Introduccin.

Ecuacin. Es una proposicin abierta que involucra una relacin de equivalencia

y que no se cumple para cualquier valor de la(s) variable(s).

Races o soluciones de una ecuacin. Es el conjunto de todos los valores que
verifiquen la ecuacin.

Teoremas principales en la teora de ecuaciones:
1) Teorema DAlambert Gauss (Teorema fundamental del lgebra). Toda
ecuacin racional y entera en una variable tiene al menos una solucin o raz en
el campo de los nmeros complejos.
2) Corolario. Una ecuacin racional y entera de grado "n" tiene cuando mas "n"
soluciones diferentes.
3) Teorema del Factor. Si r1,r2,r3,..,rn son las races de una ecuacin entonces
esta puede factorizarse en la forma (x r1)(x r2)(x-r3)... (x - rn) = 0

4) Regla de Ruffini (Divisin sinttica). Si ri es la raz de una ecuacin de grado
n entonces esta puede degradarse hacia otra de grado n 1.

5) Regla de Descartes. Una ecuacin racional y entera no podr tener ms races
positivas, que cambio de signo en sus trminos.

6) Teorema de Abel Galois. En general es imposible resolver un nmero
infinito de operaciones racionales, las ecuaciones de grado superior al cuarto.
7) Teorema de Weierstrass Bolzano. Si f(x) es una funcin continua en el
intervalo (a,b) y ocurre que f(a) f(b) < 0 entonces necesariamente existe un valor
a (a,b) tal que f(a ) = 0 (alfa es un cero de la funcin).


Mtodo de Bisecciones.

Supongamos una ecuacin f(x) = E(x) que cumple el teorema de Bolzano en el
intervalo (a, b)
Caso I:

1) x = (a + b )/2
2)

3) Me detengo ya ?

no
si publica x, fin

Caso II:

1) x=(a+b)/2
2)

3) Me detengo ya?
No
Si publica x, fin
Cuando detenerse ?


Detenerse si b - a < emax, donde emax es un valor pequeo positivo y arbitrario.
Ejemplo: si emax = 0.0001 a o b sern igual a alfa hasta el tercer decimal.
Ejemplo: Halla al menos una raz de la ecuacin X 5x + 1 = 0, con una
precisin tal que emax = 0.001.
F(x)= X 5x + 1 = 0

Iterando
1. x = 0+1/2 = 0.5
f(0.5) = -1.37 < 0 b = 0.5
0.5 0 = 0.5 <) 0.001 continua ...
b a
2. x = (0 + 0.5) / 2 = 0.25
f(0.25) = - 0.2343 < 0 b = 0.25
0.25 0 = 0.25 <) 0.001 Continua ...
3. x = (0 + 0.25 )/ 2 = 0.125
f(0.125) = 0.3769 > 0 a = 0.125
0.25 0.125 = 0.215 <) 0.001 Continua...
4. x = (0.125 + 0.25 )/ 2 = 0.1875
f(0.1875) = 0.0690 > 0 a = 0.1875
b- a = 0.0625 <) 0.001 Continua ...
5. x = (0.1875 + 0.25) / 2 = 0.21875
f(x) = - 0.083 < 0 b = 0.21875
b a = 0.03125 <) 0.001 sigue
6. x = (0.1875 + 0.21875 ) / 2= 0.203125
f(x) = - 0.00724 < 0 b = 0.203125
b a = 0.015625 <) 0.001 sigue
7. x = (0.1875 + 0.203125) / 2 = 0.1953125
f(x) = 0.0308 > 0 a = 0.1953125
b a = 0.0078125 <) 0.001 sigue
8. x = (0.1953125 + 0.203125) / 2 = 0.19921875
f(x) = 0.01181 > 0 a = 0.19921875
b a = 0.003906... <) 0.001 sigue
9. x = (0.19921875 + .203125) / 2 = 0.201171875
f(x) = 0.002282 > 0 a = 0.211171875
b a = 0.001953... <) 0.001 sigue
10. x = (0.201171875 + 0.203125) / 2 = 0.202148437
f(x) = - 0.00248 < 0 b = 0.20214837
b a = 0.000386 < 0.001 Detente y publica
x= 0.202148437
Continuacin... Donde podemos garantizar de x tantos decimales como ceros
tenga emax a la derecha del punto decimal.
X = 0.20
Mtodo de Newton de 1er Orden (Newton Raphson).


Consideremos una ecuacin E(x) = 0 escrita en forma funcional f(x) = E(x) y que
cumple el teorema de Bolzano en el intervalo (a, bo).Nota: Las intersecciones de
las tangentes (T0, T1,T2,...) con el eje X (bo,b1,b2,...) nos acercan a a .
Formula de Newton

T0 es una recta. Y y1 = m(x x1) punto pendiente; y f(b0) = f(b0)(x b0)
(b1, 0) es T0 entonces por la condicin de pertenencia.
0 f(b0) = f (b0) (b1 b0) despejando b1 nos queda:
b1 = b0 (f (b0)/f (b0)) anlogamente b2 = b1 (f(b1) / f (b1)); b3 = b2
(f(b2) / f (b2)); bi = bi-1 (f(b1-1) / f (bi-1)
Para computacin:
X = b1, b1 1
X = x (f(x) / f (x)) Formula de Newton
Cuando se debe detener ?
Dado un emax > 0 pequeo, se detendr cuando f(x) / f(x)< emax.
Ejemplo: Halla una raz de la ecuacin X^3 5x + 1 = 0 con una precision tal
que emax = 0.001.
F(x) = X^3 5x + 1
F(x) = 3x^2 5
(0, 1) = (a, b0)
x = b0 1
Iteracin:
1. x = 1 (-3/-2) = 1 1.5 = -0.5
f /f= 1.5 <) 0.001 continua...
2. x = -0.5 (3.375/-4.25) = -0.5 + 0.79412 = 0.29412
f/ f= 0.79412 <) 0.001 cont...
3. x = 0.29412 (-0.44816/ - 4.7405) = 0.29412 0.09390 = 0.20022
f / f= 0.09390 <) 0.001 cont...
4. x = 0.20022 (0.006926 /-4.87974) = 0.20022 + 0.001419 = 0.201639
f / f= 0.001419 <) 0.001 cont...
5. x = 0.201639 (0.000003296/ - 4.878025) = 0.201639 + 0.0000006756 =
0.20163967
f / f= 0.0000006756 < 0.001
Detente y publica x = 0.20 163967
Mtodo de Falsa Posicin (Mtodo de las cuerdas o de las
secantes).


Supongamos una ecuacin E(x) = 0 escrita en forma funcional f(x) = E (x) y que
cumple el teorema de Bolzano en el intervalo (a, b)

Se presentan cuatro alternativas que finalmente se reducirn a solo dos casos.


Como determinar C(+), C(-) (La concavidad) ?
C(+) s f"(x) > 0
C(-) s f"(x) < 0
A-1 y 4 bo f(a)f"(x) > 0
A-2 y 3 ao f(a)f"(x) < 0

Las formulas de los dos casos anteriores.

Son semejantes, por lo tanto se cumple el teorema de Thales (lados homlogos
proporcionales)
|QR|/|AP| = |RBo|/|PBo|
Por el segundo teorema fundamental de la geometra analtica.
Bo B1/Bo a = f(bo) 0/ f(bo) f(a) despejando b1
B1 Bo /A bo = -f(b)/f(a) f(b)
B1 Bo = - f(bo) (a bo)/F(a) f(bo)
B1 = bo f(bo) (a bo)/ F(a) f(bo)anlogamente
B2 = b1 f(b1) (a b1)/F(a) f(b1)

Si x = bi , bi 1

A1 ao/B ao = f(ao)/ f(ao) f(b)
A1 ao/B ao = - f(ao)/ f(b) f(ao)
A1 a0 = - f(ao) (b ao)/F(b) f(ao)
A1 = ao f(ao) (b ao)/F(b) f(ao)
Cuando detenernos ?
Dado un emax. (+) > 0 pequeo, detenerse cuando | Xi Xi-1| < emax.
Ejemplo: Halla una raz de la ecuacin X- 5x + 1 + 0 con una precisin tal que
emax = 0.001
F(x) = X 5x + 1

Sea X = b0 = 1
1. X = 1 ((-3)(0 1) /1+3) = 1 0.75 = 0.25
| Xi Xi-1| = 0.75 < 0.001 sigue
2. X = 0.25 ((-0.2344)(0 0.25) / 1+ 0.2344) = 0.25 0.04747 = 0.2025
| Xi Xi-1 |= 0.04747 < 0.001 sigue
3. X = 0.2025 ((-0.0042)(0 0.2025) / 1 + 0.0042) = 0.2025 0.00085 =
| Xi Xi-1| = 0.00085 < 0.001 Detente y publica x
X= 0.20
Tenemos que:




Nota: La concavidad la determinaremos segn el signo de la segunda derivada.
Mtodo de Gauss y Mtodo de Gauss-Jordn.

Antecedentes.
1. Axioma o propiedad de divisin de la igualdad.
2. Axioma o propiedad de multiplicacin de la igualdad.
3. Axioma o propiedad substractiva de la igualdad.
4. Cada fila de la matriz ampliada representa una ecuacin y por lo tanto toda
transformacin uniforme en una fila es un axioma de igualdad en la
ecuacin.
5. El conjunto solucin de una ecuacin es una invariante cuando esta se
transforma aplicndole los axiomas de igualdad.
Consideremos el siguiente esquema de una matriz ampliada.





Termina Gauss
Inicia Jordn
Generalizacin.





Comprobacin:
10(-0.4460) 3(0.2730) + 1(0.2792) = -5
-4.9998 -5
2(-0.4460) + 10(0.2730) + 3(0.2792) = 1
1.00041
3(-0.4460) + 2(0.2730) + 10 (0.2792) = 2
2.0000 = 2
Anlisis Operativo

Para Gauss
FASE A/a A aa SUBINDICES
I 1 N-1 I=1 k=2,n j=1,n+1
II 1 n-2 I=2 k=3,n j=1,n+1
III 1 n-3 I=3 k=4,n j=1,n+1

n-1 1 1 I=n-1 k=n,n j=1,n+1
n 1 0 I=n j=1,n+1
Sumas N N/2 (n-1)

Orden de anidacin
i = 1, n; k = i+1, n; j = 1, n+1
Para Jordn
FASE A aa SUBINDICES
I n-1 I=n k=n-1,1 j= 1,n+1
II n-2 I=n-1 k=n-2,1 j=1,n+1
III n-3 I=n-2 k=n-3,1 j=1,n+1

(n-1) 1 I=2 k=i,i j=1,n+1
Sumas N/2(n-1)


<< Camino Desfavorable >>
La aparicin de ceros en posiciones no deseadas (en la diagonal principal) puede
tratar de resolverse intercambiando puede tratar de resolverse intercambiando
filas con las alternativas siguientes.

El intercambio se detiene si:
1. El nuevo a
ii
es <> 0
2. Ya no hay filas con quien intercambiar.
Por lo tanto a
ii
y a
lj

I = 1, n-1
L = i+1, n (no en ciclo)
J = 1, n+1

Mtodo de Jacob

Consideremos una asignacin de la forma x= bx + k donde b, k ` ` ^ b` 0. Y
donde X
0
es el valor inicial de x. Bajo que condiciones, los valores sucesivos de
x forman una sucesin convergente ? Ejemplo:
X = 4x +2 Sea X
0
= 1
1. x = 6
2. x = 26 Sucesin de valores
3. x = 106 divergentes
4. x = 426
5. x = 1706
` `
` `
(Divergentes)
Analicemos la formacin de valores:
X = bx + k Sea X
0
= x
1) x = b(x
0
) + k = bx
0
+ k
2) x = b(bx
0
+ k) + k = b
2
x
0
+ bk + k
3) x = b
3
x
0
+ b
2
k + bk + k
4) x = b
4
x
0
+ b
3
k + b
2
k +bk + k
` `
n) x = b
n
x
0
+ b
n-1
k + b
n-2
k +...+ b
2
k + bk + k
Consideremos que para que halla convergencia:
1. Es condicin suficiente el que 0 < ` b` < 1
2. En virtud de que n ` ` ` b
n
` 0 ` b
n
X
0
` 0 por lo tanto la convergencia es
independiente de X
0
.
3. El valor al que se converja deber depender solo de k (el valor al que se
converge ser "cercano" a k)
Ejemplo: []x + 3
X
0
= 1
1) x = 3.25
2) x = 3.8125
3) x = 3.953125
4) x = 3.98828125
5) x = 3.997070313
`
9) x = 3.999988556
`
14) x = 3.99999989
` `
` 4
Regresemos a nuestro tema y en nuestro sistema de ejemplo despejemos la
primer variable en la primera ecuacin, la segunda en la segunda, la tercera en la
tercera, etc. (S hubiese ms).
X = 0x + 0.3y 0.1z 0.5
Y = -0.2x + 0y + 0.3z + 0.1
Z = -0.3x 0.2y + 0z + 0.2
(Forma de Jacob)
Obtengamos su equivalente matricial.

X = BX + K
Observemos que la forma matricial de Jacob generaliza nuestro problema visto
con anterioridad, al igual que en aquel, en este requerimos como condicin
suficiente para que exista convergencia:
1. Es condicin suficiente el que 0 < norma(B) < 1 (en el ejemplo norma(B)
= 0.3)
2. La convergencia ser independiente de los valores iniciales de las
variables.

3. Los valores a los que se converja dependern nicamente de K mayscula.

Nota: Un equivalente de la primera condicin seria el que, el sistema original
tenga diagonal dominante.

Ejemplo: Consideremos el mismo sistema utilizado en Gauss-Jordn.
Nota: En el mtodo de Jacob los valores nuevos de las variables no se utilizan de
inmediato (en la misma iteracin), se usan hasta la siguiente iteracin.
X = 0x + 0.3y 0.1z 0.5
Y = -0.2x + 0y + 0.3z +0.1
Z = -0.3 0.2y + 0z + 0.2
Sean Xo = 0 Yo = 0 Zo = 0
1) X = -0.5 Dif. X = 0.5 < 0.001
Y = 0.1 continua ...
Z = 0.2
Nota: Nos detendremos cuando la variacin de dos valores consecutivos de
todas y cada una de las variables sea menor que un emax dado (emax = 0.001)
2. x = 0.3(0.1) 0.1(0.2) 0.5 = -0.49
y = -0.2(-0.5) + 0.3(0.2) + 0.1 = 0.26
z = -0.3(-0.5) 0.2(0.1) + 0.2 = 0.33
Dif. X = 0.01 < 0.001 continua...
3. x = 0.3(0.26) 0.1(0.33) 0.5 = -0.455
y = -0.2(-0.49) + 0.3(0.33) + 0.1 = 0.297
z = -0.3(-0.49) 0.2(0.26) + 0.2 = 0.295
Dif. X = 0.035 < 0.001 continua...
4. x = 0.3(0.297) 0.1(0.295) 0.5 = -0.4404
y = -0.2(-0.455) + 0.3(0.295) + 0.1 = 0.2795
z = -0.3(-0.455) 0.2(0.297) + 0.2 = 0.2771
Dif. X = 0.0146 < 0.001 continua...
5. x = -0.4439
y = 0.2712
z = 0.2762
Dif. X = 0.0035 < 0.001 continua...
6. x = -0.4463
y = 0.2716
z = 0.2789
Dif. X = 0.0024 < 0.001 continua...
7. x = -0.4464
y = 0.2729
z = 0.2796
Dif. X = 0.0001 < 0.001
Dif. Y = 0.0013 < 0.001 continua...
8. x = -0.4461
y = 0.2732
z = 0.2793
Dif. X = 0.0003 < 0.001 Detente
Dif. Y = 0.0003 < 0.001 y
Dif. Z = 0.0003 < 0.001 Publica
Nota: En clase aplicamos el algoritmo en modo algebraico pero, para el
programa deberemos disearlo en modo matricial (incluyendo el despeje).

0 s i = j
Bij = -a
ij
/a
ii
s i ` j ` i = 1,n; j = 1,n
Ki = C
i
/a
ii

Nota: Ya que en Jacob, los nuevos valores obtenidos no se usan en la misma
iteracin, tendremos que trabajar con una ecuacin matricial que no ser
x = BX + K si no con la ecuacin XN = BX + K.
Nota: Para multiplicar BX y luego sumar K usaremos el sig. algoritmo
(requiere un vector intermedio).
Mtodo de Gauss-Seidel

Al igual que el mtodo de Jacob es de tipo iterativo convergente (s cumple con
las condiciones) y difiere de este en que los nuevos valores de las variables son
usados inmediatamente dentro de la misma iteracin.
*Justificacin geomtrica: (en dos dimensiones)
E
1
(x, y) = C
1

E
2
(x, y) = C
2



Ejemplo: Consideremos el mismo sistema ya resuelto por Gauss-Jordn y por
Jacob, supongamos un emax = 0.001
Xo = 0; Yo = 0; Zo = 0;
1. X = -0.5
Y = -0.2(-0.5) + 0.1 = 0.2
Z = -0.3(-0.5) 0.2(0.2) + 0.2 = 0.31
Dif X = 0.5 < 0.001 cont...
2. X = 0.3(0.2) 0.1(0.31) 0.5 = -0.471
Y = -0.2(-0.471) + 0.3(0.31) + 0.1 = 0.2872
Z = -0.3(-0.471) 0.2(0.2872) + 0.2 = 0.2839
Dif X = 0.029 < 0.001 cont...
3. X = 0.3(0.2872) 0.1(0.2839) 0.5 = -0.4422
Y = -0.2(-0.4422) + 0.3(0.2839) + 0.1 = 0.27361
Z = -0.3(-0.4422) 0.2(0.2736) + 0.2 = 0.2779
Dif X = 0.0.288 < 0.001 cont...
4. X = 0.3(0.2736) 0.1(0.2779) 0.5 = -0.4457
Y = -0.2(-0.4457) + 0.3(0.2779) + 0.1 = 0.2725
Z = -0.3(0.4457) 0.2(0.2725) + 0.2 = 0.2792
Dif X = 0.0035 < 0.001 cont...
5. X = 0.3(0.2725) 0.1(0.2792) 0.5 = -0.4462
Y = 0.2730
Z = 0.2793
Dif X = 0.0005 < 0.001 Detente
Dif Y = 0.0005 < 0.001 y
Dif Z = 0.0001 < 0.001 Publica
Gauss-Seidel
X= -0.4462
Y=0.2730
Z=0.2793

La necesidad de aproximar funciones

Funcin: Es una relacin establecida de tal forma que a cada elemento del
primer conjunto le corresponde un y solo un elemento del segundo conjunto.
Ejemplo:
a)Diagrama de Venn-Euler

b) Tabular

c) Grfica Cartesiana

d)Modelo Analtico
Y= X+1
Nota: Desde luego, el modelo analtico es la opcin que proporciona mayores
ventajas.
Consideremos los siguientes ejemplos:

Nota: Un modelo analtico que no corresponde exactamente a un fenmeno, pero
que se le aproxima. Tendra alguna utilidad?
Dentro de los mtodos que existen para ajustar funciones podemos mencionar los
siguientes.
1. Diferencias finitas
2. Gregorg-Newton
3. Lagrange `
4. Mnimos Cuadrados (Gauss)`
`Mtodos que se vern en esta unidad.
Mtodo de Lagrange

Consideremos un conjunto de parejas de datos

1. Sea la funcin y = B
1
y
1
+ B
2
y
2
+ B
3
y
3
+...+ B
n
y
n
donde i, Bi = fi(x)
(racional, entera)
Ejemplo:

2. Se debe cumplir que s
X = X
1 `
y = y
1
` B
1
= 1 ` i ` 1, B
i
= 0
X = X
2 `
y = y
2
` B
2
= 1 ` i ` 2, B
i
= 0
.
.
X = X
n
` y = y
n
` B
n
= 1 ` i ` n, B
n
= 0
` Los coeficientes de Lagrange (Los Bi)
B
1
= (XX
2
)(XX
3
)(XX
4
)...(X-X
n
)/(X
1
X
2
)(X
1
X
3
)(X
1
X
4
)...(X
1
-X
n
)
B
2
= (XX
2
)(XX
3
)(XX
4
)...(X-X
n
)/(X
2
X
1
)(X
2
X
3
)(X
2
X
4
)...(X
2
-X
n
)
B
3
= (XX
2
)(XX
3
)(XX
4
)...(X-X
n
)/(X
3
X
2
)(X
3
X
3
)(X
3
X
4
)...(X
3
-X
n
)
`
B
n
= (XX
2
)(XX
3
)(XX
4
)...(X-X
n
)/(X
n
X
1
)(X
n
X
2
)(X
n
X
3
)...(X
n
-X
n-1
)
Ejemplo: Haya la funcin de aproximacin de Lagrange para los datos
siguientes:
Adems estima los valores siguientes:

Y = (X
2
-9x+18/28)(2) + (x
2
-5x-6/-12)(5)+(x
2
-2x-3/4)(4)
Y = (-13x
2
+ 89x + 270) / 84
B
1
= (x-3)(x-6)/(-1-3)(-1-6)
B
2
= (x+1)(x-6)/(3+1)(3-6)
B
3
= (x+1)(x-3)/(6+1)(6-3)
Comprobacin.
x = -1 ` y = 2 ok
x = 3 ` y = 5 ok
x = 6 ` y = 4 ok

Lemas:
1. abc/def = a/d * b/e * c/f
B
1
= (x x
2
)/(x
1
x
2
) * (x x
3
)/(x
1
x
3
) * ...
2. Si se comportan igual, bautzalos igual.
Con Bi = 1
Bi = Bi * (X
EK
-X
j
)/(X
i
- X
j
)
3. Los productos deben inicializarse con valores 1, la suma con 0.
Mtodo de Mnimos cuadrados

Supongamos un conjunto de parejas de datos


Consideremos como ejemplo la perecuacin de una recta.

Cul se ajusta ms ? L
1

Por que?

Pero L3 L4

1 2

2 -3

0 2

-1 -2

-2 3

3 ?2
Como corregirlo?

De las dos opciones seleccionaremos el camino de los cuadrados ya que es el
nico camino posible.
1. Se trata de un problema de mnimos.
2. Pretendemos resolver el problema de forma general.
3. La solucin general de cualquier problema de mnimos (y de mximos)
requiere necesariamente la aplicacin de derivadas.
4. La funcin valor absoluto no es derivable.
a) dy/dx = lim dy/dx = L
x` 0
b) L si existe es nico
c) L es la pendiente de la tangente :. La tangente debe ser nica.
d) S = ` Z`

Por lo tanto tendremos S = `
n
di
2
= `
n
(yi f(xi))
2

I=1 I=1

La funcin que se desea
ajustar(f(xi) - yi)
2

Forma Parmetros
Recta Y = mx + b M, b
Parbola Y = ax
2
+ bx + c A, b, c
Sigmoide Y = k/1+e
c-rx
K, c, r
` ` `
Funcin Y = f(x) P
1
, P
2
, P
3
,..., P
q

Por lo tanto en el problema de ajuste de cualquier funcin, las incgnitas por
determinar o variables por hallar son los parmetros.
Por otra parte, del calculo diferencial tenemos que, para la existencia de valores
crticos (max., min.) las condiciones siguientes:

Para nuestras casos las derivadas serian parciales (la funcin S depende de ms
de un parmetro o variable). Por lo tanto deber cumplirse que...
Ds/ Dp
1
= 0 ` ds/ dP
2
= 0 ` ds/dP
3
= 0 ` ...` ds/dP
q
= 0
No necesitndose las segundas derivadas ya que nuestro problema no tiene
mximo.

La Perecuacin de una recta
Sea S = ` (Mxi + b - yi)
2


` (mxi + b yi)
2
= (mxi + b - yi)
2
+ (mx2 + b y2)
2
+...
ds/dm = ` 2(mxi + b - yi)(xi) = 0
2` (mx
2
i + bxi xiyi) = 0
` mxi
2
+ ` bxi = ` xiyi

ds/db = ` 2(mxi + b - yi)(1) = 0
2` (mxi + b - yi) =0
` mxi + ` b = ` yi

Resolviendo por Cramer


Ejemplo: Obtn la recta de mnimos cuadrados para los datos siguientes y realiza
con ella las estimaciones solicitadas.
X y xy X
2

-2 -1 2 4
-1 2 -2 1
2 3 6 4
4 4 16 16
6 6 36 36
7 5 35 49
16 19 93 110
` Xi ` yi `xiyi `X
2

M = (6)(93) (16)(19)/ (6)(110) (16)
2
= 254/404
M = 0.629 o = 32.16

B = (110)(19) (16)(93) / 404 = 602/404
B = 1.490
La recta e s: (modelo analtico)
Y= 0.629x+1.490
Estimaciones:

ntroduccin

La integral definida. Supongamos una funcin f(x) continua en el intervalo
[a,b]; se desea hallar el "rea bajo la curva".
Yf(x)

Hagamos una particin del intervalo


Teorema del valor medio del calculo integral
Supongamos una funcin continua y uniforme dentro del intervalo [a,b]

(b - a) f(m) ` A ` (b - a)f(M)

La integral indefinida.

Ejemplo:

Teorema fundamental de calculo integral
Supongamos una funcin y=f(x) continua y uniforme en el intervalo sealado.
Yf(x)



Particularmente:
x
` f(x)dx = A(a) + c = 0
a
c = -A(a)
Por lo tanto

El mtodo de los trapecios.




X0 = 1 ` yo = 2.7183
X1 = 1.1 ` y1 = 3.3046
X2 = 1.2 ` y2 = 3.9841
X3 = 1.3 ` y3 = 4.7701
X4 = 1.4 ` y4 = 5.6773
X5 = 1.5 ` y5 = 6.7225
X6 = 1 .6` y6 = 7.9248
X7 = 1.7 ` y7= 9.3057
X8 = 1.8 ` y8 = 10.8894
X9 = 1 .9` y9 = 12.7032
X10 = 2 ` y10 = 14.7781
Aplicando la formula
`x e
x
dx ` 0.1/2 (17.4964)+0.1(65.2817) = 7.4030
1

Por trapecios.
Que tan preciso es, cuanto error?
Nota:Una variacin lineal de una figura produce una variacin cuadaratica en su
rea.
Para nuestro caso como los trapecios pueden sufrir una variacin x entonces el
error aproximado
2
x, para el ejemplo: error ~ 0.01
Solucin terica (Por el teorema fundamental)
` x e
x
dx = xe
x
e
x
+c
Por partes
U = x du = dx
Dv = e
x
dx V = e
x


Mtodo de Simpson

Consideremos una particin de cardinalidad par (n es par) en una funcin f(x)
continua en un intervalo [a,b] y consideremos 2 subintervalos contiguos de dicha
particin.
La formula de Simpson


Para sustituir a y c en I

Por condicin de pertenencia


Llevando II y III a I tenemos que

Aplicando IV en un intervalo [a, b]



Terica = 7.38905699...
Trapecio = 7.4030
Mtodo de Romberg

Nota: Este mtodo es iterativo (depender de un emax contra el cual se comparen
2 mejores resultados). A diferencia de los 2 anteriores que fueron directos
(dependen de n).
1.Notacin:
I = Valor terico de la integral
H = X el incremento
I(h) = Valor de la integral por trapecios
E(h) = Error por trapecios.
N = Total de intervalos
2.- Recordemos que una variacin lineal provoca en el rea una variacin
cuadratica, para el caso de trapecios.
Error = E(h) ~ h
2

Es decir E(h) = Xh
2
(X = constante de proporcionalidad)
3.- La formula de los trapecios
n-1

I(h) = h/2 (yo + yn) + h ` Yi
I=1

Tenemos que: I = I(h) + E(h) consideremos 2 particiones diferentes (n1 ` n2) con
n1 ` h1 y n2 ` h2
Entonces

Tambin
E(h1) = kh
2
1
dividiendo E(h1)/E(h2) = Kh
2
1
/Kh
2
2` E(h1) = h
2
1/h
2
2 (C)
E(h2) = kh
2
2

Sustituyendo C en B
I(h1) + h
2
1
/h
2
2
E(h2) = I(h2) + E(h2) (D)
Despejemos E(h2) de D
H
2
1
/h
2
2
E(h2) E(h2) = I(h2) I(h1)
E(h2) (h
2
1
/h
2
2
- 1) = I(h2) I(h1)
E(h2) = (I(h2) I(h1))/ (h
2
1
/h
2
2
- 1) sustituyendo en A
I= I(h2) + (I(h2)-I(h1))/ (h
2
1
/h
2
2
- 1)

Si bien, la formula anterior exige tener 2 intervalos o particiones diferentes, para
que el algoritmo de Romberg pueda sistematizarse, se acostumbrara que la
proporcin en que se halle las n sean de las formas "Doble de", es decir,
n=1,2,4,8,16,32,64,... donde tomando 2 valores diferentes tendremos la n1 y n2
por lo tanto la h1 y h2; esto ltimo nos producir niveles en la formula de
Romberg.
As si
N1 = 1 y n2 = 2 Romberg
N1 = 2 y n2 = 4 2` Nivel
N1 = 4 y n2 = 8 h1/h2 = 2/1 = 4/2 = 8/4 = 2

As si
N1 = 1 y n2 = 4 Romberg
N1 = 2 y n2 = 8 3` Nivel
N1 = 4 y n2 = 16 h1/h2 = 4/1 = 8/2 = 16/4 = 4

Etc.
Lo anterior nos conducir a un procedimiento de rbol en el cual los 2 mejores
resultados sern contrastados contra emax.
Trapecio R2 R3 R4 R5

Etc.
Ejemplo: Halla el valor de la siguiente integral.
2

` X e
x
dx con emax = 0.00001
1

Yi = xie
xi

n Trapecio R(2) R(3) R(4)
1 8.748197

2 7.735366 7.397755

4 7.476054 7.389616 7.389074

8 7.410831 7.389091 7.389055 7.389055
Trapecios n =1
2.718282 14.778112 I(h) = (17.496394)

Trapecios n = 2 I(h) = 0.5/2 (17.496394) + 0.5 (6.722534)
6.722534 I(h) = 7.735366

h=0.5
Romberg nivel 2, R(2)

I = 4/3 (7.735366) 1/3(8.748197)
I = 7.397755 Me detengo?
Dif = ` 7.735366 - 7.397755` = 0.33 ...< Emax , sguele
Trapecios n = 4
4.362929 10.070555 I(h) = 0.25/2(17.496394) +0.25(24.156018)

h = 0.25
Romberg nivel 2, R(2)
I = 4/3 (7.476054) 1/3 (7.735366)
I = 7.389616 Me detengo ?
Dif = 0.086 < emax, sguele
Romberg, nivel 3, R(3)
I = 16/15 (7.389616) 1/15(7.397755)
I = 7.389074 Me detengo?
Dif = 0.00054 < sguele
Trapecios n = 8
I(h) = 7.410831
Romberg nivel 2, R(2)
I = 7.389091
Dif = 0.0221 < emax, sguele
Romberg nivel 3, R(3)
I = 7.389055
Dif = 0.000036 < emax, sguele
Romberg nivel 4, R(4)
I = 64/63 (7.389055) 1/63(7.389074)
I = 7.389055
Dif = 0.000000... < emax, detente y publcalas

Diseemos el diagrama de flujo.
Lemas:
1. Nuestros datos sern:
F(x), a, b, emaxz.
N ser creada en el programa
N = 1 (en asignacin) las siguientes de n = 2i donde i = 1, 2, 3, 4,...
2. El mtodo de los trapecios estar incluido como una subrutina o un
procedimiento (no completo).

Introduccin

Recordemos: Una ecuacin diferencial es toda ecuacin que contenga derivadas
o diferenciales de las variables que figuran en ella. Por ejemplo:
3xy
2
dx (8x y
2
) dy = 0
Dy = 3xy
2

Dx 8x y
2

5x d
2
y 7xy
2
dy = 4
dx
2
dx
5x
3
(y)
4
3xy (y)
2
= 5
Recordemos tambin que la solucin de una ecuacin diferencial es un conjunto
o familia de funciones que difieren entre ellas tan solo en una constante.
Ejemplo: 5x
3
y dx 6 xy
2
dy = 0
5x
3
y dx 6 xy
2
dy = 0
xy xy xy
1) 5x
2
dx 6y dy = 0
` 5x2 dx - ` 6 dy = C
2) 5/3 x
3
3y
2
= C Solucin general
S = {5/3 X
3
3y
2
= 8, 5/3x
3
3y
2
= -9/2 , ...}

Solucin particular
La solucin particular que pasa por Po (3,2)
5/3(3)
3
3(2)
2
= C ` C = 33
3) 5/3 x3 3y2 = 33 Sol. Particular que pasa por Po (3,2)
Calcula en ella y = ? para x = 4
5/3 (4)3 3y2 = 33
320/3 3y2 = 33
-3y2 = 33 320/3
-3y2 = -221/3
y2 = 221/9
_____
y = ` 221/9
_______
4) y = ` 221 / 3
Nota: Los mtodos numricos que veremos nos ahorraran la realizacin de todos
los pasos anteriores teniendo tan solo 2 posibles inconvenientes.
1.- Se obtienen resultados aproximados
2.- En la ecuacin diferencial dada deberemos despejar la derivada.
Derivada: La pendiente de la recta tangente.
Generalizando lo anterior (para ecuaciones diferenciales ordinarias, 1er grado, 1
er orden, homogneas). Tenemos M (x, y) dx + N(x, y) dy = 0 escrita como dy/dx
= f(x, y), donde finalmente se desea hallar y = yc para una x = xc que en la
solucin particular que pase por el punto Po(xo, yo).
Mtodo de Euler

Supongamos una ecuacin diferencial con derivada explcita y en la cual se desea
calcular la ordenada para una abscisa dada en una solucin particular fijada de
antemano.

Para Po (2,3). (2)
2
5(3)
2
= C ` C = -41
X
2
5y
2
= -41 Solucin particular
Para X = Xc = 3
(3)
2
5y
2
= -41
___
Yc = ` 10 = 3.162277...
Error = 0.002877
Mtodo de Euler-Gauss (Mtodo predictor - corrector)

Consideremos el mismo problema visto en el mtodo anterior. Se desea tambin
hallar Y1 en el primer subintervalo dy/dx = f(x, y) el primer intervalo va del
punto P
o
a P
1
, es decir, (x
o
, y
o
) a (x
1
, y
1
).

y1

Y` = X /2(f(xo, yo) + f(x1,y1))
yo

y1 yo = X /2(f(xo, yo) + f(x1,y1))
y1 = yo + X /2 [f(xo, yo) + f(x1,y1)]
Y1 para obtener y1?
Para resolver esta ambigedad, hagamos lo siguiente: usando el mtodo de Euler
calculemos y1.
Y1` = yo + X f(xo, yo) (prediccin)
X1 = Xo + 1 X
Y1 = yo + X /2 f(xo, yo) + f(x1,y1` ) (Correccin)
**** Etc., para y2, y3,...,yn = yc.
Ejemplo:

Y
1`
= 3 + 0.1((2) /5(3)) = 3.0133
X1 = 2.1
Y1 = 3 + 0.1/2 [((2)/5(3)) + ((2.1)/5(3.0133))] = 3.0136
Y
2`
= 3.0136 + 0.1((2.1) /5(3.0136)) = 3.0276
X2 = 2.2
Y2 = 3.0136 + 0.1/2 [((2.1)/5(3.0136)) + ((2.2)/5(3.0276))] = 3.0279

Y
3`
= 3.0279 + 0.1((2.2) /5(3.0279)) = 3.0424
X3 = 2.3
Y3 = 3.0279 + 0.1/2 [((2.2)/5(3.0279)) + ((2.3)/5(3.0424))] = 3.0427

Y
4`
= 3.0578
X4 = 2.4
Y4 = 3.0581

Y
5`
= 3.0738
X5 = 2.5
Y5 = 3 .0741

Y
6`
= 3.0904
X6 = 2.6
Y6 = 3.0906

Y
7`
= 3 .1075
X7 = 2.7
Y7 = 3.1077

Y
8`
= 3.1251
X8 = 2.8
Y8 = 3.1254

Y
9`
= 3.1433
X9 = 2.9
Y9 = 3.1436

Y
10`
= 3.1620
X10 = 3
Y10 = 3.16228

Terica = 3.162277660168...
Error = 0.00000233

Mtodo de Runge-Kutta.

Consideremos un subintervalo (el primero) de una particin uniforme que
contenga n de ellos.

Como hallar mB ?

mB = (m1 + m2)/2 ? No
Ejemplo:


Para A X <<
mB ` m1+ m2
2
Del circulo trigonomtrico

Ahora bien, si en lugar de promediar 2 pendientes, promediemos, 3,4,5 o mas de
ellas el error se reducir mas aun; el llamado mtodo de Runge-Kutta considera
un promedio ponderado de 4 pendientes tomadas de la forma siguiente:


Para Runge-Kutta
Y
1
= Yo + x` ` Runge-Kutta
Donde
` = mo + 2m
1
+ 2m
2
+ m
3

6
donde
mo = f(xo, yo)
m
1
= f(xo + A x/2 , yo + (Ax/2) mo)
m
2
= f(xo + A x/2 , yo + (Ax/2) m
1
)
m
3
= f(xo + A x , yo + x m
2
)
Recordemos : La diferencial de una funcin si y = f(x) ` dy = f(x) x ` dy =
f(x) dx

Si A x << ` A y ~ dy entonces y
1
= yo + A y pero A y ` dy = dy A x
Dx
Y
1
= yo + A x dy/dx

Ejemplo: Consideremos la ecuacin diferencial

Halla Yc = ? para Xc = 3 en la solucin particular que pasa por Po(2, 3) con n=10
1) mo = (2)/5(3) = 0.1333
m1 = (2 + (0.1/2)) / 5(3 + 0.1/2 (0.1333)) = 0.1364
m2 = (2 + (0.1/2)) / 5(3 + 0.1/2 (0.1364)) = 0.1364
m3 = (2 + (0.1/2)) / 5(3 + 0.1/2 (0.1364)) = 0.1394
` = (0.1333 + 2(0.1364) + 2(0.1364) + 0.1394 )/6 = 0.1364
y1 = 3 + 0.1(0.1364) = 3.0136
x1 = 2 + 1(0.1) = 2.1
2)y2 = 3.0279
x2 = 2.2

3)y3 = 3.0427
x3 = 2.3
4) y4 = 3.0581
x4 = 2.4

5) y5 = 3.0741
x5 = 2.5

6) y6 = 3.0906
x6 = 2.6

7) y7 = 3.177
x7 = 2.7

8) y8 = 3.1254
x8 = 2.8

9) y9 = 3.1436
x9 = 2.9

10) y10 = 3.1622776605
x10 = 3
Por lo tanto Runge-Kutta

Solucin terica
3.16227766016838...