Antologia de Metodos Numericos IMC

[Escriba texto]
Mt r o . Ul i s e s Gi r n J i m ne z

2011
Ingeniera Mecatrnica

ANTOLOGIA
METODOS NUMERICOS
Clave: AEC 1046
MTI ULISESGJ
INSTITUTO TECNOLOGICO SUPERIOR DE
ACAYUCAN

Pgina 2 de 134

METODOS NUMERICOS
CLAVE: IEC - 1046

Pgina 3 de 134

Competencia a desarrollar

Competencias especficas:
Utilizar algoritmos numricos para obtener soluciones aproximadas de modelos
matemticos de inters en fsica e ingeniera que no se pueden resolver por mtodos
analticos, contando con elementos de anlisis que le permitan elegir el mtodo que
proporcione el mnimo de error dependiendo de las condiciones del problema, utilizando
como herramienta un lenguaje de programacin.
Explicar, modelar y disear desde un punto de vista matemtico el comportamiento de
los sistemas y procesos de fsicos, qumicos, trmicos, estructurales, manufactura,
elctricos, magnticos, electrnicos y computacionales.
Competencias genricas:
Competencias instrumentales
- Capacidad de anlisis y sntesis
- Comunicacin oral y escrita
- Habilidades bsicas de manejo de la computadora
- Habilidad para buscar y analizar informacin proveniente de fuentes diversas
- Solucin de problemas
- Toma de decisiones.

Competencias interpersonales
- Capacidad crtica y autocrtica
- Trabajo en equipo
- Habilidades interpersonales

Competencias sistmicas
- Capacidad de aplicar los conocimientos en la prctica
- Habilidades de investigacin
- Capacidad de aprender
- Capacidad de generar nuevas ideas (creatividad)
- Habilidad para trabajar en forma autnoma
- Bsqueda del logro

Pgina 4 de 134

Contenido

Competencia a desarrollar ................................................................................................................................................. 3

Objetivo general del curso .................................................................................................................................................. 6

Unidad 1. Introduccin a los mtodos numricos. .................................................................................................... 7
1.1 Conceptos bsicos. Algoritmos y aproximaciones ............................................................................... 9
1.2 Tipos de errores: Error absoluto, error relativo, error porcentual, errores de redondeo y
truncamiento. ............................................................................................................................................................. 15
1.3 Convergencia ................................................................................................................................................... 25

Unidad 2. Races de ecuaciones. .................................................................................................................................... 26
2.1 Mtodos de intervalos: Grficos, Biseccin y falsa posicin .............................................................. 26
2.2 Mtodos abiertos: Iteracin punto fijo, Mtodo de Newton Raphson y Mtodo de la secante.
Mtodos para races mltiples. ............................................................................................................................ 34
2.3 Aplicaciones a la ingeniera mecnica ...................................................................................................... 45

Unidad 3. Sistemas de ecuaciones lineales algebraicas. ...................................................................................... 47
3.1 Mtodo de eliminacin Gaussiana ............................................................................................................... 47
3.2 Mtodo de Gauss-Jordn ................................................................................................................................. 48
3.3 Estrategias de pivoteo ..................................................................................................................................... 50
3.4 Mtodo de descomposicin LU ................................................................................................................. 51
3.5 Mtodo de Gauss-Seidel ............................................................................................................................... 53
3.6 Mtodo de Krylov ........................................................................................................................................... 58
3.7 Mtodo de mnimos cuadrados ................................................................................................................ 61

Unidad 4. Ajuste de curvas e interpolacin. .............................................................................................................. 64
4.1 Polinomios de Interpolacin: diferencias divididas de Newton ....................................................... 64

Pgina 5 de 134

4.2 Polinomios de interpolacin: de Lagrange ............................................................................................. 75
4.3 Regresin por mnimos cuadrados: Lineal y Cuadrtica. ................................................................. 78
4.4 Aplicaciones ......................................................................................................................................................... 84

Unidad 5. Derivacin e integracin numrica. ........................................................................................................ 89
5.1 Derivacin numrica ........................................................................................................................................ 89
5.2 Integracin numrica: Mtodo del trapecio, Mtodos de Simpson 1/3 y 3/8. ........................... 92
5.3 Integracin de Romberg ............................................................................................................................... 107
5.4 Aplicaciones ....................................................................................................................................................... 116

Unidad 6. Ecuaciones diferenciales ordinarias. .................................................................................................... 119
6.1 Fundamentos de ecuaciones diferenciales ............................................................................................. 119
6.2 Mtodos de un paso: Mtodo de Euler, Euler mejorado y Mtodo de Runge-Kutta ............... 120
6.3 Aplicaciones a la ingeniera ......................................................................................................................... 132

Bibliografa.......................................................................................................................................................................... 134

Pgina 6 de 134

Objetivo general del curso

Utilizar algoritmos numricos para obtener soluciones aproximadas de modelos
matemticos de inters en fsica e ingeniera que no se pueden resolver por mtodos
analticos, contando con elementos de anlisis que le permitan elegir el mtodo que
proporcione el mnimo de error dependiendo de las condiciones del problema, utilizando
como herramienta un lenguaje de programacin.

Pgina 7 de 134

Unidad 1. Introduccin a los mtodos numricos.

Competencia especfica a desarrollar
Reconocer los conceptos bsicos que se emplean en los mtodos numricos.

Qu son los mtodos numricos?
Los mtodos numricos son una clase de tcnicas para resolver una gran variedad de
problemas matemticos. Estos problemas pueden, naturalmente, tener su origen como
modelos matemticos o situaciones fsicas. Este tipo de mtodos son extraordinarios
puesto que solamente son empleadas operaciones aritmticas y lgicas; de esta manera
los clculos pueden hacerse directamente o usando una computadora digital.
Aunque en el sentido estricto del trmino, cualquier cosa, desde los dedos hasta un baco,
pueden ser considerados como una computadora digital, sin embargo, aqu usaremos este
trmino para referirnos a computadoras electrnicas, las cuales han sido usas
razonablemente y en forma difusa, desde a mediados de 1950. Actualmente los mtodos
numricos preceden a las computadoras electrnicas por muchos aos y, en realidad,
muchos de los mtodos usados generalmente datan, en forma virtual, desde el inicio de
las matemticas modernas; mas sin embargo, el uso de estos mtodos fue relativamente
limitado hasta el advenimiento de la calculadora mecnica de escritorio y
posteriormente dramticamente incrementada.
En un sentido real, los mtodos numricos vinieron a revolucionar las tcnicas de
solucin, de varios problemas complejos, con la introduccin de la computadora
electrnica.
La combinacin de mtodos numricos y las computadoras digitales han creado una
herramienta de inmenso poder en el anlisis numrico.
Por ejemplo, los mtodos numricos son capaces de manejar la no linealidad, la
geometra compleja y sistemas grandes de ecuaciones simultneas que son necesarios
para la simulacin perfecta de muchas situaciones fsicas reales. Las matemticas
clsicas, junto con las matemticas aplicadas ms ingeniosas no pueden competir con
muchos de estos problemas en el nivel requerido por la tecnologa de hoy en da. Como
resultado, los mtodos numricos han desplazado el anlisis con las matemticas clsicas
en muchas aplicaciones industriales y de investigacin; sin que ello signifique que las

Pgina 8 de 134

instituciones deban dejar de incluir, en la formacin de los estudiantes, esta temtica.
Importancia de los mtodos numricos
El objeto de estudio del anlisis numrico es la construccin y valoracin de los mtodos
numricos que tienen como resultados un valor numrico.

Relacin entre anlisis numrico y mtodos numricos:

Algunas de las razones por las cuales se debe estudiar los mtodos numricos son los
siguientes:
- Son algoritmos que establecen la secuencia de solucin de sistemas de
ecuaciones de gran tamao, con caractersticas de ser no lineales y geomtricas
complicadas, porque la mayor parte de los problemas reales tienen este
comportamiento, y que por lo general su solucin es muy complicada a travs de
mtodos analticos.
- Es importante que el futuro ingeniero tenga los conocimientos bsicos de los
mtodos ms comunes, ya que en el transcurso de su carrera, tendr la necesidad
de usar software comercial o implementar su propio software, que resuelvan los
algoritmos de problemas reales y que estn basados sobre algn mtodo
numrico.
- Con los mtodos numricos el ingeniero usara la computadora como

Pgina 9 de 134

herramienta, el cual es uno de los propsitos, porque el profesionista debe de
olvidarse de los clculos, y enfocarse en el diseo y planteamiento de la solucin
de los problemas.
- Proporciona una mayor comprensin de las matemticas, ya que reducen las
matemticas superiores a operaciones bsicas simples.
- Los mtodos numricos son tcnicas mediante las cuales es posible formular
problemas de tal forma que puedan resolverse usando operaciones aritmticas.
Aunque hay muchos tipos de mtodos numricos, todos comparten una
caracterstica comn: invariablemente los mtodos numricos lleva a cabo un
buen nmero de tediosos clculos aritmticos. Con el desarrollo de
computadoras digitales eficientes y rpidas, el papel de los mtodos numricos
en la solucin de problemas de ingeniera haya aumentado considerablemente
en los ltimos aos.

1.1 Conceptos bsicos. Algoritmos y aproximaciones

Algoritmo
Un algoritmo es un mtodo para resolver un problema. Aunque la popularizacin del
trmino ha llegado con el advenimiento de la era informtica, algoritmo proviene de
Mohammed al-Khowarizmi, matemtico persa que vivi durante el siglo IX y alcanzo gran
reputacin por el enunciado de las reglas para sumar, restar, multiplicar y dividir nmeros
decimales; la tradicional latn del apellido de la palabra algorismus derivo posteriormente
en algoritmo. Euclides, el gran matemtico griego (del siglo IV antes de Cristo) que invento
un mtodo para encontrar el mximo comn divisor de dos nmeros, se considera con Al-
Khowarizmi el otro gran padre de la algoritmia ( ciencia que trata de los algoritmos).
La resolucin de un problema exige el diseo de un algoritmo que resuelva el problema
propuesto.
Los pasos para la resolucin de un problema son:
- Diseo de algoritmo, que describe la secuencia ordenada de pasos que conducen a
la solucin de un problema dado. (Anlisis del problema y desarrollo del
algoritmo).
- Expresar el algoritmo como un programa de lenguaje de programacin adecuado.
(Fase de codificacin.)

Pgina 10 de 134

- Ejecucin y validacin del programa por la computadora.
Para llegar a la realizacin de un programa es necesario el diseo previo de algoritmo, de
modo que sin algoritmo no puede existir un programa.
Los algoritmos son independientes tanto del lenguaje de programacin en que se expresan
como de la computadora que lo ejecuta. En cada problema el algoritmo se puede expresar
en un lenguaje diferente de programacin y ejecutarse en una computadora distinta; sin
embargo, el algoritmo ser siempre el mismo.
En la ciencia de la computacin y en la programacin, los algoritmos son ms importantes
que los lenguajes de programacin o las computadoras. Un lenguaje de programacin es
tan solo un medio para expresar un algoritmo y una computadora es solo un procesador
para ejecutarlo. Tanto el lenguaje de programacin como la computadora son los medios
para obtener un fin: conseguir que el algoritmo se ejecute y se efecte el proceso
correspondiente.
Dada la importancia del algoritmo en la ciencia de la computacin, un aspecto muy
importante ser el diseo de algoritmos. El diseo de la mayora de los algoritmos requiere
creatividad y conocimientos profundos de la tcnica de la programacin. En esencia, la
solucin de un problema se puede expresar mediante un algoritmo.
Caractersticas de los Algoritmos
Las caractersticas fundamentales que debe cumplir todo algoritmo son:
- Un algoritmo debe ser preciso e indicar el orden de realizacin de cada paso.
- Un algoritmo debe estar definido. Si se sigue un algoritmo dos veces, se debe
obtener el mismo resultado cada vez.
- Un algoritmo debe ser finito. Si se sigue un algoritmo se debe terminar en algn
momento; o sea, debe tener un numero finito de pasos.
La definicin de un algoritmo debe definir tres partes:
- Entrada
- Proceso
- Salida.

Pgina 11 de 134

Ejemplo de Algoritmo:
Un cliente ejecuta un pedido a una fbrica. Esta examina en su banco de datos la ficha del
cliente; si el cliente es solvente entonces la empresa acepta el pedido; en caso contrario
rechazara el pedido. Redactar el algoritmo correspondiente.
Los pasos del algoritmo son:
- Inicio
- Leer el pedido
- Examinar la ficha del cliente
- Si el cliente es solvente aceptar pedido; en caso contrario, rechazar pedido
- Fin
Diseo del Algoritmo:
En la etapa de anlisis del proceso de programacin se determina que hace el programa.
En la etapa de diseo se determina como hace el programa la tarea solicitada. Los mtodos
ms eficaces para el proceso de diseo se basan en el conocido por Divide y Vencers, es
decir, la resolucin de un problema complejo se realiza dividiendo el problema en sub
problemas y a continuacin dividir estos sub problemas en otros de nivel ms bajo, hasta
que pueda ser implementada una solucin en la computadora. Este mtodo se conoce
tcnicamente como diseo descendente (Top Down) o modular. El proceso de romper el
problema en cada etapa y expresar cada paso en forma ms detallada se denomina
refinamiento sucesivo.
Cada sub programa es resuelto mediante un mdulo (sub programa) que tiene un solo
punto de entrada y un solo punto de salida.
Cualquier programa bien diseado consta de un programa principal (el mdulo de nivel
ms alto) que llama a sub programas (mdulos de nivel ms bajo) que a su vez pueden
llamar a otros sub programas.
Los programas estructurados de esta forma se dice que tienen un diseo modular y el
mtodo de romper el programa en mdulos ms pequeo se llama Programacin Modular.
Los mdulos pueden ser planeados, codificados, comprobados y depurados
independientemente (incluso por diferentes programadores) y a continuacin combinarlos
entre s.

Pgina 12 de 134

El proceso implica la ejecucin de los siguientes pasos hasta que el programa se termina:
- Programar modulo.
- Comprobar el modulo.
- Si es necesario, depurar el modulo.
- Combinar el modulo con los mdulos anteriores.
El proceso que convierte los resultados del anlisis del problema en un diseo modular con
refinamiento sucesivo que permitan una posterior traduccin al lenguaje se denomina
diseo de algoritmo.

El diseo del algoritmo es independiente del lenguaje de programacin en el que se vaya a
codificar posteriormente.
Aproximaciones
Los mtodos numricos constituyen procedimientos alternativos provechosos para resolver
problemas matemticos para los cuales se dificulta la utilizacin de mtodos analticos
tradicionales y, ocasionalmente, son la nica opcin posible de solucin.
Son tcnicas mediante las cuales un modelo matemtico es resuelto usando solamente
operaciones aritmticas, tediosos clculos aritmticos.
Son tcnicas sistemticas cuyos resultados son aproximaciones del verdadero valor que
asume la variable de inters; la repeticin consistente de la tcnica, a lo cual se le denomina
iteraciones, es lo que permite acercarse cada vez ms al valor buscado.

Pgina 13 de 134

Aproximaciones numricas.
Se entiende por aproximacin numrica X* una cifra que representa a un nmero cuyo
valor exacto es X. En la medida en que la cifra X* se acerca ms al valor exacto X, ser una
mejor aproximacin de ese nmero.
Ejemplos:
3.1416 es una aproximacin numrica de t,
2.7183 es una aproximacin numrica de e,
1.4142 es una aproximacin numrica de \2, y
0.333333 es una aproximacin numrica de 1/3.

El concepto de cifras o dgitos significativos se han desarrollado para designar
formalmente la confiabilidad de un valor numrico. El nmero de cifras significativas es el
nmero de dgitos ms un digito estimado que se pueda usar con confianza.
Estas cifras proporcionan informacin real relativa a la magnitud y precisin de las
mediciones de una cantidad. El aumento de la cantidad de cifras significativas incrementa
la precisin de una medicin. Los ceros no siempre son cifras significativas ya que pueden
usarse solo para ubicar el punto decimal. Los nmeros
0.000 018 45
0.000 184 5
0.001 845

Tienen cuatro cifras significativas. La incertidumbre (duda) se puede desechar usando la

Pgina 14 de 134

notacin cientfica en donde:
4.53 x 10
4

4.530 x 10
4

4.5300 x 10
4

Muestran que el nmero tiene tres, cuatro y cinco cifras significativas.
Los errores asociados con los clculos y medidas se pueden caracterizar observando su
precisin y exactitud.
La precisin es el grado de concordancia dentro de un grupo de mediciones o instrumentos.
Ya que el nmero de cifras significativas que representa una cantidad o la extensin en las
lecturas repetidas de un instrumento que mide alguna propiedad fsica. La precisin se
compone de dos caractersticas: conformidad y el nmero de cifras significativas con las
cuales se puede realizar la medicin.
La exactitud se refiere al grado de aproximacin o conformidad al valor real de la cantidad
medida.
Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador
al blanco. Los agujeros en el centro del tiro al blanco de cada esquema de la figura
siguiente se pueden imaginar como las predicciones en una tcnica numrica, mientras que
el centro del blanco de cada esquema representa la verdad. La inexactitud (conocida
tambin como sesgo) se define como un alejamiento sistemtico de la verdad. Por lo tanto,
aunque las balas en la figura c estn ms juntas que las de la figura a, los dos casos son
igualmente inexactos ya que ambos se centran en la esquina superior izquierda del blanco.
La precisin, por el otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo
tanto, aunque las figuras b y d son igualmente exactas (esto es, igualmente centradas
respecto al blanco), la ltima es ms precisa ya que las balas estn en un grupo ms
compacto.

Pgina 15 de 134

Figura: Un ejemplo de un buen tirador ilustra el concepto de exactitud y precisin. a)
Inexacto e impreciso; b) exacto e impreciso; e) inexacto y preciso; d) exacto y preciso.

1.2 Tipos de errores: Error absoluto, error relativo, error porcentual, errores de redondeo y
truncamiento.

Definicin de error
Es la discrepancia que existe entre la magnitud verdadera y la magnitud obtenida.
Si * p es una aproximacin a p , el error se define como
* p p E =

Sin embargo, para facilitar el manejo y el anlisis se emplea el error absoluto definido
como
* p p EA =

y el error relativo como
,
*
p
p p
ER

= si
0 = p

y cmo por ciento de error a
100 ) (ER ERP=

Pgina 16 de 134

Error aproximado
100 x
on aproximaci
on aproximaci on aproximaci
actual
anterior actual
a
= e

Problema: Suponga que el valor para un clculo debera ser
2
10 10 . 0 x p =
Pero se obtuvo el resultado
2 *
10 08 . 0 x p =
, entonces
% 20 100
2 . 0
10 10 . 0
10 08 . 0 10 10 . 0
2 10 08 . 0 10 10 . 0
2
2 2
2 2
= =
=
=
= =
ERx ERP
x
x x
ER
x x EA

Error por redondeo.
Este error es el resultado de representar aproximadamente nmeros exactos. Es decir, se
debe a la omisin de algunas de las cifras significativas de algn valor especfico. Un
ejemplo de donde sucede se da en las computadoras o calculadoras, que solo guardan un
nmero finito de cifras significativas, cuyo mximo de dgitos o de cifras significativas son
de 8 a 14 lo cual obliga a redondear el valor real.
Los errores de redondeo se deben a que las computadoras solo guardan un nmero finito
de cifras significativas durante un clculo. Las computadoras realizan esta funcin de
maneras diferentes. Por ejemplo, si solo se guardan siete cifras significativas, la
computadora puede almacenar y usar H como H = 3.141592, omitiendo los trminos
restantes y generando un error de redondeo.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los
errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razones del
porque pueden resultar crticos en algunos mtodos numricos:
Ciertos mtodos requieren cantidades extremadamente grandes para obtener una
respuesta. Adems, estos clculos a menudo depende entre s. Estos es, los clculos
posteriores son dependientes de los anteriores. En consecuencia, aunque un error de

Pgina 17 de 134

redondeo individual puede ser muy pequeo, el efecto de acumulacin en el transcurso de
la gran cantidad de clculos puede ser significativo.
El efecto del redondeo puede ser exagerado cuando se llevan a cabo operaciones
algebraicas que emplean nmeros muy pequeos y muy grandes al mismo tiempo. Ya que
este caso se presenta en muchos mtodos numricos, el error de redondeo puede resultar
de mucha importancia.
En el redondeo se conservan las cifras significativas y el resto se descarta.

El ltimo dgito retenido se aumenta en uno si el primer dgito descartado es
>
5 , si no
fuera as, el dgito conserva su valor.
La importancia de las cifras significativas de los clculos algebraicos.
Determnese la diferencia de dos nmeros grandes: 32981108.1234 y 32981107.9989.
Enseguida, reptase los clculos pero incrementndose el minuendo en in 0.001%.
Solucin:
La diferencia de los nmeros es:
32981108.1234
32981107.9989
0.1245

Ahora incrementando el minuendo en un 0.001 % se obtiene el nmero 32 981 437.934 5 y
la diferencia es:
32981437.9345
32981107.9989
329.3356

Que es considerable diferente de la primera. De aqu que una modificacin en el minuendo,

Pgina 18 de 134

aparentemente insignificante, provoca una gran diferencia en el resultado.
Problema: Ilustraciones de las reglas de redondeo
Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo analizados.
1. Errores de redondeo
5.6723 5.67 3 cifras significativas

2. suma y resta
2.2 1.768 = 0.432 = 0.4
0.00468 x 10
-7
+ 8.3 x 10
-4
228 x 10
-6
=6.02468 x 10
4
= 6.0 x 10
-4
se redondea hasta el
3 porque nos indica que es el valor para redondeo
3. multiplicacin y divisin
Evalese
0.0642 x 4.8 = 0.30816 = 0.31
945/0.3185 = 2967.032967= 2970
Las siguientes reglas pueden aplicarse al redondear nmeros, cuando se realizan clculos
a mano.
Primera: En el redondeo, se conservan las cifras significativas y el resto se descarta. El
ltimo dgito que se conserva se aumenta en uno, si el primer dgito descartado es mayor
de 5; de otra manera se deja igual, pero si el primer dgito descartado es 5 5
seguido de ceros, entonces el ltimo dgito retenido se incrementa en uno, slo si es par.
Segunda: En la suma y la resta, el redondeo se lleva a cabo de forma tal que, el ltimo
dgito retenido en la respuesta corresponda al ltimo dgito ms significativo de los
nmeros que estn sumando o restando. Ntese que un dgito en la columna de las
centsimas es ms significativo que uno de la columna de las milsimas.
Tercera: Para la multiplicacin y para la divisin, el redondeo es tal que, la cantidad de

Pgina 19 de 134

cifras significativas del resultado es igual al nmero ms pequeo de cifras significativas
que contiene la cantidad en la operacin.
Cuarta: Para combinaciones de las operaciones aritmticas, existen dos casos generales. Se
puede sumar o restar el resultado de las multiplicaciones o de las divisiones.
Errores de truncamiento.
Los errores de truncamiento son aquellos que resultan al usar una sucesin finita o infinita
de pasos en el cual se realizan clculos para producir un resultado exacto, se trunca
prematuramente despus de un cierto nmero de pasos.

Truncar la siguiente cifra hasta centsimos, o hasta que sean dos las cifras significativas:
645751311 . 2 7 =

2.64 7 ~

Como podemos ver, en este tipo de error, lo que se hace es omitir algunas de las cifras de
una cantidad, debido a que esta contiene muchos decimales, entonces se trunca o corta el
nmero, por lo que tambin cae en un error.

Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar
de un procedimiento matemtico exacto. Estos errores se regresan a la formulacin
matemtica usada ampliamente en los mtodos numricos para expresar funciones en
forma polinomial.
La serie de Taylor
La serie de Taylor da una formulacin para predecir el valor de la funcin en
1 + i
x
en
trminos de la funcin y de sus derivadas en una vecindad al punto
.
i
x

Por ejemplo: el primer trmino de la serie es conocida como aproximacin de orden cero.

Pgina 20 de 134

) ( ) (
1 i i
x f x f ~
+

Aproximacin de primer orden.
h x f x f x f
i i i
) ( ) ( ) (
1
' + ~
+
Donde
) (
1 i i
x x h =
+

Aproximacin de segundo orden.
2
1
! 2
) (
) ( ) ( ) ( h
x f
h x f x f x f
i
i i i
' '
+ ' + ~
+
Donde
) (
1 i i
x x h =
+

De esta manera se puede agregar trminos adicionales para desarrollar la expansin
completa de la serie de Taylor.
n
n i
n
i
i i i
R h
n
x f
h
x f
h x f x f x f + +
' '
+ ' + ~
+
!
) (
! 2
) (
) ( ) ( ) (
) (
2
1

Se incluye un trmino residual para considerar todos los trminos desde n + 1 hasta el
infinito:
1
) 1 (
)! 1 (
) (
+
+
+
=
n
n
n
h
n
f
R

Donde el subndice n indica que el residuo es de la aproximacin a n-simo orden y
es
un valor cualquiera de x que se encuentra en
i
x
y
1 + i
x

Ejemplos:
Problema: La funcin exponencial se puede calcular usando:
...
! 4 ! 3 ! 2
1
4 3 2
+ + + + + =
x x x
x e
x

Pgina 21 de 134

Mientras ms trminos se le agreguen a la serie, la aproximacin se acercara ms y ms al
valor de e
x
. La ecuacin anterior se le llama serie de Maclaurin.

Empezando con el primer trmino, e
x
= 1, y agregando un trmino a la vez, estmese el
valor de e
0.5
.
Despus que se agregue cada termin, calclense los ERP y
a
e . Ntese que el valor real
de 648721271 . 1
5 . 0
= e , agrguense trminos hasta que
s a
<e e
contempla tres
cifras significativas.

Solucin
e s = (0.5 x 10
2 3
) % = 0.05 %

Por lo tanto, se agregaran trminos a la serie hasta que e a se menos que este nivel.
,
*
p
p p
ER

= si
0 = p

100 ) (ER ERP=

100 x
on aproximaci
on aproximaci on aproximaci
actual
anterior actual
a
= e

Pgina 22 de 134

Ejemplo:
La expansin en serie de Maclaurin para el cos x es:
+ + =
! 8 ! 6 ! 4 ! 2
8 6 4 2
x x x x
Cosx

Iniciando con el primer trmino Cos x = 1 , agrguense los trminos uno a uno para
Estimar
3
cos
t
. Despus que se agregue cada uno de los trminos, calclense los errores
porcentuales relativos, exactos y aproximados .sense una calculadora para determinar el
valor exacto. Agrguense trminos hasta el valor absoluto del error aproximado falle bajo
cierto criterio de error, considerando dos cifras significativas.
Solucin:
e s = (0.5 x 10
2 2
) % = 0.5 %
cos
t
3
|
\
|
|
.
0.5 =

Ejemplo:
Aproximaciones de un polinomio mediante la serie de Taylor.
Enunciado del problema: sense trminos en la serie de Taylor de cero a cuarto orden
para aproximar la funcin:
2 . 1 25 . 0 5 . 0 15 . 0 1 . 0 ) (
2 3 4
+ = x x x x x f
Desde el punto
0 =
i
x
y con h = 1.

Pgina 23 de 134

Esto es, predecir el valor de la funcin en
. 1
1
=
+ i
x

Solucin:
Ya que se trata de una funcin conocida se puede calcular valores f(x) 0 y 1

Los resultados indican que la funcin empieza en f(0)=1.2 y continua hacia abajo hasta
f(1)=0.2. Por lo tanto el valor que se trata de predecir es 0.2.
Orden Derivada Aproximaciones
0 - 1.2
1 -0.25 0.95
2 -1 0.45
3 -0.9 0.3
4 -2.4 0.2

Ejemplo:
Uso de la serie de Taylor para aproximar una funcin que tiene un nmero infinito de
derivadas. sense los trminos de la serie de Taylor con n = 0 hasta 6 para aproximar:
x x f cos ) ( =

En
3 / t = x

) 60 (
con base al valor de f(x) y de sus derivadas alrededor del punto
4 / t = x
) 45 (
.Ntese que esto significa que
12 4 3
t t t
= = h

Solucin:
El valor exacto

Pgina 24 de 134

f x ( ) cos x ( ) := x
t
3
:=
f x ( ) 0.5 =

Orden Derivada Aproximaciones
0 - 0.707106781
1 -Sen(x) 0.521986659
2 -cos(x) 0.497754491
3 Sen(x) 0.499869147
4 Cos(x) 0.500007551
5 -Sen(x) 0.500000304
6 -Cos(x) 0.499999988

Pgina 25 de 134

1.3 Convergencia

La convergencia es la propiedad que tienen algunas sucesiones de tender a un lmite. En
mtodos iterativos como los numricos, se construye una sucesin Sn de aproximaciones a
la solucin del problema. Se entiende por convergencia de un mtodo numrico la
garanta de que, al realizar un buen nmero de iteraciones, las aproximaciones
obtenidas terminan por acercarse cada vez ms al verdadero valor buscado.

En la medida en la que un mtodo numrico requiera de un menor nmero de iteraciones
que otro, para acercarse al valor deseado, se dice que tiene una mayor rapidez de
convergencia.

Se entiende por estabilidad de un mtodo numrico el nivel de garanta de convergencia, y
es que algunos mtodos numricos no siempre convergen y, por el contrario, divergen; esto
es, se alejan cada vez ms del resultado deseado. En la medida en la que un mtodo
numrico, ante una muy amplia gama de posibilidades de modelado matemtico, es ms
seguro que converja que otro, se dice que tiene una mayor estabilidad. Es comn
encontrar mtodos que convergen rpidamente, pero que son muy inestables y, en
contraparte, modelos muy estables, pero de lenta convergencia.

Pgina 26 de 134

Unidad 2. Races de ecuaciones.

Aplicar los distintos mtodos numricos para la bsqueda de races de ecuaciones en la
solucin de problemas de ingeniera mecnica y Mecatrnica.

2.1 Mtodos de intervalos: Grficos, Biseccin y falsa posicin

Metodos de intervalo
A estas tcnicas se les llama mtodos que usan intervalos porque se necesitan de dos
valores inciales para la raz. Como su nombre lo indica, estos valores deben encerrar o
estar uno de cada lado de la raz. Los mtodos particulares descritos sobre este punto
emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y
as converger a la respuesta correcta. Adems de la utilidad de los mtodos grficos para
determinar valores inciales, tambin son tiles para visualizar las propiedades de las
funciones y el comportamiento de los mtodos numricos.

Grficos
Un mtodo simple para obtener una aproximacin a la raz de la ecuacin f(x) = 0
consiste en graficar y observar en donde cruza el eje x. Este punto, que representa el valor
de x para el cual f(x) = 0, proporciona una aproximacin inicial de la raz.

Ejemplo:
Emplese grficas para obtener una raz aproximada de la siguiente funcin:

Pgina 27 de 134

f x ( ) e
x
x := x 0.2 0.1 , 1.1 .. :=
0.5 0 0.5 1 1.5
1
1
2
f x ( )
x

Ejemplo:
Emplese grficas para obtener una raz aproximada de la siguiente funcin:
f x ( ) sin 10x ( ) cos 3x ( ) + := x 5 4.9 , 5 .. :=
5 0 5
2
2
f x ( )
x

Ejemplo.
Para determinar el coeficiente de arrastre c necesario para que un paracaidista de masa
m = 68.1 kg. Tenga una velocidad de 40 m/s despus de una cada libre de t = 10 s. Nota la
aceleracin de la gravedad es 9.8 m/s
2
. Determine su grfica.
( )
|
|
.
|
\
|
=
|
.
|
\
|
t
m
c
e
c
gm
t v 1
Solucin:
Este problema se resuelve determinando la raz de la ecuacin usando los parmetros:
t = 10, g = 9.8, v = 40 y m = 68.1

Pgina 28 de 134

( ) v e
c
gm
c f
t
m
c
|
|
.
|
\
|
=
|
.
|
\
|
1
40 1
) 1 . 68 ( 8 . 9
) (
10
1 . 68
|
|
.
|
\
|
=
|
.
|
\
|
c
e
c
c f
0 5 10 15 20
20
20
40
34.115
3.977
f c ( )
17 4 c

Pgina 29 de 134

Biseccin
Es un mtodo de bsqueda incremental se aprovechan de esta caracterstica para localizar
un intervalo donde la funcin cambie de signo. Por lo tanto, la localizacin del cambio de
signo, se logra ms exactamente dividiendo el intervalo en una cantidad definida de
subintervalos.

El mtodo de biseccin conocido tambin como de corte binario, de particin en dos
intervalos iguales o mtodo Bolzano, es un mtodo de bsqueda incremental en el que el
intervalo se divide siempre en dos. Si la funcin cambia de signo sobre un intervalo, se
evala el valor de la funcin en el punto medio. La posicin de la raz se determina
situndola en el punto medio del subintervalos dentro del cual ocurre un cambio de signo.
El proceso se repite hasta obtener una mejor aproximacin.

Criterio de convergencia.
Si el intervalo original es de tamao a y el criterio de convergencia aplicado al valor
absoluto de la diferencia de dos
r
x consecutivas es c , entonces se requerirn n iteraciones
, donde n se calcula con la igualdad de la expresin
c s
n
a
2

De donde :
( ) ( )
( ) 2 ln
ln ln c
=
a
n
Por esto se dice que se puede saber de antemano cuantas iteraciones se requieren. O bien se
puede utilizar el siguiente criterio de convergencia c <
a
E
anterior actual a
aprox aprox E =

Algoritmo

Pgina 30 de 134

Paso 1: Elija los valores inciales inferior
1
x y
u
x de forma tal que la funcin cambie de
signo sobre el intervalo. Esto se puede verificar asegurndose de que:
( ) ( ) 0
1
<
u
x f x f Entonces hay al menos una raz entre
1
x y
u
x , ir al paso 2.
( ) ( )
1
0
u
f x f x > Entonces, no tiene raz entre
1
x y
u
x , cambiar el intervalo o pase al
paso 4.
Paso 2: La primera aproximacin a la raz X, se determinan como:
2
1 u
r
x x
x
+
=
Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalos cae la
raz
) a ( ) ( ) 0
1
<
r
x f x f ; Entonces la raz se encuentra dentro del subintervalos inferior o
izquierdo. Por lo tanto, tome
r u
x x = y continu en el paso 2.
) b ( ) ( ) 0
1
>
r
x f x f ; Entonces la raz se encuentra dentro del subintervalos superior o
derecho. Por lo tanto, tome
r
x x =
1
y continu en el paso 2.
) c ( ) ( ) 0
1
=
r
x f x f ; La raz es igual a
r
x ; termina el clculo. Pase al paso 4
Paso 4: Fin del calculo

Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
f x ( ) e
x
x : = error 0.001 : = x1 0 : = xu 1 : =

Solucin:

Pgina 31 de 134

Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
f x ( ) cos x ( ) ln x ( ) : = error 0.001 : = x1 1 : = xu 2 : =

Solucin:

Falsa posicin
Aunque el mtodo de biseccin es una tcnica perfectamente vlida para determinar races,
su enfoque es relativamente ineficiente. Una alternativa mejorada es la de del mtodo de la
regla falsa (falsa posicin) est basada en una idea para aproximarse en forma ms
eficiente a la raz. Un defecto del mtodo de biseccin es que al dividir el intervalo x1 a xu en
mitades iguales, no se toma en consideracin la magnitud de
) (
1
x f
y de
) (
u
x f
. Por
ejemplo, si
) (
1
x f
esta mucho ms cerca de cero que
) (
u
x f
, es lgico que la raz se
encuentra ms cerca de
1
x
que de
u
x
. Este mtodo alternativo aprovecha la idea de unir
los puntos con una lnea recta. La interseccin de la lnea con el eje de las x proporciona
una mejor estimacin de la raz. El reemplazamiento de la curva por una lnea recta da
una posicin falsa de la raz , de aqu el nombre de mtodo de la regla falsa o en latn ,
regula falsi. Tambin se le conoce como mtodo de interpolacin lineal. Con el uso de

Pgina 32 de 134

tringulos semejantes, la interseccin de la lnea recta y el eje de las x se puede calcular de
la siguiente manera:
( ) ( )
u r
u
r
x x
x f
x x
x f
1
1

Figura: esquema grafico del mtodo de la regla falsa. La frmula se deriva de los tringulos
semejantes (reas sombreadas)

Multiplicando en cruz la ecuacin se obtiene
( ) ( )( )
1 1
) ( x x x f x x x f
r u u r
=

agrupando termino y reordenando
( ) ( ) | | ( ) ( )
u u u r
x f x x f x x f x f x
1 1 1
=

dividiendo entre
( ) ( )
1 u
f x f x

( ) ( )
( ) ( )
u
u u
r
x f x f
x f x x f x
x
=
1
1 1

Se puede ordenar de una manera alternativa:
( )
( ) ( )
( )
( ) ( )
u
u
u
u
r
x f x f
x x f
x f x f
x x f
x
=
1
1
1
1

Sumando y restando
u
x
del lado derecho
( )
( ) ( )
( )
( ) ( )
u
u
u
u
u
u r
x f x f
x x f
x
x f x f
x x f
x x
+ =
1
1
1
1

Pgina 33 de 134

agrupando trminos se obtiene
( )
( ) ( )
( )
( ) ( )
u
u
u
u u
u r
x f x f
x x f
x f x f
x x f
x x
+ =
1
1
1

( )( )
( ) ( )
u
u u
u r
x f x f
x x x f
x x

=
1
1

Esta es la frmula de la regla falsa. El algoritmo es idntico al de la biseccin con la
excepcin de que la ecuacin se usa en los pasos 2. Adems se usan los mismos criterios de
paro para detener los clculos.

Paso 1: Elija los valores inciales inferior
1
x y
u
x de forma tal que la funcin cambie de
signo sobre el intervalo. Esto se puede verificar asegurndose de que:
( ) ( ) 0
1
<
u
x f x f Entonces hay al menos una raz entre
1
x y
u
x , ir al paso 2.
( ) ( )
1
0
u
f x f x > Entonces, no tiene raz entre
1
x y
u
x , cambiar el intervalo o pase al
paso 4.
Paso 2: La primera aproximacin a la raz X, se determinan como:
( )( )
( ) ( )
u
u u
u r
x f x f
x x x f
x x

=
1
1

Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalos cae la
raz
) a ( ) ( ) 0
1
<
r
x f x f ; Entonces la raz se encuentra dentro del subintervalos inferior o
izquierdo. Por lo tanto, tome
r u
x x = y continu en el paso 2.
) b ( ) ( ) 0
1
>
r
x f x f ; Entonces la raz se encuentra dentro del subintervalos superior o
derecho. Por lo tanto, tome
r
x x =
1
y continu en el paso 2.

Pgina 34 de 134

) c ( ) ( ) 0
1
=
r
x f x f ; La raz es igual a
r
x ; termina el clculo. Pase al paso 4
Paso 4: Fin del calculo

Ejemplo:
Utilice el mtodo de falsa posicin para encontrar la raz real de la siguiente funcin:
f x ( ) e
x
x : = error 0.001 : = x1 0 : = xu 1 : =

Solucin:

Ejemplo:
Utilice el mtodo de falsa posicin para encontrar la raz real de la siguiente funcin:
f x ( ) cos x ( ) ln x ( ) : = error 0.001 : = x1 1 : = xu 2 : =

Solucin:

2.2 Mtodos abiertos: Iteracin punto fijo, Mtodo de Newton Raphson y Mtodo de la
secante. Mtodos para races mltiples.

Iteracin punto fijo
Dada la ecuacin f(x) = 0, el mtodo de las aproximaciones sucesivas reemplaza esta
ecuacin por una equivalente,
( ) x g x =
definida en la forma
( ) ( ) x x f x g + =
. Para

Pgina 35 de 134

encontrar la solucin, partimos de un valor inicial x0 y calculamos una nueva
aproximacin x1 = g(x0). Reemplazamos el nuevo valor obtenido y repetimos el proceso.
Esto da lugar a una sucesin de valores
{ }
n
x x x ,..., ,
1 0
, que si converge, tendr como lmite
la solucin del problema.

Figure: Interpretacin geomtrica del mtodo de las aproximaciones sucesivas.
En la figura se representa la interpretacin geomtrica del mtodo. Partimos de un punto
inicial x0 y calculamos: y = g(x0).

La interseccin de esta solucin con la recta y = x nos dar un nuevo valor x1 ms prximo a
la solucin final.

La utilidad de la ecuacin es que proporciona una frmula para predecir un valor de x en
funcin de x. De esta manera, dada una aproximacin inicial a la raz,
i
x
, expresada por la
formula iterativa:
( )
i i
x g x =
+1

Como con otras frmulas iterativas del libro, error aproximado de esta ecuacin se puede
calcular usando el estimado de error:
% 100
1
1
+
+

= e
i
i i
a
x
x x

Ejemplo: Iteracin de punto fijo

Pgina 36 de 134

Enunciado del problema: sese iteracin de punto fijo para localizar la raz de
x e x f
x
=

) (
.

Solucin:
La funcin se puede separar directamente y expresarse en la forma de ecuacin
( )
i i
x g x =
+1
como
i
x
i
e x

+
=
1
. Empezando con un valor inicial de
0
0
= x
, se puede
aplicar esta ecuacin iterativa y calcular:
Iteracin, i x
%
v
e

%
a
e

0
1
2
3
4
5
6
7
8
9
10
0
1.000000
0.367879
0.692201
0.500473
0.606244
0.545396
0.579612
0.560115
0.571143
0.564879
100
76.3
35.1
22.1
11.8
6.89
3.83
2.20
1.24
0.705
0.399

100.0
171.8
46.9
38.3
17.4
11.2
5.90
3.48
1.93
1.11

De esta manera, cada iteracin acerca cada vez ms al valor estimado con el valor
verdadero de la raz o sea 0.56714329
Un planteamiento grafico diferente es el de separar la ecuacin f(x) =0 en dos partes, como
en:
( ) ( ) x f x f
2 1
=
Entonces las dos ecuaciones:
( ) x f y
1 1
=
y
( ) x f y
2 2
=

Ejemplo: mtodo grafico de dos curvas
Enunciado del problema: seprese la ecuacin
0 =
x e
x
en dos partes y determnese su
raz grficamente.

Solucin:

Pgina 37 de 134

Reformlese la ecuacin como y1 = x y y2 = e
x
. Calclense los siguientes valores

x Y1 Y2
0.0
0.2
0.4
0.6
0.8
1.0
0.0
0.2
0.4
0.6
0.8
1.0
1.000
0.819
0.670
0.549
0.449
0.368

Estos puntos se grafican en la figura. La interseccin de las dos curvas indican una
aproximacin de x = 0.57, que corresponde al punto donde la curva original en la figura a ,
cruza al eje x.

Figura: Dos mtodos grficos alternativos para determinar la raz de x e x f
x
=

) ( a)
Raz en el punto donde cruza al eje x; b) raz en la interseccin de las funciones
componentes.

Mtodo de Newton Raphson
Calculo de races por el mtodo de newton

Pgina 38 de 134

Es una de las frmulas ms ampliamente usadas para localizar races, si el valor inicial de
la raz es Xi, entonces se puede extender una tangente desde el punto [Xi, f (Xi) ]. El punto
donde esta tangente cruza el eje X, representa una aproximacin mejorada de la raz. El
mtodo de Newton-Raphson se puede obtener sobre la base de una interpretacin
geomtrica, la primera derivada en X es equivalente a la pendiente

( )
( )
1
0
+

= '
i i
i
i
x x
x f
x f

Que se puede ordenar para obtener
( )
( )
i
i
i i
x f
x f
x x
'
=
+1

La cual es conocida como frmula de Newton - Raphson.

Ejemplo.
Utilice el mtodo de Newton Raphson para obtener la raz real de la funcin
20 10 2 ) (
2 3
+ + = x x x x f
3
1
10 0 0
i i i
x x x i c

+
s = = =

Solucin:

Ejemplo.

Pgina 39 de 134

Use el mtodo de Newton Raphson para encontrar la raz de la ecuacin
5
15 18 3
) (
2
+
=
x x
x f , con un punto inicial de 8, con un error de aproximacin
01 . 0 = Ea .
Solucin:

Mtodo de la Secante
Un problema fuerte en la implementacin del mtodo de newton Raphson es la evaluacin
de la derivada. Aunque esto no es un inconveniente para los polinomios y para muchas
otras funciones, existen algunas cuyas derivadas pueden ser extremadamente difciles de
evaluar. En estos casos la derivada se puede aproximar mediante una diferencia dividida,
como la figura

Esquema grfico del mtodo de la secante. Esta tcnica es similar a la del mtodo de
Newton - Raphson en el sentido de que una aproximacin a la raz se calcula extrapolando
una tangente de la funcin hasta el eje x. Sin embargo, el mtodo de la secante usa una
diferencia en vez de la derivada para aproximar la pendiente.
Por lo tanto el mtodo de la secante
( ) ( )
( ) ( )
1
1
1
=
i i
i i i
i i
x f x f
x f x x
x x c <
+ i i
x x
1

Pgina 40 de 134

Ejemplo.
Utilice el mtodo de la secante para obtener la raz real de la funcin
20 10 2 ) (
2 3
+ + = x x x x f
3
1
1
10
0
1
i i
i
i
x x
x
x
c

+
+
s =
=
=

Solucin:

Ejemplo.
Use el mtodo de Newton Raphson para encontrar la raz de la ecuacin
5
15 18 3
) (
2
+
=
x x
x f , con un punto inicial de 8, con un error de aproximacin
01 . 0 = Ea .
Solucin:

Mtodo para races mltiples.
Una raz mltiple corresponde a un punto donde una funcin es tangencial al eje x. Por

Pgina 41 de 134

ejemplo, una raz doble resulta de ( ) ( 3)( 1)( 1) f x x x x =

O, multiplicando trminos,
3 2
( ) 5 7 3 f x x x x = +

La ecuacin tiene una raz doble porque un valor de x hace que dos trminos de la ecuacin
Sean igual a cero. Grficamente, esto significa que la curva toca en forma tangencial al eje
x en la raz doble.

Figura: Ejemplos de races mltiples que son tangentes al eje x. obsrvese que la funcin no
cruza el eje en casos de races mltiples pares a) y c), mientras que para multiplicidad
impar si lo hace b)

Vase la figura a en x = 1. Observe que la funcin toca al eje pero no la cruza en la raz.

Una raz triple corresponde al caso en que un valor x hace que tres trminos en una
ecuacin sea igual a cero, como en ( ) ( 3)( 1)( 1)( 1) f x x x x x =

O, multiplicando los trminos
4 3 2
( ) 6 12 10 3 f x x x x x = +

Advierta que el esquema grafico ( vase la figura b) indica otra vez que la funcin es
tangente al eje la raz, pero que en este caso si cruza el eje. En general la multiplicidad
impar de races cruza el eje, mientras que la multiplicidad par no la cruza. Por ejemplo, la
raz cudruple en la figura c no cruza el eje.

Pgina 42 de 134

Las races mltiples ofrecen ciertas dificultades a los mtodos numricos expuestos en la
parte dos:
1. El hecho de que la funcin no cambia de signo en races mltiples pares impide el
uso de los Metodos confiables que usan intervalos. De esta manera, de los mtodos
incluidos en este texto, los abiertos tiene la limitacin de que pueden ser
divergentes.
2. Otro posible se relaciona con el hecho de que no solo f(x), sino tambin f (x) se
aproxima a cero. Estos problemas afectan a los mtodos de Newton Raphson y al
de la secante, los cuales contienen derivadas en el denominador de sus respectivas
formulas. Esto provocara una divisin entre cero cuando la solucin converge
muy cercana a la raz.
3. Se puede demostrar que el mtodo de Newton Raphson y el mtodo de la secante
convergen en forma lineal en vez de cuadrtica, cuando hay races mltiples:.

El Mtodo de Newton-Raphson es ampliamente utilizado para encontrar las races de la
ecuacin f(x) = 0, ya que converge rpidamente, la contra es que uno debe conocer la
derivada de f(x) y se necesita una aproximacin inicial a la raz.

Permite aproximar las primeras N iteraciones en el mtodo de Newton-Raphson
modificado aplicado a la funcin f tomando como aproximacin inicial x0. Observe que no
requiere construir la funcin M definida en el mtodo de Newton-Raphson modificado
| |
1 2
( ) ( )
( ) ( ) ( )
i i
i i
i i i
f x f x
x x
f x f x f x
+
'
=
' ''

Algoritmo
Para calcular el punto xi+1, calculamos primero la ecuacin de la recta tangente. Sabemos
que tiene pendiente

Pgina 43 de 134

( )
i
m f x ' =
Y por lo tanto la ecuacin de la recta tangente es:
( ) ( )( )
i i i
y f x f x x x ' =
Hacemos y=0:
( ) ( )( )
i i i
f x f x x x ' =

Y despejamos x:
( )
( )
i
i
i
f x
x x
f x
=
'

Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:
1
( )
( )
i
i i
i
f x
x x
f x
+
=
'
si ( ) 0
i
f x ' =
Se puede derivar la ecuacin.
| |
1 2
( ) ( )
( ) ( ) ( )
i i
i i
i i i
f x f x
x x
f x f x f x
+
'
=
' ''

Ejemplo:
Mtodo de Newton Raphson modificado para el clculo de races mltiples.
Enunciado del problema. Use los dos mtodos, el estndar y el modificado, de Newton
Raphson para evaluar la raz mltiple de la ecuacin con valor inicial de
0
0 x =
.
con
E = 0.001, la funcin es
3 2
( ) 5 7 3 f x x x x = +

Solucin
La derivada es:
2
( ) 3 10 7
i
f x x x ' = +

Pgina 44 de 134

Y por lo tanto, el mtodo de Newton Raphson para este problema es
3 2
1 2
5 7 3
3 10 7
i i i
i i
i i
x x x
x x
x x
+
+
=
+

Que se puede resolver iterativamente para obtener:

Como ya se haba anticipado, el mtodo converge en forma lineal hasta el valor verdadero
de 1.0.

Para el caso del mtodo modificado, la segunda derivada es ( ) 6 10
i
f x x '' = y la
relacin iterativa es:
3 2 2
1 2 2 3 2
( 5 7 3)(3 10 7)
(3 10 7) ( 5 7 3)(6 10)
i i i i i
i i
i i i i i i
x x x x x
x x
x x x x x x
+
+ +
=
+ +

Que se puede resolver para obtener :

Pgina 45 de 134

2.3 Aplicaciones a la ingeniera mecnica

Problemas propuestos
Ejercicio 1.
La ecuacin de estado de Van der Walls para un gas real es:
( ) RT b V
V
a
P = |
.
|
\
|
+
2

dnde :
= P presin en atm ; = T temperatura en K; = R constante universal de los gases en
atm L / (gmol K) = 0.08205; = V volumen molar del gas en L / gmol ; = b a, constantes
particulares para cada gas

Calcule V a 80 C (353.2 K) para una presin de 10, 20, 30 atm

Gas A b
He
0.03412 0.02370

Realice los clculos necesarios para resolver esta ecuacin usando los mtodos indicados:
a) Mtodo de biseccin con v V 8 . 0
1
= , v V
u
2 . 1 = ,
b) Mtodo de falsa posicin con v V 8 . 0
1
= , v V
u
2 . 1 = ,
c) Mtodo de Newton Raphson con 0.8
i
V v = , 0 i = ,
d) Mtodo de la secante con
1
0.8
i
V v
=
,
1.2
i
V v =
,
Donde P RT v / = . Con 01 . 0 <
a
E

Ejercicio 2:
Para obtener la temperatura de burbuja de una mezcla de CCl4 y CF4 en equilibrio con su

Pgina 46 de 134

vapor, se lleg a la ecuacin:

Aplicando un mtodo iterativo de dos puntos, encuentre la temperatura de burbuja con una
aproximacin de 10
-2
aplicado a f(T).
Realice los clculos necesarios para resolver esta ecuacin usando los mtodos indicados:
a) Mtodo de biseccin con
1
105 T =
,
100
u
T =
,
b) Mtodo de falsa posicin con
1
105 T =
,
100
u
T =
,
c) Mtodo de Newton Raphson con 105
i
T = , 0 i = ,
d) Mtodo de la secante con
1
105
i
T
=
,
100
i
T =
,

Pgina 47 de 134

Unidad 3. Sistemas de ecuaciones lineales algebraicas.

Aplicar los distintos mtodos numricos para la bsqueda de solucin de sistemas de
ecuaciones lineales algebraicas en la resolucin de problemas de ingeniera mecnica y
Mecatrnica.

3.1 Mtodo de eliminacin Gaussiana

Eliminacin Gaussiana
Ejemplo:
Dado el siguiente sistema de ecuaciones, encuentre la solucin usando el mtodo de
eliminacin Gaussiana.

1 2 3
2 3
1 3
2 3 0
2 1
0
x x x
x x
x x
+ + =
+ =
+ =

Pgina 48 de 134

3
2 3 2
1 3 1 3 1
3
5
1 1 1 3

2 2 2 10
3
0
5
x
x x x
x x x x x
=
+ = =
+ = = =

Ejercicio.
Resolver el siguiente sistema de ecuaciones usando el mtodo de Eliminacin Gaussiana.
1 2 3
1 2 3
1 2 3
4 9 2 5
2 4 6 3
3 4
x x x
x x x
x x x
+ =
+ =
+ =

Ejercicio:
Resolver el siguiente sistema de ecuaciones usando el mtodo de eliminacin Gaussiana.
1 2 3
1 2 3
1 2 3
10 5 1
20 3 20 2
5 3 5 6
x x x
x x x
x x x
+ =
+ + =
+ + =

3.2 Mtodo de Gauss-Jordn

Gauss Jordn
Problema: Resolver el siguiente sistema de ecuaciones usando el mtodo de Gauss Jordn.
1 2 3
2 3
1 3
2 3 0
2 1
0
x x x
x x
x x
+ + =
+ =
+ =

Solucin.

Pgina 49 de 134

Donde los valores de
1 2 3
, , x x x son:
1 2 3
3 1 3

5 5 5
x x x = = =

En mathcad
A
2
0
1
3
2
0
1
1
1
0
1
0
|
\
|
|
|
.
:=
rref A ( )
1
0
0
0
1
0
0
0
1
0.6
0.2
0.6
|
\
|
|
|
.
=

En matlab

1 2 3
1 2 3
1 2 3
4 9 2 5
2 4 6 3
3 4
x x x
x x x
x x x
+ =
+ =
+ =

Pgina 50 de 134

1 2 3
1 2 3
1 2 3
10 5 1
20 3 20 2
5 3 5 6
x x x
x x x
x x x
+ =
+ + =
+ + =

3.3 Estrategias de pivoteo

Introduccin y mtodo
Durante la derivacin del algoritmo de la eliminacin Gaussiana con sustitucin hacia
atrs, se encontr que para obtener un cero para el elemento pivote
kk
k
a era necesario un
intercambio de filas de la forma
k p
E E donde 1 k p n + s s

era e l entero ms
pequeo con a
( )
0.
k
pk
a =

En la prctica frecuentemente es deseable realizar intercambios
de las filas que contienen a los elementos pivote, aun cuando estos no sean cero. Cuando los
clculos se realizan usando aritmtica de dgitos finitos, como sera el caso de las
soluciones generadas con calculadora u ordenador, un elemento pivote que sea pequeo
comparado con los elementos de debajo de el en la misma columna puede llevar a un error
de redondeo sustancial. En el ejemplo siguiente se da una ilustracin de esta dificultad.

Ejemplo.
El sistema lineal
1 1 2
2 1 2
: 0.0003 59.14 59.17
: 5.291 6.130 46.78
E x x
E x x
+ =
=

Tiene la solucin exacta
1 2
10.00; 1.000 x x = =

Para ilustrar las dificultades del error de redondeo se aplicara eliminacin Gaussiana a este
sistema usando aritmtica de cuatro dgitos con redondeo. El primer elemento pivote es
(1)
11
0.003 a =
Y su multiplicador asociado es
21
5.291
1763.6
0.003
m = =

Pgina 51 de 134

El cual se redondea a 1764. Efectuando la operacin
2 21 1 2
( ) ( ) E m E E

Y el redondeo apropiado
1764(59.14 ) = 104322 = 104300
y 1764(59.17) = 104375 = 104400.

1 2
2
0.003 59.14 59.17
104300 104400
x x
x
=
=

La sustitucin hacia atrs implica que :
2 1
59.17 59.14(1.001) 59.17 59.20 0.030
1.001 10.00
0.003 0.003 0.003
x x

= = = = =

El error absoluto tan grande en la solucin numrica de
1
x
resulta del error pequeo de
0.001 al resolver para
2
x
. Este error absoluto fue amplificado por un factor de 20000 en la
solucin de
1
x
debido al orden en el que fueron realizados los clculos.

3.4 Mtodo de descomposicin LU

La factorizacin LU
La factorizacin LU de una matriz es una factorizacin que resume el proceso de
eliminacin gaussiana aplicado a la matriz y que es conveniente en trminos del nmero
total de operaciones de punto flotante cuando se desea calcular la inversa de una matriz o
cuando se resolver una serie de sistemas de ecuaciones con una misma matriz de
coeficientes. En la lectura, primeramente consideraremos la factorizacin LU sin
intercambio basada en matrices elementales y que es conocida como de Doolittle y
posteriormente veremos el algoritmo que da la factorizacin PA = LU.

Suponga que la matriz A es una matriz m n se puede escribir como el producto de dos
matrices: A = LU.

Donde L es una matriz triangular inferior m m y U es una matriz escalonada m n.

Entonces para resolver el sistema:
A x = b,
Escribimos

Pgina 52 de 134

A x = (LU) x = L (U x)
Una posible estrategia de solucin consiste en tomar y = U x y resolver para y:
L y = b

Como la matriz L es triangular superior este sistema puede resolverse mediante sustitucin
hacia abajo, lo cual se hace fcilmente en
2
m FLOPS. Una vez con los valores encontrados
de y, las incgnitas al sistema inicial se resuelve despejando x de
U x = y

Nuevamente, como U es escalonada, este sistema puede resolverse en caso de tener
solucin mediante sustitucin hacia atrs, lo cual es sencillo. Estas observaciones nos dan
la pauta para ver la conveniencia de una factorizacin como la anterior, es decir factorizar
A como el producto de una matriz L triangular superior, por otra U la cual es escalonada.
Esta factorizacin se llama usualmente Descomposicin LU

Ejemplo:
Use la factorizacin LU de A:
4 2 1 1 0 0 4 2 1
20 7 12 5 1 0 0 3 7
8 13 17 2 3 1 0 0 2
A LU
( ( (
( ( (
= = =
( ( (
( ( (

Para despejar x del sistema:
11
70
17
Ax b
(
(
= =
(
(

Solucin:
Sea
1 2 3
( , , ) y y y y =
un nuevo vector de incgnitas. Primero resolveremos el sistema
triangular inferior L y = b:
1 0 0 11
5 1 0 70
2 3 1 17
y
( (
( (
=
( (
( (

Este sistema escrito en su forma de ecuaciones queda:
1
1 2
1 2 3
11
5 70
2 3 17
y
y y
y y y
=
+ =
+ + =

Pgina 53 de 134

Por eliminacin directa de la:
Primera ecuacin :
1
11 y =
Segunda ecuacin:
1 2
2 1
2
5 70
70 5 70 5(11)
15
y y
y y
y
+ =
= =
=

Y de la tercera
3 1 2
17 2 3 17 2(11) 3(15) 6 y y y = + = + =
Ahora el sistema U x = y:
4 2 1 11
0 3 7 15
0 0 2 6
x
( (
( (
=
( (
( (

El cual escrito en su forma de ecuaciones queda.
1 2 3
2 3
3
4 2 11
3 7 15
2 6
x x x
x x
x
+ =
+ =
=

El cual al ser resuelto por sustitucin hacia atrs queda:
De la ltima ecuacin.
3
3 x =
Segunda ecuacin:
2 3
5 7 / 3 5 7 / 3(3) 2 x x = = =
Y de la primera:
1 2 3
11/ 4 1/ 2 1/ 4 11/ 4 1/ 2( 2) 1/ 4( 3) 1 x x x = + = + =

3.5 Mtodo de Gauss-Seidel

Gauss Seidel
Los mtodos iterativos o aproximados proveen una alternativa en los mtodos de
eliminacin. El mtodo de Gauss-Seidel es el mtodo iterativo ms comnmente usado.
Suponga que se da un conjunto de n ecuaciones:

Pgina 54 de 134

| |{ } { } A x B =

s
k
i
k
i
k
i
i a
x
x x
c c <
=

100 *
1
,

Para toda la i, donde j y j-1 son las iteraciones actuales y previas.

Como cada nuevo valor de x se calcula con el mtodo de Gauss-Seidel, este se usa
inmediatamente en la siguiente ecuacin para determinar otro valor de x. De esta manera,
si la solucin es convergente, se empleara la mejor estimacin posible.

Ejemplo: resuelva el siguiente sistema por el mtodo de Gauss Seidel
1 4
1 4
1 4
1 4
4 3
4 3 2
3 2 1
2 1
= +
= +
= +
=
x x
x x x
x x x
x x

Despejando las ecuaciones
4
1
2
1
+
=
x
x

4
1
3 1
2
+ +
=
x x
x

4
1
4 2
3
+ +
=
x x
x

4
1
3
4
+
=
x
x

( ) ( )
1
1
d x x
k k
=
+

( ) ( ) ( )
2
1
2
2
1
2
2
1
1
1 1
...
k
n
k
n
k k k k
x x x x x x d + + + =
+ + +

Pgina 55 de 134

Problema: Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH,
existen tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin
de estos depsitos viene dada en la siguiente tabla. Cuantas m3 debe tomar de cada
depsito para cumplir con las necesidades requeridas ? . Use el mtodo de gauss seidel con
E = 0.01
Solucin:

1 2 3
1 2 3
1 2 3
0.52 0.20 0.25 4800
0.30 0.50 0.20 5810
0.18 0.30 0.55 5960
x x x
x x x
x x x
+ + =
+ + =
+ + =

Jacobi
El mtodo de Jacobi es un proceso simple de iteraciones de punto fijo en la solucin de
races de una ecuacin. La iteracin de punto fijo tiene dos problemas fundamentales:

Algunas veces no converge

Pgina 56 de 134

Cuando lo hace, es a menudo, muy lento.
El mtodo Jacobi tambin puede tener esas fallas.
Esquema grafico que muestra el mtodo de iteracin de Jacobi, en la solucin de ecuaciones
algebraicas lineales simultaneas.

s
k
i
k
i
k
i
i a
x
x x
c c <
=

100 *
1
,

Ejemplo: resuelva el siguiente sistema por el mtodo de Jacobi
1 4
1 4
1 4
1 4
4 3
4 3 2
3 2 1
2 1
= +
= +
= +
=
x x
x x x
x x x
x x

Con
01 . 0 =
s
c

s
k
i
k
i
k
i
i a
x
x x
c c <
=

100 *
1
,

Despejando las ecuaciones

4
1
2
1
+
=
x
x

4
1
3 1
2
+ +
=
x x
x

4
1
4 2
3
+ +
=
x x
x

4
1
3
4
+
=
x
x

( ) ( )
1
1
d x x
k k
=
+

( ) ( ) ( )
2
1
2
2
1
2
2
1
1
1 1
...
k
n
k
n
k k k k
x x x x x x d + + + =
+ + +

Pgina 57 de 134

Problema: Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH,
existen tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin
de estos depsitos viene dada en la siguiente tabla. Cuantas m3 debe tomar de cada
depsito para cumplir con las necesidades requeridas?. Use el mtodo de Jacobi con E = 0.01
Solucin:

1 2 3
1 2 3
1 2 3
0.52 0.20 0.25 4800
0.30 0.50 0.20 5810
0.18 0.30 0.55 5960
x x x
x x x
x x x
+ + =
+ + =
+ + =

Solo se muestran una parte de la tabla de donde se realizaron los clculos, el motivo es
porque es muy extensa la tabla, por lo tanto, los datos que necesitbamos, son los
siguientes:

Pgina 58 de 134

Depsito 1: 3744.76489
3
m

Depsito 2: 7071.74137
3
m

Depsito 3: 5753.48.485772
3
m

Problemas:
Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Jacobi con
2
10
= c

3 2
2
15 4 8 9
10 2 5 3
4 3 2 1
4 2
4 3 2 1
4 3 2 1
= + +
= +
= + + +
= + + +
x x x x
x x
x x x x
x x x x

3.6 Mtodo de Krylov

Definicin del mtodo de Krylov
Este mtodo se fundamenta en la aplicacin del Teorema de Cayley Hamilton, mismo que
establece que toda matriz A verifica su ecuacin caracterstica:
F(A) = 0

Es decir, si sustituimos a la matriz A en el polinomio, el resultado deber ser cero. Sin
embargo, operativamente es necesario hacer comentarios. De inicio, la matriz A es de orden
n, por lo cual la sustitucin arrojar un sistema de n ecuaciones lineales en consecuencia,
el coeficiente
deber ser diferente de cero. Resulta conveniente hacer que este

coeficiente sea la unidad, por lo cual se divide el polinomio entre
, resultando:
1 2
1 2 1
... 0
n n n
n n
b b b b

+ + + + + =
Donde los coeficientes
se obtienen como
. Aplicando el teorema de Cayley Hamilton

en el polinomio anterior:

1 2
1 2 1
( ) ... 0
n n n
n n
F A A b A b A b A b I

= + + + + + =

El polinomio anterior representa un sistema de ecuaciones lineales cuyas incognitas son los
coeficientes
. La solucin de este sistema nos proporciona los coeficientes
que

Pgina 59 de 134

sustituidos en el polinomio
1 2
1 2 1
... 0
n n n
n n
b b b b

+ + + + + =
Proporciona el polinomio caracterstico de A.

Una forma sencilla de realizar este procedimiento es simplificar la elevacin de la matriz A
a las potencias necesarias. Esto se logra multiplicando la matriz A por un vector y
compatible diferente de cero. Debe recordarse que la multiplicacin de una matriz por un
vector compatible arroja un vector.

Este vector y puede ser libremente elegido, proponindose que su conformacin permita
realizar de mejor forma las operaciones. Una buena eleccin es elegir al vector con la
forma:

Este vector y puede ser libremente elegido, proponindose que su conformacin permita
realizar de mejor forma las operaciones. Una buena eleccin es elegir al vector con la
forma:
1
0
0
0
y
(
(
(
( =
(
(
(

Ubicando al elemento 1 en una posicin estratgica de acuerdo con las condiciones de a de
tal manera que se minimicen las operaciones.

Atendiendo a la anterior recomendacin, el sistema que de la forma.
1 2
1 2 1
... 0
n n n
n n
A y b A y b A y b Ay b yI

+ + + + + =

Ejemplo:
Sea la matriz
1 1 0
2 0 1
2 3 1
A
(
(
=
(
(

El polinomio caracterstico tendr la forma

Pgina 60 de 134

3 2
1 2 3
0 b b b + + + =
El sistema de ecuaciones tendr la forma
3 2
1 2 3
0 A y b A y b Ay b yI + + + =
Se propone al vector y de acuerdo con la forma recomendada:
1
0
0
y
(
(
=
(
(

Realizando las multiplicaciones de Ay

resulta:

Realizando las multiplicaciones
2
( ) A y A Ay =

3 2
( ) A y A A y =

Sustituyendo los resultados se conforma el sistema de ecuaciones lineales:
1 2 3
1 1 1 1 0
4 0 * 2 * 0 * 0
4 6 2 0 0
b b b
( ( ( ( (
( ( ( ( (
+ + + =
( ( ( ( (
( ( ( ( (

Que se expresa en forma ms coloquial como:
1 2 3
2
1 2
1
2 4
6 2 4
b b b
b
b b
+ + =
=
+ =

Cuya solucin es:
1 2 3
0; 2; 3 b b b = = = Finalmente, sustituyendo en la ecuacin se
obtiene la ecuacin caracterstica de la matriz A.
3
2 3 0 + =

1
2
2
1
0
3
0
1
1
|
\
|
|
|
.
1
0
0
|
\
|
|
|
.
1
2
2
|
\
|
|
|
.
=
1
2
2
1
0
3
0
1
1
|
\
|
|
|
.
1
2
2
|
\
|
|
|
.
1
0
6
|
\
|
|
|
.
=
1
2
2
1
0
3
0
1
1
|
\
|
|
|
.
1
0
6
|
\
|
|
|
.
1
4
4
|
\
|
|
|
.
=

Pgina 61 de 134

3.7 Mtodo de mnimos cuadrados

Mnimos cuadrados.
El mtodo que determino Gauss se conoce como mtodo de mnimos cuadrados. A
continuacin describiremos cada uno de sus pasos.

Proponer una curva. La curva propuesta puede determinarse e varias maneras, las cuales
describiremos ms adelante.

Formar la cantidad.
2 2
i
S e =

Minimizar la suma del cuadrado de los errores. Este logra aplicando calculo. Para lograr
esto primero debemos determinar de qu variable depende el valor de
2
S . La curva
propuesta en general es de la forma:
0 1
( , , ,..., )
p n
y f x a a a =
Podemos observar que adems de x depende de sus "constantes" ya que si modificamos las
mismas se obtiene una curva distinta. Esto forma una familia de curvas. Por ejemplo la
familia de las rectas est dada por:
0 1
y a a x = +

Distintos valores de las constantes originaran todas las rectas posibles. Por estas razones el
problema de minimizacin es:
| |
2 2
2
2
0 1
( )
( , , ,..., )
i pi
i i n
s y y
MinS Min y f x a a a
=
=

Para determinar que tan bien ajusta el modelo los datos, calculamos el valor de S
2
.Como en
general el valor de S
2
no nos dice mucho de la precisin del modelo, es mejor calcular
el error estndar cuadrado definido:
2
xy
s
M NC
o =

Dnde:
S
2
: Suma del cuadrado de los errores.; M: Nmero de puntos de la tabla.; NC: Numero de
constantes que tiene el modelo. Este valor es ms til, ya que podemos interpretarlo como

Pgina 62 de 134

un error promedio en todo el intervalo de la tabla, es decir:
p xy
y y o =
Si
xy
o es 0, la curva propuesta coincide con la curva real.

Antes de intentar resolver el sistema lo simplificaremos lo ms posible. Cancelando -2 en
ambas ecuaciones
0 1
0 1
( ) 0
( )( ) 0
i i
i i i
y a a x
y a a x x
=
=

Separando las sumatorias
0 1
2
0 1
0
0
i i
i i i i
y a a x
x y a x a x
=
=

Sacando las constantes de la sumatoria:
0 1
2
0 1
1 0
0
i i
i i i i
y a a x
x y a x a x
=
=

Dando que las sumatorias son desde 1 hasta M, la sumatoria de 1 es M.
0 1
2
0 1
0
0
i i
i i i i
y a M a x
x y a x a x
=
=

Reacomodando trminos:
0 1
2
0 1
i i
i i i i
a M a x y
a x a x x y
+ =
+ =

Ejemplo: Encuentre la ecuacin de la recta de los siguientes datos:

Pgina 63 de 134

Solucin:

M = 11
0 1
0 1
11 6.01 5.905
6.01 4.6545 2.18387
a a
a a
+ =
+ =

Resolviendo el sistema de ecuaciones nos resulta:

Donde la ecuacin de la recta es:
0.952 0.76
p
y x =

mat riz
11
6.01
6.01
4.6545
5.905
2.18387
|
\
|
|
.
:=
rref matriz ( )
1
0
0
1
0.952
0.76
|
\
|
|
.
=

Pgina 64 de 134

Unidad 4. Ajuste de curvas e interpolacin.

Seleccionar a partir de un conjunto de datos experimentales la curva que mejor se ajuste.

4.1 Polinomios de Interpolacin: diferencias divididas de Newton

Polinomio de interpolacin con diferencias divididas de Newton
El polinomio de interpolacin con diferencias divididas de Newton, entre otros es la forma
ms popular adems de las ms til. Antes de presentar la ecuacin general, se examinan
las versiones de primero y segundo orden debido a su fcil interpretacin visual.

Interpolacin lineal
La forma ms simple de interpolar es la de conectar dos puntos con una lnea recta. Este
mtodo, llamado interpolacin lineal, se muestra en la figura

Pgina 65 de 134

Usando tringulos semejantes, se tiene:
0 1
0 1
0
0
) ( ) ( ) ( ) ( 1
x x
x f x f
x x
x f x f

que se puede reordenar como :
) (
) ( ) (
) ( ) ( 1
0
0 1
0 1
0
x x
x x
x f x f
x f x f
+ =
| | ) ( , ) ( ) ( 1
0 1 0 0
x x x x f x f x f + =

La cual es una frmula de interpolacin lineal. La notacin f 1(x) indica que se trata de un
polinomio de interpolacin de primer orden. Ntese que adems de representar la
pendiente de la linera que conecta los dos puntos, el termino
0 1
0 1
) ( ) (
x x
x f x f

Es una aproximacin de diferencias divididas finitas a la primera derivada. En general,
entre ms pequeo sea el intervalo entre dos puntos, ms exacta ser la aproximacin.

Ejemplo:
Enunciado del problema: calclese el logaritmo natural de 2 (ln 2) usando interpolacin
lineal. Primero, llvense a cabo los clculos interpolando entre 1 y 6. Despus reptase el
procedimiento, pero usando un intervalo ms pequeo desde 1 a 4. Ntese que el valor real
de ln 2 = 0.69314718.
F (x) = ln x
X 0 = 1, f (X 0 ) = 0
X 1= 6 , f ( x 1 ) = 1.7917595

Solucin: usando la ecuacin
| | ) ( , ) ( ) ( 1
0 1 0 0
una interpolacin lineal de x = 1 a x = 6 da:

Pgina 66 de 134

La cual representa un error relativo porcentual de 48.3 %.
Usando el intervalo ms pequeo desde x = 1 a x = 4 da:
X 0 = 1 , f (X 0 ) = 0
X 1= 4 , f ( x 1 ) = 1.3862944

Por lo tanto, usando el intervalo ms pequeo reduce el error relativo porcentual a e v =
33.3 %. Ambas interpretaciones se muestran en la figura junto con la funcin verdadera.

Ejercicios:
Calclese el logaritmo de 4 en base 10 (log 4) usando interpolacin lineal.
Interpolar entre log 3 y log 5
Interpolar entre log 3 y log 4.5.

Para cada una de las interpolaciones calclese el error relativo porcentual basado en el
error verdadero de log 4 = 0.602059991
Entre 3 y 5

b) entre 3 y 4.5

Pgina 67 de 134

Pgina 68 de 134

Ejemplo:
Calcular ln 9.2 a partir de:
a) ln 9.0 =2.197224577,
b) ln 9.5 = 2.251291799
por interpolacin lineal y determinar el error a partir de ln 9.2
Solucin:

i xi f(xi) primero
0 9 2.197225
0.10813
1 9.5 2.251292
para x = 9.2 f1(9.2) = 2.218851

valor verdadero = 2.219203 ERP = 0.02

Ejercicios:
Por interpolacin lineal calcular f(1.75) a partir de:
f (1.0) = 3.00000, f(1.2) = 2.98007,
f(1.4) = 2.92106; f(1.6) = 2.82534
f(1.8) = 2.69671; f(2.0) = 2.54030.

Solucin:
| | ) ( , ) ( ) ( 1
0 1 0 0

i xi f(xi) primero
0 1 3
-0.0997
1 1.2 2.98007

para x = 1.75 f1(1.75) = 2.925263

b)
i xi f(xi) primero
0 1.4 2.92106
-0.4786
1 1.6 2.82534

para x = 1.75 f1(1.75) = 2.753550

Pgina 69 de 134

Pgina 70 de 134

Por interpolacin lineal calcular f(1.75) a partir de:
a) f (1.2) = 3.00000, f(1.4) = 2.98007,
b) f(1.6) = 2.92107; f(1.8) = 2.82534
c) f(2.0) = 2.69671; f(2.2) = 2.54030.

Solucin:
| | ) ( , ) ( ) ( 1
0 1 0 0

a)

i xi f(xi) primero
0 1.2 3
-0.09965
1 1.4 2.98007

para x = 1.75 f1(1.75) = 2.9451925

b)
i xi f(xi) primero
0 1.6 2.92107
-0.47865
1 1.8 2.82534

para x = 1.75 f1(1.75) = 2.8492725
c)

i xi f(xi) primero
0 2.0 2.69671
-0.78205
1 2.2 2.54030

para x = 1.75 f1(1.75) = 2.8922225

Pgina 71 de 134

Interpolacin Cuadrtica
Una estrategia que mejora la aproximacin es la introducir cierta curvatura en la lnea 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 tambin polinomio cuadrtico o parbola). Una
manera conveniente para este caso es:

| | | | ) )( ( , , ) ( , ) ( ) ( 2
1 0 2 1 0 0 1 0 0
x x x x x x x f x x x x f x f x f + + =
Ejemplo:
Interpolacin cuadrtica
Enunciado del problema: ajstese el polinomio de segundo orden a los tres puntos usados
en el ejemplo anterior: ln 1, ln 6, ln 4, ln 2 = 0.69314718
X 0 = 1 f(x0 ) = 0
X 1 = 4 f(x1 ) = 1.3862944
X 2 = 6 f(x2) = 1.7917595

que se evala en x = 2 y se obtiene

i xi f(xi) primero segundo
0 1 0
0.46210
1 4 1.386294 -0.05187
0.20273
2 6 1.791759

para x = 2 f2(2) = 0.56584
valor exacto = 0.69315 ERP = 18.36592

Por lo tanto, la curvatura introducida por la forma cuadrtica. Mejora la interpolacin
comparada con los resultados obtenidos al usar una lnea recta.

Ejemplo: mediante interpolacin cuadrtica calcular ) ( ) ( x senh x f = ;
x = 0.3 a partir :
x 0 = -0.5
x 1 = 0
x 2 = 1
Solucin:

Pgina 72 de 134

i xi f(xi) primero segundo
0 -0.5 -0.5211
1.04219
1 0 0 0.08867
1.17520
2 1
1.17520
1

para x = 0.3
f2(0.3)
= 0.85503
valor exacto
=
0.304520
3 ERP = 180.78069

Interpolacin polinomial
Ejemplo: En las tablas siguientes se presentan la temperatura de ebullicin de la acetona
( ) O H C
6 3
a diferentes presiones, elabore una aproximacin polinomial de newton para la
informacin tabular de las presiones de vapor de la acetona e interpole la temperatura
para una presin de 2 atm
Puntos 0 1 2 3
T ( C) 56.5 113.0 181.0 214.5
P (atm) 1 5 20 40
Solucin:
puntos P T Primero Segundo Tercero
0 1 56.5

14.12500
1 5 113 -0.50482
4.53333 0.01085
2 20 181 -0.08167
1.67500
3 40 214.5

para x = 2 p1(2) = 72.13947 C

El polinomio de interpolacin con diferencias divididas de Newton puede tomar la forma
de :

Pgina 73 de 134

| | | |
| |
| |
0 0 1 0 0 1 2 0 1
0 1 2 3 0 1 2
0 1 2 3 0 1 2 2
( ) ( ) , ( ) , , ( )( )
, , , ( )( )( ) ...
, , , ,..., ( )( )( )( )...( )
n n
fn x f x f x x x x f x x x x x x x
f x x x x x x x x x x
f x x x x x x x x x x x x x x x
= + + +
+
+

Ejemplo:
Polinomio de interpolacin de Newton con diferencias divididas.
Enunciado del problema: en el problema anterior se usaron los puntos x0 = 1, x1 = 4 y x2 = 6
para calcular ln 2 con una parbola. Ahora agregando un cuarto punto (x3 = 5; f(x3) =
1.6094379), calclese ln 2 con un polinomio de interpolacin de newton con diferencias
divididas de tercer orden. f (x) = ln x
x0 = 1 ; f ( x0 ) = 0
x1 = 4 ; f ( x1 ) = 1.386294361
x2 = 6 ; f ( x2 ) = 1.791759469
x3 = 5 ; f ( x3 ) = 1.609437912
Solucin. el polinomio de tercer orden, ecuacin con n = 3, es:

Ejemplo:
Calcular f (9.2) a partir de los valores dados.
x0 = 8.0 ; f ( x0 ) = 2.079442
x1 = 9.0 ; f ( x1 ) = 2.197225
x2 = 9.5 ; f ( x2 ) = 2.251292
x3 = 11.0 ; f ( x3 ) = 2.397895

Problema: A continuacin se presentan las presiones de vapor del cloruro de magnesio.

Pgina 74 de 134

Puntos 0 1 2 3 4 5 6 7
P (mmHg) 10 20 40 60 100 200 400 760
T (C) 930 988 1050 1088 1142 1316 1223 1418
Calcule la presin de vapor correspondiente a T = 1000 C

Problema: Dada la tabla
Puntos 0 1 2 3 4
xi 1.00 1.35 1.70 1.90 3.00
f(xi ) 0.00000 0.30010 0.53063 0.64185 1.09861
Construya una tabla de diferencias divididas para aproximar f(x) en x = 1.50; utilice un
polinomio de Newton
Solucin:
i xi f(xi) primero segundo tercero cuarto
0 1 0
0.85743
1 1.35 0.3001 -0.28396
0.65866 0.10832
2 1.7 0.53063 -0.18647 -0.030492062
0.55610 0.04734
3 1.9 0.64185 -0.10836
0.41524
4 3 1.09861

para x = 1.5 f4(1.5) = 0.40561

Ejemplo: En las tablas siguientes se presentan la temperatura de ebullicin de la acetona

Pgina 75 de 134

( ) O H C
6 3
a diferentes presiones, elabore una aproximacin polinomial de newton para la
informacin tabular de las presiones de vapor de la acetona e interpole la temperatura
para una presin de 2 atm.
Puntos 0 1 2 3
T ( C) 56.5 113.0 181.0 214.5
P (atm) 1 5 20 40

puntos P T primero segundo tercero
0 1 56.5
14.12500
1 5 113 -0.50482
4.53333 0.01085
2 20 181 -0.08167
1.67500
3 40 214.5

para x = 2 p1(2) = 72.72538 C

Ejercicio:
Las densidades de las soluciones acuosas del cido sulfrico varan con la temperatura y la
concentracin de acuerdo con la tabla:
T ( C )
C ( % ) 10 30 60 100
5
20
40
70
1.0344
1.1453
1.3103
1.6923
1.0281
1.1335
1.2953
1.6014
1.0140
1.1153
1.2732
1.5753
0.9888
1.0885
1.2446
1.5417
a) Calcule la densidad a una concentracin de 40 % y una temperatura de 15 C.
b) Calcule la densidad a 30 C y concentracin de 50 %.
c) Calcule la densidad a 50 C y 60 %. Concentracin.

4.2 Polinomios de interpolacin: de Lagrange

Polinomio de interpolacin de Lagrange
El polinomio de interpolacin de Lagrange, simplemente es una reformulacin del mtodo
de interpolacin de diferencias divididas de Newton que evita los clculos de las diferencias
divididas. Este se puede representar como :

Pgina 76 de 134

Polinomio lineal
( ) ( )
1
0 1
1
0
1 0
1
1
) ( x f
x x
x x
x f
x x
x x
x f
=
Polinomio de segundo orden es :
( )
( )( )
( )( )
( )
( )( )
( )( )
( )
( )( )
( )( )
( )
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
2
x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x f

+

+

=

Problema: Polinomios de interpolacin de Lagrange
Enunciado del problema: sese un polinomio de interpolacin de Lagrange de primero y
segundo orden para evaluar ln 2 en base a los siguientes datos
x0 = 1 ; f ( x0 ) = 0
x1 = 4 ; f ( x1 ) = 1.386294361
x2 = 6 ; f ( x2 ) = 1.791759469

solucin de primer orden :
( ) ( )
1
0 1
1
0
1 0
1
1
) ( x f
x x
x x
x f
x x
x x
x f
=
y , por lo tanto, la aproximacin en x = 2 es
46209812 0 386294361 1
1 4
1 2
0
4 1
4 2
1
. ) . ( ) ( ) ( =
= x f

De manera similar, el polinomio de Segundo orden se desarrolla como
( )
( )( )
( )( )
( )
( )( )
( )( )
( )
( )( )
( )( )
( )
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
2
x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x f

+

+

=
565844346 0 2
791759469 1
4 6 1 6
4 2 1 2
386294361 1
6 4 1 4
6 2 1 2
0
6 1 4 1
6 2 4 2
2
2
2
. ) (
) . (
) )( (
) )( (
) . (
) )( (
) )( (
) (
) )( (
) )( (
) (
=

+

+

=
f
f

Como se esperaba, ambos resultados coinciden muy cerca con los que se obtuvieron
previamente usando la interpolacin polinomial de newton.

En resumen, para los casos en donde el orden del polinomio se desconozca, el mtodo de
Newton tiene ventajas debido a que profundiza en el comportamiento de las diferentes
frmulas de orden superior.

Pgina 77 de 134

Cuando se va a llevar a cabo solo una interpolacin, ambos mtodos, el de Newton y el
Lagrange requieren de un esfuerzo de clculo similar. Sin embargo, la versin de Lagrange
es un poco ms fcil de programar. Tambin existen casos en donde la forma de Newton es
ms susceptible a los errores de redondeo. Debido a esto y a que no requiere calcular y
almacenar diferencias divididas, a la forma de Lagrange se usa, a menudo, cuando el orden
del polinomio se conoce a priori.

Problema: Calcular ln 9.2 a partir de ln 9.0, ln 9.5 por interpolacin lineal de Lagrange y
determinar el error a partir de ln 9.2 = 2.2192 (4D)
Solucin
x0 = 9.0 ; f ( x0 ) = 2.1972
x1 = 9.5 ; f ( x1 ) = 2.2513
Solucin de primer orden :
( ) ( )
1
0 1
1
0
1 0
1
1
) ( x f
x x
x x
x f
x x
x x
x f
=
2188 2 2513 2
0 9 5 9
0 9 2 9
1972 2
5 9 0 9
5 9 2 9
1
. ) . (
) . . (
) . . (
) . (
) . . (
) . . (
) ( =
= x f

Problema: Calcular ln 9.2 a partir de ln 9.0, ln 9.5, ln 11.0 por interpolacin cuadrtica de
Lagrange y determinar el error a partir de ln 9.2 = 2.2192 (4D)
Solucin
x0 = 9.0 ; f ( x0 ) = 2.1972
x1 = 9.5 ; f ( x1 ) = 2.2513
x2 = 11 ; f ( x1 ) = 2.3979

Solucin
( )
( )( )
( )( )
( )
( )( )
( )( )
( )
( )( )
( )( )
( )
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
2
x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x f

+

+

=
( )
( )
( )( )
( )
( )( )
( )( )
( )
( )
( )
( )
2
9.2 9.5 (9.2 11) 9.2 9 9.2 11 9.2 9 (9.2 9.5)
f x 2.1972 2.2513 2.3979
9 9.5 9 11 9.5 9 9.5 11 11 9 (119.5)

= + +

f 2 (x) = 1.1865 + 1.0806 0.0480 = 2.2191
Ejercicio: Para la tabla que se presenta a continuacin
Obtenga la aproximacin polinomial de Lagrange con todos los puntos Interpole el valor

Pgina 78 de 134

de la funcin f(x) para x = 1.8

i 0 1 2 3
f(Xi) -3 0 5 7
xi 0 1 3 6

a)
( )( ) ( )( )
( )( ) ( )( )
) 3 6 )( 1 6 )( 0 6 (
7
) 3 ( 1 0
) 6 3 )( 1 3 )( 0 3 (
5
) 6 ( 1 0
) 6 1 )( 3 1 )( 0 1 (
0
) 6 ( 3 0
) 6 0 )( 3 0 )( 1 0 (
3
) 6 ( 3 1 ) (
3

+

+

+

=
x x x x x x
x x x x x x x P

y finalmente resulta
3
90
276
90
3
90
3
) (
2 3
3
+ = x x x x P
b)
x = 1.8 por lo tanto f(1.8) = 2

4.3 Regresin por mnimos cuadrados: Lineal y Cuadrtica.

Regresin lineal
El ejemplo ms simple de una aproximacin por mnimos cuadrados es el ajuste de una
lnea recta a un conjunto de parejas de datos observadas: , , . . . .
La expresin matemtica de una lnea recta es:

En donde y son coeficientes que representan la interseccin con el eje de las
abscisas y la pendiente, respectivamente y E es el error o residuo entre el modelo y las
observaciones, que se pueden representar reordenando la ecuacin como:

Por lo tanto, el error o residuo es la diferencia entre el valor real de y el valor
aproximado , predicho por la ecuacin lineal.

Ecuacin de la lnea recta
) , (
1 1
y x ) , (
2 2
y x
) , (
n n
y x
E x a a y + + =
1 0
0
a
1
a
x a a y E
1 0
=
y
x a a
1 0
+
x a a y
1 0
+ =

Pgina 79 de 134

Una estrategia que obtiene la mejor lnea a travs de los puntos debe minimizar la suma de
los errores residuales como :

El residuo en la regresin lineal representa el cuadrado de la distancia vertical entre un
punto y la lnea recta.

En donde se llama error estndar de la aproximacin. La notacin y/x indica que el
error es para un valor predicho de y correspondiente a un valor particular de x. Sin
embargo cuantifica la dispersin alrededor de la lnea de regresin.

La suma total de los cuadrados , es la cantidad de dispersin en la variable dependiente
que existe antes de la regresin. Y , presenta la dispersin que existe despus de la
regresin. Y la diferencia entre las dos cuantifica la mejora en la reduccin del error debido
al modelo de la lnea recta. Esta diferencia se puede normalizar al error total y obtener.

En donde r es el coeficiente de correlacin y
2
r es el coeficiente de determinacin. Para un
ajuste perfecto, , 1 , 0
2
= = r S
r
indicando que la lnea recta explica el 100 % de la
variabilidad. Si 0
2
= r , entonces el ajuste no representa mejoras.

Ejemplo: Regresin lineal.
Enunciado del problema: ajstese una lnea recta a los valores x y y de la tabla siguiente:

( )
2
2
1

=
i i
i i i i
x x n
y x y x n
a
x a y a
1 0
=
=
=
n
i
i i r
x a a y S
1
2
1 0
) (
2
/
=
n
S
S
r
x y
x y
S
/
x y
S
/
t
S
r
S
t
r t
S
S S
r

=
2
t
r t
S
S S
r

=

Pgina 80 de 134

Solucin:

Ejercicios: En la tabla siguiente se presentan los alargamientos de un resorte
correspondientes a fuerzas de diferente magnitud que lo deforman.

Puntos 1 2 3 4 5
Fuerza (kg): x 0 2 3 6 7
Longitud del resorte (m): y 0.120 0.153 0.170 0.225 0.260

Aproxime esta informacin por el mtodo de mnimos cuadrados.
y = 0.8393x + 0.0714
0
1
2
3
4
5
6
7
0 2 4 6 8

Pgina 81 de 134

Residual
P
e
r
c
e
n
t
0.015 0.010 0.005 0.000 -0.005 -0.010 -0.015
99
95
90
80
70
60
50
40
30
20
10
5
1
Normal Probability Plot of the Residuals
(response is y)

Ejemplo:
El calor especfico ) / ( kgmol cal Cp del
4 3
O Mn vara con la temperatura de acuerdo a la
siguiente tabla:
Punto 1 2 3 4 5
T (K) 280 650 1000 1200 1500
Cp 32.7 45.4 52.15 53.7 52.9

Aproxime esta informacin por el mtodo de mnimos cuadrados.

Regresin Cuadrtica
Otra alternativa es ajustar polinomios a los datos mediante regresin polinomial. El
procedimiento de mnimos cuadrados se puede extender fcilmente al ajuste de datos con
un polinomio de grado superior. Por ejemplo, suponga que ajustamos un polinomio de
segundo grado o cuadrtico:
y = 0.0122x + 34.943
R
2
= 0.6575
0.000
10.000
20.000
30.000
40.000
50.000
60.000
0 500 1000 1500 2000

Pgina 82 de 134

En este caso, la suma de los cuadrados de los residuos es:

Ahora tenemos el conjunto de ecuaciones normales:

Donde todas las sumatorias van desde i = 1 hasta n. As como en la regresin lineal, el error
en la regresin polinomial se puede cuantificar mediante el error estndar de la
aproximacin:

Adems del error estndar, se puede calcular tambin el coeficiente de correlacin en la
regresin polinomial de la misma manera que para el caso lineal:

Ejemplo:
Regresin polinomial. Ajuste un polinomio de segundo orden a los datos de las dos
columnas del cuadro:

0
1
2
3
4
5
2.1
7.7
13.6
27.2
40.9
61.1

152.6

e x a x a a y + + + =
2
2 1 0
( )
=
=
n
i
i i i r
x a x a a y S
1
2
2
2 1 0

= + +
= + +
= + +
i i i i i
i i i i i
i i i
y x x a x a x a
y x x a x a x a
y x a x a n a
2 4
2
3
1
2
0
3
2
2
1 0
2
2 1 0
( ) 1
/
+
=
m n
S
S
r
x y
v
r v
S
S S
r

=
2
i
x
i
y

Pgina 83 de 134

Usando minitab

433 . 25
5 . 2
6
2
=
=
=
=
y
x
n
m
=
=
=
=
225
55
6 . 2 15
15
3
2
i
i
i
i
x
x
y
x
=
=
=
8 . 2488
6 . 585
979
2
4
i i
i i
i
y x
y x
x
8 . 2488 979 225 55
6 . 585 225 55 15
6 . 152 55 15 6
2 1 0
2 1 0
2 1 0
= + +
= + +
= + +
a a a
a a a
a a a
y = 1.8536x
2
+ 2.3979x + 2.4643
R = 0.9984
0
10
20
30
40
50
60
70
0 1 2 3 4 5 6

Pgina 84 de 134

x
y
5 4 3 2 1 0
60
50
40
30
20
10
0
S 1.11752
R-Sq 99.9%
R-Sq(adj) 99.8%
Fitted Line Plot
y = 2.479 + 2.359 x
+ 1.861 x**2

4.4 Aplicaciones

Problemas de aplicacin.
Problema: Al medir la velocidad ( con un tubo de Pitot ) en una tubera circular de
dimetro interior de 20 cm, se encontr la siguiente informacin:
V ( cm / s ) 600 550 450 312 240
R ( cm) 0 3 5 7 8

Donde R es la distancia en cm. medida a partir del centro del tubo.
Obtenga la curva v = f(R) que aproxima estos datos experimentales

Calcule la velocidad en el punto R = 4 cm.
y = -5.3472x
2
- 3.0667x + 601.71
0
100
200
300
400
500
600
700
0 2 4 6 8 10

Pgina 85 de 134

Problema: Si aproxima la funcin dada abajo por un polinomio de segundo grado

Problema: En la siguiente tabla, r es la resistencia de una bobina en ohms y T la
temperatura de la bobina en C. Por mnimos cuadrados determine el mejor polinomio
lineal que represente la funcin dada:

y = -8.8218x
2
- 1412.1x + 39694
0
5000
10000
15000
20000
25000
30000
35000
40000
45000
0 5 10 15 20
y = 35.744x - 361.8
0
10
20
30
40
50
60
70
80
90
100
0 5 10 15

Pgina 86 de 134

Problema: En una reaccin gaseosa de expansin a volumen constante, se observa que la
presin del reactor (batch) aumenta con el tiempo de reaccin segn se muestra en la tabla
de abajo. Qu grado de polinomio aproxima mejor la funcin P=f(t) ?

Problema: Las densidades de las soluciones acuosas del cido sulfrico varan con la
temperatura y la concentracin de acuerdo con la tabla :

C (%)
T ( C)
10 30 60 100
5
20
40
70
1.0344
1.1453
1.3103
1.6923
1.0281
1.1335
1.2953
1.6014
1.0140
1.1153
1.2732
1.5753
0.9888
1.0885
1.2446
1.5417
y = 1.2386x + 0.8702
0
0.5
1
1.5
2
2.5
3
3.5
0 0.5 1 1.5 2
y = 0.5234x
2
+ 0.479x + 1.0089
0
0.5
1
1.5
2
2.5
3
3.5
0 0.5 1 1.5 2

Pgina 87 de 134

a) Calcule la densidad a una concentracin de 40% y una temperatura de 15 C.
b) Calcule la densidad a 30 C y concentracin de 50%
c) Calcule la densidad a 50 C y 60% de concentracin

Solucin:
La temperatura se toma como el argumento x y las densidades ( a 40%) como el valor de la
funcin f(x). Con una interpolacin lineal entre las densidades a 10 C y 30 C se tiene :

C (%)
T ( C )
10 30 60 100
5
20
40
70
1.0344
1.1453
1.3103
1.6923
1.0281
1.1335
1.2953
1.6014
1.0140
1.1153
1.2732
1.5753
0.9888
1.0885
1.2446
1.5417
( ) ( )
1
0 1
1
0
1 0
1
1
) ( x f
x x
x x
x f
x x
x x
x f
=
( ) 3066 . 1 2953 . 1
10 30
10 15
3103 . 1
30 10
30 15
15 =
= d
Se toma ahora las concentraciones como argumentos x y las densidades ( a 30 C) como los
valores funcionales; luego, mediante una interpolacin lineal entre las concentraciones a
40% y 70 % queda :

C (%)
T ( C )
10 30 60 100
5
20
40
70
1.0344
1.1453
1.3103
1.6923
1.0281
1.1335
1.2953
1.6014
1.0140
1.1153
1.2732
1.5753
0.9888
1.0885
1.2446
1.5417

( ) ( )
1
0 1
1
0
1 0
1
1
) ( x f
x x
x x
x f
x x
x x
x f
=
( ) 3973 . 1 6014 . 1
40 70
40 50
2953 . 1
70 40
70 50
50 =
= d
La densidad se aproxima a 50 C, utilizando primero la fila de 40% de concentracin y
despus la fila de 70% de concentracin. Con estas densidades obtenidas a 50 C se
aproxima la densidad a 60% de concentracin

C (%)
T ( C )
10 30 60 100

Pgina 88 de 134

5
20
40
70
1.0344
1.1453
1.3103
1.6923
1.0281
1.1335
1.2953
1.6014
1.0140
1.1153
1.2732
1.5753
0.9888
1.0885
1.2446
1.5417

( ) ( )
1
0 1
1
0
1 0
1
1
) ( x f
x x
x x
x f
x x
x x
x f
=

Aproximacin de la densidad a 40% y 50C
( ) 2806 . 1 2732 . 1
30 60
30 50
2953 . 1
60 30
60 50
50 =
= d

Aproximacin de la densidad a 70% y 50C
( ) 5840 . 1 5753 . 1
30 60
30 50
6014 . 1
60 30
60 50
50 =
= d

Aproximacin de la densidad a 60% y 50C . Usando los valores obtenidos en los pasos
anteriores.
( ) 4829 . 1 5840 . 1
40 70
40 60
2806 . 1
70 40
70 60
60 =
= d

Pgina 89 de 134

Unidad 5. Derivacin e integracin numrica.

Emplear los mtodos numricos en la diferenciacin e integracin para resolver
problemas de Ingeniera Mecnica y Mecatrnica.

5.1 Derivacin numrica

Derivacin
Cuando se va a practicar una operacin en una funcin tabulada, el camino es aproximar la
tabla por alguna funcin y efectuar la operacin aproximadamente. As se procedi en la
integracin numrica y as se proceder en la diferenciacin numrica; esto es, se
aproximara la funcin tabulada f(x) y se diferenciara la aproximacin ). (x p
n

Si la aproximacin es polinomial y con el criterio de ajuste exacto, la diferenciacin
numrica consiste simplemente en diferenciar la frmula del polinomio interpolante que se
utiliz. Sea en general.
) ( ) ( ) ( x R x p x f
n n
+ =
y la aproximacin de la primera derivada queda entonces
dx
x dp
dx
x df
n
) ( ) (
=
O en general
n
n
n
n
n
dx
x p d
dx
x f d ) ( ) (
=
Al diferenciar la formula fundamental de Newton dada arriba se tiene
n
n
n
n
n
n
n
n
dx
x R d
dx
x p d
dx
x f d ) ( ) ( ) (
+ =

Donde
n
n
n
dx
x R d ) (
es el error que se comete al aproximar
n
n
dx
x f d ) (
por
n
n
n
dx
x p d ) (
.

Si las abscisas dadas
n
x x x ,..., ,
1 0
estn espaciadas regularmente por intervalos de
longitud h, entonces ) (x p
n
puede escribirse en trminos de diferencias finitas.

Pgina 90 de 134

Y la primera derivada de f(x) queda aproximada por
h
x f x f
dx
x df ) ( ) ( ) (
0 1

=
Se desarrollan las diferencias hacia delante y se tiene
) (
2
2
) (
2
2 2 4 2
) (
2
2 2 ) (
2
2
1 0
1
2
1 0
0
2
1 0
x f
h
x x x
x f
h
h x x x
x f
h
h x x x
dx
x df
|
.
|
\
|
+ |
.
|
\
| + +
+ |
.
|
\
|
=

La segunda derivada puede calcularse derivando una vez ms con respecto a x, o sea
) (
1
) (
2
) (
1 ) (
2
2
1
2
0
2 2
2
x f
h
x f
h
x f
h dx
x f d
+ =

Problema: La ecuacin de Van der Walls para un gmol de CO2 es
( ) RT b v
v
a
P = |
.
|
\
|
+
2

Donde
K gmol cm atm R
gmol cm b
gmol cm atm x a
* / * 1 . 82
/ 8 . 42
/ * 10 6 . 3
3
3
2 6 6
=
=
=

Si T = 350 K, se obtiene la siguiente tabla de valores.
Puntos 0 1 2 3
P (atm) 13.782 12.577 11.565 10.704
V (cm
3
) 2000 2200 2400 2600

Calcule cuando v = 2300
y comprelo con el valor de la derivada analtica

Solucin:
2
2
1 0
1
2
1 0
0
2
1 0
2
2
2
2 2 4 2
2
2 2
P
h
v v v
P
h
h v v v
P
h
h v v v
v
P
|
.
|
\
|
+ |
.
|
\
| + +
+ |
.
|
\
|
=
c
c
;
con h = 200
00506 . 0 ) 565 . 11 (
) 200 ( 2
2200 2000 ) 2300 ( 2
) 577 . 12 (
) 200 ( 2
) 200 ( 2 ) 2200 ( 2 ) 2300 ( 4 ) 2000 ( 2
) 782 . 13 (
) 200 ( 2
) 200 ( 2 2200 2000 ) 2300 ( 2
2
2 2
=

+
+
+

=

v
P
c
c

Pgina 91 de 134

Por lo tanto la presin = 12.577 -(- 0.00506) = 12.58206 atm
Cuando el volumen es de 2300
la presin es de 12.58206 atm .

La derivada analtica es
Pv Pb
a
v
+
a b
v
2
RT P v b ( )
a
v
+
a b
v
2
RT
P v ( )
a
v v b ( )
a b
v
2
v b ( )
+
R T
v b ( )
+ P v ( )
a
v
2
v b
( )
a b
v
3
v
2
b
( )
+
R T
v b ( )
+
v
a
v
2
v b
|
\
|
|
.
d
d v
a b
v
3
v
2
b
|
\
|
|
.
d
d
+
v
R T
v b
|
\
|
|
.
d
d
+ simplify
1
v
3
2 a v
2
4 a v b 2 a b
2
R T v
3
+
( )
v b + ( )
2

R 82.1 := T 350 := a 0.0000036 := b 42.8 := v 2300 :=
1
v
3
2 a v
2
4 a v b 2 a b
2
R T v
3
+
( )
v b + ( )
2
5.6398962938964669366 10
-3

Problema: En una reaccin qumica A + B ----> Productos, la concentracin del reactante A
es una funcin de la presin P y la temperatura T. La siguiente tabla presenta la
concentracin de A en gmol/L como una funcin de estas dos variables.

P (Kg/cm
2
) Temperatura T (K)
273 300 325 360
1 0.99 0.97 0.96 0.98
2 0.88 0.82 0.79 0.77
8 0.62 0.51 0.48 0.45
15 0.56 0.49 0.46 0.42
20 0.52 0.44 0.41 0.37

Calcule la variacin de la concentracin de A con la temperatura a P = 8 Kg/cm
2
y T = 300
K, usando un polinomio de segundo grado.
Solucin
Lo que se busca es en si
8 , 300 = =
c
c
P T
A
T
C
que se puede evaluar con la ecuacin

Pgina 92 de 134

( )( ) ( )( ) ( )( )
) (
2
) (
2
) (
2 ) (
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1 2
x f
x x x x
x x x
x f
x x x x
x x x
x f
x x x x
x x x
dx
x dp
|
|
.
|
\
|

+
|
|
.
|
\
|

+
|
|
.
|
\
|

=

Donde f(x) representa a CA y x a T; de tal modo que sustituyendo los tres puntos
enmarcados de la tabla queda

2
300, 8
( ) (2(300) 300 325)(0.62)
(273 300)(273 325)
(2(300) 273 325)(0.51) (2(300) 273 300)(0.48)
0.0026
(300 273)(300 325) (325 273)(325 300)
A
T P
p x C
x T
gmol
LK
= =
c c
= =
c c

+ + =

5.2 Integracin numrica: Mtodo del trapecio, Mtodos de Simpson 1/3 y 3/8.

Integracin
De acuerdo a la definicin del diccionario, integrar significa unir todas las partes en un
todo; unificar; indicar la cantidad total, . . . . matemticamente, la integracin se

Pgina 93 de 134

representa por
}
=
b
a
dx x f I ) (
EC. 1
La cual representa a la integracin de la funcin f (x) con respecto a la variable x, evaluada
entre los limites x = a y x = b.

Como lo sugiere la definicin del diccionario, el significado de la ecuacin es el valor total o
sumatoria de f (x ) dx sobre el intervalo de x = a a b. En realidad, el smbolo } es una s
mayscula estilizada que indica la conexin cercana entre la integracin y la sumatoria
(Thomas y Finney, 1979).

La figura 1, representa una manifestacin grafica de este concepto. Para las funciones que
se encuentran sobre el eje x, la integral expresada por la ecuacin 1, corresponde al rea
bajo la curva de f (x) entre x = a y x = b. Habr muchas ocasiones de volver a referirse a
esta concepcin grafica a medida que se desarrollen frmulas matemticas para
integracin numrica. De hecho, la mayor parte de los mtodos numricos para
integracin, se puede interpretar desde una perspectiva grfica.

Figura 1. Representacin grfica de la integral de f(x) .

Frmulas de integracin de Newton -cotes
Las frmulas de Integracin de Newton-Cotes son los esquemas de integracin numrica
ms comunes. Se basan en la estrategia de reemplazar una funcin complicada o datos
tabulados con una funcin aproximada que sea fcil de integrar:
dx x f dx x f I
b
a
b
a
n
} }
~ = ) ( ) (

Donde f n (x)=polinomio
Donde n es el orden del polinomio. Por ejemplo en la figura (1), se usa un polinomio de
primer orden (una lnea recta) como aproximacin. En la figura (1 b) se emplea una
parbola para el mismo propsito.

Pgina 94 de 134

Figura 1: estimacin de una integral mediante el rea bajo a) una lnea recta, y b) una
parbola.

La integral se puede aproximar usando una serie de polinomios aplicados por partes a la
funcin o a los datos sobre intervalos de longitud constantes. Por ejemplo en la figura 2, se
usan tres segmentos de lnea recta para aproximar la integral.

Figura 2: aproximacin de la integral mediante el rea bajo tres segmentos.

Se puede usar polinomio de mayor grado para este mismo propsito. Con estos
fundamentos ahora se reconoce que el mtodo de bandas de la figura 3 empleo una serie
de polinomios de orden cero (esto es, constantes) para aproximar la integral.

Se dispone de las formas abiertas y cerradas de las frmulas de Newton-Cotes. Las formas
cerradas son aquellas en donde los puntos al principio y al final de los lmites de
integracin se conocen figura (3 a. )

Figura 3: diferencia entre frmulas de integracin a) cerrada y b) abierta.

Pgina 95 de 134

Las formulas tienen los lmites de integracin extendidos mas all del rango de los datos
figura (3 b). Las formulas abiertas de Newton Cotes, en general, no se usan en la
integracin definida. Sin embargo, se usan extensamente en la solucin de ecuaciones
diferenciales ordinarias.

Fundamentos matemticos

En donde F(x) es la integral de F(x), esto es, cualquier funcin tal que F(x) = f(x). La
nomenclatura sobre el lado derecho queda
) ( ) ( ) ( a F b F x F
b
a
=

Mtodo del trapecio simple
La regla del trapecio o regla trapezoidal es la primera de las frmulas de integracin
cerrada de Newton-Cotes. Corresponde al caso donde el polinomio en la ecuacin [1] es de
primer orden:
1
( ) ( )
b b
a a
I f x dx f x dx = ~
} }

Recuerde que una lnea recta se representa como:
( ) ( )
( ) ( )
( ) a x
a b
a f b f
a f x f
+ =
1

El rea bajo la lnea recta es una aproximacin de la integral de f (x) entre los lmites a y
b. El resultado de la integracin es:
( )
2
) ( ) ( b f a f
a b I
+
=
La cual se denomina regla trapezoidal.
Error de la regla Trapezoidal
Cuando empleamos la integral bajo un segmento de lnea recta para aproximar la integral
bajo una curva, obviamente podemos incurrir en un error que puede ser sustancial. Una
estimacin para el error de truncamiento de una sola aplicacin de la regla trapezoidal es:
b
a
b
a
x F dx x f I ) ( ) ( = =
}

Pgina 96 de 134

( )( )
3
12
1
a b f E
t
' ' =
Donde est en algn lugar en el intervalo de "a" a "b". La ecuacin anterior indica que si
la funcin sujeta a integracin es lineal, la regla trapezoidal ser exacta. De otra manera,
ocurrir un error para funciones con derivadas de segundo y tercer orden (es decir con
curvatura).
Ejemplo: aplicacin de la regla trapezoidal simple para integrar numricamente
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ := x 0 0.001 , 0.8 .. :=
a 0 := b 0.8 :=
0 0.5 1
2
4
f x ( )
x
I
1
a
b
x f x ( )
(
(
]
d := I
1
1.64053333 =
I b a ( )
f a ( ) f b ( ) +
2
|
\
|
|
.
:=
I 0.1728 =

Que representan un error de
E v = 1.64053334 0.1728 = 1.46773334
Que corresponde a un error relativo porcentual de e v = 89.5 % . La razn para este error
tan grande es evidente en la grfica.

Ntese que el rea bajo la lnea recta descuida una porcin significativa de la integral
sobre la lnea.

En la situacin actual, no se tendra conocimiento previo del valor verdadero. Por lo tanto,
se requiere una aproximacin al error. Parta obtener esta aproximacin, se calcula la
segunda derivada de la funcin sobre el intervalo , derivando la funcin original dos veces
para dar

Pgina 97 de 134

media
a
b
x
2
x
f x ( )
d
d
2
(
(
(
(
]
d
b a
:= media 60 =
E
a
1
12
media b a ( )
3
:=
E
a
2.56 =

Que es el mismo orden de magnitud y signo que tiene el error verdadero.
Existe una discrepancia debido a que un intervalo de este tamao, el promedio de la
segunda derivada no es necesariamente una aproximacin exacta de f ( ). Por lo tanto,
se denota que el error es aproximado usando la notacin E a, en vez de usar Ev.

Ejercicio: aplicacin de la regla trapezoidal simple
f x ( ) 10 2x + 6x
2
5x
4
+ := x 0 0.001 , 10 .. :=
a 0 := b 10 :=
0 5 10
2
.
10
4
4
.
10
4
6
.
10
4
f x ( )
x
I
1
a
b
x f x ( )
(
(
]
d := I
1
98200 =
I b a ( )
f a ( ) f b ( ) +
2
|
\
|
|
.
:=
I 247200 =

Pgina 98 de 134

f x ( ) 1 x 4x
3
3x
5
+ := x 3 2.99 , 5 .. :=
a 3 := b 5 :=
5 0 5
5000
5000
1
.
10
4
f x ( )
x
I
1
a
b
x f x ( )
(
(
]
d := I
1
6904 =
I b a ( )
f a ( ) f b ( ) +
2
|
\
|
|
.
:=
I 33016 =


Mtodo del trapecio Mltiple
La regla del trapecio utilizando segmentos mltiples
Una mejor manera de mejorar la actitud de la regla trapezoidal es la de dividir el
intervalo de integracin de a a b en un conjunto de segmentos y aplicar el mtodo a cada
uno de los segmentos.

f x ( ) 8 5sin x ( ) + := x 0 0.001 , t .. :=
a 0 := b t :=
0 1 2 3 4
8
10
12
14
f x ( )
x
I
1
a
b
x f x ( )
(
(
]
d := I
1
35.13274123 =
I b a ( )
f a ( ) f b ( ) +
2
|
\
|
|
.
:=
I 25.1327 =

Pgina 99 de 134

Figura: ilustracin de la regla trapezoidal mltiple a) dos segmentos, b) tres segmentos; c)
cuatro segmentos; d) cinco segmentos

En seguida se suman las reas de los segmentos individuales y se obtiene la integral sobre
el intervalo completo. A las ecuaciones resultantes se les conoce como frmulas de
integracin de segmento mltiple o frmulas de integracin compuestas.
n
a b
h

=
Si a y b son designados como X o y X n, respectivamente, la integral total se representa como:
} } }

+ + + =
1
0
2
1 1
) ( ... ) ( ) (
x
x
x
x
x
x
n
n
dx x f dx x f dx x f I
Al sustituir la regla trapezoidal para cada integral se obtiene:
( ) ( ) ( ) ( ) ( ) ( )
|
.
|
\
|
+ + |
.
|
\
|
+ |
.
|
\
|
=

2
...
2 2
1 2 1 1 0 n n
x f x f
h
x f x f
h
x f x f
h I

O mediante agrupacin de trminos:
( ) ( ) ( )|
.
|
\
|
+ + =

=
1
1
0
2
2
n
i
n i
x f x f x f
h
I
En formato general es:
n
x f x f x f
a b I
n
n
i
i
2
) ( ) ( 2 ) (
) (
1
1
0
+ +
=

=

Ya que la sumatoria de los coeficientes de f(x) en el numerador dividido por 2n es igual a 1,
la altura promedio representa un promedio pesado de los valores de la funcin. De acuerdo
a la ecuacin anterior, las alturas de los puntos interiores aparecen doblemente respecto a
los puntos finales f ( x0) y f (x n ).

n
f
f
n
i
=
' '
= ' '
1
por lo tanto.
( )
2
3
12n
f a b
E
a
' '
=

Pgina 100 de 134

De esta manera que, si el nmero de segmento se duplica, el error de truncamiento
disminuye a un cuarto de su valor. Ntese que la ecuacin anterior es un error aproximado
debido a la naturaleza aproximada de la ecuacin.

Ejemplo: regla trapezoidal de segmentos mltiples.
I 1.0688 =
I b a ( )
f x
0
( )
2 f x
1
( )
+ f x
2
( )
+
2 n
|
\
|
|
.
:=
x
2
0.8 = x
1
0.4 =
x
2
x
1
h + := x
1
x
0
h + := x
0
0 :=
h 0.4 =
h
b a
n
:=
0 0.5 1
2
4
f x ( )
x
Int 1.64053333 = Int
a
b
x f x ( )
(
(
]
d :=
n 2 :=
b 0.8 := a 0 :=
x 0 0.001 , 0.8 .. := f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=

Ejercicio: regla trapezoidal de segmentos mltiples
f x ( ) 8 5 sin x ( ) + := x 0 0.001 , t .. :=
0 1 2 3 4
8
10
12
14
f x ( )
x
a 0 := b t :=
n 6 :=
Int
a
b
x f x ( )
(
(
]
d := Int 35.13274123 =
h
b a
n
:=
h 0.523599 =

Pgina 101 de 134

0 1 2 3 4
8
10
12
14
f x ( )
x
x
0
0 := x
1
x
0
h + := x
2
x
1
h + := x
3
x
2
h + := x
4
x
3
h + := x
5
x
4
h + :=
x
1
0.523599 = x
2
1.047198 = x
3
1.570796 =
x
4
2.094395 = x
5
2.617994 =
x
6
x
5
h + :=
x
6
3.141593 =
I b a ( )
f x
0
( )
2 f x
1
( )
f x
2
( )
+ f x
3
( )
+ f x
4
( )
+ f x
5
( )
+
( )
+ f x
6
( )
+
2 n
(
(
:=
I 34.9032274 =

Ejercicio: regla trapezoidal de segmentos mltiples
Enunciado del problema: utilcese la regla trapezoidal de los segmentos mltiples para
calcular la integral de
f x ( ) x e
2x
:= x 0 0.001 , t .. :=
0 1 2 3 4
1000
2000
f x ( )
x
a 0 := b t :=
n 4 :=
Int
a
b
x f x ( )
(
(
]
d := Int 707.52541165 =
h
b a
n
:=
h 0.785398 =
x
0
0 := x
1
x
0
h + := x
2
x
1
h + := x
3
x
2
h + :=
x
1
0.785398 = x
2
1.570796 = x
3
2.356194 =
I b a ( )
f x
0
( )
2 f x
1
( )
f x
2
( )
+ f x
3
( )
+
( )
+ f x
4
( )
+
2 n
(
(
:=
I 898.15158639 =

Mtodo Simpson
Una forma de obtener una estimacin exacta de una integral es con el uso de polinomios de
orden superior para conectar los puntos. Por ejemplo, si hay un punto extra a la mitad del
camino entre f(a) y f(b), los tres puntos se pueden conectar con una parbola.

Pgina 102 de 134

Si hay dos puntos igualmente espaciados entre f(a) y f(b), los cuatro puntos se pueden
conectar con un polinomio de tercer orden.

Las frmulas que resultan al tomar las integrales bajo esos polinomios son conocidos como
reglas de Simpson.

Mtodo Simpson de 1/3
La Regla de Simpson 1/3 resulta cuando una interpolacin polinomial de segundo orden es
sustituida en la ecuacin :

} }
~ =
d
b
d
b
dx x f dx x f I ) ( ) (
2

2
a b
h

=

Donde, para este caso, h = (b - a)/2. Esta ecuacin es conocida como regla Simpson 1/3. La
especificacin"1/3" surge del hecho de que h est dividida entre 3 en la ecuacin anterior.
La regla de Simpson 1/3 se expresa tambin con el uso del formato de la ecuacin:
6
) ( ) ( 4 ) (
) (
2 1 0
x f x f x f
a b I
+ +
=

Donde a = X0, b = X2 y X1= punto a la mitad del camino entre a y b, que est dado por (b +

Pgina 103 de 134

a)/2. Observe que, de acuerdo con la ecuacin anterior, el punto medio est ponderado por
dos tercios y los dos puntos extremos por un sexto.

Se puede mostrar que una aplicacin de un solo segmento de la regla de Simpson 1/3 tiene
un error de truncamiento de : E t = E v
( )
) 4 ( 5
90
1
f h E
t
=
o, como h = (b - a)/2,
) (
2880
) (
) 4 (
5
f
a b
E
a
=

Ejemplo de aplicacin de la regla de Simpson de 1/3 simple
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
desde a = 0 hasta b = 0.8
solucion
el valor exacto es:
0
0.8
x f x ( )
(
(
]
d 1.640533333333333333
x 0 0.01 , 0.8 .. :=

x 0 0.01 , 0.8 .. :=
0 0.5 1
2
4
f x ( )
x
a 0 := b 0.8 :=
h
b a ( )
2
:=

Pgina 104 de 134

h
b a ( )
2
:=
h 0.4 =
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
f a ( ) 0.2 = f h ( ) 2.456 = f b ( ) 0.232 =
la regla de Simpson 1/3
I b a ( )
f a ( ) 4 f h ( ) + f b ( ) +
6
:=
I 1.367467 =

media
0
0.8
x
4
x
f x ( )
d
d
4
(
(
(
(
]
d
b a
2400.0000000000000000 :=
E
1
90
h
5
media :=
E
a
b a ( )
5
2880
media :=
E 0.2730667 ( ) =
E
a
0.2730667 =

Problemas propuestos: evalense las integrales con la aplicacin simple de la regla
Simpson de 1/3
a ( )
0
10
x 10 2x + 6x
2
5x
4
+
( )
(
(
]
d 98200
b ( )
3
5
x 1 x 4x
3
3x
5
+
( )
(
(
]
d 6904
c ( )
0
t
x 8 5 sin x ( ) + ( )
(
(
]
d 8 t 10 +
d ( )
0
4
x x e
2x
(
(
]
d
7
4
exp 8 ( )
1
4
+

Mtodo Simpson de 1/3 mltiple
La Regla de Simpson se puede mejorar al dividir el intervalo de integracin en un numero
de segmentos de igual anchura

Pgina 105 de 134

n
a b
h

=

La integral total se puede representar como :
n
x f x f x f x f
a b I
n
n
j
j
n
i
i
3
) ( ) ( 2 ) ( 4 ) (
) (
2
6 , 4 , 2
1
5 , 3 , 1
0
+ + +
=

=
=

Observe que, se debe utilizar un nmero par de segmentos para implementar el mtodo.
Adems, los coeficientes "4"y "2" en la ecuacin podran parecer peculiares a primera vista.
Sin embargo, siguen en forma natural la regla de Simpson 1/3. Los puntos nones
representan el trmino medio para cada aplicacin. Los puntos pares son comunes en las
aplicaciones adyacentes y por tanto se cuentan dos veces.

Un error estimado para la aplicacin de la regla de Simpson se obtiene sumando los errores
individuales de los segmentos y sacando el promedio de la derivada.
) (
180
) (
) 4 (
4
5
f
n
a b
E
a
=

Donde f
(4)
es el promedio de la cuarta derivada para el intervalo

Ejemplo: de la regla de Simpson de 1/3 de aplicacin mltiple

f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
desde a = 0 hasta b = 0.8 con n = 4
solucion
el valor exacto es:
0
0.8
x f x ( )
(
(
]
d 1.640533333333333333
x 0 0.01 , 0.8 .. :=

Pgina 106 de 134

x 0 0.01 , 0.8 .. :=
0 0.5 1
2
4
f x ( )
x
a 0 := b 0.8 := n 4 :=
h
b a ( )
n
:=
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
h 0.2 =

la regla de Simpson 1/3 de aplicacin multiple
I b a ( )
f x
0
( )
4 f x
1
( )
f x
3
( )
+
( )
+ 2 f x
2
( ) ( )
+ f x
4
( )
+
3 n
(
(
:=
I 1.623467 =

Mtodo Simpson de 3/8

3
a b
h

=

| |
8
) ( ) ( ) ( 3 ) (
) (
3 2 1 0
x f x f x f x f
a b I
+ + +
=

) (
6480
) (
) 4 (
5
f
a b
E
a
=

Ejemplo. Con la regla de Simpson de 3/8 integre
2 3 4 5
( ) 0.2 25 200 675 900 400 f x x x x x x = + + +
Desde a = 0 hasta b = 0.8

Pgina 107 de 134

solucion
a ( ) Una sola aplicacion de la regla de Simpson requiere cuatro puntos equidistantes:
el valor exacto es:
0
0.8
x f x ( )
(
(
]
d 1.640533333333333333
x 0 0.01 , 0.8 .. :=
0 0.5 1
2
4
f x ( )
x

f x
3
( )
0.232 = f x
2
( )
3.487177 = f x
1
( )
1.432724 = f x
0
( )
0.2 =
x
3
0.8 = x
2
0.5333 = x
1
0.267 = x
0
0 =
x
3
b := x
2
a h + h + := x
1
a h + := x
0
a :=
h 0.267 =
f x ( ) 0.2 25x + 200x
2
675x
3
+ 900x
4
400x
5
+ :=
h
b a ( )
3
:=
n 4 := b 0.8 := a 0 :=

la regla de Simpson 3/8
I b a ( )
f x
0
( )
3 f x
1
( )
+ 3 f x
2
( )
+ f x
3
( )
+
8
(
(
:=
I 1.51917 =

5.3 Integracin de Romberg

Integracin de Romberg

Sea el valor de la integral que aproxima a ( )
b
a
I f x dx =
}
, mediante una particin

Pgina 108 de 134

de subintervalos de longitud
b a
h
n
= y usando la regla del trapecio.

Entonces, ( ) ( ) I I h E h = +
Donde ( ) E h es el error de truncamiento que se comete al aplicar la regla.

El mtodo de extrapolacin de Richardson combina dos aproximaciones de integracin
numrica, para obtener un tercer valor ms exacto.

El algoritmo ms eficiente dentro de ste mtodo, se llama Integracin de Romberg, la cual
es una frmula recursiva.

Supongamos que tenemos dos aproximaciones:
1
( ) I h
e
2
( ) I h

Se puede demostrar que el error que se comete con la regla del trapecio para n
subintervalos est dado por las siguientes frmulas:

Donde es un promedio de la doble derivada entre ciertos valores que pertenecen a
cada uno de los subintervalos.

Ahora bien, si suponemos que el valor de es constante, entonces:
Sea el valor de la integral que aproxima a ( )
b
a
I f x dx =
}
, mediante una particin
de subintervalos de longitud
b a
h
n
= y usando la regla del trapecio.

Entonces, ( ) ( ) I I h E h = +

Pgina 109 de 134

Donde ( ) E h es el error de truncamiento que se comete al aplicar la regla.

El mtodo de extrapolacin de Richardson combina dos aproximaciones de integracin
numrica, para obtener un tercer valor ms exacto.
El algoritmo ms eficiente dentro de ste mtodo, se llama Integracin de Romberg, la cual
es una frmula recursiva.

Supongamos que tenemos dos aproximaciones:
1
( ) I h e
2
( ) I h

Se puede demostrar que el error que se comete con la regla del trapecio para n
subintervalos est dado por las siguientes frmulas:

Donde es un promedio de la doble derivada entre ciertos valores que pertenecen a
cada uno de los subintervalos.

Ahora bien, si suponemos que el valor de es constante, entonces:

Sustituyendo esto ltimo en nuestra primera igualdad, tenemos que:

Pgina 110 de 134

De aqu podemos despejar :

En el caso especial cuando (que es el algoritmo de Romberg), tenemos :

Esta frmula es solo una parte del algoritmo de Romberg. Para entender el mtodo, es
conveniente pensar que se trabaja en niveles de aproximacin. En un primer nivel, es
cuando aplicamos la regla del Trapecio, y para poder usar la frmula anterior, debemos de
duplicar cada vez el nmero de subintervalos: as, podemos comenzar con un subintervalos,
luego con dos, cuatro, ocho, etc, hasta donde se desee.

Posteriormente, pasamos al segundo nivel de aproximacin, que es donde se usa la frmula
anterior, tomando las parejas contiguas de aproximacin del nivel anterior, y que
corresponden cuando .

Despus pasamos al nivel tres de aproximacin, pero aqu cambia la frmula de Romberg, y
as sucesivamente hasta el ltimo nivel, que se alcanza cuando solo contamos con una
pareja del nivel anterior.

Desde luego, el nmero de niveles de aproximacin que se alcanzan, depende de las
aproximaciones que se hicieron en el nivel 1. En general, si en el primer nivel, iniciamos con
n aproximaciones, entonces alcanzaremos a llegar hasta el nivel de aproximacin
n. Hacemos un diagrama para explicar un poco ms lo anterior.

Pgina 111 de 134

n
a b
h

=
n
x f x f x f
a b I
n
n
i
i
2
) ( ) ( 2 ) (
) (
1
1
0
+ +
=

=

Problema: Usar el algoritmo de Romberg, para aproximar la integral

Usando segmentos de longitud .
Solucin.
Primero calculamos las integrales del nivel 1, usando la regla del trapecio para las
longitudes de segmentos indicadas:

Con estos datos, tenemos:

Pgina 112 de 134

Ahora pasamos al segundo nivel de aproximacin donde usaremos la frmula que se dedujo
anteriormente:

Donde es la integral menos exacta (la que usa menos subintervalos) e es la
ms exacta (la que usa el doble de subintervalos).

En un diagrama vemos lo siguiente:

Para avanzar al siguiente nivel, debemos conocer la frmula correspondiente. De forma
similar a la deduccin de la frmula,

se puede ver que la frmula para el siguiente nivel de aproximacin (nivel 3) queda como
sigue:

Pgina 113 de 134

donde:
es la integral ms exacta
es la integral menos exacta
En el siguiente nivel (nivel 4) se tiene la frmula

En el ejemplo anterior, obtenemos la aproximacin en el nivel 3 como sigue:

As, podemos concluir que el valor de la aproximacin, obtenido con el mtodo de Romberg,
es:

Problema. Usar el algoritmo de Romberg para aproximar la integral:

Agregando a la tabla anterior donde .
Solucin.
Calculamos con la regla del trapecio:

Tenemos entonces la siguiente tabla:

Pgina 114 de 134

De donde concluimos que la aproximacin buscada es:

Problema. Aproximar la siguiente integral:

usando el mtodo de Romberg con segmentos de longitud
, , ,
Solucin.
Igual que arriba, primero usamos la regla del trapecio (con los valores de h indicados)
para llenar el nivel 1. Tenemos entonces que:

A continuacin, usamos las frmulas de Romberg para cada nivel y obtenemos la siguiente
tabla:

Pgina 115 de 134

De donde concluimos que la aproximacin buscada es:

Problema: Aplicar el algoritmo de integracin de Romberg a la integral:

tomando
Solucin.
En este caso no sabemos exactamente cuntas aproximaciones debemos hacer con la regla
del trapecio. As que para comenzar hacemos los clculos correspondientes a uno, dos,
cuatro y ocho subintervalos:

Con estos datos, podemos hacer los clculos hasta el nivel 4. Tenemos la siguiente tabla:

Haciendo los clculos de los errores, nos damos cuenta que efectivamente la aproximacin
se obtiene hasta el nivel 4,
Donde

Pgina 116 de 134

.
Por lo tanto, concluimos que la aproximacin buscada es:

5.4 Aplicaciones

Ejercicios de aplicacin
Antecedentes: La determinacin de la cantidad de calor requerido para elevar la
temperatura de un material es un problema con el que a menudo nos enfrentamos. La
caracterstica necesaria para llevar a cabo este clculo es la capacidad calorfica
c
. Este
parmetro representa la cantidad de calor requerida para elevar una unidad de
temperatura en una unidad de masa. Si
c
es constante en el intervalo de temperatura que
se examinan, el calor requerido
T mc H A = A
............EC. 1

Donde
c
est en
) /( C g cal
, m = masa (g) y T A = cambio de temperatura
) ( C
. Y
la ecuacin para calcular el promedio
: ) (T c

1 2
2
1
T T
dT T c
T c
T
T
=
}
) (
) (
........................EC. 2
Dnde
1 2
T T T = A
.

Nota: para hallar el valor exacto de la funcin se debe sustituir la ecuacin 2 en la
ecuacin 1.

La capacidad calorfica de un material podra aumentar con la temperatura de acuerdo
con la relacin tal como

2 7 4
10 64 2 10 56 1 132 0 T x T x T c

+ + = . . . ) (

Con 1000 gramos de material desde 100 hasta 200 C.

Determine:
El valor exacto de la integral

Pgina 117 de 134

|
( )
2
1
2
1
2 1
2 1
( )[ ( ) ( )
( )
( )
T
T
T
T
H mc T m c T t
c T dt
H m T T
T T
H m c T dt
A = A = A
(
(
A =
(
(

A =
}
}

It 1000
100
200
T 0.132 0.000156 T + 0.000000264 T
2
+
( )
(
(
]
d :=
It 42732 =

Grafica
100 0 100 200
0.1
0.15
0.2
0.174
0.119
c T ( )
200 100 T

Las integracin numrica siguiente
Regla del trapecio simple

Regla del trapecio de aplicacin mltiple con n = 2

Regla de Simpson de 1/3

I
1
T
1
T
0
( )
c T
0
( )
c T
1
( )
+
2
:=
I m I
1
:=
I 43920 =
I
1
T
2
T
0
( )
c T
0
( )
2 c T
1
( )
+ c T
2
( )
+
2n
:=
I m I
1
:=
I 43029 =

Pgina 118 de 134

Regla de Simpson de 1/3 de aplicacin mltiple n = 5

Regla de Simpson de 3/8

I
1
T
2
T
0
( )
c T
0
( )
4 c T
1
( )
+ c T
2
( )
+
6
:=
I m I
1
:=
I 42732 =
I
1
300
0.11904 4 0.12618 0.14617 + ( ) + 2 0.13523 0.15901 + ( ) + .17376 +
15
39.4136 :=
I m I
1
:=
I 39413.6 =
I
1
300
0.11904 3 0.132 .15024 + ( ) + .17376 +
8
42.732 :=
I m I
1
:=
I 42732 =

Pgina 119 de 134

Unidad 6. Ecuaciones diferenciales ordinarias.

Utilizar los mtodos numricos para resolver ecuaciones diferenciales ordinarias bsicas.

6.1 Fundamentos de ecuaciones diferenciales

Fundamentos matemticos
El objetivo del mtodo es obtener una aproximacin al problema
), , ( y x f
dx
dy
=

b x a s s
con la condicin inicial,
0 0
) ( y x y =
.

Inicialmente no se obtendr una aproximacin continua de la solucin y(x), sino que se
generarn aproximaciones de y en varios puntos, llamados puntos de red, en el intervalo
[a,b]. Una vez que se obtenga la solucin aproximada en estos puntos, es posible encontrar
un polinomio de interpolacin que se ajuste a los valores (tabulados) obtenidos.
Supondremos que los puntos de la red estn distribuidos uniformemente sobre el intervalo
[a, b]. Podemos garantizarlo, escogiendo un entero positivo N y seleccionando los puntos de
red
n
x x x x < < < < ...
2 1 0
donde
ih x x
i
+ =
0
, para cada i = 0, 1, 2, ..., N
La distancia comn entre los puntos,
N
a - b
= h

Se llama tamao de paso, y el punto inicial, (x0 , y0), es el nico punto conocido de la
solucin exacta.

La aproximacin y1 en el prximo punto x1 de la red est determinado por la recta
tangente a la curva y en el punto (x0 , y0):

Pgina 120 de 134

Como
,
dx
dy
= ) y ,
x
f( = )
x
( y =
x
-
x
y - y
0
0 0
0 1
0 1

entonces,
( ) ( )
0 0 0 1 0 1
, y x f x x y y =

Por lo tanto,
( )
0 0 0 1
, y x hf y y + =

Y, en general,
) , (
1 n n n n
y x hf y y + =
+

con
n n
x x h =
+1

La solucin explcita es y = 2ex - x - 1, y para el punto x20 = 1 se tiene que y (x 20) =
3.4365637.

6.2 Mtodos de un paso: Mtodo de Euler, Mtodo de Euler mejorado y Mtodo de Runge-
Kutta

Mtodo de Euler
Este mtodo fue ideado por Euler hace ms de 200 aos. Es bastante sencillo, pero no tan
preciso como los otros mtodos que veremos posteriormente. Sin embargo, el mtodo de
Euler sirve como punto de partida hacia tcnicas alternativas que aparecern segn se
considere.

La primera derivada proporciona una estimacin directa de la pendiente en Xi

Pgina 121 de 134

) , (
i i
y x f = |

Donde f (X i, Y i) es la ecuacin diferencial evaluada en Xi y Yi, Tal estimacin podr
substituirse en la ecuacin nos queda que:
h y x f y Y
i i i i
) , ( + =
+1

Esta frmula es conocida como el mtodo de Euler ( o Euler- Caunchy o de un punto medio).
Se predice un nuevo valor de Y por medio de la pendiente (igual a la primera derivada en el
valor original de X) que habr de extrapolarse en forma lineal sobre el tamao de paso h

Ejemplo:
Mtodo de Euler
Enunciado del problema : utilcese el mtodo de Euler para la ecuacin
f x ( ) 0.5 x
4
4x
3
+ 10x
2
8.5x + 1 + :=

De x = 0 hasta x = 4 con un tamao de paso de 0.5. La condicin inicial en x = 0 es y = 1.
Solucin:
=
=
=
+ + =
=
5 . 0
? ) 4 (
1 ) 0 (
5 . 8 20 12 0 . 2
) (
2 3
h
y
y
x x x
dx
x df
PVI

Pgina 122 de 134

f x ( ) 0.5 x
4
4x
3
+ 10x
2
8.5x + 1 + :=
x 0 0.0001 , 4 .. :=
0 1 2 3 4
10
5
5
10
f x ( )
x
f x ( )
d
d
x

Ejercicios:
Enunciado del problema: utilcese el mtodo de Euler para la ecuacin
f x ( ) 0.5 x
4
4x
3
+ 10x
2
8.5x + 1 + :=

De x = 0 hasta x = 4 con un tamao de paso de 0.25. La condicin inicial en x = 0 es y = 1.
=
=
=
+ + =
=
25 . 0
? ) 4 (
1 ) 0 (
5 . 8 20 12 0 . 2
) (
2 3
h
y
y
x x x
dx
x df
PVI

Anlisis de error en el mtodo de Euler
La solucin numrica de las ecuaciones diferenciales ordinarias (EDO) involucra dos tipos

Pgina 123 de 134

de error:
Errores de Truncamiento, o discretizacion, causados por la naturaleza de las tcnicas
empleadas para aproximar los valores de y.

Errores de Redondeo, que son el resultado del nmero lmite de cifras significativas que
pueden retener una computadora.

Los errores de truncamiento se componen de dos partes. La primera es un error de
truncamiento local que puede que resulta al aplicar el mtodo en cuestin en un paso. El
segundo error de programacin que resulta de las aproximaciones producidas durante los
pasos anteriores. La suma de los dos es el error de truncamiento global.

Ejercicio: Resuelva el siguiente
=
=
=
=
2 . 0
? ) 1 (
2 ) 0 (
) (
h
y
y
y x
dx
dy
PVI

Mediante el mtodo de Euler

Ejercicios:
Un tanque cilndrico de fondo plano con un dimetro de 1.5 m contiene un lquido de
densidad = 1.5 kg/L a una altura a de 3 m. Se desea saber la altura del lquido dentro del
tanque tres minutos despus de que se abre completamente la vlvula de salida, la cual da
un gasto de ga A 2 6 0. s m /
3
, donde A es el rea seccional del tubo de salida y es
4
10 5 78

x . m
2
y g = 9.81 m/s
2
.

Pgina 124 de 134

Solucin
El vaciado el llenado de un tanque cilndrico se modela haciendo un balance de materia con
las siguiente expresin :
30
6
0 180
=
= h
Acumulacin = entrada salida ga A
dt
dV
2 6 0 0 . =

Dnde:
a h r V
2 2
75 0 ) . ( t t = =

Entonces:
ga A
dt
da
2 6 0 75 0
2
. ) . ( = t ga
ga A
dt
da
2 0026653 0
75 0
2 6 0
2
.
) . (
.
=
=
t

Al considerar como tiempo cero el momento el abrir momento de abrir la vlvula y adems
la altura buscada a un tiempo de 3 minutos (180 segundos), se llega
=
=
=
? ) (
) (
.
180
3 0
2 0026653 0
a
m a
ga
dt
da
PVI

En virtud de que la exactitud de los resultados que se esperan no es grande, se usa el
mtodo de Euler para resolver este PVI.

Pgina 125 de 134

Tiempo (s) 0 30 60 90 120 150 180
a (m) 3.00 2.39 1.84 1.36 0.95 0.60 0.33

Mtodo de Euler mejorado
En el mtodo de Euler se tom como vlida para todo el primer subintervalo la derivada
encontrada en un extremo de este. Para obtener una exactitud razonable se utiliza un
intervalo muy pequeo, a cambio de un error de redondeo mayor 8 ya que se realizara ms
clculos).

El mtodo de Euler modificado trata de evitar este problema utilizando un valor promedio
de la derivada tomada en los extremos del intervalo, en lugar de la derivada tomada en un
solo extremo.

El mtodo de Euler modificado consta de dos pasos bsicos :
Se parte de ( )
0 0
, y x y se utiliza el mtodo de Euler a fin de calcular el valor de y
correspondiente a
1
x . Este valor de y se denotara aqu como
1
y , ya que solo es un valor
transitorio para
1
y . Esta parte del proceso se conoce como paso predictor.
El segundo paso se llama corrector, pues trata de corregir la prediccin. En el nuevo punto
obtenido ( )
1 1
, y x se evala la derivada ( )
1 1
, y x f usando la ecuacin diferencial ordinaria
PVI que se est resolviendo; se obtiene la media aritmtica de esta derivada y la derivada
en el punto inicial ( )
0 0
, y x .
( ) ( ) | |
1 1 0 0
, ,
2
1
y x f y x f + = derivada promedio
Se usa la derivada promedio para calcular un nuevo valor de y1 , con la ecuacin
h y x f y Y
i i i i
) , ( + =
+1

Que deber ser ms exacto que y1.

Pgina 126 de 134

( )
( ) ( ) | |
1 1 0 0
0 1
0 1
, ,
2
y x f y x f
x x
y y +
+ =
Y que se tomara como un valor definitivo de y1. Este procedimiento se repite hasta llegar a
yn.
El esquema iterativo para este mtodo quedara en general as:
Primero, usando el paso de prediccin resulta:
) , (
1 i i i i
y x hf y y + =
+

Una vez obtenida
1 + i
y se calcula ) , (
1 1 + + i i
y x f , la derivada en el punto ) , (
1 1 + + i i
y x , y se
promedia con la derivada previa ) , (
i i
y x f para encontrar la derivada promedio
( ) ( ) | |
1 1
, ,
2
1
+ +
+
i i i i
y x f y x f
Se sustituye ) , (
i i
y x f con este valor promedio en la ecuacin de iteracin de Euler y se
obtiene :
( ) ( ) | |
1 1 1
, ,
2
+ + +
+ + =
i i i i i i
y x f y x f
h
y y

Mtodo de Runge Kutta
Todos los mtodos de un paso se pueden expresar en esta forma general, que slo va a
diferir en la manera en la cual se estima la pendiente. El procedimiento ms simple es usar
la ecuacin diferencial para estimar la pendiente derivada en Xi al inicio del intervalo. En
otras palabras, la pendiente al inicio del intervalo es tomada como una aproximacin de la
pendiente promedio sobre todo el intervalo. Este procedimiento se llama mtodo de Euler.
Existen otros mtodos de un paso que cumplen estimaciones de pendiente en forma alterna
y cuyas resultantes sern predicciones ms exactas. Todas estas tcnicas se conocen por lo
general como mtodos de Runge-Kutta.

Los mtodos de Runge-Kutta (RK) logran la exactitud del procedimiento de una serie de
Taylor sin requerir el clculo de derivadas superiores. Existen muchas variaciones, pero
todas se pueden denotar en la forma generalizada de la ecuacin :

h h y x y y
i i i i
) , , (
1
| + =
+

Donde ) , , ( h y x
i i
| es conocida como funcin incremento, al cual puede interpretarse
como una pendiente representativa sobre el intervalo. La funcin incremento se escribe por

Pgina 127 de 134

lo general como:
n n
k a k a k a + + + = ...
2 2 1 1
|

Donde a son constantes y las k son:
) ... , (
) , (
) , (
) , (
1 1 , 1 2 2 , 1 1 1 1 4
2 22 1 21 2 3
1 11 1 2
1
h k q h k q h k q y h p x f k
h k q h k q y h p x f k
h k q y h p x f k
y x f k
n n n n n i n i
i i
i i
i i

+ + + + + =
+ + + =
+ + =
=

Observe que las k son relaciones de concurrencia. Esto es k1 aparece en la ecuacin para k2,
que apareces en la ecuacin de k3,etc. Esta recurrencia hace a los mtodos RK eficientes
para su clculo en computadoras.

Es posible concebir varios tipos de mtodos de Runge-Kutta al emplear diferentes nmeros
de trminos en la funcin incremento como la especificada por n. Observe que el mtodo de
Runge-Kutta (RK) de primer orden con n = 1 es, de hecho, el mtodo de Euler.

Una vez que se elige n, se evalan las a,p y q al igualar la ecuacin [10] a los termino de la
serie de expansin de Taylor .As al menos para las versiones de orden inferior, el numero
de trminos n con frecuencia representa el orden de la aproximacin.

Mtodo de Runge-Kutta de segundo Orden
) , (
) , (
) (
1 11 1 2
1
2 2 1 1 1
h k q y h p x f k
y x f k
h k a k a y y
i i
i i
i i
+ + =
=
+ + =
+

Los valores para a1,a2,p1 y q11 son evaluados al igualar el termino se segundo orden de la
ecuacin Yi+1 en [12] con la expansin de la serie de Taylor. Para realizar esto,
desarrollamos tres ecuaciones para evaluar las cuatro constantes desconocidas. Las tres
ecuaciones son :
2
1
2
1
1
11 2
2 1
2 1
=
=
= +
p a
p a
a a

Pgina 128 de 134

Ejemplo: Mtodo RK de segundo orden:

F ( x , y) = - 2 x
3
+ 12 x
2
20 x + 8.5
Desde x = 0 hasta x = 4 usando un tamao de paso de 0.5. la condicin inicial en x = 0 es y =
1.
Solucin:
|
.
|
\
|
+ =
+ + =
=
+ =
+
2 1
2
1
1
3
2
3
1
)
4
3
,
4
3
(
) , (
k k
hk y h x f k
y x f k
h y y
i i i
i i
i i
|
|

X = 0 y = 1 h = 0.5
k 1 = f ( x i , y i )
K 1 0 f ( 0 , 1 ) = - 2 (0)
3
+ 12 (0)
2
20 (0) + 8.5 = 8.5

k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 )
K 2 = f [ ( 0 +3/4 ( 0.5) , 1 + 3/4 (0.5)(8. 5 )] =
K 2 = f ( 0.375 , 4.1875 )
= - 2 (0.375)
3
+ 12 (0.375)
2
20 (0.375) + 8.5 =
= 2.58203125

| = 1/3k1 + 2/3 k2
| = 1/3( 8.5 ) + 2/3 (2.58203125) = 4.5546875

Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h
Y (0.5) = 1 + 4.5546875 ( 0.5 ) = 3. 27734375

X = 0.5 y = 3.27734375 h = 0.5
k 1 = f ( x i , y i )
K1 = f ( 0.5 , 3. 27734375 )
= - 2 (0.5)
3
+ 12 (0.5)
2
20 (0.5) + 8.5
= 1.25

k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 )

Pgina 129 de 134

K 2 = f [ ( 0.5 +3/4 ( 0.5) , 3.27734375 + 3/4 (0.5)(1.25 )] =
K 2 = f ( 0.875 , 3.74609375 )
= - 2 (0.875)
3
+ 12 (0.875)
2
20 (0.875) + 8.5
= - 1.15234375

| = 1/3k1 + 2/3 k2
| = 1/3( 1.25 ) + 2/3 (- 1.15234375) = - 0.3515625

Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h
Y (0.5) = 3.27734375 + ( - 0. 3515625) ( 0.5 ) = 3.1015625
X Y verdadera Ralston RK |e v|
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
1.00000
3.21875
3.00000
2.21875
2.00000
2.71875
4.00000
4.71875
3.00000
1.00000
3.27734375
3.1015625
2.34765625
2.140625
2.85546875
4.1171875
4.80078125
3.03125
0
1.8
3.4
5.8
7.0
5.0
2.9
1.7
1.0

Mtodo de Runge-Kutta de tercer Orden
Para n = 3, se puede hacer desarrollo similar al mtodo de segundo orden. El resultado de
dicho desarrollo es de seis ecuaciones con ocho incgnitas. Por tanto, se debe especificar
con antelacin los valores para las dos incgnitas con el fin de establecer los parmetros
restantes. Una versin comn que resulta es :
( )
) 2 , (
)
2
1
,
2
1
(
) , (
4
6
1
2 1 3
1 2
1
3 2 1 1
h k h k y h x f k
h k y h x f k
y x f k
h k k k y y
i i
i i
i i
i i
+ + =
+ + =
=
+ + + =
+

Ejemplo: Mtodo RK de tercer orden.
Una EDO que es exclusivamente una funcin de x.
d y = - 2 x
3
+ 12 x
2
20 x + 8.5
d x

Pgina 130 de 134

con y (0) = 1 y de tamao de paso igual a 0.5

una EDO que es una funcin de x y y:
d y = 4 e
0.8 x
0.5 y
dx
con y (0) = 2 desde x = 0 a 1 con un tamao de paso 1
Solucin:
( )
) 2 , (
)
2
1
,
2
1
(
) , (
4
6
1
2 1 3
1 2
1
3 2 1 1
h k h k y h x f k
h k y h x f k
y x f k
h k k k y y
i i
i i
i i
i i
+ + =
+ + =
=
+ + + =
+

Una EDO que es exclusivamente una funcin de x.
d y = - 2 x
3
+ 12 x
2
20 x + 8.5
d x
con y (0) = 1 y de tamao de paso igual a 0.5

K 1 = f ( 0, 1 ) = - 2 (0)
3
+ 12 (0)
2
20 (0) + 8.5 = 8.5
K 2 = f [0 + 1/ 2 (0.5) , 1 + 1 / 2 ( 8.5 ) (0.5) ] =
K 2 = f ( 0.25 , 3.125 ) = - 2 (0.25)
3
+ 12 (0.25)
2
20 (0.25) + 8.5 = 4.21875
K 3 = f [ 0 + 0.5 , 1 (8.5)(0.5) + 2(4.21875)(0.5) ] =
K 3 = f (0.5 , 0.96875 ) = - 2 (0.5)
3
+ 12 (0.5)
2
20 (0.5) + 8.5 = 1.25

Que se puede sustituir en la ecuacin
( )h k k k y y
i i 3 2 1 1
4
6
1
+ + + =
+

y (0.5) = 1 + {1/6 | 8.5 + 4( 4.21875) + 1.25|}0.5 = 3.21875

la cual es exacta . por lo tanto, ya que la solucin verdadera es un polinomio de cuarto
orden. La regla de Simpson de 1/3 proporciona un resultado exacto.

Pgina 131 de 134

una EDO que es una funcin de x y y:
d y = 4 e
0.8 x
0.5 y
dx
con y (0) = 2 desde x = 0 a 1 con un tamao de paso 1

K 1 = f ( 0, 2) =
K 1 = 4 e
0.8 (0)
0.5(2) = 3
K 2 = f [0 + 1/ 2 (1) , 2 + 1 / 2 (3) (1) ]
K 2 = f ( 0.5 , 3.5) = 4 e
0.8 (0.5)
0.5 (3.5 ) = 4.21729879
k 3 = f [0 + 1, 2 (3)(1) + 2(4.21729879)(1) ]
k 3 = f (1 , 7.43459758 ) = 4 e
0.8 (1.0)
0.5 ( 7.43459758) = 5.184864924

que se puede sustituir en la ecuacin.
( )h k k k y y
i i 3 2 1 1
4
6
1
+ + + =
+

y (1.0) = 2 + {1/6 | 3 + 4 ( 4.21729879) + 5.184864924|} (1.0) = 6.175676681
que representa un e v = 0.31 % ( valor verdadero = 6.19463138) , que es superior en mucho
a los resultados obtenidos previamente con los mtodos RK de segundo orden.

Mtodo de Runge-Kutta de Orden Superior
Donde se requiere resultados mas exactos, es recomendable el mtodo de Butcher (1964) y
el mtodo RK de quinto orden :
( )
)
7
8
7
12
7
12
7
2
7
3
, (
)
16
9
16
3
,
4
3
(
)
2
1
,
2
1
(
)
8
1
8
1
,
4
1
(
)
4
1
,
4
1
(
) , (
7 32 12 32 7
90
1
5 4 3 2 1 6
4 1 5
3 2 4
2 1 3
1 2
1
6 5 4 3 1 1
h k k h k h k h k y h x f k
h k h k y h x f k
h k h k y h x f k
h k h k y h x f k
h k y h x f k
y x f k
h k k k k k y y
i i
i i
i i
i i
i i
i i
i i
+ + + + =
+ + + =
+ + =
+ + + =
+ + =
=
+ + + + + =
+

Pgina 132 de 134

6.3 Aplicaciones a la ingeniera

Aplicaciones
En un tanque perfectamente agitado se tiene 400L de una salmuera en la cual estn
disueltos 25 kg de sal comn (NaCl), en cierto momento se hace llegar al tanque un gasto
de 80 L/min de una salmuera que contiene 0.5 Kg. de sal comn por litro. Si se tiene un
gasto de salida de 80 L/min determine: Qu cantidad de sal hay en el tanque
transcurridos 10 minutos?
Solucin:
si se llaman x los Kg. De sal en el tanque despus de t minutos , la acumulacin de sal en el
tanque esta dada por dt dx / y por la expresin
=
dt
dx
masa de sal que entra - masa de sal que sale
los valores conocidos se sustituyen y se llega a la ecuacin :
x
dt
dx
x
dt
dx
2 0 40
400
80 5 0 80
.
) ( ) . (
=
=

que con la condicin inicial de que hay 25 Kg. De sal al tiempo cero, da el siguiente
=
=
=
? ) (
) (
.
10
25 0
2 0 40
x
x
x
dt
dx
PVI
como va de ilustracin se utilizara un mtodo de Runge - Kutta de tercer orden cuyo
algoritmo esta dado por:
) (
3 2 1 1
4
6
k k k
h
y y
i i
+ + + =
+

con
( )
( )
1 2 3
1
2
1
2
2 2
hk hk y h x f k
hk
y
h
x f k
y x f k
i i
i i
i i
+ + =
|
.
|
\
|
+ + =
=
,
,
,

Pgina 133 de 134

x
0
0 := y
0
25 := h 1 :=
k
1
40 0.2 y
0
( )
:= k
2
40 0.2 y
0
1
2
k
1
h +
|
\
|
|
.
:=
k
3
40 0.2 y
0
k
1
h 2k
2
h +
( )
:=
k
1
35 =
k
2
31.5 = k
3
29.4 =
y
1
y
0
1
6
k
1
4k
2
+ k
3
+
( )
h + := y
1
56.733 =

x
1
1 := y
1
56.733 := h 1 :=
k
1
40 0.2 y
1
( )
:= k
2
40 0.2 y
1
1
2
k
1
h +
|
\
|
|
.
:=
k
3
40 0.2 y
1
k
1
h 2k
2
h +
( )
:=
k
3
24.069 =
k
1
28.653 = k
2
25.788 =
y
2
y
1
1
6
k
1
4k
2
+ k
3
+
( )
h + := y
2
82.712 =

X(i) Y(i)
0
1
2
3
4
5
6
7
8
9
10
0
1
2
3
4
5
6
7
8
9
10
25
56.7333
82.7124
103.9805
121.3920
135.6463
147.3158
156.8692
164.602
171.0931
176.3349

Pgina 134 de 134

Bibliografa

- Chapra Steven y Canale R. ; Mtodos Numricos para ingenieros; Ed. Mc Graw
Hill
- Antonio Nieves Federico C. Domnguez; Mtodos numricos aplicados a la
ingeniera ; Ed. CECSA
- Ing. Javier Rosas Margarito ; Mtodos numricos, teora y programacin en
lenguaje C.; Ed. Moya
- Nakamura Shoichiro; Mtodos numricos aplicados a software; Ed. Prentice
Hall;
- Smith Allen; Anlisis numrico; Ed.Prentice Hall
- http://docentes.uacj.mx/gtapia/AN/Unidad5/Romberg/Romberg.htm
- http://www.uaem.mx/posgrado/mcruz/cursos/mn/intromberg.pdf

Antologia de Metodos Numericos IMC

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Antologia de Metodos Numericos IMC

Transféré par

Droits d'auteur :

Formats disponibles

[Escriba texto]

deber ser diferente de cero. Resulta conveniente hacer que este

. Aplicando el teorema de Cayley Hamilton

. La solucin de este sistema nos proporciona los coeficientes

y comprelo con el valor de la derivada analtica

la presin es de 12.58206 atm .

= y usando la regla del trapecio.

= y usando la regla del trapecio.

Vous aimerez peut-être aussi