los errores relativos porcentuales t y para cada uno
de los métodos en la determinación de las raíces de f(x) = e - x - x.
Además, las opciones sugeridas en la sección 5.2.3 para el método

de Newton-Raphson se pueden aplicar al programa de la secante para
obtener tales ventajas.
5.4 RAíCES MÚLTI PLES

Una raiz múltiple corresponde a un punto donde una función es tangen-
cia1al eje x. Por ejemplo, dos raíces repetidas resultan de:
f ( x ) = (x - 3)(x - l)(x - 1)
o, multiplicando términos,
f ( x ) = x3 - 5x2 + 7x - 3
L a ecuación tiene una raíz doble porque un valor de x anula dos térmi-
nos de la ecuación (5.8).Gráficamente, esto significa que la curva toca
tangencialmente al eje x enlaraíz doble. Véase la figura 5 . 1 0 ~

en x = 1.
Nótese que lafunción toca al eje pero no locruzaenlaraíz.
Una raiz triple corresponde al caso en que un valor de x se anula en
tres términos de la ecuación, como en:
f(x) = (x - 3)(x - l)(x - l)(x - 1)
o , multiplicando,
)(X) = x 4 - 6x3 + 1 2 ~ -' 1 0 +~ 3
Nótese que el esquema gráfico (Fig. 5.10bJ indica otra vez que la función
es tangencia1al eje enlaraíz pero que en este caso sí cruzael eje. En
general, la multiplicidad impar de raíces cruza el eje, mientras que la mul-
tiplicidad par no lo cruza. Por ejemplo, la raíz cuádruple en la figura 5 . 1 0 ~
nocruzael eje.
Las raíces múltiples ofrecen ciertas dificultadesa los métodos numéri-
cos expuestos enla parte 11:
l. El hecho de que la función no cambia de signo en una raíz de multi-

plicidad par impide el uso de los métodos confiables que usan inter-
valos, discutidosenelcapítulo 4. De esta manera, de los métodos
incluidos en este texto, los abiertos tienen la limitación de que pue-
dendivergir.
2. Otro posible problema se relaciona con el hecho de que no sólo f(x)

se aproxima a cero. Estos problemas afectana los métodos de Newton-
Raphson y al de la secante, los que contienen derivadas (o aproxima-
ciones a ella) en el denominador de sus respectivas fórmulas. Esto pro-
vocaría una división entre cero cuando la solución se acerque a la raíz.
FIGURA 5.10
Unaformasimpledeevitar estos problemas, que se ha demostrado
Ejemplos de raíces múl- teóricamente (Ralstony Rabinowitz, 1978), se basa en el hecho de que
tiples tangentes al eje X. f(x). Por lo tanto, si se verifica f l x ) contra cero, dentro del programa,
Nótesequelafunción entonces los cálculos se pueden terminar antes de quef'(x) llegue a cero.
no cruza el eje en casos
de mu!tiplicidad par a) y 3. Se puede demostrar que el método de Newton-Raphson y el de Id
c), mientrasque para secante convergenen forma lineal, en vez de manera cuadrática,cuan-
multiplicidad impar sí lo do hay raíces múltiples (Raltsony Rabinowitz, 1978). Sehan propuesto
hace b). algunas modificaciones para aliviar este problema. Ralston y Rabino-
witz (1978) proponen que se haga un pequeño cambio en la formu-
lación para que retorne su convergencia cuadrática, como:
xi+l= xi - m-
f (x,1
f '(Xi)
en donde m es la multiplicidad de laraíz (esto es, m = 2 parauna
raíz doble, m = 3 para una raíz triple, etc.). De hecho, puede resultar
insatisfactorio porque presupone el conocimiento de la multiplicidad
delas raíces.
Otra alternativa, también sugerida por Ralston y Rabinowitz (1978),

es la de definir una nueva función u(x), que es el cociente de la función
y su derivada, esto es:
[5.10]
Se puede demostrar que esta función tiene raíces en las mismas posicio-
nes que la función original. Por lo tanto, la ecuación (5.10) se puedesusti-
tuir en la ecuación (5.6)y de esta forma desarrollar una forma alternativa
del método de Newton-Raphson:
[5.11J
Se puede derivar la ecuación (5.10),obteniendo:
[5.12]
Se pueden sustituir las ecuaciones (5.10)y (5.12) en la ecuación (5.11)
[5.13]
EJEMPLO 5.8
Método de Newton-Raphson modificado para el cálculo de raíces
múltiples.
Enunciado del problema: úsenselos dos métodos, el estándar y el modi-

ficado de Newton-Raphson para evaluar la raíz múltiple de la ecuación
(5.9), con un valor inicial de xo= O.
Solución: la primera derivada de la ecuación (5.9) esf(x) = 3x2 - lox

+ 7, y por lo tanto, el método de Newton-Raphson para este problema
[Ec. (5.6)]es:
xi3 - 5Xi2 + 7xi - 3

Xi+l = x, -
3xi* - loxi + 7
que se puede resolver iterativamente para obtener:

i Xi 1€“I Ojo
O 0 1 O0
1 0.428571
57
429
2 0.68571
4286
31
3 0.832865400
17
4 3328983
0.91 8.7
5 0.955783293
4.4
6 0.977655101
2.2
Como ya se había anticipado, el método converge linealmente hasta el

valor verdadero de 1 .O.
Para el caso delmétodomodificado,lasegundaderivada es f” ( x )
= 60 x - 10, y larelacióniterativa es[Ec. (5.13)]:
Xi+l = xi -
(Xi3 + 7xi - 3) (3Xi2 - loxi + 7)
- 5xi2
(3xi2 - lOxi + 7)2 - (xi3 - 5xi2 + 7x, - 3) (6xi - 10)
que se puede resolver para obtener:
i xi lk”l
O 0 1 O0
1 l . 105263158 11
2 1.003081 664 0.31
3 1 .O00002382 0.00024
De esta forma, el método modificado converge cuadráticamente.Se pue-

denusarambosmétodosparabuscar laraízsimpleen x = 3.
Usando un valorinicial de xo= 4 se obtienen los siguientes resultados:
i Estándar, cy Modificado l t ~ l
-
o 4 (33%) 4(33%)
1 3.4 (13%) 2.636 363 (1 637
2%)
2 3.1 (3.3%) 2.820 224 720
(6.0%)
3 3.008 695652 (0.29%) 211
2.961 728 (1.3%)
4 3.000 074 641 (2.5
X 2.998 478 719 %)(0.051
5 3.000000 O06 (2x 2.999 997 682X (7.7
De esta forma, ambos métodos convergen rápidamente, siendo el méto-

do estándar más eficiente.
El ejemplo anterior ilustra los factores de mayor importancia involu-

crados al escoger el método de Newton modificado. Aunque es preferible
en raíces múltiples, algunas veces es menos eficiente y requiere más es-
fuerzo computacional que el método estándar parael caso de raíces sim-
ples. Se debe notar que se puede desarrollar una versión modificada del
método de la secante para raícesmúltiples sustituyendola ecuación (5.10)
en la ecuación (5.7). La fórmula resultante es (Ralston y Rabinowitz,1978):
PROBLEMAS
Cálculos a mano
5.1 Úsese el método de Newton-Raphson para determinar laraízmayor de:
f ( x ) = - 0 . 8 7 5 ~+~1 . 7 5 ~+ 2.625
Empléese un valor inicial de xi = 3 . l. Realícese los cálculos hasta que E,, sea me-
nordel E, = 0.01% . También verifíquense los errores enla respuesta final.
5.2 Determínenselasraícesreales de:
f(x) = -2.1 + 6 . 2 1 ~- 3 . 9+
~ 0~. 6 6 7 ~ ~
a) Gráficamente
b) Usando el método de Newton-Raphsonhastaque = 0.01%
5.3 Empléese el métododeNewton-Raphsonparadeterminarlasraícesreales de:
!(X) = -23.33 + 7 9 . 3 5 ~- 8 8 . 0 9 ~-k ~4 1 . 6 ~- ~8 . 6 8 +~ ~0 . 6 5 8 ~ ~

usando el valor inicial de a) xi= 3.5; b) x = 4.0 y c) x,= 4.5. Pruébense y úsense
los métodos gráficos para explicar cualquier peculiaridad en los resultados.
5.4 Determínese laraízreal menor de:
f(x) = 9.36 - 21.963~+ 1 6 . 2 9 6 5 ~-~3 . 7 0 3 7 7 ~ ~
a) Gráficamentg
b) Usando el método de la secante, hasta un valorde es, correspondiente a tres
cifrassignificativas.
5.5 Localícese la
raíz
positiva de:
~ sen x
f(x) = 0 . 5 -
donde x está dada en radianes. Usese un método gráfico y después calcúlese tres
iteracionesconelmétodo de Newton-Raphsoncon un valorinicial de xi= 2.0
para calcular laraíz. Repítanse los cálculos pero con un valorinicial de x i = 1.0.
Úsese el método gráfico para explicar los resultados.
5.6 Encuéntrese laraízrealpositiva de:
+ ~4 6 4 ~-- 998.46
f(x) = x4 - 8 . 6 -~3~5 . 5 1 ~
usando el método de la secante. Empléense los valores iniciales de xi., = 7 y xi= S
y calcúlense cuatro iteraciones.
Calcúlese E, e interprétense los resultados.
5.7 Realícense los mismos cálculos del problema5.6 pero usando el método de Newton-
Raphson, con un valorinicial de x,= 7 .
5.8 Encuéntrese laraíz cuadrada positiva de 10 usando tres iteraciones con:

a) El método de Newton-Raphson, con un valorinicialde xi= 3.
b) El método de la secante, convaloresiniciales de = 3 y x,=3.2.
1- 0 . 6 ~
f(x) =
X
usando tres iteraciones y el método de la secante con valores iniciales xi., - 1.5
y xi = 2.0. Calcúlese el error aproximado E, después de la segunda y la tercera
iteración.
!(x) = x3 - 100
con el método dela secante, con es= 0. 1% .
5.11 Determínese laraízrealmayor de:
x3 - 6x2 + l l x - 6
a) Gráficamente
b) Usandoel método de bisección (dos iteraciones, XI= 2.5 y X=, 3.6).
C) Usandoel método de lareglafalsa (dos iteraciones, X/= 2.5 Y X=, 3.6).
d) UsandoelmétododeNewton-Raphson(dos iteraciones, x i = 3.61.
e) Usando el método de la secante (dos iteraciones, x;-l= 2.5 y X,= 3.6).
5.12 Úsese el método de Newton-Raphson para determinar todas las raíces

de :(x) = x2+ 5.78 x - 11.4504 con e,= 0.001%.
5.13 Determínese laraízrealmás pequeña de:
!(x) = 9.36 - 2 1 . 9 6 3 ~+ 16.296 5x2 - 3.703 77x3

MÉTODOS ABIERTOS 169
a) Gráficamente
b) Usando el método de bisección (dos iteraciones, x,= 0 . 5 y xu= 1.1).
c) Usando el método de la raglafalsa (dos iteraciones, x,= 0 . 5 y x,= 1.1).
d) Usando el método de Newton-Raphson (dos iteraciones, xi= 0.5).
e) Usando el método de la secante (dos iteraciones, xi-,= 0 . 5 y xi= 1.1).
5.14 Determínese laraízpositiva realmás pequeña de:
+ ~57.04~' - 5 6 . 7 6 ~+ 20.57
f ( x ) = 4X4 - 2 4 . 8 ~
a) Gráficamente
b ) Usando el método disponiblemás eficiente. Empléense los valores'inicia-
les de x, = x , . ~= 0 . 5 y x, = x, = 1.5 y realícense los cálculos hasta que
E,= 15%
5.15 Determínense las raíces de
!(X) = x3 - 3 . 2 ~- ~1 . 9 2 ~+ 9.216
a) Gráficamente
b) Usando el método disponiblemás eficiente con E,= 0.1%
5.16 Repítase el problema 4 . 1 2 , pero usando el método de Newton-Raphson
5.17 Repítase el problema 4 . 1 2 , pero usando el método de la secante.
Problemas relacionados con la computadora
5.18 Desarróllese un programaparael método de Newton-Raphson basado en la

figura 5.4 y en la sección 5.2.3. Pruébese el programa duplicando los cSlcu-
los del ejemplo 5 . 3
5.19 Úsese elprogramadesarrolladoenelproblema 5.18 y duplíquense los cálcu-

los del ejemplo 5.5. Determínese laraíz usando un valorinicial de xi= 0.5.
Realícense 5, 10, 15 o más iteraciones hasta que el errorrelativo porcentual
exacto sea menor del O. 1 B. Grafíquense los errores relativos porcentuales exac-
to y aproximado contra el nlirnero de iteraciones sobre papel semilogarítmico.
Interprétense los resultados.
5.20 Úsese el programa desarrollado en el problema 5.18 para resolver los problemas
5.1 al 5.5. En todos los casos, realícense los cálculos dentro de la tolerancia de
E S = 0.001%.
5.21 Desarróllese un programa para el método de la secante basado en lafigura 5.4

y en la sección 5.3.2. Pruébese el programa duplicando los cálculos del ejemplo
5.6.
5.22 Úsese el programa desarrollado enelproblema 5.21 para resolver los proble-
mas 5.6, 5.9 y 5.10. En todos los casos, realícense los cálculos dentro de la
tolerancia de es= 0.001%.
CAPíTULO SEIS
CASOS DE LA PARTE DOS:
RAíCES DE ECUACIONES
La finalidad de este capítulo es la de usar los procedimientos numéricos

analizados en los capítulos 4 y 5 para resolver problemas reales de inge-
niería. Los métodos numéricos son importantesen la práctica ya que fre-
cuentemente los ingenierosencuentranproblemasqueno se pueden
plantear desde un punto de vista analítico. Por ejemplo, algunos mode-
los matemáticos quese pueden resolver analíticamente no son aplicables
en los problemas prácticos. Debido a esto, se deben usar modelos más
complicados. En estos casos, es conveniente implementar un método nu-
mérico que se pueda usar en una microcomputadora.En otros casos, los
problemas requerirán soluciones explícitas enecuaciones muy complica-
das (recuérdese la sección 11.1.2 y el ejemplo 4.5).
Los siguientes casos de estudio son una muestra de aquellos que en
forma rutinaria se encuentran durante los estudios superiores o de licen-
ciatura. MAS aún, son problemas representativos de aquéllos que se en-
contrarán en la vida profesional. Los problemas van desde la ingeniería
económica en general, hasta las especialidadesde la misma: química, ci-
vil, eléctrica y mecánica. Estos casos deestudioilustranalgunosde los
factores de más importancia entre las técnicas numéricas.
Por ejemplo, el caso 6.1 hace uso de todos los métodos, con excep-
ción del método de Newton-Raphson para analizar puntos de equilibrio
que resulteneconómicos. El método de Newton-Raphson nose usó porque
la función en an6lisis es difícil de derivar. Entre otras cosas, en el ejemplo
se demuestra como puede divergir el método de la secante, sielvalor
inicial no se encuentra lo suficientemente cerca de laraíz.
El caso 6.2 tomado de la ingeniería química, muestra un ejemplo ex-
celente de cómo se pueden aplicar los métodos para la búsqueda de raí-
ces de fórmulas quese presentan en la práctica de la ingeniería. Además,
este ejemplo demuestrala eficiencia del método de Newton-Raphsoncuan-
do se requiere un gran número de cálculos en la localización de la raíz.
LOScasos 6.3, 6.4 y 6 . 5 son problemas de ingeniería de diseño, to-
mados del área de civil, eléctrica y mecánica. El caso 6.3 aplica tres mé-
todos diferentes para determinar las raícesde un modelo de crecimiento
172 INGENIEROS
METODOS NUMÉRICOS
PARA
demográfico. En el cuso 6.4, se realiza un análisis semejante de un circui-

to eléctrico. Finalmente, el caso 6.5 analiza las vibraciones de un auto-
móvil. Además de analizar la eficiencia de cada uno de los métodos, este
ejemplo tiene una característica adicional, que es la de ilustrar cómo los
métodos gráficos sirven de ayuda en el proceso de localización de raíces.
CASO 6.1 ANALISISDE PUNTO DE EQUILIBRIO

(INGENIERíAENGENERAL)
Antecedentes: en la práctica de la ingeniería óptima se requiere que los
proyectos, productos y la planificación de los mismos sean enfocados de
tal manera que resulten económicos. Porlo tanto, a un ingeniero con ex-
periencia deben serle familiares los análisis de costos. El problema que
se trata en esta sección se conoce como “problema de puntos de equili-
brio”. Se usa para determinar el punto en el cual dos alternativas tienen
valores equivalentes. Estos problemas se encuentran en todos los cam-
pos dela ingeniería. Aunque el problema se enfoca en términos persona-
les, se puede tomar como prototipo de otros problemas de análisis de
puntos de equilibrio, que se encuentran a menudo en la vida profesional.
Se está considerando la compra de una o dos microcomputadoras:
La “Micro-uno’’y la “Micro-dos”. En el cuadro 6.1 se encuentran resu-
midas algunas características, los costos aproximados y los beneficios de
cada una de ellas. Si se puede pedir un préstamo con un interés del 20%
(i = 0.20), ¿cuánto tiempo se deberá poseer las máquinas, de manera
que tengan un valor equivalente? En otras palabras, ¿cuál es el punto de
equilibrio medido en años?
Solución: como es común en problemasde economía, se tiene una mez-

cla de costos presentes y futuros. Por ejemplo, en la figura 6.1 se mues-
tra que la compra de la Micro-uno involucra un gasto inicial de $3 000.
Además de este desembolso, también se requiere dinero para el mante-
CUADRO 6. l Costos y beneficios de dos microcomputadoras.Los signos negativos in-

dican un costoo una perdida mientras que un signo positivo indica una
ganancia
COMPUTADORA
Micro-dos Micro-uno
compra,
Costo de $ -3000 -1 0,000
Incremento en el mantenimiento
del costo por año,
$/año/año -200 -50
Ganancias y beneficios anuales,
$/año 1000 4000
FIGURA 6.1 Diagrama de fluio de efectivos de costos y beneficias de la Micro-uno.
La abscisa muestra el número de años que se posee la computadora. El
fluio de efectivos se mide en lo ordenada, con los beneficios positivos
y los costos negativos.
nimiento anual de la máquina. Debidoa que estos costos tiendena aumen-

tar a medida que la máquina se usa más y más, se supone que los Costos
de mantenimiento crecen linealmente con el tiempo. Por ejemplo, alre-
dedor del décimoaño se requieren $2 O00 anuales para mantenerla má-
quina en condiciones de trabajo (Fig. 6.1). Finalmente y además de estos
costos se deben deducir beneficios del propietario dela computadora. Las
ganancias y las prestaciones derivadas de la Micro-uno se caracterizan por
un ingresoanualconstante de $ 1 000.
Para valorar las dos opciones estos costos se deben convertir en me-
didas comparables. Una manerade hacerlo es expresando todos los cos-
tos individuales como si fuesen pagos anuales, estoes, el costo equivalente
por año sobretoda lavida útil de la computadora. Las ganancias y
las prestaciones yase encuentran en este formato.Se puede disponerde las
fórmulas de economía para expresar los costos de compray de manteni-
miento de la misma forma. Por ejemplo, el costo de la compra inicial se
puede transformar en una serie de pagos anuales mediante la fórmula
(Fig. 6 . 2 ~ ) :
i(1 + i)"
A, = P
(1 + i)" - 1
en donde A, es el monto del pago anual, P es el costo dela compra,

i es la tasa de interés y n es el número de años. Por ejemplo, el pago
174 NUMERICOS PARA INGENIEROS
M~TODOS
FIGURA 6.2 Esquemagráficodel uso deunafórmuladeeconomía, a ) Tranforma-

ción de un pago en una serie de pagos anuales equivalentes usando la
ecuación (6.1) y b) transformación de una serie de gradiente aritmético
en una serie de pagos anuales equivalentes usando la ecuación (6.2).
inicial de la Micro-uno es de $-3 000, en donde el signo negativo indica

pérdidas. Si la tasa de interés es del 20% (i = 0.2), entonces:
O.Z(l.2)"
Ap = -3000
1.2" - 1
Por ejemplo, si los pagos iniciales se extienden hasta 10 años ( n = lo),
se puede usar esta fórmula para calcular que el pago anual equivalente
sería de $-715.57 por año.
A los costos de mantenimiento seles conoce como serie de gradiente
aritmético porque crecen a un promedio constante. La conversión de es-
tas series a una tasa anual A se puede calcular con la fórmula:
en dondeG es la tasa de crecimiento en el mantenimiento. Como se puede

ver en la figura 6.26 esta fórmula transforma el costo de mantenimiento
creciente en una serie equivalente de pagos anuales constantes.
Estas ecuaciones se pueden combinarde forma tal que se pueda ex-
presar el valor de cada computadora en términos de una serie uniforme
de pagos Por ejemplo, para la Micro-uno:
A,= -3 O00
0.2(1.2)" -200 [1
"
1 + 1 O00
1.2" - 1 0.2
1.2" - 1
valor total = -costo de compra - de
costo mantenimiento + ganancias
en donde A, denota el valor anual total. Agrupando términos, esta ecua-
ción se puede simplificar:
-600( 1.2)"
200n
A, =
1.2" - 1
+
1.2" - 1 ~6.31
Si después de poseer la Micro-uno durante dosaños se decide descartar-

la, entonces sustituyendo n = 2 en la ecuación (6.3) resultará que el cos-
to es de$1055 por año. Si la computadorase descarta después de poseerla
10 años (n = lo),la ecuación muestra un costo de $330 por año.
De manera similar, para la Micro-dos se puede desarrollar una ecua-
ciónparael costo anual, dadapor:
-2 OOO(1.2)"
A, =
1.2" - 1
+
50n
1.2" - 1
+ 3750 ~6.41
Los valores de la ecuación (6.4) para n = 2 y n = 10 sonde $-2 568

y$ + 1461 por año, respectivamente. De estamanera, aunque la Micro-
dos es más costosa en base a periodos cortos, si se posee por periodos
largos, no sólo es más barata, sino que producirá ganancias al propieta-
rio. En la figura 6.3a se muestran las ecuaciones (6.3) y (6.4)para varids
valoresde n .
La identificación del punto enel que las dos máquinas tienen valores
iguales indica cuando la Micro-dos viene a ser la mejor compra. Gráfica-
mente, esto corresponde a la intersección de las dos curvas en la figura
6.3~1.Desde un punto de vista matemático, el punto de equilibrio es el
valor de n para el que las ecuaciones (6.3)y (6.4)son equivalentes, esto es:
-600(1.2)" 200n - -2 OOO(1.2)"

50n + 3 750
+ +
1.2" - 1 1.2" - 1 1.2" - 1 1.2" - 1

pasando todos los términos de un lado, el problema se reduce a encon-
trar la raíz de la función:
- 1 400( 1.2)" - 150n + 3 750 = O

f(n) = ~6.51
1.2" - 1 - 1.2" - 1
Nótese que debidoa la forma en que se ha derivado la ecuación, la Micro-
uno es más efectiva en cuanto a costos cuando f (n) < O y la Micro-dos
lo es cuando f (n) > O (Fig. 6.3b). Las raíces de la ecuación (6.5) no
se pueden determinar analíticamente. Por el otro lado, los pagos anuales equi-
valentes son fáciles de calcular dada una n. De esta forma, como en el
FIGURA 6.3 a) Curvas del costo neto de las computadorasMicro-uno[Ec. (6.3)]y

Micro-dos [Ec. (6.4)]. b) La función de punto de equilibrio [Ec. (6.5)J.
estudio de la sección 11.1.2 y el ejemplo 4.5, los aspectos considerados en

la elaboración de este problema crean la necesidad de un planteamiento
numérico.
Las raíces de la ecuación (6.5)se pueden calcular usando algunos
de los métodos numéricos descritos en los capítulos 4 y 5. Se pueden
aplicar los métodos que usan intervalos y el método de la secante con
un esfuerzo mínimo, mientrasque el método de Newton-Raphson es em-
barazoso ya que consume muchotiempo al determinar d f / d n de la ecua-
ción (6.5).
En base a la figura 6.3, se sabe que la raíz se encuentra entre n = 2 y
n = 10. Estos valores se pueden usar en el método de bisección. L a bi-
sección d e intervalos se puede llevar a cabo 18 veces para obtener un
resultado en donde E, sea menor de 0.001%. El punto de equilibrio ocu-
rre a los n = 3 . 2 3 años. Este resultado se puede verificar sustituyéndolo
en la ecuación (6.5) para ver que f (3.23) = O.
Sustituyendo n = 3 . 2 3 ya sea en la ecuación (6.3)o en la (6.4)se
muestra que en el punto de equilibrio el costo de cualquiera de ellas es
íCES CASOS
DOS: LA PARTE DE ECUACIONES 177
de $542 por año. Más allá de este punto, la Micro-dos es más efectiva
en cuanto a costos. Por consiguiente, si se piensa comprar una máquina
y poseerla por más de 3.23 años, la Micro-dos es la mejor compra.
El método de la regla falsa se puede aplicar fácilmente a este proble-
ma. Se obtiene una raízsimilar después de 12 iteraciones enelmismo
intervalo inicial de2 a 10. Por otro lado, el método de la secante conver-
ge a una raíz de -24.83 con el mismo intervalo inicial. Sin embargo, si
el intervalo se reduce desde 3 hasta 4, entonces el método de la secante
converge a 3.23 en sólo cinco iteraciones. Es interesante notar que el
método de la secante también converge en forma rápida siel intervalo
inicial es de 2 a 3, el cual no encierraa la raíz. Estos resultados son típicos
de los factores de importancia que se deben tomar en consideración y
que se estudian posteriormente en el epílogo. Entonces el mejor método
numérico para este problema depende del juicio emitido respecto a los
factores de importancia, tales como eficiencia numérica, costo de las compu-
tadoras y laconfiabilidaddel método.
CASO 6.2 LEYES DE LOS GASESIDEALES Y NO IDEALES

(INGENIERíA QUíMICA)
Antecedentes: la ley d e los gases ideales está dada por:
en donde p es la presión absoluta, V es el volumen y n es el número de

moles. R es la constante universal de los gases y T es la temperatura ab-
soluta. Aunque esta ecuación la usan ampliamente los ingenieros y cien-
tíficos, sólo es exacta sobre un rango limitado de presión y temperatura.
Más aún, la ecuación (6.6)es más apropiada para algunos gases que pa-
ra otros.
Una ecuación alternativa del estado de los gases está dada por:
r6.71
a la que se le conoce con elnombre de ecuación de van der Waals. u

= V / n es elvolumenmolal y a y b son constantes empíricas que de-
penden de un gas en particular.
Un proyecto de ingeniería química requiere que
se calcule exactamente
el volumen molal (u) del bióxido de carbono y del oxígeno para combi-
naciones diferentes de la temperatura y de la presión, de tal forma que
se pueda seleccionar una vasija apropiada que los contenga. Asimismo,
es importante examinar que tan bien se apega cada gas a laley de los
178 NUMERICOS METODOS PARA INGENIEROS
gases ideales, comparandolos volúmenes molales calculados conlas ecua-

ciones (6.6) y (6.7). Se proporcionan los siguientes datos:
R = 0.082 054 1 . atm/(mol . K)

a = 3.592
bióxido de carbono
b = 0.042 67
a = 1.360
b = 0.031 83
Las presiones de interés en el diseño son de 1, 10 y 100 atm. para com-

binaciones de la temperatura de 300, 500 y 700°K.
Solución: los volúmenes molares de ambos gases se calculan con la ley

de los gases ideales, con n = 1. Por ejemplo, si p = 1 atm y T = 300°K,
entonces:
v = - = - I atm 300 K
RT = 0.082 054
n P m o l . K I atm
v = 24.616 2 l/mol
Estos cálculos se repiten para todas las combinaciones de presión y tem-
peratura y se presentan en el cuadro 6.2.
Los cálculos del volumen molar a partir de la ecuación de van der
Waals se pueden llevar a cabo usando cualquier método numérico que
encuentre raíces de los estudiados en los capítulos 4 y 5, de la siguiente
manera:
CUADRO 6.2 Cálculos del volumen molar del caso de estudio 6.2
VolumenmolalVolumenmolalVolumenmolal
de los
(ley (van Waals)
der der
(van
Preridn
Temperatura ideales)
gases de
bióxido oxígeno
Waals)
K atm carbono
llmol llmol llmol
300 1 24.6162 24.5126 24.5928

10 2.46 16 2.3545 2.4384
1O0 0.2462 0.0795 0.2264
500 1 4
40.982
1.0270 1 4 1 .O259
4.0578
10 4.1027 4.1016
1 O0 0.4 1 03
0.3663 0.4116
700 1 57.4378
57.41 79 57.4460
5.7242
10 5.7438 5.7521
0.5575
1 O0 0.5744 0.5842
CASOSDE LA PARTE DOS:RA~CES
DE ECUACIONES 179
En este caso,la derivada d e f ( u ) se determina fácilmente y es convenien-

te implementar el uso del método de Newton-Raphson. La derivada de
f respecto a u está dada por:
a 2ab
f’(U) = p - - +-
3 u3
El método de Newton-Raphson se describe mediante la ecuación (5.6)
como:
la cual se puede usar en el cálculo de la raíz. Por ejemplo, usando el

valor inicial de 24.616 2,el volumen molal del bióxido de carbono a 300°K
y a 1 atm se calcula como 24.512 6 I/mol. Este resultado se obtuvo des-
pués de dos iteraciones y con un E,, menor de O. O01 %.
En el cuadro 6.2 semuestran resultados similares para todas las com-
binaciones de presión y de temperatura para ambos gases. Se observa
que los resultados obtenidos con la ecuación de van der Waals difieren
en ambos gases de los de la ley de los gases ideales, de acuerdo a los
valores específicos de p y de T . Más aún, ya que algunos de estos resul-
tados son significativamente diferentes, el diseño de las vasijas que con-
tendrán a los gases sería muy diferente, dependiendo de qué ecuación
de estado se haya usado.
En este caso, al usar el método de Newton-Raphson se examinó una
ecuación del estado gaseoso complicada. Los resultados variaron signifi-
cativamente en varios casos usando la ley de los gases ideales. Desde un
punto de vista práctico, el método de Newton-Raphson fue apropiado
en este casoya que f’( u ) fue fácil de calcular. De esta manera, se pueden
explotar las propiedades de rápida convergencia del método de Newton-
Raphson.
Además de demostrar su potencia en un simple cálculo, el método
de Newton-Raphson ilustra en este caso de estudio lo atractivo que es
cuando se requiere unagran cantidad de cálculos. Debido a la velocidad
de las microcomputadoras, la eficiencia de cada uno de los métodos en
la solución de la mayor parte de raíces de ecuaciones se vuelve indistin-
guible en un cálculo simple. Aun la diferencia de decenas entre el méto-
do eficiente de Newton-Raphson y el método poco. refinadode bisección
no significa una gran pérdida de tiempo cuando se realiza un solo cálcu-
lo. Sin embargo, supóngase que se desea calcular una raíz millones de
veces para resolver un problema. En este caso, la eficiencia del método
puede ser un factor decisivo al escogerlo.
Por ejemplo, supóngase que es necesario diseñar un sistema de con-
trol automático computarizado de un proceso de producción de sustan-
cias químicas. Este sistema requiere una aproximación exacta de volúmenes
molales con basea un medio esencialmente continuo para fabricar conve-

nientemente el producto final. Se instalan calibradores que proporcionan
lecturas instantáneas dela presión y la temperatura. Se deben obtener
evaluaciones de u para toda la variedad de gases que se usan en el proceso.
Para estas aplicaciones, los métodos que usan intervalos, tales como
el de bisección o de la regla falsa, posiblemente consuman mucho tiem-
po. Además, los valores iniciales que se requieren con estos métodos ge-
nerarían un retraso enel procedimiento. Este inconveniente igualmente
afecta al método de la secante, que también necesita dos valores iniciales.
En contraste, el método de Newton-Raphson requiere 6nicamenteun
valor inicial de la raíz. Se puede usar la ley de los gases ideales paraobte-
ner este valor al inicio del proceso. Después, suponiendo que el tiempo
empleado sea lo bastante corto como para que la presión y la temperatu-
ra no varíen mucho durante los cálculos, la solución de laraíz anterior
se puede usarcomo valor inicial de la siguiente. De esta forma, se tendría
disponible de forma automáticaun valor aproximado cercano a la solución,
requisito indispensable en la convergencia del método de Newton-Raphson.
Todas estas consideraciones favorecerán de manera considerable al método
de Newton-Raphson en estos problemas.
CASO 6.3 DINÁMICA DEL CRECIMIENTODEMOGRÁFICO

(INGENIERíA CIVIL)
Antecedentes: la dinámica del crecimiento demográfico es de importan-
cia en todos los planes de estudio de ingeniería. Los progamas de cons-
trucción y dedistribuciónderecursosenproyectos a gran escala, tales
como el abastecimiento de agua y sistemas de transporte dependen en
gran medida de las tendencias dela población. Además, las tendencias
deotrotipode poblaciones, tales como los microbios, son importantes
en muchos procedimientos de ingeniería,como en el tratamiento de ba-
sura, enel manejo dela fermentación y enla elaboración de productos
farmacéuticos.
Los modelos de crecimiento en un grupo de microbios suponen que
el promedio de cambio de la población (p)es proporcional a la población
existente en un tiempo ( t ) :
La población crece en un medio enel que existe alimento suficiente de

manera que k no es una función de la concentración. (Véase el caso 12.2
que muestra un ejemplo en donde k depende del nivel alimenticio.)Cuan-
do el alimento no escasea, el crecimiento se limita sólo por el consumo
de productos tóxicos o de espacio, si es que el tamaño de la población
crece demasiado. Con el tiempo, estos factores retardan la tasa de creci-
CASOS DE DE DOS: RAiCES ECUACIONES 181
miento de la población y la detienen completamente cuando ésta alcanza

una densidad máxima de pmex. En este caso, se modifica la ecuación an-
terior de la siguiente manera:
en donde las unidades de K son litros por célula por día. Esta ecuación
diferencial se puede integrar de forma analítica dando:
en donde p ( t = O) = po. A la ecuación (6.9) se le conoce como el mo-

delo de crecimiento logístico. Como se muestra en la figura 6.4, este mo-
delo genera unacurva de p ( t ) enformade S. Como se puede ver, el
modelo simula un crecimiento inicial lento, seguido por un periodo de
crecimiento rápido y finalmente, un crecimiento limitado a una densidad
demográfica muy alta.
Como ejemplo de aplicación de este modelo en el área de la ingenie-
un
ría civil, considérese el crecimiento de una población bacteriológica en
lago. El crecimiento se comporta como lodefine la ecuación (6.9). La
población es pequeñaen la primavera del año en donde f = O, p(f = O) =
10 célulasporlitro.Essabidoque la poblaciónalcanzaunadensidad
de 15 O00 células Dor litro cuando t = 60 días y que la tasa de crecimien-
FIGURA 6.4 Un modelo logístico de crecimiento demográfico. El modelo simuiaun

crecimiento inicial lento, después una aceleración en éI mismo seguido
por un periodo de nivelación en una densidad poblacional alta.
to K esde 2 X litrosporcélulapor día. Se requierecalcularla den-

sidad de la población bacterial cuando t = 90 días. Si su número excede
de 40 O00 células por litro, entonces la calidad estándar del aguarequie-
re la implementación de algún procedimiento para disminuirlas y prote-
ger a las personas que se introduzcanal agua.
Solución: sustituyendo la información conocida enla ecuación (6.9) se

obtiene:
15 O00 =
P m6x
I [6.10]
lacualtiene sólo unaincógnita, pmdx. Si la ecuación (6.10) se pudiera

resolver para pmAx, entonces p(t = 90) se podría determinar fácilmente
de la ecuación (6.9).Sinembargo,yaque pmsxes implícita,nosepuede
obtener directamente de la ecuación (6.10).Por lo tanto, se debe usar un
método numérico de los capítulos 4 y 5. No se usará el método de Newton-
Raphson ya que la derivada de la ecuación (6.10)es difícil de determinar.
Sin embargo, se pueden aplicar fácilmente los métodos de bisección, de la
regla falsa y de la secante. Con un error relativo del 0.01% los valores ini-
ciales dados de 60 O00 y 70 O00 células por litro generan las siguientes apro-
ximaciones de pmsx.
Método empleado Resultado lteracioner

Bisección 63 198 11
Regla falsa 63 199 5
Secante 63 200 4
Nótese que los métodos de la regla falsa y de la secante convergen a la

mitaddel número de iteraciones del método de bisección.
Ahora, de la ecuación (6.9),con pmdx= 63 200:
63 200
P(90) = = 58 930 células por litro
e-2x10-6(63 200)(90)
Este nivel demográfico sobrepasa el límite estándar en cuanto a calidad

del agua que es de 40 O00 células por litro y por lo tanto, se debe tomar
algunamedida de corrección.
Este ejemplo, ilustra la eficiencia computacional relativa de tres mé-
todos diferentes para encontrar raícesde ecuaciones en un problema de
diseño de ingeniería civil. Sin embargo, como se menciona anteriormen-
te, el esquema general tiene una aplicación amplia en todos los campos
CASOS DELAPARTE DOS: RAiCESDE ECUACIONES 183
de la ingeniería que tengan que ver con el crecimiento de organismos,

incluyendo a los humanos.
CASO 6.4 DISEÑODE UNCIRCUITO ELÉCTRICO

(INGENIERíA ELÉCTRICA)
Antecedentes: los ingenieros electrónicos usan a menudo laley de Kir-
choff para estudiar el comportamiento de los circuitos eléctricos en esta-
do estacionario (que no varían con el tiempo). Enel caso 9.4 se analiza
el comportamiento de estos estados estacionarios. Otro tipo de proble-
mas son los de corriente momentánea e implica a los circuitos donde sú-
bitamente suceden cambios temporales. Esta situación ocurre cuando se
cierra el interruptor de la figura 6.5. En este caso, después de cerrar el
interruptor hay un periodo de ajuste hasta que se alcanza un estado esta-
cionario. La longitud de este periodo de ajuste está relacionada con las
propiedades de almacenamiento de carga del capacitor y con el almace-
namiento de energía dentro del inductor. El almacenamiento de energía
puede oscilar entre estos dos elementos durante un periodo transitorio.
Sin embargo, la resistencia en el circuito disipa la magnitud de las oscila-
ciones.
El flujo de corriente a través de la resistencia causa una caída de vol-
taje (V,) dado por:
VR = iR
en donde i es la corriente y R es la resistencia del circuito. Cuando las uni-
dades de R e i son ohm y amperes, respectivamente, entonces la unidad
de V es elvolt.
De manera semejante, un inductor resiste el cambio enla corriente,
de forma tal que la caída de voltaje (V,) alcruzarlo es de:
di
vr = L-
dt
Batería y';
-
,
v0
.
Interruptor
A
-
-
Capacitor Inductor
7-4
' +
,a
+
Resistencia
FIGURA 6.5 Un circuito eléctrico. Cuando se cierra el interruptor, la corriente experi-

menta una serie de oscilaciones hasta que se alcance un nuevo estado
estacionario.
184 INGENIEROS
en donde L es lainductancia.Cuandolasunidadesde L e i sonhenrios

y amperes, launidadde V, es elvolt y launidadde t es el segundo.
La caída de voltaje a través del capacitor (V,) depende de la carga (4)
sobreelmismo:
vc = 9 c
en donde C es la capitancia. Cuando las unidades de carga se expresan en
culembios, launidad de C es el faradio.
La segunda ley de Kirchoff indica que la suma algebraica de las caí-
das de voltaje en un circuito cerrado es cero. Después de cerrar el inte-
rruptor se tiene:
di
L - + R i + - =9 O
clt C
Sin embargo, la corriente está dada enfuncióndela carga como:
.
I=- d9
dt
Por lo tanto:
Esta es una ecuación diferencial ordinaria de segundo orden que se pue-

de resolver usando los métodos de cálculo. La solución está dada por:
donde t = O , q = qo = VoC, y Vo es el voltaje enla batería.La ecua-

ción (6.11) describe lavariación de la carga enel capacitor enfunción
FIGURA 6.6 del tiempo. Lasolución q(t) se gráficaenlafigura 6.6.
La carga en un capaci- Un problema de diseño típico en ingeniería eléctrica, puede necesitar
tor en función del tiem- que se determina la resistencia apropiada para disipar energía a una velo-
p o que se presenta
enseguidade cerro:el cidad constante, con los valores de L y C conocidos. En este caso se su-
interruptoren la figura pone que la carga se debe disipar al 1% desuvalororiginal (q/q,, = 0.01)
6.5. en t = 0.05 S , con L = 5 H y C = lO-"F.
_ l _ _ _ _ _ - ~ _ _ l l l . " " " ~.~

""
A CASOS DE DE DOS: RAiCES ECUACIONES 185
Solución: es necesarioresolver para R la ecuación (6.11), usando los va-

lores conocidos de q , qo, L y C. Sin embargo, se debe emplear un mé-
todo numérico ya que R es una variable implícita de la ecuación (6.11).
Se usará el método de bisección para este propósito. Los otros métodos
estudiados en los capítulos 4 y 5 también son apropiados, aunqueel mé-
todo de Newton-Raphson tiene desventajas debido a que la derivada de
la ecuación (6.11)es muy complicada. Reordenando la ecuación (6.11)
se obtiene:
o, usando los valores numéricos dados:
cos(d2000 - 0.01R20.05) - 0.01

f ( R ) = e-o.oo5R C6.121
Examinando esta ecuación puede verse que un rango inicial razonable

de R es de O a 400 Q (ya que 2 O00 - 0.01R2 debe ser mayor de ce-
ro). La figura 6.7, gráfica de la ecuación (6.12),lo confirma. Con vein-
FIGURA 6.7 Gráfica de la ecuación (6.12) usada en la obtención de valores iniciales

de R que encierren a la raíz.
1 86 NUMERICOS MÉTODOS PARA INGENIEROS
tiún iteraciones del método de bisección se obtiene R = 328.1515, con

un errormenor al 0.000 1%.
De esta forma, se puede especificar una resistencia con este valor en
el diagrama de lafigura 6.5 y esperar que ladisipación sea consisten-
tecon los requisitosdelproblema.Esteproblemadediseño no se
puederesolvereficientemente sinusarlos métodos de loscapítulos
4 y 5.
CASO 6.5 ANALISIS DE VIBRACIONES

(INGENIERIA MECANICA)
Antecedentes: las ecuaciones diferenciales se usan a menudo para mo-
delar el comportamiento de sistemas en ingeniería. Uno de tales mode-
los, que se aplica ampliamente enlamayorpartede los campos de la
ingeniería, es el oscilador armónico. Algunos ejemplos bdsicos deloscila-
dor armónico son el péndulo simple, una masa atada a un resorte y un
circuito eléctrico inductor-capacitor (Fig. 6.8). Aunque estos son sistemas
físicos muy diferentes, sus oscilaciones se pueden describir mediante un
mismo modelo matemático. De esta manera, aunque este problemaanaliza
el diseño de un amortiguador para un automóvil, el comportamiento ge-
neral se aplica a una gran variedad de problemas en todos los campos
de la ingeniería.
Como se ilustra en la figura 6.9, un conjunto de resortes sostienen
un auto de masa m . Los amortiguadores presentan una resistenciaal mo-
vimiento del auto la cual es proporcional a la velocidad vertical (movi-
resorteirnasa
I miento ascendente-descendente) del mismo. La alteración del equilibrio
del auto provoca que el sistema oscile como x@). En un momento cual;
quiera, las fuerzas que actúan sobre la masa m son la resistencia de los
resortes y la capacidad de absorber el golpe de los amortiguadores. La
'n corriente
circuito LR
FIGURA 6.8
Ejemplos de tres oscila-
dores armónicos. Las fle-
chas dobles indican las
oscilaciones de cada
sistema.
FIGURA 6.9 Un auto de masa m.

CASOS DE LA PARTE DOS: RAfCES DE ECUACIONES 187
resistencia de los resortes es proporcional a la constante de los mismos

(k) y a la distancia al punto de equilibrio ( x ) :
resorte del Fuerza = "kx [6.13]
en donde el signo negativo indica que la fuerza de restauración regresa

al auto a su posición de equilibrio. La fuerza de amortiguación está dada
por:
dx
Fuerza de amortiguación = "c-
dt
en donde c esun coeficiente de amortiguamiento y dx/dt es la velocidad

vertical. El signo negativo indica que la fuerza de amortiguación actúa en
dirección opuesta a la velocidad.
Las ecuaciones de movimiento para el sistema están dadas por la se-
gunda ley de Newton (F = ma), que en este problema está expresada
como:
d2x
- dx
m
dt
- "c -
dt
+ (-W
Masa x aceleración = fuerza de amortiguación + fuerzadelresorte

O
X=ok
+ " - +c"dx
-d2x
dt2 m dt m
Esta es una ecuación diferencial ordinaria de segundo ordenque se pue-
de resolver con los métodos del cálculo. Por ejemplo, si el auto encuen-
tra por casualidad un hoyo en el camino en t = O de tal forma que se
desplaza del punto de equilibrio x = x. y dx/dt = O , entonces:
n
x ( t ) = e-"' (xocos pt + - sen pt) [6.14]
P
donde n = c / ( 2 m ) , p = dk/m-c2/(4m2) v k/m > c2/(4m2).La

ecuación (6.14) proporcionala velocidad vertical del auto en función del
tiempo. Los valores de los parámetros son c = 1.4 por lo7 g / s , m =
1 . 2 por lo6 g y k = 1.25 por lo9 9/s2. Si x. = 0.3. las consideracio-
nes de diseño enla ingeniería mecánica requieren que se denlos estima-
dos en las tres primeras ocasiones que el auto pase a través del punto
de equilibrio.
1 88 INGENIEROS
Solución: este problema de diseño se puede resolver usando los méto-

dos numéricos de Tos capítulos 4 y 5. Se prefieren los métodos que usan
intervalos y el de la secante ya que la derivada de la ecuación (6.14) es
complicada.
Lasaproximacionesa los valores iniciales seobtienenfácilmente
con base a la figura 6.10. Este caso de estudio ilustra cómo los métodos
gráficos proporcionan a menudo información muy importante para apli-
car satisfactoriamente los métodos numéricos. La gráfica ilustra que este
problema es complicado debido a la existencia de varias raíces, por lo
que en este caso, se deben usar intervalos pequeños para evitar traslapes
de raíces.
En el cuadro 6.3 se enlistan los resultados obtenidos porlos métodos
de bisección, la regla falsa y la secante, con un criterio de paro del O. 1% .
Todos los métodos convergen rápidamente. Como era de esperarse,los
métodos de la regla falsa y de la secante son más eficientes que el de bi-
sección.
Nótese que para todoslos métodos los errores relativos porcentuales
aproximados son mayores que los errores reales. De esta forma, los re-
sultados son exactosal menos hasta el criterio de paro, el O. 1%. Sin em-
bargo, puede observarse también que el método de la regla falsa y el de
FIGURA 611O Gráfico de lo posición de un amortiguador respecto altiempodespués

que lo rueda del auto cae enun hoyo del camino.
". " ..
CASOS 189
CUADRO 6.3 Resultados obtenidosal usar los m6todos de bisecciin, regla falsay de la secante pa-
ra localizar las primeras tres raíces delas vibraciones de un amortiguador. Seu d un
crfterio de paro del 0.1 para obtener estos resultados. N6tese quelos valores exac-
tos de las raíces son0.055 209 532 9, 0.1 54 178 13 y 0.253 1 4 6 726
~ -~
ERROR RELATIVO
PORCENTUAL
Valor
inicial
Valor
inicial
Aproximaciin
Número
de
MBtodo inferior
superior a la M ~ Z iteraciones
Aproximado
Verdadero
Bisección 0.0 o. 1 0.0552246 110.027 0.088

0.1 0.2 0.1541992 10
0.014 0.063
0.3 0.2
Regla 0.0 0.1 0.0552095 5 0.002 0.0001
falsa o. 1 0.2 O. 1541790
0.069 4 0.0006
0.2 0.3 0.043
0.2531475 4 0.0003
Secante 0.0 o.1 0.0552095 5 0.038 0.0001
o. 1
0.1541780 0.2 5 0.020 0.0001
0.2 0.3 0.2531465 5 0.017 0.0001
la secante son muy conservadores en esta relación. Recuérdese el aná-

lisis de la sección 4.3 en que elcriterio de paroconstituye esencial-
mente una aproximación a la diferencia con la iteración anterior. De esta
forma, para esquemas de convergencia rápida como los métodos Cte la
regla falsa y de la secante, la mejora en exactitud entre dos iteraciones
sucesivas es tan grande que E" será, en general, mucho menor que E,.
El significado práctico de este comportamiento es de poca importancia
cuando se va a determinar sólo una raíz. Sin embargo, si se requiere cal-
cualar varias rakes, la convergencia rápida viene a ser una propiedadmuy
valiosa como para tomarla en cuenta cuando se escoge un método en
particular.
PROBLEMAS
Ingeniería en general
6.1 Usando los programas propios, reprodúzcanse los cálculos realizados en el caso 6.1.
6.2 Realícense los mismos cálculos del caso de estudio 6.1, pero usando una tasa de
interés del 17% (i = 0.17). Si es posible, úsense los programaspropios para
determinar los puntos de equilibrio. De otra manera, úsese cualquiera de los mé-
todos analizados en los capítulos 4 y 5 y realícense los cálculos. Justifíquese el uso
del método escogido.
6.3 Enel caso 6.1, determínese el número de años que se debe poseer laMicro dos
para que genere ganancias. Esto es, calcúlese elvalor de n en el cual A, de la
ecuación (6.4) sea positivo.
6.4 Usando un esquema similar al del caso 6.1, se puede desarrollar la siguiente ecua-
ción para determinar el costo anual neto de una microcomputadora:
-3000(1.2), 175n
A" +- + 5000
12" - 1 12" - 1
Encuéntrese el valor de n tal que A, sea cero.
6.5 Supóngase que se desea comprar un automóvil y est6 limitado a dos opciones.
Como en el caso 6.1, el costo anual neto de poseer cualquiera delos dos vehicu-
los está compuesto por el costo de compra, costo de mantenimiento y de las ga-
nancias:
Modelode lu/o Modelo econ¿mico

Costo de compra, $ - 15,000 -5000
Costo de mantenimiento,
$/año/aiio
-200 -400
Ganancias anuales y
beneficios, $ 7500 3000
Si la tasa de interés es del 12.5% ( i = 0.125),calcular el punto de equilibrio (n)

para los automóviles.
6.6 Si se compra una pieza de equipo en$20 O00 en abonos, pagando $5 O00 duran-
te 5 años. ¿Qué tasa deinterés se está pagando?La fórmula que relaciona el costo
actual (P),los pagos anuales ( A ) ,el número de años (n)y la tasa de interés es:
A = P
i(l + i)"
(1 + i)"
6.7 Debido a que las tablas de economía se desarrollaron hace mucho tiempo, no se
programaron para las tasas altas de interés que prevalecen hoy en día. Además,
no se planearon para manejar tasas de interés fraccionarias. Como e n el problema
siguiente, se puedenusar métodos numéricos para deteminar las estimaciones eco-
nómicas en estas situaciones.
Un nuevo centro dediversiones cuesta $10 millones de pesos y produce una
ganancia de $2 millones. Si la deuda se debe pagar en 10 años ¿a qué tasa de
interés debe hacerse el préstamo? El costo actual (P) , el pago anual (A) y la tasa
de interés (i)se relacionan entre sí mediante la siguiente fórmula:
P
-
- -
(1 + i)" - 1
A i(l + i)"
donde n es el número de pagos anuales. Para este problema,
P 10000000
" - = 5
A 2000000
Por lo tanto, la ecuación se transforma en:
(1 + i)'O - 1
5 =
i(1 - i)
PARTECASOS LA DOS: RAiCES DE ECUACIONES 191
La tasa de interés que satisface esta ecuación se puede determinar encontrando

la raíz de:
(1 + ¡)'O - 1
j(i) = -5
i(l + i)
a) Dibújese j(i) contra i y para obtener una estimación gráfica de laraíz.
b) Cacúlese i usando el método de bisección (contar las iteraciones).
c) Calcúlese i usando el método de la regla falsa (contra las iteraciones)
En los incisos (b) y (c) úsense los valoresiniciales de i = 0.1 y 0.2. Obténgase
un niveldel errordel 2% en ambos casos.
Ingeniería química
6.8 Usando losprogramas propios, realícense los cálculos del caso 6.2.
6.9 Ejecútense los mismos cálculos del caso 6 . 2 , pero con el alcohol etílico (a = 12.02
y b = 0.084 07) a una temperatura de 350" K y una p de 1.5 atm. Compárense
los resultados con los de la ley de los gases ideales. Si es posible, úsense los pro-
gramas propios para determinar el volumen molar. De otraforma, úsense cualquier-
ra de los métodos numéricos analizados en los capítulos 4 y 5 para realizar los
cálculos. Justifíquese el método escogido.
6.1 O Repítase el problema 6.9 con óxido nitroso (a = 3.782 y b = 0.044 15) a una
temperatura de 450" K y una p de 2 atm.
6.11 La temperatura (en grados Kelvin) de un sistema, varíadurante el díade acuer-

do con:
27rt
T = 400 + 200 COS ~
1440
en donde t se expresa en minutos. La presión sobre el sistema esta dada por
p = e-t'1440. Desarróllese un programa que calcule el volumen molar del oxi-
geno en intervalos de un minuto a lo largo del día. Grafíquense los resultados.
Si se tiene capacidad gráfica en la computadora grafíquense los datos. Si no es
así, grafíquense los resultados a intervalos de 60 minutos. Los antecedentes de
este problema se pueden econtrar en el caso 6 . 2 .
6.12 En ingeniería química, los reactores de flujo (es decir, aquéllos en que un fluido
va de un extremo al otro con una mezcla mínima a lo largo del eje longitudinal)
se usan a menudo para convertir reactivos en productos. Se ha determinado que
la eficiencia de la conversión se puede mejorar a veces reciclando una parte del
flujo del producto de manera que regrese a la entrada para un paso adicional
a travésdel reactor (Fig. P6. 12). La tasa de reciclaje se define como:
volumen de fluido regresado a la entrada

R =
volumen de fluido que deja el sistema
Supóngase que se est&procesando una sustancia químicaA para generarun pro-

ducto B. Para el caso en que B de acuerdo a una reacción autocatalítica.
FIGURA P6.12 Representaciónesquemática de u n reactor d e fluioconreciclaje.
(esto es, en la que uno de los productos actúa como catalizador o de estimulante
en la reacción), o
A + B - B + B
se puede demostrar que una tasa óptima de reciclaje debe satisfacer
en donde X,, es la fracción del reactante A que se convierteal producto B . La ta-

sa óptima de reciclaje corresponde aun reactor de tamaño mínimo, necesario para
alcanzar el nivel de conversión deseado.
Úsese el método de bisección para determinar las tasas de reciclaje necesarias
que minimicen al tamaño del reactor en conversiones fraccionales de
U ) X,, = 0.99
b ) X , = 0.995
c)XA/ = 0.999
6.13 En un proceso químico, el vapor de agua (HzO) se calienta a una temperatura lo

suficientementealta para que unaporción significativa del agua sedisocie o se rompa
en partes para formar oxígeno (O,) e hidrógeno (Hz):
Si se supone que es la única reacción que se lleva a cabo, la fracción molar (x)
de HzO que se separa puede representarse como:
k, = - [P6.13]
1 - x
en donde k, es la constante d e equilibrio de la reacción y p t es la presi6n total de
la mezcla. Si p t = 2 atm. y k, = 0.045 68, determínese el valor de x que satisfa-
ce a la ecuación (P6. 13).
Ingeniería civil
6.14 Usando los programas propios, repítanse los cálculos del caso 6 . 3
CASOS DE LA PARTE
DE DOS: RAíCES ECUACIONES 193
6.15 Efectúense los mismos cálculos del caso 6.3, pero con una tasa de crecimiento
de 1.5 por lo6 litros por célula por día.
6.17 La concentración de la bacteria contaminante C en un lago decrece de acuerdo

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

a) un médoto gráfico y b) el método de Newton-Raphson.
6.18 Muchos campos de la ingeniería requieren estimaciones exactas, de la población.

Por ejemplo, para la transportación, los ingenieros consideran necesario determi-
nar por separado la tendencia del crecimiento demográfico de una ciudad y de
los suburbios adyacentes. La población del área urbana declina en función deltiempo
de acuerdo con
mientras que la población suburbana crece, de acuerdo a
en donde Pu,m6x, k,, Pu,mín, , Ps,max,

Po y k, son parámetros derivados de forma
empírica.
Determínese el tiempo y los valores correspondientes de P,(t) y de P,(t)cuan-
do las poblaciones son iguales. Los valores de los parámetros son Pu,,,&= 60 000;
k, = 0.04 año"; Pu,mín = 12 000; Ps,mdix = 5 O00 y k, = 0.06 año"'Para
obtener las soluciones, úsese a) un método gráfico y b) el método de la regla
falsa.
6.19 El movimiento de una estructura se define mediante la siguiente ecuación para

una oscilación amortiguada:
y = 10e-kf cos w t
donde k = 0.5 y w = 2.
a) osese el método gráfico, para obtener unaestimación inicial del tiempo necesa-
rio para que el desplazamiento baje hasta 4.
b) Úsese el método de Newton-Raphson para determinar laraíz hasta un E, =
0.01%.
c) Úsese el método de la secante para determinar la raíz hasta un es = 0.01%.
194
- METODOS NUMtRICOS PARA INGENIEROS
6.20 La figura P6.20 muestra un canal abierto de dimensiones constantes con un área
transversal A . Bajo condiciones de flujo uniforme, se cumple la siguiente relación
basada en la ecuación de Manning:
Q = "( ) 23
su2
[P6.7]
n B + 2y,
en donde Q es el flujo, y, es la profundidadnormal, B es el ancho del

canal, n es un coeficiente derugosidadusado para medir los efectos de
lafriccióndel materialen el canal y S es la pendiente del canal. L a ecua-
ción se usa en ingeniería de fluidos y recursos de agua para determinar la profun-
didad normal. Si este valor es menor que la profundidadcrítica:
FIGURA P6. 20.
en donde g es la aceleración de la gravedad (980 cm/s2),entonces el flujo es sub-

crítico.
Úsese un método gráfico y el método de bisecciónparadeterminar y,, si
Q = 14.15 m3/s; B = 4.572 m ;n = 0.017 y S = 0.001 5. Señálese siel flujo
es sub o supercrítico.
Ingeniería eléctrica
6.21 Úsense los programaspropios para repetir los cálculosdel caso 6.4.
6.22 Efectúense los mismos cálculos del caso 6 . 4 suponiendo que la carga se debe disi-
paral 2% de su valororiginalen 0.04 s.
6.23 Efectúense los mismoscálculosdel caso 6 . 4 , determinando el tiempo necesario

para que el circuito disipe el 10% suvalor original, dado R = 300 Q C = lop4
FyL = 4H.
6.24 Efectúense los mismos cálculos del caso 6 . 4 determinando el valor de L necesa-
rio para que elcircuitodisipe al 1% de su valororiginalen t = 0.05 S, dado
R = 300 Q y c = F.
6.25 Una corriente oscilatoriaen un circuito eléctrico se describemediante
I = 1Oe" sen(27rt)
en donde t está dado en segundos. Determínense todos los valores de t tales que
I = 2.
Ingeniería mecánica
6.26 Usando los programas propios, repítanse los cálculos realizadosen el caso 6 . 5 .
6.27 Efectúense los mismos cálculos del caso 6 . 5 , usando c = 1.5 por lo7 g/s,
k = 1.5 por lo9 g/s2 y m = 2 por lo6 g .
PARTECASOS LA DE DOS: RAíCES ECUACIONES 195
6.28 Efectúense los mismos cálculos del caso 6.5, pero determinando el valor de k de
forma tal que la primera raíz se encuentre en t = 0.08 s.
6.29 Efectúense los mismos cálculos del caso 6.5, pero determinando el valor de m
de tal forma que la primera raíz se encuentre en t = 0.04 s.
6.30 Efectúense los mismos cálculos del caso 6.5 pero determinando el valor de c de
tal forma que la segunda raíz se encuentre en t = 0.2 s.
6.31 Léanse todos los casos del capítulo 6. En base a la lectura y a la experiencia obte-
nida, concíbase un caso de estudio en cualquier campo dela ingeniería. Esto im-
plica la posibilidad de modificar o expresar de forma diferente alguno de los casos
anteriores. Sin embargo, también puede ser totalmente original. AI igual que los
ejemplos anteriores, se debe redactar desde el contexto de los problemas de inge-
niería y debe demostrar el uso de los métodos numéricos en la solución de raíces
de ecuaciones. Descríbanse los resultados empleando los casos anteriores como
modelo.
EPíLOGO: 11.4 ELEMENTOS DE JUICIO
PARTE I I
El cuadro 11.3 proporciona un resumen de los fac-
tores de mayor importancia quese emplean en la
solución de raíces deecuacionesalgebraicasy
trascendentales. Aunque los métodos gráficoscon-
sumen tiempo, son muy útiles para comprenderel
comportamiento de la función y para identificar
valores iniciales y problemas potenciales,como las
raíces múltiples. Par lo tanto, si el tiempo lo permi-
te, un bosquejo rápido (o mejor aún, una gráfica
por computadora) ayuda arelacionar información
útil asociada al comportamiento de la función.
Los métodos numéricos se dividen en dos catego-

rías generales: métodos que usan intervalosy mé-
todos abiertos. Los primeros requieren dos valores
iniciales quecontenganalaraíz. Esta conten-
#I
ción" se respeta a medida que la solución avan-

za, y de esta forma, estos métodos siempre son
convergentes. Sin embargo, tiene el inconvenien-
te que la velocidad de convergencia es demasia-
do lenta. De los métodos que usan intervalos, el
método de la regla falsa, en general, es el méto-
do de preferencia ya que en la mayor parte de
los problemas converge muchomás rápido que el
método de bisección.
Los métodos abiertos se distinguen de los que usan

intervalos en que requieren informaciónúnicamen-
te de un punto (o de dos, pero que no contengan
a la raíz necesariamente) para extrapolar una nue-
va aproximación a la raíz. Esta propiedad es una
espada de doble filo. Aunque conduce a una con-
vergencia más rápida, también permitela posibi-
lidad de divergencia. En general, la convergencia
de los métodos abiertos depende parcialmente de
la calidad del valor inicial. Entre más cercano se
encuentre éste de la raíz, más probable es que con-
verja a la misma.
De los métodos abiertos, el de Newton-Raphson

se usa más a menudo, debido a su propiedad de
convergencia cuadrática. Sin embargo, su mayor
desventaja estriba en que la derivada de la fun-
e
-
O
._
z
W
O 3
M m
O
.-O
+ U
C
2 i
N
EPíLOGO PARTE I I 199
ción se debe obtener de forma analítica. Para algunas funciones esto

es impráctico. En estos casos, el método de la secante proporciona
una alternativa viable empleandoun método de diferencias finitas para
representar la derivada. Debido a la aproximación, la velocidad de
convergencia del método de la secante es menor que la del método
de Newton-Raphson. Sin embargo, a medida que la aproximación
a la raíz se hace más y más exacta, la aproximación a la derivada se
convierte en una mejor representaciónde la derivada exacta y la ve-
locidad de convergencia aumenta rápidamente. En el caso de raíces
múltiples, se puede usar el método de Newton-Raphson modificado
para alcanzar una convergencia rápida. Sin embargo, este método
requiere de una expresión analítica de la primera y la segunda de-
rivadas.
Todos los métodos numéricos son fáciles de programar sobre unami-

crocomputadora y requieren de un tiempo mínimo para determinar
una raíz. En base a esto, se concluye que los métodos tales como la
bisección son suficientes para propósitos prácticos. Esto sería verda-
dero si se estuviese interesado únicamente en una raíz de una ecua-
ción. Sin embargo, existen muchos casos dentro de la ingeniería en
donde se requiere encontrar varias raíces en cuyo caso la velocidad
viene a ser un factor muy importante. Enestos casos, los métodos lentos
consumen mucho tiempo y por lo tanto se vuelven costosos. Por el
otro lado, los métodos rápidos pueden divergir ylos retardos ocasio-
nados por esto se pueden volver también costosos. Algunos algorit-
mos pretenden aprovecharlas ventajasde ambos métodos, empleando
inicialmente un método que use intervalos para acercarse a la raíz
y en ese momento cambiar a un método abierto para refinar rápida-
mente la raíz. Mientras se use sólo un método o una combinación de
ellos, los factores a tomarse en consideración entre la convergencia
y la velocidadson la base en la elección del método para localizar raíces.
11.5 RELACIONES Y FóRMULAS IMPORTANTES

El cuadro 11.4 resume la información más importante que se analiza
en la parte II. Este cuadro se puede consultar para tener acceso rápi-
do a alguna relación o fórmula importante.
11.6 MÉTODOS AVANZADOS Y

ALGUNAS REFERENCIAS ADICIONALES
Los métodos de este capítulo han sido limitados para determinar las
raíces de una ecuación algebraicao trascendental, basados en el co-
CUADRO 11.4 Resumen de la informacidn más importante presentada en la parte I1

Interpretación Errores y
Mdtodo Formulación gráfica paro de
criterios
MOtodos que usan intervalos:
x/ i-
xu
Bisección xr = - Criterio de paro:
2
Regla falsa Criterio de paro:

nueva pesada
Métodos abiertos:
Newton-Raphson
1
Criterio de paro:
x;+;,+; x, 1 100% Ie,
Error: E,,.l =
: O(€?)
Secante Criterio de paro:

EPíLOGO PARTE II 201
nocimiento previo de su posición aproximada. Existen otras técnicas

para deteminar raíces complejas y todas las raíces de un polinomio.
Algunas referencias recomendables al respecto son Ralston y Rabi-
nowitz (1978) y Carnahan, Luther y Wilkes (1969). James, Smith y
Wolford (1977) y Gerald y Wheatley (1984) resumen algunos de los
métodos y proporcionan sus programas.
En cuanto a técnicas específicasel método de Newton-Raphson se pue-

de usar en ciertos casos para localizar raíces complejas en base a una
aproximación inicial compleja. Ya que la mayor parte de las compu-
tadoras no llevan acabo operaciones complejas, algunas veces el mé-
todo se ve limitado. Sin embargo, Stark (1970) ilustra una manera de
eludir este dilema.
El método de Muller es parecido al método de la regla falsasólo que

este usa interpolación cuadrática, en vez de lineal, para localizar la
raíz. Este planteamiento se puede emplear en la determinación tanto
de raíces complejas como de reales (Muller, 1956; Gerald y Whea-
tley, 1984; Rice, 1983).
Existen varios métodos para determinar todas las raíces de un poli-

nomio. El método de Bairstow requiere una buena aproximación ini-
cial para la localización eficiente de raíces (Gerald y Wheatley, 1984
y James, Smith y Wolford, 1977). El método de Graeffe (Scarborough,
1966 y James, Smith y Wolford, 1977) y el algoritmo de/cociente de
diferencias ( Q D ) (Henrichi, 1964 y Gerald y Wheatley, 1984) deter-
minan todas las raícessin una aproximación inicial.Ralston y Rabino-
witz (1978) y Carnahan, Luther y Wilkes (1969) contienen también
análisis de los métodos mencionados anteriormente, así como de las
otras técnicas para la localización de las raíces de un polinomio.
En resumen, el análisis anterior va enfocado a proporcionaral lector

formas de explorar más a fondo los temas. Además, todas las refe-
rencias anteriores proporcionan descripciones de las técnicas bási-
cas cubiertas en la parte II. Es importante quese consulten estas fuentes
de información para ampliar el conocimiento de los métodos numéri-
cosen la localización de raíces.*
* El autor hace aquísólo una referencia alos libros, al final del texto se presenta una bibliogra-
fía completa.
cuatro o más ecuaciones la solución se torna difícil y se debe utilizar

una computadora. Históricamente, la imposibilidad de resolverestos
sistemas a mano, excepto sistemas muy pequeños, limitó el alcance
de problemas dirigidos a muchas aplicaciones de ingeniería.
Antes del uso de las computadoras, las técnicas para solucionar siste-
mas de ecuaciones algebraicaslineales requerían mucho tiempo y eran
muy difíciles. Estos planteamientos creaban restricciones sobre la crea-
tividad ya que los métodos eran difíciles de implementar y de enten-
der. Be ahí que se hacía hincapié en las técnicas, a costa de otros
aspectos del proceso de solución al problema,tales como la formula-
ción y la interpretación (recuérdese la figura 1.1 y el análisis que la
acompaña).
El advenimiento de computadoras personales de fácil acceso hacepo-

sible y práctica la solución de grandes sistemas de ecuaciones alge-
braicas lineales. De esta manera, se pueden plantear problemas más
complejos y más realistas. Además, habrá más tiempo de examinar
las habilidades creativas ya que se hará más hincapie en la formula-
ción e interpretación del problema.
FIGURA 1 1 1 . 1 Dos tipos de sistemas que pueden ser modelados usando sistemas de ecua-
ciones algebraicas lineales: a) sistema macrovariable que involucra un
conjunto acoplada de componentes finitas y b) sistema microvariable que
involucra continuidad.
SISTEMAS LINEALES
ECUACIONES ALGEBRAICAS 205
I I I. 1 . 2 Ecuaciones algebraicas lineales y su práctica en la

ingeniería
Muchas de las ecuaciones fundamentales de la ingeniería se basan

en las leyes de conservación (recordar el cuadro 1 1 . 1 ) . Algunas canti-
dades familiares que forman partede estas leyes son la masa,la fuerza,
la energía y el momento. En términos matemáticos, estos principios
llevan a ecuaciones de equilibrio que estudian el comportamiento del
sistema; estas ecuaciones consideran las incógnitas a obtener del mo-
delo matemático: los niveles o respuestas de la cantidad que se está
modelando, las propiedades o características del sistema, y los estímulos
externos que actúan sobre el sistema.
Como un ejemplo, la conservación de la masa se puede usar para

formular un balance de masa en un conjunto de reactores químicos
(Fig. Ill. 1 a). En este caso la cantidad que se modela es la masa de
la sustancia en cada reactor. Las propiedades del sistema son las ca-
racterísticas de la reacción de lasustancia además de los tamaños de
los reactores y la velocidad de flujo. Los estímulos externos son los
suministros de sustancias al sistema.
En la parte anterior del libro,se ve cómo sistemas de un solo compo-

nente generan una ecuación que se puede resolver con las técnicas
de localización de raíces.Los sistemas con componentes múltiples ge-
neran un conjunto de ecuaciones matemáticas acopladas que deben
resolverse simultáneamente. Las ecuaciones están acopladas porque
las partes individuales delsistema influyen sobre otras partes. Por ejem-
plo, en la figura 1 1 1 . 1 a, el reactor 4 recibe sustancias de los reactores
2 y 3. En consecuencia, su respuesta depende de la cantidad de sus-
tancia de estos reactores.
Cuando estas dependencias se expresan en forma matemática, las ecua-

ciones resultantes, a menudo, son de la forma algebraica de la ecuación
(Ill.1). Las x , usualmente, miden las magnitudes y respuestas de los
componentes individuales. Con la figura Ill.la como ejemplo, x , pue-
de medir la cantidad de masa en el primer reactor, x:, la del segun-
do, etcétera. Las a, representannormalmente las propiedades y
características que se refieren a las iteraciones entre las componen-
tes. Por ejemplo, lasa en la figura Ill. 1 a pueden reflejar las velocida-
des de flujo de masa entre los reactores. Finalmente, las c representan
los estímulos externos que actúan sobre el sistema, tal como los sumi-
nistros de sustancias en la figura 111.1 a. Los casos de estudio en el ca-
pítulo 9 muestran otros ejemplos de tales ecuaciones, derivadas de
la práctica de la ingeniería.
Los problemas de componentes múltiples como los tipos anteriores re-

sultan demodelos
matemáticos discretos (macro-) o continuos
206 MÉTODOS NUMÉRICOSPARA INGENIEROS
-__
(micro-) (Fig. 1 1 1 . 1 ) . Los problemas de variables discretas implican

componentes finitos acoplados como las armaduras (caso9.3))reactores
(Fig. III.la) y circuitos eléctricos (caso 9.4). Estos tipos de problemas
usan modelos que proporcionan a grandes rasgosel comportamien-
to de un sistema en función de ciertas variables.
Por el contrario, los problemas microescalados intentan describir las

características de los sistemas con una base continua o semicontinua.
La distribución de sustancia sobre un reactor rectangular alargado
(Fig. III. 1 b) es un ejemplo de un modelo de variable continua. Las ecua-
ciones diferenciales derivadas de las leyes de conservación especifi-
can la distribución de la variable dependiente para tales sistemas (caso
9.2). Estas ecuaciones diferenciales se pueden resolver numéricamente
para convertirlas a un sistema equivalente de ecuaciones algebrai-
cas simultáneas. La solución de este conjunto de ecuaciones repre-
senta una importante aplicación enel área de ingeniería para los
métodos de los capítulos siguientes. Estas ecuaciones están unidas por-
que las varihbles en cierta posición dependen de las variables de re-
giones adyacentes. Por ejemplo, la concentración a la mitad del reactor
es una función de la concentración en regiones adyacentes. Se pue-
den desarrollar ejemplos similares para la distribución de la tempe-
ratura o del momento.
Además de los sistemas físicos, las ecuaciones algebraicas lineales si-

multáneas también aparecen en una variedad de contextos en pro-
blemas matemáticos. Esto resulta cuando se requiere que las funciones
matemáticas satisfagan varias condicionesde manera simultánea. Ca-
da condición da como resultado una ecuación quecontiene coeficientes
conocidos y variables incógnitas. Las técnicas expuestas en esta par-
te se pueden usar para encontrar los coeficientes de los sistemas cuando
las ecuaciones sean linealesy algebraicas. El análisis de regresión (ca-
pítulo 10) y la interpolación cúbica segmentaria (spline, capítulo l l )
son algunas de las técnicas ampliamente usadas que utilizan ecuacio-
nes simultáneas.
111.2 FUNDAMENTO§ MATEMÁTICOS

En todas las partes de este libro se requieren algunos fundamentos
matemáticos. Son últiles, en la parte Ill, la notación matricial y el ál-
gebra, ya que ofrecen una forma concisa de representar y manipular
sistemas de ecuaciones algebraicas lineales. Si se está familiarizado
con las matrices, puede pasarse por alto la sección 111.3. Para quie-
nes no están familiarizados o requieren una repasada, el siguiente
material proporciona una breve introducción al tema.
SISTEMAS LINEALES
111.2.1 Notación matricial
U n a matriz-consta de un arreglo rectangular de elementos represen-

tados por un símbolo simple. Como se puede ver en la figura 111.2,
[A] es la notación abreviada para la matriz y uiirepresenta un ele-
mento individual de la matriz.
Al conjunto horizontal de elementosse le llama renglón y al conjunto

vertical se le llama columna. El primer subíndice i siempre denota el
número del renglón en quese encuentra el elemento. El segundo sub-
índice j denota la columna. Por ejemplo, el elemento 023 está en el
renglón 2 y en la columna 3.
La matriz de la figura 111.2 tiene m renglones y n columnas y se dice

que es dimensión m por n (o m X n). Se le conoce como una matriz
m por n.
Las matrices con dimensión m = 1 en el renglón, tales como
[B] = [b,b2 . . . b"]
seles llama vectores renglón. Nótese que por simplicidad, se omite

el primer subíndice.
Las matrices con dimensiónn = 1 en la columna, tales como
FIGURA 111.2 Una matriz.

se les conoce como vectores columna. Por simplicidad se omite el se-

gundo subíndice.
A las matrices donde m = n se les llama matrices cuadradas. Por ejem-

plo, una matriz 4 por 4 es
a11 a12 a13 a

14
a21 a22 023 024
[Al =
:[ 2 2: 24
Se le llama diagonal principal de la matriz a la diagonal consistente
de los elementos a , , , aZ2,q 3 y ad4.
Las matrices cuadradas son particularmente importantes en la solu-

ción de sistemas de ecuaciones lineales simultáneas. Para tales siste-
mas, el número de ecuaciones (correspondiente a los renglones) y el
número de incógnitas (correspondientea las columnas)deben ser iguales
en orden para que sea posible unasolución única. Por consiguiente, las
matrices cuadradas se encuentran al trabajar con tales sistemas. Al-
gunos tipos especiales de matrices se describen en el recuadro 1 1 1 . 1 .
RECUADRO 1 1 1 . 1 Tipos especiales de matrices cuadradas
Hay algunas formas especiales de matrices cuadradas Nótese que se deian en blanco los bloques grandes de
que son importantes y se deben mencionar: elementos que son cero.
Una matriz simétrica es aquella donde ai; = qij para Una matriz identidad es una matriz diagonal donde to-
i y
toda toda ;. Por ejemplo, dos los elementos dediagonal
la principal son iguales
a 1 , como en
[A] = [i 1 a] [/I = rll 1

1 11
es una matrizsimétrica 3 por 3.
El símbolo [ I ] denota la matriz identidad. Esta matriz
Una matriz diagonal es una matriz cuadrada
donde to- tiene propiedades a la unidad.
dos los elementos fuera de la diagonal principal son
Una matriz triangular superior es aquella donde todos
iguales a cero, como en
sus elementos baio la diagonal principal son cero, como
I I
[all all a13 a141
[Al =
a33 a34
a23
L (7441
SISTEMAS ECUACIONES ALGEBRAICAS
LINEALES 209
Una motriz triangular inferior es aquella donde todos cero, con la excepción de una banda centrada sobre
sus elementos arribadeladiagonalprincipal son ce- la diagonalprincipal:
ro, como
La matriz anterior tiene un ancho de banda de 3 y se

Una motriz banda tienetodos los elementosiguales a le da un nombre especial, motr;z tr;d;agonal,
111.2.2 Reglas de operación sobre matrices
Ahora que se ha especificado lo que significa una matriz, se pueden

definir algunas reglas de operación que gobiernansu uso. Dos matri-
ces m por n son iguales, si y sólo si, cada elemento de la primera es
igual a cada elemento de la segunda; esto es [A] = [B] si a;, = bjjpa-
ra toda i, j.
La suma de dos matrices, [A] y [B], se realiza sumando los elementos

correspondientes de cada matriz. Los elementos de la matriz [C]re-
sultante se calculan como:
parai = 1, 2,. . .,m y i = 1 , 2, - . . , n.

De forma similar, la resta de dos matrices, [E]y [ F ] , se obtiene restan-
do los términos correspondientes, como:
d..
'I = e.."..
'I 'I
para i = 1 , 2, . . . , m y j = 1 , 2, . ..
, n. De la definición anterior,
se sigue inmediatamente que la suma y la resta se puede llevar a ca-
bo sólo entre matrices que tienen las mismas dimensiones.
La suma y la resta son conmutativas:
Y
210 MÉTODOS NUM~RICO S INGENIEROS
PARA
La suma y la resta también son asociativas, esto es,
La multiplicación de una matriz [A] por un escalar g se obtiene multi-

plicando cada elemento de [A] por g, como en
El producto de dos matrices se representa como [C]= [A][B],en don-

de los elementos de [C]se definen como (véaseel recuadro 111.2 donde
se expone el concepto simple de la multiplicación matricial)
n
C;; = a r k bk; [111.2]
k= 1
Donde n = la dimensión de las columnas de [A] y la dimensión de

los renglones de [B].
RECUADRO 111.2 Método simple para multiplicardosmatrices
Aunque la ecuación (111.2) está bien definida para im- Ahora la respuesta [C]se puede calcular en el espacio
plementarse en una computadora, no es la forma más vacante deiado por[B]. Este formato tiene utilidad por-
simple de visualizar la mecánica de multiplicación de que alinea los renglones apropiados y las columnas que
dos matrices. En seguida se presenta una expresión más se van a multiplicar. Por ejemplo, de acuerdo a la ecua-
tangible sobre este concepto. Supóngase que se desea ción (111.2) el elemento c1 se obtiene multiplicando el
multiplicar [A] por [B] y obtener [C]: primer renglón de [A] por la primera columna de [B].
Esto es equivalente a sumar el producto de y bl,,

al producto de y b , , como
U n a forma simple de representar el cálculo de [C]es

elevar [B], como en 2
91
7=22
For io tanto, c l , , es igual a 22. El elemento c2,,se pue-

de calcular en una forma similar, como
LINEALES
SISTEMAS
[A]+
14".:',
DE ECUACIONES
ALGEBRAICAS
8 6
o 4
x5+6~7=82 +[C]
Nótese que este método esclarece el porqué es impo-
21 1
sible multiplicar si el número de columnas de la prime-

ra matriz no es igual al número ¿e renglones de la
El calculo se puede continuar deesta manera, siguien- segunda. Nótese cómo demuestra que el orden de la
do la alineación de renglones y columnas, para obte- mdtiplicación coincide también. De la misma manera
ner el resultado: ilustra estos puntos el problema 7.3.
Esto es, el elemento cji se obtiene sumando el producto de elemen-

tos individuales del i-ésimo renglón de la primera matriz,en este caso
[A],por la i-ésima columna de la segunda [B]. De acuerdo a esta de-
finición, la multiplicación de dos matrices sólo se puede realizar si la
primera matriz tiene tantas columnas como renglones la segunda. Por
lo tanto, si [A] es una matriz m por n, [B] deberá ser una matriz n
por p. En este caso, la matriz [C]resultante tendrá dimensión m por
p. Sin embargo, si [B] fuese una matriz p por n, la multiplicación no
se podría llevar a cabo. La figura 111.3 muestra una forma fácil de
verificar si se pueden multiplicar dos matrices.
Si las dimensiones de las matrices son compatibles, la multiplicacion

matricial es asociativo:
FIGURA 111.3 Una manera simple de comprobar si es posible multiplicar dos matrices.
212 MhODOS NUMÉRICOS PARA INGENIEROS
y distributiva:
Sin embargo, en general la multiplicación no es conmutativa:
[AI[Bl + [BI[AI
Estoes,el orden de multiplicación es importante.
Aunque la multiplicación es posible, la división matricial aún no está

definida. Sin embargo, si una matriz [A] es cuadrada, hay otra ma-
triz [A]", llamada la inversa de [A], tal que
[A]" [A] [A]= [A]" = [I] [111.3]
De esta forma, la multiplicación de una matriz por su inversa, es aná-

loga a la división, en el sentido de que un número dividido por sí mis-
mo es igual a uno. Esto es, la multiplicación de una matriz por su inversa
es igual a la matriz identidad (recuérdese el recuadro 111.1).
La inversa de unamatriz cuadrada bidimensional se puede represen-

tar simplemente como:
1
[A)" =
0 1 1 a22 - a12 9 1 [ e
2
- 9 1
-a12
al,]
[111.4]
Las matrices de dimensión mayor son mucho más difíciles de expre-

sar. La sección 8.2 se dedica a estudiar una técnica que calcula la
inversa de tales sistemas.
Las operaciones finales de las matrices que tienen utilidad en este aná-
lisis son las de transposición y de matriz aumentada. La transpuesta
de una matriz comprende la transformación de sus renglones en co-
lumnas y sus columnas en renglones. La transpuesta de la matriz:
SISTEMAS LINEALES
denotada por [AlT, se define como:
En otras palabras, el elemento a;;de la transpuesta es igual al ele-

mento ai;de la matriz original, o ai = ai;. La matriz transpuesta tie-
ne una gran variedad defunciones en el álgebra matricial. Una ventaja
simple es la de permitir escribir un vector columna como vector fila.
Por ejemplo, si:
entonces
en donde el superíndice T denota transposición. Esto puede ahorrar

espacio al escribir un vector columna en un manuscrito. Además, la
matriz transpuestatiene una gran variedad deaplicaciones en las ma-
temáticas.
Una matriz aumentada es el resultado de agregarle una columna (o

más columnas) a la matriz original. Por ejemplo, supóngase que se
tiene una matriz:
Si se desea aumentar esta matriz [A] con una matriz identidad (re-
cuérdese el recuadro Ill. 1 ), entonces se obtiene una matriz 3 por 6
dimensional, dada por:
214
-
MhODOS NUMERICOS PARA INGENIEROS
Esta expresión tiene utilidad cuandose desea realizar un conjunto de

operaciones idénticas sobre dos matrices. De esta forma, se pueden
llevar a cabo las operaciones sobre una matriz aumentada en vez de
hacerlo sobre dos matrices independientes.
111.2.3 Representaciónenformamatricial de sistemas de

ecuaciones algebraicas lineales
Debe ser claro que las matrices proporcionan una notación concisa
en la representación de ecuaciones simultáneas lineales. Por ejemplo,
la ecuación ( 1 1 1 . 1 ) se puede expresar como:
donde [A] es una matriz cuadrada n por n de coeficientes:
[Al =
[C]es unvector columna n por 1 de constantes:

[C]T = [Cl c3
c2 . . . cn]
y [Aes un vectorcolumna n por 1 de incógnitas:
[XIT = [xx1x23 .. xn]
Recuérdese la definición de la multiplicación matricial [Ec. (111.2) o re-

cuadro 111.21 para comprobar laequivalencia de las ecuaciones( 1 1 1 . 1 )
y (111.5).También, nótese que la multiplicación matricial (111.5) es vá-
lida ya que el número de columnas ( n ) de la primer matriz ([A])es
igual al número de renglones (n) de la segunda matriz ([A).
En esta parte del libro se resuelve la ecuación (111.5) para Una [A.
manera formal de obtener una solución usando álgebra matricial es
la de multiplicar cada lado de la ecuación por la inversa de [A] para
obtener:
Ya que [A]” [A] es la matriz identidad, la ecuación anterior se con-

vierte en:
[XI = [Al”[Cl 1 [111.6]

SISTEMAS ECUACIONES
LINEALES ALGEBRAICAS 21 5
Por lo tanto, la ecuación se ha resuelto para [A. Este es otro ejemplo

del juego de la matriz inversa similar a la división en el algebra ma-
tricial.
Finalmente, algunas veces es útil aumentar [A] con [C].Por ejemplo,

si n = 3 el resultado es una matriz 3 por 4 dimensional, dada por:
[111.7]
Expresar de esta manera la ecuación tiene utilidad, ya que varias de

las técnicas en la solución de sistemas lineales hacen operacionesidén-
ticas a una fila de coeficientes y a la constante correspondiente del
lado derecho. Como se expresó en la ecuación (lll.7), se pueden rea-
lizar algunas operaciones sobre un renglón de la matriz aumentada
en lugar de hacerlo separadamente sobre la matriz de coeficientes
y el vector del lado derecho.
111.3
Antes de considerar los métodos numéricos,es útil mencionar alguna
orientación adicional. A continuación se muestra superficialmente el
material analizado en la parte Ill. Además, se han formulado algu-
nos objetivos para ayudar a enfocar los esfuerzos cuando se estudie
el material.
111.3.1 Metasyavances
En la figura 111.4 se proporciona un esquema de la parteIll. El capitu-

lo 7 muestra la técnica fundamental en la solución de sistemas alge-
braicoslineales:laeliminacióngaussiana.Antesdeentrar en los
detalles de esta técnica, se incluye una sección que menciona algu-
nos métodos simples para sistemas pequeños. Esto se hace con el fin
de dar una ideavisual y debido a que uno delos métodos -la elimi-
nación de incógnitas- es la base de la eliminación gaussiana.
Después de presentar los antecedentes, se analiza la eliminación gaus-

siana simple.
Se inicia con esta versión ya que permite la elaboración del método

completo sin mayores complicaciones. Después,en las siguientes sec-
ciones, se analizan posibles problemas que usen el método simple
presentando ciertas modificacicnes que minimiceny eviten estos pro-
blemas. AI final del capítulo, se dedica un recuadro a una formamuy
FIGURA 111.4 Esquema de organización de la parte Ill: Sistemas de ecuaciones alge-

braicas lineales.
eficiente de la eliminación gaussiana que puede ser usado en siste-

mas tridiagonales.
En el capítulo 8 se empieza con el análisis del método de Gauss-Jordan.

Aunque esta técnica es muy parecida a la eliminación gaussiana, se
analiza porque permite calcular la matriz inversa que tiene una utili-
dad inmensa en la ingeniería.
SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES 21 7
La eliminación gaussiana y el método de Gauss-Jordan son métodos

directos. AI final del capítulo 8 se estudia un método diferente cono-
cido como método de Gauss-Seidel. Éste es parecido a los métodos
de aproximación de raíces de ecuaciones quese estudiaron en el ca-
pitulo 5. Esto es, la técnica implica dar una aproximación inicial a la
solución y mediante iteraciones obtener un valor meiorado.
En el capítulo 9 se demuestra como se pueden aplicar los métodos

en la solución de problemas. Así como en otras partes del libro, se
examinan aplicaciones extraídasde todos los campos de la ingeniería.
Finalmente, al terminar la parte Ill se incluye un epílogo. Este repaso

incluye el análisis de los elementos de juicio importantes en la imple-
mentación de los métodos en la ingeniería práctica. En esta sección
también se resumen las fórmulas de mayor importancia y los méto-
dos avanzados relacionados conlas ecuaciones algebraicas lineales,
por lo que se pueden usar para estudiar antes de un examen o como
repaso cuandose tenga necesidad de utilizar las ecuaciones algebrai-
cas lineales en la vida profesional.
Las capacidades de cómputo automático se integran en la parte Ill

en una variedad de formas. Primero, en NUMERICOMP, se encuen-
tran disponibles programas amables con el usuario de la eliminación
gaussiana para la microcomputadora Apple-ll e IBM-PC.También se
proporcionan los programas en FORTRAN y BASIC de la eliminación
gaussiana directamente en el texto. Esto le d a al usuario la oportuni-
dad de copiary aumentar los programas para implementarlos en su
microcomputadora o supercomputadora. También se incluyen los dia-
gramas de flujo o los algoritmos en la mayor parte de los métodos
descritos en el libro. Este material puede formar la base de un pa-
quete de programas que el mismo usuario puede desarrollar y apli-
car a una gran cantidad de problemas de ingeniería.
Objetivos de estudio. AI terminar la parte Ill, el usuario debe ser ca-

paz de resolver la mayor parte de problemas que impliquen utilizar
ecuaciones algebraicas lineales y poder visualizar las aplicaciones de
estas ecuaciones en todos los campos de la ingeniería. El usuario de-
be hacer lo posible por dominar variastécnicas y valorar la confiabi-
lidadde lasmismas. Debe entenderlasventajasydesventajas
involucradas en la selección del "mejor" método (o métodos) en cual-
quier problema particular. Además de estos objetivos generales, se
deben asimilar y dominar los conceptos específicos enumerados en
el cuadro 1 1 1 . 1 .
Objetivos de c6rnputo. El objetivo fundamental en cuanto a cómputo,

es el de ser capaz de usar en forma satisfactoria un programa para
resolver sistemas de ecuaciones algebraicas lineales. Debe quedar cla-
ro el uso de los programas de NUMERICOMP, o también saber có-
mo copiar y usar el programa de laeliminacihn gaussianasimple dado
en el texto. Estos programas le permitirán manejar adecuadamente
muchos problemas prácticos que impliquen utilizar varias ecuaciones
algebraicas lineales simultáneas. A medida quese avance en los pro-
blemas que contengan más ecuaciones, se pueden usar los progra-
mas, diagramas defluio y algoritmos proporcionados en la parte Ill.
Eventualmente, se puede incorporar a los programas el pivoteo parcial,
el cálculo de determinantes y la evaluación de condiciones. También
se pueden obtener los programas paralos métodos de Gauss-Jordan
y de Gauss-Seidel.
CUADRO 111.1 Objetivos de estudios específicos de la parte 111
1 . Entender las interpretaciones gráficas de sistemas mal condicionados y su rela-

ción con el determinante del sistema.
2 . Entender por qué se le llama "simple" a la primera versión de la eliminación
gaussiana.
3 . Familiarizarse con la terminología: eliminación hacia atrás, sustitución hacia atrás,
normalización, ecuación pivotal y pivote.
4 . Entender los problemas de división por cero, errores de redondeo y mal condi-
cionamiento.
5 . Saber cómo evaluar la condición del sistema.
6 . Saber cómo calcular determinantes usando la eliminación gaussiana.
7 . Entender las ventajas del pivoteo; entenderlas diferencias entre el pivoteo par-
cial y el pivoteo total.
8. Saber cómo aplicarlas técnicas de corrección de errorespara mejorar las soh-
ciones.
9 . Entender por qué las matrices banda son relativamente eficientes en su solución.
1 O . Saber la diferencia fundamental entre la eliminación gaussianay el método Gauss-
Jordcn.
1 1 . Entender cómo se usa el método deGauss-Jordan para calcular la matriz inversa.
1 2 . Saber interpretar los elementos de la matriz inversa en la evaluación de las in-
cágnitas en ingeniería.
1 3 . Comprender el uso de la matriz inversa en la evaluación de la condición del
sistema.
1 4 . Entender por qué el método de Gauss-Seidel es particularmente apropiado pa-
ra sistemas grandes de ecuaciones.
1 5 . Entender par qué el valor de la diagonal de un sistema de ecuaciones influye
en que el método pueda ser resuelto mediante el método de Gauss-Seidel.
1 6. Entender la razón existente detrás del concepto relajación;saber dónde es más
apropiada la subrelajación y dónde la sobrerelajación.
CAPíTULO SIETE
ELIMINACIóN GAUSSIANA
En este capítulo se analizanlas ecuaciones algebraicas lineales simultá-

neas que en general se pueden representar como:
allxl + a12x2 + * + al,x, = c1
a21x1 + a22x2 + . . . + a2,xn = c2
anlxl + 0~2x2+ * - + a,,x, = c,

*
endondelas a son coeficientes constantes y las c son constantes.

A la técnica que se describe en este capítulose le conoce como elimi-
nación gaussiana porque involucra una combinación de ecuaciones a las
que se les eliminan las incógnitas. Aunque éste es uno de los métodos
más antiguos en la soluciónde ecuaciones simultáneas, permanece hasta
nuestros días como uno de los algoritmos de mayor importancia.En par-
ticular, es fácil de programary de aplicar con el uso de microcomputadoras.
7.1 SOLUCIÓN DE POCASECUACIONES

Antes de entrar a los métodos que usan computadora, se describen algu-
nos que son apropiados en la solución de pequeños grupos de ecuacio-
nessimultáneas ( n I3) quenorequierendeunacomputadora.Estos
son los métodos gráficos,la regla de Cramer y la eliminación de incógnitas.
7.1 .l Método gráfico

Se obtiene una solución gráfica de dos ecuaciones representándolas en
coordenadas cartesianas con un eje correspondiente a x1 y el otro a x2.
Ya que el problema es para sistemas lineales, cada ecuación representa
unalínea recta. Esto puede ilustrarse fácilmente por las ecuaciones ge-
nerales:
QlXl + a12xz = c1
a21x1 + a22x2 = c2
Ambas ecuaciones se pueden resolver para x2:
De esta manera, las ecuaciones se encuentran ahora en la forma de lí-

neas rectas; esto es, x2 = (pendiente) x1 + intersección. Estas líneas se
pueden graficar en coordenadas cartesianas con x2 como la ordenada y
x1como la abscisa. Los valores de x1y x2 enla intersección de las líneas
representan la solución.
EJEMPLO 7.1
El método gráfico para dos ecuaciones
Enunciado del problema:úsese el métodográficopararesolver

3x1 + 2x2 = 18 [E7.1.1]
-x1 + 2x2 = 2 [E7.1.2]
Solución: sea x1 la abscisa. AI resolver la ecuación (E7.1.1) para x2:
que, al graficarse en la figura 7 . 1 , da una línea recta con una intersección

en 9 y pendientede -3/2.
La ecuación (E7.1.2) se puederesolverparax2:
x2 = (1/2)x, + 1
la cual también se grafica enlafigura 7.1. La solución es la intersección

delasdoslíneasen x1 = 4 y x2 = 3. Este resultado se puede verificar
sustituyendo estos resultados en las ecuaciones originales para obtener:
3(4) + 2(3) = 18
I -4 + 2(3) = 2
ELlMlNAClON GAUSSIANA 22 1
De esta manera, los resultados son equivalentes a los lados derechos de

las ecuaciones originales.
FIGURA 7.1 Solución gráfica de un conjunto de dos ecuaciones algebraicas linea-

les simultáneas. l a intersección ¿e las líneas representa la solución.
Para tres ecuaciones simultáneas, cada ecuación representa un plano en

el sistema de coordenadas tridimensional. El punto en donde se intersec-
ten los tres planos representa la solución. Más alládetres ecuaciones,
los métodos gráficos no funcionany , por consiguiente, la solución deecuac-
ciones algebraicas tiene muy poco valor práctico. Sin embargo, algunas
veces resultan útiles para visualizar propiedades de la solución. Por ejem-
plo, lafigura 7.2 muestra tres casos que se pueden abordar cuando se
desea resolver un conjunto de ecuaciones lineales. La figura 7.2a mues-
tra el caso en que la dos ecuaciones representan dos líneas paralelas. En
estos casos, no existe solución ya que las dos líneas jamás se cruzan. La
figura 7.2b representa el caso enque las dos líneas coinciden. En este
caso existe un número infinito de soluciones. A estos dos tipos de siste-
mas se les llama singular. También los sistemas que son casi singulares
causan problemas (Figura 7 . 2 ); a estos sistemas se les k m a mal condi-
cionados. Gráficamente, indican que el punto exacto de intersección de
ambas rectas es muy difícil devisualizar. Como se veenlas siguientes
FIGURA 7.2 Esquema gráfico de sistemas mal condicionados: a) no hay solución, b)

hay una infinidadde soluciones y c) un sistema mal condicionadoen donde
las pendientes son muy parecidas en el punto de intersección y es difícil
de detectar fácilmente la solución.
secciones, los sistemas mal condicionados también tienen problemas cuan-

do ?e encuentran en la solución numérica de ecuaciones lineales.
7.1.2 Determinantes y la regla de Cramer
La regla de Cramer es otra técnica de solución aplicablea pocas ecuacio-

nes. Antes de describir estemétodo, se menciona brevementeel concep-
to de determinantes, que se usanenla implementaciónde la reglade
Cramer. Además, el determinante es útil enla evaluación de mal condi-
cionamiento de unamatriz.
Determinantes. Se puede ilustrar un determinante mediante un conjun-

to de tres ecuaciones:
o. enformamatricial:
en donde [ A ] es lamatriz de coeficientes:
all a12 a13

ELlMlNAClON GAUSSIANA 223
deecua-
El determinante D de este sistema se forma con los coeficientes la
ción, de la siguiente manera:
Aunque el determinante D y lamatriz [A] se componen de los mismos

elementos, tienen conceptos matemáticos completamente diferentes. Para
denotar la matriz se usan corchetes y para los determinantes se usan ba-
rras verticales. En contraste con una matriz, el determinante es un núme-
ro. Por ejemplo, elvalordel determinante de segundo orden:
D= all a12
(a21
se calcula mediante:
En el caso de tercer orden [Ec. (7.2)], se puede calcular el valor del de-
terminante como:
en donde a los determinantes de 2 por 2 se lesllama menores.
EJEMPLO 7.2
Determinantes
Enunciado del problema: calcúlense los valores de los determinantes de

lossistemasrepresentadosenlasfiguras 7 . 1 y 7.2.
Solución: para lafigura 7.1:
Para lafigura 7 . 2 ~ 1 :
1 =
-1/2
1-1,2
1 -1
2
11 = -(l) -
1
1(%) = o
I
224 INGENIEROS PARA MÉTODOS NUMÉRICOS
Para lafigura 7.2b:
I Para lafigura 7.2~:
En el ejemplo anterior, los sistemas singulares tienen un valor de ce-

ro. Además, elresultadoindicaqueelsistemacasisingular (Fig. 7 . 2 ~ )
tiene un determinante cercano a cero. Estas ideas se seguirán manejan-
do posteriormente en los análisis de mal condicionamiento (sección 7.3.3).
Regla de Cramer. Esta regla dice que cada incógnita de un sistema de

ecuaciones algebraicas linealesse puede expresar como el cociente de dos
determinantes con el denominador D y con el numerador obtenido de
D reemplazando la columna de coeficientes de la incógnita en cuestión
porlasconstantes cl, c2, . . . , c,. Por ejemplo, x1 se calcula como:
EJEMPLO 7.3
Regla de Cramer
Enunciado del problema: úsese lareglade Cramer para resolver:
+
0 . 3 ~ 1 0.52~2 + x3 = -0.01
+
0 . 1 ~ 1 O.3X2 + O.5X3 = -0.44
Solución: el determinante D se puedeescribir como [Ec. (7.2)]:
0.3 0.52 1
D = 0.5 1 1.9
0.1 0.3 0.5
Los menores son:
1 1.9
= l(0.5) - 1.9(0.3)= -0.07
10.3
= 0.5
0.5 1.9
= 0.5(0.5)- 1.9(0.1)= 0.06
0.1 0.5
0.5 1
= 0.5(0.3) - l(O.1) = 0.05
A3 = 10.1 0.3
Éstos se pueden usar para evaluar el determinante, como en la ecuación

(7.4):
D = 0.3(-0.07) - 0.52(0.06) + l(0.05) = -0.002 2
Aplicando la ecuación (7.5),la solución es:
-0.01 0.52 1
0.67
1.9 1
x1 =
I -o.44 I
-= .-0.032 78 = -14.9
-0.002 2 -0.002 2
0.3 -0.01 1
0.5 0.67 1.9
0.3 0.52-0.01
10.5 1 O. 67
1O.l -
- -0.043 56 = 19.8
x3 =
"0.002 2 -0.002 2
Para más de tres ecuaciones, la regla de-Crameres imprdctica ya que

a medida que crece el número de ecuaciones, los determinantesse vuel-
ven dificiles de evaluar a mano. Por consiguiente, se usan otras alternati-
vasmás eficientes.Algunas de estasalternativas se basanenlaúltima
técnica cubierta en este libro que no usa computadora, la eliminación de
incógnitas.
7.1.3 La eliminación de incógnitas
La eliminación de incógnitas mediante la combinación de ecuaciones es

un esquema algebraic0 que se puede ilustrar para un conjunto de ecua-
ciones:
c7.61
La estrategia básicaes multiplicar lasecuaciones por constantes para que

una de las incógnitas se elimine al combinar las dos ecuaciones. El resul-
tado es una ecuación que se puede resolver para la incógnita restante.
Este valor se puede sustituir en cualquiera de las ecuaciones originales
para calcular la otra variable.
Por ejemplo, la ecuación (7.6) se puede multiplicar por a21y la ecua-
ción (7.7) por all paradar:
Restando la ecuación (7.8) de la ecuación (7.9),se eliminael término

x1 de la ecuación para obtener:
que se puede resolver por
[7.10]
La ecuación 7.10 se puede sustituir en la ecuación (7.6),que se puede

resolver por
[7.11]
Nótese que las ecuaciones (7.10) y (7.11) se calculan directamente por

la regla de Cramer, que establece:
XI =
1°C: I;: - c1a22 - a12c2
-
alla22 - (3112a21
ELIMINACION GAUSSIANA 227
EJEMPLO 7.4
Eliminación de incógnitas
Enunciado del problema: úsese la eliminación de incógnitas para resol-

ver (recuérdese el ejemplo 7.1) :
3x1 + 2x2 = 18
-x1 + 2x2 = 2
Solución: usando las ecuaciones (7.11) y (7.10)
2(18) - 2(2)
x1 = =4
3(2) - 2(-1)
3(2) - (-1)18
x2 = =3
3(2) - 2(-1)
las cuales son consistentes con la solución gráfica (Fig. 7.1)
La eliminación de incógnitas se puede extender a sistemas con más

de dos o tres ecuaciones. Sin embargo, los cálculos numerosos que se
requieren para sistemas grandes vuelven rnuy tedioso al método como
para realizarlo a mano. Sin embargo, como se describe en la siguiente
sección, el método se puede formalizar y programar fácilmente en una
microcomputadora.
7.2 ELIMINACIóN GAUSSIANA SIMPLE

En la sección anterior, se usa la elirninación de incógnitas para resol-
ver un par de ecuaciones simultáneas. El procedimiento consta de dos
pasos:
1. Se manejan las ecuaciones para eliminar una incógnita de una ecua-

ción. El resultado de este paso de eliminación es una sola ecuación
con una incógnita.
2. Por consiguiente, esta ecuación se puede resolver directamente y el

resultado se sustituyehaciaatrás en las ecuaciones originales para
encontrar la incógnita restante.
Este comportamiento básico se puede extender a sistemas grandes

de ecuacionesdesarrollando un esquema sistemático para eliminar incóg-
nitas y sustituir hacia atrás. La eliminación gaussiana es una de las técni-
cas más comunes.
7.2.1 Algoritmo para la eliminación gaussianasimple
Se incluye en esta sección la técnica sistemática de eliminación haciaade-

lante y la sustitución hacia atrás que comprende la eliminación gaussia-
na. Aunque estas técnicasse adaptan perfectamentea las condiciones de
implementación sobre una microcomputadora,se requieren algunasmo-
dificaciones para obtener un algoritmo legible. En particular, el programa
debe evitar divisiones por cero. Al método siguiente se le llama elimina-
ción gaussiana "simple" porque no evita estas contingencias. Enlas si-
guientes secciones se muestran algunos rasgos adicionales necesarios para
tener un programa efectivo.
El procedimiento estáplaneado para resolver un conjunto de n ecua-
ciones:
allxl + + a13x3+ + al,xn = c1

~112x2 * * C7.1201
a21x1+ a22x2 + ~ 1 ~+~ x 3+ aZnxn
= c2' * * [7.12b]
[7.12c]
Como en el caso de solución de dos ecuaciones, el método para n ecua-

ciones consiste de dos fases: la eliminación de las incógnitas y su solución
mediante sustitución hacia atrás.
Eliminación hacia adelante de incógnitas. La primera fase reduce elcon-

junto de ecuaciones a un sistema triangular superior (Fig. 7 . 3 ) .El paso
inicial del procedimiento consiste en dividir la primera ecuación[Ec. 7.12a1
porel coeficiente de laprimer incógnita, all:
x1 + "a12x 2 + * . + Q" lxn , =-

c1
a11 al 1 all
A este procedimiento se le conoce como normalización y tiene como fi-

nalidad convertir el primer coeficiente de la ecuación normalizada en 1.
En seguida se multiplica la ecuación normalizada por el primercoe-
ficiente de la segundaecuación [Ec. ( 7 . 1 2 b ) ] ,a21:
[7.13]
Nótese que el primer término de la primera ecuación es ahora idéntico

alprimertérmino de la segunda ecuación. Por consiguiente, se puede
eliminar la primera incógnita de la segunda ecuación restando la ecua-
ción (7.13) de la (7.12b) para obtener
FIGURA 7.3 Esquema gráfico de lasdos partes del método de eliminación gaussia-
na. La eliminación hacia adelante reducela matriz de coeficientes a una
forma triangular superior. Después, se usa la sustitución hacia atrás pa-
ra encontrar las incógnitas.
O
ahax? + * * * + ahnxn= c$
en donde el apóstrofo indica que los elementos han cambiado sus valo-
res originales.
El proceso se repite hasta que se elimina la primera incógnita de las
ecuaciones restantes. Por ejemplo, la ecuación normalizada se multiplica
por a31 y el resultado se resta de la tercera ecuación para obtener
a&x2 + aj3x3 + * . + a&,x,, = c$
Repitiendo el procedimiento para el resto de ecuaciones da como resul-
tado el siguiente sistema modificado:
[7.14a]
[7.14b]
[7.14c]
[7.14d]
De ahora en adelante, a la ecuación (7.12a) se le llama ecuación pivotal

y a all se le llama pivote.
En seguida se repite el proceso para eliminar la segunda incógnita de
las ecuaciones (7.14~) hasta la (7.14d). Para hacerlo, se usa como ecua-
ción pivotal la ecuación (7,14b) normalizándola y dividiéndola por el pi-
votea'22. Multiplicando la ecuación normalizada por a'32 y restando el
resultado a la ecuación ( 7 . 1 4 ~se) elimina la segunda incógnita. Repitien-
do el proceso conlas ecuaciones restantes se obtiene:
a"n3 x3 + * . + axnx, = c:
en donde el apóstrofe doble indica que los coeficientes se han modifica-

do dos veces.
El procedimiento se puede continuar usando las ecuaciones restan-
tes como pivotales. La operación final de esta secuencia es la de usar la
(n- 1)-ésima ecuaciónparaeliminar el términode la n-ésima ecua-
ción. En ese momento el sistema se transforma en un sistema triangular
superior (recuérdese el recuadro 111.1).
[7.15a]
[7.15b]
[7.15c]
[7.15dj
Sustitución hacia atrás. La ecuación (7.15d)se puede resolver para x,:
1
17.161
Este resultadose puede sustituir en la (n- 1) -ésima ecuacióny resolverse

éstapara x,,~- El procedimiento se repite evaluando las x restantes, éste
se puede representar mediante la fórmula:
ELlMlNAClON 23 1
[7.17]
para i = n-1, n-2, . . . , 1.
EJEMPLO 7.5
Eliminación gaussiana simple
Enunciado del problema: úsese la eliminación gaussiana para resolver:
3x1 - 0.1~2- 0 . 2 ~ 3= 7.85 [E7.5.lj

0.1~1+ 7x2 - O.3X3 = -19.3 [E7.5.2]
~ 0~ . 2 +
0 . 3- ~ ~lox3 = 71.4 rE7.5.31
Efectúense 10s cálculos con seis cifras significativas.
Solución: la primera parte del procedimientoes la eliminación hacia ade-

lante. La normalización de la ecuación ( € 7 . 5 . 1se) lleva a cabo dividién-
dola por el elemento pivotal, obteniendo:
XI - 0,033 333 3x2 - 0.066 666 7x3 = 2.616 67 [E7.5.4]
En seguida, multiplíquese la ecuación (E7.5.4) por 0.1 y t6stese el resul-

tado de la ecuación (E7.5.2) se tiene:
7.003 33x2 - 0.293 333x3 = -19.561 7 [E7.5.5]
Por lo tanto almultiplicarla ecuación (E7.5.4) por O.1 y al restarla a la

ecuación (E7.5.3) se elimina xl. Después de estas operaciones, el con-
junto de ecuaciones es
3x1 -- o.lx, - 0.2X3 = 7<65 rE7.5.61

7.003 33x2 - 0.293 333x3 = - 19.561 7 [E7.5.7]
-0.190 000x2 + 10.020 Ox3 = 70.615 O [E7.5.8]
Paraterminar la eliminaciónhaciaadelante xp debe desaparecer de la

ecuación (E7.5.8).Para llevarlo a cabo, normalícese la ecuación (E7.5.7)
dividiéndola por 7.003 33:
x2 - 0.041 884 8x3 = -2.793 20 [E7.5.9]

Después, multiplíquese la ecuación ( € 7 . 5 . 9 ) -0.190 O00 y réstese el
por
resultado de la ecuación (E5.7.8). Con esto se elimina x2 de la tercera
ecuación y reduce el sistema a la forma triangular superior, dada por:
3x1 - O.lx, - 0 , 2 ~=
3 7.85
7.003 33x2 - 0.293 333x3 = -19.561 7 [E7.5.10]
10.012 Oxg = 70.084 3 [E7.5.11]
Ahora se pueden resolver estas ecuaciones porsustituciónhacia atrás.

Enprimer lugar, la ecuación (E7.5.11)se puede resolver, dando:
03 x3 = 7.000 [E7.5.12]
Esteresultado se puede sustituirenla ecuación (E7.5.10),para dar:

7.003 33x2 - 0.293 333(7.000 03) = -19.561 7
que se puede resolver para
x2 = "2.500 O0 [E7.5.13]
Finalmente, las ecuaciones (E7.S.12) y (E7.5.13)se pueden sustituir en

la ecuación (E7.5.6) para dar:
3x1 - 0.1(-2.500 00) - 0.2(7.000 03) = 7.85
x1 = 3.000 O0
Aunque hay un pequeiio error de redondeo enla ecuación (E7.5.E ) ,

los resultadosson muy cercanos a lasoluciónexactade x1 = 3, x2 = -2.5
y xg = 7 . Esto se puede verificar sustituyendo las respuestas en el con-
junto de ecuaciones originales, para dar:
3(3) - 0.1(--2.5) - 0.2(7.00003) = 7.84999 = 785

0.1(3) + 7("2.5) - 0.3(7.00003) = -19.300 O = -19.3
0.3(3) - 0.2(-2.5) + lO(7.000 03) = 71.4003 = 71.4
7.2.2 Programa del método de eliminación gaussiana simple
La figura 7.4 muestra los programas de la eliminación gaussiana simple.

Los programas constan de cuatro partes: entrada de dabs, eliminación
hacia adelante, sustitución hacia atrás e impresión de datos. Nótese que
la matriz de coeficientes se aumenta por las constantes del lado derecho.
Esta información se almacena en la matriz A. Ya que esta matriz es aumen-
tada, el hecho de que susdimensionesseande 15 por 16 significa

que el programa puede manejar hasta15 ecuaciones simultáneas de esta
forma.
FORTRAN
Elim1nac16n hacia adelante
sun-0
I-N-NN
Sustracci6n hacia atrAs
IP=I+l
[)O 1 2 2 0J = I P , H
SLlN-SUM+A( I , J >*X( J ,
1220 C O N T I N U E
~ ~ I ~ = ~ ~ ~ l , ~ ~ - s u M ~ , ' a ~ l , I ~
1 2 4 0C O N T I N U E
RETURli
END
FIGURA 7.4 Programas FORTRAN y BASIC delmétododeeliminacióngaussiana

simple.
Nótese también que se ha programado el cuerpo principal del algorit-

mo como una subrutina. Se hizo así porque además de la solución direc-
ta de los problemas de ingeniería, la eliminación gaussiana tambihn tiene
utilidadformandoparte de otros algoritmos. Enlaúltima parte de este
capítulo se desarrollan técnicas de corrección de errores que requieren
una subrutina para la elimiflación gaussiana. Además, en el capítulo 10
se necesita resolver ecuaciones algebraicas lineales como parte de la téc-
nica de ajuste de curvas llamada regresión múltiple y polinomial.
El programa de la figura 7.4 no es legible al usuario. En el problema

7 .16 al final del capítulo, se presenta la tarea de hacer un bosquejo del
Pr.ogramaparahacerlofácilde Gsar y de entender.
EJEMPLO 7.6
Solución de ecuaciones algebraicas lineales usando computadora
Enunciado del problema:los programas de NUMERICOMP contienen uno

que implementa la eliminación gaussiana enun programa legibleal usua-
rio. Se puede usar este programa para resolver problemas asociados con
el ejemplo del paracaidista discutido en el capítulo 1. Supóngase que un
grupo de tres paracaidistas se conecta por medio de cuerdas muy ligeras
mientras caen a una velocidad de 5 m/s (Fig. 7.5). Calcúlese la tensión
en cada sección de la cuerda y la aceleración del grupo, dada la siguiente
información:
Paracaidista Masa, kg rozamiento,

de
Coeficientes kg/s
.." . . ~
.~ ..
70 1
2 60 14
3 40 17
Solución: los cuerpos de los paracaidistas se muestranenlafigura 7.6.

Considerando las fuerzas en dirección vertical y usando la segunda ley
de Newton se obtiene un conjunto de tres ecuaciones lineales simultáneas:
mlg - T - clu = mla
m2g + T'c2u - R = m2a
Estas ecuaciones tienen tres incógnitas: a , T y R. Después de sustituir¡os

valores conocidos, las ecuaciones se pueden expresar en forma matricial
(ya que g = 9.8 m/s2).
FIGURA 7.5 Tres
paracaidistas en caídc
libre conectados por
cuerdas de peso
despreciable.
FIGURA 7.7. (Continuación) b) Prueba de exactitud obtenida al sustituir

la solución en las ecuaciones originales para comprobar
que los resultados son iguales a las constantes del vector
de términos independientes original.
Los resultados anteriores se basan en un algoritmo simple del méto-

do de la eliminación gaussiana con rutinas legiblesal usuario sobre entra-
da y salida de datos. El algoritmo empleado es similar al de la figura 7.4.
El usuario debe ser capaz de escribir un programa para el método de la
eliminación gaussiana. Si ya lo tiene, use el programa anterior para com-
probar la exactitud del propio.
7.3 DESVENTAJAS DE LOS MÉTODOS DE ELIMINACIóN

A pesar de que existen muchos sistemas de ecuaciones que se pueden
resolver con la eliminación gaussiana simple. Hay algunas desventajas que
se deben de analizar antes de escribir un programa que implemente el
método. Aunque el siguiente material habla Gnicamente del método de
eliminación gaussiana simple, esta información también es importante para
otras técnicas de eliminación.
7.3.1 División entre cero
La razón principal por la que se le ha llamado “simple” al método ante-

rior, es porque durante las fases de eliminación y sustitución es posible
que ocurra una división entre cero. Por ejemplo, si se usa el método de
eliminación gaussiana simple para resolver el sistema:
la normalización de la primer ecuación implica una división entre all = O.

El problema se presenta también cuando el coeficiente es muy cercano
a cero. Se ha desarrollad? una estrategia del pivote0 para evitar parcial-
menteestosproblemas.Este se describeenla sección 7.4.2.
7.3.2. Errores deredondeo
Aun cuando la solución del ejemplo 7 . 5 se acerca mucho a la solución

real, hay una pequeña diferencia enel resultado de x3 [Ec. (E7.5.12)].
Esta diferencia, que significa un error del -0.000 43%, se debe al uso
de seis cifras significativas durante los cálculos. Si se hubieran usado más
cifras significativas, el error se habría reducido aún más. Si se hubieran
usado fracciones en vez de decimales (y por consiguiente se hubieran evi-
tado los errores de redondeo), la respuesta habría sido exacta. Sin em-
bargo, ya que las microcomputadoras manejan sólo un número limitado
de cifras significativas ( = lo), pueden ocurrir los errores de redondeo y
se deben considerar al evaluar los resultados.
EJEMPLO 7.7
Efecto de los errores de redondeo en la eliminación gaussiana
Enunciado del problema: resuélvase el mismn problema del ejemplo 7 . 5 ,

usando tres cifras significativas durante los cálculos.
Solución: la eliminación de x1 de la segunda y tercera ecuación y la eli-

minación de x2 de la tercera llevaalsiguientesistematriangular:
3x1 - 0.1~2- 0.2~3= 7.85

7.00~2- 0.293~3= -19.6
9.99~3= 70.1
Compárese este sistema con el obtenido previamente usando seis cifras

significativas [ecuación(E7.5.10) hasta la (E7.5.121. Sepuede usar la sus-
tituciónhaciaatráspararesolverel sistema, obteniendo:
x1 = 3.17 IE,~ = 5.7%

x2 = -2.51 I E, 1 = 0.4%
x3 = 7.02 1 E, I = 0.29%
Sustituyendo estos valores enlas ecuaciones originales se obtiene:
3(3.17) - 0.1(-2.51) - 0.2(7.02) = 8.36 # 7.85

0.1(3.17) + 7(-2.51) - 0.3(7.02) = -19.4 # -19.3
0.3(3.17) - 0.2(-2.51) + lO(7.02) = 71.7 # 71.4
7.7 hace
Aunque el uso de tres cifras significativas dentro del ejemplo
del mismo un ejemplo fuera de la realidad, el problema de los errores de
redondeo sí es real y puede ser de mucha importanciaal resolver grandes
cantidades de ecuaciones. Esto se debe a que cada resultado depende
de todos los resultados anteriores. Por consiguiente, un error en los pri-
meros pasos tiende a propagarse, esto es, causa errores en los siguientes
pasos.
Es muy complicado especificar el tamaño del sistema en donde los
errores de redondeo vienen a ser significativos ya que dependen del tipo
de computadoray de las propiedades del sistema. Una regla muy general
es la de suponer que los errores de redondeo son de importancia cuandose
trata de sistemas de 25 a 50 ecuaciones. En cualquier evento, siempre
se deben sustituir las respuestas en las ecuaciones originales y verificar si
ha ocurrido un error sustancial.Sin embargo, como se menciona más ade-
lante la magnitud de los coeficientes mismos puede influir en los errores
al buscar un resultado aceptable.
7.3.3 Ill-Sistemas mal condicionados

La obtención de la solución depende de la condición del sistema. Enla
sección 7.1.1 se muestra un esquema gráfico de la condición de un siste-
ma. En sentido matemático, los sistemas bien condicionados son aque-
llos en los que un cambio en uno o más coeficientes provoca un cambio
similarenla solución. Los sistemas mal condicionados son aquellos en
donde cambios pequeños en los coeficientes provocan cambios grandes
en la solución. Una interpretación diferente del mal condicionamiento es
que un rango amplio de respuestas puede satisfacer aproximadamente
al sistema. Ya que los errores de redondeo pueden inducir cambios pe-
queños en los coeficientes, estos cambios artificiales pueden generar errores
grandes en la solución de sistemas mal condicionados como se ilustra en
elsiguiente ejemplo.
EJEMPLO 7.8
b Ill-Sistemas mal condicionados
Enunciado del problema:resuélvase el siguientesistema:
x1 + 2x2 = 10 [E7.8.1]
1 . 1 ~ 1+ 2x2 = 10.4 [E7.8.2]
Después, resuélvase nuevamente, con el coeficiente de x1 de la segunda
ecuaciónmodificadolevemente a 1.05.
Solución: usandolas ecuaciones (7.10) y (7.11), la solución es:

2(10) - 2(10.4)
x1 = =4
l(2) - 2(1.1)
l(10.4) - 1.1(10)
x2 = = 3
l(2) - 2(1.1)
Sin embargo, con el cambio al coeficiente a21 de 1 . 1 a 1.05, el resulta-
do cambia drásticamente a:
2(10) - 2(10.4)
x1 = =8
l(2) - 2(1.05)
l(10.4) - 1.05(10)
x2 = =1
l(2) - 2(1.05)
Nótese que la razón principal de la diferencia entre los dos resultados
es que el denominador representa la diferencia de dos nfimeros casi iguales.
Como se explica previamente enel ejemplo 3.4, estas diferencias sonmuy
sensitivas a pequeñas variacionesen los números que se están manejando.
En este punto, se podría sugerir que la sustitución de los resultados
en las ecuaciones originales alertaría al lector en el problema. Desafortu-
nadamente, este no es el caso en sistemas mal condicionados. La sustitu-
ción de valores erróneos de x1 = 8 y x2 = 1 en las ecuaciones (E7.8.1)
y (€7.8.2) lleva a:
+ 2(1) = 10 = 10
8
1.1(8) + 2(1) = 10.8 = 10.4
Por lo tanto, aunque x1 = 8 y x2 = 1 no son las soluciones reales al pro-
blema original, la prueba de error es casi igual, lo que puede provocar
el error al hacer creer que las soluciones son correctas.
Como se hizo previamente enla sección de métodos gráficos, se puede

desarrollar una representación visual del mal condicionamiento grafican-
do las ecuaciones (E7.8.1)y (E7.8.2) (recuérdese lafigura 7.2). Debido
a que las pendientes de las líneas son casi iguales, visualmente es difícil
de ver exactamente donde se intersectan. Esta dificultad. visual se refleja
cuantitativamente en los resultados inciertos del ejemplo 7.8. Esta situa-

ción se puede caracterizar matemáticamente escribiendo las dosecuacio-
nes en su forma general:
Dividiendo la ecuación (7.18)por a12 y la ecuación (7.19) por aZ2y or-

denando términos se obtienen las versiones alternativas del formato de
unalínearecta [x? = (pendiente) x1 + intersección].
a21 c2
x2 = "
x1 + "
a22 a22
Por consiguiente, silas pendientessoncasiiguales, entonces:
-all
=- 021
012 a22
o , multiplicandoencruz:
alla22 = a21a12
que se puede expresar también como:
alla22 - a 1 2 ~ 2 1
= 0 r7.201
Ahora, recordando que a l l a22 - a12a21 es el determinante del sis-

tema bidimensional [Ec. ( 7 . 3 ) ]se , puede obtener la conclusión general
de que un sistema mal condicionado es aquel en que su determinante
se aproxima a cero. En efecto, siel determinante es exactamente igual
a cero, las dos pendientes son idénticas, lo que produce de forma indis-
tinta o ninguna solución o un número infinito de ellas, como enel caso
del sistema singular mostrado enlafigura 7 . 2 1 y b.
Es difícil especificar qué tan cerca debe estar el determinante de cero
de manera que indique mal condicionamiento. Esto se complica por el
hecho de que un determinante puede cambiarsu valor simplemente mul-
tiplicando una o más ecuaciones por un factor escalar sin alterar la solu-
cicin. Por consiguiente, el determinante esun valor relativo que se modifica
conlamagnitudde los coeficientes.
ELlMlNAClONGAUSSIANA 241
EJEMPLO 7.9
Efecto de escalamiento en el determinante
Enunciadodelproblema:evalúeseeldeterminantedelossistemas Si-
guientes:
a) Del ejemplo 7.1:
3x1 + 2x2 = 18 [E7.9.1]

-x1 + 2x2 = 2 [E7.9.2]
b) Del ejemplo 7.8:
x1+ 2x2 = 10 [E7.9.3]
1.lxl + 2x2 = 10.4 [E7.9.4]
c) Repítase b) multiplicandolas ecuaciones por 10.
Solución:
a) El determinante de las ecuaciones (E7.9.1) y (E7.9.2) que es un sis-
tema bien condicionado, es:
D = 3(2) - 2(-1) = 8
b) El determinante de las ecuaciones (E7.9.3)y (E7.9.4),que es un sis-

tema mal condicionado, es:
D = l(2) - 2(1.1) = -0.2
c) Los resultados de a) y de b) parecen corroborar el argumento de que

los sistemas mal condicionados tienen determinantescercanos a cero.
Sin embargo, supóngase que el sistema mal condicionado b) se multi-
plicapor 10, para obtener:
10x1 + 20x2 = 100

11x1 + 20x2 = 104
La multiplicación de una ecuación por una constante no tiene efecto en
la solución. Además, aún está mal condicionado. Esto se puede verificar
multiplicando por una constante que no tenga efecto en la solución gráfi-
ca. Sin embargo, el determinanteresulta muy afectado.
D = lO(20) - 20(11) = -20
1 No sólo se han elevado dos órdenes de magnitud, sino que el determi-

nante es el doble del sistema bien condicionado a ) .
242 INGENIEROS
Como se ilustra en el ejemplo anterior, la magnitud de los coeficien-

tes interpone un efecto de escalamiento que complica la relación entre
la condición del sistema y el tamaño del determinante. Una manera de
evitar parcialmente esta dificultad es la de escalar las ecuaciones de for-
ma tal que el elemento máximo de cualquier renglón sea 1.
EJEMPLO 7.1 O
Escalamiento
Enunciado del problema: escálenselos sistemas de ecuaciones del ejem-

plo 7.9 a un valor máximo de 1y calcúlense de nuevo sus determinantes.
Solución:
a) En el sistema bien condicionado, el escalamiento genera
XI + 0.667~2= 6
-0.5x1 + x2 = 1
cuyo determinante es:

l(1) - 0.667(-0.5) = 1.333
b) En el sistema mal condicionado, el escalamiento genera:

0.5X1+ X2 = 5
0.55~1+ X:, = 5.2
cuyo determinante es:
0.5(1) - l(0.55) = -0.05

c ) En el último caso, e! escalamiento modifica el sistema de la misma
forma que b ) . Por lo tanto, el determinante también es 0.05, y el es-
calamiento no afecta.
En la sección anterior (sección 7.1.2),se dijo que el determinante es

difícil d e evaluar para más de tres ecuaciones simultáneas. Por lo tanto,
parece ser que noexiste una manera práctica de determinar la condición
de un sistema. Sin embargo, como se muestra en el recuadro 7.1, existe
un algoritmo simple que resulta de la eliminación gaussiana y que se puede
usar en la evaluación del determinante.
Además del planteamiento usado en el ejemplo anterior para calcu-
lar la condición de un sistema, existen otras formas de hacerlo. Por ejem-
plo, existen métodos alternativos para la normalización de elementos ( d a s e
Stark, 1970).Además, como se ve en el capítulo siguiente (sección 8.2.2),

la matriz inversa puede usarse en la evaluación de la condición de un sis-
tema. Finalmente, unapruebasimple (pero que consume mucho tiem-
po) consisteenmodificar un poco los coeficientes y repetirlasolución.
Si estas modificaciones generan resultados drásticamente diferentes, el sis-
temaprobablementeestámalcondicionado.
Como se puede deducir del análisis anterior, definitivamente no exis-
te un método simple para evaluar el mal condicionamiento. En la elimi-
RECUADRO 7.1 Evaluación de determinantesusando la eliminacion gaussiana
En la sección 7.1.2, se dijo que la evaluación de los de- D = a11a22m - ado) + a d o ) = a11a~~a33
terminantes por expansión de menores era impráctica
para conjuntos grandes de ecuaciones. De esta forma, Recuérdese que el paso de eliminación progresiva
se concluye que la regla de Cramer sólo es aplicable pa- de la eliminación gaussiana genera un sistema triangu-
ra sistemas pequeños. Sin embargo, como se dijo en la lar superior. Ya que el valor del determinante se puede
sección 7.3.3, el determinante tiene sentido cuando va- evaluar simplemente al final de este paso:
lorala condición de un sistema. Por lo tanto, sería útil
poseer un método práctico para calcular esta cantidad. D = a11a&a&. . . a?;') [B7.1.2]
Afortunadamente, la eliminación gaussiana propor-
ciona una forma simple de hacerlo. El método se basa en donde los superíndices indican que los elementos se
en el hecho de que el determinante de la matriz triangu- han modificado durante el proceso de eliminación. Por
lar se puede calcular simplemente con el producto de lo tanto, se puede aprovechar el esfuerzo que se ha he-
los elementos de su diagonal: cho al reducir el sistema a su forma triangular, y por aña-
didura obtener una aproximación al determinante.
Hay una pequeña modificación en el planteamien-
D = a11a22a33. . . ann [B7.1.1]
to anterior cuando el programa usa pivote0 parcial (sec-
ción 7.4.2). En este caso, el determinante cambia de
La validez de ,esta fórmula se puede ilustrar en sistemas signo cada vez que un renglón se usa como pivotal. Una
de 3 por 3: manera de representar esto es modificando la ecuación
(B7.1.2):
D = alla&?a:3 . . . ak-l)(-l)p [B7.1.3]
en donde p representa el número de veces en que los

en donde el determinante se puede evaluar como [re- renglones se usan como pivotales. Esta modificación se
cuérdese la ecuación (7.4)] puede incorporar de forma simple enun programa: úni-
camente se toma en cuenta el número de pivoteos que
se llevan a cabo durante los c6lculos y después se usa
la ecuación (B7.1.3) pata evaluar el determinante.
o, evaluando por menores (esto es, los determinantes

2 por 2).
nacióngaussiana.serecomiendaescalar el determinante como en el

ejemplo 7.10. Afortunadamente, la mayor parte de las ecuaciones alge-
braicas obtenidas de problemasde ingeniería por naturaleza son sistemas
bien condicionados. Además, algunas de las técnicas desarrolladas en la
siguiente sección ayudan a aliviarel problema.
7.4 TÉCNICAS DE MEJORAMIENTOEN

LAS SOLUCIONES
LES sipientzs técnicas se pueden incorporar al algoritmo de la elimina-
c i h gaussiana simple para evitar algunas de las desventajas analizadas
en la secciónprevia.
7.4.1 Uso de más cifras significativas
El remedio más simple para el mal condicionamiento es el de usar más
cifras significativas en los cálculos (compárense los ejemplos 7.5 y 7.7).
Si la computadora tiene la capacidad de extender el tamaño de las cifras
significativas aumentando el tamaño de la palabra, esta característica re-
duce mucho el problema.
7.4.2 Pivoteo
Como se dijo al principio de la sección 7.3, los problemas obvios ocurren
cuando un elemento pivotal es cero, debido al paso de normalización lo cual
origina una división por cero. Estos problemas se obtienen cuando el ele-
mento pivotal es cercano a cero en vez de ser exactamente igual, por lo
que si la magnitud del elemento pivotal es pequeño comparado con los
otros elementos, entonces se introducenerrores de redondeo.
Por lo tanto, antes de normalizar cadarenglón, es ventajoso determi-.
nar el coeficiente mayor disponible.Entonces se pueden intercambiar los
renglones de tal forma que el elemento mayor sea el pivotal. A este mé-
todo se le conoce conelnombre de piuoteo parcial. Si se busca tanto
en las columnas como en los renglones el elemento mayor y se intercam-
bian, entonces el procedimiento es de piuoteo total. El pivoteo total se
usa muy raramente en programas elementales, ya que el intercambio de
columnas cambia el orden de las x y, por consiguiente, aumenta la com-
plejidad de los programas, generalmente,sin justificación. El siguiente ejem-
plo ilustra la ventaja del pivoteo parcial. Además de evitar la división por
cero, el pivoteo también minimiza el error de redondeo. Como tal, sirve
también como remedio parcial almal condicionamiento.
EJEMPLO 7.1 1
Pivoteo parcial
Enunciado del problema: úsese la eliminación gaussiana para resolver:
0.000 3x1 + 3.000 0x2 = 2.000 1

1.000 0x1 + 1.000 0x2 = 1.000 o
Nótese que en esta forma el primer elemento pivotal, a l l = 0.000 3 , es
muy cercano a cero. Después repítanse los cálculos con pivote0 parcial
pero invirtiendo el orden de las ecuaciones. La solución exacta es x1 =
1/3 y x2 = 2/3.
Solución: normalizando laprimer ecuación se obtiene:
x1 + 10 000x2 = 6 667
lacual se puede usar para eliminar x1 de la segunda ecuación:
-9 999x2 = -6 666
x2 = 2/3
Este resultado se puede sustituirenlaprimer ecuación y evaluar xl:
2.000 1 - 3(2/3)
x1 = [E7.11.1]
0.000 3
Sin embargo, el resultado es muy sensitivo al número de cifras significati-

vasincluidasenel cálculo:
Valor absoluto
del error
relativo
Cifras porcentual
significativas x? X1 ¿e x1
3 0.667 -3.33 1 099

4 0.666 7 0.000 1 O0
5 0.666 67 0.300 O0 10
6 0.666 667 0.330 O00 1
7 666
0.666 7 0.333 O00 O o. 1
Nótese que la solución para x1 depende mucho del número de ci-

fras significativas. Esto se debe a que en la ecuación (E7.11.1), se resta-
ron dos números casi iguales (recuérdeseel ejemplo 3.4). Por el otro lado,
si se resuelven las ecuaciones en orden inverso, se normaliza el renglón
con el elemento pivotal mayor. Las ecuaciones son:
246 METODOS
INGENIEROS NUMERICOS PARA
1.000 Ox1 + 1.000 ox* = 1.000 o

0.000 3x1 + 3.000 0x2 = 2.000 1
La normalización y la eliminación produce x2 = 2/3. Para cantidades di-
ferentes de cifras significativas, x1 se puede calcular de la primera ecua-
ción,como:
[E7.11.2]
Este caso es mucho menos sensitivo al número de cifras significativas en

los cálculos:
Valor absoluto
del error
relativo
Cifras porcentual
significativas x2 X1 de x1
0.667 0.333 0.1

0.666 7 0.333.3 0.01
0.666 67 0.333 33 0.001
0.666 667 0.333 333 0.000 1
0.666 666 7 0.333 333
3 0.000 o1
De esta forma, la estrategiapivotalesmuchomássatisfactoria.
Los programas de NUMERICOMP de propósitos generales que acom-

paiían este libro, incluyen a menudo una estrategia pivotal.La figura 7.8
muestra un algoritmoparaimplementarestaestrategia.Esteprograma
se puede integrar al de la figura 7 . 4 para incorporar el pivote0 parcial en
los programas del usuario.
7.4.3 Escalamiento
En la sección 7.3.3 se dedujo que el escalamiento influye en la estandari-
zación del valor del determinante. Más allá de esta aplicación, tiene utili-
dad en la minimización de los errores de redondeo para aquellos casos
en donde alguna de las ecuaciones de un sistema tiene unos elementos
mucho más grandes que otros. Estas situaciones se encuentran frecuen-
temente en la ingeniería cuando se usan ampliamente unidades diferen-
tes en el desarrollo de ecuaciones simultáneas. Porejemplo, en problemas
de circuitos eléctricos, los voltajes desconocidos se pueden expresar en
FORTRAN BASIC
31:103 .m = t K = r e p r er seen
eng
lptliadvno t a l
302hj B : AB', 1 A l I .t.. I I ( A l m a c e n a el valor absoluto del pivote actual)
3ü:xj FOR 1 = I + I TLJ N
3ü4<:, I W = ABS I A ( I I., # ) . ICiclo que compara los elementos de las
3 0 5 . > I F P - BF' . =- ü THEN 3ü8U
:üad E c BF' pivotel el contra
columnas
otras
. ...
31171'1
~ I.) = .I
308o biEx r I
-, . -
~C.1'90 I F J.1 -- I, *: ü THLN 3150 pivote(Si el
escogido es el m a y o r ,
entonces regresa al programa
IF ( 6 - B P . G E . O . X O T O 308U .
3 1 1 0 I€ = A l IJ. ..I1
principal)
&=RP
. .
.. -
.I .I= I 313ü A l b ~ d )= 1E
303r) C O N T I N U E 3140 N t k l J (Si no es asl, este ciclo
?O90 I F ( J J - K . E O . O . 0 ) COTO 3 1 5 0 3150 Rtll.lFIN lntercambia los renglones1
O0 3140 J-K,Nl
TE=&< J J . J ) (Regresa al programa principal
fi(JJ,J>-R(K,J) a continuar c o n la eliminacidnl
A f K , J )=TE
3140 CONTINUE
3150 C O N T I N U E
RETURN
END
FIGURA 7.8 Programa en FORTRAN y BASIC para implementar el pivoteo parcial.
unidades que varían desde microvolts hasta kilovolts. Se pueden encon-

trar ejemplos similares en todoslos campos de la ingehiqría. Mientrasca-
da una de las ecuaciones sea consistente, técnicamentd el sistema será
correcto y tendrá solución. Sin embargo, el uso de unidades completa-
mente diferentes puede generar coeficientes de magnitudes que difieran
ampliamente entre sí. Esto puede tener un impacto sobre el error de re-
dondeo ya que afecta al pivoteo, como se puedeverenelsiguiente
ejemplo.
EJEMPLO 7.12
Efectos del escalamiento en el pivoteo y el redondeo
Enunciado del problema:

a ) Resuélvase el siguiente conjunto de ecuaciones usando la eliminación
gaussiana y la estrategia del pivoteo:
2x1 + 100 000x2 = 100 O00

x1 + x2 = 2
b) Repítase la solución anterior después de escalar las ecuaciones de tal

forma que el coeficiente máximo en cada renglón sea 1. En ambos
casos, reténganse sólo tres cifras significativas. Nótese que las respues-
tas correctas son x1 = 1 .O00 02 y x2 = 0.999 98 o, con tres cifras
significativas, x1 = x2 = 1.00.
Solución:
a) Sin escalar,, se aplicalaeliminaciónhaciaadelante y se obtiene:
2x1 + 100 000x2 = 100 O00

-50 000x2 = -50 O00
I
quesepuederesolverporsustituciónhacia atrás, para obtener:

x:, = 1.00
x1 = 0.00
Aunque x2 es correcta, x1 tiene un 100% de error debido al redon-
deo.
b ) El escalamientotransformalas ecuaciones originales en:
0.000 02x1 + x2 = 1
x1 + x2 = 2
Por lo tanto, se debe aplicar el pivote0 a los renglones y colocar el
valormayorsobrela diagonal.
IC1 + x:, = 2
0.000 02x1 + x2 = 1
Laeliminaciónhaciaadelante genera:
x1 + x2 = 2
x1 = 1.00
x1 = x:, = 1
~
~ De esta forma, el escalamientoproduceunarespuesta correcta.
AIigual que enel ejemplo anterior, el escalamiento aquí tiene utilidad

para minimizar los errores de redondeo. Sin embargo, se debe notar que
el escalamiento mismollevaimplícito un error de redondeo. Por ejem-
plo, dada la ecuación:
2x1 + 300 OOOXZ = 1

y usando tres cifras significativas, el escalamiento produce:
0.000 006 67x1 + x2 = 1

Por lo que e l escalamiento introduce un error de redondeo en el primer

coeficiente. Por esta razón, algunas veces se sugiere que el escalamiento
sólo se emplee en casos donde realmente sea necesario, esto es, cuando
el sistema involucre coeficientes de magnitudes muy diferentes.
7.4.4 Corrección de errores
En algunos casos, el pivote0 parcial y el escalamiento no son suficientes

para asegurar resultadosprecisos. Por ejemplo, recuérdese el ejemplo 7.7,
que tenía los elementos mayores en la diagonal, pero que debido a los
errores de redondeo,la solución final aún presentaba errores. Estos erro-
res, en general se pueden reducir con el siguiente procedimiento. Consi-
dérese un sistema de ecuaciones lineales de la forma:
[7.21]
anlxl + aax2 + * * + a,,x, = c,

Supóngase que se tiene un vector solución aproximado dado por kl,
kz, . . . , k,,.Estos resultados se sustituyen en la ecuación (7.21), para
dar :
[7.22]
Ahora supóngase que la solución exacta xlr xz, . . . , x , se expresa en

función de 21, 2 2 , . . . , k,, y de los factores de corrección Ax,,
Ax2, . . . , Ax,, en donde
[7.23]
x, = R, + Ax,
-. - . .
" ..
Si estos resultados se sustituyenenla ecuación (7.21) da como conse-

cuencia el siguiente sistema:
Ahoralaecuación (7.22) se puederestarde la ecuación (7.24) para

obtener:
allAxl + a12Ax2 + * * + alnAx,= c1 - El = El
azlAxl + a22Ax2 + * * + az,Ax, = c~ - E2 = €2
[7.25]
anlAxl+ ~ ~ ~ 2 +
6 x* 2 + a,,Ax,, = c, - E, = E,
Este sistema en sí mismo es un conjunto de ecuaciones lineales simultá-

neas que se puede resolver obteniendo con ello los factores de correc-
ción. Estos factores se pueden aplicar para mejorar la solución especificada
porla ecuación (7.23).
EJEMPLO 7.13
Uso de las ecuaciones de error para corregir los de redondeo
Enunciado del problema: recuérdese que en el ejemplo 7.7 se usa la eli-

minación gaussiana con tres cifras significativas para resoher
0.1~1+ 7x2 - 0 . 3 ~ 3= -19.3.
O.3X1 - 0 . 2 ~ 2+ 10x3 71.4

, Debidoalnúmerolimitadodecifrassignificativas,lasolucióndifierede
la verdadera (x1 = 3 , x2 = -2.5, x3 = 7) en:
ELlMlNAClON 25 1
x1 = 3.17 E, 5.7%
x2 = -2.51 E, = 0.4%
x3 = 7.02 E, = 0.29%
Úsense las ecuaciones del error para refinar estas aproximaciones.
Solución: la sustitución de las soluciones en el conjunto original de ecua-

ciones produce el vector de términos independientes:
[elT= [8.36 -19.4 71.71

que no es igual al valor real. Por lo tanto, se puede desarrollar un vector
de error:
Ahora, se puede generar un conjunto de ecuaciones error [Ec. (7.25)]:
3AX1 - 0.1Ax2 - 0.2Axs = -0.51

O.lAx1 + 7AX2 - 0.3Ax3 = 0.1
O.3Ax1 - 0.2A~2+ 1OAx3 = -0.3
que se puede resolver (usando tres cifras significativas de forma tal que
exista consistencia con elproblema original), para obtener:
[AX]' = [-0.1710.015 7 -0.02461
los cuales se pueden usar para corregir las soluciones, dando:
XI = 3.17 - 0.171 = 3.00

x2 = -2.51 + 0.015 7 -2.49
x3 = 7 O2 - 0.024 6 = 7.00
que se aproximanmuchomás a la soluciónverdadera
Ecuaciones del error en los programas. Se pueden integrar las ecua-

ciones del error en los programas de la eliminación gaussiana. En la figu-
ra 7.9 se delinea un algoritmo que realiza esta tarea. Nótese que para
hacer más efectiva la corrección de sistemas altamente mal condiciona-
FIGURA 7.9 Algoritmo de eliminacióngaussianaqueincluyecorreccióndeerrores.
dos, las E en la ecuación (7.25)se deben expresar en aritmética de doble

precisión. Esto se hace fácilmente en FORTRAN pero en algunas imple-
mentaciones de BASIC no esposible hacerlo.
7.5 RESUMEN
En resumen, este capítulo se ha dedicado a la eliminación gaussiana, el
método fundamentalen la solución de sistemas deecuaciones algebraicas
lineales. Aunque ésta es una de las técnicas más antiguas desarrolladas
para este propósito, aún es un algoritmo muy efectivo en la obtención de
solucionesdemuchosproblemas de ingeniería.Ademásde suutilidad
práctica, proporciona un contexto enel estudio general de temas tales
como los errores de redondeo, escalamiento y condicionamiento.
Las respuestas que se obtienen mediante el método de eliminación
gaussiana se pueden verificar sustituyéndolas en las ecuaciones origina-
les. Sin embargo, esto no siempre representa una prueba confiable si el
sistema está mal condicionado. Por lo tanto, si se sospecha de un error
de redondeo, entonces se debe calcular alguna medida de la condición
tal como e l determinante del sistemaescalado. Dos opciones que amino-
ran los errores de redondeo son el uso del pivote0 parcial y eluso de
más cifras significativas en los cálculos. Si el problema parece ser sustan-

cial, la corrección de errores (sección 7.4.4) se puede usar algunas veces
para mejorar la solución.
Existen otros planteamientos y variaciones de la eliminación gaussia-
na para satisfacer las necesidades particulares. Por ejemplo, como se ex-
plica en el recuadro 7.2, se puede formular una versión muy eficiente
de la eliminación gaussiana para sistemas tridiagonales. El capítulo 8 se
encarga de mostrar dos métodos diferentes,el de Gauss-Jordan y Gauss-
Seidei.
RECUADRO 7.2 Sistemas de banda: el caso tridiagonal
Una matriz banda es una matriz cuadrada que tiene todos soluciones en diferencias finitas de ecuaciones diferencia-
sus elementos iguales a cero, con excepción de una ban- les parciales. Además hay otros métodos numéricos tales
da centrada sobre la diagonalprincipal (recuérdese Ill. 1). como la interpolación cúbica segmentaria (sección 11.4)
En el caso en que el ancho de banda es 3, a lamatriz se que requieren la solución de sistemas tridiagonales.
le conoce con un nombre especial: matriz tridiagonal. Los Un sistematridiagonal es aquél en el que los coefi-
sistemas tridiagonales se encuentran frecuentemente en cientes están ordenados enforma tridiagonal, como en:
la ciencia y en la ingeniería. Por lo general resultan de las
d3X2 + e3x3 + f3x4
Nótese que se ha cambiado la notación de los coeficien- sistema, la implementación del algoritmo de la eliminación
tes del sistema tridiagonal de las a y las c a las d, e , f y gaussiana se puede simplificar mucho y las soluciones se
g. Esto se hizo para evitar el almacenamiento de cantida- obtienen deuna manera muy eficiente. Para el sistema
des grandes de ceros en la matriz de a. Esta modificación tridiagonal los pasos de eliminación progresivase simplifi-
que ahorra espacio, es muy ventajosa ya que el algoritmo can ya que la mayor parte de sus elementos son cero. En
resultante requiere menos espacio en memoria. seguida las incógnitas restantes se evalúan por sustitución
Como era de esperarse, los sistemas bandados sepue- hacia atrás. El algoritmo completo se expresa de forma
den resolver con una técnica similar a la eliminación gaus- concisa en los programas siguientes:
siana. Sin embargo, debido a la estructuraúnicadel
FORTRAN c
I "IO
I"-"
PROBLEMAS
Cálculos a mano
7.1 Escríbase el siguiente conjunto de ecuaciones ennotaciónmatricial:
Escríbase la transpuesta de la matriz.
7.2 Algunas
matrices se definen como:
[Al = [ 1 5 6
2 131
4 0 5
[Bl = [ ;;;]
4 3 1
[Cl = [a]
5 4 3 6
[GI = [ 8 6 41
Respóndase a lassiguientespreguntasde acuerdo a las matrices anteriores:

o) ¿Cuáles sonlas dimensiones de lasmatrices?
b) Identifíquenselasmatrices cuadradas, columna y renglón.
c) Cuáles son los valores de los elementos:
012 b23 d32 e22 112 912
d) Efectúense lassiguientes operaciones
7.3 Se definen
tres
matrices como:
a) Efectúense todas lasmultiplicacionesposibles que se pueden llevar a cabo

eptre parejas de estas matrices.
b) Usese el método del recuadro 111.2 para justificar por qué las parejas restan-
tes no se pueden multiplicar
c) Úsense los resultados de a) e ilústresepor qué es importanteelorden de

lasmultiplicaciones.
7.4 Úsese el método gráfico para resolver:
4x1 - 6x2 = "22
-xl + 12x2 = 58
verifíquense los resultados sustituyéndolos en las ecuaciones originales
7.5 Dado el sistema de ecuaciones:
o.75X1 + xp = 14.25
1 . 1 +
~ ~
1 . 6 ~
= ~22.1
a) Resuélvase gráficamente.
b) En base a la solución grAfica, 'quése espera acerca de la condición del sistema?
c) Resuélvase por eliminación de incógnitas.
d ) Verifíquense las respuestas sustituyéndolasen las ecuaciones originales.
7.6 Para el conjunto de ecuaciones:
a) Calcúlese su determinante.
b) Usese la regla de Cramer y resuélvase para las x.
c) Sustitúyanse los resultados en la ecuación original y compruébense los mismos.
7.7 Dadas las ecuaciones:
-
0.5~1 x2 = -9.5
0 . 2 8 ~ 1- 0 . 5 ~ 2= -4.72
a) Resuélvanse gráficamente.
b) Después de escalarse, calcúlese su determinante.
c) En base a a) y b) ¿qué se puede esperar de la condicióndelsistema?
d ) Resuélvanse poreliminación de incógnitas.
e ) Resuélvanse otra vez, pero modificando all a 0.55. Interprétense los resul-
tados de acuerdo al análisis de mal condicionamiento de la sección 7.1.1.
7.8 Dado el sistema
"12x1 + x2 - 7x3 = -80
x1 - 6x2 + 4x3 = 13
-2x1 - x2 + = 92
a) Resuélvase con el uso de la eliminación gaussiana simple. Muéstrense todos

los pasos de los cálculos.
b) Sustitúyanse los resultados enlas ecuaciones originales y compruébense las
respuestas
7.9 úsese la eliminación gaussiana para resolver:
4x, + 5x2 - 6x,{ = 28
ZX, - 7x3 = 29
- 5 ~ 1 - 8x2 = -64
Empléese el pivoteo parcial y compruébense las respuestas sustituyéndolas en las

ecuaciones originales.
7.10 Úsese la eliminación gaussiana para resolver:
3x2 - 13~,$= -50
Zx, - 6x2 + x:( = 44
4x, + 8x,: = 4
Empléese el pivoteo parcial. Compruébense las respuestas sustituyéndolas en las

ecuaciones originales.
7.11 Repítase el ejemplo 7.6 con el coeficiente de rozamiento al doble.
7.12 Resuélvase el siguientesistematridiagonal:
5x, + 4x2 = 25
4x, - 3x, + 7x,3 = 3

x2 - +
6x3 4x4 = 17
12x,, + 2x, = 36
7.13 Efectúense los mismos cálculos del ejemplo 7.6, pero usando cinco paracaidistas
conlassiguientes características:
Paracaidista Masa, kg Coeficientes de rozamiento, kgls
1 60 15
2 80 14
3 75 18
4 75 12
5 90 10
Los paracaidistas tienen unavelocidad de 10 m / s

Problemas para resolver con una computadora
7.14 Escríbase un programa general para multiplicar dos matrices, esto es, [X] = [y][ Z l
donde [X]es m por n y [ Z l es n por p. Pruébese elprogramausando
7.15 Escríbase un programa que genere la transpuestadeunamatriz. Pruébese con
7.16 Reprográmese la figura 7 . 4 de tal forma que sea más legible al usuario. Entre otras
cosas:
a) Intégrese lafigura 7 . 8 al programa de tal forma que éste realice pivote0

parcial.
b) Documéntese el programa para identificar cada sección.
c) Etiquétese la entrada y la salida.
d) Escálense las ecuaciones de talforma que el coeficiente mayor en cada
renglón sea 1. Calcúlese el determinante como una medidadela condi-
cióndelsistema (opcional).
7.17 Pruébese el programa desarrollado en el problema 7.16 duplicando los cálculos

del ejemplo 7 . 5 y 7 . 6 .
7-18 Úsese el programa desarrollado en el problema 7 . 1 6 y repítanse los problemas

7 . 8 al 7.11.
7.19 Repítanse los problemas 7 . 1 7 y 7 . 1 8 usando los programas de NUMERICOMP

disponibles con el texto. Usese también NUMERICOMP para realizar una prueba
de error para cada problema.
7.20 Desarróllese un programa para sistemas tridiagonales legibles al usuario y basán-

dose en el recuadro 7.2.
7.21 Pruébese el programa desarrollado en el problema 7 . 2 0 resolviendo el problema

7.12.
7.22 Resuélvase el problema 7.13 usando los programas desarrollados en el problema

7.16.
CAPíTULO OCHO
GAUSS-JORDAN,
INVERSIóN DE
MATRICES Y
GAUSS-SEIDEL
En estecapítulo se describendosmétodosadicionalespararesolver
ecuaciones lineales simultáneas.El primero de ellos, el método de Gauss-
Jordan es muy similar al de la eliminación gaussiana. El motivo principal
para introducir estatécnica, estriba en que proporcionauna forma simple
y conveniente de calcular la inversa de una matriz. La inversa tiene un
gran númerodeaplicaciones enla ingeniería.Estemétodotambién
proporciona los medios para evaluar la condición de un sistema.
El segundo de ellos, el método de Gauss-Seidel es fundamentalmente
diferente al deeliminacióngaussiana y al de Gauss-Jordan porque es
un método de aproximaciones iteratiuas.Esto es, emplea un valor inicial
y mediante iteraciones obtieneuna aproximación más exacta a la solución.
El método de Gauss-Seidel se adapta, en particular a grandes sistemas
de ecuaciones. En estos casos, los métodosdeeliminaciónestán su-
jetos a los errores de redondeo. Ya que elerrorenelmétodo de
Gauss-Seidel se puede controlar mediante el número de iteraciones, los
errores de redondeo no tienen quever con esta técnica. Sin embargo hay
ciertos casos en que el método de Gauss-Seidel no converge a la respuesta
correcta. Se discutenenlassiguientespáginasestos y otros elementos
de juicio para escoger entre la eliminación y los metodos iterativos.
8.1 MÉTODO DE GAUSS-JORDAN

El método de Gauss-Jordan es una variación de la eliminación gaussiana.
La principal diferencia consiste en que el método de Gauss-Jordan cuando
se elimina una incógnita no sólo se elimina de las ecuaciones siguientes
sino de todas las otras ecuaciones. De esta forma, el paso de eliminación
genera una matrizidentidadenvezde una matriz triangular (Fig. 8.1).
Por consiguiente, no es necesario emplear la sustitución hacia atrás para
obtener la solución. El método se ilustra mejorcon un ejemplo.
FIGURA 8.1 Esquema gráfico delmétodo de Gauss-Jordan. Compárese con la figura

7.3 y nótese la diferencia entreeste método y el de eliminación gaussiana.
LOS asteriscosindicanqueelvector de términosindependientes se ha
modificado varias veces.
EJEMPLO 8.1
Método de Gauss-Jordan
Enunciado del problema: úsese el método de Gauss-Jordan para resol-

ver el mismo sistema del ejemplo 7.5:
3x1 - 0.1~2- 0 . 2 ~ 3= 7.85

0.1~1+ 7x2 - 0 . 3 ~ 3
= -19.3
0 . 3 ~ 1- 0.2~2+ 10x3 = 71.4
Soluci6n: en primer lugar, se expresan los coeficientes y el vector de tér-

minos independientes como una matriz aumentada:
3 -0.1 -0.2
[os 7 -0.3 -19.3
0.3 -0.2 10 71.4
En seguida se normaliza el primer renglón dividiéndolo por el pivote 3,

para obtener:
GAUSS-JORDAN,
INVERSldN DE MATRICES Y GAUSS-SEIDEL 26 1
1 -0.033 333 3 -0.066 666 7 I

0.1 7
10 0.3 -0.2
-0.3 I
I
I
El término x1 se puedeeliminardelsegundorengónrestando
2.616 67
-19.3
71.4 1
0.1 ve-
ces el primerodelsegundorenglón. Deuna manerasimilar,restando
0.3 veces el primero del tercer renglón se elimina el término con x1 del
tercer renglón:
[
1 -0.033 333 3 -0.066 666 7
O 33
-0.293
7.003
O -0.190 O00
333
10.020 O
I
~
2.616 67
I -19.561 7
70.615 O 1
En seguida, se normaliza el segundo renglón dividiendolo entre 7.003 33:
1 -0.033 333 3 -0.066 666 7
[Oo "0.190 O00

Reduciendolostérminos
obtiene:
-0.041 884 8 1
10.020 o
~
~
2.61667
"2.793 20
70.615 O 1
en x2 de laprimera y la tercera ecuación se
1 O -0.068 062 9 I 2.523 5 6 1

O 1 -0.041 884 8 ~ -2.793 20
o o 10.012 o I 70.084 3
El tercerrenglón se normalizadividiéndoloentre 10.012 O:
1 O -0.068 062 91 2.523 56

O 1 -0.041 884 81 -2.793
O 0 1
Finalmente, los términos con x3 se puedenreducirdelaprimera y se-
gunda zcuación para obtener:
1 o o
1
~
3.000 O0
O 1 O I 2.500 O 1
O O 1 ~
7.000 03
De esta forma, como se muestra en la figura 8.1: la matriz de coeficientes
se ha transformadoenlamatrizidentidad y la solución se ha obtenido
en el vector de términos independientes. Nótese que nose necesita susti-
tuciónhaciaatrásparaobtenerlasolución.
Todo el materialdelcapítulo 7 relacionadocon las ventajas y

desventajas de la eliminación gaussiana se aplican también al método de
Gauss-Jordan. Por ejemplo, se puedeusar una estrategia similar al pivoteo
para evitar divisiones por cero y reducir el error de redondeo.
Aunque los métodos de Gauss-Jordan y de eliminación gaussiana
pueden parecer casi idénticos, el primero requiere aproximadamente de
50 % menos operaciones. Por lo tanto, la eliminación gaussiana es el
método simple por excelenciaen la obtención de soluciones exactas a las
ecuaciones lineales simultáneas. Una de las principales razones para incluir
en este capítulo el método de Gauss-Jordan, es la de proporcionar un
método directo de obtener la matriz inversa, tal como se describe en la
sección 8.2
8.1.1 Algoritmo del método de Gauss-Jordan
Enla figura 8.2 se muestra un algoritmo del método de Gauss-Jordan

sin pivote0 parcial. Un esquema con pivoteomuy parecido al que muestra
e n la figura 7.10 se puede incorporar a este algoritmo.
8.2 INVERSIóN DE MATRICES

Enla introduccióna las operacionesconmatrices(sección 111.2.2) se
menciona que si una matriz es cuadrada, entonces existe otra matriz,
[A]- I , llamada la matriz inversa de [ A ] ,para el cual [Ec. (111.3)]:
[A] [A]" = [A]" [A] = [I]

También se demuestra que la inversa se puede usar para resolver un
conjunto de ecuaciones simultáneas, si se toma [Ec. (111.6)J:
[XI= [Al" [CI @.11
La aplicación de la inversa ocurre cuando es necesario resolver varios
sistemas de ecuaciones de la forma:
que difieren únicamente en el vector de términos independientes [ C ] .En

vez de resolver cada sistema por separado, unaalternativa diferente consiste
en determinar la inversa de la matriz de coeficientes. Entonces, se puede
usar la ecuación (8.1)para obtener las soluciones, simplemente multi-
plicando la matriz [A] por el vector de términos independientes corres-
pondiente [ C ] .Ya que la multiplicación matricial es mucho más rápida
que la inversión, el consumo de tiempo se lleva a cabo sólo una vez y
después se obtienen las soluciones adicionales de una manera eficiente.
También, como se menciona en la sección 8.2.1, los elementos de la
inversa son extremadamente útiles en sí mismos.
FIIGUI 1.2 Di( irama
dle flu¡ ?Imeí'O(d 0 de
G'auss .dan, SIin pi-
V(,te0 cial.
FIGURA 8.3 Esquema gráfico del métodode Gauss-Jordan, con inversiónde matrices.
Con el método de Gauss-Jordan se puede calcular directamente la

inversa. Para hacerlo, la matriz de coeficientes se aumenta con una ma-
triz identidad (Fig. 8.3).Posteriormente se aplicael método de Gauss-
Jordan para reducirla matriz de coeficientes a la matriz identidad. Cuando
se completa esta tarea, el lado derecho de la matriz aumentada contiene
lamatriz inversa.Esta técnica seilustraenel ejemplo siguiente.
EJEMPLO 8.2
El uso del método de Gauss-Jordan en el cálculo de la matriz inversa
Enunciado del problema: determínese la matriz inversa del sistema resuelto
en el ejemplo 7.5. Obténgase la solución multiplicando [ A ]-1Por el vec-
tor de términosindependientes: [CIT = [ 7.85 -19.3 71.4 1. Además,
obténgase la solución para un vector de términos independientes diferente:
[CIT = [20 50 151.
Solución: auméntese la matriz de coeficientes con una matriz identidad:
3 -0.1 -0.2 I 1 o o
-0.3 I O 1 O]
0.3 -0.2 10 j O O 1
Usando all como pivote, el renglón 1 se normaliza y se usa para elimi-

nar a x1 de los otros renglones
1 -0.033 333 3 -0.066 666 7 I 0.333 333

O 7.003 33 -0.293 333 1-0.033 333 3
o -0.190 O00 10.020 o ~ -0.099
999
9 o 1
GAUSS-JORDAN,
MATRICES
INVERSldN DE Y GAUSS-SEIDEL 265
En seguida, se usa aZ2como pivote y xp se elimina de los otros renglones
1 O -0.068057 , 0.333
175
0.004
739
329 0
O 1 -0.041706 1 -0.004739330.142 180
I
~
o o 10.012 1 -0.100
0.027
90 014
2 O11
Finalmente, se usa a33como pivote y x3 se elimina de los renglones res-

tantes:
I
1 O O
O 1 O
0 0 1
I
I
0.332
489
0.004
922
97
0.006
-0.005 1640.142
4
798
13
293
"0.010 077 9 0.002 698160.099
0.004
183 46
880 1 1
Por lo tanto, lainversa es:
0.332 489 0.004 922 97 0.006 798 13

-0.005 164 4 0.142 293 0.004 183 46
"0.010 077 9 0.002 698 16 0.099 880 1
Ahora, la inversa se multiplica por el primer vector de términos indepen-

dientes, obteniendo la solución:
x1 = 7.85 (0.332 489) - 19.3(0.004 922 97) + 71.4(0.006 798 13)

= 3.000 411 81
x2 = 7.85(-0.005 164 4) - 19.3(0.142 293) + 71.4(0.004 183 46)
- 2.488 096 40
x3 = 7.85(-0.010 077 9) - 19.3(0.002 698 16) + 71.4(0.099 880 1)

= 7.000 25314
La segunda solución, simplemente se obtiene realizando otras multiplica-
ciones, como:
x1 = 20(0.332489) + 50(0.00492297) + 15(0.006 798 13)

= 6.997 900 45
x2 = í!O(-0.005 164 4) + 50(0.142 293) + 15(0.004 183 46)
= 7.074 113 9
X3 = 20(-0.010 O77 9) + 50(0.002 698 16) + 15(0.099880 1)

= 1.431 55150
8.2.1 Cálculos estírnulo-respuesta
Como sedijo enla sección III.1.2, muchos de los sistemaslinealesde

ecuaciones usados en ingeniería se derivan de las leyes de conservación.
La expresión matemática de estas leyes es un tipo de ecuaciónes de ba-
lance que asegura que se conserve una propiedad en particular; masa,
fuerza, calor, momento u otras. En el equilibrio de fuerzas de una estruc-
tura, las propiedades pueden tener componentes horizontales y vertica-
les de las fuerzas que actúan sobre cada nodo de la estructura (véase el
caso de estudio 9.3). Para un balance de masas, las propiedades pueden
ser la masa en cada reactor de un proceso químico. Existen ejemplos si-
milaresen otros campos de la ingeniería.
Se puede escribir una ecuación simple de balance para cada una de
las partes del sistema, generando un conjunto de ecuaciones que definen
el comportamiento del sistema completo. Estas ecuaciones se interrela-
cionan o se acoplandemaneraque cada ecuaciónincluyeuna o más
de las variables de las otras ecuaciones. En muchas ocasiones, los siste-
masson lineales, y por lo tanto, dela forma exacta que se ha tratado
en estecapítulo:
Ahora, en ecuaciones de balance, los términos de la ecuación (8.2)

tienen interpretación física definida. Por ejemplo, los elementosde [X]
representan los valores de las variables que se están equilibrando para
cada unadelaspartesdel sistema. Enelequilibrio de fuerzas de la es-
tructura, representan las fuerzas verticales y horizontales de cada miem-
bro. En el balance de masas, son las masas de sustancia química en cada
uno de los reactores. En cualquier caso, representan las respuestas o es-
tados del sistema que está tratando de determinar.
El vector [ C ]de términos independientes contiene aquellos elemen-
tos del balance que son independientes del comportamiento delsistema,
esto es, son constantes. Como tales, representan las fuerzas externas o
los estímulosquemanejan al sistema.
Finalmente, la matriz [ A ] de coeficientes contiene, en general los pa-
rámetros que expresancomo interactúa el sistema o su acoplamiento. Por
consiguiente, la ecuación (8.2) se puedereexpresar como:
[Iteraciones] [respuestas] = [estímulos]
Ahora, como se ha visto en este capítulo, existen muchas formas de re-

solver la ecuación (8.2).Sin embargo, elusodelamatrizinversalleva
a un resultado particularmente interesante. La solución formal [Ec. (8.1)]
se puede expresar como:
INVERS16N
GAUSS-JORDAN, Y GAUSS-SEIDEL 267
o (recordandola definición de multiplicaci6n matricial del recuadro

111.2):
De esta forma, se ha encontrado que la matriz invertida misma, además

de proporcionar una solución, tiene propiedades muy útiles. Esto es, ca-
da uno de sus elementos representa la respuesta de una parte simple del
sistema a un estímulounitarioencualquierpartedelmismo.
Nótese que estas formulaciones son lineales y , por lo tanto, se cum-
plela superposición y la proporcionalidad. La superposición indica que
si un sistema está sujeto a varios estímulos diferentes (las c) , las respues-
tas se pueden calcular individualmentey sumarse los resultados para ob-
tener la respuesta total. La proporcionalidad indica que si se multiplica
el estímulo por una cantidad genera una respuesta respecto al estímulo
multiplicadaporlamisma cantidad.Deesta forma, el coeficiente all'
es una constante deproporcionalidadqueproporcionaelvalorde x1
debido al nivel un'ttario cl. Este resultado es independiente de los efectos
de c2 y c3 sobre xl, los cuales se reflejan sobre a A 1 2y a A 1 3respectiva-
mente. Por lo tanto, se puede llegar a la conclusión general de que el
elemento a -llj de la matriz invertida representa el valor de x1 debido a la
cantidad unitaria de cj. Usando el ejemplo de la estructura, el elemento
a A gde la matriz inversa representa la fuerza en el miembro i debido a una
fuerza externa individual en el nodo. j. Aun para sistemas pequeños, los
comportamientos de las interacciones estímulo respuesta individuales no
son obvios. Por lo que, la matriz inversa proporciona una técnica potente
para comprender las interrelaciones de partes componentes de sistemas
complicados. Esta potencia se demuestra enel caso deestudio 9.3.
8.2.2 La inversa y el malcondicionamiento
Además de sus aplicaciones a la ingeniería, la inversa también suministra

una manera de discernir cuando los sistemas están mal condicionados.
Existentresmétodosparaestepropósito:
1. Escalar lamatriz decoeficientes [ A ] ,detalformaqueel elemento

-'
mayor en cada renglón sea 1. Si los elementos de [ A ] son varias
órdenes de magnitud más grandes que los elementos de lamatriz
original, entonces probablementeéstaesté mal condicionada.
2. Multiplicarlainversaporlamatrizde coeficientes original y estimar
si el resultado se encuentra cerca de la matriz identidad. Si no lo es-
tá, entonces haymal condicionamiento.
3. Invertirlamatrizinvertida y estimar siel resultado está lo suficiente-

mente cerca de la matriz original. Si no lo está, nuevamente el siste-
ma está mal condicionado.
8.2.3 Algoritmo para la inversión matricial
El algoritmo de la figura 8 . 2 se puede modificar para calcularla matriz in-

versa.Estoimplica,aumentar lamatriz de coeficientesconuna matriz
identidad al principio del programa. Además, alguno de los indices que
manejan un ciclo se debe aumentar al doble para que los cálculos se Ile-
ven a cabo en todas las columnas de la matriz de coeficientes aumentada.
Si se incorpora el pivote0 parcial en el algoritmo de Gauss-Jordan,
entonces se requieren algunas modificaciones adicionales. Esto se debe
a que cada vez que un renglón de lamatrizusa un pivote, lacolumnd
de lamatriz inversa se debe ajustar de forma similar.
La figura 8.4 ilustra este fenómeno. Por ejemplo si el renglón 3 se usa
como pivote o se mueve a la posiciónentre los renglones 1 y 2 , se
modifica también el “significado” o “interpretación” del renglón2 de la matriz
invertida. En vez de indicar el efecto de un cambio unitariode c2 sobre las
x , se debe indicar el efecto de un cambio unitario de c3 sobre las x.
Además de las características anteriores, el programa debe diseñarse
para que calcule las soluciones de un gran número de vectores de térmi-
nos independientes, como se menciona al principio de la sección8:2. Esto
se puede llevar a cabo, simplemente colocando un ciclo después de cal-
cular la matriz inversa. Este ciclo puede llevar a usar un vector de térmi-
nos independientes, puede entoncesmultiplicarse por la matriz [A] pa- -’
ra obtener la solución. El procedimiento se continúa hasta que el usuario
indique que no requiere más soluciones.
FIGURA 8.4 Esquema gráfico del cambio que se produce en los elementos de la matriz
inversa resultante al mover un renglón de la matriz de coeficientes.
8.3 MÉTODO DE GAUSS-SEIDEL

Los métodos de eliminación directa analizados en las secciones previas
se pueden usar para resolver aproximadamente de 25 a 50 ecuaciones
lineales simultáneas. Esta cantidada veces se puede aumentar si el siste-
GAUSS-JORDAN,
INVERS16N DE MATRICES Y GAUSS-SEIDEL 269
ma está bien condicionado, si se emplea la estrategia pivotal, si se usan

las ecuaciones del error o silamatriz es disprsa. Sin embargo, debido
a loserroresde redondeo, losmétodos de eliminaciónalgunas veces
son inadecuados para sistemas muy grandes. En este tipo de problemas,
sepuedenusarlos métodos iterativos o deaproximaciónconalguna
ventaja.
En el capítulo 5 se usan tipos similares de técnicas para obtener raíces
de una ecuacion. Aquellos planteamientos consistenen el uso de un va-
lorinicial a partirdel cual, medianteuna técnica sistemática se obtiene
una mejor aproximación a laraíz.Debido a que en esta parte del texto
se enfrenta un problema similar "la obtención de valores para satisfacer
simultáneamente un conjunto de ecuaciones- se espera que puedan ser
útiles tales métodos de aproximación dentro de este contexto.
La razónporlacuallos métodos iterativos son útiles en la disminu-
ción de los errores de redondeo en sistemas, se debe a que un método
de aproximación se puede continuar hasta que converja dentro de algu-
na tolerancia de error previamenteespecificada. De esta forma, el redon-
deo no es un problema, ya que se controla elniveldeerror aceptable.
El método de Gauss -Seidel es el método iterativo más usado.Supón-
gaseque se hadado un conjuntode n ecuaciones:
si los elementos de la diagonal son diferentes de cero, la primera ecuación

se puede resolver para x l , la segunda para x2,etcétera, lo que lleva a:
[8.3a]
[8.3b]
[8.3c]
cn - anlxl - an2x2 - * - an,n-&-1

X" = [8.3d]
ann
Ahora, se puede empezar el proceso de solución usando un valor ini-

cialparalas x . La solución trivial puedeservirdevalor inicial, esto es,
todas las x valen cero. Estos ceros se puedensustituir en la ecuación (8.3a),
que se puede usarparacalcular un nuevovalorde x1 = c1 / a l l . Lue-,
g o , se sustituye el nuevo valor de x l , con x3,...,x,, aunen cero, enla
ecuación (8.3b) con la cual se calcula un nuevo valor de x2. Este proce-
so se repite en cada una de las ecuaciones hasta llegara la ecuación (8.3d)
la cual calcula un nuevo valor de x,. En seguida se regresa a la primera

ecuación y se repite todo el proceso hasta que la solución converja bas-
tante cerca de los valores reales. La convergencia se puedeverificar usando
el criterio [recuérdese la ecuación (3.5)]:
E . =
a,1 1 I
-
x{
.
'1 100% < Es ~8.41
para toda i en donde j y j - 1 denotan la iteración actual y la anterior.
EJEMPLO 8.3
Método de Gauss-Seidel
Enunciado del problema: úsese el método de Gauss-Seidel y resuélvase

el sistema del ejemplo 7.5 y 8.1:
3x1 - 0.1~2- 0 . 2 ~ =
3 7.85
0 . 1 ~ 1+ 7x2 - O.3X3 = -19.3
+ 10x3 = 71.4
0.3~1- 0 . 2 ~ 2
Recuerdese que la solución real es x1 = 3, x2 = -2.5 y x? = 7.
Solución: en primer lugar. se despejan cada una de las variables sobre

la diagonal:
x1 =
7.85 + 0 . 1 ~ 2+ 0 . 2 ~ 3 [E8.3.1]
3
x2 =
+
-19.3 - 0 . 1 ~ 1
[E8.3.2]
7
71.4 - 0.3~1+ 0 . 2 ~ 2
x3 = [E8.3.3]
10
Suponiendo que x2 y x3 son cero, la ecuación (E8.3.1) puede usarse
para calcular:
7.85
x1 = -= 2.616 666 667
3
Este valor,juntocon el de = O, puede sustituirse en la ecuación
(E8.3.2) obteniendo:
x2 =
-19.3 - 0.1(2.616 666 667) + O ="2,794 523 810
7
INVERSIóN
GAUSS-JORDAN,
MATRICES DE Y GAUSS-SEIDEL 271
La primera iteración se completa sustituyendo los valores de xI y x2 cal-

culadosenla ecuación (E8.3.3), obteniendo:
71.4- 0.3(2.616 666 + 667)

0.2("2.794 523
810)
x3 =
10
= 7.005 609 524
Enla segunda iteración, se repiteelmismo proceso obteniendo:
x1 =
7.85+ 0.1(-2.794 523 +810)
0.2(7.005 609 524)
3
= 2.990 556 508)
l e u ( = 0.31%
-19.3 - O.l(Z.990 556 +508)

0.3(7.005 609 524)
x2 =
7
= -2.499 E " I = 0.015%
624 ( 684
x3 =
71.4- 0.3(2.990 556 + 508)
0.2(-2.499 624 684)
10
= 7.000 290 l ~ 81
v =
l 0.004 2%
El método, por lo tanto, converge a la solución real. Para mejorar las so-
luciones se deben aplicar algunas iteraciones mds. Sin embargo, en este
problema, no se debería saber la respuesta a priori. Por consiguiente, la
ecuación (8.4) proporciona un medioparaestimarelerror:
2.990 556 -508

2.616 666 667
€0, I = 100 = 12.5%
2.990 556 508
-2.499 624 -684
(-2.794 523
810)
%,2 =
-2.499 624 684 100 = 11.8%
=
I 7.000 290 -811
7.005 609 I 524
= 0.076%
I
6.
-u, J
I
I)
7.000
290
811 *""
Nótese que, aligual que cuando se determinan raíces de una ecuación,

la formulaciones tales como la ecuación (8.4),en general dan una eva-
luación conservadora de la convergencia. De esta manera, cuando fun-
cionan, aseguranqueelresultadoseconozca al menos dentrode la
tolerancia especificada por E,.
Nótese que el método de Gauss-Seidel, a medida que secalcula un nue-

vo valor x, este mismo se usa inmediatamente en la siguiente ecuación
que a su vez determina una nuevax. De esta forma, si la solución es con-
vergente, se emplea la mejor aproximación posible. Un planteamiento di-
ferente, al cual se le conoce como iteración de Jacobi, usa una táctica
un poco diferente. En vez de usar el Qltimo valor calculado de las x,usa
la ecuación (8.3)para calcular un nuevo valor de x en base a la aproxi-
mación anterior de las x. De esta forma, al generar un nuevo valor n o
se usa de inmediato sino que se almacena para la siguiente iteración.
La diferencia entre los métodos de Gauss-Seidel y la iteración d e J a -
cobi se muestra en la figura 8.5.Aunque existen algunos casos en donde
el método de Jacobi converge más rápido,el uso de la Gltima aproxima-
ción disponible convierte al método de Gauss-Seidel en el método pre-
ferido.
8.3.1 Criterios de convergencia en el métododeGauss-Seidel
Nótese que el método de Gauss-Seidel es similar en proceso al método

simple de iteración de punto fijo usado en la sección 5.1 en la solución
de raíces de una ecuación. Recuérdese que la iteración de punto fijo tie-
ne dos problemas fundamentales: l) algunas veces no converge y 2) cuar.-
do lo hace, e s a menudo, muy lento. El método de Gauss-Seideltambién
puede tener estas fallas.
FIGURA 8.5 Esquema gráfico de la diferencia entre a) el método de Gauss-Seidel y

b) el metododeiteracióndeJacobi, en la solución de ecuaciones
algebraicas lineales simultáneas.
NVERSIóN
GAUSS-JORDAN, Y GAUSS-SEIDEL 273
Una condición de convergencia es que los coeficientes sobre la dia-

cJonal de cada una delas ecuaciones sea mayor que la suma de los otros
coeficientes en la ecuación. Una expresión cuantitativa de este criterio es:
I b i r l =-wJL,I ~3.51
En donde la sumatoria varía desde j = 1 hasta n , excluyendo j = i . La

ecuación (8.5)es un criterio de convergencia suficiente pero no necesa-
rio. Esto es, aunque el método trabaje algunas veces sin que la ecuación
(8.5)se cumpla, se garantiza la convergencia siempre y cuando (8.5)si
se cumpla. A los sistemas donde se cumple la ecuación (8.5)se les cono-
ce como diagonalmente dominantes. Afortunadamente, muchos proble-
mas de ingeniería de importancia práctica llenan este requisito.
8.3.2. Mejoramiento enla convergencia usando relajación
La relajación representa una pequeña modificación del método de Gauss-

Seidel y está diseñada para aumentar la Convergencia. Después que ca-
da nuevo valor de x se calcula usando la ecuación ( 8 . 3 ) ,el valor se mo-
difica mediante un promedio pesado de los resultados de las iteraciones
anteriores y actuales:
X , n U e L o - AX,nueL'o + (1 - ~ ) x , ~ a s a ~ ~ o P .61
en donde X es u n factor de peso al cual se le asigna un valor entre-O y 2.
Si X = 1,(1 - X ) es igual a cero y el resultado permanece inaltera-
do. Sin embargo, si a X se le asigna un valor entre O y 1, el resultado
es un promedio pesado de los resultados previos y actuales. A este tipo
de modificación se le conoce como sobrerrelajación. Por lo general, esta
opción se emplea paraconvertir un sistema divergente en uno convergente.
Si X se encuentra entre1 y 2 se considera otro peso enel valor actual..
En este ejemplo, existe una suposición implicita de que el nuevo valor
se mueve en la dirección correcta hacia la solución real pero con una ve-
locidad muy lenta. De esta forma, el peso agregado a X intenta mejorar
la aproximación empujándola hacia la real. Por lo que este tipo de modi-
ficación, al cual se le llama sobrerrelajación, está diseñado para acelerar
la convergencia de un sistema que ya es convergente.
La elección de un valor adecuado de X es un problema altamente es-
pecífico y a menudo se determina por prueba y error. En general es ine-
cesario en la solución de un sistema. Sin embargo, si el sistema bajo estudio
se va a resolver varias veces, entonces puede ser de gran importancia una
buena elección de X. Algunos ejemplos son los sistemas m u y grandes de
ecuaciones diferenciales parcialesque a menudo tratan de modelar cam-
bios en sistemas de variable continua (recuérdese el sistema a rnicroesca-
la mostrado en la figura 1II.lb). El segundo caso de estudio del capítulo
9 muestra un ejemplo del empleo de la relajación dentro de un contexto
de problemas de ingeniería.
2 74 INGENIEROS
8.3.3 Algoritmo del método de Gauss-Seidel

En la figura 8.6 se muestra un algoritmo del método de Gauss-Seidel con
relajación. Nótese que este algoritmo no está garantizado para obtener
resultados adecuados si las ecuaciones no son de tipo diagonalmente do-
minante.
Una manera demodificar el algoritmo para tomar un poco en cuenta
esta desventaja es la d e buscar los coeficientes de cada ecuación durante
cada una delas iteraciones e identificar el mayor de ellos. La ecuación en
turno se resuelve para el va!or de x asociada con el coeficiente. En el
siguiente cálculo, se rastrean los coeficientes de los valores restantes de
x y se encuentra el coeficiente mayor. La ecuación se resuelve para el
valor correspondiente de x.
Procediendode esta manera,seaumentan al máximo las opor-
tunidades de alcanzar unadominanciadiagonal. Sin embargo el es-
quemano garantiza éxito en sistemas de alta divergencia.Porotra
parte, no sería fácil de programar un algoritmo que implemente este
esquema
8.3.4 Problemas de contexto en el método de Gauss-Seidel
Además deevitar el problema del redondeo, el método de Gauss-Seide!

tiene otras ventajas quelo hacen particularmente atractivo en el contexto
de ciertos problemas de ingeniería. Por ejemplo, cuando lamatriz en
cuestión sea muy grande y muy dispersa (esto es, que la mayor parte de
los elementos son ceros,los métodos deeliminación gastan una gran can-
tidad d e memoria para almacenar los ceros.
En el recuadro 7.2, se muestra como puede evitarse este problema
si la matriz de coeficientes es banda. Para sistemas diferentes, no es fácil
evitar el uso de cantidades grandes de memoria, cuando se usan méto-
dos deeliminación. Ya que todas las computadoras tienen una cantidad
finita de memoria, esta ineficiencia puede llegar a ser una restricción real
en el tamaño del sistema para el que, los métodos de eliminación resul-
tan prácticos.
Aunque un algoritmo general como el de la figura (8.6)está propen-
sa a la misma restricción, la estructura d e las ecuaciones de Gauss-Seidel
[€c. (8.3)]permite desarrollar programas concisos para sistemas espe-
cíficos. Ya que en la ecuación (8.3)se necesita almacenar sólo los coefi-
cientesdiferentes de cero, es posible ahorrargrandescantidades de
memoria. Aunque esto impone mayor costo en la inversión de desa-
rrollo de programas, las ventajas a largo plazo son sustanciales cuando
se manejansistemas grandes sobre los que se pueden realizar varios
procesos. Los sistemas macro-y microvariables pueden generar matrices
grandes y dispersaspara las cuales se utilizael método de Gauss-
Seidel. En el caso de estudio 9.2 se trabaja un poco más sobre estos
puntos.
FIGURA 8.6 Diagrama
de fluio del método de
Gauss-Seidel con rela-
jación.
275
PROBLEMAS
Cálculos a Mano
8.1 Úsese el método de Gauss-Jordan para resolver el problema 7 . 6
8.2 Determínese la matriz inversa del problema 7.6. Compruébense los resultados mul-
tiplicando [A] por[A]" y obténgase lamatriz identidad.
8.3 Usando el método de Gauss-Jordan, repítase el problema 7 . 9
8.4 Determínese la matriz inversa del problema 7.9. Compruébense los resultados ve-
rificando que [A][A]" = [!] . Evítese el uso de la estrategia del pivoteo.
8.5 Usando el método de Gauss-Jordan, con pivoteo parcial, calcúlese lamatriz in-
versadelproblema 7.10. Ordenando la inversadetal forma, que los renglones
y las columnas conformenla secuencia de la matriz original anterior al pivoteo (véase
lafigura 8.4 y el análisis de la sección 8.2.3).
8.6 Úsese el método de Gauss-Jordan para resolver:
10x1 - 3x2 + 6x3 = 24.5

1x1 + 8x2 - 2x3 = -9
"2x1 + 4x2 - 9x3 -50

8.7 Determínese lamatriz inversa del problema 8.6. Úsese la inversa para resolver
el problema original así como para resolver el caso adicional en donde el vector
de términos independientes es [CIT= [110 55 - 1051.
8.8 Resuélvase el problema 8.6 usando el método de Gauss-Seidel con un criterio de

paro del E, = 10 % .
8.9 Resuélvase el problema 7 . 8 usando el método de Gauss-Seidel con un criterio de

paro del t, = 10 % .
- 6 ~ 1+ 12x3 = 60
4x1 - x2 - x3 = -2
6x1 + 8x2 =44
GAUSS-JORDAN,
MATRICES
INVERSldN DE Y GAUSS-SEIDEL 277
8.12 Resuélvase el siguiente conjunto de ecuaciones:
usando a) eliminación gaussiana, b) el método de Gauss-Jordan y c) el método

de Gauss-Seidel (es = 5 % ) .
8.13 Resuélvase el siguientesistema de ecuaciones:
usando a) eliminación gaussiana, b) el método de Gauss-Jordan y C) el método

de Gauss-Seidel (E, = 5 % ) .
8.14 Desarróllese un programa amable con el usuario para el método de Gauss-Jordan,

basado en lafigura 8 . 2 . Agréguese u n esquema similaral mostrado en la figura
7 . 1 0 empleando pivoteo parcial.
8.15 Pruébese el programa del problema anterior duplicandolos cálculos del ejemplo 8 . 1
8.16 Repítanse los problemas 7.6 y 7 . 8 hasta el 7 . 1 1 usando los programas desarrolla-
dos enel problema 8 . 1 4 .
8.17 Desarróllese un programa amable con el usuario para el método de Gauss-Jordan,

con inversión de matrices y pivoteo parcial. Inclúyanse dentro del programa las
características sugeridas en la sección 8 . 2 . 3 .
8.18 Repítanse los problemas 8 . 5 y 8.7 usando los programas desarrollados en el pro-
blema anterior.
8.19 Desarróllese un programa amable con el usuario para el método de Gauss-Seidel

basado en la figura 8.6. Hágase de tal forma que compruebe el criterio de conver-
gencia expresado por la ecuación (8.5). Además, inclúyaserelajación como en
la ecuación (8.6).
8.20 Pruébese el programa desarrollado en el problema anterior usando un duplicado

del ejemplo 8.3.
8.21 Usando el programa del problema 8.19, repítanse los problemas 8.8 hasta el 8.11.
C A P í T U LNOU E V E
CASOS DE LAPARTE TRES:
SISTEMAS
DE ECUACIONES
ALGEBRAICAS
LINEALES
El propósito de este capítulo, es el de usar los procedimientos analizados

en los capítulos 7 y 8 en la solución de sistemas de ecuaciones algebrai-
cas lineales en algunas aplicaciones de ingeniería. Estos métodos numé-
ricossistemáticos,son de importanciapráctica ya que losingenieros
encuentran frecuentemente problemas que implican la solución de siste-
mas de ecuaciones demasiado grandes para resolverse a mano. Los al-
goritmos numéricos son particularmente convenientes en estas aplicaciones
ya quepuedenimplementarseenmicrocomputadoras.
Entre otras cosas, los casos de estudio se han elaborado de manera
que proporcionen ilustraciones reales de las características yfactores de
importancia mencionados en los capítulos teóricos. Por ejemplo, el caso
9.1 muestra una ilustración simple decómo usar las ecuaciones algebrai-
cas lineales para satisfacer de forma simultánea cierta cantidad decondi-
ciones independientes.Además, se usa ecte caso de estudio para mostrar
la utilidad de la matriz inversa como una herramienta analítica, dentro del
contexto de estos problemas. Aunque se ha tomado este ejemplodel cam-
po de la ingeniería general, la idea básica tiene importancia en una gran
variedadde contextos técnicos y analíticos.
El caso 9.2, tomado de la ingeniería química, es un ejemplo de un
sistema de variable continua (o microvariable). El caso de estudio ilustra
cómo se pueden emplear las diferencias finitas en la transformación de
ecuaciones diferenciales en algebraicas. Al hacerlo así, se puedenusar
los métodos de solución desarrollados en los capítulos 7 y 8 y obtener
las soluciones. Aunque el ejemplo pertenece a la predicción de tempera-
turas en sólidos, se utiliza el planteamiento general para simularla distri-
bución continua de muchas otras variables de la ingeniería tales como la
velocidad, lafuerza y la masa.
En contraste, los casos 9.3, 9.4 y 9.5 analizan sistemas de variable
discreta (o macrovariable). El caso 9.3 hace hincapié en el uso de la ma-
triz inversa en la determinación del complejo de las reacciones al aplicar
cargas a una estructura. El caso 9.4 es un ejemplo del uso de las leyes
de Kirchhoff en el cálculo de corrientes y voltajes en un circuito de resis-
tencias. Finalmente, el caso 9.5 muestra cómo se emplean las ecuacio-

nes lineales para determinar la dinámica de partículas y cuerpos rígidos.
CASO 9.1 DISTRIBUCIóN DE RECURSOS(INGENIERíA

ENGENERAL)
Antecedentes: todos los campos de la ingeniería enfrentan situacionesen
las que la distribución correcta de recursos es un problema critico. Estas
situaciones se presentan al organizar inventarios de construcción, distri-
bución de productos y recursos enla ingeniería. Aunque los problemas
siguientes tienen que ver con la fabricación de productos, el análisis ge-
neraltieneimportanciaen un ampliopanoramadeotrosproblemas.
Un ingenieroindustrialsupervisalaproduccióndecuatrotiposde
computadoras. Se requieren cuatro clases de recursos -horas-Hombre,
metales, plásticos y componentes electrónicos- enla producción. En el
cuadro 9.1 se resumen las cantidades necesarias para cada uno de estos
recursos enla producción de cada tipo de computadora. Si se dispone
diariamente de 504 horas-hombre, 1970 kg de metal, 970 kg de plástico
y 601 componentes electrónicos, ¿cuántas computadoras de cada tipo
se pueden construir por día?.
Solución: la cantidad total producida de cada computadora está restrin-

gida al total de recursos disponibles en cada categoría diariamente. Estos
recursos totales se distribuyen entre los cuatro tipos de computadoras.
Sea xl,x,,x,,y x4la cantidad total de computadoras producidas dia-
riamente de cada clase. Se sabe que la cantidad total de horas-hombre
disponibles diariamente es de 504. Por lo tanto, la suma de las distribu-
ciones de horas-hombre enla producción de cada una de las computa-
doras debe ser menor o igual que 504. Por lo tanto (usando los datos
del cuadro 9. l),
3x1 + 4x2 + 7x3 + 20x4 5 504 r9.11
Delamisma manera para los metales, plásticos y componentes:

20x1 + 25x2 + 40x3 + 50x4 5 1970
10x1 + 15x2 + 20x3 + 22x4 5 970
loxl + 8x2 + lox3 + 15x4 5 601
Cada una de estas ecuaciones se debe satisfacer de forma simultánea de

otra manera, se acabaría uno o más de los recursos necesarios en la pro-
ducción de los cuatro tipos de computadoras. Silos recursos disponibles,
representadospor el vectordetérminosindependientesde las ecua-
ciones anteriores, se reducen todos a cero simultáneamente, entonces se
CASOS DE LA
PARTE DELINEALES
SISTEMAS
ALGEBRAICAS
ECUACIONES
TRES: 281
CUADRO 9.1 Recursos necesarios para producir cuatro tipos de computadoras

Horas/
Metales Plásticos
Componen-
hombre, kglcompu- kglcompu- tes, unida-
Compu- tadora
kglcompu- tadora deslcompu-
tadora
10 1 10 3 20
2 15 4 25 a
3 7 10 40 20
4 20 15 50 22
puede reemplazar el signo menor o igual por el de igual. En este caso,

la cantidad total de cada tipo de computadora producida se puede calcu-
lar resolviendo un sistema de. ecuacionesde 4 por 4 usando los métodos
de los capítulos 7 y 8.
Ya que este sistema no es diagonalmente dominante, el método de
Gauss-Seidel puede divergir. Sin embargo, se puede aplicar la elimina-
ción gaussiana o el método de Gauss-Jordany calcular:
x1 = 10
x2 = 12
x3 = 18
= 15
Esta información se usa en el cálculo de las ganancias totales.Por ejem-

plo, supóngase que las ganancias correspondientes a cada computadora
están dadas por p1,p2, p3,y p4. La ganancia total asociada con un día
de actividad (P)está dada por
p = PlXl + P2X2 + P3X3 + P4x1 P.51
Se sustituyen los resultados de x,= 10,x2= 12,x, = 18 y x4= 15
en la ecuación (9.5)y se calcula una ganancia de (usando los coeficien-
tes del cuadro 9.2) :
P = 1 OOO(l0) + 700 (12) + 1 lOO(18) + 400(15) = 44 200
CUADRO 9.2 Ganancias correspondientesa cada

una de las cuatro computadoras.
Ganancias
Computadora $ I computadora
1 1 O00
2 700
3 1 100
De esta forma, se puede obtener una ganancia de $ 4 4 200 diarios, con

los recursos especificados enel problema.
Ahora, supóngasequeexiste laposibilidad de aumentarcualquie-
ra de los recursos disponibles. Un objetivo es el de valorar qué recursos se
deben escoger de tal forma que generen la mayor ganancia. Una manera
de hacerlo es el de incrementar cada uno de los cuatro recursos individual-
mente, calcularlasganancias y posteriormentecomparar los resultados.
Una alternativa más simple se basa en la matriz inversa, que se puede
calcularusando el métodode Gauss-Jordan, como:
1
-0.081 7 6
0.039 -0.146 5 0.191 8
[A]" =
[ 6
0.106
-0.136 8
0.088 8
-0.225 6
0.172 8
-0.021 3
0.408 5 0.010 7
"0.190 9 -0.113 7
0.007 1 0.0089
Cada uno de los elementos aij~'indica el crecimiento en la computadora
i debido al crecimiento unitario del recurso j. Por ejemplo, el elemento
alyl especifica un incremento unitario de 0.039 6 de la computadora 1 cuan-
do se agrega un kilogramo de metal. Nótese que algunos de los coeficientes
son negativos, indicando que un incremento unitario en algunos recursos ba-
jalaproduccióndeesetipodecomputadora.
Ahora, con esta información como antecedente, se puede llevara cabo
un evaluación rápida sobre los beneficios obtenidos al incrementar cada
uno de los recursos multiplicando los elementos de cada columna por la
ganancia unitaria del cuadro 9.2. Por ejemplo, enlaprimera columna:
API = -0.081 7 ( 1 000) +
0.106 6(700) - 0.136 8(1 100)
+0.088 8(400) = -122.04
en donde A Pj es el incremento en ganancias debido a un incremento
al recurso j . De esta forma, un incremento unitario enhoras-hombre baja
en $122.04 las ganancias. Se pueden llevar a cabo cálculos similares so-
bre los otros recursos, para obtener:
Ap2 = $ 63.24
A% = $-67.70
AP4 = $ 77.78
De esta forma, un incremento de componentes 0' = 4 genera una mayor
ganancia, seguida por el aumento en los metales 0' = 2). El análisis indi-
ca también que un incremento en los plásticos 0' = 3) genera pérdidas.
El problema anterior es una variación del análisis general sobre eco-
nomíaconocidocorno modelo de entrada-salida. Este ejemplo, difiere
de la aplicación clásica de esta técnica en la cuantificación de transferen-
cia de material entre los sectores dela economía. Sin embargo, el USO
de la matriz inversa profundiza en interacciones complejas de sistemasli-
neales y es muy representativo del proceso del modelo de entrada-salida.
PARTE
: CASOS
LA DE ECUACIONES ALGEBRAICAS
LINEALES 283
Como tal, ayuda a ilustrar cómo los métodos numéricos aumentan

la com-
prensión al manejar sistemas acoplados muy grandes.
CASO 9.2 CALCULO DEDISTRIBUCIóNDETEMPERATURAS

Antecedentes: la mayor parte de los diferentes campos de la ingeniería
manejan distribuciones de temperatura en materiales sólidos. Estos pro-
blemas son tan variadoscomo la distribución de temperatura en un cono
de proareentrante y la temperatura de un río bajo una planta de energía
productora de hielo. La distribución de temperatura en estadoestaciona-
rio bidimensional se define por la ecuación de Laplace:
-a2T
+ - = a2T
ax2 ay2
o ~9.61
en donde T es la temperatura y x y y son las coordenadas. Las derivadas

de la ecuación (9.6)se aproximan usando diferencias finitas (véase la sec-
ción 3.5.4). La figura 9.1 muestra una malla bidimensional,esquema útil
en las aproximaciones desarrolladas para la ecuación (9.6). Las aproxi-
maciones por diferencias divididas de las derivadas son:
aT
- ="
AT - ?;+l,j - T.,
Ax Ax dx
y de manera similar,
En seguida, suponiendo que A x = A y , la ecuación de Laplace se pue-

de aproximar como:
T + 1,j + T - I , , + T,j + 1 + T,j - 1 - 4T,j = O P .71
lacual es aplicable a cada nodo i , j de lafigura 9.1. Parece ser que al

aplicar la ecuación (9.7) a cada nodo resulta un sistema de ecuaciones
acopladas, ya que la temperatura envarias posiciones aparece enmás
de una ecuación. Esto produce un sistema de ecuaciones algebraicas li-
neales simultáneas, que se pueden resolver usando los métodos descri-
tos en los capítulos 7 y 8 .
Considérese la placa plana de la figura 9.2 Los lados de la placa se
mantienen a temperaturas constantes de O" y looo C , como se muestra
FIGURA 9.1 Malla bidimensional que se usa enel desarrollo de aproximaciones por diferencias
finitas de la temperatura sobre una placa plana.
FIGURA 9.2 Placaplana en donde se mantienen los iodos a temperaturas constantes de 'O y
100°C, como se indica en la figura.
CASOS DE LA
PARTE TRES: DE
SISTEMAS ECUACIONES ALGEBRAICAS
LINEALES 285
en la figura. La distribución de la temperatura dentro de la placa se pue-

de aproximar en nueve puntos internos aplicando la ecuación de Lapla-
ce en cada punto. Esto genera el siguiente conjunto de ecuaciones dado
en notaciónmatricial:
I
r
- 4 1 0 1 0 0 0 0 0 - 100
1 - 4 1 0 1 0 0 0 0 T2 - 100
0 1 - 4 0 0 1 0 0 0 T3 I -200
1 0 0 - 4 1 0 1 0 0 T2i I O
o o 1-4 1 o o
0
0
1
0 1 0 1 - 4
0 0 1 0 0 -
0
4
1
0
1
1
0
T22
T23
TH
II O
- 100
O
0 0 0 0 1 0 1 - 4 1 O
L o o o o o 1 o 1 - 4 - 100
Solución: se observa que elsistemaresultante de ecuaciones es diago-

nalmente dominante y , por lo tanto, compatible con el método de Gauss-
Seidel del capítulo 8. En este caso, se garantiza la convergencia ya que
se satisface la ecuación (8.5).Se aseguratambiénexactitudyaque los
errores de redondeo no son problema en el método de Gauss-Seidel. Usan-
do una E , = 0.05% después de 13 iteraciones se obtienen los resultados
siguientes:
FIGURA 9.3 Distribución de la temperatura sobreunaplaca plana, calculadacon el método de

Gauss-Seidel.
Los resultados se muestran en la figura 9.3.

La simulación se lleva a cabo con el método estándar de Gauss-Seidel.
Debido a que estesistema es convergente, la relajación puede servir para
acelerar la convergencia. Por lo tanto, serepiten dos veces más los cálculos,
usando X = 1.25 y X = 1.5.
Los resultados, que se grafican en la figura 9.4, sugieren un valor de
X en la vecindad de 1.25. Usando las técnicas descritas en el capitulo 11
(nótese que se puedeusar un bosquejo para obtener un valor aproxima-
do), se ajusta una ecuación cuadrática alos puntos de la figura (9.4). Esta
ecuación es:
n = 96A2 - 236A + 153

en donde n es el número de iteraciones correspondiente aun valor parti-
cular de X. Se puede determinar un mínimo derivando la ecuación y ob-
teniendo:
FIGURA 9.4 Gráfica delnúmero de iteracionescontra X, elcoeficiente de relajación. Los trespuntos

proporcionados como datos sugieren un número mínimo de iteraciones en la vecin-
dad de X = 1.25. Ajustando una parábola a los datos, se puede calcular que el nú-
mero mínimo de iteraciones corresponde al valor de X = 1.23.
DECASOS TRES:
ECUACIONES
ALGEBRAICAS
SISTEMAS
DELINEALES 287
dn
"
- 192A - 236
dA
Elmínimo se encuentra cuando dn / dh es cero, lo cual lleva al punto

donde la pendiente de la figura 9.4 es nula. En este caso, se determina
un valor de h = 1.23 Volviendo a realizar los cálculos con estecoeficien-
te de relajación se obtiene la solución en sólo ocho iteraciones.
De esta forma, si se van a realizar más cálculos para este problema
en particular, se debeemplearunavalorde h = 1.2
para alcanzar los resultados más eficientes.En este caso, el ahorro de tiem-
po en un solo cálculo es despreciable. Sinembargo, en la simulación múl-
tiple de sistemas grandes, la elección acertada deh posiblemente redituará
ahorros sustanciales.
Este tipo de procedimientose puede extender a problemas máscom-
plejos que incluyen esquemas geométricos irregulares. Los problemas prác-
ticos de este tipo requieren algunas capacidades de cálculo automáticas,
pero, excepto en casos de sistemas extremadamente grandes, una mi-
crocomputadora llenará todos los requisitos.
CASO 9.3 ANALISIS DE U N A ARMADURA ESTATICAMENTE

DETERMINADA (INGENIERíA CIVIL)
Antecedentes: un problema de importancia en ingeniería estructural es
el de encontrar las fuerzas y reacciones asociadas con una armadura es-
táticamente determinada. La figura 9.5 muestra un ejemplo de tales ar-
maduras.
FIGURA 9.5 Fuerzas que actuánsobreunaarmadura estáticarnente determinada.

288 MÉTODOS
Las fuerzas ( F ) representan ya sea las tensiones o las compresiones

de los elementos dela estructura. Las reacciones externas (H2 V2 V,)
sonfuerzasquecaracterizan cómo interacciona la armadura con la su-
perficie que la soporta. El gozne del nodo2 puede transmitir fuerzas hori-
zontales y verticales a la superficie, mientras queel rodillo del nodo 3 sólo
transmite fuerzas verticales. Se observa que el efecto de la carga externa
de 1 O00 kg se distribuye a todos los elementos de la armadura.
Solución: este tipo de estructuras se pueden describir como un sistema
de ecuaciones algebraicas lineales acopladas. En la figura 9.6 se mues-
tran los diagramas de cuerpo libre sobre cada nodo. La suma de las fuer-
zas en las direcciones vertical y horizontal debe ser cero en cada nodo,
ya que el sistema se encuentra en reposo. Por lo tanto, para el nodo 1:
XFV= O = -Flsen 30" - F3sen60" + F1," P.91

para el nodo 2:
XFv = O = Fl sen 30" + Fz, + VZ

u [9.11]
para el nodo 3:
XFv = O = F3sen 60" + F3,"+ V3 [9.13]
FIGURA 9.6 Diagramas de cuerpo libre en los nodos de laarmadura estáticamente determinada.
DECASOS TRES: DELINEALES
SISTEMAS
ALGEBRAICAS
ECUACIONES 289
en donde Fj,hes la fuerza horizontal externa aplicada al nodo i (una fuer-

za positiva va de izquierda a derecha) y F;,"es la fuerza vertical externa
aplicada al nodo i (una fuerza positiva va de arriba hacia abajo). De esta
manera, en este problema, la fuerza hacia abajo de 1 O00 kg sobre el no-
do 1 corresponde a F,," = - 1 000. En este caso lasfuerzasrestantes
son cero. Nótese que la dirección de las fuerzas y reacciones inter-
Fj,v,F;,h
nas son desconocidas. La aplicación correcta de la segunda ley de New-
tonrequiereGnicamentequelassuposicionesrelacionadasconlas
direcciones sean consistentes. Si las direcciones
no se toman correctamente,
entonces la solución será negativa. También nótese que en este proble-
malasfuerzasde todos los elementos se supone que están entensión
y que actúan jalando a lavez a los nodos adyacentes. Este problema se
puede escribir como el siguiente sistema de seis ecuaciones con seis in-
cógnitas:
-
i
0.866 O -0.5 O 0 0
0.5 O 0.866 O O O - 1000
-0.866 -1 O -1 o o - o
O - E9.141
-0.5 O 0 o -1 o - 0
O 1 0.5 O 0 0
O O -0.866 O O -1 J
Nótese que, como se formula en la ecuación (9.14), se requiere-pivote0
parcial para evitar divisiones porcero sobre los elementos de la diagonal.
Empleando una estrategia de pivoteo, el sistema se puede resolver usan-
do las técnicas de eliminación analizadas en los capítulos 7 y 8. Sin em-
bargo, debido a queesteproblemaes un caso deestudioidealpara
demostrar la utilidad de la matriz inversa, seusa el método de Gauss-Jordan
para obtener:
y lamatrizinversa es:
0.866 0.5 O 0 0 0
0.25 -0.433 O O 1 O
- 0.5 0.866 O O O O
[A]-1 = -1 O -1 o -1 o
-0.433 -0.25 O -1 O O
-0.75
0.433 O O O -1
Ahora, supóngase que el vector de términos independientes representa

las fuerzas horizontales y verticales aplicadas externamente a cada nodo,
como:
290 INGENIEROS
Debido a que las fuerzas externas no tienen efecto sobre la matriz de coe-
ficientes, el método de Gauss-Jordan no senecesita implementar una y otra
vez para analizar el efecto de las fuerzas externas diferentes sobre la ar-
madura. En vez de esto, todo lo que se tiene que hacer es multiplicar
la matriz inversa por cada uno de los vectores de términos independien-
tes para obtener soluciones alternativas diferentes. Por ejemplo, podría
desearse estudiar el efecto de las fuerzas horizontales producidas por el
viento que sopla de izquierda a derecha. Si la fuerza eólica se puede re-
presentar como dos fuerzas puntuales de 1 O00 kg cada una sobre los
nodos 1 y 2 (Fig. 9.7),entonces el vector de términos independientes es:
[Vector de términos independiente^]^ = [ 1 O00 O 1 O00 O O O]

que se puede multiplicar por la matriz inversa para dar:
Fl = 866 F2 = 250 F3 = -500
H* = -2000 v
2 = -433 v. = 433
Para un viento de derecha, Fj,h = - 1 000, F 3 , h = - 1 000, y todas las
demás fuerzas externas son cero, resultando:
FI = -866 F2 = -1250 F3 500
H, = 2000 v, = 433 v, = -433
Los resultados indican que los vientos han tenido marcados efectos dife-
rentes sobre la estructura. Ambos casos se muestran en la figura 9.7.
Los elementos individuales de la matriz invertida tienen también utilidad
directa en el esclarecimiento de las interacciones carga-respuesta de la es-
tructura. Cada uno de los elementos representa el cambio de una de las
variables hacia un cambio unitario de uno de las cargas externas.Por ejem-
plo, e] elemento aG1 indica que la tercera incógnita F3) cambiará 0.866
"~
FIGURA 9 . 7 Dos casos de carga que muestran a) vientos de izquierda y b) vientos de derecha.
ES
AS DE
CASOS 29 1
debido a la carga unitaria de la segunda carga externa F1,”). De esta for-

ma, sila carga vertical en el primer nodo se aumenta en uno, entonces
F3 se incrementa en 0.866. El hecho de que los elementos sean cero in-
dica que ciertas incógnitaspermanecen inalteradas por alguna de lascar-
gas externas. Por ejemplo, a = O significaque F , nosealterapor
cambios en FZ,h. Esta habilidad de aislar interacciones tiene una cantidad
de aplicaciones enla ingeniería incluyendo la identificación de aquellos
componentes que son más sensibles a las cargas externas y, por lo tanto
están más propensos a lafalla.
El planteamiento anterior vienea ser particularmente útil cuando se apli-
ca a estructuras complejas. Enla práctica de la ingenieria puede necesi-
tarse la solución de estructuras con cientos o tal vez miles de elementos
estructurales. Las ecuaciones lineales son una herramienta útil en la com-
prensión del comportamiento de estas estructuras.
CASO 9.4 CORRIENTESY VOLTAJESENCIRCUITOSRESISTIVOS

Antecedentes: un problema común en la ingeniería eléctrica es aquel que
implica la determinación de corrientes y voltajes en varias posiciones de
il Nodo i, circuitos complejos de
resistencias. Estos problemas se resuelven con la
” I .
ley de corriente de Kirchhoffy la ley de Ohm. La ley de la corriente dice

que la suma algebraica de todas las corrientes sobre un nodo debe ser
cero (Fig. 9.8a), o
‘2
Cik = O [9.16]
a)
en donde todas las corrientes que entran al nodo tienen signo positivo.
Y
.”.,‘ ’ ”
-R if
, *
‘i /
1: La
ley
de
Ohm
dada en
dice
función
del
cambio
que la corriente a través
de
unaresistencia
está
de voltaje y de la resistencia (Fig. 9.8b),
b) [9.17]
FIGURA 9.8 Represen-
tación esquemáticade la
a)leyde la corrientede 3 R=lOR 2 R=5R
Kirchhoff y b)ley
de Ohm. v, = 200 v
OR R=5n
& =ov
R=l5R R=20R 6
FIGURA 9.9 Solucióndelcircuito deuna resistencia usando ecuaciones algebraicas linealessirnul-

táneas.
3 2 1
4
c-
154
5
- '65
6
FIGURA 9.10 Direccionesen las cuales se supone quecircula la corriente.
Solución: los problemas de este tipo generan sistemas de ecuaciones al-

gebraicas lineales simultáneasya que los ciclos dentro de un circuito es-
tán acoplados con los otros. Por ejemplo, considérese el circuito mostrado
en la figura 9.9. Se desconoce la magnitud y la dirección de las corrientes
asociadas con este circuito. Esto no presenta gran dificultad ya que sim-
plemente se supone una dirección para cada corriente. Si la solución re-
sultante de la ley de Kirchhoff es negativa, entonces la dirección dada es
incorrecta. Por ejemplo, la figura 9.10 muestra las corrientes supuestas.
Dadas estas ecuaciones, las cuatro ecuaciones de las corrientes para
cada nodo están dadas por:
iI2 + + = O
i& - is2 - o
i.54 =
i43 - i32 = o
i54 - i43 = O
y las seis ecuaciones del voltaje como:
=
200 - v,
v5 - v 4
- 152 = -
.
.
154
v5 - v,
5 15 10
en donde la corriente fluye del voltaje más alto al más bajo. Estas ecua-
ciones son equivalentes a la siguientenotaciónmatricial:
I
1 1 0 0 0 1 0 0 0 0 O
o o 0 - 1 1 - 1 o o o o O
0 - 1 1 0 0 0 0 0 0 0 O
0 0 - 1 1 0 0 0 0 0 0 O
0 1 0 o O 0 o 1 - 1 o o = o
5 0 0 0 0 0 1 0 0 0 ZOO
0 0 5 0 0 0 0 1 - 1 0 O
O O 0 1 5 0 O 0 O 1 - 1 O
0 0 0 0 2 0 0 0 0 0 1 O
o o o O 0 1 0 1 o 0 - 1 O
DECASOS 293
V= 153.85 i ’ =169.23
V = 200
: c 8
V=O
li = 146.15 I/= 123.08
FIGURA 9.1 1 Solución de voltajes y corrientesobtenidos usando un método de eliminación.
que representa un sistema de 10 ecuaciones con 10 incógnitas. Aunque

es impráctico resolver este sistema a mano, se puede resolver fácilmente
usando un método de eliminación tal como la eliminación gaussiana o
el métodode Gauss-Jordan. De esta manera, la solución es:
i12 = 6.153 8 ¡a = -6.153 8 V4 = 146.15

¡32 = -1.538 5 i52 = -4.615 4 V, = 123.08
i43 = - 1.538 5 V2 = 169.23
iS4 = -1.538 5 V3 = 153.85
Por lo tanto, con una interpretación apropiada de los signos en los resul-
tados, lafigura 9.11 muestra las corrientes y los voltajes en el circuito.
Evidentemente se obtendrían mayores ventajas si se usaran algoritmos
numéricos y microcornputadoras en este problema.
CASO 9.5 DINÁMICA DE PARTíCULAS Y CUERPOS RíGIDOS

(INGENIERíA MECANICA)
Antecedentes: la dinámica del movimiento de partículasy de los cuerpos
rígidos juega un papel muy importante en muchos problemasde mecáni-
ca y otros campos de la ingeniería. Este movimiento se puede describir
mediante las leyes de Newton. La aplicación de las leyes de Newton para
partículas simples genera dos ecuaciones. Sin embargo, si algunas partí-
culas del sistema afectan a otras, entonces se puede generar un gran nú-
mero de ecuaciones simultáneas.
Por ejemplo, considérese el sistema mostrado en la figura 9.12. Hay
tres bloques atados por una cuerdade peso despreciable apoyados sobre
FIGURA 9.12 unasuperficielisainclinada45O respecto a lahorizontal.El coeficiente
Tres bloques de fricción entre el plano y la masa de 100 kg es de 0 . 2 5 y entre las ma-
conectados por sas de 50 y 2 0 kg es de 0.375.
cuerdos de pe-
so despreciable
sobreun plano Solución: en la figura 9.13 se muestran los diagramas de cuerpo libre de
inclinado. los tres bloques. Las unidades de las fuerzas son newtons (kilogramos por
T R
100 X 9.8 = 980 50 x 9.8 = 490 20 X 9.8 = 196
FIGURA 9.13 Diagramas de cuerpo libre para los bloques sobre un planoinclinado.
metro por segundo al cuadrado), m es la masa en kilogramos y a

es la aceleración en metros por segundo al cuadrado. Sumando fuerzas
en direcciónparalela al plano y usando la segunda ley de Newton
(F = ma),
692.96 - 173.24 - T = lOOa

346.48 - 129.93 + T-R = 50a
138.59 - 51.97 + R = 2 0 ~
o. en forma matricial:
Resolviendo este sistema con eliminación gaussiana, se obtiene:
a = 4.840 5 m/s2
T = 36.667 1 N
R = 10.190 6 N
El expresar las ecuaciones del movimiento enforma matricial es
un planteamientogeneral y adaptableparaproblemas de este tipo.
Aunque el problema que se resolvió aquí fue fácil, el caso de estudio
sirve para ilustrar el planteamientogeneral e inspirar, al menoseso
se espera. las aplicaciones a problemas más difíciles. Cuando se jun-
tan con un métodonumérico y unamicrocomputadora, son una
herramientamuy útil quesepuede usaren una granvariedad de
problemascomplejos.
DE CASOS DE ECUACIONES
ALGEBRAICAS
LINEALES 295
PROBLEMAS
9.1 Repítanse los cálculos del caso 9 . 1 usando los programas propios.
9.2 Efectúense los mismos cálculos del caso 9.1, cambiando los totales de horas-
hombre, metales, plásticos y componentes a 856 h, 3 050 kg, 1 450 kg y 948
unidades respectivamente.
9.3 Un ingeniero supervisa la producción de tres tipos de automóviles. Se requieren

tres clases de materiales "metal, plástico y caucho- para la producción. La
cantidad necesaria para producir cada automóvil es de
Auto- Metalr Plirtiro, Cauchor

móvil kglauto kglauto kglauto
1 1500 25 1 O0
2 1700 33 120
3 1900 42 160
Si se dispone de un total de 106 toneladas de metal, 2.17 toneladas de pltistico

y 8.2 toneladas de caucho diariamente, ¿cuántos automóviles se pueden producir
por día?.
9.4 Un ingeniero requiere 4 800 m 3 de arena, 5 810 m3 de gravafina y 5 690 m 3

de grava gruesa para la construcción de un proyecto. Existen tres bancos donde
se pueden obtener estos materiales. La composición en cada banco es de:
~~~
Banco Arena Grava fina, Grava

TO 010 010 gruesa O/o
banco 1 52 30 18
50
banco 2 20 30
banco 3
20 25 55
¿Cuántos metros cúbicos se debe tomar de cada banco para cumplir con las necesi-
dades del ingeniero?
9.5 Repítanse los cálculos del caso 9.2 con los programas propios.
9.6 Efectúense los mismos cálculos del caso 9.2 cambiando la temperatura de la pared
a 200°C.
296 INGENIEROS
9.7 Usando elmismo planteamiento del caso 9.2, calcúlese ladistribución de tempera-
tura en una varilla calentada en ambos extremos, como se muestra en la figura P9.7.
Aplíquese la formaunidimensionalde la ecuación (9.6):
d2T
-__-
- 0
dx2
en donde x es la distancia a lo largo de lavarilla. Grafíquese T contra x.
FIGURA P9.7 Una varilla unidimensional se mantieneoislado a u n a temperaturaconstante en sus

extremos. Los puntos indican las posiciones en donde debe aplicarse la forma unidi-
mensional de la ecuaciól (9.6)para calcular la distribución de la temperatura a lo
largo de la varilla.
9.8 Repítase el problema 9 . 7 incluyendounapérdida de caloren la ecuación:
en donde r es el coeficiente de pérdida de calor, igual a 0.01 cm -’y la longitud

de lavarilla es de 10 cm. Grafiquese T contra x.
9.9 La figura P9.9 muestratres reactores ligados por tubos.Como se puede ver. la ve-
locidad de transferencia de sustancias químicas a través de los tubos es igual a la
velocidad de flujo (Q, con unidades de metros cúbicos por segundo) mul~iplicada
por la concentración del reactor del cual surge el flujo (c. con unidades de miligra-
mos por metro cúbico). Si el sistema es estacionario, la transferencia en cada reac-
tor balancea la transferencia de salida. Por ejemplo. enel reactor 1. (entrada) =
(salida), o:
500 + Q21C2 = Q12C1 + Q13~1
o , usando las velocidades de flujo especificadas como en lafigura € 9 . 9 :

500 + 2 0 ~ 2= 8 0 ~ 1+ 4 0 ~ 1
en donde 500 es una entrada directa (miligramos por segundo). Desarróllense ecua-
ciones de balance de masas comparables para cada unode los otros reactores y
resuélvanse las tres ecuaciones algebraicas lineales simultáneas para la concentra-
ciónen los reactores.
DECASOSDE LA PARTE
SISTEMAS
TRES: ECUACIONES ALGEBRAICAS
LINEALES 297
FIGURA P9.9 Tres reactores ligados por tubos. La velocidad de transferencia de masa a lo largo
de cada tubo esigual al producto del fluio Q y la concentración c del reactor donde
se origina el fluio.
9.10 Empleando el mismo planteamiento básico del problema 9.9, determínese la con-
centración de cloruro en cada uno de los Grandes Lagos con la información de
la figura P9.10.
Ingeniería civil
9.11 Repítanse los cálculos del caso 9.3 con los programas propios.
9.12 Efectúense los mismos cálculos del caso 9.3cambiando el ángulo del nodo 2 a 40°
y el del nodo 3 a 55”. II
i
9.13 Efectúense los mismos dálculos del caso 9.3,con la estructura mostrada en la figu-
45 45 ra P9.13.
..~”..
. IP
9.14 Efectúense los mismos cálculos del caso 9.3,con la estructura de lafigura P9.14.
FIGURAP9.13.
180 500
FIGURA P9.14.
9.15 Repítanse los cálculos del caso 9.4,usando losprogramas propios.
9.16 Efectúense los mismos cálculos del caso 9.4,

cambiando la resistencia entre los no
dos 3 y 4 a 15 Q y cambiando el voltaje V6 a 50 V .
9.17 Efectúense los mismos cálculos del caso 9.4.con el circuito mostrado en la figura
P9.17.
FIGURA P9.18.
LA
ARTE CASOS DE LINEALES
Ingenieríamecánica
9.19 Repítanse los cálculos del caso 9.5, usando los programas propios.
9.20 Efectúense los mismos cálculos del caso 9 . 5 , cambiando el ángulo a 55O respecto
a la horizontal.
9.2 1 Efectúense los mismos cálculos del caso 9 . 5 , cambiando el coeficiente de fricción
de la masa de 100 kg a 0 . 5 y el de las masas de 50 y 2 5 kg a 0.25.
9.22 Efectúense los mismos cálculos del caso 9.5, cambiando las masas de 100, 50 y
20 kg a 4 5 , 2 0 y 80 kg, respectivamente.
9.23 Efectúense los mismos cálculos del caso 9.5, para el sistema mostrado en la figura
P9.23.
9.24 Efectúense los mismos cálculos del caso 9.5, con el sistema mostrado en 13 figura
P9.24. (los ángulosson de 45').
9.25 Léanse todos los casos del capítulo 9 . En base a la lectura y a la experiencia elabó-
rense los propios casos en cualquier campo de la ingeniería. Esto puede implicar
modificar o reexpresar alguno de ellos; sin embargo, pueden ser también totalmen-
te originales. Como los ejemplos de este libro, se deben inspirar en el contexto de
la ingeniería y se debe demostrar el uso de los métodos numéricos para solucionar
sistemas de ecuaciones algebraicas lineales. Escríbanse los resultados usando los
casos de este capítulo como modelos.
FIGURA P9.24.
E P [LOGO: 111.4 ELEMENTOS DE JUICIO
En el cuadro 111.2 se muestra un resumen de los ele-
PARTE Ill mentos de juicio implicados en la solución de ecuacio-
nes algebraicas lineales simultáneas.Hay tres métodos;
gráfico, regla de Cramer y manipulación algebraica
que están limitadas a pocas ecuaciones (n I3) y por
lo tanto tienen poca utilidad práctica en la solución de
problemas. Sin embargo, estas técnicas son herramien-
tasdidácticasmuyútilesen la comprensión del com-
portamientodesistemaslinealesen general.
Los métodos numéricos mismos se dividen en dos cate-

gorías generales: métodos exactos y métodos aproxi-
mados. Como su nombre lo indica, los primeros
obtienensolucionesexactas. Sin embargo, ya que se
ven afectados por los errores de redondeo, en algu-
nas ocasiones ofrecen resultados erróneos. La magni-
tud del error de redondeo varía de sistema a sistema
y depende de una serie de factores. Estos incluyen las
dimensiones del sistema, su condición y s i la matriz de
coeficientes es dispersa o completa. Además, la preci-
sión de la computadora influye en el error de redon-
deo. En general, se escogen los métodos exactos para
resolver pocas ecuaciones (esto es, aquellos sistemas
menores de 50 ecuaciones).
Se usancomúnmente dos métodos; la eliminación

gaussiana y el método de Gaus-Jordan. Se recomien-
da emplearlaestrategia de pivote0encualquier
implementación que se haga de estos métodos sobre
una computadora. Con la ayuda de estaestrategia,
los errores de redondeo disminuyen y se evitan pro-
blemas como la división por cero. Aunque en todos los
demás sentidos son iguales, la eliminación gaussiana
es preferible a Gauss-Jordan, ya que la primera es un
50% más rápida. Sin embargo, el método de Gauss-
Jordan sigue siendo útil ya que se puede modificar un
poco de manera quese pueda obtener la matriz inver-
sa como beneficio adicional en los cálculos.
Aunque los métodos de eliminación tienen una granuti-

lidad, eluso de toda la matriz de coeficientes puede
ser un factor lirnitante cuandose trata de sistemas muy
grandes y dispersos. Esto se debe a que grandes por-
ciones de memoria en la computadora deben almace-
nar ceros sin sentido. Para sistemas en forma de banda,
existen métodos disponibles para la implementación de
la eliminación gaussiana sin tener que almacenar la ma-
triz de coeficientes completa. En el recuadro7.2 sedes-
C
U
C
.-
c
.-E
J
m
EPíLOGO PARTE I l l 303
" N
O
U
o
i
e,
U
O
O u) O
u) O
O
-
a,
oa,
?
ul
VI
3
s
cribe un algoritmo muy simple para llevar a cabo lo anterior en sistemas es-
peciales con forma de banda; el caso tridiagonal.
AI método que se describe en este libro se le conoce con el nombre de Gauss-

Seidel. Es diferente del método exacto en cuanto a que éste emplea un es-
quema iterativo en la obtención progresiva de aproximaciones más cerca-
nas a la solución. Por lo tanto, el efecto del redondeo es un punto discutible
dentro del método de Gauss-Seidel, ya que las iteraciones se pueden pro-
longar tanto como sea necesario para obtener la precisión deseada. Ade-
más, la versión del método de Gauss-Seidel puede desarrollarse de manera
que se pueda ahorrar espacio en memoria para sistemas dispersos. Por lo
tanto, el método de Gauss-Seidel es el método preferencial en sistemas gran-
des de ecuaciones (loo), en donde los errores de redondeo y los requisi-
tos dealmacenamientovienena ser u n problemasignificativopara las
técnicas exactas.
La desventaja del método de Gauss-Seidel es que no siempre converge a

la solución exacta o algunas veces lo hace de manera muy lenta. Unicamen-
tees confiable para aquellos sistemas dominantes diagonalmente. Sin em-
b a r g o , se dispone de los métodos de relajación que a veces ignoran estas
restricciones. Además, ya que muchos sistemas algebraicos lineales origina-
dos de problemas físicos muestran dominancia diagonal, el método de Gauss-
Seidel tiene gran utilidad en la solución de problemas de ingeniería.
Enresumen, se conjuntanunaseriedefactoresenlaseleccióndeuna
técnica p a r a resolver un problema en particular que involucre ecuaciones
algebraicas lineales. Sin embargo,comoya se mencionó, el tamaño
y ladispersióndelsistemasonfactoresparticularmenteimportantesal
determinar elección.
la
111.5 RELACIONES Y FóRMULAS IMPORTANTES

C a d a u n a d e las partes de este libro contiene una sección que resume las
fórmulas de mayor importancia. Aunque la parte Ill no menciona fórmulas
simples, se ha usado el cuadro 111.3 p a r a resumir los algoritmos que se han
cubierto. La tabla proporciona una visión global que resulta útil en la revi-
sión y en la clarificación de las diferencias principales entre los métodos.
111.6 MÉTODOS AVANZADOS

Y ALGUNAS REFERENCIAS ADICIONALES
Los métodos de este texto se han limitado a las técnicas más simples en la
solución de ecuaciones lineales simultáneas.
EPíLOGO PARTE 111 305
II II II
-
*"*"st
fi
"_
I l l
I
-SN x- ,x-
( 5 " & 8-
"_
m N N
Existen otros mgtodos que uscin elmismocontexto de los problemas así como
también otros que tratan sobre valores propios y ecuaciones simultáneas no li-
neales.
Descomposición LU (Llamado también método de Cholesky o método de Crout)

es una técnicaparticularmenteeficienteenlasolucióndealgunosproblemas
que se han mencionado en la parte I l l . Se encuentran buenas descripciones y
algoritmos de computadora para este método en James, Smith y Wolford ( 1 977)
y Gerald y Wheatley (1984).
Existen una variedad d e tkcnicas para determinar los valores propios. James,
Smith y Wolford (1 977); Gerald y Wheatley (1 984) y Hornbeck (1975) propor-
cionan una introducción al tema. El tema se trata más a fondo en Ralston y Ra-
binowitz (1978); Householder (1 964) y en Wilkonson (1 965).
Las ecuaciones simultáneas no lineales a veces se pueden resolver usan-

d o el método de Gauss-Seidel. Además, una versión multidimensional ofre-
ce un esquema más eficiente, aunque más complicado del método de
Newton-Raphson. En los libros de Carnahan, Luther y Wilkes ( 1 969); G e -
rald y Wheatley ( 1 984) y James, Smith y Wolford (1977) se analizan los
métodos. El libro de Ortega y Rheinboldt (1970) ofrece un trabajo muy
completo acerca del tema.
En resumen, la información anterior intenta introducir al lector en estu-

dios posteriores más profundos sobre el tema y áreas afines. En todas
las referencias anteriores se proporcionan descripciones de las técnicas
básicas d e la parte Ill. Además, Ralston y Rabinowitz ( 1 978) proporcio-
nan un análisis más profundo y en Stark (1 970) se incluye un estudio de
temas tales como el mal condicionamiento.El lector debe consultar estas
fuentes alternativas para complementar el material de este libro y enri-
quecer sus conocimientos sobre ecuaciones algebraicas lineales simul-
táneas. *
'Aqui sólo se hace referencia a los libros por autor; al finaldel texto se halla una bibliografía completa.
’ !
PARTE C ~ J A T R O
-AJUSTE DE CURVAS IV.1 M O T I V A C I ~ N

A menudo se proporcionan datosmediante .un
conjunto de puntos discretos. Sin embargo, a ve-
ces se requieren estimaciones de puntos entre esos
valores discretos. Esta parte del libro describe al-
gunas técnicas de ajuste de curvas de manera que
con tales datos se obtengan aproximaciones inter-
medias. Además, a veces se requiere una versión
simplificada de una función muy complicada. Una
manera de hacerloes la de calcular valores de la
función en’un conjunto de valores discretos a lo
largo del rango de interés. Después se puede ob-
tener una función mas simple ajustando estos va-
lores: A estas dos apticaciones se les conoce con
el nombre de ajuste de curvas.
Hay dos esquemas generales en el ajuste de cur-

vas que se distinguen entre s í en base a la canti-
dad deerrorasociadacon los datos.Primero,
donde los datos muestran un grado significativo
de’error o “ruido”, la estrategia es derivar una cur-
va simple que repre.sente el comportamiento ge-
neral de los datos. Ya que cada punto in’dividual
puede estar incorrecto, no es necesario intersec-
,tar cada punto individual puedeestar incorrecto,
no es necesario intersectar cada uno de ellos. En
vez de esto, la curva se diseña de tal manera que
siga un patrón sobre los puntos tomados como un
todo. A un procedimiento de esta naturaleza se
le conoce conel nombre de regresión con mínimos
cuadrados (Fig. IV.l a).
Segundo, donde se conoce que los datos son muy

exactos, el proceso es ajustar una curva o una se-
rie de curvas que pasen exactamente por cada uno
de los puntos. Estos datos generalmentese derivan de
tablas. Algunos ejemplos son los valores de la densi-
dad del agua y de la capacidad de calor de los gases
como una función de la temperatura. A la estimación
de valores entre puntos discretos conocidos se le co-
x noce con el nombre de interpolación (Fig. IV. l b y c).
____- -
FIGURA IV.l Tres intentos de ajustar la "mejor" curva a troves de los cinco dotos o) regresión
con mínimos cuadrados, b) interpolación lineal y c) interpolación curvilínea.
IV.l . l . Métodos de ajuste de curvas antes del

uso dela microcomputadora
El método más simple de ajustar una curva a un conjunto de datos

esel de trazar los puntos y unirlos con una línea recta. Aunque esta
es una alternativa válida y se utiliza cuando se requiere hacer esti-
maciones rápidas, los resultados son dependientes, desde un punto
de vista subjetivo, de la persona que traza la curva.
Por ejemplo, en la figura IV.l se muestran diferentes trazos sobre un

mismo conjunto de datos hechos por tres estudiantes. El primero no
intenta conectar los puntos, en vez de eso caracteriza el crecimiento
AJUSTE DE CURVAS 309
de los datosmedianteunalínearecta(Fig. IV.l .a). El segundo

estudiante usó segmentos de línea recta o interpolación lineal en la
conexión de los puntos (Fig. IV.l h ) . Esta técnica es muy común en
ingeniería. Si los valores se acercan realmente al caso lineal y están
espaciados muy cerca entre sí, entonces esta aproximación ofrece una
estimación adecuada en muchos cálculos de ingeniería. Sin embargo,
en donde la relación subyacente es altamente curvilínea o en donde
los datos están muy separados entre sí, se pueden introducir errores
significativos enla interpolación lineal.El tercer estudiante usó curvas
que intentan capturar el comportamiento sugerido por los datos (Fig.
IV.l c ) . U n cuarto o quinto estudiante desarrollaría un ajuste diferente.
Obviamente, la meta aquí es la de desarrollar métodos sistemáticos
y objetivos con el propósito de derivar tales curvas.
IV.1.2 Ajuste decurvas en ingeniería

El primer enfrentamiento del ingeniero con el ajuste de curvas pudo
ser el de determinar un valor intermedio de datos contenidos en una
tabla por ejemplo, de tablas de interés en la economía o de tablas
de vapor en termodinámica. A lo largo de la profesión de un inge-
niero, frecuentemente se presentan ocasiones en las que se deben cal-
cular valores intermedios de estas tablas.
Aunque muchas de las fórmulas utilizadas ampliamente en ingeniería

ya han sido tabuladas, existe otra gran cantidad delos que no tienen
aplicación al hacerlas de esta forma. Los casos especiales y los pro-
blemas nuevos de contexto requieren a menudo quese obtengan da-
tos propios y que se desarrollenrelacionespredictivas,tambiér!
propias. Se pueden encontrar, en general, dos tipos de aplicaciones
cuando se ajustan datos experimentales: el análisis de tendencias y
la prueba de hipótesis.
El análisis de tendencias representa el proceso de usar el patrón de

los datos y hacer predicciones. Para los casos en que los datos se mi-
den con alta precisión, se pueden usar polinomios de interpolación.
Los datos imprecisos, en general, se analizan con regresión de míni-
mos cuadrados.
El análisis de tendencias se puede usar para predecir o pronosticar

valores de la variable dependiente. Esto a veces involucra extrapolar
más allá de los límites de los datos observados o interpolar dentro del
rango de datos. Generalmente, en todos los campos de la ingenieria
se encuentra este tipo de problemas.
Una segunda aplicación a la ingeniería del ajuste de curvas experi-

mentales es la prueba de hipótesis. Aquí se compara un modelo ma-
temático existente con los datos medidos. Si los coeficientes del mo-
delo se desconocen, a veces es necesario determinar valores que se

ajusten mejor a los datos observados. Por el otro lado, si las estima-
ciones de los coeficientes del modelo se encuentran disponibles puede
ser apropiado comparar los valores predecidos del modelo con los
valores observados y así probar la eficiencia del método. A menudo,
se comparan modelos alternos y se selecciona "el mejor" en base a
observaciones empíricas.
Además de las aplicaciones anteriores a la ingeniería,el ajuste de cur-

vas es importante en otros métodos numéricostales como la integra-
ción y la solución aproximada de ecuaciones diferenciales. Finalmente,
los métodos de ajuste de curvas se pueden usar para derivar funcio-
nes simples y aproximar funciones complicadas.
IV.2 FUNDAMENTOS MATEMÁTICOS

Los fundamentos matemáticos necesarios para la interpolación se en-
cuentran en las expansiones de la serie de Taylor y diferencias dividi-
das finitas introducidos en el capítulo 3. En la regresión con mínimos
cuadrados se requieren conocimientos de estadística. Si el lector está
familiarizado con los conceptos de media, desviación estándar, su-
ma residual de cuadrados ydistribución normal, entonces puede omitir
las siguentes paginas e ir directamente a la secciónIV.3. Si no conoce
estos conceptos o si necesita recordarlos, entonces se recomienda leer
el siguiente material como una breve introducción a estos temas.
IV.2.1 Estadísticasimple
Supóngase que enun curso de ingeniería se hacen varias medidas

de una determinada cantidad. Por ejemplo, el cuadro IV.l contiene
24 lecturas del coeficiente de expansión térmica de un acero estruc-
tural. AI observar estos valores, proporcionan una cantidad limitada
de información, esto es, el rango de valores va desde un mínimo de
CUADRO IV. 1 Coeficientes obtenidos al medir la

expansión térmica de un acero
estructural
( x 1 O-6 pulg/pulg/°F)
6.495 6.625 6.635 6.655

6.665 6.51 5 6.625 6.775
6.755 6.61 5 6.575 6.555
6.565 6.435 6.395 6.655
6.595 6.71 5 6.485 6.605
6.505 6.555 6.71 5 6.685
AJUSTE DE CURVAS 31 1
6.395 hasta un máximo de 6.775. Se puede profundizar en el conoci-

miento de los mismos agrupando los datos en una o mas medidas es-
tadísticas conocidas que proporcionen tanta información como sea
posible acerca decaracterísticas específicasdel conjunto de datos. Estas
medidas estadísticas descriptivas se seleccionan más a menudo para
representar 1 ) la posición central de la distribución de datos y 2) el
grado de dispersión del conjunto de datos.
La medida estadística más común es la medida. La media (y) de una

.. . dividi-
muestra se define como la suma de los datos individuales (y;)
do por el número de puntos (n), o:
[IV.l]
en donde la sumatoria va desde i = 1 hasta n.

La medida mas común de la dispersión de una muestra es la desvia-
ciónestándar (sJ, en función de la media:
[IV.2]
I I
en donde S es la suma total de los cuadros de los residuos entre los

puntos y la media, esto es:
S, = c (y, - [IV.3]
Por lo tanto, si las medidas individuales se dispersan muy lejos de la
media, S, (y, por lo tanto sy) crecerá. Si se agrupan muy cerca de la
media entonces la desviación estándar será pequeña. La dispersión
también se puede representar por el cuadrado de la desviación es-
tándar, a la cuál se le llama varianza:
[IV.4]
Nótese que el denominador en ambos casos es n - l. Esto toma en

consideración que un promedio derivado previamente de los datos
(esto es, la media) se usó para determinar S,. Formalmente, se dice
que se pierde un grado ¿e Iibedad. Otra justificación de dividir por
n - 1 es que no hay dispersión en un solo dato. Por lo tanto, en el
caso donde n = 1, la ecuación (IV.4) proporciona un resultado sin
sentido o infinito.
Una medidaestadística final que tiene utilidad en la cuantificación de

la dispersión de los datos es el coeficiente de variación (c. v). Esta me-
dida estadística es el cociente d e la desviación estándar dela media.
Como tal, proporciona una media normalizada de la dispersión. A
menudo se multiplica esta cantidad por 100, de tal manera que se
pueda expresar en forma porcentual:
[ ; I
C.V. = = 100% [IV.5]
Nóteseque elcoeficiente devariación essimilaralerrorrelativo porcen-

tual ( t u ) mencionado en la sección 3.3. E s decir, el cociente de una
medida de error (S,,) entre una estimación del valor verdadero (a.
EJEMPLO IV.l
Tratamiento estadístico sencillo de una muestra
Enunciadodelproblema: calcúlense lamedia,varianza,desvia-

ción estándar y coeficiente de variación de los datos del cuadro IV.l.
Solución: los datos se suman (cuadro IV.2) y los resultados se usan

para calcular [Ec.(lV.l)]:
- 158.400
= 6.6
24
Como enel cuadro IV.2, la suma de los cuadrados de los residuos

es 0.21 7 00, que se puede usar en el calculo de la desviación están-
dar [Ec.(lV.2)]:
I
I
sy = ,/T = 0.097 733
1I y la varianza [Ec.(lV.4)]:
S’, = 0.009 435

y los coeficientes de variación [Ec.(lV.S)]:
C.V. =0.097
6.6
331 00% = 1.47%
Cuadro IV.2 Cálculos para la obtención de las medidas estadísticas e histogra-

ma delas lecturas del coeficiente de expansión térznica
INTERVALO
Limite límite
I Y; (Y; - 7,’ Frecuencia inferior Superior
6.395 0.042 025 6.36 6.40

6.435 0.027 225 6.40 6.44
6.485 0.013 225
6.495 0.011 025 4 6.48 6.52
6.505 0.009 025
6 6.515 0.007 225
7 6.555 2 6.52 6.56
8 6.555 0.002 025
9 6.565 0.001 225
10 6.575 0.000625 3 6.56 6.60
11 6.595 0.000025
i
12 6.605 0.000025
13 6.615 0.000225
14 6.625 0.000625 5 6.60 6.64
15 6.625 0.000625
16 6.635 0.001 225
17 6.655 0.003 025
18 6.655 0.003025 3 6.64 6.68
19 6.665 0.004 225
20 6.685 0.007 2251
21 6.715 0.013 225) 3 6.68 6.72
22 6.715 0.013 225
23 6.755 0.024 025 6.72 6.76
24 6.775 0.030 625 6.76 6.80
z 158.400 0.217 O00
IV.2.2 La distribución normal
La característica final que se menciona en este análisis es la distribu-

ción de datos, es decir, el comportamiento con el cual los datos se
distribuyen alrededor de la media. Un histogrurnu proporciona una
representación visual simplede la distribución. Como el cuadro IV.2,
un histograma se construye ordenando los datos en intervalos. Los
intervalos se grafican sobre el eje ¿e las abscisas y la frecuencia de
ocurrencia de estos se grafica en el eje de las ordenadas. Por lo tari-
to, cinco de las medidas caen dentro del intervalo 6.60 y 6.64. Como
en la figura IV.2, el histograma sugiere que la mayor parte delos da-
tosse agrupan cerca de la media.
Si se tiene un conjunto grande de datos, a menudo el histograma se

transforma de un diagrama de barras en una curva suave. La curva
FIGURA IV.2 Uso de un histograma para delinear la distribución de los datos. A medida que el
número de puntos aumenta, el histograma tiende a una curva uniforme y sin discon-
tinuidades llamada distribución normal.
simétrica y homogénea sobrepuesta a la figura IV.2 muestra una de

estas curvas características; la distribución normal. Si se proporciona-
ran medidas adicionales suficientes, entonces el histograma eneste
caso en particular, tendería eventualmente a la distribución normal.
los conceptos de media, desviación estándar, suma residual de cua-

drados y distribución normal tiene una gran importancia dentro de
la ingeniería. Un ejemplo muy simple essu uso en la cuantificación
de la confiabilidad que se le puede atribuir a un dato particular. Si
unacantidad está distribuidanormalmente, el rangodefinidopor
+
y - S, a y S, abarcará aproximadamente el 68% del número to-
tal de datos. De la misma manera, el rango definido por y - í's, a
y + 2 S,, abarcará aproximadamente el 95%
Por eiemplo, en los coeficientes de expansión térmica del cuadroIV. 1
(y = 6.6 y S, 0.097 133), se puededecir que aproximadamente el
95% de los datos se encuentra entre 6,405 734 y 6.794 266. Si al-
guien dijo que se midió un valor de 7.35, entonces se puede esperar
que este dato sea erróneo.
l o anterior es sólo un ejemplo muy simple de cómo se pueden usar

las estadísticas para dar juicios acerca de la certeza de los datos. Es-
tos conceptos también tienen importancia directaen el análisis de mo-
delos de regresión. Se puede consultarcualquierlibro bdrsico de
estadística (por ejemplo, Ang y Tang, 1975, o Laping, 1983) para ob-
tener información adicional sobre el tema.
AJUSTE DE CURVAS 31 5
IV.3 ORIENTACION
Antes de pasar a los métodos numéricos en el ajuste de curvas, pue-
de ser útil una orientación. Lo que sigue está enfocado a dar una vi-
sión general del material analizado en la parte IV. Además, se han
formulado algunos objetivos para ayudar al aprendizaje del lector
cuando estudie el material.
316 INGENIEROS
IV.3.1 Avance y alcance
En la figura IV.3 se muestra una visión global del material que se cu-
bre en la parte IV. El capítulo 70 se dedica a la regresión con mínimos
cuudrudos. Primero se aprenderá a ajustar “la mejor” línea recta a
través de un conjunto de datos inciertos. A esta técnica se le conoce
con el nombre de regresión lineal. Además del análisis sobre el cálcu-
lo de la pendiente y punto de intersección de la línea recta, se pre-
sentan también métodos cuantitativos y visuales para la evaluación
de la validez de los resultados.
Además de ajustar una línea recta, se estudia también una técnica
general para ajustar “al meior” polinomio. Por lo tanto, se aprende-
rá a derivar un polinomio cuadrático, cúbicoo de orden superior que
se ajuste de manera adecuada a los datos inciertos. La regresión li-
neal es un subconjunto de este esquema más general, al cual se le
conoce con el nombre de regresión polinornial.
Finalmente, el último tema cubierto en el capítulo 10 es la regresión

lineal múltiple. Que está diseñada para casos en que la variable de-
pendiente y sea una función lineal de dos o más variables indepen-
dientes xl, x2, ..., x,. Este esquema tiene una utilidad especial en la
evaluación de datos experimentales en donde la variable de interés
depende de un conjunto de factores.
En el capítulo 7 7 se describeunatécnicaalternativa de ajuste

de curvas a laque se le llamainterpolación, Como se dijoante-
riormente,lainterpolación se usa para estimularvaloresinterme-
dios entre datos conocidos. En el capítulo 11 se derivan polinomios
que cumplen este propósito. Se introduce el conceptobásicode
interpolaciónpolinominalusandorectas y parábolasparaconec-
tarpuntos.Después, se desarrolla un procedimientogeneral para
ajustar un polinomio de n-ésimo orden. Se presentan dos formatos
diferentes para expresar estos polinomios en forma de ecuaciones.
E s preferible el primero de ellos,llamado polinornio de interpola-
ción deNewton,cuando se desconoce el ordencorrectodelpoli-
nomio. El segundo, llamado polinornio de interpolación de Lagrunge
tiene algunasventajas cuando el ordendelpolinomio se conoce
deantemano.
La Última sección del capítulo 11 se dedica a una técnica diferente

en el ajuste preciso de datos. Esta técnica, llamada interpolación seg-
rnenturia (en inglés spline),ajusta los datos a polinomios pero por in-
tervalos. De ahí que sea particularmente útil cuando se ajusten datos
que en general son homogéneos,pero muestrancambioslocales
abruptos.
En el capitulo 72 se desarrollan casos de estudio que ilustran la utili-

dad de los métodos numéricos dentro de contextos de la ingeniería.
Se muestran algunos ejemplos tanto de la ingeniería en general co-
mo de las cuatro ramas más importantes de la misma: química, civil,
eléctrica y mecánica.
Finalmente, se incluye un epílogo al final de la parte IV. Este incluye

un resumen de las fórmulas y conceptos más importantes relaciona-
dos con el ajuste de curvas, así como un análisis de los factores de
mayor importanciaentre las técnicas y sugerenciaspara estudios pos-
teriores.
En la parte IV se incluyen algunas opciones de cálculo por computa-

dora. Primero, el paquete de programas NUMERICOMP que acom-
paña al texto contiene programas que son legibles al usuario sobre
regresión lineal e interpolaciónde Lagrange. Alternativamente,se in-
cluyen en el texto programas escritos en FORTRAN y en BASIC. Esto
le proporciona al lector la oportunidad de copiar el programa para
implementarlo en su propia microcomputadora o supercomputado-
ra. También se incluyen los diagramas de fluio y los algoritmos para
la mayor parte delos métodos descritos en el texto. Este materialpuede
servir de base en la construcciór! de un paquete de programas que
el lector puede desarrollar y aplicar a los problemas de ingeniería.
IV.3.2 Metas y objetivos
Objetivos de estudio. Después de terminar la parte IV, el lector debe

haber aumentado en gran medida sus capacidades en el ajuste de cur-
vas con datos. En general, se deben dominar las técnicas, se debe
haber aprendido a valorar la confiabilidad delas respuestas y ser ca-
paz de escoger el mejor método (o métodos) para cualquier proble-
ma. Además de estas metas generales, se deben asimilar y dominar
los conceptos específicos del cuadro IV.3.
Objetivos de cómputo. El lector debe tener un conjunto de progra-

mas simples decomputadora, algoritmosy diagramasde flujo
queimplementen los métodos analizados en laparte IV. Todos
ellos comoherramientasdeaprendizaje.
El paquete opcional de programas NUMERICOMP, incluye los pro-

gramas de regresión lineal de interpolación de Lagrange. Las gráfi-
cas asociadas con este paquete le ayudarán al lector a visualizar el
problema además delas operaciones matemáticas asociadas. Las grá-
ficas son una parte crítica en la apreciación sobre la validez de una
regresión. También proporcionan una guía relacionada con el orden
318 MÉTODOS NUMfRICOS PARA INGENIEROS
CUADRO IV.3 Objetivos de estudios específicos de la parte IV
1 . Entender la diferencia fundamental entreregresión einterpolaciónydarse

cuenta que el confundirlos puedeacarrear serios problemas.
2. Entender la derivación de la regresión lineal con mínimos cuadradosy ser
capaz devalorar la confiabilidad del ajuste usando gráficas a apreciaciones cuan-
titativas.
3. Saber linealizar datos para llevara cabo transformaciones.
4. Entender lassituacionesen dónde es apropiado usar regresiónpolinomial
o múltiple.
5. Entender que hay uno y sólo un polinomio de grado n o menor que pasa exac-
tamente a través de los R + 1 puntos.
6. Saber como derivar el polinomio de interpolación de Newton de primer orden.
7. Entender laanalogía entreel polinomio de Newton y la expansión de la
serie de Taylor y cómo se relacionancon el error de truncamiento.
8 . Reconocer que las ecuaciones deNewton y de Lagrange sonmeramente
formulaciones diferentesdelmismo polinomio de interpolación y de enten-
der sus respectivas ventajas y desventoias.
9. Observar que se obtienenresultadosmásexactos si los puntosusados para
interpolación se centran alrededor y cerca de la incógnita.
10. Reconocer que los puntosnotienen porqué estarigualmente espaciados
nienningún orden enparticular para los polinomios de Newton y de La-
grange.
1 1 Conocer el por qué las fórmulas de interpolación igualmente espaciados tienen
utilidad.
12. Reconocer las limitaciones y las incertidumbres asociadas con la extrapolación.
13. Entender por quélasfuncionessegmentariastienenutilidad para datos con
áreas locales de cambios significativos.
correcto de una interpolación polinomialy s i es confiable efectuar la

extrapolación. El paquete es muy fácil de aplicarse en la solución de
problemas prácticos y se puede usar en la verificación de los resulta-
dos de cualquier programa que el lector haya desarrollado por sí
mismo.
Además, se incluyen los programas de computadora, los algoritmos
o los diagramas de flujo para la mayor parte de los métodos de la
parte IV. Esta información le permitirá ai lector expander su bibliote-
ca de programas incluyendo técnicas que van más allá de la regre-
sión lineal y de la interpolación de Lagrange. Por ejemplo, puedeser
útil, desde un punto de vista profesional, tener un paquete de pro-
gramas que incluya regresión polinomial, polinomio de interpolación
de Newtone interpolación cúbicasegmentaria (del inglés cubic spline).
CAPíTULO DIEZ
REGRESI~N
CON MíNIMOS
CUADRADOS
Cuando se asocia un error sustancial con los datos, la interpolación poii-

nomial es inapropiada y puede llevar a resultados no satisfactorioscuan-
do se usa para predecir valores intermedios. Los datos experimentales
a menudo son de este tipo. Por ejemplo, en la figura 10. l a se muestran
siete datos obtenidos experimentalmente que muestran una variación sig-
nificativa. La inspección visual de los datos sugiere una relación positiva
entre y y x . Es decir, la tendencia total indica que a valores mayores de
y se le asocian valores mayores a x. Ahora, si se ajusta un polinomio in-
terpolante de sexto orden a estos datos (Fig. l O . l b ) , pasará exactamente
por todos los puntos. Sin embargo, debido a la variabilidad de los datos,
la curva oscila ampliamente en los intervalos entre puntos. En particular,
los valores interpolados x = 1.5 y x = 6 . 5 parecen ir más allá d e l rango
sugerido por los datos.
Una estrategia más apropiada en estoscasos es la de obteneruna fun-
ción aproximada que ajuste “adecuadamente” el comportamiento o la
tendencia general delos datos, sin coincidir necesariamente con cada punto
en particular. La figura 10. ICmuestra una linea recta que puede usarseen
la caracterización de la tendencia delos datos sin pasar sobreningún punto
en particular.
Una manera de determinar la línea de la figura 1 0 . 1 ~ es inspeccio-
narvisualmente los datosgraficados y luegotrazarla “mejor” línea
a través de los puntos. Aunque este enfoque recurre al sentido común
Y esválidoparacálculos“asimplevista” es deficiente ya quees
arbitrario. Es decir, a menos que los puntosdefinanunalínearecta
perfecta (en cuyo caso la interpolaciónsería apropiada), cadaanalista
trazará
rectasdiferentes.
La manera de quitar esta subjetividad es considerar un criterio que
cuantifique la suficiencia del ajuste. Una forma de hacerlo es obtener una
curva que minimice la diferencia entre los datosy la curva. En este capí-
tulo se analiza un método para llevar a cabo este objetivo al que se le
llama regresión con minimos cuadrados.
FIGURA 1O. 1 a) Muestra de datos con un error significativo. b) Ajuste polinomial con
oscilaciones que violan el rango de los datos, c) se obtienen resultados
más satisfactorios usando el ajuste de mínimos cuadrados.
REGRESldN CON MíNIMOS CUADRADOS 32 1
10.1 REGRESIóN
LINEAL
Ei ejemplo más simple de una aproximación por mínimos cuadrados es
el ajuste de una línea recta a un conjunto de parejas de datos observa-
das: ( x 1 ,y l ) , (xp, y2), .. . ,(x,,, y,,). La expresión matemática de una línea
recta es:
y = a0 + alx + E [10.1]
en donde a. y al son coeficientes que representan la intersección con el

eje de las abscisas y la pendiente, respectivamente y E es el error o resi-
duo entre el modelo y las observaciones, que se puede representar reor-
denando la ecuación (10.1)como:
E = y - a0 - alx
Por lo tanto, el error o residuo es la diferencia entre el valor real de y

y el valor aproximado, a. +
a, x, predicho por la ecuación lineal.
10.1.1 Criterio para un mejor” ajuste

/ /
Una estrategia que obtiene la “mejor” línea a través de los puntos debe
minimizar la suma de los errores residuales, como en:
[10.2]
i=1 i=l
Sin embargo, este criterio es inadecuado, como se puedever en la figura

10.2a, en donde semuestra la línea recta que ajusta dos puntos. Obvia-
mente, la mejor línea ajustada esaquella que conecte ambos puntos. Sin
embargo, cualquier línea que pasa por el punto medio de la línea que
los conecta (excepto unalínea perfectamente vertical) genera un valor mí-
nimo en la ecuación (10.2) igual a cero ya que los errores se cancelan.
Otro criterio sería minimizar la suma de los valores absolutos de las
diferencias, esto es:
n n
i= 1
161 = 2IM
i= 1
- a0 - alxil
En la figura 10.21 se muestra por qué este criterio también es inadecua-

do. Con los cuatro puntos mostrados, cualquier línea recta que se en-
cuentre dentro de las líneas punteadas minimiza el valor absoluto de la
suma. Por lo que este criterio aún no produceel mejor ajuste que sea único.
Una tercera estrategia en el ajuste de una línea óptima es el criterio
de minimax. En este método, la línea se escoge de tal manera que mini-
mice la distancia máxima a la que se encuentra un punto de la linea rec-
322
"
MbODOS NUMÉRICOS PARA INGENIEROS
FIGURA 10.2 Ejemplos de algunos de los criterios de "meior ajuste" que son inade-
cuados en la regresión: a) minimización de la suma de los residuos; b)
minimización de la suma de los valores absolutos de los residuos y c) mi-
nimización del error máximo de cualquier punto individual.
ta.Comose muestra en lafigura lo.&, está estrategia está mal

condicionada pararegresión ya que influye de maneraindebida sobre un
punto externo, aislado, cuyo error es muy grande. Se debe notar que
el criterio minimax algunas veces estábien condicionado paraajustar una
función simple a una función complicada (Carnahan, Luther y Wilkes,
1969).
Una estrategia que ignora las restricciones anteriores es la d e minimi-
zar la suma de los cuadrados de los residuos, S,, de la siguiente manera:
n n
S, = 2 E? = ( y i- a0 - alxi)2 E10.31
¡= 1 i=l
REGRESIóN CON MíNIMOS CUADRADOS 323
Este criterio tiene muchasventajas, incluyendoel que ajusta una linea única
a un conjunto dado de datos. Antes de analizar estas propiedades, se mues-
tra un métodoquedetermina los valoresde a. y al que minimizanla
ecuación (10.3).
10.1.2 Ajuste deunarectautilizando mínimos

cuadrados
Para determinar los valores de las constantes a. y a l , se deriva la ecua-

ción (10.3) conrespecto a cadaunodelos coeficientes:
Nótese que se hansimplificadolossímbolosdelasumatoria; a menos

que otra cosa se indique, todas las sumatorias van desde i = 1 hasta n .
Igualando estas derivadas a cero, se genera un mínimo S,. Si se hace así',
las ecuaciones anteriores se expresarán cómo:
Ahora, considerando que C a. = nao, las ecuaciones se pueden expre-

sar como un conjunto de dosecuaciones lineales simultáneas con dosin-
cógnitas (ao y al):
nao + C xial = yi [10.4]

[10.5]
A estas ecuaciones se les conoce como ecuaciones normales.Se pueden

resolversimultáneamente y obtener [(recuérdese la Ec. 7.10)]:
[10.6]
Este resultado se puede usar junto conla ecuación (10.4) para obtener:
[10.7]
en donde v y X sonlamedid¿+de y y x , respectivamente.
ll..... ."
l__ . ..
324 INGENIEROS
EJEMPLO 1O. 1
Regresión lineal
Enunciado del prblema: ajústese una línea recta a los valores x y y de

las primeras dos columnas del cuadro 10. l.
CUADRO 1O. 1 Cálculos para el análisis del error del ajuste

lineal
1 0.5 8.5765 0.1687

2 2.5 0.8622 0.5625
3 2.0 2.0408 0.3473
4 4.0 0.3265 0.3265
5 3.5 0.0051 0.5896
6 6.0 6.6122 0.7972
7 5.5
- 4.2908 0.1993
c. 24 22.7143 2.991 1
Solución: sepuedencalcularlassiguientescantidades:
n =7 2 xjyj = 119.5 xf = 140
24
2 yi = 24 J = - = 3.428 571 429
7
Usandolas ecuaciones (10.6) y (10.7),
an = 3.428 S71 429 - 0.839 285 714(4) = 0.071 428 57
Por lo tanto, el ajuste con mínimos cuadrados es:
y = 0:071 428 57 + 0.839 285 7 1 4 ~

La línea, juntocon los datos, se muestra enla figura 1 0 . 1 ~ .
REGRESldN CON MíNIMOS CUADRADOS 325
10.1.3 Cuantificación del error enla regresión lineal
Cualquier línea recta diferente a la que se calculó en el ejemplo 10.1 ge-

nera una mayor suma de cuadradosde los residuos. Por lo tanto, la línea
es única y en términos del criterio escogido es “la mejor” línea a través
de los puntos. Se puede derivar un gran número de propiedades adicio-
nales de este ajuste, examinando más de cerca la manera como se calcu-
laron los residuos. Recuérdese que la suma de los cuadrados se define
como [Ec. (10.3)]: I
S , = 2 ( y i - a. - alxi)* 110.81
i= 1
Nótese la similitud entre las ecuaciones (IV.3)y (10.8).En el primer

caso, los residuos representabanla diferencia entrelos datos y una aproxi-
mación simple de la medida de la tendencia central; la media. En la ecuación
(10.8),los residuos representanel cuadrado de la distancia vertical entre
los datos y otra medida de la tendencia central; la línea recta (Fig. 10.3).
La analogía se puede extender más paracasos en donde 1) la dispersión
de los puntos alrededorde la recta son de magnitud similar a lo largo del
rango entero de los datos y 2) la distribución de estos puntos alrededor
de la línea es normal. Se puede demostrar que si este criterio se cumple,
la regresión con mínimos cuadrados proporciona la mejor(es decir, la más
probable) aproximación de a. y al (Draper y Smith, 1981). A esto se le
conoce como principio de probabilidad máxima dentro de la estadística.
Además, si este criterio se cumple, una “desviación estándar” de la línea
de regresión se puede determinar como [compárece con la Ec. (IV.2)]:
FIGURA 10.3 El residuo en la regresiónlinealrepresenta el cuadrado de la distancia

verticalentreunpunto y la línea recta.
326 S
M ~ T O D ONUM~RICOS
PARA lNGENlEROS
[10.9]
en donde sy,x se llama error estándar de la aproximación. La notación

con subíndice “y/x” indica que el error es para un valor predicho de y
correspondiente a un valor particular de x. También, nótese que ahora
ladivisión es por n - 2 ya que se usan dos aproximaciones obtenidas
de los datos; a. y a, para calcular S; por lo tanto, se han perdido dos
grados de libertad.Como con el análisis de desviación estándar en lasec-
ción IV.2.1,otra justificación de dividir por n - 2 es que no existe una
“dispersión de los datos” alrededor de una línea recta que conecta dos
puntos. De esta manera, para el caso cuando n = 2 , la ecuación (10.9)
no proporciona un valordeinfinitoelcual no tiene sentido.
Así como con la desviación estándar,el error estándx de la aproxima-
cióncuantifica ladispersión de los datos. Sin embargo, cuantificala
dispersión alrededor de la linea de regresión, como se muestra en la figura
10.4, contrario a la desviaciónestándaroriginal, S, quecuantifica la
dispersión alrededor d e la media.
Los conceptos anteriores se pueden emplear para cuantificarla “efi-
ciencia” del ajuste. Esto es particularmente útil en la comparación de va-
rias regresiones (véase la Fig. 10.5). Para hacerlo se regresa a los datos
originales y se determina la suma de los cuadrados alrededorde la media
para la variable dependiente (en este caso, y ) . Se le puede llamar a esto
FIGURA 10.5 Ejemplos de la regresión lineal con a) errores residuales pequeños y b)

grandes.
la suma total de los cuadrados, S,. Esta es la cantidad de dispersión en

la variable dependiente que existe antes de la regresión. Después de Ile-
var a cabo la regresión lineal, se puede calcular S,, que es la5uma de
los cuadrados de los residuos alrededorde la linea de regresión. Este pre-
senta la dispersión que existe despuésde la regresión. La diferencia entre
lasdos cantidades, o St - S, cuantifica la mejora enla reduccióndel
error debido al modelo de la línea recta. Esta diferenciase puede norma-
lizar al error total y obtener:
[10.10]
en donde r es el coeficiente de correlación y r 2 es el coeficiente de de-

terminación. Para un ajuste perfecto, S, = O y r 2 = l, indicando que
la línea recta explica el 100 % de lavariabilidad. Si r 2 = O, entonces el
ajuste no representa mejorías.
EJEMPLO 10.2
Estimación de los errores en el ajuste por mínimos cuadrados lineal
Enunciado del problema: calcúlese la desviación estándar total, el error

estándar de la aproximación y el coeficiente de correlación de los datos
del ejemplo 10.1.
Solución: las sumatorias se muestranenel cuadro 10.1. L.a desviación

estándar total es [Ec. (IV.2)]
y el error estándar de la aproximación es IEc. (10.9)]:
por lo tanto, ya que S , , < S,, el modelo de regresión lineal es acepta-

ble. El alcance dela mejoríasecuantificamediante [Ec. (10.lO)l
)-2 =
22.714 3 - 2.991 1
= 0.868
22.714 3
O
r = = 0.932
Estos resultados indican que el 86.8% de la incertidumbre original se ha
explicadomediante el modelo lineal.
Antes de proceder con el programa de computadora para el método

de regresión lineal, son necesarios algunos comentarios. Aunque el coe-
ficiente de correlación proporciona un medio fácil de medir la efectividad
del ajuste, se debe tener cuidado de no atribuirle significado garantizado.
El que r esté “cercano” a 1 , no significa que el ajuste sea necesariamente
“bueno”. Por ejemplo, es posible obtener un valor relativamente alto de
r cuando la relación mencionada entre y y x ni siquiera es lineal. Draper
y Smith (1981) proporcionan una guía y material adicional que sirve para
valorar los resultados de una regresión lineal. Además, como mínimo, se
debe inspeccionar siempre una gráfica de los datos con una línea de re-
gresión cuando se ajusten curvas de regresión. Como se verá en la siguien-
te sección, los programas de NUMERICOMP contienen estas opciones.
10.1.4 Programadecomputadoraparalaregresión lineal
Es relativamente sencillo desarrollarun programa para la regresión lineal.

La figura 10.6 muestra las versiones en FORTRAN y BASIC. Ya que las
opciones gráficas de una microcomputadora
REGRESION 329
FORTRAN BASIC
N number of data points
=
DATA SX/O./,SU/O./,XZ/O./,XY/O./ 100 INPUT N
READ(5rl)N 110 FOR I = 1 TO N X = independent
variable
FORHAT ( I5 120 INPUT X . Y Y variable
= dependent
Do 170 I=l,N 139 sx = sx + x SX = sum of X's
READ(5,2)X,Y 140 SY = S Y + Y SY = sum of Y's
fOiWAT(2F10.0) 150 x2 = x2 + x -I x
9!=SX*X 160 X Y = X Y + X O Y X2 = sum of square of X's
sY=sv+Y I79 NEXT I __2_____ X Y = sum of product of X and Y
x2=X2+x~x 1BO X t l = SX / N X M = mean of X's
sY=xY+x'Y 190 YM = SY / N
CONTINUE 200 A I = ( N : X Y - sx t S Y ) ( N m , YM=meanofY's
x2 - sx : SX)
\
XY=SX/N A l = slope
YM=SY/N 210 A 0 = YM - Al I XH A0 = intercept
kl=(N~XY-SX~SY)/(N.X2-sX*Sx) 229 P R I N T ClO.61
.?,O=YM-Al*XH 230 END i
WRITE(6t3)AOrAl
F O R M A T ( ' *,2F10.3)
STOP
mn
FIGURA 10.6 Programas FORTRAN y Basic para la regresión lineal.
son muy variadas, no se incluyen gráficas de estos programas. Sin em-

bargo, como se mencionó anteriormente, esta opción es importante para
el uso e interpretación efectiva de la regresión y se incluye en el paquete
suplementario de NUMERICOMP. Si la computadora que el lector usa,
tiene la posibilidad de graficación se recomienda que se expandan los pro-
gramas de tal manera que se incluya una gráfica dey contra x que mues-
tre los datos y la línea de regresión. La inclusión de gráficas aumenta en
gran medida la utilidad de los programas dentro delcontexto de solución
deproblemas.
EJEMPLO 10.3
Regresión lineal usando la computadora
Enunciado del problema: el paquete de programas NUMERICOMP aso-

ciado a este texto incluye un programa legible al usuario que implementa
la regresión lineal. Este progrdma se puede usar enla solución del pro-
blema de prueba de hipótesis asociado con el paracaidista analizado en
el capítulo 1.Se dio un modelo matemático teórico parala velocidad del
paracaidistamediante la fórmula [Ec. (1.9)]:
en donde u es la velocidad en centímetros por segundo, g es la constante

de aceleración gravitacional de 980 cm/s’, m es la masa del paracaidis-
ta e igual a 68 100 g , y c es el coeficiente de fricción de 12 500 g/s. Co-
mosedescribeenelejemplo l . lel, modelopredice la velocidaddel
paracaidista en función del tiempo. En el ejemplo 2.1 se muestra una gráfica
de lavariacióndelavelocidadenfuncióndel tiempo.
Un modelo empírico para la velocidad del paracaidista está dado por
la siguiente fórmula:
v(t) =
c
[ t
3.75 +t ] [E10.3.1]
Supóngase que se desea probar y comparar la suficiencia de estos

dos modelos matemáticos. Esto se puede llevar a cabo midiendo la velo-
cidad verdadera del paracaidista en intervalos de tiempo conocidos y compa-
rando los resultados con la velocidad predicha por cada uno de los modelos.
Se tiene un grupo de datos medidos experimentalmente los que se
listanenla columna a) del cuadro 10.2. Las velocidades calculadas de
cada modelo se listanenlas columnas b) y c).
CUADRO 10.2 Velocidades medidas y velocidades calculadas para la caída del

paracaidas
V Calculada,
Medida V Calculada, cmls cmls [ecuación
cmls [ecuación (1.9)] (E10.3.l)l
Tiempo, S (4 ( 4 (4
1 100 o 895.3 1 124.0

2 163 O 1 640.5 1 857.0
3 230 O 2 260.7 2 372.9
4 275 O 2 776.9 2755.6
5 310 O 3 206.5 3 050.9
6 356 O 3 564.1 3 285.5
7 390 O 3861.7 3 476.6
a 415 O 4109.5 3 635.1
9 429 O 4315.6 3 768.7
10 450 O 4487.2 3 882.9
11 460 O 4 630.1 3981.6
12 455 o 4749.0 4067.8
13 460 O 4847.9 4143.7
14 490 O 4 930.3 4211.0
15 500 O 4998.8 4 271.2
Solución: la validez de los modelos se puede probar graficando las velo-

cidades medidas contra la velocidad calculada por el modelo. Se usala
regresión lineal en el cálculo de la línea recta y se gráfica. Esta línea ten-
REGRESldN C O N MíNIMOS CUADRADOS 33 1
FIGURA 10.7 a) Resultados obtenidos usando regresión lineal en la comparación de

valores medidos contra el modelo teórico calculado mediante la ecua-
ción (1.9).
b) Resultados obtenidos usando regresión lineal en la comparación de
valores medidos contra el modelo empírico calculado con la ecuación
(E10.3.1).
drá una pendiente de 1 y una intersección en O si el modelo coincide con

los datos perfectamente. Cualquier desviación de estos valores se usará
como indicación de ser poco confiableel modelo.
~ ~grafica lalínea y los datos de la regresión de
Enlafigura 1 0 . 7 se
la columna a) contra las columnas b) y c) respectivamente. Estas graficas
indican que la regresión lineal entre los datos y cada uno de los modelos
es bastante aceptable. Ambos modelos coinciden con los datos con un
coeficiente de correlación mayor de 0.99.
Sin embargo, el modelo descrito por la ecuación (1.9) conforme el
criterio de prueba es mucho mejor que el descrito por (E10.3.1) ya que
la pendiente y la intersección estdn más cerca de 1 y de O. Por lo tanto,
aunque cada una de las gráficas se describe muy bien mediante una línea
recta, la ecuación (1.9) es un modelomejorqueel de la ecuación
(E10.3.1).
La prueba y selección de modelos sonmuy comunes y de extremada
importancia en actividades llevadas a cabo en todos los campos de la in-
geniería. El material presentado previamenteen este mismo capítulojun-
to con el paquete NUMERICOMP y los programas del usuario le permiten
a éste resolver muchos problemas de este tipo.
FIGURA 10.8 a) Datosmal condicionados en la regresión lineal con mínimos cuadra-

dos. 6)Indicación de que una parábola es preferible.
10.1.5 Aplicaciones delaregresión lineal;linealizaciónde

relaciones no lineales
La regresión lineal proporciona una técnica muy poderosa para ajustar

datos a una “mejor” línea. Sin embargo, se ha predicho que la relación
entre las variables dépendiente e independiente eslineal. Este no es siempre
el caso, y el primer paso en cualquier análisis de regresión es el de trazar
y visualizar los datos para decidir si es correcto o aceptable el aplicar un
modelo lineal. Por ejemplo, en la figura 10.8 se muestran algunos datos
que, obviamente son curvilíneos. En algunos casos, técnicas como la re-
gresión polinomial, descrita en la sección 10.2 serán apropiadas. En otros,
se pueden hacer transformaciónes que expresen los datos de manera que
sean compatibles con la regresión lineal.
Un ejemplo es el modelo exponencial:
y = aleblX [lo.111
REGRESIóN 333
FIGURA 10.9 a) Ecuación exponencial, b) ecuación de potencias y c) ecuación del pro-

medio de crecimiento de saturación. Las partes d), e) y fl son versiones
linealizadas de aquéllas, lascualesson transformaciones simples.
en donde al y b l son constantes. Este modelo se usaen muchos cam-

pos de la ingeniería caracterizando cantidades que crecen (b,positiva) o
que decrecen (b, negativa en un promedio proporcional a su magnitud.
Por ejemplo, el crecimiento poblacionaly la disminución radiactivo mues-
tran este comportamiento. Como se muestra en la figura (10.9a), la ecua-
ción, representaunarelaciónlineal(para bl . O) entre y y x.
Otro ejemplo de un modelo no lineal es la ecuación elevada a una
potencia:
y = agxb2 [lo.121
en donde a2 y b2 son coeficientes. Este modelo tiene una amplia aplica-

ción en todos los campos de la ingeniería. Como se muestra en la figura
10.9b, la ecuación (para b2 # O o 1) es no lineal.
Un tercer ejemplo de un modelo no lineal es la ecuación de prome-
dio de crecimiento de saturación:
X
y = a3- [10.13]
b3 +X
en donde a3 y b3 son coeficientes constantes. Este modelo, que es parti-
cularmente útil enla caracterización de crecimientos poblacionales bajo
condiciones limitantes, también representa una relación no lineal entre
y y x (Fig. 10.94 que nivela, o “satura” conforme x crece.
Las técnicas de regresión no lineal se usan para ajustar directamente
estas ecuaciones a los datos experimentales. Sin embargo, una alternati-
va más simple es la de usar manipulaciones matemáticas y transformar
las ecuaciones a la forma lineal. En seguida se puede aplicar la regresión
lineal simple para ajustar las ecuaciones a los datos.
Por ejemplo, la ecuación (10.11) se puede linealizar mediante loga-
ritmos naturales y obtener:
In y = In al + blx In e
Pero, ya que In e = 1 , se tiene:
In y = In al + blx [10.141
Por lo tanto una gráfica semilogarítmicade In y contra x genera una línea

recta con una pendiente de bl y una intersección de In al (Fig. 10.9d).
La ecuación (10.12) se puede linealizar tomado logaritmos de base
10 y obtener:
log y = b2 log x + log a2 [lo.151
De esta forma, una gráfica logarítmica de log y contra log x genera una
línearectaconunapendiente de b2 y una intersección de log a2 (Fig.
10.9e).
La ecuaci6n (10:13) se linealizainvirtiéndola, y se obtiene:
[10.16]
Y a3 x a3
Por lo tanto, unagráficade l / y contra l/x será lineal, con pendiente
b3/a3 y unaintersecciónde l/a3 (Fig. lO.9j).
Estos modelos,en sus estados transformados,se ajustan usando regre-
sión lineal para evaluar los coeficientes constantes. Después se pueden
transformar a su estado original y usarse para propósitos predictivos. En
el ejemplo 10.4 se ilustra este procedimiento para la ecuación (10.12).
Además los casos 12.2 y 12.3 proporcionan ejemplos de este tipo de cálculos
aplicados a problemas de ingeniería.
REGRESION 335
Ejemplo 10.4
Linealización de una ecuación de potencias
Enunciado del problema: ajústesela ecuación (10.12)a los datos del cua-
dro 10.3 usando una transformación logaritmica d e esos datos.
CUADRO 10.3 Datos para ajustar en la ecuación

de potencia
X Y log x log Y
1 0.5 O -0.301
2 1.7 0.301 0.226
3 3.4 0.477 0.534
5.7 4 0.602 0.753
5 8.4 0.699 0.92:!
se~muestra una gráfica d e los punto origi-

Solución: en la figura 1 0 . 1 0 ~
nales en su estado sin transformación. En la figura 10.10b se muestra una
FIGURA 10.10 a) Gráfica de datos sin transformación, junto con la ecuación de poten-
cias que ajusta los datos. b) Gráfica de los datos transformados, usados
al determinar los coeficientes de la ecuación de potencias.
~ gráfica log-log de los datos transformados. La regresión lineal de los da-

tos transformados logarítmicamnte genera la ecuación:
log y = 1.75 log X - 0.300
Por lo tanto, la intersección, log a2, esigual a -0.300, por consiguien-

tetomando el mando el antilogaritmo, a2 = = 0.5. La
pendien-
tees b2 = 1.75. Como consecuencia la ecuación de potencias es:
y =O . ~ X ' . ~ ~
Esta curva, como lo muestra la figura 10.lob, indica un ajuste aceptable.
1O. 1.6 Comentarios generales sobre la regresión lineal

Antes de continuar conla regresión curvilínea y múltiple, se debe recalcar
la naturaleza introductoria del material anterior sobre regresión lineal.Se
ha enfocado en la forma simple y el uso práctico de las ecuaciones para
ajustar datos. Se debe estar conciente de que existen aspectos teóricos
de regresión que tienen importancia en la solución de problemas pero que
van más allá del alcance de este libro. Porejemplo, existen algunas hipó-
tesis estadísticas inherentes al procedimiento de mínimos cuadrados lineales
tales cómo:
1. x tiene un valor fijo; no es aleatorio y se midesinerror

2. Los valores de y son variables aleatorios independientes y tienen to-
daslamismavarianza.
3. Los valores de y para una x dada deben estar distribuidos de manera
uniforme.
Estas hipótesis son importantes enel desarrollo y uso correcto de la re-

gresión. Por ejemplo, laprimera hipótesis, 1) significaquelas x deben
estarlibresdeerror y la segunda 2) que laregresiónde y contra x no
es la misma que la de x contra y (pruébese el problema 10.4 al final del
capítulo).
Se sugiere consultar otras referencias talescomo Draper y Smith (1981)
y de esta forma apreciar aspectos y matices de la regresión que van más
alládel alcance de este libro.
10.2 REGRESIóN POLINOMIAL

Enla sección 10.1 se desarrolla un procedimiento que obtiene la ecua-
cióndeunalínea recta usando el criterio de mínimos cuadrados. Aigu-
REGRES16N 337
nos datos de ingeniería, aunque muestren un marcado patrón como el

de lafigura 10.8, se representan pobremente mediante una línea recta.
En estos casos, se ajusta mejor una curva a los datos. Como se analiza
enla sección anterior, un método para llevar a cabo este objetivo es el
de usar transformaciones. Otra alternativaes ajustar polinomios a los da-
tos usando regresión polinomial.
El procedimiento de mínimos cuadradosse puede extender fácilmente
y ajustar datos a un polinomio de m-ésimo grado:
y = a0 + alx + a2x2 + * * + a,xm

En este caso, la suma de los cuadrados de losresiduos es [compárese
con la Ec. (10.3)]:
n
Sr = (yi - a. - alxi - a2x? - * . - amx?)2 [10.17]
i= 1
Siguiendo el mismo procedimiento de la sección anterior, se toma la de-

rivada de la ecuación (10.17) con respecto a cada uno de los coeficientes
del polinomio, para obtener:
Estas ecuaciones se puedenigualar a cero y reordenarde tal forma

queseobtenga el siguienteconjuntode ecuaciones normales:
en donde todas las sumatorias van desde i = 1 hasta n. Nótese que las
m + 1 ecuaciones anteriores sonlineales y tienen m + 1 incógnitas: ao.
al, ..., .a, Los coeficientes de las incógnitas se pueden calcular directa-
mente de los datos observados. Por lo tanto, el problema de determinar
polinomios de gradom con mínimos cuadradoses equivalente a resolver
un sistemade m + 1 ecuaciones lineales simultáneas. Los métodos de
solución de estos sistemas se analizanen los capítulos 7 y 8.
Así como en la regresión lineal, el error en la regresión polinomial se
puede cuantificar mediante el error estándar de la aproximación:
%/x = -u".' n - (m + 1) [10.19]
en donde m es elordendelpolinomio.Estacantidad se dividepor

n- ( m + 1 ) ya que se usaron m + 1 coeficientes - a. , a l , ...,am-
derivadosde los datosparacalcular S ; por lo tanto, se hanperdido
m + 1 grados de libertad. Además del error estándar, se puede calcular
también el coeficiente de correlación en la regresión polinomial de la mis-
ma manera que para el caso lineal:
r2 = S" - Sr
S"
Ejemplo 10.5
Regresión polinomial
Enunciado del problema: ajústese un polinomio de segundo orden a los

datosdelasdoscolumnasdelcuadro 10.4.
Solución: de los datos dados:
m - 2 x, = 15 2,xp = 979
n=6 y, = 152.6 x x,y, = 585.6
-
x = 2.5 x' = 55 2 x'y, = 2 488.8
I 5 = 25.433 x? = 225
Por lo tanto, las ecuaciones lineales simultáneas son:
6ao + 15al + 55a2 = 152.6

15ao + 55al + 225a2 = 585.6
55ao + 225a1 + 979a2 = 2 488.8
CUADRO 10.4 Cálculos del análisis de error de un aiurte

cuadrático con mínimos cuadrados.
O 2.1 544.44 O. 143 32

1 7.7 31 4.47 1 .O02 86
13.6 2 140.03 1.08158
27.2 3 3.12 0.804 91
40.9 4 239.22 0.61 9 51
5 61.1 1 272.1 1 0.094 39
c. 513.39
3.746
2152.6 57
I Resolviendo estas ecuaciones conalgunadelas técnicas como laelimi-

1 nacióngaussiana se obtiene:
'
1
I
a0 = 2.478
57
al = 2.359
29
a2 = 1.860
71
1 Por lo tanto, la ecuación cuadrática con mínimos cuadrados en este caso es:
y = 2.478 57 + 2.359 29x + 1.860 71x2
El error estándar de la aproximación, basado en la regresión polinomial

es [Ec. (10.191:
sy/x = E = 1.12
El coeficiente de determinación es:
2 513.39 - 3.746 57
r2 = = 0.998 51
2 513.39
y el coeficiente de correlación es:
r = 0.999 25
Estos resultados indican que el 99.851% de la incertidumbre original se

ha explicadomediante el modelo. Esteresultadoapoya la conclusión
de que la ecuación cuadrática representa un ajuste perfecto, como es evi-
dente enlafigura 10.11.
FIGURA 10.11 Ajuste de un polinomiode segundo orden.
FIGURA 10.12 Algoritmopara implernentarlaregresiónpolinomial.

REGRESldN CUADRADOS 34 1
SUBROUTINE POLREG(X,P,A) 2000 FOR I = 1 TO I O + 1 IO = order of regression

DIMEIiSION X(15),Y(15).A(15.161 2010 FOR J = 1 TO I O + 1 polynolnsal
ccnnoN N , I O 2020K = I + J - 2
IP=Io*1 2030 FOR L = 1 TO N ~~ N = n u m b e r o f d a t a oolnts
DO 2100 I=l,IP 2040 A ( I , J ) = A ( I , J ) + x ( L ) K- ( D e t e r m l n a t l o n of
DO 2060 J=l,IP 2050 NEXT L coefficlents of n o r m a l
K=I+J-2 2060 NEXT J equations and
W 2050 L=l,N 2070 FOR L = 1 TO N storage In matrix A l
A(I,Jl=A(I.Jl+X(L)~~K 2080 A ( I , I O + 2 ) = A ( I , I O + 2 ) ,+
Y(L) t X ( ¡ ) (1 - 1)
.. (Deterrnlnation of
2050 CONTINUE " "
2090 NEXT L right hand side constants

2060 CONTINUE
M) 2090 L=l,N ' 2100 NEXT I for normal equations
IR=lP+l 2 1 1 O RETURN and storage In last
A ~ 1 , I R ~ = A ~ I . I R ~ + Y ~ L I ~ X ~ L ~ ~ ~ ~ I - l ~ column of rnatrlx A l
2090 CONTINUE
2100 CONTINUE
RETURN
END
FIGURA 10.13 Subrutinasen FORTRAN y BASIC que calcula las ecuaciones normales,
de la regresión polinomial, en forma matrical.
10.2.1 Algoritmo para la regresión polinomial

En la figura 10.12 se muestra un algoritmo sobre la regresión polinomial.
Nótese que la tarea principales la obtención de los coeficientes de lasecua-
ciones normales [Ec. (10.la)].(Las subrutinas que llevan a cabo esta tarea
se presentan en la figura 10.13). En seguida se pueden aplicar los méto-
dos de los capítulos 7 y 8 en la solución de estas ecuaciones simultáneas
para esos coeficientes.
Un problema potencial quese presenta con la implementación polino-
mial es que algunasveces las ecuaciones normales estánmal condiciona-
das. Esto se cumple en particular cuandolos sistemas son muy grandes. En
estos casos, los coeficientes calculados son altamente susceptibles a los
errores de redondeoy, por lo tanto, los resultados resultan inexactos. Entre
otras cosas, este problema está relacionado con e!hecho de que parapo-
linomios de órdenes superiores las ecuaciones normales pueden tener coe-
ficientes muy grandes y muy pequeños al mismo tiempo. Esto se debe
a que los coeficientes son sumatorias de los datos elevados a potencias.
Aunque algunas de las estrategias para amortiguar los errores de redon-
deo analizadas enel capítulo 7 , tales como el pivote0 y las ecuaciones
de error, pueden ayudar a remediar parcialmente este problema, una al-
ternativa más simple es usar una computadora de alta precisión. Este es
un caso donde las microcomputadoras pueden representar desventajas
en la implementación efectiva de este método numéricoen especial. Afor-
tunadamente, la mayor parte de los problemas prácticos estdn limitados
a polinomios de orden inferior en los que los errores de redondeo, en
general, son despreciables. En situaciones donde se requiera polinomios
de orden superior, se dispone de otras alternativas para ciertos tipos de
datos. Sin embargo, estos métodos (tales como los polinomios ortogona-
les) van más allá del alcance de este libro. El lector debe consultar textos
sobre regresión tales como el Draper y Smith (1981) para obtener infor-
mación relacionada con el problema y sus posibles alternativas.
10.3 R E G R E S I ó NL I N E A LM ú L T I P L E
Una extensión útil en la regresión lineal es el caso en que y es una
función lineal de doso más variables. Por ejemplo, y pudiera ser una fun-
ción lineal de x1 y x2, de la forma:
Tal ecuación es útil particularmente cuando se ajustan datos experimen-

tales en donde la variable que se está analizando, a menudo es función
de otras dosvariables. En este casobidimensional, la “línea” de regresión
viene a ser un “plano” (Fig. 10.14).
Como con los casos anteriores, los “mejores” valores de los coeficientes
se determinan agrupando la suma de los cuadrados de los residuos:
n
2
Sr = (yi --‘a0 - alxl,¡ - ~ 2 , ~ )
i=l
y derivando con respecto a cada uno de los coeficientes:
[10.20]
Los coeficientes que generan la suma mínima de los cuadrados de los

residuos se obtienen igualando cada unade las derivadas parciales a cero
y expresando la ecuación (10.20) como un conjunto de ecuaciones li-
neales simultáneas, de la forma:
o como una matriz:

REGRESldN C O N MíNIMOS CUADRADOS 343
FIGURA 10.14 Esquema grafico de la regresión lineal múltiple en donde y es una fun-
ción lineal de X I y X?.
EJEMPLO 10.6
Regresión lineal múltiple
Enunciado del problema: los siguientes datos se calcularon de la ecua-

ción y = 5 + 4x1 - 3x2.
O O 5
2 1 10
2.5 2 9
1 3 O
4 6 3
7 2 27
Úseseregresiónlinealmúltipleparaestos datos.
CUADRO 10.5 Cilculos necesarios para desarrollar las ecuaciones normales del eiemplo
10.6
Y X I x2 x: xf x1x2 XI Y *2Y
5 O O O 0 0 0 0
10 2 1 4 1 2 20 10
9 2.5 2 5 6.25 4 18 22.5
O 1 3 1 9 3 0 0
16 6 4 3 36 24 12 18
54 7 189 27 14 2 49 4
243.5 48 54 76.25
E 14
54 16.5
Solución: las sumatorias necesarias para desarrollar la ecuación (10.21)

se calculan en el cuadro 10.5. Sustituyéndolas en la ecuación (10.21)se
obtiene:
[ ;{.5 5::: 54 [
g] a2 = [ g.
5 1
que se puede resolver usando un método comola eliminación gaussiana

para obtener:
a. = 5 al = 4 a2 = -3
los cuáles son consistentes con la ecuación original de donde se deriva-

ron los datos.
La regresión lineal múltiple se puede formular en el caso más general

como:
y = a0 + alxl + a2x2 + * * . + a,xm
en dondelos coeficientes que minimizan la suma delos cuadrados delos

residuos se determinan resolviendo el sistema:
[10.22]
El error estándar de la aproximación para regresiónli neal múltiple se

formula de la siguiente manera:
y el coeficiente de correlación se calcula como en la ecuación (10.10).

Aunque existen ciertos casos en donde una variable es linealmente
dependiente de dos o más variables diferentes, la regresión lineal múlti-
REGRES16N CON MíNIMOS CUADRADOS 345
pletieneutilidadadicionalenlaobtención de ecuaciones de potencias

de la forma general:
Tales ecuaciones son extremadamente útiles cuando se ajustan datos ex-

perimentales. Además, para usar la regresión lineal múltiple, lasecuacio-
nes se transforman tomando su logaritmo para obrener:
log y = log a0 + al log x1 + a2 log x2 + * + a, log x,,,
Esta transformación es similar a las que se usanenla sección 10.1.3 y

el ejemplo 10.4 para ajustar una ecuación de potencias en donde y era
una función de una variable simple x. En el caso de estudio 12.5 se pro-
porciona un ejemplo de esta aplicación.
PROBLEMAS
Cálculos a mano
10.1 Dados los datos
0.95 1.42 1.54 1.55 1.63

1.32 1.15 1.47 1.95 1.25
1.46 1.47 1.92 1.35 1.05
1.85 1.74 1.65 1.78 1.71
2.39 1.82 2.06 2.14 2.27
determínese a) la media, b) la desviación estándar, c) lavarianza y d) el coeficiente de

variación.
10.2 Constrúyase un histograma de los datos delproblema 10.1. Usese un rango de 0.6 a
2.4 con intervalos de 0.2.
52 6 18 21 26 28 32
39 22 28 24 27 27 33
2 12 17 34 29 31 34
43 36 41 37 43 38 46
determínese a) la media. b) la desviación estándar, c) la variara y d ) el coeficiente de

variación.
e ) Constrúyase un histograma. k e s e un intervalo de O a 55 con incrementos de 5. fl Supo-
niendo que la distribución es normal y que la aproximación de la desviación estándar es
-
válida, calcúlese el intervalo (es decir,los valores inferior y superior) que abarqueel 68%
de las lecturas. Determínese si ésta es una aproximación válida para los datos de este
problema.
10.4 Utilicela regresión con mínimos cuadrados para ajustar una línea recta a:
x I 10 12 13 16 18
1 3 5 7 20
y 1 3 2 6 5 8 7 1 0 9 1 2 1 0
J w t o con la pendiente y la intersección, calcúlese el error estándar de la aproximación

y el coeficiente de correlación. Grafíquense los datos y la línea de regresión. En seguida
repítase el problema, pero ahorax contra y; es decir, intercámbiense las variables. Inter-
prétense los resultados.
10.5 Úsese regresión de mínimos cuadrados para ajustar una línea recta a:
x 1 4 6 8 10 14 16 20 22 24 28 28 34 36 38
y 1 30 18 22 28 14 22 16 8 20 8 14 14 O 8
Junto con la pendiente y la intersección, calcúlese el error estándar de la aproximación

y el coeficiente de correlación. Grafíquense los datos y la línea de regresión. Si alguien
realizó una medida adicional de x = 30, y = 30, ¿se esperaría basándose en una obser-
vación visual y en el error estándar, quela medida fuese válida o inválida? Justifíquense
las conclusiones.
10.6 Empléese regresión con mínimos cuadrados para ajustar una línea recta a los datos:
O 2 4 4 8 12 16 20 24 28 30 34
+x 10 12 18 22 20 30 26 30 26 28 22 20
a) Junto con la pendiente y la intersección. calcúlese el error estándar de la aproximación

y el coeficiente de correlación. Grafíquense los datos y la línea recta.
Valórese el ajuste.
b) Repítase el cálculo de a) pero usando regresión polinomial para ajustar una parábola
a los datos. Compárense los resultados con los de a ) .
10.7 Ajústese un modelo de promedio de crecimiento de saturacijn a'
x I 1 2 2.5 4 6 8 8.5
y I 0.4 0.7 0.8 1.0 1.2 1.3 1.4
Grafíquense los datos y la ecuaciqn.
10.8 Ajústese una ecuación de potenciasa los datos del problema 10.7. Grafíquense los datos
y la ecuación.
10.9 Ajústese una parábola a los datos del problelna 10.7. Grafíquense los datos y la ecuación.
REGRESION CON CUADRADOS 347
10.10 Ajústese unaecuacióndepotencias a:
x 1 2.5 3.5 65 7.5 10 12.5 15 17.5 20

y I 5 2
3.4 1.6 1.2 0.8 0.6 0.4 0.3 0.3
Grafíquese y contra x además de la ecuación de potencias
10.11 Ajústese un modeloexponencial a:
x I 0.05 0.4 0.8 1.2 1.6 2.0 2.4

y I 550 750 1000 1400 2000 2700 3750
Grafíquense los datos y la ecuación en papel estándar y semilogarítmico. Analícense los

resultados.
10.12 Ajústese una ecuación de potencias a los datos del problema 10.11. Grafíquense los da-
tos y la ecuación.
10.13 Ajústese una parábola a los datos del problema 10.11.Grafíquense los datos y la ecuación.
10.14 Dados los datos:
x 1 5 10 15 20 25 30 35 40 45 50
y I 17 25 30 33 36 38 39 40 41 42
Úsese regresión con mínimos cuadrados para ajustar a) a una línea recta, b) a una ecua-
ción de potencias, c) a una ecuación de promedio de crecimiento de saturación y d) a
una parábola. Grafíquense los datos junto con todaslas curvas. ¿Alguna de ellas es me-
jor? Si es así justifíquese.
10.15 Ajústese a unaparabolaa:
x 1 O 2 4 9 6 282523 1171513
119
y I 1.2 0.6 0.4 -0.2 O -0.6 -0.4 -0.2 -0.4 0.2 0.41.2 1.8
Calcúlense los coeficientes, el error estándar dela aproximación y el coeficiente de corre-

lación. Grafiquense los resultados y valórese el ajuste.
10.16 Úsese regresión lineal múltiple paraajustar:
X l I O 1 2 0 1 2
X2 2 2 4 4 6 6
y 19
12 11 24 1522
Calcúlense los coeficientes, el error estándarde la aproximación y el coeficiente

decorrelacihn.
10.17 Usese regresión

lineal
múltiple
para ajustar:
x1 1 1 2 2 3 3 4 4
x2 1 2 1 2 1 2 1 2
y 18 12.8
25.7
20.6 35.0 29.8
45.5
40.3
Calcúlense los coeficientes, el error estándar de la aproximación y el coeficiente de corre-

lación.
10.18 Desarróllese un programa legible al usuario para regresión lineal basado en la figura 10.6.
Entre otras cosas:
a) Agréguense instrucciones que documenten el programa.
b) Háganse más descriptivas las operaciones de entrada salida y orientadas al usuario.
C) Calcúlese e imprímase el error estándar de la aproximación [Ec. (10.9)]y el coeficiente
de correlación [la raíz cuadrada de la ecuación (10.10)].
d) (Opcional)Inclúyase una gráfica por computadora delos datos y de la línea de regresión.
e ) (Opcional Inclúyase una opción que permita analizar ecuaciones del tipo exponencial,
de potencias y depromediode crecimiento de saturación.
10.19 Desarróllese un programa que sea legible al usuario para regresión polinomial basado en
las figuras 10.12 y 10.13.Pruébese el programa repitiendo los cálculos del ejemplo 10.5.
10.20 Desarróllese u n programa que sea legible al usuario para la regresión múltiple basado en
lafigura 10.12, pero con lamatriz especificada como la ecuación (10.22).pruébese el
progrmarepitiendo los cálculos del ejemplo 10.6
10.21 Repítanse los problemas 10.4 y 10.5 usando el programadelproblema 10.18
10.22 Úsese el paquete de programas NUMERICOMP para resolver los problemas 10.4, 10.5
y 10.6a
10.23 Repítanse los problemas 10.9, 10.13 y 10.15 usando el programa del problema 10.19.
10.24 Repítanse los problemas 10.16 y 10.17 usando el programadelproblema 10.20

C A P í T U L O ONCE
Con frecuencia se tienen que estimar valores intermedios entre valores

conocidos. El método más común empleado para este propósito es la in-
terpolaciónpolinominal.
Recuérdese que la fórmula general de un polinomio de n-ésimo or-
den es:
f(x) = a0 + a1x + a2x2+ * + anxn [11.1]
Para n + 1 puntos, existe uno y sólo un polinomio de n-ésimoorden o

menor que pasa a través de todos los puntos. Por ejemplo, hay sólo una
línea recta (es decir, un polinomio de primer orden) queconecta dos puntos
(Fig. 11. la). De manera similar hay sólo una parábolaque conecta a tres
puntos (Fig. 11. l b ) . El polinomio de interpolación consiste en determi-
nar el Único polinomio de n-ésimo orden que se ajusta a los n + 1 pun-
tos dados. Este polinomio proporciona una fórmula para calcular los valores
intermedios.
Aunque existe unoy sólo un polinomio de n-ésimo orden que se ajusta
a los n + 1 puntos, existen una gran variedad de fórmulas matemáticas
FIGURA 1 1 . 1 Ejemplos de interpolación polinomial: a) Primer orden (lineal),conexión

de dos puntos; b) conexión de tres puntos, segundo orden (cuadrática
o parabólica) y c) conexión de cuatro puntos, tercer orden (cúbico).
mediante las cuales se puede expresar este polinomio. En este capítulo,

se estudian dos técnicas alternativas que est6n bien condicionadas para
implementarse en una microcomputadora. Estos son los polinomios de
Newton y los de Lagrange.
11.1 POLINOMIOS DE INTERPOLACIÓNCON

DIFERENCIAS DIVIDIDAS DE NEWTON
Como ya se dijo, existe una variedad de maneras diferentes de expresar
un polinomio de interpolación. El polinomio de interpolación con dife-
rencias diuididas de Newton, entre otros, es la forma más popular además
de la más útil. Antes de presentar la ecuación general, se examinan las ver-
siones de primero y segundo orden debido a su fácil interpretación visual.
1 1. l . 1 Interpolación lineal
La forma más simple de interpolación es la de conectar dos puntos con

una línea recta. Este método, llamado interpolación lineal,se muestra en
la figura 11.2. Usando triángulos semejantes, se tiene:
FIGURA 11.2 Esquema gráfico de la interpolación lineal. Las áreos sombreadas mues-
tran triángulos semejantes usados en la derivación de la fórmula de in-
terpolación lineal [ € c . ( 1 1.2)].
INTERPOLACldN 35 1
que se puede reordenar como:
[11.2]
lacual es unafórmuladeinterpolaciónlineal. La notación fl(x) indica

que se trata de un polinomio de interpolación de primer orden. Nótese
que además de representar la pendiente de la línea que conecta los dos
puntos, el término Lf(xl)- f (xo)]/(xl- xo)es una aproximación de di-
ferencias divididas finitas a la primera derivada [recuérdese la ecuación
(3.24)].En general, entre más pequeño sea el intervalo entre lospuntos,
más exacta será la aproximación. Esta característica se demuestra en el
ejemplo, siguiente.
EJEMPLO 1 l . 1
lnterpolación lineal
Enunciado del problema: calcúlese el logaritmo natural de 2 (In 2) usan-

do interpolación lineal. Primero, llévense a cabo los cálculos interpolan-
do entre In 1 = O y In 6 = 1.791 759 5. Despuésrepítanse el
procedimiento, pero usando un intervalo más pequeño desde In 1 a In
4 (1.386 294 4). Nóteseque elvalorrealde In 2 = 0.693 147 18.
Solución: usando la ecuación (11.2),unainterpolaciónlinealde x = 1

a x = 6 da:
1.791 759 5 - O
f,(2) = 0 + 6-1
(2 - 1) = 0.358 351 90
la cual representa un error porcentual de = 48.3%. Usando el intervalo

más pequeño desde x = 1 a x = 4 da:
1.386 294 4 - O
fi(2)= 0 + (2 - 1) 0.462 098 13
4-1
Por lo tanto, usandoelintervalomás pequeño reduce elerrorrelativo

porcentual a E, = 33.3%. Ambas interpretaciones se muestran en la fi-
gura 11.3, junto con lafunción verdadera.
1 l. 1.2 interpolación cuadrática
El error en el ejemplo 11.1se debe a que se aproximó unacurva me-

diante una línea recta. Por consiguiente,una estrategia que mejora la apro-
352 INGENIEROS
FIGURA 11.3 Dos interpolaciones lineales para aproximar In 2. Nótese cómo el intervalo más pe-
queño proporciona una mejor aproximación.
ximación es la de introducir cierta curvatura en la línea que conecta a los

puntos. Si se dispone de tres datos: lo anterior se puede llevar a cabo
con un polinomio de segundo orden (llamado también polinomio cua-
drático o parábola). Una manera conveniente para este caso es:
Nótese que aunque la. ecuación (11.3)parezca diferente de la ecuación

general de un polinomio [Ec. (11.l)], las dos ecuaciones son equivalen-
tes. Esto se puede demostrar si se multiplican los términos de la ecuación
(11.3)y obtener:
A(x) = bo + blx - blxo + b2X2 + bzxoxl - - b2XXI
~ ~ x x O
o, agrupando términos:
f2(x) = a0 -t alx + a2x2

en dónde:
INTERPOLACI6N 353
De esta manera, las ecuaciones (11.1)y (11.3)son fórmulas alternativas

equivalentes del Único polinomio de segundo grado que une a los tres
puntos.
Se puede usar un procedimiento simple para determinar los valores
de los coeficientes. Para bo, se usa la ecuación (11.3) con x = x0 y se
obtiene
bo = f (xo) [11.4]
Sustituyendo la ecuación (11.4) en la ecuación (11.3) y evaluando en

x = x1 se obtiene:
[11.5]
Y por último, las ecuaciones (11.4) y (11.5)se sustituyen en la ecuación

(11.3),y se evalúa ésta en x = x2 y se obtiene:
[11.6]
Nótese que, al igual que en el caso de interpolación lineal, bl aún re-

presenta la pendiente de la línea que une los puntos x0 y xl. Por lo tan-
to, los primeros dos términos de la ecuación (11.3)son equivalentes a
la interpolación de x. a xl, como ya se especificó anteriormente en la
ecuación (11.2).El Gltimo término, b2(x- xo) (x- xl), introduce la cur-
vatura de segundo orden en la fórmula.
Antes de ilustrar como se usa la ecuación (11.3), sedebe examinar
la forma del coeficiente b2. Es muy similar a la aproximación por dife-
rencias divididas finitas de la segunda derivada introducida previamente
en la ecuación (3.31).Por io tanto. la ecuación (11.3)empieza a mani-
festar una estructura muy similar a la serie de Taylor. Esta observación
se explora con más detalle cuando se relacione el polinomio de Newton
con la serie de Taylor en la sección 11.1.4.Pero primero, se muestra có-
mo se usa la ecuación (11.3)para interpolar entre tres puntos.
EJEMPLO 11.2
Interpolación cuadrática
Enunciado del problema: ajústese el polinomio de segundo orden a los

tres puntos usados en el ejemplo 11.1:
x0 = 1 f(xo) = o
XI = 4 f(x1) = 1.386 294 4
x2 = 6 f(~2= ) 1.791759 5
354 MÉTODOS NUMÉRICOS PARAINGENIEROS
úsese el polinomio para evaluar In 2.
Solución: aplicando la ecuación (11.4) da:
Las ecuaciones (1l .5 ) generan :
y la ecuación (11.6) da:
1.791 759 5-1.386 294 4 "o.426 098 13

6-4
b2 = =- 0.051 873 116
6.1
Sustituyendo estos valores en la ecuación (11.3)se obtiene la fórmula
cuadrática:
f2(~) O + 0.462 098 1 3 ( - ~ l ) ( x - 4)

~ 1) - 0.051 873 1 1 6 ( -
que se evalúa en x = 2 y se obtiene
f2(2) = 0.565 84436

lo que representa un error porcentual del .E" = 18.4%.Por lo tanto, la
curvatura introducida por la fórmula cuadrática (Fig. 11.4)mejora la in-
terpolación comparada con los resultados obtenidos al usar una línea recta
en el ejemplo 11.1y la figura 11.3.
11.1.3 Forma general de los polinomios de interpolación de Newton
El análisis anterior se puede generalizar e n el ajuste de un polinomio de

n-ésimo orden a los n + 1 puntos. El polinomio de n-ésimo orden es:
jn(X) = bo + bl(x - ~ g +) * * * + b,(x - XO)(X - XI) . . . (X - Xn-l)
[11.7]
Como se hizo anteriormente con las interpolaciones lineales y cuadráti-
cas, se usan los puntos en la evaluación de los coeficientes bo. b l , . . . .
b,. Se requieren n + 1 puntos para obtener u n polinomio de n-ésimo
orden: x(),x l , . . , x,. Usando estos datos, con las ecuaciones siguien-
,
tes se evalúan los coeficientes:

[11.8]
[11.9]
lNTERPOLACl6N 355
FIGURA-11.4 uso de la interpolación cuadratica para calcular In 2. Se incluye también la interpo-

loción lineal de x = 1 a 4 para comparación.
b2 =fb2, 1
x7 x01 [11.10]
en donde las evaluaciones de la función entre corchetes son diferencias

divididas finitas. Por ejemplo, la primera diferencia dividida finita se re-
presenta generalmente como:
[ll. 121
La segunda diferencia diuidida finita, que representa la diferencia de dos

primeras diferencias dividas finitas, se expresa generalmente como:
[11.13]
356 MÉTODOS PARA INGENIEROS
NUM~RICOS
Estas diferenciasse usan para evaluar los coeficientes de lasecuacio-

nes (11.8)a la (1l.l l ) ,los cuales se sustituyen en la ecuación (11.7) pa-
ra obtener el polinomiodeinterpolación:
[11.15]
Al cual se le llama polinomio de interpolación con diferencias divididas

de Newton. Se debe notar que no es necesario que los datos usados en
la ecuación (11.15)estén igualmente espaciados o que los valores de la
abscisa necesariamente se encuentren en orden ascendente, como se ilus-
traenelsiguiente ejemplo. También nótese que las ecuaciones (11.12) a
la (11.14)son recursivas, esto es, las diferencias de orden superior se com-
ponen de diferenciasde orden inferior (Fig. 11.5).Esta propiedadse apro-
vechará al desarrollar un programa eficiente para la computadora enla
sección 11.1.5 queimplementeeste método.
FIGURA 11.5 Esquema gráfico de la naturaleza recursiva de una diferencia dividida

finita.
EJEMPLO 11.3
Polinomios de interpolacion de Newtoncon diferencias divididas
Enunciado del problema: enel ejemplo 11.2, se usaron los puntos en

x. = 1 , xi = 4 y x2 = 6 paracalcular In 2 conuna parábola. Ahora,
agregando un cuarto punto [x3 = 5; f(x3) = 1.609 437 91, calcúlese In 2
con un polinomio de interpolación de Newton con diferencias divididas
de tercer orden.
Solución: el polinomiodetercer orden, ecuación ( 1 1.3) con n = 3 , es

INTERPOLACI6N 357
las primeras diferencias divididas del problema son [Ec. (11.12)J
f k l , x01 = 294
4 - 1
- o = 0.462 098 13
1.791 759 5 - 1.386 294 4 = o.2o2 732 55

fk2, x11 =
6-4
1.609 437 9 - 1.791 759 5 = o.182 321 6o
f[X3, x21 =
5-6
Las segundas diferencias divididas son [Ec. (11.13)]
0.202 732 55 - 0.462 098 13

f k 2 , x19 x01 = = - 0.051 873 116
6 - 1
0.182 321 60 - 0.202 732 55
fix39 x27 x11 = = - 0.020
950 410
5-4
La tercera diferencia dividida es [Ec. (11.14)] con n = 31
-0.020 410 950 - (-0.051 873 116)

f b 3 , x2, x19 x01 =
5-1
= 0.007 865 541 5
FIGURA 11.6 USOde interpolación cúbica para aproximar In 2.
" " ~ - _ I .._" "X.L.1 I -."l"""-.-.---

Los resultados para f[xl, y f[x3,x2,xl,x"] representan los

xo],f[x2,xl,xo]
coeficientes bl, b2 y b3 dela ecuación (11.7).Junto con bo = f(xo) = 0.0
la ecuación (11.7) da
f3(~) = O + 0.462 13 (X - 1) - 0.051 873 (X

098 116
"1) (X - 4)
+ 0.007 865 541 - 5(x ~ 6)
l)(x - 4 ) (-
conlaquesepuedeevaluar
f3(2) = 0.628 768 69

lo que representa un error relativo porcentual del t u = 9.3%.El polino-
- mio cúbico completo se muestraenlafigura 11.6.
11.1.4 Errores en los polinomios interpolantes de Newton
Nótese que la estructura de la ecuación (1l.15)es similar a la expansión

de la serie de Tayloren el sentido de que los términos agregadossecuen-
cialmente consideran el comportamiento de orden superior dela función
representada. Estos términosson diferencias divididas finitasy, por lo tanto,
representan aproximaciones a las derivadas de orden superior. En con-
secuencia, como sucede con la serie de Taylor, si la función representati-
va es un polinomio de n-ésimo orden, el polinomio interpolante de n-ésimo
ordenbasado en n + 1 puntosllevará a resultados exactos.
También, como enel caso de la serie de Taylor, se puede obtener
una formulación del error de truncamiento. Recuérdese dela ecuación
(3.13)que el error de truncamiento en la serie de Taylor se expresa en
forma general cómo:
f'"'(S)
R,,= (x,+1 - xi)"+'
(n-+ 1) !
..
x,, ,),Una re-
en donde 4 es un punto cualquiera dentro del intervalo [x,,
lación an6loga del error en un polinomio interpolante de n-ésimo orden
está dada por:
[11.16]
en donde 4 es un punto cualquiera dentro del intervalo quecontiene las

incógnitas y los datos. Para uso de esta fórmula la función en cuestión
debe ser conociday diferenciable. Y usualmente, esteno es el caso. Afor-
tunadamente, existe una fórmula alternativa que no requiere conocimiento
lNTERPOLACl6N 359
previo de la función. En vez de ello, se usa una diferencia dividida finita

queaproxima la (n + 1)-ésima derivada:
en donde f[x, x,, x,-1 ,. . . , xo] es la (n + 1)-ésima diferenciadividi-

da. Ya que la ecuación ( 1 l .17) contiene la incógnita )(x), ésta no se pue-
deresolver y obtener el error. Sin embargo, si se disponede un dato
adicional f(x,+ J, la ecuación (11.17) daunaaproximacióndelerror
como:
EJEMPLO 1 1.4
Estimación del error en el polinomio de interpolación de Newton
Enunciado del problema: úsese la ecuación ( 1 1.18) para calcular e! error

del polinomio de interpolación de segundo orden del ejemplo11 2 . Usense
los datosadicionales f(x3) = f(5) = 1.609 437 9 para obtener los re-
sultados.
Solución: recuérdese que en el ejemplo 11.2 el polinomio de interpola-

ción de segundo orden proporcionó una aproximación de f(2) = 0.565
844 346, que representa un error de 0.693 147 18 - 0.565 844 346
= O. 127 302 835. Si no se sabe el valor verdadero, como es en la ma-
yor parte de los casos, se puede usar la ecuación (1l.18), junto con el
valor adicional en x3, para calcular el error, como
R2 = ~ 6)
0.007 865 541 5 (X - l)(x - 4 ) ( -
en donde el valor de la diferencia dividida finita de tercer orden se calcu-

ló previamente enel ejemplo 11.3. Esta relación se evalúa en x = 2 y
se obtiene:
R2 = 0.007 865 541 5 (2 - 1)(2 - 4) (2 - 6) = 0.062 924 332
que es delmismoordenqueelerrorverdadero
11.1.5 Programa de computadora para el polinomio de

interpolación de Newton
Son tres las propiedades que hacen del polinomio de interpolación

de Newton un método extremadamente atractivo para usarse en una
computadora:
1. Como en la ecuación (11.7),las versiones de orden superior se pue-

den desarrollar secuencialmente agregandoun término simplea la si-
guiente ecuación de orden inferior. Esto facilita
la evaluación de varias
versiones de orden diferente en el mismo programa. Esta capacidad
es muy útil cuando no se conoce a priori el orden del polinomio. Agre-
gando nuevos términos secuencialmente, puede determinarse cuán-
do se alcanza un puntode retorno, es decir, cuándo al agregar un
término de orden superior no se mejora significativamente la aproxi-
mación o en ciertos casos se disminuye. Las ecuaciones de error ana-
lizadasenelpunto (3) sonútilesaldefinir un criterio objetivo en la
determinacióndeestepuntodetérminos decrecientes.
2. Las diferenciasdivididasfinitas que constituyen los coeficientes del

polinomio [Ec. (11.8) a la ( 11.1 l)] se calculan con una relación re-
cursiva.Esto es, como enla ecuación (11.14) y lafigura 11.5, las
diferencias de orden inferior se usan para calcular las diferencias de
orden superior. Usando la información previamente determinada,los
coeficientes se calculan eficientemente. El programa de la figura 11.7
contiene este esquema.
ORTRA ASIC
DIMENSION F X C 1 0 , l O ) ~ X ~ l O )
READ<5 , l )N
1 FORRLTC I S )
DO 1 4 0 I - $ . N
R E A D < S , 2 ) X <I ) , F X <I , 1 )
2 FORMAT<2F1 U 0 ) ~
1 4 0 CONTINUE
M-N-1
DO 2 0 0J - I , M
K=J+T
NP-N- J
DO 190 I = l , N P
F x ( I , K ) - ~ F X ~ I + l , J ) - F ~ ~ I , J ~ ) ~ ~ X ( I + J ) - % ~ I ) ~
190
CONTINUE
2 0 0 CONTINUE
DO 2 3 0J = t , N
WRITE(6,3>FX(I,J)
FORMRTC.
3 -,F10.3)
2 3 0 CONTINUE
RERD<S,2)XI
FA-l.
Y.0,
DO 3 4 0 J-V.N
Y-Y+FX< 1 , J >+Fa
WRITE(6,3)Y F h l N T EA
FA-FR*<XI-X( J i ) I E X I .I
I F C J . G E . N ) C O T O3 5 0 F
JP-J+l
E A n F A r F X <1 , JP >
WRITEC6,J)EA
3 4 0 CONTINUE
3 5 0 STOP
END
FIGURA 11.7 Programaparacomputadoradelpolinomiointerpolante de Newton

INTERPOLACldN 361
3. La ecuación de error [Ec. (11.18)]se expresa en términos de las di-

ferencias divididas finitas que ya se han calculado para determinar los
coeficientes del polinomio. Por lo tanto, si se guarda esta informa-
ción, se calcula el error aproximado sin volver a calcular estas can-
tidades.
Todas las características anterioresse pueden aprovechar e incorpo-

rar en un programa general para computadora que implemente el poli-
nomio de Newton (Fig. 11.7). Al igual que todos los programas del libro,
esta versión no se documenta. Además, no incluye el error aproximado
mencionado en el punto (3).Una de las tareas es la de hacer este progra-
ma más legible al usuario (véase el problema 11.11) y que incorpore la
ecuación de error. La utilidad de esta ecuación se demuestra en el ejem-
plo siguiente.
EJEMPLO 11.5
Uso de la estimación de error para determinar el orden apropiado
de interpolación
Enunciado del problema: después de incorporarel error [Ec. 11.181, uti-

lícese el programa de computadora dado en la figura 11.7 y la siguiente
informaciónparaevaluar f ( x ) = In x en x = 2.
x f(x) = In x
1 O
4 1.386 294 4
1.791
6 759 5
5 1.609 437 9
3 1 .O98
61 32
1.5 0.405 4651 1
2.5 0.916 290 73
3.5 1.252 763 O
Solución: los resultados de emplear el programa de lafigura 11.7 para

obtener la solución se muestranen la figura 11.8. Enla figura 11.9 se
representa el error aproximado, junto con el error verdadero (basado en
el hecho deque In 2 = 0.693 147 18).Nótesequeelerrorcalculado
y el verdadero son similares y su coincidencia mejora a medida que crece
el orden. Dela gráfica se puede concluir que las versiones de quinto or-
den llevan a una buena aproximación y que los términos de orden supe-
riornoprecisansignificativamentelapredicción.
Este ejercicio ilustra también la importancia de la posición y orden de
los puntos. Por ejemplo, las aproximacionesde orden superior al tercero
mejoran más lentamente ya que los puntos que se le agregan (en x =
4 , 6 y 5) estándistantes y a un ladodel punto en cuestión en x = 2.
362 INGENIEROS
-a Number of data potnts
FIGURA 11.8 Salida del programa BASIC para evaluar In 2.
La aproximación de cuarto orden muestra mayor mejoría porque elnue-

vo punto en x = 3 está más cerca de la incógnita. Sin embargo, el decre-
mento en el error más dramático está asociado con la inclusión del término
dequintoordenusando los datos en x = 1.5. No sólo este punto está
cerca de la incógnita sino tambiénse encuentra al lado opuesto de la ma-
yor parte de los puntos. En consecuencia, el error se reduce casi una or-
den de magnitud.
El significado dela posición y secuencia de los datos pueden también
ilustrarse al usar los mismos datos para obtener una aproximación para
In 2 , pero considerando los puntos en una secuencia diferente. Enla fi-
gura 11.9 se muestran los resultados para el caso en que se invierten el
ordende los puntosoriginales, esto es, x. = 3.5, x1 = 2.5, x2 = 1.5,
etc. Debido a que los puntos iniciales en este caso se encuentran más cerca
y espaciados a los lados de In 2 , el error decrece mucho más rápidamen-
te que enla situación original. Mediante el término de segundo orden,
elerror se ha reducido a un nivel relativo porcentual de menos del E, = 2%.
Se pueden emplear otras combinaciones para obtener diferentesprome-
dios de converqencia.
El ejemplo anterior ilustra la importancia de escoger los puntos base.

Como es obvio, los puntos deben estar tan cerca como sea posible de
las incógnitas. Esta observación también se nota por simple examen de la
ecuación de error [Ec. (11.17)]. Suponiendo que la diferenciadividida
FIGURA 11.9 Errores relativos porcentuales en la aproximación de In 2 en función del
orden del polinomio de interpolación.
finita no varía demasiado a lo largo del rango de datos, entonces el error

es proporcional al producto:(x - xo) (x - xl) . . . (x - x,,). Obviamen-
te, mientras más cercanos estén los puntos base a las x, menor será la
magnitud de este producto.
11.2 POLINOMIOS DE INTERPOLACIÓN DE LAGRANGE

El polinomio de interpolación de Lagrange, simplemente es una refor-
mulación del pqlinomio de Newton que evita los cálculos de las diferen-
ciasdivididas.Este se puede representar concretamente cómo:
[11.19]
en donde:
364 INGENIEROS
[11.20]
en donde I’I denota el “producto de.”. Porejemplo, la versiónlineal

(n = 1) es:
I
[11.21]
y la versión de segundo orden es:
[11.22]
Al igual que el método de Newton,la versión d e Lagrange tiene un error

aproximado, dado por:
La ecuación (11.19) se deriva directamente del polinomio de New-

ton (recuadro 11.1).Sin embargo, la razón fundamental de la formula-
ción d e Lagrange se puede comprender directamente notando que cada
término Li(x)será 1 en x = x,y O en todos los demás puntos. Por lo tan-
to, cada producto LJx) f(xi)toma un valor de f ( x , )en el punto x,.For
consiguiente la sumatoria de todos los productos, dada por la ecuación
(11.19) es el Único polinomio de n-ésimo orden que pasa exactamente
por los n + 1 puntos.
RECUADRO 1 1 . 1 Derivación de la forma de Lagrange directamente del polinomio de interpolación

de Newton
El polinomio deinterpolación de Lagrange se puedederi-

var directamente de la formulación de Newton. Se hará f [XI, x03 = f (XI) - f (xo,
x1 - x0
esto en el caso de primer orden,
fdx) = f(x0) + (x - xO)f[Xl, x01 [B11.1.1] sepuede reformular como:
Para derivar la forma de Lagrange, se reformulan las di-

ferencias divididas. Por ejemplo, la primera diferencia di- fbl, x03 = ___f
(x1) + ~ f (x01 [B11.1.2]
vidida. x1 - x0 x0 - XI
INTERPOLACldN 365
a la cual se le conoce con el nombre de forma simétrica. Finalmente, agrupando términos similares y simplifican-
Sustituyendo la ecuación (B11.1,2) en la ecuación do, se llega a la forma de Lagrange,
( B 1 l . l . l ) se obtiene
EJEMPLO 11.6
Polinomios de interpolación de Lagrange
Enunciado del problema: úsese un polinomio de interpolación de Lagrange

de primero y segundo orden para evaluar In 2 en base a los datos dados
en el ejemplo 11.2:
x0 = 1 f(xo) = o
XI = 4 !(XI) = 1.386 294 4
x2 = 6 f ( ~ 2 )= 1.791 759 5
Solución: el polinomio de primer orden es [Ec. (11.21)]
y , por lo tanto, la aproximación en x = 2 es
2-4 2-1
flk) = O+"- 1.386 294 4 = 0.462 098 1
4 - 1l " 4
~
De manera similar, el polinomio de segundo orden se desarrolla como

[Ec. (11.22)]:
(2 - 1)(2 - 4)
+ (6 - 1)(6 - 4)
1.791 759 5 = 0.565 844 37
Como se esperaba, ambosresultados coinciden muy de cerca con los que

~
se obtuvieron previamente usando la interpolación polinomialde Newton.
En resumen, para los casos en dondeel orden del polinomio se des-

conozca, el método de Newton tiene ventajas debido a que profundiza
en el comportamiento delas diferentes fórmulas de orden superior. Ade-
más, la aproximación del error dada por la ecuación (1l.18),en general,
puede integrarse fácilmente en los cálculos de Newton ya que la aproxi-
mación usa una diferencia dividida (Ejemplo 11.5).De esta forma, des-
de el punto de vista de cálculo, a menudo, se prefiere el método de
Newton.
Cuando se va a llevar a cabo sólo una interpolación, ambos méto-
dos, el de Newton y el de Lagrange requieren de un esfuerzo decálculo
similar. Sin embargo, la versión de Lagrange es un poco más fácil de pro-
gramar. También existen casos en dondela forma de Newton es mássus-
ceptible a los errores de redondeo (Ruckdeschel, 1981).Debido a esto
y a que no requiere calcular y almacenar diferencias divididas, la forma
de Lagrange se usa, a menudo, cuandoel orden del polinomio se cono-
ce a priori.
EJEMPLO 11.7
Interpolación de Lagrange usando computadora
Enunciado del problema: en el paquete NUMERICOMP que acompaña

a este texto se encuentra un programa legible al usuario que implementa
la interpolación de Lagrange. Se puede usar este paquete para llevar a
cabo un problema de análisis asociado con el problema de paracaidista.
Supóngase que se ha desarrollado instrumentación para medir la veloci-
dad del paracaidista. Los datos medidos para una pruebaparticular son:
Tiempo, Velocidad medida

S v, cmls
1 800
3 2 310
5 3 090
7 3 940
13 4 755
El problema es determinar la velocidaddelparacaidista en t = 10 S

y llenar el gran espacio de medidas entre t = 7 y t = 13 s. Se sabe que
el comportamiento delos polinomios de interpolación puede ser inespe-
rado. Por lo tanto, se construyen los polinomios de órdenes 4, 3, 2 y 1
y se comparan los resultados.
Solución: el programa NUMERICOMP se usa para construir los polino-

mios de interpolación de cuarto, tercero, segundo y primer orden. Los
resultados son
INTERPOLACldN 367
COEFICIENTEDE:
Valor
del
Orden tercer
cuarto segundo primer cero calculado de
orden
polinomio orden
orden orden orden v para t = 10 S
4 - 1.76302
44.87501
-392.87
1813.625
-663.867
5430.195
3
4874.8381742.6561.23925876.09375-4.498586
2 4672.81 -300.1035 858.75 -36.14584
5 1 2989.167 135.8333
El polinomio de cuarto ordeny los datos de entrada segrafican como

se muestra en la figura 11.loa. Es evidente en esta gráfica que el valor
aproximado de y en x = 10 es mayor que la tendencia total de los datos.
FIGURA 11.10 Gráficas generadas por computadora, las cuáles muestran a) interpolación de cuar-
to orden; b) de tercer orden c) de segundo orden y d) de primer orden.
Enlafigura 11.10b a la d se muestran gráficas de los resultados de

los cálculos de los polinomios de interpolación de tercero, segundo y pri-
mer orden. Se nota que al disminuir el orden del polinomio de interpola-
ción se disminuyeelvalor aproximado dela vecindad a t = 10 s. Las
gráficas de los polinomios de interpolación indican quelos polinomios de
orden superior tienden a descomponer la tendencia de los datos. Esto su-
giere que los polinomios de primero o segundo grado son más apropia-
dos en este análisis en particular. Se debe recordar, sin embargo, que ya
que se tratadedatosinciertos, la regresiónpodríasermás apropiada.
11.3 COMENTARIOSADICIONALES
Antes de proceder con la siguiente sección, se deben mencionar dos te-
mas adicionales: la interpolación con datos igualmente espaciados y la
extrapolación.
Ya que los métodos de Newton y Lagrange son compatibles con los
datos espaciados en forma arbitraria, el lector debe preguntarse por qué
se aborda el caso de los datosigualmenteespaciados (recuadro 11.2).
Antes del advenimiento de las computadoras digitales, estos métodostu-
vierongranutilidadenlainterpolacióndetablas condatosigualmente
espaciados. De hecho se desarrolló un esquema conocido como tabla de
diferencias divididas para facilitar la implementación de estas técnicas (la
figura 11.5 es un ejemplo de estas tablas).
Sin embargo, y debido a que las fórmulas son un subconjunto de los
esquemas de Newtonde Lagrange compatibles con la computadora y
ya que se dispone de muchas funciones tabulares como rutinas de biblio-
teca, la necesidad de puntos equiespaciados se fue perdiendo. Por esta
razón, se han incluido en esta parte del libro por su importancia en partes
posteriores del mismo. En particular, se pueden emplear en la derivación
de fórmulas de integraciónnuméricaqueempleancomúnmentedatos
equiespaciados (capítulo 13). Ya que las fórmulas de integración numé-
rica tienen importancia en la solución de ecuaciones diferenciales ordinarias.
el material del recuadro 11.2 también tiene importanciaen el capítulo 17.
RECUADRO 11.2 lnterpolación con puntos igualmente epaciados
Si los datos se encuentran igualmente espaciadosy en or- En donde h es el intervalo, o tamaño del paso, entre los
den ascendente, entonces la variable independiente su- datos. En base a esto, las diferencias divididas finitas se
pone valores de pueden expresar en forma concisa. Por ejemplo, la segun-
da diferencia dividida es
INTERPOLAC16N 369
que se puede expresar como
(y=-X"
h
ya que x, - x1 = x1 - x2 = (xo - x?)/2 = h . Ahora Esta definición se puedeusar para desarrollar la siguiente
recuérdese que la segunda diferencia dividida hacia ade- expresión simplificada d e los términosen la ecuación
lante A2j(xo)es igual al numerador de la [Ec. (3.3111. (8112.3):
A2f(x0) = f(x0) - 2f(xJ + f(x2)

Por lo tanto, la ecuación (B11.2.1)se puede representar
mediante:
o. en general. los cuales pueden sustituirse en la ecuación (B11.2.3) para

dar
[B11.2.2]
Usando la ecuación ( B l l . 2 . 2 ) ,el polinomio de interpola-

ción de Newton [Ec. (11.15)] se puede expresar enel ca-
so de datos igualmente espaciados como
(a - n + 1) + R, [B11.2.4]
en donde
+-A"f (x0)
n ! h"
(X - XO)(X - xo - h)
{X - xo - (n - 1)h) Esta notación concisa tieneutilidad en la derivación y aná-

+Rn lisis de error de las fórmulas de integración del capítulo 13.
[B11.2.3]
Además de la fórmula hacia adelante, existen tam-
en donde el residuo es el mismo de la ecuación (11.16). bién lasfórmulas centrales y hacia atrásdeNewton-
Esta ecuación se conoce como fórmula de Newton o fórmula Gregory. Se puedeconsultar Carnahan, Luther y Wilkes
hacia adelante d e Newton - Gregory. Esta se puedesim- (1969)para mayor información acerca de la interpolación
plificar más aún definiendo una nueva cantidad, (Y: de datos igualmente espaciados.
La extrapolación es el proceso de calcular un valor de f(x)que cae fuera

del rango de los puntos base conocidos, xo, x1 ,. . . , x, (Fig. 11.11). En
una sección anterior, se dijo que la interpolación más exacta usualmente
se obtiene cuando las incógnitas caen cerca de los puntos base. Obvia-
mente, esto no sucede cuando las incógnitas caen fuera del rango, y por
lo tanto, elerrorenla extrapolación puede ser muy grande. Como se
FIGURA 1 1 . 1 1 Ilustración de las posiblesdivergenciasdeunapredicciónextrapolada.

La extrapalación se basa en el ajuste de una parabola a través de los
primeros tres puntos.
muestra en la figura 11.11,la naturaleza abierta-en-los-extremos de la ex-

trapolación representa u n paso en la incógnita porque el proceso extien-
de la curva más a116 de la región conocida. Como tal, la curva verdadedra
diverge fácilmente de la predicción. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar. El caso de estudio 12.1 e n
el capítulo siguiente muestra un ejemplo del riesgo que se corre al pro-
yectarse más allá de los límites de los datos.
11.4 INTERPOLACIÓN SEGMENTARIA (SPLINE)

En la sección anterior se usaron polinomios de n-ésimo orden para in-
terpolar entre n + 1 puntos. Por ejemplo, en ocho puntos, se deriva
un polinomio perfecto de séptimo orden. Esta curva captura todos los ser-
penteos (al menos considera hasta derivadas de séptimo orden) sugeri-
dos por los puntos. Sin embargo, existen casos en donde estas funciones
pueden llevar a resultados erróneos. Una alternativa es la de aplicar poli-
nomios de orden inferior a subconjuntos de datos. Estos polinomios co-
nectados se llaman funciones de interpolación segmentaria (en inglés, spline
functions).
INTERPOlAC16N 371
Por ejemplo, las curvas de tercer orden empleadas para conectar ca-
da par de datos se llaman funciones de interpolación cúbica segmentaria
(del inglés cubic splines). Estas funciones tienen la propiedad adicional
de que las conexiones entre ecuaciones cúbicas adyacentes son visual-
mente suaves. Superficialmente parece que la aproximación segmentaria
de tercer orden es inferior a la expresión de séptimo orden. El lector puede
preguntarse por qué la interpolación segmentaria siempre es preferible.
FIGURA 1 l. 12 Representación visual de una situaciónen donde la interpolación seg-

mentaria (spline) es meior a la interpolación polinomial de orden supe-
rior. La función muestra unsalto abrupto en x = O. En losincisos a)
al c) se muestra que el cambio abrupto indica oscilaciones con la inter-
polación polinomial. En contraste y debido a que se limita a curvas de
tercer orden con transiciones suaves, la interpolación segmentaria d) pro-
porciona una aproximación mucho más aceptable.
Enlafigura 11.12 se ilustra un caso en donde la interpolación seg-

mentaria se lleva a cabo mejor que con polinomios de orden superior.
Este es el caso donde una función es generalmente suave pero muestra
un cambio abrupto en algún lugar de la región de interés.La figura 11.12
es un caso extremo de este cambio y sirveparailustrarel punto.
En las figuras 1 1 . 1 2 ~ ~ ilustra cómo los polinomios
hasta la 1 1 . 1 2 se
de orden superior tienden a balancearse a través de oscilaciones bruscas
en la vecindad de un cambio abrupto. En contraste la interpolación seg-
mentaria también conecta a los puntos, pero como está limitada a cam-
bios de tercer orden, las oscilaciones se mantienen mínimas. De ahí que
la interpolación segmentaria proporcione una aproximación superior del
comportamiento de las funciones que tienen cambios locales abruptos.
El concepto de interpolación segmentaria se originó de la técnica de
uso de una lámina de plástico delgada (llamadacuruigrufo, en inglés spli-
ne) en el trazo de curvas suaves a través de un conjunto de puntos. El
proceso se muestra enla figura 11.13 sobre un conjunto de cinco tachuelas
(datos). En esta técnica, el dibujante coloca papel sobre un tablero de ma-
dera y clava tachuelas en el papel (y en el tablero) en la posición de los
datos. Al pasar un hilo entre las tachuelas resulta una curva cúbica sua-
ve. De ahí que se haya adoptado el nombre de “interpolación segmenta-
ria” (en inglés“cubicspline”)parapolinomiosdeestetipo.
En esta sección se utilizan primero funciones lineales simples para in-
troducir algunos conceptos y problemas básicosasociados con la interpo-
lación segmentaria. Despuésse deriva un algoritmo para ajustar polinomios
FIGURA 1 l. 13 Técnica de dibujo para trazar curvas suaves utilizando un curvígrafo, da-
dos una serie de puntos. Nótese como la unión de un punto a otro se
realiza mediante diferentes tipos de curvas. A este tipo de interpolación
de punto Q punto (segmentaria) se conoce como interpolación segmen-
taria natural (natural spline).
INTERPOLACldN 373
de segundo orden a los datos. AI final, se presenta material sobre inter-

polación cúbica segmentaria, la cuál es laversiónmáscomún y útil en
la práctica de la ingeniería:
1 1.4.1 Interpolación segmentaria lineal
La conexión más simple entre un par de puntos es una línea recta. Se

pueden definir los polinomios interpolantes de primer orden medianteun
conjunto de puntos ordenados y definirse como un conjunto de funcio-
neslinealesqueunen a los puntos:
en donde mi es la pendiente de la línea recta que une los puntos:
r11.231
Estas ecuaciones se usan en la evaluación de funciones de cualquier

punto entre x. y x,, localizando primeroel intervalo dentro del que se en-
cuentra el punto. Después se usa la ecuación apropiada y se determina
el valor funcional dentro del intervalo. Obviamente, el método es idénti-
co a la interpolación lineal.
EJEMPLO 11-8
lnterpolación segmentaria de primer orden
Enunciado del problema: ajústense los datos del cuadro 11.1 con inter-
polaciónsegmentariadeprimer orden. Evalúese lafunciónen x = 5.
CUADRO 1 1.1 Datospor

aiustar con
funciones
segmentarias
X {(x)
3.0 2.5
4.5 1.o
7.0 2.5
9.0 0.5
Solución: los datos se pueden usar para determinar las pendientes entre
puntos. Por ejemplo, enelintervalode x = 4.5 a x = 7 la pendiente
se puede calcular usando la ecuación (112 3 ):
I
2.5 - 1.0
= 0.60
7.0 - 4.5
m=
Los pendientes sobre los otros intervalos se pueden calcular, y los po-
linomios de primer orden se graficanenlafigura l l .4a. El valor para
x = 5 es 1.3.
Una inspección visual sobre la figura 11.14~1 indica que laprincipal

desventaja de los polinomios de primer orden es que no son uniformes.
En esencia, en los puntos donde coinciden los polinomios (llamados no-
dos), la pendiente cambia abruptamente. En términos formales, la pri-
mera derivada de la función es discontinua en estos puntos. Esta deficiencia
se supera con el uso de polinomios de orden superior, que aseguranuni-
formidad en los nodos igualando derivadas en esos puntos, como se mues-
traenlasiguiente sección.
11.4.2 lnterpolación cuadratica segmentaria
Para asegurar que las m-ésimas derivadas sean continuas en los nodos,
se debe usar un polinomio de al menos ( m + 1)-ésimo orden. Los poli-
nomios de tercer ordeno cúbicos se usan más frecuentemente en la práctica
asegurando continuidad en la primera y segunda derivada. Aunque las
derivadas de orden superior sean discontinuas al usarse polinomios de
tercer orden,en general, no se detectan visualmente y por ende, se ignoran.
La interpolación cúbica segmentaria se estudia en una secciónsubse-

cuente. Antes de ésta se ilustra el concepto de interpolación cuadrática
segmentaria usando polinomiosde segundo orden. Estos “polinomiosma-
dráticos” tienen la primera derivada continua en los nodos. Aunque los
polinomios cuadráticos no garantizan segundas derivadas iguales enlos no-
dos, sirven muy bien para demostrar el procedimiento general en el de-
sarrollodepolinomiosinterpolantessegmentariosdeordensuperior.
El objetivo de los polinomios cuadráticoses el de obtener un polino-

mio de segundo orden para cada uno de los intervalos entre los puntos.
El polinomio para cada uno de los intervalos se representa generalmente
como:
fi(x)= aix2-t bix + ci [11.24j

INTERPOLAC16N 375
FIGURA 1 l. 14 Ajustecon interpolación segmentaria sobre un conjunto de cuatro pun-

tos. a) interpolación segmentaria lineal;b) interpolación segmentaria cua-
drática y c) interpolación cúbica segmentaria, con un polinomio cúbico
interpolante que también aparece en la gráfica.
Se haincluidolafigura 11.15para ayudar a clarificar la notación. Para

los n + 1puntos (i = O, 1, 2 , . . . , n ) , existen n intervalos, y por lo tan-
to, 3 n incógnitas constantes por evaluar (lasp, las b y las c). Por lo tanto,
se requieren 3 n ecuaciones o condiciones para evaluar las incógnitas.Es-
tas son:
1. Los valores de las funciones deben ser iguales en los nodos interio-
res. Esta condiciónserepresentamediante:
[11.25]
[11.26]
FIGURA 11.15 Notación usadaen la derivación de interpolación segmentaria cuadráti-

+
ca. Nótese que hay n intervalos y n 1 puntos. El ejemplo que se mues-
traes para n = 3.
para i = 2 hasta n . Como se usan sólo los nodos interiores, las ecuacio-
nes (11.25) y (11.26) proporcionancadauna n - 1 condiciones, con
un total de 2n - 2.
2. L a primera y la última función deben pasar a través de los puntos f i -
nales. Esto agregados ecuaciones adicionales:
[11.27]
[11.28]
con un total de 2n - 2 +
2 = 2n condiciones.
3. Las primeras deriuadas e n los nodos interiores deben ser iguales. La
primeraderivada enla ecuación (11.22) es:
f '(x) = 2ax +b
Por lo tanto, la condición se representa generalmente cómo:
íkblxi + bi-l = 2aixi+ bi E11.291
para i = 2 hasta n . Esto proporcionaotras n - 1 condicionescon

un total de 2n + n - 1 = 3 n - 1. Debido a que hay 3n incógnitas,
se tiene una condición menos. A menos que exista una información
adicional en relación a las funciones o sus derivadas, se debe escoger
INTERPOLACI~N 377
arbitrariamente una condición para calcular eficientemente las cons-

tantes. Aunque existen algunas alternativas diferentesque se pueden
hacer, aquí se escoge la siguiente:
4. Se supone que la segunda derivada es cero en el primer punto. Ya

que la segunda derivada de la ecuación (11.24) es 2a, esta condición
se expresa matemáticamente cómo:
al = O [11.30]
La interpretación visual de esta condición es que los primeros dospun-

tos se conectarán mediante una línea recta.
EJEMPLO 11.9
Interpolacion cuadrática segmentaria
Enunciado del problema: ajústense polinomios cuadráticos-por segmen-

tos a los datos usados en el ejemplo 11.8 (Cuadro 11.1). Usense los re-
sultadosparacalcularelvalorpara x = 5.
Solución: en este problema, se tienencuatrodatos y n = 3 intervalos.

Por lo tanto, se deben determinar 3(3) = 9 incógnitas. Las ecuaciones
(11.25) y (11.26) llevana 2(3) - 2 = 4 condiciones.
2 0 . 2 5 ~+1 ~4.5bl
+ c1 = 1.0
+ 4.5b2 + c2 = 1.0
20.25~
49a2 + 7b2 + c2 = 2.5
49a3 + 7b3 + c3 = 2.5
Pasando la primera y la última función por los valores iniciales y finales
agrega dos más: [Ec. (11.27)]
gal + 3bl + c1 = 2.5

y [Ec. (11.28)]
81a3 + 9b3 + c3 = 0.5

Lacontinuidad de lasderivadas crea adicionalmente 3 - 1 = 2 [Ec.
(11.29)]:
Finalmente, la ecuación (11.30)especifica que al = O . Ya queesta

ecuación especifica al exactamente, el problema se reduce aresolver
ocho ecuaciones simultáneas. Estas condiciones se pueden expresar en
forma matricial como
4.5 1.0 o.o 0.0 0.0 0.0 0.0 0.0 1.0

0.0 0.0 20.25 4.5 1.0 0.0 0.0 0.0 1.0
0.0 0.0 49.00 7.0 1.0 o.o 0.0 0.0 2.5
0.0 0.0 o.O 0.0 0.0 49.00 7.00 1.00 2.5
3.0 1.0 o.o 0.0 0.0 o.o 0.0 0.0 2.5
0.0 0.0 0.0 0.0 0.0 81.00 9.00 1.00 0.5
1.0 0.0 -9.00 -1.0 0.0 o.o 0.0 0.0 o.o
0.0 0.0 14.00 1.0 0.0 - 14.00 -1.00 0.0 o.o
Estas ecuaciones se resuelven usando las técnicas de la parte 111 con los
resultados:
al = O bl = "1 c1 = 5.5
a2 = 0.64 b2 = -6.76 c2 = 18.46
a3 = -1.6 b3 = 24.6 ~3 = -91.3
los cuales se sustituyen en las ecuaciones cuadráticas originales desarro-

llando la relación siguiente para cada intervalo:
fI(X) = "x + 5.5 3.0 5 x 5 4.5

f2(x) = -~
0.64~ 6 . 7 6 ~+ 18.46 4.5 5 X 5 7.0
f3(~)= -1.6~' + 2 4 . 6 ~- 91.3 7.0 5 X 5 9.0
la predicción para x = 5 es, por lo tanto

f2(5) = 0.64(5)' - 6.76(5) + 18.46 = 0.66
El ajuste polinominal segmentario totalse muestra en la figura 11.14b.
Nótese que hay dos inconvenientes enel ajuste: 1)la línea recta que une
los primeros dos puntosy 2) el polinomio del último intervalo parece ser-
pentear demasiado alto. Los polinomios segmentarios cúbicos de la si-
guiente sección no muestran estos incovenientes y como consecuencia,
en general son mejores métodos de interpolación segmentaria.
11.4.3 lnterpolación segmentaria
El objetivo d e la interpolación cúbica segmentaria es obtener polinomios

de tercer orden para cada uno de los intervalos entre nodos, dela forma
fi(x) = aix3 + bix2 + cix + di [11.31]

INTERPOLACldN 379
Por lo tanto, para los n + 1 puntos (i = O , 1 , 2 , . . . , n ) , existen n inter-

valos y. por lo tanto, 4 n incógnitas constantes por evaluar. Como se hizo
para polinomios cuadrájicos, ahora se requiere de 4 n condiciones para
evaluarlasincógnitas.Estas son:
1. Los valores d e la función deben ser iguales e n los nodos interiores
( 2 n - 2 condiciones).
2. La primera y la última funciones deben pasar a través de los puntos

finales (2 condiciones).
3. Las primeras derivadas e n los nodos interiores deben ser iguales ( n

- 1 condiciones).
4. Las segundas derivadas en los nodos interiores deben ser iguales ( n

- 1 condiciones).
5. Las segundas derivadas en

los nodos finales son cero (2 condiciones).
La interpretación visual de la condición 5 es que la función sea una línea

recta en los nodos finales. Debido a la especificación de esta condición
es que se le llama interpolación segmentaria “natural”.Se le da este nombre
ya que el polinomio interpolante se comporta de manera natural en este
esquema (Fig. 11.13). Si elvalordela segunda derivada en los nodos
finales fuese diferente de cero (es decir, existe alguna curvatura), enton-
ces esta información se usaría alternativamente para proporcionar lasdos
condiciones necesarias.
Los cinco tipos anteriores de condiciones proporcionan un total de
4 n ecuaciones necesarias para encontrarlos 4 n coeficientes. Mientras que
es posible desarrollar interpolación cúbica segmentaria con este esque-
ma, aquí se presenta una técnica diferente que requiere únicamente de
la solución de n - 1 ecuaciones. Aunque la derivación de este método
(recuadro 11.3) es algo menos directo que el de interpolación cuadrática
segmentaria, la ganancia en eficiencia bienvaleel esfuerzo.
RECUADRO 11.3 Obtención de la interpolación cúbica segmentaria
El primer paso
en la obtención
(Chene y Kincaid, 1980) x - xi x - xi-1
se basa en la observación de que debido a que cada pare- fl’(x) = f”(Xi-1)
~ +
xi-1 - xi
f“(Xi)
xi - xi-1
___c
ja de nodos está conectada por un polinomio cúbico, la

dentro
derivada
segunda intervalo
una es línea [B11.3.1]
recta. La ecuación (11.31)se puede derivar dos veces para
verificar esta observación. Con base a lo anterior, las se-
gundas derivadas se representan mediante los polinomios en donde f,” (x) es el valor d e la segunda derivada en el
de interpolación d e primer ordendeLagrange[Ec. primer nodo x dentrodel i-ésimointervalo. Por lo tanto,
(11.21)l: una es
ecuación
esta conecta
línea
que recta la segunda
380
derivada en el primer nodo f”(xiPl)con la segunda deri- Las segundas derivadas se evalúan usando la condi-
vada en el segundo nodo f” (x,). ción de que lasprimerasderivadasen los nodos deben
En seguida, la ecuación (B11.3.1) se integra dos ve- ser continuas:
ces y se obtiene una expresión para ft(x). Sin embargo,
esta expresión contendrá dos incógnitas constantes de in- f I-1(Xi) = f I(Xi) [B11.3.3]
tegración. Estas constantes se evalúan invocando las con-
diciones de equiespaciamiento, f(x) debe ser igual f ( x , - J La ecuación (B11.3.2)se deriva y se obtiene una expre-
en y f(x) debe ser igual a !(x,) en x,. Llevando a ca- sión de la primera derivada. Si esto se hace para los inter-
bo estas evaluaciones, resulta la siguiente ecuacióncúbica: valos (¡ - l)-ésimos e ¡-ésimos y los dos resultados se
igualan, de acuerdo a la ecuación (B11.3.3),resulta la si-
guiente relación:
(Xi - xi-1) f“(Xi-1) + 2(Xi+l - X , - d f’W

+ (Xi+l - Xi) f“(Xi+l)
Si la ecuación (B11.3.4)se escribe para todos los nodos

Ahora, esta expresión es mucho más complicada para los interiores, resultan n - 1 ecuaciones simultáneas con
polinomios de interpolación segmentaria en el i-ésimo in- n + 1 segundas derivadas incógnitas.Sin embargo, ya que
tervalo, digamos, la ecuación (11.31). Sin embargo, nó- este es un polinomio interpolante “natural”, las segundas
tese que esta contiene sólo dos “coeficientes” incógnitas, derivadas en los nodos finales son cero y el problema se
las segundas derivadas al principio y al final del intervalo, reduce a n - 1 ecuaciones con n - 1 incógnitas. Ade-
f’ ’ h - 1 ) y f ’ ’(xi).Por lo tanto, si se determina propia- más, nótese que el sistema de ecuaciones será tridiago-
mente la segunda derivada en cada nodo, la ecuación nal. Por lo tanto, no sólo se tiene que reducir el número
(B11.3.2)es un polinomio de tercer orden que se usa pa- de ecuaciones sino que también se calculan de forma que
rainterpolar dentro de un intervalo. sean muy fáciles de resolver (recuérdese el recuadro 7.2).
La derivación del recuadro 11.3genera las siguientes ecuaciones cú-

bicas para cada intervalo:
[11.32]
INTERPOLACldN 38 1
Esta ecuación contiene únicamente dos incógnitas , las segundas deriva-

das al final de cada intervalo. Estas incógnitasse evalúan usando la ecua-
ción siguiente:
Si esta ecuación se escribe para todos los nodos interiores, se generan

n - 1 incógnitas. (Recuérdese que las segundas derivadas en los nodos
finales son cero). La aplicación de estas ecuaciones se ilustra en el ejem-
plo siguiente:
EJEMPLO 11.10
Interpolación cúbica segmentaria
Enunciado del problema: ajústese un polinomio cúbico por segmentos a

los datos usados en los ejemplos 11.8 y 11.9 (Cuadro 11.1). Utilicense
losresultadosparacalcularelvaloren x = 5.
Solución: el primer paso es emplear la ecuación (11.33) para generar un

conjunto de ecuaciones simultáneas que se usarán en la determinación
de las segundas derivadas en los nodos. Por ejemplo, en el primer nodo
interior, se usan los siguientes datos:
xo=3 f(xo) = 2.5

x1 = 4.5 f(xJ = 1
x2 = 7 f ( ~ 2=
) 2.5
Estosvalores se sustituyenenla ecuación (11.33) y se obtiene
(4.5 - 3)fff(3)+ 2(7 - 3)frr(4.5)+ (7 - 4.5)f”(7)
- 6
-
7 -4.5
4.5
(2.5 - 1) + -3
(2.5 - 1)
Debido a la condición natural de los polinomios,f ” (3) = O , y la ecuación

se reduce a
8f”(4.5)+ 2.5ff’(7)= 9.6

De manera similar, la ecuación (11.33) se aplica a los segundos puntos
interiores para obtener
382 METODOS NUMÉRICOS
INGENIEROS PARA
3.5f"(4.5) + 9f"(7) = -9.6

I Estas dos ecuaciones se resuelven simultáneamente cómo
f"(4.5) = 1.745 45
f " (7) = -1.745 45
Estos valores se sustituyen en la ecuación (11.32),junto con los valo-

res de las x y de las !(x), obteniendo:
2.5 45 1.745
fib) =
6(4.5 - 3)
(x - 3)3 + 4.5 - 3
(4.5 - x)
+ [4.5f 3
-
1.745 45 (4.5 - 3)
6 1 (x - 3)
~ 3)3+ 1.666 667(4.5- X)

fI(x) = 0.193 9 3 9 ( - + 0.230 3 0 3 ( -
~ 3)
Esta ecuación es el polinomio cúbico interpolante para el primer interva-
lo. Se pueden llevar a cabo sustituciones similares y desarrollar las ecua-
ciones para el segundo y tercer intervalo:
fi(x) = 0.116 364(7 - x)3 - 0.116 364(x - 4.5)3
- O. 327 273 (7 - X) + 1.727 2 7 3 ( ~- 4.5)

Y
)
f3(~= - 0.145455(9 - + 1.831818(9 - X) + ~ 7)
0 . 2 5 (-
Las tres ecuaciones se emplean para calcular los valores dentro de cada
uno de los intervalos. Por ejemplo, el valor en x = 5, que cae dentro
del segundo intervalo, se calcula cómo
fZ(5) = 0.116 364(7 - 5)3 - 0.116 364(5 - 4.5)3
- 0.327 273(7 - 5) + 1.727 273(5 - 4.5) = 1.125 5
Se calculan otros valores y los resultados obtenidos se muestran en la fi-
gura 1 1 . 1 4 ~ .
Los resultados del ejemplo11.8al 11.10se resumen en la figura 11.14.

Nótese cómo se obtienen mejoras progresivas conforme se pasade inter-
polación lineal a cuadrática y a cúbica. También se ha sobrepuesto un
lNTERPOLACl6N 383
polinomio de interpolación cúbica enlafigura 1 1 . 1 4 ~Aunque

. la inter-
polación cúbica consiste de una serie de curvas de tercer orden, el ajuste
resultante difiere del que se obtiene usando polinomios de tercer orden.
Esto se debe a que la interpolación natural requiere de segundas deriva-
das en los nodos finales, mientras que el polinomio cúbico no tiene esta
restricción.
11.4.4 Algoritmo para la interpolación cúbica segmentaria
El método para calcular los polinomios cúbicos de la interpolación seg-

mentaria vista en las secciones anteriores es ideal para su implementa-
ción en microcomputadoras. Recuérdese que por algunas manipulaciones
inteligentes, el método se reduce a resolver n - 1 ecuaciones simultá-
neas. Un beneficio adicional obtenido de la derivación es que, como lo
especifica la ecuación (11.33), elsistema de ecuaciones es tridiagonal.
Como se describe en el recuadro 7.2, se dispone de los algoritmos para
resolver tales sistemas de una manera extremadamente eficiente. Enla
figura 11.16 se presenta el algoritmo de interpolación cúbica segmentaria
elcualincluyelos aspectos antes mencionados.
FIGURA 1 1 . 1 6 Algoritmo de interpoiación cúbicasegmentaria.
PROBLEMAS
Cálculos a mano
11.1 Calcúlese el logaritmo de 4 en base 10 (log 4) usando interpolaciónlineal. a)

Interpolar entre log 3 = 0.477 121 3 y log 5 = 0.698 970 O. b) Interpolar entre
log 3 y log 4 . 5 = 0.653 212 5. Para cada una de las interpolaciones calcúlese
el error relativo porcentual basado en el error verdaderode log 4 = 0.602 060 O.
11.2 Ajústese un polinornio de interpolación de Newton de segundo orden para apro-
ximar log 4 usando los datos del problema 1 1 . 1 , Calcúlese el error relativo por-
centual.
11.3 Ajústese un polinomio de interpolación de Newton de tercer orden para calcular

log 4 usando los datos del problema 11.1además del punto adicional, log 3.5
= 0.544 068 O . Calcúlese el error relativo porcentual.
x I O 0.5 1.0 1.5 2.0 2.5

f(x) I 1 2.119 2.910 3.945 5.720 8.695
a) Calcúlese f (1.6) usando polinomios de interpolación de Newton de orden 1

hasta el 3. Escójase la secuencia de puntos de las aproximaciones para lograr
exactitud.
b) Úsese la ecuación (11.18)para calcular el error en cada predicción.
x 1 1 2 3 5 6
f(x) I 4.75 4 5.25 19.75 36
Calcúlese f (3.5)usando polinomios de interpolación de Newton de orden 1hasta

el 4. Escójanse los puntos base para obtener una buena aproximación. ¿Qué in-
dican los resultados respecto al orden del polinomio que seusa para generar los
datos en la tabla?
11.6 Repítanse los problemas 11.1al 11.3 usando polinomios deLagrange.
11.7 Repítase el problema 11.40 usando interpolación deLagrange.
11.8 Repítase el problema 11.5 usando polinomios de Lagrane de orden 1 hasta el 3
11.9 Desarróllese la interpolación cuadrática segmentaria para los datos del problema
11.5 y calcúlese f (3.5).
11.10 Desarróllese la interpolación cúbica segmentaria para los datos del problema 11.5
y cálculese f (3.5).
11.11 Vuélvase a programar la figura 11.7 de tal manera que sea legible al usuario.
Entre otras cosas:
a) Insértese documentación a lo largo del programa para identificar lo que cada
una de las secciones debe hacer.
b ) Etiquétense las entradas y las salidas.
c ) Inclúyase la ecuación (11.18)para calcular el error de cada orden del polino-
mio (excepto el último).
11.12 Pruébese el programa que el lector haya desarrollado en el problema 11.11du-
plicando los cálculos del ejemplo 11.5.
11.13 úsese el programa desarrollado por el lector en el problema 11.11y resuélvanse
los problemas 11.1al 11.3.
11.14 Úsese el programa desarrollado en el problema 11.11y resuélvanse los proble-
mas 11.4 y 11.5.En el problema 11.4, utilícense todos los datos par desarrollar
INTERPOLAC16N 385
los polinomios del orden primario hasta el quinto. En ambos problemas, grafí-
quese el error calculado contra el orden.
11.15 Repítanse los problemas 11.12 y 11.13, usando el paquete NUMERICOMP aso-
ciado con este texto.
11.16 Úsese el paquete NUMERICOMP con los ejemplos 11.6 y 11.7
11.17 Desarróllese un programa legible al usuario para la interpolación de Lagrange.
Pruébese con el ejemplo 11.7.
11.18 Desarróllese un programa legible al usuario para la interpolación cúbica segmen-
taria basado en la figura 11.16 y en la sección 11.4.4. Pruébese el progama con
el ejemplo 11.10.
11-19 Úsese el programa desarrollado en el problema 11.18 para ajustar polinomios
cúbicos con los datos de los problemas 11.4 y 11.5. En ambos casos, calcular
f (2.25).
CAPíTULO DOCE
CASOS DE LAPARTE IV:
AJUSTEDECURVAS
El propósito de este capítulo es el de hacer uso de los métodos de ajuste

de curvas en la solución de problemas de ingeniería. Al igual que en los
otros casos de estudio de los otros capítulos, el primer ejemplo se toma
del área general de la ingeniería económica y de administración. A este
caso lo siguen las cuatro áreas principales de la ingenieria: química, civil,
eléctrica y mecánica.
En el caso 12.1 se hace un análisis sobre los datos de venta de com-
putadoras. El ejemplo ilustra dos puntos importantes relacionados con el
ajuste de curvas: 1) los polinomios de interpolación están bien condicio-
nados para el ajuste de datos imprecisos y 2) la extrapolación es un pro-
cedimiento, poco confiable cuando la relación de causa-efecto subyacente
a la tendencia se desconoce.
El caso 12.2, tomado de la ingeniería química, demuestra cómo se
puede linealizar un modelo no lineal y ajustarse a datos que usan regre-
sión lineal. El caso 12.3 usa un esquema similar pero emplea también
interpolación polinomial para determinar la relación esfuerzo-deformación
enproblemasdeestructuraseningenieríacivil.
El caso 12.4 ilustra cómo se usa un simple polinomio de interpola-
ción para aproximar una función más complicada en ingeniería eléctrica.
Finalmente, el caso 12.5 demuestra cómo se usa la regresión lineal múl-
tiple en el análisis experimental de datos en un problema de fluidos to-
madodelaingeniería mecánica.
CASO 12.1 MODELO DE INGENIERíA DE VENTA DEPRODUCTOS

(INGENIERíA EN GENERAL)
Antecedentes: los ingenieros encargados del diseñoy fabricación de pro-
ductos tales como automóviles, televisoresy computadoras pueden ver-
se implicadosen otros aspectos de los negocios. Estasimplicaciones
incluyenlas ventas, mercadeo y distribucióndelproducto.
Supóngase que un ingenierotrabajaparalacompañía que fabrica

las Computadoras de tipo Micro 1 (véase el caso 6.1). Las consideracio-
nes sobre planificación y localización de recursos (caso 9.1) requieren que
este ingeniero sea capaz de predecir hasta cuándo permanecerán en el
mercado las computadoras de su compañía enfuncióndel tiempo. En
este caso de estudio, se proporcionan datos que describen el número de
computadoras de la compañía que se encuentran en el mercado en dife-
rentestiemposhasta 60 días (Fig. 12.1). Al ingeniero se lepide que
examine estos datos y, usando método de extrapolación, calcular cuán-
tas computadorasse tendrán disponiblesa los 90 días. Los datos se mues-
tranenelcuadro 12.1.
FIGURA 12.1 Número de computadoras en el mercadocontra el tiempo.
CUADRO 12.1 Número de computadorasen

el mercado en función del
tiempo
Número de
Tiempo,
computadoras
días en el mercado
~~ ~~ ~
O 50 O00
10 35 O00
20 31 O00
30 20 O00
40 1 9 O00
50 1 2 O00
60 1 1 O00
CASOS DE LA PARTE IV: NUSTE DE CURVAS 389
Este análisis de tendenciay extrapolación se resuelve usando polino-

mios de interpolación del primero hasta el sexto grado así como con poli-
nomios de regresión del primero hasta el sexto grado. Las curvas resultantes
se usan para predicciones en los días 55,65 y 90 que ilustran el contraste
entre interpolación y extrapolación.
Solución: analizando la figura 12.1 se observa que los datos no son uni-
formes. Aunque el número de computadoras decrezca con el tiempo, la
tasa de decrecimiento varía de intervalo a intervalo comportiíndose alea-
toriamente. Por lo tanto, aún antes de que empiece el análisis, se puede
esperar que la extrapolación de estos datos traerá dificultades.
Los resultados del cuadro 12.2 confirman esta conjetura. Nótese que
hay una gran discrepancia entre las predicciones con cada uno de los mé-
todos. Para cuantificar la discrepancia se calcula la media, la desviación
estándar y un coeficiente de variación de las predicciones. El coeficiente
de variación, que es la media dividida por la desviación estándar (multi-
plicada por el loo%, proporciona una medida relativa de la variabilidad
de cada conjunto de predicciones [ € c(IV.5)J.
. Nótese cómo el coeficien-
CUADRO 12.2 Resultados del ajuste de varios polinomios de interpolacibn y poli-

nomios ¿e minimos cuadrados los a datos del cuadro12.1. Se mues-
tra una interpolacibn en t =
55 y una extraplacibn de t 65 y
90. Nbtese que, debido aque las ecuaciones notmales estbnmal con-
dicionadas, el polinomio con minimos cuadrados de sexto orden di-
fiere del polinomio de interpolacibn mbs preciso (recuerdese la
sección 10.2.1 )
~~
I N T E R P O lEAXCTl dRNA P O l A C l d N
t 55 t = 65 t 90
Polinomios de interpolación
Primer orden 1 1 525 10 475 7 850
788 Segundo
10 orden 12 688 43 230
10
Tercer orden 047 16 391 161 750
961 8 ordenCuarto 992 578 750
7 orden
Quinto 300 38 942 1 854 500
4 orden
Sexto 660 67 975 5 458 100
Media 8 880 28 41 1 1 350 700
Desviación
2
estándar 542 21 951 128 2 226
9% variaci6n de Coeficiente
Polinomios con mínimos cuadrados
9 orden
Primer 820 3 573 -1 2 045
orden
Segundo 1 1 829 10 939 16 529
Tercer orden 12 040 8 872 -3 046
orden Cuarto 12 104
1 1 101 83 733
Quinto orden 1 1 768 9 366 -78 906
71 261 4 orden
Sexto 266 5 768 460
Media 10 203 18 910 910 623
Desviación
estándar
2 834 24 233 2 228
408
Coeficiente de variación245% 128% 28%
390 MGTODOS NUMERICOS PARA
INGENIEROS
te de variación es el menor para el valor interpolado en el día 55. Tam-

bién, nótese cómo la mayor discrepanciase daen el día 90, que representa
la extrapolación más lejana.
Además, los resultados de los polinomios de extrapolación disminu-
yen a medida que crece el orden, hasta el punto en queel caso de sexto
orden lleva a la ridícula predicción de que en el día 90 se tendrán dispo-
nibles 5 458 100 computadoras. La razón de este resultado sin sentido
se ilustra en la figura 12.2, que muestra el polinomio de sexto grado. Ya
que la tendencia sugerida por los datos no es uniforme, los polinomios
de grado superior oscilan para intersectar cada punto. Estas oscilaciones
llevan a interpolaciones falsas y extrapolaciones del tipo manifestado en
la figura 12.2.
Ya que la regresión no se restringe para pasar por cada uno de los
puntos, algunas veces resulta útil para remediar esta situación. La figura
12.3 que muestra los resultados de la regresión cuadrática y cúbica su-
giere que es real para regresión de nivel bajo. Dentro del rango de los
datos ( t = O hasta 60 días), los resultados de las dos regresiones llevan
a resultados poco consistentes. Sin embargo, cuando se extrapolan más
allá de este rango, la predicción diverge. En t = 90, la regresión de se-
CASOS
PARTE LA DE IV: AJUSTE CURVAS 391
FIGURA 12.3 Gráfica de las curvas de regresión de segundo y tercer orden usadas para
interpolar y extrapolar los datos de venta de computadoras.
gundo orden lleva al resultado absurdo de que el número de computa-

dorasha crecido, mientrasque laversiónde tercerordenlleva a la
proyección ridícula de que habráun número negativo de computadoras.
La razón principal de que la interpolación y la regresión estén mal con-
dicionadas para este ejemplo es que ni siquiera se basan en un modelo
de la realidad física. En ambos casos, el comportamiento de las predic-
ciones es puramente un artificio del comportamientode los números. Por
ejemplo, ni los modelos tomanen consideración que más allá det = 60.
elnúmerodecomputadorasdebeestarentre O y 11 000. Por lo tanto,
si se estuviera interesadoen una aproximación rdpida del número decom-
putadoras en el mercado, en un tiempo futuro, un ajuste y una extrapo-
lación “visula” arrojaría resultados más realistas. Esto se debe a que se
está conciente de las restricciones físicas del problema y se puede, por
lo tanto, incorporar estas restricciones en la solución gráfica simple. En
el caso de estudio 18.1, se usa una ecuación diferencial para desarrollar
un modelo que tenga una base teórica y , por consiguiente, lleve a resul-
tados más satisfactorios.
Por el lado positivo se debe notar que este ejemplo ilustra cómo la
regresión tiene alguna utilidad para la interpolación entre puntos un tan-
to erróneos o inexactos. Sin embargo, la primera conclusión de este caso es
que la extrapolación siempre se debe llevar a cabo con cuidadoy precaución.
CASO 12.2 REGRESIóNLINEAL Y MODELOS DEMOGRÁFICOS

Antecedentes: los modelos de crecimiento poblacional son importantes
en muchos campos de la ingeniería. La suposición de que la tasa de cre-
cimiento de la población ( d p / d t ) es proporcional a la población actual (p)

en el tiempo (f) es de fundamental importancia en muchos de los mode-
los, enforma de ecuación
-dP= / q
[12.11
dt
en donde k es un factor de proporcionalidad conocido como la tasa de

crecimiento específico y tiene unidades de tiempo-l. Si k es una cons-
tante, entonces se puede obtener lasolucióndela ecuación (12.1) de
lateoría de ecuaciones diferenciales:
en donde po es la población enel tiempo t = O. Se observa que p(t) en

la ecuación (12.2) tiende a infinito a medida que t crece. Este comporta-
miento es claramente imposible en los sistemas reales. Por lo tanto, se
debe modificar el modelo y hacerlo más realista.
Solución: primero, se debe reconocer que la tasa de crecimiento específi-

co k no puede ser constante a medida que la población crece. Esto es
porque, cuando p tiende a infinito, el organismo que se modela se ve
limitado por factores talescomo el almacenamiento de comida y produc-
ción de desperdicios tóxicos. Una manera de expresar esto matemática-
mente es la de usar el modelo de tasa-de-crecimiento-y-saturacióntal como:
[12.3]
en donde kmdxes la máxima tasa de crecimiento posible para valores de

comida v) abundante y K es la constante de semi-saturación. La gráfica de
la ecuación (12.3) de lafigura 12.4 muestraquecuando f = K, k
= kmex/2. Por lo tanto, K es la cantidad de comida disponible que sos-
tiene una tasa de crecimiento poblacionaligual a la mitad de la tasa máxima.
Las constantes K y kmáxson valores empíricos basados en medidas
experimentales de k para varios valores de f. Como ejemplo, supóngase
que la población p representa una levadura empleada en la producción
comercial de cerveza y f es la concentración de la fuente de carbono a
fermentarse. Las medidas de k contra f de lalevadura se muestranen
el cuadro 12.3. Se necesita calcular kmáx y K de estos datos empíricos.
Esto se lleva a cabo invirtiendo la ecuación (12.3) de manera similar a
la ecuación (10.16),obteniendo
[12.4]
CASOS DE IV: AJUSTE CURVAS 393
FIGURA 12.4 Gráfica del promedio de crecimiento específico contra la comida dispo-
nible con el modelode promedio-de-crecimiento-de-saturaciónusado en
la caracterización de la cinética microbial. El valor de K es llamado cons-
tante de saturación media ya que representa la concentración endonde
el promedio de crecimiento específico es la mitad del valor máximo.
CUADRO 12.3 Datos usadosen la evaluación de las constantes

en un modelo de promedio-de-crecimiento-de-
saturación que caracteriza a la cinética microbial
f, mglL k, dias" llf, Llmg Ilk, día

7 0.29 O. 142 86 3.448
9 0.37 0.111 1 1 2.703
15 0.48 0.066 66 2.083
25 0.65 0.040 O0 1.538
40 0.80 0.025 O0 1.250
75 0.97 0.013 33 1 .O31
1O0 0.99 0.010 O0 1 .o1o
150 1 .O7 0.006 66 0.935
De esta manera, se ha transformado la ecuación (12.3) a la forma lineal;

esto es, l / k es una función lineal de l/f, con pendiente K/kmdX.Estos
valores se grafican en lafigura 12.5.
Debido a la transformación, se puede usar el procedimiento de míni-
mos cuadrados lineales descrito en el capítulo 10 para determinar kmdx
= 1.23 días" y K = 22.18 mg/L.Combinando estos resultadoscon
la ecuación (12.3) y comparándolos con los datos sin transformar de la
figura 12.6, y cuando se sustituyen en el modelo de la ecuación (12.1)
se obtiene:
[12.5]
FIGURA 12.5 Versión linealizada del modelo de promedio-de-crecimiento-de-

saturación. La línea es un ajuste con mínimos cuadrados que seusa en
la evaluación de los coeficientes del modelo kmbx= 1.23 días” y k =
22.18 mg/L para levadura usada en la fabricación de cerveza.
Esta ecuación se puede resolver usando la teoría de las ecuaciones dife-

renciales o usando los métodos numéricos analizados en los capítulos 16
y 17 cuando se conoce f ( t ). Si f se aproxima a cero a medida que p cre-
ce, entonces d p / d t tiende a cero y la población se estabiliza.
La linealización de la ecuación (12.3) es una manera de evaluar las
constantes kmdxy K . Otra manera de hacerlo, y que ajusta la relación a
FIGURA 12.6 Ajuste del modelo de promedio-de-crecimiento-de-saturación de la le-

vadura empleada en la fabricación comercial de cerveza.
CASOS
CURVAS DE IV: AJUSTE 395
su forma original, se le conoce con el nombre de regresión no lineal (Dra-

per y Smith, 1981).En cualquier caso, se puede usar análisis de regre-
sión para calcular los coeficientes del modelo usando los datos medidos.
Este es un ejemplo del uso de la regresión para la prueba de hipótesis,
como se estudió en la sección IV.1.2.
CASO 12.3 AJUSTEDECURVAS EN EL DISEÑODE U N MÁSTIL

PARA BARCO (INGENIERíA CIVIL)
Antecedentes: elmástil de un barco (véase el caso 15.3para mayores
detalles)tiene un área transversal de 0.876 pulg2 y se construyede
una aleación de aluminio experimental. Se llevan a cabo pruebas para
definir la relación entre esfuerzo (fuerza por área) aplicada al material y
deformación (deflexión por unidad de longitud). Los resultados de estas
pruebas se muestranenlafigura 12.7y se resumen en el cuadro 12.4.
Es necesario calcular el cambio de longitud del mástil debido a la defor-
mación causada por la fuerza del viento. La compresión causada por el
aire se puede calcular usando la relación:
fuerzaenelmástil
Esfuerzo =
área de la sección transversal del mástil
FIGURA 12.7 Curva de esfuerzo-deformación en una aleación de aluminio. En el caso

12.3 se debe obtener una deformación aproximada a partir de estos datos
que conforman un esfuerzo de 7 350 libras/pulgada2.
CUADRO 12.4 Datos de esfuerzo-deformación ordenados

de tal manera que los puntos usados en
la
interpolación estén siempre más cercanos
al esfuerzo de 7 350 Iblpulg'
Número de Esfuerzo, Deformación

puntos lblpu1g2 pieslpie
1 7 200 0.002 o
2 7 500 0.004 5
3 8 O00 0.006 O
4 5 200 0.001 3
5 10 O00 0.008 5
6 1 800 0.000 5
En este caso, se tiene una fuerza del vientode 6 440.6 libras (nótese que
al igual que en el caso 15.3 se usan métodos numéricos para determinar
este valor directamente de los datos del viento), y el esfuerzo se calcula
mediante:
Esfuerzo = 440'6 = 7 350 Ib/pulg2

0.876
Este esfuerzo puede ser usado para calcular la deformación de la fi-
gura 12.7, el cual, a su vez, se puede sustituir en la ley de Hooke y calcu-
larelcambioenlalongituddelmástil:
AL = (deformación) (longitud) [12.6]
en donde la longitud se refiere a la altura del mástil. Por lo tanto, el pro-
blema se reduce a la determinación de valores de la deformación de los
datos en la figura 12.7. Ya que no se dispone de ningún punto para un
valor de esfuerzo dado de 7 350, el problema necesitará algún ajuste de
curvas. En este caso se usarán dos planteamientos: el de interpolación
polinomial y elderegresiónconmínimoscuadrados.
Solución: elprimer planteamientousará la interpolaciónpolinomialde

orden O al 5 paracalcular la deformación a un esfuerzo de 7 350
lb/pulg2. Para hacerlo, los datos se ordenan de tal manera que la inter-
polación siempre use información quese encuentre más cercana a los pun-
tos incógnitas (cuadro 12.4). Sepuede aplicar la interpolación polinomial
de Newton, con los resultadosdadosen el cuadro 12.5.
Todos los polinomios excepto el de orden cero llevan a resultados
que casi coinciden.
En base al análisis, se concluiría que una deformación de aproximada-
mente 3 . 4 X pies/pie
es
unaaproximaciónrazonable.
Sin embargo, hayuna aclaración importante. Es realmente fortuito
que la aproximación de la deformación tienda a un mismovalor.Esto
se puede ver examinando la figura 12.8, en donde se muestra el polino-
PARTE CASOS DE LA IV: AJUSTE DE CURVAS 397
CUADRO 12.5 Resultados del polinomio deinterpolacih de Newton para prede-

cirunadeformacióncorrespondiente a unesfuerzode 7 350
lblpu1g2 en basea la información del cuadro 12.4
Orden del Coeficiente de Deformación

polinomio (n) n-ésimo orden (con esfuerzo 7 350)
2 X 10-3 2 X 10-3
8.33 x 3.27 X 1 0 - ~
-6.67 X 10-9 3.42 X 10-3
-3.62 X 10”’ 3.36 X 10-3
1.198 x 3.401 x
2.292 x 3.38 X 10-3
FIGURA 12.8 Gráfica de un polinomio interpolante de quinto orden que ajusta perfec-
tamente los datos del cuadro 12.4. Nótese que aunque la curva pasa
muy bien a través de los trespuntosen la vecindad del esfuerzo de
7 350, la curva oscila ampliamente en otras partes del rango de datos.
mio de quinto orden junto con los datos. Nótese que debido a que los
tres datos se encuentran muy cercanos del valor de 7 350, la interpola-
ción no debe variar significativamente en este punto, como era de espe-
rarse. Sin embargo, si se requieren aproximaciones de otras fuerzas, las
oscilaciones de los polinomios pueden llevar a resultados inexactos.
Los resultados anterioresilustran que la interpolación con polinomios
de grado superior está mal condicionada para datos inciertos o con “rui-
do” del tipo de este problema. La regresión proporciona una alternativa
que, en general, es más apropiado para estas situaciones.
Por ejemplo, se puede usar la regresión lineal para ajustar una línea
recta a través de los datos. La línea de mejor ajuste es
Deformación = -0.002
527 + 9.562 x esfuerzo [12.7]
la línea y los datos se muestran en la figura 12.9. Sustituyendo el esfuer-

zo = 7 350 libras/pulg2en la ecuación (12.7) se obtiene una predicción
de 4.5 X pulgs/pulg.
Un problema con regresión lineal llevaa resultados fuera de la reali-
dad con deformaciones negativas en un esfuerzo igual a cero. Una ma-
nera diferente de regresión que evita este resultado no realista es la de
ajustar una línea recta al logaritmo (base 10) de la tensión contra el loga-
ritmo del esfuerzo (recuérdese la sección 10.1.5). El resultado en este ca-
so es:
log (deformación)= -8.565 + 1.586 log(esfuerzo)

Esta ecuación se puede transformar a la forma inicial que predice la de-
formación, sacando antilogaritmos se obtiene:
deformación = 2.723 X (esfuerzo) [12.8]
Esta curva también se superpone a la figura 12.9 en donde se puede ver

que esta versión muestra los resultados físicos más realistasya que la de-
formación es cero cuando el esfuerzo es cero. La curva también es un
poco más realista ya que captura algunas de las curvaturas sugeridas por
los datos. Sustituyendo el esfuerzo = 7 350 en la ecuación (12.8)se ob-
tieneunapredicciónde la deformación = 3.7 x l o p 3pulgs/pulg.
De esta manera, la interpolación polinomial y los dos tipos de regre-
sión llevan a resultados diferentes de deformación. Debido al realismo fí-
sico y al comportamiento más satisfactorio a través del rango completo
de los datos, se optará por la ecuación (12.8) ya que proporciona mejo-
res predicciones. Usandoun valor de longitud = 30 pies y con la ecuación
(12.6) se obtiene el siguiente resultado del cambio en la longitud del mástil:
AL = (3.7 x pies/pie)(30 pies) = 0.11 pies

CURVAS
PARTE CASOS DE LA
DE IV: AJUSTE 399
FIGURA 12.9 Gráfica de una línea usando regresión lineal y una línea de regresión
usando la transformación logarítmica con los datos de esfuerzo-
deformación del mástil de un barco.
CASO 12.4 AJUSTEDE CURVAS EN LA ESTIMACIóN DELA

CORRIENTE RMS (INGENIERíA ELÉCTRICA)
Antecedentes: el valor promedio de una corriente eléctrica oscilante du-
rante un periodopuedeser cero. Por ejemplo, supóngaseque la co-
rriente se describe mediante una senoidal simple: i(t) = sen (2at/T) en
donde T es el periodo. El valor promedio de esta función se puede deter-
minar mediante la siguiente ecuación:
- -cos 27T + cos o

T
=o
400 METODOSNUMERICOSPARAINGENIEROS
La misma aproximaciónse muestra gráficamente enla figura 12. loa. Co-

mo se puede ver, resulta una corriente neta igual a cero ya que las áreas
positiva y negativa bajo la curva se cancelan.
A pesar de que el resultado neto es cero, esta corriente es capaz de
realizar un trabajo y generar calor. Por lo tanto, los ingenieros eléctricos,
a menudo, caracterizan esta corriente mediante
[12.9]
en donde I,,, se conoce como corriente RMS (raíz cuadrada media, en

inglés “root-mean-square”). El problema de cancelación de signos positi-
vos y negativos se evita elevando la corriente al cuadrado antes de calcu-
lar el promedio.
FIGURA 12.1 O a) Gráfica de una corriente eléctrica oscilante. Sobre un periodo T (esto
es, un cic!o completo), la integral de la función es cero ya que las áreos
positivas y negativas son iguales, y por lo tanto, se cancelan. Para evitar
este resultado, la corriente se eleva al cuadrado, como en b). La raíz
cuadrada del promedio del cuadrado, a lacual se le llama corriente RMS,
proporciona una medida de la magnitud de la corriente.
””
CURVAS
CASOS DE IV: AJUSTE 401
En este caso, supóngase que la corriente en un circuito es de
(
i ( t ) = 10e-t’Tsen-
2;t)
para O It IT /2
[12.10]
i(t) = O para T / 2 < t 5 T
Determínese la corriente RMS ajustandoun polinomio de segundo grado
que coincida con i2(t) exactamente en t = O , T/4 y 1/2. En seguida, in-
tégrese este polinomio analíticamente y calcúlese la corriente RMS en el
intervalo de O a T usando la ecuación (12.9).Supóngase que T = 1 s.
Este resultado se puede comparar al caso 15.4 en donde se emplear6n
otras técnicas para calcular la corriente RMS.
Solución: usando la ecuación (12.lo), se generan los siguientes puntos.
t i(t) i*(t)
O 0.000 O00 O00 0.000 O00 O0

114 7.788
007 831 60.653 065 98
1/2 0.000 O00 O00 0.000 O00 O0
Ajustando un polinomio de Newton de segundoorden(Fig. 12.11),se

obtiene elpolinomio
i2(t) = 242.612 264t - 970.449 056t(t - 1/4)
FIGURA 12.1 1 Gráfica de la corriente verdadera [Ec. ( 1 2.10)], junto con la parábola
que se usa como aproximación.
que se puedeintegrardesde t = O hasta t = T/2 (T = 1 S) y obtener:
:i i2(t) dt-= 121.306132t2 -.323.483 0187t3 + 121.306132$

:I
obteniendo el resultado 20.217 688 66, el cual, a suvez se sustituye en
la ecuación (12.9) y se obtiene lRMs = 4.496 408 418. Enel caso 15.4
se usan varias técnicas de integración numérica para llevar a cabo estos
mismos cálculos.
CASO 12.5 REGRESIóNLINEALMQLTIPLEEN EL

ANALISIS DE DATOSEXPERIMENTALES
(INGENIERíA MECANICA)
Antecedentes: las variables de diseño en la ingeniería,a menudo, dependen
de muchas variables independientes. Con frecuencia esta dependencia
funcional se caracteriza mejor con ecuaciones de potencia multivariable.
Como se analiza en la seccidn 10.3, una regresión lineal múltiple de da-
tos transformados mediante logaritmos porporciona un medio para eva-
luar tales relaciones.
Por ejemplo, un estudio de ingeniería mecánica indica que elflujo
de fluido a través de un tubo es función del diámetro del tubo y de su
pendiente (cuadro 12.6). Para analizar estos datos se usa una regresión
lineal múltiple. En seguida, se usa el modelo resultante para predecir el
flujo en un tubo con un diámetro de 2.5 pies y con una inclinación de
O .O25 piedpie.
Solución: la ecuación de potencias se evalúa como
Q = u,D"~S"* c12.111
2 0.001 8.3
3 0.001 24.2
1 0.01 4.7
2 0.01 28.9
3 0.01 84.0
1 0.05 11.1
2 0.05 69.0
3 0.05 200.0
CASOS DE IV: AJUSTE DE CURVAS 403
en donde Q es el flujo (en pies cúbicos por segundo), S es la pendiente

(en pies por pie), D es el diámetro del tubo (en pies) y ao, a l y a2 son
coeficientes. Extrayendo logaritmos a esta ecuación se obtiene
log Q = log a. + al log D + a2 log S

De esta forma, la ecuación se adapta a la regresión lineal múltiple ya
que log Q es función lineal de log S y de log D. Usando los logaritmos
(base 10) de los datos en el cuadro 12.6, se generan las siguientes ecua-
ciones normales expresadas en forma matricial [recuérdese la Ec. (10.21)]:
-4.903
2.334
0.954
-18.903
2.334 -18.903
-4.903][
-22.207
44.079
:t] [
log a.
=
11.691
3.9451
Este sistema se puede resolver usando eliminación gaussiana para obtener:
log a. = 1.747 5%
al = 2.62
a2 = 0.54
Si log a. = 1.747 5, entonces a. = 55.9 y la ecuación (12.11) se con-

vierte en:
Q = 55.902.62SO.54 [12.12]
La ecuación (12.12) se puede usar para predecir el flujo en el caso en

que D = 2.5 pies y S = 0.025 piedpie, dando
Q = = 84.1 pies3/s
55.9(2.5)2.62(0.025)o.54
Se debe notar que la ecuación (12.12) puedeusarse para otros pro-

pósitos además de calcular flujos.”Por ejemplo, la pendiente está dada
en función de la pérdida de calor hL y la longitud del tubo L por S =
h , / L . Si esta relación se sustituye en la ecuación (12.12) y la fórmula re-
sultante se resuelve para hL. se obtiene la siguiente ecuación:
Esta relación se conoce con el nombre de ecuación de Hazen-Williams.

PROBLEMAS
12.1 Efectúense los cálculos llevados a cabo en el caso 12.1 usando los programas
propios.
12.2 Ejecútense los mismos cálculos del caso 12.1, pero con el número de computa-
doras en el mercado en los días 50 y 60 modificados un poco a 12 O00 y 1 1 050.
12.3 Si se deposita una cantidad de dinero con cierta tasa de interés, se pueden usar
las tablas económicas para determinar la suma acumulada en un tiempo poste-
rior. Por ejemplo, la siguiente información se encuentra en una tabla económica
sobre elvalorfuturo de un depósito después de 20 años:
Tara de F/P
inter& Oh (n = 20 años)
15 16 366
20 337 38
25 736 86
190 30 05
en donde FIP es el promedio delvalorfuturoalvalor actual. Por lo tanto. si

se depositaron P = $10 000, después de 20 años al 20% de interés se debe tener:
F = (F/P)P = 38.337(10 000) = $383 370

Utilícese interpolación lineal, cuadrática y cúbica y determínese el valor futuro
de $25 O00 depositados al 23.6% de interés. Interprétense los resultados desde
la perspectiva de lainstitución prestamista.
12.4 Utilícese la información dada en el problema 12.3. pero suponiendo que se han
invertido $40 O00 y le dicen que después de 20 aiios el prestamista regresará
$2 800 000. Úsese interpolación lineal, cuadrática y cúbica para determinar la
tasa de interés que se está dando.
12.5 Supóngase que al ganador de un premio se le da la oportunidad de escoger en-
tre $2 millones ahora o $700 O00 por atio durante 5 años. La relación entre el
valor actual P y una serie de pagos anuales A está dada por la siguiente informa-
ción de unatabla de economía:
Tasa de A/P
inter& 016 (n = 5 años)
15 32 0.298
38 0.334 20
25 85 0.371
30 0.41058
PARTE CASOS DE LA IV: AJUSTE DE CURVAS 405
en donde A/P es el promedio de pagos anuales alvalor actual. Por lo tanto,

la tasa de interés del 15%, los cinco pagos anuales A que son equivalentes a
un solo pago actual (P = $2 millones) se calculan como
A = (A/P)P = 0.298 32(2 O00 000) = $596640
Utilicese interpolación para determinarla tasa de interés a la cual los $2 millones

es la mejor decisión.
12.6 Se est5 llevando a cabo un estudiopara determinar la relación entre la fuerza

de fricción que actúa hacia arriba y la velocidad de caída del paracaidista. Se
llevan a cabo algunos experimentos para obtener la siguiente información sobre
la velocidad (u medida en centímetros por segundo) y la fuerza de rozamiento
(F, medidaen lo6 dinas):
u I 1 O00 2 O00 3 O00 4 O00 5 O00

F, 1 5 15.3 29.3 46.4 66.3
Graffquese F contra u y úsese regresión para determinar la relación entre la fuer-

za de rozamiento y la velocidad.
12.7 Repítanse los cálculos del caso 12.2 usando los programas propios.
12.8 Efectúense los mismos cálculos del caso 12.2, pero usando regresión polinomial
paraajustarunaparábola a los datos. Analícense los resultados.
12.9 Efectúense los mismos cálculos del caso 12.2, pero usando regresiónlineal con
transformaciones para ajustar los datos a una ecuación de potencias. Ignórese
el primer punto cuando se ajuste la ecuación.
12.10 Se llevan a cabo los siguientes experimentos y se determinan los siguientes valo-
res de capacidad calorífica ( c ) a varias temperaturas ( T ) para un metal:
r -50 "20 10 70 100 120

C 0.125 0.128 0.134 0.144 0.150 0.155
Utilicese regresión y determínese.un modelo para predecir c en función de T.
12.11 La concentración de saturacióndel oxígeno disuelto en el agua enfunción de

la temperatura y del cloruro se muestra en el cuadro P12.11.Utilicese interpola-
ción para calcular el nivel de oxígeno disuelto para T = 22.4OC con cloruro =
10 oon mg/L.
12.12 osese interpolación polinomial con los datos del cuadro P12.11para derivar una
ecuación sobre la concentración de oxígeno disuelto en función de la temperatu-
ra para el caso en que la concentración de cloruro es igual a 2 0 O00 my/L.
CUADRO P12.11 Dependencia de la concentración de oxígeno en función de la tem-

peratura y de la Concentración de cloruro
OXiGENO DISUELTO (mglL) PARA

CONCENTRACIONES DE CLORURO
Temperatura OC Cloruro
Cloruro Cloruro
= O m g l l = 10 O00 m g l l 20 O00 mglL
5 12.8 1 1.6 10.5
10 11.3 10.3 9.2
15 10.0 9.1 8.2
20 9.0 8.2 7.4
25 8.2 7.4 6.7
30 7.4 6.8 6.1
12.13 Utilicese regresiónpolinomial para llevar a cabo el mismo problema 12 12
12.14 Úsese regresión lineal múltiple y trsnsformaciones logaritmicas para derivar una
ecuación que prediga la concentración del oxígeno disuelto en función de la tem-
peratura y de la concentración de cloruro. Evalúense los resultados
Ingenieria civil
12.16 Efectúense los mismos cálculos del caso 12.3. pero usandoregresión polinomial
de segundo orden para relacionar deformación y esfuerzo.
12.17 Efectúense los mismos cálculos del caso 12.3pero usando una formulación ex-
ponencia1 para relacionar deformación y esfuerzo
12.18 Efectúense los mismos cálculos del caso 12.3 pero usando interpolacljnpolino-
mial para evaluar AL si el esfuerzo es de .7 700 libras/pulgada'.
Ingenieriaeléctrica
12.19 Repítanse los cálculos del caso 1 2 . 4 usando los programas proplo5
12.20 Efectúense los mismos cálculos del caso 12.4 ajustando e integrando un polino-
mi0 de tercer orden que coincida con i 2 ( t ) exactamente en t = O. TíG. T1'3.
y T/2.
12.21 Se mide la caída de voltaje II a través de una resistencia para cierto número de
valores de la corriente i . Los resultados obtenidos son
i 1 0.75
0.25 1.25 1.5 2.0
u I -0.23 -0.33 0.70 1.88 6.00
CASOS DE LA
CURVAS DE PARTE IV: AJUSTE 407
Úsese interpolaciónpolinomialparacalcular la caída de voltajepara i = 0.9.

Interprétense los resultados.
12.22 Duplíquense los cálculos del problema 12.21 usando regresión polinomial para
obtener una ecuación cúbica que ajuste los datos. Grafíquense y evalúense 10s
resultados.
12.23 Efectúense los cálculos del caso 12.5 usando los programaspropios
12.24 Basándose enel cuadro 12.6 utilícese interpolaciones lineal y cuadrática para
calcular Q con D = 1.23 pies y S = 0.01 piedpie. Compárense los resultados
con elmismovalor calculado con la fórmuladerivadaen el caso 12.5.
12.25 Utilícese el caso 12.5 para desarrollar una ecuación que prediga el diámetro en
función de la pendiente y del flujo. Compárense los resultados con los de la fór-
muladel caso 12.5 y analícense los resultados.
12.26 La viscosidad cinemática del agua. u , está relacionada con ia temperatura de !a

siguiente manera:
T(OF) i 40 50 60 70 80
u pies2/s) I 1.66 1.41 1.22 1.06 0.93
Grafíquense estos datos y utilícese interpolación para predecir u en T = 62'F.

12.27 Repítase el problema 12.26 usandoregresión
12.28 Léanse todos los casos del capítulo 12. C o n base a la lectura y a la experiencia,
elabórense los propios casos de cualquiwa de fos campos de la ingeniería. Esto
puede involucrar la modificación o la reexpresión de los casos. Sin embargo, tam-
bién pueden ser totalmente originales. Como los ejemplos del capítulo, se deben
elaborar con u n enfoque a losproblemasdeingeniería y debe demostrarse el
uso de los métodos numéricos para ajustar curvas. Escríbanse los resultados usando
los casos delcapítulo como modelos.
EPíLOGO: IV.4 ELEMENTOS DE JUICIO
PARTE IV En el cuadro IV.4 se proporciona un resumen de
los elementos de juicio relacionados con el ajuste
de curvas. Los métodos se dividen en dos amplias
categorías dependiendode la incertidumbre delos
datos. Para las mediciones imprecisas, se usa la
regresión para desarrollar la "mejor" curva que
ajuste todas las tendencias de los datos sin pasar
necesariamente a través de algún punto. Para me-
diciones precisas, se usa la interpolación para de-
sarrollar una curva que pase directamente a través
de cada uno de los puntos.
Todos los métodos de regresión se diseñan de ma-

nera que ajusten funciones que minimicen la su-
ma de los cuadrados de los residuos entrelos datos
y la función. A estos métodos se les conoce como
regresión con mínimos cuadrados. La regresión
con mínimos cuadrados lineal se usa en aquellos
casos en donde una variable dependiente y otra
independiente se relacionan de manera lineal. Pa-
ra situaciones en que las variables dependiente e
independiente muestren una relación curvilínea,
se dispone de varias alternativas. En algunos ca-
sos, se pueden usar transformacionespara linea-
lizar la relación. En estos casos se puede aplicar
la regresión lineal a variables transformadas pa-
ra determinar la mejor línearecta. Alternativamen-
te, se puede emplear la regresión polinomial y
ajustar una curva directamente a los datos.
La regresión linealmúltiple se usa cuando una va-

riable dependiente es una función de dos o más
variables independientes. Se pueden aplicar tam-
bién transformaciones logaritmicasa este tipo de
regresión en algunos casos donde la dependen-
cia múltiple es curvilínea.
La interpolación polinomial esta diseñada para

ajustar un polinomio Único de n-ésimo orden que
pase exactamente por los n +1 puntos exactos.
Este polinomio se presenta en dos formatos dife-
rentes. El polinomio de interpolación de diferen-
cias divididas de Newton se adapta idealmente a
-
+
O 0 O C
Q a ,
7 7
P P
a 0
EPíLOGO PARTE IV 41 1
aquellos casos en que el orden propio del polinomio se desconoce.

El polinomio de Newton es apropiado para tales situaciones ya que
se programa fácilmente enun formato que compara los resultados
con órdenes diferentes. Además, se puede incorporar con facilidad
una aproximación del error en el método. De esta forma, se puede
comparar y escoger a partir de los resultados usando varios polino-
mios de órdenes diferentes.
La otra formulación alternativa esel polinomio de interpolación de

Lagrange el cual es apropiado cuando el orden se conoce a priori.
En estos casos, la versión de Lagrange es algo más simple de progra-
mar y no requiere de los cálculos y almacenamiento de diferencias
divididas finitas.
El método final deajuste de curvas es mediante interpolación segmen-

taria. Este método ajusta un polinomio de orden bajo a cada uno de
los intervalos entre los puntos. El ajuste se hace uniforme obligando
a que las derivadas de dos polinomios adyacentes en el mismo valor
de su punto de conexión sean iguales. La interpolación cúbica seg-
mentaria es la versión más común. Los segmentos son muy útiles cuan-
do se ajustan datos que en general son uniformes pero exhiben áreas
locales de saltos de los datos. Tales datos tienden a inducir oscilacio-
nes en los polinomios de interpolación de orden superior. La interpo-
lación cúbica segmentaria está menos propensa a estas oscilaciones
ya que se limita a variaciones de tercer orden.
IV. 5 RELACIONES Y FóRMULAS IMPORTANTES

En el cuadro IV.5 se resume la información de mayor importancia que
se presenta en la parte IV. El cuadro se puede consultar para tener
una referencia rápida de las relaciones y fórmulas de importancia.
IV.6 MÉTODOS AVANZADOS Y ALGUNAS REFERENCIAS

ADICIONALES
Aunque se han repasado una gran cantidad de métodos de ajuste de
curvas, aún existen otros métodos que tienen mucha utilidad en la prác-
tica de la ingeniería. Por ejemplo, los polinomios ortogonales se pue-
den emplear enel desarrollo de un método alternativo para la
regresión polinomial. Esta técnica tiene mucha utilidad ya que no es
susceptible al mal condicionamiento cuando se deben ajustar polino-
mios de orden superior. La información sobre polinomios ortogonales
se encuentra en Shampine y Allen ( 1 973) y en Guest ( 1 961).
Existe una gran variedad de métodos que desarrollan directamente

el Gjuste con mínimos cuadrados de una ecuación no lineal. Estas téc-
41 2 METODOS NUMERICOS PARA INGENIEROS
-
@ x"
F 4
rl *
v
h
v
h
I
j¿
I
*
x"
x
v
h
h
I
I
-x
x"
i II It 11
,
L - N
L.
oc" boc"
v)
x
v
h
x"
I
/I
EPlLOGO PARTE IV 413
nicas de regresión no lineal incluyen al método de Gauss-Newton, mé-

todo de Marquardt’s y mcitodos de pasos descendentes. La informa-
ción sobre estos métodos y de regresión en general se encuentran en
Draper y Smith (1981).
Todos los métodos de la parte IV se han expresado en términos del

ajuste de una curva a un conjunto de puntos. Pero se puede ajustar
una curva a otra curva. La motivación principal de tal aproximación
funcional es la de representar una funcióncomplicada a una más simple
que sea más fácil de manejar. Una manera de hacerlo es la de usar
función complicada para enerar una tabla de valores. Después
B
se pueden usar cualquiera de as técnicas analizadas en este libro para
ajustar polinomios a esos valores discretos.
Más allá de este planteamiento, existe una variedad de métodos al-

ternativos, y en general, preferibles en la aproximación funcional. Por
ejemplo, si la función es continua y diferenciable, se puede ajustar
a una serie de Taylor truncada. Sin embargo, esta estrategia se dese-
cha ya que el error aumenta a medida que se ale’a del punto base
Por lo tanto, se puede tener una buena predicción
del intervalo y una mala aproximación para un
Un enfoque alterno se basa en el principio de minimax (recuérdese

la Fig. 1 0 . 2 ~ )Este
. principio especifica que los coeficientes del poli-
nomio de aproximación se escogen de tal forma que la discrepancia
4
máxima sea tan pequeña como sea posible. Por lo tanto, aun ue la
aproximación no puede ser tan buena como la obtenida con a ex-
pansión de la serie de Taylor en el punto base, generalmente, es me-
jor a travésde todo el dominio delajuste. l a economización de
Chebyshev es un ejemplo del acercamiento de una aproximación fun-
cional basada en esta estrategia (Ralstony Rabinowitz, 1978; Gerald
y Wheatley, 1984 y Carnahan, Luther y Wilkes, 1969).
Un método final de aproximación funcional es la de usar funciones
B
trigonométricas. La transformada ru ida de Fourier es un ejemplo de
este enfoque y es ampliamente usa o en la ingeniería práctica (Bri -
ham, 1974; Davis y Rabinowitz, 1975 y Gerald y Wheatley, 19847.
En resumen, lo antes mencionado tiene la finalidad de proporcionar

al lector senderos de exploración más profundos sobre la materia.
Además, todas las referencias anteriores proporcionan descripciones
de las técnicas básicas cubiertas en la parte IV. Se sugiere al lector
que consulte estas fuentes alternativaspara profundizar en el conoci-
miento de los métodos numéricos sobre elajuste de curvas.*
* Aquí se hace referencia a los libros únicamente por autor; se encuentra una bibliografía corn-
pleta al final del libro.
416 MÉTODOS NUM&lCOS PARA INGENIEROS
FIGURA V.l Representación gráfica de la integral de {(x) entre los límites x 3 a y b.

Lo integral es equivalente al área baio la curva.
2. Una función complicada y continua que es difícil o imposible de

integrar directamente.
3. Una función tabulada en donde los valores de x y f (x) se dan en

un conjunto de puntos discretos, como esel caso, a menudo, de
los datos experimentales.
En el primer caso, la integral simplemente es una función que se

puede evaluar fácilmente usando métodos analiticos aprendidos en
el cálculo. En los dos últimos casos, sin embargo, se deben emplear
métodos aproximados.
Un planteamiento lógico es el de graficar la función sobre una malla

(Fig. V.2) y contar el número de cuadros que aproximan el área. Este
número multiplicado por el área de cada uno de ellos da una estima-
ción aproximada del área total baio la curva. Esta estimación puede
meiorar a costa de un mayor esfuerzo, usando una malla más fina.
Otro planteamiento con sentido común es el de dividir el área en seg-

mentos verticales, o bandas, con una altura igual al valor de la fun-
ción enel punto medio de cada banda (Fig. V.3). El área de los
rectángulos se puede entonces calcular y sumar para estimar el área
total. En este planteamiento, se supone que el valor de los puntos me-
dios proporciona una aproximación válida de la altura promedio de
lNTEGRACl6N 41 7
FIGURA V.2 Uso de una malla para aproximar una integral.
FIGURA V.3 Uso de rectángulos, O bandas para aproximar la integral.
"X .. --
41 8 MÉTODOSNUMÉRICOS P A R A INGENIEROS
la función de cada banda. Comocon el método de mallas, es posible

obtener una estimación, mejor usando más (y más delgadas) bandas
para aproximar la integral.
Aunque estos esquemas simples tienen utilidad para estimaciones rá-

pidas, se dispone de métodos alternativos llamados integración nu-
mérica o cuadratura gaussiana para los mismos propósitos. Estos
métodos, que son más fáciles de implementar que la técnica de ma-
FIGURA v.4 Aplicaciónde un método numérico de integración a) función continua

complicada; bJ tabla de valores discretos de f(x) generados de la fun-
ción, y c) USO de un método numérico (el método de bandas) para apro-
ximar la integral en base a los puntos discretos. Para una función tabular,
10s datos se encuentran en forma tabular en b); por lo tanto el paso 0 )
es innecesario.
lNTEGRACl6N 419
las, son similares en esencia al método de bandas. Esto es, las altu-
ras de la función se multiplican por el ancho de las bandas y se suman
para calcular la integral. Sin embargo, con el uso de la alternativa
más inteligente de factores de peso, la estimación resultante puede
ser más exacta que la obtenida con el "método de bandas" simple.
Como en el método simple de bandas, los métodos de integración nu-

mérica utilizan datos en puntos discretos. Ya que la información ta-
bulada ya se encuentra en esta forma, es naturalmente compatible
con muchos métodos de integración numérica. Aunque las funciones
continuas no están originalmente en forma discreta, en general una
proposición simplees la de usar la ecuación dada para generar
una tabla de valores. Como se muestra en la figura V.4, esta tabla
se emplea en el cálculo de la integración numérica.
V.1.2 Integración numérica e ingeniería práctica

La integración de unafunción tiene tantasaplicaciones en la ingenie-
ría que probablemente al lector se le enseñe el cálculo integral en el
primer año de la facultad. Pueden darse muchos ejemplos específicos
de sus aplicaciones en todos los campos de la ingeniería.
Uno de ellos es el uso de la integración para determinar la media de

una función continua. En la parte IV se introdujo el concepto de me-
dia de npuntosdiscretos [recuérdese la Ec. (lV.1)J:
Media = L
.iy;
n
N21
en donde y son medidas individuales. La determinación de la media
de puntos discretos se muestra en la figura V S a .
En contraste, supóngase que y es una función continua de una varia-

ble independiente x, como se muestra en la figura VSb. En este caso,
existe un número infinito de valores entre a y b. Así como se puede
aplicar la ecuación (V.2) para determinar la media de una lecturadis-
creta, también se puede estar interesado en calcular la media o pro-
medio de una función continua y = f (x) en el intervalo de a a b. Se
usa la integración para este propósito, tal como se especifica en la
fórmula:
420 MÉTODOS NUM6RICOS PARA INGENIEROS
FIGURA V.5 Ilustración de la mediaa) caso discreto, b) caso continuo.
Esta fórmula tiene cientos de aplicaciones en la ingeniería. Por ejem-

plo, se usa para calcular el centro de gravedad de objetos irregula-
res en ingeniería mecánica y civil y para determinar la corriente RMS
en ingeniería eléctrica.
Las integrales las emplean los ingenieros también para evaluar la can-
tidad total o para cuantificar una variable física dada. La integral se
puede evaluar sobre una línea, una área o un volumen. Por ejemplo,
la cantidad total de masa de sustancias químicas que contiene un reac-
tor está dada como el producto de la concentración de sustancias
químicas y el volumen del reactor, o sea
M a s a = concentración X volumen
en donde la concentración tiene unidades de masa por volumen. Sin

embargo, supóngase que la concentración varia de posición a posi-
ción dentro del reactor. En este caso, es necesario sumar los produc-
tos de concentración local c y sus volúmenes elementales correspon-
dientes (AVi):
INTEGRAC16N 42 1
n
Masa = c;AV,
i= 1
en donde n es el número de volúmenes discretos. En este caso conti-
nuo, en donde c (x,y,z,) es una función conocida y x, y y z son varia-
bles independientes quedenotan la posición, en coordenadas
cartesianas, la integración se puede usar para el mismo propósito:
Masa = 111 c(x, y, z) dx dy dz
Masa = 111 V
c ( V ) dV
a la cual se le conoce como integral de volumen. Nótese la fuerte ana-

logía entre la sumatoria y la integración.
Se pueden dar ejemplos similares para los otros campos de la inge-

niería. Por ejemplo, el promedio total de transferencia de energía a
través de un plano en donde el fluio (en calorías por centímetro cua-
drado por segundo) es una función de la posición dada por
Transferencia de calor = JJ fluio dA

A
A la cual se le conoce como integral de superficie endonde A = área.
De manera similar, para el caso unidimensional, el peso total de una

varilla con densidad variable está dada por
w = A lo’ p(x) dx
en donde w es el peso total (en libras), I es la longitud de la varilla

(en pies), p ( x ) es la densidad conocida (en libras por pie cúbico) en
función de la longitud x (en pies) y A es el área transversal de la vari-
lla (en pies cuadrados).
Finalmente, las integrales se usan para la evaluación de ecuaciones

promedio. Supóngase que la velocidad de una partícula es una fun-
ción cococida continua del tiempo v (t). La distancia total d recorrida
por esta partícula en un tiempo dado t está dada por
d= v(t) dt rv.41
Estos son sólo algunos ejemplos de las aplicaciones de las integrales

que se pueden encontrar regularmente en el desarrollo de la profe-
sión. Cuando las funciones a integrar sonsimples, normalmente se

integran analíticamente. Por ejemplo, en el problema del paracaidis-
ta, se determinó la velocidad en función del tiempo (Ec. (1.8)]. Esta
relación se puede sustituir en la ecuación (V.4), la cuál se integra fá-
cilmente y de esta manera se determina que tan rápido cae el para-
caidista enun periodo detiempo t. En este caso, simplemente se evalúa
la integral. Sin embargo, es dificil o imposible cuando la función se
complica, como es el caso para ejemplos más comunes. Además, la
función en cuestión a menudo se desconoce y se define únicamente
con medidas en puntos discretos. En ambos casos,se debe tener la
suficiente habilidad como para obtener valores aproximados a las in-
tegrales usando métodos numéricos. Algunosde estos métodos se ana-
lizan en esta parte del libro.
v.2 FUNDAMENTOS MATEMÁTICOS

En la preparatoriao en los primeros años de la facultad, se ven intro-
ducciones al c6lculo integral. Se aprenden técnicas que obtienen
soluciones analíticas o soluciones exactasde integrales definidas e in-
definidas. En la parte VI se analiza la integración indefinida, que
involucra en primer lugar la determinación de una función cuya deri-
vada está dada.
En esta parte del libro se desarrolla la integraci6n definida, que se

ocupa de determinar una integral entre un par de límites específicos,
como en
I=
1." f ( xd) x
De acuerdo al teorema fundamental del cálculo integral, la ecuación

~ 5 1
(V.5) se evalúa como
lab f ( x ) ¿x = F(x)
1:
en donde F (x) es la integral de f (x), esto es, cualquier función tal
que F' ( x ) = f (x). La nomenclatura sobre el lado derecho queda
F(x) 1 b
O
= F(6) - F(a) [W
I= r8
Un ejemplo de una integral definida es
(0.2+ 25x - 200x2 + 675x3 - 900x4 + 400x5) dx
En este caso, la función es un simple polinomio quese puede integrar
[V.7]
analíticamente evaluando cada uno delos términos de acuerdo a la

regla
INTEGRACldN 423
xnt~ b
Jab x" dx = -
n + l a
en donde n no puede ser igual a - 1 . Aplicando esta regla a cada

uno de los términos en la ecuación (V.7) se obtiene
I = 0 . 2 ~+ 1 2 . 5 ~- ~-x3
200 400
+ 1 6 8 . 7 5 ~-~1 8 0 +~ -X'
~
1 O'*
3 Io
que se puede evaluar de acuerdo a la ecuación (V.6) como I =

1.640 533 34. Este valor es igual al área bajo el polinomio original
[Ec. (V.7)] entre x = O y x =0.8.
La integración anterior depende del conocimiento de la regla expresa-

da por la ecuación (V.8). Otras funciones permiten reglas diferentes.
Todas estas "reglas" son meros ejemplos de antidiferenciación, esto
CUADRO V. 1 Algunas integrales simples usadas enla

parte V. La a y la b en este cuadro son
constantes y no se deben confundir con
los límites de integracibn discutidoselen
texto.
judv=uv-jvdu
""+l
lu"du=-n + 1 +c nf-1
U bx
ubxdx = -
b In a
+c U > O , U f l
j$= In 1x1+ c
j e o x d x = -eU+ Ox C
j x e a x d x = 7e( u x -
Ox 1) +C
U
es, encontrando f (x) de tal manera que F’ ( x ) = f (x). Por consiguiente,

la integración analítica depende del conocimiento previo de la res-
puesta. Este conocimiento se adquiere por experiencia. Muchas de
estas reglas se resumen en manuales y en tablas de integrales. En el
cuadro V.l se listan algunas de las integrales más comúnmente usa-
das. Sin embargo, muchas funciones de importancia prácticason de-
masiado complicadas para incluirlas en tales tablas. Una razón por
la que las técnicas de esta parte del libro son tan valiosas, es porque
proporcionan un medio de evaluarrelaciones tales como la ecuación
(V.7) sin conocimiento de las reglas.
v.3
Antes de continuar con los métodos numéricos de integración, puede
ser de utilidad información adicional. Las siguientes secciones están
enfocadas a dar un bosquejo del material analizado en la parte V.
Además, se han formulado algunos objetivos que ayudarán al apren-
dizaje cuando se estudie este material.
V.3.1 Alcances y avances
La figura V.6 proporciona un panorama de la parteV. En el capitulo

73 se desarrolla el planteamiento más común de la integración nu-
mérica: las fórmulas de Newton-Cotes. Estas relaciones se basan en
el reemplazo de una función complicada o de un conjunto de datos
en forma tabular a polinomios simples que son fáciles de integrar. Se
analizan en detalle tres de las fórmulas más ampliamente usadas de
Newton-Cotes: la regla trapezoidal,la regla 713 de Simpson y la re-
gla 318 de Sirnpson. Todas estas fórmulas están proyectadas para
casos en donde los datos a integrarse están igualmente espaciados. Ade-
más, se incluye un análisis de la integración numérica de datos que
no están igualmenté espaciados. Este es un tema muy importante ya
que muchas aplicaciones del mundorealmaneian datos de esta
manera.
Todo el material siguiente trata sobre la integración cerrada, en donde

se conocen los puntos finales de los límites de integración. AI final del
capítulo 13, se presentan las fórmulas de integración abiertas, en donde
los límites de integración se extienden más allá del rango de los datos
conocidos. Aunque no se usan comúnmente en la integración defini-
da, se presentan aquí las fórmulas de integración abierta porque se
usan extensamente en la solución de ecuaciones diferenciales ordina-
rias de la parte VI.
INTEGRACldN 425
FIGURA V.6 Esquema de la organización del material de la parte V: Integración numérica.
Las formulaciones estudiadas en el capítulo 13 se pueden emplear en

el análisis de funciones tabulares y continuas. En el capitulo 14 se ana-
lizan dos métodos diseñados expresamente para integrar funciones
continuas: integraciónde Romberg y cuadratura gaussiana. También
se proporcionan algoritmos para estos dos métodos.
El capitulo 75 demuestra como los métodos se pueden aplicar a laso-

lución deproblemas. Como con el resto de las partes del libro, se men-
cionan casos de todos los campos de la ingeniería.
Se incluye una sección de repaso o epilog0 al final de la parte V. Este

repaso incluye un análisis de los elementos de juicio incluidos en la
implementación de los métodos en la ingeniería práctica. Además, se
resumen las fórmulas y conceptos más importantes relacionados con
los métodos numéricos de integración. Finalmente, se hace un repaso
breve de los metodos avanzados y algunas referencias adicionales
que facilitarán estudios posteriores sobre integración numérica.
Se proporcionan varias opciones para efectuar el cálculo por com-

putadora de cálculo. En primer lugar, el paquete de programas NU-
MERICOMP contiene la regla trapezoidal a usarse sobre una base
opcional en las microcomputadoras APPLE II e IBM-PC. Alternati-
vamente, semuestran directamenteen eltexto programas en los
lenguajes FORTRAN y BASIC de la reglatrapezoidal. Esto le da opor-
tunidad al lector de copiar estos programas e implementarlo sobre
una microcomputadora o en una supercomputadora. Se suministran
diagramas de fluio para la mayor parte de los otros métodos descritos
enel texto. Estos diagramas de flujo, combinados con los progra-
masescritos por ellectoren cualquierlenguaje, proporcionan pro-
gramas que pueden aplicarsea un conjunto de problemas de ingeniería.
V.3.2 Metas y objetivos

Objetivos de estudio. Después de terminar la parte V, el lector debe
ser capaz de resolver muchos problemas de integración numérica y
apreciar su aplicación en la solución de problemas de ingeniería. Se
debe hacer lo posible por dominar varias técnicas y valorar su con-
fiabilidad. Debe entender los elementos de juicio involucrados en la
selección del "mejor" método (o métodos) para cualquier problema
en particular. Además de estos objetivos generales, se deben asimi-
lar y dominar los conceptos específicos listados en el cuadro V.2
Objetivos de cómputo. El lector debe tener un paquete de programas,

programas simples para la computadora, algoritmos y diagramas de
flujo que implementen las técnicas analizadas en la parte V. Todas
ellas tienen utilidad como herramientas de aprendizaje.
El paquete personal de programas NUMERICOMPes legible al usua-

rio. Emplea la regla trapezoidal para evaluar la integral de funciones
tabulares o continuas. Las gráficas asociadas con estos programas ha-
bilitarán al lector a visualizar fácilmente los problemas y las opera-
ciones matemáticas asociadas como el área entre la curva y eleje
x. Este paquete de programas es muy fácil de aplicar en la solución
de problemas prácticos y se puede usar en la prueba de resultados de
cualquier programa de computadora que el lector pueda desarrollar
por sí mismo.
INTEGRACldN 427
CUADRO V.2 Objetivos de estudios especificos de la parte V

l. Entender la derivación de las fórmulas de Newton-Cotes; saber cómo derivar la
regla trapezoidal y cómo derivar los dos casos de la regla deSimpson; reconocer
que la regla trapezoidal, la regla 1/3 y la regla 3/8 de Simpson representan las
areas baio polinomios de primero, segundo y tercer orden, respectivamente.
2. Conocer las fórmulas y las ecuaciones de error para

a) La regla trapezoidal
b) La regla trapezoidal de segmentos múltiples.
c) La regla 1/3 de Simpson
d) La regla 3/8 de Simpson
e) La regla de Simpson de segmentosmúltiples.
Ser capaz de escoger la "meior" de estas fórmulas para cualquier problema
en particular.
3. Reconocer que la regla 1/3 de Simpson es exacta hasta cuarto orden aun cuando
está basada en sólo tres puntos; darse cuenta que todas las fórmulas de Newton-
Cotes de segmentos par y punto impar tienen exactitud similar.
4. Saber cómo evaluar la integral de datos desigualmente espaciados.
5. Reconocer la diferencia entre fórmulas de integración abiertas y cerradas.
6. Entender las bases teóricas de la extrapoloción de Richardson y cómo se aplica

al algoritmo de integración de Romberg.
7. Entender la diferencia fundamental entre las fórmulas de Newton-Cotes y la cua-

dratura gaussiana.
8. Reconocer por qué la integración de Romberg y la cuadratura gaussiana tienen

utilidad en la integración de funciones continuas (opuesta a la forma tabular).
Alternativamente, se proporcionan directamente en el texto los pro-

gramas de la regla trapezoidal en los lenguajes FORTRAN y BASIC.
Además, se proporcionan los algoritmos generales y diagramas de
fluio de la mayor parte de los métodos de la parte V. Esta informa-
ción le permite al lector aumentar la biblioteca de programas de tal
3
manera que incluya métodos más a116 de la re la trapezoidal. Por
ejemplo, sería útil, desde un punto de vista pro esional, desarrollar
programas que manejen datos que no estén igualmente espaciados. Se
pueden desarrollar también programas sobre la regla de Simpson,
la integración de Romberg y la cuadratura gaussiana, que, en gene-
ral, son más eficientes y exactos que la regla trapezoidal.
CAPíTULO T R E C E
FóRMULAS DE
INTEGRACIóN DE
NEWTON-COTES
Las fórmulas de integración de Newton-Cotesson los esquemas más co-

munesdentrodelaintegraciónnumérica. Se basanenlaestrategiade
reemplazar una función complicada o un conjunto de datos tabulares con
algunafunciónaproximadaqueseamásfácildeintegrar:
[13.1]
endonde j,(x) es un polinomio de la forma:

fn(x)= aa + al + . . . + a,-l xn-l + a, x"
FIGURA 13.1 Estimación de una integral mediante el área baio a) una línea recta, y b) una
parábola.
FIGURA 13.2 Aproximación de la integral mediante el área baio tressegmentos de línea recta.
en donde n es el orden del polinomio. Por ejemplo, en la figura 13.la,se

usaunpolinomio de primer orden (una línea recta) como aproxima-
ción. En la figura 13.lb se emplea una parábola para el mismo propósito.
Laintegral se puede aproximar usando una serie de polinomios
aplicados por partes a la función o a los datos sobre intervalos de longi-
tud constante. Por ejemplo, en la figura 13.2,se usan tres segmentos de
línea recta para aproximar la integral. Se pueden usar polinomiosde ma-
yor grado para este mismo propósito. Con estos fundamentos ahora
FIGURA 13.3 Diferencia entre fórmulas de integración a) cerradas y b) abiertas.
~-
.~..__I___
.
FORMULACldN DE INTEGRACldN DE NEWTON-COTES 43 1
se reconoce que el “método de bandas” de la figuraV.3 empleó una se-

rie de polinomios de orden cero (esto es, constantes) para aproximar la
integral.
Se dispone de las formas abiertay cerrada de las fórmulas de Newton-
Cotes. Lasformas cerradas son aquéllas en donde los puntos al principio
y al final de los límites de integración se conocen (Fig. 13.3~1). Las fórmu-
las abiertas tienen los límites de integración extendidos más allá del rango
de los datos (Fig. 13.3b). En este sentido, se parecen a la extrapolación
analizadaalfinaldelcapítulo 11. Las fórmulasabiertasdeNewton-
Cotes, engeneral,noseusanen la integración definida. Sin embargo, se
usan extensamente en la solución de ecuaciones diferenciales ordinarias. En
este capítulo se hace hincapié en las fórmulas cerradas. Sin embargo, el
material de las fórmulas abiertas de Newton-Cotes se introduce brevemente
alfinaldelcapítulo.
13.1 REGLADEL TRAPECIO

La regla del trapecio o regla trapezoidal es la primera de las fórmulas ce-
rradas de Newton-Cotes. Corresponde al caso en donde el polinomio de
laecuación (13.1) es deprimerorden.
Recuérdese del capítulo 11 que una línea recta se puede representar co-
mo (Ec. (11.2)]
[13.2]
El área bajo la línea rectaes una aproximación de la integral def (x) entre
loslímites a y b:
El resultado de la integración (véase el recuadro 13.1 para mayores deta-

lles) es
[13.3]
alque se lellamareglatrapezoidal.
Geométricamente, la regla trapezoidal es equivalente a aproximar el
área del trapecio bajo la línea recta que une a f (a) y f (b) enlafigura
13.4. Recuérdesede la geometría de lafórmulaparacalcularelárea
RECUADRO 13.1 Derivación de la regla trapezoidal
Antes de integrar, la ecuación (13.2) se puede expresar Este resultado se puede evaluar, obteniendo
como
Agrupando los dos últimos términos se obtiene
f(x) =
f (b). - f(a) X Ahora,considerando que b2 - a2 = (b - a) (b + a)
b-a Multiplicando y agrupando términos se obtiene
que es la fGrmula de la regla trapezoidal

que se puede integrar entre x = a y x = b y obtener
r = f (b)b --af (a)x*

-2+ b f b ) - af (b)x
b-a
1 a
de un trapecio es la altura por el promedio de las bases (Fig. 13.5~). En

este caso, el concepto es el mismo pero el trapecio se encuentra sobre
uno de sus lados (Fig. 13.56). Por lo tanto, la aproximación a la integral
se puede representar como
I =ancho
promedio
X altura [13.4]
FIGURA 13.4 Esquema gráfico de la regla trapezoidal.
~ ~~~ _l_l
FoRMlJLACl6N DE lNTEGKACl6N DE NEWTON-COTES 433
FIGURA 13.5 a) Fórmula para calcular el area de un trapecio: altura por el promedio
de las bases. b) En la regla trapezoidal, el concepto es el mismo sólo que
el trapecio está sobre uno de sus lados.
I = (b - a) x altura promedio [13.5]
v
en donde, para la regla trapezoidal, la altura media es el promedio de
los valores de la función en 10s puntos de los extremos, es decir (a)
+f (W2.
Todas las fórmulas cerradas de Newton-Cotes se pueden expresar en
el formato general de la ecuación (13.5).De hecho, solo difieren con res-
pecto a la formulación de la altura media.
13. l. 1 Error en laregla trapezoidal
Cuando se emplea la integral bajo un segmento delínea recta para apro-

ximar la integral bajo una curva, obviamente que sejncurre en un error
que puede ser sustancial (Fig. 13.6)Una estimación del error de trunca-
miento de una sola aplicación de la regla trapezoidal es (recuadro 13.2)
[13.6]
en donde E es un punto cualquiera dentro del intervalo de a a b. La ecua-

ción (13.6) indica que si la función que se está integrando es lineal, la
FIGURA 13.6 Esquema gráfico al usar sólo una aplicación de la regla trapezoidal a
r a aproximar la iqtegral de f(x) = 0.2 +
25 x - 200 x2 675 x -+ Y-
+
900 x4 400 x’ desde x = O hasta 08.
regla trapezoidal ser%exacta. De otra manera, ocurrir6 un error para fun-

ciones con derivadas de segundoy tercer orden (estoes, con curvatura).
RECUADRO 13.2 Obtención y estimacion de error de lareglatrapezoidalbasada en la integración del

polinomio de interpolación hacia adelante de Newton-Gregory.
Una forma para obtener la regla trapezoidal es integrando a O y 1, respectivamente. Por lo tanto, la ecuación (813.2.1)
elpolinomiodeinterpolaciónhaciaadelantedeNewton- se puede expresar como
Gregory. Recuérdese que para laversióndeprimer or-
dencontérminode error, laintegralsería(recuadro 11.2) 1= b lo1[f (a) + Af (a) a
[,B13.2.11 Se suponequepara h pequeña, eltérmino f’ ’([) es

para simplificar el analisis, tomandoen que aproximadamente constante, la ecuación
se
puede
inte-
a = (x - a ) / h, grar:
dx = h da
Debido a que h = b - a (para la regla trapezoidal de un

segmento), los límitesdeintegración. a y b. corresponden y evaluarse como
FORMULAC16N DE lNTEGRACl6N DE NEWTON-COTES 435
*Y)]
1 = h f(a) + - - , , f ” ( 8 h 3
[
Debido a que A f (u) = f (b)-f (u),el resultado se puede ReglatrapezoidalErrordetruncamiento
escribir como
Por lo tanto, el primer término es el de la regla trapezoi-
dal y el segundo es unaestimacióndel error.
EJEMPLO 13.1
Aplicación de la regla trapezoidal simple
Enunciado del problema: utilícese la ecuación (13.3) para integrar numé-

ricamente
f(x) = 0.2 +2 ~ 2 0 0 ~ ‘+ 6 7 5 -
5- ~~9 0 0+
~4~00~~
desde a = O hasta b = 0.8. Recuérdese de la sección V.2 que el
valor exacto de laintegral se puededeterminaranalíticamente como
1.640 533 34.
Soluci6n: los valores de lafunción

f ( 0 ) = 0.2
f(0.8) = 0.232
se pueden sustituirenla ecuación (13.3) y obtener
I = 0.8
0.2 + 0.232 = 0.1 728
2
que representa un error de
E, = 1.640 533 34 - 0.1 728 = 1.467 733 34
que corresponde a un error relativo porcentual de E , = 89.5 % . La ra-
zón para este error tan grande es evidente en la gráfica de la figura 13.6.
Nótese que el área bajo la línea recta descuida una porción significativa
de la integral sobre la línea.
En la situación actual, no se tendría conocimiento previo del valor ver-
dadero. Por lo tanto, se requiere una aproximación al error. Para obtener esta
aproximación, se calcula la segunda derivada dela función sobre el inter-
valo, derivando lafunciónoriginaldos veces para dar
f’ ’(X) = -400 + 4 0 5 0 ~- 10 8 0 0 ~ ’ + 8 OOOx3
elvalor promedio de la segunda derivada puede ser calculada usando
la ecuación V . 3
(-400 +
4050~ - 10 8002 + 8 OOOx9dx
f,= 0.8 - O
- -60
que se puede sustituirenla ecuación (13.6) y obtener

1
E, -= (-60)(0.8)3 = 2.56
1L
que es del mismo orden de magnitud y signo que tiene el error verdadero.
Existe una discrepancia debido a que en un intervalo de este tamaño, el pro-
medio de la segunda derivada no es necesariamente una aproximación
exacta de f ’ ’ (E). Por lo tanto, se denota que elerroresaproximado
usando la notación E,, envez deusar E,.
13.1.2 La regla deltrapecio usando segmentos multiples
Una manera de mejorarla exactitud de la regla trapezoidales la de dividir

el intervalo de integración de a a b en un conjunto de segmentos y apli-
car el método a cada unode los segmentos (Fig. 13.7). En seguida se
suman las áreas de los segmentos individuales y se obtiene la integral so-
bre el intervalo completo. A las ecuaciones resultantes se les conoce co-
mo fórmulas de integración de segmento múltiple o fórmulas de integración
compuestas.
En la figura 13.8 se muestra el formato generaly la nomenclatura que
se usará en la caracterización de integrales de segmentos múltiples. Hay
n + 1 puntos base igualmente espaciados (xo,xl, x2,. . . , x,), Por con-
siguiente, hay n segmentos de igual anchura:
h = -b - a [13.7]
n
Si a y b se igualan a x. y a x,, respectivamente, la integral total se repre-
senta como
I = l:f(x)dx + [f(x)dx +
Sustituyendo la regla trapezoidal para cada una de las integrales, se obtiene
[13.8]
o, agrupandotérminos
[13.9]
FORMULACIóN DE INTEGRACIóN DE NEWTON-COTES 437
FIGURA 13.7 Ilustración de la regla trapezoidal múltiple o) dos segmentos; b) tres seg-
mentos: c) cuatro segmentos y d) cinco segmentos.
~~~ ~ -. -
438 METODOS NUM~RICOS
PARA INGENIEROS
-
FIGURA 13.8 Formato general de la nomenclatura para integralesde segmentos múltiples.
o, usando la ecuación (13.7)para expresar la ecuación (13.9)en la for-

ma generaí de la ecuación (13.5),se obtiene
[13.10]
I +<
Ancho Altura promedio
Ya que la sumatoria de los coeficientes de f (x) en el numerador dividido

por 2 n es igual a 1, la altura promedio representa un promedio pesado
de los valores de la función. De acuerdo a la ecuación (13.lo),las altu-
ras de los puntos interiores aparecen doblemente respecto a los puntos
finales f (xg) y f (x,,).
FORMULAC16N DE INTEGRAC16N DE NEWTON-COTES 439
El error en la regla trapezoidal múltiple se obtiene sumando los erro-

resindividualesde cada uno de los segmentos, dando
[13.11]
es la segunda derivada de la función evaluada en el pun-

en donde f’ ’ (ti)
to tilocalizado dentro del segmento ¡. Este resultado se simplifica calcu-
lando la media o el valor promedio de la segunda derivada sobre el intervalo
completo [Ec. (V.2)]:
n
J [13.12]
n
Por lo tanto, C f’ ’ (ti)= n f’ ’ y la ecuación (13.11) se reescribe como
[13.13]
De manera que, si el número de segmentos se duplica, el error de trun-

camientodisminuyea un cuarto de suvalor.Nótesequelaecuación
(13.13) es un error aproximado debido a la naturaleza aproximada de
la ecuación (13.12).
EJEMPLO 13.2
Regla trapezoidal de segmentos múltiples
Enunciado del problema: utilícese la regla trapezoidal de dos segmentos

para calcular laintegralde
!(x) = 0.2 + 25x - 200x2 + 675x3 - 900x4 + 400x5
desde a = O hasta b = 0.8. Empléese la ecuación (13.13) para calcular
el error. Recuérdese de la sección V.2 que el valor correcto de la integral
es 1.640 533 34.
Solución: n = 2 (h = 0.4):
f(0) = 0.2
f(0.4) = 2.456
f(0.8) = 0.232
I = 0.8
0.2 + Z(2.456) + 0.232
= 1.068 8
4
~ E, = 1.640 533 34 - 1.068 8 = 0.571 73 E, = 34.9%
E, = - (-60) = 0.64
12(2)2
I
en donde -60 es el promedio de la segunda derivada determinada pre-
viamente enel ejemplo 13.1.
~ ~ ~ ~~~ ~~ ~~ .~
~~
En el cuadro 13.1 se resumen los resultados delejemplo anterior jun-

to con la aplicación de la regla trapezoidal usando desde tres hasta diez
segmentos. Nóteseque elerrordisminuye a medidaqueelnúmero
de segmentos crece. Sin embargo, también se nota que el promedio de
disminución es gradual. Esto se debe que el error es inversamente pro-
porcional al cuadrado de n [Ec. (13.13)]Por lo tanto, si se duplica el nú-
mero de segmentos el error disminuyea un cuarto de su valor. En secciones
posteriores se desarrollan fórmulas de orden superior que son más exac-
tas y que convergen más rápidamente a la integral real a medida que el
númerode segmentos crece. Sin embargo, antesdeinvestigarestas
fórmulas, primero se analiza un programadecomputadoraqueimple-
mente lareglatrapezoidal.
13.1.3 Programa de computadora sobre lareglatrapezoidal de

segmentosmúltiples
Enlafigura 13.9 se muestra un pequeño programa que implementa la

regla trapezoidal. Este programa tiene algunos inconvenientes. Primero,
está limitado a que los datos estén en forma tabular. Un programa general
debe tener la capacidad de evaluar también funciones conocidas. Ade-
más, el programa no es legibleal usuario, está diseñado estrictamente para
CUA,DRO 13.1 Resultadode la regla trapezoidalde seg-

mentos múltiples
para calcular la integral de
f(x) 0.2 + 2 5 ~2 0 0 +-
~ 6~7 5 ~9~0 0 ~ ~
+ 400x5de x O hasta 0.8. el valor exac-
-
to es 1.640 533 34
n h I t, 9 0
2 0.4 1.O68 34.9

3 0.266 7 51.369 16.5
4 0.2 1.484 8 9.5
5 0.16 1.539 9 6.1
6 0.133 3 1.570 3 4.3
7 0.1 14 3 1.588 7 3.2
8 o. 1 1.600 8 2.4
9 0.088 9 1.609 1 1.9
10 0.08 1.615 O 1.6
FORTRAN BASIC
DIMENSION F ( 2 0 ) , Y < 2 0 5 DIM F (.2lS.l,Y(21))
WEAL I N I NPIJT N N = númerodepuntos
COMMON N, A , B N I r N - 1 NI = númerodesegmentos
READ< 5 , 1 >N INPUT A , B A , Bintegracibn
= límites
de
1 FORMUT<I 5 5 H = (B - A ) / NI- H = anchodelsegmento
t.II=N-l FOR I = 1 T O N
READ<5,2)A,B L'NPIJT Y ( I j Y = valor de la variable
2 FORMUTC 2F1 O . O j NEXT I dependiente
H=( B-A >/HI GOSUB 1 O00
DO 170 I = l , N PRINT IN
READ( 5,3 ) Y ( I j END
3 FURMAT<FIO.O>
170 CONTINUE
CALL TRAP<Y , IN 1
URITE<6,4>IW
4 FORMAT<' ',F10,3>
STOP
END
(Subrutina para calcular la
SUBROUTINE TRAP<Y, I N ) regla trapezoidal)
DIMENSION Y < 2 0 Z
HEAL I N
COMMON N,FI,E
NIXN-1
SU=Y<1 >
DO 1 0 3 0 I r 2 , N I
SlI=SU+2*YC I >
1030 CONTINUE
HT=<SU+Y( N ) > / ( 2*NI Z
I N = < B-A M H T
RETURN
END
FIGURA 13.9 Programa de la regla trapezoidal con segmentos múltiples para datos tabulados.
imprimir Gnicamentela respuesta. En el problema 13.21 se enfrenta la

tarea de facilitar el uso y la comprensión de este programa. También se
tiene la oportunidad de modificar el programa de tal manera que sea ca-
paz de evaluar la integral de funciones conocidas.
El paquete suplementario de programas NUMERICOMP que acom-
paña a este texto incluye un ejemplo de un programa legible al usuario
implementando la regla trapezoidal. Este paquete evalúa las integrales de
datos tabulares o de funciones definidas por el usuario. En el siguiente
ejemplo se demuestra su utilidad en la evaluación de integrales. También
proporciona una buena referencia'para valorar y probar los programas
del usuario.
EJEMPLO 13.3
Evaluación de integrales con la computadora
Enunciado del problema: el paquete de programas NUMERICOMP aso-

ciado con este texto contiene un programa para computadora implemen-
tando lareglatrapezoidaldesegmentosmúltiples. Estos programas se

pueden usar para resolverun problema asociado con el problema delpa-
racaidista. Como se recordar6 del ejemplo l.l , la velocidad del paracai-
dista est6 dada como la siguiente función del tiempo:
[E13.3.1]
en donde u es la velocidad en centímetros porsegundo, g es la constante

de aceleración gravitacional igual a 980 cm/s2, m es la masa del para-
caidista igual a 68 100 g, y e es el coeficiente de fricción igual a 12 500
g / s . El modelo predice la velocidad del paracaidista en función deltiem-
po como se describe en el ejemplo 1.1. Una gráfica de la variación de
la velocidad se desarrollaenel ejemplo 2.1.
Supóngase que se desea conocer la distancia que ha recorrido el pa-
racaidista después de cierto tiempoT.La distancia está dada por[ € c(V.4)]
.
d= v ( t ) dt
endonde d es la distancia en centímetros.Sustituyendo la ecuación

(E.13.3.1) y haciendo T = 10 S,
FIGURA 13.1O Pantallas de la computadora que muestran a) entrada de los parámetros

de integración y los resultados de la integración y b) gráfica de la integral
como el área baio la función y el eje x .
COTES FORMULAC16N
DE DE INTEGRAC16N 443
Realizando la integración y sustituyendo los valores conocidos resulta

d = 28 943.5147 cm
Este resultado exacto se puede usar en el análisis de eficiencia de la regla
trapezoidal de segmentos múltiples. En la figura 10.130se muestra la pan-
talla de la computadora que pide los límites superior e inferior de integra-
ción y el tamaño de paso. Después de que los cálculos se terminan, se
imprime la integral como 28 874.91. La integral es equivalente al área
bajo u (t) y el eje t , como se muestra en la figura 13.10b. Una observa-
ción confirma que la integral es el ancho del intervalo (10,) por la altura
promedio (alrededor de 2 900 cm/s).
Se pueden probar fácilmente otros conjuntos de segmentos repitien-
do los cálculos. Los resultados indicancomo la distancia de caída del pa-
racaidista se aproxima al valor exacto a medida que el tamaño del segmento
decrece:
Segmentos
Tamaño
Estimado d, cm E"%
del segmento
10 1 .o 28 874.914
6 0.237
20 0.5 28 926.357
4 0.059 3
50 0.2 28 940.769
2 9.49 x 10-3
1 O0 o.1 28 942.828
2 2.37 x 10-3
0.05 200 28 1
943.343 5.93 x 10-4
500 0.02 28 1
943.487 9.52 x 10-5
1 O00 943.507
280.01 6 2.44 x
2 O00 0.005 943.513
28 3 4.65 x
5 O00 0.002 943.515
28 7 -3.63 x
10 O00 0.001 213 943.5159 -4.32 x
Por lo tanto, con la reglatrapezoidalmúltiple se obtiene una exactitud

excelente. Sin embargo, nótese cómo el error cambia el signo y empieza
a crecer envalorabsolutomásalládel caso de 5 O00 segmentos. Esto
se debe a la intrusión de errores de redondeo debido al gran número de
cálculos para esta cantidadde segmentos. Por lo tanto, el nivel de preci-
sión está limitado,y jamás se alcanza el resultadoexacto de 28 943.514 7
obtenido analíticamente. Esta limitación se analiza de manera detallada
enel capitulo 14.
13.2 REGLA DE SIMPSON

Además de aplicar la regla trapezoidal con segmentos cada vezmás fi-
nos, otra manera de obtener una estimación más exacta de una integral,
es la de usar polinomios de orden superior para conectar los puntos. Por
ejemplo, si hay un punto medio extra entref (a) y f (b), entonces se pue-
AA4 MÉTODOS
den conectar los tres puntos con una parábola (Fig. 13.1 l a ) . Si hay dos
puntos igualmente espaciados entref (a) y f (b), entonces los cuatro pun-
tos se pueden conectar con un polinomio de tercer orden (Fig. 13. l l b ) .
A las fórmulas resultantes de calcular la integral bajo estos polinomios se
lesllama reglasde Simpson.
13.2.1 Regla de Simpson de 113
LaregladeSimpson de 1/3 resultacuandosesustituye un polinomio

de segundo orden enla ecuación (13.1):
b
f(x) dx = dx
f&)
Si a y b se denomina como x. y x2,y f2 (x)se representa mediante un

polinomio de Lagrange de segundo orden [Ec. (11.22)1,entonces la in-
tegral es:
(x - x&. - x2) (x - XONX - x2)
foco) + f (x11
(x0 - XI) (x0 - X d (x1 - xo)(x1 - x2)
la siguiente ecuación:
Después de integrary de reordenar términos, resulta
FIGURA 13.1 1 a) representacióngráficadelareglade Sirnpson de 1/3: consiste en to-

rnar el área baio una parabola que una los puntos. b) representación grá-
fica de la regla de Sirnpson de 3/8:consiste en tomar el área baio una
ecuación cúbica que conecta 4 puntos.
iORMULACl6N DE lNTEGRACl6N DE NEWTON-COTES 445
[ 13.141
donde, en este caso, h = (b - a ) / 2 . Esta ecuación se conoce como re-

gla de Simpson de 113. Esta es la segunda fórmula de integración de
Newton-Cotes. La etiqueta “1/3” viene de que h se divide por 3 en la
ecuación (13.14).En el recuadro 13.3 se muestra una derivación alter-
nativa en donde seintegra el polinomio de Newton-Gregory y se obtiene
la misma fórmula.
La regla de Simpson de 1/3 se puede expresar usando el formato
de la ecuación (13.5):
I I
+\ [13.15]
en donde a = xo, b = xp, y x 1 es el punto medio entre a y b , dado por

(b + a ) / 2 . Nótese que de acuerdo ala ecuación (13.15),el punto medio
se pesa con dos tercios y los dos puntos extremos con 1 sexto.
Se puede demostrar que una simple aplicación de la regla de Simp-
son de 1/3 tiene un error de truncamiento de (recuadro 13.3):
RECUADRO 13.3 Obtención y estimación del errorde la reglade Simpson basado en el polinomio de
interpolación hacia adelante de Newton-Gregory.
Como se hizo en el recuadro 13.2 para la regla trapezoi- mo se esperaría que fuese. La razón de esto es que apa-
dal, la regla de Simpson de 1/3 se puede derivar integran- rentemente será corto. Nótese también que 10s límites de
do el polinomio de interpolación hacia adelante de integración van desde x, hasta xp. Por lotanto, cuando
Newton-Gregory. se hacen las simplificaciones y la sustitución (recuérdese
el recuadro 13.2), la integral va desde a= O hasta 2:
I =I”
X0
) Af(x0) a + -
[ ~ ( x o+ A2f(xo)
2
(a - 1)
I=h loz[f ( x o ) + Af(x0) a
AZf (x01
+- a (a - 1)
2
+-A3f6(xo)a (a - l ) ( a - 2)
+-A3f(x0)
6
a (a - l ) ( a - 2)
+-f‘4’(na (a - l ) ( a - 2)(a - 3 ) h 4
Nótesequeseha escrito el polinomiohastatérminos de
cuarto orden en vez de hasta términos de tercer orden co- 24 l da
446 INGENIEROS
que se puede integrar para obtener Nótese el resultado significativo de que el coeficiente de
la tercera diferencia dividida es cero. Debido a que A (xo)
= f (x1) - f (x01 Y de que A 2 f (x,) = (XP)- 2 f (x1 +
f (xo), la ecuación (B13.3.1) se puede reescribir como
1
--f'4'(i3 h5
90
"
Regla Error
+ -- - + ;; 11a3 - - j [ 4 ) ( #
-
72 8
h4
1' de Simmon de 1/3 de truncamiento
Por IO tanto, el primer término es la regla de Simpson de

0 1/3 y el segundo es el error de truncamiento. Debido a
y evaluarse en los límites para dar que la tercera diferencia dividida se anula, se obtiene el
resultado significativode que la fórmula tiene exactitud de
A2f(xo)
2 j ( ~ 0+) 2Aj (a)+ - tercer orden.
3
+ ( 0 ) A 3 j ( ~-) 1
90f'4)(# h4
1 [B13.3.1]
o, ya que h = (b - a)/2:
[13.16]
en donde cae en algún lugar dentro del intervalo de a a b. Por lo tanto,

la regla de Simpson de 1/3 es más exacta que la regla trapezoidal. Sin
embargo, la comparación con la ecuación (13.6) indica que es mucho
más exacta de lo que se esperaba.En vez de ser proporcional a la tercera
derivada, el error es proporcional a la cuartaderivada. Esto se debe
a que, como se mostró en el recuadro 13.3, los coeficientes del término
de tercer orden se anulan durante la integración del polinomio de inter-
polación. En consecuencia, la regla de Simpson de 1/3 es exacta hasta
tercer orden aunque esté basada únicamente en tres puntos.
EJEMPLO 13.4
Aplicación de la regia Simpson de 1/3 simple.
Enunciado del problema: utilícesela ecuación (13.15)para integrar

f(x) = 0.2 +2 5 -~ 2 0 0 + ~ 9~ 0 0 +
~ 6~ 7 5 - ~ 4~ 0 0 ~ ~
desde a = O hasta b = 0.8. Recuérdeseque la integral exacta es
1.640 533 34.
FORMULAC16N DE lNTEGRACl6N DE NEWTON-COTES 447
Solución:
f(0) = 0.2 f(0.4) = 2.456 f(0.8) = 0.232
Por lo tanto, la ecuación (13.15) se puede usar para calcular
1 = 0.8
0.2 + 4(2.456) + 0.232 = 466 67
6
que representa un error exacto de
E, = 1.640 533 34 - 1.367 466 67 = 0.273 066 66 tu = 16.6%
que es aproximadamente cinco veces más exacto que el de una aplica-
ción de la regla trapezoidal (Ej. 13.1).
El error estimado es [Ec. (13.16)]
E, = - (03)5(-2 400) = 0.273 066 67
2 880
en donde -2 400 es el promedio de la cuarta derivada en el intervalo
obtenido usando la ecuación (V.3).Como fue el caso del ejemplo 13.1,
el error es aproximado (E,)porque el promedio de la cuarta derivada no
es una estimación exacta de f4 ( E ) . No obstante, ya que en este caso
se trata con polinomios de quinto orden, la discrepancia no es mayor y
los errores exacto y aproximado son casi idénticos.
13.2.2 Regla de Simpson de 1/3 de segmentos múltiples
Así como con la regla trapezoidal, la regla de Simpson se puede mejorar

dividiendo el intervalo de integración en segmentosde igual anchura (Fig.
13.12) :
h = -b - a
[13.17]
n
La integral total se representa como
Sustituyendo la regla de Simpson en cada una de las integrales indivi-

duales se obtiene
1 = 2h f k o ) + 4fkd + f(x2) + 2h f(X2) + 4f(x3) + f(X4)

6 6
f 4f(Xn-1)
+ * . . + 2h f(X,-z) €
f(X,)
FIGURA 13.1 2 Representación gráfica del uso de segmentos múltiples sobre la regla de
Simpson de 3/8.Nótese que el método sólo se puede emplear si el nú-
mero de segmentos es par.
o , reordenandolostérminos y usando la ecuación (13.17), se obtiene
I +\
Nótese que, como se ilustra en la figura 13.12, se debe usar un número

par de segmentos para implementar este método.
Un error estimado por la regla de Simpson de segmentos múltiples
se obtiene de la misma manera que lo hace la regla trapezoidal, sumando
los errores individuales de cada uno de los segmentos y promediando la
derivada para obtener
[ 13.191
en donde f(4J es el promedio de la cuartaderivada enel intervalo
EJEMPLO 13.5
Aplicación de la regla de Simpson de 1/3 de segmentos múltiples
Enunciado del problema:utilícese la ecuación (13.18) con n = 4 para

calcular laintegral de:
FORMULACldN DE INTEGRACION DE NEWTON-COTES 449
f ( x ) = 0.2 +2 5 -~ 2 0 0 + ~ 9~ 0 0 +
~ 6~ 7 5 - ~ 4~ 0 0 ~ ~
desde a = O hasta b = 0.8. Recuérdese que laintegral exacta es
1.640 533 34.
Solución: n = 4 (h = 0.2):
f ( 0 ) = 0.2 fi(0.2) = 1.288
fi(0.4) =-2.456t(0.6) = 3.464
f,(0.8) = 0.232
de la ecuación (13.18)
1 = 0.8
0.2 + 4(1.288 + 3.464) + 2(2.456) + 0.232
12
= 1.623 466 67
E, = 1.64053334 - 1.623466 67 = 0.017 066 67 e, = 1.04%
El errorestimado [Ec. (13.19)J es
E, = (-2400) = 0.017 066 67

(O 8)5 A
-
180(4)4
El ejemplo previo muestra que la versión de segmentos múltiples de

la regla de Simpson de 1/3 proporciona resultadosmuy exactos. Por es-
ta razón, se considera superior a la regla trapezoidal en la mayor parte
de las aplicaciones. Sin embargo, como se dijo previamente, est& limita-
da a los casos en que se cuenta con un número par de segmentos y un
número impar de puntos. Por consiguiente, como se examina en la si-
guiente sección, se usa la regla de segmentos impares puntos pares, co-
nocida como regla de Simpson de 3/8, en conjunción con lareglade
1/3 para permitir la evaluación de cualquier número de segmentos, pa-
res o impares.
13.2.3 Regla de Simpson de 3/8
De manera similar a la derivación de la regla trapezoidal y a la regla de

Simpson de 1/3, se pueden ajustar polinomios de Lagrangede tercer or-
den a cuatro puntos e integrar;
para obtener
en donde h = (b - a ) / 3 . A esta ecuacipn se le llama regla de Simpson

de 318 porque h es un múltiplo de 3/8. Esta es la tercera regla cerrada de
integración de Newton-Cotes. La regla de Simpson de 3/8 se puede ex-
presar en la forma de la ecuación (13.5):
"
U
, [13.20]
Por lo tanto, a los dos puntos interiores se les dan pesos de tres octavos,
mientras que a los puntos extremos se les da un peso de un octavo. La
regla de Simpson de 3/8 tiene un error de
3
E,, = " h5j'"'(d
80
FIGURA 13.13 Ilustración de cómo las reglas de Simpson de 1/3 y de 3 / 8 se pueden apli-
car a la vez para manejar segmentos múltiples con números pares de
intervalos.
FORMULACldN DE INTEGRAC16N DE NEWTON-COTES 45 1
o , ya que h = (b - a)/3:
[13.21]
Por lo tanto, la regla 3/8 es algo más exacta que la regla de 1/3 [ecua-
ción (13.16)].
La regla de Simpsonde 1/3 es, en general, el método de preferencia
ya que alcanza exactitud de tercer orden con tres puntos en vez de los
cuatro puntos necesarios para laversiónde 3/8. No obstante, laregla
de 3/8 tiene utilidad en las aplicaciones de segmentos múltiples cuando
el número de segmentos es impar. Obsérvese que en el ejemplo 13.5 se
usala regla de Simpson para integrar la función de cuatro segmentos.
Supóngase que se desea unaestimaciónparacinco segmentos. Una
opción sería usar una aplicación de segmentos múltiples de la regla tra-
pezoidal como se hizoenel ejemplo 13.3. Sin embargo esto noes
aconsejable, debido al error grande de truncamiento asociado con este
método. Una alternativa sería la de aplicar la regla de Simpson de 1/3
a los primeros dos segmentos y la regla de Simpson de 3/8 a los últimos
tres (Fig. 13.13). De esta manera, se obtendría una estimación con exacti-
tud de tercer orden a través del intervalo completo.
EJEMPLO 13.6
Regla de Simpson de 3/8
Enunciado del problema:
a) Utilíceselaregla de Simpson de 3/8 paraintegrar

f(x') = 0.2 + 25x - 200x2 + 675x3 - 900x4 + WOx5
desde a = O hasta b = 0.8.
b) Utilícese en conjunción con la regla de Simpson de 1/3 para integrar
la misma función usando cinco segmentos.
Solución:
a) Una aplicación simple de la regla de Simoson de 3/8 requiere de cua-
tro puntos igualmente espaciados:
f(0) = 0.2
f(0.266 7) = 1.432 724 28
f(0.533 3) = 3.487 176 96

f(0.8) = 0.232
Usando la ecuación (13.20),
1 2 0.8
0.2 + 3(1.432 724 28 + 3.487 176 96) + 0.232
8
= 1.519 170 37
E, = 1.640 533 34 - 1.519170 37 = 0.121 362 97 E, = 7.4%
E, = --
(0'8)5 (-2 400) = 0.121 362 96
6 480
b) Los datos necesarios para la aplicación de cinco segmentos (h = O.16) son
f ( 0 ) = 0.2 f(0.16) = 1.296 919 04
f(0.32) = 1.743 393 28 f(0.48) = 3.186 014 72
f(0.64) = 3.181 928 96 f(0.80) = 0.232
La integral de los primeros dos segmentos se obtiene usando la regla de
Simpsonde 1/3:
0.2 + 4(1.296 919 04)+1.743 393 28 = o.38o 323 7o
I = 0.32
6
Para los últimos tres segmentos, se usa la regla de Simpson de 3/8 para
obtener
1 = 0.48
1.743 393 28 + 3(3.186 014 72 + 3.181 928 96) + 0.232
8
= 1.264 753 46
La integral total se calcula sumando los dos resultados:
I 0.380 323 70 + 1.264 753 46 = 1.645 077 16
=
E, = 1.640 533 34 - 1.645 077 16 = -0.004 543 83 E, = -0.28%
13.2.4 Algoritmo para computadora de la regla de Simpson
En la figura 13.14 se esboza un diagrama de flujo para la regla de Simp-

son. Nótese que el programa está elaborado de tal forma que se pueda
usar un número par e impar de segmentos. En el primer caso se aplica
la regla de Simpson de 1/3 a cada par de segmentos y los resultados se
sumanpara obtener elvalorfinal de la integral. Enel segundo caso,
se aplica la regla de Simpson de 3/8 a los últimostres segmentos y la
regla de 1/3 se aplica a todos los segmentos previos.
FIGURA 13.14 Diagrama de fluio de una versión de segmentos múltiples de la regla de
Simpson.
-
4
x
h
+
6 ' 6 - 3
I I I
S S S
.
FORMULACION DE INTEGRACldN DE NEWTON-COTES 455
13.2.5 Fórmulas cerradas de Newton-Cotes de orden superior

Como se dijo previamente, la regla trapezoidaly la regla de Simpson son
miembros de una familia de ecuaciones de integración conocidas como
fórmulas cerradas de integración de Newton-Cotes. En el cuadro 13.2
se encuentran resumidas algunas deestas fórmulas, junto con las estima-
ciones de su error de truncamiento.
Nótese que, aligualenel caso de las reglas de Simpson de 1/3 y
3/8, las fórmulas de cinco y seis puntos tienen el mismo orden de error.
Esta característica general se cumple para las fórmulas con m6s puntos
y trae como consecuencia de que las fórmulasde segmentos pares punto
impares (por ejemplo la regla de 1/3 y la regla de Boole) sean, en gene-
ral, los métodos de preferencia.
Sin embargo, se debe tomar en cuenta que en la ingeniería prsctica,
las fórmulas de orden superior (esto es, mayores de cuatro puntos) rara
vez se usan. Las reglas de Simpson son suficientes en la mayor parte de
lasaplicaciones. Se puedemejorar la exactitudusandounaversión
de segmentos múltiples en vez de optar por las fórmulas de mds puhtos.
Adem&, cuando la función se conoce y se requiere de exactitud muy
alta, los métodos de integración de Rombergo cuadratura gaussiana,ana-
lizadosenelcapítulo 14, ofrecen alternativasviables y atractivas.
13.3 INTEGRACIóNUSANDOINTERVALOSDESIGUALES
Hasta el momento, las fórmulas de integración numérica se han basado
en puntos igualmente espaciados. En la pr6ctica, existen muchos casos en
donde esta suposiciónno se cumple y se debe tratar con diferentestama-
ños de segmentos. Por ejemplo, los datos derivadosexperimentalmente,
a menudo, son de este tipo. En estos casos, un método es aplicarla regla
trapezoidal a cada uno de los segmentos y sumar los resultados:
[13.22]
en donde hies el ancho del segmento i . Nótese que este fue el mismo
planteamiento usado en la regla trapezoidal de segmentos múltiples. La
únicadiferenciaentrelasecuaCiones (13.8) y (13.22) es quelas h de
la primera son constantes. Por consiguiente, la ecuación (13.8) se puede
simplificar y llevarala ecuación (13.9). Aunque esta simplificación no
se puede aplicar a la ecuación (13.22), se puede desarrollar con facilidad
un programa de computadora que acomode los segmentos de tamaño
desigual. Antes de describir tal programa, se ilustra en el siguiente ejem-
plo como se aplica la ecuación (13.22) en la evaluación de una integral.
EJEMPLO 13.7
Regla trapezoidal con puntos que noestán igualmente espaciados
Enunciado del problema: la información del cuadro 13.3 se generó usando

el mismo polinomio empleado en el ejemplo 13. l . Utilícese la ecuación
(13.22) para determinarla integral de estos datos.Recuérdese que la res-
puesta correcta es 1.640 533 34.
Solución: aplicando la ecuación (13.22) a los datos del cuadro 13.3 se

obtiene
I = 0.12
1.309 729 28 + 0.2 + o,1o 1.305 241 28 + 1.309729 28
2 2
0.232
+*.-+0.1
+ 2.363
2
= 0.090 583 76 + 0.130 748 53 + . . . + 0.129 75
= 1.564 800 98
querepresenta un errorrelativoporcentualabsolutode E, = 4.6 % .
-
CUADRO 13.3 Datos de f(x) 0.2 + 25x-200x2 + 675x3-900x4

+ 400x5con valores dex desigualmente espaciados
0.0 0.200000 O0 0.442.842894 96

0.121.309729280.543.50729696
0.221.30524128 0.64 3.18192896
0.321.743393280.702.363 O00 O0
0.36 2.07490304 0.80 0.232O00 O0
0.40 2.456 O00 O0
Los datos del ejemplo 13.7 se muestranenlafigura 13.15. Nótese

que algunos segmentos adyacentes son de igual ancho y, por consiguiente,
podrían haber sido evaluados usando reglas de Simpson. En general, esto
lleva a resultados m6s exactos, como se ilustra en el ejemplo siguiente.
Programa de computadora para datos que no están igualmente es-

paciados. Es muy simple programar la ecuación (13.22). Sin embargo,
como se demuestra en el ejemplo 13.8, la aproximación se acrecenta si se im-
plementan las reglas de Simpson hasta donde sea posible. Por esta ra-
zón, se ha desarrollado un algoritmoqueincorpora esta opción.
FORMULACldN DE lNTEGRACl6N DE NEWTON-COTES 457
FIGURA 13.15 Uso de la regla trapezoidal para determinar la integral de datos espa-
ciados irregularmente. Nótese cómo se pueden evaluar los segmentos
sombreados con las reglas de Simpson para obtener mayor exactitud.
EJEMPLO 13.8
Inclusión de la regla de Simpson en la evaluación de datos impares
Enunciado del problema: calcúlese nuevamente la integral de los datos

del cuadro 13.3,pero usando las reglas de Simpson en aquellos segmentos
donde sean apropiadas.
Solución: el primer segmento se puede evaluar con la regla trapezoidal:
I = 0.12
1.309 729 28 + 0.2 = o.o9o 583 76
2
Debido a que los siguientes dos segmentos desde x = 0.22 a 0.36 son
de igual longitud, su integral se pJede calcular usando la regla de Simp-
son de 1/3.
1 = 0.2
1.743 393 28 + 4(1.305 24128) + 1.309 729 28
6
= 0.275 802 92
Los siguientes tres segmentos sontambién iguales, y por lo tanto, se pue-

den evaluar con la regla de 3/8 para dar I = 0.272 686 31. De manera
similar, se puede aplicar la regla de 1/3 a los dos segmentos desde x =
0.44 a x = 0.64 para obtener I = 0.668 470 06. Finalmente, los últi-
mos dos segmentos, que tienen longitud desigual, se pueden evaluar con
la regla trapezoidaly obtener los resultados de O. 166 347 87 y O. 129 750 00,
respectivamente. El área de estos segmentos individuales se puede sumar
para obtener una integral total de 1.603 640 92. Esto representa un error
de q, = 2.2%, que es superior al resultado obtenido con la regla trape-
zoidal del ejemplo 13.7.
__- """ ."
"
Como se muestra en la figura 13.16, el diagrama de flujo verifica la

longitud de intervalos adyacentes. Si dos segmentosconsecutivos tienen
igual longitud, entonces se aplica la regla de Simpson de 1/3. Si tres de
ellos son iguales, entonces se aplica la de 3/8. Cuando los segmentos
adyacentes son desiguales se implementa la regla trapezoidal.
Se sugiere al lector que implemente su propio programa a partir de
este diagrama de flujo. Esto no sólo le permite la evaluación de segmen-
tos desiguales, sino que si se usa también la información de segmentos
iguales, reduce las reglas de Simpson. Como tal, representa un algorit-
mo básico de propósitos generales, en la determinación de la integral de
datos tabulares.
13.4 FóRMULAS DE INTEGRACIóN ABIERTA

Recuérdese de la figura 13.3b que las fórmulas de integración abierta tie-
nen límites que se extiendenmás allá del rango de los datos. En el
cuadro 13.4 se resumen las fórmulas de integración abierta de Newton-
Cotes. Las fórmulas se expresan en la forma de la ecuación (13.5)de
tal manera que resultan evidentes los factores de peso: Como con las ver-
siones cerradas, los pares sucesivos de las fórmulas tienen el mismo or-
den de error. Las fórmulas de segmentos pares-puntos impares son, en
general, los métodos de preferencia ya que requieren algunos puntos me-
nos para alcanzar la misma exactitudde las fórmulasde segmentos impares:
puntos pares. Nótese que el método de bandas mostrado enla figura V.3
es, en realidad, una versión de segmentos múltiples del método de pun-
to medio del cuadro 13.4.
Como se menciona previamente, las fórmulas abiertas rara vez se usan
en la integración. Sin embargo, tienen aplicación directa con los métodos
de paso múltiple en la solución de ecuaciones diferenciales ordinarias ana-
lizadas en el capítulo 17.
FIGURA 13.1 6 Diagrama de fluio para la integración con datos desigualmente espaciados.
459
h
0
I
S
-CY -4-
LD
PROBLEMAS
Cálculos a mano
13.1 Utilícense medios analíticos para evaluar
(a) I" (10 + 2x

O
- 6x2 + 5x4) dx
(b) 15 (1
-3
- x - 4x3 + 3x5) dx
(c) Jv (8 + 5 sen X) dx
O
13.2 Utilícese una aplicación simple de la regla trapezoidal y evalúense las integrales
delproblema 13.1.
13.3 Evalúense las integrales delproblema 13.1 con la regla trepezoidalde segmentos
múltiples, con n = 2, 4 y 6.
13.4 Evalúense las integrales del problema 13.1 con una aplicación simple de la regla
Simpson de 1/3.
13.5 Evalúense las integrales del problema 13.1 con una regla de Simpson de 1/3
de segmentos múltiples, con n = 4 y 6.
13.6 Evalúense las integrales del problema 13.1 con una aplicación simple de la regla
de Simpson de 3/8.
13.7 Evalúense las integrales del problema 13.1 usando la regla de Simpson de 3/8
con segmentos múltiples, con n = 5.
13.8 Intégrese la siguiente función analíticamente y usando la regla trepezoidal, con

n = 1, 2, 3 y 4:
Calcúlese el error relativo porcentual y evalúese la exactitud de la aproximación

trapezoidal.
13.9 Intégrese la siguiente función analíticamentey usando las reglas de Simpson, con
n = 4y5:
Estúdiense los resultados
13.10 Intégrese la siguiente función analítica y numéricamente. Úsese la regla trapezoi-

dal y la regla de Simpson de 1/3 para integrar la función. En ambos casos, úsese
laversión de segmentos múltiples, con n = 4:
Compárese el error relativo porcentual de los resultados numéricos.
13.11 Intégrese la siguiente función analítica y numéricamente. Utilícese la regla trape-

zoidal y la regla de Simpson de 1/3 y 3/8 además de la regla de Boole (véase
el cuadro 13.2).
lo* 15.32.5xdx
Calcúlese el error relativo porcentual de los resultados numéricos
13.12 Evalúese laintegral
I,” (4 + 2 sen x) dx
a) Analíticamente.
b) Mediante la aplicaciónsimple de la reglatrapezoidal.
c) Mediante la aplicaciónmúltiple de la reglatrapezoidal (n = 5).
dj Mediantelaaplicaciónsimple de la regla de Simpson de 1/3.
e ) Mediante la aplicaciónsimple de la regla de Simbson de 3/8.
f) Mediante la aplicaciónmúltiple de lasreglas de Simpson (n = 5).
En los casos b ) a f ) , calcúlese elerrorrelativoporcentual (c,) basadoen a).
13.13 Evalúese la integral de los siguientes datos tabulares mediante la regla trapezoidal:
X I
O 0.1 0.2 0.3 0.4 0.5
f(x)Il 7 4 3 5 9
13.14 Efectúense lasmismas evaluaciones delproblema 13.13 usando lasreglas de

Simpson.
13.15 Evalúese la integral de los siguientes datos tabulares usando la regla trapezoidal.
x 1-3-1 1 3 5 7 9 11
f(x) I 1 -4 -5 2 4 8 6 -3
13.16 Efectúese la misma evaluación del problema 13.15 usando las reglas de Simpson.
13.17 Determínese elvalormediode la función

!(x) = -46 + 4 5 . 4 ~- 1 3 . 8 ~ ’+ -~0 . 0 7 2 9 ~ ~
1 . 7 1 ~
entre x = 2 y x = 10:
a) Graficando la función y calculando visualmente el valor.
bj Usando la ecuación (V.3) y la evaluación analítica d e l a integral.
cj Usando la ecuación (V.3)y una versión de cuatro segmentos de la regla tra-
pezoidal enla estimaciónde la integral.
FORMULAC16N DE INTEGRAC16N DE NEWTON-COTES 463
d) Usando la ecuación (V.3) y una versión de cuatro segmentos de la regla de

Simpson de 1/3.
13.18 La función
!(X) = 10 - 3 8 . 6 ~+ 7 4 . 0 7 ~ ' - 4 0 . 1 ~ '

se usa en el cálculo de la siguiente tabla de datos que no están igualmente espa-
ciados:
X I O 0.1 0.3 0.95
0.7
0.5 1.2
!(x) I 10 6.84 4 4.20 5.51
5.77 1
Evalúese la integral desde a = O y b = 1.2 usando
a) Mediosanalíticos
b) La reglatrapezoidal
c) Una combinación de las reglas de Simpson y la regla trapezoidal; utilícense
las reglasde Simpson en donde sea posible para obtener la m6s alta exactitud
posible.
En b) y c) calcúlese el errorrelativo porcentual (E,,)
13.19 Evalúese la siguienteintegral doble:
a) Analíticamente
b) Usando la reglatrapezoidal con segmentos múltiples (n = 2).
c) Usando unaaplicaciónsimple de la regla de Simpson de 1/3.
En b) y c) calcúlese el errorrelativo porcentual (e").
13.20 Evalúese la integraltriple
I,"l:I (x4 - 2Y4 dx dY dz

a) Analíticamente
b) Usando unaaplicaciónsimple de la regla de Simpson de 1/3
En b) calcúlese elerrorrelativo porcentual (E,,).

13.21 Desarróllese un programa para computadora que sea amable con el usuario de
la regla trepezoidal de segmento múltiple basado en la figura 13.9. Entre otras
cosas,
a) Agréguense declaraciones de documentación al programa.
b) Hágase la entrada y la salida más descriptiva y orientada al usuario.
c) Inclúyanse diagnósticos que alerten al usuario cuando se accesen datos que
no estén igualmente espaciados o enorden ascendente.
d) (Opcional) Modifíquese el programa de tal manera que sea capaz de evaluar
funciones predefinidas y en forma tabular.
Pruébese este programa repitiendo los cálculos del ejemplo 13.2.
464 M h O D O S NUMÉRICOS PARA INGENIEROS
"
13.22 Desarróllese un programa para computadora amable con el usuario para la ver-
sión de la regla de Simpson de segmentos múltiples basado en la figura 13.14.
Pruébese reproduciendo los cálculos de los ejemplos 13.5 y 13.6.
13.23 Desarróllese un programa para computadora que sea amable con el usuario para
integrar datos desigualmente espaciados basados en lafigura 13.16. Pruébese
repitiendo los cálculos del ejemplo 13.7
13.24 Utilícese el programa TRAPEZOIDAL RULE del paquete de programas NUME-

RICOMP (o el programa propio del problema 13.21) y repítase a) el problema
13.2, b) el problema 13.3, c) el problema 13.8, a') el problema 13.10 y e) el pro-
blema 13.13. Utilícesela opción de graficaciónpara que le ayude a visualizar
el concepto de que 1 =
S1 f (x) dx es el área entre la curva f (x) y el eje. Prué-
bense varios tipos de pasos para cada uno de los problemas.
13.25 Desarróllense cinco funciones. Úsese el paquete de programas NUMERICOMP

(o los programas propios) para calcular la integral de cada una de las funciones
sobre algunos límites basados en los datos de entrada. Pruébense los tamaiios
de paso h = (b - a)/ n para = n 1 , . . ,n = 10. Grafíquese I en funciónde n .
13.26 Utilícese el paquete de programas NUMERICOMP (o los programas propios) pa-

ra calcular la integral de datos tabulares. Invéntense datos para x y f (x),Úsense
valores negativos y cero para x y f (x). Obsérvese la función, graficándola; el lec-
tor puede convencerse de que el paquete NUMERICOMP trabaja perfectamente.
C A P í T U L OC A T O R C E
INTEGRACIóN DE ROMBERG Y
CUADRATURA GAUSSIANA
En la introducción a la parte V se menciona que las funciones a integrar-

se numéricamente tienen, en general, dos formas: una tabla de valores
o una ecuación. La forma de los datos tiene una influencia importante
en el esquema que se va a usar para evaluar la integral. Para el caso de
información tabular, se está limitado al número de puntos datos. En con-
traste, si se dispone de la función analíticamente, entonces se pueden ge-
nerar tantos valores de f(x)como sean necesarios para alcanzar una exac-
titud aceptable (recuérdese la Fig. V.4).
Este capítulo se dedica al estudio de dos métodos que estánexpresa-
mente diseñados para analizar casos en que se conoce la función. Am-
bos métodos aprovechan la facilidad de generar valores de la función en
el desarrollo de esquemas eficientes de la integración numérica. El pri-
mero de ellos se basa enla extrapolación de Richardson, método que
combina dos aproximaciones de integración numérica en la obtención de
un tercer valor que es más exacto. El algoritmo que implementala extra-
polación de Richardson en su forma más eficiente se llama integración
de Romberg. Este métodoes recursivo y se usa para generar una aproxi-
mación a laintegral dentro de una tolerancia de error especificada.
El segundo método es el llamado cuadratura gaussiana. Recuérdese
que enelúltimocapítulo los valores de f(x) enlasfórmulasdeNewton
Cotes se determinanenvaloresespecíficos de x. Por ejemplo, si se usa
la regla trapezoidal para determinar una integralse está restringiendoa tomar
el promedio pesado def(x) en los intervalos de los extremos.Las fórmulas
de cuadratura gaussiana emplean valores dex contenidos dentrode a y de
b de tal forma que resulta una integral mucho más exacta.
14.1 INTEGRACIóN DE ROMBERG

En el capítulo 13 se presenta una versión de la regla trapezoidal con seg-
mentos múltiples y lasreglasde Simpson. Paraunafunciónanalítica
(opuesta a la forma tabular), las ecuaciones de error [Ec. (13.13)y (13.19)]
indican que aumentandoel número n de segmentosse genera una apro-

ximación más exacta a la integral. Esta observación la comprueba la figu-
ra 14.1, que es una gráfica del error real contra n para la integral de f(x)
= 0.2 + 25x - 200x2 = 675x3 - 900x4 + 400x5. Nótese cómo el
error decrece a medida que n crece. Sin embargo nótese también que
para valores muy grandesd e n , el error empieza a crecer ya que los erro-
res de redondeo empiezana dominar. También obsérveseque se necesi-
ta un número muy grande de segmentos (y por lo tanto, esfuerzo de
FIGURA 14.1 Valor absoluto del error relativo porcentual verdadero contra el núme-
ro de segmentos en la determinación de la integral {(x) = 0.2+ 25x -
+ +
200x2 675x3 - 900x4 400x5, evaluada de a = O a b = 0.8 usan-
do la regla trapezoidal desegmentos múltiples y la regla de Simpson de
1/3 de segmentos múltiples. Nótese que ambos resultados indican que
para un número considerable de segmentos, los errores de redondeo li-
mitan la precisión.
INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA 467
cálculo) para alcanzar niveles altos de exactitud. Como una consecuen-

cia de estos inconvenientes, la regla trapezoidal de segmentos múltiples
y las reglas de Simpson algunas veces son inadecuadas en problemas donde
se necesita gran eficiencia y pocos errores.
La integración de Romberg es un método diseñado para evitar estos
inconvenientes. Es muy similar a los métodos analizados enel capítulo
13, en el sentido de que está'basado en la aplicación sucesiva de la regla
trapezoidal. Sin embargo, mediante manipulacionesmatemáticas, se ob-
tienen mejores resultados con menos esfuerzo.
14.1.1 Extrapolación de Richardson

Recuérdese que en la sección 7.4.4 se usan ecuaciones de error parame-
jorar la solución de un conjunto de ecuaciones lineales. En el mismo sen-
tido, existen métodos que corrigen errores y mejoran los resultados de
la integración numérica en base a la estimación de la integral misma. Co-
nocidos generalmentecomo extrapolación de Richardson, estos métodos
usan dos cálculos de la integral para efectuarun tercer cálculo másexacto.
El cálculo y el error asociado con la regla trapezoidal de segmentos
múltiples se representa generalmente como:
I = I(h) + €(h)
en donde I es el valor exacto de la integral, I(h) es la aproximación de
la integral usando la regla trapezoidal con n segmentos y con tamaño de
paso h = (b - a ) / n y E(h) es el error de truncamiento. Si se obtienen
dos aproximaciones por separado usando tamaños de paso h l y hz y se
tiene elvalor exacto del error, entonces
Ahora recuérdese que el error de la regla trapezoidal de segmentos múl-

tiplesserepresentapor la ecuación (13.13) [con n = (b - a ) / h ] :
[14.2]
Si se supone que f ' ' es una constante que depende del tamaño delpaso,
entonces la ecuación (14.2) se usaenla determinación del promedio de
losdos errores,que es:
[14.3]
Este cálculo tiene el importante efecto de quitar el término f ' ' de los cál-
culos. AI hacerlo, se ha hecho posibleutilizarlainformaciónrelacionada
con la ecuación (14.2) sin conocimiento previo de la segunda derivada

de la función. Para hacerlo, se reordena la ecuación (14.3) para obtener:
lacual se puede sustituirenla ecuación (14.1):
la cual, puede resolverse
Por lo tanto, se ha desarrollado una expresión que calcula el error detrun-

camiento en teiminos del valor de la integral y el tamaño de paso. Esta
estimación se sustituyeen
I = I(h2) + E(h2)
obteniendounaestimaciónmejoradade la integral:
r 1 1
[14.4]
S e demuestra (Ralston y Rabinowitz, 1978) que el error de esta esti-

mación es O(h4). Por lo tanto, se han combinado dos estimaciones de la
regla trapezoidal de O(h2) enla obtención de una nueva estimación de
O(h4).En el caso especial en que el intervalo se divide en dos partes (h2
= h l / 2 ) , la ecuación se transforma a:
c
o, reordenando términos,
[14.5]
EJEMPLO 14.1
Correction de errores en la regla trapezoidal
Er,unciado del problema: en el capítulo anterior (ejemplo 13.1 y el ma-
dro 13.1) la aplicación de la regla trapezoidal de segmentos múltiples lie-
va a los siguientes resultados:

-~ ~ ~~~ ~ ~~~~ ~
Segmentos h Integral ev,%

1 0.8 0.172 8 89.5
2 0.4 1.068 8 34.9
4 0.2 1.484 8 9.5
Utilícese esta información junto con la ecuación (14.5) para calcular me-
jores estimaciones de la integral.
Solución: los cálculos con uno y dos segmentosse combinan y se obtiene
4 1
I = - (1.068 8) - - (O. 172 8) = 1.367 466 67
3 3
El errorenlaintegral mejorada es
E, = 1.640 533 34 - 1.367 466 67 = 0.273 066 67 E, = 16.6%
que es superior a la aproximación en que se basó.

De la misma manera, los cákulos de dos y cuatro segmentosse com
binan y se obtiene
4 1
I = "1.484 8) - -(1.068 8) = 1.623 466 67
3 3
que representa un error de
E, = 1.640 533 34 - 1.623 466 67 = 0.017 066 67 E, = 1.0%
La ecuación 14.4 proporciona una formade combinar dos aplicacio-

nes de la regla trapezoidal con error O(h2) y calcular una estimación de
O(b4).Este planteamiento es un subconjunto de un método más general
que combina integrales paraobtener mejores estimaciones. Porejemplo,
enel ejemplo 14.1, se calcularon dos integrales mejoradas de O(h4) en
base a tres estimaciones de reglas trapezoidales. Estas dos estimaciones
mejoradas, pueden a la vez, combinarse paraobtener todavía una mejor
estimación de O(h6). Para el caso especial en que las estimaciones me-
diante regla trapezoidal original se basen en divisiones sucesivas a la mi-
taddel intervalo, la ecuaciónusadacon O(h6) deexactitud es:
16 1
I ="I
,- "4 [14.6]
15 15
en donde I, y I, son las estimaciones más y menos exactas, respectiva-

mente. De manera similar, dos resultados de O(h6) se combinan para
calcular una integral que es O(h8) usando
64 - -1,1
I = -I, [14.71
63 63
EJEMPLO 14.2
Corrección del error de órdenes mayores de dos en la
estimación de integrales
Enunciado del problema: en el ejemplo 14.1 se usa la extrapolación de

Richardson para calcular dos estimaciones de la integral de O(h4). Utilí-
cense la ecuación (14.6) y combínense estas estimaciones para calcular
una integral con O(h6).
Solución: las dos aproximaciones de O(h4) obtenidas en el ejemplo 14.1

fueron 1.367 466 67 y 1.623 466 67. Estos valores se sustituyen en la
ecuación (14.6) y se obtiene
la cual es la respuesta correcta a nueve cifras significativas que son las

obtenidas en este ejemplo.
14.1.2 Algoritmo de la integración de Romberg
Nótese que los coeficientesen cada una de las ecuaciones de extrapolación

[Ec. (14.5),(14.6) y (14.7)]suman 1. Por lo tanto, representan factores
de peso que, a medida que la exactitud aumenta, coloca progresivamen-
te pesos mayores en la estimación de la integral. Estos planteamientos
pueden expresarse en una forma general, que se adapta muy bien a las
implementaciones mediante computadora:
[14.8]
en donde [,+I,+" y lj,k-lson las integrales más y menos exactas, respec-

tivamente, 1j.k es la integral mejorada. El índice k indica el nivel de inte-
gración, k = 1 corresponde a la estimación de la regla trapezoidal original,
k = 2 corresponde a O(h4), k = 3 a O(h6),etcétera. El índice j se usa
paradistinguir entre las estimaciones mejores (j + 1) y menores (j). Por
ejemplo, si k = 2 y j = 1 , entonces la ecuación (14.8) se transforma en
lacual esequivalente a la ecuación (14.5).

La forma general representada mediantela ecuación (14.8) se le atri-
buye a Romberg, y a la aplicación sistemática en la evaluación de inte-
grales se le conoce como integración de Romberg. La figura 14.2 muestra
un esquema gráfico de la secuencia de estimaciones generadas usando
este método. Cada una de las matrices corresponde a una iteración. La
primera columna contiene las evaluaciones de la regla trapezoidal quese
denotan por J,l, en donde j = 1 es la aplicación sobre un solo segmento
(el tamaño del paso es b - a);j = 2 es la aplicación sobre los segmentos
[tamaño del paso (b - a)/4]; etcétera. Las otras columnas de lamatriz
se generan sistem6ticamente aplicando la ecuación (14.8) para obtener
sucesivamente mejores estimaciones para la integral.
Por ejemplo, la primera interación (Fig. 14.2a) implica calcular la re-
gla trapezoidal de uno y dos segmentos (11,1y 12,1).En seguida se usa la
ecuación (14.8) para calcular el elemento 11,2= 1.367 466 67, que tie-
ne un errorde O(h4).
FIGURA 14.2 Esquema gráfico de la secuencia de aproximaciones a la integral gene-

radas usando la integración de Romberg.
Ahora, se debe verificar que este resultado sea adecuado a las nece-
sidades. Como se hizo con los otros métodos de aproximación de este
libro, se requiere un criterio de terminación o de paro para valorar la exac-
titud de los resultados. Un método que se puedeemplear para los propó-
sitos actuales es (Ec. (3.5)]
[14.9]
en donde E, es una estimación del error relativo porcentual. Por lo tan-

to, de la manera como sehizo anteriormente en los otros procesos iterati-
VOS, se compara la nueva estimación con el valor anterior. Cuando el
cambio entre los valores anterior y actual representados mediante E*, es-
tá bajo un criterio de error preespecificado E,, los cálculos se terminan.
En la figura 1 4 . 2 esta
~ evaluación indica un cambio del 87.4% decam-
bio sobre el curso de la primera interación.
El objeto de la segunda iteración (Fig. 14.2b) esel de obtener la esti-
mación O(h6):11,s. Para hacerlo, se determina una nueva estimación tra-
pezoidal, 13.1 = 1.484 8. En seguida ésta se combina con 12,1usando
la ecuación (14.8)para obtener 12,* = 1.623 466 67.Este resultado, a la
vez, se combina con 11,2para obtener 11,3 = 1.640 533 34. La ecuación
(14.9)se aplica para determinar que este resultado representa un cambio
del 16.6% cuando se compara con el anterior 11,2.
La tercera iteración (Fig. 14.2%)continúa el proceso de la misma ma-
nera. En este caso, se agrega una estimación trapezoidal a la primera co-
lumna y luego se aplica la fórmula (14.8)al cálculo sucesivo de integrales
más exactasbajo la diagonal inferior. Después de tres iteraciones, se sabe
que el resultado, 11,5= 1.640 533 34, es exacto al menos hasta nueva
cifras significativas.
La integración de Romberg es más eficiente que la regla trapezoidal
y que las reglas de Simpson analizadas en el capítulo 13. Por ejemplo.
en la determinación de la integral mostrada en la figura 14.1, la regla de
Simpson de 1/3 requeriría una aplicación de 256 segmentos para encontrar
un valor de 1.640 533 32. No serían posibles mejores aproximaciones
debido al error de redondeo. En contraste, la integración de Romberg ob-
tiene un resultado exacto (hasta nueve cifras significativas) basado en la
combinación de la regla trapezoidal de dos, cuatro y ocho segmentos.
Enla figura 14.3 se muestra un diagrama de flujo de la integración
de Romberg. Usando ciclos, el algoritmo implementa el método de ma-
nera eficiente. Recuérdese que la integración de Romberg está diseñada
para casos en que la función por integrar se conoce. Esto se debe a que
el conocimiento de la función permite las evaluaciones necesarias para
las implementaciones iniciales de la regla trapezoidal. Los datos en forma
tabular rara vez se encuentran en forma necesaria para llevar a cabo eva-
luaciones sucesivas.
NU R A 14.3 Diagra-
de fluio de la inte-
ciór7 de Ron1 ber g .
473
14.2 CUADRATURA GAUSSIANA

En el capítulo 13 se analiza un conjunto de fórmulas de integración n u -
mérica o de cuadratura conocidas como las ecuaciones de Newton-Cotes.
Una característica de estas fórmulas (con la excepción del caso especial
de la sección 13.3)es que la estimación de la integral se basa en puntos
igualmente espaciados. Por consiguiente,la posición de los puntos base
usados en estas ecuaciones estaba predeterminado o fijo.
Por ejemplo, como se puede ver en la figura 14.4~1, la base de la re-
gla trapezoidal es tomar el área bajo la línea recta que une los valores de
la función evaluada en los extremos del intervalo. La fórmula usada para
calcular esta área es
1 (b - U)
f (a>+ f tb) [14.10]
2
FIGURA 14.4 a) Esquema gráfico de la regla trapezoidal dada por el área baio la línea
recta que une los puntos extremos. b) Se obtiene una aproximación
meiorada a la integral tomando el área baio la línea recta que pasa a
través de dospuntos intermedios. Colocandoadecuadamente estos
puntos, los errores, positivo y negativo se equilibran y resulta una
aproximación a la integral meiorada.
en donde a y b son los límites de integración y b - a es el ancho del inter-

valo de integración. Debidoa que la regla trapezoidal debe pasara través
de los puntos límites, existen casos como el de la figura 14.4a en donde
la fórmula genera un error muy grande.
Ahora, supóngase que la restricción de fijar los puntos base se elimi-
na y se va a evaluar libremente el área bajo la línea recta que une dos
puntos cualesquiera de la curva. Colocando estos puntos de manera in-
teligente, se puede definir una línea recta que balancee los errores nega-
tivos y positivos. De ahí que, como enlafigura 14.4b, se llegara a un
valormás exacto de laintegral.
La cuadratura gaussiana es el nombre de uno de estos métodos que
implementa esta estrategia. Las fórmulas particulares de cuadratura gaus-
siana descritas en esta sección se llaman fórmulas de Gauss-Legendre.
Antes de describir el método, se demuestra cómo las fórmulas de inte-
gración numérica talescomo la regla trapezoidalse derivan usando elmé-
todode coeficientes indeterminados.Estemétodo se emplea enel
desarrollodelasfórmulasde Gauss-Legendre.
14.2.1 Método de coeficientes indeterminados

En el capítulo 13 se deriva la regla trapezoidal integrando un polinomio
lineal mediante un razonamiento geométrico. El método de coeficientes
indeterminados ofrece una tercera alternativa que tiene también utilidad
enla derivación de otros métodos tales como la cuadratura gaussiana.
Para ilustrarel método, la ecuación (14.10) se expresa como
en donde las c son constantes. Ahora, considerando que la regla trape-

zoidal debe llevar a resultados exactos cuando la función a integrarse sea
una constante o una línea recta. Dos ecuaciones simples que representan
este caso son y = 1 y y = x. Ambas se ilustranenlafigura 14.5. Por
lo tanto, se debencumplirlassiguientesigualdades:
o , evaluandolasintegrales:
.
FIGURA 14.5 Dos integrales que lareglatrapezoidalevaluará exactamente: a) una

constante y b) una línea recta.
Estas son dos ecuaciones con dos incógnitas que pueden resolverse por
b-a
c1 = c2 = -
2
las cuales, cuando se sustituyendenuevo enla ecuación ( 1 4 . 1 1 ) dan
lacual es equivalente a la regla trapezoidal.

14.2.2 Derivación de la fórmula de Gauss-Legendre

basada en dos puntos
Como en el caso de la derivación anterior de la regla trapezoidal, la cua-

dratura gaussiana determina los coeficientes de una ecuación de la forma
en donde las c son los coeficientes incógnitas. Sin embargo,en contraste a

la regla trapezoidal que usa puntos extremos a y b, los argumentos de
la función x1 y x2 ahora no están fijos a los puntos extremos, sino que
son incógnitas (Fig. 14.6). Por lo tanto, ahora se tiene un total de cuatroin-
cógnitas que se deben evaluar, y por consiguiente, se requieren de cua-
tro condiciones para determinarlos exactamente.
Al igual que con la regla trapezoidal, se pueden obtener dos de estas
condiciones suponiendo que la ecuación (14.12) ajusta exactamente la
integral de una corstante y de una función lineal. Entonces, para llegar
a las otras dos condiciones, se extiende este razonamientoal suponer que
también se ajusta laintegral a unafunciónparabólica (y = x2) y a una
función cúbica (y = x3).Haciendo esto, se determinan las cuatro incóg-
nitas conviniendo en derivar una fórmula de integración de doble punto
que sea exacta para cúbicas. Las cuatro ecuaciones por resolver son
Clf(X1) + C2f(X2) = 1 dx = 2 [14.13]
[14.14]
[14.15]
[14.16]
Las ecuaciones (14.13) hasta la (14.16) se resuelven simultáneamente,
c1 = c2 = 1
-1
xl=-= -0.577 350 269. . .
d3
x2=" - 0.577 350 269. . .

d3
FIGURA 14.6 Esquema gráfico de las variables incógnitas -x1 y x2- para integración
usando cuadratura gaussiana.
las cuatro se pueden sustituir en la ecuación (14.12)y obtener la fórmula

de Gauss-Legendre de dos puntos
[14.17]
Por lo tanto, se llega al resultado interesante de que la suma simple de

los valores de la función en x = 1/& y - l/& lleva a una estimación
de la integral con una exactitud de tercer orden.
Nótese que los límites d e integración de las ecuaciones (14.13)a la
(14.16)van desde - 1 a 1.Esto se hizo para simplificar la aritmética y
hacer la formulación tan general como seaposible. Un simple cambio de
la variable se puedeusar para trasladar otroslímites de integración en es-
ta forma. Esto se lleva a cabo suponiendo que la nueva variable xd está
dada en función de la variable original x en una forma lineal como en:
x = a. + alxd [14.18]
si el limite inferior, x = a , corresponde a x d = - 1, estosvalores Se

sustituyen en la ecuación (14.18)y se obtiene:
a = a0 + al(-l) [14.19]
De manera similar el límite superior, x = b , corresponde a xd = 1, y

obtener
b = a0 + al(1) [14.20]
DE ROMBERG Y CUADRATURA GAUSSlANA
INTEGRACI~N 479
Las ecuaciones (14.19) y la (14.20) se resuelven simultáneamente, ge-

nerando:
b+a [14.21]
a0 = -
2
Y
b-a
at = -
2
[14.22]
quesesustituyeenlaecuación (14.18) para obtener:
(b + a) + (b - a)xd
X = [14.23]
2
Esta ecuación se diferencia dando:
& = -b - a
2
dx; [14.24]
Las ecuaciones (14.23) y (14.24) se pueden sustituir para x y dx, respec-

tivamente, enla ecuación por integrar. Estas sustituciones transforman
efectivamente el intervalo de integración sin cambiar los valores de la in-
tegral. El ejemplosiguienteilustra cómo se hace esto enla práctica.
EJEMPLO 14.3
Fórmulas de Gauss-Legendre de dos puntos
Enunciado del problema: utilícese la ecuación (14.14) para evaluar la in-
tegral
!(x) = 0.2 + 25x - 200x2 + 675x3 - 900x4 + @Ox5
entre los límitesx = O y x = 0.8. Recuérdese que éste fue el mismo pro-
blema resuelto en el capítulo 13 usando una variedad de formulaciones
de Newton-Cotes. El valor exacto de laintegral es 1.640 533 34.
Solución: antes de integrar la función, se debe realizar un cambio de va-

riable de tal forma que los límites sean desde - l hasta l. Para hacerlo,
se sustituye a = O y b = 0.8 enla ecuación (14.23) y se obtiene
X = 0.4 + 0.4xd
al calcular su derivada se tiene [Ec. (14.24)]
I & = 0.4 dxd

480 INGENIEROS
Estosdosvalores se sustituyenenla ecuación originalpara obtener
(0.2 + 2 5 -~ 2 0 0 ~+ ~6 7 5 ~- 9~ 0 0 +~ 4~ 0 0 ~ dx
~)
- {[0.2 + 25(0.4 + 0.4~d)- 200(0.4 + 0.4xd)'

- I:!
+ 675(0.4 + O.4xJ3 - gOO(0.4 + O.4xJ4
Por lo tanto, el lado derecho está enla forma que es adaptable para la
evaluación mediante la cuadratura gaussiana. La función transformada
se puede evaluar en - l/& siendo igual a 0.516 740 55y en 1 4sien-
do igual a 1.305 83723. Por lo tanto, de acuerdo a la ecuación (14.171,
laintegral es:
1 = 0.516 74055 + 1.305 837 23 = 1.822 577 78
que representa un error' relativo porcentualdel - 11.1% . Este resultado

es comparable en magnitud a la aplicación de la regla trapezoidal de cua-
tro segmentos (cuadro 13.1) o a una aplicación de la regla de Simpson
de 1/3 y la de 3/8 (ejemplos 13.4 y 13.6). Este último resultado ya se
esperaba porque las reglas de Simpson tienen también exactitud de ter-
cer orden. Sin embargo, debido a la forma hábil de escoger los puntos,
la cuadratura gaussiana obtiene esta exactitud en basea sólo dos evalua-
ciones de la función.
14.2.3 Fórmulas de más de dos puntos
Además de la fórmula de dos puntos, analizada en la sección previa, se

pueden desarrollar también versiones de más de dos puntos, las cuales
se presentan enla forma general:
En el cuadro 14.1 se resumen los valores de las c y de las x de las fórmu-

las de hasta seis puntos, incluyendo a éstas.
EJEMPLO 14.4
Fórmula de Gauss-Legendre de tres puntos
Enunciado del problema: utilícese la fórmula de tres puntos del cuadro
14.1 paracalcular laintegral de lamismafuncióndel ejemplo 14.3.
INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA 48 1
CUADRO 14.1 Factores de peso c y argumentos x de la funci6n usados en

las f6rmulas de Gauss-legendre
Error de
Factores Argumentos trunca-
Puntos de peso de la funelen miento
2 c1 = 1.000 O00 O00 x1 = -0.577 350 269 = f(41([)

c:, = 1 .O00 O00 O00 X:, = 0.577 350 269
3 c1 =0.555 555 556 x1 = -0.774 596 669 = f(6)([)
c:, = 0.888 888 889 x2 = 0.0
~3 = 0.555 555 556 x3 = 0.774 596 669
4 c1 = 0.347854845 X] = -0.861136312 = f(*)([)
c:, = 0.652 145 155 X:, = -0.339 981 044
~3 = 0.652 145 155 x3 = 0.339 981 044
~4 = 0.347 854 845 x4 0.861136312
5 ~1 = 0.236926885 x1 = -0.906179846 = f(”](t)
C? = 0.478 628 670 X:, = -0.538 469 310
~3 = 0.568 888 889 x3 = 0.0
~4 = 0.478 628 670 x4 = 0.538 469 310
~5 = 0.236 926 885 x5 = 0.906 179 846
6 ~1 = 0.171324492 X, = -0.932469514 = Cl2’([)
c:, = 0.360 761 573 X:, = -0.661 209 386
~3 = 0.467 913 935 x3 = -0.238 619 186
~4 = 0.467 913 935 x4 = 0.238 619 186
~5 = 0.360 761 573 x5 = 0.661 209 386
c6 = 0.171 324 492 X6 = 0.932 469 514
Solución: de acuerdo al cuadro 14.1, lafórmuladetrespuntoses
1 = 0.555 555 556 f(”0.774 596 669) + 0.888 888 889 f(0)
+ 0.555 555 556 f(0.774 596 669)
1 1 = 0.281 301 290 + 0.873 244 444 + 0.485 987 599 = 1.640 533 34
lacuales exacta.
Debido a que la cuadratura gaussiana requiere de evaluaciones de

la función en puntos que no están uniformemente espaciados dentro del
intervalo de integración, no es aplicable a los casos en que la función se
desconoce. Por lo tanto, no se adapta a muchos problemas de la inge-
482 MÉTODOS NUMÉRICOS
INGENIEROS PARA
niería en donde se manejan datos tabulares. Sin embargo, en donde se

conoce la función, su eficiencia tiene grandesventajas. Esto es particular-
mente cierto cuando se deben realizar numerosas evaluaciones funcionales.
14.2.4 Programa para la computadora de la cuadratura gaussiana
Enlafigura 14.7 se muestran programas en FORTRAN y BASIC sobre

el método de cuadratura gaussiana. Nótese que los programas están di-
señados de tal manera que se aprovecha lasimetríade los factores de
peso y los argumentos de lafunciónenel cuadro 14.1.
Los programas mostrados en la figura 14.7 están listos para resolver
las mismas ecuaciones analizadas en los ejemplos 14.3 y 14.4. Se calcu-
lan aproximaciones hasta e incluyendo la fórmula de seis puntos. Por lo
tanto, si se desea aplicar estos programas a otro caso, se debe cambiar
la función que especifica la ecuación a integrarse. Haciendo esto, el pro-
grama se puede emplear enel análisis de una gran variedad de proble-
masdeingeniería.
EJEMPLO 14.5
Aplicación de la cuadratura gaussiana al problema del paracaidista
Enunciado del problema: enel ejemplo 13.3 se usala regla trapezoidal

de segmentos múltiplesparaevaluar
gm 10
d=-b [l-
C
en donde g = 980, c = 12 500 y m = 6 8 100.Elvalor exacto de la

integral se determina medianteel cálculo y fue de 28 943.514 7. Recuér-
dese que la mejor estimación, calculada usando la regla trapezoidal con
5 O00 segmentos fue de 28 943.517 7 con un I c v l = 4 x lo-%%. Re-
pítase este cálculo usando el programa de la figura 14.7 sobre la cuadra-
tura gaussiana.
Solución: después de modificar la función, se obtienen los siguientes re-

sultados:
estimacióncon dos puntos = 29 001.447 8
estimacióncontrespuntos = 28 943.929 7
estimaciónconcuatropuntos = 28 943.516 2
estimaciónconcincopuntos = 28 943.514 7
estimaciónconseispuntos = 28 943.514 7
Por lo tanto, las estimaciones con cinco y seis puntos obtienen resultados
exactos hasta nueve cifras significativas.
FORTRAN BASIC
DIMENSION C ( l l > , X Q < l l > , J 0 < 5 > , J l ~ 5 > UIM XQ(ll),C(lIi,J0(5),Jl(5)
FCIXDI=AU+Al*:(D
F( Xj=O.2+25*:(-%UO*X**2+675*%**3 L>EF F N C ( X D ) = A0 + Al * XD- (Funcidn que implementa
C-900*X**4+400*X**5 el cambio de variable)
DATA C/l.,.888888,.555555,.652145, LIEF- FN F ( X ) = .2 + 25 % X +- (Funci6n que especifica
C.347855,.568889,.478629,.236927, 200 * x A 2 + a75 * x 1 3 - la ecuaci6n a
C.467914,.360762,.171324/ '300 a X A 4 + 400 *:X 5A integrarse)
[)ATA X Q / . 5 7 7 3 5 0 , O . , ,774597, , 3 3 9 9 8 1 , PRINT : P R I N T " CUADRATLIRA
c.a61136,0.,.~38469,.90618~,.238~~9, GALISSIANA": PRINT
C661209, ,932470,' F U R I = 1 TO 1 1
D A TJI 0 / 1 , 3 , 4 , 7 . 9 / FcCAU C i I i C l l l = vector que contlene
D A T AJ 1 / 1 , 3 , 5 , 8 , 1 1 c NEXT I los factores
de peso
WRITE(6,l > FOR I i TO 1 11 (Cuadro 14.11
1 FORMIT( ' 0 ' , 5 X , 'CUIDRAIURA GAUSSIANA' READ XI2 t. I ) X(Il = vector que contlene
R E A D < 5 , 4 ) I ,B NEXT I los argumentos de la
4 FORMFIT< 2 F 1 0 , O > FOR I = 1 TO 5 funci6n (Cuadro 14.1)
A O=( B+I)/2 READ JO(. I )
A 1=( 8 - A >/2 NEXT I
DO 4 1 01 - 1 , s FOR I = 1 TO 5
sn=o. READ 541 ( I )
JA= JOC I ) NEXT I
JB=Jl(I) 2 d 1 INF'IJT " L I M I T E 5 DE INTEGRACIO
FIp( 1/2>-1/2 N iA.B)=":A,B
I F (FX.NE.0.) COTO 3 5 0 270 A 0 = ( H - A) / 2
K=( 1 - 1 >*2 1:3O A l = I B - A ) / 2
SM=SM+C( K )*F( FCC X Q < K ) > > 290 P R l N T
350 DO 3 8 0J = J A J, B _.
.::cid FUR I = 1 TO 5
SM=SM*C< J >*F(-FCC XQ< J > j > 3 1 0 5M = O
SM=SM+C( J )*FI F C < X Q ( J > j > 321) I F I N(T, I / 2) - I / 2 < i
380 C O N T I N U E O THEN ,350
sn=srm1
FIGURA 14.7 Programas para la computadora en FORTRAN y BASIC que implementan

la cuadratura gaussiana usando fórmulas de Gauss-Legendre.
14.2.5 Análisis de error en la cuadratura gaussiana
El error en las fórmulas de Gauss-Legendre se especifica generalmente

mediante (Carnahan et al., 1969):
[14.26]
en donde n es el número de puntos menos uno y f""+*J(~) es la (2n +

2)-ésima derivada de la función después del cambio de variable y 4 se
localiza en algún lugar dentro del intervalo de - 1 a 1. La comparación
de la ecuación (14.26) con el cuadro 13.2 indica la superioridad de la
cuadratura guassiana sobre las fórmulas de Newton-Cotes, dado quelas
derivadas de orden superior no crecen sustancialmente a medida que crece
n. En el problema 14.8,al final de este capítulo se ilustra un caso en don-
de las fórmulas de Gauss-Legendre trabajan deficientemente. En estos
casos, será preferible la regla de Simpson de segmentos múltiples o la in-
tegración de Romberg. Sin embargo, la cuadratura de Gauss proporcio-
na un medio eficiente para evaluar las integrales en muchas funciones
usadas en ingeniería.
PROBLEMAS
Cálculos a mano
14.1 Utilícese la integración deRombergpara evaluar
[sen (5x + l)] dx
con una exactitud d e E, = 0.5%. Los resultados se deben presentar en la for-

ma dada en la figura 14.1. Calcúlese la solución analítica y úsese para determi-
nar el errorreal E, delresultadoobtenidocon la integracion deRomberg.
Verifíquese que E , sea menor que el criterio de paro E,.
14.2 Efectúense los mismos cálculos del problema 14.1 con la integral
xeZx dx
14.3 Utilicese la integración deRombergpara evaluax
dx
con una exactitud del O . 1 % . Los resultados se deben presentar en la forma dada
en la figura 1 4 . 2 .
lNTEGRACl6N DE ROMBERG Y CUADRATURA GAUSSIANA 485
14.4 ObtQngaseuna estimación de la integral del problema 14.1 usando fórmulas de

Gauss-Legendre de dos, tres y cuatro puntos. Calcúlese E , para cada caso en
base a la solución analítica.
14.5 Obténgase una estimación de la integral del problema 14.2, usando fórmulas de
Gauss-Legendre de dos, tres y cuatro puntos. Calcúlese para cada caso con ba-
se a la solución analítica.
14.6 Usando fórmulas de Gauss-Legendre desde dos hasta cinco puntos, obténgase
una aproximación de la integral del problema 14.3.
14.7 Usando integración de Romberg (E, = O.Ol%), repítanse los cálculos de los
ejemplos 13.3 y 14.5 para el problema del paracaidista.
14.8 Utilícense métodos analíticos (recuérdese el cuadro V. 1)y las fórmulas de Gauss-
Legendre de dos a seis puntos para resolver
14.9 Desarróllese un programa legible al usuario sobre la integración de Romberg ba-

sado en la figura 14.3. Pruébese repitiendolos cálculos mostrados enla figura 14.2.
14.10 Desarróllese un programa legible al usuario sobre la cuadratura gaussiana basa-

do en la figura 14.7. Pruébese repitiendo los cálculos de los ejemplos 14.3 y 14.4.
14.11 Utilícese el programa desarrollado en el problema 14.9 para resolver los proble-
mas 14.1 y 14.2 y 14.3.
14.12 Utilícese el programa desarrollado en el problema 14.10 para resolver 10s pro-
blemas 14.4, 14.5 y 14.6.
" . ..
C A P í T U L OQ U I N C E
CASOSDELAPARTE V:
INTEGRACI~N
El propósito de este capítulo es el de aplicar los métodos de integración

numérica analizados en la parte V, a problemas prácticos de ingeniería.
Frecuentemente se encuentran dos situaciones;la primera de ellas es cuan-
do la función en estudio se puede expresar de forma analítica pero es de-
masiado complicada para integrarse usando los métodos del cálculo. La
integración numérica se aplica a casos de este tipo usando la expresión
analítica para generar una tabla de argumentos y valores de la función.
En el segundo caso, la función a integrarse es, por naturaleza, de forma
tabular. Este tipo de funciones, en general, representan una serie de medidas,
observaciones o alguna otra información empírica.Los datos en cualquier
caso son compatibles directamente con varios esquemas de integración
numéricaanalizadaenloscapítulos 13 y 14.
El caso 15.1, que analiza los flujos de efectivos en una compañía de
computadoras, es un ejemplo de la integración en su forma tabular. Se
usa la regla trapezoidal y la regla de Simpson de 1/3 para determinar el
flujo de efectivos. El caso 15.2, que trata de cálculos de calor de la inge-
niería química, comprende datos analíticos. En este caso de estudio, se
integra numéricamente una función analítica para determinar el calor ne-
cesario que eleve la temperatura de un material.
Los casos 15.3 y 15.4 se relacionan con funciones dadas en forma
analítica. El caso 15.3, tomado de la ingenieríacivil,usalaintegración
numérica para determinar la fuerza del viento total que actúa sobre el mástil
de un velero de carreras. El caso 15.4 determina laraíz de la corriente
media al cuadrado (RMS) de un circuito eléctrico. Este ejemplo se usa
en la demostración de la utilidad de la integración de Romberg y la cua-
dratura gaussiana.
Finalmente, el caso 15.5 regresa al análisis de la información tabular
para determinar el trabajonecesario para mover un bloque. Aunque este
ejemplo tiene conexión directa con la ingeniería mecánica, tiene aplica-
ción en todas las otras áreas de la ingeniería. Entre otras cosas, este caso
ilustrala integración de datos desigualmente espaciados.
488 MÉTODOS
CASO 15.1 ANALISIS DE MOVIMIENTO DE EFECTIVOS

(INGENIERíAENGENERAL)
Antecedentes: el análisis de movimiento de efectivos es una parte impor-
tante dentro de cualquier proyectode ingeniería o de cualquier proyecto
de negocios. El efectivo disponible puede afectar muchos aspectos del pro-
blema, por ejemplo, la localización de recursos (véase el caso 9. I ) . La
posición de un ingeniero enla Compañía de Computadoras Micro-1 es
lade calcular el efectivo total generado de una venta de computadoras
en los primeros 60 días que siguen a la introducción de una computado-
ra al mercado (véase el cuadro 15.1 sobre los datos de venta de compu-
tadoras).
Su problema es complicado ya que el costo de la computadora esmuy
sensitivo a la demanda abastecimiento o a la disponibilidad. Los equipos
de ventas e investigación de mercados han obtenido la información de que
el precio de venta base considerando una demanda óptima es de $1 250
por computadora. A medida que la demanda disminuye, el precio aumenta
a un máximo de $3 O00 por computadora. Más aún, la variación continua
del costo con un suministro N se define por la ecuación derivada empíri-
camente:
N
Costo por computadora ($) = 3 O00 - 1 750 [15.13
10 O00 +N
que se grafica enlafigura 15.1.
CUADRO 15.1 Datos de venta de computadoras y de fluio deefectivos. La columna

c) se
calcula usando derivación num6rica de la información enla columna b).
El primero y último valor de la columna e) se determinan usando diferen-
cias hacia adelante y hacia atrásde orden h2, los valores medios median-
te diferencias centrales de ordenh2
por
Costo
Efectivo
generado
computadora,
de
de Cantidad
Promedio ($) [basado diaria-
computadoras Número de en
computadoras la columnameme
disponibles computado- vendidas 4 Y la $ Tiempo
en el mercado ras vendidas diariamente ecuación (1 5.1 )] [(c) X ( d ) ] en días
a) b) 4 4 e) f)
50 O00 O 2 050.0 1 542 3 161 100 O
35 O00 15 O00 950.0 1 639 1 557 050 10
31 O00 19 O00 1 500.0 1 677 2 515 500 20
20 O00 30 O00 600.0 1 833 099
1800 30
19 O00 31 O00 397.5 1 853 736 568 40
12 050 37 950 400.0 2 040 816 O00 50
11 O00 39 O00 -1 90.0 2 083 -395 770 60
CASOS DE LA PARTE V: l N T E G R A C l 6 N 489
FIGURA 15.1 Costo de las computadoras contra el número de computadoras enelrner-

cado. La curva se basa en la ecuación (15.1).
Solución: el efectivo total generado estádadopor
Efectivo
total =
(u" (efectivo generado diariamente) dt
Efectivo
total =
r (promedio
deventas X costo unitario) dt
En este caso, el promedio de ventas de los días O al 60 está dado por

la columna c ) del cuadro 15.1. El promedio se determina usando dife-
rencias divididas finitas (recuérdese la sección 3.5.4) para apoximarla pri-
mera derivada de la columna b). Nótese cómo, debido a la variación de
los datos, la aproximación a la derivada en la columna c) varía mucho.
En efecto, aunque la venta total de computadoras siempre crece, la va-
riación en los datos proporciona un promedio de ventas negativo en el
día 60. Este inconveniente se debe a que las aproximaciones numéricas
de las derivadas son altamente sensitivas al cambio en los datos.
El costo por computadora diariose calcula en base a la ecuación (15.1)
y el número de computadoras disponibles se muestra en la columna a)
del cuadro 15.1. El costo por computadora diario desde el día O hasta
el 60 está dato en la columna d ) . En la columna e ) se muestra el efectivo
generado diariamente. Este dato se puede usar en conjunto con los pro-
cedimientos de integración numérica analizados enelcapítulo 13.
En el cuadro 15.2 se muestran los resultados de aplicarla regla trape-
zoidal y la regla de Simpson de 1/3 a este problema. Nótese como va-
490 INGENIEROS
METODOS NUMÉRICOS PARA
CUADRO 15.2 Resultados al aplicar la regla trapezoidal y la regla

de Simpson de 113 para calcular el flulo de efectivos
generado dela venta de computadoras
Mdtodo Segmentos
Efectivo
generado $
Regla 1 82 959 900
trapezoidal 2 74 473
950
3 96 294 660
6 81 075 830
Regla de 2 71 645 300
Simpson de 1/3 6 77 202 887
rían los resultados ampliamente, dependiendo de cuántos segmentos se

empleen en el análisis. En particular, la estimación de la versión de tres
segmentos de la regla trapezoidal es mucho mayor que las otras estima-
ciones debido a la inclusión selectiva de las altas estimaciones de flujo de
efectivos eneldía 20.
En base a este análisis se puede concluir que el flujo de efectivos es
de aproximadamente $77 millones. Sin embargo, los resultados indican
que se debe tener cuidado cuando se aplican los métodos de integración
numérica y que las aproximacionesde datos tabulares pueden, en gene-
ral, mejorarse si se obtiene información adicional. Esta conclusiónla com-
prueba el caso de estudio 15.5 en donde se demuestra que el número
de datos puede tenerun efecto significativo en el resultado final de laapro-
ximación a una integral.
CASO 15.2 EL USO DEINTEGRALESPARADETERMINARLA

CANTIDAD TOTAL DE CALOR EN LOS MATERIALES
Antecedentes: los cálculos de calor se emplean rutinariamente en la in-
geniería química, asícomo también en otros campos de la ingeniería. Es-
te caso proporciona un ejemplo simple pero muy útil de estos cálculos.
Un problema que se encuentra a menudo es determinar la cantidad
de calor necesaria para elevarla temperatura de un material. La caracte-
rística necesaria para realizareste cálculo es la capacidad calorífica c. Este
parámetro representa la cantidad de calor necesaria para elevar una uni-
dad de masa a una unidad de temperatura. Si c es la constante sobre el
rango de temperaturas quese van a examinar, el calor necesario AH (en
calorías) se calcula como
AH = me AT [15.2]
CASOS DE LA PARTE V: INTEGRACldN 49 1
en donde c tiene unidades de calorías por gramo por grado centígrado,

m es la masa (en gramos) y AT es el cambio de temperatura (en grados
centígrados). Por ejemplo, la cantidad de calor necesaria para elevar 20 g
deaguade 5 a 10°C es igual a
AH = (20)1(10 - 5) = 100 cal
en donde la capacidad calorífica del aguaes aproximadamente 1 cal/g/"C.

Tal valor es adecuado cuando AT es pequeño. Sin embargo, en rangos
mayores de temperatura,la capacidad caloríficano es constante, y de he-
cho, varía en función de la temperatura. Por ejemplo, la capacidad calo-
rífica de un material aumenta con la temperatura de acuerdoa relaciones
tales como
c(T) = 0.132 + 1.56 X 10-4T + 2.64 X 10-7T2 [15.3]
En este caso se pide calcular el calor necesario para elevar 1 O00 g

deestematerialde -100 a 200°C.
Solución: la ecuación (V.3) proporciona una manera de calcular el valor

promedio de c ( T ) :
quepuedesersustituidoen la ecuación (15.2) y obtenerse
AH =m ITT:c(T)dT [15.4]
en donde AT = T2- T1.Ahora, ya que en este caso c(T) es una cua-

drática simple, AH se determina analíticamente. La ecuación (15.3) se
sustituyeenla ecuación (15.4) y el resultado se integra para obtener el
valor exacto de AH = 42 732 calorías. Es útil y además instructivo com-
parar este resultado con los métodos numéricos desarrollados en el capí-
tulo 13. Para llevar a cabo esto, es necesario generar una tabla de valores
de c paravariosvaloresde T:
T, OC c callglOC
-100 0.119 04
-50 0.124 86
O 0.132 O0
50 0.140 46
100 0.150 24
150 0.161 34
200 0.173 76
Estos puntos se usan junto con la regla de Simpson de 1/3 usando seis
segmentos y se calcula una integral aproximada de 42.732. Este resulta-
do se sustituyeenla ecuación (15.4) quelleva alvalor AH = 42 732
calorías, resultado que coincide exactamente con la solución analítica. Esta
coincidencia se esperaba ya que c es una función cuadrática y laregla
de Simpson es exacta para polinomios de tercer orden o menos (véase
la sección 13.2).
Los resultados obtenidos con la regla trapezoidal se muestranenel
cuadro 15.3. S e ve que la regla trapezoidal también es capaz de estimar
el calor total de manera exacta. Sin embargo, se necesita un paso peque-
ño ( < 10°C) para una exactitud de cinco cifras significativas. Este ejem-
plo ilustra bien el por qué la regla de Simpson es muy popular. Es fácil
llevarla a cabo, ya sea usando cálculos a mano o , mejor aún, conuna
computadora personal. Además porlo comGn, es lo suficientemente exacta
con tamaños de paso relativamente grandesy exacta para polinomios de
tercer orden o menos.
CUADRO 15.3 Resultados obtenidos usando la regla trapezoi-

dal con varios tamaños de paso
de
paso,
Tamaño OC AH €+ Yo
300 96 048 125

150 43 029 0.7
1O0 42 864 0.3
50 42 765 0.07
25 42 740 0.018
10 42 733.3 < 0.01
5 42 732.3 < 0.01
1 42 732.01 < 0.01
0.05 42 732.000 3 < 0.01
CASO 15.3 FUERZAEFECTIVA SOBRE EL MÁSTIL DE UN

VELERODECARRERAS (INGENIERíA CIVIL)
Antecedentes: enlafigura 15.2a se muestra un corte transversal de un
velero de carreras. Las fuerzas del viento (fl ejercidas por pie de mástil
desde las velasvarían en función de la distancia sobre la cubierta del bote
(z) como lo muestra lafigura 15.2b. Calcúlese la fuerza de tensión T en
el cable de soporte del lado izquierdo del mástil, suponiendo que el so-
porte del cable derecho está flojo y el mástil se une al casco de manera
que transmita fuerzas verticales y horizontales pero no momentos. Su-
póngase que elmástil permanece vertical.
CASOS DE LA V: INTEGRACldN 493
FIGURA 15.2 a) Sección transversal de un velero de carreras. b) Fuerzas del viento

f eiercidas por pie de mástil en función de la distancia z sobre el casco
del bote.
Solución: para proceder con elproblema, se requiere que la fuerza distri-

buida f se convierta en una fuerza total equivalente F y que se calcule
su posición efectiva d sobre el casco (Fig. 15.3). Este cálculo se complica
0= tan- (3/30),’
= 0.099 668 7 , por el hecho de que la fuerza ejercida por pie de mástil varía con la dis-
I- tancia sobre el puente. La fuerza total ejercida sobreel mástil expresa co-
mounaintegraldelasiguientefuncióncontinua:
Estaintegralnolineal es difícil de evaluar analíticamente. Por lo tanto,

es conveniente emplear un método numérico tal como la regla de Simp-
son y la regla trapezoidal para este problema. Esto se lleva a cabo calcu-
lando f(z) paravariosvalores de z y, después, usandolas ecuaciones
(13.10) y (13.18). Por ejemplo, el cuadro 15.4 tiene valores def(z) para
“N un tamaño de paso de 3 pies que proporciona datosde la regla de Simp-
son de 1/3 y de la regla trapezoidal. En el cuadro 15.5 se muestran re-
sultados de varios valores del tamaño de paso. Se observa que ambos
FIGURA 15.3 Diagrama métodos proporcionan un valor de F = 1 480.6 libras a medida que el
de cuerpo libre de las tamaño de paso decrece. En este caso, el tamaño de paso de 0.05 pies
fuerzas ejercidas en el en la regla trapezoidal y de 0.5 en la regla de Simpson proporciona bue-
mástil de un velero. nos resultados.
494 METODOS
CUADRO 15.4Valoresde f(z) con

un tamaño de paso
de 3 piesquepro-
porcionan datos de
la regla trapezoidal
y la regla de Simp-
son de 113
z, pies f(z),lblpies
O O
3 6 1.40
6 73.13
9 70.56
12 63.43
15 55.18
18 47.14
21 39.83
24 33.42
27 27.89
30 23.20
La línea de acción F (Fig. 15.3) se calculaevaluando la integral.
CUADRO 15.5 Valores de F calculados en basea varias versio-

nes de la regla trapezoidal y la regla de Simp-
son de 113
_____ _____________ ~~
Método Tamaño de Segmentos F,

pies paso, libras
Regla 15 2 1 001.7
trapezoidal 10 3 1222.3
6 5 1 372.3
3 10 1450.8
1 30 1 477.1
0.5 60 1 479.7
0.25 120 1 480.3
o. 1 300 1 480.5
0.5 600 1 480.6
de Regla 15 2 1 219.6
Simpson de 113 5 6 1 462.9
3 10 1 476.9
1 30 1 480.5
0.5 60 1 450.6
CASOS DE V: INTEGRACldN 495
lo3'200z[z/(5 + ~ ) ] e - ~dz/ ~ '

d=
1480.6
Esta integral se evalúa usando métodos similaresa los anteriores. Porejem-

plo, la regla de Simpson de 1/3 con un tamaño de paso de0.5 proporciona
19 326.9
d = = 13.05 pies
1 480.6
Con F y d conocidos de los métodos numéricos, se usa un diagrama de
cuerpo libre para desarrollar ecuaciones de equilibrio de fuerzas y mo-
mentos. Este diagrama de cuerpo libre se muestra en la figura 15.3. Su-
mando fuerzas en la dirección vertical y horizontal y tomando momentos
alrededor delpunto O , se obtiene
EFH = O = F - Tsen 8 - H [15.9]

CF"= O = v - reos o [15.10]
EM0 = O = 3V - Fd E15.111
en donde T es la tensión en el cable. H y V son las reacciones que se

desconocen sobre el mástil transmitidas al casco. La dirección y magni-
tud de H y V se desconocen. La ecuación (15.11) se resuelve directa-
mente para V ya que se conocen F y d .
Por lo tanto, de la ecuacion (15.l o ) ,
y de la ecuación (15.9),
H = F - T sen 8 = 1 480.6 - (4 473)(0.099 5) = 836.54 lb
Estas fuerzas le ayudan al diseñador para continuar con otros aspectos

del diseño estructural delvelero, tales como los cables y el sistema de so-
porte del mástil sobre el puente. Este problema ilustra muy bien dos usos
dela integración numérica que se pueden encontrar durante el diseño
de estructuras.Se ha visto que la regla trapezoidal y la regla de Simpson de

1/3 sonfáciles de aplicar y sonherramientasprácticas enla solución
de problemas. La regla de Simpson de 1/3 es más exacta que laregla
trapezoidal para el mismo tamaño de paso y por lo tanto, se prefiere a
menudo.
CASO 15.4 DETERMINACIóN DE LA CORRIENTERMS

MEDIANTEINTEGRACIóN NUMÉRICA
varía
Antecedentes: el valor efectivo de una corriente eléctrica cuyo valor
periódicamente está dado porla fórmula de raíz cuadrada de la corriente
al cuadrado (véase el caso 12.4):
1
IWS = i2(t)dt [15.12]
endonde T es el periodo, esto es, eltiempode un ciclo e i(t) es la co-

rriente instantánea.Calcúlese la corriente RMS de la forma de onda mos-
trada en la figura 15.4 usando la regla trapezoidal, la regla de Simpson
de 1/3, la integración de Romberg y la cuadratura gaussiana para T = 1 s.
Recuérdese que enel caso 12.4, se resolvió este problema por integra-
FIGURA 15.4 Corriente eléctrica que varíaperiódicamente.

CASOS DE V: INTEGRACldN 497
CUADRO 15.6 Valores dela integral calculada usando varios métodos num6ricos.
El error relativo porcentual E, se basa en el valor verdadero de
15.412 608 1
Método Segmentos
Integral E, %
Regla 1 0.0 1 O0
trapezoidal 2 15.163 266 5 1.62
4 15.401 429 1 0.0725
8 15.411 958 4 4.21 x 10-3
16 15.412 568 2 2.59 x 10-~
32 15.412 605 6 1.62X 10-5
64 15.412 607 9 1.30x low6
128 15.412 608 1 O
de Regla 2 20.217 688
7 -31.2
Simpson de 1/3 4 15.480 816
6 -0.443
8 15.415 468
1 -018 6
16 15.412 771
4 -1.06 x 103
32 15.412 608
1 O
ción analítica dela parábola que se había ajustado a la función cuya apro-
ximación a laintegralfuede 20.217 688 7.
Solución: en el cuadro 15.6 se muestra la aproximación a la integral con

varias aplicaciones de la regla trapezoidal y la regla de 1/3 de Simpson.
Una aplicación de la regla de Simpson de 1/3 obtiene el mismo resulta-
do del caso de estudio 12.4. Esto ya se esperaba porquela regla de Simp-
son de 1/3 corresponde al área bajo la parábola ajustada a los tres puntos.
Nótese que la regla de Simpson es más exacta que la regla trapezoidal.
El valor exacto de la integral es 15.412 608 1. Este resultado se ob-
tiene usando la regla trapezoidal con 128 segmentos o la regla de Simp-
son con 32 segmentos. Usando la integración de Romberg se determina
la mismaaproximación (Fig. 15.5).
"
FIGURA 15.5 Resultados obtenidosusando la integracióndeRomberg para calcular

la corriente RMS.
Además, se puede usar la cuadratura gaussiana para obtener la mis-

ma aproximación. Recuérdese que la determinación de la corriente RMS
del caso 12.4 se incluye la evaluación de la integral (T = 1)
I = (b” (lOe-t sen 2at)* dt [15.13]
Primero se hace un cambio de variable aplicando la ecuación (14.23)

y (14.24) para obtener
1 1
t = - + - t d
4 4
Y
1
dt = - dtd
4
Estas relaciones se sustituyen en la ecuación (15.13) y se obtiene
Con la fórmula de Gauss-Legendre de dos puntos,la función se eva-

lúa en t d = 1/43 y - 1/43, con los resultados de 7.684 096 2 y
4.313 728 O , respectivamente. Estos valores se sustituyen en la ecuación
(14.17) y se obtiene una aproximación a la integral de 11.997 824 2,
que representa un error del = 22%.
La fórmula de tres puntos es (cuadro 14.1):
I = 0.555 555 556 (1.237 449 345) + 0.888 888 889 (15.163266 49)
+ 0.555 555 556 (2.684 914 679)
= 15.657 550 21 = 1.6%
En el cuadro 15.7 se resumen los resultados del uso de fórmulas de más
puntos.
CUADRO 15.7 Resultadosobtenidosusandovarios
puntos y la cuadratura gaussiana para
aproximar la integral
~~
Puntos Aproximacih !%
2 11.997
824 3 22.1
3 15.657 550 2 -1.59
15.4054
802 3 4.42 x
5 15.412 639 1 -2.01 X 1 0 - ~
15.4126 610 9 -1.82 x 10-5
CASOS DE LA PARTE V: INTEGRACldN 499
Laaproximación a laintegralde 15.412 608 1 se sustituyeenla

ecuación (15.12) y se calcula IRMscomo 3.925 889 5 A. Esteresul-
tado se emplea en la guía de otros aspectos del diseño y operación del
circuito.
CASO 15.5 INTEGRACIóN NUMÉRICA EN EL CALCULO DE

TRABAJO (INGENIERíA MECANICA)
el cálculo del tra-
Antecedentes: muchos problemas de ingeniería incluyen
bajo. Lafórmulageneral es:
Trabajo = fuerza X distancia
Cuando se estudia este concepto en la materia de físicaa nivel preuniver-

sitario, se presentan aplicaciones simples usando fuerzas que permane-
cen constantes a través del desplazamiento. Por ejemplo, si se usauna
fuerza de 10 libras para jalar un bloque una distancias de 15 pies, el tra-
bajo se calcula como 150 pies X libra.
Aunque este cálculo simple es útil enla introducción del concepto,
los problemas realistas, en general, son más complejos. Por ejemplo, su-
póngase que la fuerza varía durante el curso del cálculo. En estos casos,
la ecuación del trabajo puede expresarse como
w= F(x) cix [15.14]
donde W es el trabajo en pie X libra, x. y x, son las posiciones inicial y

final, respectivamente y F(x) es la fuerza que varía en función de la posi-
ción. Si F(x) es fácil de integrar, entonces la ecuación (15.14) se integra
analíticamente. Sin embargo, en problemas reales, la fuerza no se puede
expresar de esta manera. De hecho cuando se analizan los datos medios,
la fuerza puede estar disponible en forma tabular. En estos casos, la inte-
gración numérica es laúnicaopciónviablepara la evaluación.
Cuando el ángulo de la fuerza y la dirección del movimiento también
varíanconla posición, se introducemayorcomplejidad(Fig. 15.6). La
ecuación del trabajo se puede modificar aún más tomando en cuenta es-
te efecto,
w= F(x) cos [O(x)] dx [15.15]
Otra vez, si F(x) y O(x) son funciones simples, la ecuación (15.15) se re-
suelve analíticamente. Sin embargo, como en la figura 15.6, es más fácil
FIGURA 15.6 Caso de una fuerza variable que actúa sobre un bloque. Eneste caso,
el ángulo, así como la magnitud de la fuerza varían.
que la relación funcional sea complicada. En este caso, los m6todos nu-
méricos proporcionan la única alternativa para determinar la integral.
Supóngase que seva a calcular la situación mostrada en la figura 15.6.
Aunque la figura muestra los valores continuos deF(x) y B(x),se supone
que debido a restricciones experimentales, dnicamente se proporcionan
las medidas discretas en intervalos de x = 5 pies (cuadro 15.8). Utilicen-
se las versiones de un segmento y de segmentos múltiples de la regla tra-
pezoidal y las reglas de Simpson de 1/3 y 3 / 8 para calcular el trabajo
con estos datos.
Solución: en el cuadro 15.9 se muestran los resultados resumidos delaná-

lisis. Se calculó un error relativo porcentual E ~ ,en referencia al valor real
E CASOS DE LA V: INTEGRACldN 50 1
CUADRO 15.8 Datos de la fuerza F ( x ) y del ánglo @(x)

en fun-
cidn de la posicidn x
x , pies F(x),libras O, radianes F(x)cos 0
O 0.0 030 0.000 o
5 9.0 1.40 1 S29 7
13.0 10 0.75 9.512 O
14.0 15 0.90 8.702 5
10.5 20 1.30 2.808 7
12.0 25 1.48 1.088 1
30 5.0 1S O 0.353 7
de la integral cuyo valor es 129.52, calculando en base a los valores to-

mados de lafigura 15.6 con intervalos de un pie.
Estos resultados son importantes porque el resultado másexacto ocurre
cuando se usala regla trapezoidal de dos segmentos. Las estimaciones
más refinadas usando mássegmentos, así como la regla de.Simpson, lle-
van a resultados menos exactos.
La razón de este resultado aparentemente ilógico es que el espacia-
miento grueso de los puntos no es adecuado para capturar las variacio-
nes de las fuerzas y los ángulos. Esto es evidente enlafigura 15.7, en
donde se ha graficado la curva continua de los productos de F(x) y cos
[e(x)].Nótese cómo el uso de siete puntos para caracterizar la continui-
dad de la función falla en los dos picos x = 2.5 y x = 12.5 pies. La omi-
sión de estos dos puntos limita efectivamente la exactitud de la integración
numérica en el cuadro 15.9. El hecho de que la regla trapezoidal de dos
segmentos obtenga la mayor precisión en estos resultados se debe a la
forma en que se posicionan los puntos en este problema en particular (Fig.
15.8).
P
CUA,DRO 15.9 A roximaciones del trabalo calculado usando la re-
g a trapezoidaly la regla de Simpson. El error relati-
P
vo oreentual (e,) se calculd en referencia al valor
rea de la integral (129.52 pies libra)calculado en
base a los valores en intervalos de1 pie
M6todo
Regla trapezoidal 1 95.9 5.31
2 -2.84
133.19
3 3.51 124.98
6 1 1 9.09 8.05
Regla de Simpson de 1/3 2 175.82
-35.75
6 9.57117.13
Regiade Simpson de 3/8 3 139.93 -8.04
FlGlJRA 15.7 Gráfica continua de f(x) cos [O(x)]contra la posición, junto con los siete
puntos discretos usados para desarrollar la aproximación a la integral
numérica del cuadro 15.9. Nótese cómo el uso de siete puntos para ca-
racterizar esta función que varía continuamente omite dos picos en x
= 2.5 y 12.5 pies.
FIGURA 15.8 Esquema gráfico del por qu6 la regla trapezoidal de dos segmentos ge-
nera una buena aproximación de la integral para este caso en particu-
lar. Por casualidad el uso de los dos trapecios genera un balance entre
los errores positivos y negativos.
CASOS DE LA PARTE V: INTEGRACION 503
FIGURA 15.9 Esquemas de segmentación desigual que resulta al incluir dos puntos
iniciales en x = 2.5 y 12.5 en los datos delcuadro 15.8. Se mues-
tran las fórmulas de integración aplicadas a cada conjunto de seg-
mentos.
La conclusión derivada de la figura 15.7 es que se debe hacer un nú-

mero adecuado de medidas para calcular exactamente las integrales. En
este caso, si se conociera F (2.5) cos [0(2.5)]= 4.350 O y F(12.5) cos
[6(12.5)] = 11.360 O se podría determinar un cálculo de la integral usando
el algoritmo de datos desigualmente espaciados descrito previamente enla
sección 13.3. En la figura 15.9 se ilustra la segmentación desigualen este
caso. Incluyendo los dos puntos adicionales, llevaa un mejor cálculo dela
integral de 126.9 (E,, = 2.02%). Por lo tanto, lainclusiónde los datos
adicionales podría incorporarlos picos que se habían ignorado previamente
y, en consecuencia, !levar a un resultado mejor.
PROBLEMAS
15.1 Repítanse los cálculos del caso 15.1 usando los programas propios
15.2 Efectúense los mismos cálculos del caso 15.1, pero envez de usarla ecuación
(15.1) utilícese la siguientefórmulaalternativa:
Costo por computadora ($) = 1250 + 1750e-5”10-5N
15.3 AI efectuar un estudio de la linea de ensamble de unaplanta de automóviles,

en un periodo de 24 horas, se visitan dos puntos sobre la línea y en instantes
diferentes durante el día se verifica el ntímero de autos que pasa por ahí en un
minuto. Los datos son
~~ ~~ ~ ~ ~~ ~~ ~~ _ _ ~ ~~~ ~~~ ~
Punto A Punto B
Tiempo Carrodminuto Tiempo Carrodminuto
Medianoche 3 Medianoche 3
2 A.M. 3 1 A.M. 3
3 A.M. 5 4 A.M. 5
6 A.M. 4 5 A.M. 2
9 A.M. 5 7 A.M. 1
11 A.M. 6 10 A.M. 4
2 P.M. 2 1 P.M. 3
5 P.M. 1 3 P.M. 4
6 P.M. 1 9 P.M. 6
7 P.M. 3 10 P.M. 1
a P.M. 4 11 P.M. 3
Media noche 6 Medianoche 6
Utilícese integración numéricay la ecuación V.3para determinar el número total

de carros que pasa por día en cada punto.
15.4 Los datos del cuadro P15.4 proporcionan medidasdelflujo de calor q sobre la
superficie de un colector solar en intervalos de una hora. Calcúlese el calor total
absorbido por un panel colector de 150 O00 cm2 durante un periodo de 14 ho-
ras. El panel tiene una eficiencia de absorción eobdel 45%. El calor total absor-
bido está dado por
H = eab
S1 q A dt
en donde A es el área y q es el flujo de calor
Ingeniería Química
15.6 Efectúense los mismos cálculos del caso 15.2calculando la cantidad de calor ne-
cesario para elevar la temperatura de 2 O00 g de material desde ”2 000 hasta
CASOS DE LA PARTE V: INTEGRACldN 505
TABLA P15.4 Medidas del flujo de calor

solar
Flujo de
calor q,
Tiempo, h colorks/cm2/h
o. 1
1.62
5.32
6.29
7.8
8.81
6 8.00
7 8.57
8 8.03
9 7.O4
10 6.27
11 5.56
12 3.54
13 1 .o
14 0.2
100°C. Utilicese la regla de Simpson en los cálculos, con valores de T a interva-

los de 5OOC.
15.7 Repítase el problema 15.6 usando integraci6n de Romberg con E" = 0.01%.
15.8 Repítase el problema 15.6 usando la fórmula de Gauss-Legendre de dos y tres

puntos. Interprétense los resultados.
15.9 Utilicese la regla de Simpson para calcular el calor total de la placa mostrada en
el caso 9.2 sila capacidad calorífica está definida por la ecuación (15.3).
Ingeniería civil
15.10 Repítanse los cálculos del caso 15.3 usando sus propiosprogramas
15.11 Repítanse los cálculos del caso 15.3 usando la integración de Romberg para eva-
luarla integral.
Usese un criterio de paro de e, = 0.25%.
15.12 Ejecútense los mismos c6lculos del caso 15.3 usando la cuadratura de Gauss pa-
ra evaluar la integral.
15.13 Ejecútense losmismos cálculos del caso 15.3 cambiando la integral a

15.14 Para ciertos trabajos sobre ingeniería de recursos de agua, que incluye la preven-
ción de inundaciones y el diseño de reservas, se requieren canales de área trans-
versal ( A ) . A menos que se disponga de dispositivos de sondeo electrónico en
la obtención de perfiles continuos del fondo del canal. el ingeniero debe confiar
en las medidas discretas de la profundidad a calcular. En la figura P15.14 se ilus-
tra una sección transversal de un canal común. Los puntos representan posicio-
nes en donde se ancló el bote y se tomaron lecturas de la profundidad. Utilícense
dos ecuaciones dela regla trapezoidal ( h = 4 y 2 m) y la regla de Simpson de
1/3 para calcular el área transversal a partirde estos datos
15.15 Durante una investigación de campo es necesario calcular el área del campo mos-
trado en la figura P15.15. Utilícense las reglas de Simpson para determinar elárea.
15.16 Un estudio de ingeniería de tránsito'sequiere el cálculo del número total de ca-

rros que pasa a través de una intersección en un periodo de 24 horas. Un indivi-
duo visita laintersección varias veces durante el díay cuenta el número de carros
que pasa a través de la intersección en un minuto. Utilícense estos datos, que
se encuentran resumidos en el cuadro P15.16, para calcular el número total de
carros que pasa por la interseccióndurante el día. (Téngase cuidado con las
unidades.)
15.17 Repítanse los cálculosdel caso 15.4 usandolosprogramaspropios
TABLA P15.16 Promedio de flujo de tráfico en una intersec-

ción medido envorios tiempos en un perio-
do de24 horas
Tiempo Promedio, carroslmin
12:OO Medianoche 10
2:00 A.M. 4
6:OO A.M. .6
7:OO A.M. 40
8:OO A.M. 60
9:OO A.M. 80
11:o0 A.M. 25
1:OOP.M. 18
3:OO P.M. 17
4:OO P.M. 28
5:OO P.M. 35
6:OO P.M. 77
7:OOP.M. 40
8:OOP.M. 30
1O:OOP.M. 31
12:OO Medianoche 15
CASOS V: INTEGRACION 507
FIGURA P15.14 Sección transversal de un canal.
FIGURA P15.15 Campo limitado por dos caminosy un arroyo.
""".""". ..
15.18 Efectúense los mismos cálculos del caso 15.4 usando una función de corriente
dada por:
i(t) = sen 2?rt por O It S r/2

i(t) = O por T / 2 It I T
e n donde T = 1 s. Utilícese la regla de Simpson de 1/3 con 16 segmentos para

calcular la integral.
15.19 Repítase el problema 15.18 usando cuadratura gaussiana
15.20 Repítase el problema 15.18 usando integración de Romberg a E, = 0.1%.
15.21 Repítanse los cálculos del caso 15.5 usando los programas propios
15.22 Ejecútense los mismos cálculos del caso 15.5 usando la siguiente ecuación para
calcular:
F(x) = 1 . 1 7 ~- 0 . 0 3 5 ~ ~
Empléense los valores de 6 del cuadro 15.8
15.23 Ejecútense los mismos cálculos del caso 15.5pero con la siguiente ecuación pa-
ra calcular:
Empléese la ecuación del problema 15.22 para F(x). Utilícese la regla trapezoi-
dal con cuatro, ocho y dieciséis segmentos para calcular la integral.
15.24 Repítase el problema 15.23 con la regla de Simpson de 1/3
15.25 Repítase el problema 15.23 usando integración de Romberg hasta E$ = O. 1% .
15.26 Repítase el problema 15.23 usando cuadratura gaussiana
15.27 Leánse todos los casos del capítulo 15. En base a las lecturas y a la experiencia
invéntese un caso propio en cualquiera de los campos de la ingeniería. Esto pue-
de implicar la modificación o la reexpresión de alguno de los casos. Sin cmbar-
go, también puede ser totalmente original.Como sucede en los ejemplos del texto,
se debe elaborar enfocando los problemas de ingeniería y debe demostrar el uso
de los métodos numéricos para la integración. Escrlbanse los resultados usando
los casos propios como modelos.
EPíLOGO: V.4 ELEMENTOS DE JUICIO
PARTE V
El cuadro V.3 muestra un resumende los elemen-
tos de juicio relacionados con la integración nu-
mérica o cuadratura. La mayor parte de estos
métodos se basa en la interpretación física simple
de que una integral es el área baio la curva. Es-
tos métodos están diseñados para evaluar la in-
tegral endoscasosdiferentes: 1 ) una función
matemática continua y 2) datos discretos en for-
ma tabular.
Las fórmulas de Newton-Cotes son los primeros

métodos analizados en el capítulo 13. Son apli-
cables a funciones continuasy a funciones discre-
tas. Se dispone de estas fórmulas en sus versiones
cerradas y abiertas. las formas abiertas, que tie-
nen límites de integración extendidos más allá del
rango de los datos, rara vez se usan en la eva-
luación de integrales definidas. Sin embargo, tienen
gran utilidad en la solución de ecuaciones diferen-
ciales ordinarias, analizada enel capítulo 17.
Las fórmulas de Newton-Cotes cerradas se basan

en el reemplazo de una función matemática o de
datos enforma tabular enun polinomio quees fácil
de integrar. La versión más simple es la regla tra-
pezoidal, que se basa en tomar el área baio una
línea recta que une los valores adyacentes de la
función. Una manera de meiorar la exactitud de
la regla trapezoidal es la de dividir el intervalo de
integración de a a b en un conjunto de segmen-
tos y aplicar el método a cada uno de los seg-
mentos.
Además de aplicar la regla trapezoidal con seg-

mentación más fina, otra manera de obtener una
aproximación más exacta a la integral es eluso
de polinomios¿e orden superior para conectar los
puntos. Si se emplea una ecuación cuadrática, el
resultado es la regla de Simpson de 1/3. Si se usa
una cúbica el resultado es la regla deSimpson de
3/8. Estas reglas se prefieren a la de la regla tra-
pezoidal debido a que son mucho más exactas.
Existen versiones de segmentos múltiples.En situa-
?
>
O
L
P
a
a
W
EPILOG0 PARTE V 51 1
ciones con un número par de segmentos, se recomienda la aplicación

múltiple de la regla de 1/3.Para el caso de un número impar de seg-
mentos, se puede aplicar la regla 3/8 a los últimos tres segmentos y
la regla de 1/3 a los restantes.
También existen fórmulas de Newton-Cotes de orden superior. Sin em-

bargo, rara vez se usan en la práctica. Cuando se requiere de alta
exactitud se dispone de la integración de Romberg y de la cuadratu-
ra gaussiana. Debe hacerse notar que las fórmulas de integración de
Romberg y la cuadratura gaussiana tiene valor práctico sólo en ca-
sos donde se conoce la función en forma continua. Estos métodos no
funcionan para datos tabulares.
V.5 RELACIONES Y FóRMULAS IMPORTANTES

En el cuadro V.4 se resume la información más importante analizada
en la parte V. Este cuadro se puede consultar para tener un rápido
acceso a las relaciones y fórmulas de mayor importancia.
V.6 MÉTODOS AVANZADOS Y ALGUNAS

REFERENCIAS ADICIONALES
Aunque se han analizado varios métodos numéricos, existen otros más
que tienen utilidad en la práctica de la ingeniería. Por ejemplo, la in-
tegración adaptiva de Sirnpson se basa en la división del intervalo de
integración en una serie de subintervalos de ancho h. En seguida se
usa la regla de Simpson de 1/3 para evaluar la integral en cada su-
bintervalo, partiendo el tamaño de paso de manera iterativa, es de-
cir, con un tamaño de paso h, h/2, h/4, h/8, etc. Las iteraciones se
continúan para cada uno de los subintervalos hasta que una aproxi-
mación con error calculado E, [Ec. (3.5)]cae dentro de un criterio de
paro antes especificado E,. La integral total se calcula como la suma-
toria de las aproximaciones a la integral evaluadas en cada subinter-
valo. Este método se usa, especialmente, en funciones complicadas
que tienen regiones con variaciqnes de baio y alto orden. El análisis
de la integración adaptiva se encuentra en Gerald y Wheatley (1 984)
y Rice (1983).
Otro método para la obtención de integrales es el de ajustar polino-

rnios cúbicos segrnentarios a los datos. La ecuación cúbica resultante
se puede integrar fácilmente (Forshyte et al., 1977).Finalmente, aparte
de las fórmulas de Gauss-Legendre analizadas en la sección 14.2,exis-
te una variedad de fórmulas de cuadratura. En Carnahan, Luther y
N
-2
t
N
x
I l!
x y Y
x x - x
-
h x'
x'
v
x
x
i;
+
h
t
x' C
v 9
x
C
m
3
S I
e,
U
EPíLOGO PARTE V 513
Wilkes ( 1 969) y Ralston y Rabinowitz ( 1 978) se resumen algunas de

estas formulaciones.
En resumen, lo anterior tiene la finalidad de proporcionar caminos

para exploraciones más a fondo sobre el tema. Además, todas las
referencias anterioresproporcionan descripciones de los métodos bá-
sicos cubiertos en la parte V. Sele sugiere al lector consultar estas
fuentes alternativas de información para profundizar en los métodos
numéricos de integración.
d2x dX
m-
dt
+ C" dt
+kx=O [VI. 21
en donde c es un coeficiente de amortiguamiento y k es la constante

delresorte. De manera similar, una ecuación de n-ésimo orden in-
cluiría una n-ésima derivada.
Las ecuaciones de orden superior se pueden reducir a un sistema de

ecuaciones de primer orden. Para la ecuación (V1.2)) esto se lleva a
cabo definiendo una nueva variable y donde
dx
Y=% [V1.3]
que se puede derivar y obtener
dy - d2x
-" [V1.4]
df dt2
Las ecuaciones (V1.3) y (V1.4) se pueden sustituir en la ecuación(V1.2)
y obtener
m-dY + cy + &x = o [VIS]

dt
O
dy -
"- cy + kx [V1.6]
dt m
Por lo tanto, las ecuaciones (V1.3) y (V1.6) son un par de ecuaciones
de primer orden que son equivalentes a la ecuación original de se-
gundo orden. Debido a que otras ecuaciones diferenciales de n-ésimo
orden se pueden reducir de lamisma manera, esta parte del libro se
enfoca a la solución de ecuaciones de primer orden. Algunos de los
casos de estudio del capítulo 18 tratan con la solución de E D 0 de se-
gundo orden reduciéndolas a un par de ecuaciones de primer orden.
VI. 1.1. M é t o d o s anteriores al uso de computadoras

en la solución d e E D 0
Antes de la era de la computación, las E D 0 se resolvían por lo co-
mún, con métodos de integración analítica. Por eiemolo, la ecuacion
(VI.l) se puede multiplicar por dt e integrarse para obtener
[V1.7]
ECUACIONES DIFERENCIALES ORDINARIAS 517
AI lado derecho de esta ecuación se le llama integral indefinida debi-

do a que los límites de integración no están definidos. Esto contrasta
con las integrales definidasanalizadas previamente enla parte V [com-
párese la Ec. (V1.7) con la Ec. (VS)].
Se obtiene una solución analítica de la ecuación (V1.7)si la integral

indefinida se puede evaluar exactamente en forma de una ecuación.
Por ejemplo, recuérdese que para el problema del paracaidista la
ecuación (VI.7) se resuelve analíticamente mediantela ecuación (1.9)
(suponiendo que v = O en t = O):
[V1.8]
La mecánica de derivación de tales soluciones analíticas se analiza

en la sección V1.2. En este momento, lo importante es que, como en
el caso de la integral definida, la evaluación analítica de las integra-
les indefinidas, en general depende del conocimientoprevio de la res-
puesta. Desafortunadamente,las soluciones exactas de muchas EDOs de
importancia práctica no existen. Como sucedeen la mayor parte
de las Gtuaciones analizadas en otras partes de este libro, los métodos
numéricos ofrecen la única alternativa viable enestos casos. De-
bido a que estos métodos numéricos, por lo común, requieren de
computadora, los ingenieros de la era anterior al uso de las mismas
se veían limitados enel alcance de sus investigaciones.
Un método muy importante que los ingenieros y matemáticos desa-

rrollaron para evitar este dilema fueel de linealización. Una ecua-
ción diferencial ordinaria es aquella que se ajusta a la forma
a,(x)y'"' + . . . + a1 (x)y' + uo(x)y = +(x) [V1.9]

en donde y(") es la n-ésima derivada de y con respecto a x y las a
y las f son funciones específicas de x. A esta ecuación se le llama li-
neal ya que no hay productos o funciones no lineales de la variable
dependiente y de sus derivadas. La importancia práctica de las E D 0
lineales es que se pueden resolver analíticamente.En contraste, la ma-
yor parte de las ecuaciones no lineales no se pueden resolver exacta-
mente. Por lo tanto en la épocaanterior al uso de computadoras, una
táctica para resolver las ecuaciones no lineales fue la de linealizar-
las. Un ejemplo simple de la aplicación de E D 0 es el predecir el mo-
vimientodel péndulo oscilante (Fig. VI.1). De manera similar ala
derivación del problema del paracaidista, se puede usar la segunda
ley de Newton para desarrollar la siguiente ecuación diferencial (véase
el caso 18.5 para la derivación completa:
FIGURA VI.l d28 g
-+-sen0 = O CVl.1O]
Péndulo oscilador. dt2 I
donde e es el ángulo de desplazamiento del péndulo, g es la acelera-

ción gravitacional y I es la longitud del péndulo. Esta ecuación no es
lineal ya que contiene el término sen 8 . Una manera deobtener una
solución analítica es la de considerar pequeños desplazamientos del
péndulo a partir del equilibrio (esto es, para valores pequeños de6 ),
sen 8 = 8 [VI.11]
Por lo tanto, si se supone que sólo estamos interesados en los casos
donde O sea pequeña, entonces la ecuación (VI.11) se puede sustituir
en la ecuación (VI.1O) para obtener
[V1.12]
De esta manera se ha transformado la ecuación (VI.1 O) en una for-

ma lineal fácil de resolver analíticamente.
Aunque la linealización sigue siendo una herramienta muy útil en la

solución de problemas de ingeniería, existen casos donde no se pue-
de usar. Por ejemplo, supóngase queestamos interesados en estudiar
el comportamiento del péndulo para grandes desplazamientos a partir
del punto de equilibrio. En estos casos, los métodos numéricos ofre-
cen una opción viable en la obtención de soluciones. Actualmente,
la amplia disponibilidad de computadoras coloca esta opción al al-
cance de todos los ingenieros.
Vi. 1.2 Las E D 0 en la práctica de la ingeniería
Las leyes fundamentales de la física, la mecánica, la electricidad y la

termodinámica se basan en general en observaciones empíricas que
explican la variación delas propiedades físicas y estados de los siste-
mas. En lugar de describir el estadode los sistemas físicos directamente,
las leyes se expresan en cambios del tiempo y del espacio.
En el cuadro VI.l se muestran varios ejemplos. Estas leyes definen me-

canismos de cambio. Cuandoéstas se combinan con las leyes de con-
tinuidad ¿e la energía, de mesa o de momento, se generan ecuaciones
diferenciales. La integraciónsubsecuente de estas ecuaciones diferen-
ciales genera funciones matemáticas que describen el estado espacial
y temporal de un sistema en términos variacionales de la energía, de
la masa y de la velocidad.
El problema del paracaidista introducido en el capítulo 1 es un ejem-
plo de la derivación de una ecuación diferencial ordinaria a partir
de una ley fundamental. Recuérdese que la segunda ley de Newton
se usa en el desarrollo de una E D 0 que describe el cumbic propor-
CUADRO VI. 1 Ejemplos de lasleyes fundamentales escritas en terminos del

promedio de cambiode las variables ( t tiempo y x =
posición) =
Expresión Variables y
Ley matemática parámetros
Segunda ley de dv f Velocidad (v ), fuerza ( F )
Newton del - = - y masa ( m )
movimiento dt m
aT (k)
Ley del calor de Flujo de calor = k- Conductividad térmica
Fourier ax y temperatura ( T )
ac
Ley de difusión Flujo de masa = 4- Coeficiente de difusión (D)
de Fick ax y concentración (c)
Ley de Farafay di lnductancia (I y)

(describe la caída del Caída de voltaje = L- corriente ( i )
voltaje a través de un dt
conductor)
dc
Conservación de Acumulación = V-- Volumen (V) y
la masa dt concentración (c)
cional de la velocidad de caída del paracaidista. Integrando esta re-

lación se obtiene una ecuación que predice la velocidad de caída en
función del tiempo. Esta ecuación puede usarse de diferentes mane-
ras, incluyendo propósitos de diseño.
De hecho, estas relaciones matemáticas son la base de la solución de

un gran número de problemas de ingeniería. Sin embargo, como se
describe en la sección anterior, muchas de las ecuaciones diferencia-
les de significancia práctica no se pueden resolver usando métodos
analíticos del cálculo. Por lo tanto, los métodos analizados en los ca-
pítulos siguientes son sumamente importantes entodos los campos de
la ingeniería.
v1.2 FUNDAMENTOS MATEMÁTICOS

Una solución de una ecuación diferencial ordinaria es una función es-
pecífica de la variable independiente y de sus parametros que satis-
facen la ecuación diferencial original. Para ilustrar este concepto, se
tiene la siguiente función
+
y = - 0 . 5 ~ ~4x3 - lox2 + 8 . 5 ~+ 1 [V1.13]
la cual es un polinomio de cuarto orden (Fig. V1.20). Ahora, si se de-
riva la ecuación (VI.13), se obtiene la EDO:
"I*_ .c. ~ ...

FIGURA V1.2 Gráfica de a ) y contra x y b) d y / d x contra x de la función

+
y = - 0 . 5 ~ ~ 4x3 - l o x 2 + 8 . 5 ~+ l.
”
d~-
dx
-2x3 + 12x2 - 2oX + 8.5 [VI.141
Esta ecuación también describe el comportamiento del polinomio pe-

ro de manera diferente que la ecuación (Vl.13). En vez de represen-
tar explícitamente los valores de y para cada uno de los valores de
x, la ecuación (VI.14) proporciona la relación de! cambio de y res-
pecto a x(esto es, la pendiente) para cada valor de x . En la figura
V1.2 se muestran la función y su derivada graficadas contra x . Nóte-
se que los valores cero de la derivada corresponden aun punto don-
de la función original es plana, estoes, tiene una pendiente cero.
También, los valores absolutos máximos alcanzados de las derivadas
son los extremos del intervalo en donde las pendientes de una fun-
ción son mayores. Aunque, como yase ha demostrado, se puede de-
terminar una ecuación diferencial dada la función original, el objetivo
aquí es el de determinar la función original dada la ecuación diferen-

cial. La función original representa entonces la solución. En este caso
se puede determinar la solución en forma analítica, integrando la ecua-
ción (VI. 14):
y=
I [-2x3 + 1 2x2 - 2Ox + 8.51 dx
Aplicando las reglas de integración (recuérdese el cuadro V.l)
AI resolver cada término de la ecuación se obtiene la solución:

+
y = - 0 . 5 ~ ~ 4x3 - lox2 + 8 . 5 ~ C + [VI.15]
que es idéntica a la función original con una notable excepción. En

el acto de derivación e integración, se pierde el valor de la constante
1 en la ecuación original y se gana el valor C. Esta C es conocida
con el nombre de constante de integración. El hecho de que aparez-
ca una constante indica que la solución no es única. De hecho, ésta
es sólo una de un número infinito de funciones posibles (correspon-
dientes a un número infinito de valores posibles para C)que satisfa-
cen a la ecuación diferencial. Por ejemplo, en la figura V1.3 se muestran
seis posibles funciones que satisfacen la ecuación (V1.14).
FIGURA V1.3 Seis soluciones posibles de la integral de -2x3 +12x2 - 2Ox + 8.5.
Cada uno tiene un valor diferente de la constante de integración c.
. . I"" .- . ..
." . ..~
522 INGENIEROS
Por lo tanto, para especificar la solución completamente, una ecua-

ción diferencial se acompaña de condiciones auxiliares. Para EDOs de
primer orden, a un tipo de condición auxiliar se le llama valor inicial
y es necesaria para determinar la constante y obtener una solución
única. Por ejemplo, la ecuación (VI. 14) puede ir acompañada de una
condición inicial en que x = O, y = l . Estos valores se sustituyen en
la ecuación (VI. 15):
1 = -0.5(0)4 + 4(0)3- 10(0)2 + 8.5(0) + C [VI. 161
para determinar C = l . Por lo tanto, la solución única que satisface

a la ecuación diferencial y a la condicióninicial especificada se obtie-
ne sustituyendo C = 1 en la ecuación ('41.15 ) para obtener
y = - 0 . 5 ~+~ 4x3 - lox2 + 8 . 5 ~+ 1 [VI.17]

De esta manera, se ha considerado en la ecuación (VI.15) que pasa
a través de la condición inicial, al hacerlo, se ha obtenido una solu-
ción única para laE D 0 y se ha completado el círculo hasta la función
inicial [ecuación (VI.13)].
Las condiciones iniciales por lo común tienen interpretacicpes muy tan-

gibles en ecuaciones diferenciales de problemas físicos. Por ejemplo,
en el problema del paracaidista la condicióninicial fue reflectiva del
hecho físico de que en un tiempo cero la velocidad vertical fue cero.
Si el paracaidista hubiera estado en movimiento vertical en el momento
cero, la solución se habría modificado para tomar en consideración
esta velocidad inicial.
Cuando se trata con ecuaciones diferenciales de n-ésimo orden se re-

quieren de n condiciones para obtener una solución única. Si todas
las condiciones se especifican en el mismo valor de la variable inde-
pendiente (por ejemplo, en x o t = O), entonces al problema se le co-
noce como problema¿e valor inicial. Esto contrasta con los problemas
de valor en la frontera en donde las especificaciones de las condiciones
ocurren en valores diferentes de la variable independiente. Los capítu-
los 16 y 17 se enfocan a problemas con valores iniciales. Los problemas
con valores en la frontera se mencionan al final del capítulo 16.
VI .3
Antes de continuar con los métodos numéricos en la solución de ecua-
ciones diferenciales ordinarios, puederesultar otil una orientación. El
material siguiente tiene lafinalidaddeproporcionaruna visión
general de los temas analizados en la parte VI. Además, se han for-
ECUACIONES DIFERENCIALES 523
mulado objetivos para orientar al lector en el estudio de los temas

de esta área.
V1.3.1 Alcances y avances
En la figura V1.4 se muestra una visi6n general de la parte VI. Dos

categorías importantes de los métodos numéricosse analizan en esta
FIGURA V1.4 Representación esquemática de la organización del material de la

parte VI: ecuaciones diferenciales ordinarias.
_I,.. ..
parte del libro. Los métodos de un paso, cubiertos en el capítulo 16,

permiten al cálculo de y;lh 1, dada la ecuación diferencial y y;. Los mé-
todos de pasos múltiples, cubiertos en el capítulo 17, requieren valo-
res adicionales de y además de los dados para i.
En todo, con algunas excepciones menores, los métodos de un paso

del capitulo 76 pertenecen a los métodos de Runge-Kutta. Aunque el
capítulo esté organizado alrededor de este concepto teórico, se ha
optado por abordar el tema de manera más gráfica. Por lo tanto,
el capítulo empieza con el método de Euler que tiene una interpreta-
ción gráfica muy clara. Después, se usan argumentos orientados ha-
cia lo visual para desarrollar dos versiones meioradas del método de
Euler: el método de Heun y el método del polígono mejorado.En se-
guida de esta introducción, se desarrolla formalmente el concepto de
los métodos de Runge-Kutta (o RK) y se demuestra como los métodos
anteriores son métodos RK de primer y segundo grado. A esto le si-
gue un análisis de la formulación RK de orden superior que se usa
frecuentemente en la solución de problemas de ingeniería. El capítu-
lo termina con secciones sobre dos aplicaciones de los métodos de
un paso: sistemas de € D yOla solución de problemas con valores en
la frontera usando métodos de disparo.
€1 capitulo 7 7 se dedica a los métodos de pasos múltiples que algunas

veces son mas difíciles de programar en una computadora pero que
alcanzan exactitudes comparables a los métodos de un paso y con
menor esfuerzo. Otra vez, al comienzo se enfoca el tema en forma
visual usando un método simple; el método de Heun sin principio, pa-
ra introducir todos los rasgos esenciales de los métodos de pasos múl-
tiples. En seguida se entra en un análisis de las fórmulas de integración
numérica que sonel corazón de los métodos de pasos múltiples. A
esto le sigue una sección sobre las versiones de orden superior, inclu-
yendo dos esquemas comunes, el método de Milne y el método de cuar-
to orden de Adams.
En el capítulo 78 se desarrollan casos para todos los campos de la

ingeniería. Finalmente, se incluye una sección de repaso al término
de la parteVI. Este epilog0 resume y compara las fórmulas importan-
tes y los conceptos relacionados con las EDO. Esta comparación in-
cluye un análisis de los elementos de juicio importantes para su
implementación en la práctica de la ingeniería. El epílogo resume tam-
bién las fbrmulas importantes e incluye referencias adicionales sobre
temas avanzados.
Se suministra información de cómputo automático de diferentes ma-

neras. Primero, está disponible el paquete NUMERICOMP para el mé-
todode Euler conlaopciónbasede usarse en l a s computadoras
IBM-PC y Apple I I . En forma alterna se d a directamente en el texto

el programa para el método de Euler en ambos lenguajes FORTRAN
y BASIC. Esto posibilita copiar el programa e implementarlo en la com-
putadora o en una supercomputadora. Se proporcionan también los
diagramas de flujo y algoritmos de los programas para computadora
de la mayor parte de los métodos descritos en el texto. Esta informa-
ción, combinada con los programas propios bien escritos y documen-
tados en cualquier lenguaje, proporcionan herramientas aplicables
a un gran número de problemas de ingeniería.
V1.3.2 Metas y objetivos
Objetivos de estudio. Después de terminar la parte VI, el lector debe

de aumentar sus habilidades para confrontar y resolver ecuaciones
diferenciales ordinarias. Las metas de estudio generales deben incluir
el dominio de los métodos, tener la capacidad de valorar la confiabi-
lidad de las respuestas, y ser capaz de escoger "el mejor" método
(o métodos) de cualquier problema en particular. Además de estos
objetivos generales, se deben dominar los objetivos específicos de es-
tudio del cuadro V1.2.
Objefivos de cómputo. Se debe estar bien equipado con un paquete

que incluya programas simples para la computadora, algoritmos, y
diagramas de flujo que implementen los métodos analizados en la parte
VI. Todos éstos tienen utilidad como herramientas de apredizaje.
El paquete de programas para computadoras personales NUMERI-

COMP, que utiliza el método de Euler, es legible al usuario. La solu-
ción se puede mostrar ya sea en forma gráfica o en forma tabular.
La salida gráfica posibilita visualizar fácilmente el problema y su so-
lución. Se puede estudiar la eficiencia del método probando varios
tamaños de paso. El paquete es muy fácil de implementar y puede
ser usado para verificar los resultados de cualquier programa de com-
putadora desarrollado por el lector.
Alternativamente, los programas del método de Euler escritos en los

lenguajes FORTRAN y BASIC se suministran directamente en el texto.
Además, se proporcionan los algoritmos y los diagramas de flujo pa-
ra la mayor parte delos otros métodos anulizados en la parte VI. Es-
ta informaciónpermitirá expander la biblioteca de programas del
lector, incluyendo métodos que vayan más allá del método de Euler.
Por ejemplo, puede ser de mucha utilidad desde un punto de vista
profesional, el tener un paquete de programas queemplee los méto-
dos de cuarto orden de Runge-Kutta o el método de Adams. También
se puede desarrollar un paquete de programas que solucione siste-
mas de ecuaciones diferenciales ordinarias.
CUADRO V1.2 Bbietivos de estudios específicos de la parte VI

1. Ehtender la representación visual de los métodos de Euler, Heun y el
polígono meiorado.
2. Conocer la relación del método de Euler con la expansión en serie de
Taylor y que su conocimiento está relacionado con el error del método.
3. Entender la diferencia entre los errores de truncamiento locales y globules y
cómo se relacionan con la selección de un método numérico en particular
para la solución de un problema.
4. Conocer el orden y la dependencia de los tamaños de paso de los errores
de truncamiento para todos los métodos descritos en la parte VI;
comprender cómo estos errores influyen en la exactitud de los métodos.
5. Entender la base de los métodos predictor-corrector. Comprender en
particular que la eficiencia del corrector es altamente dependiente de la
exactitud del predictor.
6. Conocer la forma general de los métodos de Runge-Kutta. Entender la
derivación del método de RK de segundo orden y cbmo estese relaciona
con la expansión en serie de Taylor; reconocer que existe un número infinito
de posibles versiones para los métodos RK de orden superior.
7. Saber aplicar cualquiera de los métodos RK a sistemas de ecuaciones; ser
capaz de reducir una ED0 de n-ésimo orden a un sistema de n E D 0 de
primer orden.
8. Entender la diferencia entre problemas de valor inicial y con valores a la
frontera; ser capaz de implementar el método de disparo en problemas con
valores a la frontera.
9. Conocer la diferencia entre los métodos de pasos múltiples y de un solo
paso; reconocer que todos los métodos de pasos múltiples son predictor-
corrector pero que no todos los métodos predictor-corrector son de pasos
múltiples.
1o. Entender la importancia de los modificadores en los algoritmos de pasos
multiples.
11. Entender la conexión entre las fórmulas de integración y los métodos
predictor-corrector.
12. Conocer la diferencia fundamental entre los métodos de integración de
Newton-Cotes y de Adams.
13. Entender la conexión entre los modificadores y el ajuste en el tamaño de
paso; reconocer el tipo de contexto de un problema donde el ajuste de
tamaño de paso es importante.
14. Comprender el hecho de que el método de Milne es inestable y reconocer
por qué posee dificultades en ciertos tipos de problemas.
CAPíTULO DIECISÉIS
MÉTODOS DE
U N PASO
Este capítulo está dedicado a la solución de ecuaciones diferenciales or-

dinariasdelaforma
Enel capítulo 1 se usa un método numérico para resolver el problema

del paracaidista. Recuérdese que la ecuación usada en la solución de es-
teproblemafuede laforma general [Ec. (1.13)]
Valoractual = valoranterior + pendiente X tamaño delpaso
o , en términosmatemáticos
FIGURA 16.1 Esquema gráfico del método de un paso.

Yitl = Y¡ + 4 h [16.1]
De acuerdo a esta ecuación, se usa la aproximación a la pendiente 4 pa-
ra extrapolar a partir de un valor anterior y, a un valor actual y,, l en una
distancia h (Fig. 16.1).Esta fórmula se aplica paso a paso para calcular
una solución futura y , de aquí, trazar la trayectoria de la solución.
Todos los métodos de un paso se pueden expresar en esta forma ge-
neral, con la única diferencia en el cálculo de la pendiente. Como en el
problema del paracaidista, el esquema simple como la primera derivada
de xi. Este esquema, llamado método de Euler, se analiza en la primera
parte de este capítulo. A este le siguen otros métodos de un paso que
emplean aproximaciones alternativas ala pendiente que dan como resul-
tado mejores aproximaciones.
16.1 MÉTODO DE EULER

La primera derivada proporciona una aproximación directaa la pendien-
te en xi (Fig. 16.2):
4 = f h ,Y¡)
donde f (xt,y,) es la ecuación diferencial evaluada en x,y y , . Esta apro-
ximación se sustituye en la ecuación (16.1):
[16.2]
A esta fórmula se le conoce como método de Euler ( o método de

Euler-Cauchy o de pendiente puntual). S e predice un nuevo valor de y
usando la pendiente (igual a la primera derivada en el valor original x)
para extrapolar linealmente sobre el tamaño de paso h (Fig. 1 6 . 2 ) .
FIGURA 16.2 Método de Euler.
~ -
MÉTODOS DE PASO 529
EJEMPLO 16.1
Método de Euler
Enunciado del problema: utilícese el método de Euler para integrar nu-

méricamente la ecuación (VI. 14).
y ) = -2x3 +uX2 - 20x + 8.5

de x = O hasta x = 4 con un tamaño de paso de 0.5. La condición ini-
cialen x = O es y = 1. Recuérdese que la solución exacta está dada
porla ecuación (VI.17) :
y = - 0 . 5 ~ ~4x3 - lox2 + + 8 . 5 ~+ 1
Solución: se puede usar la ecuación (16.2) para implementar el método
de Euler:
~ ( 0 . 5=) y(0) + f(0, 1) 0.5

en donde y(0) = 1 y la aproximación a la pendienteen x = O es:
f ( 0 ,1) = + 12(0)' - 20(0) + 8.5 = 8.5

Por lo tanto:
y(0.5) = 1.0 + 8.5 (0.5) = 5.25

La soluciónverdaderaen K = 0 . 5 es:
~ ( 0 . 5 ) -0.5(0.5)4 + 4(0.5)3 - lO(O.5)' + 8.5(0.5) + 1

= 3.218 75
Por lo tanto, elerror es:

E, = verdadero - aproximadQ = 3.218 75 - 5.25 = -2.031 25
O , expresado como errorrelativo porcentual, E, = -63.1 % . enel se-
gundo paso:
y(1.0) = y ( O . 5 ) + f(0.5,5.25) 0.5

= 5.25 + [ ~ - 2 ( 0 . 5+) ~
lZ(O.5)' - 20(0.5) + 8.530.5
= 5.875
.I _" -..
530 MÉTODOS
CUADRO 16.1 Comparación delos valores verdaderos y aproximados de la inte-

gral de y' = 2x3 + 12x2 -2Ox + 8.5, con la condición inicial de que
y 1 en x O. Los valores presentadosse calcularon usandoel mé-
todo de Euler con un tamaño de paso de 0.5. E l error local se refiere
al error obtenido en un paso. E l error global es IQdiferencia total
debido a los pasos anteriores así como al actual
e,, error relativo Doreentual

X Yverdadero YEuler Global local
__
0.0 1 .O00O0 1 .O00O0
0.5 3.218 75 5.250 O0 -63.1 -63.1
1 .o 3.000 OG 5.875 O0 -95.8 -28.0
1.5 2.218 75 5.125 O0 "131 .O -1.41
2.0 2.000 O0 4.500 O0 -1 25.0 20.5
2.718 2.5 75 4.750 O0 -75.7 17.3
3.0 4.000 O0 5.875 O0 -46.9 4.0
3.5 4.718 75 7.125 O0 -5 1 .O -1 1.3
~ 4.0 3.000O0 7.000 O0 -1 33.0 -53.0
FIGURA 16.3 Comparación de la solución verdadera con una solución numérica

usando el método de Euler para la integral de y ' = -í!x3 +
12x2
-2Ox + 8.5 de x = O a x = 4 con un tamaño de paso de 0.5. La
condición inicial en x = O es y = l .
La solución verdadera en x = 4.0 es 3.0, y por lo tanto el error relativo

porcentual es -95.8%. Los cálculos se repiten, los resultados se resu-
menenel cuadro 16.1 y enlafigura 16.3. Obsérvese que, aunque los
MÉTODOS DE UN PASO 53 1
cálculos capturan la tendencia general de la solución verdadera, el error

es considerable. Como se analizaenlasiguiente sección, este error se
puede reducir usando un tamaño de paso menor.
16.1.1 Análisis de error enel método de Euler

La solución numérica de E D 0 incluye dos tipos de error (recuérdese la
sección 3.6):
1. Errores de truncamiento causados por la naturaleza de los métodos

empleados enla aproximación a los valoresde y , y
2. Errores de redondeo causadosporelnúmerolimitado de dígitos o

decifrassignificativasquepuederetenerlacomputadora.
Los errores de truncamiento se componen de dos partes. La primera

es un error de truncamiento local que resulta
al aplicar el método en cues-
tión en un paso. El segundo es un error de programación que resulta de
las aproximaciónesproducidasdurante los pasosanteriores.Lasuma
delosdoseselerrordetruncamientoglobal.
El conocimientode lamagnitud y propiedadesdelerror de trun-
camiento se puede obtener derivando el método de Euler directamente
de la expansión de la serie de Taylor. Con el fin de hacer esto recuérde-
se que la ecuacióndiferencialque se estáintegrandoserá de la forma
general.
Y' =f k Y) [16.3]
donde y' = dy/dx y x e y son las variables independiente y dependien-

te, respectivamente. Sila solución, estoes, la función que describe el com-
portamiento de y tiene derivadas continuas, ésta se puede representar
mediante una expansión de la serie de Taylor alrededor del punto inicial
(xl,yi),como en [recuérdese la Ec. (3.14)]:
[16.4]
donde h = x , , - x, y R, es eltérminoresidualdefinido como
r16.51
532
INGENIEROS PARA NUMERICOS MÉTODOS
donde <;.estádentro delintervalode x; a xi+ Se puede desarrollar una

forma alternativa sustituyendo la ecuación (16.3) en las ecuaciones (16.4)
y (16.5) y obtener.
[16.6]
en donde O (h"+')especifica que el error de truncamiento local es pro-

porcional al tamaño de paso elevado a la (n + 1)-ésima potencia.
Comparando las ecuaciones (16.2) y (16.6),puede verse que el mé-
todo de Euler corresponde a la serie de Taylor truncada hastael término
f (xi, yi) h. Adicionalmente, la comparación indica que el error de trun-
camiento se debe a que se aproxima la solución verdadera usando una
cantidad finita de términos de la serie de Taylor. Por lo tanto, se trunca
o se deja fuera una parte de la solución verdadera. Por ejemplo, el error
de truncamiento en el método de Euler es atribuible a los términos res-
tantes de la expansión que no se incluyen en la ecuación (16.2). Restan-
dola ecuación (16.2) de la ecuación (16.6) se obtiene
[16.71
donde € , e els error de truncamiento local. Para una h lo suficientemen-

te pequeña, los errores en los términos de la ecuación (16.7) decrecen
por lo común a medidaqueelorden crece (recuérdese el ejemplo 3.7
y el análisis que lo acompaña), y el resultado, a menudo, se representa
como
[16.8]
E, = O(h2) [16.9]
donde E, es el error de.truncamiento local aproximado.
EJEMPLO 16.2
Aproximación del error en el método de Euler usando
la serie de Taylor.
Enunciadodelproblema:utilíceselaecuación (16.7) paraaproximarel

error del primer paso del ejemplo 16.1. Úsese también la ecuación para
METODOS DE UN PASO 533
determinar el error ocasionado por cada uno de los términos de orden

superior de la expansión de la serie de Taylor.
Solución: debido a que se trata de un polinomio, se puede usar la expan-

sión de la serie de Taylor para obtener una aproximación exacta del error
usando el método de Euler. La ecuación (16.7) se puede escribir como:
rE16.2.11
en donde !’(x,, y,) es laprimeraderivadadela ecuación diferencial (es

decir, la segundaderivada de lafunción original).Paraeste caso, es:
f‘(xi, yi) = -6~’+ 2 4 -

~ 20 [E16.2.2]
y f “ (xi, y) es la segunda derivada de la E D 0
ff’(xi,yi) = - 1 2 ~+ 24 [E16.2.3]
y f”’ (xi, yi) es la tercera derivada de la E D 0
f”’(Xi, y¡) = -12 rE16.2.41
Se pueden omitir los términos adicionales (esto es, las derivadas cuarta
y deordensuperior) de la ecuación (E16.2.1) ya que en este caso en
particular son cero. Se debe notar que en otras funciones (por ejemplo),
las funciones trascendentes tales como seno, coseno o exponenciales) esto
no es necesariamente cierto, y los términos de orden superior no valen
cero. Sin embargo, en este caso, las ecuaciones (E16.2.1) hasta la
(E16.2.4)definen completamente el error de truncamiento de una apli-
cacióndelmétododeEuler.
Por ejemplo, el error debido al truncamiento del segundo término se
puede calcular como:
-6(0.0)’ + 24(0.0) - 20
Eu2 = (0.5)2 = -2.5
2
Para el término de tercer orden
-12(0.0) + 24 (0.5)3= 0.5

Eu3 =
6
y para el término de cuarto orden:
- 12
Eu4 = -(0.5)4= -0.031 25
24
Estos tres valores se pueden sumar para obtenerel error total de trunca-
miento:
E, E,,z + Eu,3 + Eu,4 = -2.5 + 0.5 - 0.031 25 = -2.031 25
que esexactamente el error incurrido en el paso inicial del ejemplo 16.1.

Obsérvese cómo .E,,* > E,,3 > E,,4,que apoya la aproximación repre-
sentada por la ecuación (16.8).
I
Como se puede ver en el ejemplo 16.2, la serie de Taylor es u n me-

dio para cuantificar el error en el método de Euler. Sin embargo, existen
muchas limitaciones asociadas con su uso para este propósito:
1. La serie de Taylor sólo proporciona una aproximación local del error

de truncamiento, es decir, el error generado durante el primer paso
del método. No proporciona una medida de la propagación y , por
ello, el error global de truncamiento. En el cuadro 16.1se han inclui-
do los errores de truncamiento locales y globales del ejemplo 16.1.
El error local se calcula para cada unode los valores de x con la ecua-
ción (16.2), pero usando el valor verdadero de y, (la segunda columna del
cuadropara calcular cada una de las en lugar del valor aproxi-
mado (la tercera columna), como se hizo con el método de Euler.
Como era de esperarse,el promedio local del error de truncamiento
(25%) esmenor al error global promedio (90%).La única razón por
la que se podrían calcular estos errores exactamentesería la de cono-
cer a priori el valor verdadero. Este no es el caso en un problema como el
actual. Por consiguiente, como se analiza anteriormente, por lo co-
mún se deben aplicar los métodos tales como el Euler utilizando un
tamaño de paso diferente hasta obtener una aproximación indirecta
de los errores considerados.
2. Como se menciona anteriormente, en problemas verdaderos, usualmente

se trata con funciones más complicadas que un simple polinomio. Por
consiguiente, las derivadas necesarias para 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, la serie de Taylor propor-
ciona una idea valiosa del comportamiento del método de Euler. De acuer-
do a la ecuación (16.8),se ve que el error locales proporcional al cuadrado
del tamatio de paso y la primera derivada de la ecuación diferencial. Tam-
bién se puede demostrar que el error global de truncamiento es O ( h ) ;
esto significa que es proporcional al tamaño del paso (Carnahan et al.,
1969). Estas observaciones llevan a las siguientes conclusiones:
MhODOS DE UN PASO 535
1. Elerrorsepuedereducirdisminuyendoeltamañodel paso.
2. El método proporciona predicciones libres de error si la función fun-

damental (esto es, la solución a la ecuación diferencial) es lineal, ya
que la segunda derivada de una línea recta es cero.
Estaúltimaconclusióntienesentidointuitivodebido a queelmétodo
de Euler usa segmentos de línea recta para aproximar la solución. De
aquí que, elmétododeEulerseconozcacomo método de primer
orden.
EJEMPLO 16.3
Efecto de la reducción del tamaño de paso en el método de Euler
Enunciado del problema: repítanselos cálculos del ejemplo 16.1 usando

un tamañodepasoigual a 0.25.
Solución: se repiten los cálculos, y los resultados se muestran en la figura .

16.4a. AI utilizar el tamaño de paso más pequeño, se reduce el valor ab-
soluto del error global promedio en un 40% y el valor absoluto del error
local en un 6.4%. Esto es comparable con los errores globales y locales
del ejemplo 16.1 del 90% y.del24.8%. Por lo tanto, como era deespe-
rarse, el error local se reduce a la cuarta parte y el error global se reduce
a lamitad.
Obsérvese también que el error local cambia de signo en valores in-
termedios a lo largo del rango de valores. Esto se debe, en primer lugar,
a que la primer derivada de la ecuación diferencial es una par6bola que
cambia de signo [recuérdese la Ec. (E16.2.2) y véase la Fig. 16.4bl. De-
bido a que el error local es proporcional a esta función, el efecto neto
de la oscilación en el signo es el de mantener el error global en crecimien-
to continuo a medida que aumentan los cálculos. Por lo tanto, de x =
O a x = 1.25, los errores locales son todos negativos y por consiguiente,
el error globalcrece en este intervalo. En la sección intermedia delrango,
los errores locales positivos empiezan a disminuir el error global. Cerca
del extremo, el proceso se invierte y el error global nuevamente crece.
Si el error local cambiara continuamente de signo sobre el intervalo de
interés, entonces el efecto neto, por lo general, minimizaría el error glo-
bal. No obstante, endonde los errores locales son del mismo signo, la
solución numérica puede diverger cada vez más rápido dela solución ver-
dadera a medida que los cálculos aumentan. Estos resultados se dice que
son inestables.
536 M~TODOS
NUMERICOS PARA INGENIEROS
FIGURA 16.4 a) Comparación de dos soluciones numéricas con el método de Euler

usando tamaños de paso de0.5 y 0.25 b) Comparación de los erro-
res de truncamiento locales verdaderos y aproximados.
En la figura 16.5 se ilustra el efecto de reducir más y más el tamaño

del paso sobre el error de truncamiento global con el método de Euler.
Esta gráfica muestra el error relativo porcentual en x = 5 en función del
tamaño del paso sobre los problemas que se han analizado en los ejem-
plos 16.1 al 16.3. Nótese que aun cuando h se ha reducido a 0.001, el
error aún excede al O. 1 W . Debido a que este tamaño de pasocorrespon-
de a 5 O00 iteraciones que van desde x = O hasta x = 5 , la gráfica mues-
tra que los métodos de primer orden tales como el de Euler demandan
un gran esfuerzo de cálculo para obtener niveles de error aceptabies. En
las siguientes secciones se muestran métodos de órdenes superiores que
alcanzan mucha más exactitud con el mismo esfuerzo de cálculo. Sin em-
bargo, se debe notar que a pesar de su ineficiencia, la simplicidad del mé-
FIGURA 16.5 Efecto del tamaño de paso sobre el error global de truncamiento enel
método de Euler para la integral de y' = 2x3 + 1 2 2 - 20x + 8.5. La
gráfica muestra el error relativo porcentual en x = 5 en función del ta-
maño de paso.
todo deEuler hace muy atractivo suuso dn muchosproblemasde la

ingeniería. Debido a que es muy fácil de programar, el método es parti-
cularmente útil en cálculos iniciales rápidos, previosa un análisis de esca-
la completa. Enla siguiente sección,se desarrolla un programapara
computadora sobre el método de Euler.
16.1.2 Programa para computadora delmétodo de Euler

Los algoritmos de métodos de un paso tales como el de Euler son fáciles
de programar en una computadora personal.Como se menciona previa-
mente al principio del capítulo, los métodos de un paso tienen la forma:
Valoractual = valoranterior + pendiente X tamaño del paso
[ 16.101
En lo Único que se diferencian los métodos es en la forma en que calcu-
lanla pendiente.
Aunque el programa de la figura 16.6 está disenado específicamente
para implementar el método de Euler, va dirigido a la forma general de
COMMOH x . Y
F( X , Y )-4*EXP< 8bX )-
~
X I- *
.S Y X 0 . X l = valor lnclal y flnal de
R E A D ( 5 , l )XO.X1 INPUT K O . X 1
FORUaT( 2F1 O . O ) la vanablemdependlente
1 INPUT YO
READ<S , 2 )YO INPUTH Y O = valor lniclal dela
2 FORMlT(F10.0) INPUT P i varlable dependlente
READ( S , 2 )n NP = ( X I - XO) / PI
H = tamaño del paso
REIID( S , 2 ) P I NC = P I / H
NP-<Xl-XO>/PI x = x c:, PI = Intervalo de mpreslán
NC-PI/H Y = Y0
x-x0 PRINT X , Y NP = numero de p a s o s de Irnpreslón
Y-YO FhR I = 1 TU NP NC = numero de Dasosdecalculo
YRITE(6,3)X,Y FUR J = 1 ro NC
3 FORMfIT < ’ ’ . 2 F 2 0 . 3 ) FDSIJU l0OC:l
DO 270 I - l . N P f = I + S L * H
DO 250 J - 1 , N C X = X + H
C A L L E U L ~ S )L NEXT J
Y-wsLw PRINl X.V
x-x+n NEXT I
250 CONTINUE ENIl
URITE<6,3)X,Y
270 CONTINU€
STOP
€NO
ISubrutlnaparacalcular la pendlentel
RETURN
EN0
FIGURA 16.6 Programaparalacomputadora del método de Euler en

FORTRAN y BASIC.
la ecuación (16.10).Todo lo que se requiere para aplicar este programa

a otro método de un paso es modificar el cálculo de la pendiente en la
subrutina (línea 1 000).
El progama de la figura 16.6 no es legible al usuario, está diseñado
estrictamente para arrojar la respuesta. En el problema 16.12 se deja de
tarea el hacer este programa más fácil de usar y de entender. En el pa-
quete suplementario de programas NUMERICOMP asociado con este li-
bro se incluye un ejemplo de un programa legible al usuario sobre el método
de Euler. El siguiente ejemplo demuestra el uso de este programa en la
solución de EDO. También proporciona una referencia para la validación
y la prueba de sus programas.
la parte I que el modelo matemático de la velocidad se basa en la segun-

da ley de Newton de la forma:
dv C
"
dt -g-mU
Se resuelve la ecuación diferencial analíticamente (ejemplo l .1)y numé-
ricamente usando el método de Euler (ejemplo 1.2). El objetivo de este
ejemplo es el de repetir estos cálculos numéricos empleando un modelo
sobre la velocidad más complicado basado en una descripción matemáti-
ca más completa acerca del coeficiente de fricción causado por la resis-
tencia del viento. Este modelo está dado por:
[E16.4.1]
en donde a, b y umáXson constantes empíricas. Obsérvese que este mo-

delo es capaz de ajustar más exactamente medidas empíricas de coefi-
cientes de fricción contra la velocidad que el modelo lineal simple del
ejemplo l. l. Sin embargo, esto incrementa la flexibilidad a expensas de
evaluar tres coeficientes en vez de uno. Además, el modelo matemático
resultante es más difícil de resolver analíticamente. En este caso, el méto-
do de Euler proporciona una alternativa conveniente para obtener una
solución numérica aproximada.
FIGURA 16.7 a) Resultados tabulares de los cálculos y b) resultados gráficos de la so-

lución de la E D 0 [Ec. (E16.4.11. Nótese que b) también muestra la solu-
ción del modelo lineal con propósitos de comparación. De hecho, el
programa no está diseñado para superponer gráficas de esta manera.
Solución: se usará el paquete NUMERICOMP para abordar la ecuación

(E16.4.1). Enlafigura 16.7a se muestra la solución del modelo con un
tamaño de paso de O. 1 s. Para propósitosde comparación en la gráfica de
la figura 16.7bse muestra la solución no linealy el modelo lineal superpues-
tos. Nótese que la computadora puede graficarsólo una solución a la vez.
Los resultados de los dos cálculos indican el crecimiento de la com-
plejidad enla formulación de los efectos que la fuerza de fricción ejerce
sobre la velocidaddelparacaidista. En este caso, la velocidadterminal
disminuye debido a la resistencia causada por los términos de orden su-
periorenla ecuación (E16.4.1).
Se pueden probar modelos alternos de manera similar. La combina-
ción del paquete NUMERICOMP y la computadora hacen que esto sea
una tarea fácil y eficiente. Esta conveniencia permite al usuario dedicar
más de su tiempo en considerar alternativas creativas y aspectos globales
delproblemaenlugarde los tediosos cálculos manuales.
16.1.3 Métodos con serie de Taylor de orden superior
Una manera de reducir el error en el método de Euler sería incluir térmi-

nosdeordensuperiorenlaexpansión de la serie de Taylor alrededor
de la solución. Por ejemplo, incluyendo el término de segundo orden de
la ecuación (16.6) se obtiene
[16.11]
con un errorlocaldetruncamiento de:
Aunque la incorporación de términos de orden superiores lo suficien-

temente simple como para implementarse en polinomios,su inclusión no
es tan trivial cuando la E D 0 es complicada. En particular, las E D 0 que
son una función de la variable dependiente y de la variable independien-
te requieren derivación con la regla de la cadena. Por ejemplo, la prime-
ra derivada de f (x, y) es
La segunda derivada es
MhODOS DE UN PASO 54 1
Y las derivadas de orden superior vienen a ser crecientemente más com-

plicadas.
Por consiguiente, como sedijo en las secciones previas, se han desa-
rrollado métodos alternativos de un paso. Estos esquemas son compara-
bles en ejecución a1 de la serie de Taylor de órdenes superiores pero re-
quieren únicamente el cálculo de la primera derivada.
16.2 MODIFICACIONES Y MEJORAS AL

MÉTODO DE EULER
Una fuente fundamental de error en el método deEuler es quela deriva-
da al principio del intervalo se supone que se aplica a través del intervalo
entero. Existen dos modificaciones simples para ayudar a evitar este in-
conveniente. Como se demuestra en la sección 16.3, las dos modifica-
ciones en realidad pertenecen a unaclase mayor de métodos desolución
llamados métodos de Runge-Kutta. Sin embargo, ya que tienen una in-
terpretación gráfica sencilla, se presentan antes de la derivación formal
de los ,métodos de Runge-Kutta.
16.2.1 Método de Heun

Un método para mejorar la aproximación a la pendiente implica el cálcu-
lo de dos derivadas del intervalo, una en el punto inicial y la otra en el
punto final. En seguida se promedian las dos derivadas y se obtiene una
aproximación mejorada de la pendiente en el intervalo completo. Este
esquema, llamado método de Heun, se muestra gráficamente en la figu-
ra 16.8.
Recuérdese que en el método de Euler, la pendiente al principio de
un intervalo
Y: = !(X¡, Y¡> r16.121
Se usa para extrapolar linealmente a
En el método estándar de Euler se pararía en este punto. Sin embargo,

e n el método deHeun, la calculada con la ecuación (16.3)noes
la respuesta final sino una predicción intermedia. Esto se debe a que se
ha distinguido a ésta con el superíndice O. La ecuación (16.13) se llama
ecuación.predictora. Proporciona una aproximación de y ¡ + que permi-
te el cálculo de una pendiente aproximada al final del intervalo:
y:+1 = f ( X i + l , Y?*d [16.14]
"P "_ I.... . .. ".".,

FIGURA 16.8 Esquema gráfico del método de Heun. o) Predictor y b) corrector.
Por 10 tanto, se pueden combinar las dos pendientes [ecuaciones(16.12)

y (16.14)] y obtener una pendiente promedio sobre el intervalo:
Esta pendiente promedio se usa para extrapolar linealmente de y, a y,,

usando el método de Euler:
que se llama una ecuación correctora.

El método de Heun es un esquema predictor-corrector. Todos los mé-
todos de pasos múltiples por discutirse en el capítulo 17 son de este tipo.
El Único método corrector-predictor de un paso descrito en este libro es
el método de Heun. Como se dijo antes, se puedeexpresar concisamen-
te como:
MÉTODOS DE UN PASO 543
I Predictor
(Fig 16.8a): = yi + f ( x i ,yi) h I [16.15]
Y¡> + f(Xi+lr Y ? + J
Corrector(Fig. 16.8b): yi+l = yi +fki, 2
[16.161
Nótese que debido a que la ecuación (16.16) tiene y¡+ 1 en ambos lados
del signo igual, ésta puede aplicarse para “corregir” enun esquema itera-
tivo. Esto es, se puede usar una aproximación anterior varias veces para
proporcionaruna
aproximación
mejorada de
El
proceso
muestra
en la figura 16.9. Se debe entender que este proceso no necesariamente
converge a la respuesta correcta sino que converge a una aproximación
con un error de truncamiento finito, como se demuestra en el siguiente
ejemplo.
Como con los métodos iterativos similares analizados en las seccio-
nes previas del libro, un criterio de paro en la convergencia del corrector
lo proporciona[recuérde la ecuación (3.5)]
[16.17]
en donde y!;: y y j + l son el resultado de la iteración anterior y actual del

corrector, respectivamente.
FIGURA 16.9 Representación gráfica de la iteración del corrector del método de Heun
para obtener una rrleior aproximación.
EJEMPLO 16.5
Método de Heun
Enunciado del problema: empléese el método de Heun para integrar y '

= 4e0 8x - 0 . 5 desde
~ x = O a x = 4 con tamaño de paso 1.La con-
dicióninicialen x = O es y = 2.
Solución: antes de resolver el problema numéricamente, se puede efec-

tuarel cálculo mediante la siguiente solución analítica:
y = 4 - e-0.5~) + & - 0 . 5 ~ [E16.5.1]

1.3
Esta fórmula se puede usar para generar los valores verdaderos los cua-
les se presentan enel cuadro 16.2.
La solución numérica se obtiene usando la fórmula predictora [Ec.
16.15)] paraobtener un valorde y para 0.5:
y': = 2 + [4e0 - 0.5(2)] 1 = 5

Obsérvese que este es el resultado que se debería obtener con el método
deEulerestándar.Usando elvalorverdaderodelcuadro 16.2, a este
corresponde un errorrelativoporcentualdel 19.3%.
Lapendiente en (xo, yo) es
yó = 4 e o - 0.5(2) = 3
Este resultado es muy diferente de la pendiente promedio verdadero en

intervalo de O a 1.0, que es igual a 4.194 6, calculada de la ecuación
Por lo tanto, para mejorar la
diferencial original usando la ecuación (V.3).
aproximación de la pendiente, se usaelvalor y: para predecir la pen-
diente alfinaldel intervalo:
que se puede combinar con la pendiente inicial y obtener:
que es más cercana a la pendiente promedio de 4.194 6.Este resultado

se puede sustituirenla ecuación correctora [Ec. (16.16)]para obtener
la predicción en x = 1:
y1 = 2 + (4.701 081 86)l = 6.701 081 86

MCTODOS DE UN PASO 545
CUADRO 16.1 Comparacidn delos valores verdaderosy aproximados dela inte-

gral de y' = 4eo*8x- 0 . 5 ~ con la condicidn incial de que y 2 en
x O. Los valores aproximadosse calcularon usandoel metodo de
Heun con un tamaño de paso de 1. Se muestran dos casos, corres-
pondientes a números diferentes de iteraciones del corrector, jun-
to con el error relativoporcentual absoluto
lteraciones con el metodo de Heun

1 15
x Yverdmdero Yheun lEvl '10 Yheun kv1
O 2.000 O00 O0 2.000 O00 O0 0.00 2.000 O00 o 0.00

1 6.19463138 6.701 081 86 8.18 6.360 865 2.68
49
2 14.843921 9 16.319 7819 9.94 15.302 236 7 3.09
3 33.677171 8 37.199 248 9 10.46 34.743 2761 3.17
4 75.338 962 6 83.337 767 4 10.62 77.735 096 2 3.18
que representa un error relativo porcentual del -8.18%. Por lo tanto,

el método de Heun reduce el valor absoluto del error en un factor de 2.4
comparado con el método de Euler.
Ahora esta aproximaciónse puede usar para refinaro corregir la pre-
dicción de y l sustituyendo el nuevo resultado de nuevo en el lado dere-
cho de la ecuación (16.16):
y]=2+
[3 + 4eo.8"' - 0.5(6.701 081 86)]
1 = 6.275 81139
2
que representa un error relativo porcentual del 1.31%. Este resultado,
a su vez se puede sustituir en la ecuación (16.16) para una mejor aproxi-
mación yl:
y1=2+
[3 + 4eo.8(1) - 0.5(6.275 811 39)]
= 6.382 129 O 1
2
que representa un error 1 ~ de ~ 3.03%.
1 Nótese cómo los errores algunas
veces crecen a medida que las iteraciones avanzan. Por ejemplo, en las
tres iteraciones el error crece en un 3.03%, estos incrementos pueden
ocurrir,especialmente en tamaños depaso muy grandes. Elusuario
debe evitar la conclusión general de que una iteración adicional siempre
mejora el resultado. No obstante, para un tamaño de paso lo suficien-
temente pequeño, la iteración debe eventualmente converger a un solo
valor. En este caso, se obtiene el resultado 6.360 865 49, que representa
un error relativo del 2.68% después de 15 iteraciones. En el cuadro 16.2
se muestran los resultados de los calculos restantes usandoel método con
1 y 15 iteracionespor paso.
546 MÉTODOS
En el ejemplo anterior, la derivada es una función de la variable de-

pendiente y y de la variable independiente x. Para casos polinomiales,
en donde las E D 0 son sólo función de la variable independiente, el
tamaño predictor [Ec. (16.15)Jn o se necesita y se aplica únicamente
el corrector a cada una de las iteraciones. En estos casos el método se
expresa abreviadamente como
[16.18]
Nótese la similitud entre el lado derecho de la ecuación (16.18)y la

regla trapezoidal [Ec. (13.3)].La conexión entre los dos métodos se pue-
de demostrar formalmente empezando con la ecuación diferencial ordinaria
Esta ecuación se resuelve para y integrando:
r+' R" dy = !(x)dx [16.19]
que lleva a
[16.20]
Yitl = yi + [+I f(x) dx [16.21]
Ahora, recuérdese de la sección 13.1que la regla trapezoidal [Ec. (13.3)]

se define como
o, en este caso
L16.221
donde h = xi+l- xi. Sustituyendo la ecuación (16.22) en la ecuación

(16.21) se obtiene
METODOS DE U N PASO 547
[16.23]
queesequivalente a la ecuación correctora [Ec. (16.16)].

Debido a que la ecuación (16.23) es una expresión directa dela regla
trapezoidal, el error local de truncamiento está dado por [recuérdese la
Ec. (13.6)]
[16.24]
donde está entre xi y xi+l.Por lo tanto, el método es de segundo orden

debido a que la derivada de segundo orden de E D 0 es cero cuando la
solución es cuadrática. Además, los errores local y global son de O(h3)
y O(h2), respectivamente. Por lo tanto, disminuyendo el tamaño de pa-
so se disminuye también el error más rápidamente que usando el méto-
do de Euler. La figura 16.10, que muestra el resultado de usar el método
de Heun para resolver el polinomio del ejemplo16.1, demuestra estecom-
portamiento.
16.2.2 Método meiorado del polígono (Euler modificado)
La figura 16.11 ilustra otra modificación simple del método de Euler. Es-
te método, llamado poligono mejorado (o € d emodificado),
r usa el mé-
Figura 16.1 O Comparación de la solución verdadera con un método numérico usan-

+
do los métodos de Euler y Heun de la integral de y' = -2x3 12x2
- 2oX + 8.5
""" .. - .- ' ... .

FIGURA 16.11 Esquema gráfico del método del polígono mejorado. a) Ecuación ( 1 6.25)
y b) ecuación ( 1 6.27).
todo de Euler para predecir un valor de y en el punto medio del intervalo

(Fig. 16.l l a ) :
116.251
Entonces este valor predecid0 se usa en la aproximación de la pendiente

e n el punto medio:
I y:+1/2 = f(Xi+l/2,Yi+l/2) I [16.26]
lo cual, se supone, representa una aproximación válida de la pendiente

promedio en el intervalo completo. Esta pendiente se usa para extrapo-
lar linealmente de x,a x,, usando el método de Euler (Fig. 16.l l b ) :
1 Yi+l = Y¡ + f(X,+1,2, Yi+l/2)h 1 [16.27]
Nótesequedebido a quenoestáenambos lados, la correctora [Ec.

(16.27)] no se puede aplicar iterativamente para mejorar la solución.
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 prediccfón. Recuérdese del análisis de derivación numérica
de la sección 3.5.4 que las diferencias divididas centrales fueron mejores
aproximaciones a la derivada que las versiones hacia adelante y atrás.
Enelmismo sentido, unaaproximación centrada, como la ecuación
(16.26) tiene un error de truncamiento local de O(h2) en comparación con
la aproximación hacia adelante del método de Euler que tiene un error
de O(h). Por consiguiente, los errores local y global del método del poli-
gono mejorado son O(h3) y O(h2), respectivamente.
16.2.3 Algoritmo para lacomputadora de los métodosde Euler

meiorado y modificado
El método de Heun con un corrector simple y el método mejorado del

polígono se pueden programar con facilidad usandola estructura general
mostrada en la figura 16.6. Es una tarea relativamente simple la de mo-
dificar lasubrutinadelprogramageneralparacalcularlapendientede
acuerdo con estos métodos.
Sin embargo, cuando se implementa la versión iterativa del método
de Heun, las modificaciones son un poco más complicadas. En la figura
16.12 se ha desarrollado una subrutina para este propósito. Esta subruti-
SUBROUTINE HEUN( X , Y > S1 = pendiente al prmclplo

COMMON H. I M , E S del intervalo
F( X , Y )-4*EXP( , 8 o X )- , 5-Y Y1 = prediccldn al h i l l del
Sl=F<X,Y) 1nterva10
X-X+N IM = ttsracl6n rnAxma del
YI=Y+$I*n COrleCtOr
DO 1 1 0 0 IT=l.IM S2 = pendente al fm.9 del
SP-F(X.Yl ) !"tervalo
SL-~s1*S2,,'2 SL = pendmnte promedlo
YP-Y+SL.M fCorrector1
E A = A B S ( ( V 2 - Y I )/Y2 M 1 0 8 E A = error calculado %
I F < E A . L E , E S ) G O TO I 1 2 0 fPrueba del error donde
Y I -Y2 ES = error aceptable1
I 1 O9 CONTINUE
YRITE(6.4)EA
4 FORMAT( ' ' I ' L A I T E R A r l O N M A X I M A E X C E D I D EA=
CF10.5)
I 1 2 0 X-X-H
RETURN
EN0
FIGURA 16.12 Versionesen FORTRAN y BASIC d e la subrutina que implementa el mé-

todo iterativo d e Hewn.
"""" .. . .
._," . ...,. .- .
na se puede combinar con la figura 16.6 para desarrollar programas del

método iterativo de Heun.
16.2.4 Resumen
Manipulando el método de Euler se han derivado dos nuevos métodos

de segundo orden. Aun cuando estas versiones requieren mayor esfuer-
zo de cálculo para determinar la pendiente, la reducción que acompaña
al errorpermitiráconcluirenunasecciónsubsiguiente (sección 16.3.4)
que la exactitud mejoradaes, en general, merecedora del esfuerzo. Aunque
existenciertos casos en dondelosmétodosfácilmenteprogramables
tales como el método de Eulerse pueden aplicar ventajosamente, los mé-
todos del polígono mejorado son generalmente superioresy se deben im-
plementar si son consistentes con los objetivos del problema.
Como se menciona al principio de la sección, el método de Heun (sin
iteraciones), el método del polígono mejorado y , de hecho, el método
mismo de Euler son versiones de una clase más amplia de esquemas de
un paso llamado métodos de Runge-Kutta. Ahora se desarrolla la deriva-
ción formal de estos métodos.
16.3 MÉTODOS DE RUNGE-KUTTA

Los métodos de Runge-Kutta tienen la exactitud del esquema de la serie
de Taylor sin necesitar del cálculo de derivadas superiores. Existen mu-
chas variaciones pero todas ellasse pueden ajustar a la forma general de
la ecuación (16.1):
Yi+l = Y, + +(Xi, Yi, h) h r16.281
donde a 4 (xi,yi, h ) se le llama función de incremento y puede interpre-
tarse como elpromedio de la pendiente sobre el intervalo. La función
de incremento se puede escribir enla forma general como
# = alkl + a2k2 + * * + ankn [16.29]
en donde las a son constantes y las k son

[16.29a]
[16.29b]
METODOS DE UN PASO SS 1
Obsérvese que las k son relaciones recurrentes. Esto es, kl aparece en

la ecuación de kZ, que aparece en la ecuación de k3, etc. Esta recurren-
cia hace a los métodos RK eficientes para su cálculo en computadora.
Se pueden desarrollar varios métodos de Runge-Kutta empleando una
cantidad diferente de términos enla función de incremento especificados
por n. Nótese que el método RK de primer orden con n = 1 es, de he-
cho, el método de Euler. Una vez que se ha escogido n, los valores de
las a, de las p y de las q se evalúan igualando la ecuación (16.28) a los
términos en una expansión de la serie de taylor (recuadro 16.1). Por lo
tanto, al menos para versiones menores de la orden, en general, el nú-
mero de términos n representa el orden del método. Por ejemplo, enla
siguente sección, los métodos RK de segundo orden usanunafunción
de incremento con dos términos (n = 2). Estos métodos de segundo or-
den son exactos si la solución a la ecuación diferenciales cuadrática. Ade-
más, debido a que se desprecian los términos con h 3 y de orden superior
durante la derivación, el error local de truncamiento es O(h3) y el error
global es O(h2). En secciones posteriores se desarrollan los métodos RK de
tercer y cuarto orden (n = 3 y 4). En estos casos, los errores globales
detruncamientoson O(h3) y O(h4), respectivamente.
RECUADRO 16.1 Obtención de los coeficientes de los métodos de segundo orden de Runge-Kutta
La versión de segundo orden de la ecuación es:

(16.28)
[B16.1.5]
Sustituyendo
la ecuaci6n (B16.1.5)en (B16.1.4)
se
donde obtiene:
donde f' (xi, y,) debe determinarse derivando con la

gladela cadena(sección 16.1.3):
re- g(x+r, y + ~ )= g(x, y) + r-as + s- as + - .
*
ax ay
Aplicando este método enlaexpansióndelaecuación Ahora, comparando términos semejantes enlas ecuacio-
obtiene
nes
(B16.1.3) se (B16.1.6)y (B16.1.7),selas
determina
que
para
que
dos ecuaciones sean equivalentes, se debe cumplir lo si-
f(xt + plh, Y I + q11klh) guiente:
al + a2 = 1
azpl = $
Este
resultado
puede
se
sustituir
ecuación
junto
la
con 1
a2q11 = 5
(B16.1.2)enlaecuación (B16.1.1) paraobtener
Estastres ecuaciones simultáneascontienenlascuatro
yi+l = y, + alhf(x1, y11 + a2hf(xi,yi) constantes
incógnitas.
Debidoque
a existe
una incógnita
másqueelnúmerode ecuaciones, nohay un conjunto
+ azph2-ax af + azqllh2f(xi,y3- af Único de valores que satisfagan las ecuaciones. Sin em-
ay bargo,
adjudicándole un valor lasadeuna constantes, se
+o@ 3) Por tres.otras
determinar
pueden
las consiguiente,
existe
una familia de métodos de segundo orden en vez de una
sola o,
términos,
reordenando
+ o(h3) [B16.1.7]
16.3.1 Métodos de Runge-Kutta de segundo orden
La versión de segundoordende la ecuación (16.28) es
[16.30]
[16.30a]
[16.30b]
Como se describe en el recuadro 16.1, los valores de a l , a2,P1y q1 se

evalúan igualando la ecuación (16.30) a la expansión de la serie de Tay-
lor hasta el segundo término. Haciendo esto, se obtienen tresecuaciones
para evaluar las cuatro incógnitas constantes. Estas tres ecuaciones son
al + a2 = 1 [16.31]
[16.32]
[16.33]
Debido a que se tienen tres ecuaciones con cuatro incógnitas se debe

suponer el valor de una de las incógnitas para determinar las otras tres.
Supóngase que se especificaelvalor de a2. Entonces las ecuaciones
(16.31) a la (16.33) se resuelven simultáneamente para:
a1 = 1- a2 [16.34]
1
1
P1 = 911 = -
2a2 [16.35]
Ya que se puede escoger una cantidad infinita de valores de a2, existe

un número infinito de métodos de RK de segundo orden. Cada versión
llevaría exactamente a los mismos resultados si la solución de la E D 0 es
cuadrática, lineal o constante. Sin embargo, llevan a resultados diferen-
tes cuando la solución es más complicada(como es el caso típico). A con-
tinuación se muestran tres de las versiones más comúnmente usadas y
preferidas:
Método de Heun con un corrector simple (a2 = 1/2). Si se considera

que a2 es igual a un medio (1/2), entonces 1% ecuaciones (16.34) y
(16.35)se pueden resolver para al = 1/2 y p 1 = qll = 1. Estos pará-
metros, cuando se sustituyen en la ecuación (16.30) generan
[16.36]
donde
[16.364
l16.3661
Obsérvese que kl es la pendiente al principio del intervalo y k2 es la pen-

diente al final del intervalo. Por consiguiente, este segundo método de
Runge-Kutta es realmente el método de Heun con una sola iteración del
corrector.
El método meiorado del polígono (a2 = 1). Si se supone que a2 sea

1, entonces al = C, p 1 = q l l = 1/2, y la ecuación (16.30) viene a ser:
[16.37]
donde
[16.37a]
[16.376]
Este es el método mejorado delpolígono
Método de Ralston (a2 = 2/3).Ralston (1962) y Ralston y Rabinowitz

(1978) determinaron que escoger a2 = 2/3 proporciona un límite míni-
mo en el error de truncamiento de los algoritmos RK de segundo orden.
Paraesta versión, a , = 1/3 y p 1 = q I 1 = 3/4:
[16.38]
donde
EJEMPLO 16.6
Comparación de varios métodos RK de segundo orden
Enunciado del problema: utilícese el polígono mejorado [Ec. (16.3711 y

el método de Ralston [Ec. (16.38)]para integrar numéricamente la ecua-
14):
ción (VI.
f(x, y ) = -zX3 + 12x* - zox + 8.5

desde x = O hasta x = 4 usando un tamaño de paso de 0.5. La condi-
ción inicial en x = O es y = 1. Compárense estos resultados con los va-
lores obtenidos usando otro algoritmoRK de segundc orden: el método
deHeunconiteracionesde un corrector (Fig. 16.10 y cuadro 16.3).
Solución: elprimer paso enel método del polígono mejorado es elde

usarla ecuación (16.37a) paracalcular:
kl = -2(0)3 + 12(0)' - 2O(O) + 8.5 = 8.5

No obstante, debido a que la E D 0 es una función sólo de x, este resulta-
do se requiereparacalcular k,; alusarla ecuación (16.37b) se tiene
k2 = -2(0.25)3 + 12(0.25)2- 20(0.25) + 8.5 = 4.218 75

Nótese que esta aproximación de la pendiente es mucho más cercana al
valor promedio sobre el intervalo (4.437 5) que la pendiente al principio
delmismo (8.5) que debió usarse en el método de Euler. La pendiente
1 en el punto medio se puede sustituir en la ecuación (16.37)para predecir
CUADRO 16.3 Comparación delos valores verdaderosy aproximados dela inte-

gral de y ' -2x3 +
1 2x2 -2Ox +
8.5, con la condicidn inicial de
que y 1 en x O. Los valores aproximadosse calcularon usando
tres versiones RK de segundo orden con un tamaño de paso 0.5 de
Heun
corrector
Polígono
RKRalston
orden
de
segundo
mejorado
simple
x Y veradera y I 4 Y 1% % y lk"l
0.0 1 .o00 O0 1.000 O0 o 1.000 O0 o 1 .o00 O0 O
0.5 3.218 75 3.43750 6.8 3.1093753.4 3.277 343 75 1.8
1 .o 3.000O0 3.375O0 12.5 2.812 50 6.3 3.101 5625 3.4
1.5 2.218 75 2.68750 21.1 1.984 375 10.6 2.347 656 25 5.8
2.0 2.000 O0 2.500 O0 25.0
12.5 1.75 2.140625 7.0
2.5 2.718 75 3.18750 17.2 2.484375 8.6 2.855 468 75 5.0
3.0 4.000 O0 4.375O0 9.4 3.81250 4.7 4.117 1875 2.9
3.5 4.718 75 4.93750 4.6 4.6093752.3 4.800 781 25 1.7
4.0 3.000O0 3.000O0 O 3 O 3.03125 1 .o
= 1
~(0.5')' + 4.21875(0.5) = 3.109375 E" = 3.4%
El cálculo se repite, y losresultadosseresumenen la figura 16.13 y en

el cuadro 16.3.
FIGURA 16.13 Comparación de la solución verdadera con los métodosnuméri-

cos,tres RK de segundo orden y método de Euler.
556 NUMÉRICOS PARA INGENIEROS
M~TODOS
En el método de Ralston, kl en el primer intervalo también es igual

a 8.5 y [Ec. (16.38b)l:
k2 = -2(0.375)3 + 12(0.375)2- ZO(0.375) + 8.5 = 2.582 031 25

La pendiente promedio se calcula mediante
4 = i(8.5) + $ (2.582 031 25) = 4.554 687 5

que se puede usar para predecir
) 1 + 4.5546875(0.5)
~ ( 0 . 5= = 3.27734375 = -1.82%
Los cálculos se repiten, y los resultados se resumen en la figura 16.13

y el cuadro 16.3. Obsérvese cómo todos los métodos RK de segundo or-
den son superiores al método de Euler.
16.3.2 Métodos de Runge-Kutta de tercer orden
Se puede llevar a cabo unaderivación análoga a la del método de segun-

do orden, para n = 3. El resultado de esta derivación es de seis ecuacio-
nes con ocho incógnitas. Por lo tanto, se deben especificar a priori los
valores de dos de las incógnitas para determinar los parámetros restan-
tes. Una versión común que resulta es
r16.391
donde
[16.39a]
[16.39b]
[16.39c]
Obsérvese que si la derivada es una función sólo de x , este rnétodo de

tercer orden se reduce a la regla de Simpson de 1/3. Ralston (1962) y
Ralston y Rabinowitz (1978) han desarrollado una versión alternativa que
proporciona un límite mínimo en el error de truncamiento. En cualquier
caso, los métodos RK de tercer orden tienen errores globales de O(h4)
y O(h3), respectivamente, y llevan a resultados exactos cuando la solu-
ción es de ordencúbico. Como semuestra en el siguiente ejemplo, cuan-
do se trata de polinomios, la ecuación (16.39) será exacta cuando la
ecuación diferencial sea de orden cúbico y la solución de orden cuarto.
Esto es porque la regla de Simpson de 1/3 proporciona aproximaciones

exactas a laintegraldeordencúbico (recuérdese el recuadro 13.3).
EJEMPLO 16.7
Método RK de tercer orden
Enunciado del problema:utilícese la ecuación (16.39) paraintegrar
a) Una E D 0 queesexclusivamenteunafunciónde x [Ec. (VI.14)]:
d~ - -2x3
" + 12x2 - 20x + 8.5
dx
con y(0) = 1 y detamañodepaso igual a 0.5.
b) Una ED0 que es unafunciónde x y y:
dY
- = 4e0,&- 0 . 5 ~
dx
con y(0) = 2 desde x = O a 1 con un tamañodepaso 1.
Solución:
a) Se puedenusarlas ecuaciones (16.39~1) ) calcular:
a la ( 1 6 . 3 9 ~para
kl = -2(0)3 + 12(0)2- 20(0) + 8.5 = 8.5

k2 = -2(0.25)3 + 12(0.25)2- 20(0.25) + 8.5 = 4.218 75
k3 = -2(0.5)3 + 12(0.5)2 - 20(0.5) + 8.5 = 1.25
que se puedesustituirenla ecuación (16.39) para obtener:
y(0.5) = 1 + {i[8.5 +4(4.218 75)+ 1.25]}0.5 = 3.218 75
la cual es exacta. Porlo tanto, ya que la solución verdadera es un polinomio

de cuarto orden [Ec. (VI.13)]. La regla de Simpson de 1/3 proporciona
un resultado exacto.
558
que se puede sustituirenla ecuación (16.39) y obtener:
) 2+
~ ( 1 . 0= + 4(4.217 298 79) + 5.184 864 9241 1 1
= 6.175 676 681
que representa un E , = 0.31 % (valorverdadero = 6.194 631 38), que

es superior en mucho a los resultados obtenidos previamente con los mé-
todos RK de segundo orden (esto es, el Heun sin iteraciones) del ejemplo
16.5.
16.3.3 Métodos de Runge-Kutta de cuartoorden
Los métodos RK más populares son los de cuarto orden. Como sucede
con los métodos de segundo orden, existe un número infinito de versio-
nes. El siguiente algunas veces se llamamétodo clásico RK de cuarto orden:
donde
[16.40~11
[16.40b]
[16.40~1
[16.40d]
Obsérvese que para las E D 0 que sólo son función de x , el método clási-
co deRKtambién es equivalente a laregladeSimpsonde 1/3.
EJEMPLO 16.8
Método clásico RK de cuarto orden
Enunciado del problema: utilícese el método clásico RK de cuarto orden

[Ec. (16.4O)Jparaintegrar:
f(x,y) = -2x3 + 1zx2 - 2oX + 8.5
usando un tamaño de paso de 0.5 y unacondicióninicialde y = 1

en x = 0.
Solución: las ecuaciones (16.40~)

a la (16.40d) se usan paracalcular:
kl = -2(0)3 + 12(0)' - 20(0) + 8.5 = 8.5

k2 +
= ~ 2 ( 0 . 2 5 ) ~12(0.25)' - 20(0.25) + 8.5 = 4.218 75
k3 = 4.218 75
k4 = -2(0.5)3 + 12(0.5)* - 20(0.5) + 8.5 = 1.25
que se puedensustituirenla ecuación (16.40) para obtener:
y(O.5) = 1 + {i[8.5 + 2(4.21875) + 2(4.218 75) + 2(4.218 75)
+ 1.25110.5 = 3.21875
el cual es exacto. Por lo tanto, debido a que la solución verdadera es de
cuartoorden [Ec. (VI.131, el método de cuartoordenproporciona un
resultado exacto.
16.3.4 Métodode Runge-Kutta de orden superior
Donde se requiera mayor exactitud, se recomienda método

el RK de quinto
orden, Butcher (1964):
donde
kl = f k i , Y¡) [16.41a]
k5 = f(xi + h, yi + &hkl + & h b ) [16.41e]
ks =/(xi + h, yi - Qhkl +'$hk2 + y h k 3 - Y h k 4 + $hk5) [16.41f]
Obsérvese la similitud entre el método de Butcher y la fórmula Newton-

Cotes de quinto orden del cuadro 13.3. Se puede disponer de fórmulas
RK de orden superior, tales como el método de Butcher, pero, en gene-
ral, la ganancia obtenida en exactitud por los métodos de orden superior
al cuarto se contrapone con la complejidad y esfuerzo de cálculo.
EJEMPLO 16.9
Comparación de los métodos de Runge-Kutta
Enunciado del problema: emplirenselos métodos RK desde primero has-

ta quinto orden para resolver
con y(0) = 2 de x = O hasta x = 4 con varios tamaños de paso. Com-

párese la exactitud de los varios métodos en el resultado x = 4 basado
en la respuesta exacta de y(4) = 75.338 962 61.
Solución: efectúense los cálculos usando los métodos de Euler, Heun sin
corregir, RK de tercer orden [Ec. (16.39)],RK clásico de cuarto orden
y el método RK de Butcher de quinto orden. Los resultados se mues-
tran en la figura 16.14, en donde se ha graficado el valor absoluto del
error relativo porcentua! contra el esfuerzo computacional.Esta última can-
FIGURA 16.1 4 Comparación del error relativo porcentual contra el esfuerzo de

cálculo de los métodos del primero ai cuarto de Runge-Kutta.
tidad es equivalente al número de evaluaciones de la función necesarias

para alcanzar un resultado,
b - a
Esfuerzo = nf ~
[16.42]
h
en donde nf es el número de cálculos de la función relacionados con el
cálculo particular RK. Para órdenes 5 4, nf es igualalordendel méto-
do. Sin embargo, obsérveseque el método RK de Butcher de quinto
orden requiere de seis cálculosde la función [Ec. (16.41a) a la (16.41fl1.
Lacantidad ( b - a ) / h es el intervalototaldeintegracióndivididopor
el tamaño del paso, es decir, es el número de aplicaciones del método
RK necesarias para obtener el resultado. Por lo tanto, ya que las evalua-
ciones de la función son, en general, los pasos que consumen más tiem-
po, la ecuación (16.42) proporciona una medida aproximada del tiempo
de corrida necesarios para alcanzar la respuesta.
Analizandolafigura 16.14 se llega a algunas conclusiones: prime-
ro, que los métodos de ordensuperiorobtienen mejores exactitudes
con el mismo esfuerzo de cálculo y segundo, que la ganancia en exacti-
tud por el esfuerzo adicional tiefide a disminuir después de un punto. (NÓ-
tese que las curvas caen rápidamente alprincipio y después tienden a
nivelarse.)
El ejemplo 16.9 y lafigura 16.14 llevan a la conclusión de que los

métodos RK de orden superior son siempre los métodos de preferencia.
Sin embargo, se deben considerar también otros factores tales como los
costos de programación y los requisitos de exactitud del problema cuando
se escoja un método de solución. Estos elementos de juicio se analizan de-
talladamenteen los casos delcapítulo 18 y enelepílogo de laparte VI.
16.3.5 Error local de truncamiento de los métodos de Runge-Kutta
Debido a que un método de Runge-Kutta de n-ésimo orden se determi-

naigualando los términosde la ecuación (16.28) y la expansiónde la
seriedeTaylorhasta los términosquecontienen h", elerrorlocalde
truncamiento se puede expresar como
E, = O(,"+') [16.43]
en donde el valor exacto de E, depende de f ( x , y) y sus derivadas supe-

riores. En general, no es posible calcular E, en base a la ecuación (16.43)
ya que los cálculossondemasiadocomplicados. Enel mejor de los
casos, si h es pequeña, y por consiguiente si a la ecuación la domina el
primer término de la serie de Taylor, los coeficientes del método de RK
[esto es, las a , p y q de la ecuación (16.29)) sepuedenescogerdetal
562 INGENIEROS PARA M~TODOS
NUMERICOS
manera que minimicen el límite superior E,. Más allá de eso, un análisis
del error del método RK viene a sermás complicado.
Por ejemplo, el método deRunge-Kutta-Fehlberg se basaenel cálculo
de dos aproximaciones RK de orden diferente, restando los resultados
para obtener una aproximación del error.El método consisteen la fórmula
de cuarto orden:
Yi+l =
25
+ ( E k 1 + ~
1 408
2 565
k3 + ~
2 197
4 104
k4 -
5
1
-ks) h 1 r16.441
junto con lafórmuladequinto orden:
6 656 28 561
yi+l = yi +(gkl + 12 825 k3 + 56 430
[16.45]
donde
12
k4 = f(xi + Gh, yi +-
2 197
1 932
hkl - ~
Oo'
2 197
hkp + 7 296
-hk3
2 197
3
439 680
+ h, yi + -hkl
216
- 8hk2 +"- 3513 410
1 8 3 544
ki = f(xi + Zh, yi - -hk,
27
+ 2hk2 - ___
2 565 hk3
+- 1859
4 104 40
la aproximacih al error se obtiene restando la ecuación (16.44) de la

(16.45) paraobtener
I I
MÉTODO DE UN PASO 563
Por lo tanto, la E D 0 se puede resolver con la ecuación (16.44) y la apro-

ximación del error de la ecuación (16.46). Sin embargo, la aproximación
al error se alcanza a costa de una complejidad extra y de un esfuerzo de
cálculo. Nóteseque, después de cada uno delos pasos, la ecuación (16.46)
se puede sumara la ecuación (16.44) y llegar a resultados de quinto orden.
Aunqueelmétodo de Runge-Kutta-Fehlberges algomás pesado
para manejarse que el método Runge-Kutta de cuarto orden, existen si-
tuaciones en donde el error aproximado lo convierte en un método pre-
ferible. El cálculo del error es de particular importancia cuando se trata
de funciones que requieren pasospequeños en algunas regionesy pasos
grandes en otras. En tales funciones, un error aproximado proporciona
una base para cambiar el tamaño de paso durante los cálculos. De otra
forma, el tamaño del pasose debe escoger conservadoramente, es decir,
debe ser más pequeño que lo necesario para alcanzar la exactitud desea-
da, ademásde acomodar laregiónquerequieradelostamañosmás
pequeños. Esta limitación se considerará con más detalle cuando se ana-
licen métodos de pasos múltiples en el capítulo 17 para los cuales las apro-
ximaciones delerror se obtienen con mayor facilidad.
16.3.6 Algoritmos para computadora de los métodos de Runge-Kutta
Como en todos los métodos cubiertos en el capítulo, el método de RK

se ajusta muy bien en el algoritmo general de la figura 16.6. En la figura
16.15 se presentan subrutinas en los lenguajes FORTRAN y BASIC que
determinan la pendiente del método RKde segundo orden de Ralston
[Ec. (16.38)].Las subrutinas para calcular pendientes de todas las otras
versiones se pueden programar fácilmente de manera similar.
Enel método de RK-Fehlberg, el tamaño variable de paso se puede
incorporar de diferentes maneras. Una forma de hacerlo (Maron, 1982)
es la de especificar un límite inferior y otro superior en el error. El objeti-
vo es el de emplear un tamaño de paso que genere una aproximación
FIGURA 16.15 Subrutinas en FORTRAN y BASIC para determinarlapendienteusando

el método de Ralston de segundo orden de RK
564
INGENIEROS PARA NUMfRICOS METODOS
del error dentro del rango aceptable. Si el error aproximado es mayor

que el límite superior, el tamaño de paso se parte a la mitad hasta que
el error se encuentre dentrodel rango aceptable. Si el error aproximado es
menor que el límite inferior, el tamaño de paso se duplica hasta que el
error se eleva de un rango aceptable.
16.4 SISTEMAS DE ECUACIONES

Muchos problemas prácticos de ciencia e ingeniería requieren de la solu-
ción de un sistema de ecuaciones diferenciales ordinarias en lugar de una
sola ecuación. Tales sistemas se pueden representar generalmente como
[16.47]
La solución de este sistema requiere que las n condiciones iniciales se co-

nozcan en un valor inicial de x.
Todos los métodos analizados en este capítulo para ecuaciones sim-
ples se pueden extender para el sistema mostrado anteriormente. Las apli-
caciones de la ingeniería pueden implicar la solución de varios cientos de
ecuaciones simultáneas. En este caso, el procedimiento de solución del
sistema de ecuaciones simplemente significa aplicar el método de un paso a
cada una de las ecuaciones antes de continuar con el siguiente paso. Es-
to se ilustra mejor en el siguiente ejemplo.
EJEMPLO 16.1 O
Solución de sistemas de E D 0 usando el método de Euler
Enunciado del problema: resuélvase el siguiente conjunto de ecuaciones

diferenciales usando el mGtodo de Euler, suponiendo que en x = O, y1
= 4, y y 2 = 6. Intégrese a x = 2 con un tamaño de paso de 0.5.
Solución: el método de Euler se implementa como en la ecuación (16.2)
yZ(0.5) = 6 + [4 - 0.3(6)- 0.1(4)]0.5 = 6.9

Obdervese que yl(0) = 4 se usa en la segunda ecuación en vez de
y l(0.5) = 3 , calculado con la primera ecuación. Procediendo de una
manera semejante se obtiene
X Y1 Y2
O 4 6
0.5 3 6.9
1.0 2.25 7.715
1.5 1.687 5 8.445 25
2.0 1.265
6215 5
9.094 087
16.4.1 Algoritmo para la computadora para la solución de sistemas

de ED0
El programa para resolver una sola E D 0 con el método de Euler (Fig.
16.6) se puedeextender fácilmente a un sistema de ecuaciones. Las mo-
dificaciones incluyen:
1. Introducir el núrrero de ecuaciones, n.

2. Introducir los valc'res iniciales para cada unade las n variables depen-
dientes.
3. Modificar la subrutina de tal manera que calcule las pendientes de ca-
da una de las variables dependientes.
4. Incluir funciones adicionales para calcular las derivadas de cada una
de las EDO.
5. Incluir las ecuacicnes restantes (del tipo en la linea 230 de la versión
BASIC) para calc.darun nuevo valor de cada una delas variablesde-
pendientes.
Obsérvese que cualquiera de los métodos de un paso de este capitu-

lo se pueden usar para este algoritmo. La única diferencia seria la for-
mulación de la subrutina que calcula las pendientes. El método clásico
RK de cuarto orden es una buena alternativa para este propósito ya que
proporciona una exactitud excelente y es relativamente fácil de progra-
mar. Una característica importante de un programa de computadora para
resolver sistemas de E D 0 con un método RK es la secuencia del cálculo
de las k como se demuestra en el ejemplo siguiente.
EJEMPLO 16.1 1
Solución de sistemas de ED0 empleando el método RK de cuarto orden
Enunciado del problema: utilícese el método RK de cuarto orden para

resolver las E D 0 del ejemplo 16.10.
Solución: primero, se deben resolver para todas las k l :
kl,l = f(0, 4, 6) = -0.5(4) == -2

k1.2 = f(0, 4, 6) = 4 - 0.3(6) - 0.1(4) = 1.8
en donde k,,,es el i-ésimo valor de k para la j-ésima variable dependien-

te. En seguida, se calculan los valores de y l y y 2 que se necesitan para
determinar las k2:
y1 + $hkl,l = 4 + $(0.5)(-2) = 3.5

y2 + i h k l , 2 = 6 + $(0.5)(1.8)= 6.45
que se usan para calcular:
k2,1 = f(0.25, 3.5, 6.45) = -1.75

k2,2 = f(0.25, 3.5, 6.45) = 1.715
El proceso continúa hasta calcular las k restantes:
k3,1 = f(0.25, 3.562 5, 6.428 75) = -1.781 25

k3,2 =f(0.25, 3.562 5, 6.428 75) = 1.715 125
k4.1 = f(0.5, 3.109 375, 6.857 562 5) = -11.554 687 5
k4.2 = f(0.5, 3,109 375, 6.857 562 5) = 1.631 793 75
Los valores de k se pueden usar para calcular [Ec. (16.40)l:
yl(0.5) = 4 + iL-2 + 2(-1.75 - 1.781 25) - 1.554 687 510.5

= 3.115 234 38
y2(0.5) = 6 + 2[1.8 + 2(1.715+ 1.715 125)+ 1.431793 7510.5

= 6.857 670 32
~ ~~ ~
Procediendo de manera semejante en los pasos restantes, se obtiene
X Y1 Y2
O 4 6
0.5 3.1 15 234 4 6.857 670
3
1 .O 2.426 171 3 7.632 105
7
1.5 1.889523 1 O
8.326 886
2.0 1.471576 8 8.946 865
1
16.4.2 Problemas con valores en la frontera: métodosde disparo
La solución de ecuaciones con valores en la frontera usando el método

de disparo es un ejemplo de un problema que en el contexto de los siste-
masde E D 0 se puederesolver. Recuérdese delanálisis alprincipio
de la parte VI, que una ecuación diferencial ordinaria va acompañada de
condiciones auxiliares. Estas condiciones se usan para evaluar las cons-
tantes de integración que resultan durante la solución de una EDO. Para
unaecuación de n-ésimo orden, se debenevaluar n constantes, y por
lo tanto, se requieren n condiciones. Si se especifican todas las condicio-
nes en un mismovalor de lavariable independiente, entonces se trata
de un problema con valores iniciales. En su mayoría la parte VI trata este
tipo de problemas.
En contraste hay otra clase de E D 0 para la que las condiciones no
se dan en un solo punto pero sí en varios valores de la variable depen-
diente. Debido a que estas condiciones se expresan en los puntos extre-
mos o límites, éstosse les conocen conel nombre deproblemas con valores
en la frontera. Una variedad de problemas significativosde ingeniería caen
dentro de esta clase. En este capítulo, se analiza un esquema general pa-
ra resolverestosproblemas: el método de disparo.
El método de disparo está basado en la conversión de problemas de
valores en la frontera en problemas de valor inicial equivalente. Se im-
plementa un esquema de prueba y error que resuelve la versión de valo-
res iniciales. El esquema se puede ilustrarcon un ejemplo.
EJEMPLO 16.1 2
El método de disparo
Enunciado del problema: empléese el método de disparo para resolver
I d2Y + 0.2y = 2
-
dx2
con las condiciones en la frontera y(0) = O y y ( 10) = O.

Solución: usando el mismo esquema empleado en la transformación de
la ecuación (VI.2)en las ecuaciones (VI.3)y (VI.6), la ecuación de se-
gundo orden se puede expresar como dos EDO:
dY
"
- 2 [E16.12.1]
dx
Y
dz
"
- 2 - 0.2y [E16.12.2]
dx
FIGURA 1616 Método de disparo: a) el primer "disparo"; b) segundo "disparo";

y c) el "tiro" exacto final.
A fin de resolver estas ecuaciones, se requiere un valorinicialpara

z. Para el método de disparo, se elige un valor, que puede ser 40) = 1.
Entonces la solución se obtieneintegrandolas ecuaciones (E.16.12.1)
y (E16.12.2) simultáneamente.Por ejemplo, usando un método RK
decuartoordenparasistemas de ODES, se obtiene un valorfinaldel
intervalo de y(10) = 10.208 (Fig. 1 6 . 1 6 4 , que define el valor verdade-
ro y (10) = O por lo tanto, se hace otra elección, z(0) = 2 , y se llevan
a cabo nuevamente los cálculos. Esta vez, elresultado y (10) = 8.035
está un poco más cercano alvalorverdaderode y(10) = O , peroaún
persisteelerror (Fig. 16.166).
Ahora, debido a que la E D 0 es lineal, los valores
z(0) = 1 y(10) = 10.208
z(0) = 2 y(10) = 8.035
están relacionados linealmente. Como tales, se pueden usar para calcu-

larelvalorde z(0) queconforma a y(10) = O. Se puedeemplear una
fórmula de interpolación para este propósito [recuérdese la Ec. (ll.í!)]:
2 - 1
z(0) = 1 + (O - 10.208) = 5.7
8.035 - 10.208
Este valor se pQede usar para determinar la solución correcta como

se muestraenlafigura 16.16~.
L
Para problemas con valor a la frontera no lineales, la interpolación

lineal o extrapolación a través de la solución de dos puntos no resultane-
cesariamente una aproximación segura de la condición en la frontera re-
querida para obtener una solución exacta. Un esquema alterno es el de
realizar tres simulacionesy usar un polinomio de interpolación cuadrático
para calcular la condición en la frontera. Sin embargo, no es muy proba-
ble que tal esquema lleve a la respuesta exacta, y con iteraciones adicio-
nales sería necesario obtener la solución.
Debido a que éste es un proceso ineficiente, existen métodos alterna-
tivosentales casos. Los máscomunes son los métodos de diferencias
finitas. Estos métodos son apropiados para problemas con valores a la
frontera lineales y no lineales. En estos esquemas, las diferencias dividi-
das finitas se sustituyen por las derivadas en la ecuación original. De esta
570 PARA INGENIEROS
METODOS NUM~RICOS
manera, la ecuación diferencial se transforma en un conjunto de ecua-

ciones algebraicas simultáneas que se puede resolver usando un método
de la parte 111. Este es el esquema que se usa en el caso 9.2 para resolver
ladistribucióndela temperatura de una placa caliente. Los problemas
9.8, 16.9 y 18.10 se relacionan con la solución de problemas con valo-
res a la frontera.
PROBLEMAS
Cálculos a mano
16.1 Resuélvase el siguienteproblema con valorinicial sobre el intervalo de x = Oa

x = 2:
dY
-= yx2 -y
dx
donde y(0) = 1. Grafiquese la solución
16.2 Utilicese el método de Euler con h = 0.5 y 0 . 2 5 para resolver el problema 16.1.
Grafíquense los resultados en la misma gráfica y compárese visualmente la exac-
titudde los dos tamaños de paso.
16.3 Utilicese el método de Heun con h = 0 . 5 y 0.25 para resolver el problema 16.1.
Itérese el corrector a E, = 1%. Grafíquense los resultados sobre lamisma gráfi-
ca y compárese visualmente la exactitud de los dos tamaños con la solución analí-
tica. Interprétense los resultados.
16.4 Utiliceseel método del polígono mejorado con h = 0 . 5 y 0 . 2 5 para resolver el

problema 16. l.
16.5 Utilicese el método RK de Ralston de segundo orden con h = 0 . 5 para resolver

elproblema 16.1
16.6 Utilicese el método clásico RK de cuarto orden con h = 0 . 5 para resolver el pro-
blema 16.1.
16.7 Utilicese el método de RK-Fehlberg de cuarto orden con h = 0 . 5 para resolver

el problema 6.1. Calcúlese el error aproximado en cada paso.
16.8 Repítanse los problemas 16.1 al 16.7 pero con el siguiente problema con valores
iniciales sobre el intervalo x = O a x = 1.
"dy - 4 y(0) = 1
dx
16.9 Utilíceseel método de disparo para resolver
dy
d$ + 16-
dx
- 4y = 20
con la condicióna la frontera, y ( 0 ) = 5 y y(20) = 2 .

16.10 Utilícese el método de Euler con un tamaño de paso de 1 para resolver el siguien-
te sistemade ecuaciones de x = O a x = 10:
"dy1 - y1 - 0.1Y1Y2
dx
en donde y , = 2 5 y y2 = 7 enx = O.
16.1 1Utilícese el método RK de cuarto orden para resolver el problema 6 . 1 0 usando
h = 1 . 0 d e x = O a x = 1.

16.12 Progrimese nuevamente la figura 16.6 de tal forma que sea legible al usuario.
Entre otras cosas,
a) Colóquense declaraciones de comentarios, a lo largo del programapara identi-

ficar lo que cada una de las secciones va a realizar.
b) Etiquétese la entrada y la salida.
16.13 Pruébese el programa del problema 16.12 duplicando los cSlculos de los ejem-
plos 16.1, 16.3 y 16.4.
16.14 Utilicese el programa del problema 16.12 repitiendo los problemas 6.1 y 6.2.
16.15 Repítanse los problemas 16.13 y 16.14, pero usando el paquete NUMERICOMP,
disponible con el texto.
16.16 Desarróllese un programa legible al usuario del metodo de Heun con un corrector
iterativo. Tómese como base del programa lasfiguras 16.6 y 16.12. Pruébese
el programa duplicando los resultados del cuadro 16.3.
16.17 Desarróllese un programa legible al usuario del método RK de Ralston de segun-

do orden basado en las figuras 16.6 y 16.15. Pruébese el programa duplicando
el ejemplo 16.16.
16.18 Desarróllese un programa legible al usuario del método cldsico RK de cuarto or-
den. Pruébese el programa duplicandoel ejemplo 16.8 y elproblema 16.6.
16.19 Desarróllese un programa para la computadora que sea legible al usuario para
sistemas de ecuaciones usando el método de Euler. Tómese como base del pro-
grama el andlisis de la sección 16.4.1. Utilícese este programa para duplicar los
cSlculos del ejemplo 16.12.
16.20 Repítase el problema 16.19. pero usando el método RK de cuarto orden.

C A P í T U L OD I E C I S I E T E
MÉTODOS DE PASOS
MÚ LTIPLES
Los métodos de u n paso analizados en el capítulo anterior utilizan la in-

formación de un solo punto xi para predecir un valor de la variable de-
pendiente en un punto posterior x , + ~(&. 17.1~1):Las técnicas
alternas, llamados métodos de pasos múltiples, (Fig. 17.lb),se basan en
el conocimiento de que una vez que los cálculos han empezado, la infor-
mación evaluada en puntos previos sirve de guía. La curvatura de las lí-
neasque conectan estos puntosanterioresproporcionainformación
refermte a la trayectoria de la solución. Los métodos de pasos múltiples
explorados en este capítulo consideran esta información para resolverED0
y evaluar su error. Antes de describir las versiones de orden superior, se
presenta un método simple de segundo orden que sirve para demostrar
las características generales de los esquemas de pasos múltiples.
FIGURA 17.1 Esquemagráficode las diferenciasfundamentalesentre o) métodos de

un paso y b) métodos de pasos múltiples en la solución de EDO.
574 NUMERICOS MtTODOS PARA INGENIEROS
17.1 UNENFOQUESIMPLE DE PASOSMúLTIPLES:

MÉTODO DE HEUNSINPRINCIPIO
Recuérdese que el método de Heunusael método de Euler como un
predictor:
y la regla trapezoidd como corrector:
[17.2]
Por lo tanto, el predictor y el corrector tienen errores locales de trunca-

miento de O(h2) y O(h3),respectivamente. Esto sugiere que el predictor
sea el punto débil en el método ya que tiene el mayor error. Este punto
débil es significativo debido a que la eficiencia delpaso corrector iterativo
depende de la exactitud de la prediccióninicial.Por consiguiente, una
manera de mejorar el método de Heun es desarrollar un predictor que
tenga un error local de O(h3).Esto se puede llevar a cabo usando el mé-
todo de Euler y la pendiente en y , , pero haciendo la corrección desde
un punto previo yi.l, como en:
La ecuación (17.3) no es auto-principianteya que implica un valor ante-

rior de lavariable dependienteEstevalornodeberíaestardisponi-
bleen un problematípico de valorinicial.Debido a este hecho, a las
ecuaciones (17.3) y (17.2) se les conoce como método de Heun sin
principio.
Obsérvese que, como se muestra en la figura 17.2, la aproximación
a la derivada en la ecuación (17.3) se localiza ahora en el punto medio
envez de alprincipiodelintervalosobreelcual se hace la predicción.
Como se demuestra subsecuentemente, este centrado mejorael error del
predictor a O(h3).Sin embargo, antes de continuar a una derivación for-
mal del método de Heun sin principio, se resume el método y se expresa
usando una nomenclatura un poco modificada:
Predictor: y k l = yP1 + f(xi,y?) 2h [17.4]
Corrector: y(+l = y 7 + f h i , Y 3 +2f(Xi+l, YG)
(para j = 1 , 2, . . . , m ) C17.51
MÉTODOS D E PASOS M ú L T I P L E S 575
FIGURA 17.2 Esquema gráfico del método de Heun sin principio. al método de P’Jnto
medio usado como predictor; b) regla trapezoidal empleada como CO-
rrector.
donde los Subindices se han agregado para denotar que el corrector se

aplica iterativamente desde j = 1 a m para obtener soluciones refinadas.
Nótese que y ? y y,ml son los resultados finales de las iteraciones del co-
rrector en los pasos de cálculo anteriores. Las iteraciones se terminan en
cualquier paso del cálculo en base alcriteriode paro
[17.6]
Cuando E, es menor que una tolerancia preespecificada en el error, E, se

terminan las iteraciones. En este punto, j = m. El uso de las ecuaciones
(17.4) a la (17.6) en la solución de una E D 0 se demuestra en el ejemplo
siguiente.
EJEMPLO 17.1
Método de Heun sin principio
Enunciado del problema: utilicese el método de Heun sin principio para
realizar los cálculos del ejemplo 16.5 usando el método de Heun. Es de-
cir, intégrese y ' = 4e0.8X - 0.5 y desde x = O hasta x = 4 usando un
tamaño de paso de 1.0. Como con el ejemplo 16.5, la condición inicial
en x = O es y = 2. Sin embargo, debido a que se está utilizando un mé-
todo de pasos múltiples, se requiere la información adicional de que y
es iqual a -0.392 995 325 en x = - 1.
Solución: se usa el predictor [Ec. (17.4)]para extrapolar linealmente de

x = -1 a x " 1 :
y': = -0.392 995 325 + [4e0.8io)- 0.5(2)]2 = 5.607 004 675
Entonces se usa el corrector [Ec. (17.5)] para calcular el valor
- 0.5(2) + 4eo.8(') - 0.5(5.607 004 675)]

y:=2+ 1
2
= 6.549 330 688
que representa un error relativo porcentual de - 5.73% (Valor verdade-
ro = 6.194 631 377). Este error es algo más pequeño que elvalor de
-8.18% contraído con el método de Heun auto-principiante.
Ahora se puede aplicar iterativamente la ecuación (17.5)para mejo-
rar la solución:
3 + &o.8i') - 0.5(6.549 330 688) = 6.313 749 185

yT=2+
2
que representa un E, del - 1.92%. También se puede determinar una

aproximación del error usando la ecuación (17.6):
6.313 749 185 - 6.549 330 688

141= 6.313 749 185
= 3,7%
La ecuación (17.5) se puede aplicar iterativamente hasta que t o se en-

cuentre dentro de un valor E, preespecificado. Como en el caso del mé-
todo de Heun (recuérdese el ejemplo 16.5),las iteraciones convergen al
valor 6.360 865 49 (E, = - 2.68%).Sin embargo, debido a que el va-
lor del predictor inicial es más exacto, el método de pasos múltiples con-
verge en proporci6n un poco más rápida:
METODOS DE PASOS MúLTIPLES 577
1 En
el segundopaso, el predictor es
y; = 2 + - 865 49)] 2
0.5(6.360
= 13.443
461 2 €, = 9.43%
que es superior a la predicción de 12.082 569 46 (E, = 18% calculada

con el método de Heun original. El primercorrector lleva a 15.955395 53
E, = - 6.8%) y las iteraciones siguientes convergen al mismo resultado
que se obtiene con el método de Heun sin principio: 15.302 236 7 (E,
= - 3.1%). Como en el paso anterior, la proporción de convergencia
del corrector se perfecciona un poco debido ala mejor preducción inicial.
17.1.1 Obtención y análisis de error de las fórmulas predictor-corrector
Se han empleado conceptos gráficos para derivar el método sin principio

de Heun. Hasta ahora se ha demostrado como las mismas ecuaciones
se pueden derivar matemáticamente. La obtención de estas fórmulas par-
ticularmente interesante debido a sus vínculos con las ideas de ajuste de
curvas, integración numérica y EDO. La obtención de estas fórmulas tam-
bién es útil ya que proporciona un medio de avancesimple en el desarro-
llo de métodos de pasos múltiples de orden superior y la aproximación
a sus errores.
La obtención se basa en la solución de la E D 0 general
Esta ecuación se puede resolver multiplicando ambos ladospor d x e inte-

grando entre los límites i e i + 1:
El lado izquierdo se puede integrar y evaluar usando el teorema funda-

mental [recuérdese la ecuación (16.21)]:
Yi+l = Y¡ + h,
Kit1
f(x, y) dx [17.7]
Si se puedeevaluar la integral, entonces la ecuación (17.7) represen-

ta la solución a la EDO. Es decir, esta fórmula proporciona una manera
de calcular un nuevo valor de la variable dependiente y;, I en base al va-
lor anterior y ; y la ecuación diferencial.
Las fórmulas de integración numérica tales como las desarrolladas en
el capítulo 13 proporcionan una manera de realizar esta evaluación. Por
ejemplo, la regla trapezoidal [ecuación (13.3)Jse puede usar en la eva-
luación de la integral, como en
[17.8]
donde h = x , + ~- x , es el tamaño de paso. Sustituyendo la ecuación

(17.8) en la ecuación (17.7)se obtiene
f k i l Y¡> + f(Xi+l, Y-hi + d
Yiil = Yi + 2
que es la ecuación corrector del método de Heun.Debido a que esta ecua-
ción se basa en la regla trapezoidal, el error de truncamiento se puede
tomar directamente del cuadro 13.2:
E, 1 h3Y"'((c) =
= --
12
- 1
12
h 3 f"((J
[17.9]
donde el subíndice c denota que éste es el error del corrector.
Se puede usar un esquema similar para derivar el predictor. En este
caso, los límites de integraciónvan desde i - 1 a i + 1:
y" dy = r"f (x, y) dx

]Y¡-1 J x ~ -1
que se puede integrar y reordenar para obtener
[17.10]
Ahora, en vez de usar una f6rmula cerrada del cuadro 13.2, se puede
usar la primera fórmula de integración abierta de Newton-Cotes (véase
el cuadro 13.4) para evaluar la integral
[17.11]
a la cual se le llama el método del punto medio. Sustituyendo la ecua-

ción (17.11) en la ecuación (17.10) se obtiene
yi+l = yi-1 f f(xi, yJ2h
que representa al predictor del método de Heun sin principio. Como su-
cede con el corrector, el error local de truncamiento se puede tomar di--
rectamente del cuadro 13.4
5
E, = h 3 y"'((,) = h3 f"(&,) 5 [17.12]
donde el subíndice p denota que éste es el error del predictor.
Por lo tanto, el predictor y el corrector del método de Heunsin prin-
cipio tienen los mismos errores de truncamiento. Además de aumentar
la exactitud del predictor, este hecho tienelos beneficios adicionales rela-
cionados con el análisis del error. como semuestra en la siguiente sección.
METODOS DE PASOS 579
17.1.2 Aproximación del error

Si el predictor y el corrector de un método de pasos múltiplessondel
mismo orden, entonces el error local de truncamiento se puede obtener
a lo largo del cálculo. Esta es una ventaja tremenda debidoa que estable-
ce un criteriodeajusteen el tamaño del paso.
El error local de truncamiento del predictor se calcula mediante la
ecua-
ción (17.12).Esta aproximación del error se puede combinar con la apro-
,
ximación de y;, del paso predictor para obtener [recuérdese la definición
básica de la ecuación ( 3 .l)]:
verdadero
Valor = yp+l + $ h 3 y”’(&,) C17.131
Usando un esquema similar, la aproximación del error para el predictor

[Ecuación (17.9)]se puede combinar con el valor verdadero y el resulta-
del
do corrector genera:
verdadero
Valor = y21 - ff h3 y”’(&) C17.141
La ecuación (17.13) se puede restar de la ecuación (17.14) para obtener
o = y21 - y?+1 - & h 3 y”’([) r17.151
donde 4 está entre xiPly xi+l.Ahora dividiendo la ecuación (17.15) en-

tre 5 y reordenando términos el resultado es
C17.161
Obsérvese que los lados derechos de las ecuaciones (17.9) y (17.16) son
idénticos, conla excepción del argumento de la tercera derivada. Si la
tercera derivada no varía apreciablemente sobre el intervalo en cuestión,
se supone que los lados derechos son iguales, y , por lo tanto, también
los lados izquierdos deben ser iguales, como en
[17.17]
Por lo tanto, hemos llegado a una relación que se puede usar para apro-
ximar el error de truncamiento por pasoen base a dos cantidades, el pre-
dictor (y:+l) y el corrector ( y z J , que son rutinas por productos de los
cálculos.
580 INGENIEROS
EJEMPLO 17.2
Aproximación del error de truncamiento por paso para el
método de Heun sin principio
Enunciado del problema: utilícese la ecuación (17.17) para aproximar el

error de truncamiento por paso del ejemplo 17.l . Obsérvese que los va-
lores verdaderos en x = l y 2 son 6.194 63138 y 14.843 921 9, respec-
tivamente.
Solución: en x,, = 1, el predictor genera 5.607 004 675 y el corrector

genera 6.360 865 49. Estos valores se pueden sustituir en la ecuación
(17.17) y obtener
E = - 6.360 865 49 - 5.607 004 675 = -o,150 772 163

5
que es comparable con el error exacto,
.E,= 6.194 631 38 - 6.360 865 49 = -0.166 234 110
En x , , ~= 2, el predictor genera 13.443461 9 y el corrector 15.302 236 7,
que se usan para calcular
E = -"
15.302 236 7 - 13.443 461 9 = "o,371 754 960
5
que también secompara favorablemente con el error exacto, E, =

14.843 921 9 - 15.302 236 7 = - 0.458 314 8.
La facilidad con que se puede calcular el error usando la ecuación

(17.7)representa una ventaja importante de los métodos de pasosmúlti-
ples sobre los mgtodos de un solo paso. Entre otras cosas, esto propor-
ciona una base racional e n el ajuste de tamaño de pasodurante el curso
de los cálculgs. Por ejemplo, sila ecuación (17.17) indica que el error
es mayor al nivel aceptable, el tamaño de paso debe disminuir. En una
sección subsiguiente (sección 17.4),delinearemos como estos ajustes en
los tamaiios de paso se pueden incorporar en un algoritmo para la com-
putadora.
17.1.3 Modificadores
Antes de desarrollar algoritmospara la computadora, se deben notar otras

dos formas enque se puede hacer más exacto y más eficiente al método
de Heunsin principio. Primero, se debe tomar en cuenta que la ecuación
(17.17),además de proporcionar un criterio en el ajuste del tamaño del
MÉTODOS PASOS MÜLTIPLES 581
paso, representa una aproximación numéricade la diferencia entre el va-

lorcorregidofinalen cada uno de los pasos y,+] y el error verdadero.
Por lo tanto, éstepuedesumarsedirectamente y,,] paramejorar aún
másla aproximación:
O
YZ1 - Yi+l
L17.181
YZl + YE1 -
5
A la ecuación (17.18) se lellama corrector modificador. (El símbolo
se lee “se reemplaza por”.) El lado izquierdo es el valor modificado de
-
Y%].
Una segunda mejora, relacionada más con la eficiencia de programa-
ción, es el predictor modificador, elcual estádiseñadoparaajustar el
resultado del predictor de tal manera que esté más cercano al valor con-
vergente final del corrector. Esto es ventajoso debido
a que, como se men-
ciona al principio de esta sección, el número de iteraciones del corrector
depende altamente de la exactitud de la predicción inicial. Por consiguiente,
sila predicción se modifica de manera conveniente, se puede reducir el
número de iteraciones necesarias para converger a un valor final del co-
rrector.
Este modificador puede derivarse simplemente suponiendo que la ter-
cera derivada es relativamente constante de paso a paso. Por lo tanto,
usando el resultado del paso anterior en i, la ecuación (17.16) se puede
resolver por
[17.19]
la cual, suponiendo que y ’ (t) = y ”’ (,$J. se puede sustituir en la ecua-
ción (17.12) para obtener
E17.201
que entonces se puede usar para modificar el resultado del predictor:
O
Yi+l +YLl + 4 (y? - y:) r17.211
EJEMPLO 17.3
Efecto de los modificadores en los resultados del
predictor-corrector
Enunciado del problema: calcúlese nuevamente el ejemplo 17.1 usando

losmodificadoresespecificadosen lafigura 17.3.
Solución: como enel ejemplo 17.1, el resultado del predictor inicial es

5.607 004 675. Debido a que elpredictormodificador [Ec. (17.21)]
requiere de valoresde una iteración previa, éste no puede emplearse pa-
ra mejorar elresultadoinicial.Sin embargo, la ecuación (17.18) se usa
FIGURA 17.3 Secuencia de fórmulas usadas en la implementación del método de Heun

sin principio. Nótese que la aproximación al error del corrector se pue-
de usar para modificar el corrector. N o obstante, debido a que esto puede
afectar la estabilidad del corrector, el modificador no se incluye en el
algoritmo. El error calculado del corrector se incluye debido a su utili-
dad en el ajuste del tamaño del paso.
paramodificarelvalorcorregidode 6.360 865 49 (e, = - 2.684%),

como en:
6.360 865 49 - 5.607 004 675 = 6,210 093 327
yí'' = 6.360 865 49 -
5
que representa un E, = - 0.25%. Por lo tanto, el errorsereduceen
cuanto a s u magnitud.
Enla siguiente iteración el predictor [Ec. (17.411se usa para calcular
y$ = 2 + [4eU.8(')- 0.5(6.210 093 327112
= 13.594 234 10 e:, = 8.42%
MÉTODOS DE PASOS MÚLTIPLES 583
es alrededor de la mitad del error del predictor de la segunda itera-

del ejemplo 17. l , elcualfue E , = 18.6%. Esta mejora se debe a
se est&usando unaaproximaciónsuperiorde y (6.210 093 327,
opuesto a 6.360 865 49) en el predictor. En otras palabras, el error pro-
pagado y global se reducen mediante la inclusión del corrector modificador.
Ahora debido a que se tiene información de la iteración anterior, la
ecuación (17.21) se empleaparamodificar el predictor.
4
= 13.594 234 10 + - (6.360 865 49 - 5.607 004 675)
5
= 75
14.197 322 E, = -4.36%
que nuevamente, divideendosel error.

Esta modificación no tieneefecto sobre el resultado final de los pasos
del corrector subsiguientes. Independientemente de cuando se usen pre-
dictores modificados o sin modificar, el corrector finalmente converge a
la misma respuesta. No obstante, debido a que la proporción o eficiencia
de la convergencia depende dela exactitud de la predicción inicial, lamo-
dificación puede reducir el número de iteraciones necesarias parala con-
vergencia.
La implementación del corrector llevaal resultado de 15.211 777 23
( E , = - 2.48%) elcualrepresentaunamejoríasobreel ejemplo 17.1
debido a la reducción del error global. Finalmente, este resultado se mo-
difica usando la ecuación (17.18):
15.211 77723 - 13.594 234 10

y 5 = 15.211 77723 -
5
= 14.888 60
268 E, = -0.30%
Nuevamente, elerror se hareducidoenmagnitud.
Como en el ejemplo anterior,la suma de los modificadores incrementa

la eficiencia y la exactitud de los métodos de pasos múltiples. En particu-
lar, el corrector modificador efectivamente incrementa el orden del mé-
todo. Por lo tanto, el método de Heun sin principio con modificadores,
es el tercer orden en vez de segundo orden como fue el caso en la ver-
sión sin modificar. Sin embargo, se debe notar que existen casos en don-
de el correctormodificador afecta laestabilidaddel corrector. Como
consecuencia, elmodificadorno se incluyeenelalgoritmodel método
de Heun sin principio delineado en la figura 17.3. No obtante, el correc-
tor modificador aún puede tener utilidad para el control del tamaño de
paso analizado en la sección 17.1.5.
D I M E N S I O NX ( l O O ) , Y ( l O O ) IFunclÓn que especiflca la

COMMOH X I , Y l , U ecuaclón diferenclali
F<X,Y1*4*EXP( .B*X>-.S*V
R E A D ( 5 . 1 >X( 1 > , X F
Xl.X(
... ... I. > . X i l l . XF = valores Inlclal y flnal de la
I FORMAT<ZF1 O . O 1 variable Independiente
READ( S , 1 >U
REIDCS.2)MX H = tamaño del paso
2 FORMAT( I S >
READCS. 1 )ES
Y0
1.. M X = Iteraclones máxlmas del corrector
.
LVLI ES = error aceptable (%I delcorrector
210
3 220 Y11 l = valor lnlclal de la varlable dependlente
230
240 (Subrutina para calcular el segundo valor de la
250 varlable dependlente usando el
260
método RK de cuarto orden1
27ü
"
280
290 N C = número de pasos de X I 1 1 a X F
30CI
310 (Predlctorl
320
I)
IPredlctor modlflcadorl
333 FOR J = I TU MX
340 xx = X(h)
350 52 = FN F(f<hl) (Corrector)
300 YP = v e t . ,
aao 370 YIK! = Y i P I + H * ($1 + S i J /
2
380
3uo
4üü
410
430 PI = PIJ
440 C I = CIJ
4sü NEXT I
46ü P R I N T X l I l . V l I )
470 END
FIGURA 17.4 Programas en FORTRAN Y BASIC delmétododeHeun sin principio.
17.1.4 Programa para computadora de los métodos de pasos múltiples
En la figura 17.4 se muestra un programa para la versión de tamaño de

paso constante del método de Heunsin principio. Obsérvese que el pro-
grama incluye el predictor modificador delineado en la figura 1 7 . 3 .
Debido a que este algoritmo emplea un tamaño de paso constante,
se debe escoger un valor d e h al principio d e los cálculos. En general,
la experiencia indica que un tamaño de pasoideal debe ser bastante pe-
queño para asegurar la convergencia dentro de dos iteraciones del co-
rrector (Hully Creemer, 1963).Además, debe ser demasiado chico para
generar un error d e truncamiento lo suficientemente pequeño. Al igual
que conlos otros métodos paraEDOs, la única forma práctica d e valorar
la magnitud del error global es la de comparar los resultados del mismo
problema pero disminuyendo los tamaños de paso a la mitad cada vez.
Obsérvese que se usa un método RK d e cuarto orden para generar
los puntos necesarios al principio del cálculo. Para este propósito se es-
coge un método RK d e cuarto orden debido a que, aunque es un poco
más difícil de programar que los métodos d e orden inferior, su mayor exac-
titud justifica su uso.
17.1.5 Beneficios en el control del tamaño de paso

Con la excepción del método RK-Fehlberg analizado en la sección 16.3.5,
se ha empleado un tamaño de paso constante para integrar numérica-
mente ecuaciones diferenciales ordinarias. Aunque tal esquema tiene una
alta utilidad en muchos problemas de ingeniería, existen ciertos casos en
donde es altamente ineficiente. Porejemplo, supóngase yue se está inte-
grando una E D 0 con una solución del tipo mostrado en la figura 17.5.
Para la mayor parte del rango, la solución cambia gradualmente un ta-
maño de paso grande para obtener resultados adecuados. Sin embargo, en
unaregiónlocalizadade x = 1.75 a x = 2.25, la soluciónmuestra un
cambio abrupto enla forma de una función impulso o pico. A las E D 0
cuyas soluciones consisten de componentes de variación rápida o lenta
se lesllama ecuaciones rigidas.
La consecuencia práctica al tratar con tales ecuaciones es que se re-
quiere un tamaño de paso muy pequeño para capturar exactamente el
comportamiento impulsivo. Si se empleara un algoritmo con tamaño de
paso constante, el tamario de paso necesario m6s pequeño en la región
de cambio abrupto tendría que aplicarse al rango entero de cálculo. Co-
mo una consecuencia, se aplicaría un tamaño de paso más pequeño que
el necesario y , por lo tanto, muchos más cálculos a la región de cambio
FIGURA 17.5 Ejemplo de la solución de una E D 0 que muestra un comportamiento ti-

po impulsivo. Los ajustes automáticos en el tamario del paso son desven-
tajososenestos casos.
"""" ,.
gradual. En tales casos un algoritmo que ajuste automáticamente el ta-

maño de paso evitaría estas deficienciasy por lo tanto sería de gran ventaja
Corno ya se dijo previamente, los mktodos de pasos múltiples descri-
tos en este capítulo proporcionan una base para tal algoritmo. Porlo tan-
to, puede parecer accidental que el programa para computadora descrito
en la sección anterior empleara un tamaño de paso constante. La razón
por la que se ha separado esta ventaja del algoritmo general es que el
ajuste al tamaño de paso no es una tarea de programación trivial. De he-
cho el costo (dado en términos del tiempo de programación o el costo
dedesarrollo de programas)puedeser un factordecisivocuando se
escoja la incorporación de esta opción. Con este antecedente, se descri-
be la mecánica del control del tamaño de paso. Este análisis debe hacer-
se claro porque incluir este aspecto no es un ejercicio trivial.
La manera de escoger el tamaño del paso se predice en base a un
conjunto de factores. En general, el tamaño dellapsodebe hacerse lo
suficientemente pequeño de tal forma que el corrector converja y que se
mantenga asíen tantas iteraciones comosea posible. Adicionalmente, debe
ser tan pequeño que los resultados sean lo sufientemente exactos para
los requisitos de un problema. AI mismo tiempo, el tamaño del paso de-
be ser tan grande como sea posible de tal forma que minimice el tiempo
al momento de la corrida y elerrorde redondeo.
Comúnmente seusandoscriteriosparadecidircuando un cambio
en el tamaño del paso se justifica. Primero, si la ecuación (17.17) es ma-
yor que un criterio de error previamente especificado, entonces el tama-
ño del paso decrece. Segundo, se escogeel tamaño del paso de tal manera
que el criterio de convergencia del corrector se satisfaga en dos iteracio-
nes. Este criterio se propone considerar las ventajas y desventajas que
existen entre la relación de convergencia y el número total de pasos en
el cálculo. Para valores pequeños de h , la convergencia es más rápida
pero se requierenmás pasos. Para h más grande, la convergenciaes
lentapero se necesitan menos pasos. Laexperiencia (Hull y Cremer,
1963) sugiere que los pasos totales seminimizan si h se escoge de tal ma-
neraqueelcorrector converja dentrodedos iteraciones. Por lo tan-
to, si se requieren más de dos iteraciones, el tamaño de paso disminuye
y si se requieren menos de dos iteraciones, entonces el tamaño del paso
se aumenta.
Aunque la estrategia anterior especifica cuando se llevan a cabo las
modificaciones del tamaño del paso no especifica cómo se debe cambiar.
Esta es una pregunta crítica ya que los métodos de pasos múltiples por
definición requieren de varios puntos para calcular uno nuevo. Una vez
que el tamaño del paso se cambia, se debe determinar un nuevo conjun-
to de puntos. Una manera de hacerlo es la de reiniciar los cálculos y usar
el método de un solo punto para generar un nuevo conjunto de puntos
iniciales.
Una manera más eficiente de hacerlo y que hace uso de la informa-
ción existente es aumentar al doble y disminuirel tamaño de paso a la
MhODOS DE PASOS 587
mitad. Como se muestra en la figura 17.6a, si se ha generado un núme-

ro suficiente de valores anteriores, aumentando el tamaño del paso al doble,
es algo relativamente correcto (Fig. 1 7 . 6 ~ )Todo
. esto es necesario para
mantener la información de los subindices de tal forma que los valores
anteriores de x y y vengan a ser los nuevos valores. Disminuir a la mitad
el tamaño del paso es algo más difícil ya que algunos de los nuevos valo-
res no se encuentran disponibles (Fig. 1 7 . 6 ~ )Sin
. embargo, se pueden
usar los polinomios de interpolación del tipo desarrollado enel capítulo
1 1 paradeterminarestosvaloresintermedios.
En cualquier caso, la decisión de incorporar el control sobre el tama-
ño del paso representa hacer una evaluación entre el tiempo para desa-
FIGURA 17.6 Gráfica que indica la estrategia de dividir y duplicar unsegmento que
permite el uso de a) valores calculados previamente con un método de
pasos múltiples de tercerorden. b) Dividiendo a la mitad y c) duplicando.
rrollar un programa complejo paralos términos grandes y la eficiencia que

se requiere. Obviamentela magnitud y la importancia del problema mis-
m o ayudará a elegir una opción.
17.2 FóRMULAS DE INTEGRACIóN

El método de Heun sin principio es característico de la mayor parte de
los métodos de pasosrn~últiples.Emplea una fórmula de integración abierta
FIGURA 17.7 Ilustración de la diferencia fundamental entre el método de Newton-Co-

tes y la fórmula de integración de Adams. a) Las fórmulas de Newton-
Cotes usan una serie de puntos para obtener una aproximación a la in-
tegral sobre un conjunto de segmentos. La aproximación se usa después
pura proyectarse sobre el rango completo b) Las fórmulas de Adams
usan una serie de puntos para obtener una integral aproximada con un
solo segmento. La aproximación seusa entonces para proyectarse so-
bre este segmento.
MÉTODOS DE PASOS MúLTIPLES 589
(el método del punto medio) para calcular una aproximación inicial. Este
paso predictor requiere un punto previo. En seguida se aplica iterativa-
mente una fórmula de integración cerrada (la regla trapezoidal) para me-
jorar la solución.
Es obvio que una estrategia de mejoramiento sobre los métodos de
pasos múltiples podría ser la de usar fórmulas de integración de orden
superior como predictores y correctores. Por ejemplo, podrían ser útiles
para este propósito las fórmulas de Newton-Cotes de orden superior de-
sarrolladas en el capítulo 13.
Antes de describir estos métodos, se revisan algunas de las fórmulas
de integración más comunes sobre las cuales estánbasados. Como se men-
ciona anteriormente, las primeras de éstas son las fórmulas de Newton-
Cotes de orden superior. No obstante existe una segunda clase llamadas
fórmulas de Adams que también se revisan y que seprefieren a menudo.
Como muestra la figura 17.7, la diferencia fundamental entre las fórmu-
las de Newton-Cotes y de Adams está relacionada con la manera como
se aplica la integral para obtener la solución. Como semuestra en la figu-
ra 17.7a, las fórmulas de Newton-Cotes calculan la integral sobre un in-
tervalo generando varios puntos. Esta integrai se emplea para proyectar
desde el principio hasta el final del intervalo. En contraste, las fórmulas
de Adams (Fig. 17.7b) usan un conjunto de puntos deun intervalo para
calcular la integral solamente del último segmento en el intervalo. La in-
tegral se usa después para proyectarse a través de este último segmento.
17.2.1 Fórmulas de Newton-Cotes
Algunas de las fórmulas más comunes para resolver ecuaciones diferen-

ciales ordinarias se basan en ajustar un polinomio de interpolación de
n-ésimo grado para n + 1 puntos conocidos de y y después se usa esta
ecuación para calcular la integral. Como seanaliza previamente en el ca-
pítulo 13, las fórmulas de integración de Newton-Cotes se basan en este
esquema. Estas fórmulas son de dos tipos: abiertas y cerradas.
Fórmulas abiertas. Para n puntos igualmente espaciados, las fórmulas

abiertas se pueden expresar en la forma de una solución de una EDO,
como se hizo anteriormente en la ecuación (17.10).La ecuación general
para este propósito es
[17.22]
donde !,(x) es un polinomio de interpolación de n-ésimo orden. La eva-

luación de la integral obtiene una fórmulade integración abierta de Newton-
Cotes de n-ésimo orden. Por ejemplo si n = 1.
donde f, es una abreviación de f(xi, y,), esto es, la ecuación diferencial

evaluada en xi y y,. A la ecuación (17.23) se le llama método del punto
medio y se usa previamente como el predictor del método de Heun sin
principio. Para n = 2,
3h
Yi+ 1 = Yi-2 + 7j-ifi + fi-1)
y para n = 3,
La ecuación (17.24) se muestra gráficamente en la figura 1 7 . 8 ~ 1
Yi+l = Y¡-n+l + I
Y+I
Xi-n+l
f"(XMX
[17.251
FIGURA 17.8 Esquema de las fórmulas de integración cerradadeNewton-Cotes. a)

Tercera fórmula abierta [Ec. (17.24)] Y b) regla de Simpson de 1/3 [Ec.
(17.26)].
METODOS DE PASOS 591
donde la integral se aproxima mediante unafórmula cerrada de Newton-

Cotes(cuadro 13.2). Porejemplo,para n = 1:
h
Yi+l = Y¡ + 5 (fi + f i + l >
que es equivalente a la regla trapezoidal. Para n = 2:
h
Y ~ + I= yi-1 + -3 Cfi-1 + 4fi + f i + l ) C17.261
la cual es equivalente ala regla de Simpson de 1/3. La ecuación (17.26)

se muestra en la figura 17.8b.
17.2.2 Fórmulas de Adams
El otro tipo de fórmulas de integración que se puede usar en la solución

de E D 0 son las fórmulas de Adams. Muchos algoritmos de pasos múlti-
ples muy utilizados en computación que resuelven E D 0 se basan en es-
tas fórmulas.
Fórmulas abiertas (Adams-Bashforth).Las fórmulas de Adams se pue-

den obtener de varias formas. Un método esel de escribir una expansión
hacia adelante de la serie de Taylor alrededor del punto xi:
que se puede escribir como
[17.27]
Recuérdese de la sección 3.5.4 que se puede usar una diferencia hacia

atrás para aproximar la derivada:
- fi-1 f I’
f; = fi-
h
+ -h
2
+ O(h2)
que se puede sustituir en la ecuación (17.27) para obtener
o, agrupando términos:
yi+l = y, + h($ fi - fi-1) + & b 3 fl‘ + O(h4) [17.28]
592
- MÉTODOS NUMÉRICOS PARAINGENIEROS
A estafórmula se le llama segunda fórmulaabierta de Adams. Las

Fórmulas abiertas de Adams son designadas también como fórmulas de
Adams-Bashforth. Por consiguiente a la ecuación (17.28) algunas veces
se le llama segunda fórmula de Adams-Bashforth.
Se pueden desarrollar fórmulas de Adams-Bashforth de orden supe-
rior sustituyendo las derivadas de orden superior por aproximaciones en
la ecuación (17.27). La fórmula abierta de Adams de n-ésimo orden se
puede representar por lo común como
n-1
[17.29]
Los coeficientes Pk se muestran en el cuadro 17.1. La versión de cuarto

orden se muestra en la figura 17.9a. Nótese que la primera versión es
el método de Euler.
Fórmulas cerradas (Adams-Moulton). Una expansión de la serie de Tay-

lor alrededor de xi+ se puede escribir como
yi =
f :+1
Y¡+] - h+lh + -+* -
L
Resolviendopara y j + seobtiene
l17.301
Se puede usar una diferencia para aproximar la derivada:
CUADRO 17.1 Coeficientes y error de truncamiento en los predictores de

Adams-Bashforth
Error local de
Orden Po PI Pz P3 P4 Ps truncamiento
1 1
55
- 59 37
- 9
4 " "
24 24 24 24
1 901 2 616
2 774 __ 1 274 251 475
5 __ " " ~
-
1440
h6f'"([)
720 720 720 720720
4 277
__ -~
77
9
982
923 __ 2
298 877 475 19 087 h7f(6)(0
-
6 720
720
__ "
"
720 60 480
720 720 720
FIGURA 17.9 Esquema de las fórmulas de integración de Adams abiertas y cerradas.

u). Fórmula abierta de Adams-Bashforth de cuarto orden y b) fórmula
cerrada de cuarto orden de Adams-Moulton.
fi
fi+l -
f!I + 1 = ___ + &lh + O(h2)
h 2
que se sustituyeenla ecuación (17.30) para obtener:
Y,+]= y; + h [i.,, -
A esta fórmula se le llama fórmula cerrada de Adams de segundo orden

o segunda fórmula d e Adams-Moulton. Obsérvese también que ésta es
la regla trapezoidal.
CUADRO 17.2 Coeficientes y error de truncamiento en los correctores de

Adams-Moulton
Error local de
P2 P3 P
4 PS truncamiento
2 -1 -1 1
- - h3P(5)
2 2 12
- 5 -8 1 1 h4{f'3)(()
-- __
3 "
12 12 12
-9 -19 19
4 - h5f'4'(5)
24 24 720
251 19 646106 264 - 27 ,!,6f(5)(5)
5 " " " -.-.____
720720 720720 720 1 AA0
6
475
_ _ -
1 427 798
"~~"
482 173 " 863
27 - h7f(6,(5)
1 440 1 440 1 440 1 440 1 440 1 440 480

&I
L a fórmula cerrada de Adams se puede escribir generalmente como

n-1
y!+] = yi +h Pkfiil-k + O(h"+')
k=O
Los coeficientes & se listan en el cuadro 17.2. El método de cuarto or-

den se muestra en la figura 17.9b.
17.3 MÉTODOS DE PASOSMúLTIPLES

DE ORDEN SUPERIOR
Ahora que se han desarrollado formalmente las fórmulas de integración
de Newton-Cotes y de Adams, podemos usarlas en la derivación de mé-
todos de pasos múltiples de orden superior. Como en el caso del método
de Heun sin principio, las fórmulas de integración se aplican en fila como
los métodos de predictor-corrector. Además, si las fórmulas abiertas y ce-
rradas tienen errores locales de truncamiento del mismo orden, entonces
los modificadores listados en la figura 17.3 se pueden incorporar en el
mejoramiento de la exactitud y para permitir el control sobre los tamaños
del paso. En el recuadro 17.1 se proporcionan ecuaciones generales pa-
ra estos modificadores. Enla siguiente sección, se presentan dos de los
RECUADRO 17.1 Obtención de las relaciones generales de los modificadores
La relación entre el valor verdadero,laaproximación, Va,or verdadero = + "& + I ~ ( ~ + I ) ( ~ ~ )

y el de
error un predictor se puede
representar
gene- %
ralmente como [B17.1.1]
MÉTODOS DE 595
donde vc y 6, son el numerador y el denominador de la O

- YE1
E, =
Yl+l
constante del error de truncamiento del predictor de cual-
quiera de los métodos abiertos de Newton-Cotes (cuadro
rlc + 'JP WS,
13.4) o de los métodos de Adams-Bashforth (cuadro 17.1)
y n es el orden.
Se puede desarrollar una relación similar para el co-
rrector
Para el predictor modificador, la ecuación (B17.1.3)
se puede resolver en el paso anterior mediante
Valor verdadero = y;"+l - s,h
'Jc n+l y (n+l)(5,)
[B17.1.2]
donde y 6, son el numerador y el denominador de la que se puede sustituir en el término del error de la ecua-
constante del error de truncamiento para cualesquiera CO- ción (B17.1.1) para obtener
rrector de Newton-Cotes abierto (cuadro 13.2) O de
Adams-Moulton (cuadro 17.2). Como se hizo en la deri-
vación de la ecuación (17.15),la ecuación (B17.1.1)se [B17.1.5]
puede sustraer de la ecuación (B17.1.2) para obtener
Las ecuaciones (B17.1.4) y (B17.1.5) son versiones ge-
nerales que se pueden usar para mejorar los algoritmos
de pasos múltiples. Por ejemplo, el método de Milne tie-
ne ?, = 14, 6, = 45, vc = l , y 6; = 90. Sustituyendo
[B17.1.3]
estos valores en las ecuaciones (B17.1.4) y en (B17.1.5)
Ahora dividiendo la ecuación entre vc + vp6J¿iP, multi- se obtienen las ecuaciones (17.33) y (17.34). Se pueden
plicando el último término por 6,/6, y reordenando tér- desarrollar modificadores sirnilares para otro par de
minos se obtiene una aproximación del error local de fórmulas abiertas y cerradas que tienen errores locales
truncamiento del corrector de truncamiento del mismo orden.
métodos de paso múltiple de orden superior más comunes: el método

de Milne y el método de Adams de cuarto orden.
17.3.1 Método de Milne
El método de Milne es el método de pasos múltiples más común basado
en las fórmulasde integración de Newton-Cotes. Este usa la fórmula abierta
de Newton-Cotes de tres puntos como predictor:
[17.31]
y la fórmula cerrada de Newton-Cotes de tres puntos (regla de Simpson
de 1/3) como corrector:
y{+1 = yim_1+ !gfi"-l + 4jy + f{;!) [17.32]
Los modificadores predictor y corrector del método de Milne se pue-

den desarrollar a partir de las fórmulas del recuadro 17.1 y los coeficien-
tes del error de los cuadros 13.2 y 13.4:
E, = % ( y ? - y?) [17.331
EJEMPLO 17.4
Método de Milne
Enunciado del problema: utilicese el método deMilne para integrar y ' =
4&.Y - 0.5 y desde x = 4 usando un tamaño de paso de 1.La condi-
ción inicial en x = O es y = 2. Debido a que se utiliza un método de paso
múltiple, se necesitan los puntos anteriores. En una aplicación verdadera
se debe usar bun método de un paso tal como RK de cuarto orden para
calcular lospuntos necesarios. En este ejemplo, se usa la solución analítica
[recuérdese la Ec. (E16.5.1) del ejemplo 16.51 para calcular los
valores exactos e n xi-3 = - 3 , xi-2 = - 2 , y xi"l = 1 de yi-3 = -
4.547 302 219, yi-2 = - 2.306 160 375 y yi-1 = - 0.392 995 325
respectivamente.
Solución: el predictor [Ec. (17.31)]se emplea para calcular un valor en

x = 1:
y; = -4.547 302219 + 4[2(3) - 1.993 813 519
3
+ 2(1.960 666 259)]
= 6.022 723 13 €, = 2.8%
El corrector [Ec. (17.32)J se emplea entonces para calcular
1
y: = -0.392 995 325 + 711.993 813 519 + 4(3) + 5.890 802 1-57]
= 6.235 209 902 C, -0.66%
Este resultado se sustituye en la ecuación (17.32) para corregir iterativa-
mente la aproximación. Este proceso converge a un valor corregido final
de 6.204 854 65 (E, = - 0.17%).
Este valor es más.exacto que la aproximación comparable de 6.360
865 49 (E, = - 2.68%) obtenido previamente con el método de Heun
sin principio (ejemplos 17.1 al 17.3).Los resultados en los pasos restantes
son y (2) = 14.860 307 2 (E, - O . l l % ) , y (3) = 33.724 260 1 =
- 0 . 1 4 % ) , y y (4) = 75.432 948 7 (E, = - 0 . 1 2 % ) .
Corno en el ejemplo anterior, el método de Milne, en general, obtie-

ne resultados de alta exactitud. Sin embargo, existen ciertos casos en los
que ésta es baja. Antes de entrar en detalle en estos casos. se describirá
otro método de pasosmúltiples de orden superior, el método de Adams
de cuarto orden.
METODOS D E PASOS MúLTIPLES 597
17.3.2 Método de Adams de cuarto orden

Un método de pasos múltiples ampliamente usado basado en las fórmu-
las de integración de Adams utiliza la fórmula de cuarto orden de Adams-
Bashforth(cuadro 17.1) como predictor:
y?+* = y? + h(zf!"
24 I sf?
- 24 I24 1-2 - zfF3)
1 + zf"' [17.35]
y la fórmula de cuarto orden de Adams-Moulton (cuadro17.2) como co-
rrector:
y{+l y? + h (xfj-1
24 1+1 + Bf!"
24 24 1-1 + '24
- Af!"
I f!" 1-2 ) [17.36]
Los modificadores predictory corrector del método de Adams de cuar-
to orden se pueden desarrollar a partir de las fórmulas del recuadro 17.1
y los coeficientesdeerror de los cuadros 17.1 y 17.2 para obtener:
[17.37]
[17.38]
EJEMPLO 17.5
Método de Adams de cuarto orden
Enunciado del problema: utilícese el método de Adams de cuarto orden

para resolver el mismo problema del ejemplo 17.4.
Solución: el predictor [Ec. (17.35)lse usa para calcular un valor en x = 1.
y? = 2 + I ( E 3 - $1.993 813 519 + 1.960 666259

-9
24 2.649 382 908)
= 6.002 716
992 E, = 3.1%
que es comparable pero un poco menos exacto que el resultado obteni-
doconel métododeMilne. El corrector [Ec. (17.38)Jse empleapara
calcular
y{ = 2 + l ( &5.900 805 218 + E 3 - & 1.993 813 519
+ & 1.960 666 259)
= 6.254 118 568 E, = -0.96%
que nuevamente es comparable pero un poco menos exacto que el re-
sultado obtenido con el método de Milne. Este resultado se puede susti-
598 MÉTODOS NUMÉRICOS PARA INGENfEROS
tuir en la ecuación (17.38) para corregir iterativamente la aproximación.

El proceso converge a un valor corregido final de 6.214 423 582 (E, =
0.32%) el cual es un resultado exacto pero nuevamente algo inferior al
obtenido con el método de Milne.
17.3.3 Estabilidad de los métodos de pasos múltiples
La gran exactitud mostrada por el método de Milne en los ejemplos 17.4

y 17.5 puede anticiparse con base en los términos del error de los predic-
tores [Ec. (17.33) y (17.37)] y a los de los correctores [Ec. (17.34) y
(17.38)].Los coeficientes del método de Milne, 14/45 y 1/90, son más
pequeños que para el método de Adams, 251/720 y 19/720. Adicio-
nalmente, el método de Milne emplea algunas evaluaciones más de la
función para alcanzar estas altas exactitudes. Por los valores obtenidos,
estos resultados pueden llevar a la conclusión de que el método de Milne
es superior y, por lo tanto, es preferible al método de Adams de cuarto
orden. Aunque esta conclusión se cumple en la mayor parte de los ca-
sos, existen ejemplos en donde el método de Milne trabaja inadecuada-
mente. Este comportamiento se muestra en el ejemplo siguiente.
EJEMPLO 17.6
Estabilidad del método de Milne y del método de Adams de cuarto
orden
Enunciado del problema: utiliceseel método de Milne y el método de Adams

de cuarto orden para resolver
" -
dx
con la condición inicial de que y = 1 en x = O. Resuélvase la ecuación
de x = O a x = 10 usando un tamaño de paso h = 0.5. Nótese que
la solución analítica es y = e "'.
Solución: los resultados, resumidos en la figura 17.10. indican problemas

con el método de Milne. Un pocodespués del arranquede los
cálculos, los errores empiezan a crecer y a oscilar en el signo. En t = 10,
el error relativo se ha inflado a 2 831% y el valor predecid0 mismo ha
empezado a oscilar en el signo.
En contraste, los resultados del método de Adams son mucho másacep-
tables. Aunque el error también crece, lo hace de manera lenta. Adicio-
nalmente, las diferencias n o deberían exhibir los cambios bruscos de signo
mostrados por el método de Milne.
MÉTODOS DE PASOS 599
FIG1J RA 17. 10 Esquema de la inestabilidad del método deMilne.
AI comportamiento inaceptable manifestado enel ejemplo anterior

del método de Milne se le llama inestabilidad. Aunque esto no siempre
ocurre, su posibilidadllevaalaconclusiónde que el método de Milne
debe evitarse. Porlo tanto, normalmente se prefiere el método de Adams
de cuarto orden.
La inestabilidad del método de Milne se debe al corrector. Por consi-
guiente, se han hecho intentos de rectificar este inconveniente desarro-
llando correctores estables. Una alternativa usada comúnmente que emplea
este esquema es el método de Hamming, que usa el predictor de Milne
y un corrector estable:
.
Yi+l =
9yT - y r p + 3h(f{;: + 2fT - f rl)
8
que tiene un errorlocal de truncamiento
E, = &h5f4)(&)
El método de Hamming también incluye modificadores de la forma
El lector puede obtener información adicional sobre este y los otros mé-
todos de pasos múltiples en otras obras (Hamming, 1973; Lapidus y Sein-
field, 1971).
PROBLEMAS
Cálculos a mano
17.1 Resuélvase el siguiente problema de valor inicial sobre el intervalo de x = 2 a
x = 3:
dY
- -0.5,
dX
Utilicese el método de Heun sin principio con un tamaño de paso de 0.5 y las
condiciones iniciales y(1.5) = 4.723 67 y y(2.0) = 3.678 79. ltérese con el co-
rrector hasta E, = l%.[Nota: los resultados exactos obtenidos analíticamente son
y(2.5) = 2.865 05 y y(3.0) = 2.231 30.1 Calcúlese el error relativo porcentual
E" en los resultados.
17.2 Repítase el problema 17.1 usando el método de Milne. [Nota: y(0.5) = 7.788
O1 y y(1.0) = 6.065 31.) Itérese el corrector hasta que E, = 0 . 0 1 8 .
17.3 Repítase el problema 17.2 pero con el método de Adams de cuarto orden
(EE = 0.01 56).
17.4 Resuélvase el siguienteproblemaconvalorinicial desde x = 4 hasta x = 5:
dY
-= - Y
-
dx X
Utilícese un tamaño de paso de 0.5 y valores iniciales de y(2.5) = 1.2,y(3) = 1 ,

y(3.5) = 0.857 142 857 y y(4) = 0.75. Obténganse las soluciones usando los
métodos siguientes: a) método de Heunsinprincipio (es = 1 %), b) método de
Milne (ES = 0.01%) y c) método de Adams de cuarto orden (ES = 0.01%).
[Nota:Las respuestas exactas obtenidas analíticamente son y(4.5) = 0.666 666
67 y y(5) = 0.6.1 Calcúlese el error relativo porcentual 6" de los resultados:
17.5 Resuélvase elsiguienteproblema de valorinicial desde y = O hasta y = 0.5:

dv 2
-=yx - y
dx
Utilicese el método de Heun sinprincipio con un tamaño de paso de 0.25. Si
y(-0.25) = 1.277 355 170, empléese un método RK de cuarto orden con ta-
maño de paso l para predecir elvalorinicialen y(0).
MÉTODOS DE PASOS MúLTIPLES 60 1
17.6 Resuélvase elsiguienteproblema de valorinicial desde x = 1.5 a x = 2.5:
"
dY -Y
- -
dx I + x
Utilicese el método de Adams de cuarto orden. Empléese un tamaiío de paso

de 0.5 y el método RK de cuarto orden para predecirlos valores inicialesde arran-
que si y(0) = 2 .
17.7 Repítase elproblema 17.6 usando el método de Milne
17.8 Determínese el predictor, el corrector y los modificadores del método de Adarns

de segundo orden. Empléese pararesolverelproblema 17.1.
17.9 Determínese el predictor, el corrector y los modificadores del método de Adarns

de tercer orden. Empléese para resolver el problema 17.4.
17.10 Desarróllese un programa legible al usuario sobre el método de Heun sin princi-
pio con modificadores basado en la sección 17.1.3. Empléese un método RK
de cuarto orden para calcular los valores iniciales. Pruébese el programa con el
ejemplo 17.3.
17.11 Utilícese el programa desarrollado en el problema 17.10 para resolver el proble-

ma 17.5.
17.12 Desarróllese un programa legible al usuario sobre el método de Milne de cuarto

orden con modificadores. Empléese un método RK de cuarto orden para calcu-
lar los valoresiniciales. Pruébese el programa con el ejemplo 17.5.
17.13 Utilícese el programa desarrollado en el problema 17.12 para resolver el proble-

ma 17.6.
C A P í T U L OD I E C I O C H O
CASOSDE LA PARTE VI:

ECUACIONES DIFERENCIALES ORDINARIAS
El próposito de este capítuloes el de resolver algunasecuaciones diferen-

ciales ordinarias usando los métodos numéricos presentados en los capí-
tulos 16 y 17. Las ecuaciones se originan de aplicaciones pr6cticas de la
ingeniería. Muchas de estas aplicaciones generan ecuaciones diferencia-
les no lineales que no pueden resolverse usando métodos analíticos. Por
lo tanto, comúnmente se necesitanlos métodos numéricos.En consecuen-
cia, el uso de los métodos de solución numérica de ecuaciones diferen-
cialesordinarias es unahabilidadfundamentalquecaracterizaalbuen
ingeniero. Los problemas de este capítulo ilustran algunos de loselemen-
tos de juicio asociados con varios de los métodos analizados en los capí-
tulos 16 y 17.
En el caso 18.1 se usa una ecuación diferencial para predecir lasten-
dencias de la venta de computadoras. Entre otrascosas, este ejemploilustra
como se ajustan datos a un parámetro de un modelo matemático. Se usa
el método RK de cuarto orden en esta aplicación.
El caso 18.2tiene su origen en el contexto de los problemas de inge-
niería química, que demuestra cómo escoger adecuadamente un tama-
ño de pasoy cómo se puedenusar las ecuaciones diferenciales para mejorar
el proceso de producción química. Se usa el método de Runge-Kutta de
segundo orden para este ejemplo.
Los casos 18.3 y 18.4 tomados de la ingeniería civil y eléctrica res-
pectivamente, tratan de la solución de un sistema de ecuaciones. En el
caso 18.3, se usael método de Euler debido a que el problema no re-'
quiere de resultados con una gran exactitud. En el caso 18.4,por el otro
lado, se requiere de una exactitud alta, y por consiguiente, se usa el mé-
todo RK de cuarto orden.
Finalmente, en el caso 18.5 se emplea una variedad de métodos di-
ferentes para investigar el comportamiento de un péndulo en oscilación.
Este problema también usa dos ecuaciones simultáneas. Un aspecto im-
portante de este ejemplo es eldeilustrar cómo los métodos numéricos
permiten la fácil incorporación de efectos no lineales dentro del análisis
de ingenería.
CASO 18.1 MODELOSMATEMÁTICOS PARAPROYECTOSDE

VENTA DE COMPUTADORAS
(INGENIERíA EN GENERAL)
Antecedentes: las operaciones y las utilidades de una compañíade compu-
tadoras dependen mucho del conocimiento sobreel manejo del número
de computadoras disponibles en el mercado en un tiempo cualquiera. Los
métodos de extrapolación analizados en elcaso 12.1 han demostrado que
no existe confiabilidad ni exactitud. Se tiene, por lo tanto, que derivar
un modelo matemático que sea capaz de simular y predecir el número
de computadoras disponiblesen el mercado en función del tiempo t . Se
puede desarrollar una ecuación diferencial para este propósito.
El departamento de mercadeo de la compañía ha determinado a tra-
vés de la experiencia y de observaciones empíricas, que las ventas espe-
radas de las computadoras se describen mediante.
Promedio de venta
número de computadoras en el mercado
(número de computadoras o:
vendidas por día) costo por computadora
[ 18.11
Es decir, mientras más computadoras se muestren al público, mayor venta
de las mismas; y a mayor costo, menos ventas. Además, el costo de una
computadora individual está relacionado con el número de computado-
rasenel mercado, [recuérdese la Eq. (15.1)]
N
Costo porcomputadora ($) = 3 O00 - 1 750 [18.2]
10 O00 +N
donde N es el número de computadoras.
La razón de cambio a través del tiempo del número de computado-
ras restantes en el mercado es igualal registro del promedio de ventas:
-dN
=- promedio de ventas [ 18.3)
dt
donde el promedio de ventasse deriva combinando las ecuaciones(18.1)
y (18.2):
N
ventas de Promedio = k I18.41
3 O00 - 1 750N/(10 O00 + N)
donde k es una constante de proporcionalidad que tiene unidades dedó-
lares por tiempo. Sustituyendo la ecuación (18.4) enla ecuación (18.3)
se obtiene
dN = - k
- N [18.5]
dt 3 O00 - 1 750N/(10 O00 + N)
CASOSDELAPARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS 605
Las consideraciones de planeación requieren que se obtenga una es-

timación de cuánto tiempo permanecerán en el mercado 50 O00 nuevas
computadoras. En el cuadro 12.1 se cuenta con algunos datos. Utilicese
esta información para calcular el parámetro k. Después empléese el mé-
todo RK de cuarto orden para resolver la ecuación (18.5) desde t = O
hasta t = 90.
Solución: el primer paso de este análisis será determinar un valor de k.

Para hacerlo, se puederesolver la ecuación (18.5)
k = --
d N 3 x lo7 + 1 250N
dtN(10 O00 + N)
Con base en esta ecuación, se puede evaluar k si tiene una aproximación
a dN / dt. Esto se puede hacer con los datos del cuadro 18.1, usando
diferencias divididas finitas para calcular dN / dt, [recuérdese la sección
3.5.41:
""I=
dt .
Ni+l
2At
-4-1
Los resultados se muestran en el cuadro 18.1 y se pueden usar para de-

terminar un valormedio de k = $49.3 diarios.
Cuadro 18.1 Cálculos de k obtenidos de los da-

tos de venta de computadoras.l a
media de k es 49.3
t
dias N dNldt k
O 50 O00
10 35 O00 44.5
-950
20 31 O00 40.6
-750
30 20 O00 -600 55.0
40 19 O00 -397.5
38.8
50 12 050 67.8
-400
60 1 1 O00
Ahora este valor se puede sustituir en la ecuación (18.5) para obtener:

dN N
"
- -49.3
dt 3 O00 - 1 750 [N/(
10 O00 + N)]
que se puede integrarusan¿o un método RK de cuarto orden conla con-
dicióninicial N = 50 O00 y un tamaño de paso de un día. Obsérvese
que se llevó a cabo la simulación usando un tamaño de paso de 0.5 días
FIGURA 18.1 Gráfica del número de computadoras N en el mercado contra el tiempo

t en días. Se usan tres simulaciones con un modelo de ecuación diferen-
cial ordinaria [Ec. (18.5)], se muestran en el caso donde N = 50 O00
en t = O. Las tres simulaciones corresponden a valores diferentes del pa-
rámetro k.
la exactitud al usar
y se obtuvieron resultados casi idénticos, indicando que
un tamatio de paso de 1.0 es aceptable. Los resultados se muestran en
lafigura 18.1 junto con los datos. Así como sucede enla regresión, se
puede calcular la suma de los cuadrados de los residuos para cuantificar
la calidaddel ajuste. El resultado es 2.85 X lo7.Aunque al ajuste
parece ser satisfactorio, se llevan a cabo nuevamente los c6lculos usan-
do valores de k que son f 20% del valor original de $49.3 diarios. Usando
los valores de k de 59.2 y 39.4 se obtienen las sumas residuales de los
cuadrados iguales a 1.05 x 10' y 5.35 x lo', respectivamente. Estas si-
mulaciones también se muestranen la figura 18. l.
En seguida se grafica la suma de los cuadrados de losresiduos contra
k (Fig. 18.2) y se ajusta una parábola a través de los puntos usando un
polinomio de interpolación, Después se determina k , como la suma mí-
nima de los cuadrados, derivando la ecuación de segundo orden, igua-
lándola a cero y resolviendo para k . El valor resultante de k = $46.8 diarios
se sustituyeenla ecuación (18.5) y se obtiene
dN
- = -46.8 N
dt 3 O00 - 1 750[N/(10 O00 + N)]
FIGURA 18.2 Gráficc de la suma de los cuadrados de los residuos (S,) contra los va-
lores del parámetro k del modelo. La curva es una parábola ajustada
a tres puntos. El punto de pendiente cero de esta curva, representa una
aproximación del valor k ($46.8/día) que corresponde a un valor míni-
mo de S,.
FIGURA 18.3 Modelo de predicciones usandola ecuación (1 8.5) con k igual a $46.8/día.
607
. - ..
608 MhODOS NUMÉRICOS
INGENIEROS PARA
Este modelo produce una suma de los cuadrados de los residuos igual
a 2.24 X lo7;se puedeusarparalospropósitospredictivos. Las pre-
dicciones se muestran en la figura 18.3 junto con los datos iniciales. Los
resultados en t = 55, 65 y 90 días son 11 720, 9 383 y 5 596, respecti-
vamente. Esta información, que es superiora la obtenida mediante ajus-
te de curvas enel capitulo 12, se puede usar en el manejo de toma de
decisiones relacionadas con la venta de estas computadoras.
CASO 18.2 DISEÑODE U N REACTOR

PARA PRODUCCIóN FARMACÉUTICA
Antecedentes: los ingenieros químicos diseñan reactores para el crecimiento
poblacionaldeorganismosmicrobianos (recuérdese el caso 12.2). Los
subproductos del crecimiento pueden ser productos farmacéuticos útiles.
En la figura 18.4 se muestra el esquema de un reactor que opera a base
de flujo continuo.El flujo de entradacontiene pocos microorganismos de-
rivados, pero un alto contenido de nutrientes. Este flujo permanece en
el reactor por algún tiempo mientras que ocurre la reacción bioquímica
y después fluye hacia el exterior.El flujo de salida contiene una gran can-
tidadde nuevos microorganismos en crecimiento y una alta concentra-
ción de derivados del Crecimiento. Los nutrientes son más bajos que a
la entrada debido a su utilización microbiana. El contenido del reactor se
mezcla vigorosamente de tal manera que la composición de la mezcla de
salida y del tanque sean iguales.
Si la proporción de flujo y el contenido de los nutrientes esconstante,
el crecimiento de microorganismos se balancea por la pérdida de orga-
nismos del tanque y se alcanza con el tiempo una densidad de población
estable. Al intervalo de tiempo en que los organismos se ajustan e incre-
mentan su densidad se le llama periodo de inicio. La longitud del perio-
do de inicio es importante debidoa que éste es tiempo perdidoque cuesta
dinero a la compañía.
Al investigador se le propone desarrollarun modelo matemático para
los microbios del reactor para predecir el periodo dearranque. El labora-
torio de investigaciones bioquímicas ha determinado que los microorga-
nismos crecen de acuerdo al modelo de crecimiento logístico(recuérdese
el caso 6.3):
Velocidad de crecimiento = K (pmAx

- p)p
donde p máx = 2 x 10 células por litro es la densidad microbiana má-
xima y K = 2 x litrosporcélulapordíaeselcoeficientede la velo-
cidad de crecimiento. Se requiere calcularel periodo de inicio parael caso
donde p ( t = O) = 100 000 células por litro, el promedio de flujo de enira-
da al tanque Q = 100 I/día y el volumen del tanque V = 700 I . El perio-
DE CASOS LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS 609
FIGURA 18.4 Representación esquemáticade un reactor de fluio continuo con mezcla-

do total empleado en el crecimiento de la población de organismos mi-
crobianos.
do de inicio se define como el tiempo necesario para que la población

crezca a 6 x lo5 célulasporlitro. En este momento la producciónfar-
macéutica puede empezar.
Después de haber obtenido un cálculo confiable, se necesita usar el
modelo para ayudar a los operadores de la planta a decidir el número
óptimo de células a usarse en el tiempo t = O. Cuantos más organismos
existan en t = O , más corto será el tiempo de inicio. Esto es importante
debido a que cuesta a la compaiiía 1 O00 dólares diarios si el tanque está
fuera de producción. Por lo tanto, existe la ventaja de reducir el tiempo
deiniciousandomásorganismosen t = O.
Por otro lado, los organismos nuevos son muy caros para comprar-
se. En la actualidad la compañía obtiene cepas de un laboratorio biológi-
co con un costo de 3 O00 dólares por100 millones de células. Porlo tanto,
el costo de 100 O00 célulasporlitrousadoenestean6lisls sería:
$3 O00
Costo = 100 O00 células/1(700 1) = $2 100
100 x IO6 células
El costo de 200 O00 células por litro seríael doble . Por consiguienteexis-
ten ventajas y desventajas entre la reducción del periodo de arranque y
el costo de nuevos organismos.El trabajo consiste en usar un modelo que
proporcione unaguía a los operadores de la planta relacionado con el
númeroidealdeorganismosen el tiempo t = O.
Solución: primero se debe desarrollar la capacidad de simular el número
de organismos en función del tiempo. Las consideraciones de balance de
masassugierenque
dP
-
dt
Acumulaciónrnicrobiana - crecimiento de pérdida de masa
en el tanque - biomasa microbiana - microbiana al exterior
Sustituyendolospardmetros enla ecuación (18.6) se obtiene:
"_". __ -
-
dP = 2 X 10-~(2X lo6 - p)p - -100
p
dt 700
o, reordenando términos
dP
___ = 0.257 14 p - 2 X p2
dt
Esta ecuación se puede resolver analíticamente, pero se usará un méto-
do numérico para obtener la solución. Primero, se usa el método de Euler
con un tamaño de paso deun día para calcular los resultados mostrados
en la figura 18.5. Se usa el método Euler para este propósito debido a
que es muy fácil de programar y proporciona una estimación rápida del
comportamiento general de la solución. Como se puede ver, los microor-
ganismos necesitan alrededor de 10 días para el periodo de inicio; en t =
20 días han alcanzado una población casi estable. A este periodo estable
se le llama estado estacionario.
En base al resultado anterior, se decide llevar a cabo la simulación
en un periodo de 20 días. También se decidió usar el método de Ralston
o RK de segundo orden debido a su fácil programación y a su creciente
exactitud en el resto de los cálculos. Enel cuadro 18.2 se muestran los
FIGURA 18.5 Simulación del crecimiento microbiano en un proceso de producción quí-

mica. Se usa el método de Euler en la simclación para hacer una evalua-
ción rápida del comportamiento de la solución. Nótese que dentro de
1 O días se termina el periodo de inicio, y en 2 0 días el reactor ha alcan-
zado casi el estado estacionario.
DE CASOS VI: ECUACIONES DIFERENCIALES ORDINARIOS 61 1
CUADRO 18.2 Crecimiento microbiano simulado utilizando una ED0 y el metodo

de Ralston RK de segundo orden.Se muestran resultadospara ta-
maños de paso diferentes, así comola solucidn verdadera.
M6todo de Ralston RK de segundo orden
t, Solucidn
días h=2 h = l h 0.5 ver-
dadera
O 100 O00 100 O00 100 O00 100 O00

2 157 389 158 482 158 810 158 931
4 241 459 244 265 245 097 245 403
6 356 983 361 805 363 218 363 736
8 502 124 508 550 510 415 511 095
10 664 649 671 699 673 738 674 479
12 824 332 831 161 833 149 833 867
14 961 864 968 558 970 419 971080
16 1 068 231 1 074 745 1 076 459 1 077 050
18 1 144 048 1 150 200 1 151 723 1 152 233
20 1 195 245 1 200 719 1 207 002 1 202 420
resultados para tamaños de paso de 2, 1y 0.5 días. Aunque el resultado

analítico exacto espoco factible en la mayor parte de los problemas de apli-
caciones verdaderas, se haincluidoenel cuadro 18.2 para propósitos
de comparación. Obsérvese que todos los resultados numéricos son muy
buenos, aun con el tamaño de paso t = 2 - h se muestran errores de menos
del 5%. Si no se conoce la solución verdadera, la exactitud de los cálculos
se puede apreciar comparando los resultados obtenidos variando el tamaño
del paso. Por ejemplo, las diferencias entrelos resultados de h = 1 y 0.5
ocurren enla tercera cifra significativa. En consecuencia no se garantiza
más exactitud debido a que una mayor precisión no sería discernible en una
gráfica. Porlo tanto, se decide queh = 0.5 es adecuada para este propósito.
Al usar este tamaño de paso y el modelo de Ralston se realizan dos
simulaciones adicionales con las condiciones iniciales de 200 O00 y 400
O00 células por litro. En la figura 18.6 se muestran estos resultados, jun-
to con el caso de 100 O00 células por litro.Como era de esperarse, cuan-
to más organismos se usen como base másse acortará el periodo de inicio,
como se puede ver en los resultados del cuadro 18.3. Nótese que usan-
do más organismos al incio, se reduce el costo de retardo de 9 200 a 2
500 dólares. Sin embargo, el costo de compra de los organismos aumen-
ta de 2 100 a 8 400 dólares. El costo total, mostrado enlafigura 18.7,
sugiere un mínimo alrededor de 250 O00 células por litro. El punto míni-
mo se puede aproximar ajustando una parábola a los tres puntos. Esta
función puede diferenciarse, igualarse la derivada a cero y resolver para
encontrar un valor de 264 O00 células por litro. Este nivel corresponde
a un costo total de 10 O00 dólares, quelepresenta el costo total más ba-
jo, tomando en cuenta tanto los costos del periodo de inicio como de los
organismos semilla.
61 2 MÉTODOS NUMÉRICOS PARA INGENIEROS
FIGURA 18.6 Simulaciones delcrecimientomicrobialusando tres condiciones iniciales

diferentes. Estos casos demuestran que, cuando se incrementa el núme-
ro de organismos semilla, el periodo de arranque se acorta.
FIGURA 18.7 Gráfica del costo contra el número de organismos semilla (esto es, número de orga-
nismos en t = O). El hecho de que la curva sea plana sugiere que aunque exista ur
mínimo en 264 O00 células por litro, este resultado es insensible relativamente al nú-
mero de organismos semilla.
LA CASOS DE VI: ECUACIONES DIFERENCIALES ORDINARIOS 613
Inconvenientes de costo en varios niveles iniciales de organismos

empleados en un proceso químico de producción
ConcentraciónCosto de Tiempo de Costo por Costo

inicial de compra de inicio retardo total
organismos organismos
célulasllitro $ h $ $
~~ ~~ ~ ~ -~
100 O00 2 100 9.2 9 200 11 300

200 O00 4 200 6.0 6 O00 10 200
400 O00 8 400 2.5 2 500 10 900
CASO 18.3 DEFLEXIÓN DEL MÁSTIL DE UNVELERO

(INGENIERíA CIVIL)
Antecedentes: en la figura 18.8se muestra un velero similar al de los ca-
sos 12.3y 15.3,con una fuerza uniforme f distribuida a lo largo del más-
til. En este caso, los cables que soportan al mástil se han quitado, pero
el mástil se monta firmemente en el casco del velero.
La fuerza del viento causa que el mástil se desvíe como se muestra
en la figura 18.9. La desviación es similar a la de una viga en voladizo.
Se puede usar la siguiente ecuación diferencial, basada en las leyes de
la mecánica, para calcular la deflexión:
d2Y
-- "
(L - 2)* [18.7]
dz2 2EI
FIGURA 18.8 Mástil del velero sujeto a una fuerza uniforme f.

FIGURA 18.9 Deflexióndel mástil sujeto a unafuerzauniforme.
en donde E es el nódulo de elasticidad, L es la altura del mástil e I es

el momento de inercia. En z = O y dy / dz = O. Calcúlese la deflexión
e n el tope del mástil e n donde z = L usando métodos analíticos y numé-
ricos. Supóngase que el casco no gira.
Solución: la ecuación (18.7)se puede resolver analíticamente para la de-
flexión en z = L:
y(z = L) = f-
L4 [18.8]
8EI
Este problema incluye una ecuación diferencial que tiene una solución
con características uniformes. Además, el intervalo de integración es re-
lativamente corto y la desviación del mástil es pequeña. También los va-
lores de f y E se basan en datos experimentales variables y difíciles de
medir exactamente. Por lo tanto, parece satisfactorio usar un mBtodo
de bajo orden para resolver la ecuación diferencial. Só10 se necesitará un
valor inicial,y probablemente se use un tamaño de paso pequeñosin acu-
mulación de errores de redondeo excesivos.
La ecuación (18.7) se puede escribir como un sistema de dos ecua-
ciones de primer orden con una transformación de variables. Sea
-dY
=u [18.9]
dz
y , por lo tanto, la ecuación (18.7) se expresa como
du
”-
- (L - 2)* [18.10]
dz 2El
DE CASOS LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS 615
Este par de ecuaciones diferenciales se puede resolver simult6neamente

usando el método de Euler.
Sin embargo, en primer lugar se puede obtenerla solución analítica por
comparación.Dadaunacargauniforma f = 50 libras/pie, L = 30 pies,
E = 1.5 x lo8 libras/pie2 e I = 0.06 pies4 la ecuación (18.8) se resuelve
para:
50(30)4
= 0.5 625 pies
y(30) = 8(1.5 x 108)0.06
En seguida se resuelven las ecuaciones (18.9) y (18.10)usando el método
~ deEuler.Losresultadosdealgunospasosdeintegraciónson:
Tamaño de paso
Y(30) de Euler
0.574 4 1.0
0.563 7 0.1
0.563 1 0.05
I
Por lo tanto, la respuesta obtenidaparece satisfactoria;la deflexión del más-
FIGURA 18.10 en
la
se figura
til muestra 18.10.
Gráfica de la deflexión Los resultadossepuedenusarparapropósitosdediseño. Esto es espe-
del mástil de un velero cialmentevaliosoen casos donde lafuerzadelviento no es constante sino
calculada con el método varía de una forma complicada en función de la altura sobre la cubierta del
de Euler.
velero. El problema 18.13 proporciona un ejemplo de estasituación.
CASO 18.4 SIMULACIóN DE UNA CORRIENTE TRANSITORIA EN

U N CIRCUITO ELÉCTRICO
Antecedentes: son muy comunes los circuitos eléctricos en donde la corriente
varíaconeltiempoenvezdemantenerse constante. Enelciclodelado
derecho se establece una corriente transitoria del circuito mostrado en la fi-
gura 18.l l cuando elconmutadorsecierrade repente.
Las ecuaciones que describen el comportamiento transitorio del circuito
de la figura 18.11se basan en las leyes de Kirchhoff, que dicen que la suma
algebraica de las caídas de voltaje alrededor de un ciclo cerrado es cero (re-
cuérdese el caso 6.4). Por lo tanto,
di
L - + + R i + " € 9( t ) = O r18.111
dt C
donde L(di/dt) es la caída de voltaje a través del inductor,L es la inductan-
cia (en henrios), R es la resistencia (en ohmios), q es la carga del capacitor
Eit)
a-. .
,
, .
" h
Conmu-'#* i *,. 1
- tador -
Batería -2Vo ' :, Capacitor , Inductor
+ t
/ i
s .
Resistencia
FIGURA 18.1 1 Circuito eléctrico donde la corriente varía con el tiempo.
(en coulombs),C es la capacitancia (en faradios),E ( t ) es la fuente de voltaje

(en voltios)variablecon el tiempo, y
[18.12]
Lasecuaciones (18.11) y (18.12) son un par deecuacionesdiferenciales

lineales de primer orden que se pueden resolver analíticamente. Por ejem-
plo, si E(t) = Eo sen w t y R = 0 ,
-Eo w €0
q(t) = -senp t + senw t [18.13]
U P 2 - w2) P
"
L(p2 - w2)
en donde p = i/m Los valoresde q y dq/dt son cero en t = O.

Empléese un método numérico para resolver las ecuaciones (18.11) y (18.12)
y compárense los resultadoscon la ecuación (18.13).
Solución:esteproblemaincluye un intervalodeintegración más grande y

demanda el uso de métodos de gran exactitud para resolver ecuaciones di-
ferenciales si seesperanbuenosresultados.Supongamosque L = 1 H,
Eo = 1 V, C = 0.25 C y W2 = 3.5 s2. Estogenera p = 2 y lasolución
analíticadelaecuación (18.13) viene a ser:
q(t) = - 1.870 8 sen 2t + 2 sen (1.870 8 t )

Esta función se muestra en la figura 18.12. La naturaleza de cambio r6pi-
do de la función exige grandes requerimientosa cualquier procedimiento
numérico para calcularq ( t ) .Además, debido a que la función exhibe una
pequefia variación de naturaleza periódica así como un componente de
variación rápida, se necesitan periodosde integración grandes para tratar
de nuevo la solución. Por lo tanto, se espera que sea preferido un méto-
dodeordensuperiorenesteproblema.
No obstante, se pueden probar los métodos de Euler y Runge-Kutta
de cuarto orden y comparar los resultados. Con el método de Euler y
usando un tamaño de paso de 0.1 S en t = 10 S se obtiene un valor de
q igual a -6.638 mientras que con el método de Runge-Kutta de cuarto
orden se obtiene un valorde -1.989 7 . Este resultado es comparable
a la solución exacta, - 1.996 C.
CASOS DEECUACIONES
LA PARTE VI: DIFERENCIALES ORDINARIOS 617
FIGURA 18.1 2 Pantalla de la computadora mostrando la gráfica de una función [Ec. (18.13)].
La figura 18.13muestra los resultados de la integración de Euler cada

1.O S comparada con la solución exacta. Nótese que se grafica sólo cada
décima de punto en la salida. Se puede ver que el error global aumenta
a medida que t aumenta. Este comportamiento divergente se intensifica a
medida que t tiende a infinito.
FiGURA 18.13 Resultados de la integración de Euler contra la solución exacta. Nótese que se grafi-
ca sólo cada décima de punto.
""-. . . . . . ...~. . _ ~ _ - ~.
CASO 18.5 EL PÉNDULO OSCILANTE

(INGENIERíA MECÁNICA)
Antecedentes: en la ingeniería mecánica (así como en las otras ingenie-
rías) a menudo se enfrentan problemas relacionados con el movimiento
periódico de cuerpos libres (recuérdese el caso 6.5).Los métodos de in-
geniería requieren fundamentalmente que seconozca de la posición y la
velocidad del cuerpo en función del tiempo. Estas funciones del tiempo
invariablemente son ecuaciones diferenciales ordinarias. Las ecuaciones
diferenciales, en general, se basan en la segunda ley de Newton del mo-
vimiento.
Como ejemplo, considérese el péndulo simple mostrado previamen-
te en la figura VI.l . La partícula de peso W se suspende de un hilo de
peso despreciable, de longitud l. Las únicas fuerzas que actúan sobre la
partícula son un peso y la tensión R del hilo. La posición de la partícula
en cualquier tiempo se especifica completamente en términos del ángulo
0 y 1.
El diagrama de cuerpo libre de la figura 18.14 muestra las fuerzas
que actúan sobre la partícula así como su aceleración. Es conveniente apli-
car la segunda ley de Newton del movimiento en la dirección x, tangente
a la trayectoria de la partícula:
W
F = -Wseno =-a
9
donde g es la constante gravitacional (32.3pies/s2) y a es la aceleración

en ladirección x. La aceleración angular de la partícula (a)es
Por lo tanto, en coordenadas polares (a = d2d/dt2),
d2e g
- + -sen6
df2 1
= O [18.14]
W Esta ecuación aparentemente simple es una ecuación diferencial no lineal

de segundo orden, En general, tales ecuaciones son difíciles o hasta imposi-
FIGURA 18.14 bles de resolver analíticamente. Existen dos alternativas relacionadas con
Diagrama de cuerpo el avance en la solución de este problema. Primero, la ecuación diferen-
libre del péndulo
oscilante mostrando
cial se puede reducir a una forma deresolver analíticamente (recuérdese
las fuerzas sobre la la sección (VI.l. 1). O se puede usar un método numérico para resol-
partícula y la ver la ecuación diferencial directamente. Se examinan ambas alternati-
aceleración. vas en este ejemplo.
CASOS DE LA
PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS 619
Solución: de acuerdo al primer método, se puede ver que la expansión de

la serie Taylor del sen 8 está dada por
s e n o = o - - + -o3
." o5 07
+ [18.15]
7!
* * *
3! 5 !
Para pequeños desplazamientos angulares, sen 6 es aproximadamente igual
a 8 cuando se expresa en radianes. Por lo tanto, para desplazamientos pe-
queños la ecuación (18.14)se convierte en:
-d20
+
dt2
- og
I
=o E18.161
que es una ecuación diferencial lineal de segundo orden. Esta aproxima-

ción es muy importante debido a que la ecuación (18.16)es muy fácil de
resolver analíticamente. La solución, basada en la teoría de las ecuaciones
diferenciales, esta dada por:
o(t) = eo cos 4 t [18.17]
donde es el desplazamiento en t = O y en donde se supone que la ve-

locidad (u = dO/dt) de la partícula es cero en t = O. Al tiempo necesario
para que la partícula complete un ciclo de oscilación se le llama periodo y
está dado por
FIGURA 18.1 5 Gráfica del desplazamiento (e)

y la velocidad (d8/dt) en función del tiempo (t), colcu-
eo
lada de la ecuación (18.17). es n / 4 y la longitud es de 2 pies.
"."I.._""I_ . , .. . -. .._"_
En la figura 18.15 se muestra una gráfica del desplazamiento (O) y

la velocidad (de/&) en función del tiempo, como se calcula en la ecua-
ción (18.17) con Bo = 7r/4 y 1 = 2 pies. El periodo, calculado con la
ecuación (18.17) es 1.565 9 s.
Los cálculos anteriores en esencia son una solución completa del movi-
miento de la partícula. Sin embargo también se debe considerar la exactitud
de los resultados debido a la suposición inherente en la ecuación (18.16).
Además, para evaluar la exactitud, es necesario obtener una solución nu-
mérica de la ecuación (18.14) que es una representación física más com-
!
pleta del movimiento. Se puede usar cualquiera de los métodos analizados

en los capítulos 16 y 17 para este propósito, por ejemplo, los métodos de
Euler y RK de cuarto orden. La ecuación (18.16)5% debe transformar en
dos ecuaciones de primer orden compatibles con los métodos anteriores.
Esto se lleva a cabo como sigue. La velocidad u se define como
dO
-=u
dt [18.181
y , por lo tanto la ecuación (18.14)se puede expresar como
[18.19]
Las ecuaciones (18.18)Y (18.19)son un par de ecuaciones diferenciales

ordinarias simultáneas. En el cuadro 18.4se muestran los resultados gene-
rados con la solución numérica por el método de Euler y el método RK
CUADRO 18.4 Comparación de la solución analitica lineal del péndulo oscilante con
tres soluciones numéricasno lineales
Soluciones no lineales
Solución
analitica
Tiempo lineal Euler RK de cuarto RK de cuarto
(h= 0.05) orden orden
(h = 0.05) (h = 0.0 1 )
S ( 4 (b) (4 ( 4
0.0 0.785 398 0.785 398 0.785 398 0.785 398

0.2 0.545 784 0.615 453 0.566 582 0.566 579
0.4 -0.026 852 0.050 228 0.021895 0.021 882
0.6 "0.058 3104 -0.639 652 -0.535 802 -0.535 820
0.8 -0.783 562 -1.050 679 -0.784 236 -0.784 242
1 .o -0.505 912 -0.940 622 -0.595 598 -0.595 583
1.2 0.080 431 -0.299 819 -0.065 611 -0.065 575
1.4 0.617 698 0.621 700 0.503 352 0.503 392
1.6 0.778 062 1.316 795 0.780 762 0.780 777
DE CASOS VI: ECUACIONES DIFERENCIALES ORDINARIOS 62 1
de cuarto orden. Enelcuadro 18.4 se comparalasoluciónanalíticadela

ecuación lineal del movimiento [Ec. (18.17)]enla columna a) con la solu-
ciónnuméricaenlascolumnas b), c) y d).
Los métodos de Euler y RK de cuarto orden generan resultados dife-
rentes y ambos divergen de la solución analítica, aunque el método RK
de cuarto orden parael caso no lineal se acerca más a la solución analíti-
ca que el de Euler. Para evaluar propiamente la diferencia entre los mo-
delos lineal y no lineal es importante determinar la exactitud delos resultados
numéricos. Esto se lleva a cabo de tres formas diferentes. Primero, la so-
lución numérica de Euler se reconoce fácilmente ya que es inadecuada
debido a sus inconvenientesen la condición inicial en t = 0.8 s . Esto vio-
la claramente laleydela conservación de la energía. Segundo, las co-
lumnas c) y d) delcuadro 18.4 muestranlasolucióndel métodode
Runge-Kutta de cuarto orden con tamaños de paso 0.05 de y 0.01. Debi-
do a que estos varíanenelcuartolugar decimal, es razonable suponer
que la solución con un tamaño de paso de 0.01 también será exacta con
este grado de certeza. Tercero, para el caso con un tamaño de paso de
0.01 S , 6 alcanza un valor local máximo de0.785 385 en t = 1.63 S (que
no se muestra en el cuadro 18.4). Esto indica que la partícula regresa a
su posición original con una exactitud de cuatro cifras con un periodo de
1.63 s. Estas consideraciones permiten tener la seguridad que la diferen-
cia entre las columnas a) y d) del cuadro 18.4 representan realmente la
diferenciaentre el modelolineal y no lineal.
Otra manera de caracterizar la diferencia entre el modelo lineal y no
lineal es en base al periodo. En el cuadro 18.5 se muestra el periodo de
oscilación calculado con los modelos lineal y no lineal para tres valores
diferentes iniciales del desplazamiento. Se ve que los periodos calculados
casi son igualescuando 0 es pequeño debida a que 0 es una buena apro-
ximación para sen 0 en la ecuación (18.15). Esta aproximación se dete-
riora a medida que 6 crece.
Estos análisis son comunes en los casos en que rutinariamente se en-
cuentra un ingeniero. La utilidad de los métodos numéricos viene a ser
particularmente significativacuando se trata de problemas no lineales, y
muchos problemas de la vida real son no lineales.
CUADRO 18.5 Comparación del periodo de un cuerpo oscilante calculadode los

modelos lineal y no lineal
Periodo, S
~
Desplazamiento Modelo lineal Modelo no lineal

inicial ( I 27rJ//g) [solución numérica de la
60 ecuación (1 8.14)]
~~~~~ ~ ~~
a/l6 1.565 9 1.57

a/4 1.565 9 1.63
1.565 9 1.85
PROBLEMAS
lngeniería en general
18.1 Repítase los cálculos realizados en el caso 18.1 usando los programas propios
18.2 Efectúense losmismos cálculos del caso 18.1 usando k = $60/día.
18.3 Efectuénse los mismos cálculos del caso 18.1 con una nueva ecuación del costo
de las computadoras [reemplácese la Ec. (18.2)]:
Costo por computadora individual ($) = 1 500 (I + e - 4 4x10-5N 1
18.4 Repítase el problema delparacaidista (ejemplo 1.2), pero con unafuerza ac-
tuando hacia arriba debida a la fuerza de rozamiento que es proporcional a la
velocidad al cuadrado:
F, = -cu2
donde c = 2.4 g/cm. Grafíquense los resultados y compárense con los del ejem-
plo 1.1.
18.5 Repítanse los cálculos del caso 18.2 usando los programaspropios
18.6 Efectúense los mismoscdlculosdel caso 18.2 peroparaelcasoenque p ( t = 0)

= 50 O00 célulasporlitro.
18.7 Efectúense los mismos cálculos del caso 18.2, pero para p ( t = 0) = 100 O00
células por litro y k = 3 X por día.
litros por célula
18.8 Enel caso 12.2 se desarrolla la ecuación (12.5) paramodelar el crecimiento

de la levadura empleada en la producción comercial de cerveza. Si el decai-
miento de la levadura es proporcional a 0.8 p y sila proporción de cambio de
f se describe como
"
df - dP
-_
dt dt
resuélvase para j y p en función del tiempo si f(0) = 100 y p(0) = 1. Intégrese
el par de E D 0 hasta que p y f alcancen niveles estables. Grafíquense los re-
sultados
18.9 Un balance de masa de una sustancia química en u n reactor mezclada comple

tamente, se puede escribir como
velocidad de flujo de
Acumulación = alimentación - salida - reacción
DE CASOS VI: ECUACIONES DIFERENCIALES ORDINARIOS 623
donde V es elvolumen (10 m3), c es la concentración, F es la alimentación

(200 g./min), Q esla velocidad de flujo (1 m3/min), y K es la velocidad de
reacción (0.1 m3/g/min). Si c(0) = O , Resuélvase la E D 0 hasta que la con-
centración alcance un nivel estable. Grafíquense los resultados.
18.10 Repítase el problema usando el método de disparo.
Ingeniería civil
18.11 Repítanse los cálculos del caso 18.3 usando los propios programas.
18.12 Efectúense los mismos cálculos del caso 18.3, pero con una carga uniforme de
80 libras/pie y una E = 2 x lo8 libras/pie2. Verifíquense los resultados com-
parándolos con la soluciónanalítica.
18.13 Efectuénse los mismos cálculos del caso 18.3, pero en vez de usarunafuerza
del viento constante, utilícese una fuerza que varíe con la altura de acuerdo a
(recuérdese el caso 15.3):
. !(x) = 200 -e -22/30

5 + 2
Grafíquese y contra z compárense con los resultados con los del caso 18.3.
18.14 Duplíquese la figura 6.4 integrando numéricamente la E D 0 del caso 6.3. VerifC
quense los resultados comparándolos con los de la soluci6n analítica [Ec. (6.9)].
18.15 El modelo de crecimiento logístico del caso 6.3 se puede aplicar tanto a la po-
blación microbial como a la humana. Supóngase que se planea un sistema de
abastecimiento de agua para unaisla. Si pmlx = 100 O00 personas y K =
personas . año y si la población inicial es de 10 O00 personas, ¿qué tiem-
PO pasará para que la población llegue a 90 O00 habitantes?
18.16 Repítanse los cálculos del caso 18.4 usando los programaspropios
18.17 Efectúense los mismos cálculos del caso 18.4, pero con R = 203.
18.18 Resuélvase la E D 0 del caso 6.4 usando los métodos numéricos si q = 0.1 e
i = - 3 . 2 8 1 5 i 5 en t = O.
18.19 En un circuito RL simple, la ley de los voltajes de Kirchhoff requiere que (si se
cumple laley de Ohm):
di
L-
dt
+ Ri = O
donde i es la corriente, L la inductancia y R la resistencia. Resuélvase para

i , si L = R = 1 e ¡(O) = amperios. Resuélvase este problema analítica-
mente y con un método numérico.
18.20 En contraste con el problema 18.9, las resistencias reales no siempre obedecen
la ley de Ohm. Por ejemplo, la caída de voltaje puede ser no lineal y la dinámicz
del circuito descrita por relaciones deltipo
donde todos los parámetros son iguales a los definidos enel problema 18.19
e I es una corriente de referencia igual a 1. Resuélvase para i en función del
tiempo bajo las mismas condiciones especificadas en el problema 18.19.
18.21 Repítanse los cálculos realizados en el caso 18.5 usando los programas propios.
18.22 Efectúense los mismos cálculos del caso 18.5 con un péndulo de 3 pies de
longitud.
18.23 Empléese un método numérico para duplicar los cálculos mostrados en la figura
6.10.
18.24 La tasa deenfriamientode un cuerpo se puede expresar como
donde T es la temperatura del cuerpo (en grados centígrados), T,es la tempe-

ratura del medio que rodea al cuerpo (también en grados centígrados) y k es
una constante de proporcionalidad (por minuto). Por lo tanto, esta ecuación es-
pecifica que el enfriamiento es proporcional a la diferencia de temperaturas en-
tre el cuerpo y el medio que lo rodea. Si se calienta una bola de metal a 90°C
y se sumergeen el agua que se mantiene a unatemperatura constante To
= 20" C, empléese un método numérico para calcular el tiempo que le toma
a la bolaenfriarse a 30" C si k = O. 1 min
18.25 Léanse todos los casos del capítulo 18. Con base a la lectura y a la experiencia,
invéntese un caso propio en cualquiera delos campos de la ingeniería. Esto puede
implicarla modificación o la reexpresión de alguno de los casos. No obstante
éste puede ser totalmente original. Como sucede en los ejemplos del texto, se
debe elaborar dentro del contexto de la solución de problemas de la ingeniería
y se debe demostrar el uso de los métodos numéricos en la solución de EDO.
Escríbanse losresultadosusandolos casos de este libro como modelos.
EPíLOGO: V1.4 ELEMENTOS DE JUICIO
PARTEVi En la tabla V1.3 se muestran los factores de ma-
yor importancia asociados con los métodos numé-
ricos en la solución de ecuaciones diferenciales
ordinarias. U n ingeniero debe evaluar los facto-
res de esta tabla cuando seleccione un método pa-
ra cada uno de los problemas en particular.
Se pueden emplear los métodos simples de auto-

principio tales como el método de Euler, si los re-
quisitos del problema comprenden intervalos de
integración pequeños. En este caso, se puede ob-
tener la exactitud adecuada empleando intervalos
para evitar grandes errores de truncamiento, y los
errores de redondeo serán aceptables. El método
de Euler también es apropiado en casos donde el
modelo matemático tenga un nivel inherentemente
alto de incertidumbre o tenga coeficientes y fun-
ciones forzadas con errores significativos, como
puede suceder durante las mediciones de un pro-
ceso. En este caso la exactitud del modelo mismo
simplemente no justifica el esfuerzo aplicado en el
empleo de un método numérico más complicado.
Finalmente, los métodos más simples pueden ser
los mejores cuando el problema o la simulación
se necesiten llevar a cabo sólo pocas veces. En
estas aplicaciones tal vez sea mejor probar un mé-
todo simple que sea fácil de programar y de en-
tender, a pesardeque el método pueda ser
inefibente en cuanto al trabajo de cómputo, y con-
suma mucho tiempo para correrse en una compu-
tadora.
Si el intervalo de integración del problema es de-

masiado grande de tal forma que comprenda un
gran número de pasos (más de 1 000), entonces
puede resultar necesario y apropiado usar un mé-
todo más exacto que el de Euler. Los métodos de
Runge-Kutta de cuarto orden y el de Adams de
cuarto orden son comunes y confiables en muchos
problemas de ingeniería. En estos casos, es acon-
sejable calcular el error de truncamiento en cada
paso como una guiaen la selección del mejor ta-
maño de paso.
.-u .-u
"
'U'U
LLLL
-"-"
N í
"
Y
5555 SS
O000 O 0
o O 0
ZZZZ
0 0
z z
- 7 - - "
x
C
x
O
o
O
3
S
EPiLOGO PARTE VI 627
Esto se puede llevar a cabo con los métodos de cuarto orden de Adams
o de Runge-Kutta-Fehlberg.Si los errores de truncamiento son extre-
madamente pequeños, puede ser útil aumentar el tamaño del inter-
valo, con lo cual se ahorra tiempo de cómputo. Por otro lado, si los
errores de truncamiento son muy grandes, el tamaño del intervalo se
debe disminuir para evitar acumulamiento de errores. El método de
Milne se debe evitar si se esperan problemas cuya estabilidad sea sig-
nificativa. El método de Runge-Kutta es simple de programar y con-
veniente en su uso pero puede ser menos eficiente que los métodos
de pasos múltiples. Sin embargo, el método de Runge-Kuttaseem-
plea generalmente en cualquier evento para obtener valores inicia-
lesen los métodos de pasos múltiples.
Si se necesitan respuestasextremadamente exactas o si la función tie-

ne derivadas de orden superior, se podrán usarel método de But-
cher de Runge-Kutta de quinto orden.
Un gran número de problemas de ingeniería pueden caer en un in-

tervalo medio de requisitos entre la integración y la exactitud. En es-
tos casos los métodos de Heun sin principio y el método deRunge-Kutta
de segundo orden son simples de usarse y son relativamente eficien-
tes y exactos.
V I S RELACIONES Y FóRMULAS IMPORTANTES

En el cuadro V1.4se resumen las fórmulas importantes se presenta-
ron en la parte VI, y puede consultarse para un acceso rápido a las
relaciones y fórmulas importantes.
V1.6 MÉTODOS AVANZADOS

Y ALGUNAS REFERENCIAS ADICIONALES
Aunque se han revisado una gran cantidad de métodos en la solu-
ción de ecuaciones diferenciales ordinarias, existe información adi-
cional que es muy importante en la práctica de la ingeniería. El tema
de estabilidad se introdujo en la sección 17.3.3; es de importancia
fundamental en todos los métodos de solución deEDO. Se pueden en-
contrar anállsis más detallados acerca de este asunto en Carnahan,
Luther y Wilkes ( 1 969), Gear ( 1 971) y Hildebrand ( 1 974).
La estabilidad tiene un significado especial sobre un tema menciona-

do brevemente en la sección 17.1.5 y en el caso 18.4, la solución de
ecuaciones rigidas. Estas ecuaciones contienen componentes con va-
MÉTODOS NUMÉRICOS PARA INGENIEROS
X
F
. .-+
'
.. .-
$ :
** "
-+
.-O
-o
E
O
- +
L
L
+o
II
2?uL
U
o .&
-
EPíLOGO VI 629
riaciones lentas y rápidas. Aunque el empleo de un método con ta-

maño de paso variableo de orden superior puede ayudaren algunas
ocasiones, en general se necesitan métodos especiales para la solu-
ción adecuada de ecuaciones rígidas. Se puede consultar Enright et
al. (1975), G e a r (1971) y Shampine y G e a r (1979))los cuales inclu-
yen información adicional relacionada con estos métodos.
En la sección 16.4.2 se introdujo el método de disparo en la solución

de problemas con valores a la frontera. También se aludió al hecho
de que los métodos de diferencias finitas del tipo utilizado en el caso
9.2 se pueden emplear en estos problemas. Se puede consultar Isaac-
son y Keller (1 966), Keller (1 968), N a (1 979) y Scott y Waits (1976)
paraunainformaciónadicional sobre problemasde valoresala
frontera.
Finalmente, existen métodos númericos para la solución de ecuaciones

diferenciales parciales. Carnahan, Luther y Wilkes (1969), Gerald y
Wheatley (1 984) y Rice (1983) proporcionan buenas introducciones al
tema. Se pueden consultar también Ames (1977))Gladwell y Wait (1979))
Vichnevetsky,(1 981, 1982) y Zienkiewicz (1 971) para tratamientos mas
profundos.
En resumen, lo anterior pretende proporcionar al lector un caminc

para que pueda seguir con estudios más profundos sobre el tema. Adi-
cionalmente, todas las referencias anteriores proporcionan descrip-
ciones de los métodos básicos cubiertos en la parte VI. Sugerimos al
lector consulte lo más pronto posible estas referencias alternas para
completar el dominio de los métodos numéricos en la solución de ecua-
ciones diferenciales ordinarias.
BIBLIOGRAFíA
Ames, W. F., Numerical Methods for Parhal Differential Equations, Academic Press,
New York, 1977.
Ang, A. H-S., and W. H. Tang, Probability Concepts in Engineering Planning and
Design,Vol. 1: Basic Principles, Wiley,NewYork, 1975.
Bent, R. J., and G. C. Sethares, An Introduction to Computer Programming, 2ded.,
BrookdCole, Monterey, Calif., 1982.
Brigham, E. O., The Fast Fourier Transfom, Prentice-Hall, Englewood Cliffs, N.J.,
1974.
Butcher, J. C., “On Runge-Kutta Processes of Higher Order,”J. AustralianMath
Soc., 4179 (1964).
Camahan, B., H. A. Luther, and J. O. Wilkes, Applied Numerical Methods, Wiley,
NewYork, 1969.
Cheney, W., and D. Kincaid, Numerical Mathematics and Computing, Brooks/Cole,
Monterey,Calif., 1980.
Davis, P. J., and P. Rabinowitz, Methods of Numerical Integration, Academic P r e s s ,
New York, 1975.
Draper, N. R., and H. Smith, Applied Regression Analysis, 2d ed., Wiley, New York,
1981.
Enright, W. H.,T.E. Hull, and B. Lindberg, “Comparing Numerical Methods for Stiff
Systems of ODES,” BIT, 15:lO (1975).
Forsythe, G. E., M. A. Malcolm,andC. B. Moler,ComputerMethodsforMathe-
matical Compvtation, Prentice-Hall, Englewood Cliffs, N.J., 1977.
Gear, C. W., Numerical Initial-Value Problems in Ordinary Differential Equations,
Prentice-Hall,EnglewoodCliffs, N.J., 1971.
Gerald, C. F., andP. O. Wheatley,AppliedNumericalAnalysis,3d ed., Addison-
Wesley,Reading,Mass., 1984.
Gladwell, J., and R. Wait, A Survey of Numerical Methods for Partial Differential
Equations,OxfordUniversityPress,New vork, 1979.
Guest, P. G , Numerical Methodsof Curve Fitting, Cambridge University Press, New
York, 1961.
Hamming, R. W., Numerical Methods for Scientists and Engineers, 2d ed., McGraw-
Hill, New York, 1973.
Henrici, P. H., Elements of Numerical Analysis, Wiley, New York, 1964
Hildebrand,F. B., Introduction to NumericalAnalysis,2d ed., McGraw-Hill,New
York, 1974.
BIBLIOGRAFíA
Hornbeck, R. W., Numerical Methods, Quantum, New York, 1975.

Householder, A. S., The The0y of Matrices in Numerical Analysis, Blaisdell, New
York, 1964.
Hull, T. E.,and A. L. Creemer, “TheEfficiency of Predictor-CorrectorProcedures,”
J. Assoc. Cornput. Mach., 10291 (1963).
Isaacson, E.,and H.B. Keller, Analysis of Numerical Methods, Wiley, New York,
1966.
James, M. L., G. M. Smith, and J. C. Wolford,Applied NumericalMethodsfor Digital
Computations with FORTRAN and CSMP, Harper & Row, New York, 1977.
Keller, H. B., Numerical Methods for Two-Point Boundary-Value Problems, Wiley,
NewYork, 1968.
Lapidus, L.,and J. H. Seinfield, Numerical Solution of Ordinary DifferentialEqua-
tions, Academic Press, New York, 1971.
Lapin, L. L., Probability and Statistics for Modern Engineering, Brooks/Cole,Mon-
terey, Calif., 1983.
Lyness, J. M., “Notes on the Adaptive Simpson Quadrature Routine,” J. Assoc.
Comput. Mach., 16483 (1969).
McCracken, D.D., A Guide to FORTRANNProgramming, Wiley, New York, 1965.
Malcolm, M.A., and R. B. Simpson, “Local Versus Global Strategies for Adaptive
Quadrature,”ACM Trans. Math. Software, 1:129 (1975).
Maron, M. J., NumericalAnalysis, A Practical Approach, Macmillan,NewYork,
1982.
Merchant, M. J., The ABC’s of Computer Programming, Wadsworth,Belmont,
Calif., 1979.
and J. R. Sturgul, Applied FORTRAN Programming with Standard FOR-
TRAN, WATFOR, WATFN andStructural WATFN; Wadsworth,Belmont,
Calif., 1977.
Muller, D. E., “A Method for Solving Algebraic Equations Using a Digital Computer,”
Math. Tables Aids Comput., 10205 (1956).
Na, T.Y., Computational Methods in Engineering Boundary Value Problems, Aca-
demic Press, New York, 1979.
Noyce, R. N., “Microelectronics,”Scientific American, 237:62 (1977).
Ortega, J., and W. Rheinboldt, lteratiue Solution of Nonlinear Equations in Seueral
Variables, Academic Press. New York, 1970
Ralston, A,, “Runge-Kutta Methods with Minimum Error Bounds,” Match. Comp.,
16:431 (1962).
and P. Rabinowitz, A First Course in Numerical Analysis, 2d ed., McGraw-
Hill, New York, 1978.
Rice, J. R., Numerical Methods, Software and Analysis, McGraw-Hill,NewYork,
1983.
Ruckdeschel, F. R., BASIC Scientific Subroutines, Vol. 2, ByteiMcGraw-Hill, Peter-
borough, N.H., 1981.
Scarborough,J. B., Numerical Mathematical Analysis, 6th ed., Johns Hopkins Press,
Baltimore, Md., 1966.
Scott, M. R., and H. A. Watts, “A SystematizedCollection of Codes for Solving
Two-Point Boundary-Value Problems,”in Numerical Methods for Differential
Equations, L. Lapidus and W. E. Schiesser. eds., Academic Press, New York,
1976.
BIBLIOGRAF~A 633
Shampine, L. F., and R. C. Allen, Jr., NumericalComputing: An Introduction,

Saunders, Philadelphia, 1973.
and C. W. Gear, "A User's View of Solving Stiff Ordinary Differential Equa-
tions," SIAM Review, 21:l (1979).
Stark, P. A., Introduction to Numerical Methods, Macmillan, New York, 1970.
Swokowski, E. W., Calculus with Analytical Geometry, 2d ed., Prindle, Weber and
Schmidt, Boston, 1979.
Thomas, G. B., Jr., and R. L. Finney, Calculus and Analytical Geometry, 5th ed.,
Addison-Wesley, Reading, Mass., 1979.
Vichnevetsky, R., Computer Methodsf o r Partial Differential Equations, Vol. 1 :Ellip-
tical Equations and the Finite Element Method,Prentice-Hall, Englewood Cliffs,
N.J., 1981.
,Computer Methods for Partial Differential Equations, Vol. 2: Initial Value
Problems, Prentice-Hall, Englewood Cliffs, N.J., 1982.
Wilkonson, J. H., T h e Algebraic Eigenualue Problem, Oxford University Press, Fair
Lawn, N.J., 1965.
Zienkiewicz, O. C., The Finite Element Methodin Engineering Science, McGraw-Hill,
London, 1971.
INDICE
Ábaco, 22-23 BASIC:

Ajuste de curvas: definicidn de, 29
con datosigualmenteespaciados, 368-369 tabladecomparación con FORTRAN, 32-40
elementosdejuicioen el, 409-411 (udase tarnbidnprogramasbajoComputadora)
interpolaciónsegmentaria(spline)en el, Búsquedaincremental, 124, 139-140
370-383
métodos avanzados para el, 411-413
NUMERICOMP, 329-331. 366-368 CSlculosdeestímulo-respuesta, 205-206,
polinomio: 266-267
deLagrangeen el, 363-368 Casos:
deNewtonen el, 350-364 elmétododeRKdecuartoorden, 605-607,
regresión: 616-621
linealen el, 319-337 elmétododeRKdesegundoordende Ralston,
múltipleen el, 342-344 610-611
polinomialen el, 337-341 Cifrassignificativas, 64-66, 74-77
resumendefórmulaspara el, 412 criteriosdeterminaci6n (€'I, 70-71
WdasetarnbidnInterpolación;Regresión) Circuitosintegrados, 22
Algoritmo(s): Código, 27
de bisección, 124 Coeficiente(s):
de corrección de errores para la eliminación decorrelación (r), 328, 337
gaussiana, 252 dedeterminaci6n (r'), 326, 338
definición de, 25 indeterminados,método de, 475-476
dediferenciadecocientes (DC), 201 devariación, 312, 390
diserio de, 25-26 Computadora(s):
deeliminacióngaussianasimple, 227-231 definiciónde una, 22
deintegraciónde Romberg, 470-472 ' grbficadpor, 54-56
deinterpolacióncúbicasegmentaria (spline), grandes, 24
383 programas:
parainversióndematrices. 268 paralaeliminacióngaussianasimple, 232-233
delmétodo: paraHeunsinprincipio, 583-584
de Gauss-Seidel,274 paralaimplementaci6ndelacuadratura
de Heun, 549 gaussiana, 482-483
mejoradodelpolígono, 549 paraiteracióndepuntofijo, 151
de los métodosdeRunge-Kutta, 563 iterativoparalaimplementacióndelmétodo
delareglade Simpson, 452 deHeun, 549
deregresiónpolinomial, 341-342 para el método:
desistemasde EDO, 565 de bisección, 130
desumasimple, 26 de Euler, 537-538
Almacenamiento, 45 para los métodosdeRKdesegundoordende
AnSlisis: Ralston, 563
dedirección, 309, 387-391, 604.607 parapivote0parcial. 246
estructural, 287-291, 296-297 paraelpolinomiodeinterpolacióndeNewton,
devibraciones (uéaseOsciladorarmónico) 360-361
Aproximaciónfuncional, 413 paraelproblemadelparacaidista:
versiónlegiblealusuario, 51
versiónsimple, 49
paralareglatrapezoidaldesegmentosmúltiples,
Balance de masas, 297, 520, 624 440-441
636 íNDlCE
para regresión Diferencias divididas finitas, 16. 86-95

lineal, 328-329 caso, 282-287, 490-491
pollnomial, 341 Interpolación igualmente espaciada con
para sistemas tridiagonales, 253 368-369
para suma simple, 30 método de la secante con, 159
Condicionamiento malo, 221, 238-243 polinomios de Newton con, 350, 352-361
de los determinantes, 241-243 DinBmica del crecimlento demográfico. 180-182,
de lamatriz inversa, 267-268 192-193, 392-395, 608-612
de la regresión polinomial. 342, 411 Disco flexible, 4 5
Conservación de masa Distribución normal, 313
ecuaciones algebraicas linealcs para la ley de. Dtvergencla (uéase Convergencia)
296 Documentación, 43-46. 52
EDO, 518, 522
Constante de integración. 521
Convergencia: Economía, 59. 172.176,189-190,404-405
de la iteración de punto fljo, 147-151 Economización de Chebyshev. 413
del método.
Ecuaciónies)
de Heun, 544, 545 algebraicas (véase Sistemas de ecuaciones
sin principio, 583 algebraicas lineales;
deNewton-Raphson.154-157 diferenciales:
de la regla falsa. 139 ordinarias (EDO)
para el método de Gauss-Seidel. criterlos de. de cuarto orden de Adams, 5 9 7 ~ 6 0 0
272-273 definidas, 515
Corrección de errores, 249-252, 468-469, elementos de JUICIO en las. 6 2 5 ~ 6 2 7
579-580 estabilidad de las. 627
Corrector modificador, 581-582, 594-597 linealización de las. 517 518
Corriente raíz cuadrada media (RCM), 399-401, método(s):
496-499 avanzados para la soluclón de las.
Criterios de terminaclón ( E ’ ) , 70-71 618-628
corrector de Heun. 542 de Euler para la solución de las. 528-540
integración de Romberg. 472 de Hamming, 600
iteración de punto fijo 146 de Heun. 541-547. 549-550
método: sin principio, 574-587
de bisecclón, 127-130 de RK-Fehlberg para la solución de las.
deNewton-Raphson,154 563
de la regla falsa, 136-137 de Runge-Kutta para la soluclón de las.
Cuadratura (véase Integración) 550-563. 565-566
Cuadratura gaussiana, 474-484 de Milne. 595-600
analisis del error para la, 478-479 NUMERICOMP. 540
cambio de variables en la. 484-485 orden de las, 515
caso, 497-498 polígono mejorado, 547-550
fórmulas de Gauss-Legendre para la, 475-484 problemas
método de coeficientes indeterminados para la, con valores a la frontera en las, 282-287.
475-476 522, 566-570. 627-628
con valorinicial, 522
reducaón de órdenes superiores. 516
Descomposición LU (método de Choleskyi, 306 resumen de fórmulas de las. 628
Desviación estandar. 311-314 &idas, 627
Determinantes, 222-223 sistemas de, 564-567
c6lculo de, 223-224. 243 algoritmo para la computadora sobre,
de sistemas mal condicionados, 241-243 565
Diagonal dominante, 273 usando el método de Euler, 564
Diagramas de flulo usando métodos de two, 567-570
para el caso simple del problema del usando RK de cuarto orden. 566-567
paracaidista, 47 solución analítica de las. 519 S23
definición de los, 26 parciales (EDP),629
para integración: defimdas, 515
desigualmente espaclada, 459 distribución de la temperatura usando,
de Romberg, 473 283-287
para el método: de Hazen-Wllliam, 404
de Gauss-Jordan, 263 de Laplace, 282-283
de Gauss-Seidel, 275 normales:
símbolos usados en los, 28 de la regresión
para la suma simple, 28 lineal, 324
para la versión de segmentos múltiples de la múltiple, 344
regla de Simpson. 453 polinominal, 338
Diferenciación numérica. 16. 8 7 ~ 9 3 del promedio de creclmiento en la saturaclón.
sensibilidad de los datos al ruldo en la. 489 304
INDICE 637
caso, 392-395 467, 482

raíces de (uéose Raíces de ecuaciones) en la interpolación, 358-363
rígidas. 585 en los métodos
s1mult6neas (uéose Sistemas de ecuaciones de un paso, 530-536, 539, 547, 551,
algebraicas lineales no lineales, 306 561-563
de Van der Waals, 177-178, 190-191 de pasos múltiples, 513
ED0 (uéose Ecuaciones diferenciales en las raíces de ecuaciones, 580-581,
ordinarias): 153-154
rígidas, 627 vease tambign Propagación de errores de
Elementos de juic~o, 101-106 truncamiento; Criterios de terminación (Es)
comprendidos dentro del ajuste de curvas, Escalemiento. 241-244, 246-248
409-411 Estabilidad, 598-599, 627
comprendidos dentro de las ecuaciones Estadistica, 310-314
algebraicaslineales, 301-304 de los coeficientes de variación, 312
comprendidos dentro de las ecuaciones de la desviación estAndar, 312
diferenciales ordinarias, 627 de ladistribución normal, 313
comprendidos dentro de la integración, grados de libertad sobre, 312
509-511 histograma de, 314
comprendidos dentro de las raíces de de la media, 310
ecuaciones, 113 de la varianza, 311
Eliminación: Estimación del error estfmdar:
gaussiana: para regresión
caso de la, 293, 294 lineal, 326
desventajas de la, 236-243 múltiple, 344
efecto de los errores de redondeo en la. polinomial, 338
237-238, 250-251 Euler modificado, 547-550, 553-556
escalamiento en la, 240-243, 246-248 Exactitud, 66-67
evaluación del determinante. 243 Expansiónenserie de Maclaurin, 59, 70-72,
formulación para sistemas tridiagonales, 99-100
253-254 Extrapolación, 309, 369-370
NUMERICOMP. 234-236 caso de, 387-391, 604-607
programa de computadora para la, 232-233 de Richardson, 467-469
simple, 227-233
sistemas mal condicionados y, 238-243
de incógnltas, 225-227
Error(es) Fluidos, 194, 401-403
por equivocación, 95-96 Forma de codificación, 30-31
en el momento de la ejecución. 42 Formulación de errores, 97
global de truncamiento e n las EDO, 531 Fórmula(s):
loca! de truncamiento: compuestas de integración, 435
enlasEDO, 531, 579-580 de Gauss-Legendre, 475-484
enel método de Euler, 531-537 de integración:
en los métodos de pasos múltiples, abierta de Adams-Bashforth, 591-592, 597
579-580 cerrada de Adams-Moulton, 592-594, 597
de redondeo, 64, 67, 72-74 de interpolación de Newton-Gregory, 369, 434,
en las ecuaciones diferenciales ordinarias, 445
72-73, 530 de Newton-Cotes, 429, 454, 460
enlaeliminación gaussiana, efectos de los, integración'
237-238. 250-251 abierta con las, 458, 460-461, 590-591,
en los polinomios de interpolación, 366 595
enlaregla trapezoidal, 442, 467 cerrada conlas, 453, 454-455, 591, 595
en la regresión polinomial, 342 de Newton-Raphson. 152
relativos, 68-71 FORTRAN:
aprox~mados (Ea), 69-70 definición, 29
enbisección, 127-130 tabla de comparación de BASIC con, 32-39
en corrector de Heun, 544 (véase también programas, bajo Computadora)
en interacción de Romberg, 472 Función(es):
en interacción de punto fijo, 146 de incremento, 550
en el método: suaves y continuas (spline), 370
de Gauss-Seidel, 270 trascendentes. 113
de Heun sin principio. 574-575
de Newton-Raphson. 154
de la regla falsa, 139
reales, 66-67 Grados, de libertad, 311
de semántica, 41
de sintaxis. 41
de truncamiento. 64, 67, 77-85, 531
en la integración, 434, 438, 444, 448, 450, Histograma, 313
638
~NDICE
Inestabilidad, 558-559, 629 caso, 281-282. 289-291

Integración: y mal condicionamiento, 267-268
abierta, 430 método de Gauss-Jordan paracalcularla.
fórmulas de: 262-265
de Adams-Bashforth, 591-592, 597 Iteración:
de Newton-Cotes, 458, 460-461. 589-590 de Jacobi. 272, 273
595 de punto fijo:
adaptiva de Simpson, 511 aproximación gráficade la,148.151
cerrada, 431 convergencia de la, 148-151
fórmulas de: programade computadora parala. 151
Adams-Moulton para, 592-594, 597
de Newton-Cotes para, 454-455. 591
595
cuadratura gaussiana en la, 475-484 Ley(es):
definición de, 413 de Faraday, 519
definida, 420 deFickdeladifusión, 521
elementos de juicioen la, 509-511 de Fourierdel calor, 521
fórmulas: de Kirchoff, 183.186, 194, 291-293. 298-299,
de Adams. 591-594 615-618
cerradas deordensuperior para, Leibnitz.GottFried W von, 22
454-455 Lmealización
compuestas, 454 de ecuaciones no lineales, 332-336
de Newton-Cotes, 454-460, 589-591 de EDO. 519
indefinida, 517
con interpolación cúbica segmentaria (spline), 51 1
con intervalos desiguales, 455-459 Macrocornputadoras. 2 5
caso, 501-503 Mantenimiento, 4 5
métodos avanzados para la, 511 Matriz(ces), 207-210
NUMERICOMP, 442-444 aumentada, 213-214
promedio de funciones continuas, 4 1 9 cuadrada, 2 0 8
con la regla 1/3 de Simpson, 443-448 ecuaciones algebraicas linealesque emplean.
con la regla 3/8 de Simpson, 449-451 213-214
reglatrapezoidal en la, 431-443 inversa, 211-212
resumen defórmulas de, 512 multiplicación de, 210-211
de Romberg, 465-474 reglasde operación sobre, 209-214
caso, 498 transpuesta, 213-214
para implementar la extrapolación de Richard tridiagonal, 209
son, 467-469 Media, 310-313
soluciones analíticas de, 423-424 Método(s)
teorema fundamental de, 423 avanzados:
usando segmentación suave (spline), 511 paralustede curvas, 411-413
Integral(es): paradeterminar raíces de ecuaciones. 199
definida, 423 201
indefinida, 516 en general, 107
de superficie. 421 para integración, 513
tabla de, 423 oara la solución.
de volumen, 421 de ecuaclones diferenciales ordinartas.
Interpolación: 627-629
caso, 387-391, 396-397, 400-401 desistemasde ecuaciones algebralcas linea
cuadrstica, 351-354 les, 304-306
segmentaria (spline), 373-378 de Bairstow, 201
cúbica segmentaria (spline). 378-383 de bisección:
algoritmo para la, 3 8 3 algoritmo del, 123
derivaciónde la, 379-380 análisisdeerror del. 127.130
integración con. 511 casos del. 177, 183, 184-186, 188
con datos igualmente espaciados, 368-369 criterios de termmaclón del. 126.130
lineal, 350-351 en In determinaaón de raíces de ecuaciones,
polinomial 122-132,136-139
de Lagrange, 363-368 NUMERICOMP. 54-56. 122-123.131-132
de Newton, 350-364 programas de computadora del. 130
segmentarla (spline), 370-383 de coeficlentes indeterminados. 475-476
cúbica, 378-383 de Crout ldescomposición LU), 306
. Integración medlante. 51 1 de Cholesky idescomposiclón LU).306
lineal. 373-374 de diferencias finltas. 282-287. 571
cuadrAtica, 374-379 de disparo. 56?-569
Inversiónde matrices. 211-212 de Euler, 528-541
algoritmopara la. 268 análislsdeerror pala el. 531
enel cálculodeestímulos y respuestas, 2 6 6 ~ 2 6 7 caso del. 608. 614. 616~621
~NDICE 639
paraelejemplodelproblemadelpara- desventajasde los, 151-156

caidista, pararaícesmúltiples, 164-167
16-19, 538-539 seriesdeTayloren los, 153-154
errores: parasistemasnolineales, 306
deredondeoen el, 531 de un paso, solución a los, 527-528
detruncamientoen el, 531-537 de pasos descendentes, 411
fórmula del, 528 métodos:
modificaciones y mejoras al, 541-551 de un paso, 563
NUMERICOMP, 538-539 depasosmúltiples para, 585-586
deprimer orden, 534 delpunto medio, 460, 578, 590
programadecomputadora del, 538-539 delareglafalsa:
paralasolucióndeEDO. 564 andlisisdeerrorpara el, 135-136
de Gauss-Jordan, 259-268 casosparael. 177,183, 188
caso, 281-282, 289-292 Y SU comparaciónconelmétododela secan-
diagramadeflujopara el, 263 te,160-162
matricesinversasmediante el, 262-265 convergencia del, 138
pivoteo, 268 criteriosdeterminaciónpara el, 136-137
deGauss-Newton, 411 desventajas del, 137-139
de Gauss-Seidel,268-274, enladeterminaciónde raíces, 133-139,
algoritmopara el, 274 160-163
aplicacionesdel. 274, 247 fórmulapara el, 134
casos, 285-287 programadecomputadorapara el, 139
criterios: de Runge-Kutta, 550-563
deconvergenciapara el, 272-273 decuartoordencldsicas, 558-559
determinaciónpara el, 270 errores en los, 561-563
diagramadeflujopara el, 275 dequintoordende Butcher, 559-560
dominanciadiagonal, 273 desegundo orden, 551-556
y laiteraclónde Jacobl, 272-273 algoritmoparacomputadora, 563
con relajación, 272-273 derivación de, 551
de Graeffe, 201 métododeHeuncon un solo corrector,
grdficos: 553
paraecuacionesalgebraicaslineales, 220-221 polígonomejorado, 554
paraintegración, 416-417 de Ralston, 554
paralas rakes de ecuaciones, 119-122, 140, de tercer orden, 556-557
145-152 de Runge-Kutta-Fehlberg,562-563
resumende los, 5 dela secante:
deHamming, 600 casos, 177.183. 188
deHeun. 541-550
corrector del:
criteriosdeterminaciónpara el, 543 convergencia del, 160-162
derivación del, 447-547 programadecomputadorapara el, 162
erroren el. 547 raícesmúltiples v el.167
estimaciónde los erroresdetruncamientopa- deseriesdeTaylo;deordensuperiorparalas
ra el. 547 EDO, 540-541
fórmulas del, 543 devariospasos , 573
métododeRunge-Kuttapara el, 552-554 andlisisdelerroren los, 577-578
sin principio, 576-586 de cuartoordendeAdams. 529-597
an6lisisdel erra para el, 577-579 derivación de, 577-579
criterios determinaciónpara el. 574-575 fórmulasdeintegraciónpara los, 588-594
derivación del, 579 deAdams, 591-594
estimaciónde los erroresdetruncamiento de Newton-Cotes, 589-591
para el, 579-580 deHamming, 599
fórmulaspara el, 574 métododeMilneen los, 589-596
modificadorespara el, 580-583 estabilidad del, 598-599
programadecomputadorapara el, Heun sin principio, 574-587
584-517 modificadoresdel, 579-583, 594-595
programapara el. 549 Microcomputadoras,24
queusanintervalos, 119-142 Minicomputadoras, 24
iterativos, 70-71 Minimax, 333, 369
deMarquardt. 413 Modelaciónde entrada-salida, 413
mejoradodelpolígono. 547-550, 553-556 Modelo(s):
deMilne. 596-597 decrecimientologistico, 180-182, 192
estabilldad del, 598-599 exponencial, 332-333
deMuller, 201 macrovariables. 205
deNewton-Raphson: matemAtico, 1 1
andlisisdeerroresen los. 154-156 microvariables, 206
aspectosdeprogramaciónde los, 158 depotencias. 333-335
caso de los, 178-179 caso, 398-399
derivación delos. 151-154
.___
640 íNDlCE
de temperatura, 283-287. 296-297, 525 de dlferenciasfinitas, 282-287. 571

devariable continua, 206 de disparopara la solución de. 567-570
variables agrupados, 206 enla solucióndediferencias finitas, 629
Modificadores. 580-583 devalor inicial, 522
derivación general de los, 594-595 Programación:
del predictor, 581-583, 594-596 almacenamiento y mantenimiento de la, 45-46
composición de la. 27. 27-41
definiciónde la, 24
descendente, 4 8
Nodos, 373 diseño dealgoritmos de, 24-26
Normalización. 228
I ~~ documentación de la. 43-44
Notación matriclal, 207-209 modular. 41
NUMERICOMP, 53-56 rastreo y pruebadela. 41-42
bisección dentro de, 131.132 símbolosdelosdiagramasdeflujopara la, 28
eliminación gaussiana dentro de, 233-235 Programas, 2 4
gráficas dentro de, 54-56, 121-122 (uéase también NUMERICOMP, programas,
interpolaciónde Lagrange dentro de, 366-368 bajo Computadora)
método de Euler dentro de, 538-539 Propagación de errores de truncamiento, 531
reglatrapezoidal dentro de, 442-443 Pruebas de hipótesis, 309, 395
regresiónlineal dentro de, 329-332
Raíces
complejas, 114.201
Oscilador armónico, 186-189. 194, 618-621
de ecuaciones.
búsquedas mcrementales. 124139-140
elementos de jumo en las. 197-199
métodos
analíticospara resolver, 109
Pascal, 27 avanzados paradeterminar las. 199. 201
Blas, 2 2 de la bisecciónpara encontrar las. 123-133,
Pendiente en un punto (véase Método de Euler) 137-139
Pivoteo, 244-246 de Newton-Raphson para las, 152-158
Polinomio(s): delareglafalsapara encontrar las.
deinterpolación 133-139. 160.162
con diferenciasdivididas de I’íewton, 350-364 métodos gráficospara la obtención de
cuadraticos, 351-352 las, 119-122,145.148-152,157-158,
errores en los, 358-363 163-164
forma general de los, 3 5 4 ~ 3 5 8 resumendefórmulas. 200
~~
lineales, 350-351 de la secante paradeterminar las, 158.162

programa de computadora de los, 360-361 NUMERICOMP. 131.132
redondeo en los, 366 múltiples, 121~122, 163-167
de Lagrange, 363-368 Rastreo, 4 1
derivación del, 3 6 4 Regla(s1:
error en el, 363 de la cadena en la derivach. 540-541. 551
errores de redondeo en el, 366 de Cramer, 224-226
NUMERICOMP. 336-368 de redondeo, 75-77
ortogonales, 411 de Simpson, 443-452
Precisión, 66-67 dlagrarnadeflujopara la. 453
Predictor-corrector, 542-543 de 1/3, 444-449
(usose también Métodos de varios pasos) caso, 490. 491, 493-497. 500~501
Principio de probalidad mdxima, 325 derivación de. 4 4 5
Problema(s): estimacióndel error de, 445-446
del paracaidista fórmula de, 445. 454
ejemplo: relación
debisección para el, 131-132 con las EDO. 591
de cuadratura gaussiana para el. 482-484 con el método de RungeKutta. 556-558
de eliminación gaussiana para el, 233-236 segmentos múltiples, 442-446. S91
de interpolación de Lagrange para el. de 3 / 8 , 449-451
366-368 caso, 502-503
del metodo de Euler para el, 538-539 estimaciónde errores de la. 451
de la reglatrapezoidalpara el, 441-443 fórmulade la, 450
de regresiónlinealpara el, 329-332 trapezoidal, 431-443
modelos del, 12-19 caso, 489, 491. 493, 496-499. 500-503
programa de computadora para el, 46-51 de segmento(s)
de valoresen la frontera, 282-287, 522. desiguales, 455-455
567-570 múltiples, 437-443
métodos: rorrección de errores, 467-470
-
~NDICE 64 1
estimacióndelerror en, 439

extrapolaciónde Richardson, 467.470
fórmula de, 438
NUMERICOMP, 441-443 Segunda ley deNewton, 11-14, 187, 293-294,
programaparaelmétodo de, 440-441 521, 620
redondeo, 443, 466 Serie(s):
simple. 431-437, 453, 547, 577, 590, 593 degradientearitmético, 60, 174-175
comparación conlacuadratura gaussiana, de Taylor, 78-93
474-475 fórmulas:
derivación, 432, 434, 475-476 deintegraciónde Adam para la, 591-593
estimacióndel error, 433-434 deNewton-Raphsonque usa, 154-155
fórmula. 431 métodos:
relaciónconlas EDO. 547, 577, 591. deEulerenla. 531-534
593 deordensuperiorparalas E D 0 con,
Regresión 540-541
lineal, 321-336
caso, 388-389. 398-399
coeficiente:
decorrelación (r) de la, 328 residuoen la, 78-79, 82, 84-86
dedeterminación (r2) de la, 326 Sistemas:
criteriodelmejor ajuste, 321-322 de ecuaciones algebraicaslineales
ecuaciones normales, 323 definición, 203
estimacióndelerrorestdndarpara el, 326 eliminacióngaussianaen los, 227-252
limitacionesde la, 336-337 factores deimportancia, 301-304
linealizaciónde ecuaciones nolineales, Gauss-Jordan, 259-268
332-337 Gauss-Seidel, 268-274
NUMERICOMP, 329-331 inversióndematricesmediante los, 262-267
programadecomputadora para, 328-329 métodosavanzados, 304, 306
múltiple, 37, 342-344 NUMERICOMP, 234-235
casodeestudio, 402-403 depocas ecuaciones, 219-227
ecuacióndepotenciasde la, 344 resumendefórmulas, 305
estimacióndelerrorestándarpara la, tridiagonales, 253-254, 380-381
344 singularesmalcondicionados, 221
n o lineal, 393, 411 Software, 24 (véase tambiénNUMERICOMp)
pol~nomial,336-342 Solución analítica:
algoritmopara la, 341-342 de EDO, 518-524
caso, 388-392 Paraelproblemadelparacaidista, 15
ecuaciones normalesde la, 338 deintegrales, 422-423
estimacióndelerroresrdndarde la, 338 enlasoluciónderaícesde ecuaciones, 109
subrutinaparalas ecuaciones normalesde la, Spline (véase interp0;aciÓnsegmentariacúbica)
341
Regulafalsi(véaseregia falsa, baloMétodo)
Relajación, 273-274 Tabladeintegrales. 423
caso, 286-287 Teorema:
Resumendefórmulas: fundamentaldelcdlculointegral, 422, 577
paraelajustedecurvas, 412 del valormedlo. 85, 147
para ecuaciones: Transformada rdpidade Fourier, 413
algebraicaslineales, 305
diferencialesordinarias, 628
paraintegración, 512 Valorespropios, 306
mtroducclón al, 107 Varianza, 312

Steven Chapra Metodos Numericos

Cargado por

Información del documentohacer clic para expandir la información del documento

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Steven Chapra Metodos Numericos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Steven Chapra Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

siguenos en

Raymond P. Canale, Ph.D.

DERECHOS RESERVADOS (9 1987, respecto a la primera edición en español por

Copyright @ MCMLXXXV, by McGraw-Hill, Inc., U.S. A

PARTE I LOS METODOS NUMERICOS Y LAS COMPUTADORAS

Capítulo 2 La programación en las computadoras

Capítulo 3 Aproximaciones y errores 63

PARTE II RAíCES DEECUACIONES

Capítulo 4 Métodos queusan intervalos 119

Capitulo 5 Métodos abiertos 145

PARTE 111 SISTEMAS DEECUACIONESALGEBRAICAS LINEALES

Capítulo 7 Eliminacióngaussiana 219

Capítulo 14 Integración de Romberg y cuadratura gaussiana 465

PARTE VI ECUACIONES DIFERENCIALES ORDINARIAS

Capítulo 16 Métodos de un paso 527

Capítulo 17 Métodos de pasos múltiples 573

Capítulo 18 Casos de la parte VI: Ecuaciones diferenciales ordinarias 603

Para el ingeniero moderno el hecho de “ir a la par con su profesión” im-

desarrollo de habilidades firmes dentro dela programación. El “segundo

1. Recuadros. Nos hemos empeñado en incluir derivaciones importan-

2. Material introductorio y fundamentos matemáticos. Cada parte del li-

de regresión. Por último, se presentan un esquema y los objetivos de

4. Presentaciones secuenciales y gráficas. Cada parte principal del libro

6. Software. Se dispone de un paquete de software denominado NU-

I . 1 . l Métodos anteriores a la aparición

M á s allá de sólo proporcionar un aumento en la

tadoras personales)y su asociación con los méto-

2.Para analizar el comportamiento de los sistemas se usaban solu-

3. Para implementar los métodos numéricos se utilizaban calculado-

Antes del uso de la computadora, se gastaba mucha energía en la

Hoy en día, las computadoras y los métodos numéricos proporcionan

1.1.2 Los métodosnuméricosy la práctica de la ingeniería

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

Metodos muy elaborados Mdtodo num6rico

Anll~oma fonda permite pensar

FIGURA 1 . 1 Lastresfases en la solución de problemas de ingenieríaen a ) la era anterioralas

de su trabaio. N o es necesario mencionar que la reciente evolución

Además existe un buen número de razones por las cuales se deben

1. Los métodos numéricos son herramientas extremadamente pode-

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

g a métodos numéricos. El uso inteligente de estos programas de-

3. H a y muchos problemas que no puedenplantearse al emplear pro-

4. Los métodos numéricos son un vehículo eficiente para aprender

5. Los métodos numéricos son un medio para reforzar su compren-

FIGURA 1.2 Resumen de los métodosnuméricos que se cubren eneste libro.

1. Rakes deecuaciones (Fig. 1.24. Estos problemas están re-

2. Sistemas de ecuaciones algebraicas lineales (Fig. 1.2b).

3. Ajuste de curvas (Fig. 1.24. Con frecuencia se presentará la

4. Integración (Fig.l.2d).Tal como se representa, una interpre-

5 . Ecuaciones diferenciales ordinarias. (Fig. 1.2e). Las

en la práctica de la ingeniería. Esto se debe a que muchas leyes

Resultaútilesta orientación antes de proceder a la introducción de

La figura 1.3 es una representación esquemáticadel material conteni-

1.3.2 Metas y objetivos

Estúdiese los objetivos. AI terminm la parte I el lector deberá estar

habrá adquirido una noción fundamental de la importancia de las com-

TABLA 1.1 Obietivos de estudio especificos para la parte I

1. Entender la diferencia entre error de truncamiento y de redondeo