Vous êtes sur la page 1sur 103

Matemtica Superior

Universidad Tecnolgica Nacional


FRM-ISI

INTERPOLACIN Y APROXIMACIN POLINOMIAL

Introduccin ............................................................................................................................. 2

Interpolacin ............................................................................................................................ 3
2.1

Mtodo Directo ............................................................................................................................ 4

2.2

Mtodo de polinomios de Lagrange ........................................................................................... 5

2.3

Mtodo de polinomios de Newton .............................................................................................. 7

2.4

Error de Interpolacin ................................................................................................................ 9

2.5

Mtodo de polinomios de Hermite ........................................................................................... 10

Interpolacin con Splines Cbicos ........................................................................................ 12

Mtodo de Mnimos Cuadrados ............................................................................................. 16

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 1 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

1 INTRODUCCIN
Sea un conjunto de (n+1) puntos de coordenadas (xi; yi) con i variando desde 0 hasta
n, que se indicar en adelante como: i=0,n. Se asume que estos puntos pertenecen a
una cierta funcin y=f(x) cuya expresin analtica no se conoce. Se dice, entonces, que
esta funcin est dada en forma discreta. El principal objetivo de esta unidad temtica
es encontrar una forma analtica de esta funcin que sea representable
computacionalmente y para ello se usarn funciones polinmicas.
Se tiene y=f(x) de R R definida en forma discreta mediante
(n+1) puntos (xi; yi=f(xi)) con i=0,n.
Se propone una representacin de esta funcin en forma de combinacin lineal de
funciones bases k(x) conocidas y linealmente independientes, es decir
y= Pm(x)= ak k(x),
con k=0,m. Para cada punto xi queda definida una diferencia entre el valor de la funcin
dada en forma discreta yi=f(xi) y el valor que toma la combinacin lineal. Esta diferencia
se denomina residuo y se calcula para cada xi, en la forma
ri= f(xi) - Pm(xi) = yi - ak k(xi)
k=0,m; i=0,n.
n+1
Se llama r al vector de R formado por (r0, r1,...,rn) y se dir que es una
INTERPOLACIN cuando se imponga una condicin de nulidad fuerte del residuo en
cada punto, es decir ri=0, i=0,n, o r=0, haciendo que la funcin Pm(x)= ak k(x) con
k=0,m pase por los puntos datos.
Se dir que es una APROXIMACIN cuando se imponga una condicin de nulidad
dbil del residuo en el dominio de inters, es decir que ri puede no ser cero para algn
i, o sea que puede ser r0 . Se ver como forma de aproximacin al Mtodo de Mnimos
Cuadrados.
Dada f(x) en forma discreta

Se propone

Pm(x)= ak k(x)

Se define

ri= f(xi) - Pm(xi) = yi - ak k(xi)


INTERPOLACIN

Forma Fuerte: ri=0, para todo xi

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

con k=0,m.
con k=0,m; i=0,n

APROXIMACIN
Forma Dbil: los ri son nulos en promedio

Pgina 2 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

2 INTERPOLACIN
Dada la funcin y=f(x) de R R definida en forma discreta mediante el conjunto de
(n+1) puntos de coordenadas (xi; yi=f(xi)) con i=0, n, se propone una representacin de
esta funcin en forma de combinacin lineal de n funciones bases k(x) conocidas, es
decir
y= Pn(x)= ak k(x),
con k=0,n. Ntese que el nmero de funciones bases m, en el contexto de interpolacin,
se toma igual a n (m=n). Para cada punto xi queda definida una diferencia entre el valor
de la funcin dada en forma discreta yi=f(xi) y el valor que toma la combinacin lineal.
Esta diferencia se denomina residuo y se calcula para cada xi, en la forma
ri= f(xi) Pn(xi) = yi - ak k(xi),
con k,i = 0,n. Se impone una condicin fuerte sobre el residuo exigiendo la nulidad del
mismo en cada punto dato de abscisa xi. As se exige que,
ri= f(xi) Pn(xi) = yi - ak k(xi)= 0
para todo i,k=0,n. Con lo que resulta
ak k(xi)= yi

(1.1)

para todo i,k=0,n. Esto es un sistema de ecuaciones lineales de la forma


0 ( x0 )

0 ( x1 )
( x )
0 2
....
( x )
0 n

1 ( x0 ) 2 ( x0 )
1 ( x1 ) 2 ( x1 )
1 ( x2 ) 2 ( x2 )
....

....

1 ( xn ) 2 ( xn )

....
....
....
....
....

n ( x0 ) a 0 y 0

n ( x1 ) a1 y1

n ( x 2 ) a 2 = y 2

.... ...

n ( xn ) a n

(1.2)

...

y n

de donde es posible encontrar los coeficientes ai de la combinacin lineal propuesta.


OBSERVACIN 1:
Es posible demostrar que por n+1 puntos pasa un nico polinomio de grado a lo sumo n. A pesar de
ello, segn sean las elecciones de las funciones bases k(x) se tiene distintos mtodos, como los
siguientes: Directo, de Lagrange, de Newton, de Legendre, etc. Pero todos estos mtodos conducen a
expresiones distintas del nico polinomio. Por otra parte las funciones bases que utilizan cada uno de
estos mtodos son linealmente independientes entre s para generar un subespacio del espacio de todos
los posible polinomios.

OBSERVACIN 2:
El producto escalar entre dos funciones f y g definidas en el intervalo [a, b] y a valores reales, se puede
definir como
b

f , g = f ( x) g ( x) dx .
a

Dos funciones se llamarn ortogonales cuando el producto escalar entre ellas valga 0.
Llamando r(x) a la funcin residuo, r(x)=f(x)-Pn(x), cuando se interpola se est exigiendo que la funcin
residuo r(x) sea ortogonal, en el dominio de inters, a las funciones delta de Dirac definidas en cada punto
xi. Esto es
b

, r ( x xi ) ( f ( x) Pn ( x)) dx = 0

xi .

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 3 de 18
Ao 2012

Matemtica Superior

Universidad Tecnolgica Nacional


FRM-ISI

2.1 Mtodo Directo


Se toman como funciones bases conocidas k(x) los polinomios elementales (que
generan un subespacio del espacio de funciones de todos los posibles polinomios).
Base = {0(x), 1(x), 2(x),...... ,n(x)}={1, x ,x2, x3,......,xn}
O bien,

0(x)=x0=1
1(x)=x1=x
2(x)=x2
......

n(x)=xn

Al reemplazar estos polinomios bases, evaluados en cada abscisa xi de los puntos


datos, en el sistema de ecuaciones (1.2), ste resulta
1 x0 x02 .... x0n a0 y 0


n
2
1 x1 x1 .... x1 a1 y1
1 x x 2 .... x n a = y
2
2
2
2 2

...
.... .... .... .... .... ...

2
n

a
x
x
x
1
....

y n
n
n
n
n

El determinante de la matriz de coeficientes resultante, se conoce como determinante


de Vandermonde. Este determinante ser nulo, y por lo tanto el sistema de ecuaciones
ser singular si y slo si hay ms de un punto con igual valor de abscisa xi. Es decir, si
xi=xk, para i distinto de k.
Ventaja del mtodo:
Es de simple interpretacin y formulacin.
Desventajas del mtodo:
La matriz de coeficientes puede resultar muy mal condicionada si hay algn par de
valores de xi prximos.
Para resolver el sistema se debe invertir una matriz de coeficientes donde en general
todos los coeficientes son distintos de cero.
No es posible representar asntotas verticales que puedan existir en f(x) en el
dominio de inters.
Si se busca agregar un punto a los puntos datos, los polinomios bases cambian
todos y se debe calcular todo de nuevo.
Ejercicio1: Dados dos puntos de coordenadas (x0 y0); (x1, y1), obtener el polinomio de
interpolacin posible usando este mtodo directo.

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 4 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

2.2 Mtodo de polinomios de Lagrange


Se toman como funciones bases conocidas k(x), los llamados polinomios de
Lagrange. Estos polinomios tienen como particularidad que, basndose en uno de los
puntos datos, valen uno en la abscisa de ese punto dato de referencia y cero en las
abscisas del resto de los puntos datos. De esta manera el resto de los puntos datos son
races (ceros) de ese polinomio de Lagrange.
El polinomio de Lagrange l0(x), deber valer 1 en x0 y cero en el resto de las abscisas de
los dems puntos datos. As, es posible escribir este polinomio como producto de
binomios de la forma x menos la raz. Es decir,
l0(x)=C0 (x-x1) (x-x2) (x-x3)........... (x-xn).
Para determinar el coeficiente C0 se impone la condicin
l0(x0)=1,

esto es:

C0 (x0-x1) (x0-x2) (x0-x3)........... (x0-xn)=1,

de donde es posible obtener


C0=1/[(x0-x1) (x0-x2) (x0-x3)........... (x0-xn)].
Y as resulta,
(x x 1 )(x x 2 )(x x 3 )...........(x x n )
.
(x 0 x 1 )(x 0 x 2 )(x 0 x 3 )...........(x 0 x n )

l0 (x) =

Anlogamente para un punto de abscisa xi, se tiene


li(x)=Ci (x-x0)(x-x1) (x-x2) (x-x3).........(x-xi-1)(x-xi+1)......... (x-xn),
li(xi)=1,

esto es:

Ci (xi-x0)(xi-x1) (xi-x2) (xi-x3).........(xi-xi-1)(xi-xi+1)......... (xi-xn)=1,

de donde es posible obtener


Ci=1/[ (xi-x0)(xi-x1) (xi-x2) (xi-x3).........(xi-xi-1)(xi-xi+1)......... (xi-xn)].
Y as resulta,
li (x) =

li (x) =

(x x 1 )(x x 2 )(x x 3 )...........(x x n )


,
(x i x 1 )(x i x 2 )(x i x 3 )...........(x i x n )
n

(x x k )
.
i xk )

(x
k =0
k i

Los polinomios de Lagrange generan un subespacio del espacio de funciones de todos


los posibles polinomios. Esto es:
Base={0(x), 1(x), 2(x),...... ,n(x)} ={l0(x), l1(x), l2(x),...... , ln(x)}.
Al reemplazar estos polinomios bases, evaluados en cada abscisa xi de los puntos
datos, en el sistema de ecuaciones (1.2), ste resulta

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 5 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

1 0 0 .... 0 a0 y 0


0 1 0 .... 0 a1 y1
0 0 1 .... 0 a = y ,

2 2
...
....
....
....
....
....

...
0 0 0 .... 1 a y

n n

de donde se desprende que, tomando como funciones bases los polinomios de


Lagrange, los coeficientes de la combinacin lineal ai son directamente los valores datos
yi. Resulta as que la interpolacin con polinomios de Lagrange es
Pn(x)= [yk lk(x)]

con k=0,n.

Ventajas del mtodo:

Es de simple interpretacin.

Es simple su implementacin computacional.

No se debe invertir ninguna matriz.

La matriz de coeficientes resulta siempre diagonal.

Desventajas del mtodo:

Si se busca agregar un punto a los puntos datos, los polinomios bases cambian
todos y se debe calcular todo de nuevo.

Puede ser difcil obtener una expresin simplificada del polinomio obtenido.

No es posible representar asntotas verticales que puedan existir en f(x) en el


dominio de inters.

Ejercicio 1:
Dados dos puntos de coordenadas (x0, y0); (x1, y1), obtener la interpolacin posible
usando el mtodo de Lagrange.
Ejercicio2:
Dados tres puntos de coordenadas (x0, y0); (x1, y1) (x2, y2), obtener la interpolacin
posible usando el mtodo de Lagrange. Notar si es posible usar expresiones, polinomios
bases o lo que se pueda del ejercicio anterior.

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 6 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

2.3 Mtodo de polinomios de Newton


Se toman como funciones bases conocidas k(x), los llamados polinomios de Newton.
Estos polinomios tienen como particularidad que se basan en los polinomios bases
anteriores.

0(x) = n0(x) = 1
1(x) = n1(x) = 1(x-x0)
2(x) = n2(x) = 1(x-x0)(x-x1)
3(x) = n3(x) = 1(x-x0)(x-x1)(x-x2)
.........................

n(x) = nn(x) = 1(x-x0)(x-x1)(x-x2)......(x-xn-1).


En general se pueden expresar como

0(x) = n0(x) = 1,
k(x) = nk(x) = nk-1(x)(x-xk-1),

para todo k1.

Al reemplazar estos polinomios bases de Newton, evaluados en cada abscisa xi de los


puntos datos en la matriz de coeficientes del sistema de ecuaciones (1.2), resulta
0
0
.........
0

0
.........
0

1 x1 x0
,
1 x x ( x x )( x x ) ........
0
2
0
2
0
2
1

.. ........... ........................... .......


1 x x ( x x )( x x ) ........ ( x x )( x x ).....( x x )
n
0
n
0
n
1
n
0
n
1
n
n 1

de donde es posible obtener los coeficientes de la combinacin lineal ak, por sustitucin
hacia adelante. As resulta:
a0= y0,
a1 =

y1 y 0
,
x1 x 0

a2 =

y 2 a1 (x 2 x 1 ) y 0
(x 2 x 0 )(x 2 x 1 )

que, si se suma y resta y1 en el numerador, se puede expresar como:

y 2 y1 y1 y 0

x 2 x1 x1 x 0
a2 =
x2 x0
A los valores de a1 y a 2 se los conoce como diferencias divididas de Newton de orden 1
y 2 respectivamente. En general los coeficientes de la combinacin lineal, usando como
Dr. Ing. Anibal Mirasso
Interpolacin y aproximacin polinomial.

Pgina 7 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

base polinomios de Newton, son las Diferencias Divididas de Newton.


Ejercicio resuelto:
Dados tres puntos de coordenadas (1, 2); (2, -3) y (5, 6), obtener la interpolacin posible
usando el mtodo de Newton.
f(x) diferencia dividida de

orden 1

diferencia dividida
de orden 2

a0

-3

a1
-3 2 5
=
= 5
2 1
1

6 (3) 9
= =3
52
3

a2
3 (-5) 8
= =2
5 1
4

Como
P2(x)= a0 + a1 (x x0) + a2 (x x0) (x x1),
se obtiene
P2(x)= 2 + (-5) (x 1) + 2 (x 1) (x 2).
Ventajas del mtodo:

Es de simple interpretacin.

Es simple su implementacin computacional.

No se debe invertir ninguna matriz.

Si se agrega un punto a los puntos datos, los polinomios bases no cambian y es


fcil calcular el nuevo coeficiente; no es necesario calcular todo de nuevo.

Desventajas del mtodo:

Puede ser difcil obtener una expresin simplificada del polinomio obtenido.

No es posible representar asntotas verticales que puedan existir en f(x) en el


dominio de inters.

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 8 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

2.4 Error de Interpolacin


Un tratamiento detallado se puede ver en:
Anlisis Numrico, R. Burden y D. Faires (1998). Capitulo 3, Teorema 3.3.
Anlisis Numrico, W. Smith (1988). Capitulo 7, Teorema 2.
Dados (n+1) puntos de coordenadas (xi; yi=f(xi)) con i=0, n, el polinomio de
interpolacin con n funciones bases k(x) conocidas (Lagrange, Newton, etc), se
expresa en la forma:
y= Pn(x)= ak

k(x),

El Error de interpolacin es la diferencia entre la funcin f(x) y el polinomio de


interpolacin, y se puede expresar en la forma:
E(x) = f(x) - Pn(x)

Esta funcin Error de interpolacin tiene (n+1) ceros, ya que en cada uno de los xi
datos, los valores de f(xi) coinciden con los de Pn(xi), por lo que se puede expresar
como un polinomio de al menos grado (n+1), como
E (x)= C (x-x0) (x-x1) (x-x2) (x-xn)

La constante C se determinar de modo que la funcin auxiliar W(x) sea cero para todo
valor de x. Siendo,
W(x)= f(x) - Pn(x)-E(x)

Es decir, la constante C se determinar de modo que la igualdad f(x)=Pn(x)+E(x), se


cumpla para cualquier valor de x.
La funcin W (x) vale cero en cada xk dato (k=0,n), es decir tiene n+1 ceros. Pero para
cualquier otro xi xk, se elige C de modo que W (xi)=0, entonces
W(x) tiene (n+2) ceros, para cada xi;
d 1W
tiene (n+2-1) ceros, para cada xi;
dx1
d 2W
tiene (n+2-2) ceros, para cada xi;
dx 2
d 3W
tiene (n+2-3) ceros, para cada xi;
dx 3
.
d nW
tiene (n+2-n) ceros, para cada xi,
dx n
d n +1W
tiene (n+2-n-1) cero, para cada xi,
dx n +1

As la derivada de W(x) de orden (n+1) tiene un cero. Esta derivada es:

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 9 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

d n +1W d n +1 f d n +1 Pn d n +1 E
=

n +1
dx n +1
dx n +1
dx n +1
dx
d n +1W d n +1 f
=
0 C (n + 1)!
dx n +1
dx n +1
De donde es posible obtener C que anula

d n +1W
para cada valor de x, es decir
dx n +1

d n +1 f ( )
n +1
con (x0, xn), que da un valor medio de la derivada n-sima de f(x). As
C = dx
( n + 1)!
para cada valor de x existe una C que hace el error de interpolacin se pueda expresar

d n +1 f ( )
n +1
E ( x) = dx
( x x0 )( x x1 )( x x 2 ).............( x x n )
(n + 1)!
Esta expresin establece que:

El error de interpolacin en las abscisas datos es cero

La interpolacin es exacta si f(x) es un polinomio hasta de grado n.

2.5 Mtodo de polinomios de Hermite


Uno de los inconvenientes de interpolar con polinomios de Lagrange o de Newton de
grado superior al 4 son las oscilaciones que tienen los polinomios resultantes entre los
puntos datos. Para evitar estas oscilaciones se recurre a interpolar valores de la funcin
y=f(x) y tambin de su derivada primera y'=f'() que se debern tener como datos.
De esa manera es posible imponer los siguientes dos conjuntos de condiciones:
P(xi)= yi
P'(xi)= y'i

con i=0,n,
con i=0,n,

que representan 2n+2 condiciones Estas permiten determinar 2n+2 coeficientes y as el


grado del polinomio resultante ser 2n+1.
Los polinomios de Hermite resultan de interpolar el valor de la funcin y su derivada
primera entre dos puntos. Es decir se conoce en dos puntos de abscisas xi y xi+1 los
valores de la funcin yi e yi+1, y los valores de sus derivadas primeras y'i e y'i+1.
(xi, yi); (xi+1, yi+1)
(xi, y'i); (xi+1, y'i+1)

Se tienen cuatro condiciones a cumplir, de modo que es posible plantear un polinomio


de orden cbico,
Dr. Ing. Anibal Mirasso
Interpolacin y aproximacin polinomial.

Pgina 10 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

P(x) = a0 + x a1 + x2 a2 + x3 a3

a1 + 2 x a2 + 3 x2 a3

P'(x)=

Al imponer las cuatro condiciones conocidas


en los puntos, resulta el siguiente sistema de
ecuaciones lineales,
1 x i

1 xi +1
0 1

0 1

xi2
xi2+1
2 xi
2 xi +1

xi3 a 0 y i

xi3+1 a1 y i +1
= '
3 xi2 a 2 y i

'
3 xi2+1 a3 y i +1

-1

cuya solucin da los coeficientes de la combinacin lineal.


Es posible deducir estos polinomios en un domino estndar o unitario planteado el
siguiente cambio de variables, o mapeo del eje x en el eje ,
x xi
+1
o bien
=
xi +1 xi
2
x( ) = xi +

xi +1 xi
2
( + 1) ,y la relacin inversa ( x) =
( x xi ) 1
xi +1 xi
2

As el polinomio se puede expresar

P ( ) = 1

a 0
a
3 1
que matricialmente es P()=Ha
a 2
a3

De imponer que se verifiquen: (-1, yi); (-1, y'i); (1, yi+1); (1, y'i+1); se obtiene el siguiente
sistema
y1 y i
1 1 1 1 a 0 y i
y'
0 1 2 3 a y '
1 = i que matricialmente es Ca=y con y= y 2 = i

1 1
1
1 a 2 y i +1
y 3 y i +1
'

y 4 y i' +1
2
3 a 3 y i +1
0 1

Su solucin es a=C-1y, siendo


1
2 1
2

1 3 1 3 1
C-1=
4 0 1 0 1

1 1 1
1

As resulta P()=H*C-1y, o bien P()=N*y, con N= H*C-1

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 11 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

N= 1

2 3]

1
2 1
2
3 1 3 1
1
= [N 1
4 0 1 0 1

1 1 1
1

N2

N1()= (1/4)(2 - 3 + 3)

= (1/4)(2+ )(1 )2

N2()= (1/4)(1 - 2 + 3)

= (1/4)(1+ )(1 )2

N3()= (1/4)(2 + 3 3)

= (1/4)(2- )(1+ )2

N4()= (1/4)(-1 - 1 + 2 + 3)

= (1/4)( 1)(1+ )2

N3

N4 ]

Con las relaciones de x(), (x), Ni() (i=1, 4), es posible calcular cualquier valor
intermedio, y tambin obtener cualquier derivada. Para ello se debe considerar que
2
2
dP dP d
dP
=

=
=
dx d dx xi +1 xi d xi +1 xi

4 dN k ( )

yk
k =1 d

En forma matricial se puede expresar


dP
2
=
dx xi +1 xi

dN 1 ( )

d

dN 2 ( )
d

dN 3 ( )
d

y1

dN 4 ( ) y 2
=(2/(xi+1-xi)*B*y
d y 3
y 4

3 INTERPOLACIN CON SPLINES CBICOS


Dados n+1 puntos o nodos t0, t1, ... , tn, de componentes (xi, yi) i=0, 1, ..., n, se busca
una funcin spline S(x) de grado k que satisface los siguientes requisitos:

S es un polinomio de grado menor o igual que k en cada subintervalo [xi, xi+1].


S tiene derivada continua de orden k-1 en todo el intervalo [x0, xn].
S es un polinomio continuo en [x0, xn] de grado menor o igual a k, con derivadas
continuas de orden k-1, pero definido por tramos.
Los splines ms usados son los cbicos que tienen las siguientes caractersticas:

En cada subintervalo [xi, xi+1] el polinomio Si(x) es cbico por consiguiente tiene 4
coeficientes a determinar.
Existe continuidad de la funcin S(x), su derivada primera S(x), y su derivada
segunda S(x), en todos los puntos del intervalo [x0, xn].

Se debe determinar 4 coeficientes de cada polinomio cbico, es decir, 4n coeficientes.


Se tiene como condiciones

en cada intervalo [xi; xi+1] el polinomio debe tomar el valor dato, esto es:
S i (x i ) = y i
en n subintervalos, o sea son 2n condiciones
S i (x i +1 ) = y i +1

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 12 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

continuidad de S en todos los ti, es decir Si -1(xi) = Si(xi) en todos los puntos, salvo
los extremos t0, tn. Es decir son n 1 condiciones.
Continuidad de S en todos los ti Si -1 (xi) = Si(xi) son n 1 condiciones.
Se tienen entonces 2n + n 1 + n 1 = 4n 2 condiciones y 4n coeficientes a
determinar. La eleccin de las dos condiciones adicionales se usa segn convenga.
Para determinar los coeficientes de los polinomios en cada intervalo, se deben
relacionar las condiciones de continuidad a cumplir con los datos que se tienen, que son
las coordenadas (xi, yi) de los n puntos.
Por cada par de valores (puntos) (xi, yi) (xi+1, yi+1) se debe encontrar los coeficientes del
polinomio cbico cumpliendo con los requisitos de continuidad.
Se tienen como datos
(xi, yi) (xi+1, yi+1)

hi=xi+1-xi.

Se define S(xi)=zi S(xi+1)=zi+1.


Los valores de curvatura zi no se conocen y deben determinarse a partir de los
requisitos de continuidad y de los puntos (xi, yi). Para ello se considera que si la funcin
de interpolacin que se busca es de grado 3, su curvatura (derivada segunda) tiene una
variacin lineal en x y se la puede escribir como
zi
z
(x i +1 x) + i +1 (x x i )
hi
hi
que es una interpolacin de la curvatura usando polinomios de Newton de orden 1.
S' 'i (x) =

Si se integra Si(x) respecto de x, resulta


z
z
S' i (x) = i (x i +1 x) 2 + i +1 (x x i ) 2 + C
2h i
z hi
e integrando una vez ms, S i (x) =

zi
z
(x i +1 x) 3 + i +1 (x x i ) 3 + Cx + D
6h i
6h i

Las constantes de integracin C y D se obtienen al imponer (colocar) que el polinomio


Si(x) pase por los puntos datos. Es decir,
2

hi
+ Cx i + D
S i (x i ) = y i = z i

6
,

2
hi

S i (x i +1 ) = y i +1 = z i +1 6 + Cx i +1 + D
que es un sistema lineal en C y D

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 13 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

2
yi
hi

hi
=

a
z
i

6
hi
1 x i D y i z i 6
a

.
2 = h i siendo
1 x C =
i +1
b

b = y i +1 z h i
y z h i
i +1
i +1
i +1

hi
6
6
Para resolver el sistema de 2 x 2 se puede hacer
xi
hia
1 x i h i a 1


, de donde
1 x i +1 h i b 0 x i +1 x i h i b h i a

C=

h i (b a)
= ba
x i +1 x i

D = h i a Cx i = h i a (b a)x i
As el trmino lineal Cx+D de Si(x) resulta,
Cx+D

= (b a) x + hi a -xi(b a)
= bx ax + hi a xi b + xi a
= a (-x + hi + xi) + b (x xi)
= a (xi+1 x) + b (x xi)

y de esta manera Si(x) resulta


y z h
y
z
z
z h
S i (x) = i (x i +1 x) 3 + i +1 (x x i ) 3 + i i i (x i +1 x) + i +1 i +1 i
6h i
6h i
6
6
hi
hi
y
z
z
z h y z h
y S' i (x) = i (x i +1 x) 2 + i +1 (x x i ) 2 + i +1 i +1 i i i i .
2h i
2h i
6 hi
6
hi

(x x i )

Para asegurar continuidad en S(x) se debe imponer Si (xi) = Si 1 (xi).


De evaluar Si (x) en x = xi se obtiene
S' i (x i ) = z i

h i y i +1
h
y
h
+
z i +1 i i + z i i
6
2
hi
6 hi

h
y
y
h
S' i (x i ) = z i i z i +1 i + i +1 i
3
6
hi
hi
Si se considera la expresin de Si (x), se puede deducir que

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 14 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

y
z i 1
z
h y
h
(x i x) 2 + i (x x i 1 ) 2 + i z i i 1 i 1 z i 1 i 1
2h i 1
2h i 1
6 h i 1
6
h i 1
h
y
h
y
h
S' i 1 (x) = z i i 1 + i z 1 i 1 i 1 + z i 1 i 1
2
h i 1
6
h i 1
6
S' i 1 (x) =

h i 1
h
y
y
+ z i 1 i 1 + i i 1
3
6
h i 1 h i 1
De igualar Si (xi) = Si 1 (xi) se obtiene
S' i 1 (x) = z i

zi

hi
h
y
y
h
h
y
y
z i +1 i + i +1 i = z i i 1 + z i 1 i 1 + i i 1
3
6
hi
hi
3
6
h i 1 h i 1

h i 1
h
h
y
y
y
y
h
+ z i i 1 + i + z i +1 i = i +1 i i + i 1
6
3
6
hi
h i h i 1 h i 1
3
6
6
z i 1 h i 1 + z i 2(h i 1 + h i ) + z i +1 h i =
(y i +1 y i )
(y i y i 1 )
hi
h i 1
siendo las incgnitas de esta ecuacin los valores de las curvaturas zi-1, zi, zi+1.
z i 1

Esta condicin de continuidad de S(x) se puede plantear para i = 1 hasta i = n 1 dando


un sistema de (n 1) ecuaciones con (n+1) incgnitas:
h0

u1

h1

h1

u2

h2

h2

u3

h3
O
O
hn 3

u n 2 hn 2
hn 2 u n 1

z 0 1
z
1 2
z 2 M

M = M ,
z n2 M

n 1
n2

hn 1 z n n 1

siendo
h i = x i +1 x i
u i = 2(h i + h i 1 )
6
6
(y i +1 y i )
(y i y i 1 )
hi
h i 1
Para resolver el sistema de (n-1) ecuaciones con (n+1) incgnitas, se eligen dos de las
i =

incgnitas. La eleccin ms conveniente es la que origina los SPLINES CUBICOS


NATURALES y es

z0 = zn = 0, y el sistema tridiagonal resulta de (n-1)(n-1).

As, dados n +1 puntos (xi, yi) la solucin del sistema de ecuaciones da los valores de
curvaturas de los splines cbicos naturales definidos por tramos mediante la expresin
Si(x), que aseguran continuidad hasta segundo orden.

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 15 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

4 MTODO DE MNIMOS CUADRADOS


Dados n puntos de coordenadas (xi, yi), se asume que pertenecen a una funcin y(x)
que no se conoce. Se busca APROXIMAR dicha funcin mediante una combinacin
lineal de m funciones bases conocidas. As,
fm (x) = aj j (x)

j=1,m,

siendo j (x) funciones bases conocidas que son linealmente independientes y


aj coeficientes a determinar.
Observacin 1: a diferencia de lo que se hace para interpolar, ac se considera un
nmero m < n de funciones bases. En caso de tomar m=n, si no se tiene dos puntos
datos con igual abscisa, este mtodo generar el mismo polinomio que los mtodos de
interpolacin.
Observacin 2: en general, al aproximar una funcin por mnimos cuadrados, no hay
problema cuando dos puntos datos presentan la misma abscisa; el problema aparece al
interpolar (o cuando se aproxima por mnimos cuadrados y se toma m=n).

Cuando se evala la aproximacin fm(x) en las coordenadas xi, aparece un RESIDUO


ri = yi aj j (xi)

i=1,n

como diferencia entre el valor conocido yi, y el valor de la funcin aproximada en xi.
Llamando r al vector n dimensional de componentes ri, i=1,n, se tiene que los
coeficientes aj son tales que
min r

2
2

= min ((ri ri )),

es decir, minimizan la Suma de los Cuadrados de los Residuos.


La condicin para que exista el mnimo es que

r 22

=
a
a
j
j

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

(r r ) = 0
i i

i = 1, n; j = 1, m.

Pgina 16 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

aj

(
)
r
=0
2

( )

2
ri = 0
aj

2 ri

(ri ) = 0
aj


ri
yi
a j
2

i = 1, n

k (x i ) a k = 0

j = 1, m
k = 1, m

r (0 (x ) )= 0
i

j (x i ) = 0

(2)

yi

k ( x i ) a k j (x i ) = 0

(x )
j

k (x i ) a k

(x ) y
j

Los coeficientes aj se obtienen de imponer la Condicin de Normalidad (ortogonalidad)


(2) entre los residuos ri y las funciones bases j (xi) como vectores. Llamando a, y, y j a
los siguientes vectores y a la siguiente matriz,
j ( x1 )
a1
y1
1 ( x1 ) 2 ( x1 )
( x )
a
y
( x ) ( x )
j
2
2
2
, = 1 2
a = 2 , y = 2 , j =
M
M
M
M
M

j ( x n )
a m
yn
1 ( x n ) 2 ( x n )

L m ( x1 )
L m ( x 2 )
O
M

L m ( x n )

se observa que
y1 a k k ( x1 )

k
y 2 a k k ( x2 )
= y a
k
r=

y n a k k ( x n )
k

y la expresin (2) se puede expresar en forma vectorial:


Dr. Ing. Anibal Mirasso
Interpolacin y aproximacin polinomial.

Pgina 17 de 18
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

r (x ) = 0
i

j = 1, m

j r = 0

j = 1, m

T r = 0

T y a = 0
Para finalmente obtener

T a = T y ,
que es el sistema de ecuaciones cuya resolucin da los coeficientes aj buscados.

Casos especiales:
Aproximacin Lineal
Datos (xi, yi) i=1, n
Base {1 (x), 2 (x)}={1, x}
1 x 1
1 x
2
= [1 (x) 2 (x ] =
M M

1 x n
T a = T y
1
x
1

1
x2

1 x 1
L 1 1 x 2 a 1 1
=
L x n M M a 2 x 1

1 x n

n
n
x
i

I =1

1
x2

y1
L 1 y 2

L x n M
y n

x
yi

i a

I =1
= ni =1

n
2 a 2

xi
yi x i

I =1
i =1

Aproximacin Cuadrtica
Datos (xi, yi) i=1, n
Base {1 (x), 2 (x), 3 (x)}={1, x, x2}
Encontrar la matriz de coeficientes y la matriz de coeficientes del sistema de
ecuaciones lineales a resolver para obtener los coeficientes ai.

Dr. Ing. Anibal Mirasso


Interpolacin y aproximacin polinomial.

Pgina 18 de 18
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

INTEGRACIN NUMRICA

1 ACERCA DE LOS PROBLEMAS DE LA INTEGRACIN Y LA DERIVACIN


NUMRICAS EN GENERAL ............................................................................................................2
2
INTEGRACIN NUMRICA ....................................................................................................3
2.1
Cuadratura de Newton-Cotes ............................................................................................... 4
2.2
Cuadratura de Gauss-Legendre ............................................................................................4
3 REGLAS DE INTEGRACIN DE NEWTON COTES ..........................................................4
3.1
Regla de los Trapecios .........................................................................................................5
3.1.1
Desarrollo de la Regla de los Trapecios mediante Integracin Del Polinomio
Interpolante...................................................................................................................................5
3.1.2
Clculo del Error en la Regla De Trapecios a partir del Error de Interpolacin ..........6
3.1.3
Clculo Del Error De La Regla De Los Trapecios usando Serie De Taylor ................7
3.1.4
Regla De Los Trapecios Por El Mtodo De Los Coeficientes Indeterminados ...........8
3.2
Regla De Los Trapecios Mltiple o Trapecios Compuesta................................................10
3.2.1
Desarrollo de la frmula de los trapecios mltiple y su error ....................................10
3.3
Algoritmo De Trapecios Mltiples ....................................................................................12
3.4
Regla de Simpson ...............................................................................................................13
3.4.1
Regla de Simpson mediante integracin del polinomio interpolante. ........................13
3.4.2
Regla De Simpson Por El Mtodo De Los Coeficientes Indeterminados ..................14
3.4.3
Regla de Simpson - error ............................................................................................14
3.5
Regla de Simpson Compuesta ............................................................................................15
4
CUADRATURA DE GAUSS ....................................................................................................16
4.1
Regla De Dos Puntos Usando el Mtodo De Coeficientes Indeterminados ......................16
4.2
Generalizacin de la regla anterior.....................................................................................17
5
EXTRAPOLACIN DE RICHARDSON .................................................................................18
6
INTEGRACIN DE ROMBERG .............................................................................................19
6.1
Algoritmo de Romberg.......................................................................................................20

Dr.Ing Anibal Mirasso


Integracin Numrica

Pgina 1 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

1 ACERCA DE LOS PROBLEMAS DE LA INTEGRACIN Y LA


DERIVACIN NUMRICAS EN GENERAL
En distintos problemas de matemtica aplicada es necesario calcular el valor de la derivada
de una funcin en un punto o el valor de la integral de una funcin conocida en forma analtica;
dichas operaciones en general no ofrecen dificultad, aunque en ciertas circunstancias es engorroso
su clculo o no resulta simple su implementacin en un sistema computacional.
Cuando la funcin es conocida en forma discreta, el problema del clculo de una derivada
en un punto o de una integral de dicha funcin no es tan directo.
El propsito de esta unidad temtica es abordar el clculo de integrales definidas de
funciones dadas en forma analtica o en forma discreta. Se plantearn los distintos mtodos para una
sola variable, dado que la extensin de los mtodos a dos o tres dimensiones es posible.
A lo largo de toda esta unidad se supone que se tiene una funcin y = f(x): R
no singular,
continua (al menos por tramos) y
est dada en forma analtica o discreta.
Discreta

R, que es

Analtica

f(x)

f(x)

f(x) discreta se conoce en xi,


con i = 0,1,2,...,n.

f(x) analtica se conoce en todo


x [x0;xn].

Se busca encontrar:
b

I = f ( x )dx o V =
a

df ( x )
dx

= f ' (a ) ,
x =a

que en trminos generales se pueden expresar mediante algn operador lineal L(),
I = L[f(x)]

V = L[f(x)].

En ambos casos es posible encontrar un polinomio (interpolante) que pase por puntos conocidos, y
sobre esa aproximacin, aplicar el operador de inters.
Si f(x) est dada en forma discreta es posible interpolar f(x) colocando un polinomio Pn(x),
de grado n, por los (n+1) puntos datos.
Dr.Ing Anibal Mirasso
Integracin Numrica

Pgina 2 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

Si f(x) est dada en forma analtica se pueden "extraer" esos (n+1) puntos, es decir que se
puede obtener como discreta evaluando la funcin f(x) en los valores xi, i=0,...,n, para obtener los
n+1 puntos (xi ; yi = f(xi)), i = 0,1,2,...,n.
As resulta
f(x) = Pn(x) + En(x),
donde En(x) es el error de interpolacin, E n ( x ) =

f(x)

f ( n +1) ()
(x x 0 )L(x x n ) .
(n + 1)!

f(x)

Pn(x)

Pn(x)
x

Cualquier operador lineal L[x] (como la integral o la derivada) aplicado a f(x) resulta:
L [f(x)] = L [Pn(x)] + L [En(x)].

2 INTEGRACIN NUMRICA
Se busca encontrar la integral definida I R,
Xn

I=

f(x)

f ( x )dx ,

X0

asumiendo que y = f(x): R R


cumple las condiciones planteadas en el apartado 1
(es no singular en [x0;xn]; es continua, al menos por
tramos, en [x0;xn]; est dada en forma analtica o
discreta).

X
xn

x0

En virtud de la igualdad
Xn

I=

Xn

f (x )dx = (P

n (x)

X0

+ E n ( x ) )dx =

X0

Xn

n ( x )dx

X0

Xn

n ( x )dx

= In + En ,

X0

se evala la integral definida I como la suma


I = In + En.
En esta suma, In se llama cuadratura y En es el error de truncamiento.

Dr.Ing Anibal Mirasso


Integracin Numrica

(1)

Pgina 3 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

Todos los mtodos que veremos tienen la misma estructura: la cuadratura In se expresa como
una suma In =

j= 0

f ( x j ) , en que los coeficientes i son dados por cada mtodo.

Se define como orden de la regla de cuadratura (integracin), al mximo grado del


polinomio que dicha regla integra en forma exacta, es decir, para el que En = 0.
Veremos dos tipos de cuadratura o regla de integracin. Los coeficientes j se
determinan en cada regla de integracin, segn la cantidad de puntos con que se formula cada regla.

2.1 Cuadratura de Newton-Cotes

Los valores xj donde se conoce f(xj) son predeterminados. Son datos fijos para la Regla
de Integracin.
Los j se determinan en cada regla para esos valores xj.
El paso puede ser fijo o variable. Se denomina paso a la distancia entre las abscisas dato.

2.2 Cuadratura de Gauss-Legendre

Los valores xj y los coeficientes j se determinan en cada Regla de Integracin.

3 REGLAS DE INTEGRACIN DE NEWTON COTES


Dada y = f(x): R
R en forma
discreta mediante (n+1) puntos (Xi ; Yi), i = 0,...,n, se
f(x)
coloca un polinomio de grado n
Pn ( x ) =

Yi l i ( x ) ,

i =0

por el mtodo de polinomios de Lagrange. En este


caso cada polinomio base es
n (x x )
j
li (x) =
,
(x i x j )
j= 0

x0

xn

ji

y el grado del polinomio Pn y la cantidad de polinomios bases li(x) dependen del nmero de puntos
datos, n+1.
As se obtiene f(x) = Pn (x) + En(x) y se tiene que
I=

Xn

Xn

Xn n

Xn

X0

X0

X0

X0

f ( x )dx =

Yi l i ( x )dx + E n ( x )dx ,
[Pn ( x ) + E n ( x )] dx =
i =0

n Xn

i =0 X 0

i =0

Xn

I = Yi l i ( x )dx + E n = Yi l i ( x )dx + E n .
X0
1
424
3
i

I = In+En, donde

As,
n

I n = i Yi
i =0

Dr.Ing Anibal Mirasso


Integracin Numrica

Xn

con i = l i ( x) dx
X0

Pgina 4 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

En =

Xn

f ( n +1) ( )
x
E
(
)
=
( x x0 ) L ( x x n )dx
n

(n + 1)! X0
X0
Xn

( x) dx.

X0

Xn

El error es proporcional a la derivada de orden (n+1) de la funcin a integrar, y al valor de la


integral del primer polinomio (grado n+1) para el cual se comete error.
Los distintos mtodos surgen de interpolar mediante polinomios de distintos grados.

3.1 Regla de los Trapecios


La regla de los trapecios es una regla de integracin de orden 1, porque es exacta para polinomios
de grado 1. Permite aproximar la integral I mediante la frmula
I=

hi
(Yi + Yi +1 ) 1 h i 3 f ' ' (),
2
12

siendo un valor entre xi y xi+1.


Veremos el desarrollo de esta regla y el clculo de su error de distintas maneras:
3.1.1 Desarrollo de la Regla de los Trapecios mediante integracin del Polinomio Interpolante.
3.1.2 Clculo del error de la regla de los trapecios usando serie de Taylor.
3.1.3 Clculo del error de la regla de los trapecios a partir del error de interpolacin.
3.1.4 Regla de los trapecios y su error, por el mtodo de los coeficientes indeterminados.
3.1.1

Desarrollo de la Regla de los Trapecios mediante Integracin Del Polinomio Interpolante.

Es una regla de integracin de Newton Cotes por 2 puntos (xi;yi), (xi+1;yi+1). Dada
X i +1

I=

f (x) dx ,

Xi

se interpola por colocacin mediante un polinomio de grado 1:


f ( x ) = P1 ( x ) + E 1 ( x ), con

P1 ( x ) = Yi l i ( x ) + Yi +1l i +1 ( x ) ,

(3)

donde

x x i +1
x x i +1
=
x i x i +1
x i +1 x i
x xi
li +1 ( x ) =
x i +1 x i
li ( x ) =

es una recta que vale 1 en xi y 0 en xi+1,


es una recta que vale 0 en xi y 1 en xi+1.

El error de interpolacin es E 1 ( x ) =

f ( 2) ()
( x x i )( x x i +1 ) , siendo ( x i ; x i +1 ).
2!

Integrando (3) se obtiene


x i +1

I=

[P ( x ) + E
1

x i +1

1 (x )

xi

]dx = [Yi l i ( x ) + Yi +1l i +1 ( x )]dx +


xi

x i +1

1 ( x ) dx ,

xi

y, llamando paso hi a la diferencia xi+1-xi y operando, se puede llegar a


Y Y
I = h i i + i +1 + E1 = I1 + E1 ,
2
2
con
I1 =
Dr.Ing Anibal Mirasso
Integracin Numrica

hi
(Yi + Yi+1 ),
2

(4)
Pgina 5 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

y donde
h
i = i =
2
i +1

x i +1

l (x )dx,
i

xi

h
= i =
2

x i +1

i +1 ( x )dx.

xi

Observacin: como en el mtodo de los trapecios se trabaja con un solo intervalo,


ocasionalmente nos referiremos al paso hi sencillamente como paso h, a lo largo de esta seccin.
3.1.2

Clculo del Error en la Regla De Trapecios a partir del Error de Interpolacin

Sabemos que al calcular la integral definida de la funcin f entre xa y xb por el mtodo de los
trapecios, se comete un error E1:
xa

I = f ( x )dx = I1 + E 1 ,
xb

donde

I1 =

h
h
Ya + Yb y
2
2
xb

E1 =

xb

x E 1 (x )dx = x
a

xb

f ( 2 ) ()
f ( 2 ) ()
( x x a )( x x b )dx =
( x x a )( x x b )dx .
2!
2! x

(5)

Se propone hacer un cambio de variable mediante


x xa
t0
=
,
xb xa 1 0
Definiendo h=xb-xa, es posible despejar,

x x a = ( xb x a ) t ,
1
424
3

x = x a + ht

x xb + ( xb x a ) = ht

as resulta

x xb + h = ht

x xa = h t ,
x xb = h(t 1)
dx = h dt.

As se puede hallar
xb

x (x x a )(x x b )dx = 0 ht h(t 1) h dt = h 0 (t


3

t )dt = h 3

1
,
6

de manera que, sustituyndola en (5), se obtiene


f ( 2 ) () 1 3
1 3 ( 2)
E1 =
h = h f () , para cierto punto (xa, xb).
2! 6
12

Dr.Ing Anibal Mirasso


Integracin Numrica

Pgina 6 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

3.1.3

Clculo Del Error De La Regla De Los Trapecios usando Serie De Taylor

Por definicin E1 = I I1. Dada


X i +1

I=

X f (x )dx ,
i

si existe la primitiva de f(x), es decir, si existe una funcin G(x) tal que
dG ( x )
= G' (x) = f (x) ,
dx
la integral es
I = G ( x i +1 ) G ( x i ) .

Se puede desarrollar G(xi+1) en Serie de Taylor alrededor de xi:


hi2
h i3
G ( x i +1 ) = G ( x i ) + h i G ' ( x i ) +
G' ' (x i ) +
G' ' ' (x i ) + L ,
2
6
reordenando y sustituyendo f por G' se obtiene
hi2
hi3
G ( x i +1 ) G ( x i ) = h i f ( x i ) +
f ' (x i ) +
f ' ' (x i ) + L
2
6
hi2
hi3
I = h i f (x i ) +
f ' (x i ) +
f ' ' (x i ) + L
2
6

(6)

Por otra parte, de (4), se tiene


I1 =

hi
[Yi + Yi+1 ] con
2

Yi +1 = f ( x i +1 )

y Yi = f ( x i ).

(7)

Si se desarrollan Yi+1 e Yi en serie de Taylor alrededor de xi, se obtiene:


2
3
h
h
Yi +1 = Yi + h i f ' ( x i ) + i f ' ' ( x i ) + i f ' ' ' ( x i ) + L
2
6
Yi = Yi
Sustituyendo en (6), queda
I1 =

h i
h 2
h3
Yi + Yi + h i f ' ( x i ) + i f ' ' ( x i ) + i f ' ' ' ( x i ) + L ,

2
2
6

h
h
h
I1 = Yi h i + i f ' ( x i ) + i f ' ' ( x i ) + i f ' ' ' ( x i ) + L
2
4
12

y, reemplazando esta ltima expresin y la expresin (6) en (1), se obtiene la expresin del error en
la regla de trapecios:
1
1 1
E1 = I I1 = h i 3f ' ' ( x i ) = h i 3f ' ' (), ( x i , x i +1 ) .
12
6 4
Decimos que el error en la regla de trapecios es del orden de h3: O(h3).

Observacin: no se debe confundir el orden de la regla de integracin, que en este caso es 1, con
el orden del error para la regla de integracin, que en este caso es O(h3).

Dr.Ing Anibal Mirasso


Integracin Numrica

Pgina 7 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

Hemos obtenido la expresin completa para la regla de los trapecios:


I=

hi
h
1 3
Yi + i Yi +1 h i f ' ' () ,
2
2
12

donde ( x i , x i +1 ) .
3.1.4

Regla De Los Trapecios Por El Mtodo De Los Coeficientes Indeterminados


X i +1

Para calcular I =

f (x)dx , se busca trabajar en el dominio t [0,1].

Xi

Para ello se consideran


x = h t + xi,
dx = hdt
y G(t) = f(x) = f(xi+ht).
Este mtodo propone calcular la integral de una funcin G de la
siguiente manera:
1

G(t)dt = a

0 G (0)

+ a 1G (1) + R ,

donde R es el error cometido al integrar por esta regla y los


coeficientes a0 y a1 se deben determinar de manera que la regla sea
exacta cuando se integren las funciones {1, t} (es decir que para
esas funciones debe ser R=0).
Integral

Resultado exacto

Resultado hallado por


la regla

a01+a11

1
2

a00+a11

1dt
0
1

tdt
0

El requisito de que la regla sea exacta para integrar las funciones 1 y t nos permite plantear un
sistema de ecuaciones:
a01+a11 = 1
a00+a11=

de donde resultan a0 = a1 =

1
2

1
.
2

Entonces
1

G ( t )dt = 2 G (0) + 2 G (1) + R

y, as

I=

x i +1

f (x)dx = G(t )h dt = h 2 G(0) + 2 G(1) + R = h 2 f (x ) + 2 f (x


i

xi

Dr.Ing Anibal Mirasso


Integracin Numrica

i +1

) + h R .

Pgina 8 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

Para determinar el error de truncamiento R, se considera


G ( n ) ()
R=
n siendo n el error que se comete al integrar un polinomio de grado n.
n!
La regla de los trapecios es exacta (por definicin) para polinomios hasta grado 1.
Para polinomios cuadrticos,
1

dt =

1 1
1
1
= G (0) + G (1) + 2 = 0 + + 2 ,
3 2
2
2

1
de donde 2 = .
6
( 2)
1 G ()
.
As R =
6
2!
Para ponerlo en trminos de f(x), teniendo en cuenta que
G' =

dG df dx
=
= f 'h
dt dx dt

se llega a R =

y G' ' =

dG' d
dx
=
(f ' h )
= f ''h 2 ,
dt dx
dt

1 f ( 2 ) () 2
h .
6 2!
X i +1

La regla de los trapecios resulta: I =

f (x)dx = h

Xi

Yi Yi +1 1 3 ( 2 )
2 + 2 12 h i f () .

EJEMPLO: Sea f(x) = sen(x). Se plantea la integral para los intervalos [0, /2] y [0, ].

En forma exacta:
X i +1

I=

sen(x )dx = cos(x ) cos(x


i

i +1 ) .

Xi

xi = 0 ; xi+1 = /2
I = cos(0) - cos(/2)
I=1

Resolviendo por la regla de los trapecios, I1 =

xi = 0 ; xi+1 =
I = cos(0) - cos()
I=2

h
[Yi + Yi+1 ], se obtiene los resultados
2

aproximados:

h = /2
I1 = /2*1/2*[ sen(0)+ sen(/2)]
I1 = /4 = 0,7854

Dr.Ing Anibal Mirasso


Integracin Numrica

h=
I1 = /2[ sen(0) + sen()]
I1 = 0

Pgina 9 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

3.2 Regla De Los Trapecios Mltiple o Trapecios Compuesta


I=
3.2.1

n 1
(x x 0 )h 2 f ( 2 ) ()
h

Y
+
2
Yi + Yn + n

2
12
i =1

Desarrollo de la frmula de los trapecios mltiple y su error

Se busca I R,
f(x)

Xn

I = f ( x )dx .
X0

Se divide el intervalo [x0; xn] en subintervalos [x0; x1],


[x1; x2], , [xn-1; xn]. As
I=

X1

X2

X0

Xn

Xn

X f (x) dx + X f (x )dx + L + X f (x) dx .


n 1

En cada uno de los n subintervalos se aplica la regla de los trapecios,


I = h0

(Y0 + Y1 ) + E (h
1

3
0

) + h1

(Y1 + Y2 ) + E (h 3 ) + .............. + h
2

n 1

(Yn 1 + Yn ) + E (h
2

3
n 1 ) .

Si todos los intervalos tienen igual longitud hi=h, esa frmula se simplifica y se tiene la regla de
trapecios mltiple:
n 1
Y
Y
I = h 0 + Yi + n + E 1M ,
2
i =1
2

donde E1M es el error total que se acumula al sumar los n errores provenientes de la aplicacin de la
regla en cada subintervalo. Para aproximar ese error E1M, hacemos:
n

E1M =
i =1

E1M =

1 3 ( 2)
h f ( i ) , donde 1 (x0, x1), ..., n (xn-1, xn). Entonces,
12

1 3 n ( 2)
h f ( i ) .
12 i =1

(8)

Se toma al promedio de las derivadas segundas en puntos interiores a cada subintervalo como
aproximacin de la derivada segunda en un cierto punto interior al intervalo [x0; xn]:
n
1 n (2)
f ( 2 ) ()
f ( i ) . Esta expresin nos permite sustituir
f ( 2 ) ( i ) por nf (2) () en (8):
n i =1
i =1

E1M =

1 3 ( 2)
h nf () .
12

Pero en esta expresin nos queda el error en trminos de h y de n. Queremos eliminar n; como se ha
(x x 0 )
supuesto que todos los hi son iguales, entonces es h = n
y as,
n
1
1 (x n x 0 ) 2 ( 2)
E1M = h h 2 nf ( 2) () =
h n/ f () .
12
12
n/
Dr.Ing Anibal Mirasso
Integracin Numrica

Pgina 10 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

De manera que el error en la regla de trapecios mltiple es


E1M =

(x n x 0 )
12

h 2 f ( 2 ) ( ) .

Observacin: al pasar de la regla de trapecios a la regla de trapecios compuesta el orden del error

pas de O(h3) a O(h2), disminuyendo la precisin.


EJEMPLO:

I = sen ( x )dx
0

n 1
Y
Y
I h 0 + Yi + n = h S , donde Yi = sen (xi), i=0,,n.
2
2 i =1

X
0
/4
/2
3/4

El resultado exacto es I = -cos x

Y
0
2 /2
1
2 /2
0
0

h1 =
1
0
0
0
1
S1

h2 = /2
1
0
2
0
1
S2

h3 = /4
1
2
2
2
1
S3

= cos 0 cos = 2. Es fcil concluir que la mejor aproximacin

es I3.
Los errores cometidos por cada aplicacin de la regla son, respectivamente O(h13), O(h22) y O(h32).
Ntese en el orden del error que para un mismo valor de h es ms precisa la regla de trapecios
simple que la de trapecios compuesta.
En nuestro ejemplo, la mejor aproximacin es I3 pero se debe a que trabaja con un paso h menor.

Dr.Ing Anibal Mirasso


Integracin Numrica

Pgina 11 de 22
Ao 2012

Matemtica Superior

Universidad Tecnolgica Nacionao


FRM-ISI

3.3 Algoritmo De Trapecios Mltiples


Caso en que f(x) est dada en forma DISCRETA y tenemos una tabla con 10 valores de x y de
y, con h constante.
Algoritmo trapecios-mltiples-discreta
Var (X(10), Y(10), h, sum, int: real)
Var (i, entero)
Do for i=1,10
Escribir Ingrese el valor de x, i
Leer X(i)
Escribir Ingrese el valor de y, i
Leer Y(i)
End do
sum=Y(1)/2
Do for i=2,9
sum=sum+Y(i)
End do
sum=sum+Y(10)/2
h=(X(10)-X(1))/9
int=h*sum
Escribir El valor de la integral de f(x) entre, X(1), y, X(10), es, int.
End
Caso en que f(x) est dada en forma ANALTICA. En este caso es posible definir f(x) segn la
sintaxis del lenguaje de programacin que se utilice. A los efectos del pseudo cdigo indicaremos
esta definicin mediante la orden o sentencia DEFINICIN DE FUNCTION f(x).

AlgoritmoTrapecios-mltiples-Equidistante-analtica
Var (x0, xn, n, h, sum, real)
Var (i entera)
DEFINICIN DE FUNCTION f(x)
h = (xn - x0)/n
x = x0
sum = f(x0)/2
DOFOR i =1, n-1
x = x +h
sum = sum + f(x)
ENDDO
sum = sum + f(xn)/2
TrapEq = sum*h
END

Dr.Ing Anibal Mirasso


Integracin Numrica

Pgina 12 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

3.4 Regla de Simpson


Es una regla de orden 3, es decir que integra en forma exacta polinomios de grado hasta 3. Permite
aproximar la integral I mediante la frmula
I=

5
h
[f ( x 0 ) + 4 f ( x 1 ) + f ( x 2 )] h f ( 4) () ,
3
90

siendo un valor entre x0 y x2.


Veremos el desarrollo de esta regla y el clculo de su error de distintas maneras:
3.4.1 Desarrollo de la Regla de Simpson mediante integracin del Polinomio Interpolante.
3.4.2 Regla Simpson por el mtodo de los coeficientes indeterminados.
3.4.3 Error de la regla de Simpson.
3.4.1

Regla de Simpson mediante integracin del polinomio interpolante.

Es una cuadratura de Newton Cotes con n = 2, es decir con tres puntos. Se interpola mediante un
polinomio de Lagrange de grado dos y luego se integra en forma aproximada ese polinomio.
X2

I=

f(x)

f (x )dx ,

X0

con f(x) =Yi li(x) + E2(x), i = 0,1,2,

x x1 x x 2
l 0 (x) =
x 0 x1 x 0 x 2
l1 ( x ) =

x x0 x x2
x1 x 0 x1 x 2

l 2 (x) =

x x 0 x x1
x 2 x 0 x 2 x1

E 2 (x) =

X
X0

X1

X2

l0(x)

X
X0

f ( 3)
(x x 0 )(x x 1 )(x x 2 )
3!

X1

X2

l1(x)

As I = I2+E2, donde
I2 =

Yi i

i =0
x2

X0

X1

X2

l2(x)

i = l i ( x )dx , i = 0,1,2.
x0

x2

X0

E 2 = E 2 ( x )dx

X1

X2

Entonces, si los intervalos son iguales (h1= h2 = h), se tiene:


4
1
1
I 2 = h Y0 + Y1 + Y2 .
3
3
3

Dr.Ing Anibal Mirasso


Integracin Numrica

Pgina 13 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

3.4.2

Regla De Simpson Por El Mtodo De Los Coeficientes Indeterminados


X2

Se busca normalizar la I = f ( x )dx al dominio t [0,1].


X0

Para ello se considera:


x = ht + x1
dx = h dt
G(t) = f(ht+x1)
y se plantea
1

I = hG ( t )dt = h G ( t )dt = h [C i G i ] + R .
(9)
=

i
1

1
1
Se propone resolver la integral de G por el mtodo de los
coeficientes indeterminados, es decir:

G ( t )dt = C

1 G ( 1)

+ C 0 G (0) + C 1 G (1) + R ,

con C-1, C0, C1 a determinar, tales que la regla es exacta para {1, t, t2}. Al igual que antes,
resolvemos las integrales en forma exacta y segn la regla, lo cual nos permite plantear un sistema
de ecuaciones y hallar los coeficientes buscados.

tdt = 0 = 1C 1 + 0C 0 + 1C 1

1
2
2
t dt = = 1C 1 + 0C 0 + 1C 1
3
1

1dt = 2 = C 1 + C 0 + C 1

C 1 = C 1
1
C1 =
3
4
C0 =
3

Sustituyendo en la ecuacin (9), se llega a


4
1
1

I = h G (1) + G (0) + G (1) + hR


3
3
3

4
1
1

I = h f ( x 0 ) + f ( x 1 ) + f ( x 2 ) + hR = I 2 + E 2
3
3
3

de donde
4
1
1
I 2 = h Y0 + Y1 + Y2 .
3
3
3
3.4.3

Regla de Simpson - error

Para determinar el error de truncamiento R, se considera


G ( n ) ()
R=
n , siendo n el error que se comete al integrar un polinomio de grado n.
n!
Dr.Ing Anibal Mirasso
Integracin Numrica

Pgina 14 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

La regla de Simpson es exacta (por definicin) para polinomios hasta grado 2. Como hicimos antes,
para hallar el error, se aplica la regla a otros polinomios. Para polinomios de grado tres, resulta
1

1 t

3
1
1
dt = 0 = (1) 3 + (0) + 13 = 0 ,
3
3
3

lo cual nos est indicando que la regla es exacta hasta para polinomios de grado 3. Para
determinar el error se sigue con polinomios de grado 4, y se obtiene
1

dt =

2 1
4
1
= ( 1) 4 + (0) + 14 + 4 ,
5 3
3
3

de donde 2/5 = 2/3 + 4, es decir 4 = 4/15.


4 G ( 4) ()
1
= G ( 4) () .
15 4!
90
En trminos de f(x), teniendo en cuenta que
dG df dx
dG' d
dx
G' =
=
= f ' h, G' ' =
=
(f ' h )
= f ' ' h 2 , etc.
dt
dt dx dt
dt dx
4
h
entonces R = f (4) () , donde es un valor entre -1 y 1.
90
As R =

La Regla de Simpson resulta

I = I2 + E2
4
1
1
1

I = h G (1) + G (0) + G (1) h G ( 4) ()


3
3
90
3

5
4
1
1
h ( 4)
I = h f ( x 0 ) + f ( x 1 ) + f ( x 2 ) f () ,
3
3
3
90

donde es un valor entre x0 y x2.


La regla de Simpson es una regla de orden 3 (integra en forma exacta polinomios de grado hasta 3)
y tiene un error del orden de h5: O(h5).

3.5 Regla de Simpson Compuesta


Es un ejercicio sencillo realizar la suma de sucesivas aplicaciones de la regla de Simpson, para
llegar a la frmula
I=

h
3

( x n x 0 )h 4 ( 4)
f
(
x
)
+
4
f
(
x
)
+
2
f
(
x
)
+
f
(
x
)
f ( ) .
0
i i
i
n
90 2
i impares
pares

Ac, el error se halla sumando los errores provenientes de cada intervalo, de manera anloga a
como se hizo para hallar el error en la regla de trapecios compuesta.
Al pasar de la regla de trapecios a la regla de trapecios compuesta el orden del error pas de O(h3) a
O(h2), disminuyendo la precisin; lo mismo sucede en el caso de la regla de Simpson, que pasa de
un error de orden O(h5) a un error del orden O(h4) en Simpson compuesta.
Dr.Ing Anibal Mirasso
Integracin Numrica

Pgina 15 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

4 CUADRATURA DE GAUSS
Planteamos el problema en el dominio unitario
[-1, 1], sabiendo que se puede llevar a cualquier otro
intervalo mediante un cambio de variables conveniente.
Como se observa en el grfico, este mtodo
propone hallar los valores de abscisas t1 y t2 para
aproximar la integral entre 1 y 1 de f(x) mediante el
rea bajo la recta graficada.
Esta regla de integracin se define buscando los
coeficientes y los puntos de evaluacin de la funcin. Si
ba
h=
2
x = ht + c
dx = h dt
G(t) = f(ht+c)
b

n
n

I = f ( x )dx = h G ( t )dt = h i G ( t i ) + R = h i G ( t i ) + E .
i =0
i =0

a
1

4.1 Regla De Dos Puntos Usando el Mtodo De Coeficientes Indeterminados


1

1G(t)dt = 1G(t 1 ) +2 G(t 2 ) + R

1, 2, t1, t2 deben ser tales que el error de integracin sea R = 0 para polinomios de hasta 3 grado.
Comparando los resultados exactos de la integral con el resultado propuesto por la regla, se tiene:
1

1dt = 2 = 1

+ 1 2

1
1

tdt = 0 = t

+ t 22

1 1

1
1

t dt = 3 = t
2

2
1

1 + t 2 2 2

1 = 2 = 1
t1 = t 2 =

(9)

3
3

1
1

t dt = 0 = t
3

3
1 1

+ t 2 2

y la regla queda:
3
3

+ G
I = h G
3 + E , o sea


3
3
+ c + E
+ c + f h
I = h f h
3

3
EJEMPLO: Se desea calcular el volumen de una esfera de radio r mediante el clculo de
Dr.Ing Anibal Mirasso
Integracin Numrica

Pgina 16 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

V =

([ r

x ] ) dx =
1

[r

x 2 ] dx .

Llamando
x = ht+c = ht+0
dx = h dt,
G(t) = f(ht+c) = f(ht+0) = (r2(ht)2)
se plantea:
1

1 [

V = r 2 h 2 t 2 h dt h (1G ( t1 ) + 2G ( t 2 ) )

3
3
3 3

+ f h
+ 1 G
= h f h
= h 1 G

3
3
3


Como h = r, se obtiene:
2
2

3
3 4
3

2
2
2
2
+ r r r
= r 3 1 + 1 = r 3 .
V = r r r

9 9 3
3
3

4.2 Generalizacin de la regla anterior


La regla de dos puntos presentada anteriormente puede generalizarse a ms puntos. Es decir que
dada la funcin f analticamente, se puede replantear el problema en el dominio unitario igual que
antes, pero con el nmero de puntos deseado. La idea de la transformacin es siempre la misma:
ba
h
h=
2
x
x = ht + c
a
c
b
dx = h dt
t
G(t) = f(ht+c)
1 t1 t2 0 t3 t4 1
El sistema (9) deber tener tantas ecuaciones como sea necesario para hallar las incgnitas i y ti. A
continuacin se incluye una tabla con las soluciones de (9) para los casos en que se plantea la regla
para dos, tres y cuatro puntos:
Orden de la
Cantidad de
Coeficiente
Derivada del
Puntos de
Abscisa (ti)
Error de
(i)
Gauss
Truncamiento
2

3
4

Dr.Ing Anibal Mirasso


Integracin Numrica

3 3
0.774596669
0.000000000
0.861136312
0.339981044

0.5555556
0.8888889
0.3478548
0.6521452

6
8

Pgina 17 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

5 EXTRAPOLACIN DE RICHARDSON
Toda vez que se tenga dos aproximaciones de una integral I (lo mismo vale para dos
aproximaciones de derivadas, por ejemplo) es posible mejorar la aproximacin con extrapolacin de
Richardson. Supongamos que se usa cierta regla de integracin, con orden de error de hn, para hallar
xn

dos aproximaciones de I = f ( x )dx , utilizando dos pasos distintos, h1 y h2.


x0

Si, por ejemplo, se elige la regla de Trapecios Compuesta,


para un PASO h1 se tiene un valor aproximado I(h1) con un error
E(h 1 ) =

(x n

x0 )
2
f ' ' ( 1 ) h 1 , 1 (x 0 , x n ) y
12

para un PASO h2 se tiene un valor aproximado I(h2) con un error


E(h 2 ) =

(x n

x0 )
2
f ' ' ( 2 ) h 2 , 2 (x 0 , x n ) .
12

Asumiendo que f ' ' (1 ) f ' ' ( 2 ) ,


E(h 1 ) h 1
=
E(h 2 ) h 2

= .

Si, por ejemplo, se elige la regla de Simpson Compuesta,


para un PASO h1 se tiene un valor aproximado I(h1) con un error
4
( x x 0 )h 1 ( 4)
E(h 1 ) = n
f ( 1 ) , 1 (x 0 , x n ) y
180
para un PASO h2 se tiene un valor aproximado I(h2) con un error
4
( x x 0 )h 2 ( 4)
E(h 2 ) = n
f ( 2 ) , 2 (x 0 , x n ) .
180
Asumiendo, en este caso, que f ( 4 ) (1 ) f ( 4 ) ( 2 ) ,
4

E(h 1 ) h 1
= = .
E(h 2 ) h 2
En general, si se trabaja con una regla cuyo error es del orden de hn, llamaremos

h
= 1
h2

As, en cualquier caso,


y, operando,
de donde

I = I(h1)+E(h1) = I(h2)+E(h2)
I(h2) I(h1) = E(h1) E (h2) = E (h2) [ 1],
E(h 2 ) =

Dr.Ing Anibal Mirasso


Integracin Numrica

I( h 2 ) I( h 1 )
.
1
Pgina 18 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

Si al valor aproximado de la intergral I(h2), se le suma esta aproximacin del error E(h2), se obtiene
el siguiente valor mejorado de la integral:
[I(h 2 ) I(h 1 )]
I = I( h 2 ) + E ( h 2 ) = I( h 2 ) +
1
y sumando, se tiene
I=

I( h 2 ) I ( h 1 )
.
1

El error que se comete depende del error de la regla utilizada. Si h2 < h1, y la regla utilizada tiene un
error de orden n, el error que se comete es del orden de h1(n+2): E(h1(n+2)). En particular, en los
ejemplos analizados antes, si se usa la regla de trapecios compuesta, el error para la aproximacin
que da la extrapolacin de Richardson es del orden de h14: E(h14). Si se usa la regla de Simpson
compuesta, el error es del orden de h16: E(h16).
Observacin: si por falta de puntos se combina la aplicacin de una regla compuesta y la misma
regla pero simple, por ejemplo si se aplica Simpson simple con un paso h1 (el error es del orden de
h15) y Simpson compuesta con un paso h2 (el error es del orden de h24), el error de la nueva
aproximacin ser del orden de h16.

6 INTEGRACIN DE ROMBERG
Xn

Se busca I =

f (x )dx con f(x) : R

R usando la regla de trapecios mltiples.

X0

Consiste en aplicar sucesivas extrapolaciones de Richardson, sobre una serie de aproximaciones de


trapecios mltiples, para pasos que se reducen a la mitad.
En la iteracin k = 1 se tienen los valores de trapecios mltiple:
h1

I(h1)=I11 E(h12)

=22=(h1/h2)2 I*=(4I2-I1)/3 E(h14)


h2=h1/2 I(h2)=I21 E(h22)

=22=(h2/h3)2 I**=(4I3-I2)/3 E(h24)


h3=h2/2 I(h3)=I31 E(h32)

=22=(h3/h4)2 I***=(4I4-I3)/3 E(h34)


h4=h3/2 I(h4)=I41 E(h42)
K=1

K=2

En las iteraciones k 2 se mejora con extrapolacin de Richardson, por ejemplo en k = 2 se


tiene:
I* = I12 E(h14)

=24=(h1/h2)4 I=(16I**-I*)/15

E(h16)

I** = I22 E(h24)

=24=(h2/h3)4 I=(16I***-I**)/15 E(h26)


I*** = I32 E(h34)

Dr.Ing Anibal Mirasso


Integracin Numrica

K=3

Pgina 19 de 22
Ao 2012

Universidad Tecnolgica Nacionao


FRM-ISI

Matemtica Superior

En k =3 se tiene
I

E(h16)

=26=(h1/h2)6 I=(64I-I)/63 E(h18)


I

E(h26)

En la iteracin k = 1, las aproximaciones Ij,1, provienen de aplicar la regla de los trapecios


mltiples, siendo j el nivel de divisiones por la mitad del paso original.
Las iteraciones k 2 que corresponden a mejoras por extrapolacin de Richardson se
4 k 1 I j+1, k 1 I j, k 1
pueden generalizar I j, k =
4 k 1 1
El criterio de parada de las iteraciones es:
I1, k I1, k 1
I1, k

< Tolerancia ,

o bien k > Nmero Mximo de Iteraciones.

6.1 Algoritmo de Romberg


Algoritmo que halla la integral de una funcin dada numricamente
por 9 pares de valores (x, y).

Alg Romberg
Var (X(9), Y(9), h(4), Int(4,4), sum(4): real; i:entero)
Do for i=1,9
Escribir Ingrese el valor de x, i
Leer X(i)
Escribir Ingrese el valor de y, i
Leer Y(i)
End do
Do for i=1,4
h(i)=(X(9)-X(1))/(2^(i-1))
End do
sum(1)=Y(1)+Y(9)
sum(2)=sum(1)+2*Y(5)
sum(3)=sum(2)+2*(Y(3)+Y(7))
sum(4)=sum(3)+2*(Y(2)+Y(4)+Y(6)+Y(8))
Do for i=1,4
Int(i,1)=h(i)/2*sum(i)
End do
Do for i=1,3
Int(i,2)=(4*Int(i+1,1)Int(i,1))/3
End do
Dr.Ing Anibal Mirasso
Integracin Numrica

Pgina 20 de 22
Ao 2012

Matemtica Superior

Universidad Tecnolgica Nacionao


FRM-ISI

Do for i=1,2
Int(i,3)=(16*Int(i+1,2)Int(i,2))/15
End do
Int(1,4)=(64*Int(2,3)Int(1,3))/63
Escribir El valor mejorado de la integral es, Int(1,4).
END
FUNCTION Romberg (x0, xn, maxit, tol)
Local I(10,10)
n=1
I1,1= TrapEq(x0, xn, n)
Iter = 0
DO
Iter = iter + 1
n = 2 iter
Iiter+1,1 = TrapEq(x0, xn, n)
DO k = 2, iter+1
=2+iter-k
4 k 1 I j +1,k 1 I j ,k 1
I j ,k =
4 k 1 1
ENDDO
Eps=Abs((I1,iter+1-I1,iter)/I1,iter+1)
IF((eps tol) or (iter maxit)) EXIT
ENDDO
Romberg = I1,iter+1
END

Dr.Ing Anibal Mirasso


Integracin Numrica

Pgina 21 de 22
Ao 2012

Universidad Nacional de Cuyo


Facultad de Ingeniera

Clculo Numrico y Computacin

EJEMPLO:

MTODO DE ROMBERG

I , j,k =

I = sen ( x )dx

4 k 1 I j+1, k 1 I j, k 1
4 k 1 1

k=1

k=2
I j, 2 =

k=3

4 I j+1,1 I j,1
3

I j, 3 =

16 I j+1, 2 I j, 2
15

k=4
I j, 4 =

64 I j+1,3 I j,3
63

I (trapecios)

h1=

I1=0

2,09439511

1,99857073

2,00000555

h2=/2

I2=1,57079633

2,00455976

1,9998313

2,0000001

h3=/4

I3=1,89611890

2,00026917

1,99999975

2,00000000

h4=/8

I4=1,97423160

2,00001695

2,00000000

h5=/16

I5=1,99357034

2,00000103

h6=/32

I6=1,98839336
O(h2)

Dr.Ing Anibal Mirasso


Integracin Numrica

O(h4)

O(h6)

O(h8)

k=5
I j, 5 =

256 I j+1, 4 I j, 4
255

k=6
I j, 6 =

1024 I j+1,5 I j,5

1,9999999

2,0000000

O(h10)

O(h12)

Pgina 22 de 22
Ao 2012

1023

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

DERIVACIN NUMRICA

1
2

3
4
5
6
7

Introduccin .................................................................................................................................................................... 2
Derivadas Primeras ......................................................................................................................................................... 3
2.1 Hacia adelante ............................................................................................................................................................ 3
2.2 Hacia atrs .................................................................................................................................................................. 3
2.3 Central ........................................................................................................................................................................ 4
Derivadas Segundas ........................................................................................................................................................ 5
Derivada Tercera ............................................................................................................................................................. 6
Derivada Cuarta .............................................................................................................................................................. 7
5.1 Error ........................................................................................................................................................................... 8
Derivada Primera Asimtrica .......................................................................................................................................... 9
Aplicacin de Derivada numrica en la solucin de ecuaciones diferenciales ordinarias con valores de contorno ...... 11

Dr. Ing. Anibal Mirasso


Derivacin Numrica.

Pgina 1 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

1 INTRODUCCIN
El propsito de esta de esta Unidad es lograr obtener aproximaciones numricas de derivadas de
distinto orden de funciones dadas en forma discreta o continua; y su posible aplicacin en la solucin
de ecuaciones diferenciales.
Si bien es posible obtener derivadas aproximadas a partir de las interpolaciones con polinomios de
Newton, se ha optado por obtenerlas desde el concepto de Serie de Taylor.
Para iniciar el desarrollo se recuerdan las definiciones de derivada y Serie de Taylor, conceptos sobre
los que se basa el siguiente desarrollo. Es as que se define la derivada de una funcin f en un punto x0
como el siguiente lmite:
f (x0 + h ) f ( x0 )
f ( x0 ) = lim
.
h 0
h
Esta definicin lleva implcito un mtodo de aproximacin numrica:

f ( x )

f (x + h ) f (x )
.
h

Esta aproximacin numrica se denomina derivacin numrica de f con paso h.


La utilizacin de la serie de Taylor para el desarrollo de una funcin f(x), alrededor de un punto xs,
permite calcular en forma aproximada el valor de la funcin en un punto cercano x = xs + nh; n es
un nmero entero positivo o negativo.
As:

f ( xs + nh ) = f ( xs ) + n h f ( xs ) +

(nh )2 f (xs ) + (nh )3 f (xs ) + (nh )4 f v (xs ) + O(h5 ) .

2!
3!
4!
A partir del desarrollo de Taylor, resulta posible relacionar valores de la funcin en el entorno
(vecindad) de un punto xs con valores de la funcin y sus derivadas en el punto xs.
As en:
n = 2

f s 2 = f s 2 h f s +

n = 1

f s 1 = f s h f s +

n=0

fs = fs ,

n =1
n=2

Derivacin Numrica.

( )

h2
h3
h 4 v
f s
f s+
f s + O h5 ,
2!
3!
4!

( )

h2
h3
h 4 v

fs +
fs +
f s + O h5 ,
2!
3!
4!

f s +1

= f s + h f s +

f s+2

= f s + 2 h f s +

Dr. Ing. Anibal Mirasso

4 h2
8 h3
16 h 4 v
f s
f s+
f s + O h5 ,
2!
3!
4!

( )

4 h2
8 h3
16 h 4 v

fs +
fs +
f s + O h5 .
2!
3!
4!

( )

Pgina 2 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

2 DERIVADAS PRIMERAS
Analizaremos las derivadas primeras en la vecindad del punto:

2.1 Hacia adelante


Considerando el desarrollo en Serie de Taylor de la funcin en n = 1, el valor aproximado de la
funcin en x= xs+h es,
fs+1 = fs + h fs + O(h2),
siendo el error de truncamiento del orden O(h2):
De donde es posible despejar el valor de la derivada primera de la funcin en x=xs, en la forma

f s =

1
[ f s +1 f s ] O(h )
h

o truncando los terminos de orden O(h); se puede expresar en forma aproximada,

f s

1
[ f s +1 f s ] = f s +1 f s
h
xs +1 xs

o bien en trminos de diferencias divididas,

f s' f [x s +1 x s ] .
Grficamente se observa que la derivada es simplemente la pendiente de la secante que pasa por
los puntos (xs, fs) y (xs+1, fs+1):
f
fs+1

fs

x
xs

xs+1

2.2 Hacia atrs


Considerando el desarrollo en Serie de Taylor de la funcin para n = -1, el valor aproximado de la
funcin es,
Dr. Ing. Anibal Mirasso
Derivacin Numrica.

Pgina 3 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

fs-1 = fs - h fs + O(h2)
siendo el error de truncamiento del orden O(h2):
Es posible despejar el valor de la derivada primera de la funcin en x=xs, en la forma,

f s1 =

1
[ f s f s 1 ] + O(h ) ,
h

siendo el error de truncamiento de la derivada del orden de O(h). Si se trunca e desarrollo en serie
de la derivada, resulta una aproximacin de la misma de la forma,
f s

1
[ f s f s 1 ] = f s f s 1
h
x s x s 1

o bien en trminos de diferencias divididas,

f s' f [xs xs 1 ]
Grficamente se observa que la derivada es simplemente la pendiente de la secante que pasa por
los puntos (xs-1, fs-1) y (xs, fs):
f
fs

fs-1

x
xs-1

xs

2.3 Central
Teniendo en cuenta los desarrollos en serie de Taylor para n = 1 y n = -1:
f s +1 = f s + h f s +

h2
h3
f s +
f s+
2
6

f s 1 = f s h f s +

h2
h3
f s
f s+
2
6

y restando miembro a miembro,


f s +1 f s 1 = 2 h f s + 2

h3
f s+
6

se obtiene:
Dr. Ing. Anibal Mirasso
Derivacin Numrica.

Pgina 4 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

f s =

2
1
[ f s +1 f s 1 ] h f s
2h
6

f s =

[ f s +1 f s 1 ] + O(h 2 )
2h

Si se truncan los trminos de orden O(h2), resulta


f s

1
[ f s +1 f s 1 ] = f s +1 f s 1
2h
x s +1 x s 1

Grficamente se observa que el valor de la derivada primera en el punto central es la pendiente de


la recta secante entre los puntos (xs-1, fs-1) y (xs+1, fs+1):
f
fs+1

fs-1
x
xs-1

xs

xs+1

3 DERIVADAS SEGUNDAS
Considerando los desarrollos en serie de Taylor de la funcin para evaluar la funcin en las abscisas
xs-1 y xs+1:
f s 1

h2
h3
h4 v
= f s h f s +
f s
f s+
f s
2
6
24

f s +1

h2
h3
h4 v
= f s + h f s +
f s +
f s+
f s +
2
6
24

y sumando miembro a miembro,


f s +1 + f s 1 = 2 f s + h 2 f s +

h4
f s+
12

es posible despejar :
f s =

1
h2
[
f

2
f
+
f
]

f s
s +1
s
s 1
12
h2

o bien,

Dr. Ing. Anibal Mirasso


Derivacin Numrica.

Pgina 5 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

f s =
f s =

( )

1
[ f s +1 2 f s + f s 1 ] + O h 2
2
h

1 f s +1 f s f s f s 1

+ O (h 2 )

h
h
h

Si se truncan los trminos O(h2), la derivada segunda se puede aproximar como,


f s

1
[ f s +1 2 f s + f s 1 ]
h2

O bien en trminos de diferencias divididas,


f s

f [x s +1 x s ] f [x s x s 1 ]
h

4 DERIVADA TERCERA
Considerando los desarrollos en serie de Taylor de la funcin para
4
2
v
n = -2
f s 2 = f s 2 h f s + 2 h 2 f s h 3 f s+ h 4 f s +
3
3
2
3
4
h
h
h
v
n = -1
f s 1 = f s h f s +
f s
f s+
f s +
2
6
16
2
3
h
h
h4 v
n = +1
f s +1 = f s + h f s +
f s +
f s+
f s +
2
6
16
4
2
v
n = +2
f s + 2 = f s + 2 h f s + 2 h 2 f s + h 3 f s+ h 4 f s +
3
3
y combinndolos linealmente de la siguiente forma:

f s 2 + 2 f s 1 2 f s +1 + f s + 2 =

4 3
2
v
h f s h 4 f s
3
3
3
4
h
h
v
+ 2 f s 2 h f s + h 2 f s
f s+
f s +
3
8
3
h
h4 v
2 f s 2 h f s h 2 f s
f s+
f s +
3
8
4
2
v
f s + 2 h f s + 2 h 2 f s + h 3 f s+ h 4 f s +
3
3

f s + 2 h f s 2 h 2 f s +

resulta

4 1 1 4
v
v
f s 2 + 2 f s 1 2 f s +1 + f s + 2 = + h 3 f s+ O h 5 f s = 2 h 3 f s+ O h 5 f s .
3 3 3 3
De donde se obtiene:
f s=
Dr. Ing. Anibal Mirasso
Derivacin Numrica.

1
[ f s 2 + 2 f s 1 2 f s +1 + f s + 2 ] 1 3 O h 5 f v s
3
2h
2h

)
Pgina 6 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

f s=

( )

1
[ f s2 + 2 f s1 2 f s+1 + f s+2 ] O h2 .
3
2h

Es decir, si se trunca los trminos de orden O(h2), se tiene aproximadamente,


f s

1
[ f s 2 + 2 f s 1 2 f s +1 + f s + 2 ]
2 h3

y reordenando trminos queda:


1
f s = 3 [( f s + 2 f s +1 ) ( f s +1 f s 1 ) + ( f s 1 f s 2 )]
2h
1
f s = 3 [( f s + 2 f s +1 ) ( f s +1 f s ) ( f s f s 1 ) + ( f s 1 f s 2 )]
2h
f s =

1 ( f s + 2 f s +1 ) ( f s +1 f s ) ( f s f s 1 ) ( f s 1 f s 2 )

h
h
h
h
2 h 2

( f s + 2 f s +1 ) ( f s +1 f s ) ( f s f s 1 ) ( f s 1 f s 2 )

1
h
h
h
h

f s =
,
2h
2h
h

que es la diferencia dividida de tercer orden.

5 DERIVADA CUARTA
Considerando los desarrollos en serie de Taylor de la funcin para

n=0

4
2
4
v
v
f s 2 = f s 2 h f s + 2 h 2 f s h 3 f s+ h 4 f s h 5 f s +
3
3
15
2
3
4
5
h
h
h
h
v
v
f s 1 = f s h f s +
f s
f s+
f s
fs +
2
6
24
120
fs = fs

n = +1

f s +1 = f s + h f s +

n = +2

f s+2

n = -2
n = -1

h2
h3
h 4 v h5 v
f s +
f s+
f s +
fs +
2
6
24
120
4
2
4
v
v
= f s + 2 h f s + 2 h 2 f s + h 3 f s+ h 4 f s + h 5 f s +
3
3
15

Si se truncan las series en el trmino de cuarto orden se obtiene el siguiente sistema:

Dr. Ing. Anibal Mirasso


Derivacin Numrica.

Pgina 7 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

2
1 2h 2h
f s 2
2
f 1 h h
s 1
2
0
f s = 1 0
f
h2
s +1
1
h


2
f s + 2
1 2h 2h 2

4
h3
3
h3

6
0
h3
6
4 3
h
3

2 4
h
3
h 4
24
0
h4

24
2 4
h
3

fs
f
s
f
s
f s
v
f s

La solucin del sistema es:


v

1
[ f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 ]
h4
1
f s = 3 [ f s 2 + 2 f s 1 + 0 f s 2 f s +1 + f s + 2 ]
2h
1 1
4
5
4
1

f s = 2
f s 2 + f s 1 f s + f s +1
f s+2
3
2
3
12
h 12

fs

f s =

11
2
2
1

f s 2 f s 1 + 0 f s + f s +1
f s+2

3
3
12
h 12

5.1 Error
El trmino que aparece en las expresiones anteriores como O(hp), se conoce como error de
truncamiento, ya que se obtiene al truncar la serie de Taylor. El orden de precisin de una derivacin
numrica viene dado por el exponente p de la potencia de h que aparece en el trmino del error de
truncamiento.
Para obtener el orden del error de las expresiones obtenidas, se combinan linealmente los desarrollos
en serie, segn los coeficientes obtenidos.
As para fs iv :
4
2
4
v
f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 = f s 2hf s + 2h 2 f s h 3 f s+ h 4 f s h 5 f v s + O(h 6 )
3
3
15
4
4
4 5 v
v
4 f s + 4hf s 2h 2 f s + h 3 f s h 4 f s +
h f s + O(h 6 )
6
24
120
+ 6 fs
4
4
4 5 v
v
4 f s 4hf s 2h 2 f s h 3 f s h 4 f s
h f s + O(h 6 )
6
24
120
4
2
4
v
f s + 2hf s + 2h 2 f s + h 3 f s+ h 4 f s + h 5 f v s + O(h 6 )
3
3
15
f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 = f s (1 4 + 6 4 + 1) + hf s( 2 + 4 4 + 2) + h 2 f s(2 2 2 + 2)
Dr. Ing. Anibal Mirasso
Derivacin Numrica.

Pgina 8 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

4
4 4 4 4
v 2 4

+
+ h 3 f s + + + h 4 f s
3 6 6 3
3 24 24
4
4
4
4
v
+ h5 f s +

+ + O(h 6 )
15 120 120 15

v
f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 = h 4 f s + O (h 6 ),

de donde
fs

( )

1
[ f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 ] + O h 2
4
h

El orden del error es e(4) = O(h2).


Calculando otras combinaciones lineales se puede obtener e(3) = O(h2), e(2) = O(h4) y e(1) = O(h4) para
las expresiones obtenidas con los desarrollos en serie de Taylor hasta orden 5.

Observacin: ntese que si se calcula la derivada primera de una funcin en un punto hacia delante o
hacia atrs (a partir de dos puntos datos), se tiene un error del orden de O(h); si se hace el clculo de
dicha derivada mediante la frmula central (a partir de tres puntos), se tiene un error del orden de
O(h2); en cambio si se lo hace utilizando esta ltima frmula (a partir de cinco puntos), se comete un
error del orden de O(h4). Algo similar ocurre con la derivada segunda.

6 DERIVADA PRIMERA ASIMTRICA


Se pretende obtener una frmula de derivada primera hacia delante que tenga orden de error superior a
uno. Para ello se consideran tres puntos equidistantes, Xs; Xs+1 y Xs+2, y se platea que la derivada
primera sea una combinacin lineal de los valores de la funcin, cuya derivada se pretende calcular, en
esas abscisas. Esto es:
f s' = [ f s + f s +1 + f s + 2 ]
Se considera los desarrollos en serie de Taylor de la funcin f(x) en dichas abscisas,
h2
h3
h 4 v h5 v
f s +
f s+
f s +
fs +
2
6
24
120
4
2
4
v
v
= f s + 2 h f s + 2 h 2 f s + h 3 f s+ h 4 f s + h 5 f s +
3
3
15

n = +1

f s +1 = f s + h f s +

n = +2

f s+2

Al reemplazar estas series en la combinacin lineal propuesta y agrupando trminos se obtiene una
nueva serie para la derivada primera en Xs
f s' = [ + + ] f + f s [ h + 2h] +
Dr. Ing. Anibal Mirasso
Derivacin Numrica.

h2
h3
h4 v
f s [ + 4 ] +
f s [ + 8 ] +
f s [ + 16 ] +
2
6
24
Pgina 9 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Para que la nueva serie obtenida sea igual a la derivada primera en Xs, se debe cumplir que
0 = [ + + ]

1 = [ h + 2h]
Siendo el error de truncamiento, el trmino ms importante de la parte truncada evaluado en un punto
cercano .
h2
f [ + 4 ]
2
De la solucin del sistema de ecuaciones lineales de dos ecuaciones con tres incgnitas se tiene:
= [ 1 / h + ]
= [1 / h 2 ]
De modo que la derivada primera hacia delante es
f s' = [[ 1 / h + ] f s + [1 / h 2 ] f s +1 + f s + 2 ]
Con un error de truncamiento local
h2
Er =
f [1 / h + 2 ]
2
Esto es vlido para todo valor de . En particular cuando es cero, se recupera la derivada primera
adelante y su error de truncamiento local. Mientras sea un coeficiente no nulo, el error de
truncamiento local depende del valor de y de h linealmente.
Es de destacar el caso en que se adopta = 1 /(2h) ; en cuyo caso la derivada primera hacia delante es
Er =

f s' = {[ 3 /(2h)] f s + [2 / h] f s +1 + [ 1 /(2h)] f s + 2 }


y el error de trocamiento resulta nulo, y se debe considerar el siguiente trmino de la serie
h2
h3
h4 v
f s' = [ + + ] f + f s [ h + 2h] +
f s [ + 4 ] +
f s [ + 8 ] +
f s [ + 16 ] +
2
6
24
Es decir:, el error de truncamiento resulta:
h3
h3
h2
Er =
f s [ + 8 ] =
f s [2 / h] =
f s
6
6
3
Resulta as que la derivada primera hacia adelante considerando tres puntos es exacta hasta polinomios
de grado 2 y el orden de l error de truncamiento local es de h2.
Ejercicio: Demostrar siguiendo el procedimiento anterior que la derivada primera hacia atrs al
considerar tres puntos, resulta:
f s' = {[3 /(2h)] f s + [ 2 / h] f s 1 + [1 /(2h)] f s 2 }
Y su error de truncamiento es:
h2
Er =
f s
3

Dr. Ing. Anibal Mirasso


Derivacin Numrica.

Pgina 10 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

7 APLICACIN DE DERIVADA NUMRICA EN LA SOLUCIN


DE ECUACIONES DIFERENCIALES ORDINARIAS CON
VALORES DE CONTORNO
Es posible usar las reglas de derivacin numrica en la obtencin de soluciones aproximadas de
ecuaciones diferenciales ordinarias, en particular con valores de contorno. Se suele referir a esta forma
de solucin aproximada como el Mtodo de Diferencias Finitas.
Es posible plantear el mtodo mediante un ejemplo simple.
Se busca u(x) solucin de
d 2 u ( x)
+ u ( x) x = 0
dx 2
u (0) = 0
u (1) = 0
La solucin exacta de esta ecuacin diferencial es

u ( x) = x

en = {x R : 0 x 1}

senh( x)
senh(1)

En vez de encontrar la solucin en cada uno y todos los puntos del dominio , se plantea encontrar la
solucin en forma aproximada en slo algunos puntos elegidos del dominio y equidistantes
identificados con su abscisa Xk. Para ello se divide el dominio en N segmentos iguales y as quedan
definidos N+1 puntos que incluyen a los bordes del dominio.
Se busca U(Xk) con k=0,N; funcin discreta que es una aproximacin de la funcin continua u(x). En
cada punto se postula la existencia de un valor aproximado de la solucin buscada U(Xk)=Uk con k que
vara desde 0 hasta N.
En cada uno de los Xk se puede plantear la ecuacin diferencial a resolver pero con una aproximacin
de la derivada segunda en forma de derivada numrica considerando la funcin discreta Uk. As se
puede escribir:

1
[U k 1 2 U k + U k +1 ] + U k X k = 0
x 2

en X k

con k = 1, ( N 1)

siendo x=1/N la distancia entre los puntos. Es una ecuacin algebraica cuyas incgnitas son las Uk.
De estas ecuaciones se pueden plantear tantas como puntos interiores; es decir N-1 ecuaciones y se
tienen n+1 incgnitas. Adems se tienen las dos ecuaciones correspondientes a las Condiciones de
Contorno, que agregan dos ecuaciones ms. As se tienen N+1 ecuaciones con N+1 incgnitas.
Caso N=2
U 0 = 0 en X 0
1
[U 0 2 U 1 + U 2 ] + U 1 X 1 = 0

0,5 2
U 1 = 0 en X 1
O bien

U(x)

en X 1

9 U 1 0,5 = 0

U0

U1
X=0,5

La solucin aproximada es

U1

X=1

U 1 = 1 / 18 = 0,055555
Dr. Ing. Anibal Mirasso
Derivacin Numrica.

Pgina 11 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

As el error respecto de la solucin exacta en ese punto es


1
senh(0,5)
E2 =
(0,5
) = 0,001035002
18
senh(1)
E (abs) 2 =

1
senh(0,5)
senh(0,5)
(0,5
) /(0,5
) = 1,83%
18
senh(1)
senh(1)

Caso N=4
U 0 = 0 en X 0
1
[U 0 2 U 1 + U 2 ] + U 1 X 1 = 0

0,5 2
1
[U 1 2 U 2 + U 3 ] + U 2 X 2 = 0

0,5 2
1
[U 2 2 U 3 + U 4 ] + U 3 X 3 = 0

0,5 2
U 4 = 0 en X 4

en X 1 = 0,25
en X 2 = 0,5
en X 3 = 0,75

U(x)
U1

U0

U2

X=0,25

U3

X=0,5

X=0,75

U4

X=1

O bien
0 U 1 0,25
33 16
16 33 16 U = 0,5

0
16 33 U 3 0,75

La solucin aproximada es
U 1 0,03488525

U 2 = 0,05632582
U 0,05003676
3

As el error respecto de la solucin exacta en ese punto es


senh(0,5)
E 4 = U 2 (0,5
) = 0,000264735
senh(1)

E (abs) 4 = U 2 (0,5

Dr. Ing. Anibal Mirasso


Derivacin Numrica.

senh(0,5)
senh(0,5)
) /(0,5
) = 0,47%
senh(1)
senh(1)

Pgina 12 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Caso N=8
U 0 = 0 en X 0 = 0
1
[U 0 2 U 1 + U 2 ] + U 1 X 1 = 0

(1 / 8) 2

en X 1 = 1 / 8

1
[U 1 2 U 2 + U 3 ] + U 2 X 2 = 0 en X 2 = 2 / 8
(1 / 8) 2
1
[U 2 2 U 3 + U 4 ] + U 3 X 3 = 0 en X 3 = 3 / 8

(1 / 8) 2

.
U 8 = 0 en X 8 = 1
O bien
0
0
0
0
0
129 64
64 129 64
0
0
0
0

0
64 129 64
0
0
0

64 129 64
0
0
0
0
0
64 129 64
0
0
0

64 129 64
0
0
0
0
0
64 129
0
0
0
0

U 1 1 / 8
U 2 / 8
2

U 3 3 / 8

U 4 = 4 / 8
U 5 5 / 8


U 6 6 / 8
U 7 / 8

La solucin aproximada es
U T = {0,0183367; 0,03500678; 0,04831759; 0,05652399; 0,05780107; 0,05021568; 0,03169615}
As el error respecto de la solucin exacta en ese punto es
senh(0,5)
E8 = U 4 (0,5
) = 6,65711E - 05
senh(1)
E (abs) 8 = U 4 (0,5

senh(0,5)
senh(0,5)
) /(0,5
) = 0,12%
senh(1)
senh(1)

Evaluacin del Error


Al considerar el error para distintos niveles de disicretizacin; es decir, distinto nmero de segmentos
en que se divide el dominio, se tiene
senh(0,5)
senh(0,5)
senh(0,5)
) y E (abs) N = U N / 2 (0,5
) /(0,5
)
E N = U N / 2 (0,5
senh(1)
senh(1)
senh(1)
Cuyas evaluaciones se presentan en la siguiente Tabla
N
2
4
8
16

x
0,5
0,25
0,125
0,0625

Uaprox(0,5) EN
0,05555556
0,05632582
0,05652399
0,05657389

E(abs)N
0,001035002
0,000264735
6,65711E-05
1,66672E-05

1,83%
0,47%
0,12%
0,03%

Si se asume una relacin exponencial entre E(abs) N y x, la aproximacin por mnimos cuadrados da:
E (abs) N = C x P = e 2,6168 x1,9861
Que indica una relacin del orden de x1,9861 x 2 que es el error de truncamiento local de la
aproximacin de derivada segunda utilizado.

Dr. Ing. Anibal Mirasso


Derivacin Numrica.

Pgina 13 de 13
Ao 2012

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

SOLUCION NUMRICA DE
ECUACIONES DIFERENCIALES ORDINARIAS.
1

Introduccin ....................................................................................................................................... 2

Clasificacin de los mtodos. ............................................................................................................. 4

Tipos de Errores en los mtodos numricos para la solucin de EDO............................................ 5

Solucin en Serie de Taylor. .............................................................................................................. 5

Mtodos de Runge-Kutta. .................................................................................................................. 7

5.1

CARACTERISTICAS GENERALES. ................................................................................................ 7

5.2

METODO DE EULER. ......................................................................................................................... 8

5.3

METODO DE EULER MEJORADO. ................................................................................................. 9

5.4

METODO DE EULER MODIFICADO. ........................................................................................... 11

5.5

GENERALIZACION DE LOS METODOS DE RUNGE-KUTTA DE SEGUNDO ORDEN. .... 12

5.6

Mtodo de Runge-Kutta de cuarto orden .......................................................................................... 14

Mtodos Predictor-Corrector ........................................................................................................... 15


6.1

Mtodos Multipaso ............................................................................................................................... 15

6.2

Mtodos Predictor-Corrector: (P-C) .................................................................................................. 18

6.2.1
6.2.2
6.2.3

Mtodo predictor-corrector de segundo orden: ................................................................................................. 18


Mtodo de Heun: .............................................................................................................................................. 19
Mtodo de Milne............................................................................................................................................... 19

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 1 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

1 INTRODUCCIN
Las ecuaciones diferenciales aparecen con frecuencia en modelos matemticos de diversas
disciplinas: biologa, ecologa, economa, administracin, ingeniera, meteorologa,
oceanografa, fsica y sociologa.
Qu es una ecuacin diferencial?
Es una ecuacin en la que aparecen funciones, sus derivadas, una o ms variables
independientes y una o ms variables dependientes.
Las ecuaciones diferenciales se dividen en dos grupos:
Ecuaciones Diferenciales Ordinarias: (EDO) en las que aparece slo una variable
independiente x.
Ecuaciones Diferenciales Parciales: (EDP) en las que aparecen ms de una variable
independiente.
Centramos nuestra atencin en las EDO. El objetivo es determinar la funcin y(x) que
satisface la EDO. Por ejemplo:
a) y(x)=f(x)
b) y(x)=-K y(x), con K una constante dada.
c) (y(x))3 -3y(x)+x y = x
Donde ( ) indica derivada de ( ) respectoo a la variable independiente x.
Qu es el orden de una ecuacin diferencial?
Es el entero igual al nmero mximo de veces que se deriva la variable dependiente de la
ecuacin.
En los ejemplos anteriores: a) es de segundo orden; b) es de primer orden; c) es de segundo
orden.
Nos concentraremos en el estudio de EDO de primer orden.

y=f(x,y)
siendo f(x,y) una funcin conocida. La solucin a esta EDO ser una funcin tal que
sustituida en la EDO la reduce a la identidad. La solucin tendr una constante arbitraria por
lo que necesitaremos de una condicin adicional para determinarla: Es decir, la solucin de
una EDO es una familia de curvas. Al especificar una condicin inicial, estamos determinando
cul de esas curvas es la solucin a nuestro problema.
Nos interesa resolver una EDO de primer orden con una condicin inicial:
y=f(x,y)
y(x0)=y0
Por qu surge la necesidad de los mtodos numricos para resolver EDO?
Existen soluciones analticas para este tipo de EDO slo para casos especiales de la funcin
f(x,y). Estas EDO especiales se llaman: de variables separables, exactas, de Bernoulli,
homogneas, etc. Pero la EDO de primer orden que puede llegar a nuestras manos para su
resolucin, puede no caer en ninguno de esos casos especiales de EDO: Con frecuencia, los
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 2 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

problemas de la prctica, o bien no pueden resolverse por los mtodos clsicos, o bien la
solucin es tan difcil de obtener o tan laboriosa de evaluar que no vale la pena el esfuerzo.
En un gran nmero de aplicaciones prcticas algunos de los coeficientes o funciones de una
EDO son fuertemente no lineales, o estn dados por medio de un conjunto tabulado de
valores experimentales, lo que elimina las posibilidades de obtener una solucin clsica
analtica.
Entonces, por muchas razones, estamos obligados a buscar mtodos de solucin que se
apliquen en los casos en los que los mtodos clsicos no son tiles. Los mtodos que
consideraremos se generalizan fcilmente para resolver sistemas de EDO simultneas de
primer orden. Adems, EDO de orden superior se pueden reducir fcilmente a un sistema de
EDO simultneas de primer orden.
Solucin de una EDO de primer orden:
Sea la EDO de primer orden con condicin inicial:

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

(1)

La funcin f(x,y) es continua en un dominio D del plano (x,y). El punto (x0 , y0) pertenece a D. La
funcin Y(x) es solucin de (1) en un intervalo [a,b] si para todo x perteneciente a [a,b] se
verifica:
9 (x,Y(x)) D
9 Y(x0 )= Y0
9 Y(x) y se verifica que Y(x)=f(x,Y(x))
Cmo se obtiene en general una solucin numrica?
Buscamos una solucin Y(x). Qu datos tenemos? : Y(x0 )= Y0 y la pendiente de la curva en
cualquier punto como funcin f(x,y) de x e y. Comenzamos con el punto conocido (x0 ,Y0).
Calculamos la pendiente de la curva en ese punto (y = f(x,y)). Avanzamos sobre el eje x una
cierta distancia. Si al incremento en x lo llamamos h, obtenemos un nuevo punto x1 = x0 + h y
con la pendiente de la recta tangente ya obtenida se determina Y(x1 )= Y1. Continuando de
esta manera obtenemos una secuencia de lneas rectas que aproximan a la curva verdadera
que es la solucin.
Y(x)
y2
Y=Y(x)

y1

Y0
X
X0

X1

X2

Lo que hacemos entonces es discretizar la variable x en una sucesin de puntos {xm}.


Podemos permitir una longitud de paso variable, es decir:
h(m) = xm+1 - xm
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 3 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Pero en la mayora de los problemas se considera h constante. O sea,


con m = 0,1, ..., n

xm = x0 + m.h

La funcin aproximante Y(x) se obtiene slo para los puntos {xm}. Si necesitamos obtener Y
para otros valores de x, podemos usar interpolacin.
Si el problema consiste en determinar y(x) en x=b, podemos elegir n como el nmero de
subintervalos en [x0 , b]. Por lo tanto,
h = (b - x0)/n

2 CLASIFICACIN DE LOS MTODOS.


Existen dos categoras bsicas de mtodos numricos para la resolucin de EDO de primer
orden:
I.

Mtodos de un paso:
9 Son mtodos tales que para aproximar la solucin en el punto de abscisa xm usan
datos slo del punto anterior (xm-1 ,Ym-1).
9 Son mtodos directos, es decir, la solucin en un punto no se itera.
9 Tiene la desventaja de que es difcil estimar el error.
9 Mtodos: Desarrollo en Serie de Taylor; Mtodos de Runge-Kutta.
9 La forma general de estos mtodos es:

Ym+1 = Ym + h (xm ,Ym, h, f)


La funcin est relacionada con los conceptos de convergencia y estabilidad del mtodo.
II.

Mtodos multipaso:
9 Son mtodos tales que para aproximar la solucin en el punto de abscisa xm usan
informacin de varios puntos anteriores.
9 Son mtodos que requieren iteracin de la solucin para llegar a un valor
suficientemente preciso.
9 Es posible obtener una estimacin del error.
9 Requieren menos evaluaciones de la funcin.
9 La mayora de los mtodos de este tipo se llaman Predictor - Corrector.
9 La forma general de estos mtodos es:
p

j =0

j =1

Ym+1 = a jYm j + h b j f ( xm j , Ym j )
los que a su vez se clasifican en :
Mtodos explcitos, si b-1 = 0
Mtodos implcitos, si b-1 0
La determinacin de los coeficientes aj y bj no es arbitraria, sino que est asociada a los
conceptos de convergencia y estabilidad del mtodo.
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 4 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

3 TIPOS DE ERRORES EN LOS MTODOS NUMRICOS PARA


LA SOLUCIN DE EDO.
En los mtodos numricos para resolver EDO podemos tener los siguientes tipos de errores:
1. Error de Redondeo Local:
Motivado por realizar operaciones con un nmero finito de cifras significativas. Es
independiente del paso h.
2. Error por Truncado Local:
Es debido al mtodo y depende de h. Generalmente el error por redondeo local es menor
que el error por truncado local.
3. Error por Propagacin:
El error pasa de una etapa a la siguiente y el error final puede ser apreciable si el mtodo
no es estable.

4 SOLUCIN EN SERIE DE TAYLOR.


Empezamos nuestro estudio con un mtodo que tericamente suministra una solucin para
cualquier EDO, pero que sin embargo tiene escaso valor computacional prctico. Su
importancia estriba en que da una base para evaluar y comparar los mtodos que s son
valiosos en la prctica.
Un planteo razonable para resolver nuestra EDO
y = f(x,y)

(1)

y(x0)=y0
sera desarrollar y(x) en una Serie de Taylor con centro en x0 y luego evaluar la serie en x1
para as obtener y(x1) = y1. Repitiendo este proceso podemos movernos a x2, x3, etc. El
desarrollo en Serie de Taylor de y(x) con centro en x0, se puede escribir en la forma:
y(x) = y0 +y0 (x- x0) + y0/2 (x-x0)2 + y0/6 (x-x0)3 + ...
(2)

1
( x x0 ) k y 0( k )
k = 0 k!

y( x) =

donde y 0k es la k-sima derivada de y(x) evaluada en x = x0.


Si x1 = x0+ h, entonces,

1 k (k )
(h) y0
k = 0 k!

y ( x1 ) = y ( x0 + h ) =

(3)

En la prctica slo se utilizan los (n+1) primeros trminos del Desarrolllo en Serie de Taylor y
el mtodo recibe entonces el nombre de Mtodo de Taylor de orden n
Supongamos que hemos encontrado una solucin aproximada en (n+1) puntos a lo largo del
eje x: x0 , x1 , ..., xn Los valores sucesivos de x estn todos a una distancia h del precedente. Es
decir,

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 5 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

(4)

x m = x0 + m . h

siendo h la longitud de paso. Podemos aproximar la solucin en el siguiente punto xm+1


sustituyendo xm+1 por x en (2) y teniendo en cuenta que xm+1 = xm+ h resulta:

Ym+1 = Y(xm + h)= Ym + h Ym + h2/2 Ym+ h3/6 Ym + ...

(5)

La aproximacin ser mejor cuantos ms trminos tomemos del desarrollo en serie. Es


necesario evaluar las derivadas. As se tiene de (1) que:

Ym = f (xm , Ym)

(6)

Derivando (1) con respecto a x obtenemos:

y =

df f f y f f
=
+
=
+
f
dx x y x x y

Si indicamos que

fx =

f
f
; fy =
x
y

Es decir, las letras subndices denotan derivadas parciales con respecto a la variable indicada
en el subndice. Escribimos la derivada segunda como:

y = f x + ff y

(7)

Evaluemos la derivada tercera:

y = f = f xx + f xy y + ( f x + f y y ) f y + f ( f yx + f yy y ) =
= f xx + f xy f + f x f y ( f y ) 2 f + ff yx + f 2 f yy
y = f xx + 2 f xy f + f x f y + f ( f y ) 2 + f 2 f yy

(8)

Sustituyendo (6), (7) y (8) (evaluadas en ( x m , y m ) en (5) se tiene:

Ym +1 = Ym + hf +

h2
( f x + ff y ) + ( h 3 )
2

(9)

( h 3 ) se lee: del orden de h 3 y significa que todos los trminos subsecuentes contienen h
elevada a la tercera potencia o superiores.
Esta es otra forma de decir que si usramos la frmula (9) sin el trmino ( h 3 ) el error por
truncamiento sera aproximadamente Kh 3 en que K es alguna constante.
La expresin del error de truncamiento asociada con la utilizacin de la expresin (5) se
puede obtener al evaluar el primer trmino omitido en la Serie de Taylor, es decir,
ET =

h n +1
f (n)
( n + 1)!

x =

h n +1
y ( n +1) ( )
( n + 1)!

(10)

donde es algn punto entre x j y xj+1. Este error (con signo) se llamar error de
truncamiento local o de un paso.
La solucin en Serie de Taylor se clasifica como mtodo de un paso porque para evaluar

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

ym+1

Pgina 6 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

se requiere slo informacin en ( x m , y m ) .


Cul es la dificultad prctica del mtodo?
Que puede ser difcil, o en algunos casos imposible, encontrar f x y f y . Y vemos que las
expresiones para evaluar las derivadas y , y , etc., se complican conforme aumenta el
orden.
Por lo tanto, el mtodo es generalmente imprctico desde el punto de vista computacional.
Pero ahora consideraremos mtodos prcticos y tendremos una base para juzgarlos: hasta
qu punto coinciden con el desarrollo en Serie de Taylor?
Una manera comn de clasificar y comparar mtodos es dar su orden de precisin. El orden
de un mtodo describe la expresin del error local de truncamiento:
Si el error local de truncamiento es proporcional a

h n +1 ,

entonces decimos que el mtodo es de orden n.

5 MTODOS DE RUNGE-KUTTA.
5.1 CARACTERISTICAS GENERALES.
Los mtodos de Runge-Kutta tienen tres propiedades fundamentales:

Son mtodos de un paso.


Son mtodos que coinciden con la Serie de Taylor hasta los trminos de orden h p , en
que p es distinto para cada uno de los mtodos y se denomina el orden del mtodo.
Son mtodos que no requieren la evaluacin de ninguna derivada de f ( x, y ) , sino
nicamente de la funcin f en s.
Esta ltima propiedad es la que hace que estos mtodos resulten ms prcticos que el
desarrollo en Serie de Taylor. El precio que pagamos por no tener que evaluar las derivadas,
es que debemos evaluar f ( x, y ) para ms de un valor de x e y .
Comenzamos por el mtodo ms simple dentro de los mtodos de Runge-Kutta, que
suministra un punto inicial necesario para otras presentaciones, aunque de poca precisin.
Posteriormente, se desarrollarn variantes que disminuyen los errores.

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 7 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

5.2 METODO DE EULER.


Es uno de los mtodos ms antiguos y mejor conocidos de integracin numrica de
ecuaciones diferenciales. Fue ideado por Euler hace ms de 200 aos. Es un mtodo fcil de
entender y de usar, pero no es tan preciso como los otros mtodos que estudiaremos.
Supongamos que para la abscisa x = xm conocemos la ordenada Ym. Podemos entonces
evaluar la pendiente de la recta tangente a la curva solucin en dicho punto:

Ym = f ( x m , Ym )

(11)

En la figura, la curva es la solucin exacta que se desconoce y la recta L1 es la recta tangente


a la curva en el punto ( xm , Ym ) . Hacemos coincidir Ym con la solucin exacta y=y(x), pero en la
prctica esto no ocurre, sino que Ym es en general una aproximacin.
La ecuacin de la recta L1 es:

Y = Ym + Ym ( x x m )

(12)

donde Ym = f ( x m , Ym ) .
Y(x)
L1
Y=Y(x)

ym+1
Ym+1

h fm
A

Ym

X
Xm

Xm+1

Evaluamos el valor de la ordenada en xm+1 = xm+ h:

Ym +1 = Ym + hf ( xm , Ym )

(13)

Esta expresin coincide con el desarrollo en Serie de Taylor hasta el trmino en h . por lo
tanto, el error de truncamiento local es:

ETL =

h 2
y ( )
2!

[xm , xm +1 ]

(14)

Se trata entonces de un Mtodo de Runge-Kutta de Primer Orden.


Adems de tener un error de truncamiento local relativamente grande, el Mtodo de Euler es
a menudo inestable. Es decir, un error pequeo (por redondeo, por truncamiento o inherente)
se amplifica conforme aumenta el valor de x. Slo para valores de h tendiendo a cero la
precisin del mtodo es satisfactoria.
El Mtodo de Euler usa slo la pendiente de la recta tangente a la curva solucin en el punto
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 8 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

( xm , Ym ) para calcular Ym +1 . El mtodo puede mejorarse de muchas maneras. Estudiaremos


dos de ellas: el mtodo Mejorado de Euler y el Mtodo Modificado de Euler. Veremos luego
que son dos mtodos de una familia de mtodos de Runge-Kutta de segundo orden.

5.3 METODO DE EULER MEJORADO.


En el Mtodo Mejorado de Euler se trabaja con un promedio de pendientes. Vemoslo
geomtricamente:

Determinamos con el Mtodo de Euler el punto E ( xm + h , Ym + hYm ) de la recta L1 .


Calculamos en ese punto E, la pendiente de la recta tangente a la curva ( L2 ).
Promediamos las dos pendientes y obtenemos la recta a trazos L .
Dibujamos una lnea L paralela a L y que pasa por ( xm , Ym ) .
El punto en que esta recta intersecta a la vertical por xm+1 es el punto buscado B( xm +1 , Ym +1 )
Y(x)
L1

ll Lp
L2

Ym+h Ym

Y=Y(x)

Ym+1
ym+1
Ym

Lp

B
A

X
Xm

Xm+1

Teniendo en cuenta que y = f(x,y) veamos cules son las pendientes que nos interesan:
Pendiente de L1 :

Ym = f ( x m , Ym )

Pendiente de L2 :

Ym +1 = Y ( x m + h ) = f ( x m + h, Ym + hYm )

Pendiente de L :

( x m , Ym , h ) =

1
f ( x m , Ym ) + f ( x m + h, Ym + hYm )
2

(15)

La ecuacin de la recta L resulta:

Y = Ym + ( x x m ) ( x m , Ym , h )
Por lo tanto,

Ym+1 = Ym + h ( xm , Ym , h)

(16)

donde ( xm , Ym , h ) est dada por la ecuacin (15).


Cul es el orden de precisin de este mtodo?
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 9 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Para averiguarlo veamos hasta qu trminos coincide con la serie de Taylor.


La expansin en serie de la funcin f(x,y) se puede escribir como:

f ( x , y ) = f ( x m , Ym ) + ( x x m )

f
x

+ ( y Ym )

f
y

+ .....

(17)

f ( xm + h, Ym + hYm ) = f ( xm , Ym ) + hf x + hf ( xm , Ym ) f y + ( h 2 )

(18)

( xm ,Ym )

( xm ,Ym )

Sustituimos:

x = xm + h
y = Ym + hYm = Ym + hf ( x m , Ym )
y obtenemos:

donde f x =

f
x

y fy =
( xm ,Ym )

f
y

son las derivadas parciales y estn ambas evaluadas en


( xm ,Ym )

( x m , Ym ) .
Sustituimos este resultado en la expresin de (ecuacin (15):

( x m , Ym , h ) =

1
f ( x m , Ym ) + f ( x m , Ym ) + hf x + hf ( x m , Ym ) f y + ( h 2 )
2

( x m , Ym , h ) = f ( x m , Ym ) +

h
[
f x + ff y ] + ( h 2 )
2

]
(19)

Ahora reemplazamos , (ecuacin (19)), en la ecuacin (16) para poder comparar el


desarrollo en Serie de Taylor. Sustituyendo se obtiene:

Ym +1

h2
[
= Ym + h f ( x m , Ym ) +
f x + ff y ] + ( h 3 )
2

(20)

Esta expresin coincide con el desarrollo en Serie de Taylor hasta los trminos en h 2 , as que
el Mtodo Mejorado de Euler es un Mtodo de Runge-Kutta de segundo orden. Observamos
que este mtodo exige evaluar f dos veces. Sin embargo para obtener el mismo orden de
precisin, la Serie de Taylor exige tres evaluaciones de funciones ( f , f x , f y ).

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 10 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

5.4 METODO DE EULER MODIFICADO.


En lugar de promediar pendientes como en el mtodo anterior, en este mtodo modificado de
Euler, se promedian puntos. Vemoslo geomtricamente:

+ h , Ym + hYm ) de la recta L1 .

Determinamos con el Mtodo de Euler el punto E ( x m

Ubicamos el punto C que pertenece a L1 : C ( x m +

Calculamos la pendiente de la recta tangente a la curva en C :

h
h
, Ym + Ym )
2
2

h
h

( x m , Ym , h) = f ( x m + ), (Ym + Ym )
2
2

con Ym = f ( xm , Ym )

(21)
(22)

L es la recta que pasa por C y tiene por pendiente a (ecuacin (21)).


Dibujamos una lnea L paralela a L y que pasa por ( xm , Ym ) .

El punto en que esta recta L intersecta a la vertical por xm +1 es el punto buscado

B( xm +1 , Ym +1 ) .
Y(x)

L1

E
LC
ll LC

YC
Ym+1

ym+1
Ym

Y=Y(x)

X
Xm

h/2

La ecuacin de la recta L resulta:

Xm+1

XC
h

Y = Ym + ( x x m ) ( x m , Ym , h )

(23)

Ym +1 = Ym + h ( x m , Ym , h )

(24)

Por lo tanto,

donde ( xm , Ym , h ) est dada por la ecuacin (21).


Ejercicio: Demuestre que el Mtodo Modificado de Euler coincide con el desarrollo en Serie
de Taylor hasta los trminos en h 2 , y por lo tanto, es un Mtodo de Runge-Kutta de segundo
orden.

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 11 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

5.5 GENERALIZACION DE LOS METODOS DE RUNGE-KUTTA DE


SEGUNDO ORDEN.
Hasta ahora tenemos dos mtodos de Runge-Kutta de segundo orden. Sera interesante ver
qu es lo que tienen en comn y ver si pueden ser generalizados. Ambos estn dados por
una expresin de la forma:

Ym +1 = Ym + h ( xm , Ym , h )
con

(25)

(xm,Ym, h) = a1 f (xm,Ym ) + a2 f (xm +b1h),(Ym +b2hYm )

(26)

siendo

Ym = f ( x m , Ym )

(27)

Para el Mtodo Mejorado de Euler:


1
2
b1 = b2 = 1
a1 = a 2 =

(28)

Para el Mtodo Modificdo de Euler:


a1 = 0 ; a 2 = 1
b1 = b2 =

(29)

1
2

Las ecuaciones (25), (26) y (27) constituyen una frmula de tipo Runge-Kutta.
Cules son los valores permisibles de los parmetros a1 , a 2 , b1 , b2 ?
Para obtener concordancia con el desarrollo en Serie de Taylor hasta trminos en h 2 tenemos
que plantear tres condiciones (que coincida el trmino en h y que coincidan los dos trminos
en h 2 ). Pero disponemos de cuatro parmetros para definir el Mtodo de Runge-Kutta de
segundo orden y slo tres condiciones a satisfacer. Por lo tanto se pueden derivar muchas
frmulas diferentes de segundo orden.
Consideremos el desarrollo en serie de Taylor para f(x,y), con centro en ( x m , y m ):
f(x,y) = f ( x m , y m ) + ( x - x m )
Escribimos:

f
f
+ (y - y m )
+ O( h 2 )
x
y

x - xm = b1 h
y - ym = b2 h f

(30)

(31)

Sustituimos en (30) queda:

f [(xm + b1h),(Ym + b2 hYm )] = f (xm , ym ) + b1h f x + b2 h f f y + O(h2 )

(32)

Donde f, f x , f y estn evaluadas en ( x m , y m )


Entonces, al sustituir (32) en (26), la ecuacin general (25) se puede expresar como:
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 12 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

y m +1 = y m + h ( x m , y m , h) = y m + h

[a f + a f + h (a b f
1

2 1 x

+ a2b2 f f y ) + O( h 3 )

o bien agrupando trminos,


y m +1 = y m + h (a 1 + a 2 ) f + h 2 (a 2 b1 f x + a 2 b2 f f y ) + O( h 3 )

(33)

Comparamos la ecuacin (33) con el desarrollo en serie de Taylor. Para que los trminos
coincidan es necesario que:
a1 + a 2 = 1

a 2 b1 = 1 / 2
a b = 1 / 2
2 2

(34)

Tenemos 3 ecuaciones con 4 parmetros. Elegimos arbitrariamente uno de ellos.


Por ejemplo:
a2 = 0
Entonces:
a1 = 1
b1 = b2 =

1
2

(35)

Las ecuaciones (25), (26) y (27) que definen el mtodo resultan:

h
h

y m +1 = y m + h (1 ) f ( x m , y m ) + f x m +
f ( x m , y m ) + O( h 3 )
, ym +
2
2

Esta es la expresin ms general del mtodo de Runge-Kutta de 2 orden. Tradicionalmente


tambin se presenta a los mtodos de Runge Kutta en la siguiente forma:
Dados xm, ym; y elegido el valor de h, se calcula:

k1 = h f ( xm , y m )

1
h
k 2 = h f xm +
k1
, ym +
2
2

y m+1 = y m + (1 ) k1 + k 2

(37)

xm+1 = xm + h
Ejercicios:

Cul es el valor de para el cual se obtiene el Mtodo Mejorado de Euler?

= 1/ 2

cul es el valor de para el cual se obtiene el Mtodo Modificado de Euler?

=1

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 13 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

5.6 Mtodo de Runge-Kutta de cuarto orden


Los mtodos de Runge-Kutta de tercero y cuarto orden se pueden desarrollar en forma
anloga a la que se us para obtener los mtodos de 1 y 2 orden. Los mtodos de orden 3
rara vez se utilizan. En el caso de los mtodos de orden 4, que son los ms usados la funcin
f se evala en 4 puntos seleccionados. De los mtodos de Runge-Kutta de orden 4 slo
veremos el ms popular. Este mtodo clsico se puede definir mediante las 5 ecuaciones
siguientes:

ym +1 = ym +

h
(k1 + 2k2 + 2k3 + k4 )
6

k1 = f ( xm , ym )

h
hk

k 2 = f xm + , y m + 1
2
2

h
hk

k 3 = f xm + , y m + 2
2
2

k 4 = f ( xm + h , y m + h k 3 )

(38)

Requiere 4 evaluaciones de la funcin f.


El error local de truncamiento es O(h 5 ).
El error global del mtodo es O(h 4 ).
Se puede demostrar que el mtodo de Runge-Kutta de 4 orden clsico (que integra a una
funcin de x e y ), es una generalizacin del mtodo de Simpson que permite integrar una
funcin que depende de x.
Ejercicio: Demuestre que el mtodo Modificado de Euler coincide con el desarrollo en serie
de Taylor hasta los trminos en h 2 , y por lo tanto es un mtodo de Runge-Kutta de 2 orden.

h
h

Buscamos sustituir f x m + , y m + y`m en por su correspondiente desarrollo en serie


2
2

de Taylor.
El desarrollo de f(x,y) se puede escribir como:

f ( x, y ) = f ( x m , y m ) + ( x x m )

f
x

( xm , y m )

+ ( y ym )

f
y

+ ....
( xm , y m )

Sustituimos:

h
2
h
h
y = y m + y`m = y m + f ( x m , y m )
2
2

x = xm +

Queda:
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 14 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

h
h
h

f ( x m , y m ) , y m + f ( x m , y m ) = f ( x m , y m ) + f x + f ( x m , y m ) f y + O h 2
2
2
2

( )

h
h
h
h

( x m , y m , h ) = f x m + , y m + f ( x m , y m ) = f (x m , y m ) + f x + f ( x m , y m ) f y + O h 2
2
2
2
2

( )

Ahora reemplazamos en la ecuacin (24):

y m +1

] ( )

h2
= y m + h f (xm , y m ) +
f x + f f y + O h3
2

Esta expresin coincide con el desarrollo en serie de Taylor hasta los trminos en h 2 , as que
el mtodo Modificado de Euler es un mtodo de Runge-Kutta de segundo orden.

6 MTODOS PREDICTOR-CORRECTOR
6.1 Mtodos Multipaso
Son aquellos mtodos tales que, para evaluar la ordenada ym+1 correspondiente a la abscisa
xm+1 , utilizan informacin de varios puntos anteriores. Se los suele llamar mtodos de k
pasos, en el que el nmero de pasos es igual a la cantidad de puntos previos que se
necesitan para evaluar y m +1 . La forma general de estos mtodos es:

y m +1 = a j y m j + h b j f (x m j , y m j )
p

j =0

j = 1

(39)

Donde a j y b j son constantes y p depende del mtodo. Desarrollamos la expresin anterior

ym+1 = a0 ym + a1 ym1 + .....+ a p ym p + h b1 f m+1 + b0 f m + b1 f m1 + .....+ bp f m p

(40)

Si los coeficientes ap o bp o ambos son distintos de cero, el mtodo es de p+1 pasos. Es


decir, se necesitan p+1 puntos previos para determinar ym+1. Por lo tanto, para iniciar el
mtodo requerimos el conocimiento de y0, y1, y2, .. yn, . La idea es que estos puntos sean
calculados por otros mtodos (por ejemplo, con algn mtodo de Runge-Kutta). Aquel mtodo
que nos permite obtener los (p+1) puntos iniciales se llama Mtodo Inicializador.
En la forma general de los mtodos multipaso observamos que si b1 es distinto de cero,
entonces y m +1 aparece en el segundo miembro de la expresin:

ym+1 = a0 ym + a1 ym1 + ....+ h [ b1 f (xm+1, ym+1 ) + ....+ bp fm p ]


Podemos clasificar entonces los mtodos multipaso en:

Mtodos Explcitos: si b 1 = 0 ( y m +1 aparece slo en el primer miembro de la frmula


general)

Mtodos Implcitos: si b1 0 ( y m +1 aparece tambin en el segundo miembro de la


ecuacin general).

Veamos un ejemplo de cada uno de estos mtodos:


Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 15 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

I) Mtodo del Punto Medio:


Geomtricamente;

Determinamos la pendiente en el punto (x m , y m ) : f ( x m , y m ) = f m

Trazamos la recta L1 de pendiente f m y que pasa por ( xm , ym )

Dibujamos L paralela a L1 que pasa por ( x m 1 , y m 1 )

Ubicamos y m +1 donde la recta L interfecta a la vertical en x = x m +1

La ecuacin de la recta L es: y = y m 1 + ( x x m 1 ). f ( x m , y m )


Sustituyendo x = x m +1 obtenemos y m +1 :

y m +1 = y m 1 + 2 h f (xm , y m )

(41)

Mtodo del Punto Medio

Y(x)
L1

ll L1

Ym+1
ym+1

Ym-1

Y=Y(x)

X
Xm-1

Xm

Xm+1

El Mtodo del Punto Medio es:

h 3 lll
y ( ) ; [x m 1 , x m +1 ]
3

Un mtodo de segundo orden ET =

Un mtodo explcito

Un mtodo de dos pasos (se necesitan dos puntos previos para evaluar y m +1

En la expresin general de los mtodos multipaso vemos que:


a 0 = 0 ; a1 0 ; a1 = 1 ; b1 = 0 ; b0 = 2 p = 1 Mtodo de 2 pasos

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 16 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

II) Mtodo del Trapecio


Geomtricamente: Supongamos que tenemos una primera aproximacin a y m +1 = y m0 +1

calculamos la pendiente aproximada de la recta L2 que pasa por C x m +1 , y m0 +1 . Trazamos la


lnea L1 de pendiente f ( x m , y m ) en el punto B(xm, ym). Luego se calcula Lp que es la
pendiente promedio de las dos pendientes anteriores (L2 y L1). Trazamos una recta con
pendiente //Lp paralela a Lp que pasa por B (x m , y m ) . Donde esta ltima recta intersecta a
x = x m +1 se tiene y m +1 (un valor corregido respecto del anterior), que es el punto D(xm+1, ym+1).
L1

Y(x)
y0m+1
Ym+1

Y=Y(x)

ll Lp
Ym-1

ll Lp

Lp

L1

L2

L2

y1m+1

Lp

X
Xm-1
Educacin de L: y = y m + ( x x m ).
En x = x m +1

y m +1 = y m +

Xm

[(

Xm+1

1
f x m +1 , y m0 +1 + f ( x m , y m )
2

h
f ( x m , y m ) + f (x m +1 , y m0 +1 )
2

Mtodo del Trapecio

El Mtodo del Trapecio es:

h 3 lll
1. Un Mtodo de segundo orden ET = Kh 3 ; ET =
y ( ) ; x m 1 x m +1
12

2. Es un Mtodo implcito ( y m +1 aparece en ambos miembros)


3. Es un Mtodo de un paso (slo se necesita un punto previo para evaluar y m +1 ). En la
a 0 = 1 a1 = 0
frmula general vemos que:
como p=0 Mtodo de (p+1)=1 paso.
1
1
b1 =
b0 =
2
2
Existen muchsimos mtodos multipaso. Ejemplos:

Mtodos de los coeficientes Indeterminados;

Mtodos de Adams:

Metodos Adams-Bashforth

Mtodos Adams Moulton, etc.


Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias

Pgina 17 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

6.2 Mtodos Predictor-Corrector: (P-C)


Como su nombre lo indica, primero se predice un valor para y m +1 con alguna frmula. Luego
usamos una familia diferente para corregir dicho valor, iterando hasta conseguir la precisin
deseada. Existen muchsimos mtodos predictor-corrector. Veremos slo algunos de ellos.

6.2.1 Mtodo predictor-corrector de segundo orden:


Se llama as porque tanto la frmula predoctora como la correctora son de segundo orden.
Mtodo predictor: Mtodo del punto medio

y m0 +1 = y m 1 + 2hf ( x m , y m )

Mtodo explcito de 2 pasos de 2 orden ET = Kh 3

(43)

El superndice (0) indica que esta es una primera aproximacin para y m +1 . Pero para calcular
y1 necesitamos un punto previo a (x0 , y 0 ) , ya que este es un mtodo de dos pasos. Entonces
se adopta un mtodo Runge-Kutta como mtodo inicializador ( por ejemplo Runge-Kutta de 4
orden).
Mtodo corrector: Mtodo del Trapecio

y 1m +1 = y m +

h
f ( x m , y m ) + f (x m +1 , y m0 +1 )
2

Mtodo Implcito de 1 paso de segundo orden

(ET = Kh )
3

(44)

Podramos a su vez ahora corregir a este valor, usando f x m +1 , y 1m +1 . Entonces, en general la


i-sima aproximacin a y m +1 est dada por:

y mi +1 = y m +

h
f ( x m , y m ) + f (x m +1 , y m(i +11) )
2

i = 1,2,.....

(45)

Hasta que:
y m(i +) 1 y m(i +11)

<
y m(i +) 1

= valor positivo especificado

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 18 de 19
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

6.2.2 Mtodo de Heun:


Mtodo predictor: Mtodo de Euler

y m0 +1 = y m + hf ( x m , y m )

Mtodo explcito de 1 orden ET=K h 2 de 1 paso

(46)

Al ser un mtodo de un paso, no requiere de un mtodo inicializador. Pero la desventaja de


este mtodo respecto del anterior es que el ET es mas grande.
Mtodo corrector: mtodo del Trapecio

y m(i +) 1 = y m +

h
f ( x m , y m ) + f (x m +1 , y m(i +11) )
2

Mtodo implcito (de segundo orden) de 1 paso

(ET = Kh )
3

(i )

(i 1)

y y
Hasta que: m +1 (i ) m +1 <
y m +1

(47)

Muchos mtodos predictor-corrector tienen una frmula predictora de un orden menor que la
correctora.
Se puede probar que el error por truncamiento en el mtodo de Helin es

(ET = Kh ) .
3

6.2.3 Mtodo de Milne


Mtodo predictor

y m0 +1 = y m 3 + 4

h
(2 f m f m1 + 2 f m2 )
3

Mtodo explcito de 4 pasos de 4 orden

28 5 (5)
ET =
h y ( )
90

(48)

Mtodo corrector:

y m( i+) 1 = y m 1 +

h ( i 1)
f m +1 + 4 f m + f m 1
3

]
Mtodo implcito de 2 pasos de 4 orden

(49)

1 5 ( 5)
h y ( )
90
Ambas frmula son de cuarto orden. Para algunos valores de h este mtodo presenta
problemas de estabilidad. Como la frmula predoctora es de 4 pasos se debe usar un mtodo
inicializador durante los 3 primeros paso ( por ejemplo: mtodo Runge-Kutta de cuarto orden).
ET =

Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso


Ecuaciones Diferenciales Ordinarias

Pgina 19 de 19
Ao 2009

Matemtica Superior

Universidad Tecnolgica Nacional


FRM-ISI

VALORES Y VECTORES PROPIOS

VALORES Y VECTORES PROPIOS ............................................................................................................................... 1


INTRODUCCIN .......................................................................................................................................................... 2
MTODO DE LAS POTENCIAS ................................................................................................................................ 3
2.1 PROCESO ITERATIVO CON ESCALAMIENTO ................................................................................................ 6
2.2 SINTESIS DEL MTODO DE LA POTENCIA ................................................................................................... 10
3 PROCESO DE ITERACIN INVERSA ..................................................................................................................... 11
4 CONVERGENCIA A MODOS INTERMEDIOS........................................................................................................ 13
5 EJEMPLO DEL MTODO DE LA POTENCIA......................................................................................................... 15
1
2

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 1 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

1 INTRODUCCIN
Un problema de Valores y Vectores Propios consiste en encontrar los vectores v
~

tales que son

direcciones invariantes de la transformacin lineal dada por la matriz

A NxN
esto es

Av = v
~

Siendo el escalar que cambia el mdulo del vector v cuya direccin permanece invariante. Se
~

denomina autovalor y autovector v .


~

El sistema de ecuaciones puede escribirse de la forma:

(A I) v = 0
~

e interesan las soluciones v 0 (distintas de la trivial ,v = 0). Esto est garantizado s y slo s el
~

det( A I ) = 0 . El determinante constituye un polinomio de grado N en el autovalor , y se


denomina polinomio caracterstico. Las races de dicho polinomio son los autovalores de la matriz
A para los cuales existen los autovectores o direcciones invariantes v . Se los denomina tambin
~

valores propios y vectores propios v . Por cada valor propio existe al menos una direccin
~

invariante dada por el autovector v .


~

Existen diversos mtodos para la determinacin de los valores y vectores caractersticos que se los
puede agrupar en las siguientes categoras:

Mtodos de resolucin del Polinomio Caracterstico


Consisten en encontrar las races del polinomio caracterstico y posteriormente resolver el sistema
homogneo para cada valor propio obtenido como raz del polinomio caracterstico. Este mtodo
es de utilidad prctica para sistemas de bajo orden (cuando N es pequeo. A medida que el orden
N del sistema crece, tambin crece el orden del polinomio y con ello la dificultad para encontrar
races.

Mtodos de Trasformacin
Consisten en transformar la matriz de coeficientes A en una matriz diagonal mediante procesos de
rotaciones y/o traslaciones. Entre los mtodos ms eficaces de este tipo se encuentran los mtodos
de Jacobi, Givens y el de Householder. En estos mtodos se encuentran la totalidad de los valores
y vectores propios del sistema.

Mtodos Iterativos
Consisten en aproximar sucesivamente los valores y vectores propios. En general los mtodos
convergen a un valor y vector propio. Para encontrar ms de un vector y valor propio se debe
recurrir a eliminar de los procesos iterativos los valores y vectores propios que ya se conocen

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 2 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

mediante tcnicas de deflacin. El mtodo iterativo que se tratar en el curso es el Mtodo de las
Potencias.

2 MTODO DE LAS POTENCIAS


Es un mtodo iterativo, tambin se lo conoce como Mtodo de Iteracin Matricial (Penzien, Clough),
Mtodo de Iteracin Vectorial (Bathe) o Mtodo de Stodola (quin lo aplic en problemas de
vibraciones) o de Vianello (en inestabilidad).
Como mtodo de las potencias se lo encuentra en los textos de lgebra lineal de Strang, Grossman y
en los de anlisis numrico de Kincaid y Burden.
Dada una matriz A NxN se asume que

i , vi son los autovalores y autovectores de A. El ndice i vara de 1 a N.

Se verifica que A vi = i vi
~

i = 1, N .

1 es el autovalor dominante, dado que

1 > 2 3 N .
A es diagonalizable, es decir que los vi son linealmente independientes y forman una base de

,
N

Si

v1 , v2 , v3 ,... v N
~
~ ~ ~

base de N = v1 , v2 , v3 ,... v N .
~
~ ~ ~
N
es una base de se puede escribir cualquier vector y 0 N como la
~

combinacin lineal
N

y0 = a1 v1 + a 2 v2 + a3 v3 + ... + a N v N = ai vi
~

i =1

Si a y 0 se lo premultiplica por la matriz A, se obtiene un vector y1 N


~

y1 = A y 0
~

o bien,

y1 = A (a1 v1 + a 2 v2 + a3 v3 + ... + a N v N )
~

y1 = ( a1 A v1 + a 2 A v2 + a3 A v3 + ... + a N
~
Considerando la definicin~ de i y v~i se obtiene~

A vN )
~

y1 = a11 v1 + a2 2 v2 + a3 3 v3 + ... + a N N v N
~

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 3 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Que se puede expresar como

y1 = 1 a1 v1 + 2 a 2 v2 + 3 a3 v3 + ... + N a N v N
~ 1
1
1
~
~
~
~

Si a

y2 N

y1 se lo premultiplica por la matriz A, se obtiene


~

y 2 = A y1
~

y 2 = A(a11 v1 + a 2 2 v2 + a3 3 v3 + ... + a N N v N )
~

o bien,

y 2 = (a11 Av1 + a 2 2 A v2 + a3 3 A v3 + ... + a N N A v N )


~

Considerando la definicin de i y vi se obtiene


~

y 2 = a11 v1 + a 2 2 v2 + a3 3 v3 + ... + a N N v N
2

2
2

2
3

y 2 = 1 a1 v1 + a 2 v2 + a3 v3 + ... + N
~
~
~
~ 1
1
1
2

a N v N
~

Si este proceso se repite k veces, se obtiene

yk =

A y k 1

k
k

2
3

y k = 1 a1 v1 + a 2 v2 + a3 v3 + ... + N
~
~
~
~ 1
1
1
k

a N v N
~

y k = 1k a 1 v 1 + k
~
~
~

siendo
k

k = 2 a 2 v2 + 3 a3 v3 + ... + N
~
~
~
1
1
1

a N v N
~

Al considerar que

1 > 2 > 3 > N


se cumple que

lim k = 0
k ~

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 4 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

es decir que, a partir de cualquier y0 N por sucesivas premultiplicaciones por A NxN


~

los vectores que se obtienen se van alineando cada vez ms con el autovector dominante v1 .
~

As

y
~

k +1
~

k
1

k +1
1

v
~

Si se hace el cociente entre componentes

j (k + 1)

1k +1a1 v1

~ j
1k a1 v1
~ j

j (k + 1) 1

Es decir que para ksuficientemente grande el cociente de las componentes entre los vectores de dos
iteraciones sucesivas, resulta el autovalor dominante 1 .
Esta afirmacin es natural si se entiende que el vector de cada iteracin se va alineando con v1 , as
~

por la definicin misma de 1 , v 1 los sucesivos productos por A mantienen la direccin de


~

v1 cambiando su mdulo 1 veces.


~

Se debe notar que:

Hay convergencia al autovalor 1 de mayor valor absoluto.


Si a1 = 0 la convergencia no se produce o bien es muy lenta.
As planteado el proceso, para kgrandes los valores de las componentes de y k pueden
~

ser muy grandes si 1 > 1 o muy chicas si 1 < 1 ya que son proporcionales a .
Para evitar operar con nmeros cada vez ms grandes (o ms chicos) se debe utilizar un
escalamiento en cada iteracin.
k
1

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 5 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

2.1 PROCESO ITERATIVO CON ESCALAMIENTO


Cualquier vector y0 N se puede escribir como una combinacin lineal de los autovectores
~

vi , asociados a los autovalores i de la matriz A NxN .


N

y 0 = a1 v1 + a 2 v 2 + ... + a N v N
~

Es posible introducir una Norma y 0 de modo que se pueda obtener un vector


~

x0 =
~

1
y0

y0
~

de manera que
x0 = 1
~

Puede considerarse como norma alguna de las siguientes:


1.

= Mxima componente de y 0 , tomadas en valor absoluto

y0
~

2.

3.

= y0 , y0

y0
2

y0
~

T
= y 0 B
~

y0 . y0
~

y0
~

con B

NxN

Observacin: si bien la correspondencia que asigna a cada vector su primera


componente no es una norma, en la prctica se puede utilizar la primera componente
de cada vector en lugar de una norma determinada, en el proceso de escalamiento
que se presentar a continuacin.
El proceso iterativo consiste en premultiplicar a los vectores x por la matriz A y obtener
~

y1 = A x0
~

y1 =
~

a1 v~1 + a2 v~2 + ... + a N v~N


y
0
~

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 6 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

a1 A v~1 + a 2 A v~2 + ... + a N A v~N


y

y1 =
~

0
~

Que considerando la definicin de valores y vectores propios de la matriz A, resulta:


1

1 a1 v~1 + 2 a 2 v~2 + ... + N a N v~N


y

y1 =
~

0
~

Es posible sacar factor comn el mayor autovalor,

y1 =
~

2
a1 v1 +

y0 ~ 1

a 2 v2 + ... + N
1
~

a N v N
~

Es posible evaluar el cociente entre las componentes de x0 y el vector y1 ,


~


x0
~ i

(1 )i = y1

(1 )i

2
N
a N v N
a1 v1 + a 2 v2 + ... +
1 ~ i 1 ~ i
1 ~ i
=
1

y0
a1 v1 + a 2 v2 + ... + a N v N

~
~ i
~ i
y ~ i
0
~

Se evala y1 y se obtiene el vector normalizado


~

x1 = y1
~

1
y1
~

con el que se continua el ciclo iterativo. Es decir, se obtiene:


y2 =

A x1

Que resulta equivalente a


y2 =
~

1
y1

A y1
~

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 7 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

y2 =
~

y1
~


Av1 + 2 a 2 A v2 + ... + N
~
~
1
1

a1
y0

a N

A vN
~

2
2
2

1 1
a1 v1 + a 2 v2 + ... + N
y2 =

~
~
1
y1 y0 ~ 1
~

a N v N
~

El cociente entre componentes es

( 2 )i = y 2

1 1

( 2 )i =

y1 y0
~

( 2 )i

12
1

a1 v1 + 2 a 2 v2 + ... + N
~ i 1 ~ i
1
2
N
a1 v1 + a 2 v2 + ... +
1
~ i 1 ~ i

y1 y0
~

x
1
~ i

a N v N
~ i


a N v N
~ i

2

2
a 2 v 2
a 1 v 1 +
~
~ i 1

2
a 2 v 2
a 1 v 1 +
~ i 1 ~

+ ... + N


i
1
+ ... + N


i
1

a N v N
~ i

a N v N
~ i

Luego de k iteraciones se tendr:


xk =

1
yk

yk
~

y k +1 =
~

A xk
~

El cociente entre componentes ser

( k +1 )i = y k +1

i x
k
~ i

o bien,

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 8 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

k +1

)i

k +1
1
k
1

a 1 v~1 + ( k + 1 )i
i

a v
+ ( k )i
1 ~1 i

siendo

lim ( )
k

k i


= lim 2
k 1

a 2 v 2 + ... + N
~ i
1

a N v N
~ i

y as el cociente entre componentes resulta:


a1 v1
~ i
( k +1 )i =
1
a v
1 1
~ i
Es decir que el cociente entre cualquier componente i tiende a 1 cuando el nmero de iteraciones k
tiende a infinito.
k +1
1
k
1

As luego de k iteraciones los vectores y k se alinean con el autovector v1 y el cociente entre


~

componentes tiende al autovalor 1 . El escalamiento en cada iteracin logra que las componentes de
los vectores no aumenten (disminuyan) excesivamente, asegurando la convergencia.
Se debe destacar que:
1. el escalamiento puede hacerse con cualquiera de las normas de y definidas;
~

2. el cociente entre las normas de y de dos iteraciones sucesivas, converge al 1 cuando k es


~

suficientemente grande (k ) . Para demostrarlo se debe seguir el mismo anlisis que el


cociente entre las componentes de y y x realizado.
~

1k

yk =
~

y k 1
~

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

y1
~

y0

a 1 v~1 + ~k

Pgina 9 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

1k

= yk yk =
~ i ~ i y
... y 1
k~ 1
~

yk
~

y k 1 ... y 1
~

recordar que

k
1

yk
~

( )

lim ( )
k

k i

y0

y0
~




a 1 v 1 + k a 1 v 1 + k
~ i ~ i ~ i ~ i





a 1 v1 a 1 v1 + 2 a 1 v1 k + k k
~ i ~ i ~ i ~ i
~ i
~ i

= 0 y slo sern significativas las componentes de v1 .


~

2.2 SINTESIS DEL MTODO DE LA POTENCIA


1) Lectura de datos:
Leer la matriz A
Asumir e vector inicial y0
2) Inicializacin del proceso iterativo
Clculo de la Norma de y0
Clculo del vector normalizado x0
Inicio del contador de iteraciones k en Cero.
Inicio de la variable lgica NHSen falso
3) Hacer Mientras NHS sea falso
Incrementar el contador de iteraciones k en 1
Calcular yk+1=A xk
Calcular los cocientes entre componentes de alfa(i)= yk+1(i)/ xk(i)
Si las componentes alfa(i) son suficientemente parecidas entonces
NHS se asigna Verdadero
Fin SI
Actualizacin de variables
Clculo de la Norma de yk+1
Clculo del vector normalizado xk como el yk+1 dividido la Norma de yk+1
Fin de Actualizacin
Fin del Hacer mientras
4) Entregar los resultados
El nmero de iteraciones realizadas fue k
El autovector obtenido es yk+1
El autovector normalizado obtenido es xk
El mayor autovalor obtenido es alfa(i)

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 10 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

3 PROCESO DE ITERACIN INVERSA


La matriz

A NxN es diagonizable y sus valores propios i y vi N verifican


~

A vi = i vi
~

Si la ecuacin anterior se multiplica por la matriz inversa de la matriz A, que denominaremos A-1,
resulta
I vi = i A 1 vi
~

o bien

1
A 1 vi = vi
~
i ~
es decir que i =

es autovalor dominante de A-1 asociado al mismo autovector vi .

El Mtodo de la Potencia aplicado sobre la matriz inversa A-1 converge al autovalor dominante de A-1
esto es el mayor i tomado en valor absoluto. Pero segn la relacin entre los i y los i , el mayor

i est asociado con el menor i de la matriz A.


El autovalor dominante de A-1, es tal que

1 > 2 3 ... N
y se cumple la siguiente relacin:

1 =

El proceso iterativo del Mtodo de la Potencia aplicado sobre A-1, se puede resumir para la iteracin
k-sima de la siguiente manera:
dado yi ,
~

xk = y k
~

1
yk
~

y k +1 = A 1 xk
~

( k +1 )i = yk +1

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

i x
k
~ i

Pgina 11 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Luego de un nmero suficiente de iteraciones el cociente entre cualesquiera de las componentes ( k )i


tiende a 1 autovalor dominante de A-1, que es igual a 1 N , con N el menor de los autovalores de A
(tomados en valor absoluto). Los vectores y k se alinearn con el autovector v asociado a dichos
~

autovalores.
Se debe destacar que
A 1 xk

y k +1 =
~

-1

exige conocer A . Pero, en general lo que se conoce es A. Para evitar el clculo de A-1, el proceso
iterativo se modifica
A y k +1 = A A 1 xk
~

o bien
A y k +1 = x k
~

que es un sistema de ecuaciones lineales que slo exige factorizar la matriz A una sola vez.

Observacin: puede ser preferible en algunos casos realizar una factorizacin de la matriz A, A =LU, al
principio y por nica vez. Luego, en cada paso del proceso iterativo del mtodo de Potencias inversas se
resuelve el sistema de ecuaciones A y k +1 = x k (donde A =LU y x k son conocidos e y k +1 es el vector de
~

incgnitas) mediante una sustitucin progresiva (Lz = x k ) seguida de una sustitucin regresiva (U y k +1 =z).
~

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 12 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

4 CONVERGENCIA A MODOS INTERMEDIOS


Al analizar el proceso de convergencia del Mtodo de las Potencias resulta claro observar que si los
vectores xk no tienen componente en el autovector v1 (es decir a1 = 0), la convergencia ser al
~

segundo autovector v 2 .
~

Esto se logra mediante una deflacin.


Dado un vector cualquiera xk , se lo puede escribir como
~

xk = a1 v1 + a 2 v2 + ... + a N v N
~

ya que los vi son una base de N por ser

A NxN diagonizable.

Para obtener a1 se puede proyectar xk en la direccin de v1 o sea,


~

v1T x k = a1 v1T v1 + a 2 v1T v2 + ... + a N v1T v N


~

Si se acepta que la matriz A es simtrica, se sabe que sus autovectores constituyen una base de
N ortogonal, es decir
2
T
1 1
~
~

= v1

~ 2

v1T v j = 0
~

j [2, N ]

as para A simtrica
1

a1 = v1T xk
~

v1

~ 2

Al reemplazar en la combinacin lineal resulta:

xk = v1 v1T xk
~

1
2

v1

+ a 2 v2 + ... + a N v N
~

~ 2

o bien
xk v1 v1T xk
~

1
2

v1

= a 2 v2 + ... + a N v N
~

~ 2

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 13 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

I v1 v1T 1 xk = a 2 v2 + ... + a N v N
2
~

~
~
~
~
v1

~ 2

Al multiplicar la igualdad anterior por la matriz A se tiene:

1
T

A I v1 v1
x = a 2 A v2 + ... + a N A v N
2

~k
~
~
~
~
v1

~ 2

= 2 a 2 v 2 + ... + N a N v N
~

= 2 a 2 v2 + ... + N
2
~

a N v N

En cada iteracin se elimina la componente en v1 si se trabaja con la matriz B1 dada por,


~

1
T

B 1 = A I v1 v1
2

~ ~
v

1
~ 2

Que se puede escribir como:

1
B 1 = A A v1 v1T
2

~ ~
v1

~ 2

Que al considerar la definicin de valor y vector propio, resulta

1
B 1 = A 1 v1 v1T
2

~ ~
v1

~ 2

As el proceso iterativo para modos intermedios es:


Dado:
yk N
~

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 14 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

xk = y k

1
yk
~

y k +1 =

B1

xk
~

1
T
A 1 v1 v1T 1
Con B 1 = A I v1 v1
=
2
2

~ ~
~ ~
v
v

1
1
~ 2
~ 2

( k +1 )i = yk +1 1
~ i x
k
~ i
y cuando k sea suficientemente grande converger ( k +1 )i 2 para cualquier componente i; y k
~

se alinear con v2 .
~

Este resultado obtenido para matrices simtricas, es vlido para cualquier matriz diagonizable si se
cumple que
B = A 1 v1 u1T
~

siendo u1 un vector tal que:


N

v1T u1 = 1
~

entonces se puede probar que B tiene como autovalores 0, 2 , 3 , , N , siendo 2 , 3 , , N


autovalores de A.
Esto se conoce como Mtodo de la Deflacin.
Segn sea la eleccin del vector u1 se tienen distintas variantes del Mtodo de la Deflacin.
~

5 EJEMPLO DEL MTODO DE LA POTENCIA


Sea la matriz

10 1
A=

1 45

Los valores exactos para este ejemplo son:

MAYOR = 45.028548
MENOR = 9.971452

v=
v1
35.028548
1

v=
v1
35.028548

Se aplica el mtodo de la potencia para obtener el valor y vector propio a partir del vector inicial Y0={2; -1}

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 15 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Y0

Y1

Sin Escalamiento
2
-1
alfa=yk+1/yk
21
10,5
-47
47

Con Escalamiento
X0
1
-0,5
Y1

10,5
-23,5

x1

1
-2,2381

alfa=yk+1/xk
10,5
47

Y2

257
-2136

12,23809524
45,44680851

Y2

12,2381
-101,714

x1

1
-8,31128

12,23809524
45,44680851

Y3

4706
-96377

18,31128405
45,12031835

Y3 18,31128
-375,008

x1

1
-20,4796

18,31128405
45,12031835

Y4

143437
-4E+06

30,47960051
45,04882908

Y4

30,4796
-922,582

x1

1
-30,2688

30,47960051
45,04882908

Y5

6E+06
-2E+08

40,2688358
45,03303728

Y5 40,26884
-1363,1

x1

1
-33,8499

40,2688358
45,03303728

Y6

3E+08
-9E+09

43,84993839
45,02954215

Y6 43,84994
-1524,25

x1

1
-34,7605

43,84993839
45,02954215

Y6

1E+10
-4E+11

44,76053293
45,02876826

Y6 44,76053
-1565,22

x1

1
-34,9688

44,76053293
45,02876826

Y6

5E+11
-2E+13

44,96884151
45,02859689

Y6 44,96884
-1574,6

x1

1
-35,0153

44,96884151
45,02859689

Y6

2E+13
-8E+14

45,01530871
45,02855894

Y6 45,01531
-1576,69

x1

1
-35,0256

45,01530871
45,02855894

Y6

1E+15
-4E+16

45,02561544
45,02855053

Y6 45,02562
-1577,15

x1

1
-35,0279

45,02561544
45,02855053

La evolucin de la aproximacin del valor propio dominante es la que se indica en la siguiente grfica. Se observa que la
aproximacin de los cocientes de las componentes
50
alfa1 y alfa2 tiene distinta velocidad de convergencia.
45
Si bien alfa2, que es el cociente de las segundas
40
componentes en pocas iteraciones converge a la
alfa 1
solucin; alfa 1, es ms lenta. Es se debe a que si bien
35
el autovalor converge rpidamente, el autovector no es
30
alfa 2
tan rpido.
25
Esto se observa ms claramente al seguir las
20
componentes del vector normalizado x.
15
Es decir si el objetivo es el valor propio sin importar
10
los autovectores, en pocas iteraciones se obtiene
5
convergencia. Pero si los autovectores tambin son de
0
inters, el proceso iterativo debe mantenerse hasta
0
5
10
15
20
alcanzar una alta precisin en los autovalores.

Dr. Ing. Anbal Mirasso


Valores y Vectores Propios

Pgina 16 de 16
Ao 2009

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

SOLUCION NUMRICA DE
RACES DE ECUACIONES NO LINEALES.
1

INTRODUCCIN .............................................................................................................................. 2

PROCEDIMIENTO GENERAL ....................................................................................................... 2

MTODOS ITERATIVOS EN GENERAL ...................................................................................... 4

3.1

Condicin de Inicializacin ................................................................................................................... 4

3.2

Frmula de Recurrencia ........................................................................................................................ 4

3.3

Controles de Detencin .......................................................................................................................... 4

3.4

Actualizacin de Variables .................................................................................................................... 5

3.5

Sntesis algoritmia .................................................................................................................................. 5

Sintesis de los distintos mtodos ........................................................................................................ 6


4.1

Mtodo de Biseccin............................................................................................................................... 6

4.2

Mtodo de Regula Falsi ......................................................................................................................... 8

4.3

Mtodo de la Secante ............................................................................................................................. 9

4.4

Mtodo de Newton Raphson ............................................................................................................... 10

4.5

Planteo Alternativo para el Mtodo de Newton Raphson ................................................................ 11

4.6

Mtodo de Punto Fijo .......................................................................................................................... 13

4.7

Condicin de Convergencia del Mtodo de Punto Fijo .................................................................... 14

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

Pgina 1 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

1 INTRODUCCIN
En diversos problemas de la Ingeniera resulta necesario obtener los valores de las variables
que hacen cero un determinada funcin conocida. As ocurre cuando se buscan los valores
que anulan el polinomio caracterstico de una matriz para determinar sus autovalores. Algo
similar ocurre cuando se buscan los valores que anulan las denominadas funciones
trascendentes en la determinacin de estados inestables de sistemas conservativos o
frecuencias naturales de sistemas dinmicos.
En todos los casos se puede formular el problema matemticamente de la siguiente forma:
Dada una funcin continua y=f(x) de R R, se busca x=r tal que f(r)=0
Y(x)
Y=f(x)

Geomtricamente se trata de buscar el punto de


abscisa r y ordenada 0, que verifican la relacin
funcional 0=f(r), siendo y=f(x) la funcin dada. En la
grfica adjunta el punto solucin se identifica con un
rombo. El punto solucin se lo denomina raz de la
ecuacin no lineal. La ecuacin no lineal es la funcin
f(x) igualada a cero.

Para ecuaciones polinmicas de grado 2 o 3 existen


frmulas explcitas para calcular las races. Pero en
general para polinomios mayores a 3 no es frecuente encontrar dichas expresiones. Lo mismo
ocurre cuando se trata de ecuaciones trascendentes que tiene expresiones trigonomtricas.
X= r

En estas notas se presentan ideas bsicas para resolver el problema mediante mtodos
iterativos. En principio se platea el esquema genrico a seguir, para luego describir las
caractersticas de un proceso iterativo general. Se presenta a continuacin slo una
clasificacin de los mtodos iterativos ms frecuentes.
Se debe sealar que una descripcin detallada de los distintos mtodos, sus bases,
algoritmos y ejemplos se puede encontrar en el texto Mtodos Numricos para Ingenieros de S.
Chapra, R. Canale; Mc Graw Hill, que se recomienda consultar.

2 PROCEDIMIENTO GENERAL
Para encontrar las races de una ecuacin no lineal es conveniente seguir los siguientes
pasos:

Paso Inicial
Es conveniente realizar un anlisis de la funcin a los efectos de determinar las
singularidades, posibles discontinuidades, asntotas y toda la informacin posible a los
efectos de elegir adecuadamente las variables iniciales de los procesos iterativos.

Paso de Acercamiento
Se trata de encontrar un intervalo en el eje X donde exista al menos una raz de la
ecuacin no lineal.
Para funciones continuas en un intervalo [ak ; bk] perteneciente al eje X de las
abscisas una condicin que debe cumplir la funcin es que cambie de signo al menos

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

Pgina 2 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

una vez. Entonces, dados los valores de abscisas ak ; bk que definen el intervalo
[ak ; bk] de los nmeros reales,
Si f(ak)*f(bk) < 0
X= r [ak ; bk]
Siendo X= r al menos una de las races buscadas.
En las siguientes figuras se pueden observa algunas situaciones de inters.
Y(x)
Y=f(x)
f(bk)

ak
f(ak)

bk

X= r

Y(x)
Y=f(x)
f(bk)

X= r2

ak
f(ak)

X= r3

X
bk

X= r1

Y(x)
Y=f(x)
f(bk)
f(ak)

X= r1
ak

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

X= r2

X
bk

Pgina 3 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Paso de Aproximacin
En general se trata de mtodos iterativos. Entre los ms difundidos se puede destacar
los siguientes:
Mtodos de Intervalos
Mtodo de Biseccin
Mtodo de Regula Falsi
Mtodos Abiertos
Mtodo de la Secante o de Newton Lagrange
Mtodo de Newton
Mtodos de Puntos Fijos

3 MTODOS ITERATIVOS EN GENERAL


Los Mtodos Iterativos son procedimientos que generan elementos de una sucesin de
soluciones aproximadas. Bajo ciertos requisitos dichos elementos se aproximan cada vez ms
a la solucin exacta. Es decir que el error en cada iteracin es cada vez menor.
En general los mtodos iterativos tienen las siguientes caractersticas:
Condicin de Inicializacin
Formula de recurrencia
Control de detencin
Actualizacin de variables

3.1 Condicin de Inicializacin


Son las condiciones que deben cumplirse para que la sucesin de soluciones aproximadas
converja a la solucin exacta.
As por ejemplo en todos los mtodos se debe cumplir que la funcin sea continua en el
entrono de trabajo.
En los mtodos de intervalos se debe conocer un intervalo en el cul la funcin sea continua y
tenga signo contrario en sus extremos.

3.2 Frmula de Recurrencia


Son las frmulas con las que se generan los elementos de la sucesin de soluciones
aproximadas.

3.3 Controles de Detencin


Son las condiciones que permiten detener el procedimiento. En general se expresan de forma
que su evaluacin de un resultados lgico (Verdadero o Falso).
Suele ser las Medidas del Error que se est cometiendo; o bien, Medidas del proceso de
convergencia. En todos los casos pueden ser medidas absolutas o relativas.

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

Pgina 4 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

En general son comparaciones respecto de valores admisibles de error. Estos valores


admisibles son definidos en particular en cada problema. De esta manera los procesos
iterativos se hacen tan precisos se desee.

3.4 Actualizacin de Variables


Son las reasignaciones de las variables de trabajo a los efectos de cumplir con las
condiciones de inicializacin y poder realizar un nuevo ciclo o iteracin.

3.5 Sntesis algoritmia


Se puede sintetizar algortmicamente usando bloques que deben existir en el algoritmo o
definicin del mtodo iterativo
INICIALIZACIN
Se deben definir los contenidos de las variables de modo que se cumplan
las condiciones de Inicializacin del mtodo
HACER MIENTRAS No Hay Solucin es Verdadero
DOWHILE (NHS)
RECURRENCIA
Se debe evaluar la nueva solucin aproximada
correspondiente a la nueva iteracin o ciclo.
Se obtiene rk+1
CONTROL DE DETENCIN
Si alguna Medida de Error es adecuada entonces se ha
obtenido la solucin buscada y debe asignarse Falso a NHS.
SI ( Valor Absoluto de f(rk+1) < Tolerancia)
NHS es FALSO
FINSI
ACTUALIZACIN DE VARIABLES
Se reasignan las variable de modo que se cumplan con las
condiciones de Inicalizacin
ENDDO o Fin del HACER MIENTRAS

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

Pgina 5 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

4 SINTESIS DE LOS DISTINTOS MTODOS


Para un anlisis detallado de los distintos mtodos es recomendable consultar el texto
Mtodos Numricos para Ingenieros de S. Chapra, R. Canale, u otros.
En los distintos mtodos iterativos considerados en el curso se deben destacar los elementos
de los procesos iterativos en general; es decir, inicializacin, recurrencia, control de
detencin, y actualizacin.

4.1 Mtodo de Biseccin

Inicializacin

Es necesario tener como datos dos valores de abscisas x=ak ; x=bk que definan un intervalo
[ak ; bk] en el eje de las abscisas X en el cul la funcin no lineal tenga al menos una raz.
Esto es abscisas tales que

f(ak).f(bk) < 0
siendo f(x) la funcin no lineal cuyas races se buscan. Grficamente esta condicin se puede
ilustrar de la siguiente forma
Y(x)
Y=f(x)
f(bk)

ak
f(ak)

X= r

X= rk+1

bk

Recurrencia

Dadas las abscisas x=ak ; x=bk que definan un intervalo [ak ; bk] en el eje de las abscisas X
en el cul la funcin no lineal tiene al menos una raz, la aproximacin de la raz se calcula
como la abscisa media de dicho intervalo. Esto es,

rk+1 = (ak + bk)/2

Control de Detencin

Calculada la nueva aproximacin de la raz rk+1, se debe controla si dicha abscisa es


efectivamente la raz. Es decir se debe controlar si se cumple que

f (rk +1 ) f
Donde la barras indican valor absoluto y f es una magnitud tan pequea y cercana a cero
como la precisin del problema a resolver lo requiera.
Dr. Ing. Anibal Mirasso
Races de Ecuaciones No Lineales

Pgina 6 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

En algunas situaciones, por ejemplo cuando la funcin no lineal f(x) intersecta al eje de las
abscisas X en forma muy vertical, la condicin anterior es de difcil cumplimiento. Resulta
as conveniente controlar si se cumple que

rk +1 rk ra
O en trminos relativos, si se cumple que

rk +1 rk
r
rk +1
Siendo ra y r magnitudes tan pequeas como la precisin del problema a resolver lo
requiera.
Es til fijar que el proceso iterativo no supere un nmero mximo de iteraciones. Es decir que
se debe controlar si se cumple que

k MaxIter
Siendo k la iteracin considerada, y MaxIter el nmero de iteraciones mximo fijado para el
problema en consideracin.

Actualizacin de Variables

Dadas las abscisas x=ak ; x=bk y la nueva aproximacin de la raz rk+1 quedan definidos
dos nuevos subintervalos en el eje de las abscisas X: [ak ; rk+1] y [rk+1 ; bk].

Es necesario establecer en que intervalo se cumple con la condicin de inicializacin del


mtodo para poder as comenzar una nueva iteracin.
Se puede plantear el siguiente algoritmo o proceso:
Si [f(ak).f(rk+1) < 0 ]es verdadero entonces

ak+1 es igual a ak
bk+1 es igual a rk+1
Fin de lo que debe realizarse Si [f(ak).f(rk+1) < 0 ]es verdadero
Si [f(bk).f(rk+1) < 0 ]es verdadero entonces

ak+1 es igual a rk+1


bk+1 es igual a bk
Fin de lo que debe realizarse Si [f(bk).f(rk+1) < 0 ]es verdadero
As se selecciona un nuevo intervalo que cumple con la condicin de inicializacin del
mtodo.

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

Pgina 7 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

4.2 Mtodo de Regula Falsi

Inicializacin

Es la misma condicin que en el mtodo de Biseccin

Recurrencia

La aproximacin de la raz se obtiene en la abscisa donde la Recta Lk que une los puntos
[ak ; f(ak)] y [bk ; f(bk)] intersecta al eje de las abscisa X. Es decir,

rk +1 = a k

f (a k )
f (a k ) f (bk )

(
a
)
(
b
)
k
k

O bien,

rk +1 = bk

f (bk )
f (a k ) f (bk )

(a k ) (bk )

Se debe destacar que:

f (ak ) f (bk )
es la pendiente de la recta considerada, y su valor es
mk =
(
)
(
)

a
b
k
k

independiente del punto que se toma como referencia para calcular el incremento de
ordenada y el incremento de abscisa.

rk +1

es invariante de que punto se tomo como referencia para expresar al ecuacin de


la recta que pasa por ese punto con pendiente conocida
Y(x)

Y=f(x)
Recta Lk

f(bk)

ak
bk

f(ak)
X= rk+1

Control de Detencin

Se debe realizar igual que en el mtodo de Biseccin

Actualizacin de Variables

Se debe realizar igual que en el mtodo de Biseccin.


Dr. Ing. Anibal Mirasso
Races de Ecuaciones No Lineales

Pgina 8 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

4.3 Mtodo de la Secante

Inicializacin

Es necesario tener DOS aproximaciones anteriores. Es decir dos valores de abscisas rk-1, rk
cercanas a las raz que se busca.

Recurrencia

La aproximacin de la raz se obtiene en la abscisa donde la Recta Lk que une los puntos
[rk-1 ; f(rk-1)] y [rk ; f(rk)] intersecta al eje de las abscisa X. Es decir,

rk +1 = rk

f (rk )
f (rk ) f (rk 1 )

(
r
)
(
r
)
k
k 1

O bien,

rk +1 = rk 1

f ( rk 1 )
f (rk ) f ( rk 1 )

(
r
)
(
r
)
k
k 1

Se debe destacar que:

f (rk ) f (rk 1 )
es la pendiente de la recta considerada, y su valor es
mk =
(rk ) (rk 1 )
independiente del punto que se toma como referencia para calcular el incremento de
ordenada y el incremento de abscisa.

rk +1

es invariante de que punto se tomo como referencia para expresar al ecuacin de


la recta que pasa por ese punto con pendiente conocida
Y(x)

Y=f(x)
Recta Lk

f(rk-1)

f(rk)
X
rk

rk-1

rk+1
Se puede decir que los puntos [rk-1 ; f(rk-1)] y [rk ; f(rk)] son equivalentes a los [ak ; f(ak)]

y [bk ; f(bk)] del mtodo de Regula Falsi, a los efectos de la frmula de recurrencia.

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

Pgina 9 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Control de Detencin

Se debe realizar igual que en el mtodo de Biseccin

Actualizacin de Variables

Se deben retener las dos ltimas aproximaciones. Esto es una ventaja respecto de los
mtodos de intervalo (Biseccin y Regula Falsi) ya que no se requiere analizar los datos. Slo
basta tener dos aproximaciones.

4.4 Mtodo de Newton Raphson

Inicializacin

Es necesario tener UNA aproximacin de la raz.

Recurrencia

La aproximacin de la raz se obtiene en la abscisa donde la Recta Tangente Tk a la f(x) en el


punto [rk ; f(rk)] de abscisa rk . intersecta al eje de las abscisa X. Es decir,

rk +1 = rk

f (rk )
f (rk )
= rk
(mk )
df ( x)

dx rk

Se debe destacar que:

df ( x)
mk =

dx rk

es la pendiente de la recta tangente, evaluada en la aproximacin

de la raz rk conocida.
Y(x)

Y=f(x)
Recta

f(rk)

rk+1

rk

Se debe considerar que la direccin de la Recta Tangente a una curva en un punto dado es
las direccin de mximo cambio de dicha curva. As el mtodo de Newton Raphson es el
mtodo de mayor velocidad de acercamiento a la raz buscada.

Control de Detencin

Se debe realizar igual que en el mtodo de Biseccin

Actualizacin de Variables

Se deben retener la ltima aproximacin obtenida.


Dr. Ing. Anibal Mirasso
Races de Ecuaciones No Lineales

Pgina 10 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

4.5 Planteo Alternativo para el Mtodo de Newton Raphson


Dada una funcin no lineal y

= F(x) se busca el valor de abscisa xr tal que

F ( xr ) = C
Con C una constante arbitraria y conocida. En la siguiente Figura pueden observar estas
definiciones.
Esta ecuacin es no lineal ya que F(x) es una funcin no lineal. Es posible escribir la ecuacin
no lineal en la forma:

( x) = F ( x) C = 0
Dada una aproximacin inicial xk al evaluar ( x k ) resulta que se tiene un residuo
por

rk

dado

rk = ( xk ) 0
Si se considera un expansin en Serie de Taylor de (x ) alrededor de la abscisa
tiene que

xk

se

d ( x )
2
+ O ( x )
dx Xk

( x k + x ) = ( x k ) + x

Si se truncan los trminos O(x 2 ) , y se busca la abscisa

xk +1 = xk + x tal que la

( xk +1 ) = 0
es posible plantear

d ( x )
0 = ( x k ) + x

dx Xk
De donde se obtiene
1

d ( x )
x = K rk =
( ( xk ))
dx Xk
1
T

xk +1 = xk + x
Con

rk = ( xk ) 0

d ( x)
KT =

dx Xk , denominado Tangente en la iteracin k.

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

denominado residuo en la iteracin k.

Pgina 11 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

En la siguiente grfica se pueden visualizar las variables y ecuaciones planteadas


anteriormente.

(x)

Recta de Pendiente KT en
la Iteracin k

F(x)

Y=F(x)
X

r=(xk)=C-F(xk)

(xk) F(xk)
X

xr

xk+1

xk

As la sntesis de la alternativa del Mtodo de Newton Raphson resulta

Inicializacin

Es necesario tener UNA aproximacin de la raz.

Recurrencia

La aproximacin de la raz se obtiene mediante,


1

d ( x )
x = K rk =
( xk )
dx Xk
1
T

xk +1 = xk + x
Con

rk = ( xk ) 0

d ( x)
KT =
, denominado Tangente en la iteracin k.
dx

Xk

Control de Detencin

denominado residuo en la iteracin k.

Se debe realizar igual que en el mtodo de Biseccin

Actualizacin de Variables

Se deben retener la ltima aproximacin obtenida.


Dr. Ing. Anibal Mirasso
Races de Ecuaciones No Lineales

Pgina 12 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

4.6 Mtodo de Punto Fijo


Dada una funcin no lineal y

= F(x) se busca el valor de abscisa xr tal que

F ( xr ) = C
Con C una constante arbitraria y conocida.
Esta ecuacin es no lineal ya que F(x) es una funcin no lineal. Es posible escribir la ecuacin
no lineal en la forma:

( x) = F ( x) C = 0
Si se multiplica esta igualdad por un nmero no nulo arbitrario, se tiene

( x ) = ( F ( x ) C ) = 0
Y si a esa igualdad se suma en ambos miembros x, se tiene

x = x + (x )
O bien,

x = x + ( F ( x) C )
Estas igualdades se pueden escribir en la forma

x = g (x)
donde

g ( x ) = x + ( F ( x ) C ) = x + ( x )
La igualdad
funciones

x = g (x)

se puede interpretar como la interseccin de las siguientes

y=x

y = g (x )
Es decir de la recta que bisecta el primer cuadrante (y=x) con la curva y=g(x). Se debe
destacar que el punto solucin es tal que tiene abscisa y ordenadas de igual valor, y por lo
tanto se lo denomina Punto Fijo de a curva g(x).
Es posible resolver la ecuacin x = g (x ) mediante un esquema iterativo en la forma

Inicializacin

Es necesario tener UNA aproximacin de la raz.

Recurrencia

La aproximacin de la raz se obtiene mediante,

xk = g ( xk )
Dr. Ing. Anibal Mirasso
Races de Ecuaciones No Lineales

Pgina 13 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

Actualizacin de Variables

Se deben retener la ltima aproximacin obtenida.

Control de Detencin

Se debe realizar igual que en el mtodo de Biseccin: Alternativamente calculada la nueva


aproximacin de la raz xk+1, se debe controlar si dicha abscisa es efectivamente igual a la
ordenada g(xk+1). Es decir se debe controlar si se cumple que

xk + 1 g ( xk + 1 ) f
Donde la barras indican valor absoluto y f es una magnitud tan pequea y cercana a cero
como la precisin del problema a resolver lo requiera.
Es posible destacar que si se compara la definicin de g(x) dada por

g ( x ) = x + ( x)
Y la frmula de recurrrencia del mtodo de punto fijo con la frmula de recurrencia del mtodo
de Newton Raphson, se puede establecer que
1

1
d ( x )
=
=

dx Xk
d ( x )

dx Xk
Es decir que el mtodo de Newton Raphson se puede interpretar como un mtodo de Punto
Fijo con el coeficiente variable en cada iteracin.

4.7 Condicin de Convergencia del Mtodo de Punto Fijo


Sea xs el punto fijo de g(x); es decir, la solucin de la igualdad
tiene que

x = g (x ) . Por lo tanto se

xs = g ( xs )
Al considerar la frmula de recurrencia del mtodo de punto fijo se tiene que

xk +1 = g ( xk )
Al restar miembro a miembro estas dos igualdades, se tiene

xk +1 xs = g ( xk ) g ( xs )
En el segundo miembro, es posible aplicar el Teorema del Valor Medio, con lo que resulta

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

Pgina 14 de 15
Ao 2011

Universidad Tecnolgica Nacional


FRM-ISI

Matemtica Superior

( xk +1 xs ) =
Siendo una abscisa entre

dg ( x )
( xk x s )
dx x=

xk y xs.. En el primer miembro se tiene k +1 el Error de la

iteracin k+1; mientras que en el segundo miembro se tiene


decir,

k el Error de la iteracin k. Es

k +1 = ( xk +1 xs )

k = ( xk xs )
Para que el k +1 Error de la iteracin k+1 sea menor que el k Error de la iteracin k, se
debe cumplir que el valor absoluto de la pendiente de la funcin g(x) en el entorno al punto fijo
solucin debe ser menor a uno. As resulta que la condicin de convergencia es:

dg ( x)
<1
dx x=
El proceso iterativo del mtodo de punto fijo converger si el error de una iteracin es menor
que el error de la iteracin anterior .
En la siguiente Figura se ilustra el Mtodo de Punto Fijo.

y=x

(x)

Y=(x)

g(xk)

y=g(x)=x+ . (x)

g(xk+1)
g(xs)

Y= . (x)
xs

Dr. Ing. Anibal Mirasso


Races de Ecuaciones No Lineales

xk+1

xr

Pgina 15 de 15
Ao 2011