CLCULO NUMRICO

DIEGO RAL KRUJODSKI

2012

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 1-

Unidad 1
Clculo Numrico (14/08/2012)
Es una disciplina que se ocupa de describir, analizar y crear algoritmos numricos que nos permitan
resolver problemas matemticos, en lo que estn involucrados cantidades numricas, con una precisin
determinada.
En el clculo numrico, un algoritmo es un procedimiento que nos puede llevar a una solucin
aproximada de un problema mediante un nmero de pasos finitos que pueden ejecutarse de manera lgica.
Estos mtodos se aplican cuando se necesita un valor numrico como solucin a un problema
matemtico y los procedimientos exactos o analticos son incapaces de dar una respuesta. Son
procedimientos muy usados por fsicos e ingenieros y cuyo desarrollo sea favorecido por la necesidad de
estas de obtener soluciones aunque la precisin no sea completa. Los problemas de esta disciplina se
pueden dividir en 2 campos:

Problemas de dimensin finita: son aquellos cuya respuesta son un conjunto finito de nmeros
como las ecuaciones algebraicas, los determinantes, etc.
Problemas de dimensin infinita: son problemas cuya solucin o planteamiento intervienen
elementos descriptos por una cantidad infinita de nmeros, como integracin y derivacin numrica,
clculo de ecuaciones diferenciales, interpolacin, etc.

Aproximaciones y errores
Los errores son parte intrnseca en el entendimiento y uso efectivo de los mtodos numricos, debido a
que los mtodos numricos son solo una aproximacin.
La pregunta es qu error puede considerarse tolerable?. Antes de discutir los errores asociados con los
mtodos numricos es til repasar algunos conceptos bsicos referentes a la representacin aproximada de
los nmeros mismos.
Cifras significativas
Este concepto de cifras o dgitos significativos se ha desarrollado para designar formalmente la
confiabilidad de un valor numrico. El nmero de cifras significativas es el nmero de dgitos ms un dgito
estimado que se puede usar con confianza
Identificacin de cifras significativas
Todas las cifras escritas comprendidas entre 1 y 9, son significativas. Ej.: 1234,56.
Los ceros a la izquierda nunca son significativos, independientemente de que estn en la parte
entera o decimal del nmero. Ej.: 0,082058.
Los ceros intermedios son significativos. Ej.: 0,082058.
Los ceros finales de un dato real son significativos. Ej.: 14,00.
Los ceros finales de un dato entero no son significativos, si se desean expresar que son
significativos se convierte en real o se expresa en mantisa. Ej.: 300,00 (si), 300 (no), 3,00 x 10 (si).
Dato
N de cifras significativas
0,082058

0,037207

58,00

27

2,4 x 10

2,400 x 10

1002,5

0,00456

7489,13

0,01020

683,000

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 2-

Redondeo
La ltima cifra retenida se incrementa en 1 si el 1er dgito descartado es mayor que 5.
1,86 a 2 cifras a 1,9
1,92 a 2 cifras a 2,0
9,96 a 2 cifras a 10,0
Si el dgito descartado es un nmero menor a 5, entonces el retenido no se altera.
1,84 a 2 cifras 1,8
1,849 a 2 cifras 1,8
Cuando el 1er dgito descartado es justamente 5 y no existen otros dgitos a su derecha (ej.: redondear a
3 cifras 41,75 o 3,865) o si hay solamente ceros (ej.: redondear a 3 cifras 41,7500 o 9,7250) entonces el
nmero retenido aumenta en 1 solo si al hacerlo se convierte en par.
1,35 1,4
1,350 1,4
1,55 1,6
Si el nmero descartado es justamente 5 y hay a su derecha dgitos diferentes de 0, entonces el ltimo
retenido se aumenta en 1.
1,9451 1,95
1,94510 1,95
Mtodos iterativos (15/08/2012)
En estos mtodos la idea es hacer una aproximacin en base a la aproximacin anterior, repitiendo en el
proceso en forma iterativa hasta conseguir mejores aproximaciones.
Error relativo aproximado:

E ra=

aproximacin nueva aproximacin anterior

aproximacinnueva

Error relativo aproximado porcentual:

E ra =

aproximacin nuevaaproximacin anterior

100
aproximacin nueva

Cundo debemos parar la iteracin?

Los clculos se deben repetir hasta que ra %< t , donde t esta prefijado o predeterminado y
se lo llama error de tolerancia. Si esto se cumple se considera que el resultado esta dentro del nivel
aceptable. Se toma el valor absoluto porque pueden no importar el signo del error.

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 3-

Unidad 2
Interpolacin
Se trata de estimar valores intermedios entre 2 datos precisos. El mtodo ms comn que se usa para
2
3
n
este propsito es la interpolacin del polinomio f ( x )=a 0 +a 1 x +a 2 x +a 3 x +...+ a n x .
Para n+1 hay uno y solo un polinomio de orden n que pasa a travs de todos los puntos.
Ej.: Hay una lnea recta que conecta 2 puntos.
Hay una nica parbola que conecta un conjunto de 3 puntos.
Interpolacin polinomial
Consiste en determinar el nico polinomio de ensimo orden que ajuste n+1 puntos. Este polinomio
entonces proporciona una frmula para calcular valores intermedios.
Dos alternativas muy adecuadas para la interpolacin son:
Polinomio de Newton.
Polinomio de Lagrange.
Interpolacin polinomial de:

1er orden (2 puntos), 2do orden (3 puntos) y 3er orden (4 puntos)

Diferencia dividida de Newton para la interpolacin de polinomios
Interpolacin lineal: es el mtodo ms simple de interpolacin y conecta 2 puntos con una lnea recta.

f ( x 1) f ( x 0) f 1( x) f ( x 0 )
=
x 1 x 0
x x 0
f 1 (x)=

f ( x1 ) f ( x 0)
( xx 0 )+ f ( x 0 )
x 1 x 0

f 1 (x)= f (x 0 )+

f ( x 1 ) f (x 0 )
(x x 0 )
x 1x 0

Aproximacin por divisin finita de la 1ra derivada

f 1 ( x) es una interpolacin de polinomios de 1er orden.

En general, cuanto ms pequeo sea el intervalo de datos, mejor ser su aproximacin.

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 4-

Interpolacin cuadrtica: una estrategia para mejorar la estimacin es introducir alguna curvatura en la
lnea que conecta los puntos. Si 3 puntos de los datos estn disponibles, entonces la estimacin puede
realizarse con un polinomio de 2do orden.

f 2 ( x )=b 0+ b1 ( x x 0)+b 2 ( x x 0)( xx 1 )

Procedimiento para determinar los valores de los coeficientes

b0 = f ( x 0 )

f (x 1 ) f ( x 0 )
b1=
x 1x 0
f (x 2 ) f ( x1 ) f ( x1 ) f ( x 0)

x 2 x1
x 1 x 0
b 2=
x 2 x 0
Interpolacin cbica (4 puntos):

f 3 (x)=b0 + b1 (x x 0)+b 2 ( x x 0)( xx 1)+b 3 (x x 0)( xx 1)( xx 2 )

f ( x 3) f ( x 2) f ( x 2 ) f ( x 1)

x 3 x 2
x 2x 1
b 2
x 3x 1
b3=
x 3 x 0
(21/08/2012)
Observacin:
No es necesario que los datos estn igualmente espaciados o que los valores de la
abscisa estn en orden ascendente.
Las ecuaciones para hallar los coeficientes b0, b 1,... ,b n son recursivas, es decir, las
diferencias de rdenes mayores se calculan con diferencias de orden menor.
Interpolacin de polinomios de Lagrange
Es una re-formulacin del polinomio de Newton que evita el clculo por diferencia dividida. Se expresa
como:
n

donde

f n (x )= Li ( x ) f ( xi ) (1)

Li ( x)=

i=0

Ejemplo:
Versin lineal (n=1):

f 1 (x)=

j=0,i j

x x j L: operador de Langrage
x i x j

x x 1
x x 0
f (x 0 )+
f ( x1 )
x 0x 1
x 1x 0

L0 ( x)=

x x1
x 0 x 1

L1 ( x)=

xx 0
x 1 x 0

Versin de 2do orden(n=2):

f 2 (x )=

x x 1 x x 2
xx 0 xx 2
xx 0 xx 1

f ( x 0)+

f (x 1)+

f (x 2 )
x 0 x1 x 0x 2
x 1 x0 x 1x 2
x 2 x 0 x 2 x 1

L0 ( x)=

x x1 x x 2

x0 x 1 x 0 x 2

L1 ( x)=

xx 0 xx 2

x 1 x 0 x 1 x 2

L 2( x)=

x x0 xx 2

x1 x 0 x 1 x 2

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 5-

Versin de 3er orden(n=3):

f 3 (x)=
+

x x 1 x x 2 x x 3
xx 0 x x 2 xx 3
xx 0 xx 1 xx 3

f ( x 0)+

f (x 1)+

f (x 2 )
x 0x 1 x 0x 2 x 0 x3
x 1x 0 x 1x 2 x 1 x 3
x 2 x 0 x 2 x 1 x 2 x 3

x x 0 x x 1 x x 2

f ( x3 )
x 3x 0 x 3x 1 x3 x 2

x= x i y/o en todos los otros puntos. De manera que

Li ( x) f i ( X ) toma el valor de f en x i en el punto de muestra x i .

Advirtase que cada trmino

Li ( x) sera 1 en

cada producto
En consecuencia, la sumatoria de todos los productos designados para (1) es el nico polinomio de
ensimo orden que pasa de manera exacta a travs de todos los n u n+1 puntos.

Interpolacin segmentara (Spline) (29/08/2012)

Hasta ahora se usaron polinomios de ensimo orden para interpolar entre n+1 datos. Esta curva podra
capturar todas las curvaturas sugeridas por los puntos, sin embargo, hay casos en los que estas funciones
pueden llevar a resultados errneos debido a errores de redondeo y puntos lejanos.
La alternativa es aplicar polinomios de orden inferior al subconjunto de datos. Tales polinomios
conectores son llamados funciones segmentaras.
Por ej.: si se emplean curvas de 3er orden para conectar cada par de datos las mismas se llamaran
segmentaras. cbicas.
Se pueden construir de tal forma que las conexiones entre las ecuaciones cbicas adyacentes resultan
visualmente suaves.
La interpolacin segmentara usualmente proporciona una aproximacin superior del comportamiento de
las funciones que tienen cambios locales y abruptos. Es decir, donde una funcin es por lo general suave
pero conlleva un cambio abrupto general en algn lugar a lo largo de la regin de inters.

Segmentaras lineales
La conexin entre 2 puntos es una linea recta. La segmentara de 1er orden para un grupo de datos
ordenados pueden definirse como un conjunto de funciones lineales.

f ( x )= f ( x 0 )+m0 ( xx 0 )

x 0 xx 1

f ( x )= f ( x 1 )+ m0 (x x 1)

x 1x x 2

f ( x )= f ( x n1 )+mn1 ( x x n1)

x n1 xx n

Estas ecuaciones se pueden usar para evaluar la funcin en cualquier punto entre x 0 y x 1 para
localizar 1ro el intervalo dentro del cual est el punto. Despus se usa la ecuacin adecuada para
determinar el valor de la funcin dentro del intervalo.
La principal desventaja de las segmentaras. de 1er orden es que no son suaves en los puntos donde 2

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 6-

segmentaras. se encuentran (nodo), la pendiente cambia de forma abrupta. Por lo que la 1ra derivada de la
funcin es discontinua en esos puntos.

Segmentaras cuadrticas
Para asegurar que las derivadas ensimas son continuas en los nodos, se debe usar una segmentara
de al menos n+1 orden. A menudo se usa en la prctica los polinomios de 3er orden para asegurar
derivadas continuas de 1ro y 2do orden.
La segmentaras. cuadrticas tienen 1ras derivadas continuas en los nodos, pero no asegura 2das
derivadas iguales en los nodos, igualmente sirven para demostrar el procedimiento general en el desarrollo
de segmentaras. de orden superior.
El objetivo de la misma es derivar un polinomio de 2do orden para cada intervalo de datos.
2
De manera general el polinomio es : f ( x )=a i x +b i x+ ci
Hay n intervalos y n+1 datos en dnde i=0, 1, 2, , n
Hay tres n constantes desconocidas (a, b, c). Por lo tanto se requieren tres n ecuaciones o condiciones
para evaluar las incgnitas. Estas son:

Condiciones:
1) Los valores de la funcin de polinomios adyacentes deben ser iguales a los nodos interiores.
En nuestro ejemplo:
2

a 1 x 1 +b 1 x 1 +c 1= f ( x 1)
a 2 x1 2+ b2 x 1 +c 2= f ( x 1) 1er nodo
2

a 2 x 2 +b 2 x 2+ c 2= f ( x 2)
a 3 x 2 2+ b3 x 2 +c 3= f ( x 2) 4 ecuaciones
2) La 1 y ltima funciones deben pasar a travs de los puntos extremos aqu se generan 2
ecuaciones ms:

a 1 x 02 + b1 x 0+ c 1= f (x 0 )
a 3 x 32 + b3 x 3+ c3 = f ( x 3)
3) Las 1ras derivadas en los nodos interiores deben ser iguales:

2 a 1 x1 +b 1=2 a2 x 1+ b 2
2 a 2 x 2 +b 2=2 a3 x 2 +b 3 2 ecuaciones ms

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 7-

Pero necesitamos 3n incgnitas, entonces debemos tomar una seleccin arbitraria para calcular con
xito las constantes.
4) Suponga que en el 1 punto la 2da derivada es cero
como
f II ( x 0)=0
2

II

(a 1 x + b1 x+ c 1) =( 2a 1 x +b 1) =2a 1=0
5)

2a 1=0
a 1=0

La interpretacin de esta condicin es que los dos 1ros puntos se conectan con una lnea recta porque

a 1=0

Las desventajas
1) Los 2 puntos se unen con una lnea recta.
2) Para el ltimo intervalo la segmentara de 2do orden parece oscilar demasiado.
Ejemplos
TP1, punto 4)
Ajustar los puntos de la tabla por medio de segmentaras. cuadrticas y calcular el valor de
x

x0
x1
x2
x3

f(x)

3,0 2,5
4,5 1,0
7,0 2,5

9,0 0,5
(estos puntos siempre se deben ordenar de menor a mayor)
1)

a 1 (4,5)2 +b1 ( 4,5)+ c 2=1,0

2

a 2 (4,5) +b 2 (4,5)+c 2=1,0

a 2 (7,0)2 +b 2 (7,0)+c 2=2,5
a 3 (7,0)2 +b 3( 7,0)+ c3 =2,5
20,25 a 1 +4,5 b1 + c1=1,0
20,25 a 2 + 4,5b 2 +c 2=1,0
49a 2 +7,0 b2 +c 2=2,5
49a 3 +7,0 b 3+ c 3=2,5
2)
2

a 1 (3,0) +b1 (3,0)+c 1=2,5

a 3 (9,0)2 +b3 ( 9,0)+ c3=0,5
a 1 9+ b1 3+ c 1=2,5
a 3 81+ b3 9+ c 3=0,5

x=5

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 8-

3)

2 a 1 4,5+b 1=2 a 1 4,5+b 2

2 a 2 7+b 2=2 a3 7+b 3
9 a 1+ b19 a 2 b2 =0
14 a 2 +b 214 a 3 +b3=0

4)

a 1=0

Llegamos a:

a2 a 3
b1
b 2 b3 c1
c2 c3 b
1
1,0
4,5 1
0
0 0
0
0 0 c
1,0
1
0
0 20,25 4,5 1
0
0 0
a 2 2,5
0
0
4,9 7,0 1
0
0 0
2,5
0
0
0
0 0
49 7,0 1 b 2 =
2,5
3
1
0
0 0
0
0 0 c2
0,5
0
0
0
0 0
81
9 1 a3
0
1
0
9 1 0
0
0 0 b3
0
0
0
14
1 0 14 1 0 c3

)( )

a 1=0
a 2=0,64
a 3=1,6
2

b1=1
b 2=6,76
b 3=24,6

c1=5,5
c2 =18,46
c 3=91,3
2

f 2 (5)=0,64 x 6,76 x+ 18,46=0,64( 5) 6,76(5)+ 18,46=0,66

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 9-

Unidad 3
(11/09/2012)
Frmulas de Integracin de Newton-Cotes
Se basa en la estrategia de reemplazar una funcin complicada o datos por una funcin que sea fcil de
integrar.
b

I = f ( x )dx f n (x ) dx
a

Donde

f n (x ) tiene la forma de un polinomio de orden n:

f n ( x )=a0 +a 1 x + a2 x 2 +...+a n1 x n1 + an x n

Tambin se puede aproximar mediante una serie de polinomios aplicadas por pedazos sobre segmentos
de longitud constante (ver figura 3)

Aproximacin con una lnea recta

Aproximacin con una parbola

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 10-

Se dispone de formas cerradas y abiertas. Las cerradas son aquellas donde los datos al inicio y final de
los lmites de integracin son conocidos. Las abiertas tienen lmites de integracin que se extienden ms
all del rango de los datos.
Las formas abiertas no se usan por lo general para integracin definida, pero se utilizan para evaluar
integrales impropias y la solucin de ecuaciones diferenciales ordinarias.

Cerradas

Abiertas

La regla trapezoidal
La regla trapezoidal es equivalente a aproximar el rea del trapezoide bajo la lnea recta que conecta
f (a ) y f (b) .
Es la 1ra de las frmulas de integracin cerrada de Newton-Cotes. Es el caso donde f n ( x )= f 1 ( x ) ,
entonces la integral sera:
b

I = f (x )dx f 1 (x )dx
a

f 1 ( x)= f (a)+

f 1 (x) es una estimacin de

Donde

I = [ f (a)+
a

Integrando nos queda:

I [

f (b) f (a)
(x a)
ba
f (x )

f (b) f (a)
( xa)] dx
ba

f (b)+ f (a)
(ba)] que es la Regla Trapezoidal.
2

Para mejorar la regla trapezoidal se puede subdividir en intervalos de integracin y aplicar el mtodo a
cada uno de ellos. Entramos en la integracin mltiple de la regla trapezoidal.

Clculo Numrico Diego Ral Krujodski 2012

(n+1) puntos para n intervalos

Reemplazo:

- Pgina 11-

ba
=h (medida de cada intervalo).
n

a x0 y b xn
x1

x2

xn

I = f ( x )dx+ f ( x) dx +...+ f ( x)dx

x0

x1

x n1

h
h
h
I [ f ( x 0)+ f ( x 1)]+ [ f (x 1)+ f ( x 2)]+...+ [ f ( x n1)+ f ( x n )]
2
2
2

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 12-

n1

h
I [ f ( x 0)+ 2 f (x i )+ f (x n )]
2
i=1
Integracin mltiple de la Regla Trapezoidal

Regla de Simpson
Se trata de otra forma de obtener una estimacin ms exacta de una integral, con el uso de polinomios
de orden superior para conectar los puntos.
Por ejemplo: si hay un punto extra en la mitad del camino entre
f (a ) y f (b) , los 3 puntos se
pueden conectar con una parbola. Si hay 2 puntos igualmente espaciados entre
f (a ) y f (b) , los 4
puntos se pueden conectar con un polinomio de 3er orden.
Las frmulas resultantes al tomar las integrales bajo esos polinomios son conocidas como reglas de
Simpson.
Regla de Simpson del 1/3: Resulta cuando un polinomio de 2do orden es sustituido en la integral:
b

i= f ( x)dx f 2 ( x) dx
a

Si

a=x 0 y b=x 2 y f 2 ( x ) representamos por un polinomio de Lagrange de 2do orden:

x
x x 1 x x 2
x x 0 x x 2
xx 0 x x 1
I = [

f ( x0 )+

f (x 1 )+

f (x 2 )]
x 0x 1 x 0x 2
x 1x 0 x 1x 2
x 2 x 0 x 2x 1
x
2

Despus de la integracin y manejo algebraico resulta la siguiente frmula:

h
I [ f ( x 0)+ 4f ( x 1)+ f ( x 2)]
3

Regla de Simpson del 1/3 donde

h=

ba
2

(12-09-2012)
Observacin: la regla de Simpson de 1/3 es ms exacta que la regla trapezoidal y es ms exacta de lo
esperado porque en lugar de hacer proporcional a la 3er derivada, el error es proporcional a la 4ta. En
consecuencia, la regla de Simpson del 1/3 tiene una precisin de 3er orden an cuando se base solo en 3
puntos. En resumen: para aplicar la regla de Simpson del !/3 necesitamos 3 puntos igualmente espaciados y
la aproximacin la hacemos con un polinomio de 2do orden.
Por ejemplo: Integrar la siguiente funcin:

f (x )=0,2+ 25x200x 2 +675x 3900x 4+ 400x 5

desde a = 0 hasta b = 0,8
v.v. = 1,6405

h
I [ f ( x 0)+ 4f ( x 1)+ f ( x 2)]
3
h = intervalo entre los puntos

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 13-

C.A.:

f (0)=0,2
f (0,4)=2,456
f (0,8)=0,232
I

0,4
[0,2+ 4( 2,456)+ 0,232]=1,3674
3

E %=16,64 %

Regla de Simpson de 1/3 de aplicacin mltiple

La regla de Simpson se puede mejorar al dividir el intervalo de integracin en un nmero de segmentos
de igual anchura donde

h=

ba
n

La integral se total se puede representar como:

x2

x4

x6

xn

I = f ( x ) dx+ f ( x) dx + f (x )dx+ ...+ f ( x) dx

x0

x2

x4

x (n2)

Al sustituir la regla de Simpson de 1/3 en cada trmino tenemos:

h
h
h
I [ f ( x o)+ 4 f ( x 1 )+ f ( x 2)]+ +[ f ( x 2 )+ 4 f ( x 3 )+ f (x 4 )]+...+ [ f ( x n2 )+ 4 f ( x n1 )+ f ( x n )]
3
3
3
n1

n 2

h
I [ f (x 0 )+4
f (x i )+2
f (x i )+ f (x n )]
3
i =1,3 ,5(impar )
i=2,4 ,6( par )
Regla de Simpson de 1/3 mltiple (se necesita que el nmero de segmentos sea par)

Como se muestra en la imagen de arriba se debe utilizar un nmero par de segmentos para utilizar el
mtodo. Adems los coeficientes 4 y 2 siguen en forma natural la regla de Simpson del 1/3.
Los puntos pares son comunes en las aplicaciones adyacentes y por lo tanto se cuentan 2 veces.
Ejemplo: usar Simpson de 1/3 de aplicacin mltiple con n=4 para estimar la integral de:

f ( x )=0,2+ 25x200x 2+ 675x3 900x 4+ 400x 5

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 14-

de a = 0 y b = 0,8

h=

0,80
=0,2
4

x 0, f (0)=0,2

x 1 f ( 0,2)=1,288

x 3, f (0,6)=3,464

x 2, f (0,4)=2,456

x 4 f (0,8)=0,232

0,2
[0,2+ 4(1,288+3,464)+2(2,456)+0,232]=1,6234
3
E %=1,04 %

Conclusin: la versin de la regla de Simpson del 1/3 de aplicacin mltiple da resultados precisos. Por
esa razn se consideran superior a la regla trapezoidal para la mayora de las aplicaciones. Pero sin
embargo est limitada a casos en los que los valores son igualmente espaciados. Adems, est limitada a
situaciones donde hay un nmero par de segmentos y un nmero impar de punto.
En consecuencia, como se analiza en la siguiente seccin la frmula de segmentos impares y puntos
pares conocida como la regla de Simpson del 3/8. Se usa en conjunto con la regla del 1/3 para permitir la
evaluacin de ambos nmeros de segmentos pares e impares.

Regla de Simpson de 3/8

Utilizando un polinomio de Lagrange de 3er orden teniendo 4 puntos y luego integrar:

b

I = f ( x )dx f 3( x) dx
a

Para obtener:

3
I h [ f ( x 0)+3f ( x1 )+ 3f (x 2 )+ f (x 3)]
8
Regla de Simpson del 3/8
Donde

h=

ba
3

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 15-

Los 4 puntos deben estar igualmente espaciados. Esta ecuacin se llama regla de Simpson del 3/8
debido a que h se multiplica por 3/8. Esta regla tambin tiene aplicacin mltiple pero no se mejora mucho
el error. El mtodo de Simpson del 1/3 es ms eficiente.
Los polinomios interpolados de mayor orden pueden hallarse pero no es conveniente porque genera
muchos zigzagueos. La regla del 1/3 es frecuentemente el mtodo de preferencia, ya que alcanza exactitud
de 3er orden con 3 puntos.
Sin embargo, la regla del 3/8 tiene utilidad cuando el nmero de segmentos es impar.
Suponga que se desea una estimacin para 5 segmentos. Una opcin podra ser usar una versin de
aplicacin mltiple de la regla trapezoidal, pero sta puede no ser recomendable debido al gran error de
truncamiento asociado con ste mtodo. Una alternativa podra ser aplicar la regla de Simpson del 1/3 a los
1ros segmentos y la regla del 3/8 a los ltimos 3.
As podramos obtener un estimado con una precisin de 3er orden a travs de todo el intervalo.

Integracin con segmentos desiguales

Los datos derivados experimentalmente son a menudo de este tipo. Un mtodo es aplicar la regla
trapezoidal a cada segmento y sumar los resultados.

ih1

f (x o )+ f ( x 1)
f (x 1)+ f ( x 2)
f (x n1 )+ f ( x n )
+h 2
+...+h n
2
2
2
Donde h = ancho del segmento

Ejemplo:

f ( x )=0,2+ 25x200x 2+ 675x3 900x 4+ 400x 5

Para algunos datos de x desigualmente espaciados:
Mtodo
Trapezoidal (1)

Diferencia

f(x)

0,0

0,2

0,12

1,3097

0,22

1,3052

0,32

1,7433

0,36

2,0749

0,40

2,4560

0,44

2,8429

0,54

3,5072

0,64

3,1819

0,70

2,3630

0,80

0,2320

0,12
0,10

Simpson 1/3 (2)

0,10
0,04
Simpson 3/8 (3)

0,04
0,04
0,10

Simpson 1/3 (4)

0,10
Trapezoidal (5)
Trapezoidal (6)

0,06
0,10

Clculo Numrico Diego Ral Krujodski 2012

(1)

(2)

(3)

I 2

I 1

- Pgina 16-

0,12 0,2+1,3097
0,0905
2

0,10
[1,3097+ 41,3052+1,7433]0,2757
3

I 3 0,015[1,7433+32,0749+32,4560+2,8429]0,2726

(4)

I 4

0,10
[2,8429+43,5072+3,1819]0,6684
3

(5)

I 50,06

3,1819+ 2,3630
=0,1663
2

I 6 0,10

2,3630+0,2320
=0,1297
2

(6)

I I 1 + I 2 + I 3 + I 4 + I 5+ I 6=1,6032
E %=2,27 %

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 17-

(05-10-2012)
Races de ecuaciones
Existen mtodos:
Abiertos
Iteracin de punto fijo
Newton-Raphson
Cerrados
Biseccin o bolzano
Falsa posicin
Mtodo de biseccin o bolzano
Se basa en el teorema del valor medio:

un k [a , b]c [ f (a) , f ( b)] /c= f ( k )

Si

En general, si f (x ) es real y continua en el intrvalo cerrado [a , b] y f (a ) y

signos opuestos esto es: f (a ) , f (b)<0 entonces existe al menos una raz entre a y b.

f (b) tienen

Este mtodo de bsqueda incremental en el que el intervalo se divide se divide siempre en dos. Si la
funcin cambia de signo sobre un intervalo, se evala el valor de la funcin en el punto medio. La posicin
de la raz se determina situndola en el punto medio del sub-intervalo dentro del cual ocurre un cambio de
signo. El proceso se repite hasta obtener una mejor aproximacin.
Algoritmo para calcular
Paso 1:
Elija los valores iniciales inferior a y b superior de forma tal que la funcin cambie de signo sobre el
intervalo. Esto se puede verificar haciendo f (a) f ( b)< 0
Paso 2:
La primera aproximacin a la raz

x r se determina como:

xr =

xa + xb
2

Paso 3:
Realice las siguientes evaluaciones para determinar en qu subintervalo cae la raz:
a) Si f
paso 2.

(x a ) f ( x r )< 0 la raz

[a , x r ] en consecuencia tomar b=x r y contine con el

f (x a ) f ( x r )> 0 la raz se encuentra del del subintervalo superior [ x r , b] en

consecuencia a= x r y continue el paso 2.
b) Si

Paso 4:
Si f (a )f

(b)=0 la raz es igual a

x r , termina el clculo.

Criterio de paro y estimacin de errores

Se pretende desarrollar un criterio objetivo para decidir cuando debe terminar el mtodo. Una sugerencia
inicial puede finalizar el clculo cuando el error se encuentre por debajo de algn nivel prefijado. Pero, se
requiere estimar el error de manera que no incluya el conocimiento previo de la raz.

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 18-

x r (nuevo) x r (anterior )
100
x r (nuevo)
Donde x r (nuevo)= raz de la iteracin actual
y x r (anterior )= raz de la iteracin anterior

E ra %=

Se usa el valor absoluto ya que solo importa la magnitud de E ra sin considerar su signo.
Cuando E ra es menor que un valor previamente fijado E t el clculo termina: E a < E t
Ejemplo:
Utilice el mtodo de biseccin para calcular la raz de

f (x )=e x x entre [0,1].

f (0)=1
1
f (1)= 1=0,6
e
f (0) f (1)< 0

0+1
=0,5 f (0,5)=0,1
2
1+ 0,5
xr =
=0,75 f (0,75)=0,27
2
0,5+0,75
xr=
=0,625 f (0,625)=0,08
2
x r =0,5625
f (x )=0,007
xr =

E a %=

0,56250,625
100=11%
0,5625

Mtodo de la falsa posicin

La falsa posicin es una alternativa basada en una visualizacin grfica al unir
f (a ) y f (b) con
una lnea recta. La interseccin de esta lnea con el eje x representa una mejor estimacin de la raz. El
hecho de que se reemplace una curva por una lnea recta de una posicin falsa de la raz, de aqu el
nombre.

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 19-

Con los tringulos semejantes se obtiene la frmula de n de la lnea recta, con el eje x puede ser
estimada por:

f (a) f (b)
=
(n = interseccin).
x r a x rb
f (a) f (b)
=
x r a x rb
f (a )( x rb)= f (b)( x r a )
x rf (a )b f ( a)=x r f (b)a f (b)
x rf (a ) f (b)x r= f (b)a+b f (a )
x r [ f ( a) f (b)]= f ( a)b f (b)a
xr=

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

Frmula de la falsa posicin

El proceso se repite hasta que la aproximacin de la raz sea adecuada. Se usan los mismos criterios de
pasos para terminar los clculos.
Ejemplo: Calcular la raz de

f (0)=1

f (x )=e x x entre [0, 1]

f (1)=0,6
a

f(a)

f(b)

xr

0+

1-

1+

-0,6

0,625-

-0,089

0,573

9,07 %

0,567

1,05 %

0,625

0+

0,573-

1+

-0,009

0,567 0,573

0,0002

Er %

11(0,6)0
=0,625
1+ 0,6
1(0,625)(0,089)0
xr =
=0,573
1+0,089
1(0,573)(0,009)0
xr=
=0,567
1+0,009
xr =

E r %=

x r (nuevo)x r (anterior )
100
x r (nuevo)

El mtodo de la falsa posicin es ms eficiente que la biseccin. Uno de los valores iniciales puede
permanecer fijo a lo largo de los clculos, mientras el otro converge hacia la raz. En tales casos el intervalo
no se acorta sino que se aproxima a un valor constante.
En los casos que la regla de la falsa posicin converge lentamente, en tales casos la ecuacin no es
confiable y se debe desarrollar un criterio diferente de terminacin.

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 20-

Mtodo de iteracin de punto fijo

Los mtodos abiertos utilizan una frmula para predecir la raz. Esta frmula puede desarrollarse como
una iteracin simple de punto fijo, al reordenar la ecuacin
f (x )=0 de tal modo que x est del lado
izquierdo de la ecuacin: x= g ( x )
Ejemplo:

2
x 2x+ 3=0 se reordena para obtener

x=

x 2 +3
2

x i , la ecuacin anterior puede usarse para obtener

, expresada por la frmula iterativa x i +1=g ( xi ) .

De esta manera, dado un valor inicial para la raz

una aproximacin

x i +1

El error aproximado se calcula usando el error normalizado:

Ea=

x i+1 x i
100
x i+1

Ejemplo: Use una iteracin simple de punto fijo para localizar la raz de
Solucin:

f (x )=e x x

xi

x i +1=e

El valor x que reemplazamos en la funcin al principio es 1 o el punto dado, luego vamos reemplazando
por los resultados que nos vaya dando la funcin.
i

xi

Ea %

Et %

100

76,3

0,367879

171,8

35,1

0,692201

46,9

22,1

0,500473

38,3

11,8

0,606244

17,4

6,89

0,545396

11,2

3,83

0,579612

5,90

2,20

0,560115

3,48

1,24

0,571143

1,93

0,705

10

0,564479

1,11

0,399

El error relativo porcentual verdadero en cada iteracin del ejemplo anterior, es proporcional (por un
factor de 0,5 a 0,6) al error de la iteracin anterior. Esta propiedad se conoce como convergencia lineal.

Clculo Numrico Diego Ral Krujodski 2012

- Pgina 21-

Mtodo de Newton-Raphson
Es la ms usada, si el valor inicial de la raz es

x i entonces se puede extender un tangente desde el

punto (x i : f ( x i )) y el punto donde es h la tangente cruza el eje x representa una aproximacin

mejorada de la raz.

f ( xi )0
x i x i+1
f ' ( x i)( xi x i +1)= f ( x i)
f ' ( x i) x i f ' ( x i ) x i+1= f ( x i)
f ' ( x i ) x i+1= f ( x i) f ' ( xi ) x i
f ( x i) f ' ( xi ) x i
x i +1=
f ' ( xi )
f ( xi )
x i +1=x i
f ' ( xi )
f ' ( x i)=

Ejemplo: Usar el mtodo de Newton-Raphson para calcular la raz de

inicial de 0 E t =0,1 %
Derivamos la funcin y hacemos iteraciones de:

x i +1=x i
Siendo x el resultado que nos va dando

xr

f ( xi )
f ' ( xi )

x i +1 .

f ( xr)

Et %

f ' (x r )

-2

0,5

0,1065

-1,6065

100 %

0,5662

0,0014

-1,1338

11,69 %

0,5674

-0,0004

0,567

0,2 %
0,07 %

x i +1=0

1 1
= =0,5
2 2

x
f (x )=e x con un valor

Clculo Numrico Diego Ral Krujodski 2012

0,1065
=0,5662
1,6065
0,0014
x i +1=0,5662
=0,5674
1,1338
0,0004
x i +1=0,5674
=0,567
1
x i +1=0,5

- Pgina 22-