Librodemétodos 2012

1
PRESENTACIN.

En estas notas modulares se presenta el contenido mnimo de un curso de Mtodos Numricos
para cualquier programa de ingeniera. Las notas como tales no alcanzan la categora de libro de
texto, pero su contenido es una gua que le permite al alumno abordar el estudio de cualquier libro
de texto.
Este material es el producto de mi experiencia docente en el curso a partir de 1986. En 1988
publiqu unas notas muy resumidas sin la componente de software. En 2004 se publicaron unas
notas en las que se manejaban los ambientes Matlab y Mathcad.
El autor se desempeado, durante sus 30 aos en la actividad docente, en los cursos de: Clculo
diferencial, Clculo integral, Geometra Euclidiana, Geometra Vectorial, Ecuaciones Diferenciales,
Matemticas Avanzadas, Fsica Moderna, Fsica del estado Slido, Semiconductores, Circuitos
Elctricos en el dominio del tiempo, Circuitos Elctricos en el dominio de la frecuencia y Mtodos
Numricos.
Las notas estn acompaadas de un buen nmero de programas en el ambiente Matlab y de una
bibliografa que incluye los textos clsicos de anlisis numrico.
En el desarrollo de estas notas se prescinde del formalismo matemtico tpico de los textos de
anlisis numrico. Se incorporan algunos temas de aplicaciones de ingeniera y ciencias y, en el
caso de las ecuaciones diferenciales, se contextualiza el estudio en las soluciones de problemas
de valor inicial y problemas con valor en la frontera.
A continuacin se presenta una gua para estudiar las notas:

Mdulo 1. Se sugiere que el profesor lo exponga de manera presencial en dos horas de docencia
directa y que el estudiante le dedique, como mnimo, 4 horas.


Mdulo 3. Se sugiere que el profesor lo exponga de manera presencial en cuatro horas de
docencia directa y que el estudiante le dedique, como mnimo, 8 horas.









2










En total son 60 horas de docencia directa por parte del profesor y 120 horas de auto estudio por
parte del estudiante. Para la evaluacin del curso se sugiere la siguiente distribucin.

Quiz 10%. Mdulos: 1-4
Tarea 10%. Mdulos: 5-8
Parcial 30%. Mdulos: 1-8
Quiz 10%. Mdulos: 9-11
Tarea 10%. Mdulos: 12-14
Final 30%. Mdulos: 15-20

Un 10% del examen final puede ser un trabajo sobre los mdulos 22 y 23

3

CONTENIDO

MDULO 1 FUNCIONES DE VARIABLE REAL 1

1.1

1.2
1.3
1.4
1.5
1.6
1.7
1.8
Introduccin a los mtodos numricos para calcular los ceros reales de una
funcin de una variable.
Funciones de variable real
Programa en Matlab para representar grficamente una funcin
Funciones resultantes de modelos matemticos
Funcin polinmica
Funcin racional
Funcin exponencial
Funcin senoidal
EJERCICIOS
1

2
2
4
8
10
12
12
13

MDULO 2 RACES DE ECUACIONES. MTODOS CERRADOS 17

2.1
2.2
2.3
Introduccin
El mtodo de biseccin.
El mtodo de la regla falsa
EJERCICIOS
14
14
15
16

MDULO 3 RACES DE ECUACIONES. MTODO DE ITERACIN DE PUNTO FIJO 17

3.1
3.2
3.3
3.4
3.5
3.6
Introduccin
El mtodo de iteracin de punto fijo
Programa para iteracin de punto fijo
Iteracin de punto fijo como funcin
La tcnica SOR
Programa SOR
EJERCICIOS
17
17
20
21
22
24
25

MDULO 4 RACES DE ECUACIONES. MTODOS DE NEWTON-RAPHSON Y
SECANTE
27

4.1
4.2
4.3
4.4
4.5
4.6
4.7
El mtodo de Aitken para acelerar la convergencia de una sucesin.
El mtodo de Newton-Raphson
El mtodo de Newton mejorado
Programa para el mtodo de Newton
Mtodo de la secante
Solucin de una ecuacin usando fzero.
Races de polinomios.
EJERCICIOS
27
29
32
33
34
34
35
36

MODULO 5 SISTEMAS DE ECUACIONES LINEALES. MTODOS DIRECTOS.
SISTEMAS TRIDIAGONALES
38

5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.1. Introduccin a los sistemas lineales
5.2. Eliminacin Gaussiana
5.3. La regla de Kramer
5.4. Mtodo de la inversa
5.5. Sistemas tridiagonales
5.6. Programa para sistemas tridiagonales
EJERCICIOS
38
38
41
43
44
46
48

4

MODULO 6 SISTEMAS DE ECUACIONES LINEALES. MTODOS ITERATIVOS 49

6.1
6.2
6.3
6.4
Sistemas diagonalmente dominantes
Mtodo de Jacobi con nmero de iteraciones
Mtodo de Gauss-Seidel con nmero de iteraciones
Mtodo de Gauss-Seidel con tolerancia
EJERCICIOS
49
49
52
54
55

MODULO 7 SISTEMAS DE ECUACIONES NO LINEALES. MTODO DE NEWTON 57

7.1
7.2
7.3
7.4
Representacin grfica de relaciones en el plano
Sistemas con una ecuacin lineal y una cuadrtica
Sistemas de dos ecuaciones con dos incgnitas. Mtodo de Newton
Sistemas de tres ecuaciones con tres incgnitas. Mtodo de Newton
EJERCICIOS
57
59
60
66
69

MODULO 8 SISTEMAS DE ECUACIONES NO LINEALES. MTODOS DE JACOBI Y
GAUSS-SEIDEL
71

8.1
8.2
8.3
8.4
8.5
Sistemas de segundo orden diagonalmente dominantes.
Mtodo iterativo para sistemas de segundo orden
Sistemas de tercer orden diagonalmente dominantes.
Mtodo de Gauss-Seidel.
Sistemas de orden cuatro.
EJERCICIOS
71
71
73
74
76
77

MODULO 9 REGRESIN POLINOMIAL 78

9.1
9.2
9.3
9.4
9.5
Introduccin.
Regresin polinomial
Programa en Matlab para efectuar regresin polinomial
Regresin exponencial
Programa en Matlab para efectuar regresin exponencial
EJERCICIOS
78
79
82
84
85
87

MODULO 10 INTERPOLACIN POLINMICA 89

10.1
10.2
10.3
10.4
10.5
Introduccin
Programa de interpolacin directa
Polinomios de Lagrange
Mtodo de las diferencias divididas
Programa para interpolacin por diferencias divididas
EJERCICIOS
89
90
92
95
97
99

MODULO 11 INTERPOLACIN POR SEGMENTOS 100

11.1
11.2
11.3
11.4
11.5
Introduccin
Interpolacin Cuadrtica por segmentos
Programa para interpolacin cuadrtica
Interpolacin cbica por segmentos
Programa para interpolacin cbica
EJERCICIOS
100
101
106
107
114
116

MODULO 12 DIFERENCIACIN NUMRICA 117

5

12.1
12.2
12.3
12.4
Introduccin
Derivacin usando Matlab
Diferencias divididas centradas de primero y segundo orden
Programa para diferenciacin numrica
EJERCICIOS
117
117
120
122
124

MODULO 13 INTEGRACIN NUMRICA POR LAS REGLAS DE NEWTON-COTES 125

13.1
13.2
13.3
13.4
13.5
13.6
13.7
13.8
13.9
13.10
Introduccin
Integracin por series de potencias
Aproximacin por interpolacin polinmica
Frmulas de Newton Cotes
Regla de los trapecios
Anlisis del error en la regla de los trapecios
Integracin por el mtodo de Romberg
Regla de Simpson 1/3
Regla de Simpson 3/8
Programa para integrar con las frmulas de Newton-Cotes
EJERCICIOS
125
127
128
130
130
132
135
136
139
142
143

MODULO 14 INTEGRACIN NUMRICA POR CUADRATURA GAUSSIANA 144

14.1
14.2
14.3
14.4
14.5

Polinomios de Legendre
Desarrollo de una funcin mediante los polinomios de Legendre
Integracin por cuadratura de dos puntos
Cuadratura Gaussiana de tercer orden
Cuadratura Gaussiana generalizada
EJERCICIOS
144
147
149
150
151
152

MODULO 15 PROBLEMAS DE VALOR INICIAL DE PRIMER ORDEN. TEORA
GENERAL
153

15.1
15.2
15.3
15.4
15.5
15.6
15.7
15.8
Introduccin
Problema de valor inicial
Teorema de existencia y unicidad
Ecuaciones diferenciales de variables separables
Ecuaciones diferenciales homogneas
Ecuaciones diferenciales exactas
Ecuaciones diferenciales lineales
Solucin de ecuaciones diferenciales usando dsolve
EJERCICIOS
153
153
154
157
158
160
164
168
171

MODULO 16 PROBLEMAS DE VALOR INICIAL DE PRIMER ORDEN. SOLUCIN
NUMRICA
173

16.1
16.2
16.3
16.4
16.5
16.6
16.7
16.8

Introduccin
Mtodo de Euler
Mtodo de la serie de potencias
Mtodo de la serie de potencias con Matlab
Mtodos de Runge-Kutta de segundo orden
Mtodo de Runge-Kutta de tercer orden
Mtodo de Runge-Kutta de cuarto orden
Mtodo de Runge-Kutta de cuarto orden con Matlab
EJERCICIOS
173
173
178
181
182
185
187
188
189

6

MODULO 17 PROBLEMAS DE VALOR INICIAL DE SEGUNDO ORDEN. TEORA
GENERAL
191

17.1
17.2
17.3
17.4
17.5
17.6
17.7
Introduccin
La ecuacin diferencial lineal de segundo orden.
Problemas de valor inicial de segundo orden
Ecuaciones diferenciales lineales de coeficientes constantes
La ecuacin diferencial de Euler-Cauchy.
Solucin de ecuaciones lineales con Matlab.
Ecuaciones diferenciales no lineales
EJERCICIOS
191
193
196
199
202
205
207
211

MODULO 18 PROBLEMAS DE VALOR INICIAL DE SEGUNDO ORDEN. SOLUCIN
NUMRICA
213

18.1
18.2
18.3
18.4

Formulacin del problema
Mtodo de Euler
Mtodo de Euler con Matlab
Mtodo de Runge-Kutta de orden cuatro con Matlab
EJERCICIOS
213
213
216
220
226

MODULO 19 PROBLEMAS CON VALOR EN LA FRONTERA DE SEGUNDO ORDEN.
SOLUCIN NUMRICA POR EL MTODO DEL DISPARO
227

19.1
19.2
19.3
Solucin analtica.
Mtodo del disparo
EJERCICIOS
227
227
229
236

MODULO 20 PROBLEMAS CON VALOR EN LA FRONTERA DE SEGUNDO ORDEN.
SOLUCIN NUMRICA POR EL MTODO DE LAS DIFERENCIAS
DIVIDIDAS
237

20.1
20.1
20.2

Mtodo de las diferencias divididas
Programa en Matlab
EJERCICIOS
237
237
240
243

7

BIBLIOGRAFA.

1. Atkinson/harley; Introduccin a los Mtodos Numricos con Pascal, Addison-Wesley
Iberoamericana, Mxico, 1987

2. Burden/Faires; Anlisis Numrico, Grupo Editorial Iberoamrica, Mxico, 1985

3. Chapra/Canale; Mtodos Numricos para Ingenieros, McGraw-Hill, Mxico, 1987

4. Hildebrand, F.B.,Mtodos de Clculo para Ingenieros, Aguilar, 1965

5. Hornbeck, Robert; Numerical Methods, QPI Series, New Cork, 1975

6. James/Smith/Wolford; Applied Numerical Methods for Digital Computation, Harper International
Edition, New York, 1977

7. Kreyszig, Erwin; Matemticas Avanzadas para Ingeniera, LimusaWiley, Mxico, 2003

8. Mathews, John; Numerical Methods for Mathematics, Science, and Egineering, Prentice-Hall,
New Jersey, 1992

9. NakamuraShoichiro, Mtodos Numricos Aplicados con Software, Prentice-Hall, Mxico, 1992

10. Scheid/ Di Constanzo; Mtodos Numricos, McGraw-Hill, Mxico, 1991

8

MTODOS NUMRICOS CON MATLAB
NOTAS MODULARES

NORMAN CSAR MERCADO CRUZ
Profesor Titular

Universidad de Antioquia
Facultad de Ingeniera
Departamento de Ingeniera Electrnica
Medelln, 2011

FUNCIONES DE VARIABLE REAL

Contenido
En este mdulo se hace un repaso de las funciones de variable
representacin grfica usando el paquete Matlab. Los temas a desarrollar son los siguientes:

1.1. Introduccin a los mtodos numricos para calcular los ceros reales de una funcin.
1.2. Funciones de variable real
1.3. Programa en Matlab para r
1.4. Funciones resultantes de modelos matemticos
1.5. Funcin polinmica
1.6. Funcin racional
1.7. Funcin exponencial
1.8. Funcin senoidal

1.1. Introduccin.
Existe una gran cantidad de problemas de aplicacin en ciencias e ingeniera que conduc
solucin de una ecuacin o de un sistema de ecuaciones. En este mdulo trataremos las
ecuaciones con una incgnita o una variable independiente, es decir, ecuaciones de la forma
0 ) ( = x f , donde ) (x f es una funcin de
ecuacin corresponde al punto de corte de la grfica de la funcin con el eje de abscisas. Una
funcin puede tener races en el campo de los nmeros complejos. Particularmente nos interesarn
las races complejas de ecuaciones polinmicas. Supongamos que la figura 1.1 corresponde a la
grfica de una funcin de variable real

Como puede verse, la funcin es continua en
La primera raz est ubicada en el intervalo:
teorema del valor intermedio establece que, s la func
] , [ b a y 0 ) ( ) ( < b f a f , entonces la ecuacin
adelante desarrollaremos mtodos numricos para encontrar una raz aproximad
en un intervalo dado.

Definicin.
Se dice que
k
x es una raz aproximada de la ecuacin:
tol x x
E k
< , siendo tol
exacta. La aproximacin se puede medir tambin en los siguientes trminos
MDULO 1
FUNCIONES DE VARIABLE REAL
En este mdulo se hace un repaso de las funciones de variable real en una variable y su
Introduccin a los mtodos numricos para calcular los ceros reales de una funcin.
Funciones de variable real
Programa en Matlab para representar grficamente una funcin
Funciones resultantes de modelos matemticos
Existe una gran cantidad de problemas de aplicacin en ciencias e ingeniera que conduc
es una funcin de variable real. Geomtricamente, una raz real de una
complejas de ecuaciones polinmicas. Supongamos que la figura 1.1 corresponde a la
grfica de una funcin de variable real 0 ) ( = x f .
Figura 1.1
Como puede verse, la funcin es continua en el intervalo mostrado y tiene dos races reales
La primera raz est ubicada en el intervalo: ] , [ b a y la segunda est en el intervalo
teorema del valor intermedio establece que, s la funcin es continua y uno a uno en el intervalo:
, entonces la ecuacin 0 ) ( = x f tiene una raz real en el intervalo. Ms
adelante desarrollaremos mtodos numricos para encontrar una raz aproximad
es una raz aproximada de la ecuacin: 0 ) ( = x f
la tolerancia o grado de aproximacin deseado y
exacta. La aproximacin se puede medir tambin en los siguientes trminos f
9
real en una variable y su
Introduccin a los mtodos numricos para calcular los ceros reales de una funcin.
Existe una gran cantidad de problemas de aplicacin en ciencias e ingeniera que conducen a la
variable real. Geomtricamente, una raz real de una
complejas de ecuaciones polinmicas. Supongamos que la figura 1.1 corresponde a la

el intervalo mostrado y tiene dos races reales
2 1
, r r .
y la segunda est en el intervalo ] , [ c b . El
in es continua y uno a uno en el intervalo:
tiene una raz real en el intervalo. Ms
adelante desarrollaremos mtodos numricos para encontrar una raz aproximada de una ecuacin
si se verifica que
cin deseado y
E
x la solucin
tol x f
k
< ) ( .

Por ejemplo, 4142 . 1 =
k
x es una raz aproximada de la ecuacin
5
10 36 . 1

1.2. Funciones elementales de variable real.
Sea x una variable independiente que toma valores en un dominio
funcin que depende de la variable independi
posicin de una partcula en todo instante a partir del instante
posicin, entonces ) (t x es la variable dependiente y
) (t x es una funcin ya que para un instante determinado se tiene una nica posicin.
Normalmente una funcin se puede representar mediante una expresin matemtica, una tabla d
valores o mediante una grfica. Un procedimiento usual en ingeniera consiste en encontrar una
expresin matemtica para una funcin a partir de una tabla de valores. Este y otros temas se
estudiarn en el curso.

Ejemplo 1.1
Consideremos un cuadrado de
a) rea del cuadrado: ) (x a =
b) Permetro del cuadrado: p
c) Longitud de la diagonal: d(

Figura 1.2

Comentarios.
El rea es una funcin cuadrtica, mientras que el permetro y la diagonal son funciones lineales.
El dominio de la funcin es el conjunto de los reales positivo
representan grficamente las tres funciones en el dominio:

1.3. Programa en Matlab para representar grficamente una funcin.
Cuando se tiene una expresin matemtica para una funcin
procedimiento para llevar a cabo la representacin grfica es el siguiente:
1) Partir el intervalo en n subintervalos igualmente espaciados, es decir, tomar el tamao de paso:

2) Generar el vector de abscisas
Para 1 = k hasta 1 + n
h k a k X ) 1 ( ) ( + =
Terminar

3) Generar el vector de ordenadas
es una raz aproximada de la ecuacin 2
2
x
Funciones elementales de variable real.
una variable independiente que toma valores en un dominio R D , y sea
funcin que depende de la variable independiente. Por ejemplo, si nos interesa determinar la
posicin de una partcula en todo instante a partir del instante 0 = t y denotamos por
es la variable dependiente y t es la variable independiente. La posicin
es una funcin ya que para un instante determinado se tiene una nica posicin.
Normalmente una funcin se puede representar mediante una expresin matemtica, una tabla d
Consideremos un cuadrado de lado x y definamos las tres funciones siguientes:
2
x =
x x p 4 ) ( =
x x 2 ) ( =
Figura 1.3 Figura 1.4
El dominio de la funcin es el conjunto de los reales positivos. En las figuras: 1.2, 1.3 y 1.4 se
representan grficamente las tres funciones en el dominio: ] 2 , 0 [
Programa en Matlab para representar grficamente una funcin.
Cuando se tiene una expresin matemtica para una funcin ) ( x f y = en el intervalo
procedimiento para llevar a cabo la representacin grfica es el siguiente:
subintervalos igualmente espaciados, es decir, tomar el tamao de paso:
n a b h / ) ( =

2) Generar el vector de abscisas X , as:
3) Generar el vector de ordenadas Y , as:
10
0 = , con un error de
, y sea ) (x f y = una
ente. Por ejemplo, si nos interesa determinar la
y denotamos por ) (t x dicha
es la variable independiente. La posicin
es una funcin ya que para un instante determinado se tiene una nica posicin.
Normalmente una funcin se puede representar mediante una expresin matemtica, una tabla de
y definamos las tres funciones siguientes:

s. En las figuras: 1.2, 1.3 y 1.4 se
Programa en Matlab para representar grficamente una funcin.
en el intervalo [ ] b a, , el
subintervalos igualmente espaciados, es decir, tomar el tamao de paso:
11

Para 1 = k hasta 1 + n
) (k X x =
) ( ) ( x f k Y = : Evaluar la funcin.
Terminar

4) Graficar X vs Y

Usando Matlab, el cdigo es el siguiente:
%Programa para representar graficamente una funcion de una variable en el intervalo: [a,b],
% con N subintervalos
clearall
% Entrada de la informacion
a=input('Abscisa inicial= ');
b=input('Abscisa final= ');
N=input('numero de intervalos= ');
h=(b-a)/N;
f=input('entre la funcion f(x)= ');
% Ahora generamos el vector de abscisas y el vector de ordenadas
for i=1:N+1
X(i)=a+h*(i-1);
x=X(i);
Y(i)=eval(f);
end
% La tabla de valores es:
[X' Y'];
% La figura ilustra la grfica de la funcion
plot(X,Y)
Gridon

Ejemplo 1.2.
Usando el programa, represente grficamente la funcin 1 ) ( 4 ) cos( ) ( + = x sen x x x f , en el
intervalo 5 0 x , con 10 subintervalos.

Solucin.
Se invoca el programa graf.m y se procede a suministrar la informacin, as:
Abscisa inicial= 0
Abscisa final= 5
numero de intervalos= 10
entre la funcion f(x)= 'x*cos(x)+4*sin(x)-1'
>> [X' Y']

ans =
0-1.0000
0.50001.3565
1.00002.9062
1.50003.0961
2.00001.8049
2.5000-0.6090
3.0000-3.4055
3.5000-5.6807
4.0000-6.6418
4.5000-5.8587
5.0000-3.4174
12

La figura 1.5 muestra la grfica de la funcin. Observe que la grfica no es de buena calidad dado
que solo se toman 10 subintervalos. La figura 1.6 corresponde a la misma funcin pero con 100
intervalos. Observe las diferencias. El estudiante puede constatar que la funcin tiene races reales
en los intervalos [ ] 1 , 0 y [ ] 3 , 2


1.4. Funciones como modelos matemticos.
Normalmente, las funciones resultan de modelos matemticos en aplicaciones de ingeniera y
ciencias. A continuacin se presentan algunos ejemplos elementales.

Ejemplo 1.3.
Se tiene una lmina rectangular de dimensiones b a, . En cada esquina se recorta un cuadrado de
lado x para formar una caja sin tapa. Determine el volumen y el rea total de la caja en funcin
de: x

Solucin.
Por simple inspeccin, a partir de las figuras 1.7 y 1.8, se obtienen las funciones para el rea y el
volumen de la caja, as:

a) Volumen: ) 2 )( 2 ( ) ( x b x a x x v =
b) rea:
2
4 ) ( x ab x a =


Para ambas funciones, el dominio es el intervalo: ] 2 / , 0 [ a siempre que b a < . La figura 1.9
muestra la grfica de la funcin volumen, para: 6 , 4 = = b a
La grfica se obtiene corriendo el programa, as:

>>graf
Abscisa inicial= 0
Abscisa final= 2
13

entre la funcion f(x)= 'x*(4-2*x)*(6-2*x)'

Figura 1.9

El rea es una funcin cuadrtica y el volumen es una funcin cbica; ambas funciones son casos
especiales de las funciones polinmicas, funciones de importancia fundamental en ingeniera y
ciencias. El estudiante puede constatar que la funcin volumen tiene un mximo local en el
intervalo 1 6 . 0 < < x .

Ejemplo 1.4
Una cantidad de dinero: P se coloca en una corporacin de ahorro a una tasa de inters
compuesto continuo mensual r . Encuentre una expresin matemtica que permita hallar la
cantidad futura al cabo de n meses.

Solucin
Hacemos el siguiente razonamiento:
Al cabo de un mes la cantidad inicial ha generado intereses por un monto de rP , con lo que la
cantidad disponible al principio del segundo mes es:

P r rP P F ) 1 ( ) 1 ( + = + =

Al final del segundo mes se tendr la cantidad

P r P r P r r F
2
) 1 ( ) 1 ( ) 1 ( ) 2 ( + = + + + =

Continuando con el mismo razonamiento, la cantidad de dinero al cabo de los: n meses ser:

P r n F
n
) 1 ( ) ( + =

Si la variable independiente es el nmero de meses n , la funcin encontrada es de tipo
exponencial. La figuras 1.10 ilustra las grficas de la funcin para dos tasas de inters diferentes.
Para representar dos funciones en una misma grfica se modifica ligeramente el programa, as:

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
1
2
3
4
5
6
7
8
9
14

%Programa para representar grficamente dos funciones de una variable en el intervalo: [a,b],
% con N subintervalos
clearall
a=input('Abscisa inicial= ');
b=input('Abscisa final= ');
n=input('numero de intervalos= ');
h=(b-a)/n;
f=input('entre la funcion f(x)= ');
g=input('entre la funcion g(x)= ');
% Ahora generamos el vector de abscisas y los vectores de ordenadas
for k=1:n+1
X(k)=a+h*(k-1);
x=X(k);
Y1(k)=eval(f);
Y2(k)=eval(g);
end

% Las tablas de valores son:
[X' Y1']
[X' Y2']
% La figura ilustra las graficas de las funciones
plot(X,Y1)
hold on
plot(X,Y2,k)
Gridon

Ejecutamos el programa modificado, as:
Abscisa inicial= 0
Abscisa final= 50
entre la funcion f(x)= '1.015^x'
entre la funcion g(x)= '1.018^x'

Figura 1.10

Usando la funcin logartmica, es decir, la inversa de una funcin exponencial, podemos
determinar el nmero de meses necesarios para obtener una cantidad final deseada, as:

0 5 10 15 20 25 30 35 40 45 50
1
1.5
2
2.5
r=1.5%
r=1.8%

Por ejemplo, el tiempo necesario para que una cantidad se duplique a una tasa del 1.5% mensual
es: 55 . 46 = n meses, es decir, 46 meses y 17
utilizan muy a menudo en problemas de ingeniera econmica y dan cuenta del valor del dinero en
el tiempo.

Ejemplo 1.5
Consideremos un tringulo rectngulo con hipotenusa
acuerdo con el teorema de Pitgoras, la medida de uno de los catetos est dada en funcin del
otro, as:

Es claro que la longitud de un cateto es menor que la de la hipotenusa, con lo que el
funcin es el intervalo x < 0
verse, corresponde a un arco de circunferencia en el primer cuadrante.
Figura 1.11

Ejemplo 1.6
Considere la figura 1.12. La medida del ngulo BAC es una funcin de la distancia: AO, as
) (x f = . Puesto que el ngulo
OAB OAC = . Teniendo en cuenta la identidad trigonomtrica:

Con base en dicha identidad, resulta
Simplificando y despejando el ngulo, en radianes,

( )
( ) r
p F
n
+
=
1 ln
/ ln

meses, es decir, 46 meses y 17 das aproximadamente. Las frmulas deducidas se
Consideremos un tringulo rectngulo con hipotenusa c y catetos cuyas medidas son
2 2
) ( x c x y =
Es claro que la longitud de un cateto es menor que la de la hipotenusa, con lo que el
c x < . La figura 1.11 muestra la grfica de la funcin. Como puede
verse, corresponde a un arco de circunferencia en el primer cuadrante.
. Puesto que el ngulo es la diferencia entre los ngulos OAC
. Teniendo en cuenta la identidad trigonomtrica:
) tan( ) tan( 1
) tan( ) tan(
) tan(

+
=
Con base en dicha identidad, resulta
x
b
x
b a
x
b
x
b a
+
+
+
=
1
) tan(

Simplificando y despejando el ngulo, en radianes, se tiene:
(
+ +
=
b b a x
ax
x
) (
arctan ) (
2

15
das aproximadamente. Las frmulas deducidas se
as medidas son y x, . De
Es claro que la longitud de un cateto es menor que la de la hipotenusa, con lo que el dominio de la
. La figura 1.11 muestra la grfica de la funcin. Como puede

OAC y OAB, tenemos
16

Suponiendo los valores 2 , 1 = = b a , se tiene:
(
+
=
6
arctan ) (
2
x
x
x
Ejecutamos el programa graf.m, as:

Abscisa inicial= 0
Abscisa final= 20
entre la funcion f(x)= 'atan(x/(x^2+6))'

Figura 1.13

La figura 1.13 ilustra la grfica de la funcin para 1 = a , 2 = b en el dominio: 20 0 x

1.5. Funciones Polinmicas
Una funcin polinmica tiene la forma general:

n
n
x a x a x a x a a x f + + + + + = .... ) (
3
3
2
2 1 0

Dnde los coeficientes son nmeros reales en los casos de inters. La grfica de una funcin
polinmica es una curva continua en el dominio de los reales, tal como se mostr en los dos
primeros ejemplos de esta seccin. Las races reales de un polinomio son los cortes de la funcin
con el eje de abscisas.
La funcin polinmica de segundo grado tiene la forma general
2
2 1 0
) ( x a x a a x f + + = , su
representacin grfica es una parbola. Siempre es posible expresar la funcin cuadrtica como el
producto de dos funciones lineales, as:

) )( ( ) (
2 1 2
r x r x a x f = .

Donde:
2 1
,r r son nmeros que pueden ser reales y distintos, reales e iguales o complejos
conjugados y se obtienen aplicando la frmula general:

0 2 4 6 8 10 12 14 16 18 20
0
0.05
0.1
0.15
0.2
0.25

1
a
r

=

Las figuras 1.14, 1.15 y 1.16 ilustran los diferentes casos.

a) El discriminante de la ecuacin es positivo. En este caso las races son reales y diferentes:
b) El discriminante de la ecuacin es cero. En este caso las races son re
c) El discriminante de la ecuacin es negativo. En este caso las races son complejas conjugadas:
j r =
1
y j r + =
2
. Observe que en este caso no hay cortes con el eje real.

Figura 1.14 Figura 1.15 Figura 1.16

La funcin polinmica de grado
factores lineales y cuadrticos. En tal caso, siempre es posible deter
funcin polinmica. Ms adelante se estar en capacidad de factorizar cualquier polinomio usando
un paquete de computador. La funcin polinmica nos servir para aproximar cualquier funcin de
variable real.

Races de un polinomio usando Matlab.
Para hallar las races de un polinomio de cualquier grado, se introducen los coeficientes en un
vector fila, as:
Se invoca el comando ( roots

Ejemplo 1.7
Considere la funcin polinmica:

a) Elabore una tabla de 6 valores en el intervalo: [
b) Con base en la tabla de valores hallada, ubique las races reales de la ecuacin
c) Usando el paquete, determine las races de la ec
d) Determine los mximos y mnimos relativos de la funcin
e) Represente grficamente la funcin en el intervalo: [

Solucin.
a) Hacemos la siguiente tabla de valores.

X
-2
Y
37
2
0 2
2
1 1
2
4
a
a a a a
,
2
0 2
2
1 1
2
2
4
a
a a a a
r
+
=
Las figuras 1.14, 1.15 y 1.16 ilustran los diferentes casos.
b) El discriminante de la ecuacin es cero. En este caso las races son reales e iguales:
igura 1.14 Figura 1.15 Figura 1.16
La funcin polinmica de grado n y coeficientes reales siempre se podr expresar mediante
factores lineales y cuadrticos. En tal caso, siempre es posible determinar las: n races de la
o usando Matlab.
[ ]
0 1 2 1
...... a a a a a p
n n
=

) (p y se obtienen las races.
n polinmica:
3 2 2 ) (
2 3 4
+ = x x x x x f
a) Elabore una tabla de 6 valores en el intervalo: [-2,3]
b) Con base en la tabla de valores hallada, ubique las races reales de la ecuacin
c) Usando el paquete, determine las races de la ecuacin. 0 ) ( = x f .
d) Determine los mximos y mnimos relativos de la funcin
e) Represente grficamente la funcin en el intervalo: [-2,3]
Hacemos la siguiente tabla de valores.
-1 0 1 2 3
3 -3 -5 -3 27
17

2 1
,r r
ales e iguales: r r r = =
2 1


igura 1.14 Figura 1.15 Figura 1.16
y coeficientes reales siempre se podr expresar mediante
minar las: n races de la
b) Con base en la tabla de valores hallada, ubique las races reales de la ecuacin 0 ) ( = x f

27
18

b) A partir de la tabla se observa que hay races reales en los intervalos: (-1,0) y (2,3)

c) Para hallar las races usando Matlab, se procede de la siguiente manera:

p =
1 -2 1 -2 -3
>>roots(p)

ans =
2.2262
0.2485 + 1.3422i
0.2485 - 1.3422i
-0.7233

d) Para hallar los mximos y los mnimos encontramos la primera derivada de la funcin, as:

2 2 6 4 ) ( '
2 3
+ = x x x x f

Las races de la primera derivada se encuentran con el Matlab, obteniendo que hay un punto crtico
en 398 . 1 = x . Para saber si es de mxima o de mnima hallamos la segunda derivada, as:

2 12 12 ) ( ' '
2
+ = x x x f

La segunda derivada evaluada en el punto crtico es 677 . 8 ) 398 . 1 ( ' ' = f , por tanto, el punto es de
mnima.

e) Ejecutamos el programa, as:
>>graf
Abscisa inicial= -2
Abscisa final= 3
entre la funcion f(x)= 'x^4-2*x^3+x^2-2*x-3'

Figura 1.17
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3
-10
-5
0
5
10
15
20
25
30
35
40

19

1.6. Funciones Racionales
Una funcin racional es el cociente indicado de dos polinomios, as:

) (
) (
) (
x P
x Q
x f =

La funcin racional se puede expresar en la siguiente forma:

n
n
m
m
x a x a x a a
x b x b x b b
x f
+ + + +
+ + + +
=
.....
.....
) (
2
2 1 0
2
2 1 0

Despus de factorizar los polinomios, la funcin queda de la siguiente manera:

) ).....( )( (
) ).....( )( (
) (
2 1
2 1
n
m
p x p x p x
z x z x z x
K x f

=

Las races del numerador se denominan los ceros de la funcin y las del denominador son los
polos de la funcin. En general, tanto los ceros como los polos son nmeros complejos.
Geomtricamente, los ceros reales son los cortes de la funcin con el eje x, mientras que los polos
reales son asntotas verticales de la funcin. El diagrama de polos y ceros es una grfica en el
plano complejo de los polos y ceros de la funcin racional.

Ejemplo 1.8
Considere la funcin racional:
8 6
3 4
) (
2
2
+
+
=
x x
x x
x f

a) Factorice tanto el numerador como el denominador
b) Represente grficamente la funcin en el intervalo [0,5]

Solucin.
a) El estudiante puede verificar que la funcin se puede expresar en su forma factorizada, as:
b)
( )( )
( )( ) 4 2
3 1
) (

=
x x
x x
x f

En consecuencia, la funcin tiene dos ceros reales y presenta asntotas en 2 x = y 4 x =
b) Ejecutamos el programa, as:
Abscisa inicial= 0
Abscisa final= 5
entre la funcion f(x)= '(x^2-4*x+3)/(x^2-6*x+8)'
20

Figura 1.18

Observe que la grfica muestra las asntotas verticales.

1.6. Funcin exponencial
En su forma ms simple, una funcin exponencial presenta la forma
x
e x f

= ) ( . Cuando la
variable independiente es el tiempo, se acostumbra escribirla en la forma:
/
) (
t
e t f =
Siendo: la constante de tiempo de la funcin. La funcin exponencial puede ser creciente o
decreciente y resulta al resolver una gran cantidad de problemas de ingeniera.

Ejemplo 1.9
Un cuerpo que tiene inicialmente una temperatura:
i
T se introduce en un medio que tiene una
temperatura
f
T . Se puede demostrar que la temperatura del cuerpo en todo instante: 0 > t est
dada por:
/
) ( ) (
t
f i f
e T T T t T

+ =

Represente grficamente la funcin en el intervalo 5 0 t , en los siguientes casos:

a) 1 = , 0 =
i
T y 1 =
f
T
b) 1 = , 1 =
i
T y 0 =
f
T
Solucin.
Ejecutamos el programa modificado, as:
>> graf2
Abscisa inicial= 0
Abscisa final= 5
entrelafuncion f(x)= '1-exp(-x)'
entre la funcion g(x)= 'exp(-x)'
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-20
-15
-10
-5
0
5
10
15
20
21

Figura 1.19
1.6. Funcin senoidal.
La sinusoide es una funcin cuya forma general, para la variable independiente tiempo, es la
siguiente.
) ( ) ( + = t Asen t f
En la expresin anterior, tenemos:
Amplitud de la sinusoide A . Tiene las unidades de la funcin.
Frecuencia angular de la sinusoide . Se mide en radianes sobre segundo
Fase de la sinusoide . Se mide en radianes.
La figura 1.20 ilustra la grfica de la sinusoide ) ( 5 ) ( t sen t f = , en el intervalo: [-3,3]

Figura 1.20
EJERCICIOS 1.

1) Considere la funcin: 1 8 8 ) (
2 4
+ = x x x f
a) Determine las races de la ecuacin 0 ) ( = x f
b) Determine los puntos de mxima y de mnima.
c) Represente grficamente la funcin.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1-exp(-x)
exp(-x)
-3 -2 -1 0 1 2 3
-5
-4
-3
-2
-1
0
1
2
3
4
5
22

2) Considere la funcin:
) 9 )( 4 (
) (
2 2
3

=
x x
x x
x f
a) Escrbala en su forma factorizada
b) Represente grficamente la funcin.

x
x
e
e
x f
=
2
) 1 ( 2
) (
a) Represente grficamente la funcin.
b) Determine el valor de x para que la funcin sea igual a un medio.

4) Considere la funcin: 0 ; ) ( 10 ) ( =

x x sen e x f
x

a) Determine el primer punto de mxima de la funcin.
b) Represente grficamente la funcin.

5) Represente grficamente las siguientes funciones:
a) ) ( ) ( x xsen x f =
b)
x
e x x f

+ = ) 1 ( ) (
c) 3 ) ( 2 ) (
2
= x sen x x f
d)
4 3 2
1 ) ( x x x x x f + + =
e)
x
e x x x f

+ = ) cos( ) (

23

MDULO 2
RACES DE ECUACIONES. MTODOS CERRADOS

Contenido
En este mdulo se presentan los mtodos numricos cerrados ms comunes para hallar una raz
real aproximada de una ecuacin de una variable. Los temas a desarrollar son los siguientes:

2.1. Introduccin a los mtodos cerrados
2.2. El mtodo de biseccin.
2.3. El mtodo de la regla falsa

2.1. Introduccin a los mtodos cerrados
Supongamos que se desea encontrar el valor aproximado de una raz de la ecuacin: 0 ) ( = x f en
el intervalo ) , ( b a . La figura 2.1 ilustra la situacin planteada.
De acuerdo con el teorema del valor intermedio, si la funcin es continua y uno a uno en el
intervalo ] , [ b a y se verifica que 0 ) ( ) ( < b f a f , es decir, que ) (a f y ) (b f tienen signos
contrarios, entonces la ecuacin tiene una raz en el intervalo.

Figura 2.1

2.2. Mtodo de biseccin
Al analizar la figura 2.1, supongamos que se calcula el punto medio del segmento: a b y lo
denotamos por
1
x , as
2
1
b a
x
+
= . Al evaluar la funcin en el punto puede ocurrir que la solucin
est en uno de los dos intervalos: ] , [
1
x a ] , [
1
b x . En este caso se observa que ) (
1
x f es
negativa, con lo que la raz est en el intervalo ] , [
1
b x . El intervalo resultante se vuelve a bisecar,
resultando un nuevo valor
2
x . Siguiendo con el mismo procedimiento, se generarn tres
sucesiones } { }, { }, {
k k k
x b a , de tal manera que
2
k k
k
b a
x
+
= , es decir,
k
x es el promedio o
punto medio del intervalo. El objetivo es que:

{ }
E k
x
x x =

lim

Ahora bien, ya que es imposible que el contador se extienda hasta el infinito, se opta por encontrar
un valor aproximado
n
x , de tal manera que tol x x
n n
<
1
, o tambin tol x f
n
< ) ( . En la
sima n iteracin, la raz estar en el intervalo:
n
a b 2 / ) (
24

Cualquiera que sea el criterio de aproximacin, lo importante es generar el nmero adecuado de
iteraciones. Se sugiere al estudiante que escriba un programa en cualquier lenguaje para aplicar el
mtodo.

Ejemplo 2.1
Considere la ecuacin: 0 3 4 2
2 3
= + + x x x
a) Muestre que la ecuacin tiene una raz real en el intervalo: [-4,-3]
b) Encuentre una raz aproximada con diez iteraciones.
c) Encuentre las otras dos races de la ecuacin.

Solucin
Evaluando la funcin en los extremos del intervalo, se tiene que 6 ) 3 ( , 13 ) 4 ( = = f f , es
decir, hay un cambio de signo y por tanto se tiene una raz en el intervalo.
Resolviendo el problema con la ayuda de la calculadora para generar las diferentes sucesiones,
con el siguiente seudo cdigo:
4 = a , 3 = b , 1 = k , 001 . 0 = tol , 10 = M
1) 2 / ) ( b a x + =
2) S tol x f < ) ( , entonces: x raiz =
3) S M k = , entonces: x raiz =
4) S 0 ) ( ) ( < a f x f , entonces: x b = , en caso contrario x a =
5) 1 + = k k , ir a 1)
Se genera la siguiente tabla:

k
k
a
k
b ) (
k
a f ) (
k
b f
k
x ) (
k
x f
k k
a b
1 -4 -3 -13 6 -3.5 -1.375 1
2 -3.5 -3 -1.375 6 -3.25 2.797 0.5
3 -3.5 -3.25 -1.375 2.797 -3.375 0.8379 0.25
4 -3.5 -3.375 -1.375 0.8379 -3.438 -0.2449 0.025
5 -3.438 -3.375 -0.2449 0.8379 -3.406 0.3132 0.0125
6 -3.438 -3.406 -0.2449 0.3132 -3.422 0.0363 0.00625
7 -3.438 -3.422 -0.2449 0.0363 -3.43 -0.1038 0.003125
8 -3.43 -3.422 -0.1038 0.0363 -3.426 -0.0336 0.001563
9 -3.426 -3.422 -0.0336 0.0363 -3.424 0.0013 0.000781
10 -3.426 -3.424 -0.0336 0.0013 -3.425 -0.0016 0.000390
Puede observarse que la solucin mas aproximada es: 425 . 3
10
= x

El mtodo de la biseccin encierra irremediablemente a la raz, es decir, es un mtodo seguro pero
lento. Si bien la serie es convergente, para lograr una aproximacin de
4
10
se requieren,
aproximadamente trece iteraciones. De otro lado, puede ocurrir que en una iteracin intermedia se
logren mejores resultados que en una iteracin posterior. El ejemplo que se resolvi previamente
es una muestra, ya que ) ( ) (
7 6
x f x f < .
2.2. Mtodo de la regla falsa
Es un mtodo similar al de biseccin, con la diferencia que la aproximacin no se obtiene
bisecando el intervalo sino encontrando el punto de corte de la recta que une a los puntos:
)) ( , ( a f a y )) ( , ( b f b , tal como se muestra en la figura 2.2.
25

Figura 2.2

La pendiente de la recta que une a los extremos del intervalo viene dada por
( ) ( ) a b a f b f m = / ) ( ) ( . La pendiente tambin se puede calcular como ( ) a x a f m =
1
/ ) ( .
Con base en lo anterior, se puede escribir:
( )
) ( ) (
) (
1
a f b f
a b a f
a x
=
El algoritmo para aplicar el mtodo es similar al de biseccin, con la nica diferencia que se cambia
la instruccin: 2 / ) (
1
b a x + = por la que se acaba de obtener. Para la siguiente iteracin, la raz
est en el intervalo [ ] b x ,
1
. En general se deben generar tres sucesiones } { }, { }, {
k k k
x b a , de
tal manera que:
( )
) ( ) (
) (
k k
k k k
k k
a f b f
a b a f
a x
=
Ejemplo 2.2
La siguiente tabla se genera usando el mtodo de la regla falsa para resolver la ecuacin del
ejemplo anterior.

k
k
a
k
b ) (
k
a f ) (
k
b f
k
x ) (
k
x f
k k
a b
1 -4 -3 -13 6 -3.316 1.793 1
2 -4 -3.316 -13 1.793 -3.399 0.4331 0.684
3 -4 -3.399 -13 0.4331 -3.418 0.1059 0.602
4 -4 -3.418 -13 0.1059 -3.423 0.0188 0.572
5 -4 -3.423 -13 0.0188 -3.423 0.0013 0.576
6 -4 -3.424 -13 0.0013 -3.424

La ventaja del mtodo es evidente pues se logra la misma aproximacin en slo cinco iteraciones.
Hay situaciones, sin embargo, en el que la convergencia es ms lenta que en el mtodo de
biseccin, tal es el caso de ecuaciones en las que la pendiente de la recta tangente a la curva en el
intervalo es grande, es decir, f x ' ( ) es grande en el intervalo.
Se deja como ejercicio al estudiante elaborar un programa en Matlab para aplicar el mtodo.

EJERCICIOS 2

Mediante los mtodos de biseccin y regla falsa, encuentre una raz aproximada para cada una de
las siguientes ecuaciones. Use aritmtica de cuatro dgitos y represente previamente cada funcin.

1) 0 6 3
3
= + x x 2) 0 3
3 8
= + x x
3) 0 2 ) ( 2
2
= + x sen x 4) 0 1 = +
x xe
x

5) 0 2 ) arctan( = + x x 6) 0 1 ) ( 4 ) cos( = + x sen x x
7) 0 2 ) (
2
= + + x sen x e
x
8) 0 1 ) tan( = x x
9) 0 1 ) cos(
2
= +
x x e x
x
10) 0 2 ) 1 (
2
= + + x xarcsen x
26

MDULO 3
RACES DE ECUACIONES. MTODOS ABIERTOS

Contenido
En este mdulo se presenta el mtodo de iteracin de punto fijo y la tcnica SOR para hallar una
raz real aproximada de una ecuacin de una variable. Los temas a desarrollar son los siguientes:

3.1. Introduccin.
3.2. El mtodo de iteracin de punto fijo
3.3. Programa para iteracin de punto fijo
3.4. Iteracin de punto fijo como funcin
3.5. La tcnica SOR
3.6. Programa SOR

3.1. Introduccin.
A diferencia de los mtodos cerrados, los mtodos abiertos consisten en generar una sucesin a
partir de una semilla inicial y no se requiere que la raz est encerrada en un intervalo
determinado, aunque es deseable tomar dicha semilla en las inmediaciones de la solucin. Todos
los mtodos abiertos se pueden formular mediante un valor inicial
1
x y una frmula de recurrencia:

,... 3 , 2 , 1 ; ) (
1
= =
+
x x g x
k k

A pesar de que no se requiere que la semilla est encerrada en el intervalo, es conveniente partir
de una semilla que se encuentre justamente en dicho intervalo.

3.2. Mtodo de iteracin de punto fijo
Se desea encontrar la raz de la ecuacin: 0 ) ( = x f que est en el intervalo: ]. , [ b a Supongamos
que la ecuacin se puede escribir en la forma ) (x g x = . Si
E
x es la solucin exacta de la
ecuacin, entonces se verifica que ) (
E E
x g x = . Geomtricamente, la solucin ser el punto de
corte de la recta: x y = y la curva ) (x g y = , tal como se muestra en la figura 3.1

Figura 3.1

Supongamos que la funcin: ) (x g es continua y posee, por lo menos, las dos primeras derivadas
continuas, en un entorno del punto
E
x . En tal caso, la funcin tendr un desarrollo en serie de
potencias de la forma:
2
) )( ( ' '
2
1
) )( ( ' ) ( ) (
E E E E E
x x x g x x x g x g x g + + =

27

Al evaluar la funcin en el punto:
1
x mostrado en la figura, se tiene:
2
1 1 1
) )( ( ' '
2
1
) )( ( ' ) ( ) (
E E E E E
x x x g x x x g x g x g + + =

De la grfica se desprende que:
E E
x x g = ) ( y
2 1
) ( x x g =
Con lo anterior, se tiene:
2
1 1 2
) )( ( ' '
2
1
) )( ( '
E E E E E
x x x g x x x g x x + + =

Si se supone que 0 ) ( '
E
x g y que 0 ) (
2
1

E
x x , tenemos:

) )( ( '
1 2 E E E
x x x g x x

La idea es que el valor
2
x est ms cerca de la solucin exacta que
1
x , es decir, debe verificarse
que:
1
1
2
<
E
E
x x
x x

Lo anterior significa que el valor absoluto de la pendiente de la recta tangente a la curva en las
inmediaciones de la solucin sea menor que la unidad, as 1 ) ( ' <
E
x g .
Bajo el presupuesto que se cumpla lo anterior, podemos generar un nuevo valor para la sucesin,
as: ) (
2 3
x g x = y as sucesivamente.
En definitiva, si la raz est en el intervalo: ) , ( b a y si ) (x g es tal que 1 ) ( ' < x g , entonces es muy
probable que la sucesin sea convergente. La sucesin a generar arranca con la semilla:
1
x y
tiene la ecuacin de recurrencia:
,... 3 , 2 , 1 ; ) (
1
= =
+
k x g x
k k

Puesto que no es tan sencillo verificar la condicin de que el valor absoluto de la pendiente en las
inmediaciones de la solucin sea menor que la unidad, se opta por un criterio menos restrictivo
pero igualmente vlido, as:
S en el intervalo: ] , [ b a se verifica que el valor absoluto de la pendiente de la recta secante a la
curva: ) (x g es menor que la unidad, entonces es muy probable que la sucesin sea convergente,
esto es:
1
) ( ) (
<
a b
a g b g

Se est aplicando el teorema del valor medio para la derivada. La condicin presentada es de
suficiencia mas no de necesidad, esto es, puede ocurrir que la condicin no se cumpla y que sin
embargo la sucesin sea convergente. El criterio de paro para la sucesin ser:

tol x x
k k
<
+1

Ejemplo 3.1
Consideremos la funcin: 3 4 2 ) (
2 3
+ + = x x x x f
a) Represente grficamente la funcin en el intervalo [ ] 0 , 4
28

b) Verifique que la funcin tiene una raz en el intervalo [ ] 3 , 4
c) Exprese la ecuacin de 6 maneras diferentes, es decir, 6 formas diferentes para la funcin:
) (x g
d) Verifique la condicin de convergencia en cada caso.
e) En caso de garantizarse la convergencia, halle la raz aproximada

Solucin.
a) La figura 3.2 ilustra la grfica de la funcin
b) En efecto, hay una raz en el intervalo: [ ] 4, 3 - -

Figura 3.2

c) La ecuacin se puede escribir, entre otras, de las siguientes maneras:

i)
4
3 2
) (
2 3
+ +
= =
x x
x g x
ii)
x x
x
x g x
2
3 4
) (
2
+
= =
iii)
4
3 2
) (
2
2

= =
x
x
x g x
iv)
2
3 4
) (
+
= =
x
x
x g x
v)
3 2
3 4 2 ) ( + = = x x x g x
vi) 3 3 2 ) (
2 3
+ + = = x x x x g x
Puede verse que en cada caso, la funcin ) (x g es continua y derivable en el intervalo dado.

d) El estudiante puede verificar que la pendiente en cada caso es:
i) 75 . 5 sec = m . No se garantiza la convergencia.
ii) 625 . 2 sec = m . No se garantiza la convergencia
iii) 283 . 1 sec = m . No se garantiza la convergencia
-4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
-15
-10
-5
0
5
10
15
29

iv) 791 . 0 sec = m . Se garantiza la convergencia
v) 501 . 0 sec = m . Se garantiza la convergencia.
vi) 20 . 0 sec = m . No se garantiza la convergencia
e) Generemos la sucesin para el caso
3 2
3 4 2 + = x x x , y llenemos la siguiente tabla,
arrancando con la semilla 5 . 3
1
= x

k
k
x
( )
k
g x
1 -3.5 -3.462
2 -3.462 -3.443
3 -3.443 -3.434
4 -3.434 -3.429
5 -3.429 -3.427
6 -3.427 -3.426
7 -3.426 -3.425
8 -3.425 -3.425

Es claro, que la raz aproximada, con tres cifras decimales, es: -3.425

3.3. Programa para iteracin de punto fijo.
A continuacin se presenta un programa en Matlab para aplicar el mtodo.
clear all
% Programa de iteracion de punto fijo
n=input('numero de iteraciones=');
a=input('limite inferior=');
b=input('limite superior=');
g=input('g(x)=');
xe(1)=(a+b)/2;
for k=1:n-1;
x=xe(k);
xe(k+1)=eval(g);
end
xe'
sol=xe(n)

Ejemplo 3.2
Con base en el programa, resuelva la ecuacin del ejemplo anterior: 0 3 4 2
2 3
= + + x x x
a) Con
2
3 4
) (
+
= =
x
x
x g x
b) Con
3 2
3 4 2 ) ( + = = x x x g x

Solucin.
a) Ejecutamos el programa, as:
>> puntofijo
numero de iteraciones=40
limite inferior=-4
limite superior=-3
30

g(x)='-sqrt((4*x-3)/(x+2))'
En la iteracin 36 se obtiene el resultado: Sol=-3.4141

>> puntofijo
limite inferior=-4
limite superior=-3
g(x)='-(2*x^2-4*x+3)^(1/3)'

ans =

-3.5000
-3.4622
-3.4432
-3.4337
-3.4289
-3.4265
-3.4253
-3.4247
-3.4244
-3.4242

sol =

-3.4242

Puede verse que no se alcanz la convergencia. Si se ejecuta con 20 iteraciones, se tiene
convergencia en la iteracin 13, con sol=-3.4141

3.4. Iteracin de punto fijo como funcin.
Para la aplicacin del mtodo de iteracin de punto fijo se puede generar una funcin en Matlab.
Los argumentos de la funcin pueden ser:

a) Valor inicial, valor final, la funcin g(x) y nmero de iteraciones
b) Valor inicial, valor final, la funcin g(x) y tolerancia.

a) La funcin ( ) n x g b a pfin ), ( , ,
La funcin genera la solucin a partir de los argumentos. El cdigo Matlab es el siguiente:
function raiz=pfin(a,b,g,n)
% a=input('valor inicial= ');
% b=input('valor final= ');
% n=input('numero de iteraciones= ');
% g=input('entre la funcion g(x)= ');
y(1)=(a+b)/2;
for k=1:n
x=y(k);
y(k+1)=eval(g);
end
r=y(n);
disp('raiz= ')
disp(r)

Al ejecutar la funcin con los datos del ejemplo anterior, resulta:

31

> pfin(-4,-3,'-(2*x*x-4*x+3)^(1/3)',10)
raiz=
-3.4242
b) La funcin ( ) tol x g b a pfit ), ( , ,

La funcin genera la solucin a partir de los argumentos. En este caso, en lugar del nmero de
iteraciones se establece una tolerancia. El cdigo Matlab es el siguiente:
function raiz=pfit(a,b,g,tol)
% a=input('valor inicial= ');
% b=input('valor final= ');
% tol=input('tolerancia= ');
% g=input('entre la funcion g(x)= ');
y(1)=(a+b)/2;
k=1;
x=y(k);
y(k+1)=eval(g);
while abs(y(k+1)-y(k))>tol
k=k+1;
x=y(k);
y(k+1)=eval(g);
end
r=y(k+1);
disp('raiz= ')
disp(r)

Al ejecutar la funcin con los datos del ejemplo anterior, resulta:

>> pfit(-4,-3,'-(2*x*x-4*x+3)^(1/3)',0.0001)
raiz=
-3.4242

3.5. La tcnica SOR.
Es una tcnica que permite acelerar la convergencia de una sucesin e, incluso, hacer converger a
una sucesin divergente. A continuacin se presenta la fundamentacin matemtica del mtodo.
Supongamos que la sucesin ( )
k k
x g x =
+1
converge muy lentamente o diverge, es decir, que el
valor absoluto de la recta secante es cercana a la unidad o mayor que la unidad. En tal caso se
puede recomponer la funcin para generar una nueva sucesin ( )
k k
x G x =
+1
.
Supongamos que la ecuacin: ) (x g x = tiene un punto fijo (solucin):
E
x en el intervalo ) , ( b a y
que no satisface la condicin de convergencia: 1 ) ( ' < x g en el intervalo.
Es posible que la pendiente en el intervalo sea muy cercana a la unidad en valor absoluto, con lo
que la convergencia es muy lenta. Puede ocurrir, igualmente, que la sucesin sea divergente. En
cualquier caso, si la pendiente de la recta secante a ) (x g es m se puede generar una nueva
funcin:
) ( ) 1 ( ) ( x g x x G x + = =

Ahora, la pendiente asociada a la funcin: ) (x G debe ser, en valor absoluto, menor que la unidad.
Lo anterior se traduce en la siguiente inecuacin:

1 ) ( ' ) 1 ( < + x g

Puesto que m x g ) ( ' podemos escribir la inecuacin en la forma:
32

1 ) 1 ( < + m
Resolviendo la inecuacin, se tiene:

m m m
m m
m
< <
< + <
< + <
1 ) 1 ( 1
1 ) 1 ( 1
1 ) 1 ( 1

En este punto es preciso analizar las dos situaciones:

1) 0 1 > m
En este caso, la inecuacin queda en la forma:

1
1
1
< <
m
m

Tomando el punto medio del intervalo, se tiene que:

1 1
1
1
2
1
=
|
\
|

+ =
m
m
m
m

2) 0 1 < m
En este caso, la inecuacin queda en la forma: 1
1
1
> >
m
m

Tomando el punto medio del intervalo, se tiene que:
1 1
1
1
2
1
= |
\
|

+ =
m
m
m
m

En conclusin, cualquiera que sea la pendiente de la recta secante de la funcin ) (x g en el
intervalo ) , ( b a , siempre es posible calcular un R tal que la nueva sucesin sea convergente.
Para el valor promedio hallado para , se tiene:

1 ;
1
) (
) (
= m
m
x g mx
x G
Ejemplo 3.3
Considere la ecuacin 0 3 4 2
3
= + + x x x , la cual tiene una raz en: [-4,-3]. Usando la tcnica
SOR, determine la solucin para el caso:
2
3 4
+
=
x
x
x
Calculando la pendiente, se encuentra que:

7908 . 0
4 3
) 4 ( ) 3 (
=

=
g g
m

Evidentemente, puesto que el valor absoluto es cercano a la unidad, la convergencia puede ser
lenta. En efecto, s se ejecuta el programa, la sucesin converge en la iteracin nmero 33. Si le
aplicamos la tcnica SOR, haciendo 7988 . 0 = m , se tiene:

33

7908 . 1
) 2 (/( 3 4 ( 7908 . 0
1
) (
) (
+ +
=
=
x x x
m
x g mx
x G

S ejecutamos el programa con la nueva funcin, resulta:
>> punfijo
limite inferior=-4
limite superior=-3
g(x)='(0.7908*x-sqrt((4*x-3)/(x+2)))/1.7908'
ans =
-3.5000
-3.4255
-3.4241
-3.4241
-3.4241
-3.4241
-3.4241
-3.4241
-3.4241
-3.4241
-3.4241
sol = -3.4241

Ejemplo 3.4
Considere la ecuacin 0 3 4 2
3
= + + x x x , la cual tiene una raz en: [-4,-3]. Usando la tcnica
SOR, determine la solucin para el caso:
4
3 2
) (
2 3
+ +
= =
x x
x g x
Solucin.
Calculando la pendiente, se encuentra que:

75 . 5
4 3
) 4 ( ) 3 (
=

=
g g
m

Evidentemente, puesto que el valor absoluto es mayor que la unidad, la sucesin es divergente. Si
le aplicamos la tcnica SOR, haciendo 75 . 5 = m se tiene:
75 . 4
4
3 2
75 . 5
1
) (
) (
2 3
+ +
=
x x
x
m
x g mx
x G

S ejecutamos el programa con la nueva funcin, resulta:
limite inferior=-4
limite superior=-3
g(x)='(5.75*x-(x^3+2*x*x+3)/4)/4.75'
xe =
-3.5000 -3.4276 -3.4244 -3.4241 -3.4241 -3.4241 -3.4241 -3.4241 -3.4241
sol = -3.4241

La nueva sucesin converge al cabo de cinco iteraciones.

34

3.6. Programa en Matlab para aplicar la tcnica SOR.
El siguiente programa aplica, de manera que se invoca una de las funciones estudiadas
previamente. El cdigo es el siguiente, usando la funcin pfin, es el siguiente:
%Tecnica SOR
n=input('numero de iteraciones= ');
a=input('limite inferior= ');
b=input('limite isuperior= ');
g=input('entre g(x)= ');
x=b;
gb=eval(g);
x=a;
ga=eval(g);
m=(gb-ga)/(b-a);
c=m/(m-1);
G=cat(2,'c*x+(1-c)*','(',g,')');
raiz=pfin(a,b,G,n,c)
end

Al ejecutar el programa con la funcin del ejemplo anterior, resulta:
>> nsor
numero de iteraciones= 10
limite inferior= -4
limite isuperior= -3
entre g(x)= '(x^3+2*x*x+3)/4'
raiz=
-3.4241

EJERCICIOS

1) Considere la ecuacin: 0 6 3
3
= + x x
a) Represente grficamente en el intervalo [ ] 2 , 1
b) Muestre que la ecuacin se puede expresar en la forma ) 3 /( 6
2
+ = x x , aplique la tcnica SOR
y calcule la solucin.
c) Muestre que la ecuacin se puede expresar en la forma
x
x
x
3 6
= , aplique la tcnica SOR y
calcule la solucin.
d) Muestre que la ecuacin se puede expresar en la forma
3
6 x x = , aplique la tcnica SOR y
calcule la solucin.
e) Muestre que la ecuacin se puede expresar en la forma 6 4
3
+ = x x x , aplique la tcnica
SOR y calcule la solucin.

2) Considere la ecuacin: 0 2 ) ( 2
2
= + x sen x
b) Muestre que la ecuacin se puede expresar en la forma ) ( 2 2 x sen x = , aplique la tcnica
c) Muestre que la ecuacin se puede expresar en la forma 2 ) ( 2
2
+ + = x sen x x x , aplique la
tcnica SOR y calcule la solucin.

3) Considere la ecuacin: 0 2 ) ( 2
2
= + x sen x
35

b) Muestre que la ecuacin se puede expresar en la forma ) ( 2 2 x sen x = , aplique la tcnica
c) Muestre que la ecuacin se puede expresar en la forma 2 ) ( 2
2
+ + = x sen x x x , aplique la
tcnica SOR y calcule la solucin.

4) Considere la ecuacin: 0 1 ) ( 10 =
x sen e
x

b) Muestre que la ecuacin se puede expresar en la forma ( ) 10 /
x
e arcsen x = , tome 5 . 0
1
= x y
calcule la solucin por iteracin de punto fijo.
c) Muestre que la ecuacin se puede expresar en la forma ) ( 10 x sen xe x
x
= , aplique la tcnica

5) Considere la ecuacin: 0 ) 2 tan( = x x
a) Represente grficamente en el intervalo [ ] 5 . 1 , 1
b) Muestre que la ecuacin se puede expresar en la forma ) 2 tan( x x = , aplique la tcnica SOR
y calcule la solucin.
c) Muestre que la ecuacin se puede expresar en la forma ) arctan( 2 x x = , aplique la tcnica

6) Dada la ecuacin: 0 1 ) cos(
2
= x x x
a) Muestre que tiene una raz en el intervalo: [-1,0]
b) Muestre que la ecuacin se puede escribir como: 1 ) cos( + = x x x y resulvala.

7) Dada la ecuacin: 0 2 ) cos( 3 2
2
= x x x x
a) Represente grficamente la funcin en el intervalo [ ] 2 , 2
b) Determine la raz negativa al tomar 2 ) cos( 3 2 ) (
2
= = x x x x g x
c) Determine la raz positiva al tomar 2 ) cos( 3 2 ) (
2
= = x x x x g x

8) Dada la ecuacin: 0 1
3 5
= + x x
a) Muestre que tiene una raz en el intervalo [ ] ] 1 , 0
b) Encuentre la solucin al expresar la ecuacin de 4 maneras diferentes de la forma ) (x g x =

36

MDULO 4
RACES DE ECUACIONES. MTODOS ABIERTOS

Contenido.
En este mdulo se presentan los mtodos de Aitken, Newton y de la secante para hallar una raz
real aproximada de una ecuacin de una variable. Adicionalmente se estudia un mtodo para
resolver una ecuacin usando el comando fzero de Matlab. Los temas a desarrollar son los
siguientes:

4.1. El mtodo de Aitken para acelerar la convergencia de una sucesin.
4.2. El mtodo de Newton-Raphson
4.3. El mtodo de Newton mejorado
4.4. Programa para el mtodo de Newton
4.5. Mtodo de la secante
4.6. Solucin de una ecuacin usando fzero.
4.7. Races de polinomios.

4.1. Mtodo de Aitken.
Consideremos una sucesin: } {
k
x que converge al valor
E
x , de tal manera que se verifica:

{ }
E k
x
x x =

lim

Los errores absolutos cometidos en las iteraciones: k y 1 + k vienen dados por:

E k k
x x =
E k k
x x =
+ + 1 1

La convergencia se garantiza s:
k
k
1 +
se mantiene menor que la unidad en la medida que k tiende
a infinito. Tan importante que una sucesin sea convergente es la rapidez con que lo hace. Es
pertinente la siguiente definicin:

Una sucesin: } {
k
x converge al valor:
E
x con una rapidez de convergencia , si se verifica que:
+

k
k
x
1
lim
Donde: es la constante de error asinttico y es menor que la unidad. En la medida en que mayor
sea , mayor es la rapidez de convergencia.
Consideremos dos sucesiones: } {
k
x y } {
k
y que tienen el mismo error asinttico pero diferentes
rapideces de convergencia. Ms concretamente, supongamos que la primera converge linealmente
y la segunda lo hace cuadrticamente; as, si denotamos por
k
el error en la primera sucesin y
por
k
' el error en la segunda, resulta:
a)
=
)
`
+

k
k
x
1
lim b)
+

2
1
'
'
lim
k
k
x

Puede verse que:
1)
1 1 1
2
3 2 3 1 2

k
k
= = = =
+

37

2)
k k
k
k
2
1
2
1
4
1
3
3
2
2 3
2
1 1
' ' ' ' ' ' ' '
1

= = = =
+

Si en ambos casos el error inicial es la unidad y la tolerancia es la misma, se tiene que el nmero
mnimo de iteraciones requeridas para obtener una misma aproximacin tol , es en cada caso:
a) Para la convergencia lineal tol
k
, entonces:

) log(
) log(
tol
k
b) Para la convergencia cuadrtica tol
k
1
2
, entonces:

1
) 2 log(
) log(
) log(
log
+
|
|
\
|

tol
k

Comparando los resultados se tiene que para que la primera sucesin alcance una tolerancia
determinada tol , el nmero de iteraciones debe ser:

) log(
) log(
1
tol
n =

De otro lado, el mnimo nmero de iteraciones en el segundo caso es significativamente menor y
viene dado por:
) 2 log(
) log(
1
2
n
n

Veamos ahora la manera de, a partir de una sucesin convergente linealmente, generar otra
sucesin que sea ms rpidamente convergente.
Supongamos que la sucesin: } {
k
x converge linealmente, es decir
=

+
k
k
k
1
lim
, con la
condicin 1 0 < < . Con base en lo anterior, podemos escribir:

k k
=
+1
,
1 2 + +
=
k k

Ahora bien, puesto que
E k k
x x = , tenemos:

) (
1 2 E k E k
x x x x =
+ +
) (
1 E k k
x x x =
+

De las ecuaciones anteriores, al eliminar se sigue que:

) (
1
1
2 E k
E k
k
E k
x x
x x
x
x x
=
+
+
+

Con base en lo anterior, obtenemos una aproximacin para la solucin exacta, as:

38

k k k
k k
k E
x x x
x x
x x
+

+ +
+
1 2
2
1
2
) (

Supongamos que se genera una nueva sucesin:

k k k
k k
k k
x x x
x x
x x
+
=
+ +
+
1 2
2
1
2
) (
'

Para generar el primer trmino de la nueva sucesin se requieren tres trminos de la sucesin
original. La idea es que la nueva sucesin sea ms rpidamente convergente, es decir,
k k
< '
para todo valor de k .
Demostraremos que: 0
'
lim =
)
`

k
k
k

Dado que
E k k
x x = ' ' tenemos:
( )
( ) 1 2
1
2
) (
'
1 2
1
2
2
1 2
2
1
+
=
+
=
+ +
+
+ +
+
k
k
k
k
k
k
k
k
k
k k k
k k
k k

Ahora bien, puesto que
=
+
k
k 1
y
=
+
k
k 2
se tiene que:
2
1
2 1
2
1
2 1
( )
'
2
( )
2 2
k k
k k E
k k k
k E k E
k
k E k E k E
x x
x x
x x x
x x x x
x x x x x x
e
e
+
+ +
+
+ +
-
= - -
- +
- - +
= -
- - + + -

De lo anterior se sigue lo que se quera demostrar. De hecho, la tcnica aumenta la rapidez de
convergencia a expensas de generar una nueva sucesin con los tres primeros trminos de la
sucesin original. En la actualidad, sin embargo, la tcnica es poco utilizada debido al trabajo
adicional requerido.

Ejemplo 4.1
Usando la tcnica de Aitken, acelerar la convergencia de la sucesin:

3
2
1
3 4 2 + =
+ k k k
x x x . Con: 5 . 3
1
= x y 0 k
Solucin.
La siguiente tabla muestra los resultados para las dos sucesiones:

k x
k
x
k
'
1 -3.5 -3.424
2 -3.462 -3.426
3 -3.443 -3.423
4 -3.434 -3.426
5 -3.429 -3.425
6 -3.427

39

Puede observarse que la nueva sucesin converge en la cuarta iteracin.

4.2. Mtodo de Newton-Raphson
Consideremos la ecuacin 0 ) ( = x f , de tal manera que ) (x f sea continua y posea todas sus
derivadas en cada punto del intervalo ( ) b a, . Si la ecuacin tiene una raz:
E
x en el intervalo y
k
x
pertenece al intervalo, entonces podemos encontrar un desarrollo en series de potencias en un
entorno de
k
x as:
n
k k
n
k k k k k
x x x f
n
x x x f x x x f x f x f ) )( (
!
1
..... ) )( ( ' '
! 2
1
) )( ( ' ) ( ) (
) ( 2
+ + + + =

Si la primera derivada de la funcin es diferente de cero en el punto considerado, podemos
efectuar una aproximacin lineal de la funcin, tal como lo muestra la figura 4.1

Figura 4.1

) )( ( ' ) ( ) (
k k k
x x x f x f x f +

La recta de aproximacin corta al eje de abscisas en el punto
1 + k
x , el cual se obtiene de la
siguiente manera:
) ( '
) (
1
k
k
k k
x f
x f
x x =
+

De tal forma que, si se empieza con una semilla
1
x se genera una sucesin rpidamente
convergente a la solucin.

Ejemplo 4.2
Considere la ecuacin: 0 3 4 2 ) (
2 3
= + + = x x x x f
a) Represente grficamente la funcin.
b) Muestre que tiene una raz en el intervalo: [-4,-3]
c) Usando el mtodo de Newton-Raphson, encuentre un valor aproximado de la raz usando
aritmtica de cuatro dgitos.

Solucin.
Usando el programa graficador, hacemos la grfica de la figura 4.2 en la que se observa la posicin
de la raz.
40

Figura 4.2
Para encontrar la solucin aproximada, le aplicamos el mtodo y llenamos la siguiente tabla.

k
k
x ) (
k
x f ) ( '
k
x f ) ( ' / ) (
k k
x f x f
1 -4 -13 28 -0.4643
2 -3.5357 -2.0555 19.3610 -0.1062
3 -3.4295 -0.0958 17.5672 -0.0055
4 -3.4241 -0.0002 17.4768 -1.4E-5

Se aconseja tomar la semilla en las inmediaciones de la raz, ya que una semilla mal tomada
puede conducir a que la sucesin sea divergente.

Rapidez de convergencia
Tal como se aprecia en el ejemplo anterior, el mtodo de Newton-Raphson converge rpidamente
a la solucin. Demostraremos que la convergencia es cuadrtica, es decir, que se cumple que:

+

2
1
lim
k
k
k

Partamos de la frmula de recurrencia:
) ( '
) (
1
k
k
k k
x f
x f
x x
+

Ahora bien, cuando se hace una aproximacin lineal de una funcin, se comete un error que es
proporcional a la segunda derivada de la funcin, as:

2
) (
! 2
) ( ' '
) )( ( ' ) ( ) (
E E E E
x x
f
x x x f x f x f + + =

El ltimo trmino es el error cometido. Al evaluar la primera derivada de la funcin, a partir de la
serie, se tiene:
) )( ( ' ' ) ( ' ) ( '
E E
x x f x f x f + =

Evaluando la derivada en el punto
k
x tenemos:

) )( ( ' ' ) ( ' ) ( '
E k E E k
x x x f x f x f + =
-4 -3 -2 -1 0 1 2
-15
-10
-5
0
5
10
15
41

Restando
E
x en ambos miembros de la ecuacin de recurrencia, se obtiene:
) ( '
) (
1
k
k
E k E k
x f
x f
x x x x
+

De todo lo anterior se tiene:
k E
k k E E
k k
f x f
f
x f x f

) ( ' ' ) ( '
2
) ( ' '
) ( ' ) (
2
1
+
+ +
=
+

Alternativamente, la expresin anterior se puede escribir como:

[ ]
k E
k
k
f x f
f

) ( ' ' ) ( ' 2

) ( ' '
2
1
+
=
+

Al analizar la expresin encontrada se observan dos posibilidades, as:
1. 0 ) ( '
E
x f . En este caso la convergencia es cuadrtica.

= =
+

) ( ' 2
) ( ' '
lim
2
1
E
E
k
k
k
x f
x f

2. 0 ) ( ' =
E
x f .En este caso la convergencia es lineal.
= =
+

2
1
lim
1
k
k
k

4.3. Mtodo de Newton mejorado
Cuando la convergencia es lineal se acostumbra acelerar la convergencia usando la tcnica de
Aitken o el mtodo de Newton mejorado. El mtodo de Newton mejorado consiste en resolver la
ecuacin:
0 ) ( = x u , siendo
) ( '
) (
) (
x f
x f
x u =

Puesto que las races de ) (x u son las mismas races de ) (x f le aplicamos el mtodo de
Newton-Raphson a la primera ecuacin, as:

[ ] ) ( ' ' ) ( ) ( '
) ( ' ) (
) ( '
) (
2
1
k k k
k k
k
k
k
k k
x f x f x f
x f x f
x
x u
x u
x x
= =
+

El inconveniente que presenta el mtodo es el de que es necesario evaluar la segunda derivada de
la funcin.

Ejemplo 4.3
Usando el mtodo de Newton-Raphson y el mtodo de Newton mejorado, encuentre una raz
negativa para la ecuacin: 0 18 75 56 49 ) (
2 3
= = x x x x f
Primero que todo ubicamos la raz, la cual est en el intervalo: [-2,-1]
42

a) Usando el mtodo de Newton-Raphson, se encuentra la siguiente tabla, con cuatro dgitos
significativos. Tomando como semilla: 1
1
= x

75 112 147 ) ( '
2
= x x x f

k
k
x ) (
k
x f ) ( '
k
x f ) ( ' / ) (
k k
x f x f

1 -1 -48 184 -0.2649
2 -0.7351 -12.5925 86.7659 -0.1451
3 -0.5900 -3.3072 42.2507 -0.0783
4 -0.5117 -0.8505 20.8004 -0.0409
5 -0.4708 -0.2159 10.3125 -0.0209
6 -0.4499 -0.0546 5.1431 -0.0106
7 -0.4393 -0.0138 2.5703 -0.0053
8 -0.434 -0.0035 1.293 -0.0027
9 -0.4313 -0.0009 0.6505 -0.0014
10 -0.4299 -0.0002 0.3252 -0.0007
11 -0.4299

b) Para aplicar el mtodo de Newton mejorado se requiere de la segunda derivada, as:
112 294 ) ( ' ' = x x f

Empezamos con la misma semilla

k
k
x ) (
k
x u ) ( '
k
x u ) ( ' / ) (
k k
x u x u ) (
k
x f
1 -1.0 -0.2609 0.0.4244 -0.6147 -48
2 -0.3853 0.0218 0.5093 0.0429 -0.2188
3 -0.4282 0.0020 0.5001 0.0040 -0.0002
4 -0.4286 0 0.5 0 0

En s mismos, los resultados son bastante claros. En el caso que nos ocupa, la ecuacin tiene una
raz doble en 4286 . 0
7
4
= x es decir, el mtodo de Newton mejorado no slo converge ms
rpidamente, sino que proporciona un valor ms exacto

4.4. Programa para el mtodo de Newton.

clear all
tol=input('tolerancia= ');
a=input('limite inferior= ');
b=input('limite isuperior= ');
f=input('entre f(x)= ');
Df=input('entre Df(x)= ');
y(1)=(a+b)/2;
k=1;
x=y(k);
y(k+1)=y(k)-eval(f)/eval(Df);
k=k+1;
x=y(k);
end
43

r=y(k+1);
disp('raiz= ')
raiz=r

Ejecutando el programa para la ecuacin del ejemplo 4.2, se tiene:
>> newt
tolerancia= 0.0001
limite inferior= -4
limite isuperior= -3
entre f(x)= 'x^3+2*x^2-4*x+3'
entre Df(x)= '3*x*x+4*x-4'
raiz= -3.4241
A continuacin se presenta una funcin para aplicar el mtodo de Newton. Los argumentos de la
funcin vienen a ser: la semilla, la funcin, la derivada de la funcin y la tolerancia.

function Raiz=newf(X,f,Df,tol)
% s=input('semilla= ');
% tol=input('tolerancia= ');
% f=input('entre la funcion f(x)= ');
% Df=input('entre la derivada de la funcion Df(x)= ');
y(1)=X;
k=1;
x=y(k);
k=k+1;
x=y(k);
end
r=y(k+1);
Raiz=r;

Al ejecutar la funcin, con los datos del ejemplo anterior, resulta:
newf(-3.5,'x^3+2*x^2-4*x+3','3*x*x+4*x-4',0.0001)
ans =-3.4241

4.5. Mtodo de la secante
Tal como se mencion previamente, el mtodo de Newton-Raphson requiere de la evaluacin de la
primera derivada de la funcin para generar la sucesin. Pueden presentarse ecuaciones para las
cuales no sea muy conveniente, desde el punto de vista operativo, el clculo de la primera
derivada. Una alternativa interesante es el mtodo de la secante que consiste en modificar el
mtodo de Newton cambiando la pendiente de la recta tangente: ) ( '
k
x f por la pendiente de la
recta secante en el intervalo ] , [
1 + k k
x x . Como se puede ver, ahora se requiere de dos semillas:
1 0
, x x .Con base en lo anterior, la sucesin a generar es la siguiente:
1
1
1 2
) (
+
+
+ +
=
k
k
k k
m
x f
x x , siendo
k k
k k
k
x x
x f x f
m
=
+
+
+
1
1
1
) ( ) (

Ejemplo 4.4
Encuentre una raz aproximada en el intervalo: [0,1] para la siguiente ecuacin, usando aritmtica
de cuatro dgitos:
44

0 3 ) (
2
= +
x
xe x sen x

Si tomamos como semillas 1 , 0
2 1
= = x x , llenamos la siguiente tabla:

k
k
x ) (
k
x f
k
m
k k
m x f / ) (
1 0 -3 xxxxx xxxxx
2 1 0.5598 3.5598 0.1573
3 0.8428 -0.5126 6.8219 -0.0751
4 0.9179 -0.0323 6.3955 -0.0051
5 0.9230

En el ejemplo anterior no hubo necesidad de calcular la primera derivada de la funcin. Si se
quisiera aplicar el mtodo de Newton-Raphson hubiera sido necesario encontrar ) ( ' x f as:

x x
e xe x xsen x x x f + + + = ) ( 2 ) cos( ) ( '
2

Se sugiere al estudiante que le aplique el mtodo de Newton-Raphson a la ecuacin del ejemplo
anterior y que compare los resultados.

4.6. Races usando fzero.
El paquete Matlab posee una funcin que permite encontrar un cero de la misma. La informacin a
suministrar consta de la funcin y de la semilla. La sintaxis de la funcin es:

Fzero(funcin,semilla)
Ejemplo 4.5
Encuentre una raz aproximada en el intervalo: [0,1] para la siguiente ecuacin, usando fzero.

0 3 ) (
2
= +
x
xe x sen x

Solucin.
Tomaremos dos semillas, as:

a) Semilla1: x=0
>> fzero('x^2*sin(x)+x*exp(x)-3',0)

ans =

0.9227

a) Semilla2: x=1
>> fzero('x^2*sin(x)+x*exp(x)-3',1)

ans =

0.9227

Puede verse que se llega al mismo resultado.

4.7. Ceros de polinomios.
El estudiante debe estar familiarizado con los polinomios en una variable y coeficientes reales, as:

0 1
2
2
1
1
... ) ( a x a x a x a x a x P
n
n
n
n
+ + + + + =

45

Con base en el teorema fundamental del lgebra se demuestra que el polinomio tiene exactamente
n ceros en el campo de los complejos. Particularmente, los ceros complejos de un polinomio de
coeficientes reales viene en parejas conjugadas. Los ceros de un polinomio de segundo grado se
encuentran aplicando la frmula del bachiller. Si bien hay frmulas para calcular los ceros de
polinomios de tercero y cuarto grado, lo que se hace es aplicar mtodos numricos para encontrar
ceros aproximados. Existen varios mtodos para calcular ceros de polinomios, entre los que cabe
mencionar: Mtodo de Lin, Mtodo de Bairtow, Mtodo de Muller, Mtodo de Horner. En este
trabajo se presentar solamente la funcin roots de Matlab para calcular las races. La funcin
puede usarse tambin para calcular los ceros de polinomios de coeficientes complejos. Para
encontrar las races del polinomio
0 1
2
2
1
1
... ) ( a x a x a x a x a x P
n
n
n
n
+ + + + + =

se genera un
vector de coeficientes [ ]
0 1 2 1
, , ,... , a a a a a p
n n
= y luego se ejecuta roots(p). Ms adelante, en el
mdulo 7 se presentar el mtodo de Newton para hallar las races de un polinomio.

Ejemplo 4.7.
Determine todas las races del polinomio del ejemplo 4.2.

Solucin.
El polinomio es 3 4 2 ) (
2 3
+ + = x x x x f
Procediendo con Matlab, se tiene:
>> p=[1 2 -4 3]

p =

1 2 -4 3
>> roots(p)

ans =

-3.4241
0.7120 + 0.6076i
0.7120 - 0.6076i

Ejemplo 4.8.
Determine las races del polinomio 5 4 2 ) (
3 5
+ = x x x x f

Solucin.
Procediendo con Matlab, se tiene:
>> p=[1 0 -2 0 4 -5]

p =

1 0 -2 0 4 -5

>> roots(p)

ans =

-1.4234 + 0.8394i
-1.4234 - 0.8394i
1.3538
0.7465 + 0.8918i
0.7465 - 0.8918i

46

EJERCICIOS

Mediante los mtodos de Newton, secante y fzero, encuentre una raz aproximada para cada una
de las siguientes ecuaciones. Use aritmtica de cuatro dgitos.

1) 0 6 3
3
= + x x
2) 0 3
3 8
= + x x
3) 0 2 ) ( 2
2
= + x sen x
4) 0 1 = +
x xe
x

5) 0 2 ) arctan( = + x x

6) Dada la ecuacin: 0 1 ) cos(
2
= x x x
a) Muestre que tiene una raz en el intervalo: [-1,0]
b) Resuelva la ecuacin por los mtodos de Newton y secante

7) Verifique que las siguientes sucesiones son convergentes y acelere su convergencia usando el
mtodo de Aitken

a)
k
k
k
x
x sen
x
+
+
=
+
1
) ( 10 10
1

b)
2
1
2
2
1
+
+
=
+
k
k
k
x
x
x

Usando los mtodos de Newton-Raphson, secante y fzero, encuentre una raz real para cada una
de las siguientes ecuaciones:

8) 0 6
3
= + x x
9) 0 2 ) ( 2
2
= + x sen x
10) 0 1 = +
x xe
x

11) 0 2 ) tan( = + x a x
12) 0 3
3 7
= + x x
13) 9 42 58 42 49
2 3 4
+ + + + x x x x
14) 4 8 3 9
2 3 4
+ + x x x x
15) 0 1 ) ( sec 2 ) tan(
2 2
= + x x x x
16) 0 3 ) ln(
2
= +
x
e x x

Usando roots, determine las races de los siguientes polinomios

17) ( ) 5 105 315 231
16
1
2 4 6
+ x x x
18) 0 3
3 7
= + x x
19) 9 42 58 42 49
2 3 4
+ + + + x x x x
20) 4 8 3 9
2 3 4
+ + x x x x

47

MDULO 5
SISTEMAS DE ECUACIONES LINEALES

Contenido
En este mdulo se presentan, muy resumidamente, los mtodos directos de solucin de un sistema
lineal de ecuaciones. Los temas a desarrollar son los siguientes:

5.1. Introduccin a los sistemas lineales
5.3. La regla de Kramer
5.6. Programa para sistemas tridiagonales

5.1. Introduccin.
Un sistema de n ecuaciones lineales con n incgnitas presenta la forma general:

1 1 3 13 2 12 1 11
..... b x a x a x a x a
n n
= + + + +
2 2 3 23 2 22 1 21
..... b x a x a x a x a
n n
= + + + +
3 3 3 33 2 32 1 31
..... b x a x a x a x a
n n
= + + + +
. . . . .
. . . . .
. . . . .
. . . . .
n n nn n n n
b x a x a x a x a = + + + + .....
3 3 2 2 1 1

En forma matricial, el sistema se puede escribir en la forma b Ax = , siendo A la matriz de los
coeficientes, b el vector de trminos independientes y x el vector solucin. Para un sistema de
orden cuatro, tenemos:

(
(
(
(
=
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
a a a a
a a a a
a a a a
a a a a
A
(
(
(
(
=
4
3
2
1
b
b
b
b
b
(
(
(
(
=
4
3
2
1
x
x
x
x
x

El mtodo consiste en convertir el sistema original en otro sistema equivalente de tipo triangular,
mediante operaciones aritmticas sobre la matriz aumentada. La matriz aumentada es una matriz
con n filas y n+1 columnas, es decir, est formada por la matriz de los coeficientes y por el vector
de los trminos independientes. Para el sistema de orden dos, la matriz aumentada y la
correspondiente matriz triangular son las siguientes:

(
2
1
22 21
12 11
b
b
a a
a a

(
2
1 12
'
'
1 0
' 1
b
b a

Para un sistema de orden cuatro, la matriz aumentada y la matriz triangular, vienen dadas por:
48

(
(
(
(
(
4
3
2
1
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
b
b
b
b
a a a a
a a a a
a a a a
a a a a

(
(
(
(
(
4
3
2
1
34
24 23
14 13 12
'
'
'
'
1 0 0 0
' 1 0 0
' ' 1 0
' ' ' 1
b
b
b
b
a
a a
a a a

Para el sistema de segundo orden, mediante el procedimiento de sustitucin hacia atrs, se tiene:

2 2
' b x =
2 12 1 1
' ' x a b x =

Para el sistema de orden cuatro, mediante el procedimiento de sustitucin hacia atrs, se tiene:

4 4
' b x = ,
4 34 3 3
' ' x a b x = ,
3 23 4 24 2 2
' ' ' x a x a b x =
2 12 3 13 4 14 1 1
' ' ' ' x a x a x a b x =

En el proceso de encontrar la matriz triangular se hacen operaciones entre filas, tales como
combinaciones lineales entre filas, cuidando que no aparezcan ceros sobre la diagonal. Cuando
ocurra un cero en la diagonal se procede a intercambiar la fila correspondiente por otra en la que el
pivote sea diferente de cero.

Ejemplo 5.1
Para el siguiente sistema, encuentre la matriz triangular asociada y la solucin.

1 2 3 4
3 2 3
5 4 3 2
= +
= +
= + +
z y x
z y x
z y x

Solucin.
A continuacin se muestra la matriz aumentada y la que se obtiene al dividir cada fila por el
coeficiente de la primera variable.

1
3
5
2 3 4
1 2 3
4 3 2

4 / 1
1
2 / 5
2 / 1 4 / 3 1
3 / 1 3 / 2 1
2 2 / 3 1

Si a las filas dos y tres le restamos la primera, obtenemos:

4 / 9
2 / 3
2 / 5
2 / 3 4 / 9 0
3 / 7 6 / 5 0
2 2 / 3 1

Modificando las ecuaciones dos y tres, tenemos:

49

1
5 / 9
2 / 5
3 / 2 1 0
5 / 14 1 0
2 2 / 3 1

5 / 4
5 / 9
2 / 5
15 / 32 0 0
5 / 14 1 0
2 2 / 3 1

Finalmente, la matriz triangular es la siguiente:

8 / 3
5 / 9
2 / 5
1 0 0
5 / 14 1 0
2 2 / 3 1

Por el procedimiento de sustitucin hacia atrs, se encuentra que:

8 / 5 4 / 3 8 / 3 = = = x y z

Al resolver un sistema por el mtodo de eliminacin Gaussiana pueden ocurrir tres posibles
situaciones, a saber:
a) El sistema tiene solucin nica, tal como ocurri en el ejemplo anterior.
b) El sistema tiene infinitas soluciones, esto ocurre cuando las ecuaciones son linealmente
dependientes y se pone en evidencia cuando al encontrar la matriz triangular aparece una
identidad: 0 0 =
c) El sistema no tiene solucin, esto ocurre cuando al encontrar la matriz triangular aparece una
contradiccin 0 0 = numero .

Ejemplo 5.2
Resuelva los siguientes sistemas de ecuaciones:

6 6 6
6 2 3
12 4 3 2
= +
= +
= +
z y x
z y x
z y x

2)
8 6 6
6 2 3
12 4 3 2
= +
= +
= +
z y x
z y x
z y x

Solucin.
Procediendo de manera simultnea, tenemos:

6
6
12
6 6 1
2 3 1
4 3 2

8
6
12
6 6 1
2 3 1
4 3 2

6
6
6
6 6 1
2 3 1
2 2 / 3 1

8
6
6
6 6 1
2 3 1
2 2 / 3 1

50

6
6
6
6 6 1
2 3 1
2 2 / 3 1

8
6
6
6 6 1
2 3 1
2 2 / 3 1

0
0
6
4 2 / 9 0
4 2 / 9 0
2 2 / 3 1

2
0
6
4 2 / 9 0
4 2 / 9 0
2 2 / 3 1

0
0
6
9 / 8 1 0
9 / 8 1 0
2 2 / 3 1

9 / 4
0
6
9 / 8 1 0
9 / 8 1 0
2 2 / 3 1

Claramente se observa que el primer sistema tiene infinitas soluciones y el segundo no tiene
solucin. La mayora de los textos de lgebra lineal presentan los algoritmos de solucin de los
sistemas lineales en diferentes lenguajes de programacin.

5.3. Regla de Kramer
El mtodo consiste en que cada una de las incgnitas se calcula como el cociente de dos
determinantes, as:
Dado el sistema de ecuaciones b Ax = , la variable:
k
x se calcula como:
A
A
x
k
k
=
Dnde: A es el determinante de la matriz del sistema y
k
A es el determinante de la matriz que
resulta de reemplazar la columna k por el vector de trminos independientes.
Al aplicar la regla de Kramer aparecen tres posibles situaciones, a saber:

a) 0 A . En este caso el sistema tiene solucin nica.
b) 0 = A y para todo k se verifica que 0 =
k
A . En este caso el sistema tiene infinitas soluciones.
c) 0 = A y existe al menos un valor de k tal que 0
k
A . En este caso el sistema no tiene
solucin.
Para un sistema de orden tres, se tiene:

3 1 33 1 32 1 31
2 1 23 1 22 1 21
1 1 13 2 12 1 11
b x a x a x a
b x a x a x a
b x a x a x a
= + +
= + +
= + +

(
(
(
=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
51

(
(
(
=
33 32 3
23 22 2
13 12 1
1
a a b
a a b
a a b
A
(
(
(
=
33 3 31
23 2 21
13 1 11
2
a b a
a b a
a b a
A
(
(
(
=
3 32 31
2 22 21
1 12 11
3
b a a
b a a
b a a
A

Normalmente se usa el mtodo de los cofactores para hallar los determinantes. Aqu usaremos el
paquete Matlab para hallar los valores de los determinantes.

Ejemplo 5.3
Resuelva los siguientes sistemas de ecuaciones, usando la regla de Kramer.

1)
= +
= +
= + +
= + + +
2 2 2 2
6 3 2 2 3
12 2 3
6 3 3 3 2
w z y x
w z y x
z w y x
w z y x

2) 0
8 0 2 4
6 3 2 2 3
12 2 3
6 3 3 3 2
= +
= +
= + +
= + + +
w z y x
w z y x
z w y x
w z y x

3)
= +
= +
= + +
= + + +
2 8 0 2 4
6 3 2 2 3
12 2 3
6 3 3 3 2
w z y x
w z y x
z w y x
w z y x

Solucin.
Para el primer sistema, tenemos:
(
(
(
(
=
2 2 2 1
3 2 2 3
2 1 3 1
3 3 3 2
A

Usando el paquete se encuentra que el determinante del sistema es 106 = A , con lo que el
sistema tiene solucin nica. En este caso, la solucin es:

52

3585 . 5 2642 . 4 7925 . 2 3585 . 7 w z y x

Para el segundo sistema tenemos:

(
(
(
(
=
8 0 2 4
3 2 2 3
2 1 3 1
3 3 3 2
A

Usando el paquete se encuentra que todos los determinantes son iguales a cero y por tanto el
sistema tiene infinitas soluciones. Para el tercer sistema el estudiante puede verificar que no tiene
solucin.

Es el mtodo que se usa ms a menudo, siempre y cuando se tenga un algoritmo simple para
hallar la inversa de la matriz del sistema. Dado el sistema de ecuaciones b Ax = , la solucin viene
dada por b A x
1
= , siempre que la matriz del sistema sea no singular, es decir, la inversa exista.
En lgebra lineal se estudia que una matriz es singular si su determinante es igual a cero. La
ventaja del mtodo es que basta con tener la inversa de la matriz y multiplicarla por cualquier
vector de trminos independientes.

Ejemplo 5.4.
Resuelva el sistema de ecuaciones: b Ax =

(
(
(

=
3 2 1
5 4 2
1 2 3
A
(
(
(
=
2
1
3
b
Solucin.
Con la ayuda del paquete encontramos que 4 = A , con lo que la inversa existe y est dada por:

(
(
(
2 1 0
25 . 4 5 . 2 25 . 0
5 . 3 2 5 . 0
1
A
Con base en lo anterior, la solucin es:

(
(
(
=
(
(
(
(
(
(
=
3
75 . 6
5 . 6
2
1
3
2 1 0
25 . 4 5 . 2 25 . 0
5 . 3 2 5 . 0
x

Para resolver un sistema usando Matlab, se genera el siguiente cdigo:

>> A=[3 2 -1;2 4 5;1 2 3];
>> b=[3;1;2];
>> x=inv(A)*b;
>> x
x =
53

6.5000
-6.7500
3.0000

Un sistema de ecuaciones: b Ax = es de tipo tridiagonal s la matriz del sistema: A presenta
elementos significativos sobre la diagonal principal y las dos adyacentes, es decir, por fuera de las
tres diagonales mencionadas, cada elemento es igual a cero.
El siguiente sistema de orden cuatro es tridiagonal.

(
(
(
(
=
(
(
(
(
(
(
(
(
4
3
2
1
4
3
2
1
44 43
34 33 32
23 22 21
12 11
0 0
0
0
0 0
b
b
b
b
x
x
x
x
a a
a a a
a a a
a a

Puede verse que de los 16 elementos de la matriz, seis son iguales a cero. En general, un sistema
tridiagonal de orden n tiene: ) 2 )( 1 ( n n elementos iguales a cero, para: 3 n
Lo anterior significa que si se tiene un sistema de orden diez, el nmero de datos significativos es
28 2 3 = n . Para resolver un sistema tridiagonal es conveniente usar un algoritmo que evite el
innecesario almacenamiento de los datos no significativos. A continuacin presento un mtodo que
cumple con lo planteado previamente. Supongamos que el sistema es de orden n y por tanto tiene
2 3 n elementos significativos que se almacenan en un vector v , as:

[ ]
m m
v v v v v v v
1 4 3 2 1
......

=
Dnde: 2 3 = n m

Los elementos del arreglo v son:

11 1
a v =
12 2
a v =
21 3
a v =
22 4
a v = ..
nn m
a v =

Supongamos que tenemos un sistema tridiagonal de orden cinco, de tal manera que la matriz
aumentada es la siguiente:

(
(
(
(
(
(
5
4
3
2
1
55 54
45 44 43
34 33 32
23 22 21
12 11
0 0 0
0 0
0 0
0 0
0 0 0
b
b
b
b
b
a a
a a a
a a a
a a a
a a

(
(
(
(
(
(
5
4
3
2
1
13 12
11 10 9
8 7 6
5 4 3
2 1
0 0 0
0 0
0 0
0 0
0 0 0
b
b
b
b
b
v v
v v v
v v v
v v v
v v

El algoritmo de solucin consiste en encontrar ceros por debajo de la diagonal principal y unos
sobre la diagonal, as:
54

(
(
(
(
(
(
5
4
3
2
1
11
8
5
2
'
'
'
'
'
1 0 0 0 0
' 1 0 0 0
0 ' 1 0 0
0 0 ' 1 0
0 0 0 ' 1
b
b
b
b
b
v
v
v
v

A continuacin se muestra una rutina en Matlab para resolver un sistema tridiagonal de orden
mayor que tres. En general, el cdigo para resolver el sistema es el siguiente:
Entrada de datos:
n i i b ntes independie os ter elementos los Entre
n i i v matriz la de elementos los Entre
orden n
: 1 ), ( : min
2 3 : 1 ), ( :
=
=
=

Clculos a realizar:
2 3 = n m
x
end
k v i x i b i x
i k
n i for
n b n x
m v
m v
m v n b n b
m v m v m v m v
m v n b n b n b
End
k v
k v k v k v
k v i b i b
k v
k v k v k v k v
k b i b i b i b
i k
n i for
v
v v v
v b b
) ( ) 1 ( ) ( ) (
1 3
1 : 1 : 1
) ( ) (
0 ) 1 (
1 ) (
) ( / ) ( ) (
) 2 ( ) 1 ( ) ( ) (
) 1 ( ) 1 ( ) ( ) (
1 ) (
) ( / ) 1 ( ) 1 (
) ( / ) ( ) (
0 ) 1 (
) 2 ( ) 1 ( ) ( ) (
) 1 ( ) 1 ( ) ( ) (
2 3
1 : 2
1 ) 1 (
) 1 ( / ) 2 ( ) 2 (
) 1 ( / ) 1 ( ) 1 (
+ =
=
=
=
=
=
=
=
=
=
+ = +
=
=
=
=
=
=
=
=
=

A continuacin se muestra un programa en Matlab para resolver un sistema tridiagonal.
55

5.6. Programa para resolver sistemas tridiagonales.
clear all
%Programa para resolver sistemas tridiagonales, es decir, sistemas de la forma:
%a(1,1)x(1)+a(1,2)x(2)+0x(3)+0x(4)+0x(5)+...+0x(n-2)+0x(n-1)+0x(n)=b(1)
%a(2,1)x(1)+a(2,2)x(2)+a(2,3)x(3)+0x(4)+0x(5)+...+0x(n-2)+0x(n-1)+0x(n)=b(2)
%0x(1)+a(3,2)x(2)+a(3,3)x(3)+a(3,4)x(4)+0x(5)+...+0x(n-2)+0x(n-1)+0x(n)=b(3)
%0x(1)+0x(2)+a(4,3)x(3)+a(4,4)x(4)+a(4,5)x(5)+...+0x(n-2)+0x(n-1)+0x(n)=b(4)
%0x(1)+0x(2)+0x(3)+..+0x(n-3)+a(n-1,n-2)x(n-2)+a(n-1,n-1)x(n-1)+a(n-1,n)x(n)=b(n-1)
%0x(1)+0x(2)+0x(3)+..+0x(n-3)+0x(n-2)+a(n,n-1)x(n-1)+a(n,n)x(n)=b(n)
% El algoritmo consiste en colocar los terminos significativos en un vector
%de dimension:m=3n-2,asi:
%v=[v(1),v(2),v(3),....,v(m)]
%El programa es el siguiente:
%Entrada de datos
n=input('orden del sistema = ');
m=3*n-2;
v=input('entre el vector fila v=');
b=input('entre el vector columna b=');
b(1)=b(1)/v(1);
v(2)=v(2)/v(1);
v(1)=1;
for i=2:n-1
k=3*i-2;
b(i)=b(i)-v(k-1)*b(i-1);
v(k)=v(k)-v(k-1)*v(k-2);
v(k-1)=0;
b(i)=b(i)/v(k);
v(k+1)=v(k+1)/v(k);
v(k)=1;
end
b(n)=b(n)-b(n-1)*v(3*n-3);
v(3*n-2)=v(3*n-2)-v(3*n-3)*v(3*n-4);
b(n)=b(n)/v(3*n-2);
v(3*n-2)=1;
v(3*n-3)=0;
x(n)=b(n);
for i=n-1:-1:1
k=3*i-1;
x(i)=b(i)-x(i+1)*v(k);
end
x

Ejemplo 5.5.
Resuelva el sistema tridiagonal:
8 2
0
5 3 2
1 2 4
5 2 3 2
3 2
6 5
6 5 4
5 4 3
4 3 2
3 2 1
2 1
=
= +
= +
= + +
= +
= +
x x
x x x
x x x
x x x
x x x
x x

56

A continuacin se muestra la matriz aumentada y el vector: v.

(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
8
0
5
1
5
3
2 1 0 0 0 0
1 1 1 0 0 0
0 1 3 2 0 0
0 0 2 4 1 0
0 0 0 2 3 2
0 0 0 0 2 1

[ ] 2 1 1 1 1 1 3 2 2 4 1 2 3 2 2 1 = v

Al ejecutar el programa, se tiene:
>> tridiagonal
orden del sistema = 6
entre el vector fila v=[1 2 2 3 -2 1 4 2 2 -3 1 1 1 -1 1 -2]
entre el vector columna b=[3;5;1;5;0;8]
>> x
x =
8.4286
-2.7143
1.8571
-1.8571
-4.2857
-6.1429

Se puede generar una funcin, usando Matlab, para resolver el sistema tridiagonal. La funcin ser
de mucha utilidad al resolver problemas con valor en la frontera por el mtodo de las diferencias
divididas. La funcin, a la que llamaremos functrid, presenta tres argumentos, as:

( ) b v n functrid , ,
:
:
:
n orden
v vector del sistema
b vector deter indep

function [x]=functrid(n,v,b)
m=3*n-2;
b(1)=b(1)/v(1);
v(2)=v(2)/v(1);
v(1)=1;
for i=2:n-1
k=3*i-2;
b(i)=b(i)-v(k-1)*b(i-1);
v(k)=v(k)-v(k-1)*v(k-2);
v(k-1)=0;
b(i)=b(i)/v(k);
v(k+1)=v(k+1)/v(k);
v(k)=1;
end
b(n)=b(n)-b(n-1)*v(3*n-3);
v(3*n-2)=v(3*n-2)-v(3*n-3)*v(3*n-4);
b(n)=b(n)/v(3*n-2);
v(3*n-2)=1;
57

v(3*n-3)=0;
x(n)=b(n);
for i=n-1:-1:1
k=3*i-1;
x(i)=b(i)-x(i+1)*v(k);
end

Al ejecutar la funcin con los datos del ejemplo anterior, se obtiene:
functrid(6,[1 2 2 3 -2 1 4 2 2 -3 1 1 1 -1 1 -2],[3;5;1;5;0;8])
ans =

8.4286 -2.7143 1.8571 -1.8571 -4.2857 -6.1429

EJERCICIOS

1) Usando los diferentes mtodos directos, resuelva los siguientes sistemas de ecuaciones:

6 6 6
6 2 3
12 4 3 2
= +
= +
= +
z y x
z y x
z y x

8 6 6
6 2 3
12 4 3 2
= +
= +
= +
z y x
z y x
z y x

8 6 6
6 2 3
12 5 3 2
= +
= + +
= + +
z y x
z y x
z y x

2) Usando los diferentes mtodos directos, resuelva los siguientes sistemas:

8 2
0
5 3 2
1 2 4
5 2 3 2
3 2
6 5
6 5 4
5 4 3
4 3 2
3 2 1
2 1
=
= +
= +
= + +
= +
= +
x x
x x x
x x x
x x x
x x x
x x

8 2 3
0 3
5 2 3 2
3 2 4
5 2 3 2
0 2 3
6 5
6 5 4
5 4 3
4 3 2
3 2 1
2 1
=
= + +
=
= +
= +
= +
x x
x x x
x x x
x x x
x x x
x x

3) Usando el programa tridiagonal, resuelva los sistemas del numeral 2
Usando la funcin functrid, resuelva los sistemas del numeral 2

58

MDULO 6
SISTEMAS DE ECUACIONES LINEALES. MTODOS ITERATIVOS

Contenido.
En este mdulo se presentan, muy resumidamente, los mtodos iterativos de solucin de un
sistema lineal de ecuaciones. Los temas a desarrollar son los siguientes:

6.1. Sistemas diagonalmente dominantes
6.2. Mtodo de Jacobi con nmero de iteraciones
6.3. Mtodo de Gauss-Seidel con nmero de iteraciones
6.4. Mtodo de Gauss-Seidel con tolerancia

6.1. Sistemas diagonalmente dominantes.
Consideremos un sistema de orden n de ecuaciones lineales, as:

(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
n n nn n n n
n
n
n
b
b
b
b
x
x
x
x
a a a a
a a a a
a a a a
a a a a
.
.
.
.
.....
.
.
.
.
.
.
.
.
.
.
.....
.....
.....
3
2
1
3
2
1
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11

Se dice que el sistema es diagonalmente dominante s el valor absoluto de un elemento sobre la
diagonal principal de la matriz del sistema es mayor que el valor absoluto de los dems elementos
de la fila correspondiente.
ij ii
a a >

El siguiente sistema, por ejemplo, es diagonalmente dominante:

(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
1
2
5
3
2
.
.
5 4 3 2 1
1 5 2 2 0
2 1 3 0 2
1 3 2 4 1
1 0 2 1 3
3
2
1
n
x
x
x
x

Los sistemas diagonalmente dominantes se pueden resolver numricamente por dos mtodos
diferentes, segn veremos a continuacin.

6.2. Mtodo de Jacobi con nmero de iteraciones.
El mtodo consiste en escribir el sistema, por simplicidad lo tomamos de orden cuatro, en la
siguiente forma:

59

(
(
(
(
(
(
(
(
(

=
(
(
(
(
44
3 43 2 42 1 41 4
33
4 34 2 32 1 31 3
22
4 24 3 23 1 21 2
11
4 14 3 13 2 12 1
4
3
2
1
a
x a x a x a b
a
x a x a x a b
a
x a x a x a b
a
x a x a x a b
x
x
x
x

Denotamos por x al vector solucin, as:
(
(
(
(
=
4
3
2
1
x
x
x
x
x

Con base en lo anterior resulta una ecuacin matricial de la forma ) (x x g = . Puede notarse la
similitud con el caso de la solucin de una ecuacin con una incgnita por el mtodo de iteracin
de punto fijo ) (x g x = . Recordemos que para el caso de una variable se genera la sucesin:
k
x
tal que semila x =
1
y ) (
1 k k
x g x =
+
con la condicin de que 1 ) ( ' < x g en las inmediaciones de
la solucin.
Por analoga se puede pensar que se debe generar una sucesin de vectores
( ) k
x , tal que
( ) 1
x es
una semilla y
( ) ( )
( )
k k
g x x =
+1

Se estn usando superndices para el caso vectorial. La convergencia de la sucesin vectorial est
asociada al hecho de que el sistema es diagonalmente dominante. Ms adelante se presentar la
justificacin correspondiente. El estudiante no debe perder de vista el hecho de que el sistema
debe ser diagonalmente dominante con lo cual se garantiza la convergencia de la sucesin:

( ) ( )
( )
k k
g x x =
+1

Para generar la sucesin se recomienda la semilla:
( )
(
(
(
(
=
44 4
33 3
22 2
11 1
1
/
/
/
/
a b
a b
a b
a b
x
Ejemplo 6.1
Encuentre la solucin aproximada del siguiente sistema, por el mtodo de Jacobi y compare con la
solucin exacta
(
(
(
=
(
(
(
(
(
(
2
1
3
4 2 1
2 3 1
1 1 2
z
y
x

Solucin.
Como puede verse, el sistema es diagonalmente dominante y se puede expresar en la forma:

60

4
2 2
3
2 1
2
3
1
1
1
k k
k
k k
k
k k
k
y x
z
z x
y
z y
x
+
=

=

=
+
+
+

5000 . 0
3333 . 0
5000 . 1
1
1
1
=
=
=
z
y
x

Algoritmo en Matlab para aplicar el mtodo de Jacobi con nmero de iteraciones.
clear all
% Solucion de un sistema de orden tres diagonalmente dominante
% x=g1(y,z); y=g2(x,z); z=g3(x,y)
% n nmero de iteraciones
% Todas las semillas se inicializan de acuerdo con la recomendacin previa
g1=input('g1(y,z)=');
g2=input('g2(x,z)=');
g3=input('g3(x,y)=');
xi=input('xinicial=');
yi=input('yinicial=');
zi=input('zinicial=');
% Se genera una matriz M cuya primera fila es la semilla
M(1,1)=xi;
M(1,2)=yi;
M(1,3)=zi;
for k=1:n;
x=M(k,1);
y=M(k,2);
z=M(k,3);
M(k+1,1) = eval(g1);
M(k+1,2) = eval(g2);
M(k+1,3) = eval(g3);
end
M

Ejecutando el programa con los datos del ejemplo, se tiene:

>> Jacobi
g1(y,z)='(3-y-z)/2'
g2(x,z)='(x+2*z-1)/3'
g3(x,y)='(2+x-2*y)/4'
xinicial=1.5
yinicial=-1/3
zinicial=1/2

ans =
1.5000 -0.3333 0.5000
1.4167 0.5000 1.0417
0.7292 0.8333 0.6042
0.7812 0.3125 0.2656
1.2109 0.1042 0.5391
1.1784 0.4297 0.7507
0.9098 0.5599 0.5798
0.9302 0.3564 0.4475
61

1.0980 0.2751 0.5543
1.0853 0.4022 0.6370
0.9804 0.4531 0.5702
0.9883 0.3736 0.5186
1.0539 0.3418 0.5603
1.0489 0.3915 0.5926
1.0080 0.4114 0.5665
1.0111 0.3803 0.5463
1.0367 0.3679 0.5626
1.0347 0.3873 0.5752
1.0187 0.3951 0.5650
1.0200 0.3829 0.5572
1.0300 0.3781 0.5635

La solucin, en la iteracin nmero 20 es:

(
(
(
=
(
(
(
5635 . 0
3781 . 0
0300 . 1
z
y
x

S se usa el paquete, la solucin directa del sistema, por el mtodo de la inversa es:

>> A=[2 1 1;1 -3 2;-1 2 4];
>> b=[3;1;2]
>> b=[3;1;2];
>> x=inv(A)*b;
>> x
x =
1.0256
0.3846
0.5641
Como puede verse, el error absoluto que se comete viene dado por:

(
(
(
=
(
(
(
(
(
(
=
0006 . 0
0065 . 0
0044 . 0
5541 . 0
3846 . 0
0256 . 1
5635 . 0
3781 . 0
0300 . 1
error

Es claro que la convergencia es bastante lenta. Para mejores aproximaciones es necesario
efectuar un mayor nmero de iteraciones. Por ejemplo, al tomar 50 = n , la convergencia se
presenta en las iteraciones 46 y 47, con los resultados:

1.0256 0.3846 0.5641
1.0256 0.3846 0.5641

6.3. Mtodo de Gauss-Seidel con nmero de iteraciones.
El mtodo es una variante del mtodo de Jacobi y consiste bsicamente en utilizar los valores
recientes de las variables:
3 2 1
, , x x x para calcular la variable:
4
x
Para un sistema de orden cuatro, a partir de la semilla, se generan las cuatro sucesiones:

62

) , , ( 4
) , , ( 3
) , , ( 2
) , , ( 1
1
3
1
2
1
1
1
4
3
1
2
1
1
1
3
4 3
1
1
1
2
4 3 2
1
1
+ + + +
+ + +
+ +
+
=
=
=
=
k k k k
k k k k
k k k k
k k k k
x x x g x
x x x g x
x x x g x
x x x g x

Acomodando el algoritmo de Jacobi, resulta el siguiente:
clear all
% x=g1(y,z); y=g2(x,z); z=g3(x,y)
% Todas las semillas se inicializan de acuerdo con la recomendacin previa
M(1,1)=xi;
M(1,2)=yi;
M(1,3)=zi;
for k=1:n;
x=M(k,1);
y=M(k,2);
z=M(k,3);
M(k+1,1) = eval(g1);
x=M(k+1,1);
M(k+1,2) = eval(g2);
y=M(k+1,2);
M(k+1,3) = eval(g3);
end
M

Al ejecutar el programa con la informacin del ejemplo, resulta:

g1(y,z)='(3-y-z)/2'
g2(x,z)='(x+2*z-1)/3'
g3(x,y)='(2+x-2*y)/4'
xinicial=1.5
yinicial=-1/3
zinicial=1/2

M =

1.5000 -0.3333 0.5000
1.4167 0.4722 0.6181
0.9549 0.3970 0.5402
1.0314 0.3706 0.5725
1.0284 0.3912 0.5615
1.0237 0.3822 0.5648
1.0265 0.3854 0.5639
63

1.0253 0.3844 0.5641
1.0257 0.3847 0.5641
1.0256 0.3846 0.5641
1.0256 0.3846 0.5641

Observe que la convergencia se presenta en las iteraciones 10 y 11. Las ventajas del mtodo
saltan a la vista.

6.4. Mtodo de Gauss-Seidel con tolerancia.
En este caso no se introduce el nmero de iteraciones sino la tolerancia como criterio de paro. El
programa es el siguiente:

%gausetol
%Programa para resolver sistemas de orden tres diagonalmente dominantes por el mtodo de
Gauss-Seidel
%tomando la tolerancia como criterio de paro
clear all
tol=input('tolerancia=');
xi=input('semillax= ');
yi=input('semillay= ');
zi=input('semillaz= ');
g1=input('g1(y,z)= ');
g2=input('g2(x,z)= ');
g3=input('g3(x,y)= ');
M(1,1)=xi;
M(1,2)=yi;
M(1,3)=zi;
vtol=[tol,tol,tol];
E=[1,1,1];
k=1;
while abs(E)>vtol,
x=M(k,1);
y=M(k,2);
z=M(k,3);
M(k+1,1)=eval(g1);
x=M(k+1,1);
M(k+1,2)=eval(g2);
y=M(k+1,2);
M(k+1,3)=eval(g3);
E=M(k+1,:)-M(k,:);
k=k+1;
end
M
K
Abs(E)

Al ejecutar el programa con los datos del ejemplo y tomando como tolerancia 0001 . 0 = tol , se
tiene:
>> gausetol3
>> gausetol3
tolerancia=0.0001
semillax= 1.5
semillay= -1/3
semillaz= 0.5
g1(y,z)= '(3-y-z)/2'
g2(x,z)= '(x+2*z-1)/3'
64

g3(x,y)= '(2+x-2*y)/4'

M =

1.5000 -0.3333 0.5000
1.4167 0.4722 0.6181
0.9549 0.3970 0.5402
1.0314 0.3706 0.5725
1.0284 0.3912 0.5615
1.0237 0.3822 0.5648
1.0265 0.3854 0.5639
1.0253 0.3844 0.5641
1.0257 0.3847 0.5641

k =

9

ans =

1.0e-003 *

0.3793 0.2537 0.0320

Puede verse que la tolerancia se alcanza con 9 iteraciones.

EJERCICIOS

1) Escriba los programas para aplicar el mtodo de Gauss-Seidel para sistemas de orden 4, tanto
para nmero de iteraciones como para la tolerancia.

2) Usando el algoritmo de Gauss-Seidel con n=20, resuelva los sistemas descritos a continuacin.

1)
= +
= +
= +
6 6 3
6 2 3
12 4 3 5
z y x
z y x
z y x
2)
= +
= +
= +
8 8 6
6 2 3
12 4 3 6
z y x
z y x
z y x

3)
= +
= + +
= + +
8 6 6
6 2 3
12 5 3 2
z y x
z y x
z y x
4)
= +
= +
= +
6 8 6
6 2 3
12 4 3 10
z y x
z y x
z y x

5)
= +
= +
= +
8 6
6 2 3
12 4 3 5
z y x
z y x
z y x
6)
= +
= + +
= + +
8 10 6 2
6 2 3
12 5 3 9
z y x
z y x
z y x

65

7)
= +
= + +
= +
= +
6 3
1 2 4
5 2 3 2
3 2
4 3
4 3 2
3 2 1
2 1
x x
x x x
x x x
x x
8)
= +
= + +
= +
= +
6 3
8 2 4
12 3
6 3
4 3
4 3 2
3 2 1
2 1
x x
x x x
x x x
x x

9)
= +
= + + +
= +
= +
10 5 2
4 2 4
6 2 3 2
10 2 5
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
x x x x
x x x x
x x x x
x x x x
10)
= +
= + +
=
= +
10 5 2
4 4
6 2 3
10 2 5
4 3 2 1
3 2 1
4 3 2
4 3 2 1
x x x x
x x x
x x x
x x x x

3) Resuelva los sistemas dado por Gauss-Seidel con tolerancia
5
10
= tol

66

MDULO 7
SISTEMAS DE ECUACIONES NO LINEALES. MTODO DE NEWTON

En este mdulo se presenta la solucin de un sistema con una ecuacin lineal y una cuadrtica.
Adems, se presenta el mtodo de Newton para la solucin de sistemas no lineales, tanto de
segundo como de tercer orden. Los temas a desarrollar son los siguientes:

7.1. Representacin grfica de relaciones en el plano
7.2. Sistemas con una ecuacin lineal y una cuadrtica
7.3. Sistemas de dos ecuaciones con dos incgnitas. Mtodo de Newton
7.4. Sistemas de tres ecuaciones con tres incgnitas. Mtodo de Newton

7.1. Representacin grfica de relaciones en el plano.
Una relacin de variable real es un conjunto de parejas ( )
2
, R y x , en las que las variables estn
relacionadas de manera implcita por la ecuacin 0 ) , ( = y x F . Grficamente, una relacin es una
curva del plano. Son ejemplos de relaciones: las rectas del plano, las cnicas y un sinnmero de
relaciones importantes en ingeniera y ciencias. Para graficar una relacin se debe abrir una
ventana o regin rectangular definida como:

{ } yf y yi xf x xi R y x regin = / ) , (
2

A continuacin se presenta un programa simple para representar grficamente dos relaciones en la
misma figura.
%Representacin grfica de dos relaciones del plano
clear all
% Se introducen los datos de la ventana
xi=input('abscisainicial=');
xf=input('abscisainfinal=');
yi=input('ordenadainicial=');
yf=input('ordenadainfinal=');
%Se introducen las ecuaciones
F=input('entre la funcion F(x,y)=');
G=input('entre la funcion G(x,y)=');
%Se representa grficamente la primera
ezplot(F,[xi,xf,yi,yf])
%Se sostiene la grfica
hold on
%Se representa grficamente la segunda
ezplot(G,[xi,xf,yi,yf])
%Se colocan las cuadrculas
grid on

Ejemplo 7.1
Represente, en la misma figura, las relaciones:

+ =
+ =
3 2 3 ) , (
4 2 ) , (
2 2
xy y x y x G
y x y x F

Solucin.
Se ejecuta el programa, as:
>> grarel
abscisainicial=-3
abscisainfinal=3
67

ordenadainicial=-3
ordenadainfinal=3
entre la funcion F(x,y)='2*x+y-4'
entre la funcion G(x,y)='x^2+3*y^2-2*x*y-3'

La figura 7.1 muestra la grfica correspondiente.

Figura 7.1

Ejemplo 7.2
La ecuacin polar de una lemniscata es ) 2 cos(
2 2
a r = , mientras que la de una cardiode es
( ) ) cos( 1 + = a r .
a) Tomando 2 = a , escriba las ecuaciones en coordenadas cartesianas rectangulares.
b) Represente ambas curvas en la misma figura.

Solucin.
a) Teniendo en cuenta las frmulas de transformacin se tiene:

Lemniscata: ( ) ( ) 0 4
2 2
2
2 2
= + y x y x
Cardioide: ( ) ( ) 0 4 2
2 2
2
2 2
= + + y x x y x

b) Ejecutando el programa se tiene:
>> grarel
abscisainicial=-3
abscisainfinal=5
ordenadainicial=-3
ordenadainfinal=3
entre la funcion F(x,y)='(x^2+y^2)^2-4*(x^2-y^2)'
entre la funcion G(x,y)='(x^2+y^2-2*x)^2-4*(x^2+y^2)'

La figura 7.2 muestra la grfica correspondiente. La lnea slida corresponde a la lemniscata.

-3 -2 -1 0 1 2 3
-3
-2
-1
0
1
2
3
x
y
x
2
+3 y
2
-2 x y-3 = 0
68

Figura 7.2

7.2. Sistemas con una ecuacin lineal y una cuadrtica
Geomtricamente, una ecuacin lineal es una recta del plano, mientras que una ecuacin
cuadrtica es una curva. Una solucin real del sistema corresponder a un punto de corte entre la
recta y la curva. La figura 7.3 ilustra las tres posibles situaciones que se pueden presentar al
resolver el sistema.
En el primer caso el sistema tiene dos soluciones, en el segundo se tiene una solucin y en el
tercero no hay solucin real. Para resolver el sistema se procede por sustitucin de la recta en la
curva.

Figura 7.3
Ejemplo 7.3
Resuelva el sistema de ecuaciones:
= +
= +
0 3 2 3
4 2
2 2
xy y x
y x

Solucin.
Sustituyendo la recta en la curva, resulta una ecuacin cuadrtica para x, as:

0 3 ) 2 4 ( 2 ) 2 4 ( 3
2 2
= + x x x x
Al simplificar resulta: 0 45 56 17
2
= + x x
Aplicando la frmula general, se obtiene que: 5 903 . 1 3907 . 1
2 1
= = x x
En consecuencia, los puntos de corte son:
-3 -2 -1 0 1 2 3 4 5
-3
-2
-1
0
1
2
3
x
y
(x
2
+y
2
-2 x)
2
-4 (x
2
+y
2
) = 0
69

) 2187 . 1 , 3907 . 1 ( A
) 1931 . 0 , 9035 . 1 ( = B

La representacin grfica del sistema se muestra en la figura 7.1.

7.3. Sistemas de dos ecuaciones con dos incgnitas.
Consideremos dos curvas del plano cuyas ecuaciones son:

=
=
0 ) , (
0 ) , (
y x G
y x F

La figura 7.4 muestra dos curvas que se cortan en un punto, lo cual se interpreta como una
solucin real del sistema de ecuaciones.

Figura 7.4

La solucin exacta del sistema de ecuaciones es la pareja
E E
y x ,
Se dice que la pareja ( )
k k
y x , es una solucin aproximada del sistema si se verifica que:

(
<
(
2
1
tol
tol
y y
x x
k E
k E

7.3.1. Aproximacin lineal de una curva del plano.
Supongamos que las funciones ) , ( ), , ( y x G y x F son continuas y poseen, al menos, la primera
derivada continua en una regin del plano en la que est ubicada la solucin. S el punto ( )
1 1
, y x
est en la regin, entonces ambas funciones tienen un desarrollo en series de potencias en un
entorno de dicho punto y sus aproximaciones lineales vienen dadas por:

( ) ( )
1 1 1 1 1 1 1 1
) , ( ) , ( ) , ( ) , ( y y y x F x x y x F y x F y x F
y x
+ +
( ) ( )
1 1 1 1 1 1 1 1
) , ( ) , ( ) , ( ) , ( y y y x G x x y x G y x G y x G
y x
+ +

Geomtricamente, las aproximaciones lineales son dos rectas que se cortan en las inmediaciones
de la solucin. Se trata pues de resolver el sistema de ecuaciones lineales:

(
=
(
) , (
) , (
) , ( ) , (
) , ( ) , (
1 1
1 1
1
1
1 1 1 1
1 1 1 1
y x G
y x F
y y
x x
y x G y x G
y x F y x F
y x
y x

70

Si denotamos la solucin del sistema por
(
2
2
y
x
, tenemos que:
) , (
) , ( 1
1 1
1 1
1 2
y x H
y x H
x x = ;
) , (
) , ( 2
1 1
1 1
1 2
y x H
y x H
y y =

El sistema se resolvi usando la regla de Kramer, esto es, cada variable es el cociente de dos
determinantes. En nuestro caso, tenemos:

) , ( ) , (
) , ( ) , (
) , (
1 1 1 1
1 1 1 1
1 1
y x G y x G
y x F y x F
y x H
y x
y x
=
) , ( ) , (
) , ( ) , (
) , ( 1
1 1 1 1
1 1 1 1
1 1
y x G y x G
y x F y x F
y x H
y
y
=
) , ( ) , (
) , ( ) , (
) , ( 2
1 1 1 1
1 1 1 1
1 1
y x G y x G
y x F y x F
y x H
x
x
=

) , ( y x H : recibe el nombre de Jacobiano de las funciones.

Ejemplo 7.4
Dado el sistema de ecuaciones:
0 ) , (
0 1 2 ) , (
2
2
= + =
= =
x y y y x G
x x y y x F

a) Represente grficamente
b) Encuentre la aproximacin lineal para cada curva en una vecindad del punto ( ) 2 , 2
c) Tomando como semilla el punto ( ) 2 , 2 , determine la siguiente pareja por el mtodo de Newton.

Solucin.
a) Ejecutamos el programa graficador, as:
>> grarel
abscisainicial=-4
abscisainfinal=2
ordenadainicial=-2
ordenadainfinal=4
entre la funcion F(x,y)='y-x^2-2*x-1'
entre la funcion G(x,y)='y^2-y+x'
La figura 7.5 muestra la grfica resultante.

b) Para las aproximaciones lineales en una vecindad del punto ( ) 2 , 2 se procede de la siguiente
manera:
1 ) 2 , 2 ( 0 1 2 ) , (
2
= = = F x x y y x F
0 ) 2 , 2 ( 0 ) , (
2
= = + = G x y y y x G
2 ) 2 , 2 ( 2 2 ) , ( = =
x x
F x y x F
1 ) 2 , 2 ( 1 ) , ( = =
y y
F y x F
1 ) 2 , 2 ( 1 ) , ( = =
x x
G y x G
71

3 ) 2 , 2 ( 1 2 ) , ( = =
y y
G y y x G
Las aproximaciones lineales son:
1) Para la funcin ) , ( y x F : 3 2 0 1 ) 2 ( 1 ) 2 ( 2 = + = + + + y x y x
2) Para la funcin ) , ( y x G : 4 3 0 0 ) 2 ( 3 ) 2 ( 1 = + = + + + y x y x
c) La nueva pareja resulta de resolver el sistema lineal hallado. El resultado es ( ) 2 . 2 , 6 . 2

Figura 7.5

7.3.2. Mtodo de Newton.
El mtodo desarrollado para encontrar la pareja ( )
2 2
, y x a partir de la pareja ( )
1 1
, y x recibe el
nombre de mtodo de Newton. Procediendo de manera iterativa se genera una sucesin de
parejas ( )
k k
y x , a partir de la semilla inicial y con la siguiente frmula de recurrencia:

(
=
(
+
+
k k
k k
k
k
k
k
H H
H H
y
x
y
x
/ 2
/ 1
1
1

En la frmula anterior se tiene que:

) , ( ) , (
) , ( ) , (
k k y k k x
k k y k k x
k
y x G y x G
y x F y x F
H = ;
) , ( ) , (
) , ( ) , (
1
k k y k k
k k y k k
k
y x G y x G
y x F y x F
H = ;
) , ( ) , (
) , ( ) , (
2
k k k k x
k k k k x
k
y x G y x G
y x F y x F
H =

7.3.3. Programa en Matlab para el mtodo de Newton.
Un programa en Matlab para encontrar una solucin de un sistema de dos ecuaciones con dos
incgnitas es el siguiente:
%Newton 2x2
clear all
xi=input('semilla x= ');
yi=input('semilla y= ');
-4 -3 -2 -1 0 1 2
-2
-1
0
1
2
3
4
x
y
y
2
-y+x = 0
72

F=input(' entre F(x,y)=');
G=input(' entre G(x,y)=');
Fx=input(' entre Fx(x,y)=');
Fy=input(' entre Fy(x,y)=');
Gx=input(' entre Gx(x,y)=');
Gy=input(' entre Gy(x,y)=');
xe(1)=xi;
ye(1)=yi;
for k=1:n
x=xe(k);
y=ye(k);
H(k)=eval(Fx)*eval(Gy)-eval(Gx)*eval(Fy);
Hx(k)=eval(F)*eval(Gy)-eval(G)*eval(Fy);
Hy(k)=eval(Fx)*eval(G)-eval(Gx)*eval(F);
xe(k+1)=xe(k)-Hx(k)/H(k);
ye(k+1)=ye(k)-Hy(k)/H(k);
end
[xe ye]

Ejemplo 7.5
Resuelva el sistema del ejemplo anterior con 10 = n

Solucin.
Ejecutamos el programa, as:
semilla x= -2
semilla y= 2
entre F(x,y)='y-x^2-2*x-1'
entre G(x,y)='y^2-y+x'
entre Fx(x,y)='-2*x-2'
entre Fy(x,y)='1'
entre Gx(x,y)='1'
entre Gy(x,y)='2*y-1'

ans =

-2.0000 2.0000
-2.6000 2.2000
-2.4721 2.1506
-2.4656 2.1479
-2.4656 2.1479
-2.4656 2.1479
-2.4656 2.1479
-2.4656 2.1479
-2.4656 2.1479

Puede verse que la solucin se encuentra en la quinta iteracin.

El inconveniente del programa consiste en que es necesario introducir, adems de las funciones,
las 4 derivadas parciales. A continuacin se presenta un programa modificado que solo requiere la
introduccin de las dos funciones. El programa representa un ahorro importante en el tiempo de
ejecucin.
%Newton2x2con sym
clear all
73

F=input(' entre F(x,y)=');
G=input(' entre G(x,y)=');
Fx=diff(F,'x');
Fy=diff(F,'y');
Gx=diff(G,'x');
Gy=diff(G,'y');
xe(1)=xi;
ye(1)=yi;
for k=1:n
x=xe(k);
y=ye(k);
H(k)=eval(Fx)*eval(Gy)-eval(Gx)*eval(Fy);
Hx(k)=eval(F)*eval(Gy)-eval(G)*eval(Fy);
Hy(k)=eval(Fx)*eval(G)-eval(Gx)*eval(F);
xe(k+1)=xe(k)-Hx(k)/H(k);
ye(k+1)=ye(k)-Hy(k)/H(k);
end
[xe' ye']

Ejemplo 7.6
Resuelva el sistema: lemniscata-Cardioide del ejemplo 7.2.

Solucin.
Con base en la figura 7.2, las dos soluciones son simtricas con respecto al eje de abscisas, con lo
que se halla un de las soluciones. Para la solucin del segundo cuadrante se puede tomar la
semilla 5 . 0 , 5 . 0 = = yi xi . Al ejecutar el programa con 5 iteraciones se tiene:
semilla x= -0.5
semilla y= 0.5
entre F(x,y)='(x^2+y^2)^2-4*(x^2-y^2)'
entre G(x,y)='(x^2+y^2-2*x)^2-4*(x^2+y^2)'

ans =

-0.5000 0.5000
-0.4318 0.4091
-0.3995 0.3726
-0.3926 0.3654
-0.3923 0.3651
-0.3923 0.3651

Ejemplo 7.7
Una funcin de variable compleja ) (z f puede expresarse mediante su parte real y su parte
imaginaria haciendo jy x z + = as:
) , ( ) , ( ) ( y x jG y x F z f + =

Las races de la ecuacin 0 ) ( = z f se determinan resolviendo el sistema de ecuaciones no
lineales:
74

=
=
0 ) , (
0 ) , (
y x G
y x F

Para determinar las races se procede a representar grficamente con el fin de determinar las
semillas y luego se aplica el mtodo de Newton.
Con base en lo anterior, determine las races de la ecuacin: 0 2 3
2 3
= + z jz z

Solucin.
Haciendo jy x z + = se tiene:

) 2 3 3 ) ) ( 2 ( ) ( ) ( 3 3
2 ) ( 3 ) ( ) (
2 2 3 2 2 3
2 3
+ + + + + + +
+ + + +
jy x jy xjy x j jy jy x jy x x
jy x jy x j jy x

Simplificando, resulta el sistema de ecuaciones:

0 3 3 ) , (
0 2 3 2 3 ) , (
2 2 3 2
2 3
= + + =
= + + =
y y x y y x y x G
x xy xy x y x F

La representacin grfica se muestra en la figura 7.6.

Figura 7.6

A partir de la grfica se observa tres soluciones: una en el primer cuadrante, una en el segundo y
otra en el tercero.
a) En el primer cuadrante se toman las semillas 5 . 0 = xi , 0 = yi y se aplica el mtodo de
Newton, as:
semilla x= 0.5
semilla y= 0
entre F(x,y)='x^3-3*x*y^2+2*x*y+3*x-2'
entre G(x,y)='3*y*x^2-y^3-x^2+y^2+3*y'

ans =

-5 -4 -3 -2 -1 0 1 2 3 4 5
-5
-4
-3
-2
-1
0
1
2
3
4
5
x
y
3 y x
2
-y
3
-x
2
+y
2
+3 y = 0
75

0.5000 0
0.5768 0.0871
0.5756 0.0814
0.5756 0.0814

b) En el segundo cuadrante se toman las semillas 5 . 0 = xi , 2 = yi y se aplica el mtodo de
Newton, as:
semilla x= -0.5
semilla y= 2
entre F(x,y)='x^3-3*x*y^2+2*x*y+3*x-2'
entre G(x,y)='3*y*x^2-y^3-x^2+y^2+3*y'

ans =

-0.5000 2.0000
-0.0856 2.2772
-0.2440 2.3285
-0.2298 2.3400
-0.2300 2.3401
-0.2300 2.3401

c) En el tercer cuadrante se toman las semillas 5 . 0 = xi , 5 . 1 = yi y se aplica el mtodo de
Newton, as:
semilla x= -0.5
semilla y= -1.5
entre F(x,y)='x^3-3*x*y^2+2*x*y+3*x-2'
entre G(x,y)='3*y*x^2-y^3-x^2+y^2+3*y'

ans =

-0.5000 -1.5000
-0.3660 -1.4189
-0.3457 -1.4212
-0.3456 -1.4216
-0.3456 -1.4216

7.4. Sistemas de tres ecuaciones con tres incgnitas.
El mtodo de Newton desarrollado previamente para resolver sistemas de dos ecuaciones con dos
incgnitas puede generalizarse para resolver sistemas de cualquier orden.
Consideremos un sistema de tres ecuaciones con tres incgnitas, de la forma:

=
=
=
0 ) , , (
0 ) , , (
0 ) , , (
z y x W
z y x G
z y x F

Cada ecuacin es una superficie del espacio. Si el sistema tiene solucin, las tres superficies se
cortan en un punto ( )
E E E
z y x , ,
Procediendo de manera similar al sistema de segundo orden, a partir de la semilla ( )
1 1 1
, , z y x se
genera la tripleta ( )
2 2 2
, , z y x , as:

76

(
(
(
=
(
(
(
(
(
(
) , , (
) , , (
) , , (
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
1 1 1
1 1 1
1 1 1
1
1
1
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
z y x W
z y x G
z y x F
z z
y y
x x
z y x W z y x W z y x W
z y x G z y x G z y x G
z y x F z y x F z y x F
z y x
z y x
z y x

Se generan los cuatro determinantes:

) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
H
z y x
z y x
z y x
=
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
1
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
H
z y
z y
z y
=
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
2
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
H
z x
z x
z x
=
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
) , , ( ) , , ( ) , , (
3
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
H
y x
y x
y x
=

En consecuencia, las componentes de la siguiente aproximacin se encuentran as:

H H z z
H H y y
H H x x
/ 3
/ 2
/ 1
1 2
1 2
1 2
=
=
=

El algoritmo de solucin se puede escribir a partir del correspondiente a los sistemas de dos por
dos. Un problema a resolver es la escogencia de la semilla. Para tal efecto se recomienda eliminar
una de las incgnitas y representar grficamente el sistema de dos ecuaciones con dos incgnitas.
El programa para resolver el sistema es el siguiente:
%Newton3x3
clear all
sym x;
sym y;
sym z;
zi=input('semilla z= ');
F=input(' entre F(x,y,z)=');
G=input(' entre G(x,y,z)=');
W=input(' entre W(x,y,z)=');
Fx=diff(F,'x');
Fy=diff(F,'y');
Fz=diff(F,'z');
Gx=diff(G,'x');
77

Gy=diff(G,'y');
Gz=diff(G,'z');
Wx=diff(W,'x');
Wy=diff(W,'y');
Wz=diff(W,'z');
xe(1)=xi;
ye(1)=yi;
ze(1)=zi;
for k=1:n
x=xe(k);
y=ye(k);
z=ze(k);
H=[eval(Fx),eval(Fy),eval(Fz);eval(Gx),eval(Gy),eval(Gz);eval(Wx),eval(Wy),eval(Wz)];
Hx=[eval(F) eval(Fy) eval(Fz);eval(G) eval(Gy) eval(Gz);eval(W) eval(Wy) eval(Wz)];
Hy=[eval(Fx) eval(F) eval(Fz);eval(Gx) eval(G) eval(Gz);eval(Wx) eval(W) eval(Wz)];
Hz=[eval(Fx) eval(Fy) eval(F);eval(Gx) eval(Gy) eval(G);eval(Wx) eval(Wy) eval(W)];
xe(k+1)=xe(k)-det(Hx)/det(H);
ye(k+1)=ye(k)-det(Hy)/det(H);
ze(k+1)=ze(k)-det(Hz)/det(H);
end
[xe' ye' ze']

Ejemplo 7.8
Determine una solucin para el siguiente sistema de ecuaciones:

= +
= +
= + +
0 1 2
0 4
0 3 3
2
2
z y x
y x
z y x

Solucin.
Eliminemos la variable z igualando las ecuaciones 1 y 3, as:

( ) y x y x 2 1 3 3
2
+ =

La ecuacin obtenida, junto con la segunda, nos lleva al sistema:

4 ) , (
2 1 ) 3 3 ( ) , (
2
2
+ =
+ =
y x y x G
y x y x y x F

Representamos grficamente en la ventana [ ] 5 , 5 , 5 , 5 , as:
>> grarel
abscisainicial=-5
abscisainfinal=5
ordenadainicial=-5
ordenadainfinal=5
entre la funcion F(x,y)='(3-3*x-y)^2-1+x-2*y'
entre la funcion G(x,y)='x+y^2-4'

La figura 7.7 ilustra la grfica correspondiente. Puede verse que se tienen dos soluciones: una en
el primer cuadrante y otra en el segundo. La semilla en el primer cuadrante puede ser
2 , 1 = = yi xi . La semilla para z se obtiene de cualquiera de las ecuaciones del sistema original.
78

Figura 7.7

Si tomamos la primera ecuacin se obtiene 2 = zi . Al ejecutar el programa se encuentra que:
semilla x= 1
semilla y= 2
semilla z= -2
entre F(x,y,z)='3*x+y+z-3'
entre G(x,y,z)='x+y^2-4'
entre W(x,y,z)='x-2*y+z^2-1'

ans =

1.0000 2.0000 -2.0000
1.0400 1.7400 -1.8600
1.0412 1.7202 -1.8438
1.0412 1.7201 -1.8437
1.0412 1.7201 -1.8437

La solucin se obtiene al cabo 5 iteraciones.

EJERCICIOS.

Usando el mtodo de Newton determine una solucin para cada uno de los siguientes sistemas.

1)
= + +
= + + +
0 3
8 2
2 2
2 2
y y x x
y y x x
2)
= +
= + + +
0
4 2
3 2
2 2
y x x
y y x x

3)
= +
= + + +
0 2
4 2
3 2
2 2
y x x
y y y x

4) Determine las races de la ecuacin: 0 ) ( 3
2 3
= + + z sen z z z

-5 -4 -3 -2 -1 0 1 2 3 4 5
-5
-4
-3
-2
-1
0
1
2
3
4
5
x
y
x+y
2
-4 = 0
79

5) La ecuacin polar de una lemniscata es ) 2 cos(
2 2
a r = , mientras que para la cardiode es
( ) ) ( 1 sen a r + = .
a) Tomando 2 = a , escriba las ecuaciones en coordenadas cartesianas rectangulares.
b) Represente ambas curvas en la misma figura.
c) Determine los puntos de corte

5)
= + +
= +
= +
3 2
2
1 2
2
2
2
z y x
z y x
z y x
6)
= + +
= +
= + +
3 2
2
2
2
2
z y x
z e x
z y x
y

7)
= +
= +
= + +
4
2
1
2
2
2
z y x
z y x
z y x
8)
= +
= +
= + +
4 ) cos(
2
1 ) (
2
2
2
z y x
z y x
z y sen x

80

MDULO 8
SISTEMAS DE ECUACIONES NO LINEALES. MTODOS DE JACOBI Y
GAUSS-SEIDEL

En este mdulo se presenta la solucin de un sistema no lineal diagonalmente dominante, por los
mtodos de Jacobi y Gauss-Seidel.

8.1. Sistemas de segundo orden diagonalmente dominantes.
8.2. Mtodo iterativo para sistemas de segundo orden
8.3. Sistemas de tercer orden diagonalmente dominantes.
8.4. Mtodo de Gauss-Seidel.
8.5. Sistemas de orden cuatro.

8.1. Sistemas de segundo orden diagonalmente dominantes.
Consideremos un sistema de segundo orden que se puede expresar en la forma:

=
=
) , (
) , (
2
1
y x g y
y x g x

Se dice que el sistema es diagonalmente dominante si se verifica que la norma euclidiana del
gradiente de cada funcin es menor que la unidad en las inmediaciones de la solucin.

Ejemplo 8.1
Un sistema viene dado por:
+ =
=
2 / 2 3
2
4
xy y
y
x

Determine el gradiente de cada funcin.

Solucin.
a) Para la primera funcin se tiene:
y
x
2
1
=
Es claro que la norma del vector es menor que la unidad.

b) Para la segunda funcin se tiene:

( )
y x
x y
xy
y 2 2
3 2 4
1
+
+
=
La norma del gradiente es:
3 2 2
1
2 2
+
+
=
xy
y x
y

Puede verse que en las inmediaciones del punto ( ) 1 , 1 la norma es menor que la unidad. Lo mismo
ocurre en el punto ( ) 0 , 2 . Ver la figura 8.1.

8.2. Solucin iterativa de un sistema de segundo orden.
Supongamos que el siguiente sistema es diagonalmente dominante:
81

=
=
) , (
) , (
2
1
y x g y
y x g x

El mtodo consiste en generar dos sucesiones { } { }
k k
y x , a partir de una semilla ( )
1 1
, y x y usando
las frmulas de recurrencia:
) , (
) , (
1 2 1
1 1
k k k
k k k
y x g y
y x g x
+ +
+
=
=

El programa en Matlab para hallar una solucin del sistema es el siguiente:
%Sistemas no lineales 2x2. Solucin iterativa.
clear all
% Solucion de un sistema de orden dos diagonalmente dominante
% x=g1(x,y); y=g2(x,y);
M(1,1)=xi;
M(1,2)=yi;
for k=1:n;
x=M(k,1);
y=M(k,2);
M(k+1,1)=eval(g1);
x=M(k+1,1);
M(k+1,2)=eval(g2);
end
M

Ejemplo 8.2.
Consideremos el sistema de ecuaciones dado a continuacin:

= =
= + =
0 3 2 4 ) , (
0 4 2 ) , (
2
xy y y x G
y x y x F

a) Represente las ecuaciones en la misma figura.
>> grarel
abscisainicial=-5
abscisainfinal=5
ordenadainicial=-5
ordenadainfinal=5
entre la funcion F(x,y)='2*x+y-4'
entre la funcion G(x,y)=4*y^2-2*x*y-3
La grfica se ilustra en la figura 8.1.

b) Con base en la figura 8.1, determine la solucin del primer cuadrante.
El sistema se escribe como:
82

+ =
=
2 / 2 3
2
4
xy y
y
x

Figura 8.1

Tomamos la semilla adecuada y ejecutamos el programa con n=20, as:
>> gausei2x2
g1(x,y)='(4-y)/2'
g2(x,y)='sqrt(3+2*x*y)/2'
xinicial=1
yinicial=1

M =

1.0000 1.0000
1.5000 1.2247
1.3876 1.2648
1.3676 1.2708
1.3646 1.2716
1.3642 1.2718
1.3641 1.2718
1.3641 1.2718

La convergencia se presenta en la octava iteracin.

8.3. Sistemas de orden tres no lineales diagonalmente dominantes.
Consideremos un sistema de tres ecuaciones con tres incgnitas, as:

=
=
=
0 ) , , (
0 ) , , (
0 ) , , (
3
2
1
z y x F
z y x F
z y x F

-5 -4 -3 -2 -1 0 1 2 3 4 5
-5
-4
-3
-2
-1
0
1
2
3
4
5
x
y
4 y
2
-2 x y-3 = 0
83

Se dice que la variable x domina en la primera ecuacin s la funcin, en valor absoluto, crece en
la medida que el valor absoluto de la variable crece. A manera de ejemplo, la variable x domina en
la siguiente ecuacin:
0 ) ( 30
2
= + + z sen y x

El sistema dado es diagonalmente dominante s una de las variables domina en cada ecuacin. El
siguiente sistema es diagonalmente dominante:

0 1 2
0 4 4
0 3 3
2
2
= +
= +
= + +
z y x
y x
z y x

Los sistemas diagonalmente dominantes se pueden expresar de la siguiente manera:

) , (
) , (
) , (
3
2
1
z y G z
z y G y
z y G x
=
=
=

Para resolver iterativamente el sistema por los mtodos de Jacobi y Gauss-Seidel debe cumplirse
que la norma euclidiana del gradiente de cada una de las funciones, en las inmediaciones de la
solucin, sea menor que la unidad. En efecto, para el sistema del ejemplo, tenemos:

y x y x G z
x z x G y
z y
z y G x
2 1 ) , (
4 ) , (
3
3
) , (
3
2
1
+ = =
= =

= =

=
=
z y z y
G
z
G
y
G grad
3
1
3
1
] [
1 1 1

3
2
] [
1
= G grad
=
y z x
x
G
z
G
x
G grad
4 2
1
] [
1 2 2
m
x
G grad
=
4 2
1
] [
2

+
=
=
y x y x
y x y x
G
y
G
x
G grad
2 1
1
2 1 2
1
] [
3 3 3
m
y x
G grad
2 1 2
5
] [
3
+
=

La regin en la que el sistema es diagonalmente dominante es aquella en la que 4 / 15 > x y
4 / 1 2 > x y .

8.4. Solucin por el mtodo de Gauss-Seidel.
Tal como se hizo para el caso lineal, se debe generar tres sucesiones a partir de las tres semillas,
con las siguientes frmulas de recurrencia:

84

) , (
) , (
) , (
1 1 3 1
1 2 1
1 1
+ + +
+ +
+
=
=
=
k k k
k k k
k k k
y x G z
z x G y
z y G x

Por comodidad, se parte de una semilla inicial ( )
1 1 1
, , z y x y, para un nmero de iteraciones dado,
se genera una matriz de 3 n , as:

(
(
(
(
(
(
(
(
=
) 3 , ( ) 2 , ( ) 1 , (
.
.
.
.
.
.
.
.
.
) 3 , 3 ( ) 2 , 3 ( ) 1 , 3 (
) 3 , 2 ( ) 2 , 2 ( ) 1 , 2 (
) 3 , 1 ( ) 2 , 1 ( ) 1 , 1 (
n M n M n M
M M M
M M M
M M M
M

La primera fila del arreglo se llena con las semillas dadas y las otras se llenan usando las
ecuaciones.
A continuacin se presenta un cdigo en Matlab para aplicar el mtodo de Gauss-Seidel
clear all
% x=g1(y,z); y=g2(x,z); z=g3(x,y)
M(1,1)=xi;
M(1,2)=yi;
M(1,3)=zi;
for k=1:n;
x=M(k,1);
y=M(k,2);
z=M(k,3);
M(k+1,1) = eval(g1);
x=M(k+1,1);
M(k+1,2) = eval(g2);
y=M(k+1,2);
M(k+1,3) = eval(g3);
end
M

Ejemplo 8.3
Usando el mtodo de Gauss-Seidel, encuentre una solucin para el sistema siguiente, con:
0 , 0 > > z y
85

= +
= +
= + +
0 1 2
0 4
0 3 3
2
2
z y x
y x
z y x

Solucin.
Con base en la informacin dada, debemos expresar el sistema en la forma:

y x z
x y
z y
x
2 1
4
3
3
+ + =
+ =

=

Ejecutando el programa, resulta:
>> Gausei
g1(y,z)='(3-y-z)/3'
g2(x,z)='sqrt(4-x)'
g3(x,y)='sqrt(1-x+2*y)'
xinicial=1
yinicial=2
zinicial=1

ans =
1.0000 2.0000 1.0000
-0.2440 1.7321 2.0000
-0.4100 2.0601 2.1698
-0.4839 2.1000 2.3516
-0.5005 2.1175 2.3841
-0.5055 2.1214 2.3949
-0.5067 2.1226 2.3976
-0.5071 2.1229 2.3983
-0.5072 2.1230 2.3985
-0.5072 2.1230 2.3986
-0.5072 2.1230 2.3986

Puede verse que la convergencia se presenta en la dcima iteracin.

8.5. Sistemas de cuarto orden.
Los mtodos iterativos se pueden generalizar a sistemas de cualquier orden, modificando
ligeramente los cdigos presentados para sistemas de tercer orden. Se sugiere al estudiante que
escriba el cdigo para resolver sistemas de orden cuatro por el mtodo de Gauss-Seidel y
encuentre una solucin para el sistema:

3 5
5 2 4
2
3
2
2
= + +
= + + +
= +
= + +
w z y
w z y x
z y x
w z y x

86

Se sugiere proceder de la siguiente manera. Primero que todo se decide por intentar una solucin
que dependa de los posibles signos de las variables. En principio suponga los signos positivos, as:

5
3
4
2 5
2
3
z y
w
w y x
z
z x y
w z y x

=

=
+ =
+ =

Empiece con la semilla: 0 0 0 0 = = = = w z y x y aplique el algoritmo de Gauss-Seidel que
es ms rpido para la convergencia:

EJERCICIOS.

Encuentre al menos una solucin para cada uno de los siguientes sistemas de ecuaciones usando
los mtodos de Jacobi y Gauss-Seidel.

1)
= + + +
= + +
0 2 2
2 2 3
2
2
y y xy x
y x xy x
2)
= + +
= + +
0 3 2
2 2 3
2
2
y y xy x
y x xy x
3)
= +
= +
4
4
3 2
2 3
x y x
y y x

4)
= + +
= +
= +
3 2
2
1 2
2
2
2
z y x
z y x
z y x
5)
= + +
= +
= + +
3 2
2
2
2
2
z y x
z e x
z y x
y
6)
= +
= +
= + +
4
2
1
2
2
2
z y x
z y x
z y x

7)
= + +
= + +
= + +
1
4
3
2
2
z
x
e y x
z y x
z y e
8)
= +
= +
= + +
30 2
2 2
20 2
2 2 2
2 2 2
z y x
z y x
z y x
9)
= + +
= + +
= + +
1 2
4
3 4
2
z
e y x
z y x
z y x

10)
= +
= + +
= +
= +
5 4 3
6
4
3
2
2
2
w y x
z y x
z y
y x
11)
= +
= + +
= + +
= +
5 4 3
6 5
4 2
3
2
2
w y x
z y x
z y y
z y x
12)
= +
= + +
= +
= + +
5 4 3
6 5
4
3 4 2
2
2
w y x
z y x
z y
y x x

13) Considere las curvas del plano

= + +
= + + +
0 3
8 2
3 2
2 3
y y x x
y y x x

a) Represente grficamente las curvas
b) Encuentre los puntos de interseccin

87

MDULO 9.
REGRESIN POLINOMIAL Y AJUSTE DE CURVAS

Contenido.
En este mdulo se presenta el tema de la regresin polinomial, al igual que la regresin
exponencial. Los temas a desarrollar son los siguientes:

9.1. Introduccin.
9.2. Regresin polinomial
9.3. Programa en Matlab para efectuar regresin polinomial
9.4. Regresin exponencial
9.5. Programa en Matlab para efectuar regresin exponencial.

9.1. Introduccin.
En diversos problemas de ingeniera, sobre todo en aquellos que son el resultado de un
experimento, es necesario encontrar una expresin matemtica que relacione a la variable
dependiente con una variable independiente. Supongamos que la variable independiente es x y la
variable independiente es y . La relacin entre las variables es una funcin de la forma:

) (x f y =

El caso es que no se tiene una expresin matemtica para la funcin sino una tabla de valores, de
la forma:
n
n
k
k
y y y y y
x x x x x
n
y
x
k
...
...
... 4 3 2 1
4 3 2 1
4 3 2 1

Nuestro objetivo consiste en encontrar una funcin que mejor se ajuste a los datos dados, es decir,
una funcin cuya representacin grfica sea una curva que se acerque de la mejor manera a los
datos dados. La figura 9.1 ilustra un conjunto de cinco puntos del plano y dos posibles curvas de
aproximacin, una de las cuales es una recta.

Figura 9.1

Puede verse que el dato ) , (
1 1
y x est separado de la recta ) (x f y = una distancia:

) (
1 1 1
x f y =

El anterior es el error absoluto que se comete en el punto cuando la funcin se aproxima mediante
la recta. Para un punto genrico ) , (
k k
y x , el error absoluto viene dado por:

88

) (
k k k
x f y =

De otro lado, el error absoluto que se comete cuando la funcin se aproxima mediante la curva,
viene dado por:
) (
k k k
x g y =

Intuitivamente, la mejor aproximacin es aquella en la que se comete el menor error posible. Para
hacer un tratamiento adecuado del tema, se presenta la siguiente definicin:

9.1.1 Error cuadrtico total.
Dado el conjunto de n puntos: ) , ( ..... ) , ( ), , (
2 2 1 1 n n
y x y x y x y una curva de aproximacin
) (t f y = , el error cuadrtico total cometido viene dado por:
=
= + + + =
n
k
k k n n T
x f y x f y x f y x f y E
1
2 2 2
2 2
2
1 1
)] ( [ )] ( [ ... )] ( [ )] ( [
El error cuadrtico medio viene dado por:
n
E
E
T
rms
=

9.2. Regresin polinomial.
Es la que se tiene cuando la funcin de aproximacin es polinmica, es decir, presenta la forma:

1 , ... ) (
1
2
3 2 1
< + + + + =
+
n m t a t a t a a t f
m
m

Para determinar los coeficientes del polinomio se procede minimizando la funcin de error, la cual
puede expresarse como:
=
+
+ + + + =
n
k
m
k m k k k T
x a x a x a a y E
0
2
1
2
3 2 1
2
)] ... ( [

Para minimizar la funcin se procede de la manera usual, es decir, se deriva la funcin con
respecto a cada una de las incgnitas y se iguala a cero, resultando un sistema de 1 + m
ecuaciones lineales. La ms popular de las regresiones es la lineal, la cual consiste en determinar
la recta que mejor se ajusta a un conjunto de puntos. La regresin lineal se aplica en muchos
casos, sobre todo cuando los datos no estn muy dispersos. Para datos muy dispersos es
conveniente aumentar el grado de la regresin.

Ejemplo 9.1
Se conocen 4 datos de una funcin, as:
=
=
] 2 , 1 , 0 , 2 [
] 3 , 2 , 1 , 0 [
y
x

Determine la recta que mejor se ajusta a los datos dados.

Solucin.
La ecuacin de la recta viene dada por t a a t f
2 1
) ( + = . El error cuadrtico total viene dado por
=
+ =
4
1
2
2 1
2
)] ( [
k
k k T
x a a y E . Para minimizar el error cuadrtico total se deriva con respecto a
las incgnitas
1
a y
2
a y se escribe un sistema de dos ecuaciones con dos incgnitas, as:
89

( ) 0 1 )] ( [ 2
4
0
2 1
2
1
= + =
= k
k k T
x a a y E
a

( ) 0 )] ( [ 2
4
0
2 1
2
2
= + =
= k
k k k T
x x a a y E
a

El sistema organizado queda como:
(
(
(
(
=
(
(
(
(
(

=
=
= =
= =
4
1
1
4
1
0
2
1
4
1
2
4
1
1
4
1
1
4
1
0
k
k k
k
k
k
k
k
k
k
k
k
k
k
y x
y x
a
a
x x
x x

Para llenar los elementos de las matrices se elabora la siguiente tabla:

k
k
x
k
y
2
k
x
k k
y x
1 0 -2 0 0
2 1 0 1 0
3 2 1 4 2
4 3 2 9 6
=
4
1 k

6

1

14

8

El sistema a resolver es:
(
=
(
8
1
14 6
6 4
2
1
a
a

Figura 9.2.

Resolviendo el sistema se encuentra que la recta que mejor se ajusta a los datos es

t t f 3 . 1 7 . 1 ) ( + =

0 0.5 1 1.5 2 2.5 3
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
90

La figura 9.2 ilustra la grfica de la recta junto con los datos.

El error total cometido es:

5477 . 0 )] 3 ( 2 [ )] 2 ( 1 [ )] 1 ( 0 [ )] 0 ( 2
2 2 2 2
= + + + = f f f f E
T

El error cuadrtico medio es 1369 . 0 = Erms

En general, los coeficientes del polinomio de aproximacin de grado mse determinan resolviendo
el sistema:
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

=
=
=
=
+
= =
+
=
+
=
=
+
= = =
=
+
= = =
= = = =
n
k
k
m
k
k
n
k
k
n
k
k k
k
n
k
k
m
n
k
M
k
n
k
M
k
n
k
M
k
n
k
M
k
n
k
M
k
n
k
k
n
k
k
n
k
k
n
k
m
k
n
k
k
n
k
k
n
k
k
n
k
m
k
n
k
k
n
k
k
n
k
k
y x
y x
y x
y x
a
a
a
a
x x x x
x x x x
x x x x
x x x x
1
1
2
1
1
1
0
1
3
2
1
1
2
1
2
1
1
1
1
2
1
4
1
3
1
2
1
1
1
3
1
2
1
1 1
2
1 1
0
.
.
.
.
...
.
.
.
.
.
.
.
.
.
.
...
...
...

Ejemplo 9.2
Determine la parbola que mejor se ajuste a los datos del ejemplo anterior.

Solucin.
El polinomio a determinar es de segundo grado
2
3 2 1
) ( t a t a a t f + + = , para lo cual se debe
resolver el sistema:

(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(

=
=
=
= = =
= = =
= = =
4
1
2
4
1
1
4
1
0
3
2
1
4
1
4
4
1
3
4
1
2
4
1
3
4
1
2
4
1
1
4
1
2
4
1
1
4
1
0
k
k k
k
k k
k
k k
k
k
k
k
k
k
k
k
k
k
k
k
k
k
k
k
k
k
y x
y x
y x
a
a
a
x x x
x x x
x x x

Para llenar los elementos de las matrices se elabora la siguiente tabla:

k
k
x
k
y
2
k
x
3
k
x
4
k
x
k k
y x
k k
y x
2

1 0 -2 0 0 0 0 0
2 1 0 1 1 1 0 0
3 2 1 4 8 16 2 4
4 3 2 9 27 81 6 18
=
4
1 k

6

1

14

36

98

8

22

91

El sistema a resolver es:
(
(
(
=
(
(
(
(
(
(
22
8
1
98 36 14
36 14 6
14 6 4
3
2
1
a
a
a

Resolviendo el sistema se encuentra que la parbola que mejor se ajusta a los datos es

2
25 . 0 05 . 2 95 . 1 ) ( t t t f + =

9.3. Programa para efectuar regresin polinmica de cualquier grado
A continuacin se muestra un programa en Matlab para efectuar regresin polinomial:
%Programa para efectuar regresion polinomial
clear all
% Entrada de informacin
n=input('Numero de datos =');
m=input('Grado del polinomio =');
x=input('vector de abscisas=');
y=input('vector de ordenadas=');
% Se inicializa la matriz del sistema y el vector de trminos
% independientes
M=zeros(m+1,m+1);
b=zeros(m+1,1);
% Se generan: la matriz y el vector
for i=1:m+1
for j=1:m+1
for k=1:n
M(i,j)=M(i,j)+x(k)^(i+j-2);
end
end
end
for i=1:m+1
for k=1:n
b(i)=b(i)+(x(k)^(i-1))*y(k);
end
end
% Se calcula el vector solucin
a=inv(M)*b;
% Se coloca el vector de coeficientes en orden decreciente de la potencia
c=fliplr(a');
% Se escribe el polinomio de regresin
poly2str(c,'t')
% Se asignan valores al vector t
t=x(1):0.01:x(n);
% Se evala el polinomio
p=polyval(c,t);
% Se grafican los datos y el polinomio
plot(x,y,'o');
hold on
plot(t,p);
grid on
%Para calcular el error cuadrtico medio
t=x;
z=polyval(c,t);
92

for k=1:n
e(k)=(y(k)-z(k))^2;
end
et=0;
for k=1:n
et=et+e(k);
end
ecm=sqrt(et)/n;
ecm

Ejemplo 9.3
Usando el programa, determine la parbola que mejor se ajuste a los datos del ejemplo anterior y
represente grficamente.

Solucin.
> regresi
Numero de datos =4
Grado del polinomio =2
vector de abscisas=[0 1 2 3]
vector de ordenadas=[-2 0 1 2]

ans =

-0.25 t^2 + 2.05 t - 1.95

ecm =

0.0559

La figura 9.3 ilustra la grfica de los datos y la parbola. Intuitivamente se observa que la regresin
cuadrtica conduce a un menor error que la regresin lineal.

Figura 9.3

0 0.5 1 1.5 2 2.5 3
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
93

9.4. Regresin exponencial.
En diversos problemas de ingeniera ocurre que una variable fsica tiene la tendencia a crecer o
decrecer de manera exponencial. Una funcin exponencial presenta la forma general:

at
e F P F t f

+ = ) ( ) (
F : es el valor final de la funcin
P : es el valor inicial de la funcin
a : es una constante asociada con la tasa de variacin de la funcin con respecto a la variable
independiente. El inverso de a recibe el nombre de constante de tiempo de la funcin y se designa
como: a / 1 =
La regresin exponencial consiste en determinar la funcin exponencial que mejor se ajuste a un
conjunto de datos. El error cuadrtico total que se comete al hacer la aproximacin exponencial
viene dado por:
[ ] ( ) ( ) [ ]

= =
+ = =
n
k
k
aX aX
n
k
k k T
Y P e F e Y X f E
k k
1
2
1
2
1 ) (

Los parmetros de la funcin: a P F , , se determinan minimizando la funcin de error, tal como se
hizo en el caso de la regresin polinmica. Por comodidad se define una nueva variable
a
e x

= ,
con lo que la funcin de error se puede escribir como:

( ) ( ) [ ]
=
+ =
n
k
k
X X
T
Y P x F x E
k k
1
2
2
1

La diferencia ahora es que resulta un sistema de tres ecuaciones no lineales, as:
1) Derivando parcialmente con respecto a F , e igualando a cero, se tiene la ecuacin:

( ) ( ) ( ) |
\
|
= |
\
|
+ |
\
|

= = =
n
k
k
X
n
k
X X
n
k
X
Y x P x x F x
k k k k
1 1 1
2
1 1 1

2) Derivando parcialmente con respecto a P e igualando a cero, se tiene la ecuacin:

( ) ( ) ( ) |
\
|
= |
\
|
+ |
\
|

= = =
n
k
k
X
n
k
X
n
k
X X
Y x P x F x x
k k k k
1 1
2
1
1

3) Derivando parcialmente con respecto a x e igualando a cero, se tiene la ecuacin:

( ) ( ) ( ) |
\
|
= |
\
|
+ |
\
|

= = =
n
k
k k
X
n
k
X
k
n
k
X
k
X
Y X x P x X F x X x
k k k k
1 1
2
1
1

Para resolver el sistema usamos el paquete Matlab, con la siguiente estrategia:
1. Se introducen los datos: Y X n
2. Se asigna una semilla para la variable x
3. Se hacen las siguientes asignaciones:

94

( ) ( )

= =
= =
n
k
X X
n
k
X
k k k
x x C x C
1 1
2
1 12 , 1 11
( )

= =
= =
n
k
X
n
k
X
k k
x C x C
1
2
1
2
22 , 1 21

( )

= =
= =
n
k
k
X
n
k
k
X
Y x B Y x B
k k
1 1
2 , 1 1

Se calculan F y P , as:
22 21
12 11
2 21
1 11
;
22 21
12 11
22 2
12 1
C C
C C
B C
B C
P
C C
C C
C B
C B
F = =

Para la tercera ecuacin se hacen las siguientes asignaciones:

( ) ( ) ( )

= = =
= = =
n
k
k k
X
n
k
X
k
n
k
X
k
X
Y X x gamma x X beta x X x alfa
k k k k
1 1
2
1
; ; 1

A continuacin se asigna la funcin: gamma P beta F alfa fu + =
A continuacin se resuelve la ecuacin para x a partir de la semilla.

9.5. Programa en Matlab para regresin exponencial.
clear all
%Programa para efectuar regresin exponencial
n=input('numerodedatos=');
X=input('vectordeabscisas=');
Y=input('vectordeordenadas=');
xi=input('semillaparax=');
syms x
f11=sum(x.^X);
f12=sum(1-x.^X);
f21=sum(x.^(2.*X));
f22=sum(x.^X-x.^(2.*X));
g1=sum(Y);
g2=sum(Y.*x.^X);
numP=[g1 f12;g2 f22];
numF=[f11 g1;f21 g2];
den=[f11 f12;f21 f22];
P=det(numP)/det(den);
F=det(numF)/det(den);
alfa=sum(X.*x.^(2.*X));
beta=sum(X.*x.^X.*(1-x.^X));
gama=sum(x.^X.*X.*Y);
fu=alfa*P+beta*F-gama;
x=fzero(@(x) eval(fu),xi);
P=eval(P);
F=eval(F);
a=log(1/x);
95

[P F a]
t=X(1):0.01:X(n);
fex=F+(P-F).*exp(-a.*t);
plot(t,fex,'k')
grid on
hold on
plot(X,Y,'o')
syms t
t=X;
fu='F+(P-F)*exp(-a*t)'
et2=sum((Y-eval(fu)).^2);
ecm=sqrt(et2)/n;
ecm

Ejemplo 9.4
Dados los datos: ( ) ( ) ( ) ( ) { } 4 , 5 ( , 3 , 2 , 2 , 1 , 1 , 0

a) Haga un estimativo de la semilla xi a partir de la grfica de los puntos.
b) Efecte regresin exponencial y represente grficamente los datos y la funcin de regresin.

Solucin.
a) Se puede tomar la semilla usando el siguiente razonamiento: puesto que la funcin es de la
forma
t
x F P F t f ) ( ) ( + = , se puede aproximar como
t
x t f 3 4 ) ( = . Ahora, puesto que
2 ) 1 ( = f , resulta que 3 / 2 = x .

> rexpo
numerodedatos=4
vectordeabscisas=[0 1 2 5]
vectordeordenadas=[1 2 3 4]
semillaparax=2/3

ans =

0.9647 4.5231 0.3916

fu =

F+(P-F)*exp(-a*t)

ecm =

0.0404

La figura 9.4 muestra la grfica de la funcin junto con los puntos dados.

96

Figura 9.4

EJERCICIOS

1) Considere el conjunto de puntos: { } ) 1 , 2 ( ), 0 , 1 ( ), 1 , 0 ( ), 1 , 1 ( ), 0 , 2 (
a) Efecte regresin cuadrtica y represente la funcin de aproximacin junto con los datos
b) Repita el literal anterior para regresin cbica
c) En cada caso calcule el error cuadrtico medio y compare

2) Considere el conjunto de puntos: { } ) 4 , 4 ( ), 5 . 4 , 5 . 3 ( ), 4 , 3 ( ), 8 . 3 , 5 . 2 ( ), 4 , 2 ( ), 3 , 5 . 1 ( ), 1 , 0 (
a) Efecte regresin polinomial de tercer grado y represente grficamente la funcin de
aproximacin junto con los datos. Calcule el error cuadrtico medio.
b) Efecte regresin exponencial y represente grficamente la funcin de aproximacin junto con
los datos. Calcule el error cuadrtico medio

3) En un experimento se desea encontrar una expresin matemtica que relacione la
concentracin de un medicamento en el organismo en funcin del tiempo. Se dispone de los
siguientes datos experimentales:

99 . 2 74 . 3 63 . 5 54 . 12 1 . 24 32 . 32 62 . 69 100
85 75 55 35 19 10 4 0 ,
on Concentrci
mnutos Tiempo

a) Efecte regresin polinmica de tercer grado, represente grficamente la funcin de
aproximacin junto con los datos y estime el valor de la concentracin al cabo de 50 y 100
minutos.
b) Repita el literal anterior si se efecta regresin cbica.
c) Repita el literal a) si se efecta regresin exponencial

x
e
x g
+
=
4 1
5
) (

a) Elabore una tabla de 11 datos igualmente espaciados en el intervalo: 5 0 x
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.5
1
1.5
2
2.5
3
3.5
4
4.5

b) Con los datos hallados efecte regresin cbica, represen
de aproximacin
c) Efecte regresin exponencial para la funcin, represente grficamente los datos y la funcin
de aproximacin.
d) Con ambas regresiones haga un estimativo del rea bajo la curva en el intervalo

5) Repita el problema anterior para la funcin:

6) se llevan a cabo los siguientes experimentos y se determinan los valores de capacidad calrica
a diferentes temperaturas para un metal.

0 125 . 0
50
,
,
C Capacidad
T a Temperatur

a) Encuentre el polinomio de r
con los datos y determine el error cuadrtico medio
b) Repita el literal anterior para regresin cuadrtica
c) Efecte regresin exponencial, represente grficamente la funcin junto con los dato
determine el error cuadrtico medio

7) La concentracin de saturacin del oxgeno disuelto en agua en funcin de la temperatura y del
cloruro se muestra en la siguiente tabla. Utilice tres tipos de regresin para calcular el nivel de
oxgeno disuelto a una temperatura cualquiera para los tres valores de concentracin de cloruro.

30
25
20
15
10
5
Temperatur
8) Para la curva de la figura 9.
los datos que tome de la figura y la curva de regre

Con los datos hallados efecte regresin cbica, represente grficamente los datos y la funcin
Efecte regresin exponencial para la funcin, represente grficamente los datos y la funcin
Con ambas regresiones haga un estimativo del rea bajo la curva en el intervalo
el problema anterior para la funcin: ) ( ) ( x sen e x f
x
=
a diferentes temperaturas para un metal.
155 . 0 15 . 0 144 . 0 034 . 0 128 . 0
120 100 70 10 20

Encuentre el polinomio de regresin de primer grado, represente grficamente la funcin junto
con los datos y determine el error cuadrtico medio
Repita el literal anterior para regresin cuadrtica
Efecte regresin exponencial, represente grficamente la funcin junto con los dato
determine el error cuadrtico medio
a una temperatura cualquiera para los tres valores de concentracin de cloruro.
1 . 6 8 . 6 4 . 7
7 . 6 4 . 7 2 . 8
4 . 7 2 . 8 9
2 . 8 1 . 9 10
2 . 9 3 . 10 3 . 11
5 . 10 6 . 11 8 . 12
/ 20 / 10 / 5 lts mg
Cloruro
lts mg
Cloruro
lts mg
Cloruro a Temperatur

8) Para la curva de la figura 9.5 encuentre una regresin de cuarto grado, represente grficamente
los datos que tome de la figura y la curva de regresin. Determine el error cuadrtico medio.
Figura 9.5

97
te grficamente los datos y la funcin
Efecte regresin exponencial para la funcin, represente grficamente los datos y la funcin
Con ambas regresiones haga un estimativo del rea bajo la curva en el intervalo
egresin de primer grado, represente grficamente la funcin junto
Efecte regresin exponencial, represente grficamente la funcin junto con los datos y
a una temperatura cualquiera para los tres valores de concentracin de cloruro.
lts

encuentre una regresin de cuarto grado, represente grficamente
sin. Determine el error cuadrtico medio.

98

MDULO 10
INTERPOLACIN POLINMICA

Contenido.
En este mdulo se presenta la interpolacin polinmica y se desarrollan los siguientes temas:

10.1. Introduccin
10.2. Programa de interpolacin directa
10.3. Polinomios de Lagrange
10.4. Mtodo de las diferencias divididas
10.5. Programa para interpolacin por diferencias divididas

10.1 Introduccin.
Dado un conjunto de n puntos correspondientes a una funcin de variable real, la interpolacin
polinmica consiste en determinar un polinomio de grado 1 n que pase por todos y cada uno de
los puntos dados. La interpolacin se puede efectuar de manera directa planteando un sistema de
n ecuaciones con igual nmero de incgnitas. Consideremos los datos:

{ } ) , ( ),..., , ( ), , ( ), , (
3 3 2 2 1 1 n n
y x y x y x y x

El polinomio de interpolacin de grado 1 n para un conjunto de n datos viene dado por:

1 2
3 2 1
... ) (

+ + + + =
n
n
t c t c t c c t P

Al sustituir los puntos, resulta el sistema de ecuaciones:

(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
n n
n
n n n n
n
n
n
y
y
y
y
c
c
c
c
x x x x
x x x x
x x x x
x x x x
.
.
.
.
...
.
.
.
.
.
.
.
.
.
.
...
...
...
3
2
1
3
2
1
2 1 0
3
2
3
1
3
0
3
2
2
2
1
2
0
2
1
2
1
1
1
0
1

El sistema lineal resultante se puede resolver por cualquiera de los mtodos desarrollados en el
mdulo 5. Concretamente usaremos el mtodo de la inversa apoyado con Matlab.

Ejemplo 10.1
Determine el polinomio de interpolacin para los siguientes datos:

{ } ) 1 , 2 ( ), 2 , 1 ( ), 1 , 0 ( ), 0 , 1 ( ), 1 , 2 (

Solucin.
El polinomio debes ser de cuarto grado, as:

5
5
3
4
2
3 2 1
) ( t c t c t c t c c t p + + + + =

El sistema a resolver es el siguiente:

99

(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(

1
2
1
0
1
16 8 4 2 1
1 1 1 1 1
0 0 0 0 1
1 1 1 1 1
16 8 4 2 1
5
4
3
2
1
c
c
c
c
c

Resolviendo el sistema se obtiene:

>> A=[1 -2 4 -8 16;1 -1 1 -1 1;1 0 0 0 0;1 1 1 1 1;1 2 4 8 16]

A =
1 -2 4 -8 16
1 -1 1 -1 1
1 0 0 0 0
1 1 1 1 1
1 2 4 8 16

>> y=[1 0 1 2 -1]

y =
1 0 1 2 -1

>> c=inv(A)*y';
>> c'

ans =

1.0000 1.5000 0.0833 -0.5000 -0.0833

El polinomio de interpolacin es:

1 5 . 1 0833 . 0 5 . 0 0833 . 0 ) (
2 3 4
+ + + = t t t t t p

A continuacin se presenta un cdigo en Matlab para efectuar la interpolacin.

10.2. Programa para interpolacin directa
clear all
%Entrada de datos
n=input('numero de datos=');
%Se genera la matriz del sistema
for i=1:n
for j=1:n
A(i,j)=x(i)^(j-1);
end
end
Se resuelve el sistema
c=inv(A)*y';
%Se escribe la solucin mediante un vector fila
c=c';
%Se escribe el vector de coeficientes en orden descendiente de las potencias
100

p=fliplr(c);
%Se escribe el polinomio de interpolacin
poly2str(p,'t')
%Se genera un vector t
t=x(1):0.01:x(n);
%Se evala el polinomio
p=polyval(p,t);
%Se grafican los datos
plot(x,y,'o');
%Se sostiene la figura
hold on
grid on
%Se grafica el polinomio
plot(t,p,k);

Ejecutando el programa con la informacin dada se tiene:
>> interpdirec
numero de datos=5
vector de abscisas=[-2 -1 0 1 2]
vector de ordenadas=[1 0 1 2 -1]

ans =

-0.083333 t^4 - 0.5 t^3 + 0.083333 t^2 + 1.5 t + 1

La figura 10.1 ilustra los datos y el polinomio de interpolacin.

Figura 10.1

Puede verse que el polinomio pasa por cada uno de los puntos. La interpolacin polinmica tiene
sus ventajas y sus desventajas; entre las ventajas est el que la funcin y sus derivadas son
continuas y la principal desventaja es la del nmero de oscilaciones que puede presentar la
funcin.

Ejemplo 10.2
Encuentre el polinomio de interpolacin para el siguiente conjunto de datos:

-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
101

{ } ) 1 , 7 ( ), 2 , 6 ( ), 0 , 5 ( ), 2 , 4 ( ), 1 , 3 ( ), 0 , 2 ( ), 2 , 1 ( ), 1 , 0 (
Solucin.
Aplicando el algoritmo resulta:
>> interpdirec
numero de datos=8
vector de abscisas=[0 1 2 3 4 5 6 7]
vector de ordenadas=[1 -2 0 1 -2 0 2 1]

ans =

0.015278 t^7 - 0.36944 t^6 + 3.4778 t^5 - 15.9861 t^4 + 36.6236 t^3
- 37.1444 t^2 + 10.3833 t + 1

La figura 10.2 ilustra los datos y el polinomio de interpolacin

Figura 10.2

La figura 10.2 muestra el cambio de la funcin entre los datos: ) 2 , 6 ( y ) 1 , 7 ( . Sera de esperarse
que la funcin no se hiciera negativa tal como ocurre con la interpolacin. Ms adelante se
estudiar otro tipo de interpolacin que obedece ms fielmente al comportamiento real de la
funcin.

10.3. Mtodo de los polinomios de Lagrange.
Dados los n datos: { } ) , ( ),..., , ( ), , ( ), , (
3 3 2 2 1 1 n n
y x y x y x y x

El polinomio de interpolacin es una combinacin lineal de n polinomios de grado 1 n , as:

) ( .... ) ( ) ( ) ( ) (
3 3 2 2 1 1
t L y t L y t L y t L y t P
n n
+ + + + =

Usando el smbolo de sumatoria, el polinomio se puede escribir como:

0 1 2 3 4 5 6 7
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
102

=
=
n
k
k k
t L y t P
1
) ( ) (

El polinomio evaluado en
k
x t = debe ser igual a
k
y . Lo anterior significa que:

) ( .... ) ( ... ) ( ) ( ) (
2 2 1 1 k n n k k k k k k k
x L y x L y x L y x L y y x P + + + + + = =

Con base en lo anterior, un polinomio de Lagrange debe cumplir con la siguiente condicin:

=
=
k i si
k i si
x L
k i
0
1
) (

La expresin matemtica para el polinomio de Lagrange ) (x L
i
de grado n es la siguiente:

) )...( )( )....( )( (
) )...( )( )....( )( (
) (
1 1 2 1
1 1 2 1
n i i i i i i i
n i i
i
x x x x x x x x x x
x t x t x t x t x t
t L

=
+
+

Ejemplo 10.3
Escriba los polinomios de Lagrange de segundo grado para los datos:

{ } ) , ( ), , ( ), , (
3 3 2 2 1 1
y x y x y x

Solucin.
Con base en la definicin tenemos:

) ( ) ( ) ( ) (
3 3 2 2 1 1
t L y t L y t L y t P + + =
Los polinomios son:
) )( (
) )( (
) (
3 1 2 1
3 2
1
x x x x
x t x t
t L

=
) )( (
) )( (
) (
2 3 1 2
3 1
2
x x x x
x t x t
t L

=
) )( (
) )( (
) (
2 3 1 3
2 1
3
x x x x
x t x t
t L

=

Es relativamente simple generar de manera automtica los polinomios de Lagrange de cualquier
grado a partir de un conjunto de datos. Se sugiere que el estudiante elabore un programa en
Matlab que permita efectuar interpolacin por el mtodo de Lagrange para el conjunto de datos.

Ejemplo 10.4.
Usando los polinomios de Lagrange efecte la interpolacin polinmica para los siguientes datos:

) 1 , 3 ( ), 1 , 2 ( ), 1 , 1 ( ), 1 , 1 (

Solucin.
El polinomio de interpolacin es la suma de 4 polinomios de tercer grado, as:
103

) ( ) ( ) ( ) ( ) ( ) (
4 4 3 3 2 2 1 1
4
1
t L y t L y t L y t L y t L y t P
k
k k
+ + + = =

=

Debemos generar 4 polinomios de tercer grado, as:

) )( )( (
) )( )( (
) (
4 1 3 1 2 1
4 3 2
1
x x x x x x
x t x t x t
t L

=
) )( )( (
) )( )( (
) (
4 2 3 2 1 2
4 3 1
2
x x x x x x
x t x t x t
t L

=
) )( )( (
) )( )( (
) (
4 3 2 3 1 3
4 2 1
3
x x x x x x
x t x t x t
t L

=
) )( )( (
) )( )( (
) (
3 4 2 4 1 4
3 2 1
4
x x x x x x
x t x t x t
t L

=

Teniendo en cuenta los datos se tiene:

24
6 11 6
) 3 1 )( 2 1 )( 1 1 (
) 3 )( 2 )( 1 (
) (
2 3
1
+
=

=
t t t t t t
t L
4
6 4
) 3 1 )( 2 1 )( 1 1 (
) 3 )( 2 )( 1 (
) (
2 3
2
+ +
=
+
+
=
t t t t t t
t L
3
3 3
) 3 2 )( 1 2 )( 1 2 (
) 3 )( 1 )( 1 (
) (
2 3
3
+
=

+
=
t t t t t t
t L
8
2 2
) 2 3 )( 1 3 )( 1 3 (
) 2 )( 1 )( 1 (
) (
2 3
4
+
=

=
t t t t t t
t L

En consecuencia, el polinomio de interpolacin es:

8
2 2
) 1 (
3
3 3
) 1 (
4
6 4
) 1 (
24
6 11 6
) 1 ( ) (
2 3 2 3 2 3 2 3
+
+
+
+
+ +
+
+
=
t t t t t t t t t t t t
t P
Simplificando se tiene: ( ) 4 / 10 10 3 ) (
2 3
+ + = t t t t P
La representacin grfica se muestra en la figura 10.3
104

Figura 10.3

10.4. Interpolacin por el mtodo de las diferencias divididas de Newton.
Dado un conjunto de n datos { } ) , ),...( , ( ), , (
2 2 1 1 n n
y x y x y x , el polinomio de Newton de grado
1 n presenta la forma:

) )...( )( ( .... ) )( ( ) ( ) (
1 2 1 2 1 3 1 2 1
+ + + + =
n n
x t x t x t b x t x t b x t b b t P

El objetivo es determinar los coeficientes de tal manera que el polinomio pase por todos y cada uno
de los puntos dados, as:

1 1
) ( y x P =
2 2
) ( y x P =
.
.
.
n n
y x p = ) (

Aplicando las ecuaciones anteriores encontramos que:

1 1
y b =
1 2
1 2
2
x x
y y
b
=
1 3
1 2
1 2
2 3
2 3
3
x x
x x
y y
x x
y y
b
=

Puede verse que
2
b es la pendiente de la recta que une a los puntos ) , ( ), , (
2 2 1 1
y x y x . De otro
lado, el coeficiente
3
b est asociado a las pendientes en los tres primeros datos.

-1 -0.5 0 0.5 1 1.5 2 2.5 3
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
3
105

10.4.1. Diferencias divididas
Definimos las diferencias divididas para un conjunto de datos, de la siguiente manera:

Diferencias divididas cero:
k k
y x f = ] [ 0
Diferencias divididas uno:
k k
k k
k k
x x
x f x f
x x f
=
+
+
+
1
1
1
] [ 0 ] [ 0
] , [ 1
Diferencias divididas dos:
k k
k k k k
k k k
x x
x x f x x f
x x x f
=
+
+ + +
+ +
2
1 2 1
2 1
] , [ 1 ] , [ 1
] , , [ 2
Diferencias divididas tres:
k k
k k k k k k
k k k k
x x
x x x f x x x f
x x x x f
=
+
+ + + + +
+ + +
3
2 1 3 2 1
3 2 1
] , , [ 2 ] , , [ 2
] , , , [ 3

Una tabla de diferencias divididas es un arreglo de tipo triangular que se genera a partir de los
datos, as:
La primera columna del arreglo es el vector de abscisas y tiene n elementos
La segunda columna del arreglo es el vector de ordenadas y tiene n elementos
La tercera columna del arreglo est formada por las diferencias divididas uno y tiene 1 n
elementos
La cuarta columna est formada por las diferencias divididas dos y tiene 2 n elementos.
De manera similar, cada columna posterior tendr un elemento menos hasta llegar a la ltima
columna que tendr un solo elemento.
Para un conjunto de cinco datos, la matriz de diferencias divididas es la siguiente:

16
25
15
34
24
14
43
33
23
13
52
42
32
22
12
51
41
31
21
11
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M

El algoritmo para generar la matriz de diferencias divididas es el siguiente:
Entrada de informacin.
1) Entre el nmero de datos
2) Entre el vector de abscisas: ) (i x
3) Entre el vector de ordenadas: ) (i y
Se genera la matriz de diferencias divididas
4) Para i desde 1 hasta n
5) ) ( ) 1 , ( i x i M
6) ) ( ) 2 , ( i y i M
7) Para j desde 3 hasta n+1
8) Para i desde 1 hasta n+1-j
9)
) ( ) 1 (
) 1 , ( ) 1 , 1 (
) , (
i x j i x
j i M j i M
j i M
+
+

10) Los elementos de la primera fila del arreglo, a partir de la segunda columna, son los
coeficientes del polinomio de Newton, as
11) Para i desde 1 hasta n
12) ) 1 , 1 ( ) ( + i M i a
Como resultado se tiene el polinomio de Newton de grado 1 n
106

=
=
+ =
n
k
k
i
i x t k a a t P
1
1
1
)) ( ( ) ( ) 1 ( ) (

Ejemplo 10.5.
Usando las diferencias divididas efecte la interpolacin polinmica para los siguientes datos:

( ) ( ) ( ) ( ) { } 1 , 3 , 1 , 2 , 1 , 1 , 1 , 1

Solucin.
Se genera la matriz de diferencias divididas, as:

k
x
k
y ] , [
1 + k k
x x f ] , , [
2 1 + + k k k
x x x f ] , , , [
2 2 1 + + + k k k k
x x x x f
-1 -1 1 -1 3/4
1 1 -2 2
2 -1 2
3 1

El polinomio de interpolacin es:

) 2 )( 1 )( 1 ( 75 . 0 ) 1 )( 1 ( 1 ) 1 ( 1 1 ) ( + + + + + = t t t t t t t P

Al expandir el polinomio de Newton resulta el mismo polinomio que se obtiene cuando se hace la
interpolacin de manera directa. El resultado expandido es, con la ayuda de Matlab o
manualmente, es:
( ) 4 / 10 10 3 ) (
2 3
+ + = t t t t P

El mtodo de Newton tiene la ventaja de que si se aumenta el nmero de datos, los coeficientes
hallados previamente siguen sirviendo para efectuar la interpolacin. Slo debe cambiarse el valor
de n y los datos y x,

10.5. Interpolacin de Newton con Matlab.
Con el paquete Matlab se elabor el siguiente programa:

%Programa para interpolacion por el metodo de las diferencias divididas
% de newton
%Programa para interpolacion por el metodo de las diferencias divididas
% de newton
x=input('x= ');
y=input('y= ');
for i=1:n
M(i,1)=y(i);
end
for j=2:n
for i=1:n-j+1
M(i,j)=(M(i+1,j-1)-M(i,j-1))/(x(i+j-1)-x(i));
end
end
%Programa para efectuar la productoria:
%(t+x(1))(t+x(2))(t+x(3))......(t+x(m))
%El resultado es una matriz de la forma:
107

%n=1: q(1,1) q(1,2)
%n=2: q(2,1) q(2,2) q(2,3)
%n=3: q(3,1) q(3,2) q(3,3) q(3,4)
%n=4: q(4,1) q(4,2) q(4,3) q(4,4) q(4,5)
%m=input('numero de factores =');
%for i=1:m
%x(i)=input(strcat('entre la abscisa x ',num2str(i), ' ='));
%end
% El algoritmo para llenar la matriz es el siguiente:
m=n-1;
X=-x;
q(1,1)=X(1);

for i=1:n
q(i,i+1)=1;
end
for i=2:n
q(i,1)=X(i)*q(i-1,1);
end
for i=2:n
for j=2:n-1
q(i,j)=X(i)*q(i-1,j)+q(i-1,j-1);
end
end
for i=3:n
q(i,i)=X(i)+q(i-1,i-1);
end
%Programa para expandir el polinomio de Newton, el cual queda en la forma:
%M(1,1)+M(1,2)*(t+X(1))+M(1,3)*(t+X(1))*(t+X(2))
%+M(1,4)*(t+X(1))*(t+X(2))*(t+X(3))+...+M(1,n)*(t+X(1))*(t+X(2))*(t+X(3))...(t+X(m))
%En su forma expandida es el polinomio de grado:m
%a(1)+a(2)*x+a(3)*(x^2)+a(4)*(x^3)+....+a(n)*(x^m)
a(1)=M(1,1);
for i=2:n
a(1)=a(1)+M(1,i)*q(i-1,1);
end
for i=2:n
a(i)=0;
end
for i=2:n
for j=i:n
a(i)=a(i)+M(1,j)*q(j-1,i);
end
end
c=fliplr(a);
poly2str(c,'t')
t=x(1):0.01:x(n);
p=polyval(c,t);
plot(x,y,'o');
hold on
plot(t,p,k);
grid on

Ejemplo 10.6.
Usando el programa, efecte interpolacin polinmica para los siguientes datos:

108

{ } ) 2 , 6 ( ), 0 , 4 ( ), 1 , 3 ( ), 2 , 1 ( ), 1 , 0 ( ), 0 , 2 (
Solucin.
Al correr el programa se obtiene
>> internew
Numero de datos =6
vector de abscisas= [-2 0 1 3 4 6]
vector de ordenadas= [0 1 2 -1 0 2]

M =

0 0.5000 0.1667 -0.2000 0.1028 -0.0250
1.0000 1.0000 -0.8333 0.4167 -0.0972 0
2.0000 -1.5000 0.8333 -0.1667 0 0
-1.0000 1.0000 0 0 0 0
0 1.0000 0 0 0 0
2.0000 0 0 0 0 0

ans =

-0.025 t^5 + 0.25278 t^4 - 0.48056 t^3 - 1.1972 t^2 + 2.45 t + 1

La figura 10.4 muestra tanto los datos como el polinomio interpolante.

Figura 10.4

EJERCICIOS.

1) Considere la funcin: 4 0 , 1 2 ) ( + + =

x x e xe x f
x x

a) Elabore una tabla de cinco datos igualmente espaciados en el dominio de la funcin.
b) Encuentre el polinomio de interpolacin por el mtodo directo.
c) Encuentre el polinomio de interpolacin por el mtodo de Newton.
d) Represente grficamente la funcin original junto con el polinomio.
e) Determine el rea bajo la curva de la funcin y el rea bajo la curva de la funcin de
interpolacin y compare los resultados.

-2 -1 0 1 2 3 4 5 6
-3
-2
-1
0
1
2
3
4
109

2) Considere la funcin: =

x e x f
x xsen
0 ; ) (
) (

a) Elabore una tabla de cinco datos igualmente espaciados en el dominio de la funcin.
b) Encuentre el polinomio de interpolacin por el mtodo directo.
c) Encuentre el polinomio de interpolacin por el mtodo de Newton.
d) Represente grficamente la funcin original junto con el polinomio.
e) Usando el polinomio, haga un estimativo del rea bajo la curva.

3) Dados los datos ( ) ( ) ( ) ( ) { } 1 , 2 , 1 , 1 , 1 , 0 , 1 , 1
a) Escriba los polinomios interpolantes de Lagrange.
b) Encuentre, por cualquier mtodo, el polinomio de interpolacin
c) Determine las races del polinomio de interpolacin.
d) Calcule los mximos y mnimos del polinomio.

110

MDULO 11
INTERPOLACIN POR SEGMENTOS

Contenido.
En este mdulo se presenta la interpolacin por segmentos y se desarrollan los siguientes temas:

11.1. Introduccin
11.2. Interpolacin Cuadrtica por segmentos
11.3. Programa para interpolacin cuadrtica
11.4. Interpolacin cbica por segmentos
11.5. Programa para interpolacin cbica

11.1. Introduccin.
Consideremos el conjunto de datos: { } ) , )....( , ( ), , ( ), , (
3 3 2 2 1 1 n n
y x y x y x y x

La interpolacin por segmentos consiste en determinar un polinomio de grado m por cada uno de
los 1 n segmentos [ ] 1 .. 1 ,
1
=
+
n k x x
k k
. La interpolacin debe ser tal que se garantice la
continuidad de la funcin y de sus 1 m primeras derivadas en cada punto. La ms elemental es
la interpolacin lineal por segmentos, la cual consiste en determinar una recta por cada segmento,
garantizndose la continuidad de la funcin en los extremos de cada intervalo. La apariencia de la
interpolacin lineal por segmentos es la de una lnea poligonal tal como lo muestra la figura 11.1.

Figura 11.1

La ecuacin de la recta que une a los puntos ) , ( ) , (
1 1 + + k k k k
y x y y x est dada por:

1
1
1
) ( ) (
+
+
+

+ =
k k k
k k
k k
k k
x t x x t
x x
y y
y t P

Usando la funcin escaln unitario ) (t , podemos escribir:

[ ] ) ( ) ( ) ( ) (
1
1
1
+
+
+

(
+ =
k k k
k k
k k
k k
x t x t x t
x x
y y
y t P

La funcin escaln unitario se define de la siguiente manera:

>
<
=
0 1
0 0
) (
t si
t si
t

La funcin de interpolacin resultante en todo el intervalo es:
111

[ ]
=
+
+
+

(
+ =
1
1
1
1
1
) ( ) ( ) ( ) (
n
k
k k k
k k
k k
k
x t x t x t
x x
y y
y t F

De hecho, la interpolacin lineal por segmentos no es utilizada en la prctica ya que no se
garantiza la continuidad de la primera derivada.

11.2. Interpolacin cuadrtica por segmentos
En este caso se debe determinar, en cada intervalo, un polinomio de segundo grado de tal manera
que se garantice la continuidad de la funcin y de su primera derivada en los diferentes nodos o
datos.
En el intervalo
1 +

k k
x t x , el polinomio tiene la forma
i i i
c t b t a t p + + =
2
) ( . Grficamente, el
polinomio cuadrtico es una parbola que pasa por los puntos extremos del intervalo. Puesto que
se tienen 1 n intervalos, es necesario calcular 3 3 n incgnitas. Al plantear la continuidad de la
funcin en los nodos resulta 2 2 n ecuaciones, as:

) 1 ( 1 .. 1 ) (
2
ecuaciones n n k y c b x a x x p
k k k k k k k k
= = + + =

) 1 ( 1 .. 1 ) (
1 1
2
1 1
ecuaciones n n k y c b x a x x p
k k k k k k k k
= = + + =
+ + + +

Al plantear la continuidad de la primera derivada en los nodos interiores resultan 2 n
ecuaciones, as:
1 : 2 ) ( ' ) ( '
1
= =
+
n k x p x p
k k k k

Las 2 n ecuaciones son:

1 : 2 2 2
1 1
= + = +
+ +
n k b a x b a x
k k k k k k

La ecuacin faltante se impone a criterio de la persona que efecte la interpolacin, teniendo en
cuenta el comportamiento de la funcin. Puede usarse la informacin que se tenga de la primera
derivada en uno de los extremos del intervalo, esto es: ) ( '
1 1
x p ) ( '
1 n n
x p

.
Despus de determinar los coeficientes de los 1 n polinomios cuadrticos se escribe la funcin
de interpolacin, as:
=
+
+ + =
1
1
1
2
)] ( ) ( )[ ( ) (
n
k
k k k k k
x t x t c t b t a t F

) (t : Es la funcin escaln unitario.

Ejemplo 11.1
Efecte interpolacin cuadrtica por segmentos para el conjunto de datos:

{ } ) 0 , 3 ( ), 3 , 2 ( ), 2 , 1 ( ), 1 , 0 (
Solucin.
Puesto que se tienen tres intervalos es necesario encontrar tres polinomios de segundo grado, as:

112

1 0 ; ) (
1 1
2
1 1
+ + = t c t b t a t p
2 1 ; ) (
2 2
2
2 2
+ + = t c t b t a t p
3 2 ; ) (
3 3
2
3 3
+ + = t c t b t a t p

Planteando la continuidad de la funcin en los nodos resultan 6 ecuaciones, as:

1 1 ) 0 (
1 1
= = c p
2 2 ) 1 (
1 1 1 1
= + + = c b a p
2 2 ) 1 (
2 2 2 2
= + + = c b a p
3 2 4 3 ) 2 (
2 2 2 2
= + + = c b a p
3 2 4 3 ) 2 (
3 3 3 3
= + + = c b a p
0 3 9 0 ) 3 (
3 3 3 3
= + + = c b a p

Planteando la continuidad de la primera derivada en los nodos interiores, tenemos:

2 2 1 1 2 1
2 2 ) 1 ( ' ) 1 ( ' b a b a p p + = + =
3 3 2 2 3 2
4 4 ) 2 ( ' ) 2 ( ' b a b a p p + = + =

La ltima ecuacin se impone a criterio del interesado. Por ejemplo, supongamos que la derivada
de la funcin al principio del intervalo es 2 ) 0 ( '
1
= p . La ecuacin resultante es 2
1
= b . De las
nueve incgnitas se conocen dos de ellas, as 2 1
1 1
= = b c . Con base en lo anterior
calculamos, de la primera ecuacin, el valor de
1
a , as 1
1
= a . Hemos determinado el polinomio
en el primer intervalo, as:
1 0 ; 1 2 ) (
2
1
+ = t t t t p

Para calcular las otras seis incgnitas resolvemos el siguiente sistema de ecuaciones:

(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
0
4
0
3
3
2
0 1 4 0 1 4
0 0 0 0 1 2
1 3 9 0 0 0
1 2 4 0 0 0
0 0 0 1 2 4
0 0 0 1 1 1
3
3
3
2
2
2
c
b
a
c
b
a

Usando el paquete, encontramos la solucin del sistema y, en consecuencia, los otros dos
polinomios son:
2 1 ; 11 22 9 ) (
2
2
+ = t t t t p
3 2 ; 93 82 17 ) (
2
3
+ = t t t t p

La funcin de interpolacin viene dada por:

113

=
+
+ + =
1
1
1
2
)] ( ) ( )[ ( ) (
n
k
k k k k k

Con el objeto de representar grficamente se procede de la siguiente manera, usando Matlab.
>> t=0:0.01:1;
>> f1=-t.^2-2.*t+1;
>> x=[0 1 2 3];
>> y=[1 -2 3 0];
>> plot(x,y,'o')
>> grid on
>> t=0:0.01:1;
>> f1=-t.^2-2.*t+1;
>> hold on
>> plot(t,f1,'k')
>> hold on
>> t=1:0.01:2;
>> f2=9.*t.^2-22.*t+11;
>> plot(t,f2,'k')
>> hold on
>> t=2:0.01:3;
>> f3=-17.*t.^2+82.*t-93;
>> plot(t,f3,'k')

La figura 11.2 ilustra la grfica de la funcin de interpolacin.

Figura 11.2

El mtodo empleado para hallar los coeficientes del polinomio no es el ms adecuado ya que si
aumenta el nmero de intervalos aumentar el nmero de ecuaciones y el planteamiento de dichas
ecuaciones se hace bastante engorroso. A continuacin se presentar un mtodo ms gil para
efectuar la interpolacin.

11.2.1. Interpolacin cuadrtica usando diferencias divididas
Consideremos el intervalo
1 +

k k
x t x y su correspondiente polinomio cuadrtico, as:
0 0.5 1 1.5 2 2.5 3
-3
-2
-1
0
1
2
3
4
5
6
114

1
2
; ) (
+
+ + =
k k k k k k
x t x c t b t a t p

Tal como se muestra en la figura 11.3, tanto la funcin de interpolacin como su primera derivada
son continuas en
1 + k
x . La derivada de una funcin cuadrtica es una funcin lineal, cuya
representacin grfica se ilustra en la figura 11.4.

Figura 11.3

Si denotamos por:
k
U a la derivada de la funcin en el punto:
k
x y por ) (t u
k
a la primera
derivada de la funcin en el primer intervalo, podemos escribir:

Figura 11.4

1
1
1
; ) ( ) (
+
+
+

+ =
k k k
k k
k k
k k
x t x x t
x x
U U
U t u

De manera similar, para el siguiente intervalo se tiene:

2 1 1
1 2
1 2
1 1
; ) ( ) (
+ + +
+ +
+ +
+ +

+ =
k k k
k k
k k
k k
x t x x t
x x
U U
U t u

A partir de la primera derivada se puede obtener la funcin de interpolacin por integracin directa,
as:
(
+ = =
+
+

t
x
k
k k
k k
k
t
x
k k
t
x
k
k k
x t
x x
U U
U dt t u t p d ) ( ) ( ) (
1
1

Efectuando la integral, se tiene:
( ) ( )
( )
2
) (
2
1
1 k
k k
k k
k k k k k
x t
x x
U U
x t U x p t p

+ =
+
+

115

La expresin anterior se puede escribir en la forma:

( ) ( )
2
1
1
2
1
) (
k
k k
k k
k k k k
x t
x x
U U
x t U y t p
+ + =
+
+

Al evaluar en
1 + k
x se encuentra que:
( ) ( )( )
k k k k k k k k k
U U x x U x x y y + + =
+ + + + 1 1 1 1
2
1

Se encuentra una ecuacin que relaciona a las derivadas de la funcin en los nodos interiores, as:

k k
k k
k k
x x
y y
U U
= +
+
+
+
1
1
1
2 1 .. 1 = n k

Si se impone la derivada al principio del intervalo, esto es dato U =
1
, y se tiene que:

1 .. 1 2
1
1
1
=
+ =
+
+
+
n k
x x
y y
U U
k k
k k
k k

En lo que sigue se conviene en definir el tamao de paso
k k k
x x h =
+1
, con lo que:

1 : 1 2
1
1
=
+ =
+
+
n k
h
y y
U U
k
k k
k k

La expresin anterior permite determinar las derivadas en los nodos de manera recursiva. Despus
de encontrar dichas derivadas se sustituyen en ) (t p
k
. La funcin de interpolacin resultante viene
a ser:
( ) ( ) [ ]
=
+
+

(
+ +
1
1
1
2
1
) ( ) (
2
1
n
k
k k k
k
k k
k k k
x t x t x t
h
U U
x t U y

La funcin de interpolacin se puede escribir en la forma:

[ ][ ]
=
+
+ + =
1
1
1
2
) ( ) ( ) (
n
k
k k k k k

S denotamos por
k
k k
k
h
U U
a

=
+1
2
1
, los otros coeficientes vienen dados por:
k k k k
a x U b 2 =
k k k k k k
a x U x y c
2
+ =

Ejemplo 11.2
Efecte interpolacin cuadrtica por segmentos para el conjunto de datos:
116

{ } ) 0 , 3 ( ), 3 , 2 ( ), 2 , 1 ( ), 1 , 0 (

Solucin.
Con base en los datos y suponiendo que 2 ) 0 ( '
1
= = U f , se llena la siguiente tabla

k
k
x
k
y
k
h
k
U
k
a
k
b
k
c
1 0 1 1 -2 -1 -2 1
2 1 -2 1 -4 9 -22 11
3 2 3 1 14 -17 82 -93
4 3 0 -20

Con base en la tabla, la funcin de interpolacin es:

+
+
+
=
3 2 93 82 17
2 1 11 22 9
1 0 1 2
) (
2
2
2
t si t t
t si t t
t si t t
t f

La grfica se muestra en la figura 11.2

11.3. Programa en Matlab para interpolacin cuadrtica.
%Programa para interpolacion cuadratica por segmentos
%intercua
clear all
%Entrada de informacin.
ui=input(' derivada al principio =');
% Clculo de los tamaos de paso
for k=1:n-1
h(k)=x(k+1)-x(k);
end
%Calculo de las derivadas
u(1)=ui;
for k=1:n-1
u(k+1)=-u(k)+2*(y(k+1)-y(k))/h(k);
end
% Clculo de los coeficientes
for k=1:n-1
a(k)=(u(k+1)-u(k))/(2*h(k));
b(k)=u(k)-2*x(k)*a(k);
c(k)=y(k)-x(k)*u(k)+x(k)^2*a(k);
end
% Los coeficientes se acomodan en una matrz C, as:
C=[a' b' c'];
C
%Representacion grafica
for k=1:n-1
h(k)=x(k+1)-x(k);
117

t(k,:)=x(k):0.01*h(k):x(k+1);
p(k,:)=C(k,1).*(t(k,:).^2)+C(k,2).*(t(k,:))+C(k,3);
plot(t(k,:),p(k,:),'k')
grid on
hold on
end
plot (x,y,'o')
%Los polinomios de interpolacin se escriben como
for j=1:n-1
for k=1:3
s(k)=C(j,k);
end
disp(strcat('p',num2str(j),'=',poly2str(s,'t')));
end

Ejecutando el programa para los datos del ejemplo 11.2 resulta
Numero de datos =4
vector de abscisas=[0 1 2 3]
vector de ordenadas=[1 -2 3 0]
derivada al principio =-2

C =

-1 -2 1
9 -22 11
-17 82 -93

p1= -1 t^2 - 2 t + 1
p2= 9 t^2 - 22 t + 11
p3= -17 t^2 + 82 t 93

La figura 11.5 muestra la grfica de la funcin de interpolacin y los datos.

Figura 11.5

0 0.5 1 1.5 2 2.5 3
-3
-2
-1
0
1
2
3
4
5
6
118

11.4. Interpolacin cbica por segmentos
Dado un conjunto de n datos que determinan 1 n intervalos, la interpolacin cbica por
segmentos consiste en determinar un polinomio de tercer grado por cada uno de los segmentos de
tal manera que se garantice la continuidad de la funcin, de la primera y de la segunda derivada. El
polinomio de interpolacin en el intervalo: ] , [
1 + k k
x x est dado por:
k k k k k
d t c t b t a t p + + + =
2 3
) (

La interpolacin cbica por segmentos garantiza la continuidad de la funcin en los n puntos, de la
primera y la segunda derivada en los nodos interiores:
1 2
..
n
x x
Consideremos los dos segmentos ubicados en el intervalo [ ]
2
,
+ k k
x x . De acuerdo con lo estipulado
previamente, los polinomios adyacentes son:

2 1 1 1
2
1
3
1 1
1
2 3
; ) (
; ) (
+ + + + + + +
+
+ + + =
+ + + =
k k k k k k k
k k k k k k k
x t x d t c t b t a t p
x t x d t c t b t a t p

Las primeras derivadas vienen dadas por:

2 1 1 1
2
1 1
1
2
; 2 3 ) ( '
; 2 3 ) ( '
+ + + + + +
+
+ + =
+ + =
k k k k k k
k k k k k k
x t x c t b t a t p
x t x c t b t a t p

Las segundas derivadas vienen dadas por:

2 1 1 1 1
1
; 2 6 ) ( ' '
; 2 6 ) ( ' '
+ + + + +
+
+ =
+ =
k k k k k
k k k k k
x t x b t a t p
x t x b t a t p

Teniendo en cuenta la continuidad de la funcin resultan 2 2 n ecuaciones, as:

n k y x p
n k y x p
k k k
k k k
: 2 ; ) (
1 : 1 ; ) (
1
= =
= =
+

La continuidad de la primera derivada en los nodos interiores nos conduce a 2 n ecuaciones,
as:
1 : 2 ; ) ( ' ) ( '
1
= =
+
n k x p x p
k k k k

La continuidad de la segunda derivada en los nodos interiores nos conduce a 2 n ecuaciones,
as:
1 : 2 ; ) ( ' ) ( '
1
= =
+
n k x p x p
k k k k

As las cosas, resultan 6 4 n ecuaciones con 2 4 n incgnitas, es decir, quedan faltando dos
ecuaciones. Puede afirmarse que la interpolacin cbica por segmentos tendr infinitas soluciones,
sin embargo, cuando se conocen las segundas derivadas en los extremos, la solucin ser nica.

Ejemplo 11.3
Efecte interpolacin cbica por segmentos para el siguiente conjunto de datos

{ } ) 0 , 3 ( ), 3 , 2 ( ), 2 , 1 ( ), 1 , 0 (
119

Solucin.
Puesto que se tienen tres intervalos es necesario encontrar tres polinomios de tercer grado, as:

2 1 1 1
2
1
3
1 1
; ) ( x t x d t c t b t a t p + + + =
3 2 2 2
2
2
3
2 2
; ) ( x t x d t c t b t a t p + + + =
3 2 3 3
2
3
3
3 3
; ) ( x t x d t c t b t a t p + + + =

Planteando la continuidad de la funcin en los nodos resultan 6 ecuaciones, as:

1 1 ) 0 (
1 1
= = d p
2 2 ) 1 (
1 1 1 1 1
= + + + = d c b a p
2 2 ) 1 (
2 2 2 2 2
= + + + = d c b a p
3 2 4 8 3 ) 2 (
2 2 2 2 2
= + + + = d c b a p
3 2 4 8 3 ) 2 (
3 3 3 3 3
= + + + = d c b a p
0 3 9 27 0 ) 3 (
3 3 3 3 3
= + + + = d c b a p

Planteando la continuidad de la primera derivada en los nodos interiores, tenemos:

2 2 2 1 1 1 2 1
2 3 2 3 ) 1 ( ' ) 1 ( ' c b a c b a p p + + = + + =
3 3 3 2 2 2 3 2
4 12 4 12 ) 2 ( ' ) 2 ( ' c b a c b a p p + + = + + =

Planteando la continuidad de la segunda derivada en los nodos interiores, tenemos:

2 2 1 1 2 1
2 6 2 6 ) 1 ( ' ' ) 1 ( ' ' b a b a p p + = + =
3 3 2 2 3 2
2 12 2 12 ) 2 ( ' ' ) 2 ( ' ' b a b a p p + = + =

Las dos ltimas ecuaciones se imponen a criterio del interesado.

Por ejemplo, supongamos que la segunda derivada de la funcin al principio del intervalo es
0 ) 0 ( ' '
1
= P y que la segunda derivada en el otro extremo es 0 ) 3 ( ' '
3
= P . Las ecuaciones
resultantes son las siguientes:

0 2 0 ) 0 ( ' '
1 1
= = b p
0 2 18 0 ) 3 ( ' '
3 3 2
= + = b a p

Resulta el sistema de doce ecuaciones con doce incgnitas:

120

(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

0
0
0
0
0
0
0
3
3
2
2
1
0 0 2 18 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 2 0
0 0 2 12 0 0 2 12 0 0 0 0
0 0 0 0 0 0 2 6 0 0 2 6
0 1 4 12 0 1 4 12 0 0 0 0
0 0 0 0 0 1 2 3 0 1 2 3
1 3 9 27 0 0 0 0 0 0 0 0
1 2 4 8 0 0 0 0 0 0 0 0
0 0 0 0 1 2 4 8 0 0 0 0
0 0 0 0 1 1 1 1 0 0 0 0
0 0 0 0 0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0 1 0 0 0
3
3
3
3
2
2
2
2
1
1
1
1
d
c
b
a
d
c
b
a
d
c
b
a

Usando cualquier paquete, encontramos la solucin del sistema, con lo que los polinomios de
interpolacin vienen a ser:

3 2
2 1
1 0
55 3333 . 66 24 6667 . 2 ) (
9 6667 . 29 24 3333 . 5 ) (
1 6667 . 5 6667 . 2 ) (
2 3
3
2 3
2
3
1

+ =
+ + =
+ =
t
t
t
si
si
si
t t t t p
t t t t p
t t t p

La funcin de interpolacin viene dada por:

=
+
+ + =
3
1
1
2
)] ( ) ( )[ ( ) (
k
k k k k k

11.4.1. Interpolacin cbica por segmentos usando diferencias divididas
De manera similar que para la interpolacin cuadrtica, la segunda derivada de la funcin cbica
debe ser una recta. S denotamos por:
1 + k k
W y W a las segundas derivadas en los extremos
del intervalo y por: ) (t w a la funcin segunda derivada en el intervalo, resulta:

) ( ) (
1
1
k
k k
k k
k k
x t
x x
W W
W t w
+ =
+
+

Para simplificar un poco se define el tamao de paso
k k k
x x h =
+1
, de tal manera que se puede
escribir:
) ( ) (
1
k
k
k k
k k
x t
h
W W
W t w
+ =
+

Dado que la integral de la segunda derivada es la primera derivada, se tiene que la primera
derivada de la funcin en el intervalo, la cual denotamos por: ) (t u
k
es:

121

(
|
|
\
|
+ =
+
t
x
k
k
k k
k
t
x
k
k
k
dt x t
h
W W
W dt t du ) ( ) (
1

Efectuando las integrales, tenemos:

2 1
) (
2
1
) ( ) ( ) (
k
k
k k
k k k k k
x t
h
W W
x t W x u t u
+ =
+

Si denotamos la primera derivada al principio del intervalo por
k k k
U x u = ) ( , tenemos:

2 1
) (
2
1
) ( ) (
k
k
k k
k k k k
x t
h
W W
x t W U t u
+ + =
+

La funcin derivada evaluada en el otro extremo del intervalo es:

2
1
1
1 1
) (
2
1
) (
k k
k
k k
k k k k k
x x
h
W W
x x W U U
+ + =
+
+
+ +

Se ha encontrado una relacin entre las primeras derivadas en los extremos del intervalo, as:

2
1
1
2
1
k
k
k k
k k k k
h
h
W W
h W U U

+ =
+
+

Simplificando, tenemos:
) (
2
1
1 1 + +
+ =
k k k k k
W W h U U (a)

Ahora, a partir de la primera derivada, encontraremos una expresin para el polinomio. Por
integracin se tiene:
(
+ + =
+
t
x
k
k
k k
k k k
t
x
k
k
k
dt x t
h
W W
x t W U dt t dp
2 1
) (
2
1
) ( ) (

Efectuando las integrales, se tiene:

3 1 2
) (
6
1
) (
2
1
) ( ) ( ) (
k
k
k k
k k k k k k k
x t
h
W W
x t W x t U x p t p
+ + =
+

Puesto que
k k k
y x p = ) ( , tenemos:
3 1 2
) (
6
1
) (
2
1
) ( ) (
k
k
k k
k k k k k k
x t
h
W W
x t W x t U y t p
+ + + =
+

Si se evala el polinomio en
1 + k
x tenemos:

122

3
1
1 2
1 1 1
) (
6
1
) (
2
1
) (
k k
k
k k
k k k k k k k k
x x
h
W W
x x W x x U y y
+ + + =
+
+
+ + +

Simplificando se tiene:
3
1
2
1
6
1
2
1
k
k
k k
k k k k k k
h
h
W W
h W h U y y

+ + + =
+
+

Despejando
k
U se tiene:
( )
k k
k
k
k k
k
W W
h
h
y y
U 2
6
1
1
+
=
+
+
(b)

A partir de la expresin anterior se puede escribir:

( )
1 2
1
1
1 2
1
2
6
+ +
+
+
+ +
+
+
=
k k
k
k
k k
k
W W
h
h
y y
U (c)

Sustituyendo (b) y (c) en (a) resulta:

( ) 2 : 1 ; 6 2
1
1
1 2
2 1 1 1
=
|
|
\
|
= + + +
+
+
+ +
+ + + +
n k
h
y y
h
y y
W h W h h W h
k
k k
k
k k
k k k k k k k

Para resolver el sistema es necesario conocer las segundas derivadas en los extremos, esto es:

1 1
) ( W x w =
n n
W x w = ) (

Con base en lo anterior nos resulta un sistema tridiagonal de 2 n ecuaciones con 2 n
incgnitas.
Primera ecuacin: ( )
1 1
1
1 2
2
2 3
3 2 2 2 1
6 2 W h
h
y y
h
y y
W h W h h
|
|
\
|
= + +
ltima ecuacin: ( )
n n
n
n n
n
n n
n n n n n
W h
h
y y
h
y y
W h h W h
1
2
2 1
1
1
1 1 2 2 2
6 2

|
|
\
|
= + +

El resto de las ecuaciones se genera de forma iterativa, as:

( ) 3 : 2 ; 6 2
1
1
1 2
2 1 1 1
=
|
|
\
|
= + + +
+
+
+ +
+ + + +
n k
h
y y
h
y y
W h W h h W h
k
k k
k
k k
k k k k k k k

Despus de resolver el anterior sistema se calculan las primeras derivadas, as:

( ) 1 : 1 ; 2
6
1
1
= +
=
+
+
n k W W
h
h
y y
U
k k
k
k
k k
k

A continuacin se calculan los coeficientes del polinomio a partir de la ecuacin:
123

3 1 2
) (
6
1
) (
2
1
) ( ) (
k
k
k k
k k k k k k
x t
h
W W
x t W x t U y t p
+ + + =
+

Se expande el polinomio en la forma:

k k k k k
d t c t b t a t p + + + =
2 3
) (

Con base en lo anterior, los coeficientes son:
k
k k
k
h
w w
a
6
1

=
+

k k
k
k
a x
w
b 3
2
=
2
3
k k k k k k
x a W x u c + =
3 2
2
1
k k k k k k k k
x a x W U x y d + =

Ejemplo 11.4
Efecte interpolacin cbica por segmentos para el siguiente conjunto de datos

{ } ) 0 , 3 ( ), 3 , 2 ( ), 2 , 1 ( ), 1 , 0 (

Solucin.
Suponiendo que las derivadas en los extremos son iguales a cero, es decir 0
4 1
= =W W , resulta el
siguiente sistema para las segundas derivadas:

1) ( )
1 1
1
1 2
2
2 3
3 2 2 2 1
6 2 W h
h
y y
h
y y
W h W h h
|
|
\
|
= + +
2) ( )
4 3
2
2 3
3
3 4
3 3 2 2 2
6 2 W h
h
y y
h
y y
W h h W h
|
|
\
|
= + +

Con base en los datos resulta el sistema matricial:

(
=
(
48
48
4 1
1 4
3
2
W
W

Resolviendo el sistema se tiene: 16
2
= W y 16
3
= W

A continuacin se llena la siguiente tabla:

k
k
x
k
y
k
W
k
U
k
a
k
b
k
c
k
d
1 0 1 0 -5.6667 2.6667 0 -5.6667 1
2 1 -2 16 2.3333 -5.3333 24 -29.667 -9
3 2 3 -16 2.3333 2.6667 -24 66.333 -55
124

4 3 0 0

El resultado coincide con el hallado previamente.

3 2
2 1
1 0
55 3333 . 66 24 6667 . 2 ) (
9 6667 . 29 24 3333 . 5 ) (
1 6667 . 5 6667 . 2 ) (
2 3
3
2 3
2
3
1

+ =
+ + =
+ =
t
t
t
si
si
si
t t t t p
t t t t p
t t t p

La interpolacin cbica por segmentos se puede efectuar mediante un programa de computador.

11.5. Interpolacin cbica con Matlab.
%intercu
%programa para efectuar interpolacion cubica por segmentos para datos
% no igualmente espaciados
clear all
%Entrada de informacion
W1=input('segunda derivada al principio=');
WN=input('segunda derivada al final=');
%Calculo de los tamaos de paso
for i=1:n-1
h(i)=x(i+1)-x(i);
end
%calculo de las segundas diferencias divididas
for k=1:n-2
b(k)=6*((y(k+2)-y(k+1))/h(k+1)-(y(k+1)-y(k))/h(k));
end
%Sistema de ecuaciones para hallar las segundas derivadas, desde w(2) hasta w(n-1)
% M*W=B
M(1,1)=2*(h(1)+h(2));
M(1,2)=h(2);
B(1)=b(1)-h(1)*W1;
M(n-2,n-3)=h(n-2);
M(n-2,n-2)=2*(h(n-2)+h(n-1));
B(n-2)=b(n-2)-h(n-1)*WN;
for k=2:n-3
M(k,k-1)=h(k);
M(k,k)=2*(h(k)+h(k+1));
M(k,k+1)=h(k+1);
B(k)=b(k);
end
aux=inv(M)*B';
W(1)=W1;
W(n)=WN;
for j=2:n-1;
W(j)=aux(j-1);
end
%Calculo de las primeras derivadas
for k=1:n-1
U(k)=(y(k+1)-y(k))/h(k)-(h(k)/6)*(2*W(k)+W(k+1));
end
% Calculo de los coeficientes de los polinomios
125

for k=1:n-1
c(k,1)=(W(k+1)-W(k))/(6*h(k));
c(k,2)=W(k)/2-3*x(k)*c(k,1);
c(k,3)=U(k)-x(k)*W(k)+3*c(k,1)*x(k)^2;
c(k,4)=-c(k,1)*x(k)^3+(x(k)^2)*W(k)/2-x(k)*U(k)+y(k);
end
c
%Representacion grafica de los polinomios
for i=1:n-1
t(i,:)=x(i):0.01*h(i):x(i+1);
p(i,:)=c(i,1).*(t(i,:).^3)+c(i,2).*(t(i,:).^2)+c(i,3).*t(i,:)+c(i,4);
plot(t(i,:),p(i,:),'k')
grid on
hold on
end
plot (x,y,'o')
for j=1:n-1
for i=1:4
s(i)=c(j,i);
end
end

Ejemplo 11.4
Considere la funcin:
x
x sen
x f
) (
) ( = en el intervalo: ] , [
a) Evale la segunda derivada de la funcin en los extremos de su dominio.
b) Haga una tabla de 6 datos igualmente espaciados con 5 = N
c) Efecte interpolacin cbica por segmentos y represente grficamente la curva y la funcin de
interpolacin.
d) Calcule el mximo error cometido.

Solucin.
a) La segunda derivada de la funcin evaluada en los extremos del intervalo:

3
2
) ( ) cos( 2 ) ( 2
) ( ' '
x
x sen x x x x sen
x f

=
203 . 0 ) ( ' ' 203 . 0 ) ( ' '
1
= = = = f W f W
n

b) La tabla de valores es la siguiente:

x y
-3.1416 0
-1.8850 0.5046
-0.6283 0.9355
0.6283 0.9355
1.8850 0.5046
3.1416 0

c) Se ejecuta el programa con la siguiente informacin:

>> interpcub
numero de datos=6
126

vector de abscisas=[-3.1416 -1.8850 -0.6283 0.6283 1.8850 3.1416]
vector de ordenadas=[0 0.5046 0.9355 0.9355 0.5046 0]
segunda derivada al principio=0.203
segunda derivada al final=0.203

c =

-0.0324 -0.2035 0.0047 1.0198
-0.0369 -0.2292 -0.0437 0.9894
-0.0000 -0.1596 0.0000 0.9985
0.0369 -0.2292 0.0437 0.9894
0.0324 -0.2035 -0.0047 1.0198

p1= -0.032359 t^3 - 0.20348 t^2 + 0.0047269 t + 1.0198
p2= -0.036903 t^3 - 0.22917 t^2 - 0.043703 t + 0.98936
p3= -7.3626e-018 t^3 - 0.15962 t^2 + 1.9036e-017 t + 0.99851
p4= 0.036903 t^3 - 0.22917 t^2 + 0.043703 t + 0.98936
p5= 0.032359 t^3 - 0.20348 t^2 - 0.0047269 t + 1.0198

Los resultados se muestran en la figura 11.5

Figura 11.5

EJERCICIOS

1) Considere la funcin: 4 0 , 1 2 ) ( + + =

x x e xe x f
x x

a) Encuentre la primera derivada de la funcin en el principio del intervalo.
b) Elabore una tabla de cinco datos igualmente espaciados
c) Efecte interpolacin cuadrtica por segmentos con.
d) Represente grficamente la funcin y la funcin de interpolacin.
e) Represente grficamente la funcin de error y determine el error mximo.

2) Para la misma funcin del ejercicio anterior:

a) Encuentre la segunda derivada de la funcin en los extremos del intervalo.
c) Efecte interpolacin cbica por segmentos.
-4 -3 -2 -1 0 1 2 3 4
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
127


=

x e x f
x xsen
0 , ) (
) (

a) Encuentre la primera derivada de la funcin en el principio del intervalo.
c) Efecte interpolacin cuadrtica por segmentos con.

4) Para la misma funcin del ejercicio anterior

a) Encuentre la segunda derivada de la funcin en los extremos del intervalo.
c) Efecte interpolacin cbica por segmentos.
5) Considere los siguientes datos:

{ } ) 2 , 4 ( ), 0 , 3 ( ), 3 , 1 ( ), 1 , 0 ( ), 2 , 2 ( ), 1 , 3 (

a) Efecte interpolacin cuadrtica por segmentos tomando como cero la primera derivada al
principio
b) Efecte interpolacin cbica por segmentos tomando como cero las segundas derivadas
en los extremos del intervalo

128

MDULO 12
DIFERENCIACIN NUMRICA

Contenido.
En este mdulo se presenta la diferenciacin numrica y se desarrollan los siguientes temas:

12.1. Introduccin
12.2. Derivacin usando Matlab
12.3. Diferencias divididas centradas de primero y segundo orden
12.4. Programa para diferenciacin numrica

12.1. Introduccin.
Supongamos que se tiene una funcin de una variable real ) (x f y = analtica en cada punto de
un intervalo abierto b x a < < . La primera derivada de la funcin en el punto a x = viene dada
por:
)
`
a x
a f x f
a f
a x
) ( ) (
lim ) ( '

Figura 12.1

Geomtricamente, ) ( ' a f es la pendiente de la recta tangente a la curva en el punto ( ) ) ( , a f a .
Si bien la derivada se puede determinar analticamente usando las reglas de derivacin, los
mtodos numricos proporcionan aproximaciones razonables sin necesidad de aplicar las reglas.
En la actualidad se hace uso de Matlab para determinar analticamente la derivada de cualquier
funcin.

12.2. Derivada de una funcin usando Matlab.
Para determinar la derivada de una funcin ) (x f se procede de la siguiente manera:

df=diff(funcin,x)

El resultado es la derivada de la funcin con respecto a x. A continuacin se evala para x=a.

Ejemplo 12.1
Dada la funcin ) ln( ) cos( 2 ) ( x x x f
x
+ =
a) Determine ) ( ' x f y calcule ) ( ' f
b) Determine ) ( ' ' x f y calcule ) ( ' ' f

Solucin.
a) Usando Matlab, se tiene:
f =

129

2^x*cos(x)+log(x)

>> df=diff(f,'x')

df =

2^x*log(2)*cos(x)-2^x*sin(x)+1/x

b) >> x=3.1416

x =

3.1416

>> eval(df)

ans =

-5.7987

c) >> d2f=diff(df,'x')

d2f =

2^x*log(2)^2*cos(x)-2*2^x*log(2)*sin(x)-2^x*cos(x)-1/x^2

>> x=3.1416

x =

3.1416

d) >> eval(d2f)

ans =

4.4838

La ventaja de Matlab es que se puede escoger la variable de derivacin, lo que permite derivar
parcialmente respecto a cualquier variable independiente.

Ejemplo 12.2
Dada la expresin ) cos( ) , (
2 2
xy y x y x F =
Calcule:
a)
x
F
b)
x y
F

2

c)
y
F
d)
y x
F

2

Solucin.
Usamos el paquete, as:
130

>> F='x^2*y^2*cos(x*y)'

F =

x^2*y^2*cos(x*y)

a) >> Fx=diff(F,'x')

Fx =

2*x*y^2*cos(x*y)-x^2*y^3*sin(x*y)

b) >> Fyx=diff(Fx,'y')

Fyx =

4*x*y*cos(x*y)-5*x^2*y^2*sin(x*y)-x^3*y^3*cos(x*y)

c) >> Fy=diff(F,'y')

Fy =

2*x^2*y*cos(x*y)-x^3*y^2*sin(x*y)

d) >> Fxy=diff(Fy,'x')

Fxy =

4*x*y*cos(x*y)-5*x^2*y^2*sin(x*y)-x^3*y^3*cos(x*y)

12.3. Diferencias divididas centradas.
Puede hacerse un estimativo tanto de la de la primera como de la segunda derivada en
k
x x =
usando los cinco primeros trminos de la serie de Taylor. Con relacin a la figura 12.1 se tiene:

( )
( ) ( ) ( )
24
) ( ' ' ' '
6
) ( ' ' '
2
) ( ' '
) ( ' ) ( ) (
4 3 2
k k k k k k
k k k
x x x f x x x f x x x f
x x x f x f x f

+
+ +

Dado que
1 1
) (

=
k k
y x f y teniendo en cuenta que h x x
k k
=
1
se tiene:

24
) ( ' ' ' '
6
) ( ' ' '
2
) ( ' '
) ( '
4 3 2
1
h x f h x f h x f
h x f y y
k k k
k k k
+ + =
(a)

Dado que
1 11
) (
+ +
=
k k
y x f y teniendo en cuenta que h x x
k k
=
+1
se tiene:

24
) ( ' ' ' '
6
) ( ' ' '
2
) ( ' '
) ( '
4 3 2
1
h x f h x f h x f
h x f y y
k k k
k k k
+ + + + =
+
(b)

Restando miembro a miembro las dos ecuaciones (a) y (b) se tiene:

3 / ) ( ' ' ' ) ( ' 2
3
1 1 k k k k
x f h x hf y y + =
+

131

En consecuencia, la primera derivada en
k
x x = se puede aproximar mediante la primera
diferencia dividida centrada, esto es:
h
y y
x f
k k
k
2
) ( '
1 1 +

Puede verse que se comete un error dado por:

3 / ) ( ' ' '
3
k k
x f h =

En cuanto a la segunda derivada, al sumar las ecuaciones (a) y (b), se obtiene una aproximacin
para la segunda derivada, as:

12 / ) ( ' ' ' ' ) ( ' ' 2
4 2
1 1 k k k k k
x f h x f h y y y + + = +
+

En consecuencia, la segunda derivada en
k
x x = se puede aproximar mediante la segunda
diferencia dividida centrada, esto es:
2
1 1
2
) ( ' '
h
y y y
x f
k k k
k
+
+

Puede verse que se comete un error:

12 / ) ( ' ' ' '
4
k k
x f h =

De manera similar se pueden encontrar aproximaciones para otros rdenes de derivacin.

Ejemplo 12.3
Dada la funcin ) ln( ) cos( 2 ) ( x x x f
x
+ =
Tomando 01 . 0 = h
a) Determine ) 1416 . 3 ( ' f
b) Determine ) 1416 . 3 ( ' ' f

Solucin.
Se llena la siguiente tabla:

x
) (x f
3.1416-h -7.6220
3.1416 -7.6802
3.1416+h -7.7380

Con base en las frmulas, se tiene:

a) 7984 . 5
2
) ( '
1 1

+
h
y y
x f
k k
k
b) 4838 . 4
2
) ( ' '
2
1 1
+
h
y y y
x f
k k k
k

Comparando con los resultados del ejemplo 12.1 se observa que el error cometido al calcular la
segunda derivada es apreciable.

132

12.4. Programa para diferenciacin numrica.
%Programa para calcular las dos primeras derivadas una funcin de una variable en x=a
clear all
f=input('funcion a derivar f(x)=');
a=input('valor de a= ');
h=input('tamao de paso=');
x=a;
fcen=eval(f);
x=a-h;
fizq=eval(f);
x=a+h;
fder=eval(f);
df=(fder-fizq)/2/h;
d2f=(fder-2*fcen+fizq)/h/h;
[df d2f]
% Las dos primeras derivadas calculadas directamente con Matlab.
pd=diff(f)
x=a;
pde=eval(pd)
sd=diff(pd)
x=a;
sde=eval(sd)

Ejecutando para los datos del ejemplo anterior se tiene:
funcion a derivar f(x)='2^x*cos(x)+log(x)'
valor de a= pi
tamao de paso=0.01

ans =

-5.7984 4.4838

pd =

2^x*log(2)*cos(x)-2^x*sin(x)+1/x

pde =

-5.7987

sd =

2^x*log(2)^2*cos(x)-2*2^x*log(2)*sin(x)-2^x*cos(x)-1/x^2

sde =

4.4837

Ejemplo 12.4
Considere la funcin ) ( ) (
2
x sen e x x f
x
=
a) Represente grficamente la funcin en el intervalo 2 0 x
b) Calcule numricamente ) 3 . 1 ( ' f y ) 3 . 1 ( ' ' f , con 001 . 0 = h
c) Calcule analticamente ) 3 . 1 ( ' f y ) 3 . 1 ( ' ' f

133

Solucin.
a) Usando el paquete se tiene:
>> x=0:0.01:2;
>> y=x.^2.*exp(-x).*sin(x);
>> plot(x,y)
>> grid on

La figura 12.2 ilustra la grfica de la funcin.

Figura 12.2

>> derivadas
funcion a derivar f(x)='x^2*exp(-x)*sin(x)'
valor de a= 1.3
tamao de paso=0.001

ans =

0.3622 -0.7076

pd =

2*x*exp(-x)*sin(x)-x^2*exp(-x)*sin(x)+x^2*exp(-x)*cos(x)

pde =

0.3622

sd =

2*exp(-x)*sin(x)-4*x*exp(-x)*sin(x)+4*x*exp(-x)*cos(x)-2*x^2*exp(-x)*cos(x)

sde =

-0.7076

funcion a derivar f(x)='x^2*exp(-x)*sin(x)'
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0.1
0.2
0.3
0.4
0.5
134

valor de a= 1.3
tamao de paso=0.001

ans =

0.3622 -0.7076

EJERCICIOS.

1) Considere la funcin ) ( ) ( x sen xe x f
x
=
a) Represente grficamente la funcin en el intervalo x 0
b) Calcule numricamente ) 3 / ( ' f y ) 3 / ( ' ' f , con 001 . 0 = h
c) Calcule analticamente ) 3 / ( ' f y ) 3 / ( ' ' f

2) Considere la funcin 1 ) ( ) ( + =

x sen e x x f
x


3) Considere la funcin ) ( ) ln( 2 ) ( x sen x x f
x
+ =
a) Represente grficamente la funcin en el intervalo 1 0 x
b) Calcule numricamente ) 3 / 1 ( ' f y ) 3 / 1 ( ' ' f , con 001 . 0 = h
c) Calcule analticamente ) 3 / 1 ( ' f y ) 3 / 1 ( ' ' f

4) Considere la funcin
) (
) (
x xsen
xe x f

=

5) Considere la funcin ) ( ) (
/
x sen x x f
x
=

135

MDULO 13
INTEGRACIN NUMRICA

Contenido.
En este mdulo se presenta la integracin numrica y se desarrollan los siguientes temas:

13.1 Introduccin
13.2. Integracin por series de potencias
13.3 Aproximacin por interpolacin polinmica
13.4. Frmulas de Newton Cotes
13.5. Regla de los trapecios
13.6. Anlisis del error en la regla de los trapecios
13.7. Integracin por el mtodo de Romberg
13.8. Regla de Simpson 1/3
13.9. Regla de Simpson 3/8
13.10. Programa para integrar con las frmulas de Newton-Cotes

13.1. Introduccin.
Existe un gran nmero de problemas de ingeniera y ciencias que conducen a la evaluacin de una
integral definida de la forma:
=
b
a
dx x f I ) (

Con base en el teorema fundamental del clculo, s la funcin ) (x F es una antiderivada de ) (x f ,
la integral definida viene dada por:
) ( ) ( b F a F I =

Ejemplo 13.1
Evale la integral definida:

=
2
0
2
dx e x I
x

Solucin.
En una tabla de integrales se encuentra que una antiderivada de la funcin dada es:

) 2 2 ( ) (
2
+ + =

x x e x F
x

En consecuencia, la integra definida es:

647 . 0 ) 0 ( ) 2 ( = F F I

Puede determinarse la integral usando Matlab, as:

>> f='x*x*exp(-x)'

f =

x*x*exp(-x)

>> F=int(f,'x')

F =
136

-x^2*exp(-x)-2*x*exp(-x)-2*exp(-x)
>> x=0

x =

0

>> Fa=eval(F)

Fa =

-2

>> x=2

x =

2

>> Fb=eval(F)

Fb =

-1.3534

>> I=Fb-Fa

I =

0.6466

Se puede obtener de manera directa el resultado, as:

>> int(f,'0','2')

ans =

-10*exp(-2)+2

>> -10*exp(-2)+2

ans =

0.6466

Geomtricamente la integral definida corresponde al rea bajo la curva de la funcin en el intervalo.
La figura 13.1 muestra la grfica de la funcin del ejemplo anterior.
El estudiante sabr que no siempre es posible determinar la antiderivada de una funcin mediante
funciones elementales, tal como ocurre para las funciones:

) (
) (
x sen
e x f =
x
x sen
x g
) (
) ( =
137

3
) ( x e x h
x
=

Figura 13.1

Para funciones como las que se han descrito previamente es necesario recurrir a tcnicas
diferentes para evaluar la correspondiente integral definida. Dentro de las tcnicas usuales para
llevar a cabo la integral definida estn las siguientes:

1) Expresar la funcin mediante una serie de potencias en el intervalo
2) Efectuar una interpolacin para la funcin en el intervalo
3) Efectuar la integracin de manera numrica usando diferentes mtodos.

Nuestro propsito es desarrollar los mtodos numricos que nos permitan evaluar la integral
definida. Sin embargo, empezaremos por ilustrar las dos primeras tcnicas.

13.2. Integracin por el mtodo de las series de potencias
Consiste en expresar, si es posible, la funcin mediante un desarrollo en serie de potencias en el
intervalo de integracin. Se recomienda efectuar el desarrollo en una vecindad del punto medio del
intervalo de integracin.

Ejemplo 13.2
Usando cuatro trminos de la serie de Taylor de la funcin en un entorno de 1 = x encuentre un
valor aproximado para la integral definida:

2
0
) (
dx e
x sen

La serie de Taylor de la funcin en un entorno de 1 = x es:

( ) ( )
3 2
1
! 3
) 1 ( ' ' '
1
! 2
) 1 ( ' '
) 1 )( 1 ( ' ) 1 ( ) ( + + + = x
f
x
f
x f f x s

Evaluando las derivadas en el punto dado se tiene que:

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0.1
0.2
0.3
0.4
0.5
138

3 2
) 1 ( 6753 . 0 ) 1 ( 6374 . 0 ) 1 ( 2534 . 1 3198 . 2 ) ( + = x x x x s

La figura 13.2 muestra la grfica de la funcin (lnea punteada) y la grfica de la serie. Puede
visualizarse la diferencia entre las dos curvas.

Figura 13.2

A partir de la figura es claro que la serie de 4 trminos converge a la funcin en el intervalo
4 . 1 4 . 0 x , con lo que la aproximacin no es buena en todo el intervalo.
Al efectuar la integral de cada trmino de la serie, se tiene:

4 3 2
) 1 ( 1688 . 0 ) 1 ( 2125 . 0 ) 1 ( 6267 . 0 3198 . 2 ) ( ) ( + = =
x x x x dx x s x S

En consecuencia, el rea bajo la curva de la serie es:

2133 . 4 ) 0 ( ) 2 ( = S S Is

Es claro que la aproximacin utilizada es bastante pobre. Al evaluar directamente la integral con el
paquete, se tiene que 2365 . 4 = I . Una mejor aproximacin se obtiene al aumentar el nmero de
trminos de la serie. S se toma una aproximacin de quinto grado, la convergencia se presenta en
todo el intervalo, con lo que la integral de la serie es prcticamente igual a la integral de la funcin.

13.3. Aproximacin por interpolacin cbica por segmentos.
Consiste en efectuar una interpolacin adecuada para la funcin y hacer la integral. El grado de la
aproximacin depender del nmero de puntos y del tipo de interpolacin. La ms adecuada es la
interpolacin cbica por segmentos. El programa se describe a continuacin.
% Programa para integrar usando interpolacin cbica por segmentos.
clear all
W1=input('segunda derivada al principio=');
WN=input('segunda derivada al final=');
%Calculo de los tamaos de paso
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
2.8
139

for i=1:n-1
h(i)=x(i+1)-x(i);
end
%calculo de las segundas diferencias divididas
for k=1:n-2
b(k)=6*((y(k+2)-y(k+1))/h(k+1)-(y(k+1)-y(k))/h(k));
end
%Sistema de ecuaciones para hallar las segundas derivadas, desde w(2) hasta w(n-1)
% M*W=B
M(1,1)=2*(h(1)+h(2));
M(1,2)=h(2);
B(1)=b(1)-h(1)*W1;
M(n-2,n-3)=h(n-2);
M(n-2,n-2)=2*(h(n-2)+h(n-1));
B(n-2)=b(n-2)-h(n-1)*WN;
for k=2:n-3
M(k,k-1)=h(k);
M(k,k)=2*(h(k)+h(k+1));
M(k,k+1)=h(k+1);
B(k)=b(k);
end
aux=inv(M)*B';
W(1)=W1;
W(n)=WN;
for j=2:n-1;
W(j)=aux(j-1);
end
%Calculo de las primeras derivadas
for k=1:n-1
U(k)=(y(k+1)-y(k))/h(k)-(h(k)/6)*(2*W(k)+W(k+1));
end
% Calculo de los coeficientes de los polinomios
for k=1:n-1
c(k,1)=(W(k+1)-W(k))/(6*h(k));
c(k,2)=W(k)/2-3*x(k)*c(k,1);
c(k,3)=U(k)-x(k)*W(k)+3*c(k,1)*x(k)^2;
c(k,4)=-c(k,1)*x(k)^3+(x(k)^2)*W(k)/2-x(k)*U(k)+y(k);
end
%Representacion grafica de los polinomios
for i=1:n-1
t(i,:)=x(i):0.01*h(i):x(i+1);
p(i,:)=c(i,1).*(t(i,:).^3)+c(i,2).*(t(i,:).^2)+c(i,3).*t(i,:)+c(i,4);
plot(t(i,:),p(i,:),'k')
grid on
hold on
end
plot (x,y,'o')
for j=1:n-1
for i=1:4
s(i)=c(j,i);
end
end
%Rutina para integrar
I=0;
for i=1:n-1
140

I=I+c(i,1)*(x(i+1)^4-x(i)^4)/4+c(i,2)*(x(i+1)^3-x(i)^3)/3+c(i,3)*(x(i+1)^2-x(i)^2)/2+c(i,4)*(x(i+1)-x(i));
end
I
Ejemplo 13.3.
Para la funcin del ejemplo anterior tome cinco datos igualmente espaciados, efecte interpolacin
polinmica y haga un estimativo de la integral.

Solucin.
Al ejecutar el programa se tiene:

>> intintercub
numero de datos=5
vector de abscisas=[0 0.5 1 1.5 2]
vector de ordenadas=[1 1.615 2.32 2.711 2.483]
segunda derivada al principio=1
segunda derivada al final=-1.827
p1= -0.12789 t^3 + 0.5 t^2 + 1.012 t + 1
p2= -0.64057 t^3 + 1.269 t^2 + 0.62746 t + 1.0641
p3= -0.54185 t^3 + 0.97288 t^2 + 0.92361 t + 0.96537
p4= 0.36797 t^3 - 3.1213 t^2 + 7.0649 t - 2.1053

I = 4.2358

La figura 13.3 muestra la grfica correspondiente.

Figura 13.3
13.4. Frmulas de Newton-Cotes
Son las frmulas que se usan ms a menudo para efectuar integrales numricamente y no son
ms que variantes de la interpolacin polinmica. Los mtodos consisten en hacer una particin del
dominio de la funcin en n intervalos igualmente espaciados, cada uno de tamao h .

13.5. Regla de los trapecios.
Consideremos una funcin ) (t f y = de la cual se conocen 1 + n datos, as:

{ } ) , ),....( , ( ), , ( ), , (
1 1 3 3 2 2 1 1 + + n n
y x y x y x y x
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.8
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
2.8
141

Para evaluar la integral definida entre a y b se procede de la siguiente manera:

1) Se calcula el tamao de paso:
n
a b
h

=
2) Se genera el vector de abscisas, as: 1 : 1 ) 1 ( + = + = n k h k a x
k

3) Se genera el vector de ordenadas, as: ) (
k k
x f y =
4) Cada intervalo se describe mediante una recta, es decir, se efecta interpolacin lineal por
segmentos. Para el segmento: ] , [
1 + k k
x x , la expresin matemtica de la recta de la figura 13.4
es:
) ( ) (
1
k
k k
k k
x t
h
y y
y t P
+ =
+

5) Se evala la integral de la funcin de aproximacin en el intervalo, as:

) (
2
) (
1
1
+
+
+
+ =
(
+ =
k k
h x
x
k
k k
k k
y y
h
dt x t
h
y y
y I
k
k

Figura 13.4

Al efectuar la aproximacin se comete un error dado por: ) ( ) ( t P t f E
k k
=
El error disminuye en la medida en que se reduce el tamao de paso. Observe que el rea
aproximada es el rea del trapecio que la recta forma con el eje de abscisas en el intervalo, de ah
el nombre de regla de los trapecios.
6) El rea total aproximada es la suma de las reas individuales, as:
=
+
+
1
0
1
) (
2
n
k
k k
y y
h
I
Ejemplo 13.4
Usando la regla de los trapecios haga un estimativo de la integral
2
0
) (
dx e
x sen
, con seis intervalos.

Solucin.
El tamao de paso viene a ser 3 / 1 = h . Se llena la tabla de valores y se calcula el valor
aproximado de la integral, as:

k
k
x
k
y
1 0 1
2 0.3333 1.3871
3 0.6667 1.8559
4 1 2.3198
142

5 1.3333 2.6431
6 1.6667 2.7058
7 2 2.4826

( ) 4826 . 2 7058 . 2 2 6431 . 2 2 3198 . 2 2 8559 . 1 2 3871 . 1 2 1
6
1
+ + + + + + I

Resolviendo se tiene 2176 . 4 I . S se toman 12 intervalos, el resultado es 2318 . 4 I .

13.6. Anlisis del error en el mtodo de los trapecios
El error local que se comete en el intervalo ] , [ h x x
k k
+ cuando se evala la integral viene dado
por:
[ ] ) ( ) (
2
) ( h x f x f
h
dt t f E
k k
h x
x
k
k
k
+ + =
+

Para hacer un estimativo del error en el intervalo se usa la serie de Taylor de la funcin en un
entorno del punto medio del intervalo 2 / h x x
k m
+ = . As las cosas, la funcin se puede expresar
en la forma:

... ) (
24
) ( ' ' ' '
) (
6
) ( ' ' '
) (
2
) ( ' '
) )( ( ' ) ( ) (
4 3 2
+ + + + + =
m
m
m
m
m
m
m m m
x t
x f
x t
x f
x t
x f
x t x f x f t f

La integral de la funcin en el intervalo viene dada por:

+ + + =
2 /
2 /
5 3
.... ) ( ' ' ' '
1820
) ( ' '
24
) ( ) (
h x
h x
m m m
m
m
x f
h
x f
h
x hf dt t f

Puesto que el tamao de paso es relativamente pequeo se pueden despreciar las potencias
superiores a la quinta, resultando que la integral es aproximadamente:

) ( ' '
24
) ( ) (
3
2 /
2 /
m m
h x
h x
x f
h
x hf dt t f
m
m
+ =

Con lo anterior, el error local resultante en el intervalo es:

[ ] ) ( ) (
2
) ( ' '
24
) (
3
h x f x f
h
x f
h
x hf E
k k m m k
+ + + =

Sabemos que la funcin tiene un desarrollo en series de la forma:

.... ) )( ( ' '
2
1
) )( ( ' ) ( ) (
2
+ + + =
m m m m m
x t x f x t x f x f t f

Con base en lo anterior, tenemos:
143

... ) ( ' '
8
) ( '
2
) ( ) (
2
+ + =
m m m k
x f
h
x f
h
x f x f
... ) ( ' '
8
) ( '
2
) ( ) (
2
+ + + = +
m m m k
x f
h
x f
h
x f h x f

Sumando las expresiones anteriores se encuentra que:

) ( ' '
4
) ( 2 ) ( ) (
2
m m k k
x f
h
x f h x f x f + = + +

Reemplazando en la funcin de error, resulta:

|
|
\
|
+ + = ) ( ' '
4
) ( 2
2
) ( ' '
24
) (
2 2
m m m m k
x f
h
x f
h
x f
h
x hf E
Simplificando se tiene que el error local aproximado es: ) ( ' '
12
3
m k
x f
h
E
El error global cometido es la suma de los errores locales, as:

= =
= =
n
k
m
n
k
k
x f
h
E E
1
3
1
) ( ' '
12

Puede hacerse un estimativo de la segunda derivada en el intervalo usando diferencias divididas,
tal como se ilustra a continuacin. Dados tres puntos de una funcin
) , ( ) , ( ) , (
1 1 1 1 + + k k k k k k
y x y x y x , la primera y la segunda derivada en el punto central se
pueden estimar mediante diferencias divididas, as:
La serie de potencias de la funcin en un entorno de
k
x esta dada por:
2
) )( ( ' '
2
1
) )( ( ' ) ( ) (
k k k k k
x t x f x t x f x f t f + + =

Evaluando en los extremos del intervalo y teniendo en cuenta que
k k
y x f = ) ( tenemos:
1. ) ( ' '
2
) ( '
2
1 k k k k
x f
h
x hf y y + =

2. ) ( ' '
2
) ( '
2
1 k k k k
x f
h
x hf y y + + =
+

En las ecuaciones previas se tom:
k k k k
x x x x h = =
+ 1 1

Combinando las ecuaciones anteriores, encontramos que:

h
y y
x f
k k
k
2
) ( '
1

=
+

2
1 1
2
) ( ' '
h
y y y
x f
k k k
k
+
+
=

Para poder hacer un estimativo del error en el caso que nos ocupa se requiere un punto adicional
o, con la informacin dada tomar nicamente 1 n derivadas, as:

144

[ ]

=
+
=
+
+ =
+
=
n
k
k k k
n
k
k k k
y y y
h
h
y y y h
E
2
1 1
2
2
1 1
3
2
12
2
12

Conocido el error estimado se puede afirmar que la integral definida viene dada por:

E y y
h
dx x f
n
k
k k
b
a
+ =

=
+
1
1
) (
2
) (

A manera de conclusin, s denotamos por ) (h IT el valor aproximado de la integral por el mtodo
de los trapecios para un h dado, tenemos:

) ( ) ( ) ( h ET h IT dx x f
b
a
+ =
=
+
+ =
n
k
k k
y y
h
h IT
1
1
) (
2
) (
=
+
+ =
n
k
k k k
y y y
h
h ET
2
1 1
) 2 (
12
) (

Ejemplo 13.5
Usando la regla de los trapecios haga un estimativo del error al evaluar la integral
2
0
) sin(
dx e
x
, para:
a) 6 = n
b) 12 = n

Solucin.
a) Para 6 = n el tamao de paso es 3 / 1 = h , con lo que el error se puede estimar a partir de la
tabla de valores, as:

k
k
x
k
y
1 0 1
2 0.3333 1.3871
3 0.6667 1.8559
4 1 2.3198
5 1.3333 2.6431
6 1.6667 2.7058
7 2 2.4826

( )
0170 . 0 ) 3 / 1 (
4826 . 2 7058 . 2 2 6431 . 2 2 3198 . 2 2 8559 . 1 2 3871 . 1 2 1
36
1
) 3 / 1 (
) 2 (
36
1
) 3 / 1 (
6
2
1 1
= =
+ + + = =
+ = =

=
+
h ET
h ET
y y y h ET
k
k k k

Con base en al anlisis de error, tenemos:
2346 . 4 2007 . 4
017 . 0 2176 . 4 017 . 0 2176 . 4
2
0
) (
2
0
) (

+

dx e
dx e
x sen
x sen

145

b) Siguiendo el mismo procedimiento, con 6 / 1 = h se llega a los siguientes resultados:

k
k
x
k
y
1 0 1
2 0.1667 1.1805
3 0.3333 1.3871
4 0.5 1.6151
5 0.6667 1.8559
6 0.8333 2.0963
7 1 2.3198
8 1.1667 2.5079
9 1.3333 2.6431
10 1.5 2.7115
11 1.6667 2.7058
12 1.8333 2.6267
13 2 2.4826

0045 . 0 ) 6 / 1 (
) 2 (
72
1
) 6 / 1 (
12
2
1 1
= =
+ = =

=
+
h ET
y y y h ET
k
k k k

Con base en al anlisis de error, tenemos:

2363 . 4 2273 . 4
0045 . 0 2318 . 4 0045 . 0 2318 . 4
2
0
) (
2
0
) (

+

dx e
dx e
x sen
x sen

Es evidente que el error disminuye al aumentar el nmero de intervalos.
13.7. Integracin por el mtodo de Romberg.
Con base en la aplicacin de la regla de los trapecios para dos tamaos de paso diferentes
2 1
, h h ,
se puede hacer un estimativo ms adecuado de la integral, tal como se justifica a continuacin.

) ( ) ( ) (
1 1
h ET h IT dx x f
b
a
+ =
) ( ) ( ) (
2 2
h ET h IT dx x f
b
a
+ =
Convenimos en que:
2 1
h h >
Hemos encontrado que el error global viene dado por:
=
=
n
k
m
x f
h
h ET
1
3
) ( ' '
12
) (
La segunda derivada promedio en el intervalo se define como:

n
x f
prom f
n
k
m
=
=
1
) ( ' '
' '
146

En la expresin anterior, n es el nmero de intervalos, as
h
a b
n

= . En tal caso, el error
cometido se puede expresar como:
prom f
h a b
h ET ' '
12
) (
) (
2
=

En consecuencia, podemos expresar la integral de la funcin de dos maneras diferentes, as:

=
b
a
prom f
h a b
h IT dx x f ' '
12
) (
) ( ) (
2
1
1

=
b
a
prom f
h a b
h IT dx x f ' '
12
) (
) ( ) (
2
2
2

Puesto que la segunda derivada promedio es independiente del tamao de paso, se tiene de las
dos ecuaciones anteriores:
=
b
a
h
h h I h I
dx x f
1
2
2
1
2
2
1
) ( ) (
) (

Se espera que la integral obtenida sea mucho ms aproximada que las integrales individuales.
Para el ejemplo anterior, tenemos:

232 . 4 ) ( 218 . 4 ) ( 2 / 1 6 / 1 3 / 1
2 1 2 1
= = = = = h I h I h h

Aplicando la frmula de Romberg, resulta:
237 . 4
4
3
218 . 4
4
1
232 . 4
2
0
) (
=
dx e
x sen

El estudiante puede verificar que el resultado encontrado es exacto para aritmtica de tres dgitos
decimales.

13.8. Regla de Simpson un tercio.
Consiste en aproximar la funcin en el intervalo: ] , [
2 + k k
x x mediante un polinomio de segundo
grado, de la forma:
k k k k
c t b t a t P + + =
2
) (

Usando diferencias divididas, el polinomio interpolante viene dado por:

) )( (
2
2
) ( ) (
1
2
1 2 1
+
+ + +

+
+
+ =
k k
k k k
k
k k
k k
x t x t
h
y y y
x t
h
y y
y t P

Desarrollando el polinomio de Newton se encuentra que:

2
1 2
2
h
y y y
a
k k k
k
+
=
+ +

147

k k k
k k
k
a x x
h
y y
b ) (
1
1
+
+
+
=
k k k
k k
k k k
a x x
h
y y
x y c
1
1
+
+
+
=

La integral de la funcin en el intervalo, siempre que el nmero de intervalos sea par, se puede
expresar como:

+ + +
+ =
2 2 2
) ( ) (
k
k
k
k
k
k
x
x
k
x
x
k
x
x
E dt t P dt t f

Evaluando la integral, se obtiene la regla de Simpson un tercio, as:

=
+ +
+ + + =
1
1
1
5 , 3 , 1
2 1
) 4 (
3
) (
n
k
k
n
k
k k k
b
a
E y y y
h
dt t f

De manera similar a la regla de los trapecios se puede demostrar que el error local
k
E que se
comete al aplicar la regla de Simpson viene dado por:

2 / ) ( ' ' ' '
90
5
h x x x f
h
E
k m m k
+ = =

El error global cometido al aplicar la regla de Simpson un tercio se puede escribir de la siguiente
manera:
=
1
0
4
) ( ' ' ' '
) (
90
n
k
m
x f
N
a b h
E

La cuarta derivada promedio en el intervalo es:

=
=
1
0
) ( ' ' ' '
1
' ' ' '
n
k
m
x f
N
prom f

Con base en lo anterior, el error global es:

prom f
a b h
E ' ' ' '
90
) (
4
=

La expresin anterior nos dice que el error global es proporcional a la cuarta potencia del tamao
de paso, es decir, que si el tamao de paso es menor que la unidad, el error global cometido es
menor que el que se comete con la regla de los trapecios.
Puede hacerse un estimativo de la cuarta derivada promedio en el intervalo usando diferencias
divididas centradas, as:
Para tres datos
1 1 + k k k
y y y , se pueden aproximar la primera y la segunda derivada en
k
x
as:
h
y y
x f
k k
k
2
) ( '
1 1 +

=
2
1 1
2
) ( ' '
h
y y y
x f
k k k
k
+
+
=
148

Para cinco datos
2 1 1 2 + + k k k k k
y y y y y , se pueden aproximar la tercera y la cuarta
derivada en
k
x as:

4
2 1 1 2
3
2 1 1 2
4 6 4
) (
2
2 2
) ( ' ' '
h
y y y y y
x f
h
y y y y
x f
k k k k k
k
iv k k k k
k
+ + + +
+ +
=
+
=

En consecuencia, un estimativo de error en el intervalo de integracin es:

=
+ +
+ +
=
1
3
4
2 1 1 2
5
4 6 4
90
n
k
k k k k k
h
y y y y y h
E
Simplificando, se tiene:
( )
=
+ +
+ + =
1
3
2 1 1 2
4 6 4
90
n
k
k k k k k
y y y y y
h
E

La regla de Simpson un tercio se puede escribir en la forma:

=
+
+ + =
2 /
1
1 2 2 1 2
) 4 (
3
1
n
i
i i i
y y y
h
IS

Ejemplo 13.6
Considere la integral definida:
2
0
) sin(
dx e
x

a) Usando la regla de Simpson un tercio calcule la integral y el error con 6 = n
b) Usando la regla de Simpson un tercio calcule la integral y el error con 12 = n

Solucin.
a) Para 6 = n , 3 / 1 = h , con lo que:

k
k
x
k
y
1 0 1
2 0.3333 1.3871
3 0.6667 1.8559
4 1 2.3198
5 1.3333 2.6431
6 1.6667 2.7058
7 2 2.4826

( )
2368 . 4 ) 3 / 1 ( 1
4826 . 2 7058 . 2 4 6431 . 2 2 3198 . 2 4 8559 . 1 2 3871 . 1 4 1
9
1
) 3 / 1 ( 1
) 4 (
9
1
) 3 / 1 ( 1
3
1
1 2 2 1 2
=
+ + + + + + =
+ + =

=
+
IS
IS
y y y IS
i
i i i

En cuanto al error se tiene:

149

( )
|
|
|
\
|
+ +
+ + +
+ +
=
+ + =

=
+ +
4826 . 2 7058 . 2 4 6431 . 2 6 3198 . 2 4 8559 . 1
7058 . 2 6431 . 2 4 3198 . 2 6 8559 . 1 4 3871 . 1
6431 . 2 3198 . 2 4 8559 . 1 6 3871 . 1 4 1
270
1
4 6 4
90
5
3
2 1 1 2
E
y y y y y
h
E
k
k k k k k

Simplificando se tiene: 0002267 . 0 = E
Con base en el anlisis de error, tenemos:

2370 . 4 2366 . 4
2
0
) (

dx e
x sen

b) Para 12 = n , 6 / 1 = h , con lo que:

k
k
x
k
y
1 0 1
2 0.1667 1.1805
3 0.3333 1.3871
4 0.5 1.6151
5 0.6667 1.8559
6 0.8333 2.0963
7 1 2.3198
8 1.1667 2.5079
9 1.3333 2.6431
10 1.5 2.7115
11 1.6667 2.7058
12 1.8333 2.6267
13 2 2.4826

2365 . 4 ) 6 / 1 ( 1
) 4 (
18
1
) 6 / 1 ( 1
6
1
1 2 2 1 2
=
+ + =

=
+
IS
y y y IS
i
i i i

( )
0000243 . 0
4 6 4
90
11
3
2 1 1 2
=
+ + =

=
+ +
E
y y y y y
h
E
k
k k k k k


2365 . 4 2365 . 4
2
0
) (

dx e
x sen

13.9. Regla de Simpson tres octavos.
Corresponde al caso de la interpolacin cbica por segmentos, es decir, se encuentra un polinomio
de tercer grado en el intervalo ] , [
3 + k k
x x .
Es claro que para aplicar la regla se requiere que el nmero de intervalos sea un mltiplo de tres.
150

k
x
x
k k k k
x
x
k
E dt d t c t b t a dt t f I
k
k
k
k
+ + + + = =

+ + 3 3
) ( ) (
2 3

Los coeficientes del polinomio se determinan por el mtodo de las diferencias divididas. . No se
presentan las operaciones por lo engorroso de su deduccin, pero los resultados son los
siguientes:
3 3 ) ( ES IS dt t f
b
a
+ =

En la expresin anterior, el primer trmino de la derecha corresponde a la integral aproximada por
la regla de Simpson tres octavos y viene dada por:

=
+ + +
+ + + =
3
... 6 , 3 , 0
1 2 3
) 3 3 (
8
3
3
n
k
k k k k
y y y y h IS

El error global al aplicar la regla viene dado por:

prom f h ES ' ' ' '
80
3
3
5
=

De manera similar a los casos anteriores, un estimativo del error es el siguiente:

( )
=
+ +
+ + =
1
3
2 1 1 2
4 6 4
80
3
n
k
k k k k k
y y y y y
h
E

La regla de Simpson tres octavos se puede escribir en la forma:

=
+
+ + + =
3 /
1
1 3 3 1 3 2 3
) 3 3 (
8
3
3
n
j
j j j j
y y y y h IS

Observe que el error es menor que el correspondiente a la regla de Simpson un tercio.

Ejemplo 13.7
Considere la integral definida:
2
0
) sin(
dx e
x

a) Usando la regla de Simpson un tercio calcule la integral y el error con 6 = n
b) Usando la regla de Simpson un tercio calcule la integral y el error con 12 = n

Solucin.
a) Para 6 = n el tamao de paso es 3 / 1 = h , con lo que:

k
k
x
k
y
1 0 1
2 0.3333 1.3871
3 0.6667 1.8559
4 1 2.3198
5 1.3333 2.6431
6 1.6667 2.7058
151

7 2 2.4826

( )
2372 . 4 ) 3 / 1 ( 3
4826 . 2 7058 . 2 3 6431 . 2 3 3198 . 2 2 8559 . 1 3 3871 . 1 3 1
8
1
) 3 / 1 ( 3
) 3 3 (
8
3
) 3 / 1 ( 3
3 /
1
1 3 3 1 3 2 3
=
+ + + + + + =
+ + + =

=
+
IS
IS
y y y y h IS
n
j
j j j j

( )
|
|
|
\
|
+ +
+ + +
+ +
=
+ + =

=
+ +
4826 . 2 7058 . 2 4 6431 . 2 6 3198 . 2 4 8559 . 1
7058 . 2 6431 . 2 4 3198 . 2 6 8559 . 1 4 3871 . 1
6431 . 2 3198 . 2 4 8559 . 1 6 3871 . 1 4 1
80
1
4 6 4
80
3
5
3
2 1 1 2
E
y y y y y
h
E
k
k k k k k

Simplificando se tiene: 0007651 . 0 = E

2380 . 4 2364 . 4
2
0
) (

dx e
x sen

b) Para 12 = n el tamao de paso es 6 / 1 = h , con lo que:

k
k
x
k
y
1 0 1
2 0.1667 1.1805
3 0.3333 1.3871
4 0.5 1.6151
5 0.6667 1.8559
6 0.8333 2.0963
7 1 2.3198
8 1.1667 2.5079
9 1.3333 2.6431
10 1.5 2.7115
11 1.6667 2.7058
12 1.8333 2.6267
13 2 2.4826

2366 . 4 ) 6 / 1 ( 3
4826 . 2 6267 . 2 3 7058 . 2 3 7115 . 2 2 6431 . 2 3 5079 . 2 3 3198 . 2
3198 . 2 0963 . 2 3 8559 . 1 3 6151 . 1 2 3871 . 1 3 1805 . 1 3 1
16
1
) 6 / 1 ( 3
) 3 3 (
8
3
) 6 / 1 ( 3
3 /
1
1 3 3 1 3 2 3
=
|
|
\
|
+ + + + + + +
+ + + + + +
=
+ + + =

=
+
IS
IS
y y y y h IS
n
j
j j j j

152

( )
00008 . 0
4 6 4
80
3
11
3
2 1 1 2
=
+ + =

=
+ +
E
y y y y y
h
E
k
k k k k k

Con base en el anlisis de error, tenemos: 2366 . 4 2366 . 4
2
0
) (

dx e
x sen

Las frmulas de integracin presentadas reciben el nombre de frmulas abiertas de Newton-Cotes
y son las ms utilizadas para evaluar integrales definidas. Antiguamente se usaban las frmulas
cerradas, que son variaciones de las frmulas abiertas. Hoy por hoy, las calculadoras personales
traen incorporadas las frmulas de integracin. Igualmente, los paquetes de computador como el
Matlab permiten integrar directamente. Otros mtodos de integracin se han desarrollado, entre los
que merece especial atencin el de la cuadratura Gaussiana, que se estudiar en el prximo
mdulo.

13.10. Programa para integracin de Newton-Cotes.
%Programa para integrar una funcion de una variable por las reglas de Newton-Cotes
clear all
xi=input('valor inicial= ');
xf=input('valor final= ');
% El numero de intervalos debe ser multiplo de 6 de tal manera que se apliquen los tres
metodos
N=input('numero de intervalos= ');
h=(xf-xi)/N;
f=input('entre la funcion f(t)= ');
% Se genera los vectores de abscisas y ordenadas
for i=1:N+1
x(i)=xi+h*(i-1);
t=x(i);
y(i)=eval(f);
end
% Se generan la integral IT y el error ET por la regla del trapecio
IT=0;
ET=0;
for i=1:N
IT=IT+(h/2)*(y(i)+y(i+1));
end
for i=2:N
ET=ET-(h/12)*(y(i-1)-2*y(i)+y(i+1));
end
IT
ET
% Se generan la integral IS1 y el error ES1 por la regla del Simpson 1/3
IS1=0;
ES1=0;
for i=1:N/2
IS1=IS1+(h/3)*(y(2*i-1)+4*y(2*i)+y(2*i+1));
end
for i=3:N-1
ES1=ES1-(h/90)*(y(i-2)-4*y(i-1)+6*y(i)-4*y(i+1)+y(i+2));
end
IS1
ES1
% Se generan la integral IS3 y el error ES3 por la regla del Simpson 3/8
IS3=0;
153

ES3=0;
for i=1:N/3
IS3=IS3+(3*h/8)*(y(3*i-2)+3*y(3*i-1)+3*y(3*i)+y(3*i+1));
end
for i=3:N-1
ES3=ES3-(3*h/80)*(y(i-2)-4*y(i-1)+6*y(i)-4*y(i+1)+y(i+2));
end
IS3
ES3

Ejemplo 13.8

Usando el programa calcule, por los diferentes mtodos, la integral y el error cometido al evaluar la
integral:
0
) ( 2 1 x sen x
Ejecute con 24 = n

Solucin.
>> integraNC
valor inicial= 0
valor final= pi
entre la funcion f(t)= 't*sqrt(1+2*sin(t))'

IT =7.3590
ET =0.0042
IS1 =7.3634
ES1 =8.2023e-006
IS3 =7.3634
ES3 = 2.7683e-005

EJERCICIOS

1) Considere la funcin: 2 / 0 ; ) ( 1 ) (
2
+ = x x sen x f
a) Determine el polinomio de Taylor de tercer grado en una vecindad de 4 / = x
b) En la misma figura represente la funcin original y el polinomio de Taylor.
c) A partir del polinomio haga un estimativo de la integral
2 /
0
) (
dx x f
d) Tomando 4 puntos en el intervalo efecte interpolacin cbica por segmentos.
e) Calcule la integral mediante las frmulas de Newton-Cotes con 12 = n

2) Repita el numeral anterior con la funcin ) 2 / tan( ) ( x x f =

4) Repita el numeral anterior con la funcin ) cos( 2 3 ) ( x x f + =

5) Repita el numeral anterior con la funcin
) cos(
) (
x
xe x f =

154

155

MDULO 14
INTEGRACIN NUMRICA POR CUADRATURA

Contenido.
En este mdulo se presenta la integracin numrica por cuadratura Gaussiana y se desarrollan los
siguientes temas:

14.1. Polinomios de Legendre
14.2. Desarrollo de una funcin mediante los polinomios de Legendre
14.3. Integracin por cuadratura de dos puntos
14.4. Cuadratura Gaussiana de tercer orden
14.5. Cuadratura Gaussiana generalizada

14.1. Polinomios de Legendre.
Los polinomios de Legendre resultan de resolver la ecuacin diferencial de Legendre de orden
N n as:
0 ) ( ) 1 ( ) ( ' 2 ) ( ' ' ) 1 (
2
= + + x y n n x xy x y x

14.1.1. Representacin grfica.
En un curso de ecuaciones diferenciales para ingeniera se aprende a resolver dicha ecuacin,
resultando que una de las soluciones de la ecuacin diferencial es un polinomio de grado n, as:

1 ) ( 0
0
= = x P n
x x P n = = ) ( 1
1

) 1 3 (
2
1
) ( 2
2
2
= = x x P n
) 3 5 (
2
1
) ( 3
3
3
x x x P n = =
) 3 30 35 (
8
1
) ( 4
2 4
4
+ = = x x x P n
) 15 70 63 (
8
1
) ( 5
3 5
5
x x x x P n + = =
) 5 105 315 231 (
16
1
) ( 6
2 4 6
6
+ = = x x x x P n
) 35 315 693 429 (
16
1
) ( 7
3 5 7
7
x x x x x P n + = =

Los polinomios de Legendre presentan ciertas propiedades, entre las que son dignas de destacar,
las siguientes:
1. Un polinomio de Legendre es estrictamente par o estrictamente impar.
2. Los polinomios pares pasan por los puntos: ) 1 , 1 ( y ) 1 , 1 (
3. Los polinomios impares pasan por los puntos: ) 1 , 1 ( y ) 1 , 1 (
4. Todas las races de los polinomios de grado mayor o igual que uno son reales y estn en el
intervalo: 1 1 < < x
5. Los polinomios son ortogonales en el intervalo: 1 1 < < x
La propiedad de ortogonalidad se plantea en los siguientes trminos:
156

=
+
n m si
n
n m si
dt t P t P
m n
1 2
2
0
) ( ) (
1
1

6. Los polinomios se generan a partir de la frmula de Rodrigue

( )
n
n
n
n
n
t
dt
d
n
t P 1
! 2
1
) (
2
=

7. A partir de 1 ) (
0
= t P y de t t P = ) (
1
se pueden generar los dems polinomios mediante la
frmula recursiva:
1
) ( ) ( ) 1 2 (
) (
1
1
+
+
=

+
n
t nP t tP n
t P
n n
n

La figura 14.1 ilustra la grfica de los polinomios de primero a cuarto grado.

Figura 14.1

14.1.2. Races de los polinomios de Legendre.
Las races de los polinomios se pueden obtener numricamente y guardarlas en un arreglo
matricial, de la siguiente manera:

%Raices de los polinomios de Legendre
clear all
p1=[1 0];
p2=[3/2 0 -1/2];
p3=[5/2 0 -3/2 0];
p4=[35/8 0 -30/8 0 3/8];
p5=[63/8 0 -70/8 0 15/8 0];
p6=[231/16 0 -315/16 0 105/16 0 -5/16];
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
p1
p2
p3
p4
157

p7=[429/16 0 -693/16 0 315/16 0 -35/16 0];
r(1,1)=0;
for j=2:7
r(1,j)=0;
end
r(2,1)=-0.5774;
r(2,2)=0.5774;
for j=3:7
r(2,j)=0;
end
r(3,1)=-0.7746;
r(3,2)=0;
r(3,3)=-r(3,1);
for j=4:7
r(3,j)=0;
end
r(4,1)=-0.8611;
r(4,2)=-0.34;
r(4,3)=-r(4,2);
r(4,4)=-r(4,1);
for j=5:7
r(4,j)=0;
end
r(5,1)=-0.9062;
r(5,2)=-0.5385;
r(5,3)=0
r(5,4)=-r(5,2);
r(5,5)=-r(5,1);
for j=6:7
r(5,j)=0;
end
r(6,1)=-0.9325;
r(6,2)=-0.6612;
r(6,3)=-0.2386;
r(6,4)=-r(6,3);
r(6,5)=-r(6,2);
r(6,6)=-r(6,1);
r(6,7)=0;
r(7,1)=-0.9491;
r(7,2)=-0.7415;
r(7,3)=-0.4058;
r(7,4)=0;
r(7,5)=-r(7,3);
r(7,6)=-r(7,2);
r(7,7)=-r(7,1);
r

n
1
r
2
r
3
r
4
r
5
r
6
r
2 -0.5774 0.5774
3 -0.7746 0 0.7746
4 -0.8611 -0.3400 0.3400 0.8611
5 -0.9062 -0.5385 0 0.5385 0.9062
6 -0.9325 -0.6612 -0.2386 0.2386 0.6612 0.9325

158

14.2. Desarrollo de una funcin mediante polinomios de Legendre.
Sabemos que para desarrollar una funcin mediante una serie de potencias se requiere que dicha
funcin sea continua y tenga todas sus derivadas continuas en un entorno de cualquier punto de su
dominio. Lo anterior significa que una funcin seccionalmente continua no se puede expresar en
trminos de series de potencias de Taylor. Veremos a continuacin que, una funcin
seccionalmente continua en el intervalo 1 1 < < x se puede expresar en trminos de los
polinomios de Legendre.

) ( .... ) ( ) ( ) ( ) (
2 2 1 1 0 0
x P c x P c x P c x P c x f
n n
+ + + + =

Los coeficientes del desarrollo se determinan con base en la propiedad de ortogonalidad, as: si se
multiplica la ecuacin por ) (x P
m
tenemos:

) ( ) ( .... ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
2 2 1 1 0 0
x P x P c x P x P c x P x P c x P x P c x P x f
m n n m m m m
+ + + + =

Integrando en el intervalo y aplicando la propiedad de ortogonalidad, resulta:

=
1
1
1
1
) ( ) ( ) ( ) ( dx x P x P c dx x P x f
n n n n

Despejando, tenemos:
+
=
1
1
) ( ) (
2
1 2
dx x P x f
n
c
n n

Cuando la funcin no est definida en el intervalo 1 1 < < x sino en un intervalo cualquiera, se
puede hacer la siguiente conversin: Si ) (x f est definida en el intervalo ) , ( b a , se hace el
cambio de variable q pt x + = de tal manera que el nuevo dominio sea 1 1 < < t .
Para lograr lo anterior se tiene que:
q p b
q p a
+ =
+ =

De lo anterior se sigue que:
2 / ) (
2 / ) (
a b q
a b p
+ =
=

La nueva funcin, en el intervalo 1 1 < < t , es: ( ) q pt f +

Ejemplo 14.1
Considere la funcin: 3 / 2 3 / ; ) ( ) ( = x x sen x f
a) Represente grficamente la funcin en el intervalo dado.
b) Haga el cambio de variable q pt x + = de tal manera que la funcin quede en el intervalo
1 1 < < t y grafique.

a) La figura 14.2 muestra las dos grficas. La punteada corresponde a la funcin original.
b) De acuerdo con lo desarrollado previamente, se tiene.

( )
( ) 6 / 2 / 3 / 3 / 2 2 / ) (
2 / 2 / 3 / 3 / 2 2 / ) (

= + = + =
= = =
a b q
a b p

El cambio de variable es:
159

6 2

+ = t x
As las cosas, la nueva funcin es:
1 1 ;
6 2
) (
|
\
|
+ = t t sen t f

Figura 14.2

Ejemplo 14.2
Considere la funcin definida como:
>
< <
<
=
1 0
1 1
1 0
) (
x si
x si x
x si
x f

a) Represente grficamente la funcin en el intervalo
b) Exprese la funcin mediante un desarrollo de Legendre de orden cuatro

Solucin.
a) La grfica de la funcin se hace usando el paquete Matlab y se muestra en la figura 14.3 junto
con la funcin de aproximacin.
b) Puesto que la funcin es par, su desarrollo de Legendre de orden cuatro es:

) ( ) ( ) (
4 4 2 2 0
x P c x P c c x L + + =

Los coeficientes se calculan de la siguiente manera:

5 . 0 ) (
2
1
1
0
1
1
0
= = =

xdx dt x f c
[ ] [ ] 625 . 0 5 . 0 5 . 1 5 5 . 0 5 . 1 ) (
2
5
1
1
1
0
2 2
2

= = = dx x x dx x x f c
-1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
160

[ ] 187 . 0 8 / 3 ) 8 / 30 ( ) 8 / 35 ( ) (
2
9
1
1
2 4
4
= + =
dx x x x f c

El polinomio de Legendre resultante es:

1174 . 0 6388 . 1 8181 . 0 ) (
2 4
+ + = x x x L

Figura 14.3

14.3. Integracin por cuadratura Gaussiana para dos puntos.
Partamos de la expresin que permite hallar los coeficientes del desarrollo, esto es:

+
=
1
1
) ( ) (
2
1 2
dx x P x f
n
c
n n

Si se hace 0 = n resulta una expresin para la integral, as:

0
1
1
2 ) ( c dx x f =

Si el desarrollo de la funcin es de segundo orden, se tiene:

) 1 3 (
2
1
) ( ) ( ) (
2
2 1 0 2 2 1 1 0
+ + = + + = x c x c c x P c x P c c x f
Las races de ) (
2
x P vienen dadas por
3
3
. Evaluando la funcin en dichas races, resultan las
ecuaciones:
1 0
3
3
) 3 / 3 ( c c f + =
1 0
3
3
) 3 / 3 ( c c f =

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
161

Sumando las ecuaciones anteriores, tenemos:

) 3 / 3 ( ) 3 / 3 ( ) (
1
1
f f dx x f + =

Ejemplo 14.3
Usando cuadratura Gaussiana de segundo orden, encuentre un valor aproximado para la integral:

=
2
0
) (
dx e I
x sen

Solucin.
Primero que todo cambiamos de variable, as:

1
2 2
+ =
+
+
= t x
a b
t
a b
x
La integral queda en la forma:
+
=
1
1
) 1 (
dt e I
t sen

7182 . 2 ) 5574 . 0 (
5071 . 1 ) 5574 . 0 (
) (
) 1 (
=
=
=
+
f
f
e t f
t sen

Aplicando la frmula resulta 2253 . 4 7182 . 2 5071 . 1 = + = I

14.4. Cuadratura Gaussiana de tres puntos.
En este caso el desarrollo de la funcin es:

) 3 5 (
2
1
) 1 3 (
2
1
) (
3
3
2
2 1 0
x x c x c x c c t f + + + =

Las races del polinomio ) (
3
x P son, aproximadamente, las siguientes:

7746 . 0 0 7746 . 0
3 2 1
= = = r r r

Al reemplazar en el desarrollo, se obtienen las ecuaciones:

) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
3 3 2 2 3 1 1 0
2 2 2 2 2 1 1 0
1 1 2 2 1 1 1 0
r f r P c r P c c
r f r P c r P c c
r f r P c r P c c
= + +
= + +
= + +

Resolviendo de manera simultnea, se encuentra que:

) ( ) ( ) ( ) (
3 3 2 2 1 1
1
1
r f r f r f dx x f + + =

Donde: 55556 . 0 88889 . 0 55556 . 0
3 2 1
= = =

El resultado, para el ejemplo anterior es: 2361 . 4 = I
162

14.5. Cuadratura Gaussiana de n puntos.
El mtodo de la cuadratura Gaussiana se puede generalizar a un nmero cualquiera, de la
siguiente manera:
=
n
k
k k
r f dx x f
1
1
1
) ( ) (

A continuacin se muestra una tabla en la que aparecen los factores de peso de acuerdo al
nmero de puntos:

n
1

2

3

4

5

6

2 1 1
3 0.5556 0.8889 0.5556
4 0.3485 0.6522 0.6522 0.3485
5 0.2369 0.4786 0.5689 0.4786 0.2369
6 0.1713 0.3608 0.4679 0.4679 0.3608 0.1713

La tabla puede ampliarse a un mayor nmero de puntos, sin embargo, con 6 = n es suficiente en
los casos de inters.
El siguiente cdigo permite evaluar cualquier integral definida en el intervalo 1 1 x .

%Cuadratura Gaussiana para n=2,3,4,5,6
clear all
%Se entra la matriz de las raices
r=[0 0 0 0 0 0;-0.5774 0.5774 0 0 0 0;-0.7746 0 0.7746 0 0 0;-0.8611 -0.34 0.34 0.8611 0 0;-0.9062
-0.5385 0 0.5385 0.9062 0;-0.9325 -0.6612 -0.2386 0.2386 0.6612 0.9325];
c=[0 0 0 0 0 0;1 1 0 0 0 0;0.5556 0.8889 0.5556 0 0 0;0.3479 0.6522 0.6522 0.3479 0 0;0.2369
0.4786 0.5689 0.4786 0.2369 0;0.1713 0.3608 0.4679 0.4679 0.3608 0.1713];
n=input('numero de puntos=');
f=input('la funcion a integrar es f(t)=');
I=0;
for i=1:n
t=r(n,i);
s(i)=eval(f);
I=I+s(i)*c(n,i);
end
I

Ejemplo 14.4
Encuentre la integral del ejemplo anterior usando cuadratura de 4,5 y 6 puntos:

Solucin.
a) Para n=4
>> cuadratura
numero de puntos=4
la funcion a integrar es f(t)='exp(sin(t+1))'

I = 4.2370

b) Para n=5
>> cuadratura
numero de puntos=5

I = 4.2363
163

c) Para n=6
>> cuadratura
numero de puntos=6

I = 4.2365

Como vemos, se obtienen buenas aproximaciones con un nmero relativamente pequeo de
operaciones.

EJERCICIOS

>
< < +
<
=
1 0
1 1 1
1 0
) (
x si
x si x
x si
x f
a) Exprese la funcin mediante una aproximacin de Legendre de grado 5
b) En la misma figura represente la funcin y la aproximacin encontrada

2) Usando cuadratura Gaussiana de 2, 3, 4, 5 y 6 puntos, evale las siguientes integrales:

a) dx x sen I
+ =
2 /
0
2
1
) ( 1

b) dx x I
=
4 /
0
2
) tan(

c)
+
2 /
0
) cos( 2 3
dx x
d)
1
0
dx x e
x

e)
dx x
2
0
3
2 +

164

MDULO 15
PROBLEMAS DE VALOR INICIAL DE PRIMER ORDEN

Contenido.
En este mdulo se presenta la solucin de un problema de valor inicial de primer orden y
desarrollan los siguientes temas:

15.1. Introduccin
15.2. Problema de valor inicial
15.3. Teorema de existencia y unicidad
15.4. Ecuaciones diferenciales de variables separables
15.5. Ecuaciones diferenciales homogneas
15.6. Ecuaciones diferenciales exactas
15.7. Ecuaciones diferenciales lineales
15.8. Solucin de ecuaciones diferenciales usando dsolve

15.1. Introduccin.
Se presentar un enfoque de las ecuaciones diferenciales aplicado a la solucin de problemas de
ingeniera. Se supone que el estudiante, en el curso previo de ecuaciones diferenciales, adquiri
los conocimientos y las destrezas para la solucin de ecuaciones diferenciales en general.

15.2. Problema de valor inicial
Un problema de valor inicial es el que se formula mediante una ecuacin diferencial y un nmero
preciso de condiciones iniciales. Para el caso que nos ocupa, en principio, la formulacin de un
problema de valor inicial de primer orden es la siguiente

( )
( ) ( )
0 0
; , y x y y x f
dx
x dy
= =

Si hacemos una interpretacin geomtrica simple del problema (puede tratarse de un problema
fsico o de otra ndole), la solucin del problema es la curva del plano que satisface a la ecuacin
diferencial y pasa por el punto ( )
0 0
, y x . Cabe preguntarnos aqu algunas cosas que ms adelante
intentaremos resolver.
a. Cul es la regin R del plano en la que el problema tiene solucin?
b. Bajo qu condiciones la solucin que pasa por el punto ( )
0 0
, y x es nica?
c. En qu medida las soluciones pueden expresarse en trminos de funciones elementales?

Antes de proceder formalmente con el teorema de existencia y unicidad es conveniente analizar un
ejemplo sencillo

Ejemplo 15.1
Encuentre la familia de curvas cuya pendiente de la recta tangente en todos sus puntos est dada
por:
x
y
y
2
' =
Solucin.
Escribiendo la ecuacin diferencial en trminos de diferenciales tenemos

0 2
1 1
=

dx x dy y

As que integrando a ambos lados de la ecuacin diferencial tenemos:

165

K x y = ) ln( 2 ) ln(

Dado que K es una constante arbitraria podemos hacer ) ln(C K = de tal forma que usando las
propiedades de los logaritmos obtenemos la familia de parbolas

2
Cx y =

El estudiante puede verificar que la familia encontrada corresponde a parbolas con centro en el
origen y simetra de eje Y. La figura 15.1 representa dos elementos de la familia correspondientes
a los valores de la constante: 1 , 1 = = C C

Figura 15.1

Puede verse que por el origen pasan infinitas soluciones de la forma:

<
=
0
0
) (
2
2
2
1
x si x C
x si x C
x f

Particularmente, son soluciones las siguientes:
1. Curva AOD, cuya ecuacin es:

<
=
0
0
) (
2
2
x si x
x si x
x f
2. Curva COB, cuya ecuacin es:
<
=
0
0
) (
2
2
x si x
x si x
x f

15.3. Teorema de existencia y unicidad
Supongamos una ecuacin diferencial de la forma ( ) y x f y , ' = con la condicin de hallar una
solucin nica que pase por el punto ( )
0 0
, y x .
Geomtricamente, la solucin debe ser una curva particular de la familia de curvas halladas al
resolver la ecuacin diferencial. Nos interesa determinar bajo qu condiciones dicha ecuacin
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
-4
-3
-2
-1
0
1
2
3
4
C=1
C=-1
166

diferencial tiene solucin una regin R del plano y si dicha solucin, en caso de existir es nica en
dicha regin.

El teorema de existencia y unicidad se formula en los siguientes trminos:

Dado el problema de valor inicial
0 0
) ( ; ) , ( ) ( ' y x y y x f x y = =
Donde f y
y
f son continuas en una regin rectangular centrada en el punto ) , (
0 0
y x y definida
como
{ } b y y a x x R y x R < < =
0 0
2
/ ) , (

Si M y x f < ) , ( en dicha regin y si h es el menor de los nmeros: a, b, M, entonces existe una
solucin nica en el intervalo h x x <
0
para el problema de valor inicial dado.

Es importante aclarar que las condiciones del teorema son de suficiencia pero no de necesidad, lo
anterior significa que puede no cumplirse una de las condiciones de continuidad y sin embargo
tener solucin. Algunos ejemplos posteriores pondrn de presente tal aseveracin.

Ejemplo 15.2.
Considere el problema de valor inicial:
0 0
) ( ,
2
' y x y
x
y
y = =
Determine las regiones del plano en las que se puede ubicar el punto dado para que se garantice
que el problema tenga solucin nica.

Solucin.
La funcin y su primera derivada parcial con respecto a la variable dependiente son:

x
y
f
x
y
f
y
= =
2

De lo anterior se concluye que no se garantiza solucin nica en regiones que contengan a la recta
0 = x
El estudiante puede analizar el ejemplo anterior en el que se muestran algunas de las soluciones
de la ecuacin diferencial dada. Por tanto, el punto puede ubicarse en cualquiera de las siguientes
regiones:

1. { } 0 / ) , (
2
< x R y x
2. { } 0 / ) , (
2
> x R y x

Ejemplo 15.3
Considere el problema de valor inicial:
0 0
2
) ( ;
1
' y x y
x
xy
y =
=

Determine las regiones del plano en las que se puede ubicar el punto dado para que se garantice
que el problema tenga solucin nica.

Solucin.
La funcin y su primera derivada parcial con respecto a la variable dependiente son:
167

1
;
1
2 2
=
x
x
f
x
xy
f
y

De lo anterior se concluye que no se garantiza solucin nica en regiones que contenga a las
rectas: 1 ; 1 = = x x
Por consiguiente, el punto dado se puede ubicar en cualquiera de las siguientes regiones del plano:

1. { } 1 / ) , (
2
< x R y x
2. { } 1 1 / ) , (
2
< < x R y x
3. { } 1 / ) , (
2
> x R y x

La ecuacin diferencial es de variables separables y, en consecuencia, se puede determinar su
solucin general, as:
1
2
=
x
xdx
y
dy

Integrando ambos miembros de la igualdad, resulta:

) ln( ) 1 ln(
2
1
) ln(
2
C x y + =

Con base en las propiedades de los logaritmos, tenemos:

( ) 1
2 2 2
= x C y
Puesto que K C =
2
es una constante arbitraria, la solucin general es la familia de cnicas:

1
1
2 2
=
K
y x

Si 0 < K es una familia de elipses
Si 0 > K es una familia de hiprbolas

La figura 15.2 muestra las regiones de validez de las soluciones y algunos elementos de la familia,
as:
a) Para: 4 = K , el elemento es una elipse cuya ecuacin es:

1
2 1
2
2
2
2
= +
y x

b) Para: 4 = K , el elemento es una hiprbola cuya ecuacin es:

1
2 1
2
2
2
2
=
y x

168

Figura 15.2

Claramente se observa que por los puntos de abscisa 1 = x y 1 = x pasan infinitas soluciones.

15.4. Ecuaciones diferenciales de variables separables
Una ecuacin diferencial de primer orden de variables separables presenta la forma general:

0 ) ( ) ( = + dy y G dx x F
La solucin general viene dada por:

C dy y G dx x F = +

) ( ) (

Tal como se estableci previamente, la constante se evala a partir de la condicin inicial

Ejemplo 15.4
Resuelva el problema de valor inicial:

Vo v t Bv Mg t v
dt
d
M = = ) 0 ( ; ) ( ) (
Solucin.
Separando las variables e indicando las integrales, resulta:

t dv
Mg Bv
M
=
(
+

Evaluando las integrales, tenemos:
-3 -2 -1 0 1 2 3
-4
-3
-2
-1
0
1
2
3
4
x
y
y
2
+4 (x x-1) = 0
169

C t Mg Bv
B
M
+ = + ) ln(
La constante la calculamos con la condicin inicial Vo v = ) 0 ( , de donde:

) ln( Mg BVo
B
M
C + =

Ahora despejamos la velocidad en funcin del tiempo, as:

t
M
B
e
B
Mg
Vo
B
Mg
t v

|
\
|
+ +
= ) (

Tomando los datos 1 , 10 , 1 , 100 = = = = B g M Vo , se tiene:

t
e t v

+ = 110 10 ) (
La grfica se muestra en la figura 15.3

Figura 15.3

15.5. Ecuaciones diferenciales homogneas
Una ecuacin diferencial de primer orden puede, en algunos casos, expresarse en la forma:

) , ( y x f
dx
dy
=

Como ya hemos visto, no siempre es posible separar las variables y proceder por integracin
directa para resolver la ecuacin diferencial. Trataremos en esta seccin con cierto tipo de
ecuaciones diferenciales que se pueden convertir en ecuaciones de variables separables mediante
un cambio adecuado de la variable dependiente.

15.5.1. Funciones homogneas
Consideremos una funcin de dos variables ) , ( y x F . Se dice que la funcin es homognea de
grado n si existe un R tal que ) , ( ) , ( y x F y x F
n
= . Particularmente, si la funcin es
polinmica, la suma de las potencias de las variables en cada trmino es la misma. Son ejemplos
de funciones homogneas las siguientes:

2 2
3 ) , ( y xy x y x F + + = homognea de grado dos

x
y
ye x y x G + = ) , ( homognea de grado uno
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-20
0
20
40
60
80
100
170

y x
y x
y x H
+
= ) , ( homognea de grado cero

|
|
\
|
=
y
x
xysen y x S 2 ) , ( homognea de grado dos
y x y x R + = ) , ( homognea de grado un medio

y x
x
y x T
+
= ) , ( homognea de grado cero

15.5.2. Ecuacin diferencial homognea
Una ecuacin diferencial de la forma ( ) y x f y , ' = es homognea, si la expresin ) , ( y x f es
homognea de grado cero.
La ecuacin diferencial
y x
y x
y
+
= ' , por ejemplo es homognea.

15.5.3. Solucin de una ecuacin diferencial homognea
Una ecuacin diferencial homognea se puede reducir, en todo caso, a una ecuacin diferencial de
variables separables mediante uno de los siguientes cambios de variable

y x v x y u / , / = =

1) Si hacemos el cambio x y u / = tenemos que ux y = , con base en lo anterior, tenemos

u
dx
du
x
dx
dy
+ =

Dado que ( ) y x f , es homognea de grado cero, siempre es posible expresarla como:

( ) ( ) x y F y x f / , =

De lo anterior, tenemos la ecuacin diferencial de variables separables para las variables: u x,

( ) u F u
dx
du
x = +

2) Si hacemos el cambio y x v / = , tenemos que vy x = , de donde:

v
dy
dv
y
dy
dx
+ =

La anterior es una ecuacin diferencial de variables separables para las variables: v y,

171

Ejemplo 15.5.
Resuelva la ecuacin diferencial:
y x
y x
y
+
= '
Solucin.
Dividiendo por x el numerador y el denominador de ( ) y x f , y luego haciendo ux y = , tenemos:

u
u
u
dx
du
x
+
= +
1
1

Haciendo transformaciones se obtiene la ecuacin de variables separables

0
1 2
1
2
= +
+
+
x
dx
du
u u
u

Integrando se obtiene: ( ) ( ) C x u u = + + ln 1 2 ln
2
1
2

Regresando a la variable original y simplificando se obtiene

K y xy x =
2 2
2

La solucin general de la ecuacin diferencial es una familia de hiprbolas. La figura 15.4 ilustra los
elementos correspondientes a 2 = K y 1 = K

Figura 15.4
15.6. Ecuaciones diferenciales exactas
Tal como se estudi previamente, dada una funcin de dos variables C y x F = ) , ( , su diferencial
total viene dado por:
-4 -3 -2 -1 0 1 2 3 4
-4
-3
-2
-1
0
1
2
3
4
x
y
x x-2 x y-y y-2 = 0
172

0 = =
|
|
\
|
+ |
\
|
= dC dy F
y
dx F
x
dF

Tanto la derivada parcial con respecto a x , como la derivada parcial con respecto a y de la
funcin dependen de las dos variables. Se conviene en designarlas de la siguiente manera:
) , ( ) , ( y x N F
y
y x M F
x
=

Con base en lo anterior se obtiene la ecuacin diferencial de primer orden:

0 ) , ( ) , ( = + dy y x N dx y x M

Es claro que si la ecuacin diferencial se obtuvo a partir de la familia de curvas, la solucin general
de dicha ecuacin diferencial es la correspondiente familia.

Ejemplo 15.6.
Dada la ecuacin diferencial 0 2
2
= + dy x xydx , muestre que la solucin general viene dada por
C y x =
2

Solucin.
Hallamos el diferencial total de la funcin, encontrando la correspondiente ecuacin diferencial.
El problema que nos ocupa es precisamente el contrario, es decir, encontrar la familia de curvas a
partir de la ecuacin diferencial.
15.6.1. Ecuacin diferencial exacta
Dada la ecuacin diferencial 0 ) , ( ) , ( = + dy y x N dx y x M , se dice que es exacta si existe una
funcin: C y x F = ) , ( tal que:
( )
M
x
y x F
=
,
y
( )
N
y
y x F
=
,

En tal caso, la solucin general de la ecuacin diferencial es la familia de curvas.

Teorema 1.
Si la ecuacin diferencial: 0 ) , ( ) , ( = + dy y x N dx y x M es exacta y ) , ( ), , ( y x N y x M son
continuas y poseen su primera derivada continua en una regin simplemente conexa del plano
2
R ,
entonces se verifica que:
0 ) , ( ) , ( =
y x N
x
y x M
y

La demostracin del teorema se apoya en la definicin de una ecuacin diferencial exacta y en un
teorema de las funciones de dos variables.
Por hiptesis se tiene que: ) , ( ) , ( y x F
x
y x M
=

Derivando con respecto a la otra variable, se tiene:

173

) , ( ) , ( ) , (
2
y x F
x y
y x F
x y
y x M
y
=
(

De manera similar, tenemos: ) , ( ) , ( y x F
y
y x N
=

Derivando con respecto a la otra variable, se tiene:

) , ( ) , ( ) , (
2
y x F
y x
y x F
y x
y x M
x
=
(

Ahora bien, para regiones del plano simplemente conexas se verifica que la segunda derivada
mixta no depende del orden de derivacin, esto es
xy yx
F F = . De lo anterior se concluye que si la
ecuacin diferencial es exacta, entonces:

0 ) , ( ) , ( =
y x N
x
y x M
y

La ecuacin del ejemplo anterior es exacta y, en consecuencia se verifica el teorema, es decir:

0 2 2 = =
x x
x
N
y
M

El teorema anterior es de poca utilidad ya que no ayuda a resolver la ecuacin diferencial.

Teorema 2.
Dada la ecuacin diferencial 0 ) , ( ) , ( = + dy y x N dx y x M , si las funciones:
x y
N y M N M , , son
continuas en una regin simplemente conexa del plano y se verifica que 0 =
x y
N M , entonces
la ecuacin diferencial es exacta y tiene como solucin general a la familia de curvas del plano:
C y x F = ) , (
Para demostrar el teorema se supone que existe una ) , ( y x F tal que su derivada parcial con
respecto a x es M , esto es M
x
F
=
. La funcin F se determina por integracin sobre la

variable x manteniendo constante la otra variable, as:

+ =
x
y C dx y x M y x F ) ( ) , ( ) , (

El xito de esta demostracin consiste en poder determinar la funcin ) ( y C de tal manera que se
verifique que ) , ( y x N
y
F
=
. En efecto, tomando la derivada parcial con respecto a la variable y

se tiene:
) , ( ) ( ' ) , ( ) , ( y x N y C dx y x M
y
y x F
y
x
= +

174

De lo anterior debe resulta una funcin dependiente nicamente de la variable y para la funcin
) ( ' y C
dx y x M
y
y x N y C
x
= ) , ( ) , ( ) ( '

Si la expresin anterior se deriva con respecto a x , el miembro de la izquierda debe ser cero, as:

(
dx y x M
y x
y x N
x
x
) , ( ) , ( 0

Si se cambia el orden de la derivacin y se aplica el teorema fundamental del clculo integral, se
tiene:
y
M
x
N
dx y x M
x y
y x N
x
x
=
(
) , ( ) , ( 0

El procedimiento de demostracin del teorema se constituye en el mtodo para resolver la
ecuacin diferencial. Tambin se puede partir de N
y
F
=
y proceder en consecuencia.

Ejemplo 15.7
Considere la ecuacin diferencial: 0 ) ( 2
2 2
= + dy y x xydx
a) Verifique que es exacta
b) Encuentre las regiones del plano en las que se puede ubicar el punto ) , (
0 0
y x de tal manera
que se garantice solucin nica
c) Encuentre la solucin general de la ecuacin diferencial

Solucin.
a)
2 2
) , ( 2 ) , ( y x y x N xy y x M = =
Puede verse que la ecuacin diferencial es exacta: 0 2 2 = =
x x
x
N
y
M

b) Escribimos la ecuacin diferencial en la forma:

2 2
2
x y
xy
dx
dy
=

Con base en lo anterior, tenemos:
2 2 2
2 2
2 2
) (
) ( 2 2
x y
y x x
f
x y
xy
f
y
+
=
=

Con base en el teorema de existencia y unicidad, se garantiza solucin nica en regiones que no
contengan a las rectas x y y x y = = . En consecuencia, el punto ) , (
0 0
y x se puede ubicar
en cualquiera de las siguientes regiones del plano:

1. { } x y x R y x < < / ) , (
2

175

2. { } x y x R y x < < / ) , (
2

3. { } y x y R y x < < / ) , (
2

4. { } y x y R y x < < / ) , (
2

c) Para resolver la ecuacin diferencial partimos de xy y x F
x
2 ) , ( =
. Integrando con respecto

a x tenemos ) ( ) , (
2
y C y x y x F + = . Derivando con respecto a y e igualando con N , se
tiene
2 2 2
) ( ' y x y C x = + . De lo anterior se tiene que
2
) ( ' y y C = . Integrando, tenemos
3
3
1
) ( y y C = . Finalmente, la solucin general de la ecuacin diferencial es:
C y y x =
3 2
3
1

La familia encontrada se puede expresar en la forma:

y
K y
x
3
3
2
+
=

15.7. La ecuacin diferencial lineal de primer orden
En diversas aplicaciones de ingeniera y ciencias resultan ecuaciones diferenciales de la forma:

) ( ) ( x q y x p y
dx
d
= +

x : es la variable independiente
y : es la variable dependiente

En todos los casos siempre es posible encontrar una solucin explcita de la ecuacin diferencial.
Dicha solucin es la familia de curvas del plano:

) ( ) ( ) ( x y x Cy x y
f c
+ =

La ecuacin diferencial se puede escribir en la forma:

y x p x q
dx
dy
) ( ) ( =

La pendiente de la tangente y su primera derivada con respecto a la variable dependiente vienen
dadas por:
) ( ) ( ) ( x p f y x p x q f
y
= =

Con base en el teorema de existencia y unicidad, el punto ) , (
0 0
y x se podr ubicar en cualquier
regin en la que ) (x p y ) (x q sean continuas. Lo anterior impone condiciones nicamente sobre
la variable independiente.

Ejemplo 15.8.
Considere el problema de valor inicial
176

0 0
2
) ( ,
1
y x y x y
x x dx
dy
= =
+

Determine las regiones del plano en las que se puede ubicar el punto ) , (
0 0
y x de tal manera que
se garantice solucin nica.

Solucin.
Por simple inspeccin, ) (x q es continua en los reales mientras que ) (x p no es continua en

0 = x y 1 = x

Con base en el teorema, podemos afirmar que el punto se puede ubicar en cualquiera de las
siguientes regiones:

1. { } 0 / ) , (
2
< x R y x
2. { } 1 0 / ) , (
2
< < x R y x
3. { } 1 / ) , (
2
> x R y x

Ejemplo 15.9
Determine el intervalo ms grande en el que el siguiente problema de valor inicial tiene solucin
nica garantizada:
1 ) 2 ( ), ln( ) ( sec
2
= = + y x y x
dx
dy

Solucin.
A partir de ) (x q se puede afirmar que la recta 0 = x no debe estar en la regin. De otro lado, la
funcin ) (x p se anula en los puntos de abscisa impar numero un n siendo n x ,
2
= . Por tanto
se garantiza solucin nica en el intervalo
|
\
|
2
3
,
2

15.7.1. Solucin de la ecuacin diferencial lineal de primer orden
De acuerdo con lo presentado en la seccin anterior, la ecuacin diferencial se puede expresar en
la forma:
[ ] 0 1 ) ( ) ( = + dy dx x q y x p

Puede verse que la ecuacin es reducible a exacta, en efecto:

) (
1
0 ) (
x p
x p
N
x
N
y
M
=

En consecuencia, la ecuacin tiene el factor integrante
=
dx x p
e x
) (
) ( . Multiplicando la ecuacin
diferencial por el factor integrante, se tiene:

[ ] 0 ) ( ) ( ) ( ) ( ) ( = + dy x dx x q x y x p x

177

La ecuacin diferencial se puede escribir en la forma:

dx x q x dy x ydx x p x ) ( ) ( ) ( ) ( ) ( = +

Ahora bien, puesto que dx x p x x d ) ( ) ( ) ( = , tenemos:

dx x q x y x d ) ( ) ( ] ) ( [ =

Integrando, encontramos la solucin general, as:

+ = dx x q x C y x ) ( ) ( ) (

En consecuencia, la receta para resolver la ecuacin diferencial lineal de primer orden, es la
siguiente:

1. Se escribe la ecuacin en la forma: ) ( ) ( x q y x p
dx
dy
= +
2. Se calcula el factor integrante:
=
dx x p
e x
) (
) (
3. Se escribe la solucin general:
+ = dx x q x C y x ) ( ) ( ) (
4. Se evala la integral y se despeja la variable dependiente:

+ =

dx x q x x x C y ) ( ) ( ) ( ) (
1 1

Ejemplo 15.10
Considere la ecuacin diferencial:
( ) x xsen y
dx
dy
x = + 2

a) Determine las regiones del plano en las que se puede ubicar el punto ( )
0 0
, y x de tal manera
que el problema de valor inicial asociado tenga solucin nica garantizada.
b) Encuentre la solucin general de la ecuacin diferencial.
c) Encuentre la solucin que pasa por el punto ( ) 2 , , indicando el intervalo de validez.

Solucin.
a) La ecuacin diferencial se puede escribir de la forma:

( ) x sen y
x dx
dy
= +
2

Con base en el teorema de existencia y unicidad, se garantiza solucin nica en regiones tales que
0 x

b) Aplicando la receta, tenemos:
2
2
x e
dx
x
=
=

( )
+ = dx x sen x C y x
2 2

Evaluando la integral, se tiene:
178

( ) ( ) ( ) x xsen x x x C y x 2 cos 2 cos
2 2
+ + =

c) El valor de C se determina con base en la condicin inicial ( ) 2 = y , obtenindose:

2 2 2
2 2 2
+ = + = C C

Ejemplo 15.11
( ) x y
dx
dy
x = + 2 1

0 0
, y x de tal manera
c) Encuentre la solucin que pasa por el punto ( ) 0 , 1 , indicando el intervalo de validez.

Solucin.

1 1
2
+
x
x
y
x dx
dy

Con base en el teorema de existencia y unicidad, se garantiza solucin nica en regiones que no
contengan la recta 1 = x

( )
2
1
2
1 =
=

x e
dx
x

( ) ( ) ( )

+ =
+ = dx x x C dx
x
x
x C y x 1
1
1 1
2 2

Evaluando la integral, se tiene: ( )
2 3
1
2 3
2
x x
C y x + =

c) El valor de C se determina con base en la condicin inicial ( ) 1 0 = y , obtenindose 1 = C

En consecuencia la solucin del problema de valor inicial es:

( ) ( ) ( ) 1 ; 1
2 3
1
2
2 3
2
< <
|
|
\
|
+ =

x x
x x
x x y

Ejemplo 15.12
x
e
y
dx
dy
x
x
= +

179

0 0
, y x de tal manera
c) Encuentre la solucin que pasa por el punto ( ) 1 , 1 , indicando el intervalo de validez.

Solucin.

2
1
x
e
y
x dx
dy
x
= +

Con base en el teorema de existencia y unicidad, se garantiza solucin nica en regiones tales que
0 x

x e
dx
x
=
=
1

+ = + = dx
x
e
C dx
x
e
x C xy
x x
2

Puesto que la integral no tiene solucin analtica, la expresamos en series de potencia, as:
K + + =
6 2
1
1
2
x x
x x
e
x

Evaluando la integral, tenemos:

( ) K + + + =
18 4
ln
3 2
x x
x x C xy

c) El valor de C se determina con base en la condicin inicial ( ) 1 1 = y , obtenindose:

806 . 1
18
1
4
1
1 1 + + C

En consecuencia la solucin del problema de valor inicial es:

( )
( )
K + + + + =
18 4
ln 806 . 1
1
2
x x
x
x
x
x y

Se deja como ejercicio al estudiante la representacin grfica de la solucin. Ms adelante se
estudiarn las tcnicas numricas ms comunes para resolver ecuaciones diferenciales sin recurrir
a las series de potencias.

15.8. Solucin de ecuaciones diferenciales usando dsolve
La ecuacin diferencial se puede determinar usando la funcin dsolve, as:
>> help dsolve
DSOLVE Symbolic solution of ordinary differential equations.
DSOLVE('eqn1','eqn2', ...) accepts symbolic equations representing
180

ordinary differential equations and initial conditions. Several
equations or initial conditions may be grouped together, separated
by commas, in a single input argument.

By default, the independent variable is 't'. The independent variable
may be changed from 't' to some other symbolic variable by including
that variable as the last input argument.

The letter 'D' denotes differentiation with respect to the independent
variable, i.e. usually d/dt. A "D" followed by a digit denotes
repeated differentiation; e.g., D2 is d^2/dt^2. Any characters
immediately following these differentiation operators are taken to be
the dependent variables; e.g., D3y denotes the third derivative
of y(t). Note that the names of symbolic variables should not contain
the letter "D".

Initial conditions are specified by equations like 'y(a)=b' or
'Dy(a) = b' where y is one of the dependent variables and a and b are
constants. If the number of initial conditions given is less than the
number of dependent variables, the resulting solutions will obtain
arbitrary constants, C1, C2, etc.

Three different types of output are possible. For one equation and one
output, the resulting solution is returned, with multiple solutions to
a nonlinear equation in a symbolic vector. For several equations and
an equal number of outputs, the results are sorted in lexicographic
order and assigned to the outputs. For several equations and a single
output, a structure containing the solutions is returned.

If no closed-form (explicit) solution is found, an implicit solution is
attempted. When an implicit solution is returned, a warning is given.
If neither an explicit nor implicit solution can be computed, then a
warning is given and the empty sym is returned. In some cases involving
nonlinear equations, the output will be an equivalent lower order
differential equation or an integral.

Examples:

dsolve('Dx = -a*x') returns

ans = C1*exp(-a*t)

x = dsolve('Dx = -a*x','x(0) = 1','s') returns

x = exp(-a*s)

y = dsolve('(Dy)^2 + y^2 = 1','y(0) = 0') returns

y =
[ sin(t)]
[ -sin(t)]

S = dsolve('Df = f + g','Dg = -f + g','f(0) = 1','g(0) = 2')
returns a structure S with fields

S.f = exp(t)*cos(t)+2*exp(t)*sin(t)
181

S.g = -exp(t)*sin(t)+2*exp(t)*cos(t)

dsolve('Dy = y^2*(1-y^2)') returns

Warning:Explicit solution could not be found; implicit solution returned.

ans =
t+1/2*log(y-1)-1/2*log(y+1)+1/y+C1=0

dsolve('Df = f + sin(t)', 'f(pi/2) = 0')
dsolve('D2y = -a^2*y', 'y(0) = 1, Dy(pi/a) = 0')
S = dsolve('Dx = y', 'Dy = -x', 'x(0)=0', 'y(0)=1')
S = dsolve('Du=v, Dv=w, Dw=-u','u(0)=0, v(0)=0, w(0)=1')
w = dsolve('D3w = -w','w(0)=1, Dw(0)=0, D2w(0)=0')
y = dsolve('D2y = sin(y)'); pretty(y)

Ejemplo 15.13
Dado el problema de valor inicial:
( ) 0 ) 2 ( ; 2 1 = = + y x y
dx
dy
x

a) Teniendo en cuenta la solucin general obtenida en el ejemplo 5.11, determine la solucin
del problema y represente grficamente la solucin en el intervalo 4 1 < x
b) Encuentre la solucin general usando dsolve.
c) Determine la solucin del problema usando dsolve y compare.

Solucin.
a) La solucin general de la ecuacin diferencial es:
( )
2 3
1
2 3
2
x x
C y x + =
La constante se calcula como:
( ) 3 / 2
2
2
3
2
0 1 2
2 3
2
= + = C C
La solucin se puede expresar como:
( )
2
2 3
1
2 3 3
2
) (

|
|
\
|
+ = x
x x
x y
Para la representacin grfica se toma el intervalo 4 1 . 1 x , ya que 1 x . La figura 15.5
muestra la grfica pedida.
>> x=1.1:0.01:4;
>> y=(-2/3+(1/3).*x.^3-(1/2).*x.^2)./((x-1).^2);
>> plot(x,y)
>> grid on

b) Para hallar la solucin general con dsolve se procede de la siguiente manera, teniendo en
cuenta que la variable independiente es t .
>> y=dsolve('Dy=(t-2*y)/(t-1)')

y =

(1/3*t^3-1/2*t^2+C1)/(t-1)^2
182

Figura 15.5

c) En cuanto a la solucin particular, se tiene:
>> y=dsolve('Dy=(t-2*y)/(t-1)','y(2)=0')

y =

(1/3*t^3-1/2*t^2-2/3)/(t-1)^2

Puede verse que las soluciones son idnticas a las obtenidas analticamente.

EJERCICIOS

Para las siguientes ecuaciones diferenciales
a) Determine y represente grficamente las regiones del plano en las que se puede ubicar el punto
) , (
0 0
y x de tal manera que se garantice solucin nica
b) Encuentre la solucin general
c) Usando el programa grafimplicita, represente dos elemento de la familia

1)
x
y x
dx
dy +
= 2)
2
2
x
y xy
dx
dy +
=
3)
y x
y x
dx
dy
+
+
=
2
2
4)
xy
y x
dx
dy
2
2 2
=
5) dx y x ydy ) ( 2
2 2
= 6)
x y
y
dx
dy
3
3
=
7) dx e y y dy xy e
x x
) ( ) 2 ( = 8) ) ( 2 x sen y
dx
dy
x = +
1.5 2 2.5 3 3.5 4
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
183

9) y x x
dx
dy
x ) 2 ( 1
2
+ = 10)
2 2
2 y y x
dx
dy
x + =

Usando dsolve, resuelva los siguientes problemas de valor inicial en el intervalo dado y represente
grficamente la solucin en cada caso.

11) 2 0 ; 2 ) 1 ( ; < =
+
= x y
x
y x
dx
dy

12) 2 0 ; 1 ) 1 ( ;
2
2
< =
+
= x y
x
y xy
dx
dy

13) 2 0 ; 1 ) 0 ( ;
3
3
=
= x y
x y
y
dx
dy

14) < = = + x y x sen y
dx
dy
x 0 ; 0 ) 1 ( ; ) ( 2
15) 2 0 ; 1 ) 1 ( ; 2
2 2
< = + = x y y y x
dx
dy
x

184

MDULO 16
PROBLEMAS DE VALOR INICIAL DE PRIMER ORDEN
SOLUCIN NUMRICA

Contenido.
En este mdulo se presenta la solucin numrica de un problema de valor inicial de primer orden y
desarrollan los siguientes temas:
16.1. Introduccin
16.2. Mtodo de Euler
16.3. Mtodo de la serie de potencias
16.4. Mtodo de la serie de potencias con Matlab
16.5. Mtodos de Runge-Kutta de segundo orden
16.6. Mtodo de Runge-Kutta de tercer orden
16.7. Mtodo de Runge-Kutta de cuarto orden
16.8. Mtodo de Runge-Kutta de cuarto orden con Matlab

16.1. Introduccin
Un problema de valor inicial de primer orden se puede formular mediante una ecuacin diferencial
de primer orden y una condicin inicial, as:

) , ( y x f
dx
dy
= , yi xi y = ) (

Geomtricamente, la solucin del P.V.I. es una curva del plano que satisface la ecuacin
diferencial y pasa por el punto ) , ( yi xi .
Previamente el estudiante ha aprendido a encontrar la solucin analtica del problema en los casos
en que sea posible hallar dicha solucin. Supongamos ahora que la ecuacin diferencial no posee
soluciones en trminos de funciones elementales, es decir, no hay una expresin matemtica para
) (x y . A continuacin se presenta el mtodo numrico ms elemental, conocido como mtodo de
Euler, el cual consiste en generar una tabla de valores para la funcin en el dominio: ] , [ xf xi
Siendo xf el valor final de la variable independiente.

Para aplicar el mtodo se hace una particin del dominio en n sub-intervalos, cada uno de tamao
h, as:
n
xi xf
h

=

El vector de abscisas posee 1 + n elementos, es decir, tiene la forma:

{ }
1 3 2 1
,...., , ,
+
=
n
X X X X X

Cada elemento del vector de abscisas se genera mediante la rutina:

end
h k xi k X
n k for
) 1 ( ) (
1 : 1
+ =
+ =

Alternativamente, el vector se puede generar como: xf h xi X : : =
185

A partir del dato inicial, esto es, yi xi y = ) ( se genera el vector de ordenadas:

{ }
1 3 2 1
,...., , ,
+
=
n
Y Y Y Y Y

Supongamos que el P.V.I. satisface las condiciones de existencia y unicidad en el dominio dado, es
decir, ) , ( yi xi f est definida y representa la pendiente de la recta tangente a la curva al principio
del intervalo. A partir de la figura 16.1, la pendiente del segmento de recta viene dada por:

h
Y Y
X X
Y Y
m
1 2
1 2
1 2

=
=

Figura 16.1

Puesto que la pendiente al principio del intervalo es ) , (
1 1
Y X f m = , podemos encontrar un valor
aproximado para la funcin en el punto
2
X , as:

) , (
1 1 1 2
Y X hf Y Y + =

La aproximacin obtenida mejorar en la medida en que menor sea el tamao de paso h . Con el
valor encontrado previamente podemos encontrar un valor aproximado para la funcin en el punto
siguiente, as: ) , (
2 2 2 3
Y X hf Y Y + =
Continuando con el razonamiento previo podemos encontrar un valor aproximado para la funcin a
partir del punto anterior, as:
n k Y X hf Y Y
k k k k
: 1 ; ) , (
1
= + =
+

El resultado es un polgono, es decir, una aproximacin lineal por segmentos para la funcin,
situacin que se ilustra en la figura 16.2

Figura 16.2

186

El algoritmo para encontrar la solucin aproximada por el mtodo de Euler es el siguiente:


( ) xf x xi yi xi y y x f
dx
dy
= = ; ; ) , (

1) Se ingresa el nmero de iteraciones, es decir, el nmero de sub-intervalos n
2) Se ingresa la abscisa inicial xi
3) Se ingresa la abscisa final xf
4) Se ingresa la ordenada inicial yi
5) Se ingresa la funcin ) , ( y x f
6) Se calcula el tamao de paso, as: n xi xf h / ) ( =
7) Se genera el vector de abscisas xf h xi X : : =
8) Con la condicin inicial se genera el primer elemento del vector de ordenadas: yi Y =
1

9) Se generan los dems elementos del vector de ordenadas:

n k Y X hf Y Y
k k k k
: 1 ; ) , (
1
= + =
+

10) Se representa grficamente la curva resultante.
Es conveniente expresar los resultados en forma tabular.

Ejemplo 16.1
Resuelva el problema de valor inicial en el intervalo: ] 2 , 0 [

1 ) 0 ( ; ) ( = =

y x y e
dx
dy
x

Solucin.
Se toma 10 = n , con lo que el tamao de paso es 2 . 0 10 / ) 0 2 ( = = h y se llena la siguiente
tabla:

k
k
X
k
Y ( )
k k
Y X f ,
1 0.0 1.0 0.0
2 0.2 1.0 -0.1813
3 0.4 0.9637 -0.2934
4 0.6 0.9051 -0.3562
5 0.8 0.8338 -0.3845
6 1.0 0.7569 -0.3890
7 1.2 0.6791 -0.3779
8 1.4 0.6035 -0.3569
9 1.6 0.5321 -0.3302
10 1.8 0.4661 -0.3008
11 2.0 0.4059

Para la representacin grfica se procede de la siguiente manera, usando Matlab.
X=0:0.2:2;
Y=[1 1 0.9637 0.9051 0.8338 0.7569 0.6791 0.6035 0.5321 0.4661 0.4059];
plot(X,Y)
187

grid on
>> [X' Y']

ans =

0 1.0000
0.2000 1.0000
0.4000 0.9637
0.6000 0.9051
0.8000 0.8338
1.0000 0.7569
1.2000 0.6791
1.4000 0.6035
1.6000 0.5321
1.8000 0.4661
2.0000 0.4059

Figura 16.3

El estudiante puede verificar que la solucin analtica del problema dado est dada por:

x
e x x y

+ = ) 1 ( ) (

A continuacin se muestra una tabla con la solucin obtenida comparada con la solucin exacta.

k
k
X
k
Y
exacta y Error absoluto
1 0.0 1.0 1.0 0
2 0.2 1.0 0.9825 0.125
3 0.4 0.9637 0.9384 0.0253
4 0.6 0.9051 0.8781 0.0270
5 0.8 0.8338 0.8088 0.0250
6 1.0 0.7569 0.7358 0.0211
7 1.2 0.6791 0.6626 0.0165
8 1.4 0.6035 0.5918 0.0117
9 1.6 0.5321 0.5249 0.0072
10 1.8 0.4661 0.4628 0.0033
11 2.0 0.4059 0.4060 0.0001

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.4
0.5
0.6
0.7
0.8
0.9
1
188

De la tabla se desprende que la solucin numrica es bastante aproximada a la solucin analtica.
Si se repite el procedimiento para un nmero mayor de iteraciones los resultados sern mucho ms
aproximados.

16.2.1. Mtodo de Euler usando Matlab.
A continuacin se escribe un programa sencillo para resolver un problema de valor inicial de primer
orden por el mtodo de Euler, usando Matlab.

clear all
%Programa para resolver un problema de valor inicial de primer orden
%por el mtodo de Euler
%La formulacin del problema es: y'=f(x,y);y(xi)=yi en el intervalo:[xi,xf]
% con n iteraciones.
% Entrada de la informacin
n=input('numero de particiones = ');
xi=input('abscisa inicial = ');
xf=input('abscisa final = ');
yi=input('ordenada inicial = ');
f=input('entrar la funcion f(x,y) = ');
% El tamao de paso se calcula como
h=(xf-xi)/n;
%El vector de abscisas se calcula como
X=xi:h:xf;
%El vector de ordenadas se calcula como. Se usan maysculas para diferenciar los vectores de los
%escalares
Y(1)=yi;
for k=1:n
x=X(k);
y=Y(k);
M(k)=eval(f);
Y(k+1)=Y(k)+h*M(k);
end
[X Y]
plot(X,Y,'k')
grid on

Al correr el programa con los datos del ejemplo anterior, se tiene:
> euler
numero de iteraciones = 10
abscisa inicial = 0
abscisa final = 2
ordenada inicial = 1
entrar la funcion f(x,y) = 'exp(-x)-y'
ans =
0 1.0000
0.2000 1.0000
0.4000 0.9637
0.6000 0.9051
0.8000 0.8338
1.0000 0.7569
1.2000 0.6791
1.4000 0.6035
1.6000 0.5321
1.8000 0.4661
2.0000 0.4059

189

La representacin grfica se ilustra en la figura 16.4

Figura 16.4

La figura 16.5 ilustra la solucin numrica junto con la solucin analtica (lnea punteada).

Figura 16.5

16.3. Mtodo de la serie de potencias
Tal como se ha visto, si el P.V.I. tiene solucin nica en un dominio cualquiera I , la funcin
solucin debe tener un desarrollo en series de potencias en un entorno de cualquier punto de su
dominio
k
x , as:
) ( ... ) (
!
) (
... ) (
! 2
) ( ' '
) )( ( ' ) ( ) (
) (
2
x R x x
n
x y
x x
x y
x x x y x y x y
n
n
k
k
n
k
k
k k k
+ + + + + + =

Cuando la serie se trunca en el trmino esimo n , se comete un error de truncamiento de la serie
el cual est dado por:
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.4
0.5
0.6
0.7
0.8
0.9
1
190

) 1 (
) 1 (
) (
)! 1 (
) (
) (
+
+
+
=
n
k
n
n
x x
n
y
x R

En la expresin anterior, es algn nmero en el intervalo: ] , [
k
x x
Si evaluamos la serie en el punto
1 +
=
k
x x , resulta:

) ( ) (
!
... ) ( ' ' '
! 3
) ( ' '
! 2
) ( '
) (
3 2
1
x R x y
n
h
x y
h
x y
h
x hy y y
n k
n
n
k k k k k
+ + + + + + =
+

El error de truncamiento vendr dado por ) (
)! 1 (
) (
) 1 (
1
+
+
+
=
n
n
n
y
n
h
x R , con:
1 +
< <
k k
x x

Ahora bien, puesto que ) ( '
k
x y es la pendiente de la recta tangente a la curva en el punto de
coordenadas ) , (
k k
y x , se tiene que:
) , ( ) ( '
k k k
y x f x y =

De manera similar podemos encontrar expresiones para las derivadas de orden superior, as:

) , ( ) , ( ) , ( ) , ( ) , ( ) , ( ) ( ' ' y x f y x f y x f
dx
dy
y x f y x f y x f
dx
d
x y
y x y x
+ = + = =

De igual forma se pueden encontrar expresiones para la tercera, cuarta y dems derivadas.
El mtodo de Euler es el mismo mtodo de las series de potencias cuando la serie se trunca en el
segundo trmino, as:
) , (
1 k k k k
y x hf y y + =
+

El error de truncamiento en cada paso, o error de truncamiento local, viene dado por:

) ( ' '
2
2
k k
y
h
= , h x x
k k k
+ < <

Geomtricamente, el error de truncamiento local est asociado a la concavidad de la curva en el
intervalo: ] , [ h x x
k k
+ y es proporcional a la segunda potencia del tamao de paso.
El error global que se comete despus de n iteraciones se puede estimar de la siguiente manera:
En la primera iteracin: ) ( ' '
2
) , (
0
2
0 0 0 1
y
h
y x hf y y + + =
En la segunda iteracin: ) ( ' '
2
) , (
1
2
1 1 1 2
y
h
y x hf y y + + =
( ) ( ) ) ( ' ' ) ( ' '
2
) , ( ) , (
1 0
2
1 1 0 0 0 2
y y
h
y x f y x f h y y + + + + =

Puede verse que en la iteracin final, resulta:

=
=
+ + =
1
0
2 1
0
0
) ( ' '
2
) , (
n
k
k
k
k
k k n
y
h
y x f h y y
191

La segunda derivada promedio en el intervalo: ] , [ xf xi est dada por:
n
y
y
n
k
k
=
=
1
0
) ( "
"

Teniendo en cuenta que n xi xf h / ) ( = , resulta que el error global es proporcional a la primera
potencia del tamao de paso, razn por la cual el mtodo de Euler es un mtodo de primer orden.

2
"
) (
y
xi xf h
g
=
Ejemplo 16.2
Usando el mtodo de la serie con tres trminos, resuelva el P.V.I:

2 0 ; 1 ) 0 ( ; = =

x y y e
dx
dy
x

Solucin.
Se toma 10 = n , con lo que el tamao de paso es 2 . 0 10 / ) 0 2 ( = = h y se llena la siguiente
tabla, teniendo en cuenta que y e y x f
x
=

) , ( , y e y x f
x
+ =

2 ) , ( '

k
k
X
k
Y ) , (
k k
Y X f ) , ( '
k k
Y X f
1 0.0 1.0 0.0 -1.0
2 0.2 0.9800 -0.1613 -0.6575
3 0.4 0.9346 -0.2643 -0.4060
4 0.6 0.8736 -0.3248 -0.2240
5 0.8 0.8042 -0.3548 -0.0945
6 1.0 0.7313 -0.3634 -0.0044
7 1.2 0.6585 -0.3573 0.0562
8 1.4 0.5882 -0.3416 0.0950
9 1.6 0.5218 -0.3199 0.1180
10 1.8 0.4602 -0.2949 0.1296
11 2.0 0.4038

Para la representacin grfica se procede de la siguiente manera, usando Matlab.
X=0:0.2:2;
Y=[1.0 0.9800 0.9346 0.8736 0.8042 0.7313 0.6585 0.5882 0.5218 0.4602 0.4038];
>> [X' Y']

ans =

0 1.0000
0.2000 0.9800
0.4000 0.9346
0.6000 0.8736
0.8000 0.8042
1.0000 0.7313
1.2000 0.6585
1.4000 0.5882
1.6000 0.5218
1.8000 0.4602
2.0000 0.4038
192

>> plot(X,Y)
>> grid on

Figura 16.6

16.4. Mtodo de la serie usando Matlab.
A continuacin se transcribe un programa en Matlab para resolver el problema de valor inicial.
clear all
%por el mtodo de la serie con tres trminos
n=input('numero de iteraciones = ');
Df= input('entrar la derivada de la funcion Df(x,y) = ');
h=(xf-xi)/n;
X=xi:h:xf;
% El vector de ordenadas se calcula como. Se usan maysculas para diferenciar los vectores de
los %escalares
Y(1)=yi;
for k=1:n
x=X(k);
y=Y(k);
M1(k)=eval(f);
M2(k)=eval(Df);
Y(k+1)=Y(k)+h*M1(k)+(h^2/2)*M2(k);
end
[X Y]
plot(X,Y,'k')
grid on

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.4
0.5
0.6
0.7
0.8
0.9
1
193

> seriecon3
abscisa inicial = 0
abscisa final = 2
entrar la funcion g(x,y) = 'y-2*exp(-x)'

ans =
0 1.0000
0.2000 0.9800
0.4000 0.9346
0.6000 0.8736
0.8000 0.8042
1.0000 0.7313
1.2000 0.6585
1.4000 0.5882
1.6000 0.5218
1.8000 0.4602
2.0000 0.4038

La figura 16-7 ilustra la solucin junto con la solucin analtica.

Figura 16.7

16.5. Mtodos de Runge - kutta de segundo orden
El inconveniente del mtodo de la serie con tres trminos es el de calcular la segunda derivada de
la funcin a partir de ) , ( y x f . Los mtodos de Runge - Kutta de segundo orden permiten obtener
resultados similares sin necesidad de calcular la segunda derivada de la funcin. Consideremos la
situacin de la figura 16.8, con: 1 0 < <
Usando el mtodo de Euler podemos determinar el valor de la funcin en el punto intermedio, as:

) , (
k k k k
Y X hf Y Yp + =

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.4
0.5
0.6
0.7
0.8
0.9
1
194

Figura 16.8

Si denotamos la derivada al principio del intervalo mediante ) , ( 1
k k k
Y X f M = , se tiene que:

k k k
hM Y Yp 1 + =

El valor encontrado recibe el nombre de predictor y con base en el mismo podemos estimar el valor
de la pendiente de la recta tangente a la curva en el punto intermedio, as:

) , ( 2
k k k
Yp h X f M + =

Con los resultados obtenidos para las pendientes se encuentra la pendiente promedio ponderada,
as:
1 ; 2 1
2 1 2 1
= + + = a a M a M a M
k k k

Finalmente, encontramos el valor de la siguiente iteracin, as:

k k k
hM Y Y + =
+1

Tal como puede derivarse de lo presentado, existen infinitas versiones del mtodo de Runge -
Kutta de segundo orden, pero las que se usan comnmente son las siguientes:

a) Mtodo de Heun. Consiste en tomar 2 / 1
2 1
= = a a y 1 = . Como se puede ver, el predictor
se toma al final del intervalo y la pendiente es el promedio aritmtico.
b) Mtodo de Euler modificado. Consiste en tomar 1 0 5 . 0
2 1
= = = a a . Como se puede
observar, el predictor se toma en la mitad del intervalo y todo el peso de la pendiente se
concentra en el valor predicho.
c) Mtodo de Ralston. Consiste en tomar el predictor a tres cuartos del punto inicial: 75 . 0 = y
los factores de peso: 3 / 2

El algoritmo general para aplicar el mtodo es el siguiente:

1) Se ingresa el nmero de particiones: n
2) Se ingresa la abscisa inicial: xi
3) Se ingresa la abscisa final: xf
4) Se calcula el tamao de paso, as: n xi xf h / ) ( =
5) Se define un contador: k , as: n k ,...., 3 , 2 , 1 =
6) Se ingresa la ordenada inicial: yi
195

7) Se ingresa alfa
8) Se ingresan los factores de peso
9) Se genera el vector de abscisas: xf h xi X : : =
10) Se introduce la funcin para la pendiente: ) , ( y x f
11) Se calcula la pendiente al principio del intervalo: ) , ( ) ( 1
k k k
Y X f k M =
12) Se calcula el predictor:
k k k
hM Y Yp 1 + =
13) Se calcula la pendiente en el punto intermedio: ) , ( 2
k k k
Yp h X f M + =
14) Se calcula la pendiente ponderada:
k k k
M a M a M 2 1
2 1
+ =
15) Se Calcula la prxima iteracin:
k k k
hM Y Y + =
+1

16) Se representa grficamente.

Ejemplo 16.3
Resuelva el problema del ejemplo anterior por el mtodo de Heun

Solucin.
Le aplicamos el correspondiente algoritmo y se llena la siguiente tabla:

k
k
X
k
Y
k
M1
k
M2
k
M
1 0.0 1 0 -0.1813 -0.0906
2 0.2 0.9819 -0.1631 -0.2789 -0.2210
3 0.4 0.9377 -0.2673 -0.3354 -0.3014
4 0.6 0.8774 -0.3286 -0.3623 -0.3455
5 0.8 0.8083 -0.3590 -0.3686 -0.3638
6 1.0 0.7355 -0.3677 -0.3608 -0.3642
7 1.2 0.6627 -0.3615 -0.3438 -0.3526
8 1.4 0.5922 -0.3456 -0.3212 -0.3334
9 1.6 0.5255 -0.3236 -0.2955 -0.3095
10 1.8 0.4636 -0.2983 -0.2834 -0.2834
11 2.0 0.4069

16.5.1. Mtodos de Runge - kutta de segundo orden usando Matlab
clear all
%por el metodo Runge-Kutta de orden dos
%La formulacion del problema es: y'=f(x,y);y(xi)=yi en el intervalo:[xi,xf]
a1=input('factor de peso 1= ');
a2=input('factor de peso 2= ');
alfa=input('entre el alfa= ');
% El tamano de paso se calcula como
h=(xf-xi)/n;
X=xi:h:xf;
196

%El vector de ordenadas se calcula como
Y(1)=yi;
for k=1:n
x=X(k);
y=Y(k);
M1(k)=eval(f);
x=x+alfa*h;
y=y+(alfa*h*M1(k));
M2(k)=eval(f);
M(k)=a1*M1(k)+a2*M2(k);
Y(k+1)=Y(k)+h*M(k);
end
[X Y]
plot(X,Y,'k')
grid on

Al corer el programa con los datos del ejemplo anterior, usando el mtodo de Ralston, se tiene:
abscisa inicial = 0
abscisa final = 2
factor de peso 1= 1/3
factor de peso 2= 2/3
entre el alfa= 0.75

ans =

0 1.0000
0.2000 0.9814
0.4000 0.9369
0.6000 0.8765
0.8000 0.8073
1.0000 0.7345
1.2000 0.6617
1.4000 0.5912
1.6000 0.5246
1.8000 0.4628
2.0000 0.4062
La figura 16-9 muestra la grfica correspondiente.

16.6. Mtodo de Runge - kutta de tercer orden
El mtodo consiste en generar dos predictores en el intervalo ] , [
1 + k k
X X , de tal manera que la
pendiente promedio ponderada en el intervalo depende de las tres pendientes. Evidentemente,
tanto como estn en el intervalo: [0,1]. La pendiente ponderada en el intervalo viene dada
por:
k k k k
M a M a M a M 3 2 1
3 2 1
+ + =
Dnde:

) 2 1 , ( ) ( 3
) 1 , ( 2
) , ( 1
k k k k
k k k k
k k k
hM hM Y h X f k M
hM Y h X f M
Y X f M

+ + + =
+ + =
=

197

El valor de la siguiente iteracin es:
k k k
hM y y + =
+1

Figura 16.9

Existen muchas versiones del mtodo, pero la ms conocida es la siguiente:

[ ]
k k k k
M M M M 3 2 4 1
6
1
+ + =

Donde, las pendientes vienen dadas por:

) 2 2 1 , ( 3
) 2 / 1 , 2 / ( 2
) , ( 1
k k k k k
k k k k
k k k
M M Y h X f M
hM Y h X f M
Y X f M
+ + =
+ + =
=

16.6.1. Mtodo de Runge-Kutta de tercer orden usando Matlab.

clear all
%por el mtodo Runge-Kutta de orden tres
n=input('nmero de iteraciones = ');
f=input('entrar la funcin f(x,y) = ');
h=(xf-xi)/n;
X=xi:h:xf;
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.4
0.5
0.6
0.7
0.8
0.9
1
198

Y(1)=yi;
for k=1:n
x=X(k);
y=Y(k);
M1(k)=eval(f);
x=x+h/2;
y=y+h*M1(k)/2;
M2(k)=eval(f);
x=x+h/2;
y=y+h*M1(k)/2-3*h*M1(k)/2+2*h*M2(k);
M3(k)=eval(f);
M(k)=(M1(k)+4*M2(k)+M3(k))/6;
Y(k+1)=Y(k)+h*M(k);
end
[X' Y']
plot(X,Y,'k')
grid on

Ejemplo 16.4
Usando el mtodo de Runge-Kutta de tercer orden, resuelva el P.V.I:

2 0 ; 1 ) 0 ( = =

x y y e
dx
dy
x

Solucin.
Ejecutando el programa se tiene:
>> rk3
abscisa inicial = 0
abscisa final = 2

ans =
0 1.0000
0.2000 0.9825
0.4000 0.9391
0.6000 0.8795
0.8000 0.8111
1.0000 0.7388
1.2000 0.6664
1.4000 0.5961
1.6000 0.5296
1.8000 0.4677
2.0000 0.4110

16.7. Mtodo de Runge-Kutta de cuarto orden
La versin mas conocida de los mtodos de Runge-Kutta de cuarto orden es la siguiente:
1) Se ingresa el nmero de particiones: n
2) Se ingresa la abscisa inicial: xi
3) Se ingresa la abscisa final: xf
4) Se ingresa la ordenada inicial: yi
5) Se calcula el tamao de paso, as: ( ) n xi xf h / =
199

6) Se genera el vector de abscisas: xf h xi X : : =
7) Se introduce la funcin para la pendiente: resion y x f exp ) , ( =
8) Se calcula la pendiente al principio del intervalo: ) , ( 1
k k k
Y X f M =
9) Se calcula la segunda pendiente:
|
\
|
+ + =
k k k k
M
h
Y
h
X f M 1
2
,
2
2
10) Se calcula la tercera pendiente:
|
\
|
+ + =
k k k k
M
h
Y
h
X f M 2
2
,
2
3
11) Se calcula la cuarta pendiente: ( )
k k k k
hM Y h X f M 3 , 4 + + =
12) Se calcula la pendiente promedio: ( )
k k k k k
M M M M M 4 3 2 2 2 1
6
1
+ + + =
13) Se genera la sucesin:
k k k
hM Y Y + =
+1

14) Se representa grficamente la solucin.
La aproximacin que se logra con el mtodo de Runge-Kutta de cuarto orden es bastante buena.
De hecho, los algoritmos incorporados a los diferentes paquetes disponibles en el medio utilizan
este mtodo.

16.8. Mtodo de Runge-Kutta de cuarto orden usando Matlab.
A continuacin se transcribe un programa sencillo en Matlab para resolver un problema de valor
inicial de primer orden.
clear all
%por el metodo Runge-Kutta de orden cuatro
n=input('nmero de iteraciones = ');
f=input('entrar la funcin f(x,y) = ');
h=(xf-xi)/n;
X=xi:h:xf;
Y(1)=yi;
for k=1:n
x=X(k);
y=Y(k);
M1(k)=eval(f);
x=x+h/2;
y=y+h*M1(k)/2;
M2(k)=eval(f);
x=x;
y=y-h*M1(k)/2+h*M2(k)/2;
M3(k)=eval(f);
x=x+h/2;
y=y+h*M3(k)-h*M2(k)/2;
M4(k)=eval(f);
M(k)=(M1(k)+2*M2(k)+2*M3(k)+M4(k))/6;
Y(k+1)=Y(k)+h*M(k);
200

end
[X' Y']
plot(X,Y,'k')
grid on

Al correr el programa con los datos del ejemplo anterior, resulta:
>> rk4
abscisa inicial = 0
abscisa final = 2

ans =
0 1.0000
0.2000 0.9825
0.4000 0.9384
0.6000 0.8781
0.8000 0.8088
1.0000 0.7358
1.2000 0.6626
1.4000 0.5918
1.6000 0.5249
1.8000 0.4628
2.0000 0.4060

Figura 16.10

EJERCICIOS

Resuelva los siguientes problemas de valor inicial por los mtodos de:
a) Euler
b) Taylor de segundo orden
c) Heun
d) Euler mejorado
e) Ralston
e) RK dos
f) RK tres
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.4
0.5
0.6
0.7
0.8
0.9
1
201

g) RK cuatro
En cada caso tome 20 = n
1) 5 0 ; 1 ) 0 ( ; ) 10 ( = = t x x x
dt
dx

2) 5 0 ; 0 ) 0 ( =
+
= t x
t x
t x
dt
dx

3. 5 0 ; 1 ) 0 (
2
= + = t x tx tx
dt
dx

4. 1 0 ; 1 ) 0 ( ) 2 ( = = t x xt
dt
dx
t
5. 1 0 ; 1 ) 0 (
2
= + + = t x t x x
dt
dx

202

MDULO 17
PROBLEMAS DE VALOR INICIAL DE SEGUNDO ORDEN
TEORA GENERAL

En este mdulo se presenta la teora resumida asociada a las ecuaciones diferenciales de segundo
orden y se desarrollar el siguiente contenido.

17.1. Introduccin
17.2. La ecuacin diferencial lineal de segundo orden.
17.3. Problemas de valor inicial de segundo orden
17.4. Ecuaciones diferenciales lineales de coeficientes constantes
17.5. La ecuacin diferencial de Euler-Cauchy.
17.6. Solucin de ecuaciones lineales con Matlab.
17.7. Ecuaciones diferenciales no lineales

17.1. Introduccin.
Una ecuacin diferencial ordinaria de segundo orden es una expresin que relaciona una variable
dependiente: y y sus dos primeras derivadas con respecto a una variable independiente x , as:

0 ) ' ' , ' , , ( = y y y x f

Por analoga con las ecuaciones diferenciales de primer orden, una solucin general de la ecuacin
diferencial es una familia de curvas del plano que contiene dos constantes arbitrarias, as:

0 ) , , , (
2 1
= C C y x F

Son ejemplos de ecuaciones diferenciales de segundo orden, las siguientes:

0 ) ( ' ' ' ) 5
) ( ) 1 ( ' 2 ' ' ) 1 ( ) 4
) ( ) ( 4 ' ' ) 3
) ( ' ' ' ) 2
0 ' ' ) 1
2 2 2
2
0 1 2
= + +
= + +
= +
= + +
=
x xy y x
x f y p p xy y x
t f y sen y
t f y a y a y a
xy y

De las ecuaciones mostradas, la tercera es no lineal y el resto son lineales. La segunda ecuacin
es de coeficientes constantes y recibe el nombre de ecuacin de oscilaciones. La primera ecuacin
es la ecuacin de Airy. La cuarta es la ecuacin diferencial de Legendre y la ltima es la ecuacin
diferencial de Bessel.
Nuestro inters se concentrar en desarrollar mtodos para resolver ecuaciones diferenciales de
orden superior, particularmente las lineales.

17.1.1. Primitiva de una ecuacin diferencial.
Una familia de curvas del plano 0 ) , , , (
2 1
= C C y x F , es la primitiva de una ecuacin diferencial de
segundo orden. La ecuacin diferencial se obtiene derivando 2 veces y eliminando las constantes.
203

Ejemplo 17.1
Considere la familia de curvas del plano 0 2 = bx a xy , con: b a, constantes reales.
a) Represente grficamente los elementos correspondientes a:
1 , 3 ) 2
1 , 1 ) 1
= =
= =
b a
b a

b) Encuentre la ecuacin diferencial de la familia

Solucin.
a) La figura 17.1 muestra las dos curvas de la familia

Figura 17.1
b) Tomando la primera derivada, resulta:

0 2 ' 2 = + b y xy
Derivando de nuevo, se tiene:
0 ' 2 ' 2 ' ' 2 = + + y y xy
En consecuencia, la ecuacin diferencial de la familia es: 0 '
2
' ' = + y
x
y

Ejemplo 17.2
-5 -4 -3 -2 -1 0 1 2 3 4 5
-5
-4
-3
-2
-1
0
1
2
3
4
5
x
y
2 x y-3+x = 0

a=1, b=1
a=3,b=-1
204

Encuentre la ecuacin diferencial correspondiente a la siguiente primitiva:

x e C e C y
x x
+ + =
2
2 1

Solucin.
Se deriva dos veces la expresin, as:

x x
x x
e C e C y
e C e C y
2
2 1
2
2 1
4 ' '
1 2 '

+ =
+ =

La ecuacin original y la correspondiente a la primera derivada conforman un sistema de dos
ecuaciones con las incgnitas
2 1
,C C , as:

(
=
(

1 ' 2
2
1
2
2
y
x y
C
C
e e
e e
x x
x x

La solucin del sistema se encuentra aplicando la regla de Cramer, as:

x x
x x
x
x
e e
e e
e y
e x y
C
2
2
2
2
1
2
2 1 '

=
x x
x x
x
x
e e
e e
y e
x y e
C
2
2
2
2
1 '

=

Al resolver los determinantes, resulta:

) 1 ' (
) 1 ' 2 2 (
2
2
1
+ + =
+ =
y x y e C
y x y e C
x
x

Sustituyendo en la segunda derivada, resulta:

) 1 ' ( 4 1 ' 2 2 ' ' + + + + = y x y y x y y

Simplificando, se obtiene la ecuacin diferencial de segundo orden:

3 2 2 ' 3 ' ' + = + + x y y y
205

17.2. La ecuacin diferencial lineal de segundo orden.
Consideremos la siguiente primitiva, en la que el conjunto de funciones: { }
ss
y y y , ,
2 1
es
linealmente independientes en un intervalo: I de los reales.

ss
y y C y C y + + =
2 2 1 1

Derivando dos veces, se obtiene:

' ' ' ' ' ' ' '
' ' ' '
2 2 1 1
2 2 1 1
ss
ss
y y C y C y
y y C y C y
+ + =
+ + =

Con la ecuacin original y la primera derivada, resulta el sistema de ecuaciones:

(
=
(
' ' ' '

2
1
2 1
2 1
ss
ss
y y
y y
C
C
y y
y y

Resolviendo el sistema, resulta:

[ ]
[ ] ) ( / ' ' ' '
) ( / ' ' ' '
1 1 1 1 2
2 2 2 2 1
x W y y y y y y y y C
x W y y y y y y y y C
ss ss
ss ss
+ + =
+ =

Dnde:
' '
) (
2 1
2 1
y y
y y
x W = es el determinante del sistema y recibe el nombre de Wronskiano de las
funciones
2 1
, y y . Veremos que si las funciones son linealmente independientes en un intervalo I ,
el Wronskiano es diferente de cero en el intervalo. Sustituyendo los valores hallados en la segunda
derivada, resulta la ecuacin diferencial:

) ( ) ( ' ) ( ' ' x r y x q y x p y = + +
Puede verse que:
) (
' ' ' '
' '
) ( ;
) (
' ' ' '
) (
2 1
2 1
2 1
2 1
x W
y y
y y
x q
x W
y y
y y
x p = =
ss ss ss
y x q y x p y x r ) ( ' ) ( ' ' ) ( + + =
206

Ejemplo 17.3
Encuentre la ecuacin diferencial correspondiente a la primitiva:

2
2 1
x e C x C y
x
+ + =

Solucin
El Wronskiano de las funciones viene dado por:

) 1 (
1
) ( + =
x e
e
e x
x W
x
x
x

En cuanto a ) ( ) ( x q y x p , tenemos:

1
1
) 1 (
0
1
) ( ;
1 ) 1 (
0
) (
+
=
+
=
+
=
+
=
x x e
e
e
x q
x
x
x e
e
e x
x p
x
x
x
x
x
x

Por otro lado, el trmino independiente viene a ser:

1
2 2
1
2 ) 1 ( 2
1
1
2
1
2 ) (
2 2 2
2
+
+ +
=
+
+ +
=
+
+
+ =
x
x x
x
x x x
x
x
x
x
x
x r

En consecuencia, la ecuacin diferencial es:
1
2 2
1
1
'
1
' '
2
+
+ +
=
+
+
+
x
x x
y
x
y
x
x
y

Otra forma de escribir la ecuacin diferencial es:

2 2 ' ' ' ) 1 (
2
+ + = + + x x y xy y x

17.2.1. Soluciones de una ecuacin diferencial lineal de segundo orden
De acuerdo con lo estudiado hasta el momento, la ecuacin diferencial lineal de segundo orden
presenta la forma general:
) ( ) ( ' ) ( ' ' x r y x q y x p y = + +

207

En lo sucesivo adoptaremos el operador: D para la derivada, con lo que la ecuacin queda en la
forma:
( ) ) ( ) ( ) (
2
x r y x q D x p D = + +

La expresin que acompaa a la variable dependiente es un operador lineal de segundo orden y lo
denotaremos por:
) ( ) ( ) , (
2
2
x q D x p D D x L + + =

Con base en lo anterior, una forma simplificada de denotar a una ecuacin diferencial lineal de
segundo orden es:
) ( ) , (
2
x r y D x L =

Para efectos de resolver la ecuacin diferencial definiremos la homognea asociada, as:

0 ) ( ' ) ( ' ' = + + y x q y x p y

Equivalentemente, la homognea se escribe como: 0 ) , (
2
= y D x L

Al principio de la seccin se dedujo que la primitiva de una ecuacin diferencial lineal de segundo
orden es una familia de curvas del plano de la forma:

1 1 2 2 ss
y C y C y y = + +

Por analoga con lo estudiado para la ecuacin diferencial lineal de primer orden, diremos que la
solucin general de la ecuacin diferencial lineal de segundo orden consta de dos partes a saber:

c ss
y y y = +

La primera parte de la solucin general se denomina solucin complementaria y corresponde a una
combinacin lineal de dos soluciones linealmente independientes. La otra es una solucin
particular de la no homognea, tal como se vislumbra del procedimiento desarrollado al principio de
la seccin. S las funciones:
2 1
, y y son soluciones particulares de la homognea y son linealmente
independientes en un intervalo: I de los reales, entonces la solucin general de la homognea es
una combinacin lineal de las soluciones dadas, as:

2 2 1 1
y C y C y
c
+ =

208

Se dice que el conjunto de funciones es un conjunto fundamental de soluciones en el intervalo y se
caracteriza porque el Wronskiano es diferente de cero en todos los puntos del intervalo, es decir:

Teorema.
S las funciones:
2 1
, y y son soluciones linealmente independientes de la homognea y 0 ) ( x W
para todo I x , las funciones forman un conjunto fundamental y la solucin general de la
homognea es su combinacin lineal.

Prueba.
La prueba del teorema se puede presentar en los siguientes trminos:
S
2 1
, y y son soluciones de la homognea, entonces:

0 ) , (
0 ) , (
2 2
1 2
y D x L
y D x L

Multiplicando cada identidad por una constante arbitraria, resulta:

0 ) , ( 0 ) , (
0 ) , ( 0 ) , (
2 2 2 2 2 2
1 1 2 1 2 1

y C D x L y D x L C
y C D x L y D x L C

Sumando las dos ltimas identidades se sigue que:

0 ] )[ , (
2 2 1 1 2
+ y C y C D x L

Con los mismos argumentos, s
ss
y es una solucin particular de la no homognea, la solucin
general de la no homognea viene dada por:

1 1 2 2 c ss ss
y y y C y C y y = + = + +

17.3. Problema de valor inicial de segundo orden.
Un problema de valor inicial lineal de segundo orden se formula mediante una ecuacin diferencial
lineal de segundo orden y dos condiciones iniciales, as:

0 0 0 0
) ( ' , ) ( ; ) ( ) ( ' ) ( ' ' p x y y x y x r y x q y x p y = = = + +

209

Geomtricamente, la solucin del problema es la curva del plano que satisface la ecuacin
diferencial, pasa por el punto ) , (
0 0
y x y la pendiente de la recta tangente a la curva en el punto es
0
p . La solucin del problema de valor inicial se obtiene a partir de la solucin general, as:

) ( ' ) ( ' ) ( ' ) ( '
) ( ) ( ) ( ) (
2 2 1 1
2 2 1 1
x y x y C x y C x y
x y x y C x y C x y
ss
ss
+ + =
+ + =

Evaluando en el punto: ) , (
0 0
y x resulta el sistema de ecuaciones:

(
=
(
) ( '
) (
) ( ' ) ( '
) ( ) (
0 0
0 0
2
1
0 2 0 1
0 2 0 1
x y p
x y y
C
C
x y x y
x y x y
ss
ss

17.3.1. Teorema de existencia y unicidad.
Por analoga con el caso del problema de valor inicial de primer orden, el de segundo orden tendr
solucin nica en aquellas regiones en las que: ) ( ) ( ), ( x r y x q x p sean continuas. El intervalo de
solucin corresponde a la interseccin de cada una de los intervalos individuales.

Ejemplo 17.4
Resuelva el problema de valor inicial siguiente, indicando el intervalo de validez y la representacin
grfica.
1 ) 1 ( ' 1 ) 1 ( 2 2 ' ' ' ) 1 (
2
= = + + = + + y y x x y xy y x

Con base en el ejemplo 17.3, la solucin general de la ecuacin diferencial es:

2
2 1
) ( x e C x C x y
x
+ + =

Es importante precisar que:
1
2 2
) (
1
1
) (
1
) (
2
+
+ +
=
+
=
+
=
x
x x
x r
x
x q
x
x
x p

En virtud del teorema, se garantiza solucin en el intervalo ) , 1 ( . S se analiza la solucin
general se observa que es vlida para todos los reales, lo cual no constituye una violacin al
teorema ya que las condiciones son de suficiencia y no de necesidad.
210

Continuando con la solucin del problema de valor inicial, se tiene:

(
=
(
1
0
1
1
2
1
1
1
C
C
e
e

La solucin del sistema es: 36 . 1 , 5 . 0
2 1
= = C C
La solucin del problema de valor inicial viene a ser:
2
36 . 1 5 . 0 ) ( x e x x y
x
+ + =

La grfica, en el intervalo ) 3 , 1 ( , se muestra en la figura 17.2.

Figura 17.2

17.3.2. Reduccin de orden
A continuacin desarrollaremos un procedimiento que nos permite determinar la solucin general
de una ecuacin diferencial de primer orden a partir de una solucin conocida de la homognea
asociada. Supongamos que: ) (
1
x y es una solucin conocida de la homognea y que es posible
determinar una funcin: ) (x u de tal manera que la solucin general de la no homognea es:

) ( ) (
1
x u x y y =
Derivando dos veces, resulta:
' ' ' ' 2 ' ' ' '
' ' '
1 1 1
1 1
u y u y u y y
u y u y y
+ + =
+ =

-1 -0.5 0 0.5 1 1.5 2 2.5 3
0
1
2
3
4
5
6
7
8
211

Sustituyendo en la no homognea, resulta:

) ( ) ( ] ' ' )[ ( ' ' ' ' 2 ' '
1 1 1 1 1 1
x r u y x q u y u y x p u y u y u y + + + + +

Reorganizando los trminos de la anterior identidad, podemos escribir:

) ( ] ) ( ' ) ( ' ' [ ' )] ( ' 2 [ ' '
1 1 1 1 1 1
x r u y x q y x p y u x p y y u y + + + + +

Puesto que
1
y es solucin de la homognea, el tercer trmino de la izquierda es idnticamente
cero, con lo que:
) ( ' )] ( ' 2 [ ' '
1 1 1
x r u x p y y u y = + +

La ecuacin obtenida para: u es de segundo orden, as:

1 1
1
) (
' ) (
' 2
' '
y
x r
u x p
y
y
u =
|
|
\
|
+ +

La ecuacin diferencial es reducible a una de primer orden mediante el cambio de variable z u = ' ,
as:
1 1
1
) (
) (
' 2
y
x r
z x p
y
y
dx
dz
=
|
|
\
|
+ +

Puesto que la ecuacin diferencial es lineal, su factor integrante viene dado por:

=
dx x p
e y x
) (
2
1
) (

Con el factor integrante hallado podemos escribir la solucin para z, as:

(
+ =

dx
y
x r
A z
1
1 1
) (

A es una constante arbitraria.
Integrando de nuevo, se obtiene:
dx dx
y
x r
dx A B x u
(
+ + =

1
1 1
) (
) (
212

Finalmente, la solucin general viene dada por:

dx dx
y
x r
y dx Ay By x y
(
+ + =

1
1
1
1
1 1
) (
) (

De la ltima ecuacin se sigue que, s
1
y es una solucin de la homognea de una ecuacin
diferencial de segundo orden, entonces:

(

=
=
dxdx
y
x r
y y
dx y y
ss
1
1
1
1
1 2
) (

Ejemplo 17.5
Encuentre la solucin general de la ecuacin diferencial siguiente, sabiendo que x y = es una
solucin de la homognea.
x y xy y x = + ' ' '
2

Solucin.
Con base en la ecuacin, se tiene que x x p / 1 ) ( = , por tanto, el factor integrante es:

3 ) ln( 2 2
) (
2
1
1
) ( x e x e x e y x
x
dx x dx x p
= =
=

La segunda solucin de la homognea se puede escribir como:

1 3 1
1 2
2
1

= = =

x dx x x dx y y

Un conjunto fundamental de soluciones de la homognea es: { }
1
,

x x
La solucin particular, teniendo en cuenta que x x r / 1 ) ( = , viene dada por:

(

=
(

dxdx
x
x x
x x dxdx
y
x r
y y
ss
1 3
3
1
1
1
) (

213

Evaluando las integrales, resulta: ) ln(
2
1
x x y
ss
=

En consecuencia, la solucin general es:

) ln(
2
1
) (
1
2 1
x x x C x C x y + + =

17.4 La ecuacin Diferencial lineal de segundo orden con coeficientes constantes
La ecuacin diferencial lineal de segundo orden con coeficientes constantes viene dada por:

) ( ' ' ' x ar cy by ay = + +

Una forma alternativa de escribir la ecuacin diferencial es la siguiente:
( ) ) ( ) (
2
x r x y q pD D = + +

17.4.1. Solucin de la homognea.
Es fcil establecer que la homognea admite soluciones de tipo exponencial, as:
x
e y

=
Derivando dos veces y sustituyendo en la homognea resulta el polinomio caracterstico:

q p L + + =
2
) (

La ecuacin caracterstica de la ecuacin diferencial es:

0
2
= + + q p

Aplicando la frmula general, las dos races de la ecuacin caracterstica son:

2
4
,
2
2 1
q p p
=

Pueden presentarse tres situaciones diferentes, a saber:

1) El discriminante: q p 4
2
es positivo.
214

En este caso las races de la ecuacin son reales y diferentes:
2 1
y en consecuencia, un
conjunto fundamental de soluciones es:

{ } { }
x x
e e y y
2 1
, ,
2 1

=

2) El discriminante de la ecuacin es cero.
En este caso, las dos races son iguales, as: = =
2 1

El conjunto fundamental de soluciones es:

{ } { }
x x
xe e y y

, ,
2 1
=

3) El discriminante es negativo.
En este caso las races son complejas conjugadas, as j =
2 1
,
En la expresin anterior, la parte real viene dada por: 2 / p = y la parte imaginaria es
2 / 4
2
p q = . Como puede verse, usaremos la letra: j para representar a la unidad de los
nmeros imaginarios, esto es: 1 = j
El conjunto fundamental de soluciones se puede escribir como:

{ } { } ) ( ), cos( ,
2 1
x sen e x e y y
x x

=

Podemos concluir que para hallar un conjunto fundamental de soluciones de la ecuacin diferencial
homognea de segundo orden basta con encontrar los valores caractersticos y ubicarnos en uno
de los tres casos posibles.

Ejemplo 17.6
Encuentre un conjunto fundamental de soluciones para cada una de las siguientes ecuaciones
diferenciales:
1) 0 ) ( ) 2 3 (
2
= + + x y D D
2) 0 ) ( ) 1 2 (
2
= + + x y D D
3) 0 ) ( ) 2 2 (
2
= + + x y D D
4) 0 ) ( ) 4 (
2
= + x y D

Solucin.
1) La ecuacin caracterstica es 0 2 3
2
= + + . Las races son: 2 1
2 1
= =
215


{ } { }
x x
e e y y
2
2 1
, ,

=

2
= + + . Las races son: 1 1
2 1
= =

{ } { }
x x
xe e y y

= , ,
2 1

2
= + + . Las races son: 1 1 ,
2 1
j =

{ } { } ) ( ), cos( ,
2 1
x sen e x e y y
x x
=

4) La ecuacin caracterstica es 0 4
2
= + . Las races son: 2 0 ,
2 1
j =

{ } { } ) 2 ( ), 2 cos( ,
2 1
x sen x y y =

Obsrvese que para hallar la ecuacin caracterstica basta con sustituir el operador D de la
ecuacin diferencial por la variable . En general, para la ecuacin de segundo orden, la ecuacin
caracterstica es:
0
2
= + + c b a

17.4.2. Solucin particular
Son variados los mtodos para encontrar la solucin particular. En este trabajo se presenta el
mtodo de variacin de parmetros.
Dada la ecuacin diferencial:

) ( ) ( ' ) ( ' ' x r y x q y x p y = + +

Sea: } , {
2 1
y y un conjunto fundamental de soluciones de la homognea asociada. Se trata de
determinar dos funciones:
2 1
, u u de tal manera que una solucin particular de la no homognea es:

216

1 1 2 2 ss
y y u y u = +

Para hallar las funciones se resuelve el siguiente sistema de ecuaciones:

(
=
(
) (
0
'
'
' '
2
1
2 1
2 1
x r u
u
y y
y y

Al resolver el sistema, resulta:
) (
) ( '
0
'
) (
' ) (
0
'
1
1
2
2
2
1
x W
x r y
y
u
x W
y x r
y
u = =

Las funciones se determinan por integracin y teniendo en cuenta que las constantes de
integracin se hacen iguales a cero.

Ejemplo 17.7
Encuentre la solucin general de la ecuacin diferencial:

x
xe x y D D

= + + ) ( ) 2 3 (
2

Solucin.
Con base en el ejemplo anterior, un conjunto fundamental de soluciones de homognea es

{ } { }
x x
e e y y
2
2 1
, ,

=

Aplicando el mtodo, la solucin particular debe ser de la forma:

2
2
1
u e u e y
x x
ss

+ =

Se debe resolver el sistema:
(
=
(

x x x
x x
xe u
u
e e
e e 0
'
'
2
2
1
2
2

217

Resolviendo el sistema, resulta
x
xe u x u = = ' ; '
2 1
. Integrando y haciendo las constantes
iguales a cero, se tiene
x
e x u x u ) 1 ( ;
2
1
2
2
1
+ = = . En consecuencia, la solucin particular es:
x x
ss
xe e x y

=
2
2
1

Finalmente, la solucin general es:

x x x x
xe e x e C e C x y

+ + =
2 2
2 1
2
1
) (

17.5. La ecuacin diferencial de Euler-Cauchy.
Es una ecuacin diferencial lineal cuya forma general es:

) ( ' ' '
2 2
x r ax cy bxy y ax = + +
Puede verse que:
2
) ( ; ) (
ax
c
x q
ax
b
x p = =
Estamos interesados en determinar la solucin general en el intervalo ) , 0 (
17.5.1. Solucin de la homognea.
La homognea asociada a la ecuacin diferencial es 0 ' ' '
2
= + + cy bxy y ax y admite soluciones de
la forma
x y = . Derivando dos veces y sustituyendo en la homognea resulta el polinomio

caracterstico:
c b a L + + = ) 1 ( ) (

Las races del polinomio pueden ser de tres tipos, a saber:

a) ( ) R
2 1
. En este caso, un conjunto fundamental de soluciones de la homognea es:

{ }
2 1
,

x x

b) = =
2 1
. En este caso, un conjunto fundamental de soluciones de la homognea es:

{ } 0 ; ) ln( , > x x x x

c) j =
2 1
, . En este caso, un conjunto fundamental de soluciones de la homognea es:
218

( ) ( ) { } 0 ; ) ln( , ) ln( cos > x x sen x x x

Ejemplo 17.7
Encuentre un conjunto fundamental de soluciones para cada una de las siguientes ecuaciones
diferenciales:

1) 0 4 ' ' '
2
= + y xy y x
2) 0 ' ' '
2
= + y xy y x
3) 0 4 ' ' '
2
= + + y xy y x

Solucin.
1) El polinomio caracterstico es 4 4 ) 1 ( ) (
2
= + = L .
Las races son 2 , 2
2 1
= = y el conjunto fundamental de soluciones es:

{ } 0 ; ,
2 2
>
x x x

2) El polinomio caracterstico es 1 2 1 ) 1 ( ) (
2
+ = + = L .
Las races son 1
2 1
= = y el conjunto fundamental de soluciones es:

{ } 0 ; ) ln( , > x x x x

3) El polinomio caracterstico es 4 4 ) 1 ( ) (
2
+ = + + = L .
Las races son 2 0 ,
2 1
j = y el conjunto fundamental de soluciones es:

( ) ( ) { } 0 ; ) ln( 2 , ) ln( 2 cos > x x sen x

17.5.2. Solucin de la no homognea.
Para determinar la solucin particular se hace uso del mtodo de variacin de parmetros,
previamente presentado.

Ejemplo 17.8
219

Dada la ecuacin diferencial: x y xy y x 4 4 ' ' '
2
= +
a) Escriba el conjunto fundamental de soluciones de la homognea.
b) Determine la solucin particular
c) Escriba la solucin general
d) Resuelva el problema de valor inicial con: 0 ) 1 ( ' , 1 ) 1 ( = = y y
e) Represente grficamente la solucin en el intervalo ( ) 5 . 2 , 5 . 0

Solucin.
a) El conjunto fundamental de soluciones es { } 0 ; ,
2 2
>
x x x
b) De acuerdo con lo presentado, la solucin particular se puede escribir como:

2
2
1
2
u x u x y
ss
+ =

Para calcular
1
u y
2
u se procede de la siguiente manera:

(
=
(
1
2
1
3
2 2
4
0
'
'
2 2 x u
u
x x
x x

El Wronskiano viene dado por
1
4 ) (

= x x W , con lo que:

1
1
2
1
3 1
2
1
1
'
2 4
0
' 4

= =
= x u x u
x x
x
u x
3 / '
4 2
0
' 4
3
2
2
2
1
2
2
1
x u x u
x x
x
u x = = =

La solucin particular es:
( ) ( ) 3 / 4 3 /
3 2 1 2
x x x x x y
ss
= + =

c) La solucin general es:
3 / 4 ) (
2
2
2
1
x x C x C x y + =

d) Tomando la primera derivada se obtiene:

220

3 / 4 2 2 ) ( '
3
2 1
=

x C x C x y

Aplicando las condiciones iniciales resulta el sistema:

(
=
(
3 / 4
3 / 7
2 2
1 1
2
1
C
C

La solucin del sistema es 1 , 3 / 4
2 1
= = C C , con lo que la solucin del problema es:
3 / 4
3
4
) (
2 2
x x x x y + =

e) La grfica se muestra en la figura 17.3.

Figura 17.3

17.6. Solucin de ecuaciones diferenciales lineales usando Matlab.
Con Matlab es posible hallar: tanto la solucin general como la solucin particular de una ecuacin
diferencial lineal, en la medida que tenga solucin analtica. Con dsolve es posible resolver
ecuaciones de coeficientes constantes y ecuaciones de Euler-Cauchy.

17.6.1. Solucin general
Dada la ecuacin diferencial lineal ) ( ) ( ' ) ( ' ' x r y x q y x p y = + + , para determinar la solucin
general se escribe:
( ) ' ' , ' * ) ( * ) ( ) ( 2 ' x Dy x p y x q x r y D dsolve y = =
0.5 1 1.5 2 2.5
0
1
2
3
4
5
6
7
221

Ejemplo 17.9.
Determine la solucin general de la ecuacin diferencial:
x
xe x y D D

= + + ) ( ) 2 3 (
2

Solucin.
( ) ' ' , ' * 3 * 2 ) exp( * 2 ' x Dy y x x y D dsolve y = =

>> y=dsolve('D2y=x*exp(-x)-2*y-3*Dy','x')

y =

x^2/(2*exp(x)) - (x - 1)/exp(x) + C14/exp(x) + C15/exp(2*x)

>> pretty(y)

2
x exp(-x)
---------- - exp(-x) (x - 1) + C14 exp(-x) + C15 exp(-2 x)
2
Las constantes arbitrarias son C14 y C15. Observe que la solucin se puede escribir como:

x x x x
x
e C e C e xe
e x
y
2
15 14
2
2

+ + + =

El tercer trmino es linealmente dependiente con el cuarto, con lo que resulta:

x x x
x
e C e C xe
e x
y
2
2 1
2
2

+ + =

El estudiante puede verificar que el resultado es equivalente al obtenido en el ejemplo 17.7.

Ejemplo 17.10.
Determine la solucin general de la ecuacin diferencial: x y xy y x 4 4 ' ' '
2
= +

Solucin.
222

( ) ' ' , / / * 4 / / 4 2 ' x x x y x Dy x y D dsolve y + = =

>> y=dsolve('D2y=4/x-Dy/x+4*y/x/x','x')

y =

C17*x^2 - (4*x)/3 + C18/x^2

>> pretty(y)

2 4 x C18
C17 x - --- + ---
3 2
X

Las constantes arbitrarias son C17 y C18. Observe que la solucin se puede escribir como:

2
18
2
17
2
4

+ + = x C x C
x
y

El estudiante puede verificar que el resultado es equivalente al obtenido en el ejemplo 17.8.

17.6.2. Solucin del problema de valor inicial.
Dado el problema de valor inicial
0 0 0 0
) ( , ) ( ; ) ( ) ( ' ) ( ' ' p x Dy y x y x r y x q y x p y = = = + + , para
determinar la solucin se escribe:

( ) ' ' , ' ) ( ' , ' ) ( ' , ' * ) ( * ) ( ) ( 2 '
0 0 0 0
x p x Dy y x y Dy x p y x q x r y D dsolve y = = = =

Ejemplo 17.11
Resuelva el problema de valor inicial 1 ) 0 ( , 1 ) 0 ( ; ) ( ) 2 3 (
2
= = = + +

Dy y xe x y D D
x

Solucin.
( ) ' ' , ' 1 ) 0 ( ' , ' 1 ) 0 ( ' , ' * 3 * 2 ) exp( * 2 ' x Dy y Dy y x x y D dsolve y = = = =

>> y=dsolve('D2y=x*exp(-x)-2*y-3*Dy','y(0)=1','Dy(0)=1','x')
y =
223

3/exp(x) - 3/exp(2*x) - (x - 1)/exp(x) + x^2/(2*exp(x))

>> simplify(3/exp(x) - 3/exp(2*x) - (x - 1)/exp(x) + x^2/(2*exp(x)))

ans =

4/exp(x) - 3/exp(2*x) - x/exp(x) + x^2/(2*exp(x))

La solucin se puede escribir como:

x x x
x
e e xe
e x
y
2
2
3 4
2

+ =

17.7. Ecuaciones diferenciales no lineales.
Una ecuacin diferencial no lineal de segundo orden presenta la forma general:

|
\
|
=
dx
x dy
y x f
dx
x y d ) (
, ,
) (
2
2

La solucin general de la ecuacin diferencial presenta dos constantes arbitrarias que se
determinan con base en las condiciones iniciales
0 0 0 0
) ( ' ) ( p x y y x y = = . Algunas ecuaciones
diferenciales de segundo orden se pueden resolver mediante las tcnicas estudiadas para resolver
ecuaciones de primer orden.

17.7.1. Ecuaciones diferenciales de la forma:
) (
2
2
x f y
dx
d
=
La solucin general se determina mediante el cambio de variable p
dx
dy
= , con lo que resulta un
sistema de dos ecuaciones con dos incgnitas, as:

=
=
p
dx
dy
x f
dx
dp
) (

Ejemplo 17.12

) (
2
2
x sen y
dx
d
=
Solucin.
224

Si se hace el cambio de variable
dx
dy
p = , la ecuacin diferencial se convierte en un sistema de
dos ecuaciones diferenciales de primer orden, as:

=
=
p
dx
dy
x sen
dx
dp
) (

La solucin de la primera de ellas es
1
) cos( C x p + = . Sustituyendo p en la segunda ecuacin,
tenemos:
1
) cos( C x
dx
dy
+ =

Integrando, tenemos:
2 1
) sen( C x C x y + + =


|
\
|
=
dx
dy
x f y
dx
d
,
2
2

Para resolver la ecuacin diferencial se hace el cambio de variable
dx
dy
p = , con lo que la
ecuacin diferencial original se convierte en un sistema de dos ecuaciones diferenciales de primer
orden, as:
=
=
p
dx
dy
p x f
dx
dp
) , (

Es claro que para obtener la solucin se requiere que p se pueda obtener explcitamente en
funcin de x

Ejemplo 17.13

) cos(
2
2
x x
dx
dy
dx
y d
x = +
Solucin.
Con el cambio de variable resulta el sistema de ecuaciones:

=
= +
p
dx
dy
x p
x dx
dp
) cos(
1

225

La primera es una ecuacin diferencial lineal cuyo factor integrante es x e
dx x
=
=
1
. La
solucin general ser:
+ = dx x x C xp ) cos(
1

Evaluando la integral y despejando p tenemos: ) (
) cos(
1
1
x sen
x
x
x C p + =

Al sustituir en la segunda ecuacin diferencial, resulta:
+ + + =
2 1
) cos(
) cos( ) ln( C dx
x
x
x x C y
Es claro que si 0 x la integral indicada se puede escribir mediante su serie de Taylor, as:

+ + =
(
|
|
\
|
+ + =
(
720 96 4
) ln( ...
! 5 ! 4 2
1 ) cos(
6 4 2 5 3
x x x
x dx
x x x
x
dx
x
x

Con base en lo anterior, s: A y B son constantes arbitrarias, la solucin general de la ecuacin
diferencial es:
....
720 96 4
) cos( ) ln(
6 4 2
+ + + + =
x x x
x x B A y 0 x

|
\
|
=
dx
dy
y f
dx
y d
,
2
2

Para resolver este tipo de ecuaciones diferenciales se hace el cambio de variable:
dx
dy
p = y se
aplica la regla de la cadena:
dy
dp
p
dx
dy
dy
dp
dx
dp
= =

Con lo anterior resulta un sistema de dos ecuaciones de primer orden, as:
=
=
p
dx
dy
p y f
dy
dp
p ) , (

Al igual que en el caso anterior se requiere que p se pueda expresa explcitamente en funcin de
y .

Ejemplo 17.14

) (
2
2
y sen
dx
y d
=

Solucin.
Al hacer el cambio de variable resulta el sistema de ecuaciones:

226

=
=
p
dx
dy
y sen
dy
dp
p ) (

La primera ecuacin es de variables separables y se resuelve de la siguiente manera:

dy y pdp ) sen( =
1
2
) cos(
2
1
C y p + =
La solucin para p se puede expresar como:
1
2 ) cos( 2 C y p + =
La segunda ecuacin diferencial queda como:
dx
A y
dy
2
) cos(
=
+

El inconveniente que se presenta es el de la imposibilidad de resolver la integral de la izquierda, sin
embargo se puede expandir en series de potencias, resultando:

D x y
C
Cy + = + + 2 ...
12
3
3

Ejemplo 17.15

1 ) 0 ( ' ; 1 ) 0 ( ) ' 1 ( ' ' ' = = + = y y y y yy

Solucin.
Haciendo los cambios correspondientes, resulta el sistema de ecuaciones:

=
+ =
p
dx
dy
p p
dy
dp
yp ) 1 (

La primera ecuacin se puede expresar en la forma:
y
dy
p
dp
=
+1
y tiene como solucin general
1 = Cy p . Ahora, con base en la condicin inicial, se tiene que 2 = C , con lo que 1 2 = y p .
Sustituyendo en la otra ecuacin resulta:
dx
y
dy
y
dx
dy
=
=
1 2
1 2
Al integrar, se obtiene: C x y + = 1 2 ln
2
1

Con base en la condicin inicial resulta: 0 = C
En consecuencia, la solucin del problema es:
2
1
2
+
=
x
e
y
Con la ayuda del paquete se encuentra la grfica de la figura 17.4
227

Figura 17.4
EJERCICIOS
1) Dada la ecuacin diferencial: 0 ' 2 ' '
2
= + + y y y
a) Muestre que
x
e y

=
1
es una solucin de la ecuacin diferencial
b) Usando el mtodo de reduccin de orden, muestre que la otra solucin es:
x
xe y

=
2

2) Dada la ecuacin diferencial: x y xy y x 3 4 ' ' '
2
= +
a) Muestre que la parbola:
2
x y = es una solucin de la homognea asociada.
b) Encuentre la otra solucin de la homognea
c) Encuentre la solucin particular
d) Resuelva el problema de valor inicial formado con la ecuacin diferencial dada, con las
siguientes condiciones iniciales: 1 ) 1 ( ' 1 ) 1 ( = = y y
e) Represente grficamente la solucin del problema de valor inicial
f) Resuelva el problema con dsolve.

3) Dada la ecuacin diferencial:
2
'' ' 0 x y xy y - + =
a) Muestre que la recta: x y = es una solucin de la homognea asociada
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
5
10
15
20
25
30
228

c) Resuelva el problema de valor inicial formado con la ecuacin diferencial y las condiciones
iniciales (1) 1 '(1) 0 y y = = , indicando el intervalo de validez de la solucin.
d) Resuelva el problema con dsolve.

4) Dada la ecuacin diferencial: x xy y xy = + ' 2 ' '
a) Muestre que la funcin:
x
e x y
1
= es una solucin de la homognea asociada.
d) Resuelva el problema con dsolve.

5) Dada la ecuacin diferencial: x xy y xy = + + ' 2 ' '

a) Muestre que la funcin: ) (
1
x sen x y

= es una solucin de la homognea asociada.

6) Resuelva los siguientes problemas de valor inicial, tanto analticamente como con dsolve.
a) 1 ) 0 ( ' , 0 ) 0 ( ; 4 ' 5 ' '
2
= = = + + y y x y y y
b) 1 ) 0 ( ' , 0 ) 0 ( ; 6 ' 5 ' ' = = = + +

y y xe y y y
x

c) 0 ) 0 ( ' , 0 ) 0 ( ; 20 10 ' 2 ' ' = = = + + y y y y y
d) 0 ) 0 ( ' , 0 ) 0 ( ; ) cos( 4 ' 4 ' ' = = = + + y y x y y y
e) 0 ) 0 ( ' , 0 ) 0 ( ; ) 2 ( 4 ' ' = = = + y y x sen y y

7) Encuentre la solucin general de las siguientes ecuaciones no lineales
a)
2
2
2
1 |
\
|
+ =
dx
dy
dx
y d
y b)
2
2
2
1 |
\
|
+ =
dx
dy
dx
y d

c) ( ) 0 1 ' 2 ' ' 2
2 2
= + y y y y d) ' ) 1 ( ' ' y y y + =
e) 0 ) ' ( 2 '
1
' '
2
= + + y y
x
y
229

230

MDULO 18
PROBLEMAS DE VALOR INICIAL DE SEGUNDO ORDEN
SOLUCIN NUMRICA

En este mdulo se presentan los mtodos numricos para resolver un problema de valor inicial de
segundo orden y se desarrollar el siguiente contenido:

18.1. Formulacin del problema
18.3. Mtodo de Euler con Matlab
18.4. Mtodo de Runge-Kutta de orden cuatro con Matlab

18.1. Formulacin del problema.
Un problema de valor inicial de segundo orden se formula de la siguiente manera:

0 0
) 0 ( ' ; ) 0 ( ) ' , , ( ) ( ' ' p y y y y y t f t y = = =

Al efectuar el cambio de variable: p y = ' resulta un sistema de dos ecuaciones con dos incgnitas,
as:
(
=
(
p
p y t f
y
p
dt
d
) , , (

El sistema de ecuaciones es un caso particular de un sistema de ecuaciones de la forma:

(
=
(
=
(
i x
i x
x
x
x x t f
x x t f
t x
t x
dt
d
2
1
2
1
2 1 2
2 1 1
2
1
) 0 (
) 0 (
;
) , , (
) , , (
) (
) (

Para resolver el problema se puede proceder de manera analtica o numrica. Cuando el sistema
es lineal siempre es posible encontrar la solucin analtica. Para sistemas no lineales se recurre a
las tcnicas numricas previamente desarrolladas. La solucin de sistemas lineales hace parte de
un curso regular de ecuaciones diferenciales y, por tanto, nos concentraremos en los sistemas no
lineales.

18.2. Mtodo de Euler.
Es una extensin matricial del mtodo de Euler desarrollado para una ecuacin. El procedimiento
para resolver el problema de valor inicial matricial es el mismo que para el caso escalar, veamos:
Se trata de resolver el problema de valor inicial:

yi ti y y x t g
dt
dy
xi ti x y x t f
dt
dx
= =
= =
) ( ; ) , , (
) ( ; ) , , (

El problema se resuelve en el intervalo tf t ti con n particiones.
Al igual que en el caso escalar, el algoritmo es:
11) Se ingresa el nmero de iteraciones, es decir, el nmero de subintervalos: n
12) Se ingresa la abscisa inicial: ti
13) Se ingresa la abscisa final: tf
14) Se ingresa la primera ordenada inicial: xi
231

15) Se ingresa la segunda ordenada inicial: yi
16) Se ingresa la funcin ) , , ( y x t f
17) Se ingresa la funcin ) , , ( y x t g
18) Se calcula el tamao de paso, as:
n
ti tf
h

=
19) Se genera el vector de abscisas ) 1 ( ) ( + = k h ti k T
20) Con la condicin inicial se genera el primer elemento del primer vector de ordenadas:
xi X = ) 1 (
21) Con la condicin inicial se genera el primer elemento del segundo vector de ordenadas:
yi Y = ) 1 (
22) Se generan los dems elementos del primer vector de ordenadas:

( ) ) ( ), ( ), ( ) ( ) 1 ( k Y k X k T hf k X k X + = +

23) Se generan los dems elementos del segundo vector de ordenadas:

( ) ) ( ), ( ), ( ) ( ) 1 ( k Y k X k T hg k Y k Y + = +

24) Se representan grficamente las curvas resultantes.

Ejemplo 18.1
Resuelva el siguiente problema de valor inicial en el intervalo 4 0 t , con 10 iteraciones.

0 ) 0 ( ' , 0 ) 0 ( ; 8 ) ( 4 ) ( ' 5 ) ( ' ' = = = + + y y t y t y t y

Solucin.
Se hace el cambio de variable de variable ) ( ) ( ' t x t y = , con lo que resulta el sistema de
ecuaciones:
0 ) 0 ( ;
0 ) 0 ( ; 5 4 8
= =
= =
y x
dt
dy
x x y
dt
dx

A continuacin se aplica el algoritmo y se llena la tabla de resultados.

1) Se ingresa el nmero de iteraciones, es decir, el nmero de subintervalos 10 = n .
2) Se ingresa la abscisa inicial: 0 = ti
3) Se ingresa la abscisa final: 4 = tf
4) Se ingresa la primera ordenada inicial: 0 = xi
5) Se ingresa la segunda ordenada inicial: 0 = yi
6) Se ingresa la funcin x y y x t f 5 4 8 ) , , ( =
7) Se ingresa la funcin x y x t g = ) , , (
8) Se calcula el tamao de paso, as: 4 . 0 =
=
n
ti tf
h
9) Se genera el vector de abscisas ) 1 ( ) ( + = k h ti k T
232

10) Con la condicin inicial se genera el primer elemento del primer vector de ordenadas:
xi X = ) 1 (
11) Con la condicin inicial se genera el primer elemento del segundo vector de ordenadas:
yi Y = ) 1 (
12) Se generan los dems elementos del primer vector de ordenadas:

( ) ) ( ), ( ), ( ) ( ) 1 ( k Y k X k T hf k X k X + = +

13) Se generan los dems elementos del segundo vector de ordenadas:

( ) ) ( ), ( ), ( ) ( ) 1 ( k Y k X k T hg k Y k Y + = +

k ) (k T ) (k X ) (k Y )) ( ), ( ), ( ( k Y k X k T f )) ( ), ( ), ( ( k Y k X k T g
1 0.0 0 0 8.0 0.0
2 0.4 3.2000 0.0 -8.0 3.2
3 0.8 0.0 1.28 2.88 0.0
4 1.2 1.152 1.28 -2.88 1.152
5 1.6 0.0 1.7408 1.0368 0
6 2.0 0.4147 1.7408 -1.0368 0.4147
7 2.4 0.0 1.9067 0.3732 0.0
8 2.8 0.1493 1.9067 -0.3732 0.1493
9 3.2 0.0 1.9664 0.1344 0.0
10 3.6 0.0537 1.9664 -0.1344 0.0537
11 4.0 0.0 1.9879

La figura 18.1 ilustra la grfica correspondiente.

Figura 18.1

0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.5
1
1.5
2
2.5
3
3.5

grfica de x
grfica de y
233

Ejemplo 18.2
Determine la solucin analtica del problema y haga un anlisis del error.

Solucin.
0 ) 0 ( ' , 0 ) 0 ( ; 8 ) ( 4 ) ( ' 5 ) ( ' ' = = = + + y y t y t y t y

Con base en lo presentado en el mdulo anterior, la solucin general de la ecuacin diferencial es:

t t
t t
e C e C t y t x
e C e C t y
4
2 1
4
2 1
4 ) ( ' ) (
2 ) (

= =
+ + =

Aplicando las condiciones iniciales resulta:

t t
t t
e e t y t x
e e t y
4
4
3
8
3
8
) ( ' ) (
2
3
2
3
8
) (

= =
+ + =

La tabla siguiente ilustra la solucin numrica comparada con la analtica.

k ) (k T ) (k X ) (k Y
xe ye
) (k x xe ) (k y ye
1 0.0 0 0 0.0 0.0 0 0
2 0.4 3.2000 0.0 1.2491 0.3471 1.9509 0.3471
3 0.8 0.0 1.28 1.0895 0.8290 1.0895 0.451
4 1.2 1.152 1.28 0.7812 1.2023 0.3708 0.0777
5 1.6 0.0 1.7408 0.5340 1.4627 0.5340 0.2781
6 2.0 0.4147 1.7408 0.3600 1.6393 0.0547 0.1015
7 2.4 0.0 1.9067 0.2417 1.7581 0.2417 0.1486
8 2.8 0.1493 1.9067 0.1621 1.8378 0.0128 0.0689
9 3.2 0.0 1.9664 0.1087 1.8913 0.1087 0.0751
10 3.6 0.0537 1.9664 0.0729 1.9271 0.0192 0.0393
11 4.0 0.0 1.9879 0.0488 1.9512 0.0488 0.0367

18.3. Mtodo de Euler usando Matlab.
A continuacin se describe el programa en Matlab para resolver el problema de valor inicial de
segundo orden por el mtodo de Euler.
clear all
%por el metodo de Euler
%La formulacion del problema es: x'=f(t,x,y),x(ti)=xi; y'=g(t,x,y),y(ti)=yi
%en el intervalo:[ti,tf] con n iteraciones.
ti=input('abscisa inicial = ');
tf=input('abscisa final = ');
xi=input('primera ordenada inicial = ');
yi=input('segunda ordenada inicial = ');
f=input('entrar la funcion f(t,x,y) = ');
g=input('entrar la funcion g(t,x,y) = ');
234

h=(tf-ti)/n;
for k=1:n+1
T(k)=ti+(k-1)*h;
end
%Los vectores de ordenadas se calculan como
X(1)=xi;
Y(1)=yi;
for k=1:n
t=T(k);
x=X(k);
y=Y(k);
F1(k)=eval(f);
G1(k)=eval(g);
X(k+1)=X(k)+h*F1(k);
Y(k+1)=Y(k)+h*G1(k);
end
[T' X' Y']
plot(T,X)
hold on
plot(T,Y,'k')
grid on

Ejemplo 18.3
Usando el programa, resuelva el siguiente problema de valor inicial en el intervalo 4 0 t , con
100 iteraciones.
0 ) 0 ( ' , 0 ) 0 ( ; 8 ) ( 4 ) ( ' 5 ) ( ' ' = = = + + y y t y t y t y


>> euleror2
abscisa inicial = 0
abscisa final = 4
primera ordenada inicial = 0
segunda ordenada inicial = 0
entrar la funcion f(t,x,y) = '8-4*y-5*x'
entrar la funcion g(t,x,y) = 'x'

La figura 18.2 muestra la solucin grfica, mientras que la figura 18.3 ilustra la solucin analtica.
Puede observarse que las soluciones coinciden, es decir, el error absoluto es prcticamente cero.
La figura 18.3 se obtuvo usando la rutina siguiente:
t=0:0.04:4;
x=8*(exp(-t)-exp(-4*t))./3;
y=2-8*exp(-t)./3+2*exp(-4*t)./3;
plot(t,x)
grid on
hold on
plot(t,y,k)

235

Figura 18.2

Figura 18.3

Ejemplo 18.4
Resuelva el problema de valor inicial en el intervalo 2 0 t .

1 ) 0 ( ' ; 1 ) 0 ( ) ' 1 ( ' ' ' = = + = y y y y yy

a) Con 20 = n
b) Con 200 = n
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
236

Solucin.
Se hace el cambio de variable ' y x = , con lo que resulta el sistema de ecuaciones:

=
+
=
x
dt
dy
y
x x
dt
dx ) 1 (

a) Aplicando el mtodo de Euler con el paquete Matlab, se tiene:

>> euleror2
abscisa inicial = 0
abscisa final = 2
entrar la funcion f(t,x,y) = 'x*(1+x)/y'

Figura 18.4

b) Aplicando el mtodo de Euler con el paquete Matlab, se tiene:

>> euleror2
abscisa inicial = 0
abscisa final = 2

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
5
10
15
20
25
30
35
40
237

Figura 18.5

18.4. El mtodo de Runge-Kutta de orden 4 usando Matlab.
A continuacin se describe el programa en Matlab para resolver el problema de valor inicial de
segundo orden por el mtodo de Runge-Kutta de orden cuatro.
clear all
%Programa para resolver un problema de valor inicial de segundo orden
%por el metodo Runge-Kutta de orden cuatro
%La formulacion del problema es: x'=f(t,x,y);x(ti)=xi; y'=g(t,x,y);y(ti)=yi;
%en el intervalo:[xi,xf] con n iteraciones.
n=input('numero de iteraciones = ');
ti=input('abscisa inicial = ');
tf=input('abscisa final = ');
xi=input('primera ordenada inicial = ');
yi=input('segunda ordenada inicial = ');
f=input('entrar la funcion f(t,x,y) = ');
g=input('entrar la funcion g(t,x,y) = ');
h=(tf-ti)/n;
for k=1:n+1
T(k)=ti+(k-1)*h;
end
%Los vectores de ordenadas se calculan como
X(1)=xi;
Y(1)=yi;
for k=1:n
t=T(k);
x=X(k);
y=Y(k);
M1x(k)=eval(f);
M1y(k)=eval(g);
t=t+h/2;
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
10
20
30
40
50
60
238

x=x+h*M1x(k)/2;
y=y+h*M1y(k)/2;
M2x(k)=eval(f);
M2y(k)=eval(g);
t=t;
x=x-h*M1x(k)/2+h*M2x(k)/2;
y=y-h*M1y(k)/2+h*M2y(k)/2;
M3x(k)=eval(f);
M3y(k)=eval(g);
t=t+h/2;
x=x+h*M3x(k)-h*M2x(k)/2;
y=y+h*M3y(k)-h*M2y(k)/2;
M4x(k)=eval(f);
M4y(k)=eval(g);
Mx(k)=(M1x(k)+2*M2x(k)+2*M3x(k)+M4x(k))/6;
My(k)=(M1y(k)+2*M2y(k)+2*M3y(k)+M4y(k))/6;
X(k+1)=X(k)+h*Mx(k);
Y(k+1)=Y(k)+h*My(k);
end
[T' X' Y']
plot(T,X,'x')
hold on
plot(T,Y,'o')
grid on

Ejemplo 18.5
Usando el mtodo de Runge-Kutta de orden 4, resuelva el problema de valor inicial en el intervalo
2 0 t con 20 particiones

1 ) 0 ( ' ; 1 ) 0 ( ) ' 1 ( ' ' ' = = + = y y y y yy

Solucin.
Ejecutamos el programa, as:

>> rk4or2
abscisa inicial = 0
abscisa final = 2

La figura 18.6 ilustra la grfica. Note la similitud con la figura 18.5, la cual corresponde al mtodo
de Euler con 100 particiones.
239

Figura 18.6

Ejemplo 18.6. El problema: Depredador-presa.
Supongamos que se tienen dos especies en un mismo ecosistema. Una especie es la presa y la
otra es la depredadora. En un instante determinado se tiene un nmero Xi x = ) 0 ( de presas y un
nmero Yi y = ) 0 ( de depredadores. Se desea determinar el nmero de cada especie en todo
instante, es decir, ) (t x y ) (t y

Solucin.
Adoptaremos el modelo de Lotka-Volterra, ampliamente usado, para resolver el problema.
a) La tasa de variacin de la cantidad de presas es igual al nmero de presas que entran en la
unidad de tiempo (Reproduccin) menos el nmero de presas que salen en la unidad de tiempo
(Capturadas por el depredador). El trmino positivo debe ser proporcional a la cantidad de presas
en todo instante, mientras que el negativo ser proporcional al producto entre el nmero de presas
y el nmero de depredadores. Matemticamente, resulta:

) ( ) ( ) (
) (
t y t bx t ax
dt
t dx
=

b) De otro lado, la tasa de variacin de la cantidad de depredadores, mediante un razonamiento
similar, viene dada por:
) ( ) ( ) (
) (
t y t dx t cy
dt
t dy
+ =

Claramente se observa que el sistema de ecuaciones resultante es no lineal y en consecuencia
debe ser resuelto usando tcnicas numricas. Supongamos que las constantes de
proporcionalidad son:

1 . 0 15 . 0 8 . 0 4 = = = = d c b a

As las cosas, el sistema a resolver es:
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
10
20
30
40
50
60
240

) ( ) ( 8 . 0 ) ( 4
) (
t y t x t x
dt
t dx
=
) ( ) ( 1 . 0 ) ( 15 . 0
) (
t y t x t y
dt
t dy
+ =

Adoptaremos las siguientes condiciones iniciales: 5000 5000 = = Yi Xi y que la unidad de
tiempo es meses.

Ejecutando el programa con 300 = n se tiene:

>> rk42x2
abscisa inicial = 0
abscisa final = 30
entrar la funcion f(t,x,y) = '4*x-0.8*x*y'
entrar la funcion g(t,x,y) = '-0.15*y+0.1*x*y'

La figura 18.7 ilustra la solucin grfica.

Figura 18.7

Ejemplo 18.7. El problema: Tanques acoplados

Dos tanques estn acoplados de la forma ilustrada en la figura 18.8. Supongamos que, en el
instante 0 = t , el primer tanque contiene 50 litros de salmuera con una concentracin de 0.25
libras de sal por litro y el segundo tanque est lleno con 50 litros de agua pura. Determine la
cantidad de sal en cada tanque en todo instante.
a) Analticamente
b) Numricamente usando el mtodo de Runge-Kutta de orden 4

0 5 10 15 20 25 30
0
1
2
3
4
5
6
7

Solucin.
Supongamos que las mezclas se mantienen homogneas durante el proceso. Definimos las
variables del problema, as:

) (t x : Cantidad de sal en el tanque 1 en todo instante
) (t y : Cantidad de sal en el tanque 2 en todo instante

Planteando las ecuaciones de continuidad para las cantidades de sal, resultan la
Para el tanque 1:
50
0
y
dt
dx
+ =

Para el tanque 2:
50
4x
dt
dy
=

a) Solucin analtica.
Se escribe el sistema en forma matricial, as:

Las condiciones iniciales son:

El problema de valor inicial asociado a la cantidad de sal en el primer tanque es:

25
4
2
\
|
+ D
La solucin del problema es:
Por otro lado se obtiene que:
La figura 18.9 ilustra las grficas correspon
t=0:0.1:100;
x=(25/4)*(exp(-3*t./25+exp(-t./25);
y=(25/2)*(-exp(-3*t./25+exp(-t./25);
plot(t,x,x)
hold on
grid on
Figura 18.8
: Cantidad de sal en el tanque 1 en todo instante
: Cantidad de sal en el tanque 2 en todo instante
Planteando las ecuaciones de continuidad para las cantidades de sal, resultan la
50 25
2
50
4
50
y x
dt
dx x y
+
=
25
2
25
2
50
3
50
y x
dt
dy y y
=
Se escribe el sistema en forma matricial, as:
) (
) (
25 / 2 25 / 2
50 / 1 25 / 2
(
+
+
t y
t x
D
D
Las condiciones iniciales son: 0 ) 0 ( 5 . 12 ) 0 ( = = y x
oblema de valor inicial asociado a la cantidad de sal en el primer tanque es:
1 ) 0 ( ' 5 . 12 ) 0 ( 0 ) (
625
3
25
4
= = =
|
|
+ x x t x D

La solucin del problema es: ( )
25 / 25 / 3
4
25
) (
t t
e e t x

+ =
Por otro lado se obtiene que: ( )
25 / 25 / 3
2
25
) (
t t
e e t y

+ =
ilustra las grficas correspondientes, obtenidas mediante la siguiente rutina:
t./25);
t./25);
241

Planteando las ecuaciones de continuidad para las cantidades de sal, resultan las ecuaciones:
0
0
=
(
(

oblema de valor inicial asociado a la cantidad de sal en el primer tanque es:
1
s, obtenidas mediante la siguiente rutina:
242

plot(t,y,o)

Figura 18.9

b) En cuanto a la solucin numrica, se aplica el mtodo de Runge-Kutta de orden cuatro con
Matlab, as:
rk4or2
abscisa inicial = 0
abscisa final = 100
primera ordenada inicial = 12.5
entrar la funcion f(t,x,y) = (-4*x+y)/50
entrar la funcion g(t,x,y) = (2*x-2*y)/25
La figura 18.10 ilustra la solucin.

Figura 18.10
0 10 20 30 40 50 60 70 80 90 100
0
2
4
6
8
10
12
14
0 10 20 30 40 50 60 70 80 90 100
0
2
4
6
8
10
12
14
243

EJERCICIOS

Usando los mtodos de Euler y Runge-Kutta de orden 4, resuelva los siguientes problemas de
valor inicial:

1) 1 ) 1 ( ' , 1 ) 1 ( ; 3 4 ' ' '
2
= = = + y y x y xy y x en el intervalo 4 1 x con 100 particiones.
2) 1 ) 1 ( ' , 1 ) 1 ( ; 3 ' 2 ' ' = = = + y y x xy y xy en el intervalo 4 1 x con 100 particiones.
3) 1 ) 1 ( ' , 1 ) 1 ( ; ' 2 ' '
2
= = = + + y y x xy y y x en el intervalo 4 1 x con 100 particiones.
4) Dada la ecuacin diferencial: x xy y xy = + ' 2 ' '
5) Dada la ecuacin diferencial: x xy y xy = + + ' 2 ' '
6 1 ) 0 ( ' , 0 ) 0 ( ; 4 ' 5 ' '
2
= = = + + y y x y y y en el intervalo 4 0 x con 100 particiones
7) 1 ) 0 ( ' , 0 ) 0 ( ; 6 ' 5 ' ' = = = + +

y y xe y y y
x
en el intervalo 4 0 x con 100 particiones
8) 0 ) 0 ( ' , 0 ) 0 ( ; 20 10 ' 2 ' ' = = = + + y y y y y en el intervalo 4 0 x con 100 particiones
9) 0 ) 0 ( ' , 0 ) 0 ( ; 4 4 ' 4 ' ' = = = + + y y y y y en el intervalo 4 0 x con 100 particiones
10) ( ) 2 ) 0 ( ' , 1 ) 0 ( ; 0 1 ' 2 ' ' 2
2 2
= = = + y y y y y y en el intervalo 4 0 x con 100 particiones
11)
= =
= + +
= +
0 ) 0 ( , 0 ) 0 (
) cos( ) ( ) 1 ( ) (
) ( ) ( ) ( ) 1 (
y x
t t y D t x
t sen t y t x D

12)
= =
= + +
= +
0 ) 0 ( , 0 ) 0 (
) ( ) 1 ( ) (
10 ) ( ) ( ) 1 (
y x
e t y D t x
t y t x D
t

13)
= =
= +
= +
0 ) 0 ( 0 ) 0 (
10 ) ( ) (
) ( 10 ) ( ) ( ) 2 (
y x
e t Dy t x
t sen t y t x D
t
14)
= =
=
+ =
5 ) 0 ( 5 ) 0 (
) ( ) ( 025 . 0 ) ( 2 . 0 ) ( '
) ( ) ( 02 . 0 ) ( 1 . 0 ) ( '
y x
t y t x t y t y
t y t x t x t x
15)
[ ]
[ ]
= =
=
=
10 ) 0 ( 5 ) 0 (
) ( 3 . 0 ) ( 1 . 0 1 ) ( ) ( '
) ( 3 . 0 ) ( 4 . 0 2 ) ( ) ( '
y x
t x t y t y t y
t y t x t x t x

244

MDULO 19
PROBLEMAS CON VALOR EN LA FRONTERA DE SEGUNDO ORDEN
SOLUCIN ANALTICA Y SOLUCIN NUMRICA POR EL MTODO DEL
DISPARO

En este mdulo se presenta la solucin analtica y la solucin numrica, por el mtodo del disparo,
de un problema de valor inicial de segundo orden y se desarrollar el siguiente contenido:

19.2. Solucin analtica.
19.3. Mtodo del disparo

Un problema con valor en la frontera de segundo orden se formula mediante una ecuacin
diferencial de segundo orden y dos condiciones de frontera, as:

= =
|
\
|
= ) ( , ) ( , ,
2
2
b y a y
dx
dy
y x f
dx
y d

Geomtricamente, la solucin del problema es la curva del plano que pasa por los puntos ) , ( a y
) , ( b . Un problema con valor en la frontera puede, eventualmente, tener solucin analtica. En
general nos ocuparemos de la solucin numrica del problema, pero desarrollaremos algunos
ejemplos que se pueden resolver de manera analtica.

19.1. Solucin analtica.
Para obtener la solucin analtica hay que tener en cuenta las condiciones de existencia y unicidad
de las soluciones de la ecuacin diferencial, es decir, debe garantizarse que el problema tenga
solucin nica en la regin del plano:

( ) ( ) { }
2 1
2
/ ) , ( M y M b x a R y x R =

En la regin descrita previamente se entiende que ( )
2 1
, ] , [ M M . La figura 19.1 ilustra la
situacin planteada.

Figura 19.1
Ejemplo 19.1
Resuelva el problema con valor en la frontera:
245

0 ) 4 / ( , 0 ) 0 ( 20 ) ( 4 ) ( ' ' = = = + y y x y x y

Solucin.
Primero que todo se encuentra un conjunto fundamental de soluciones de la homognea, as:

{ } { } ) 2 cos( ), 2 ( , 2 , 0 4
2 1 2 1
2
x x sen y y j = = = +

A continuacin se halla la solucin particular por el mtodo del operador inverso.

5 20
4
1
2
=
+
=
p p
y
D
y

En consecuencia, la solucin general es:

5 ) 2 cos( ) 2 (
2 1
+ + = x C x sen C y

Aplicando las condiciones de frontera resulta:

) 2 cos( 5 ) 2 ( 5 5 x x sen y =

La figura 19.2 muestra la solucin grfica del problema.
x=0:0.01:pi/4;
y=5-5*sin(2*x)-5*cos(2*x);
plot(x,y)
grid on

Figura 19.2

La solucin analtica se puede obtener directamente con dsolve, as:

>> y=dsolve('D2y=20-4*y','y(0)=0','y(pi/4)=0','x')

y =

5 - 5*sin(2*x) - 5*cos(2*x)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
-2.5
-2
-1.5
-1
-0.5
0
246

19.3. Mtodo del disparo
A continuacin se presentar uno de los mtodos ms ampliamente usados para resolver el
problema con valor en la frontera.

= =
|
\
|
= ) ( , ) ( , ,
2
2
b y a y
dx
dy
y x f
dx
y d

Se trata de resolver tres problemas de valor inicial, as:

Primer disparo.
Se resuelve el problema de valor inicial con una pendiente
1
p . Es recomendable tomar dicha
pendiente como:
a b
p
=

1

1 2
2
) ( ' , ) ( , , p a y a y
dx
dy
y x f
dx
y d
= =
|
\
|
=

Despus de resolver el problema se calcula el valor de la funcin en el punto b , resultando:

1
) ( = b y

Segundo disparo.
Se resuelve el problema de valor inicial con una pendiente:
1 2
p p

2 2
2
) ( ' , ) ( , , p a y a y
dx
dy
y x f
dx
y d
= =
|
\
|
=

Despus de resolver el problema se calcula el valor de la funcin en el punto b , resultando:

2
) ( = b y

Con la informacin obtenida de los dos primeros disparos se efecta interpolacin simple para
calcular la pendiente inicial requerida para acertar en el blanco, as:

Figura 19.3

247

De la figura 19.3 se sigue que:
( )
1 2
1 2
1
1
p p p p
+ =

Disparo final
Se resuelve el problema de valor inicial con la pendiente calculada previamente: p

p a y a y
dx
dy
y x f
dx
y d
= =
|
\
|
= ) ( ' , ) ( , ,
2
2

Ejemplo 19.2
Usando el mtodo del disparo, resuelva el problema con valor en la frontera:

0 ) 4 / ( , 0 ) 0 ( 20 ) ( 4 ) ( ' ' = = = + y y x y x y

Solucin.
Se debe resolver, tres veces, el problema de valor inicial:

0 ) 0 ( ,
) 0 ( , 4 20
= =
= =
y p
dx
dy
p p y
dx
dp

1) Para el primer disparo tomamos: 0
1
= p y corremos el mtodo de Runge-Kutta de orden cuatro
con 10 iteraciones, as:
0 ) 0 ( ,
0 ) 0 ( , 4 20
= =
= =
y x
dt
dy
x y
dt
dx

>> rk4or2
abscisa inicial = 0
abscisa final = pi/4
entrar la funcion f(t,x,y) = '20-4*y'
ans =
0 0 0
0.0785 1.5643 0.0616
0.1571 3.0902 0.2447
0.2356 4.5399 0.5450
0.3142 5.8778 0.9549
0.3927 7.0710 1.4645
0.4712 8.0901 2.0611
0.5498 8.9100 2.7300
0.6283 9.5105 3.4549
0.7069 9.8769 4.2178
0.7854 10.0000 5.0000
248

Se obtiene 5
1
=

2) Para el segundo tomamos: 1
1
= p y corremos el mtodo de Runge-Kutta de orden cuatro con
10 iteraciones, as:
0 ) 0 ( ,
1 ) 0 ( , 4 20
= =
= =
y x
dt
dy
x y
dt
dx

>> rk4or2
abscisa inicial = 0

ans =
0 1.0000 0
0.0785 2.5520 0.1398
0.1571 4.0412 0.3992
0.2356 5.4309 0.7720
0.3142 6.6868 1.2488
0.3927 7.7781 1.8180
0.4712 8.6779 2.4656
0.5498 9.3640 3.1755
0.6283 9.8196 3.9304
0.7069 10.0333 4.7116
0.7854 10.0000 5.5000

Se obtiene 5 . 5
2
=

La pendiente para el tercer disparo es:

( ) ( ) 10 0 1
5 5 . 5
5 0
0
1 2
1 2
1
1
=
+ =
+ = p p p p

3) Para el tercer tomamos: 10
1
= p y corremos el mtodo de Runge-Kutta de orden cuatro con
10 iteraciones, as:
0 ) 0 ( ,
10 ) 0 ( , 4 20
= =
= =
y x
dt
dy
x y
dt
dx

>> rk4or2
abscisa inicial = 0
primera ordenada inicial = -10
249


ans =

0 -10.0000 0
0.0785 -8.3125 -0.7206
0.1571 -6.4204 -1.3004
0.2356 -4.3702 -1.7250
0.3142 -2.2124 -1.9840
0.3927 -0.0001 -2.0711
0.4712 2.2122 -1.9840
0.5498 4.3701 -1.7250
0.6283 6.4203 -1.3004
0.7069 8.3124 -0.7206
0.7854 9.9999 -0.0000

El resultado grfico se muestra en la figura 19.4 y se obtiene de la siguiente manera:

>> plot(T,Y,k)
>> grid on

Figura 19.4

Puede verse que el resultado es muy aproximado a la solucin analtica. Es claro que el resultado
mejora si se toman ms particiones en el intervalo. La figura 19.5 corresponde a la solucin con
100 particiones.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
-2.5
-2
-1.5
-1
-0.5
0
250

Figura 19.5

Ejemplo 19.3

Usando el mtodo del disparo, resuelva el problema con valor en la frontera:

( ) 1 ) 5 . 0 ( , 0 ) 5 . 0 ( 0 ) ( 2 ' 2 ) ( ' ' 1
2
= = = + y y x y xy x y x

Solucin.
Se debe resolver, tres veces, el problema de valor inicial:

0 ) 5 . 0 ( ,
) 5 . 0 ( ,
1
2 2
2
= =
=
=
y p
dx
dy
p p
x
y xp
dx
dp

1) Para el primer disparo tomamos: 1
1
= p y corremos el mtodo de Runge-Kutta de orden cuatro
con 20 iteraciones, as:
0 ) 5 . 0 ( ,
1 ) 5 . 0 ( ,
1
2 2
2
= =
=
=
y x
dt
dy
x
t
y tx
dt
dx

>> rk4or2
abscisa inicial = -0.5
abscisa final = 0.5
entrar la funcion f(t,x,y) = '(2*t*x-2*y)/(1-t*t)'
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
-2.5
-2
-1.5
-1
-0.5
0
251

ans =

-0.5000 1.0000 0
-0.4500 0.9374 0.0484
-0.4000 0.8815 0.0938
-0.3500 0.8306 0.1366
-0.3000 0.7837 0.1770
-0.2500 0.7398 0.2151
-0.2000 0.6982 0.2510
-0.1500 0.6582 0.2849
-0.1000 0.6195 0.3168
-0.0500 0.5816 0.3469
0 0.5440 0.3750
0.0500 0.5064 0.4013
0.1000 0.4685 0.4256
0.1500 0.4298 0.4481
0.2000 0.3899 0.4686
0.2500 0.3482 0.4871
0.3000 0.3043 0.5034
0.3500 0.2574 0.5174
0.4000 0.2066 0.5291
0.4500 0.1506 0.5380
0.5000 0.0880 0.5440

Se obtiene 5440 . 0
1
=

2) Para el segundo disparo tomamos: 2
2
= p y corremos el mtodo de Runge-Kutta de orden
cuatro con 20 iteraciones, as:

0 ) 5 . 0 ( ,
2 ) 5 . 0 ( ,
1
2 2
2
= =
=
=
y x
dt
dy
x
t
y tx
dt
dx

>> rk4or2
abscisa final = 0.5

ans =
-0.5000 2.0000 0
-0.4500 1.8747 0.0968
-0.4000 1.7629 0.1877
-0.3500 1.6612 0.2733
-0.3000 1.5674 0.3540
-0.2500 1.4796 0.4301
-0.2000 1.3963 0.5020
-0.1500 1.3165 0.5698
-0.1000 1.2390 0.6337
-0.0500 1.1631 0.6937
252

0 1.0880 0.7500
0.0500 1.0129 0.8025
0.1000 0.9370 0.8513
0.1500 0.8596 0.8962
0.2000 0.7797 0.9372
0.2500 0.6965 0.9741
0.3000 0.6086 1.0068
0.3500 0.5148 1.0349
0.4000 0.4131 1.0581
0.4500 0.3013 1.0760
0.5000 0.1760 1.0880

Se obtiene 0880 . 1
2
=

La pendiente para el tercer disparo es:

( ) ( ) 8382 . 1 1 2
544 . 0 088 . 1
544 . 0 1
1
1 2
1 2
1
1
=
+ =
+ = p p p p

3) Para el tercer disparo tomamos: 8382 . 1 = p y corremos el mtodo de Runge-Kutta de orden
cuatro con 20 iteraciones, as:

0 ) 5 . 0 ( ,
8382 . 1 ) 5 . 0 ( ,
1
2 2
2
= =
=
=
y x
dt
dy
x
t
y tx
dt
dx

>> rk4or2
abscisa final = 0.5
primera ordenada inicial = 1.8382

ans =

-0.5000 1.8382 0
-0.4500 1.7231 0.0890
-0.4000 1.6203 0.1725
-0.3500 1.5269 0.2512
-0.3000 1.4406 0.3253
-0.2500 1.3599 0.3953
-0.2000 1.2834 0.4614
-0.1500 1.2100 0.5237
-0.1000 1.1388 0.5824
-0.0500 1.0690 0.6376
0 1.0000 0.6893
0.0500 0.9310 0.7376
0.1000 0.8612 0.7824
0.1500 0.7900 0.8237
0.2000 0.7166 0.8614
0.2500 0.6401 0.8953
253

0.3000 0.5594 0.9253
0.3500 0.4731 0.9512
0.4000 0.3797 0.9725
0.4500 0.2769 0.9890
0.5000 0.1618 1.0000

>> plot(T,Y,'k')
>> grid on

Figura 19.5

Se sugiere al estudiante que halle la solucin analtica y compare los resultados.

EJERCICIOS.

Usando el mtodo del disparo, resuelva los siguientes problemas con valor en la frontera.

1) 10 0 ) 2 ( , 0 ) 0 ( 10 10 ' 2 ' ' = = = = + + N y y y y y
2) 10 0 ) 2 ( , 0 ) 0 ( 10 10 ' 2 ' ' = = = = + + N y y y xy y
3) 10 0 ) ( , 0 ) 0 ( ) ( 10 10 ' 2 ' ' = = = = + + N y y x sen y y y
4) 10 0 ) 5 . 0 ( , 0 ) 5 . 0 ( 6 ' 2 ' ' ) 1 (
3 2
= = = = + N y y x x y xy y x
5) 10 1 ) 4 ( , 0 ) 2 ( 2 ' 2 ' ' ) 1 (
3 2
= = = = + N y y x x y xy y x
6) 20 0 ) 3 ( , 0 ) 1 ( ' ' '
2
= = = = + + N y y x xy y xy
7) 20 0 ) 3 ( , 0 ) 1 ( ' ' '
2 2
= = = = + + N y y x y xy y x
8) 20 0 ) 1 ( , 0 ) 1 ( 4 ' 2 ' ' = = = = + N y y x y xy y
9) 20 0 ) 5 . 0 ( , 0 ) 5 . 0 ( 4 ' ' ' ) 1 (
2
= = = = + N y y x y xy y x
10) 20 0 ) 5 . 1 ( , 0 ) 5 . 0 ( ) 4 ( ' ' '
2 2 2
= = = = + + N y y x y x xy y x

-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
254

MDULO 20
PROBLEMAS CON VALOR EN LA FRONTERA DE SEGUNDO ORDEN
SOLUCIN NUMRICA POR EL MTODO DE LAS DIFERENCIAS DIVIDIDAS

En este mdulo se presenta el mtodo de las diferencias divididas para resolver un problema de
valor inicial lineal de segundo orden y se desarrollar el siguiente contenido:

20.2. Mtodo de las diferencias divididas
20.3 Programa en Matlab

Consideremos un problema con valor en la frontera lineal de segundo orden, as:

= = = + + ) ( , ) ( ) ( ) ( ) ( ) ( ' ) ( ) ( ' ' b y a y x r x y x q x y x p x y

Suponiendo que las funciones ) ( ) ( ) ( x r x q x p son continuas en el intervalo cerrado
b x a , el problema tendr solucin nica.
El mtodo de las diferencias divididas consiste en dividir el intervalo ] , [ b a en n subintervalos del
mismo tamao, as n a b h / ) ( = . A partir de aqu se genera el vector de abscisas:
1 : 1 ) 1 ( ) ( + = + = n k h k a k X
Se trata de determinar el valor de la ordenada en cada uno de los nodos interiores, es decir, se
trata de generar el vector: n k k y : 2 ; ) ( =
Se parte de las condiciones de frontera: = + = ) 1 ( ) 1 ( n Y Y
La figura 20.1 muestra la situacin para dos subintervalos consecutivos.

Figura 20.1

Definimos las dos primeras diferencias divididas centradas en el punto ( ) ) ( ), ( k Y k X , as:

Primera diferencia dividida:
h
k Y k Y
k X k X k X f
2
) 1 ( ) 1 (
)] 1 ( ), ( ), 1 ( [ 1
+
= +
Segunda diferencia dividida:
2
) 1 ( ) ( 2 ) 1 (
)] 1 ( ), ( ), 1 ( [ 2
h
k Y k Y k Y
k X k X k X f
+ +
= +

20.2. Mtodo de las diferencias divididas.
Las diferencias divididas se usarn para aproximar tanto la primera como la segunda derivada en
los nodos interiores, es decir, para n k : 2 = . As las cosas, resulta un sistema de 1 n
ecuaciones, as:

255

( ) ( ) n k k X r k Y k X q
h
k Y k Y
k X p
h
k Y k Y k Y
: 2 )) ( ( ) ( ) (
2
) 1 ( ) 1 (
) (
) 1 ( ) ( 2 ) 1 (
2
= = +
+
+
+ +

Organizando el sistema se tiene:

( ) [ ] )) ( ( ) 1 ( )) ( (
2
1 ) ( 2 )) ( ( ) 1 ( ) (
2
1
2 2
k X r h k Y k X p
h
k Y k X q h k Y k X p
h
= +
(
+ + +
(

La primera ecuacin, con 2 = k , queda en la forma:

[ ]
(
=
(
+ + )) 2 ( (
2
1 )) 2 ( ( ) 2 ( )) 2 ( (
2
1 ) 2 ( 2 )) 2 ( (
2 2
X p
h
X r h Y X p
h
Y X q h

La ltima ecuacin, con n k = , queda en la forma:

( ) [ ]
(
+ = +
(
)) ( (
2
1 )) ( ( ) ( 2 )) ( ( ) 1 ( ) (
2
1
2 2
n X p
h
n X r h n Y n X q h n Y n X p
h

En consecuencia resulta un sistema tridiagonal de 1 n ecuaciones, as:

(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
) 1 (
.
.
.
) 3 (
) 2 (
) 1 (
) (
.
.
.
) 4 (
) 3 (
) 2 (
) 1 , 1 ( ) 2 , 1 ( ... 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 ) 4 , 3 ( ) 3 , 3 ( ) 2 , 3 ( 0
0 ... 0 ) 3 , 2 ( ) 2 , 2 ( ) 1 , 2 (
0 ... 0 0 ) 2 , 1 ( ) 1 , 1 (
n b
b
b
b
n Y
Y
Y
Y
n n a n n a
a a a
a a a
a a

Es claro que:
(
= )) 2 ( (
2
1 ) 2 ( ( ) 1 (
2
X p
h
X r h b
(
+ = )) ( (
2
1 ) ( ( ) 1 (
2
n X p
h
n X r h n b

Por otro lado, el resto de los trminos independientes se calculan de manera recurrente, as:

2 : 2 )) ( ( ) (
2
= = n k k X r h k b
Ejemplo 20.1
Usando el mtodo de las diferencias divididas, resuelva el problema con valor en la frontera:

0 ) 4 / ( , 0 ) 0 ( 20 ) ( 4 ) ( ' ' = = = + y y x y x y

Solucin.
Se toma 10 = N y se trabaja con la siguiente informacin:

256

10 0 0
4
0 20 ) ( 4 ) ( 0 ) ( = = = = = = = = n b a x r x q x p

El vector de abscisas es:
(
=
4 40
9
5 40
7
20
3
40
5
10 40
3
20 40
0

x

En cuanto al vector de ordenadas, se debe resolver el sistema de 9 ecuaciones con 9 incgnitas,
as:

(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
123 . 0
123 . 0
123 . 0
123 . 0
123 . 0
123 . 0
123 . 0
123 . 0
123 . 0
) 10 (
) 9 (
) 8 (
) 7 (
) 6 (
) 5 (
) 4 (
) 3 (
) 2 (
98 . 1 1 0 0 0 0 0 0 0
1 98 . 1 1 0 0 0 0 0 0
0 1 98 . 1 1 0 0 0 0 0
0 0 1 98 . 1 1 0 0 0 0
0 0 0 1 98 . 1 1 0 0 0
0 0 0 0 1 98 . 1 1 0 0
0 0 0 0 0 1 98 . 1 1 0
0 0 0 0 0 0 1 98 . 1 1
0 0 0 0 0 0 0 1 98 . 1
y
y
y
y
y
y
y
y
y

Puede verse que es un sistema tridiagonal y adems es diagonalmente dominante. La solucin
viene dada por:

[ ] 0 723 . 0 304 . 1 723 . 1 99 . 1 08 . 2 99 . 1 723 . 1 304 . 1 723 . 0 0 = y

Al representar grficamente la solucin se obtiene la figura 20.2 que fue la que se obtuvo por el
mtodo del disparo.
x=[0 pi/40 pi/20 3*pi/40 pi/10 5*pi/40 3*pi/20 7*pi/40 pi/5 9*pi/40 pi/4];
y=[0 -0.723 -1.304 -1.723 -1.99 -2.08 -1.99 -1.723 -1.304 -0.723 0];
plot(x,y)
grid on

Figura 20.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
-2.5
-2
-1.5
-1
-0.5
0
257

20.3 Programa en Matlab para resolver un problema con valor en la frontera
%Programa para resolver el problema con valor en la frontera
% y''+p(x)y'+q(x)y=r(x) con las condiciones y(a)=alfa,y(b)=beta
%con N intervalos, usando el metodo de las diferencias divididas
clear all
n=input('numero de intervalos= ');
a=input('abscisa inicial= ');
b=input('abscisa final= ');
alfa=input('ordenada inicial= ');
beta=input('ordenada final= ');
h=(b-a)/n;
% Se genera el vector de abscisas
for i=1:n+1
xe(i)=a+(i-1)*h;
end
p=input('entre la funcion p(x)=');
q=input('entre la funcion q(x)=');
r=input('entre la funcion r(x)=');
for i=1:n+1
x=xe(i);
P(i)=eval(p);
Q(i)=eval(q);
R(i)=eval(r);
end
ye(1)=alfa;
ye(n+1)=beta;
%Para hallar las ordenadas resulta un sistema
%tridiagonal de ecuaciones
[P Q R];
m=n-1;
A(1,1)=h^2*Q(2)-2;
A(1,2)=1+0.5*h*P(2);
B(1)=h*h*R(2)-alfa*(1-0.5*h*P(2));
[A(1,1) A(1,2) B(1)];
A(m,m-1)=1-0.5*h*P(n);
A(m,m)=h*h*Q(n)-2;
B(m)=h*h*R(n)-beta*(1+0.5*h*P(n));
[A(m,m-1) A(m,m) B(m)];
for i=2:m-1
A(i,i-1)=1-0.5*h*P(i+2);
A(i,i)=h*h*Q(i+2)-2;
A(i,i+1)=1+0.5*h*P(i+2);
end
for i=2:m-1
B(i)=h*h*R(i+2);
end
z=inv(A)*B';
for k=2:n
ye(k)=z(k-1);
end
[xe' ye']
plot(xe,ye)
grid on

258

Ejemplo 20.2
Usando el mtodo de las diferencias divididas, resuelva el problema con valor en la frontera del
ejemplo anterior.

Solucin.
>> pvfdif2012
abscisa inicial= 0
abscisa final= pi/4
ordenada inicial= 0
ordenada final= 0
entre la funcion p(x)='0'
entre la funcion q(x)='4'
entre la funcion r(x)='20'

ans =

0 0
0.0785 -0.7226
0.1571 -1.3039
0.2356 -1.7297
0.3142 -1.9895
0.3927 -2.0768
0.4712 -1.9895
0.5498 -1.7297
0.6283 -1.3039
0.7069 -0.7226
0.7854 0

La figura 20.3 ilustra la grfica de la solucin del problema.

Figura 20.3

Ejemplo 20.3
Usando el mtodo de las diferencias divididas, resuelva el problema con valor en la frontera:

( ) 20 , 1 ) 5 . 0 ( , 0 ) 5 . 0 ( 0 ) ( 2 ' 2 ) ( ' ' 1
2
= = = = + n y y x y xy x y x
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
-2.5
-2
-1.5
-1
-0.5
0
259

Solucin.
>> pvfdif2012
abscisa inicial= -0.5
abscisa final= 0.5
ordenada inicial= 0
ordenada final= 1
entre la funcion p(x)='2*x/(x*x-1)'
entre la funcion q(x)='-6/(x*x-1)'
entre la funcion r(x)='0'

ans =
-0.5000 0
-0.4500 0.3021
-0.4000 0.5820
-0.3500 0.8412
-0.3000 1.0784
-0.2500 1.2924
-0.2000 1.4819
-0.1500 1.6460
-0.1000 1.7836
-0.0500 1.8938
0 1.9755
0.0500 2.0279
0.1000 2.0500
0.1500 2.0407
0.2000 1.9989
0.2500 1.9237
0.3000 1.8136
0.3500 1.6675
0.4000 1.4837
0.4500 1.2605
0.5000 1.0000
>> pvfdifdiv

La figura 20.4 ilustra la grfica de la solucin.

Figura 20.4

-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
0
0.5
1
1.5
2
2.5
260

EJERCICIOS

Resuelva los siguientes problemas con valor en la frontera tanto por el mtodo del disparo como
por el mtodo de diferencias divididas.

1) 10 0 ) 2 ( , 0 ) 0 ( 10 10 ' 2 ' ' = = = = + + N y y y y y
2) 10 0 ) 2 ( , 0 ) 0 ( 10 10 ' 2 ' ' = = = = + + N y y y xy y
3) 10 0 ) ( , 0 ) 0 ( ) ( 10 10 ' 2 ' ' = = = = + + N y y x sen y y y
4) 10 0 ) 5 . 0 ( , 0 ) 5 . 0 ( 6 ' 2 ' ' ) 1 (
3 2
= = = = + N y y x x y xy y x
5) 10 1 ) 4 ( , 0 ) 2 ( 2 ' 2 ' ' ) 1 (
3 2
= = = = + N y y x x y xy y x
6) 20 0 ) 3 ( , 0 ) 1 ( ' 2 ' '
2
= = = = + + N y y x xy y xy
7) 20 0 ) 3 ( , 0 ) 1 ( ' ' '
2 2
= = = = + + N y y x y xy y x
8) 20 0 ) 1 ( , 0 ) 1 ( 4 ' 2 ' ' = = = = + N y y x y xy y
9) 20 0 ) 5 . 0 ( , 0 ) 5 . 0 ( 4 ' ' ' ) 1 (
2
= = = = + N y y x y xy y x
10) 20 0 ) 5 . 1 ( , 0 ) 5 . 0 ( ) 4 ( ' ' '
2 2 2
= = = = + + N y y x y x xy y x

Librodemétodos 2012

Transféré par

Informations du document

Titre original

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

Librodemétodos 2012

Transféré par

Droits d'auteur :

Formats disponibles

1

) ( ' ' ) ( ' 2

. La funcin F se determina por integracin sobre la

. En efecto, tomando la derivada parcial con respecto a la variable y

. Integrando con respecto

' ' ' '

x y = . Derivando dos veces y sustituyendo en la homognea resulta el polinomio

Vous aimerez peut-être aussi