Académique Documents
Professionnel Documents
Culture Documents
edicin
ANLISIS
NUMRICO
Richard L. Burden
Youngstown University
J. Douglas Faires
Youngstown University
Annette M. Burden
Youngstown University
Traduccin:
Mara Paulina Surez Moreno
Traductora profesional
Revisin tcnica:
Wilmar Alberto Daz Ossa
Mgister en matemticas aplicadas
Profesor en la Universidad Distrital Francisco Jos de Caldas
Australia Brasil Corea Espaa Estados Unidos Japn Mxico Reino Unido Singapur
Anlisis numrico, D.R. 2017 por Cengage Learning Editores, S.A. de C.V.,
10 a. ed. una Compaa de Cengage Learning, Inc.
Richard L. Burden, J. Douglas Faires y Corporativo Santa Fe
Annette M. Burden Av. Santa Fe nm. 505, piso 12
Col. Cruz Manca, Santa Fe
Director Editorial para Latinoamrica: C.P. 05349, Mxico, D.F.
Ricardo H. Rodrguez Cengage Learning es una marca registrada
usada bajo permiso.
Editora de Adquisiciones para
Latinoamrica: DERECHOS RESERVADOS. Ninguna parte de
Claudia C. Garay Castro este trabajo amparado por la Ley Federal del
Derecho de Autor, podr ser reproducida,
Gerente de Manufactura para transmitida, almacenada o utilizada en
Latinoamrica: cualquier forma o por cualquier medio, ya sea
Antonio Mateos Martnez grco, electrnico o mecnico, incluyendo,
pero sin limitarse a lo siguiente: fotocopiado,
Gerente Editorial de Contenidos reproduccin, escaneo, digitalizacin,
en Espaol: grabacin en audio, distribucin en internet,
Pilar Hernndez Santamarina distribucin en redes de informacin o
almacenamiento y recopilacin en sistemas
Gerente de Proyectos Especiales: de informacin a excepcin de lo permitido
Luciana Rabuffetti en el Captulo III, Artculo 27 de la Ley Federal
del Derecho de Autor, sin el consentimiento
Coordinador de Manufactura: por escrito de la Editorial.
Rafael Prez Gonzlez
Traducido del libro Numerical Analysis, Tenth Edition
Editora: Richard L. Burden, J. Douglas Faires, Annette M. Burden
Ivonne Arciniega Torres Publicado en ingls por Cengage Learning
2016, 2011, 2005
Diseo de portada: ISBN: 978-1-305-25366-7
Anneli Daniela Torres Arroyo
Datos para catalogacin bibliogrca:
Imagen de portada: Burden, Faires y Burden
theromb/Shutterstock.com Anlisis numrico, 10a. ed.
ISBN: 978-607-526-411-0
Composicin tipogrca:
Tsuki Marketing S.A. de C.V. Visite nuestro sitio en:
Gerardo Larios Garca http://latinoamerica.cengage.com
Impreso en Mxico
1 2 3 4 5 6 7 20 19 18 17
Contenido
Prefacio vii
iii
iv Contenido
Material en lnea
&RQMXQWRVGHHMHUFLFLRV
Preguntas de anlisis
Conceptos clave
Revisin de captulo
Bibliografa
5HVSXHVWDVDHMHUFLFLRVVHOHFFLRQDGRV
ndice
ndice de algoritmos
Glosario de notacin
Trigonometra
*UiFDVFRPXQHV
Ingrese a www.cengage.com, busque el libro por el ISBN e ingrese el siguiente cdigo de acceso:
CAPTULO
1 Preliminares matemticos
y anlisis de error
Introduccin
Al comenzar los cursos de qumica, estudiamos la ley del gas ideal,
PV = NRT,
PV (1.00)(0.100)
T = = = 290.15 K = 17 C.
NR (0.00420)(0.08206)
Sin embargo, cuando medimos la temperatura del gas, encontramos que la verdadera tem-
peratura es 15C.
V1
V2
1
2 CAPTULO 1 Preliminares matemticos y anlisis de error
Claramente, se sospecha la ley de gas ideal, pero antes de concluir que la ley es invlida
en esta situacin, deberamos examinar los datos para observar si el error se puede atribuir
a los resultados del experimento. En este caso, podramos determinar qu tan precisos de-
beran ser nuestros resultados experimentales para evitar que se presente un error de esta
magnitud.
El anlisis del error involucrado en los clculos es un tema importante en anlisis nu-
mrico y se presenta en la seccin 1.2. Esta aplicacin particular se considera en el ejercicio
26 de esa seccin.
Este captulo contiene una revisin breve de los temas del clculo de una sola variable
que se necesitarn en captulos posteriores. Un conocimiento slido de clculo es fundamen-
tal para comprender el anlisis de las tcnicas numricas y sera preciso efectuar una revi-
sin ms rigurosa para quienes no han estado en contacto con este tema durante un tiempo.
Adems, existe una introduccin a la convergencia, el anlisis de error, la representacin
GHQ~PHURVHQOHQJXDMHGHPiTXLQD\DOJXQDVWpFQLFDVSDUDFODVLFDU\PLQLPL]DUHOHUURU
computacional.
Denicin 1.1 Una funcin fGHQLGDHQXQFRQMXQWRX de nmeros reales que tiene el lmite L a x0, escrita
como
lm f (x) = L ,
xx0
si, dado cualquier nmero real > 0, existe un nmero real > 0, de tal forma que
FRQVXOWHODJXUD
Figura 1.1
y
y 5 f (x)
L 1e
L
L 2e
x0 2 d x0 x0 1 d x
1.1 Revisin de clculo 3
lm xn = x, o xn x en n ,
n
VLJQLFDTXHODVXFHVLyQ{xn }
n=1 converge a x.
a. f es continua en x0;
b. Si {xn }
n=1 es cualquier sucesin en X, que converge a x0, entonces
lm n f (xn ) = f (x0 ).
Se asumir que las funciones que consideraremos al analizar los mtodos numricos son
continuas porque ste es el requisito mnimo para una conducta predecible. Las funciones
TXHQRVRQFRQWLQXDVSXHGHQSDVDUSRUDOWRSXQWRVGHLQWHUpVORFXDOSXHGHFDXVDUGLFXOWD-
des al intentar aproximar la solucin de un problema.
Diferenciabilidad
/DVVXSRVLFLRQHVPiVVRVWLFDGDVVREUHXQDIXQFLyQSRUORJHQHUDOFRQGXFHQDPHMRUHVUH-
VXOWDGRVGHDSUR[LPDFLyQ3RUHMHPSORQRUPDOPHQWHXQDIXQFLyQFRQXQDJUiFDVXDYHVH
comportara de forma ms predecible que una con numerosas caractersticas irregulares. La
condicin de uniformidad depende del concepto de la derivada.
existe. El nmero f (x0 ) recibe el nombre de derivada de f en x0. Una funcin que tiene una
derivada en cada nmero en un conjunto X es diferenciable en X.
Figura 1.2
y
f (x 0)
(x 0, f (x 0)) y 5 f (x)
x0 x
El teorema atribuido a Michel Los siguientes teoremas son de importancia fundamental al deducir los mtodos para
5ROOHDSDUHFLy estimacin del clculo de error. Las pruebas de estos teoremas y los otros resultados sin refe-
en 1691 en un tratado poco
conocido titulado Mthode pour
rencias en esta seccin se pueden encontrar en cualquier texto de clculo estndar.
rsoundre les galites (Mtodo El conjunto de todas las funciones que tienen derivadas continuas n en X se denota como
para resolver las igualdades). Cn(X y el conjunto de funciones que tienen derivadas de todos los rdenes en X se denota
Originalmente, Rolle criticaba como C (X ). Las funciones polinomial, racional, trigonomtrica, exponencial y logartmi-
el clculo desarrollado por Isaac
ca se encuentran en C (X ), donde X FRQVLVWHHQWRGRVORVQ~PHURVSDUDORVTXHVHGHQHQ
Newton y Gottfried Leibniz, pero
despus se convirti en uno de las funciones. Cuando X es un intervalo de la recta real, de nuevo se omiten los parntesis
sus defensores. en esta notacin.
Figura 1.3
y
f 9(c) 5 0
y 5 f (x)
f (a) 5 f(b)
a c b x
f (b) f (a)
f (c) = .
ba
1.1 Revisin de clculo 5
Figura 1.4
y
Lneas paralelas
Pendiente f 9(c)
y 5 f (x)
f (b) 2 f (a)
Pendiente
b2a
a c b x
Figura 1.5
y
y 5 f (x)
a c2 c1 b x
f (x= 2 ex + 2x
f v(x= ex + 2.
a) Cuando el intervalo es [0, 1], el extremo absoluto debe ocurrir en f , f OQR
f $OHYDOXDUWHQHPRV
f (0) = 2 e0 + 2(0) = 1
Tambin utilizaremos con frecuencia el teorema del valor intermedio. A pesar de que
esta declaracin parece razonable, su prueba va ms all del alcance del curso habitual de
clculo. Sin embargo, se puede encontrar en muchos textos de anlisis (consulte, por ejem-
SOR>)X@S
/DJXUDPXHVWUDXQDRSFLyQSDUDHOQ~PHURJDUDQWL]DGDSRUHOWHRUHPDGHOYDORU
intermedio. En este ejemplo, existen otras dos posibilidades.
Figura 1.6
y
(a, f (a))
f (a)
y 5 f (x)
K
f (b)
(b, f (b))
a c b x
1.1 Revisin de clculo 7
Ejemplo 2 Muestre que x5 2x +x2 1 = 0 tiene una solucin en el intervalo [0, 1].
f = 1 < 0 y 0 < 1 = f .
Por lo tanto, el teorema del valor intermedio implica que existe un nmero c, con 0 , c , 1,
para el cual c5 2c +c2 1 = 0.
Como se observa en el ejemplo 2, el teorema del valor intermedio se utiliza para deter-
minar cundo existen soluciones para ciertos problemas. Sin embargo, no provee un medio
HFLHQWHSDUDHQFRQWUDUHVWDVVROXFLRQHV(VWHWHPDVHFRQVLGHUDHQHOFDStWXOR
Integracin
El otro concepto bsico del clculo que se utilizar ampliamente es la integral de Riemann.
Denicin 1.12 La integral de Riemann de la funcin f en el intervalo [a, b] es el siguiente lmite, siempre
y cuando exista:
George Fredrich Berhard Riemann b n
UHDOL]yPXFKRVGH
los descubrimientos importantes
f (x) d x = lm f (z i xi ,
a mx xi 0
SDUDFODVLFDUODVIXQFLRQHV i=1
que tienen integrales. Tambin
realiz trabajos fundamentales en
geometra y la teora de funciones donde los nmeros x0, x1,7 , xn satisfacen a = x0 x1 7 xn = b, donde 6xi = xi xi1,
complejas y se le considera uno para cada i = 1, 2,7 , n, y zi se selecciona de manera arbitraria en el intervalo [ xi1 , xi ].
de los matemticos prolferos del
siglo XIX. Una funcin f que es continua en un intervalo [a, b] es tambin Riemann integrable en
[a, b]. Esto nos permite elegir, para conveniencia computacional, los puntos xi se separarn
equitativamente en [a, b] para cada i = 1, 2, 7 , n, para seleccionar zi = xi. En este caso,
b n
ba
f (x) d x = lm f (xi ),
a n n i=1
Figura 1.7
y
y 5 f (x)
Se necesitarn otros dos resultados en nuestro estudio para anlisis numrico. El primero
es una generalizacin del teorema del valor promedio para integrales.
8 CAPTULO 1 Preliminares matemticos y anlisis de error
b
1
f (c) = f (x) d x.
ba a
Figura 1.8
y
y 5 f (x)
f (c)
a c b x
(QJHQHUDOODSUXHEDGHOWHRUHPDQRVHGDHQXQFXUVREiVLFRGHFiOFXORSHURVH
SXHGHHQFRQWUDUHQPXFKRVWH[WRVGHDQiOLVLVFRQVXOWHSRUHMHPSOR>)X@S
%URRN7D\ORU
Suponga que f C n [a, b], f (n + existe en [a, b], y x0 [a, b]. Para cada x [a, b], existe un
describi esta serie en 1715 nmero (x) entre x0 y x con
en el artculo Methodus
incrementorum directa et inversa
(Mtodos para incrementos
f (x) = Pn (x) + Rn (x),
directos e inversos). Isaac
Newton, James Gregory y donde
otros ya conocan algunos
casos especiales del resultado
f (x0 ) f (n) (x0 )
y, probablemente, el resultado Pn (x) = f (x0 ) + f (x0 )(x x0 ) + (x x0 )2 + + (x x0 )n
mismo. 2! n!
n
f (k) (x0 )
= (x x0 )k
k=0
k!
1.1 Revisin de clculo 9
f (n+1) ((x))
Rn (x) = (x x0 )n+1 .
(n + 1)!
&ROLQ0DFODXULQHV
ms conocido como el defensor
Aqu Pn(x HV OODPDGR HO n-simo polinomio de Taylor para f alrededor de x0 y Rn(x
del clculo de Newton cuando
ste fue objeto de los ataques recibe el nombre de residuo (o error de truncamientoUHODFLRQDGRFRQPn(x3XHVWRTXHHO
LPSODFDEOHVGHORELVSR\OyVRIR nmero (x) en el error de truncamiento Rn(xGHSHQGHGHOYDORUGHx donde se evala el poli-
irlands George Berkeley. nomio Pn(xHVXQDIXQFLyQGHODYDULDEOHx. Sin embargo, no deberamos esperar ser capaces
de determinar la funcin (x) de manera explcita. El teorema de Taylor simplemente garantiza
Maclaurin no descubri la
serie que lleva su nombre; los que esta funcin existe y que su valor se encuentra entre x y x0. De hecho, uno de los problemas
matemticos del siglo ya la comunes en los mtodos numricos es tratar de determinar un lmite realista para el valor de
conocan desde antes de que l f (n+1) ((x)) cuando xVHHQFXHQWUDHQXQLQWHUYDORHVSHFtFR
naciera. Sin embargo, concibi /DVHULHLQQLWDREWHQLGDDOWRPDUHOOtPLWHGHPn(xFRQIRUPH n recibe el nombre
un mtodo para resolver un
sistema de ecuaciones lineales de serie de Taylor para f alrededor de x0. En caso de que x0 = 0, entonces al polinomio de
que se conoce como regla de Taylor con frecuencia se le llama polinomio de Maclaurin y a la serie de Taylor a menudo
Cramer, que Cramer no public se le conoce como serie de Maclaurin.
hasta 1750. El trmino error de truncamientoHQHOSROLQRPLRGH7D\ORUVHUHHUHDOHUURULPSOLFD-
GRDOXWLOL]DUXQDVXPDWUXQFDGDRQLWDSDUDDSUR[LPDUODVXPDGHXQDVHULHLQQLWD
Figura 1.9
y
1
y 5 cos x
p p
22 2
2 2
2p p x
1
y 5 P2(x) 5 1 2 2 x 2
2
10 CAPTULO 1 Preliminares matemticos y anlisis de error
1 1 106
cos 0.01 = 1 (0.01)2 + (0.01)3 sen (0.01) = 0.99995 + sen (0.01).
2 6 6
Por lo tanto, la aproximacin para cos 0.01 provista por el polinomio de Taylor es 0.99995.
El error de truncamiento, o trmino restante, relacionado con esta aproximacin es
106
sen (0.01) = 0.16 106 sen (0.01),
6
donde la barra sobre el 6 en 0 .16 VHXWLOL]DSDUDLQGLFDUTXHHVWHGtJLWRVHUHSLWHLQGHQLGD-
mente. A pesar de que no existe una forma de determinar sen (0.01), sabemos que todos los
valores del seno se encuentran en el intervalo [1, 1], por lo que el error que se presenta si
utilizamos la aproximacin 0.99995 para el valor de cos 0.01 est limitado por
Por lo tanto, la aproximacin 0.99995 corresponde por lo menos a los primeros cinco dgitos
de cos 0.01 y
0.9999483 < 0.99995 1.6 106 cos 0.01
0.99995 + 1.6 106 < 0.9999517.
El lmite del error es mucho ms grande que el error real. Esto se debe, en parte, al esca-
so lmite que usamos para | sen (x)|. En el ejercicio 27 se muestra que para todos los valores
de x, tenemos | sen x| |x|. Puesto que 0 < 0.01, podramos haber usado el hecho de
que | sen (x)| 0.01 en la frmula de error, lo cual produce el lmite 0.16 108 .
b) Puesto que f (0) = 0, el tercer polinomio de Taylor con el trmino restante alre-
dedor de x0 = 0 es
1 1
cos x = 1 x 2 + x 4 cos (x),
2 24
donde 0 < (x) < 0.01. El polinomio de aproximacin sigue siendo el mismo y la aproxima-
cin sigue siendo 0.99995, pero ahora tenemos mayor precisin. Puesto que | cos (x)| 1
para todas las x, obtenemos
1 4 1
x cos (x) (0.01)4 (1) 4.2 1010 .
24 24
por lo tanto
| cos 0.01 0.99995| 4.2 1010 ,
y
(OHMHPSORLOXVWUDORVGRVREMHWLYRVGHODQiOLVLVQXPpULFR
i) Encuentre una aproximacin a la solucin de un problema determinado.
ii) Determine un lmite o cota para la precisin de la aproximacin.
/RVSROLQRPLRVGH7D\ORUHQDPEDVSDUWHVSURSRUFLRQDQODPLVPDUHVSXHVWDSDUDLSHURHO
WHUFHURSURYHHXQDUHVSXHVWDPXFKRPHMRUSDUDLLTXHHOVHJXQGR7DPELpQSRGHPRVXWLOL]DU
estos polinomios para obtener aproximaciones de las integrales.
1.2 Errores de redondeo y aritmtica computacional 11
Ilustracin Podemos utilizar el tercer polinomio de Taylor y su trmino restante encontrado en el ejem-
0.1
SORSDUDDSUR[LPDU 0 cos x d x. Tenemos
0.1 0.1 0.1
1 1
cos x d x = 1 x2 dx + x 4 cos (x) d x
0 0 2 24 0
0.1 0.1
1 1
= x x3 + x 4 cos (x) d x
6 0 24 0
0.1
1 1
= 0.1 (0.1)3 + x 4 cos (x) d x.
6 24 0
Por lo tanto,
0.1
1
cos x d x 0.1 (0.1)3 = 0.09983.
0 6
Un lmite o cota para el error en esta aproximacin se determina a partir de la integral del
trmino restante de Taylor y el hecho de que | cos (x)| 1 para todas las x:
0.1 0.1
1 1
x 4 cos (x) d x x 4 | cos (x)| d x
24 0 24 0
1 0.1
(0.1)5
x4 dx = = 8.3 108 .
24 0 120
por lo que el error real para esta aproximacin es 8. 108, que se encuentra dentro
del lmite del error.
El error debido al redondeo El error que se produce cuando se utiliza una calculadora o computadora para realizar
debera esperarse siempre que se clculos con nmeros reales recibe el nombre de error de redondeo. Se presenta porque la
realizan clculos con nmeros
que no son potencias de 2. DULWPpWLFDUHDOL]DGDHQXQDPiTXLQDLQFOX\HQ~PHURVFRQXQVRORQ~PHURQLWRGHGtJLWRV
Mantener este error bajo control y esto da como resultado clculos realizados nicamente con representaciones aproximadas
es en extremo importante cuando de los nmeros reales. En una computadora, slo un subconjunto relativamente pequeo del
el nmero de clculos es grande. sistema de nmeros reales se usa para la representacin de todos los nmeros reales. Este
subconjunto slo contiene nmeros racionales, tanto positivos como negativos, y almacena
la parte fraccionaria, junto con una parte exponencial.
(1)s 2c1023 (1 + f ).
0 10000000011 1011100100010000000000000000000000000000000000000000.
0 10000000011 1011100100001111111111111111111111111111111111111111,
0 10000000011 1011100100010000000000000000000000000000000000000001.
(VWRVLJQLFDTXHQXHVWURQ~PHURGHPiTXLQDRULJLQDOQRVORUHSUHVHQWDVLQR
WDPELpQODPLWDGGHORVQ~PHURVUHDOHVTXHVHHQFXHQWUDQHQWUH\HOVLJXLHQWH
Q~PHURGHPiTXLQDPiVSHTXHxRDVtFRPRODPLWDGGHORVQ~PHURVHQWUH\
el siguiente nmero de mquina ms grande. Para ser preciso, representa cualquier nmero
>
Los nmeros que se presentan en los clculos que tienen una magnitud menor que
21022 (1 + 0)
resultan en un subdesbordamiento\HQJHQHUDOVHFRQJXUDQHQFHUR/RVQ~PHURVVXSH-
riores a
21023 (2 252 )
0.d1 d2 . . . dk 10n , 1 d1 9, y 0 di 9,
14 CAPTULO 1 Preliminares matemticos y anlisis de error
= 0.314159265 . . . 101 .
En general, el error relativo es a) (OIRUPDWRGHSXQWRRWDQWHGH usando el recorte de cinco dgitos es
una mejor medicin de precisin
que el error absoluto porque
considera el tamao del nmero f l( ) = 0.31415 101 = 3.1415.
que se va a aproximar.
b) El sexto dgito de la expansin decimal de es un 9, por lo que el formato de punto
RWDQWHGH con redondeo de cinco dgitos es
/DVLJXLHQWHGHQLFLyQGHVFULEHWUHVPpWRGRVSDUDPHGLUHUURUHVGHDSUR[LPDFLyQ
Denicin 1.15 Suponga que p es una aproximacin a p. El error real es p p , el error absoluto es
| p p |
| p p |, y el error relativo es , siempre y cuando p = 0.
| p|
Considere los errores real, absoluto y relativo al representar p con p en el siguiente ejemplo.
Ejemplo 2 Determine los errores real, absoluto y relativo al aproximar p con p cuando
Solucin
a) Para p = 101 y p = 101, el error real es <0.1, el error absoluto
es 0.1 y el error relativo es 0.3333 101.
b) Para p = 10 y p = 10, el error real es <0.1 10, el error
absoluto es 0.1 10 y el error relativo es 0.3333 101.
A menudo no podemos encontrar
c) Para p = 10 y p =HOHUURUUHDOHV 10, el error ab-
un valor preciso para el error soluto es 0.1 10 y, de nuevo, el error relativo es 0.3333 101 .
verdadero en una aproximacin.
Por el contrario, encontramos Este ejemplo muestra que el mismo error relativo, 0.3333 101, se presenta para errores
una cota para el error, lo cual nos
proporciona un error del peor
absolutos ampliamente variables. Como una medida de precisin, el error absoluto puede ser
caso. HQJDxRVR\HOHUURUUHODWLYRPiVVLJQLFDWLYRGHELGRDTXHHVWHHUURUFRQVLGHUDHOWDPDxR
del valor.
Un lmite de error es un nmero no negativo mayor que el error absoluto. Algunas ve-
ces se obtiene con los mtodos de clculo para encontrar el valor absoluto mximo de una
IXQFLyQ(VSHUDPRVHQFRQWUDUHOOtPLWHVXSHULRUPiVSHTXHxRSRVLEOHSDUDHOHUURUDQGH
obtener un estimado del error real que es lo ms preciso posible.
/D VLJXLHQWH GHQLFLyQ XVD HO HUURU UHODWLYR SDUD SURSRUFLRQDU XQD PHGLGD GH GtJLWRV
VLJQLFDWLYRVGHSUHFLVLyQSDUDXQDDSUR[LPDFLyQ
Denicin 1.16 Se dice que el nmero p se aproxima a p para t GtJLWRVVLJQLFDWLYRVRFLIUDVVLt es el
A menudo, el trmino dgitos
entero no negativo ms grande para el que
VLJQLFDWLYRV se usa para
describir vagamente el nmero | p p |
de dgitos decimales que parecen 5 10t .
| p|
VHUH[DFWRV/DGHQLFLyQHVPiV
precisa y provee un concepto
continuo. /DWDEODLOXVWUDODQDWXUDOH]DFRQWLQXDGHORVGtJLWRVVLJQLFDWLYRVDOHQXPHUDUSDUD
los diferentes valores de p, el lmite superior mnimo de | p p |, denominado mx. | p p |,
cuando p concuerda con pHQFXDWURGtJLWRVVLJQLFDWLYRV
Tabla 1.1
p 0.1 0.5 100 1000 5000 9990 10000
y f l(y)
.
y
entonces
Introduccin
Se realiza un censo de la poblacin de Estados Unidos cada 10 aos. La siguiente tabla
muestra la poblacin, en miles de personas, desde 1960 hasta 2010, y los datos tambin se
UHSUHVHQWDQHQODJXUD
P(t)
3 3 10 8
2 3 10 8
Poblacin
1 3 10 8
Al revisar estos datos, podramos preguntar si se podran usar para efectuar un clculo
razonable de la poblacin, digamos, en 1975 o incluso en el ao 2020. Las predicciones de
este tipo pueden obtenerse por medio de una funcin que se ajuste a los datos proporcio-
nados. Este proceso recibe el nombre de interpolacin y es el tema de este captulo. Este
problema de poblacin se considera a lo largo del captulo y en los ejercicios 19 de la seccin
3.1, 17 de la seccin 3.3 y 24 de la seccin 3.5.
77
78 CAPTULO 3 Interpolacin y aproximacin polinomial
Pn (x) = an x n + an1 x n1 + + a1 x + a0 ,
donde n es un entero positivo y a0, 7, an son constantes reales. Una razn de su importancia
es que se aproximan de manera uniforme a las funciones continuas. Con esto queremos decir
TXHGDGDXQDIXQFLyQGHQLGD\FRQWLQXDVREUHXQLQWHUYDORFHUUDGR\DFRWDGRH[LVWHXQ
polinomio que est tan cerca de la funcin dada como se desee. Este resultado se expresa
FRQSUHFLVLyQHQHOWHRUHPDGHDSUR[LPDFLyQGH:HLHUVWUDVVFRQVXOWHODJXUD
Figura 3.1
y
y 5 f (x) 1
y 5 P (x)
y 5 f (x)
y 5 f (x) 2
a b x
primeros seis polinomios de Taylor alrededor de x0 5 0 para f (x) 5 e x. Ya que las derivadas
de f (x) son todas ex, que evaluadas en x0 5 0 dan 1, los polinomios de Taylor son
x2 x2 x3
Se public muy poco del trabajo P0 (x) = 1, P1 (x) = 1 + x, P2 (x) = 1 + x + , P3 (x) = 1 + x + + ,
de Weierstrass durante su vida; 2 2 6
no obstante, sus conferencias,
x2 x3 x4 x2 x3 x4 x5
en especial sobre la teora de las P4 (x) = 1 + x + + + , y P5 (x) = 1 + x + + + + .
IXQFLRQHVLQX\HURQGHPDQHUD 2 6 24 2 6 24 120
VLJQLFDWLYDHQXQDJHQHUDFLyQ
completa de estudiantes. /DVJUiFDVGHORVSROLQRPLRVVHPXHVWUDQHQODJXUDREVHUYHTXHLQFOXVRSDUD
los polinomios de grado ms alto, el error empeora progresivamente conforme nos alejamos
de cero).
Figura 3.2
y
20
y 5 P5(x)
y 5 ex
y 5 P4(x)
15
y 5 P3(x)
10
y 5 P2(x)
5
y 5 P1(x)
y 5 P0(x)
21 1 2 3 x
y, en general,
Para aproximar f (3) 5 1/3 mediante P n (3) para valores cada vez mayores de n, obtenemos
los valores en la tabla 3.1 (un terrible fracaso!). Cuando aproximamos f (3) 5 1/3 mediante
P n (3) y para valores ms grandes de n, la aproximacin se vuelve cada vez ms imprecisa.
Tabla 3.1 n 0 1 2 3 4 5 6 7
Pn (3) 1 1 3 5 11 21 43 85
80 CAPTULO 3 Interpolacin y aproximacin polinomial
Observe que
Por lo que P es el nico polinomio de grado a lo ms 1 que pasa por (x0, y0) y (x1, y1).
Ejemplo 1 Determine el polinomio de interpolacin de Lagrange que pasa por los puntos (2, 4) y (5, 1).
x 5 1 x 2 1
L 0 (x) = = (x 5) y L 1 (x) = = (x 2),
25 3 52 3
por lo que
1 1 4 20 1 2
P(x) = (x 5) 4 + (x 2) 1 = x + + x = x + 6.
3 3 3 3 3 3
Figura 3.3
y
(2,4)
4
3
2
y 5 P(x) = 2x 1 6
(5,1)
1
1 2 3 4 5 x
9pDVHODJXUD
Figura 3.4
y
y 5 f (x)
y 5 P(x)
x0 x1 x2 xn x
En este caso, primero construimos, para cada k 5 0, 1, 7, n, una funcin L n,k (x) con la
propiedad de que Ln,k (xi ) = 0 cuando i = k y L n,k (x k) 5 1. Para satisfacer Ln,k (xi ) = 0 para
cada i = k se requiere que el numerador de L n,k (x) contenga el trmino
Para satisfacer L n,k (x k) 5 1, el denominador de L n,k (x) debe ser el mismo trmino, pero
evaluado en x 5 xk. Por lo tanto,
Figura 3.5
L n,k(x)
Teorema 3.2 Si x0, x1, 7, x n son n 1 1 nmeros distintos y f es una funcin cuyos valores estn determi-
nados en estos nmeros, entonces existe un nico polinomio P(x) de grado a lo sumo n con
La frmula de interpolacin
nombrada por Joseph Louis f (xk ) = P(xk ), para cada k = 0, 1, . . . , n.
Lagrange (17361813)
probablemente era conocida
por Newton alrededor de 1675,
Este polinomio est determinado por
pero al parecer fue publicada por
n
primera vez en 1779 por Edward
Waring (17361798). Lagrange P(x) = f (x0 )L n,0 (x) + + f (xn )L n,n (x) = f (xk )L n,k (x), (3.1)
escribi mucho sobre el tema de k=0
interpolacin y su trabajo tuvo
XQDLQXHQFLDVLJQLFDWLYDVREUH donde, para cada k = 0, 1, . . . , n,
los matemticos posteriores. l (x x0 )(x x1 ) (x xk1 )(x xk+1 ) (x xn )
public este resultado en 1795. L n,k (x) = (3.2)
(xk x0 )(xk x1 ) (xk xk1 )(xk xk+1 ) (xk xn )
El smbolo se usa para escribir n
productos de manera compacta y (x xi )
= .
es similar al smbolo , que se
i=0
(xk xi )
utiliza para escribir sumas. Por i =k
ejemplo
3
i=0 ai = a1 a2 a3 . Escribiremos Ln,k (x) simplemente como L k (x) cuando no haya confusin en cuanto a
su grado.
Adems, f (x0 ) = f (2) = 1/2, f (x1 ) = f (2.75) = 4/11, y f (x2 ) = f (4) = 1/4, por lo
que
2
P(x) = f (xk )L k (x)
k=0
1 64 1
= (x 2.75)(x 4) (x 2)(x 4) + (x 2)(x 2.75)
3 165 10
1 2 35 49
= x x+ .
22 88 44
b) Una aproximacin para f (3) = 1/3 (vase la figura 3.6) es
9 105 49 29
f (3) P(3) = + = 0.32955.
22 88 44 88
Recuerde que en la seccin de apertura de este captulo (consulte la tabla 3.1), encontramos
que ninguna expansin en polinomios de Taylor alrededor de x0 5 1 se puede usar para
aproximar razonablemente f(x) 5 1/x en x 5 3.
Figura 3.6
y
2 y 5 f (x)
1
y 5 P(x)
1 2 3 4 5 x
f (n+1) ((x))
Existen otras formas de expresar f (x) = P(x) + (x x0 )(x x1 ) (x xn ), (3.3)
el trmino de error para el (n + 1)!
polinomio de Lagrange, pero
sta puede ser la forma ms donde P(x) es el polinomio de interpolacin determinado en la ecuacin (3.1).
til y la que concuerda ms
estrechamente con la forma de
error del polinomio estndar
Demostracin Primero observe que si x 5 x k para cualquier k 5 0, 1, 7, n, entonces f(xk ) 5
de Taylor. P(x k ) y al elegir (x k )de manera arbitraria en (a, b) se obtiene la ecuacin (3.3).
84 CAPTULO 3 Interpolacin y aproximacin polinomial
(t x0 )(t x1 ) (t xn )
g(t) = f (t) P(t) [ f (x) P(x)]
(x x0 )(x x1 ) (x xn )
n
(t xi )
= f (t) P(t) [ f (x) P(x)] .
i=0
(x xi )
Puesto que f C n+1 [a, b], y P C [a, b], se sigue que g C n+1 [a, b]. Para t = xk ,
tenemos
n
(xk xi )
g(xk ) = f (xk ) P(xk ) [ f (x) P(x)] = 0 [ f (x) P(x)] 0 = 0.
i=0
(x xi )
Adems,
n
(x xi )
g(x) = f (x) P(x) [ f (x) P(x)] = f (x) P(x) [ f (x) P(x)] = 0.
i=0
(x xi )
Por lo tanto, g C n+1 [a, b], y g se anula en los n 1 2 nmeros distintos x, x0 , x1 , . . . , xn.
Por el teorema generalizado de Rolle 1.10, existe un nmero en (a, b) para el que
g (n+1) ( ) = 0.Por lo que,
n
d n+1 (t xi )
0 = g (n + 1) ( ) = f (n+1) ( ) P (n+1) ( ) [ f (x) P(x)] . (3.4)
dt n+1 i=0
(x xi )
t=
Sin embargo, P(x) es un polinomio de grado a lo sumo n, por lo que la derivada (n 1 1),
n
P (n+1) (x), es cero. Adems i=0 [(t xi )/(x xi )] es un polinomio de grado (n 1 1), por
lo que
n
(t xi ) 1
= n t n+1 + (trminos de menor grado en t),
i=0
(x xi ) i=0 (x xi )
y
n
d n+1 (t xi ) (n + 1)!
= n .
dt n+1 i=0
(x xi ) i=0 (x
xi )
El polinomio de Lagrange de grado n utiliza informacin en los distintos nmeros x0, x1,
, xn y, en lugar de (x 2 x0)n su frmula de error utiliza el producto de los n 1 1 trminos
(x x0 ), (x x1 ), . . . , (x xn ):
f (n+1) ((x))
(x x0 )(x x1 ) (x xn ).
(n + 1)!
Ejemplo 3 En el ejemplo 2 encontramos el segundo polinomio de Lagrange para f(x) 5 1/x HQ>@
usando los nodos x0 5 2, x1 5 2.75 y x2 = 4. Determine la forma del error para este polinomio
y el error mximo cuando el polinomio se usa para aproximar f (x) para x >@
f ((x))
(x x0 )(x x1 )(x x2 ) = ((x))4 (x 2)(x 2.75)(x 4), para (x)en(2, 4).
3!
35 2 49
g(x) = (x 2)(x 2.75)(x 4) = x 3 x + x 22.
4 2
Como
35 2 49 35 49 1
Dx x3 x + x 22 = 3x 2 x+ = (3x 7)(2x 7),
4 2 2 2 2
los puntos crticos se presentan en
7 7 25 7 7 9
x= , con g = , y x= , con g = .
3 3 108 2 2 16
Por lo tanto, el error mximo es
f ((x)) 1 9 9
|(x x0 )(x x1 )(x x2 )| = 0.03515625.
3! 16 16 256
El siguiente ejemplo ilustra cmo se puede usar la frmula del error para preparar una
tabla de datos que garantizar un error de interpolacin dentro de una cota establecida.
Ejemplo 4 Suponga que se va a preparar una tabla para la funcin f (x) = e x , para x en [0, 1]. Imagine
que el nmero de lugares decimales proporcionado por entrada es d $ 8 y que h, el tamao
del paso es la diferencia entre valores adyacentes x. Qu tamao de paso h garantizar que
la interpolacin lineal proporcione un error absoluto a lo mximo de 106 para todas las x
HQ>@"
Solucin Sean x0, x1, 7 los nmeros en los que se evala f y xHVWiHQ>@\VXSRQJDTXHj
satisface xj # x # x j 11. La ecuacin (3.3) implica que el error en la interpolacin lineal es
f (2) ( ) | f (2) ( )|
| f (x) P(x)| = (x x j )(x x j+1 ) = |(x x j )||(x x j+1 )|.
2! 2
Como el tamao del paso es h, entonces x j = j h, x j+1 = ( j + 1)h, y
| f (2) ( )|
| f (x) P(x)| |(x j h)(x ( j + 1)h)|.
2!
86 CAPTULO 3 Interpolacin y aproximacin polinomial
Por lo tanto,
mx [0,1] e
| f (x) P(x)| mx |(x j h)(x ( j + 1)h)|
2 x j xx j+1
e
mx |(x j h)(x ( j + 1)h)|.
2 x j xx j+1
Considere la funcin g(x) = (x j h)(x ( j + 1)h), para j h x ( j + 1)h. Luego
h
g (x) = (x ( j + 1)h) + (x j h) = 2 x j h ,
2
e e h2 eh 2
| f (x) P(x)| mx |g(x)| = .
2 x j xx j+1 2 4 8
Por consiguiente, para garantizar que el error en la interpolacin lineal est acotado por
1026HVVXFLHQWHHOHJLUh de tal forma que
eh 2
106 . Esto implica que h < 1.72 103 .
8
Puesto que n 5 (1 2 0)/h debe ser un entero, una seleccin razonable para el tamao del
paso es h 5 0.001.
Ilustracin La tabla 3.2 lista los valores de una funcin f en diferentes puntos. Las aproximaciones para
f (1.5) obtenidas con distintos polinomios de Lagrange que usan estos datos se comparar
para probar y determinar la precisin de la aproximacin.
Tabla 3.2
El polinomio lineal ms apropiado usa x0 5 1.3 y x1 5 1.6 porque 1.5 se encuentra entre 1.3
x f (x) y 1.6. El valor del polinomio de interpolacin en 1.5 es
1.0 0.7651977 (1.5 1.6) (1.5 1.3)
1.3 0.6200860 P1 (1.5) = f (1.3) + f (1.6)
1.6 0.4554022 (1.3 1.6) (1.6 1.3)
1.9 0.2818186 (1.5 1.6) (1.5 1.3)
2.2 0.1103623 = (0.6200860) + (0.4554022) = 0.5102968.
(1.3 1.6) (1.6 1.3)
3.2 Aproximacin de datos y mtodo de Neville 87
Es posible usar razonablemente dos polinomios de grado dos, uno con x0 5 1.3, x1 5 1.6 y
x2 5 1.9, lo cual nos da
Mtodo de Neville
8QDGLFXOWDGSUiFWLFDFRQODLQWHUSRODFLyQGH/DJUDQJHHVTXHHOWpUPLQRGHOHUURUHVGLItFLO
de aplicar, por lo que el grado del polinomio que se necesita para la precisin deseada en
general se desconoce hasta que se realizan los clculos. Una prctica comn es calcular los
resultados dados a partir de diferentes polinomios hasta que se obtiene el acuerdo apropia-
do, como se hizo en la ilustracin anterior. Sin embargo, el trabajo efectuado al calcular la
aproximacin con el segundo polinomio no disminuye el trabajo necesario para calcular
la tercera aproximacin, ni la cuarta aproximacin es fcil de obtener una vez que se conoce la
tercera aproximacin y as sucesivamente. Ahora, derivaremos estos polinomios de aproxi-
macin de una manera que use los clculos previos para una mayor ventaja.
Teorema 3.5 Sea f GHQLGDHQx0, x1, 7, xk y sean xj y xi dos nmeros distintos en este conjunto. Entonces
es el k-simo polinomio de Lagrange que interpola f en los puntos k 1 1 x0, x1, 7, xk.
(xi x j ) Q(x
i ) (xi xi )Q(xi ) (xi x j )
P(xi ) = = f (xi ) = f (xi ).
xi x j (xi x j )
(xr x j ) Q(x
r ) (xr xi )Q(xr ) (xi x j )
P(xr ) = = f (xr ) = f (xr ).
xi x j (xi x j )
El teorema 3.5 implica que los polinomios de interpolacin pueden generarse de manera
recursiva. Por ejemplo, tenemos
1 1
P0,1 = [(x x0 )P1 + (x x1 )P0 ], P1,2 = [(x x1 )P2 + (x x2 )P1 ],
x1 x0 x2 x1
1
P0,1,2 = [(x x0 )P1,2 + (x x2 )P0,1 ],
x2 x0
Tabla 3.3 x0 P0
x1 P1 P0,1
x2 P2 P1,2 P0,1,2
x3 P3 P2,3 P1,2,3 P0,1,2,3
x4 P4 P3,4 P2,3,4 P1,2,3,4 P0,1,2,3,4
El procedimiento que usa el resultado del teorema 3.5 para generar recursivamente las
aproximaciones de polinomios de interpolacin recibe el nombre de mtodo de Neville. La
notacin P que se usa en la tabla 3.3 es pesada debido al nmero de subndices que se utilizan
para representar las entradas. Observe, sin embargo, que mientras se construye un arreglo,
slo se necesitan dos subndices. El procedimiento hacia abajo en la tabla corresponde al
uso consecutivo de los puntos xi con una i ms grande, y el procedimiento hacia la derecha
corresponde al incremento del grado del polinomio de interpolacin. Puesto que los puntos
aparecen de manera consecutiva en cada entrada, necesitamos describir slo un punto de
Eric Harold Neville (18891961)
DSRUWyHVWDPRGLFDFLyQGH
inicio y el nmero de puntos adicionales que se usan en la construccin de la aproximacin.
la frmula de Lagrange en un Para evitar los mltiples ndices, dejamos que Qi,j (x) para 0 j i, denote el polinomio
DUWtFXORSXEOLFDGRHQ>1@ de interpolacin de grado j en los nmeros (j + 1) xi j , xi j+1 , . . . , xi1 , xi ; es decir
Se espera que la mejor aproximacin lineal sea Q2,1 porque 1.5 se encuentra entre
x1 5 1.3 y x2 5 1.6.
De manera similar, las aproximaciones usando polinomios de grado superior estn dadas por
Entonces Q4,4, Q5,4 y Q5,5 podran compararse para determinar la precisin posterior.
/DIXQFLyQHQHOHMHPSORHVODIXQFLyQGH%HVVHOGHSULPHUDFODVHGHRUGHQFHURFX\R
valor en 2.5 es 2\ODVLJXLHQWHODGHDSUR[LPDFLRQHVSDUDf(1.5) es
Ejemplo 3 La tabla 3.7 lista los valores de f(x) 5 ln x precisos para los lugares dados. Use el mtodo
de Neville y la aritmtica de redondeo de cuatro dgitos para aproximar f (2.1) 5 ln 2.1 al
Tabla 3.7 completar la tabla de Neville.
i xi ln xi
Solucin Puesto que x 2 x0 5 0.1, x 2 x1 5 20.1 y x 2 x2 5 20.2, tenemos Q0,0 5 0.6931,
0 2.0 0.6931 Q1,0 5 0.7885 y Q2,0 5 0.8329,
1 2.2 0.7885
2 2.3 0.8329 1 0.1482
Q 1,1 = [(0.1)0.7885 (0.1)0.6931] = = 0.7410
0.2 0.2
y
1 0.07441
Q 2,1 = [(0.1)0.8329 (0.2)0.7885] = = 0.7441.
0.1 0.1
La aproximacin final que podemos obtener a partir de estos datos es
1 0.2276
Q 2,1 = [(0.1)0.7441 (0.2)0.7410] = = 0.7420.
0.3 0.3
Estos valores se muestran en la tabla 3.8.
Tabla 3.8 i xi x xi Q i0 Q i1 Q i2
0 2.0 0.1 0.6931
1 2.2 0.1 0.7885 0.7410
2 2.3 0.2 0.8329 0.7441 0.7420
3.3 Diferencias divididas 91
En el ejemplo anterior, tenemos f(2.1) 5 ln 2.1 5 0.7419 para cuatro lugares decimales,
por lo que el error absoluto es
Sin embargo, f (x) = 1/x, f (x) = 1/x 2 , y f (x) = 2/x 3, por lo que la frmula de error
de Lagrange (3.3) en el teorema 3.3 nos da la cota del de error
f ((2.1))
| f (2.1) P2 (2.1)| = (x x 0 )(x x1 )(x x2 )
3!
1 0.002
= (0.1)(0.1)(0.2) = 8.3 105 .
3 ((2.1)) 3 3(2)3
Observe que el error real, 1024, excede la cota del error, 8.3 105. Esta aparente con-
WUDGLFFLyQHVXQDFRQVHFXHQFLDGHORVFiOFXORVGHGtJLWRVQLWRV1RVRWURVXVDPRVODDULW-
mtica de redondeo de cuatro dgitos, y la frmula del error de Lagrange (3.3) supone la
DULWPpWLFDGHGtJLWRVLQQLWRV(VWRFDXVyTXHQXHVWURVHUURUHVUHDOHVH[FHGLHUDQHOFiOFXOR
de error terico.
Recuerde: No puede esperar mayor precisin de la proporcionada por la aritmtica.
(ODOJRULWPRFRQVWUX\HSRUODVODVHQWUDGDVHQHOPpWRGRGH1HYLOOH
Diferencias divididas
Suponga que Pn(x) es el ensimo polinomio de interpolacin que concuerda con la funcin f
en los diferentes nmeros x0, x1, 7, xn. A pesar de que este polinomio es nico, existen re-
92 CAPTULO 3 Interpolacin y aproximacin polinomial
presentaciones algebraicas que son tiles en ciertas situaciones. Las diferencias divididas de
f respecto a x0, x1, 7, xn se usan para expresar Pn(x) en la forma
Pn (x) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 ) + + an (x x0 ) (x xn1 ), (3.5)
para constantes apropiadas a0, a1, 7, an. Para determinar la primera de estas constantes, a0,
observe que si Pn(x) se escribe en la forma de la ecuacin (3.5), entonces evaluando Pn(x) en
x0 queda slo el trmino constante a0; es decir,
a0 = Pn (x0 ) = f (x0 ).
Como en muchas reas, Isaac
Newton es prominente en Similarmente, cuando P(x) se evala en x1, los nicos trminos diferentes de cero en la
el estudio de ecuaciones de evaluacin de Pn(x1) son los trminos constante y lineal,
diferencia. Desarroll frmulas
de interpolacin desde 1675, f (x0 ) + a1 (x1 x0 ) = Pn (x1 ) = f (x1 );
usando su notacin en tablas
de diferencias. Adopt un por lo que
enfoque muy general hacia las
frmulas de diferencias, por lo f (x1 ) f (x0 )
que los ejemplos explcitos que a1 = . (3.6)
produjo, incluyendo las frmulas x1 x0
de Lagrange, a menudo son
conocidas con otros nombres. Ahora presentaremos la notacin de diferencias divididas, que se relaciona con la no-
tacin 2 de Aitkens que se us en la seccin 2.5. La cerosima diferencia dividida de la
funcin f respecto a xi, denotada f >xi], es simplemente el valor de f en xi:
/DVGLIHUHQFLDVGLYLGLGDVUHVWDQWHVVHGHQHQGHPDQHUDUHFXUVLYDODprimera diferencia
dividida de f respecto a xi y xi+1 se denota f [xi , xi+1 ] \VHGHQHFRPR
f [xi+1 ] f [xi ]
f [xi , xi+1 ] = . (3.8)
xi+1 xi
Debido a la ecuacin (3.6), podemos escribir a1 = f [x0 , x1 ], justo cuando a0 se puede ex-
presar como a0 = f (x0 ) = f [x0 ]. Por lo tanto, el polinomio de interpolacin en la ecuacin
(3.5) es