INTRODUCCION

Los mtodos numricos es una herramienta de gran utilidad en el campo de la

ciencia e ingeniera pues nos permite resolver problemas matemticos cuya
solucin analtica no es posible, o que siendo posible tal solucin analtica, resulta
ms cmoda una solucin numrica siempre que los resultados obtenidos
numricamente no difieren significativamente de los obtenidos analticamente, y
como lo ilustran los ejemplos 1 y 2 respectivamente que se dan a continuacin.
EJEMPLO1
Encontrar la longitud de onda para la cual la densidad de energa monocromtica de la
radiacin de cuerpo negro dado por

E ( )

8 h 3
c3

1
h

kT

(Ley de radiacin de Planck)

donde:

k 1,3805 1023 J .K 1

(constante de Boltzman)

h 6,6256 1034 J .S

(constante de Planck)

c 2,9979 108 ms 1

(velocidad de la luz)

es mxima a una temperatura dada.

SOLUCION
PASO1: Expresar la densidad de energa dada en funcin de la frecuencia, en funcin de
la longitud de onda.

E ( ) conforme a la relacin E ( )d E ( )d . El signo menos se debe

a que d y d tienen signos opuestos, mientras que E ( ) y E ( ) son positivos.
c
d
c
2 y por lo tanto,
Como , tenemos
d

Definimos

E ( ) E ( )

d
c
E ( ) 2
d

Reemplazando

E ( )

8 h 3
c3

1
h

, adems de

kT

en la expresin anterior,

se tiene

E ( )

8 hc

(1)

hc

e kT 1

que es la expresin con la que se trabajara.

PASO2: Determinar el mximo de la expresin ( 1 )
Para simplificar el problema, hacemos

hc
kT

la expresin

( 1 ) se convierte

entonces en,

E ( )

Para encontrar el mximo de

8 k 5T 5 x5
c 4h 4 e x 1

E ( ) , calculamos

dE
dx

y lo igualamos a cero. La ecuacin

resultante es:

1
e x x 1 0
5
Esta es una ecuacin trascendente que se resuelve valindose del clculo numrico. El
valor que se obtiene es

x 4,9651 .

reemplazar los valores para

Luego,

hc
4,9651 ,
kT

de donde despus de

h, c, k , se tiene,
2,8978 103 mk T

conocida como la ley de desplazamiento de Wien.

Esta ltima formula ( ley de desplazamiento de Wien ), establece que los mximos de

E ( ) a diferentes temperaturas T1 , T2 , T3 , ... ocurren

1, 2 , 3 ,... , tales que 1T1 2T2 3T3 ... .

para las longitudes de onda

No es difcil darse cuenta que a medida que la temperatura de cuerpo aumenta, el

mximo de su distribucin de energa se desplaza hacia longitudes de onda ms cortas, lo
cual origina un cambio de color en el cuerpo como se muestra en la figura 1.

Figura 1
EJEMPLO2
Considere la articulacin de cuatro barras que se ilustra en la figura 2. El ngulo
4 es el dato de entrada a este mecanismo, y el ngulo 2 es el dato de
salida. Cuando r1 10 dm , r2 6 dm , r3 8 dm , r4 4 dm y
valor de 2 .

10 ,

determine el

SOLUCION
y

r3

r2

r1

r4

4
x

Figura 2
Una relacin entre

2 puede ser obtenido escribiendo la ecuacin vectorial

3

r2 r3 r4 r1 0

(1)

La ecuacin (1) puede ser escrita como dos ecuaciones escalares correspondientes a las

componentes x y y de los vectores r .

r2 cos 2 r3 cos3 r4 cos 4 r1 0

r2 sen 2 r3 sen3 r4 sen4 0

(2)

De (2), podemos escribir

r32 cos2 3 r1 r4 cos4 r2 cos2

r32 sen23 r2 sen2 r4 sen4

(3)
(4)

Sumando las ecuaciones (3) y (4) y operando se obtiene

r32 r12 r42 r22 2r1r4 cos4 2r1r2 cos2 2r4r2 cos4 cos2 sen2 sen4
r32 r12 r42 r22 2r1r4 cos4 2r1r2 cos2 2r4r2 cos 4 2

r12 r22 r42 r32 r1

r
cos 4 1 cos 2 cos 4 2 0
2r2r4
r2
r4
R3 R1 cos4 R2 cos cos 4 0

(5)

r r2 r4 r3
r
r
donde R1 1 , R2 1 , R3 1
y 2
2

r2

r4

2r2r4

Reacomodando la ecuacin (5), escribimos

R3 R1 cos 4 R2 cos cos 4 0

Finalmente obtenemos la relacin deseada entre

R3 R1 cos R2 cos cos 0

Que es la ecuacin de Freudenstein (1955).

Usando el mtodo de Iterativo de Newton se encuentra que 2 8.0695 .

1. RAICES DE ECUACIONES NO LINEALES

Las ecuaciones no lineales aparecen en muchos problemas fsicos. Encontrar sus
races o ceros es un problema comn. El problema puede ser planteado de la
siguiente manera:
Dada la funcin no lineal y continua f ( x) , hallar el valor x r talque f (r ) 0 ,
donde r es un cero o raz de la ecuacin no lineal (Figura 3).
La funcin f ( x) puede ser una funcin algebraica, una funcin trascendente, la
solucin de una ecuacin diferencial o cualquier relacin no lineal entre la variable
independiente x y la variable dependiente f ( x) .

y
f ( x)

r
f r 0
Figura 3

Las ecuaciones no lineales son resueltas por mtodos iterativos, es decir, mediante una
secuencia finita de pasos repetitivos prefijada por el tipo de mtodo elegido como
veremos en lo que sigue. En todos los casos se necesita una primera aproximacin o
estimacin de la raz a partir de la cual mediante el mtodo iterativo seleccionado se
refina la solucin. Para determinar la primera aproximacin resulta apropiado el mtodo
grfico.
1.1 Mtodo grafico para estimar la raz de una ecuacin
El mtodo consiste en expresar la funcin

f ( x) 0

en la forma f1 x f 2 x .

Luego, dibujar cada una de las funciones f1 x y f 2 x en un mismo sistema de

5

coordenadas y tomar como primera aproximacin a la raz el valor de x que

corresponde al punto de interseccin de las grficas de las funciones f1 x y

f2 x .
Ejemplo 1
Estimar una raz de la ecuacin no lineal xe 1 0 .
x

Solucin
En este caso f ( x) xe 1. De la ecuacin xe 1 0 , se tiene que e
x

donde

f1 x e x y

f2 x

1
.
x

1
, de
x

Graficando en un mismo sistema de

coordenadas (Figura 4)

f2 x

1
x

f1 x e x

Figura 4

Se puede observar que un valor estimado para la raz de la ecuacin

0.55.

xe x 1 0 es

Ejemplo 2
Estimar una raz de la ecuacin no lineal x3 x 1 0 Solucin
Aqu

f ( x) x3 x 1. De x3 x 1 0 se tiene que x3 x 1 , de donde

f1 x x3 y f 2 x x 1 . De la grfica (Figura 5) se puede estimar un valor para

la raz de la ecuacin, igual a 1.31.

Figura 5
1.2 Mtodo iterativo de Biseccin de Bolzano
En este mtodo, usando el mtodo grafico se debe estimar un intervalo de longitud

f ( x) 0 . Si a , b es el
intervalo que contiene a la raz talque f (a) 0 y f (b) 0 , (o tambin f (a) 0
y f (b) 0 ) el algoritmo est dado por,
pequea que contenga con seguridad a la raz de la ecuacin

cn

an1 bn1
2

, n 1,2,3,...

donde a0 a
Si f (ai 1 ) f (ci ) 0 :

y b0 b

ai ai1 y bi ci , i 1,2,..., n
7

Si f (ai 1 ) f (ci ) 0 :

ai ci y bi bi 1 , i 1,2,..., n

Ejemplo 1
Usando el mtodo iterativo de Biseccin aproxime una raz de la ecuacin no
lineal xe 1 0 .
x

Solucin
Paso 1: Usando el mtodo grafico en base a la figura 4, un intervalo que contiene

con seguridad a la raz puede ser 0.5 , 0.6 . Es decir, a0 0.5 y b0 0.6 . Luego,
usando el algoritmo dado se tiene que,

c1
Paso

2:

Realizar

a0 b0 0.5 0.6

0.55
2
2

los clculos

f (0.5) 0.17564

f (0.6) 0.09327 ,

f (0.55) 0.04671, y hacer el esquema siguiente,

0.5

0.55

0.6

Del esquema tomamos el intervalo que corresponde a las flechas contiguas que apuntan
en direccin opuesta. As, el nuevo intervalo est dado por

0.55 , 0.6 ,

pues

f (0.55) f (0.6) 0 . Luego, a1 c1 0.55 y b1 b0 0.6 . Usando el algoritmo

dado,

c2

a1 b1 c1 b0 0.55 0.6

0.575
2
2
2

El proceso se repite,

Paso 3: Realizar el clculo f (0.575) 0.02185 y repetir el esquema

0.55

0.575

0.6

El intervalo que corresponde a las flechas contiguas que apuntan en direccin opuesta es

0.55 , 0.575 . Luego,

a2 a1 0.55 y b2 c2 0.575 . Usando nuevamente el

algoritmo dado,

c3

a2 b2 0.55 0.575

0.5625
2
2

El proceso se repite,
Paso 4: Realizar el clculo f (0.5625) 0.01278 y repetir el esquema,

0.55

0.5625

0.575

El intervalo que corresponde a las flechas contiguas que apuntan en direccin opuesta es

0.5625 , 0.575 . Luego, a3 c3 0.5625 y b3 b2 0.575 . Usando nuevamente

el algoritmo dado,

c4

a3 b3 0.5625 0.575

0.56875
2
2
9

El

proceso

f (0.56875)

se

repite. Pero aqu ya se puede observar que

0.00444 . Es decir, f (c) 0 . Si continuamos con el proceso

iterativo, se obtiene la siguiente tabla,

Se observa que en la iteracin 14 el valor de la funcin es 9.092110 , es

decir, casi cero. Eso significa que los valores de c alrededor de esa iteracin son
prcticamente iguales. Matemticamente, el proceso iterativo genera una sucesin
de nmeros cn , n 1,2,3,... que se van aproximando a la raz r . Es decir,

lim cn r
n

Ejemplo 2
Usando el mtodo iterativo de Biseccin aproxime una raz de la ecuacin no
lineal x x 1 0 .
3

Solucin
Paso 1: Usando el mtodo grafico en base a la figura 5, un intervalo que contiene

con seguridad a la raz puede ser 1.2 ,1.4 . Es decir, a0 1.2 y b0 1.4 . Luego,
usando el algoritmo dado se tiene que,

c1

a0 b0 1.2 1.4

1.3
2
2

10

Paso

2:

Realizar

los

f (1.2) 0.472

clculos

f (1.4) 0.3440,

f (1.3) 0.103 , y hacer el esquema siguiente

1.2

1.4

1.3

Del esquema tomamos el intervalo que corresponde a las flechas contiguas que apuntan
en direccin opuesta. As, el nuevo intervalo est dado por

1.3 ,1.4 ,

pues

f (1.3) f (1.4) 0 . Luego, a1 c1 1.3 y b1 b0 1.4 . Usando el algoritmo dado,

c2

a1 b1 c1 b0 1.3 1.4

1.35
2
2
2

El proceso se repite,
Paso 3: Realizar el clculo f (1.35) 0.11038 y repetir el esquema

1.3

1.35

1.4

El intervalo que corresponde a las flechas contiguas que apuntan en direccin opuesta es

1.3 ,1.35 .

Luego, a2 a1 1.3 y b2 c2 1.35 . Usando nuevamente el

algoritmo dado,

11

c3

a2 b2 1.3 1.35

1.325
2
2

El proceso se repite,
Paso 4: Realizar el clculo f (1.325) 0.00120 y repetir el esquema,

1.3

1.325

1.35

El intervalo que corresponde a las flechas contiguas que apuntan en direccin opuesta es

1.3 ,1.325 .

Luego, a3 a2 1.3 y b3 c3 1.325 . Usando nuevamente el

algoritmo dado,

c4

a3 b3 1.3 1.325

1.3125
2
2

El proceso se repite.
Paso 5: Realizar el clculo f (1.3125) 0.05151 y repetir el esquema,

1.3

1.3125

12

1.325

El intervalo que corresponde a las flechas contiguas que apuntan en direccin opuesta es

1.3125 ,1.325 . Luego, a4 c4 1.3125 y b4 b3 1.325 . Usando nuevamente

el algoritmo dado,

c5

a4 b4 1.3125 1.325

1.31875
2
2

El proceso se repite. Si continuamos con el proceso iterativo, se obtiene la

siguiente tabla,

EJERCICIOS
Usando el mtodo de Biseccin resuelva las siguientes ecuaciones no lineales. Al usar el
mtodo grfico, grafique las funciones usando las tcnicas matemticas apropiadas y no
usando la calculadora.
1.

x3 x 3 0

2.

x3 e x 0

3.

1
e x x 1 0
5

4.

x
2
e

5.

xe x x 2 x 1 0

10 e x 1 0

13

6.

x3 cos x 0

7.

2 e x 4 x 1 1 0

8.

e x x2 2x 2 0

9.

senx x2 2 x 0

10.

senx 4 x3 x 1 0

11.

cos x x3 3x2 3x 0

12.

xe x x 2 x 1 0

1.3 Mtodo iterativo de la Regla Falsa o Falsa Posicin

Este mtodo fue desarrollado debido a que el mtodo de Biseccin converge
lentamente.

Figura 6

14

Condiciones:
1.

f (a) y f (b) deben tener signos opuestos, es decir, f (a) f (b) 0 .

2.

(c,0) es un punto en el que la recta secante que pasa por (a, f (a)) y (b, f (b))

cruza al eje x.
Procedimiento para hallar c:
De la figura 6 se tiene que la pendiente de la recta secante es,

f (b) f (a)
ba

Y tambin,

0 f (b)
cb

Igualando las dos expresiones se tiene que,

f (b) f (a) 0 f (b)

ba
c b
de donde despejando c ,

cb

f (b) (b a)
f (b) f (a)

Luego,
a) Si f (a) y f (c) tienen signos diferentes, entonces hay una raz en a , c .
b) Si f (c) y f (b) tienen signos diferentes, entonces hay una raz en c , b .
c) Si f (c) 0 , entonces c es una raz de f .
El algoritmo est dado por,

cn bn1

f (bn1 )(bn1 an1 )

f (bn1 ) f (an1 )

donde a0 a
15

n 1,2,3,...

y b0 b

Si f (ai 1 ) f (ci ) 0 :

ai ai1 y bi ci , i 1,2,..., n

Si f (ai 1 ) f (ci ) 0 :

ai ci y bi bi1 , i 1,2,..., n

Ejemplo 1
Usando el mtodo iterativo de la Regla Falsa aproximar la menor raz positiva de
la ecuacin no lineal x senx 1 0 .
Solucin
Paso 1: Usando el mtodo grafico determinar el intervalo de menor longitud que
contiene a la menor raz positiva. En este caso, de la figura 7 un intervalo puede
ser 1 , 1.2 . Luego, a0 a 1 y b0 b 1.2 .

Figura 7

Usando el algoritmo para n=1:

c1 b0

f (b0 )(b0 a0 )
0.11845(1.2 1)
0.02369
1.2
1.2
1.11447
f (b0 ) f (a0 )
0.11845 (0.15853)
0.27698

16

Paso2:

De

los

f (1) 0.15853 , f (1.2) 0.11845

valores

f (1.11447) 0.00043 , hacer el esquema siguiente,

1.11447

1.2

El intervalo que corresponde a las flechas contiguas que apuntan en direccin opuesta es

1,1.11447 .

Luego, a1 a0 1 y b1 c1 1.11447 . Usando nuevamente el

algoritmo dado,
Si n=2:

c2 b1

f (b1 )(b1 a1 )
0.00043(1.11447 1)
0.000049
1.11447
1.11447
f (b1 ) f (a1 )
0.00043 (0.15853)
0.15896

c2 1.11416
Repetir el proceso.
6

Paso 3: Al realizar el clculo f (1.11416) 3.9708 10

se observa que este

valor est prximo a cero por lo que el proceso puede terminar. El resultado se
presenta en la siguiente tabla.

17

Resolvamos uno de los ejercicios anteriores resueltos por el mtodo de Biseccin

con el fin de comparar la rapidez de la convergencia de las aproximaciones a la
raz de la ecuacin.
Ejemplo 2

Usando el mtodo iterativo de la Regla Falsa aproxime una raz de la ecuacin no

lineal xe 1 0 .
x

Solucin
Paso 1: Como punto de partida usamos como intervalo inicial 0.5 , 0.6 , el mismo
intervalo usado para iterar con el mtodo de Biseccin. Luego, a0 a 0.5 y

b0 b 0.6
Usando el algoritmo para n=1:

c1 b0

Paso2:

f (b0 )(b0 a0 )
0.09327(0.6 0.5)
0.009327
0.6
0.6
0.56532
f (b0 ) f (a0 )
0.09327 (0.17564)
0.26891
De

los

valores

f (0.5) 0.17564 , f (0.6) 0.09327

f (0.56532) 0.00503, hacer el esquema siguiente,

0.5

0.56532

0.6

El intervalo que corresponde a las flechas contiguas que apuntan en direccin opuesta es

0.56532 , 0.6 . Luego, a1 c1 0.56532 y b1 b0 0.6 . Usando nuevamente el

algoritmo dado,
Si n=2:

18

c2 b1

f (b1 )(b1 a1 )
0.09327(0.6 0.56532)
0.0032346
0.6
0.6
0.56709
f (b1 ) f (a1 )
0.09327 (0.0050306)
0.0983006

Repetir el proceso,
6

Paso 3: Calcular f (0.56714) 9.092 10 . En este ejercicio se observa que

es suficiente dos iteraciones para alcanzar la iteracin catorce del mtodo iterativo
de Biseccin. Es decir, el mtodo iterativo de la Regla Falsa converge mucho ms
rpidamente que el de Biseccin.
EJERCICIOS
Los siguientes ejercicios son los ms simples para propsitos de clculo manual.
Resulvalos usando el mtodo iterativo de la Regla Falsa.
1.

x3 e x 0

2.

x3 cos x 0

3.

ln x e x 0

4.

x 1 cos x 0

5.

x e x 0

6.

sen( x 1) cos x 0

1.4 Mtodo iterativo de Newton Raphson

Si f ( x) , f '( x) y f ''( x) son funciones continuas en las proximidades de una raz

r , entonces esta informacin extra relacionado a la funcin f ( x) puede ser

usado con el fin de desarrollar algoritmos que produzcan sucesiones que
converjan ms rpido a r que el mtodo de Biseccin o el mtodo de la Regla
Falsa.

19

Figura 8

De la figura 8 se tiene que la pendiente del segmento que une los puntos ( p1,0) y

( p0 , f ( p0 )) es,

0 f ( p0 )
p1 p0

Por otro lado, la derivada de la funcin en p0 es

m f '( p0 )
Luego,

0 f ( p0 )
f '( p0 )
p1 p0
De donde despejando p1 se tiene que

p1 p0

f ( p0 )
f '( p0 )

Donde f '( p) 0 .
El algoritmo est dado por,

20

pn pn1

f ( pn1 )
f '( pn1 )

n 1,2,3,...

Si se cumple que lim pn r , entonces f (r ) 0 .

n

Ejemplo 1
Usando el mtodo iterativo de Newton aproximar la raz de

ex

1
1 0
x

Solucin
Paso 1: Usar el mtodo grafico para determinar un punto cercano a la raz. De

ex

1
1
1
1 0 , se tiene que e x 1 , de donde f1 ( x) e x y f 2 ( x) 1 .
x
x
x

Figura 9

De la figura 9, podemos tomar como punto cercano a la raz el valor p0 0.7 .

21

Paso

2:

Calculamos

f ' ( x) e x
p1 p0

la

derivada

de

f ( x) e x

1
1 . En este caso
x

1
. Usando el algoritmo con n=1:
x2

f ( p0 )
0.415
0.7
0.80235
f '( p0 )
4.05457

Paso 3: Si n=2.

p2 p1

f ( p1 )
0.01556
0.80235
0.80646
f '( p1 )
3.78415

Paso 4: Si n=3
p3 p2

f ( p2 )
0.00003
0.80646
0.80647
f '( p2 )
3.77752

Si calculamos f ( p3 ) f (0.80647) 0.00002 , la funcin es casi cero.

Resumiendo en una tabla,

Ejemplo 2

Usando el mtodo iterativo de Newton aproximar la raz de x

3

22

x 1 1 0 .

Solucin
Paso 1: Usar el mtodo grafico para determinar un punto cercano a la raz. De

x3 x 1 1 0 se tiene que x3 1 x 1 , de donde f1 ( x) x3 1 y

f 2 ( x) x 1 .

Figura 10

De la figura 10 se observa que un valor cercano a la raz buscada es 1.4

Paso 2: Calculamos la derivada de f ( x) x
3

f '( x) 3x 2
p1 p0

1
. Usando el algoritmo con n=1:
2 x 1

f ( p0 )
0.19481
1.4
1.36494
f '( p0 )
5.55725

Paso 3: Si n=2:

p2 p1

f ( p1 )
0.00513
1.36494
1.36396
f '( p1 )
5.26405

Paso 4: Si n=3

23

x 1 1.

La derivada es

f ( p2 )
2.419 105
p3 p2
1.36396
1.36396
f '( p2 )
5.25596
Se observa que la sucesin pn converge rpidamente para n=3, pues p2 y p3
se

repiten

asi

ser

con
los
dems
valores
y
adems
f ( p3 ) f (1.36396) 0.00002419 que es casi cero. Los datos se recogen en

la siguiente tabla.

EJERCICIOS
Usando el mtodo iterativo de Newton Raphson aproxime la raz de las ecuaciones que
se dan a continuacin.
1. e e
x

2. e

1 0

1
x 1 0
5

3. x cos x 0 , x 0
4. x e

1 0

1.5 Mtodo iterativo de la Secante.

El algoritmo de Newton requiere la evaluacin de dos funciones por iteracin,
f ( pn ) y f ' ( pn ) . El presente mtodo no requiere del clculo de la derivada de la
funcin la cual puede resultar tediosa y puede resultar ser tan veloz su
convergencia como es en el caso del mtodo de Newton.

24

Figura 11
De la figura 11, la pendiente m de la recta secante puede ser calculada como,

f ( p1 ) f ( p0 )
y
p1 p0

0 f ( p1 )
p2 p1

De donde,

f ( p1 ) f ( p0 ) 0 f ( p1 )

p1 p0
p2 p1
Despejando p2 ,

p2 p1

f ( p1 )( p1 p0 )
f ( p1 ) f ( p0 )

De modo general, la frmula de iteracin est dada por

pn1 pn

f ( pn )( pn pn1 )
f ( pn ) f ( pn1 )

n 1,2,3,...

Ejemplo 1
Aproxima la raz de la ecuacin no lineal e

ex 1 0

Solucin
Paso 1: Usando el mtodo grafico determinar dos puntos cercanos a la raz.

25

Figura12

Observando la figura 12, podemos tomar los puntos p0 0.1 y p1 0.3 .

Paso 2: Iterando con n=1:

p2 p1

f ( p1 )( p1 p0 )
0.39096(0.3 0.1)
0.07819
0.1
0.1
f ( p1 ) f ( p0 )
0.39096 (0.79967)
0.40871

p2 0.29131
Paso 3: Iterando con n=2:

p3 p2

f ( p2 ) ( p2 p1 )
0.40910(0.29131 0.3)
0.29131
0.48728
f ( p2 ) f ( p1 )
0.40910 (0.39096)

Paso 4: Iterando con n=3:

p4 p3

f ( p3 )( p3 p2 )
0.01359(0.48728 0.29131)
0.48728
0.49358
f ( p3 ) f ( p2 )
0.01359 (0.40910)

Paso 5: Iterando con n=4:

26

p5 p4

f ( p4 )( p4 p3 )
0.02773(0.49358 0.48728)
0.49358
0.48122
f ( p4 ) f ( p3 )
0.02773 0.01359

Los resultados se resumen en la siguiente tabla,

1.6 Mtodo iterativo de Muller.

El mtodo de Muller es una generalizacin del mtodo del mtodo de la Secante,
en el sentido de que no requiere de la derivada de la funcin. Es un mtodo
iterativo que requiere de tres puntos iniciales de partida, de ah que requiere de la
construccin de una parbola para este fin. Se ha probado que cerca de una raz
de la funcin, el mtodo de Muller converge ms rpido que el mtodo de la
secante y casi tan rpido como el mtodo de Newton.

Figura 13

27

Teniendo en cuenta la figura 13, y asumiendo que p2 es la mejor aproximacin a

la raz, hacemos el cambio de variable,

t x p2
Luego,
Si t h0 :

h0 p0 p2

Si t h1 :

h1 p1 p2

Adems, consideremos la expresin para la parbola en la variable t,

y(t ) at 2 bt c

(1)

Luego,
Si t h0 : y(h0 ) ah0 bh0 c f ( p0 )
2

Si t h 1 : y(h1) ah1 bh1 c f ( p1 )

2

Si t 0 : y(0) c f ( p2 )
Haciendo,

c0 f ( p0 ) c
c1 f ( p1 ) c
Se obtiene el siguiente sistema de ecuaciones,

ah02 bh0 c0
ah12 bh1 c1
Por la regla de Cramer

c0h 1 c1h0
h1h02 h0h12

c1h02 c0h12
b
h1h02 h0h12
28

Usando la formula cuadrtica resolvemos (1) cuando es igual a cero. Sus races
t z1, z2 son de la forma,

2c
b b 4ac
2

(2)

Con el fin de garantizar la estabilidad del mtodo, se elige la raz con el menor
valor absoluto. As, el nuevo valor de p3 , es

p3 p2 z
Los nuevos valores p0 y

p0 , p1, p2 . El valor

p1 son los valores ms cercanos a p3 de entre

p3 pasa a ser el nuevo p2 .

Ejemplo 1
Aproximar una raz de x3 x 2 0 .
Solucin
Paso 1: Usando el mtodo grafico estimar los valores p0 , p1 y p2 . De

x3 x 2 0 se tiene que f1 ( x) x3 y f 2 ( x) x 2 .

Figura 14

29

De acuerdo a la figura 14, podemos tomar p0 1 , p1 1.2 y p2 1.4 .

Paso 2: Hallar z , para lo

cual se debe hallar primero c0 , c1 , h0 , h 1 y por

consiguiente a y b. En este caso, f ( x) x 3 x 2 .

c0 f ( p0 ) c 2 f ( p2 ) 2 (0.656) 1.344

c1 f ( p1) c 1.472 (0.656) 0.816

h0 p0 p2 1 1.4 0.4
h1 p1 p2 1.2 1.4 0.2

c0h1 c1h0 (1.344)(0.2) (0.816)(0.4)

3.6
h1h02 h0h12
(0.2)(0.4)2 (0.4)(0.2)2

c1h02 c0h12 (0.816)(0.4)2 (1.344)(0.2)2

b

4.8
h1h02 h0h12
(0.2)(0.4)2 (0.4)(0.2)2
Luego, el valor de z es:

2c
b b2 4ac

2(0.656)
4.8 4.82 4(3.6)(0.656)

z1 0.12496
z2 1.45829
Luego,

p3 p2 z1 1.4 0.12496 1.52496

Que viene a ser la primera aproximacin.
Paso 3: Hacer,

p0 p1 1.2
p1 p2 1.4
p2 p3 1.52496
30

1.312
4.8 5.69968

Repetir el proceso trabajando con los nuevos valores p0 , p1 y p2 .

En la siguiente tabla se resume algunos resultados

f ( p)

1.0

-2.0

1.2

-1.472

1.4

-0.656

1.52496

0.021339

1.52136

-0.0001171

No. de Iteracin

1.7 Mtodo iterativo de Punto Fijo

Definicin1 (punto fijo): Un punto fijo de una funcin

g ( x)

es un nmero real

p talque

p g ( p) .
Geomtricamente, los puntos fijos de una funcin y g ( x) son los puntos de
interseccin de

y g ( x) y y x y como se muestra en la siguiente figura 15.

Figura 15

31

Definicin2 (iteracin de punto fijo): La iteracin

pn1 g pn para

n 0,1,2,... es llamado iteracin de punto fijo.

As,
Si n 0 :

p1 g ( p0 )

Si n 1:

p2 g ( p1 )

Si n=2:

p3 g ( p2 )

.
.
.
Teorema1: Asuma que g es una funcin contnua y que

pn n0 es una sucesin

generada por iteracin de punto fijo. Si lim pn p , entonces p es un punto fijo de

n

g ( x) .
Interpretacin grafica de la iteracin de punto fijo
En las figuras 16, 17, 18 y 19 se ilustran grficamente los casos de convergencia y
divergencia para el caso de iteracin de punto fijo.
a) Convergencia oscilante: 1 g '( p) 0

Figura 16

32

b) Convergencia montona:

0 g '( p) 1

Figura 17
c) Divergencia oscilante: g '( p) 1

Figura 18

33

d) Divergencia montona: 1 g '( p)

Figura 19

Teorema 2: Supongamos que g C a , b :

1. Si la imagen de la aplicacin y g ( x) verifica que y a, b en cada punto

x a, b , entonces g tiene un punto fijo en a , b .

2. Supongamos adems que g '( x) est definida en a, b y que g '( x) 1 para

todo x a, b , entonces g tiene un nico punto fijo p en a , b .
Teorema 3 (Teorema de punto fijo): Supongamos que (i) g , g ' C a , b , (ii) K
es una constante positiva, (iii) p0 a, b y g ( x) a, b para todo x a , b .

1. Si g '( x) K 1 para todo x a , b , entonces la iteracin pn g pn1

converger al nico punto fijo p a, b . En este caso se dice que p es un punto

fijo atractivo.
2. Si g '( x) 1 para todo x a , b , entonces la iteracin pn g pn1 no
converge a p . En este caso, se dice que p es un punto fijo repulsivo y la iteracin
presenta divergencia local.
34

Aqu, el propsito del desarrollo de Punto Fijo es usarlo como una tcnica para
aproximar races de ecuaciones no lineales. La idea es resolver la ecuacin no
lineal,

f ( x) 0

(1)

Para llevar a cabo esto, se escribe f ( x) en la forma x g ( x) , y se tiene la

ecuacin,

x g ( x) 0 (2)
en lugar de la ecuacin (1).
Luego de (2) se tiene que,

x g ( x) (3)
Luego, si la solucin existe, es claro que esta solucin satisface (1) si y solo si
satisface (3). El mecanismo usado fundamentalmente es la iteracin de punto fijo
junto con el teorema 1.
Ejemplo 1: Aproximar la raz de la ecuacin no lineal x
2

x 1 0 .

Solucin
Paso 1: De x
2

x 1 0 se tiene que x

x 1 . Luego, g ( x)

Paso 2: Usando el mtodo grafico determinar el valor inicial p0 .

Figura 20
35

x 1

Podemos tomar p0 1.5 y luego, refinar la aproximacin.

Paso 3: Verificar las condiciones suficientes del teorema de punto fijo.

La derivada g '( x)

4 x

x 1

evaluada en p0 1.5 es 0.137, es decir,

g '(1.5) 1. Luego, por el teorema de punto fijo la iteracin pn

pn1 1

converge.
Paso 4: Iterar.

p1 g ( p0 )

1.5 1 1.49156

p2 g ( p1 )

1.49156 1 1.49040

p3 g ( p2 )

1.49040 1 1.49024

p4 g ( p3 )

1.49024 1 1.49022

p5 g ( p4 )

1.49022 1 1.49022

Resumiendo en una tabla los valores obtenidos se tiene,

De los datos que se presentan en la tabla se observa que a partir de la quinta

iteracin se comienzan a repetir los valores, es decir se cumple el teorema 1.
36

Luego, 1.49022 es un punto fijo de g ( x)

x 1 y una aproximacin a la raz de

x2 x 1 0 , pues si f ( x) x 2 x 1, f (1.49022) 9.975 10 6 , que es

casi cero.
OBSERVACION1: La convergencia de pn g pn1 depende de cmo se
obtenga g ( x) y como se ilustra en el siguiente ejemplo.
Ejemplo 2 Hallar una raz positiva de la ecuacin que genera la interseccin de
las curvas y x 2 x y y 9 x .
2

Solucin
Paso 1: Igualar los miembros derechos de las ecuaciones de las curvas para
obtener x 2 x 9 x 0 .
2

Paso 2: Escribir la ecuacin del paso 1 en la forma x

determinar p0 usando el mtodo grfico.

Figura 21
Podemos estimar p0 2.6 .

37

2x 9 x2 y

Paso 3: Verificar las condiciones suficientes del teorema de punto fijo. La derivada

g '( x)

2 9 x2 x

2 9 x 2x 9 x
g '(2.6) 1 . Luego, por el
2

evaluada en p0 2.6 es 0.05078, es decir,

teorema

de

punto

fijo

la

iteracin

pn 2 pn1 9 pn21 converge.

Paso 4: Iterar.

p1 2 p0 9 p02 2(2.6) 9 (2.6)2 2.58779

p2 2 p1 9 p12 2(2.58779) 9 (2.58779)2 2.58713

p3 2 p2 9 p22 2(2.58713) 9 (2.58713)2 2.58710

p4 2 p3 9 p32 2(2.58710) 9 (2.58710)2 2.58709

p5 2 p4 9 p42 2(2.58709) 9 (2.58709)2 2.58709

En la siguiente tabla se recogen los valores obtenidos,

Se observa que a partir de la quinta iteracin los valores se repiten y por lo tanto
hay convergencia como se esperaba de acuerdo al teorema de punto fijo. El valor
2.58709 es una buena aproximacin a la raz pues si f ( x) x 2 x 9 x ,
2

38

se tiene que f (2.58709) 1.5087 105 , que se aproxima a cero, es decir,

satisface aproximadamente x 2 x 9 x 0 .
2

x2 9 x2
Si la ecuacin del paso 1 lo escribimos en la forma x
2
x2 9 x2
g ( x)
2

g '( x)

2 x 9 x2 x
2 9 x

La

derivada

, que evaluada en

de

esta

ltima

expresin

es

p0 2.6 se tiene que g '(2.6) 3.469

por lo que por el teorema de punto fijo el proceso iterativo que se genera diverge.
En efecto, realizando las correspondientes iteraciones se tiene,

p02 9 p02 (2.6)2 9 (2.6)2

p1

2.63167
2
2

p12 9 p12 (2.63167)2 9 (2.63167)2

p2

2.74272
2
2
p22 9 p22 (2.74272)2 9 (2.74272)2
p3

3.15350
2
2
p32 9 p32 (3.15350)2 9 (3.15350)2
p4

5 0.5i
2
2
Los valores obtenidos se recogen en la siguiente tabla,

39

De los datos de la tabla se observa que efectivamente la iteracin de punto fijo

x2 9 x2
cuando g ( x)
, no converge.
2
EJERCICIOS
Usando el mtodo iterativo de Punto Fijo determine al menos una raz de los
siguientes ejercicios:
1. e x x 2 2 x 2 0
2.

e x senx 2 0

3.

1 x 2 senx 0

4.

x cos x 0

5.

x2 1 x2 4 x 4 0

6.

4 x x 2 x3 1 0

7.

x3 x 1 0

8.

e x x2 2x 0

9.

x 1 e x 1 0

EJERCICIOS DE APLICACIN
1. La ecuacin de estado de Van der Waals est dado por

P 2 v b RT
v

donde:

v : Volumen especifico
P : Presin
T : Temperatura absoluta
a, b : Constantes que dependen del gas
40

R 8.314 J /(mol. K )
Para el gas CO2

a 3.6 103 Nm4 / mol 2 y b 4.2 105 m3 / mol . Calcule el

volumen del recipiente que contiene 3 mol de este gas que se encuentra a una
presin de 5.1 atm y una temperatura de 216.6 K.
Rpta: 0.01138 m3
2. La ecuacin del movimiento armnico amortiguado es

d 2x
dt

dx
kx 0
dt

x Aet cos t donde A , y la frecuencia angular, son

Ns
N
constantes. Si b 0.162
, k 56.0
y la frecuencia de movimiento es
m
m
f 1.375Hz , determina la masa m del objeto que oscila.
Con solucin

Actividad: La expresin que obtenga llvelo a una forma polinmica, resuelva y

discuta los resultados que obtenga comparando con el obtenido sin hacer este
paso.
Rpta:0.75023 Kg
3. Debido a que el movimiento de un pndulo no corresponde precisamente a un
movimiento armnico simple (MAS), el periodo si depende de la amplitud. La
formula general esta dada mediante una serie infinita
T 2

L
1
1 32
2
4
1

sen

sen

...

M
M
g 22
22 42

donde M es el mximo desplazamiento angular. Si un pndulo simple cuya

longitud es de 37.10 cm. tiene una frecuencia de movimiento igual a 0.8152Hz en
un cierto lugar de la tierra donde la aceleracin de la gravedad es 9.746 m 2 ,
s
determine la amplitud mxima del pndulo conservando los tres primeros trminos
de la correspondiente serie para el periodo.
Rpta: 6.0619
4. La capacidad calrica de la mayora de las sustancias (excepto a temperaturas
muy bajas) se puede expresar satisfactoriamente por la formula emprica
41

C p a 2bT cT

donde a , b y c son constantes y T es la temperatura absoluta. Para el magnesio

los valores de las constantes son a 25, 7 103 , b 3,13 y c 3, 27 108 cuando
C p se expresa en JK 1mol 1 . Determinar la temperatura del magnesio cuando su

capacidad calrica es 28,0 103 J K 1 mol 1 .

Rpta: 543.9543 K.
5. Una lmina conductora la cual presenta una pequea protuberancia
semiesfrica de radio a es talque se mantiene a potencial cero. Si se coloca una
carga puntual q exactamente sobre la protuberancia semiesfrica a una distancia

d de su centro, se demuestra que la carga inducida en la misma es

d 2 a2

q ' q 1
d d 2 a 2
Si q 400C ,

q ' 230C y a 3 cm , a que distancia del centro de la

protuberancia se encuentra la carga q ?

Rpta: 4.3188 cm
6. La fuerza atractiva que una esfera conductora de radio a conectada a tierra
ejerce sobre una carga puntual q exterior a la esfera y a una distancia y del
centro de sta, viene dado por
3

q2 a
F

4 0 a 2 y
1

a2
1 2
y

A que distancia y debe colocarse una carga de 5C de tal manera que

experimente una fuerza de 4.2N, si la esfera tiene un radio de 10cm?
Rpta: 20.835 cm
7. El mximo torque que un dispositivo puede aplicar a la compuerta de la presa
de la figura con el fin de que no se abra es de 5.22 ton m. Si la puerta tiene un
ancho de 1.5m, determine la otra dimensin x de la puerta.

42

Agua

2.1m
Articulacin
x

F=5.22 ton m
Aplicada en el fondo
para mantener cerrado
la compuerta

Rpta: x=1.4986 m
8. La operacin de una maquina diesel puede idealizarse por medio del ciclo que
se muestra en la figura. Se extrae aire del cilindro durante la carrera de admisin
(no es parte del ciclo idealizado). El aire se comprime adiabaticamente, trayectoria
ab . En el punto b se inyecta combustible diesel dentro del cilindro, el cual se
quema de inmediato debido a que la temperatura es muy alta. La combustin es
lenta y durante la primera parte de la carrera de potencia, el gas se expande a
presin (casi) constante, trayectoria bc ; despus de la combustin, el resto de la
carrera de potencia es adiabtica, trayectoria cd .La trayectoria da corresponde a
la carrera de escape. Para una maquina reversible cuasi esttica que se
encuentra bajo este ciclo y que emplea un gas ideal, la eficiencia ideal es

Va Va
V
V
c
b

e 1

1
1

Va V Va V
c
b

donde

Si

Va

Va

Vc

Vc

es la relacin de expansin y

Va

Vb

la relacin de compresin.

5 con una eficiencia trmica de 0.558, determinar

43

Va

Vb

QE
P
b

QB
a
V

Rpta:

Va

Vb

15.6423

9. Para determinar la seccin eficaz de dispersin por un oscilador, de una onda

polarizada linealmente, teniendo en cuenta el amortiguamiento por radiacin, se
escribe la ecuacin del movimiento de la carga en el campo incidente en la forma
..

r 02 r

e
2e2
E0 eit
r
m
3mc3

...

(1)

..

d2r
dr
donde r
, r 2 , etc.
dt
dt
Con el fin de resolver la ecuacin (1), en la fuerza de amortiguamiento se hace
...

.2
2
0 r

aproximadamente, de modo que se obtiene

..

r r 02 r
con

2e2
3mc

e it
E0 e
m

(2)

02 .

Si 0 = 2 1014 Hz (frecuencia de oscilaciones libres), m es la masa del oscilador

(electrn), e (carga del electrn) y E0 3.6 106 N

44

, determinar el valor de la

frecuencia angular de tal manera que r 1 siendo r una solucin particular de

(2).
10. La ecuacin diferencial que describe la distribucin de temperatura en un
cilindro hueco muy largo de radio interno ri y radio externo r0 con fuentes de calor
distribuidos uniformemente, conductividad trmica k constante en la que se
desprecia los trminos axial, acimutal y temporal es
.

d 2T

1 dT q

0
dr 2 r dr k

(1)

q es el calor generado por unidad de volumen y T Ti en r ri ( en la superficie

interna), T T0 en r r0 (en la superficie externa), las condiciones de frontera. La
solucin general de (1) esta dada por
.

q r2
T
C1 ln r C2
4k
y si

T0 215 C

Ti 250 C

r0 3mm ,

ri 1mm

k 19 W

mC

q 560.2 W

m3

(a) determinar r para el cual la temperatura T es igual a 220 C.

Rpta: 2.56mm
(b) Que sucede si hace lo mismo que en (a) para el caso en que ri 3mm y
r0 6mm manteniendo los dems datos igual.
11. Considere un flujo isentrpico cuasi unidimensional de un gas perfecto a travs
de un canal de rea variable. La relacin entre el numero de Mach M y el rea de
flujo A , derivado por Zucrow y Hoffman (1976) esta dado por

A
1 2 1 2

M
1
A * M 1
2

45

2 1

donde A * es el rea de estrangulamiento (es decir, el rea donde M 1 ) y es

la razn entre las capacidades calorficas del gas que fluye. Para cada valor de ,
existen dos valores de M , uno menor que la unidad (flujo subsnico) y uno mayor
que la unidad (flujo supersnico). Calcular ambos valores de M para 10.0 y
1.4 .
12. Cuando un fluido incompresible fluye a ritmo constante a travs de una caera
circular, la cada de presin debido a los efectos de la friccin de la pared es dado
por la formula emprica

L
p 0.5 f V 2
D
donde p es la cada de presin, es la densidad, V es la velocidad, L es la
longitud de la caera, D es el dimetro de la caera, y f es el coeficiente de
friccin de DArcy. Varias frmulas empricas existen para el coeficiente de friccin

f como una funcin del nmero adimensional de Reynolds, Re DV

, donde

es la viscosidad. Para el flujo en el rgimen turbulento entre superficies de

caeras completamente suaves y superficies de caeras completamente
speras, Colebrook (1939) desarrollo la siguiente ecuacin emprica para el
coeficiente de friccin f

1
f

2.51
D

2log10

1
3.7
Re f 2

donde es la rugosidad superficial de la caera. Desarrollo un procedimiento

para determinar f para valores especficos de

y Re . Use la aproximacin

propuesta por Genereaux (1939) para determinar la(s) aproximacin(es)

inicial(es), f 0.16(Re)

0.16

. Resuelva para f en el caso de una caera con

0.001 para Re 10n , para n 4,5,6 y 7 .

13. La ecuacin de estado de Redlich-Kwong est dada por

RT
a

v b v v b T

46

donde R es la constante universal de los gases, T la temperatura absoluta (K), p

3
la presin absoluta (kPa) y v volumen de un kg de gas m

. Los parmetros
Kg

a y b se calculan mediante

R 2Tc2.5
a 0.427
pc

b 0.0866 R

Tc
pc

donde pc 4600kPa y Tc 191K . Determinar la cantidad de combustible metano

que se puede almacenar en un tanque de 3 m3 a una temperatura de - 40 C con
una presin de 65 000 kPa.
Rpta: 1607.63Kg
1.8 Mtodo iterativo de Newton Bairstow
Es un mtodo creado con el fin de mejorar una aproximacin compleja x0 s it
de una raz de un polinomio P( x) .
Si x n im es raz de P( x) , x n im tambin es raz de P( x) .
Luego,

d ( x) x n im x n im
d ( x) x 2 2nx n2 m2
d ( x) x 2 px q ,

p 2n

q n 2 m2

Divide aun a P( x) .
En trminos de aproximacin, supongamos que

P( x) Q( x)d ( x) R( x) con R( x) b1( x p) b0

Luego,

P( x) Q( x)( x 2 px q) b1( x p) b0
Si x x0 s it es raz de d ( x) ,

47

P( x0 ) P(s it ) b1 x0 p b0 b1 s it p b0
P( x0 ) (b1s b1 p b0 ) ib1t
Si x0 est cerca de la raz de P( x) ,

(b1s b1 p b0 ) ib1t (0 0i)

Algoritmo de aproximacin
Paso 1
Resolver

c1p c2q b0
c2p c3q b1
Donde c1, c2 y c3 se determinan por el algoritmo de la divisin sinttica de, Q( x)
ms un coeficiente real que determina el resto de dividir P( x) entre d ( x) , entre

d ( x) . Los b0 , b1 son nmeros reales que determinan el resto de dividir P( x)

entre d ( x) .
d ( x) x 2 p0 x q0 , p0 2n0 , q0 n02 m02
Paso 2 Hacer p1 p0 p y q1 q0 q
Paso 3 Determinar la primera aproximacin a la raz, resolviendo la ecuacin

x 2 p1x q1 0 para obtener x1 n1 i m1 .

Paso 4 Hacer n0 n1 y m0 m1 y repetir el proceso.
Ejemplo 1
Mejorar la aproximacin compleja x0 0.4 1.356466 i de la raz de,

P( x ) x 6 2 x 5 3 x 4 4 x 3 5 x 2 6 x 7
Solucin
Se tiene que n0 0.4 y m0 1.356466 . Luego,

q0 n02 m02 (0.4)2 (1.356466)2 2

48

p0 2n0 2(0.4) 0.8 y

La tabla de divisin sinttica es,

de donde b0 0.27642 y b1 0.06848

Con los datos de la tabla anterior, construimos la tabla de divisin sinttica para
obtener c1 , c2 y c3 ,

Luego, c3 2.592 , c2 6.152 y c1 10.17408 .

Ahora formar el sistema,

10.17408p 6.152q 0.27642

6.152p 2.592q 0.06848
Resolviendo el sistema se obtiene,

p 0.0045967
q 0.03733
Luego,

p1 p0 p 0.8 0.0045967 0.804597

49

q1 q0 q 2 0.03733 1.96267
Formar la ecuacin cuadrtica,

x2 0.804597 x 1.96267 0
Resolviendo esta ecuacin cuadrtica se obtiene,

x 0.4022985 1.3419486 i
Luego, x1 0.4022985 1.3419486 i es la primera aproximacin de donde

n1 0.4022985 y m1 1.3419486 .
Segunda aproximacin
Hacer n0 n1 0.4022985 y m0 m1 1.3419486 y repetir el proceso.
Podemos comprobar si la primera aproximacin hace que P( x) 0 . En efecto,
debemos verificar que P( x0 ) b1 ( x0 p) b0 (0 0i) . Para ello construimos la
tabla de divisin sinttica con el fin de determinar b0 y b1 .

Luego, b0 0.00765

y b1 0.00081. Por lo tanto,

P( x1 ) b1 ( x1 p) b0 0.00081(0.4022985 1.3419486i) 0.8046 0.00765

Es decir,

P(0.4022985 1.3419486i) 0.00732 0.001087i (0 0i )

Ejemplo 2
Mejorar la aproximacin compleja x0 0.15 i de la raz de x3 x 1 0 .

50

Solucin
Primera aproximacin:
Aqu

n0 0.15

m0 1.

Luego,

p0 2n0 2(0.15) 0.3

q0 n02 m02 (0.15) 2 12 1.02250 .

Formamos la tabla de divisin sinttica,

De donde,

b0 1.28650

b1 0.06750

Luego, formamos la correspondiente tabla para obtener los c1 , c2 y c3 .

de donde,

c3 1 , c2 0.6

c1 0.7750

Formar el sistema,

0.775 p 0.6 q 1.28650

0.6 p

q 0.06750

(1)

Multiplicando por 0.6 a la segunda ecuacin, y operando se obtiene,

51

p 1.169163
q 0.633998
Luego,

p1 p0 p 0.3 1.169163 0.869163

q1 q0 q 1.0225 0.633998 0.388502
Formando la ecuacin x2 0.869163x 0.388502 0 y resolviendo mediante la
frmula cuadrtica se obtiene,

x 0.434582 0.446812 i
Que viene a ser la primera aproximacin, donde

n1 0.434582

m1 0.446812 .
Segunda aproximacin:
Hacer n0 n1 y m0 m1 y repetir el proceso.
EJERCICIOS
Mejorar la aproximacin compleja dada de la raz de la ecuacin que se da:
1. x3 0.76 x 2 0.7744 x 1.0144 0 , x0 0.11 0.95 i (La raz exacta es

x 0.12 i )

52

2. INTERPOLACION
En esta unidad estudiaremos como podemos aproximar una funcin dada ya sea
mediante una formula o tabulada. En el primer caso, podemos aproximar la
funcin valindonos del polinomio de Taylor a condicin de que se conozca el
valor de f y sus derivadas en un punto x0 . La dificultad est en que las derivadas
de alto orden deben ser conocidas y a menudo estas derivadas no estn
disponibles o tienen un alto costo calcularlas. Para facilitar la aproximacin de la
funcin dada tanto en el primer como en el segundo caso es mejor entonces
conocer un conjunto de N+1 puntos (representan la funcin) y a partir de estos
construir un polinomio P( x) de grado N que pasa a travs de estos N+1 puntos.
Por tanto, las derivadas de alto orden no son necesarias. La ventaja de aproximar
una funcin cualquiera a travs de un polinomio es que es fcil de realizar
operaciones matemticas en este ltimo y los mtodos para construirlos no son
difciles. Por ejemplo, los polinomios se utilizan para disear algoritmos de
aproximacin de funciones, para derivar e integrar numricamente y para dibujar,
mediante un computador, curvas que deben pasar por puntos especificados de
antemano.
En el caso de que la funcin este dada tabulada, ocurre en el anlisis cientfico
que se desea aproximar las ordenadas y en abscisas no tabuladas, razn por la
cual es deseable obtener un polinomio que pase por los puntos dados y que
permita aproximar las ordenadas desconocidas.
Interpolar significa estimar el valor desconocido de una funcin en un punto,
tomando una media ponderada de sus valores conocidos en puntos cercanos al
dado. Un modo de estimar un valor desconocido de una funcin, es mediante la
construccin de un polinomio P( x) que pasa por un conjunto de puntos
previamente dados.
Cuando x0 x xN , la aproximacin P( x) se conoce como valor interpolado; si
se tiene x x0 o bien xN x , entonces P( x) se conoce como valor extrapolado.
2.1. Polinomio interpolador de Lagrange
El matemtico francs Joseph Louis Lagrange descubri que se puede escribir un
polinomio de grado menor o igual que N y que pasa por N 1 puntos

x1, y1 , , xN , yN mediante la frmula,

53

x0 , y0 ,

PN ( x) yk LN ,k ( x)
k 0

Donde LN ,k es el polinomio coeficiente de Lagrange para los nodos x0 , x1,..., xN

definido por,

LN ,k ( x)

x x0 ... x xk 1 x xk 1 ... x xN
xk x0 ... xk xk 1 xk xk 1 ... xk xN

Si N 1 el polinomio es de grado 1 y se escribe,

1

P1 ( x) yk L1,k ( x) y0 L1,0 ( x) y1L1,1 ( x) y0

k 0

x x1 y x x0
x0 x1 1 x1 x0

es decir,

P1 ( x) y0

x x1 y x x0
x0 x1 1 x1 x0

Figura 22

Si x x0 , L1,0 ( x0 ) 1 y L1,1 ( x0 ) 0 , por lo que P1 ( x0 ) y0 .

54

Si x x1 , L1,0 ( x1 ) 0 y L1,1 ( x1 ) 1 , por lo que P1 ( x1 ) y1 .

Que son resultados que se esperaban con el fin de que el polinomio pase por los
puntos x0 , y0 y

x1, y1 .

Si N 2 el polinomio es de grado 2, y se escribe,

2

P2 ( x) yk L2,k ( x) y0 L2,0 ( x) y1L2,1 ( x) y2 L2,2

k 0

y0

x x1 x x2 y x x0 x x2 y x x0 x x1
x0 x1 x0 x2 1 x1 x0 x1 x2 2 x2 x0 x2 x1

Ejemplo 1
Construya el polinomio interpolador de Lagrange cuadrtico P2 ( x) , usando los

nodos x0 0 , x1 0.6 y x2 1.2 para y cos x en 0 , 1.2 .

Solucin
Paso 1: Determinar y0 , y1 y y2

y0 cos( x0 ) cos(0) 1
y1 cos( x1) cos(0.6) 0.82533
y2 cos( x2 ) cos(1.2) 0.36236
Paso 2: Escribir el polinomio interpolador de Lagrange, reemplazar datos y
simplificar.

P2 ( x) y0
P2 ( x) 1

x x1 x x2 y x x0 x x2 y x x0 x x1
x0 x1 x0 x2 1 x1 x0 x1 x2 2 x2 x0 x2 x1

x 0.6 x 1.2 0.82533 x 0 x 1.2 0.36236 x 0 x 0.6

0 0.6 0 1.2
0.6 0 0.6 1.2
1.2 0 1.2 0.6

P2 ( x) 1.38889 x 0.6 x 1.2 2.29258 x 0 x 1.2 0.50328 x 0 x 0.6

55

P2 ( x) 0.40041x 2 0.05087 x 1

Figura 23: Polinomio interpolador de Lagrange cuadrtico y P2 ( x) para los

nodos x0 0 , x1 0.6 y x2 1.2 correspondiente a y cos x en 0 , 1.2

Ejemplo 2
Construya el polinomio interpolador de Lagrange para aproximar la funcin dada
en forma tabular,
x
y

1
-2

2
0

3
14

4
46

Solucin
Paso 1: Identificamos los xi y los yi , i 0,1,2,3

x0 1, x1 2 , x2 3 , x3 4
y0 2 , y1 0 , y2 14 , y3 46
Paso 2: Escribir el polinomio interpolador de Lagrange, reemplazar datos y
simplificar.

56

P3 ( x) y0

x x1 x x2 x x3 y x x0 x x2 x x3 y x x0 x x1 x x3
x0 x1 x0 x2 x0 x3 1 x1 x0 x1 x2 x1 x3 2 x2 x0 x2 x1 x2 x3

y3

x x0 x x1 x x2
x3 x0 x3 x1 x3 x2

P3 ( x) 2

x 2 x 3 x 4 0 x 1 x 3 x 4 14 x 1 x 2 x 4
1 2 1 31 4
2 1 2 3 2 4
3 13 2 3 4

46

x 1 x 2 x 3
4 1 4 2 4 3

P3 ( x) x3 5 x 2

Figura 24: Polinomio interpolador de Lagrange cbico y P3 ( x) para los nodos

x0 1 , x1 2 , x2 3 y x3 4 y los correspondientes y0 2 , y1 0 , y2 14
y y3 46 .
2.2. Polinomio interpolador de Newton
Hay ocasiones en las que resulta til construir varios polinomios aproximantes
P1 ( x) , P2 ( x) ,, PN ( x) y despus elegir el ms adecuado a nuestras necesidades.
57

Si usamos los polinomios interpoladores de Lagrange, uno de los inconvenientes

es que no hay relacin entre la construccin de PN 1 ( x) y la de PN ( x) ; es decir,
cada polinomio debe construirse individualmente.
En el caso de los polinomios interpoladores de Newton, estos se calculan
mediante un esquema recursivo. Asi,

P1 ( x) a0 a1 ( x x0 )
P2 ( x) a0 a1( x x0 ) a2 ( x x0 )( x x1)

P3 ( x) a0 a1( x x0 ) a2 ( x x0 )( x x1) a3 ( x x0 )( x x1)( x x2 )

.
.
.

PN ( x) a0 a1( x x0 ) a2 ( x x0 )( x x1) a3 ( x x0 )( x x1)( x x2 ) ...

aN ( x x0 )( x x1)...( x xN 1 )

(1)

El polinomio (1), es el polinomio de Newton con N centros x0 , x1,..., xN 1 .

2.2.1 Aproximacin polinomial, nodos y centros
Supongamos que queremos encontrar los coeficientes ak de todos los polinomios

P1 ( x) , P2 ( x) ,, PN ( x) que aproximan una cierta funcin f ( x) . Entonces,

Pk ( x) corresponder a los centros x0 , x1 ,..., xk 1 y tiene los nodos x0 , x1 ,..., xk .
2.2.2 Tabla de diferencias divididas para calcular los coeficientes del
polinomio interpolador de Newton
Los coeficientes ak de PN ( x) depende de los valores f ( x j ) para j 0,1,2,..., k ,
donde los

ak

pueden ser calculados mediante las diferencias divididas

ak f x0 , x1,..., xk , definido de la siguiente manera:

f xk j , xk j 1,..., xk

f xk j 1,..., xk f xk j ,..., xk 1
xk xk j

58

xk

x0
x1
x2
x3
x4

f xk

f,

f x1

f x0 , x1

f x0
f x2
f x3

f , ,

f , , ,

f x1 , x2

f x0 , x1, x2

f x3 , x4

f x2 , x3 , x4

f x2 , x3

f x4

f x1 , x2 , x3

f , , , ,

f x0 , x1, x2 , x3

f x1, x2 , x3 , x4

f x0 , x1, x2 , x3 , x4

donde por ejemplo,

f xk f ( xk )
f xk 1, xk

f xk f xk 1
xk xk 1

f xk 2 , xk 1, xk

f xk 1, xk f xk 2 , xk 1
xk xk 2

f xk 3 , xk 2 , xk 1, xk

f xk 2 , xk 1, xk f xk 3 , xk 2 , xk 1
xk xk 3

y as sucesivamente.
Ejemplo 1
Sea f ( x) x 4 x .
3

Determine el polinomio interpolador de Newton con los

nodos x0 1 , x1 2 , x2 3 , x3 4 .
Solucin
Paso 1: Construir la tabla de diferencias divididas

xk

f xk

f,

f ,,

f ,,,

1
2
3
4

-3
0
15
48

3
15
33

6
9

59

Donde los clculos son como sigue:

f 1 f (1) 3
f 2 f (2) 0
f 3 f (3) 15
f 4 f (4) 48
f 1,2

f 2 f 1 3

3
2 1
1

f 2,3

f 3 f 2 15 0

15
3 2
1

f 3,4

f 4 f 3 48 15

33
43
1

f 1,2,3

f 2,3 f 1,2 15 3

6
3 1
2

f 2,3,4

f 3,4 f 2,3 33 15

9
42
2

f 1,2,3,4

f 2,3,4 f 1,2,3 9 6

1
4 1
3

Observando con cuidado la mecnica de los clculos se puede realizar estos

directamente en la tabla sin la necesidad de escribirlos.
Paso 2: De la tabla determinar los coeficientes del polinomio interpolador de
Newton.
Los coeficientes son los elementos de la diagonal de la tabla, empezando de
arriba hacia abajo. Luego, los coeficientes son,

a0 3 ,

a1 3 ,

a2 6 ,

a3 1

Remplazando en el polinomio interpolador de Newton

60

P3 ( x) a0 a1( x x0 ) a2 ( x x0 )( x x1) a3 ( x x0 )( x x1)( x x2 )

junto con los centros x0 1 , x1 2 , x2 3 , se tiene que

P3 ( x) 3 3( x 1) 6( x 1)( x 2) 1( x 1)( x 2)( x 3)

Simplificando se obtiene,

P3 ( x) x3 4 x
que es lo que se esperaba.
Ejemplo 2
Sea f ( x) e

1 x 2

. Determine el polinomio interpolador de Newton con los nodos

x0 0 , x1 0.5 , x2 1 , x3 1.5 , x4 2 , x5 2.5 .

Solucin
Paso 1: Construir la tabla de diferencias divididas

xk
0
0.5
1
1.5
2
2.5

f xk
2.71828
3.05883
4.11325
6.06646
9.35647
14.76977

f ,
0.6811
2.10884
3.90642
6.58002
10.8266

f ,,

f ,,,

1.42774
1.79758
2.6736
4.24658

0.24656
0.58401
1.04865

f , , ,,

0.16872
0.23232

f , , ,, ,

0.02544

Paso 2: De la tabla determinar los coeficientes del polinomio interpolador de

Newton. Los coeficientes son,

a0 2.71828 , a1 0.6811 , a2 1.42774 , a3 0.24656 , a4 0.16872 ,

a5 0.02544
Adems, los centros estn dados por,

x0 0 , x1 0.5 , x2 1 , x3 1.5 ,

x4 2

Luego, el polinomio interpolador de Newton es,

P5 ( x) 2.71828 0.6811( x 0) 1.42774( x 0)( x 0.5) 0.24656( x 0)( x 0.5)( x 1)

61

0.16872( x 0)( x 0.5)( x 1)( x 1.5) 0.02544( x 0)( x 0.5)( x 1)( x 1.5)( x 2)

P5 ( x) 0.025437 x5 0.04154 x 4 0.037043x3 1.3629 x 2 0.002121x 2.7183

Figura 25: Polinomio interpolador de Newton y P5 ( x) para los nodos x0 0 ,

x1 0.5 , x2 1 , x3 1.5 , x4 2 y x5 2.5 .

TEOREMA (Polinomio de Newton)

Suponga que x0 , x1,..., xN son N 1 nmeros distintos en a , b . Existe un nico

polinomio PN ( x) de grado menor o igual que N talque

f ( x j ) PN ( x j )

para

j 0,1,..., N

La forma polinomial de Newton es,

PN ( x) a0 a1( x x0 ) ... aN ( x x0 )( x x1)...( x xN 1)

Donde

ak f x0 , x1,..., xk , para k 0,1,..., N

62

OBSERVACION

x j , y j j0 es un conjunto de puntos cuyas abscisas son diferentes, los

N

Si

valores f ( x j ) y j pueden ser usados para construir el nico polinomio de grado

menor o igual que N que pasa a travs de los N 1 puntos.

2.3. Interpolacin Bidimensional

Primero se deduce mediante argumentos geomtricos el polinomio interpolador de
Lagrange de grado 1, el cual servir de base para la interpolacin bidimensional
que se requiere.

Figura 26

De la figura 26, el tringulo ABE y el tringulo DCE son semejantes, luego,

b x P1 ( x) f (b)

b a f (a) f (b)

(1)

Multiplicando (1) por f (a) , se tiene que,

63

bx
P ( x) f (b)
f (a) 1
f (a )
ba
f (a) f (b)

(2)

El tringulo ABE es semejante al triangulo BFC, luego,

x a f (a) P1 ( x)

b a f (a) f (b)

(3)

Multiplicando (3) por f (b) ,

xa
f (a) P1 ( x)
f (b)
f (b)
ba
f (a) f (b)

(4)

De (2) y (4) sumando y simplificando resulta,

bx
xa
f (a)
f (b) P1 ( x)
ba
ba
Que es el polinomio interpolador de Lagrange P1 ( x) para los nodos a y b .
Veamos ahora el caso bidimensional. En base a la figura 26 construimos la figura
27 para llevar a cabo la interpolacin bidimensional, que no es otra cosa que
aplicar el polinomio interpolador de Lagrange P1 ( x) a lo largo del eje y y eje x
convenientemente como se desprende de la figura 27.

Figura 27

64

Asi se obtiene que,

fE

yi y
y yi1
f j 1 , i 1
f j 1 , i
yi yi 1
yi yi 1

fF

yi y
y yi 1
f j , i 1
fj,i
yi yi 1
yi yi 1

Luego, el polinomio interpolador bidimensional es

P( x, y )

xj x
x j x j 1

fE

x x j 1
x j x j 1

fF

Ejemplo 1
Mediante interpolacin bidimensional aproxime

3 3
f , , si se conoce que
2 2

f x, y x 2 y 2 .
Solucin
Paso 1: Estimar primero los x j , x j 1 , yi , yi 1 a buen criterio.
Tomamos x j 2 , x j 1 1 , yi 2 , yi 1 1
Paso 2: Calcular f E y f F

3
3
1
7
2
2
2
2
fE
1 1
12 22
2 1
2 1
2
2

3
3
1
13
2
2
2
2
fF
2 1
22 22
2 1
2 1
2
2

3 3
,
2 2

Paso 3: Aproximar f

mediante

3 3
P , .
2 2

65

3
3 3
2
P ,
2 2 2 1
2

3
1 13
7 2


5
2 2 1 2

3 3
P , 5
2 2
Verificando,
2

3 3 3 3 9
f ,
2 2 2 2 2
3 3 9
f , 4.5
2 2 2

3 3
2 2

3 3
,
2 2

Es decir, P , est cerca de f

Ejemplo 2

Dada la funcin tabular en las variables independientes x e y interpolar

(1.7 , 2.3) .

Solucin
Paso 1: Estimar primero los x j , x j 1 , yi , yi 1 a buen criterio.
Tomamos x j 2 , x j 1 1 , yi 3 , yi 1 2
66

Paso 2: Calcular f E y f F

fE

3 2.3
2.3 2
(0.28)
(0.84) 0.056
3 2
32

fF

3 2.3
2.3 2
( 0.15)
(0.91) 0.168
3 2
32

Paso 3: Aproximar f (1.7, 2.3)

P 1.7,2.3

mediante P 1.7,2.3

2 1.7
1.7 1
0.056
0.168 0.1008
2 1
2 1

P 1.7,2.3 0.1008 ,
Luego,

f (1.7, 2.3) 0.1008

Donde f es la funcin tabular.
Tambin podemos llevar a cabo la interpolacin bidimensional por composicin de
polinomios interpoladores de Lagrange de grado 2. Para ello construimos la figura
28.

Figura 28
67

De la figura 28 se tiene que,

P2 x0 , y f 0,0

y y1 y y2 f y y0 y y2 f y y0 y y1
y0 y1 y0 y2 0,1 y1 y0 y1 y2 0,2 y2 y0 y2 y1

P2 x1 , y f1,0

y y1 y y2 f y y0 y y2 f y y0 y y1
y0 y1 y0 y2 1,1 y1 y0 y1 y2 1,2 y2 y0 y2 y1

P2 x2 , y f 2,0

y y1 y y2 f y y0 y y2 f y y0 y y1
y0 y1 y0 y2 2,1 y1 y0 y1 y2 2,2 y2 y0 y2 y1

Luego
P2 x, y P2 x0 , y

x x1 x x2 P x , y x x0 x x2 P x , y x x0 x x1


x0 x1 x0 x2 2 1 x1 x0 x1 x2 2 2 x2 x0 x2 x1

Que es el valor interpolado correspondiente al punto ( x, y ) .

EJERCICIOS
1. Elabore una aproximacin polinomial de Newton y Lagrange de diferentes
grados en ambos casos para la informacin tabular de las presiones de
vapor de la acetona e interpole la temperatura para una presin de 2 atm.
Puntos

T( oC )

56.5

113

181

214.5

P(atm)

20

40

2. Haga lo mismo que en el ejercicio 1 pero a una presin de 12 atmsferas.

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

68

Puntos

0.153

0.170

0.225

0.260

Fuerza(kgf)
Eje x
Longitud
de resorte
0.120
m
Eje y

Determine el alargamiento que se producir cuando se aplica una fuerza de 3.5

kgf usando un polinomio de Lagrange de grado 1 y 2. Compare sus resultados
con
el
obtenido
mediante
mnimos
cuadrados
y
dado
por
p( x) 0.11564 0.019434 x Discutir.
4. El calor especifico Cp (cal/K gmol) del Mn3O4 varia con la temperatura de
acuerdo con la siguiente tabla
Puntos

T(K)

280

650

1000

1200

1500

1700

Cp (cal/K
32.7
gmol)

45.4

52.15

53.7

52.9

50.3

Determine el calor especfico a una temperatura de 800 K

5. A continuacin se presentan las presiones de vapor de cloruro de
magnesio.
Puntos

P(mmHg) 10
T( oC )

930

20

40

60

100

200

400

760

988

1050

1088

1142

1316

1223

1418

69

Calcule la presin de vapor correspondiente a T= 1000 oC usando aproximaciones

polinomiales de diferentes grados. Compare y discuta los resultados.
6. Dada la funcin tabulada f :

1.7

2.6

3.4

4.5

-3

-8

-3.36

176.43

1101.1

3133

6594.4

a) Determine el polinomio interpolador de Newton para la totalidad de datos y

luego estime el valor de f (2) .
b) Compare el valor de f (2) obtenido en a) con el valor de f (2) que obtenga
usando un polinomio de grado 2.
7. La velocidad v de un mvil en funcin de la distancia x esta dada por la
siguiente funcin tabulada:
x(m)

20

30

40

50

60

70

v(m/s)

15

18

22

27

33

40

Usando un polinomio de Newton de grado 3 estime la velocidad del mvil

cuando se encuentra en el punto x=45.
8. Si P1 ( x) es un polinomio de Lagrange de grado 1 y Q1 ( x) es un polinomio
de Newton de grado 1, muestre analticamente que ambos polinomios son
iguales.
9. El campo magntico para los puntos sobre el eje de un anillo circular de
alambre de radio 0.07m que conduce una corriente de 2A viene dado por la
funcin tabulada
x(m)

2.25

3.5

4.75

7.25

B(T)
109

6.115

0.540

0.144

0.0574

0.0285

0.0162

Calcular el campo magntico en x=2.7m usando un polinomio de tercer grado.

70

3. DIFERENCIACION NUMERICA
La diferenciacin de funciones son operaciones matemticas importantes y que el
estudiante utiliza mucho de su tiempo aprendiendo tcnicas para hacer estas
operaciones. Aprende las pruebas de las frmulas que le permiten expresar la
derivada de una funcin, dado el enunciado de la funcin, como una expresin en
x. No obstante conociendo aun el enunciado de la funcin, resulta en muchos
casos tedioso calcular la derivada de la funcin y en otro caso resulta que la
funcin no es conocida como una expresin explicita en trminos de x, sino solo
como una tabulacin de valores. En estos casos con el fin de resolver la dificultad,
se estudian tcnicas numricas que permiten el clculo de los valores de la
derivada de la funcin.
3.1 La serie de Taylor
El teorema de Taylor y su frmula, la serie de Taylor, es de gran valor en el
estudio de los mtodos numricos. En esencia, la serie de Taylor proporciona un
medio para predecir el valor de una funcin en un punto en trminos del valor de la
funcin y sus derivadas en otro punto. En particular, el teorema establece que
cualquier funcin suave puede aproximarse por un polinomio. La serie de Taylor
est dada por,

k
k
f x0 x x0

k 0

k!

f ( x)

f x0

f ' x0 x x0
1!

f '' x0 x x0
2!

...

3.2 Diferencia finita dividida.

Si en la serie de Taylor hacemos el cambio x0 xi y x xi 1 obtenemos,
f ( xi 1 ) f xi

f ' xi xi 1 xi
1!

f '' xi xi 1 xi
2!

de donde,

f ' xi

f xi 1 f xi
xi 1 xi

f '' xi xi 1 xi
2!

...

Que se puede escribir en la forma,

f ' xi

f xi 1 f xi
xi 1 xi

O( xi 1 xi )

La cual se conoce como diferencia finita dividida.

71

...

(3.1)

Tambin se puede escribir como,

f ' xi
Donde

f1 f0
O h
h
f1 f0 se le conoce como la primera diferencia hacia delante y a

h xi 1 xi como tamao de paso o incremento; esto es, la longitud del intervalo

sobre el cual se realiza la aproximacin. Al trmino completo

f1 f 0
se le conoce
h

como primera diferencia finita dividida.

3.3 Aproximacin a la primera derivada.

3.3.1 Con diferencia hacia adelante
Corresponde a la diferencia finita dividida deducida anteriormente y est dada por,
f ' xi

f1 f0
h

Grficamente queda ilustrada por la figura 29.

Figura 29

72

3.3.2 Con diferencia hacia atrs

La serie de Taylor se expande hacia atrs para calcular un valor anterior sobre la
base del valor actual,
f ( xi 1 ) f xi

f ' xi xi xi 1
1!

f '' xi xi xi 1

2!

...

(3.2)

f ( xi 1 ) f ( xi )
f ''( xi )( xi xi 1 )
f '( xi )
...
xi xi 1
2!

f '( xi )

f ( xi ) f ( xi 1 ) f ''( xi )( xi xi 1)

...
xi xi 1
2!

Truncando la ecuacin despus de la primera derivada,

f '( xi )

f ( xi ) f ( xi 1 )
xi xi 1

Que tambin se puede escribir como,

f '( xi )

f0 f 1
h

Conocida como aproximacin con diferencia hacia atrs y queda ilustrada por la
figura 30.

Figura 30
73

3.3.3 Con diferencias centradas

Una tercera forma de aproximar la primera derivada consiste en restar la ecuacin
(3.2) de la ecuacin (3.1) para obtener,

2 f (3) ( xi )h3
f ( xi 1 ) f ( xi 1 ) 2 f '( xi )h
...
3!
De donde se despeja

f ( xi 1 ) f ( xi 1 ) f (3) ( xi ) 2
f '( xi )

h ...
2h
6
O tambin,

f '( xi )

f ( xi 1 ) f ( xi 1 )
O( h 2 )
2h

Luego,

f '( xi )

f ( xi 1 ) f ( xi 1 )
2h

O tambin,

f '( xi )

f1 f 1
2h

Que corresponde a la aproximacin con diferencias centradas y se ilustra en la

figura 31.

Figura 31

74

Ejemplo1
Use aproximaciones con diferencias finitas hacia adelante y hacia atrs de O h y

una aproximacin de diferencia centrada de O h 2

para estimar la primera

derivada de f x 0.1x4 0.15x3 0.5x2 0.25x 1.2 en x 0.5 con h 0.25 .

Solucin
x

f x

xi 1 0.25

f xi 1 1.10351563

xi 0.5

f xi 0.925

xi 1 0.75

Adelante: f ' 0.5

Atrs: f ' 0.5

f xi 1 0.63632813

f1 f0 0.63633 0.925

1.155
h
0.25

f0 f 1 0.925 1.10352

0.714
h
0.25

Centrada: f ' 0.5

f1 f 1 0.63633 1.10352

0.934
2h
2(0.25)

Ejemplo 2
Use aproximaciones con diferencias finitas hacia adelante y hacia atrs de O h y

una aproximacin de diferencia centrada de O h 2

sen

derivada de f x

x
x 1

x 1

en x 0.28 con h 0.2 .

Solucin
x

f x

xi 1 0.08

f xi 1 1.10068

xi 0.28

f xi 1.10737

xi 1 0.48

f xi 1 1.07636

75

para estimar la primera

Adelante: f ' 0.28

Atrs: f ' 0.28

f1 f0 1.07636 1.10737

0.15505
h
0.2

f0 f 1 1.10737 1.10068

0.03345
h
0.2

Centrada: f ' 0.28

f1 f 1 1.07636 1.10068

0.0608
2h
2(0.2)

Figura 32
Se puede verificar derivando directamente la funcin, cuyo proceso es algo
tedioso, que la derivada en x 0.28 es exactamente f ' 0.28 0.11009 . Por lo
tanto, la aproximacin con diferencia centrada f ' 0.28 0.0608 es la ms
prxima a f ' 0.28 0.11009 , pero no necesariamente igual. (Figura 32).
3.4 Aproximacin por diferencias finitas para derivadas de orden superior
3.4.1 Segunda diferencia finita dividida hacia adelante
Usando la serie de Taylor,
f xi 1 f xi f ' xi h

f '' xi
2!

h 2 ...

(1)

76

f xi 2 f xi f ' xi 2h

f '' xi
2!

2h 2 ...

(2)

Multiplicando a la ecuacin (1) por 2 y sumando con la ecuacin (2) miembro a

miembro y despejando la segunda derivada se tiene que,

f '' xi

f xi 2 2 f xi 1 f xi
h2

O h

de donde,

f '' xi

f 2 2 f1 f0
h2

3.4.2 Segunda diferencia finita dividida hacia atrs

Siguiendo pasos similares al caso 3.4.1 se encuentra que,

f '' xi

f xi 2 f xi 1 f xi 2
h2

O h

de donde,

f '' xi

f0 2 f 1 f 2
h2

3.4.3 Segunda diferencia finita dividida centrada

De la misma manera que en el caso 3.4.2 se encuentra que,

f '' xi

f xi 1 2 f xi f xi 1
h

O h2

de donde,

f '' xi

f1 2 f0 f 1
h2

3.5 Formulas de diferenciacin con alta exactitud

3.5.1 Derivada hacia adelante
De la serie de Taylor,
f xi 1 f xi f ' xi h

f '' xi
2!

h 2 ...
77

de donde,
f ' xi

Pero

f xi 1 f xi
h

f '' xi

f '' xi h
2

O h2

f xi 2 2 f xi 1 f xi
h2

(3)

O ( h)

que

ya

se

ha

deducido.

Reemplazando en (3),
f ' xi

f xi 1 f xi
h

f xi 2 2 f xi 1 f xi
2h

O h2

Simplificando,
f ' xi

4 f xi 1 3 f xi f xi 2
2h

O h2

de donde,

f ' xi

4 f1 3 f0 f 2
2h

Ejemplo 1
Use aproximaciones con diferencias finitas hacia adelante con alta exactitud para
sen

estimar la primera derivada de f x

x
x 1

x 1

en x 0.28 con h 0.2 .

Solucin

f x

xi 0.28

f xi 1.10737

xi 1 0.48

f xi 1 1.07636

xi 2 0.68

f ' 0.28

f xi 2 1.03840

4 f1 3 f0 f 2 4(1.07636) 3(1.10737) 1.03840

0.13768
2h
2(0.2)

78

3.6 Diferenciacin numrica para funciones tabuladas

Cuando se va ha practicar una operacin en una funcin tabulada, el camino es
aproximar la tabla por alguna funcin, en particular un polinomio Pn x , y efectuar
la operacin en la funcin aproximante. As procederemos en la diferenciacin
numrica y as se proceder en la integracin numrica. Esto es, se aproximara la
funcin tabulada f x y se diferenciara la aproximacin Pn x (Figura 33)

Figura 33

Sea en general f x Pn x Rn x

d k f x
dx k

d k Pn x
dx k

d k f x
dx k

d k Rn x
dx k

d k Pn x
dx k

Si las abscisas dadas x0 , x1, x2 ,..., xn estn espaciadas regularmente por intervalos
de longitud h , entonces Pn x puede escribirse en trminos de diferencias finitas.
3.6.1 Caso Polinomio Interpolador de Newton
El polinomio interpolador de Newton esta dado por,
Pn x a0 a1 x x0 a2 x x0 x x1 ... an x x0 x x1 ... x xn1
79

donde,
ak f x0 ,..., xk

f xk j , xk j 1,..., xk

f xk j 1,..., xk f xk j ,..., xk 1
xk xk j

Escribiendo el Polinomio de Newton en diferencias finitas

x x0 sh

(0)

x xi x0 sh xi xi x0 sh ih sh h s i , 0 i n
x xi h s i
Pn x Pn x0 sh f x0 h s f x0 , x1 h s s 1 f x0 , x1, x2

h3s s 1 s 2 f x0 , x1, x2 , x3 ... hn s s 1 s 2 ... s s 1 f x0 , x1,..., xn

(1)
n

Pn x ak hk
k 0

k 1

s i
i 0

Esta ltima ecuacin puede simplificarse an ms si se introduce el operador

lineal , conocido como el operador lineal en diferencias hacia adelante y definido
sobre f x como
f x f x h f x

f x 2 f x f x h f x f x h f x
f

x h h f x h f x h f x

2 f x f x 2h 2 f x h f x

De modo general

i f x i 1 f x

80

(2)

Estas diferencias se conocen como diferencias finitas hacia adelante.

f x0 f x0 h f x0 f x1 f x0

f x0 f x1 f x0 h

f x1 f x0 h f
h

f x0 , x1

s 1

x0 , x1

f x0
h

Del mismo modo

f x2 f x1 f x1 f x0

f x2 2 f x1 f x0
x2 x1
x1 x0
f x0 , x1, x2

x2 x0
2h 2
Teniendo en cuenta (0) y (2)

f x0 , x1, x2

2 f x0

(3)

2 h2

Por ejemplo, x x2 x0 2h , s 2
De modo general

f x0 , x1,..., xn

1
n! h

n f x0

(4)

Luego, al reemplazar en (1) f x0 , x1,..., xi , 0 i n en trminos de diferencias

finitas
Pn x Pn x0 sh f x0 sf x0

s s 1 s 2 ... s n 1
n!

s s 1
2!

n f x0

2 f x0

s s 1 s 2
3!

3 f x0

(5)

Conocido como el Polinomio de Newton en diferencias finitas hacia adelante.

De (0) se tiene que,

x x0
s
h
81

de donde,

s 1

x x0
x ( x0 h) x x1
1

h
h
h

Y as sucesivamente para s 2 , s 3
Reemplazando en (5)
Pn ( x) f x0 x x0

f x0
h

x x0 x x1

2 f x0
2! h2

... x x0 x x1 ... x xn1

n f x0
n! hn

de donde,
Si n=1: P1 ( x) f x0 x x0

f x0
h

Luego,

f ( x1 ) f ( x0 )
df ( x) dP1 ( x) f x0

f x0 , x1
dx
dx
h
x1 x0
df ( x) f ( x1 ) f ( x0 )

dx
x1 x0

(6)

Si n=2:

P2 ( x) f x0 x x0

f x0
h

x x0 x x1

2 f x0

2 f x0
df ( x) dP2 ( x) f x0

(2 x x0 x1 )
dx
dx
h
2! h2

2! h2
(7)

(2 x x0 x1 )
df ( x)
f x0 , x1
f ( x2 2 f ( x1) f ( x0 ))
dx
2h 2
2 x 4 x 2 x1 2h
2 x x0 x1
df ( x) 2 x x0 x1 2h

f ( x0 ) 0
f ( x1 )
f ( x2 )
2
2
dx
2h
2h
2h2
La derivada segunda lo obtenemos de (7) mediante derivacin,

2 f x0
d 2 f ( x) d 2 P2 ( x)

2
dx 2
dx 2
2! h2

(9)

82

(8)

Teniendo en cuenta (3) en (9)

d 2 f ( x) d 2 P2 ( x)

2 f x0 , x1, x2
dx 2
dx 2
d 2 f ( x) 1
2
1
2 f ( x0 ) 2 f ( x1 ) 2 f ( x2 )
2
dx
h
h
h

(10)

Ejemplo 1
La ecuacin de Van der Walls para un gmol de CO2 es,

(P

a
) (v b) RT
v2

Donde,
a 3.6 106 atmcm6 / gmol 2

b 42.8 cm3 / gmol

R 82.1atm cm3 / ( gmol K )

Si T 350 K , se obtiene la siguiente tabla de valores,

Puntos
P(atm)
v (cm3 )

Calcule

0
13.782
2000

1
12.577
2200

2
11.565
2400

3
10.704
2600

P
cuando v 2300 cm3 y comprelo con el valor de la derivada analtica.
v

Solucin
La ecuacin (8) toma la forma,

2v 4v 2v1 2h
2v v0 v1
P 2v v0 v1 2h

P0 0
P1
P2
2
2
v
2h
2h
2h2
En los puntos (0), (1) y (2) con h 200 resulta,

2(2300) 2000 2200 2(200)

2(2000) 4(2300) 2(2200) 2(200)
13.782
12.577
2
2(200)
2(200) 2
83

2(2300) 2000 2200

11.565 0.00506
2(200)2

Ahora calculamos la derivada analtica de ( P

a
) (v b) RT ,
v2

a
P 2a

3 v b p 2 0

v
v v

a 1
P 2a

3 p 2

v v b
v v

De ( P

a
1
RT
a

) (v b) RT se tiene que ( P 2 )
2
v v b v b 2
v

Reemplazando en la ecuacin anterior y despejando

P
se obtiene,
v

P 2a
RT
3
v v
v b 2

Reemplazando datos,
P 2(3.6 106 )
82.1 350

0.0056399
3
v
(2300)
2300 42.82

Se observa que la aproximacin tiene un error relativo de 10.28% .

Ejemplo 2
k

En una reaccin qumica A B productos, la concentracin del reactante A es

una funcin de la presin P y la temperatura T . La siguiente tabla presenta la
concentracin de A en gmol / l como funcin de estas dos variables.

84

Calcule la variacin de la concentracin de A con la temperatura a P 8kg / cm2 y

T 300K , usando un polinomio de segundo grado.
Solucin
Se desea calcular

C A
T

. Como los datos no estn equiespaciados,

T 300, P 8

partimos de la ecuacin P2 x f x0 ( x x0 ) f x0 , x1 x x0 x x1 f x0 , x1, x2

que al derivar, operar y simplificar, resulta,
dP2 x
(2 x x0 x2 )
(2 x x0 x1 )
(2 x x1 x2 )

f ( x0 )
f ( x1 )
f (x )
dx
x0 x1 x0 x2
x1 x0 x1 x2
x2 x0 x2 x1 2

En el caso de presente problema se transforma en,

C A
T

T 300
P 8

(2T T0 T2 )
(2T T0 T1 )
(2T T1 T2 )
C A (T0 )
C A (T1 )
C (T )
T0 T1 T0 T2
T1 T0 T1 T2
T2 T0 T2 T1 A 2

Reemplazando datos de acuerdo a la tabla dada,

C A
T

T 300
P 8

(2(300) 300 325)

(2(300) 273 325)
(0.62)
(0.51)
273 300 273 325
300 273300 325

(2(300) 273 300)

gmol
(0.48) 0.0026
lK
325 273 325 300

85

EJERCICIOS
k

1. En una reaccin qumica A B productos, la concentracin del reactante

A es una funcin de la presin P y la temperatura T . La siguiente tabla
presenta la concentracin de A en gmol / l como funcin de estas dos
variables.
T(K)
P(kg/cm2)
273

300

325

360

0.99

0.97

0.96

0.93

0.88

0.82

0.79

0.77

0.62

0.51

0.48

0.45

15

0.56

0.49

0.46

0.42

20

0.52

0.44

0.41

0.37

a) Calcule la variacin de la concentracin de A con la temperatura a

P 8kg / cm2 y T 300K , con diferencia hacia adelante y con diferencia
hacia atrs. Se puede calcular con diferencias centradas usando la teora
desarrollada?
b) Haga lo mismo que en a) pero usando un polinomio de segundo grado.
c) Calcule la variacin de la concentracin de A con la temperatura a
P 15kg / cm2 y T 280K usando un polinomio de grado 2.
2. De la grafica de un diagrama de Moliere del amoniaco se obtiene los
siguientes datos de temperatura (T) contra la presin (P) a entalpa (H)
constante (H=700 BTU/lb)
Puntos

T ( oF )

175

200

225

250

275

P( psia)

100

270

450

640

850

El coeficiente de Joule Thompson esta definido como la derivada parcial de

la temperatura con respecto a la presin a entalpa constante, es decir
86

P H

Calcular cuando la presin es 270 psia usando el polinomio de Lagrange de

grado 3.
3. En la siguiente tabla:
t

93.1

85.9

78.8

75.1

69.8

66.7

T representa la temperatura ( oC ) de una salmuera utilizado como refrigerante y

t (min) es el tiempo. Encuentre la velocidad de enfriamiento en los tiempos
t=2.5 y t=4. Use un polinomio de segundo grado (Lagrange o Newton) y luego
compare el resultado con el valor obtenido calculando la derivada con
diferencias centradas.
4. la siguiente tabla muestra las medidas observadas en una curva de
imantacin del hierro.

10

11

12

1090

1175

1245

1295

1330

1340

1320

1250

Donde es el No. de kilo lneas por cm2 y la permeabilidad.

d
en 8 , calculando la derivada con diferencias
d
centradas
b) Haga lo mismo que en a) pero usando un polinomio de segundo
grado (Lagrange o Newton).
c) Haga lo mismo que en a) usando derivada hacia adelante con alta
exactitud.
a) Hallar

87

5. De la siguiente tabla:
P(atm)

30.43853

27.68355

25.38623

23.44122

V (l / gmol )

1.1

1.21

1.3

Calcular

dP
cuando V 1.05 l , usando un polinomio de grado 2 (Newton).
dV

6. La relacin entre la fem trmica

Eter

de una termocupla de cobre

constantan y la temperatura se muestra en la tabla siguiente:

Eter
(mV)

oC

Calcular

0.8

1.4

1.6

1.8

2.2

2.4

2.7

23.2

30

35

40

45

50

55

60

65

dEter
cuando T=42 o C usando un polinomio de grado 2 (Newton).
dT

7. Dada la funcin tabulada f :

x

1.7

2.6

3.4

4.5

-3

-8

-3.36

176.43

1101.1

3133

6594.4

Obtenga la derivada de f en x=1 usando polinomios de Newton de grados 3 y 2.

Compare resultados.
8. Calcule la derivada numrica de f ( x) x x
4

en x=2, usando un polinomio

interpolador de Lagrange de grado 2 con abscisas xi equiespaciadas de tamao

0.3 talque x1 2 . Compare el resultado obtenido numricamente con el obtenido
analticamente.

88


9. Calcule la derivada de f ( x)

centradas.

ln sen e 2
x

x2
2

en x=2 usando diferencias

10. El campo magntico para los puntos sobre el eje de un anillo circular de
alambre de radio 0.07m que conduce una corriente de 2A viene dado por la
funcin tabulada,
x(m)

2.25

3.5

4.75

7.25

B(T)
109

6.115

0.540

0.144

0.0574

0.0285

0.0162

Calcular la derivada del campo magntico en x=2.7m usando un polinomio de

segundo grado (Newton).

ecos x x x 2 1
11. Dada la funcin f ( x) ln
, calcular:
x senx

a) Calcular numricamente y con alta exactitud f ' 1.1

b) Use un polinomio de grado 2 para aproximar la derivada que se pide calcular
en a).
c) Calcule la derivada que se pide en a) usando diferencias centradas con
h 0.5 .

89

4. INTEGRACION NUMERICA
Los mtodos de integracin comnmente usados pueden clasificarse en dos
grupos: lo que emplean valores dados de la funcin f ( x) en abscisas
equidistantes (Figura 34) y que se conocen como frmulas de Newton Cotes, y
aquellos que utilizan valores de f ( x) en abscisas desigualmente espaciadas,
determinadas por ciertas propiedades de familias de polinomios ortogonales,
conocidas como frmulas de cuadratura gaussiana.

Figura 34
4.1 Mtodos de Newton Cotes
Para estimar

f ( x) dx , los mtodos de Newton Cotes funcionan en general en

dos pasos:
1. Se divide el intervalo a, b en n intervalos de igual amplitud cuyos valores
extremos son sucesivamente,

ba
xi x0 i
,
n

i 0,1, 2,3,...., n

2. Se aproxima f ( x) por un polinomio de grado n , Pn ( x) y se integra

obtener la aproximacin de la integral.

90

para

En efecto:
b

f ( x) dx

xn

x0

n
n
2 f ( x0 )
Pn ( x)dx Pn ( x0 s h)ds h f ( x0 ) s f ( x0 ) s (s 1)
...
0
0
2!

s( s 1)( s 2)...( s (n 1))

n f ( x0 )
ds
n!

Integrando los s primeros trminos

b

n
s2
s3 s 2
s 4 s3 s 2 3
f ( x) dx h sf ( x0 ) f ( x0 ) ( ) 2 f ( x0 ) (
) f ( x0 )
0
2
6 4
24
6

n
s5 s 4 11 3 s 2 4
(
s ) f ( x0 ) ...
120 16 72
8
0
b

n2
n3 n 2
n 4 n3 n 2
f ( x) dx h n f ( x0 ) f ( x0 ) ( ) 2 f ( x0 ) ( )3 f ( x0 )
2
6 4
24 6
6

n5 n4 11 3 n2 4
(
n ) f ( x0 ) ...
120 16 72
8

Particularizando para diferentes valores de n esta ltima expresin:

Si n=1:

1
1
1 f ( x1 ) f ( x0 )

f ( x)dx h f ( x0 ) f ( x0 ) h f ( x0 ) f x0 , x1 h h f ( x0 )
h
2
2
2
h

de donde,
b

f ( x)dx

x1

x0

x1
f ( x0 ) f ( x1 )
f ( x)dx P1 ( x)dx h

x0
2

(1)

En este caso la aproximacin polinomial es una lnea recta (un polinomio de

primer grado P1 ( x) ) y la aproximacin a la integral es el rea del trapecio bajo la
lnea recta, como se muestra en la figura 35. Este mtodo de integracin se llama

91

regla del trapecio. Su resultado no es bueno, a menos que la funcin sea una
recta o muy prxima a sta.

Figura 35
Si n=2:
El intervalo de integracin a, b se divide en dos subintervalos y se tendrn tres
abscisas x0 , x1, x2 . La funcin se aproxima con una parbola, es decir, con un
polinomio de segundo grado P2 ( x) y la aproximacin a la integral ser el rea bajo
el segmento de parbola comprendida entre f ( x0 ) y f ( x2 ) como se muestra en la
figura 36.
b

x2

a f ( x) dx x

x2
1

f ( x) dx P2 ( x)dx h 2 f ( x0 ) 2f ( x0 ) 2 f ( x0 )
x0
3

de donde,
b

x2

a f ( x) dx x

x2

f ( x) dx P2 ( x)dx
x0

Conocida como la regla de Simpson

1
.
3

92

h
f ( x0 ) 4 f ( x1) f ( x2 )
3

(2)

Figura 36
Si n=3:
En este caso se obtiene la regla de Simpson
b

f ( x) dx

x3

x0

x3

f ( x) dx P3 ( x)dx
x0

3
y est dada por,
8

3h
f ( x0 ) 3 f ( x1) 3 f ( x2 ) f ( x3 )
8

(3)

Si n=4:
Se obtiene la expresin conocida como la frmula de Boole y est dada por,
b

x4

a f ( x) dx x

x4

f ( x) dx P4 ( x)dx
x0

2h
7 f ( x0 ) 32 f ( x1) 12 f ( x2 ) 32 f ( x3 ) 7 f ( x4 )
45
(4)

4.2 Mtodos compuestos de integracin

Algunas veces el intervalo de integracin es tan amplio, que resulta conveniente
dividirlo en subintervalos y aproximar cada uno por medio de un polinomio.

93

4.2.1 Mtodo del trapecio compuesto

Ocurre que en

vez de aproximar la integral de f ( x) en a, b por una recta,

conviene dividir a, b en n subintervalos y aproximar cada uno por un polinomio

de primer grado. Una vez hecho esto, se aplica la frmula del trapecio a cada
subintervalo y se obtiene el rea de cada trapecio, de tal modo que la suma de
todas ellas da la aproximacin al rea bajo la curva de f ( x) . Esto es,
b

x1

x2

x0

x1

f ( x)dx P11 ( x) dx P12 ( x) dx ...

xn

P n ( x)dx
xn 1 1

Aqu, se usan superndices para indicar que los polinomios de primer grado no son
todos iguales. Usando la ecuacin (1) se tiene,
b

f ( x)dx

x1 x0
x x
x x
f ( x0 ) f ( x1) 2 1 f ( x1) f ( x2 ) ... n n1 f ( xn1) f xn
2
2
2

(2)
Si todos los subintervalos son del mismo tamao h , esto es, si xi 1 xi h , para
i 0,1,...,(n 1) , de la ecuacin (2) se tiene que,
b

f ( x) dx

n1

h
f ( x0 ) 2 f ( xi ) f ( xn )
2
i 1

Ver figura 37.

Figura 37
94

(3)

Ejemplo 1
Mediante el mtodo del trapecio compuesto aproxime el rea bajo la curva que
representa a una cierta funcin cuyos valores tabulados estn dados en la
siguiente tabla:
Puntos

x0
-1
8

x
f(x)

x1
0
10

x2
1
10

x3
2
20

x4
3
76

x5
4
238

Solucin
Aqu n=5 y h=1. Luego, desarrollando la formula (3)
b

f ( x) dx

h
f
(
x
)

2
f ( xi ) f ( x5 )

0
2
i 1

1 f ( x) dx 2 f ( x0 ) 2( f ( x1) f ( x2 ) f ( x3 ) f ( x4 )) f ( x5 )
4

1 f ( x) dx 2 8 2(10 10 20 76) 238

4

1 f ( x) dx 239
Ejemplo 2
Mediante el mtodo del trapecio compuesto, aproxime el rea bajo la curva de la
2

funcin f ( x) e x , entre 0 y 2. Tomar n=4.

Solucin
Paso 1: construir la tabla para los puntos que se usaran en la integracin
numrica.
Puntos
x
f(x)

x0
0
1

x1
0.5
1.28402

x2
1
2.71828

Paso 2: Integrar, en este caso h=0.5.

95

x3
1.5
9.48774

x4
2
54.59815

f ( x) dx

0.5
f ( x0 ) 2 f ( xi ) f ( x4 )
2
i 1

0 f ( x) dx 4 f ( x0 ) 2( f ( x1) f ( x2 ) f ( x3 )) f ( x4 )
2

2 x2
e
0

dx

1
1 2(1.28402 2.71828 9.48774) 54.59815
4
2 x2

0 e

dx

1
1 26.98008 54.59815
4

2 x2

0 e

dx 20.64456

4.2.2 Mtodo de Simpson 1/3 Compuesto

Como para cada aplicacin de la regla de Simpson se requieren dos subintervalos,
a fin de aplicarla N nmero de veces, deber dividirse el intervalo a, b en un
numero de subintervalos igual a 2N.
Cada par de subintervalos sucesivos se aproxima por un polinomio de segundo
grado (parbola) y se integra usando la ecuacin (2) de la seccin 4.1, de tal
manera que la suma de las reas bajo cada segmento de parbola sea la
aproximacin a la integracin deseada. Esto es,
b

x2

x4

xn

x0

x2

xn 2

f ( x) dx P21 ( x)dx P22 ( x)dx ...

P2k ( x)dx

(4)

Cada P2i ( x) , i 1, 2,..., n es el polinomio de segundo grado que pasa por tres
puntos consecutivos (Ver figura 38)

Figura 38
96

Al sustituir la ecuacin (2) de la seccin 4.1 en la ecuacin (4), se obtiene,

a f ( x) dx 31 f ( x0 ) 4 f ( x1) f ( x2 ) 32 f ( x2 ) 4 f ( x3 ) f ( x4 ) ...
b

hk
f ( xn2 ) 4 f ( xn1) f ( xn )
3

(5)

Donde

h1 x1 x0 x2 x1
h2 x3 x2 x4 x3
.
.
.

hn xn1 xn2 xn xn1

Si h h1 h2 ... hn , la ecuacin (5) queda como sigue,
b

f ( x)dx

h
h
h
f ( x0 ) 4 f ( x1) f ( x2 ) f ( x2 ) 4 f ( x3 ) f ( x4 ) ... f ( xn2 ) 4 f ( xn1) f ( xn )
3
3
3

Que usando la notacin de sumatoria queda de la siguiente manera,

n 1
n2

h
f ( x) dx f ( x0 ) 4 f ( xi ) 2 f ( xi ) f ( xn )
3

i 1
i 2
i 2
i 2

Ejemplo1
Mediante el mtodo de Simpson 1/3 compuesto, aproxime el rea bajo la curva de
2

la funcin f ( x) e x , entre 0 y 2. Tomar n=6.

Solucin
Paso 1: construir la tabla para los puntos que se usaran en la integracin
numrica.
Puntos
x
f(x)

x0
0
1

x1
1/3
1.11752

x2
2/3
1.55962

x3
x4
1
4/3
2.71828 5.91669
97

x5
x6
5/3
2
16.08324 54.59815

Paso 2: Integrar, en este caso h=1/3.

5
4

h
f ( x) dx f ( x0 ) 4 f ( xi ) 2 f ( xi ) f ( x6 )
3

i 1
i 2
i 2
i 2

a f ( x) dx 3 f ( x0 ) 4( f ( x1) f ( x3 ) f ( x5 )) 2( f ( x2 ) f ( x4 )) f ( x6 )
b

Reemplazando datos,
2 x2
e
0

1
dx 3 1 4(1.11752 2.71828 16.08324) 2(1.55962 5.91669) 54.59815
3

2 x2

dx

0 e

1
1 79.67616 14.95262 54.59815 16.69188
9
2 x2

0 e

dx 16.69188

4.3 Integrales dobles

Las tcnicas de integracin estudiadas se pueden aplicar en la aproximacin de
integrales dobles o triples. A continuacin se ilustra el mtodo de Simpson 1/3
compuesto en la solucin de integrales dobles.
Ejemplo1
Usando el mtodo de Simpson 1/3 compuesto con n=4 en el eje x y n=6 en el eje y
aproximar la integral

3 4 x y
e dx dy .
1 0

Solucin
a) Para la integral en el eje x, el intervalo 0, 4 se divide en n=4 subintervalos, de
donde,

40
1
4

construir la tabla para los puntos que se usaran en la integracin numrica.

98

Puntos
(x,y)
f ( x, y)

( x0 , y)
(0,y)

( x1, y)
(1,y)

( x2 , y)
(2,y)

( x3 , y)
(3,y)

( x4 , y)
(4,y)

e0 y

e1 y

e 2 y

e3 y

e 4 y

Luego, se lleva a cabo la integracin manteniendo la variable y constante.

3 4 x y
e dx dy
1 0

3 4 x y

1 0 e

3 4 x y

1 0 e
Si

3h

3h

dx dy

31

f ( x0 , y ) 4 f ( xi , y ) 2
3
i 1
i 2
i 2
i 2

dx dy

f ( xi , y ) f ( x4 , y ) dy

f ( x0 , y) 4( f ( x1, y) f ( x3 , y)) 2 f ( x2 , y) f ( x4 , y) dy

e0 y 4(e1 y e3 y ) 2e2 y e4 y dy

1
g ( y) e0 y 4(e1 y e3 y ) 2e2 y e4 y 53.86385 e y

Se debe integrar,
3 4 x y

1 0 e

dx dy g ( y) dy 53.86385 e y dy

Ahora integramos esta ltima expresin en el eje y , con Simpson 1/3 compuesto y
n=6. En este caso,

3 4 x y
e dxdy
1 0

3 4 x y

1 0 e

dxdy

3 1 1

6
3

5
4

h
g ( y0 ) 4 g ( yi ) 2 g ( yi ) g ( y6 )
3

i 1
i 2
i 2
i 2

h
g ( y0 ) 4( g ( y1) g ( y3 ) g ( y5 )) 2( g ( y2 ) g ( y4 )) g ( y6 )
3

Construimos la tabla para los puntos que se usaran en la integracin numrica.

99

Puntos

y0
1
g (1)

y
g ( y)

3 4 x y
h
e dxdy
1 0
3

3 4 x y
e dxdy
1 0

y2
5/3
g (5 / 3)

y1
4/3
g (4 / 3)

3 4 x y

y5

y6

8/3

g (8 / 3)

g (3)

g (1) 4( g (4 / 3) g (2) g (8 / 3)) 2( g (5 / 3) g (7 / 3)) g (3)

1
8
4
3 53.86385e1 4(53.86385e 3 53.86385e2 53.86385e 3 )
3

2(53.86385e

1 0 e

y4
7/3
g (7 / 3)

y3
2
g (2)

53.86385e 3 ) 53.86385e3

dxdy 935.53055

El resultado analtico es 930.853.

Ahora veamos un mtodo para calcular de modo general

f x, y dxdy
d

usando el mtodo de Newton Cotes con n=2 o formula de Simpson 1/3 tanto a lo
largo del eje x como del eje y.
Calculando primero I1 y

f x, y dx , hacemos h1

h1

h1
x0 a

ba
.
2

x1 a h1

x2 a 2h1

ba
Luego, I1 y 2 f a, y 4 f a h1 , y f a 2h1 , y
3

I1 y

ba
f a, y 4 f a h1 , y f a 2h1 , y
6

100

Ahora calculamos I

f x, y dxdy I1 y dy
d

d c
I1 y dy 2 I1 c 4I1 c h2 I1 c 2h2
3

d c b a
ba
f a, c 4 f a h1 , c f a 2h1 , c 4
f a, c h2 4 f a h1, c h2

6 6
6

f a 2h1 , c h2

ba

f a, c 2h2 4 f a h1, c 2h2 f a 2h1, c 2h2

6

Factorizando y reordenando,
d c b a

f a, c 4 f a, c h2 f a, c 2h2
6 6

4 f a h1, c 4 f a h1, c h2

f a h1, c 2h2 f a 2h1, c 4 f a 2h1, c h2 f a 2h1, c 2h2

Escribiendo en su forma matricial

f a, c

d c b a
I

1 4 1 f a h1 , c
6 6

f a 2h1 , c

f a, c h2
f a h1, c h2
f a 2h1 , c h2

f a, c 2h2

f a h1, c 2h2

f a 2h1 , c 2h2

1
4

1

Esta formulacin permite programar en algn lenguaje de programacin.

EJERCICIOS
1. Calcule la integral

senx
dx usando el mtodo de integracin compuesto
x

del trapecio con n=6.

2. Calcule la integral

1 e
0

sen(4 x) dx usando el mtodo de integracin

Simpson 3/8. Comparelo con el metodo de integracin compuesto Simpson

1/3 con n=4.
3
5 x
dx usando el mtodo de integracin compuesto
3. Calcule la integral x
1 e 1
Simpson 1/3 con n=6.
101

4. Suponga que la fuerza neta F que se ejerce sobre un cuerpo de masa m es

funcin de la distancia x, dada por la funcin tabulada:
X(m)
F(N)

0
1

1
2.12

2
7.48

3
17.08

4
30.92

Determine el trabajo realizado para llevar el cuerpo de masa m desde x=0 hasta
x=4. Usar Simpson 1/3 compuesto.
5. Usando el mtodo de integracin compuesto Simpson 1/3 con n=4 en todo
el proceso de clculo, calcular
a)

b)

sen(1 xy) dx dy
xy

dx dy

102

5. METODOS ITERATIVOS PARA SISTEMAS NO LINEALES

5.1. Mtodo iterativo de punto fijo.
Definicin1: Un punto fijo del sistema de dos ecuaciones

x f1( x, y )

(1)

y f 2 ( x, y )

Es un punto ( p, q) talque p f1( p, q) y q f 2 ( p, q)

Definicin2: Para las funciones dadas en (1), el mtodo de iteracin de punto fijo
es

pk 1 f1 ( pk , qk )

qk 1 f 2 ( pk , qk )

k 01,2,...

(2)

Teorema 1 (Iteracin de punto fijo)

Supongamos que las funciones de (1) as como sus derivadas parciales son
continuas en una regin que contiene un punto fijo ( p, q) . Entonces se tiene que
si ( p0 , q0 ) est suficientemente cerca de ( p, q) y,

f1 ( p, q ) f1 ( p, q )

1
x
y
f 2 ( p, q ) f 2 ( p, q )

1
x
y

(3)

Entonces la iteracin de punto fijo (2) genera una sucesin convergente al punto
fijo ( p, q) (Ver figura 39).
Si la condicin (3) no se cumple, entonces la iteracin podra ser divergente.

103

Figura 39

El inters aqu es usar el mtodo iterativo de punto fijo para resolver sistemas de
ecuaciones no lineales. Supongamos que se desea resolver el siguiente sistema
de ecuaciones no lineales,

f ( x, y ) 0
g ( x, y ) 0

(4)

Con el fin de usar el mtodo iterativo de punto fijo, escribimos el sistema (4) en la
forma dada por (1), es decir,

x f1( x, y )
y f 2 ( x, y )

(5)

Luego, si la solucin existe, es claro que esta solucin satisface (4) si y solo si
satisface (5). El mecanismo usado fundamentalmente es la iteracin de punto fijo
junto con el teorema 1.

104

Ejemplo 1
Determinar una solucin del sistema,

1
x y0
x2
x

40

Solucin
Paso 1: Determinar ( p0 , q0 ) usando el mtodo grfico.

De la figura, estimamos

p0 , q0 (2.7,2.9) .

Paso 2: Determinar f1 ( x, y) y f 2 ( x, y) .
2

x f1 ( x, y) (4 y 3 )

y f 2 ( x, y ) x

1
x2

Verificando las condiciones del teorema 1 (iteracin de punto fijo), se tiene que,

f1 2.7,2.9
0
x

f 2 2.7,2.9
0.89839
x

f1 2.7,2.9
0.98334
y
,

f 2 2.7,2.9
0
y

f1 2.7,2.9 f1 2.7,2.9

0.98334 1
x
y
105

f 2 2.7,2.9 f 2 2.7,2.9

0.89839 1
x
y
Luego, hay convergencia.
Paso 3: Iterar.
2

p1 f1 ( p0 , q0 ) f1 (2.7,2.9) (4 (2.9) 3 )
q1 f 2 ( p0 , q0 ) f 2 (2.7,2.9) 2.7

2.7575

1
2.8372
(2.7)2
2

p2 f1 ( p1, q1 ) f1 (2.7575,2.8372) (4 (2.8372) 3 )

q2 f 2 ( p1, q1 ) f 2 (2.7575,2.8372) 2.7575

2.8197

1
2.889
(2.7575)2

Los resultados se resumen en la siguiente tabla.

Con un programa de computadora se puede comprobar que los valores se

estabilizan aproximadamente en la 203 iteracin. En trminos de convergencia,
diramos que en la 203 iteracin la sucesin de nmeros se aproxima al punto fijo,
que viene a ser la solucin del sistema de ecuaciones dadas.

Ejemplo 2
Determinar una solucin del sistema,

106

x2 2x 3 y 0
x y 1 0
Solucin
Paso 1: Determinar ( p0 , q0 ) usando el mtodo grfico.

De la figura, estimamos

p0 , q0 (0.3,2.4) .

Paso 2: Determinar f1 ( x, y) y f 2 ( x, y) .

x f1 ( x, y )

1
y

y f 2 ( x, y) x 2 2 x 3

Verificar las condiciones del teorema 1 (iteracin de punto fijo),

f1 0.3,2.4
0
x

f 2 0.3,2.4
1.4
x

f1 0.3,2.4
0.17361
y

f 2 2.7,2.9
0
y

f1 0.3,2.4 f1 0.3,2.4

0.17361 1
x
y

107

f 2 0.3,2.4 f 2 0.3,2.4

1.4 1
x
y
Luego, no cumple con las condiciones del teorema y podra no haber
convergencia. Sin embargo, se debe continuar con el siguiente paso, la iteracin.
Paso 3: Iterar.

p1 f1 ( p0 , q0 ) f1 (0.3,2.4)

1
0.41667
2.4

q1 f 2 ( p0 , q0 ) f 2 (0.3,2.4) (0.3)2 2(0.3) 3 2.49

p2 f1 ( p1, q1 ) f1 (0.41667,2.49)

1
0.40161
2.49

q2 f 2 ( p1, q1 ) f 2 (0.41667,2.49) (0.41667) 2 2(0.41667) 3 2.3403

Los resultados se resumen en la siguiente tabla.

Con un programa de computadora se puede comprobar que los valores se

estabilizan aproximadamente en la 17 iteracin. En trminos de convergencia,
diramos que en la 17 iteracin la sucesin de nmeros se aproxima al punto fijo,
que viene a ser la solucin del sistema de ecuaciones dadas. No obstante que las
condiciones suficientes del teorema no se satisfacan, la sucesin si resulto ser
convergente.
5.2 Mtodo iterativo de Seidel
Mejora el mtodo de iteracin de punto fijo y consiste en,
108

pk 1 f1 ( pk , qk )
qk 1 f 2 ( pk 1, qk )
5.3 Mtodo iterativo de la derivada parcial
Si se desea resolver el sistema de ecuaciones no lineales,

f ( x, y ) 0
g ( x, y ) 0
El mtodo iterativo est dado por,

f ( pk , qk )
f ( pk , qk )
x
g ( pk 1, qk )
qk 1 qk
g ( pk 1, qk )
y
pk 1 pk

k 0,1,2,3,...

Ejemplo1
Use el mtodo de la Derivada Parcial para aproximar las soluciones de,

y x x 2 0
x 2/3 y 2 3 4 0

x 1, y 1

Solucin

Paso1: Hacer f ( x, y) y x x

y g ( x, y) x

y2 3 4 y usar el mtodo
grafico para determinar los valores iniciales de iteracin p0 , q0 ,
2/3

109

De acuerdo a la figura, podemos tomar p0 2.7 y q0 2.8 .

Paso2: Calcular las derivadas parciales f x y

g y e iterar tal como se indica en la

siguiente tabla,
k
0
1
2
3
4
5

pk
2.7000
2.6586
2.8816
2.6314
2.9128
2.5969

f ( pk , qk )
-0.0372
0.1993
-0.2293
0.2506
-0.2904
0.3152

f x ( pk , qk )
-0.8984
-0.8936
-0.9164
-0.8902
-0.9191
-0.8858

pk 1
2.6586
2.8816
2.6314
2.9128
2.5969
2.9527

qk

g ( pk 1, qk )

g y ( pk 1, qk )

qk 1

2.8000
2.9994
2.7727
3.0264
2.7403
3.0603

-0.0943
0.1048
-0.1204
0.1318
-0.1525
0.1660

0.4730
0.4623
0.4745
0.4609
0.4764
0.4592

2.9994
2.7727
3.0264
2.7403
3.0603
2.6987

Hasta aqu, podemos tomar como soluciones x 2.9527 y

y 2 . 6 9 8. 7Sin

embargo, se requiere an ms iteraciones hasta que los valores obtenidos

comiencen a repetirse, es decir, se manifieste la convergencia.
5.4 Mtodo iterativo de Newton Raphson para sistemas no lineales
Se desea resolver el sistema de dos ecuaciones no lineales,

f1 ( x, y ) 0
f 2 ( x, y ) 0
Para ello, consideramos el sistema

u f1 ( x, y )

(1)

v f 2 ( x, y )

Puesto que se tiene funciones de dos variables, consideremos la serie de Taylor

k f ( x0 , y0 ) ( x x0 ) k1 ( y y0 ) k2
z ( x, y )
k1
k2
k1 ! k2 !
k10 k2 0 x y

k k1 k2

Cuyo desarrollo para los primeros trminos es,

z ( x, y) f ( x0 , y0 )

f ( x0 , y0 )
f ( x0 , y0 )
( x x0 )
( y y0 ) ...
x
y
110

Luego,

z ( x, y) f ( x0 , y0 )

f ( x0 , y0 )
f ( x0 , y0 )
( x x0 )
( y y0 )
x
y

En el caso que se est viendo, se tiene que,

f1 ( x0 , y0 )
f ( x , y )
( x x0 ) 1 0 0 ( y y0 )
x
y
f ( x , y )
f ( x , y )
v v0 2 0 0 ( x x0 ) 2 0 0 ( y y0 )
x
y

u u0

(2)

El sistema (2) es una aproximacin lineal local que nos da una idea del efecto que
pequeos cambios en las variables independientes producen en las variables
dependientes.

f1 ( x0 , y0 ) f1 ( x0 , y0 )
x x
x
y
u u0
0

v v f ( x , y ) f ( x , y ) y y
2 0 0
0
2 0
0
0

x
y

(3)

Si escribimos (1) como una funcin vectorial v F ( X ) , entonces la matriz

jacobiana J ( x, y) es el anlogo bidimensional de la derivada, pues (3) se puede
escribir como,

F J ( x0 , y0 ) X
Sea

0 f1 ( x, y )
0 f 2 ( x, y )

(4)

Supongamos que ( p, q) es una solucin de (4), es decir,

0 f1 ( p, q)
0 f 2 ( p, q )

(5)

Si consideramos pequeos cambios de las funciones cerca de un punto inicial

( p0 , q0 ) prximo a la solucin ( p, q) ,
111

u u u0

, p x p0

v v v0

, q y q0

(6)

Ponemos ( x, y) ( p, q) en (1) y usamos (5), de manera que (u, v) (0,0) ,

entonces los cambios en las variables dependientes son,

u u0 f1 ( p, q) f1 ( p0 , q0 ) 0 f1 ( p0 , q0 )

(7)

v v0 f 2 ( p, q) f 2 ( p0 , q0 ) 0 f 2 ( p0 , q0 )

Ahora usamos los resultados de (7) en la aproximacin lineal (3) y obtenemos,

f1 ( p0 , q0 ) f1 ( p0 , q0 )

p
x
y
f ( p ,q )

1 0 0
f 2 ( p0 , q0 ) f 2 ( p0 , q0 ) q
f 2 ( p0 , q0 )

x
y

(8)

Si la matriz jacobiana J ( p0 , q0 ) que aparece en (8) es invertible, entonces

podemos despejar P p q ' p q ' p0

P J ( p0 , q0 )1 F ( p0 , q0 )

q0 ' de manera que,

(9)

Esto nos proporciona la siguiente aproximacin P1 a la solucin P p

P1 P0 P P0 J ( p0 , q0 )1 F ( p0 , q0 )

q ,

(10)

OBSERVACION:
La frmula (10) es la generalizacin de la frmula de iteracin del mtodo de
Newton Raphson para funciones de una variable,

p1 p0

f ( p0 )
f '( p0 )

Los pasos a seguir en la aplicacin del mtodo iterativo de Newton Raphson

para resolver sistemas no lineales de la forma,

f1 ( x, y ) 0
f 2 ( x, y ) 0
112

es:
Supongamos que se ha obtenido Pk ( pk , qk ) .
Paso 1: Evaluar la funcin,

f1 ( pk , qk )
F ( Pk )

f 2 ( pk , qk )
Paso 2: Evaluar la matriz jacobiana,

f1 ( pk , qk )

x
J ( Pk )
f 2 ( pk , qk )

f1 ( pk , qk )

f 2 ( pk , qk )

Paso 3: Calcular P resolviendo el sistema lineal,

J ( Pk ) P F ( Pk )
Paso 4: Calcular el siguiente punto,

Pk 1 Pk P
Y repetir el proceso.
Ejemplo 1
Resolver el sistema

x 2 2 x y 0.5 0
x2 4 y 2 4 0
Tomando como punto inicial de iteracin ( p0 , q0 ) (2,0.25) .
Solucin
Paso 1: Formar la funcin vectorial y evaluarlo en (2,0.25)

x 2 2 x y 0.5
F ( x, y ) 2

2
x 4 y 4

113

0.25
F (2,0.25)

0.25
Paso 2: Calcular el jacobiano y evaluarlo en (2,0.25)

2 x 2
J ( x, y )
2 x
2
J (2,0.25)
4

1
8 y
1
2

Paso 3: Resolver la ecuacin matricial,

2 1 p
0.25

4 2 q
0.25

Es decir, resolver el sistema lineal de ecuaciones,

2p q 0.25
4p 2q 0.25
Resolviendo,

p 0.09375
P

q 0.0625
Paso 4:
El siguiente punto de iteracin es:

2 0.09375 1.90625
P1 P0 P
0.0625 0.3125
0.25

Repitiendo el proceso se obtiene,

1.900691
P2

0.311213

114

1.900677
P3

0.311219
Ejemplo 2
Resolver el sistema no lineal

x y x 1 0
y ex 1 0
Tomando como punto inicial de iteracin (0.3,2.4)
Solucin
Paso 1: Formar la funcin vectorial y evaluarlo en (0.3,2.4)

x y x 1
F ( x, y )

x
y e 1

0.02

F (0.3,2.4)

0.05014
Paso 2: Calcular el jacobiano y evaluarlo en (0.3,2.4)

y 1
J ( x, y ) x
e

3.4
J (0.3,2.4)
1.34986

0.3
1

Paso 3: Resolver la ecuacin matricial,

3.4
1.34986

0.3 p
0.02

0.05014
1 q

Es decir, resolver el sistema lineal de ecuaciones,

3.4p 0.3q 0.02

1.34986 p

q 0.05014
115

Resolviendo,

p 0.00130
P

q 0.05189
Paso 4:
El siguiente punto de iteracin es:

0.3 0.00130 0.2987

P1 P0 P

2.4 0.05189 2.3481

Repitiendo el proceso se obtiene,

0.2987
P2 P1 P

2.3481
En este ejercicio la convergencia es muy veloz.

EJERCICIOS
1. Usando el mtodo de iteracin de Seidel, resolver el sistema:

x2 y 2 2 x 2 y

94
0
25

x2 2 x 2 y 0
Tome como punto inicial de iteracin el vrtice de la parbola el cual debe
aproximar la raz ms cercana a este vrtice. Graficar.
2. Usando el mtodo de iteracin de Newton Raphson, resolver:

senx y x 0
e y cos x 1 0
Tome como punto inicial de iteracin (2.5,-2).
3. Usando el metodo de Seidel con 5 iteraciones resolver el siguiente sistema:

116

x2 2x y 2 8 0
x2 2x 4 y 2 2 0 ; x 0 , y 0

4. Resuelva el sistema de ecuaciones dado en 3) pero usando el metodo de

Newton Raphson con 2 iteraciones.
5. Resuelva usando el mtodo de punto fijo y el mtodo de la derivada parcial:
a)

x y ey 1
y x ex 2

x y seny 1
b)

ye x 1 0
senx xy 1

c)

d)

ye x 1
xe x y 2
ye y x 2

xy x 2 0
e)

ye x x 3 0

6. Resuelva el siguiente sistema no lineal usando el mtodo de la derivada

parcial y el mtodo de Newton Raphson.

y ex 2 0
ye x x 2 0
7. Resuelva el siguiente sistema no lineal usando el mtodo de la derivada
parcial y el mtodo de Newton Raphson.

xy x 2 4 0 ; x, y 0
cos x xy 2 0 ; x, y 0
8. Resuelva el siguiente sistema no lineal usando el mtodo de la derivada
parcial y el mtodo de Newton Raphson.
117

e xy x 3 0
xy y 2 4 0
9. Resuelva el siguiente sistema no lineal usando el mtodo de punto fijo y el
mtodo de Newton Raphson.

x 2 xy 1 0
x y e xy 0

6. INTRODUCCION A LA SOLUCION NUMERICA DE ECUACIONES

DIFERENCIALES ORDINARIAS
Se describen dos mtodos para resolver ecuaciones diferenciales ordinarias de
primer orden de la forma y ' f (t , y) .
118

6.1 METODO DE EULER

Dividir el intervalo a, b en M subintervalos iguales talque,

tk a kh , k 01,2,..., M , donde h

ba
es el tamao de paso.
M

Si suponemos que la solucin de la ecuacin diferencial admite un desarrollo en

serie de Taylor

y((tk0)) (t t0 )k

k 0

k!

y (t )

Cuyo desarrollo de los tres primeros trminos es

y(t ) y(t0 ) y '(t0 )(t t0 )

y ''(t0 )(t t0 )2
...
2!

Luego, c1 (t0 , t ) talque

y(t ) y(t0 ) y '(t0 )(t t0 )

y ''(c1 )(t t0 )2
2!

Si hacemos t t1 y h t1 t0

y ''(c1 )h2
y (t1 ) y (t0 ) y '(t0 )h
2!
Si h es suficientemente pequeo, podemos despreciar el trmino que contiene h
y obtener,

y(t1 ) y(t0 ) y '(t0 )h

Puesto que y '(t0 ) f (t0 , y(t0 )) f (t0 , y0 ) se tiene que

y(t1 ) y1 y0 h f (t0 , y0 )
Por lo tanto,

y1 y0 h f (t0 , y0 )
Expresin conocida como aproximacin de Euler.
119

Iterativamente queda escrito como,

yk 1 yk h f tk , yk , tk 1 tk h , k 0,1,..., M 1
Descripcin Geomtrica
Si partimos del punto (t0 , y0 ) , calculamos el valor de la pendiente m0 f (t0 , y0 ) ,
nos movemos horizontalmente una distancia h y verticalmente una distancia
h f (t0 , y0 ) , entonces lo que hacemos es desplazarnos a lo largo de la recta
tangente a la curva y (t ) terminando en el punto (t1 , y1 ) como se muestra en la
figura 40.

Figura 40
Ejemplo 1

y ' 1 y 2 con
determinar y (1.4) .

y(0) 0 ,

Si

Solucin

1.4 0
0.1 donde se ha
14
tomado M 14 convenientemente para obtener h 0.1 . La aproximacin de
En este caso f (t , y) 1 y , t0 0 , y0 0 , h
2

Euler escrita iterativamente es

yk 1 yk h f (tk , yk )
120

yk 1 yk h (1 yk2 )
Luego,
Si

k 0:

y1 y0 h (1 y02 ) 0 0.1(1 02 ) 0.1

y1 0.1
t1 t0 h 0 0.1 0.1
t1 0.1

k 1:

y2 y1 h (1 y12 ) 0.1 0.1(1 0.12 ) 0.201

y2 0.201
t2 t1 h 0.1 0.1 0.2

t2 0.2

k 2:

y3 y2 h (1 y22 ) 0.201 0.1(1 0.2012 ) 0.3050401

y3 0.3050401
t3 t2 h 0.2 0.1 0.3
t3 0.3

Resumiendo en una tabla,

121

6.2 METODO DE RUNGE KUTTA DE ORDEN 2

Simula la precisin del mtodo de la serie de Taylor de orden N=2.
De la serie de Taylor escribimos,

1
y(t h) y(t ) h y '(t ) h 2 y ''(t ) ...
2

(1)

Adems,

y ' f (t , y)

(2)

Derivando (2)

y '' ft (t , y) f y (t , y) y '
Reemplazando (2) en esta ltima expresin,

y '' ft (t , y) f y (t , y) f (t , y)

(3)

Reemplazando (2) y (3) en (1),

1
y(t h) y (t ) h f (t , y) h 2 f t (t , y ) f y (t , y ) f (t , y ) ...
2
1
1
y(t h) y (t ) h f (t , y) h 2 ft (t , y) h 2 f y (t , y ) f (t , y) ... (4)
2
2
El mtodo usa una combinacin lineal de dos funciones de la forma

y(t h) y(t ) Ah f 0 Bh f1

(5)

Donde
122

f0 f (t , y)
f1 f (t Ph, y Qh f 0 )
Usando la serie de Taylor para funciones de dos variables

k f (t0 , y0 ) (t t0 ) k1 ( y y0 ) k2
f (t , y )
k1
k2
k1 !k2 !
k1 0 k2 0 t y

donde k k1 k2 .
Desarrollando los trminos que contienen las primeras derivadas,

f (t , y) f (t0 , y0 ) ft (t0 , y0 )(t t0 ) f y (t0 , y0 )( y y0 ) ...

t t0 Ph , y y0 Qh f 0

f (t0 Ph, y0 Qh f0 ) f (t0 , y0 ) ft (t0 , y0 ) Ph f y (t0 , y0 )Qh f 0 ...

t0 t , y0 y

f (t Ph, y Qh f0 ) f (t , y) ft (t , y) Ph f y (t , y)Qh f 0 ...

f1 f (t , y) Phft (t , y) Qhf y (t , y) f (t , y) ...

(6)

(6) en (5)

y(t h) y(t ) Ahf (t , y) Bh f (t , y) Phft (t , y) Qhf y (t , y) f (t , y) ...

y(t h) y(t ) Ahf (t , y) Bhf (t , y) Bh2 Pft (t , y) BQh2 f y (t , y) f (t , y) ...
y(t h) y(t ) ( A B)hf (t , y) BPh2 ft (t , y) BQh 2 f y (t , y) f (t , y) ... (7)
Comparando (4) y (7)

A B 1
BP

1
2

123

BQ

1
2

Luego, se presentan los siguientes casos

Caso1: Si A

1
1
, se obtiene B , P 1 , Q 1 y (5) se convierte en
2
2

h
y(t h) y (t ) ( f (t , y ) f (t h, y hf (t , y ))
2
Escrito en forma iterativa,

yk 1 yk

h
f (tk , yk ) f (tk 1, Pk 1)
2

Donde,

Pk 1 yk h f (tk , yk )

tk 1 tk h
Conocido como el mtodo de Heun.
Caso2: Si A 0 , se obtiene B 1 , P

1
1
, Q y (5) se convierte en
2
2

h
h
y(t h) y(t ) h f (t , y f (t , y ))
2
2
Escrito en forma iterativa,

h
h
yk 1 yk h f (tk , yk f (tk , yk ))
2
2
Conocido como mtodo de Euler modificado o mtodo de Cauchy.

Ejemplo 1

124

Si y ' 1 y

con y(0) 0 , determinar y (1.4)

usando el mtodo de Heun.

(Ejemplo anterior).
Solucin
Si k 0 : P1 y0 hf (t0 , y0 ) y0 h(1 y0 ) 0 0.1(1 0 ) 0.1
2

P1 0.1
t1 t0 h 0 0.1 0.1

t1 0.1
y1 y0

h
h
f (t0 , y0 ) f (t1, P1 ) y0 (1 y02 ) (1 P12 )
2
2

0.1
(1 02 ) (1 (0.1) 2 )
2

y1 0.1005

k 1:

P2 y1 hf (t1, y1 ) y1 h(1 y12 ) 0.1005 0.1(1 (0.1005)2 )

P2 0.201510025
t2 t1 h 0.1 0.1 0.2

t2 0.2

y2 y1

h
h
f (t1, y1 ) f (t2 , P2 ) y1 (1 y12 ) (1 P22 )
2
2

y2 0.1005

0.1
(1 (0.1005)2 ) (1 (0.20151)2 ) 0.20303533
2

y2 0.20303533

k 2:

P3 y2 h f (t2 , y2 ) y2 h (1 y22 )
P3 0.20303533 0.1(1 (0.20303533)2 )

125

P3 0.30715766
t3 t2 h 0.2 0.1 0.3

t3 0.3

y3 y2

h
h
f (t2 , y2 ) f (t3 , P3 ) y2 (1 y22 ) (1 P32 )
2
2

y3 0.20303533

0.1
(1 (0.20303533)2 ) (1 (0.30715766)2 )
2

y3 0.30981379

Ejemplo 2
Si y ' t y con y(0) 0 , determinar y (1.4) usando el mtodo de Heun.
2

Solucin

1.4 0
0.1 donde se ha
14
tomado M 14 convenientemente para obtener h 0.1 .
Se tiene que f (t , y) t y , t0 0 , y0 0 , h
2

Si k 0 : P1 y0 hf (t0 , y0 ) y0 h(t0 y0 )
2

P1 0 0.1(02 02 ) 0
P1 0

126

t1 t0 h 0 0.1 0.1

t1 0.1

y1 y0

y1 0

h
h
f (t0 , y0 ) f (t1, P1 ) y0 (t02 y02 ) (t12 P12 )
2
2

0.1 2
(0 02 ) ((0.1)2 02 ) 0.0005
2

y1 0.0005

k 1:

P2 y1 hf (t1, y1 ) y1 h(t12 y12 )

P2 0.0005 0.1((0.1)2 (0.0005)2 )
P2 0.001500025
t2 t1 h 0.1 0.1 0.2

t2 0.2

y2 y1

h
h
f (t1, y1 ) f (t2 , P2 ) y1 (t12 y12 ) (t22 P22 )
2
2

y2 0.0005

0.1
((0.1)2 (0.0005)2 ) ((0.2)2 (1.500025 103 )2 )
2

y2 0.003000125

k 2:

P3 y2 hf (t2 , y2 ) y2 h(t22 y22 )

P3 0.003000125 0.1((0.2)2 (0.003000125)2 )
P3 7.001025075 103
t3 t2 h 0.2 0.1 0.3

t3 0.3

127

y3 y2

h
h
f (t2 , y2 ) f (t3 , P3 ) y2 (t22 y22 ) (t32 P32 )
2
2

y3 0.003000125

0.1
((0.2)2 (0.003000125)2 ) ((0.3)2
2

(7.001025075 103 )2 )
y3 0.009503026
Los resultados se resumen en la siguiente tabla,

7. ECUACIONES DIFERENCIALES ORDINARIAS DE SEGUNDO ORDEN

Sea la ecuacin diferencial ordinaria de segundo orden,

y ''(t ) a y '(t ) b y(t ) q(t ),

y(t0 ) y0 , y '(t0 ) y1

(1)

donde a , b son constantes y q(t ) una funcin conocida.

Es fcil aplicar el mtodo de Runge-Kutta de orden 2 Mtodo de Heun, a la
ecuacin diferencial (1). Con este fin, definimos,

z (t ) y '(t )
As, la ecuacin (1) se reduce a unas ecuaciones diferenciales simultneas de
primer orden,

y ' f (t , y, z) z ,

y(t0 ) y0

z ' g (t , y, z) az by q , z(t0 ) y1
128

(2)

Luego, el mtodo de Runge Kutta de orden 2 - Mtodo de Heun, para el sistema

de ecuaciones (2) se escribe como,

k1 h f (tn , yn , zn ) h zn

l1 h g (tn , yn , zn ) h (azn byn qn )

k2 h f (tn1, yn k1, zn l1 ) h ( zn l1)
l2 hg (tn1, yn k1, zn l1 ) h(a( zn l1 ) b( yn k1 ) qn1 )
1
yn1 yn (k1 k2 )
2
1
zn1 zn (l1 l2 )
2

tn1 tn h
Ejemplo 1
Cierto material de forma cubica, con una masa de M 0.5kg se pone en el
extremo inferior de un resorte sin masa. El extremo superior se fija a una
estructura en reposo. El cubo recibe una resistencia de R B

dy
del aire, donde
dt

B es una constante de amortiguamiento. La ecuacin de movimiento es,

d2y
dy
M 2 B ky 0 , y (0) 1 , y '(0) 0
dt
dt
Donde y es el desplazamiento desde la posicin esttica, k 100 kg seg es la
2

constante del resorte y B 10 kg seg .

a) Calcule a mano y (t ) , para 0 t 0.05 y h 0.025 mediante el mtodo de
Runge Kutta de orden 2 Mtodo de Heun.
b) Calcule y (t ) , para 0 t 0.75 y h 0.001 segundos con el mtodo de Runge
Kutta de orden 2 Mtodo de Heun.

Solucin
a) La ecuacin diferencial dada se escribe como,

129

y ' f (t , y, z) z ,

y(0) 1

z ' g (t , y, z) 20 z 200 y ,

z (0) 0

donde q(t ) 0 .
Si n 0 : t1 t0 h 0 0.025 0.025

k1 hf (t0 , y0 , z0 ) h z0 0.025(0) 0
l1 hg (t0 , y0 , z0 ) h(20 z0 200 y0 ) 0.025(20(0) 200(1)) 5
k2 hf (t1, y0 k1, z0 l1 ) h( z0 l1 ) 0.025(0 5) 0.125
l2 hg (t1, y0 k1, z0 l1 ) h(20( z0 l1 ) 200( y0 k1 ))
0.025(20(0 5) 200(1 0)) 2.5
1
y1 y0 (k1 k2 )
2

1
y1 1 (0 0.125) 0.9375
2
1
z1 z0 (l1 l2 )
2

1
z1 0 (5 2.5) 3.75
2
Si n 1 : t2 t1 h 0.025 0.025 0.05

k1 hf (t1, y1, z1 ) h z1 0.025(3.75) 0.09375

l1 hg (t1, y1, z1 ) h(20 z1 200 y1) 0.025(20(3.75) 200(0.9375)) 2.8125
k2 hf (t2 , y1 k1, z1 l1 ) h( z1 l1 ) 0.025(3.75 2.8125) 0.1640625
l2 hg (t2 , y1 k1, z1 l1 ) h(20( z1 l1 ) 200( y1 k1 ))
0.025(20(3.75 2.8125) 200(0.9375 0.093750)) 0.9375

130

1
y2 y1 (k1 k2 )
2

1
y2 0.9375 (0.09375 0.1640625) 0.80859
2
1
z2 z1 (l1 l2 )
2

1
z2 3.75 (2.8125 0.9375) 5.625
2

b) La solucin se ha llevado a cabo haciendo el uso de un programa

computacional. Los resultados se muestran despus de cada 50 pasos.
t(seg)
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75

y(m)
1.000
0.823
0.508
0.238
0.066
-0.016
-0.042
-0.038
-0.025
-0.013
-0.004
0.000
0.001
0.001
0.001
0.000

131

EJERCICIOS
En cada uno de los siguientes ejercicios, use los mtodos de Euler, Heun y Euler
modificado:
1. y ' et e y ,
2. y ' t e

3. y ' y e

,
,

y(0) 1
y(0) 2

, determinar y (1.2) con 12 iteraciones.

, determinar y (0.8) con 8 iteraciones.

y(0) 1 ,

determinar y (0.4) con 4 iteraciones.

132

8. INTRODUCCION A LAS ECUACIONES DIFERENCIALES PARCIALES

Ecuaciones hiperblicas: la ecuacin de la onda

utt ( x, t ) c 2uxx ( x, t )

0 xa

0 t b (1)

Con las condiciones de contorno

u(0, t ) 0

u(a, t ) 0

u( x,0) f ( x)
ut ( x,0) g ( x)

,
,

0t b

(2)

0 xa

(3)

0 xa

(4)

Construccin de la ecuacin en diferencias

Hacer una particin del rectngulo R ( x, t ) / 0 x a , 0 t b en una malla
que consta de n-1 por m-1 rectngulos de lados x h y t k .

1. La solucin de la primera fila donde t t1 0 est dado por u( xi , t1 ) f ( xi )

que corresponde a la condicin de contorno (3).
2. La solucin para la segunda fila se obtiene usando la funcin g ( x) dada en la
condicin de contorno (4). Aplicando la frmula de Taylor de orden 1 para
desarrollar u ( x, t ) alrededor de ( xi ,0) ,

133

u( x, t ) u( xi , t j ) ut ( xi , t j )(t t j ) O (t t j ) 2

Desarrollando alrededor de ( xi ,0) , para el valor u ( xi , k ) se tiene,

u( xi , k ) u( xi ,0) ut ( xi ,0)(k 0) O (k 0)2

u( xi , k ) u( xi ,0) ut ( xi ,0)k O k 2

(5)

Usando las condiciones de contorno (3) y (4)

u( xi ,0) f ( xi ) fi
ut ( xi ,0) g ( xi ) gi
En (5), se obtiene,

ui ,2 fi gi k

i 2,3,..., n 1

(6)

Para x1 la condicin de contorno (2) es u(0, t ) 0 .

Es aconsejable tomar un tamao de paso k muy pequeo con el fin de evitar un
error de truncamiento apreciable al usar la formula (6).
Si f ( x) es dos veces derivable, uxx ( x,0) f ''( x) , luego,

utt ( xi ,0) c 2u xx ( xi ,0) c 2 f ''( xi ) c 2

fi 1 2 fi fi 1
O(h 2 )
2
h

(7)

La frmula de Taylor de orden 2 es,

utt ( x, o)k 2
u ( x, k ) u ( x,0) ut ( x,0)k
O(k 3 )
2

(8)

Aplicando (8) en x xi junto con (6) y (7) se obtiene,

c 2k 2
u ( xi , k ) fi k gi 2 ( fi 1 2 fi fi 1 ) O(h 2 )O(k 2 ) O(k 3 )
2h
Si r

ck
, la expresin (9) se reduce a,
h
134

(9)

r2
ui ,2 (1 r ) fi kgi ( fi 1 fi 1 )
2
2

(10)

para i 2,3,..., n 1
3. Para calcular las soluciones aproximadas en los puntos de la tercera fila de la
malla.

utt ( x, t )

u ( x, t k ) 2u ( x, t ) u ( x, t k )
O( k 2 )
2
k

uxx ( x, t )

u ( x h, t ) 2u ( x, t ) u ( x h, t )
O(h 2 )
2
h

(11)

(12)

Reemplazando (11) y (12) en (1),

ui , j 1 2ui , j ui , j 1
k2
Pero r

c2

ui 1, j 2ui , j ui 1, j

(13)

h2

ck
y luego de reordenar,
h

ui , j 1 (2 2r 2 )ui , j r 2 (ui1, j ui1, j ) ui , j 1

i 2,3,..., n 1

(14)

OBSERVACION: Para garantizar la estabilidad de la formula (14) es necesario

que r

ck
1.
h

Ejemplo 1
Usando el mtodo de las diferencias finitas resolver,

utt ( x, t ) 4 uxx ( x, t )

u(0, t ) 0 y u(1, t ) 0

para
,

u( x,0) sen x sen2 x

ut ( x,0) 0

0 x 1 y 0 t 0.5

0 t 0.5
,

0 x 1

0 x 1

135

Solucin
Por

conveniencia

h 0.1

tomamos

ck 2(0.05)

1 . Como g ( x) 0
h
0.1

k 0.05 . Puesto

que

c 2,

r 1 la formula (10) para calcular los

valores de la segunda fila queda,

ui ,2

fi 1 fi 1
2

i 2,3,...,9

Recordar que gi 0 pues g ( x) 0 . Adems, la formula (14) se simplifica a,

ui , j 1 ui1, j ui1, j ui , j 1

i 2,3,...,9

Ahora realizamos los clculos por filas,

Primera fila: fi u( xi ,0) f ( xi )

f 2 u(0.1,0) f (0.1) 0.896802

f3 u(0.2,0) f (0.2) 1.538842
f 4 u(0.3,0) f (0.3) 1.76004
.
.
.

fi 1 fi 1
2
f f
0 1.538842
u2,2 1 3
0.769421
2
2

Segunda fila: ui ,2

u3,2

f 2 f 4 0.896802 1.760074

1.328438
2
2

u4,2

f3 f5 1.538842 1.538842

1.538842
2
2

u5,2

f 4 f6 1.760074 1

1.380037
2
2

136

u6,2

f5 f7 1.538842 0.363271

0.951056
2
2

u7,2

f6 f8 1 (0.142040)

0.428980
2
2

u8,2

f7 f9 0.363271 (0.363271)

0.000000
2
2

u9,2

f8 f10 0.142040 0.278768

0.210404
2
2

Tercera fila: ui , j 1 ui 1, j ui1, j ui , j 1

i 2 , j 2 : u2,3 u3,2 u1,2 u2,1

u2,3 1.328438 0 0.896802 0.431636
i 3 , j 2 : u3,3 u4,2 u2,2 u3,1
u3,3 1.538842 0.769421 1.538842 0.769421
.
.
.
Los resultados se resumen en la siguiente tabla:
0.0

tj
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50

x1
0
0
0
0
0
0
0
0
0
0
0

0.1

x2
0.89680
0.76942
0.43163
0.00000

0.2

x3
1.53884
1.32844
0.76942

0.3

x4
1.76007
1.53884

0.4

x5
1.53884
1.38004

137

0.5

x6
1.00000
0.95106

0.6

x7
0.36327
0.42898

0.7

x8
-0.14204
0.00000

0.8

x9
-0.36327
-0.21040

0.9

x10
-0.27877

EJERCICIOS
Resolver:
1. utt ( x, t ) 9 uxx ( x, t ) , 0 x 1 , 0 t 0.5

u(0, t ) 0 , u(1, t ) 0 , 0 t 0.5

u( x,0) e x 1 , 0 x 1

k 0.05 , r 1 .

ut ( x,0) 0 , 0 x 1
2. utt ( x, t ) 9 uxx ( x, t ) , 0 x 1 , 0 t 0.5

u(0, t ) 0 , u(1, t ) 0 , 0 t 0.5

u( x,0) cos x 1 , 0 x 1

k 0.05 , r 1 .

ut ( x,0) 0 , 0 x 1

138

BIBLIOGRAFIA
1. Chapra, Steven y Canale, Raymond (2007) Mtodos Numricos para
Ingenieros, Quinta Edicin, McGraw Hill, Mxico.
2. Mathews, John y Fink, Kurtis (2000) Mtodos Numricos con Matlab, Tercera
Edicin, Prentice Hall, Madrid.
3. Nieves, Antonio y Dominguez, Federico (2006) Mtodos Numricos Aplicados a
la Ingeniera, Segunda Edicin, CECSA, Mxico.
4. Nakamura, Shoichiro (1992) Mtodos Numricos Aplicados con Software,
Primera Edicin, Prentice Hall Hispanoamericana, S.A, Mxico.

139