Análisis Numérico - Sergio Velasquez

Sergio Velsquez-Ronny Velsquez
Fundamentos de Anlisis Numrico para

Ingeniera
Fundamentos de Anlisis Numrico para estudiantes de Ingeniera
Depsito Legal lfi-085-2015-620-937
ISBN: 978-980-12-7937-2
Indce
CAPTULO 0 .............................................................................................. 1
GENERALIDADES...................................................................................... 1
Algunos conceptos fundamentales .............................................................. 1
Anlisis numrico. ..................................................................................... 3
Mtodos numricos. ................................................................................... 4
CAPITULO I ............................................................................................... 6
TEORA DE ERRORES ............................................................................... 6
Introduccin .............................................................................................. 6
Aproximacin numrica ............................................................................. 7
Modelos matemticos: ................................................................................ 7
Errores ...................................................................................................... 8
Error absoluto: ............................................................................................... 8
Error relativo: ............................................................................................... 10
Errores inherentes ................................................................................... 12

Errores de truncamiento .............................................................................. 13
Error numrico total ................................................................................ 13

Errores de redondeo................................................................................. 14
Redondeo de un nmero .......................................................................... 15
Redondeo truncado ...................................................................................... 16
Redondeo simtrico ...................................................................................... 16
Error porcentual ...................................................................................... 17

Cifras significativas .................................................................................. 19
Exactitud y Precisin. .............................................................................. 21
Precisin ....................................................................................................... 21
Exactitud ...................................................................................................... 22
Nmeros en la computadora..................................................................... 22
Propagacin de errores ............................................................................. 23
La estabilidad ............................................................................................... 25
La convergencia ............................................................................................ 25
Criterio de convergencia. .......................................................................... 25

Orden de convergencia ............................................................................. 27
EJERCICIOS DE CONSOLIDACIN .......................................................... 28
CAPITULO II ............................................................................................ 31
INTERPOLACIN Y AJUSTE DE CURVAS ................................................. 31
Introduccion ............................................................................................ 31
Interpolacin polinomial ........................................................................... 31
Polinomios de interpolacin ...................................................................... 33
Interpolacin de Lagrange ........................................................................ 34
Error en la interpolacin .............................................................................. 39
Observaciones .............................................................................................. 43
Diferencias Divididas ............................................................................... 44

Frmula de Newton .................................................................................. 47
Estimacin Del Error Usando Polinomios De Newton. ................................ 49
Polinomios interpolantes de newton con nodos igualmente espaciados. ...... 50
Formula de Newton-Gregory ..................................................................... 51
EJERCICIOS DE CONSOLIDACIN .......................................................... 52
CAPITULO III ........................................................................................... 55
SISTEMAS NO LINEALES ......................................................................... 55
Introduccion ............................................................................................ 55
Resolucion de ecuaciones no lineales ........................................................ 58
Orden de convergencia ............................................................................. 59
Grfica de funciones, un mtodo para hallar intervalos. ............................ 59

Mtodos cerrados ..................................................................................... 61
Metodo de Biseccin ..................................................................................... 62
Orden de convergencia ................................................................................. 63
Mtodo de Regula Falsi, Regla Falsa o Falsa Posicin ................................ 65

Regla falsa Modificada.............................................................................. 67
Metodos abiertos...................................................................................... 70
Metodo de punto fijo ................................................................................ 70
Mtodo de Newton - Rapson ..................................................................... 75
Interpretacin geomtrica del mtodo de Newton. ........................................ 81
Mtodo de Newton modificado .................................................................. 82

Mtodo de la secante ................................................................................ 85
Mtodo de Muller ..................................................................................... 88
Calculo de error ............................................................................................ 92
EJERCICIOS DE CONSOLIDACIN ................................................................ 93

CAPITULO IV ........................................................................................... 97
SISTEMAS DE ECUACIONES NO LINEALES ............................................. 97
Introduccin ............................................................................................ 97
Mtodo grfico ......................................................................................... 98
Mtodos directos .................................................................................... 100
Mtodos iterativos .................................................................................. 100
Punto fijo .................................................................................................... 101
Mtodo de Newton: ..................................................................................... 106
Observaciones para el mtodo de Newton:.................................................. 107
Mtodo practico para resolver un sistema no lineal por el mtodo de Newton

....................................................................................................................... 108
Orden de convergencia ........................................................................... 108
EJERCICIOS DE CONSOLIDACIN ........................................................ 111
CAPITULO V .......................................................................................... 115
ECUACIONES LINEALES ....................................................................... 115
Introduccin .......................................................................................... 115
Notacion de matrices:............................................................................. 117
Orden de una matriz .............................................................................. 118
Tipo de matrices .................................................................................... 118
Matriz cuadrada: ........................................................................................ 118
Matriz diagonal:.......................................................................................... 119
Matriz nula: ................................................................................................ 119
Matriz identidad: ........................................................................................ 119
Matriz fila o vector fila: ............................................................................... 119
Matriz columna o vector columna: ............................................................. 120
Matriz transpuesta: .................................................................................... 120
Matriz triangular ........................................................................................ 120
Matriz simtrica:......................................................................................... 120
Matriz antisimtrica: .................................................................................. 121
Matriz opuesta:........................................................................................... 121
Matriz ortogonal ......................................................................................... 121
Matriz singular ........................................................................................... 121
Operaciones con matrices ...................................................................... 122

Adicin de matrices .................................................................................... 122
Sustraccin de matrices ............................................................................. 122
Transposicin de matrices ...................................................................... 123

Producto de una matriz por un escalar ................................................... 124
Producto de matrices ............................................................................. 124
Determinantes ....................................................................................... 127
Propiedades de los determinantes: .......................................................... 127
Resolucin de un determinante de 2 orden: ........................................... 130

Determinante de 3er orden..................................................................... 130
Regla de Sarrus: .................................................................................... 131
Sistemas lineales ................................................................................... 132
Clasificacin de un sistema lineal ........................................................... 133
Mtodos exactos .................................................................................... 135
Mtodos iterativos .................................................................................. 135
Sistemas equivalentes ............................................................................ 135
Operaciones elementales ............................................................................ 135
Transformaciones elementales ................................................................... 136
Mal condicionamiento ................................................................................ 136
Sistema bien condicionado ......................................................................... 137
Mtodo de determinantes ....................................................................... 137

Regla de Cramer: ........................................................................................ 137

Mtodos Iterativos.................................................................................. 140
Mtodo de Jacobi........................................................................................ 140
Mtodo de Gauss - Seidel ........................................................................... 142
Otra variante para la explicacin del Mtodo de Gauss Seidel ................. 145
Sistemas Triangulares............................................................................ 148

Eliminacin de Gauss................................................................................. 148
Algoritmo de eliminacin ............................................................................ 148
Descomposicin LU .................................................................................... 151
Clculo de la matriz inversa ................................................................... 155

Tcnica eficiente para la solucin de sistemas tridiagonales ...................... 156

CAPITULO VI ......................................................................................... 160
INTEGRACIN NUMRICA..................................................................... 160
Introduccin .......................................................................................... 160
Conceptos bsicos ................................................................................. 161
Mtodo de Serie de Potencias.................................................................. 162
Mtodo Grfico ...................................................................................... 163
Mtodos Numricos................................................................................ 163
Regla del rectangulo ................................................................................... 166
Regla del punto medio ................................................................................ 171
Frmulas de Newton - Cotes ................................................................... 175

Metodo del Trapecio. .............................................................................. 178
Regla el trapecio Generalizada.................................................................... 179
Regla de (1/3) de Simpson...................................................................... 182

Regla de Simpson 3/8 ............................................................................ 187
Mtodo de Boole .................................................................................... 191
En resumen ........................................................................................... 191
Regla 1/3 de Simpson ............................................................................ 192
Regla 3/8 de Simpson ............................................................................ 193
CAPITULO VII ........................................................................................ 195
DERIVACIN NUMRICA....................................................................... 195
Introduccin .......................................................................................... 195
Mtodo de Diferencias Finitas................................................................. 198
Frmulas de diferencias finitas hacia adelante ........................................ 199
Frmulas de diferencias finitas hacia atrs ............................................. 202
Inestabilidad numrica de las frmulas de diferencias finitas................... 205
Frmulas de diferencias centrales........................................................... 206
CAPITULO VIII ....................................................................................... 219
ECUACIONES DIFERENCIALES ............................................................. 219

Introduccin .......................................................................................... 219
Mtodo de Euler..................................................................................... 227
Convergencia de un mtodo numrico. ................................................. 230
Convergencia del mtodo de Euler. ......................................................... 230
Consistencia del mtodo de Euler. .......................................................... 233
Estabilidad del mtodo de Euler. ............................................................ 233
Convergencia de un mtodo numrico, por desigualdades. ...................... 235
Algunos mtodos monopaso lineales. ...................................................... 238
El mtodo de Euler implcito. Diseo y anlisis. ...................................... 239
Consistencia del mtodo de Euler Implcito: ............................................... 240
Estabilidad del mtodo de Euler Implcito: ................................................. 241
Los mtodos de Taylor.......................................................................... 242

Aproximaciones integrales. ..................................................................... 243
Los mtodos de Runge-Kutta. ................................................................. 245
Mtodos Monopaso No Lineales. ............................................................. 245
Consistencia de un mtodo de Runge-Kutta. ........................................... 245
Introduccin a los mtodos multipaso. Los mtodos BDF. ....................... 249
Aproximaciones de la derivada. .............................................................. 251
Los mtodos BDF. .................................................................................. 251
Un mtodo inestable. ........................................................................... 253
Los mtodos de ADAMS.......................................................................... 255
Construccin de los mtodos de Adams. ................................................. 256
Mtodo de Adams-Bashforth de un paso. ................................................ 257
Mtodo de Adams-Bashforth de dos pasos. ............................................. 257
Mtodo de Adams-Bashforth de tres pasos. ............................................. 258
Estudio general de los mtodos multipaso lineales. ................................. 260
La elaboracin de este libro de Anlisis Numrico, surgi de la necesidad

de contar con un material que incluya todos los contenidos exigidos por la
ctedra del mismo nombre, considerando que los tratados sobre Anlisis
numrico, no son de uso corriente, es ms, su estudio y escritos se limitan a
pocos autores.
Este libro de Anlisis Numrico est dividido en captulos bien
diferenciados, para facilitar su estudio en forma organizada y didctica,
presentando algunas caractersticas que facilitan el estudio y aprendizaje de
cada contenido. Entre estas caractersticas se tienen que:
Cada
contenido
cuenta
con
los
teoremas
que
sustentan
matemticamente y definen los contenidos desarrollados. Si bien la mayora

de los teoremas se presentan sin demostracin, en cada caso se citan las
fuentes, para acceder a tales demostraciones.
Al final de cada captulo se presentan abundantes ejercicios de
consolidacin, con las soluciones incluidas, que sern de utilidad a la hora de
realizar la verificacin de los ejercicios de consolidacin despus de
resolverlos.
Espero que este libro de Anlisis Numrico, sea de verdadera utilidad
para cada estudiante, en la tarea de estudiar, comprender y aprender el
Anlisis Numrico.
GENERALIDADES
CAPTULO 0
Algunos conceptos fundamentales

El anlisis numrico es una rama de las matemticas cuyos lmites no
son del todo precisos. De una forma rigurosa, se puede definir como la
disciplina ocupada de describir, analizar y crear algoritmos numricos que
nos permitan resolver problemas matemticos, en los que estn involucradas
cantidades numricas, con una precisin determinada.
En el contexto del clculo numrico, un algoritmo es un procedimiento
que nos puede llevar a una solucin aproximada de un problema mediante un
nmero finito de pasos que pueden ejecutarse de manera lgica. En algunos
casos, se les da el nombre de mtodos constructivos a estos algoritmos
numricos.
Los
ordenadores son
tiles
para
clculos
matemticos
extremadamente complejos, pero en ltima instancia operan con nmeros

binarios y operaciones matemticas simples. Desde este punto de vista, el
anlisis numrico proporcionar todo el andamiaje necesario para llevar a
cabo todos aquellos procedimientos matemticos susceptibles de expresarse
algortmicamente, basndose en algoritmos que permitan su simulacin o
clculo en procesos ms sencillos empleando nmeros.
El Anlisis Numrico tambin consiste en procedimientos que
resuelven problemas y realizan clculos puramente aritmticos, tomando en
cuenta las caractersticas especiales y limitaciones de los instrumentos de
clculo (como las calculadoras y computadoras, programas informticos, etc.)
que ayudan en la ejecucin de las instrucciones del algoritmo.
El anlisis numrico es importante porque es necesario en la solucin
de muchos problemas del mundo real.
El anlisis numrico es el desarrollo y el estudio de procedimientos para

resolver problemas con ayuda de una computadora.
La ventaja fundamental del anlisis numrico es que puede obtenerse
una respuesta numrica, aun cuando un problema no tenga solucin
analtica.
La solucin obtenida con anlisis numrico siempre es numrica.
Los resultados numricos pueden trazarse en forma de grafica para
mostrar el comportamiento de la solucin.
El resultado del anlisis numrico es una aproximacin, aunque los
resultados pueden hacerse tan exactos como se quiera. A fin de obtener la
mxima exactitud es necesario efectuar una cantidad enorme de operaciones
por separado.
Las aplicaciones del Anlisis numrico son muy amplias, y entre las
operaciones que se pueden realizar con ella se citan algunas:
Resolucin de grandes sistemas de ecuaciones lineales.
Obtencin de soluciones de un sistema de ecuaciones no lineales.
Interpolacin para encontrar valores intermedios en una tabla de datos.
Encontrar aproximaciones eficientes y eficaces de funciones.
Aproximacin de derivadas de cualquier orden para funciones, incluso
cuando la funcin se conoce solo como una tabla de valores.
Integracin de cualquier funcin, aun cuando solo se conozca como una
tabla de valores.
Obtencin de integrales mltiples.
Resolucin de ecuaciones diferenciales ordinarias a partir de valores
iniciales de las variables pudiendo ser de cualquier orden y complejidad.
Resolucin de problemas con valor en la frontera y determinacin de
valores caractersticos y vectores caractersticos.
Obtencin de soluciones numricas para todos los tipos de ecuaciones
diferenciales parciales.
Ajuste de curvas a datos mediante la aplicacin de mtodos numricos

variados.
Los mtodos numricos requieren operaciones aritmticas tan tediosas
y repetitivas, que solo cuando se cuenta con una computadora que realice
tantas operaciones por separado es prctico resolver problemas de esta forma.
Para que una computadora pueda realizar el anlisis numrico debe
escribirse un programa.
La iteracin es un procedimiento que consiste en elaborar una sucesin
de operaciones, cada una de las cuales aplica los resultados de la operacin
precedente. Muchos procedimientos de anlisis numrico son iterativos.
Para resolver un problema cientfico o de ingeniera hay que seguir
cuatro pasos generales:
Plantear claramente el problema.
Obtener un planteamiento matemtico del problema.
Resolver la ecuacin o ecuaciones que resulten del paso 2.
Interpretar el resultado numrico para llegar a una decisin. Es la parte
ms difcil en la resolucin de problemas.
Anlisis numrico.
Es el diseo, uso y anlisis de algoritmos, los cuales son conjuntos de
instrucciones cuyo fin es calcular o aproximar alguna cantidad o funcin.
El estudio del anlisis numrico se interesa en la creacin y
comprensin de buenos mtodos que resuelvan problemas numricamente.
Una caracterstica importante del estudio de los mtodos es su variacin.
El anlisis numrico consiste en procedimientos que resuelven
problemas y realizan clculos puramente aritmticos, teniendo en cuenta las
caractersticas especiales y limitaciones de los instrumentos de clculo, como
las calculadoras o las computadoras, que facilitan enormemente la ejecucin

de las instrucciones del algoritmo.
El estudio del anlisis numrico facilita la comprensin de los conceptos
matemticos puros, sobre todo teniendo en cuenta que observando cmo
algunos de ellos deben modificarse necesariamente en las matemticas
computacionales.
Despus de todo, el anlisis numrico es importante porque es
necesario en la solucin de muchos problemas del mundo real.
Mtodos numricos.
Los mtodos numricos son tcnicas mediante las cuales se posibilitan
formular problemas matemticos de tal forma que puedan resolverse usando
operaciones aritmticas. Hay muchos tipos de mtodos numricos, y
comparten una caracterstica comn: Son iterativas, o sea, invariablemente se
deben realizar un buen nmero de tediosos clculos aritmticos.
Los mtodos numricos son herramientas muy poderosas para la
solucin de problemas. Pueden manejar sistemas de ecuaciones grandes, no
lineales y geometras complicadas, comunes en la ingeniera. Tambin es
posible que se utilice software disponible comercialmente que contenga
mtodos numricos. El uso inteligente de estos programas depende del
conocimiento de la teora bsica de estos mtodos; adems hay muchos
problemas que no pueden plantearse al emplear programas hechos. Un buen
conocimiento de los mtodos numricos permite disear programas propios
aplicables a utilidades especficas. Con los mtodos numricos se aprende a
conocer y controlar los errores de aproximacin que son inseparables de los
clculos numricos a gran escala.
Las situaciones que se vern con bastante frecuencia en el estudio del
clculo numrico son las aproximaciones y los errores, sean estos pequeos o
importantes, por lo tanto, el anlisis de una situacin problemtica y los
mrgenes necesarios de precisin deben delimitar los criterios a ser utilizados
en cada situacin, sean estos referidos a los errores tolerables o las

precisiones necesarias para la obtencin de resultados confiables.
TEORA DE ERRORES
CAPITULO I
Introduccin
En la actividad matemtica, la ingeniera, la informtica y muchas otras
ciencias, existen fenmenos muy variados que necesariamente deben ser
representados por modelos matemticos. Estos modelos, por su complejidad o
por caractersticas particulares no presentan soluciones exactas y las ms de
las veces no son fciles de hallarlas, y es aqu, donde los mtodos numricos
proporcionan soluciones aproximadas a los problemas que surgen de
situaciones muchas veces no solucionables por mtodos matemticos
tradicionales.
El clculo numricos es aquel que aplicando mtodos obtiene
resultados numricos que se aproximan a los resultados exactos que se
obtendran aplicando la solucin analtica de un problema; estos resultados
pueden ser hallados con la precisin que se desee y precisando con
anterioridad los mrgenes de errores de acuerdo a la rigurosidad y precisin
de los resultados esperados.
Los mtodos numricos se utilizan para resolver problemas que
presentan dificultad para hallar soluciones por medio de los mtodos
analticos tradicionales, o situaciones problemticas que no sean sencillos de
resolverlos. Estos mtodos proporcionan una sucesin de valores que se
aproxima a la solucin del problema.
Al resolver un problema por mtodos numricos se tendrn siempre
presente los errores, siendo stos de distintos tipos.
Al aplicar un mtodo numrico a cualquier situacin problemtica, se
debe emplear un criterio de convergencia, citando con antelacin la precisin
que se necesite de acuerdo al tipo de problema a solucionar.
Al final, el objetivo de los Mtodos Numricos es simplemente resolver

problemas numricos complejos utilizando operaciones matemticas simples,
con el fin de desarrollar y evaluar mtodos para calcular resultados numricos
a partir de los datos proporcionados, denominndose algoritmos a estos
mtodos de clculo.
Aproximacin numrica
En la prctica, los clculos realizados y los resultados esperados no
siempre son exactos, sobre todo en la ciencia y la ingeniera, y muchas veces
se debe estar conforme con los resultados obtenidos que son aproximaciones
bastantes precisas y validas, brindadas por los mtodos numricos.
Por la dificultad que presenta muchas veces elaborar un modelo
matemtico que se acerca o sea vlida para lo que se desea, los resultados
obtenidos de tales modelos son casi siempre aproximados; debido a
simplificaciones en la elaboracin de los modelos y muchas veces por no tomar
todos los factores que afectan a un determinado fenmeno. Un ejemplo simple
de fsica seria lo referido a problemas de cada libre, donde se desprecia el
rozamiento del aire con el cuerpo en cada libre, sin embargo, en ciertas
condiciones, esta situacin puede ser muy importante y muy relevante en la
solucin real del problema.
Modelos matemticos:
Un modelo matemtico es uno de los tipos de modelos cientficos que
emplea formulaciones matemticas para expresar relaciones, proposiciones,
variables, parmetros, entidades y las relaciones entre variables, operaciones
o entidades, para analizar y estudiar comportamientos de sistemas complejos
ante situaciones difcilmente observables en la realidad.
En matemticas el significado de modelo matemtico, es un poco
diferente, pues se trabaja con modelos formales. Un modelo formal para una
determinada teora matemtica es un conjunto sobre el que se han definido un
conjunto de relaciones, que satisface las proposiciones derivadas del conjunto
de axiomas de la teora. La teora de modelos es la encargada de estudiar

sistemticamente las propiedades de los modelos matemticos.
Los modelos matemticos requieren de parmetros, que en la mayora
de los casos provienen de mediciones experimentales y, por lo tanto, tienen
una precisin limitada, que depende de factores externos como los
instrumentos de medicin, el clima o los mtodos aplicados.
Los
modelos
matemticos
resultantes
de
una
modelizacin
normalmente son imposibles de resolver por mtodos analticos conocidos y la

solucin deseada solamente es posible aproximar por mtodos numricos. Por
ejemplo una ecuacin de quinto grado.
Errores
Los mtodos numricos presentan errores inevitables, por lo tanto se
debe considerar tal situacin como algo inherente al clculo numrico.
Error absoluto:
Definicin 1.
Si
absoluto como:
, es una aproximacin a x, se define el error

=|
En forma prctica puede representarse el valor verdadero con VV y el

valor aproximado con VA, esto es por el excesivo uso de la x en este material,
por lo tanto, el error absoluto tambin puede definirse como la diferencia entre
el valor verdadero y el valor aproximado y se representarse por:
=|
Teorema 1.
El error absoluto de una suma es igual a la suma algebraica de los

errores absolutos de los trminos que participan en dicha operacin.
En varios nmeros aproximados en el mismo sentido, el error absoluto
de la diferencia es menor que el mayor de los errores absolutos de sus
trminos. El sentido del error es del mismo sentido si el error del minuendo es
mayor que el del sustraendo, y de distinto sentido en caso contrario.
Ejemplo 1.
Sea la cantidad exacta 5 y el nmero aproximado 5,3. Sea la cantidad
exacta 2 y el nmero aproximado 2,1. Verifica si se cumple el Teorema 1.
Solucin
Sea la cantidad exacta 5 y el nmero aproximado 5,3. El error absoluto
es: 0,3.
Sea la cantidad exacta 2 y el nmero aproximado 2,1. El error absoluto
es: 0,1
Luego:
5 - 2 = 3; diferencia entre las cantidades exactas.
5,3 - 2,1 = 3,2; diferencia entre las cantidades aproximadas.

0,3 - 0,1 = 0,2; diferencia entre los errores absolutos.
El error absoluto de la diferencia es 0,2, y 0,3 es el mayor error absoluto
de uno de sus trminos; por lo tanto: 0,2 < 0,3, cumple la condicin. El error
es del mismo sentido ya que el error del minuendo es mayor que el error del
sustraendo.
Ejemplo 2.
Sean: 8, 2 y 10 los nmeros exactos y su suma: 8 +2 + 10 = 20. Sean:
8,2; 2,1 y 10,2 los nmeros aproximados y su suma: 8,2 + 2,1 + 10,2 = 20,5.
Hallar el error absoluto.
Solucin
=|
| = 0,5
La suma algebraica de los errores absolutos es: 0,2 + 0,2 + 0,2 = 0,5
Ejemplo 3.
Sea el resultado de una operacin en donde se comprueba que el valor
exacto es 8 y El valor aproximado hallado es 8,2. Calcular el error absoluto.
Solucin
|= |
=|
8.2| = 0.2
Existen varias maneras de representar el error absoluto, una de las

formas tambin utilizada con frecuencia es.
=|
Error relativo:
Definicin 2.
=|
Si
, es una aproximacin a x, se define el error
absoluto como:
| |
En forma prctica, el error relativo se define como el cociente entre en

error absoluto y el valor verdadero, se representa por:
=
| |
| |
Teorema 2.
El error relativo de una suma de varios nmeros aproximados est

situado entre el menor y el mayor de los errores relativos de los sumandos,
mientras tales nmeros presenten errores relativos del mismo sentido.
Ejemplo 4.
Sean: 2, 10 y 5 los nmeros exactos y sean: 2,1; 10,2 y 5,3 los nmeros
aproximados respectivamente. Demostrar el cumplimiento del Teorema 2
Solucin
Sean: 2, 10 y 5 los nmeros exactos y su suma: 2 +10 + 5 = 17
Sean: 2,1; 10,2 y 5,3 los nmeros aproximados y su suma:
2,1 + 10,2 + 5,3 = 17,6
El error absoluto de la suma es: 17,6 - 17 = 0,6
El error relativo de la suma es:
= 0,035294117
El error relativo de cada sumando es: 0,05; 0,02 y 0,06

Luego: 0,02 < 0,0352< 0,06
Por lo tanto cumple la condicin.
Dos
Teorema 3.
nmeros tienen el mismo valor que la suma de los errores
relativos de los factores ms el producto de esos mismos errores.

Ejemplo 5.
Sean: 5 y 10 los nmeros exactos y sean 5,3 y 10,2 los nmeros
aproximados, respectivamente. Realiza las operaciones para demostrar el
Teorema 3
Solucin
Sean: 5 y 10 los nmeros exactos y su producto: 5 x 10 = 50
Sean 5,3 y 10,2 los nmeros aproximados y su producto: 5,3 x 10,2 =
54,06 El error absoluto del producto es: 54,06 - 50 = 4,06
El error relativo es:
= 0,0812
El error relativo entre 5 y 5,3 es 0,06 El error relativo entre 10 y 10,2 es

0,02 Luego:
0,06 + 0,02 + (0,06 x 0,02) = 0,06 + 0,02 + 0,0012 = 0,0812. Por
lo tanto cumple la condicin al tener la igualdad: 0.0812 = 0,0812
Teorema 4.
El error relativo del cociente de dos nmeros dados es igual a la suma o

la diferencia de los errores relativos de los datos, dividida por el menor ms
uno.
Ejemplo 6.
Sean: 8 y 2 los nmeros exactos, y cuyos nmeros aproximados
respectivamente sean: 8,2 y 2, Verificar el Teorema 4
Solucin
Sean: 8 y 2 los nmeros exactos y su cociente:
= 4
Sean: 8,2 y 2,1 los nmeros aproximados y su cociente: 8,2/2,1 =

3,904...
El error absoluto es: 3,904 - 4 = - 0,096...
=
El error relativo es:

0,025.
0,024
El error relativo entre 8 y 8,2 es
El error relativo entre 2 y 2,1 es 0,05
Luego:
0,025 0,05
0,025 1
Errores inherentes
0,025
1,025
0,024
Estos errores se deben principalmente a aquellos datos obtenidos

experimentalmente y que corresponden a los datos de entrada de un
problema, debido principalmente al instrumento de medicin empleado, como
a las condiciones de realizacin del experimento.
Errores de truncamiento
Estos errores son originados por aproximacin de soluciones analticas
de un determinado problema por medio de mtodos numricos
=1+
1!
2!
3!
=0
Por medio de la serie de Taylor se evala la funcin exponencial, que

dicho sea de paso, es una serie infinita. Siendo imposible tomar todos los
trminos de la serie, se requiere cortar o truncar dicha serie despus de cierto
nmero de trminos. Esta situacin introduce a un error, que es el error de
truncamiento, que depende del mtodo numrico empleado e independiente
de la manera de realizar los clculos.
Los errores de truncamiento tienen relacin con el mtodo de
aproximacin que se usar ya que generalmente frente a una serie infinita de
trminos, se tender a cortar el nmero de trminos, introduciendo en ese
momento un error, por no utilizar la serie completa (que se supone es exacta).
Error numrico total
El error numrico total se entiende como la suma de los errores de
redondeo y truncamiento introducidos en el clculo.
Pero aqu surge un gran problema. Mientras ms clculos se tengan que
realizar para obtener un resultado, el error de redondeo se ir incrementando.
Pero por otro lado, el error de truncamiento se puede minimizar al incluir ms
trminos en la ecuacin, disminuir el paso o proseguir la iteracin (o sea
mayor nmero de clculos y seguramente mayor error de redondeo).
Entonces, qu criterio utilizar? ...lo ideal sera determinar el punto en
que los errores de donde empiezan a ocultar la ventaja de considerar un menor
error de truncamiento. En la prctica se debe considerar que actualmente las
computadoras tienen un manejo de cifras significativas mucho mayor que
antes por lo que el error de redondeo se minimiza enormemente, aunque no se

debe dejar de considerar su aporte al error total.
Errores de redondeo
Estos errores se presentan al realizar los clculos que todo mtodo
numrico o analtico requieren y se deben a la imposibilidad de tomar todas
las cifras que resultan de operaciones aritmticas como productos y cocientes,
teniendo que retener en cada operacin el nmero de cifras que permita el
instrumento de clculo, normalmente, una calculadora. En este tipo de error
existen dos situaciones que pueden perjudicar la precisin de la operacin y
son:
a- Cuando se suman una sucesin de nmeros, especialmente si estos
decrecen en valor absoluto.
b- Cuando se halla la diferencia entre dos nmeros casi idnticos, ya
que se cancelan los dgitos principales.
Cuando
las
cantidades
estudiadas
pertenecen
los
nmeros
irracionales las calculadoras y los computadores cortan los nmeros

decimales introduciendo as un error de redondeo. Para ilustrar, un ejemplo;
el valor de "e" se conoce como 2.718281828... hasta el infinito.
Si se corta el nmero en 2.71828182 (8 cifras significativas luego del
punto decimal) se est obteniendo u error de
0.000000008. ..
= 2.718281828
2.71828182 =
Sin embargo, considerando que el nmero que segua al corte era mayor
que 5, entonces conviene dejar el nmero como 2.71828183, caso en el cual el

error sera solo de
= 2.118281828
2.11828183 =
trminos absolutos es mucho menor que el anterior.
0.000000002.. , que en
En general, el error de corte producido por las computadoras ser muy

inferior al error introducido por un usuario, que generalmente corta a un
menor nmero de cifras significativas. Dependiendo de la magnitud de los
nmeros con los que se trabaja, el error de redondeo puede tener incidencia
importante en el clculo final.
Redondeo de un nmero
Con el redondeo de un nmero lo que se pretende es escribir un numero
con menor cantidad de dgitos significativos, representando dicha cantidad
con el menor error posible.
Para redondear un nmero se fija a que cifra significativa se va a
redondear dicho nmero. Si el nmero a la derecha de la cifra fijada es mayor
o igual a 5, se suma uno en el lugar donde se quiere redondear, si es menor a
5, se deja el nmero donde se quiere redondear sin agregarle nada.
Ejemplo 7.
Redondea los siguientes nmeros a tres dgitos significativos:
a) 27,0670
b) 37,23
c) 7,415
Solucin
a) 27,0670 = 27,1 b) 37,23 = 37,2
c) 7,415 = 7,42
Ejemplo 8.
Redondea las siguientes cantidades a nmeros enteros:
a) 23,617
b) 237,21
c) 7,5
Solucin
a) 23,617 = 24
b) 237,21 = 237
c) 7,5 = 8
Ejemplo 9.
Redondea las siguientes cantidades a dos cifras decimales: a) 57,2367
b) 0,789
Solucin
c) 92,3341
a) 57,2367 = 57,24
b) 0,789 = 0,79
c) 92,3341 = 92,33
Redondeo truncado
El redondeo truncado consiste en truncar el resultado de una operacin
al nmero de cifras significativas que se estn utilizando. Por ejemplo s se
redondea -
a cuatro cifras se significativas se tiene 0.4285
Redondeo simtrico
El redondeo simtrico consiste en aumentar en uno la ltima cifra
retenida s la primera cifra descartada est entre 5 y 9, o dejarla igual s la
primera cifra descartada est entre 0 y 4. Por ejemplo s se redondea
a4
cifras significativas tenemos 0.4286.

Para verificar estos dos tipos de errores, se realiza la siguiente
operacin:
3
4
+ =1
7
7
Empleando nicamente 4 cifras significativas y usando los dos tipos de

redondeo. Se obtiene:
0.4285 + 0.5714 = 0.9999 (Redondeo truncado)
0.4286 + 0.5714 = 1.0000 (Redondeo simtrico)
Se concluye que por lo general el redondeo simtrico lleva a resultados
ms precisos.
Error porcentual
Este tipo de error consiste simplemente en el error relativo expresado en
por ciento (%). Se expresa matemticamente por:
%=
%=
Ejemplo 10.
| |
Calcular la funcin
|
|
| |
100%;
100% =
, para
| |
100%;
= 2 por mtodos numricos y halla su
error absoluto, el error relativo y el error porcentual. Considera el clculo de

sen x con S3.
Solucin
(2) mediante su serie de Taylor. La
Calcular el valor de la funcin

serie de Taylor de la funcin seno es:
( )
3!
5!
7!
=0
1)
+1
Como es imposible realizar la suma total de la serie, se debe truncarla

en algn punto, as se obtiene la sucesin:
Si se denota como
3!
3!
Se obtiene la sucesin:
El lmite ser:
3!
5!
3!
3!
5!
,...,
5!
7!
3!
5!
7!
Calculo de sen x con S3 partiendo de la serie de Taylor para la funcin

seno:
( )
3!
5!
7!
(2) = 2
sen(2) = 2
=0
2
2
+
3! 5!
1.33333 + 0.26666
1)
2
7!
+1
0.02540 = 0.90793
El valor verdadero es sen(2) = 0.909297426
Calculo de error
=|
=
| = |0.909297426
| |
| |
9.90793| = 0.001367426
0.001367426
= 0.001503826978
|0.909297426|
% = 0.001503826978 100% = 0.15%
Ejemplo 11.
Calcular la funcin
, para
= 2 por mtodos numricos y halla el
error absoluto, el error relativo y el error porcentual. Considera el clculo de

sen x con S4.
Solucin
Calculo de sen x, con S4 partiendo de la serie de Taylor para la funcin

seno
( )
3!
5!
7!
=0
1)
+1
(2) = 2
(2) = 2
2
2
+
3! 5!
1.333333 + 0.266667
2
2
+
7! 9!
0.025397 + 0.001411 = 0.909348
El valor verdadero es sen(2) = 0.909297426
Calculo de error
=|
=
| = |0.909297426
| |
| |
0.09348| = 0.000050574
0.000050574
= 0.0000556188
|0.909297426|
% = 0.0000556188 100% = 0.00556%
Conclusin: al comparar los resultados hallados en los ejemplos 3 y 4,

se verifica que la precisin del valor hallado es consistente con el valor real o
verdadero, sin embargo se nota que con una sola iteracin mas, la precisin
aument enormemente, pasando de un error porcentual de 0.15% de S3 a
0.00556% de S4, que puede considerarse valor totalmente apropiado para la
funcin buscada.
Cada caso presenta situaciones particulares, puede suceder que, como
en este caso, con muy pocas iteraciones se pueda conseguir un resultado
ptimo; sin embargo hay otros casos similares en que no sucede tal cosa.
Existen situaciones en que debido a la gran cantidad de clculos
realizados, los redondeos propios de toda operacin numrica crece tanto en
valor absoluto, que los resultados obtenidos a veces ni siquiera tienen sentido,
el error crece en forma exponencial y el mtodo no presenta estabilidad.
Mientras ms operaciones se realizan la posibilidad de error aumenta.
Cifras significativas
Cuando se emplea un nmero en un clculo, debe haber seguridad de
que pueda usarse con confianza. El concepto de cifras significativas tiene dos
implicaciones importantes en el estudio de los mtodos numricos.
Los mtodos numricos obtienen resultados aproximados. Por lo tanto,

se debe desarrollar criterios para especificar que tan precisos son los
resultados obtenidos.
Aunque ciertos nmeros representan nmero especficos, no se pueden
expresar exactamente con un nmero finito de cifras.
El nmero de cifras significativas es el nmero de dgitos que se puede
usar con plena confianza. Las cifras significativas se han desarrollado para
designar formalmente la confiabilidad de un valor numrico.
Muchos de los clculos contenidos en los problemas de la vida real
tratan con valores aproximados, entendindose que en toda medicin existen
errores, que la precisin en las mediciones y en los clculos es casi imposible.
Los dgitos significativos se encuentran contando los nmeros de
izquierda a derecha, partiendo del primer dgito no cero y terminando en el
ltimo dgito presente.
Es conjunto de dgitos confiables o necesarios que representan el valor
de una magnitud independiente de las unidades de medidas utilizadas. El
total de cifras significativas es independiente de la posicin del punto decimal.
Los ceros a la izquierda de dgitos no nulos, nunca sern cifras
significativas, mientras que los ceros intermedios de dgitos no nulos, siempre
sern cifras significativas.
Ejemplo 12.
Longitud = 26 mm = 0,026 m = 0,000026 km (dos cifras significativas)
Estatura = 1,72 m = 17,2 dec. = 172 cm (tres cifras significativas)
40072 ( cinco cifras significativas)
3.001 ( cuatro cifras significativas)
0,000203 ( tres cifras significativas)

Exactitud y Precisin.
La exactitud se refiere a que tan cercano est el valor calculado o medido
del valor verdadero. La precisin se refiere a qu tan cercano est un valor
individual medido o calculado respecto a los otros.
La inexactitud se define como un alejamiento sistemtico de la verdad.
La imprecisin, sobre el otro lado, se refiere a la magnitud del esparcimiento
de los valores. Los mtodos numricos deben ser lo suficientemente exactos o
sin sesgos para que cumplan los requisitos de un problema particular de
ingeniera.
As, si se desea que el clculo tenga un error menor al criterio para dos
cifras significativas, se deben obtener nmeros que correspondan o sean
menor a:
(0,5 10
2) = 0,5%
Esto servir para determinar cuntos trminos sern necesarios en un

clculo aproximado para tener la certeza que el error se encuentra bajo el
margen especificado.
Ejemplo 13.
Subraya los dgitos significativos de cada cantidad.
Solucin Los dgitos significativos en los siguientes nmeros estn
subrayados.
) 621,39
Precisin
) 7,400
) 0,000230
) 0,003
En el clculo numrico, la precisin se refiere al nmero de cifras

significativas que representan una cantidad.
Exactitud
La exactitud se refiere al grado de aproximacin que se tiene de un
nmero o de una medida al valor verdadero que se supone representa, o sea,
que tan cerca est del valor buscado. Por ejemplo, s se lee la velocidad del
velocmetro de un auto, esta tiene una precisin de 3 cifras significativas y una
exactitud de +5kph.
Nmeros en la computadora
La computadora es un dispositivo de clculo, sta trabaja con un
conjunto de nmeros, que no es precisamente el de los nmeros reales.
El conjunto de los nmeros reales, presenta algunas caractersticas
como:
Es infinito en ambos extremos.
Es continuo.
Cada nmero puede tener una cantidad ilimitada de cifras.
Los nmeros pueden ser tan pequeos como se desee.
El conjunto de los nmeros que se manejan en una computadora
presenta las siguientes caractersticas:
Es finito en ambos extremos.
No es continuo.
Cada nmero tiene una cierta cantidad mxima de cifras.
Los nmeros no pueden ser tan pequeos como se desee.
Una computadora almacena los nmeros en sistema binario, usando un
nmero determinado de bytes, dependiendo del tipo de dato y de la
computadora que se emplee, presentando las siguientes caractersticas:
Existe un lmite al intervalo de valores que se puede manejar.

Se limita la cantidad de cifras que se emplean para representar un
nmero.
El conjunto de nmeros no es continuo sino discreto. O sea, existen
huecos entre un nmero y otro.
Producen errores de redondeo
Al convertir los nmeros al sistema binario.
Cuando el resultado es muy pequeo y la capacidad de representarlo es
superada, se redondea comnmente a 0.
Cuando el resultado es muy grande y puede ocasionar un error al
aproximarse al mayor valor que se pueda representar.
La computadora funciona o trabaja con lo que se conoce como
aritmtica de dgitos finitos, causando que ciertos hechos que se toman como
ciertos, no lo sean en un momento dado, generando clculos aritmticos que
ocasionan ms error
La aritmtica de dgitos finitos lleva a resultados aceptables. Cualquier
operacin numrica tiene sus casos problemticos y los ms comunes son:
Divisin entre nmeros cercanos a 0.
Multiplicacin por nmeros grandes.
Suma de cantidades de distinto orden de magnitud.
Resta de nmeros casi iguales.
Propagacin de errores
Los mtodos numricos generalmente consisten en la realizacin de
muchos clculos, y esta situacin no permite predecir qu efecto producir al
resultado el error de redondeo que se acumula en cada operacin. Para

estimar el efecto del error de redondeo que se acumula y de las posibilidades
de correccin, se aplican las siguientes situaciones:
Uso de la aritmtica de precisin doble, que consiste en resolver el
problema dos veces, una con aritmtica de precisin simple y otra con
aritmtica de precisin doble. La solucin se toma considerando solo las cifras
que no hayan cambiado. El inconveniente es que los clculos de precisin
doble toman ms tiempo que los de precisin simple, adems de resolver dos
veces el mismo problema.
Uso de la aritmtica de intervalo, que consiste en retener en cada paso el
valor ms pequeo y ms grande que puede tomar el valor buscado, para que
al final se obtenga un intervalo que contenga el valor real. El inconveniente
que presenta este procedimiento es que no se sabe con exactitud en qu parte
del intervalo estar la solucin, aunque comnmente se supone que a la
mitad; esta situacin consume el doble de tiempo y memoria al almacenar los
lmites superior e inferior en los que puede estar la solucin.
Uso de aritmtica de dgitos significativos, que consiste en retener en
cada etapa solo las cifras que se piensa son significativas. La desventaja es
que se pierde informacin y no se tiene certeza de que tan significativa es una
cifra.
Enfoque estadstico, consiste en suponer un comportamiento aleatorio
con una distribucin de probabilidad conocida. De todas las aplicaciones
posibles para mejorar y precisar los resultados numricos es el que ha dado
mayor xito.
Los tipos de errores mencionados anteriormente se propagan de distinta
manera. Para estudiar la forma de propagacin de los errores en conjunto, hay
que definir dos conceptos nuevos, la estabilidad y la convergencia
La estabilidad
Todo problema requiere datos de entrada, que origina por lo menos una
salida. S cambios pequeos en los datos de entrada producen cambios
pequeos en la salida, se dice que el algoritmo es estable o problema bien
condicionado, en caso contrario se dice que el algoritmo es inestable o
problema mal condicionado.
Si el error despus de n operaciones se puede representar por
(n) = kn , se dice que el error es lineal. En cambio si el error se representa
por
(n) = k
para k > 1, el crecimiento del error se dice que es exponencial.
k es una constante independiente de n.

El crecimiento del error lineal es por lo general inevitable, y cuando k y n
son pequeos, los resultados son aceptables. El crecimiento del error
exponencial debe ser evitado, ya que el trmino kn ser grande, aun para
valores relativamente pequeos de n. Por lo tanto s el crecimiento del error es
lineal el mtodo es estable y si es exponencial es inestable.
La convergencia
Los mtodos numricos obtienen n trminos de una sucesin de valores.
Comenzando con un valor inicial que sea una aproximacin de la solucin de
un problema x0. Aplicando un mtodo numrico se obtiene otra aproximacin
x1. El procedimiento se repite para obtener x2 y as sucesivamente, es decir, se
generar la sucesin x0, x1, x2,..., xn; donde todos los trminos son
aproximaciones a la solucin del problema. S la sucesin obtenida al cabo de
n iteraciones tiende a un lmite se dice que el mtodo es convergente, en caso
contrario el mtodo es divergente.
Criterio de convergencia.
Definicin 3.
Por definicin de convergencia se tiene que si un mtodo numrico
es convergente, entonces debe ocurrir que:
En la prctica esto es imposible de conseguir, razn por la cual se debe

optar por algn criterio que permita decidir si existe o no la convergencia. Este
criterio se denomina criterio de convergencia. El criterio de convergencia

puede implementarse usando los parmetros de cuantificacin del error., que
son: el error absoluto, error relativo y error porcentual: La convergencia existe
cuando:
Error absoluto: lim
Error relativo: lim

Error porcentual:
Estos
criterios
= lim
lim
son
= lim
= 0
= lim
simplemente
= 0
100
tericos,
= 0
porque
no
presenta
practicidad a la hora de ponerlos en prctica, porque no es posible tomar

lmites con mtodos numricos, no se conoce el valor real de x y no es posible
lograr el 0. Buscando practicidad se deben modificar criterios. Al no conocer
el valor real de x se emplea el que est ms cerca, o por lo menos el que se cree
es el valor ms cercano, o sea, el valor de la ltima iteracin.
Como tampoco es posible lograr el 0, se elige un criterio de convergencia
en base a una tolerancia predeterminada, empleando valores absolutos para
tomar en cuenta el signo del error. Finalmente se obtiene:
Error absoluto:
= |
Error relativo: lim

Error porcentual:
= lim
= 100|
Tolerancia
|=
Tolerancia
Tolerancia
Como es imposible tomar el lmite, el mtodo numrico se aplica hasta

que se cumpla alguno de los criterios anteriores, por lo tanto no se conoce de
antemano el nmero de iteraciones a realizar.
Para fijar la tolerancia se debe tener en cuenta que:
Debe de ser un nmero pequeo, no negativo, distinto a 0.
La tolerancia ms pequea posible se obtiene tomando en cuenta el nmero

de cifras significativas, que maneje el instrumento de clculo que se utilice. Si
se usa una calculadora, no es posible lograr ms de 8 cifras significativas.
No debe fijarse una tolerancia que sobrepase la precisin que pueda
alcanzarse en un laboratorio, ya que el valor calculado no podra verificarse
con la precisin obtenida.
Se fija la tolerancia dependiendo de para que se quieran los resultados. Si se
requiere una estimacin burda de la solucin la tolerancia puede ser baja, una
o dos cifras significativas. Pero si se desea precisin, la tolerancia debe de ser
la mayor que se pueda alcanzar. Un valor tpico de precisin es de cuatro
cifras.
El criterio de convergencia debe ser fijado considerando la importancia
del resultado buscado, teniendo en cuenta que puede ocurrir que algunos
problemas no presentan convergencias.
El criterio de convergencia basado en el error, da una idea de los
decimales que se han alcanzado. El nmero de ceros despus del punto
decimal, indica cuantos decimales correctos se tiene, lo que no define es
cuantas cifras significativas se tienen.
El criterio de convergencia basado en el error relativo permite conocer el
nmero de cifras significativas alcanzado. Este criterio es ms til que el
anterior. Dado que el teorema es vlido solo con el error relativo real. El
problema que presenta es que no es aplicable si la solucin del problema es 0.
El criterio del error porcentual es esencialmente equivalente al caso
anterior.
Orden de convergencia
En la prctica interesa mucho que tan rpido converge un algoritmo
para llegar a la solucin buscada. Mientras menor sea el nmero de
iteraciones requerido para alcanzar la precisin deseada, mayor ser la
velocidad de convergencia y viceversa. El orden de convergencia se define por

la siguiente ecuacin:
|
|
+1
La A es una constante que depende del mtodo numrico empleado y de

la solucin del problema, se supone que es distinta de 0. El exponente a es
una constante dependiente normalmente solo del mtodo numrico. Esta
ecuacin puede escribirse de otra manera:
|
Esta ecuacin dice que el error de una iteracin es aproximadamente

proporcional a una potencia del error de la iteracin anterior. Suponiendo que
exista convergencia, entonces los errores deben de tender a 0. En esta
ecuacin es ms importante el exponente a. Dado que los errores tienden a 0,
mientras mayor sea el valor de a, menor ser el nmero de iteraciones que se
requieren. A mayor orden de convergencia mayor velocidad de convergencia y
viceversa.
El orden de convergencia normalmente es un valor constante. Un valor
tpico es 1, entonces el mtodo numrico tiene convergencia lineal. Otro valor
frecuente es 2, en este caso se dice que el mtodo tiene convergencia
cuadrtica. Existen mtodos de convergencia cubica, cuartica, etc., pero a
medida que aumente el orden de convergencia tambin el mtodo es ms
complicado. El orden de convergencia no necesariamente es un entero,
aunque, normalmente lo es.
EJERCICIOS DE CONSOLIDACIN
Ejercicio 1.- Completa el siguiente cuadro con el valor de los errores absolutos,
relativos y porcentuales.
Valor exacto
82
221
105
53
Valor aproximado
82,87
219,22
106,37
51,93
Error absoluto
Error relativo
Error porcentual
Ejercicio 2.- Sean los valores exactos: 1; 2; 3; 4; 5; 6; 7; 8; 9 y 10 y los valores

aproximados respectivos: 1,1; 2,1; 3,2; 3,9; 5,2; 6,3; 6,8; 8,1; 9,2; 10,3.
Halla los errores absolutos, los errores relativos y los errores porcentuales
de cada una de las cantidades presentadas respectos a sus cantidades
aproximadas. Para la realizacin de este ejercicio es importante construir
una tabla de valores.
Ejercicio 3.- Demuestra en las siguientes operaciones que el error absoluto de
una suma es igual a la suma algebraica de los errores absolutos de los
trminos que participan en dicha operacin.
2 + 5 + 7 = 14
2,1 + 5,2 + 7,2 = 14,5
3 + 6 + 2 = 11
3,2 + 6,3 + 2,1 = 11,6
9 + 10 + 4 = 23
9,2 + 10,3 + 4,1 = 23,6
Ejercicio 4.- En la diferencia de dos nmeros demuestra que el error absoluto
de la diferencia es menor que el mayor de los errores absolutos de sus

trminos.
9
2 = 7
9,2
2,1 = 7,1
5
1 = 4
5,2
1,1 = 4,1
10
3 = 7
10,3
3,2 = 7,1
Ejercicio 5.- En las siguientes sumas demuestra que el error relativo de la
suma de varios nmeros aproximados est situado entre el menor y el

mayor de los errores relativos de los sumandos.
3 + 5 + 7 = 15
y
3,2 + 5,2 + 7,2 = 15,6
2 + 6 + 9 = 17
2,1 + 6,3 + 9,2 = 17,6
9 + 10 = 19
9,2 + 10,3 = 19,5
Ejercicio 6.- Demuestra que el error relativo del producto de dos nmeros
tiene el mismo valor que la suma de los errores relativos de los factores ms
el producto de esos mismos errores.
3
7 = 21
2 10 = 20
5 9 = 45
3,2
2,1
5,2
7,2 = 23,04
10,3 = 21,63
9,2 = 47,84
Ejercicio 7.- Demuestra que el error relativo del cociente de dos nmeros
dados es igual a la suma o la diferencia de los errores relativos de los datos,
dividida por el menor ms uno.
7
3 = 2,333
7,2
3,2 = 2,25
9
2 = 4,5
9,2
2,1 = 4,38
10
4 = 2,5
10,3
4,1 = 2,512
Ejercicio 8.- Subraya los dgitos significativos de cada expresin:
) 21,33
) 310,56
) 0,0021
) 0,30100
Ejercicio 9.- Redondea cada nmero presentado a continuacin a tres dgitos

significativos:
Ejercicio 10.-
Ejercicio 11.-
) 3,2495 =
) 0,00414 =
) 23,540 =
) 2,4315 =
) 47,0217 =
) 5,00791 =
Redondea a unidades las siguientes cifras
) 2,37 =
) 37,88 =
) 7,49 =
) 0,86 =
) 21,37 =
) 82,52 =
Redondea a dos cifras decimales las siguientes cantidades:
) 7,397 =
) 32,7777 =
) 53,7219 =
) 41,05321 =
) 0,5611 =
) 3,22631 =
CAPITULO II
INTERPOLACIN Y AJUSTE DE CURVAS
Introduccion
La aproximacin de funciones es una de las ideas ms antiguas del
anlisis numrico, siendo ahora la ms usada. Es fcil entender por qu razn
se presenta esa situacin. Los polinomios son fcilmente computables, sus
derivadas e integrales son nuevamente polinomios, sus races pueden ser
halladas con relativa facilidad.
La simplicidad de los polinomios permite que la aproximacin
polinomial sea obtenida de varias maneras, entre las cuales se pueden citar;
interpolacin, mtodo de los mnimos cuadrados, mnimos y mximos, etc.,
por tanto es ventajoso sustituir una funcin complicada por un polinomio que
la represente.
Definicin 4.
El ajuste de curvas consiste en encontrar una curva que contenga
una serie de puntos y que posiblemente cumpla una serie de restricciones

adicionales.
Teorema 5.
Teorema de Weirstrass
Toda funcin continua pude ser arbitrariamente aproximada por un

polinomio.
Interpolacin polinomial
Por el trmino interpolacin se entiende estimar el valor desconocido de
una funcin en un punto, tomando una medida ponderada de sus valores
conocidos en puntos cercanos al punto dado.
Los mtodos de aproximacin polinomial son usados como una
aproximacin para una funcin
situaciones.
) , principalmente, en las siguientes
), se conoce sus valores
No se conoce la expresin analtica de

solamente en algunos puntos
, . . .. Esta situacin ocurre con frecuencia
en la prctica cuando se trabaja con datos experimentales y es necesario

manipular
) , como por ejemplo, calcular su valor en un punto
), es extremadamente
determinado, o su integral en un intervalo dado.
complicada y de difcil manejo. Entonces, a veces, es interesante sacrificar la

precisin en beneficio de la simplificacin de los clculos.
La clase de los polinomios algebraicos son una de la ms usada clase de

funciones reales de variable real de la forma:
, donde n es un entero no negativo y
...
( )=
son constantes reales. La
razn de su importancia es que aproximan uniformemente funciones

continuas; esto es, da una funcin definida y continua en un intervalo
cerrado, existe un polinomio que est tan cerca de la funcin dada como se
desee.
Teorema 6.
El problema de interpolacin general tiene solucin nica si las n formas

lineales son linealmente independientes.
Si
Teorema 7.
Teorema de aproximacin de Weierstrass
est definida y es continua en
polinomio P, definido en
|
] , dado
], con la propiedad de que

)| < ,
> 0 , existe un
El aspecto importante que presenta los polinomios en la aproximacin

de funciones es la facilidad para determinar la derivada y la integral indefinida
de cualquier polinomio y el resultado es otra vez un polinomio. Esta es la razn
por la frecuencia de uso de los polinomios para aproximar funciones que se
suponen continuas.
Polinomios de interpolacin
El problema general de interpolacin por medio de polinomios consiste
+ 1 nmeros o puntos distintos, sean stos reales o complejos
en, dado
,...,
nmeros
=
+ 1 puntos o nmeros reales o complejos
que
en
mximo n tal que:
,...,
general,
+1
son
valores
de
, determinndose un polinomio
) =
) =
; ...;
,...,
sean distintos.
) =
una
,..,
funcin
) de grado
Los polinomios de interpolacin existen y son nicos, en la hiptesis de

que los puntos
Dados
valores
a
tal que:
Teorema 8.
+ 1puntos distintos
,...,
Definicin 5.
,...,
(reales o complejos) y
+ 1
existe uno y solo un polinomio de grado menor o igual
= 0,1,2,3, ,
Se llama polinomio de interpolacin de una funcin y = f(x) sobre
un conjunto de puntos distintos x0,x1,x2, ...,xn, al polinomio de grado mximo n

que coincide con
,...,
. Tal polinomio ser designado por
; ) y, siempre que no cause confusin simplemente por
Ejemplo 14.
Dados los pares de puntos
( ).
1, 15); (0, 8); (3, 1) , determinar el
polinomio de interpolacin para la funcin definida por este conjunto de pares

de puntos.
Solucion
De acuerdo a los datos del problema se tiene
1
=0
=3
= 15 =
=8=
1=
)
)
)
= 2, y se debe determinar
Se tiene tres pares de puntos, por lo tanto

)
( )
Susyituyendo
+3
= 0,1,2
obtenemos
=8
+9
= 15
=9
= 8,
6,
=2
Resolviendo la ecuacin simultnea se tiene la solucin y el polinomio

de interpolacin de
, es:
( )=8
, o lo que es lo mismo
( )=
+ 8, Completando el ejemplo se presenta la grfica de los puntos
citados en un plano y la grfica de la funcin en el mismo plano
Figura 1.
Interpolacin de Lagrange
( )=8
6 +
Para la interpolacin lineal se utiliza un segmento de recta que pasa por

dos puntos conocidos, sean estos puntos
luego la pendiente del segmento es:
) dichos puntos,
( )
Aplicando propiedad distributiva:

( )
( )=
( )=
( )=
Es el polinomio de grado menor o igual a 1, que satisface que

( )=
( )=
Otra forma de encontrar este polinomio fue propuesta por
Lagrange de esta forma:

( )
( )
Luego
=
+(
( )
Hallando mcm al trmino entre parntesis y multiplicando por (-1)
Asi
Como
( )
( )
( )
, los cuales son lineales
=
(x ) = 0,
( )
(x ) = 0,
( )=y y
tanto ( ) pasa por los puntos (
Definicin 6.
Los trminos
coeficientes de LaGrange
( )
)y(
(x ) = 0 ,
)
( )
(x ) = 1
( )=y
entonces
por
, se definen como
De la definicin anterior se tiene:
( )=
=
Cuando
), el proceso de utilizar
] se conoce como interpolacin lineal,
en
nodos. Si
<
calcular
reciben el nombre de
al proceso se le llama extrapolacin.
Considerando la funcin
= 0.2
) para aproximar a
) =
en [0.2; 1]. Usar los nodos
= 1 para construir un polinomio de interpolacin lineal
(0.6).
La grfica de la funcin se visualiza en la figura
Figura 2.
= 0.2
= 1.0
=
=
Se aplica la frmula para hallar
( ) =
0.2 = 0.19866933
1.0 = 0.84147098
) y
( )
0.2
1.0
+ (0.19866933)
1.0 0.2
0.2 1.0
( ) = (0.84147098)
) = 1.051838725(
Evaluando en
(0.6) se tiene:
(0.6) = 1.051838725(0.6
0.2)
(0.6) = 1.051838725(0.4)
0.2)
0.248336662(
0.248336662(0.6
1.0)
1.0)
0.248336662( 0.4) = 0.42073549 + 0.099334664
(0.6) = 0.520070154
Calculo de error
El valor verdadero de
0.564642473
(0.6) = 0.564642473
0.520070154
0.564642473
= 0.07893, E% = |E x100| = 7.89%
De hecho, el error generado por este mtodo es an muy grande, se nota

la diferencia al acercar los nodos al punto que se desea evaluar. Esto indica
que este mtodo no es el mejor a ser aplicado para construir un polinomio de
interpolacin.
+ 1 puntos
En general si se tiene los

) para
= 0,1,2,3, . . . ,
,...,
el polinomio que pasa por esos
( )=
, y si
+ 1 puntos es:
Donde
)(
)(
) (
)(
Y la notacion mas compacta
)(
)(
)(
)(
)=
(x
(x
=
Ejemplo 15.
=
Sea
= 0.2;
(6).
= 0.5;
) =
en el intervalo [0.2,1] . Usando los nodos
= 1 construir el polinomio interpolador
) y calcular
Solucin
= 0.2
= 0.5
= 1.0
0.2 = 0.198669
0.5 = 0.479426
1.0 = 0.841471
), teniendo en cuenta que se tienen
Se aplica la frmula para hallar

tres nodos
( )
x)
x)
)
)
)
)
(
(
)
(
)
)
(
(
)
)
(
(
0.5)
1)
0.2)
1)
( ) = 0.198669
+ 0.479426
(0.2 0.5 )(05 1)
(0.5 0.2)(0.5 1)
(
0.2)
0.5)
+ 0.841471
(
0.2)(1 0.5)
)
( ) = 0.82779 (
0.5)
+ 2.10368 (
1)
0.2)
3.19617 (
0.5)
( ) = 0.82779 (
1.5 + 0.5) 3.19617(
+ 2.10368(
0.7 + 0.1)
( ) = 0.82779
1.241685 + 0.413895 3.19617
+ 2.10368
1.472576 + 0.210368
0.2)
1)
1.2 + 0.2)
+ 3.835404
( )
0.2647 + 1.21143
0.014971
(0.6)
0.2647 (0.6) + 1.21143(0.6) 0.014971
(0.6)
0.095292 + 0.6726858 0.014971 = 0.5624228
Calculo de Error
El valor verdadero de
(0.6) = 0.564642473
0.639234
0.56423
0.56464247
0.56464247
= 3.93x10 , E% = |E x100| = 0.39%
Observacin: en la figura se tienen las dos funciones superpuestas en el

)
intervalo estudiado, la funcin sen(x) y el polinomio de interpolacin
Figura 3.
Error en la interpolacin
( )=
) para una funcin
El polinomio de interpolacin
un conjunto de puntos distintos
) =
),
verdadero que
= 0,1,2, . . . ,
) =
0,1,2, . . . ,
se considera
calcula
) a travs de
,...,
) sobre
cumple la propiedad
En los puntos
) . Para evaluar
no siempre es
) en los puntos
) como una aproximacin para la funcin
) en un cierto intervalo que contangan los puntos
Sea
) =
( )
).
Teorema 9.
) continua en
Teorema de Rolle
,...,
] es diferenciable en cada punto de
), entonces existe un punto
<
<
, tal que
y se
). Si
) = 0.
Sea
Teorema 10. Teorema generalizado de Rolle
> 2, suponiendo que
) sea continua en
). suponiendo que ( )
exista en cada punto de
. existe entonces un punto
=0
)
)=
Teorema 11. Teorema del trmino de error
) continua en
Sea
)
( )
] y que
] es diferenciable y suponiendo que
exista en cada punto de (

(
( )
Donde min (
)=
), el punto
)(
(
1)!
. Entonces
depende de x Este teorema es
ms terico que prctico. En la prctica, para estimar el error cometido al

aproximar el valor de una funcin en un punto por su polinomio de
interpolacin, se utiliza el siguiente corolario:
Si
en [
sus
] entonces:
(
( )
derivadas
)(
|(
Teorema 12.
Cuando los puntos
hasta
)(
1)!
orden
+1
)|
Puntos igualmente espaciados
, son igualmente espaciados de
= 0,1, . . . ,
son
continuas
)
0, esto es:
1, donde h es un nmero fijo. Se determina
una forma del polinomio de interpolacin y de error, en trminos de una

variable u, definida as:
=
En funcin de la variable u, se tienen los siguientes teoremas.
Teorema 13.
= (
Para r y s enteros, no negativos,
Para r enteros, no negativos,
Teorema 14.
teoremas anteriores se obtiene
(
(
)=
1)
1)
(
(
1)
1)
. Usando los dos
( + 1) (
( + 1) (
)
)
Que es la frmula de Lagrange de polinomio de interpolacin igualmente

espaciados
0 .
de
Esta
forma
de
polinomio
interpolacin
es
particularmente til en la determinacin de integracin numrica de

funciones.
Se sustituye
(
( )
( )
Donde min(
El
polinomio
por
(
)
,
de
en
)(
max (
interpolacion
Ejemplo 16.
(
(
1)
1)
Dada la siguiente tabla:
1) (
se escribe en terminos de
( )=
)!
para
( + 1)!
como
+ 1 puntos
sonbre
)=
(
(
1)
1)
( + 1) (
( + 1) (
)
)
0.1
1.3499
) =
Calcular
0.2
0.3
1.8221
0.4
2.4596
3.3201
0.5
4.4817
= 0.25 usando polinomio de
en el punto
interpolacin sobre tres puntos.
Hallar un lmite superior para el error de truncamiento.

Solucin
Inicialmente se escogen tres puntos apropiados en la tabla dada y a
) =
continuacin se construye la tabla de

0.3,
= 0.4
0.2
0.3
0.3644
( )=
Usando
( )=
(
(
( )=
) = (0.3644)
1)
1)(0
( )=
Y usando
)=
(
1(1
) (
) (
2)
=
2)
1)
=
1)
+2
+ (0.7379)
) = 0.1083
+2
)=
Agrupando terminos y resolviendo

(
1.3280
2)
=
2)
2(2
= 0.2
0.4
0.7379
)
en el punto
+ (1.32800)
+ 0.2652 + 0.3644
(0.25)
Se desea clacular
Usando regla de ruffini
0.5
Se tiene
De
(
|(
)(
= 0.5
|f (t)| = 125.4988
= 0.1
= 0.5
(0.25)
(
( )
( )
Donde
0.1083
( )
0.2
0.2652 0.3644
0.0542 0.1597
0.3194 0.5241
(0.5) = 0.5241
Entonces
De
0.1083
0.25
1) (
1)(
2)
1)(
2)
3!
( + 1)!
3!
)|
)(
1)!
)
)
= 0.001 y apartir de
( ) = 27e (1 + t)
Por tanto
( ) = |0.5||0.5
Observaciones
1||0.5
2|
0.001
x(5.066 = 0.0078
6
10 )
Si se compara el valor obtenido para /(0.25) con el valor exacto se

verificar que el resultado est con dos cifras decimales correctas.
El polinomio de interpolacin obtenido en este ejemplo est en funcin

de la variable u. Por lo tanto no es posible verificar si el valor del polinomio en
los puntos tabulados coincide con el valor de la funcin en esos puntos. Como
la funcin es creciente en el intervalo [0.2;
0.4], el valor para /(0.25) debe
estar entre [0.3644; 0.7379].

Cuando se conoce la expresin analtica de la funcin, el termino del
resto genera una estimacin sobre el numero de cifras decimales correctas que
se puede obtener en la aproximacin. La aplicacin de la formula de termino
del resto es til cuando se desea el resultado con una precisin prefijada.
Diferencias Divididas
Hay
dos
desventajas
al
usar el
polinomio
de
Lagrange
para
interpolacin.
Implican ms operaciones aritmticas que el mtodo de diferencias
divididas (mtodo a ser analizada a continuacin).
Si se desea sumar o restar un punto del conjunto usado para obtener
el polinomio, esencialmente debe iniciarse de nuevo el proceso.
El mtodo de diferencias divididas es econmico en cuanto a los clculos
aritmticos realizados en el proceso.
Es importante notar que, tanto por el mtodo de Lagrange como por el
mtodo de diferencias divididas no se consiguen resultados diferentes,
solamente en la economa de los procesos de clculo.
Definicin 7.
y sean
Definicin 8.
[
,,
Sea
= 0.1, . ,
]
,,
+ 1. Puntos distintos en un intervalo
,...,
+ 1 , valores de una funcin
se define
[
= 0,1,2, ,
) sonbre
,,
Definicin 9.
funcin
Donde
es la diferencia dividida de orden n de la
,,
)sobre los puntos
,...,
Usando esta definicion se tiene
[ ]
+1
Al segundo miembro de cada ecuacin precedente se debe aplicar

sucesivamente la definicin de diferencia dividida hasta que los clculos
involucren solamente el valor de la funcin en los puntos, o sea:
[ ]
[ ]
Existe una forma ms simple y organizada para calcular las diferencias

divididas de una funcin, es construyendo una tabla de diferencias divididas
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ,
]=
, =
[ ,
[ ,
[ ,
La primera columna est constituida por los puntos
]
,
= 0,1,2, . . . , ;
La segunda columna contiene los valores de

= 0,1,2, . . . , ;
) en los puntos
La siguientes columnas 3, 4, 5, . . ., estn las diferencias
divididas de orden 1, 2, 3, . .. cada una de estas diferencias es una funcin cuyo
numerados es siempre la diferencia entre dos diferencias consecutivas y de

orden inmediatamente inferior y cuyo denominador es la diferencia entre los
dos extremos de los puntos considerados.
Ejemplo 17.
Construir la tabla de diferencia dividida de la siguiente funcin
presentada en la tabla.
( )
Solucin
-2
-1
-2
29
30
31
62
Usando la tabla de diferencia divida se tiene:
2
1
[ ]
2
29
30
31
20
1
( 2)
= 31
( 2)
30 29
=1
0 ( 1)
31 30
=1
1 0
62 31
= 31
2 1
62
[ ,, ]
, ,
1 31
=
0 ( 2)
1
15
1
=0
1 ( 1)
31 1
= 15
2 0
0 (
1 (
15
2 (
15)
=5
2)
0
=5
1)
[ ,,
5
=0
( 2)
Ejemplo 18.
Para la
divididas:
siguiente tabla de datos construya la tabla de diferencias
x
F(x)
-0.3
1.6081
Solucin.
xi
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
-0.2
1.4016
-0.1
1.2001
Orden 1
F[xi
1.6081
1.4016
1.2001
1.0000
0.8001
0.6016
0.4081
-2.065
-2.015
-2.001
-1.999
-1.985
-1.935
0.0
1.0000
0.1
0.8001
0.2
0.6016
0.3
0.4081
Orden 2
Orden 3
Orden 4
Orden 5
Orden 6
0.25
0.07
0.01
0.07
0.25
-0.6
-0.2
0.2
0.6
1.0
1.0
1.0
0
0
Note que las diferencias divididas de orden 4 tienen el mismo valor, y las
diferencias de orden superior a 4 son nulas, lo cual concuerda con que la

derivada de orden 4 de un polinomio de cuarto grado es constante y su quinta
derivada es cero.
Si al construir una tabla de diferencias divididas en alguna columna k
todos los elementos tienen el mismo valor y en las siguientes columnas los
elementos son ceros, entonces la tabla corresponde a un polinomio de grado k.
Frmula de Newton
Para obtener la formula de Newton de polinomio de interpolaciones
necesario definir algunas funciones. En principio la funcin
continua y que tenga derivada continua en el intervalo
,...,
que los puntos
sean distintos en
de la siguiente manera.
f x0, x1 =
f[x1] f x0,
x1 x0
f x0, x1 , x2 =
, , definida [a,b] en para x
f[x1 ,x2] f x0, x1

x2 x0
(n + 1)f x0, x1 , , xn
Definida para [a,b], x
], adems de eso,
]. Las funciones se definen

0
definida [a,b] en para x

= f[x0, x1 , , x_n ] =
) debe ser
0yx
x1
f[x1 x2 , , xn ] f x0, x1 , , xn
xn x0
xk , k = 0,1,2,3 n
En las funciones definidas precedentemente, se producen aumentos

sucesivos, en la diferencia divida o el proximo punto de la tabla. En todos los
casos se aplican el corolario de diferencias divididas.Las diferencias divididas

de orden k de una funcin f(x) satisface
,
]
).(
)(
]
).(
)(
+
)
]
).(
)(
Esto afirma que se puede usar cualquier par de puntos para construir la
diferenciadividida de una funcion, y no necesariamente el primero y el ltimo.
A partir de este punto corresponde buscar una formula de recurrencia para
f(x) De la formula anterior se obtiene:
) = [ ] + (x
De las formulas anteriores,se tiene:

)
)=
( )
]+(
) [
( )
]+(
) [
[ ]
(
]+(
] [
]
+(
+(
+(
)(
)(
)(
)(
)(
)(
)(
)(
De forma parecida, de (n+1) se obtiene:

]+(
,
,
,
,..,
,..,
De esta manera se tiene una formula de recurrencia para f(x).
)(
]+. . +(
) [
]+(
)= [
Es el polinomio de interpolacion de la funcion

puntos
,,
Luego:
( )
+(
esto es
)(
)(
= 0,1, ,
]+(
) [
]+(
)(
,,
,,
= { }
= { }
) sobre los
Esta es la formula de Newton de polinomios de interpolacion. La

expresion:
)(
)(
R =(
= { }
,,
Corresponde a la formula del termino del resto o error de truncamiento.

Este error de truncamiento es la misma de la formula de Lagrange.
Estimacin Del Error Usando Polinomios De Newton.
Si se conoce la ley de asignacin que define a f , el error se puede
( )=
estimar usando la frmula

conoce
( )
)!
)(
)(
). Si no se
, entonces el error se estima as: el polinomio de Newton de grado
que interpola los puntos.
viene
)= [
xi
x0
f xi
f0
dado
]+(
) [
...
...
]+. . +(
la
)
)(
es igual al trmino que se le aadira a
)(
fn
por
supongamos que se le aade el punto

polinomio de grado
xn
expresin
,,
= { }
) a la tabla, entonces el error
+ 1) , es decir:
y
)
) si furamos a construir un
( )
,,
)(
Polinomios interpolantes de newton con nodos igualmente espaciados.

= 0,1,2,3,4,5
S los nodos
igualmente
espaciados,
entonces
expresar de otra forma:
sea
( )=
); i = 0,1,2, . n
) y se obtiene:
se sustituye en la formula de
[
,,
se
puede
y cualquier punto no tabulado x es
> 0; por lo que:
( )
frmula
el tamao de paso entonces: los nodos se
pueden expresar as
igual a
la
)(
]+. . +(
) [
]+(
)= [
se ordenan en forma creciente y estn
,,
1)
1) (
,,
1 lo cual
+ 1)
1) (
+ 1)
La cual se conoce como la frmula de diferencias divididas progresivas

de Newton (tambin se conoce como frmula hacia adelante) y el error viene
dado por:
( )
Nota:
a) El valor de
b) Como
evaluar,
,,
,,
> 0 , entonces
( )=
donde
punto
( ) se puede expresar de otra forma usando el siguiente
proceso: recuerde que:

(
se calcula usando la tabla de diferencia dividida.
el primer nodo.
c) La frmula
1) (
)(
)(
)!
!(
,
,,
)!
!(
)!
)(
!(
( )
, esto se sustituye en
!
( )
)(
,,
)!
)!
, lo cual equivale a
y se obtiene :
!
Formula de Newton-Gregory
Para puntos igualmente espaciado se puede usar una variante de la
formula de Newton, conocida como formula de Newton Gregory.
( ) tambin se puede expresar usando la notacin de las
La frmula
diferencias progresivas :
[ ]
,
,,
,,
( )
( )
( )
=
=
En general:
( )
( )
( )=
( ), lo cual se sustituye en
obtenindose lo que se conoce con el nombre de
Diferencias Progresivas de Newton :

( )=
,,
Si los nodos se ordena as

polinomio de Newton es igual a:
( )
]+(
) [
,,
)(
]+(
)(
(en forma decreciente), el
)(
S los nodos son equidistantes con el tamao de paso h entonces :

,
1) = 0,1,2, ,
los cuales se sustituyen en polinomio de Newton en forma decreciente
obtenindose:
( )
( )
,.
,,
]sh +
+ 1) +
h s(s + 1) (s + n
( + 1) . (
1)
( Error asociado )
que se conoce como la frmula de diferencias divididas regresivas ( o

hacia atrs ) de Newton.
Notas:
a) las diferencias que aparecen en la frmula de
) previa, quedan
en la diagonal inferior de la tabla de diferencias divididas.
b) Si ya has
construido la tabla de diferencia dividida hacia delante no es necesario

construir la tabla de diferencia dividida hacia atrs. Se trabaja con la primera
y se toman los elementos de la diagonal inferior (trazadas de abajo hacia
arriba).
Ejercicio 12.-
Halla el polinomio de interpolacion de los siguientes
puntos: (1, 2); (0, 4); (2, 6). Evaluarlo en
Ejercicio 13.-
(1.5)
Halla el polinomio de interpolacion de los siguientes
puntos: (-1, 3); ( 2, 1); (0, 1); (1, 0). Evaluarlo en
Ejercicio 14.-
Dados
los
pares
de
puntos
(1.5).
(1, 3); (2, 3); (3, 6); (4, 3),
determinar el polinomio de interpolacin para la funcin definida por este

conjunto de pares de puntos.
Ejercicio 15.-
Dados
los
pares
de
puntos
(2, 2); (3, 5); (5, 8); (7, 4)
determinar el polinomio de interpolacin para la funcin definida por este

conjunto de pares de puntos.
Ejercicio 16.-
Sea la siguiente tabla:
( )
0
-1
1
3
3
9
5
2
Determinar el polinomio de interpolacion con la formula de Lagrange,

sobre todos los puntos y calcular ; (4)
SISTEMAS NO LINEALES
CAPITULO III
Introduccion
Estudiamos en este captulo uno de los problemas ms bsicos de la
aproximacin numrica y con mayor historia: el clculo de races. Es decir, la
determinacin de una raz, o solucin, de una ecuacin de la forma
donde
) = 0,
, por lo general, es una funcin real no lineal de variables reales.
Las races de esta ecuacin tambin se llaman ceros de la funcin f. Un

ejemplo que muestra la necesidad de tener tcnicas de aproximacin a alguna
solucin del problema anterior es el caso simple de encontrar soluciones de un
polinomio. Se conocen frmulas para polinomios de grados 2, 3 y 4, siendo de
complejidad creciente, pero con la posibilidad de determinar sus ceros
exactamente.
A principios de siglo XIX Galois prob que no existen frmulas explcitas
para determinar los ceros de polinomios de grado mayor o igual que 5. La
situacin es an ms difcil cuando
no es un polinomio. Esta limitacin
obliga a buscar mtodos para encontrar los ceros de forma aproximada. Los
mtodos que se discuten en esta leccin son iterativos y de dos tipos: uno en el
que se puede asegurar la convergencia y el otro en el que la convergencia
depende de una o dos aproximaciones iniciales.
Mtodos conceptualmete sencillos son los mtodos de intervalo, que
aprovechan el cambio de signo de la funcin en el entorno de una raz. As,
partiendo de dos valores proporcionados inicialmente, dichos mtodos tratan
de reducir el tamao del intervalo que encierra al cero buscado, hasta
converger a ste con la suficiente precisin.
Un ejemplo de este tipo de mtodos es el de biseccin, que adems de ser
un mtodo simple e intuitivo, se puede utilizar para obtener una adecuada
estimacin inicial del cero de la funcin que despus puede ser refinado por
mtodos ms poderosos. El segundo tipo de mtodos se basa en aproximar la
funcin, cuyos ceros se buscan, por una recta. Los mtodos que describiremos
parten de una aproximacin (Mtodo de Newton, que aproxima la funcin por
una recta tangente) o dos aproximaciones (Mtodo de la Secante, que
aproxima la funcin por una recta secante) y determinan el cero de la funcin
con una precisin deseada. Estos mtodos no garantizan la convergencia,
pero, cuando convergen, lo hacen generalmente ms rpidamente que los
mtodos de intervalo
Uno de los problemas que frecuentemente se presenta y requiere de
solucion en algun tipo de trabajo cientifico, es el de calcular las raices de una
determinada ecuacion de la forma
( ) = 0 Donde
polinomio en x una funcion trascendente.

Es posible hallar la raiz exacta de
( ) puede ser un
( ) = 0, cuando los polinomios son
factorables, sin embargo, no siempre sucede asi, pues en la mayoria de los
casos, las raices de las ecuaciones buscadas pertenecen al conjunto de los

numeros racionales o al conjunto de los nmeros complejos, pudiendo ocurrir
que en una misma ecuacion se den resultados con nmeros reales y
complejos.
Por medio de metodos numericos es posible obtener una solucion
aproximada al valor exacto, tan proxima como se desee, dependiente de la
precision deseada prefijada.
La mayoria de los procedimientos numericos generan una secuencia de
aproximaciones,
algunas
con
mayor
precision
que
otras,
algunas
aproximandose con mayor rapidez a lasolucion buscada, de tal forma que la

repeticion de procedimientos produce una aproximacin al valor verdadero
con una precision definida por una tolerancia prefijada.
La busqueda de raices por medio del analisis numerico es similar al de
limite del anlisis matematico, pues normalmente el resultado obtenido de
una operacion por medio de metodos numericos se acerca tanto como se desee
al valor verdadero, sin llegar casi nunca al valor exacto.
La caracteristica principal de los metodos numericos es que casi nunca

arrojan resultados exactos, por lo tanto, en la mayoria de los casos, si no en
todos, se obtienen resultados aproximados, que siempre dependeran de la
precision que se desee.
Teorema 15. Teorema de Fermat
Si una funcin ( ) = 0alcanza un mximo o mnimo local en c, y si la
derivada
( ) = 0 existe en el punto c, entonces
( )=0
Suele utilizarse como mtodo para hallar mximos y mnimos

locales de funciones diferenciables en intervalos abiertos, ya que todos ellos
son puntos estacionarios de la funcin (puntos donde la funcin derivada vale
cero,
( ) = 0). El teorema de Fermat slo da una condicin necesaria para
los mximos y mnimos locales, sin embargo, no se refiere a otra clase

de puntos
estacionarios como
son
en
ciertos
casos
los puntos
de
inflexin (que no son ni mximos ni mnimos). La derivada segunda de

la funcin
( ) ; si es que existe; puede indicar si el punto estacionario en
cuestin es un mximo, un mnimo, o un punto de inflexin. El teorema de

Fermat es un teorema de anlisis real llamado as en honor a Pierre de
Fermat.
Si
Si
]; entonces existe un
es continua en un intervalo cerrado

] para el cual
punto
punto
Teorema 16.
( )
( )
Teorema 17.

] para el cual
( )
( )
Teorema 18. Teorema de Rolle
]; entonces existe un
Si
) y
intervalo abierto (
tal que
] ; diferenciable en el
( )=0
( )
) , entonces existe un nmero
Teorema 19. Teorema de Rolle
( ) = 0,
Entre dos raices consecutivas de una ecuacion algebraica

existe un numnero impar de ceros de la derivada
, contando cada uno de
ellos tantas veces como indique su orden de multiplicidad. Entre dos raices
consecutivas de la derivada no pueden existir dos raices distintas de
porque si existieran,
Teorema 20. Teorema del Valor Medio
es continua en un intervalo cerrado y [
Si
intervalo abierto (
( )
Si
tendria una raiz intermedia.
) existe un numero
) , tal que
es continua en un intervalo cerrado y [
( )=k
] y diferenciable en el
Teorema 21. Teorema del valor Intermedio
nmero cualquiera entre

que
( ) = 0,
( )
( ) y ( )entonces existe un numero
( )
( )=
( ) y k un
), tal
Resolucion de ecuaciones no lineales
Para resolver ecuaciones no lineales se deben tener en cuenta varias

situaciones, sin embargo la mas importante es encontrar el intervalo o un
punto en para comenzar las iteraciones en busca de un cero de la funcion,
procurando que este valor se encuentre lo bastante proximo de un cero, asi se
evitara realizar demasiadas operaciones. Se aclara de nuevo aqui, que se usa
indistintamente la como (,) o el punto (.) para indicar decimales. Ejemplos: 2,5
= 2.5 Esta situacion se debe a que en Paraguay se usa normalmente la como
(,) como separador de la parte entera y su decimal, mientras que en otros
paises se usa el punto (.). Se aclara esta situacion, pues las calculadoras
tambien usan el punto como separador decimal.
El orden de convergencia de un metodo mide la velocidad con que las iteraciones
producidas por el metodo se aproximan a la solucion exacta. Asi, cuando mayor fuere el
orden de convergencia mejor sera el metodo numerico, pues sera posible obtener mas
rapidamente la solucion buscada.
Definicin 10.
la iteracin
constante
convergencia
Sean
en
} el resultado de la aplicacin de un mtodo numrico en

, su error. Si existiere un nmero
1 y su
es una funcin dada, un punto
] es un
> 0 tal que:
Definicin 11.
Si
cero (o raz) de
:[
Donde p es el orden de
) = 0
Grfica de funciones, un mtodo para hallar intervalos.

Las grficas ayudan enormemente en la bsqueda de los ceros o races de una
funcin, pues si no se conoce el intervalo que contiene la raz de dicha funcin, es
difcil iniciar cualquier proceso en bsqueda de solucin.
Seguidamente se presentan algunas grficas y las explicaciones necesarias
para iniciar la bsqueda de solucin de ecuaciones no lineales.
Ejemplo 19.
Hallar el intervalo que contiene una raz de la funcin
Solucion 1: Se grafica la funcin
( )=
( )=
Figura 4.
( )=
Segn la grfica de la funcin, se tiene una raz en el intervalo [1; 1.5] y
otra raz en [4.5; 5].
Observacin: Al ser
esta ecuacin tiene infinitas soluciones.
) una funcin peridica,
Solucion 2:
Se la funcin
( )=
= 0 entonces
=
= 0 , esto implica 0 =
, asi y =
se grafican por serparado
, si
, de esta manera y =
Figura 5.
y =
La interseccin de las dos curvas es un cero de la funcin sobre x, lo

cual indica que una raz se encuentra en el intervalo [1; 1.5], como en el caso
anterior.
Comentarios Si se realiza la grfica a escala y sta est bien definida

(una grfica muy bien hecha), se puede estimar un intervalo ms reducido
como [1.2; 1.4], con esto se acelerara notablemente el proceso de
aproximacin a una raz de la funcin (ecuacin), pues se usara menos
iteraciones, por lo tanto, se resolvera el ejercicio en menos pasos.
Grficamente, los ceros de una funcin son los puntos de interseccin de la grfica
=
( ) con el eje de las x.
Mtodos cerrados
Los mtodos numricos que en cada paso dan un intervalo cerrado

donde se encuentra la raz buscada, son llamados mtodos cerrados. Entre los
ms conocidos se encuentran el mtodo de biseccin y el mtodo de la falsa
posicin o Regula Falsi.
Metodo de Biseccin
Definicin 12.
Sea f una funcin continua en un intervalo
) <
0. Entonces, por el teorema del valor intermedio para funciones continuas, existe
al menos un
) tal que
) = 0.
El mtodo de la biseccin es un algoritmo de bsqueda de races que

] consiste en dividir
aplicando la funcin / para aproximar la raz
sucesivamente al intervalo a la mitad y seleccionando el sub-intervalo que

tiene la raz. Es un mtodo de bsqueda incremental que divide el intervalo
siempre en 2.
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 donde exista cambio de signo, basndose en el
teorema de Bolzano. El proceso se repite hasta mejorar la aproximacin.
Supngase que se desea resolver la ecuacin
funcin continua. Dados dos puntos a y b tal que
) = 0, donde / es una
)
) tengan signos
distintos, dice el Teorema de Bolzano que / debe tener, al menos, una raz en
].
el intervalo
El mtodo de biseccin divide el intervalo en dos, usando un tercer

punto
posibilidades
( )
En
este
momento,
existen
dos
) tienen distinto signo. El algoritmo de
biseccin se aplica al sub-intervalo donde el cambio de signo ocurre.
El mtodo de biseccin no es muy eficiente, pero es mucho ms seguro

que otros mtodos de aproximacin de races, pues siempre converge hacia el
valor buscado.
( ) ( ) < 0,
Si
entonces
es una funcin continua en el intervalo [
cota del error absoluto es:
este mtodo converge a la raz de
] y
. De hecho, una
En este mtodo se plantea una situacin prctica, esquematizando el

procedimiento del mtodo de biseccin, se pueden considerar los siguientes
puntos.Encontrar dos nmeros: a y b con a < b en los cuales el polinomio P

toma valores cuyos signos son distintos.
=
Considerando que:
) = 0,
Si:
es el punto medio del intervalo
es la raz buscada, si
a) Se elige uno de los intervalos
] [
0 entonces:
].
] de tal manera que los
extremos del intervalo del polinomio tome valores cuyos signos sean distintos.
Se repite el procedimiento en el intervalo elegido.
Observaciones: La longitud del intervalo es una estimacin del error
cometido al aproximar la raz. La nica restriccin para elegir a y b es que los
valores P(a) y P(b) tengan signos distintos, en general, entre ms pequea sea
la longitud del intervalo, en menor nmero de pasos se encontrar la
aproximacin deseada. Este mtodo se aplica en la busca de races tanto
racionales como irracionales.
Teorema 22. Teorema de Weierstrass
Una sucesion creciente y acotada superiormente tiende a un lmite, y

una sucesion decreciente y acotada inferiormente tiende a un limite.
Sea
Teorema 23. Teorema de convergencia

) < 0.
Sea { }
la sucesin de puntos
medios generada por el mtodo de bsqueda binaria (mtodo de biseccin).

Existe
coverge a { }
], tal que
) = 0 y adems:
en particular
El orden de convergencia de un metodo mide la velocidad con que las

iteraciones producidas por el metodo se aproximan a la solucion exacta.
Cuando mayor es el orden de convergencia mejor sera el metodo numerico
pues se obtiene la solucion con mayor rapidez.
Ejemplo 20.
( )=
Aproximar con al menos una cifra exacta la raz del polinomio

6.
Solucin
Para encontrar el intervalo que contiene una raz de la funcin, la forma ms

simple es graneando dicha funcin
y
x
( )=
Figura 6.
Segn la grfica, una raz de la ecuacin se encuentra en el intervalo

2, 1]. Se inicia la bsqueda de la raz de este polinomio en el intervalo
2, 1].
Sea el polinomio
Evaluando en
Asi
( )=
2) =
( 1) =
Intervalo
[-2;-1]
[-1.5;-1]
[-1.25;-1]
[-1.125;-1]
[-1.0625;-1]
6( 2) + ( 2)
6( 1) + ( 1)
Punto medio xn
-1.5
-1.25
-1.125
-1.0625
-1.0313
6 = 40 > 0
6 =
P(xn)
12.75
4.46
1.418
0.134
-0.45008
1< 0
Signo
+
+
+
+
-
Error
1
0.5
0.25
0.125
0.0625
[-1.0625;-1.0313]
-1.0468
-0.16436
0.03125
Como -1,0625 y -1,0313 tienen un 0 en la primera cifra decimal,

cualquier punto intermedio lo tiene, es decir, la primera cifra decimal de la raz
buscada es cero, lo cual asegura que la aproximacin obtenida tiene una cifra
decimal exacta.
Comentario Una desventaja es que en general la convergencia es muy
lenta, la biseccin necesita, para obtener una buena aproximacin, muchos
ms pasos que cualquiera de los otros mtodos que veremos despus. Pero
estos mtodos, para converger, necesitan que la primera aproximacin que se
toma, el, est cerca de la solucin exacta de la ecuacin.
En consecuencia, el procedimiento usual es ste: se usan unos pocos
pasos de la biseccin para acercarse a c y a partir de all se usa cualquiera de
los otros mtodos de convergencia rpida.
Mtodo de Regula Falsi, Regla Falsa o Falsa Posicin
Este mtodo de aproximacin de races es similar al mtodo de biseccin
en el sentido de que se generan sub-intervalos
a, pero esta vez, xn no es el punto medio de
interseccin de la recta que pasa por los puntos
eje x.
] que encierran a la raz

(
] , sino el punto de
) ;(
)) con el
Al reemplazar la curva por una recta se obtiene una posicin falsa de la

raz, de ah el nombre el mtodo. Este mtodo tambin se conoce como mtodo
de interpolacin lineal inversa. En la figura se grfica el mtodo.
Sea
( ) ,
( ) ( ) < 0 y considerando la recta que une los puntos
( ) cuya pendiente es
( )
interseccin de la recta X, entonces tambin
( )
, pero si (c, 0) es el punto de
( )
, luego:
Mtodo grafico de Regula Falsi
Figura 7.
( )
( )
( )
( )
( )
)
( )
( )
( )
( )
( )
)
,
( )
( )
( )
( )
( )
( )
( )
=
( )
( )
As como el mtodo de biseccin, este mtodo de falsa posicin, tambin

tienen tres posibilidades:
Si
Si
Si
) = 0,
) = 0, entonces c es un cero de
) < 0,
)<0
( ) ( ) < 0, entonces existe un cero de
) < 0, entonces existe un cero de
en [
en
].
De todo esto se desprende un proceso iterativo que se concreta

generalizndolo en la siguiente expresin matemtica.
=
(
(
)
)
( )
( )
= 0,1,2,3,4 ..
Es frecuente encontrar esta ecuacin representativa del mtodo de

regula falsi expresada de otra manera. A fin de ampliar la terminologa
matemtica al respecto, solamente se hacen estas sustituciones:
,
Por lo tanto, la ecuacin precedente puede representarse as:
( )
( )
( )
( )
Ejemplo 21.
Aplicar el mtodo de falsa posicin para encontrar un cero de
ln ( ) +
, en el intervalo [0.5; 1]
) =
Solucin
Sea la funcin
( )=
( ) + ,
Inicio: Se construye una tabla por mejor organizacin de los datos.
c =
(a )
( )
0.5
Y asi
0.5
0.5
0.5
( ) 1( 0.19311472)
=
( )
0.19311472
( )
0.1931472
( )
0.1931472
0.1931472
0.1931472
El valor exacto de
( )
0.1931472
0.5
1
0.58
0.5736
para
( )
1
( )
1
0.0352728
0.017777
( )=
( )
1
0.5(1)
= 0.58094
1
0.58
( )
0.58094
0.58
0.5736
0.5674608
( )
0.0352728
0.017777
0.00087498
( ) + , es: 0.56714329
Regla falsa Modificada

Un inconveniente que suele presentar este mtodo es la aparicin de
extremos fijos que hacen ms lenta la convergencia del proceso iterativo. Por
ejemplo, en la figura Mtodo grafico de Regula Falsi el extremo b se ha repite
en las primeras iteraciones, y por lo que se puede apreciar, continuar
hacindolo.
f(x)
f(x)
f(b)
f(b)/2
c2
c1
f(a)
Figura 8.
Regula Falsi Modificada
Para evitar este tipo de inconvenientes y acelerar la convergencia,

siempre que un extremo se haya repetido ms de 2 veces, en la iteracin
siguiente se efecta la interpolacin con la mitad del valor funcional
correspondiente a ese extremo (en el caso de la figura se tomara
( )
Modificacin del mtodo de la falsa posicin propuesta por Hamming.

La aproximacin a la raz se toma a partir del punto de interseccin con el
eje X de la recta que une los puntos (
)) si la funcin es
convexa en el intervalo (figura a) o bien a partir de la recta que une los puntos
))
( ,
) si la funcin es cncava en el intervalo (figura b). La
eleccin guiada del intervalo representa una ventaja respecto al mtodo de la

secante ya que inhibe la posibilidad de una divergencia del mtodo.
Por otra
parte y respecto al mtodo de la biseccin, mejora notablemente la eleccin del

intervalo (ya que no se limita a partir el intervalo por la mitad).
Sin embargo, el mtodo de la falsa posicin tiene una convergencia muy
lenta hacia la solucin. Efectivamente, una vez iniciado el proceso iterativo,
uno de los extremos del intervalo tiende a no modificarse (ver figura anterior).
Para obviar este problema, se ha propuesto una modificacin del mtodo,
denominada mtodo de Hamming.
f(a)
f(x)
f(x)
X
A
f(x)
f(b)
X
Figura 9.
Casos de Regula Falsi Modificada
Segn este mtodo, la aproximacin a una raz se encuentra a partir de

la determinacin del punto de interseccin con el eje X de la recta que une los
puntos (
1)) si la funcin es convexa en el intervalo o bien a
partir de la recta que une los puntos
))
( ,
) si la funcin es
cncava en el intervalo. En la figura (anterior) se representa grficamente el

mtodo de Hamming.
Como hemos comentado, el mtodo de Hamming requiere determinar la
concavidad o convexidad de la funcin en el intervalo de iteracin.
Un mtodo relativamente sencillo para determinar la curvatura de la
funcin consiste en evaluar la funcin en el punto medio del intervalo,
(en donde
se calcula como en el mtodo de la biseccin) y comparar este
valor con la media de los valores de la funcin en los extremos del intervalo,
=( ( )
))/2. Tenemos entonces que:

(
Metodos abiertos
A diferencia de los metodos cerrados que requieren de un intervalo que
encierre la raz buscada, los metodos abiertos que se veran a continuacion
requieren de un solo valor o dos valores iniciales o valores de arranque, que no
necesariamente encierran a la raiz, esto hace que algunas veces las
sucesiones generadas por estos metodos sean divergentes o se alejen de la raiz
de interes, pero tiene la ventaja que cuando convergen lo hacen mas
rapidamente que las sucesiones generadas por los metodos cerrados.
Metodo de punto fijo
Este metodo, iteracion de punto fijo, es conocido tambien como metodo
(
de
). El metodo de punto fijo es una forma muy util para obtener una raiz
( ) = 0. Este mtodo tambien constituye la base de algunos principios
teoricos importantes. Para usar el metodo ( )
se reordena en una forma
) equivalente, lo que puede lograrse de varias formas. Observese que si
( ) = 0 donde r es una raiz de
( ) se concluye que
) Siempre que se
) se dice que r es un punto fijo de la funcion w. La forma iterativa
tiene
).
converge en el punto fijo r, una raiz de
Teorema 24.
Si
entonces
es una funcion continua en [
( )
tiene por lo menos un punto fijo en
existe para todo
( )
tiene un unico punto fijo

formula de iteracion
Ejemplo 22.
1 para todo
] para todo
[
], Si ademas
],
],
( )
entonces
] y la sucesion { } definida mediante la

= 1,2,3,4 .
Aplicar el metodo de punto fijo para hallar las raices de ecuacion:

6=0
Solucion
Por un metodo simple de factores, incluso un analisis intuitivo puede

dar el valor de las races de esta ecuacion, que son
3 . Por razones
practicas y de mejor entendimiento se ejemplifica el metodo con una ecuacion

de forma simple y de resultado conocido. Como primer paso siempre es
importante graficar la funcion, para tener una idea del valor inicial a tomar
para la primera iteracion, cuando mas cerca esta este valor de la interseccin
de la funcion con el eje de la abscisa (eje x) sera menor el numero de
iteraciones y se llegara con mayor rapidez a la mejor aproximacion.
y
x
Figura 10. x2
6=0
Segun la grafica, se puede tomar como primera aproximacion de una de

= 25 . De la ecuacion original:
las races
6 = 0 , transponiendo,
reordenando o cambiando su forma, se pueden obtener las siguientes

ecuaciones equivalentes:
a)
+ 6,
b)
c)
Primera ecuacion equivalente (primera raiz)

=
+ 6. De esta ecuacion se tiene:
= x de all
+ 6.
= x es
una recta de 45o que atraviesa el primero y el tercer cuadrante del plano
cartesiano, esta recta hace de punto fijo. Es sabido que el punto de
interseccion de dos curvas (o rectas) presenta un cero de la funcin sobre (, lo
cual indica el valor proximo a tomar par las iteraciones, en este caso, ronda en
torno a 3.
Figura 11. y1 = x e
y2 = x + 6.
Las aproximaciones sucesivas se realizaran en base a:

Para
= 2.5
= 2.5 + 6 = 2,91548
= 2,91548 + 6 = 2,98588
= 2,98588 + 6 = 2,99765
= 2,99765 + 6 = 2,99961
= 2,99961 + 6 = 2,99993
= 2,99993 + 6 = 2,99999
luego se evalua, para verificar la aproximacion obtenida.

6 = 0,
Segunda ecuacion equivalente (Segunda raiz)

=
+6
= 3, que seria una de las raices,
Se nota que los valores convergen a
f(x)
6=0
, igualmente, que la forma anterior, y =
Figura 12.
y1 = x
6
1
, y2 = x
Las aproximaciones sucesivas se realizan en base a:

1.5
y =
Para
6
2,4
1,5 1
6
=
1,76471
2,4 1
6
=
= 2,17021
1,76471 1
6
=
= 1,89262
2,17021 1
6
=
= 2,07424
1,89262 1
6
=
= 1,95170
2,07424 1
6
=
= 2,03273
1,95170 1
=
En este caso se nota que la convergencia es oscilatoria y que los valores

obtenidos convergen a
2 , que seria la otra raiz de la ecuacion
presentada. Para verificar la aproximacion obtenida se tiene:

( )
6 = 0,
Tercera ecuacion equivalente
( 2)
2)
6=0
De esta ecuacion se tiene:
Figura 13. y1 = x y y2 = x2
Las aproximaciones sucesivas se realizan en base a

= 2.5
6 Para
= (2.5)
6 = 0.25
= 0(.25)
6 = 5.9375
= ( 5.9375)
6 = 29,254
= (29,254)
6 = 23,254
= (29,254)
6 = 534,748
En este caso, se evidencia que las iteraciones son divergentes, por lo

tanto, no pueden generar ningun cero de la funcion analizada. En el caso de la
segunda ecuacion y =
; al realizar las iteraciones iniciando con
= 2.5,
se verifica que las iteraciones en principio parecen divergentes, sin embargo,

despues de 15 iteraciones aproximadamente, va tomando una direccion de
convergencia, pero no hacia
= 3, sino hacia
=2
En todos los casos, es importante desarrollar cierta intuicion para tomar

el camino preciso y ahorrar tiempo en las iteraciones realizadas
Si
de orden
| ( )| < 1,
Teorema 25. Orden de convergencia metodo iterativo lineal
es una funcion diferenciable en [
>1
es un punto fijo de
entonces la iteraccion de punto fijo de covergencia
] entonces el mtodo converge linealmente
( )
> 1 y si
Teorema 26. Orden de convergencia metodo iterativo lineal
El orden de convergencia del metodo iterativo lineal es lineal, osea,

=1
Comentarios
El comportamiento de los tres reordenamientos es interesante y merece
la pena siempre analizarlas. Sin embargo, primeramente se consideraran las

graficas de los tres casos. El punto fijo de
recta
y la curva:
) trazada contra
) es la interseccion de la
( ) Con este metodo
siempre se obtienen iteraciones sucesivas, partiendo de un punto inicial
elegido. Este proceso iterativo contina hasta que los puntos en la curva
convergen en un punto fijo o bien divergen.
Los diferentes comportamientos dependen de que la pendiente de la
curva sea mayor, menor o de signo opuesto a la pendiente de la recta.
Mtodo de Newton - Rapson
Uno de los mtodos ms atractivos y populares para la bsqueda de los
ceros de una funcin no lineal es el mtodo de Newton, debido a la rpida
convergencia del mtodo, ya que en general es q-cuadrtico. Existe varias
maneras de deducir el mtodo de Newton, el mtodo a ser presentado se base
en el mtodo de iteracin lineal.
ste es, sin duda, uno de los mtodos ms importantes y tiles para el
clculo de races. Dada una aproximacin inicial de la raz
partir de
, se busca, a
, una aproximacin mejor xx de la raz, de la siguiente forma: Se
sustituye la funcin f(x) por el valor de su desarrollo de Taylor centrado en

) =
hasta el orden 1, es decir:
)+
)(
) que corresponde a un
polinomio de grado 1, y a continuacin se calcula
como el cero de este
polinomio, es decir:
( )
( )
y por tanto, de forma general, se obtiene, a partir de
una secuencia
de valores que van aproximando la raz, definidos por
Definicin 13.
Dada una ecuacin
( )
( )
) = 0. Un nmero a se dice una raz de
multiplicidad m (m un entero positivo) de la ecuacin

m = 1, la raz se dice simple.
Sea que una funcin

un intervalo
de la ecuacin
Teorema 27.
tiene sus dos primeras derivadas continuas en
) = 0 si y solo si
) = 0 y
Teorema 28.
0.
+ 1 derivadas continuas en
tiene sus primeras
] que contiene a un nmero a. Entonces a es una raz de
multiplicidad m de la ecuacin
Sea
entonces para todo
( )
) = 0 si y solo si
], una funcin diferenciable en

(
puede escribir de la forma:

( )
) = 0. Si
] que contiene a un nmero a. Entonces a es una raz simple
Sea que la funcin

un intervalo
) = 0, si
( )(
] y sea
), se sabe por el Teorema de Taylor que

)+
Sea /( ) = 0 una ecuacin y
( )(
2!
( )(
3!
],
se
un primer valor aproximado a una raz
de una ecuacin. Este mtodo consiste en obtener una aproximacin a
calculando el punto en que la tangente de la curva en

x. Grficamente se ve en la figura.
0;
0)) corta al eje
Figura 14. Mtodo de Newton Graficamente
Ahora bien otra posible explicacin es que, dada
) como una funcin

] y sea
1 una
))una recta tangente a la funcin
), su
continua derivable dos veces en un intervalo cerrado
aproximacin inicial a la solucin exacta p de la ecuacin

mismo intervalo.
Se traza por el punto
interseccin con el eje x dar un nuevo punto
) = 0 en ese
que se toma como la nueva
aproximacin a p, luego el proceso se repite para el punto

sucesivamente, se obtienen una serie de aproximaciones
)) y as
que
convergern a la raz exacta p, analticamente:

tan
(
( ) = de aqu que
Este mtodo parte de una aproximacin inicial

( )
dada por la frmula:
( )
en forma general
y obtiene una aproximacin mejor,
La expresin anterior puede derivarse a partir de un desarrollo en serie
de Taylor. Efectivamente, sea

que
. Si
0 =
un cero de
y sea
una aproximacin a
tal
existe y es continua, por el teorema de Taylor tenemos:

) =
) =
) +
) +
en donde
trmino
):
. Si x est prximo a r (es decir hes pequea), es razonable ignorar el

0=
) +
por lo que obtenemos la siguiente expresin para h:

( )
( )
F(x)
X1
X2
X0
Ejemplo 23.
Hallar la menor raz positiva de la siguiente ecuacin con error inferior a
10-2, usando el mtodo de Newton.
( )= 4
= 0
Para obtener el valor inicia, el proceso ms simple y eficaz es el mtodo

grfico, para el efecto se reordena la ecuacin inicial
ecuaciones ms simples;
) = 0 en otras dos
. Reordenando la ecuacin original:
= 4
= 0 se tiene la siguiente igualdad:

=
donde:
Tambin se pudo haber realizado la transposicin en
la ecuacin de otra forma y se hubiera tenido:
Figura 15. y1 = 4cosx,
, igualmente valido.
y 2 = ex
Los puntos de interseccin de las dos curvas en x es la solucin

buscada. Analizando la figura, se nota que x est en la vecindad de 1, por lo
tanto se tomar
=1
)=4
) =
Las operaciones a ser realizadas involucran funciones trigonomtricas,

recordar posicionar la calculadora en radianes. Como el error debe ser menor
a 10
, deben efectuarse los clculos como mnimo con tres cifras decimales.
Es recomendable para resolver ecuaciones no lineales en cualquier mtodo

utilizar en promedio 5 o 6 cifras decimales.
(1) = 4
(1) =
(1)
(1)
= 4(0,5403)
4(0,84147)
2,71828 =
2,71828
2,1612
3,36588
2,71828 =
2,71828 =
0,55708
6,08416
En base a estos primeros datos se aplica la formula de Newton:

( )
( )
=1
0,55708
6,08416
= 0,908437
0,908437
0,908437
= 0,10079 > 10
Se debe hacer una nueva iteracion, pues el error relativo es mayor que el
indicado
(1) = 4
(0,908437)
(1)
(0,908437)
= 2,4599
3,15418
2,4804 1 =
2,4804 1 =
0,0205
5,63458
Se debe hacer una nueva iteracion, pues el error relativo es mayor que el
indicado.
( )
( )
0,9048
= 0,908437
0,908437
0,9048
0,0205
5,63458
= 0,0039 < 10
= 0,9048
2
El valor 0,9048 puede considerarse un valor aceptable para la raz
buscada, pues cumple la condicin de tolerancia, en este caso, menor a 10 .
Luego,
Si
= 0,9048
para la funcin
( )= 4
= 0
Teorema 29. Orden de convergencia del mtodo de Newton
) = 0 y si
" son continuas e un intervalo cuyo centro x es solucin de
) = 0 entonces el orden de convergencia del mtodo de
Newton es cuadrtica, o sea, p=2.
La ventaja del mtodo de Newton es que su convergencia es cuadrtica,

lo que significa que la cantidad de dgitos significativos correctos duplica a
medida que los valores de la secuencia se aproximan a x. Esta situacin no
sucede en las primeras iteraciones realizadas. La desventaja del mtodo de
Newton es que se tiene que calcular la derivada de la funcin y en cada
iteracin calcular su valor numrico, lo que puede ser muy costoso
computacionalmente. Adems de eso la funcin puede no ser diferenciable en
algn punto del dominio.
Interpretacin geomtrica del mtodo de Newton.

El mtodo de Newton tiene una interpretacin geomtrica sencilla, como
se puede apreciar del anlisis de la Figura 14. De hecho, el mtodo de Newton
consiste en una linealizacin de la funcin, es decir, f se reemplaza por una
recta tal que contiene al punto
derivada de la funcin en el punto,
)) y cuya pendiente coincide con la

).
La nueva aproximacin a la
raz, x1, se obtiene de la interseccin de la funcin linear con el eje x de

ordenadas.
(
Veamos cmo podemos obtener la ecuacin
a partir de lo
dicho en el prrafo anterior. La ecuacin de la recta que pasa por el punto

)) y de pendiente
) es:
0) =
0)(
0)
de donde,
haciendo y=0 y despejando x obtenemos la ecuacin de Newton-Raphson.
F(x)
X1
X0
A
F(x)
x
X0
X1
B
Figura 16. Dos situaciones en las que el mtodo de Newton no funciona adecuadamente:
(a) el mtodo no alcanza la convergencia y (b) el mtodo converge hacia un punto que
no es un cero de la ecuacin.
El mtodo de Newton es muy rpido y eficiente ya que la convergencia es

de tipo cuadrtico (el nmero de cifras significativas se duplica en cada
iteracin). Sin embargo, la convergencia depende en gran medida de la forma
que adopta la funcin en las proximidades del punto de iteracin.
En la
Figura 16 se muestran dos situaciones en las que este mtodo no es capaz de

alcanzar la convergencia (a) o bien converge hacia un punto que no es un cero
de la ecuacin (b).
Mtodo de Newton modificado

El mtodo de Newton en general, converge cuadrticamente, sin
embargo cuando la raz no es simple solo se garantiza la convergencia lineal.
Teorema 30.
Sea una funcin diferenciable en un intervalo

supongamos que x es un cero de multiplicidad
Newton converge q-linealmente.
] que contiene a x y
> 1, entonces el mtodo de
Con el propsito de mejorar la convergencia del mtodo, ste puede ser

modificado, cuando el cero buscado sea de multiplicidad m > 1. El mtodo de
Newton modificado queda de la siguiente manera:
Ejemplo 24.
) ( )
( ) (
Aplicar el mtodo modificado de Newton para encontrar un cero de

( )
+ 4 , partiendo de
= 1,5
Figura 17. f(x) = x3
Se grfica la funcin. Las races serian:
4x2 + 4x,
= 0;
=2
= 2 Como la
funcin es cubica, supone que tiene tres races, y como las races complejas se
presentan en pares conjugados, sta funcin no tiene races complejas, sino,
tres races reales.
Sea:
( )=
4 + 4 ;
( )= 3
8 + 4;
"( ) = 6
8
{ )=
4 + 4
(1,5) = (1,5)
4(1,5) + 4(1,5) = 3,375
9 + 6 = 0,375
( )= 3
8 + 4
(1,5) = 3(1,5)
8(1,5) + 4 = 6,75
12 + 4 = 1,25
"{ ) = 6
8
"(1,5) = 6(1,5) 8 = 9 8 = 1
Aplicando la expresin
= 1.5
) ( )
( ) (
)
(
( ) ( )
(0.375)( 1.25)
= 1.5
( ) ( )
(1.5625) (0.375)(1)
0.46875
= 1.5 + 0.394736842 = 1.894736842
1.1875
Realizando una segunda iteracin:

:
) =
+ 4 ;
(1.8947) = (1,8947)
(1.8947) = 6,8018
) = 3
+ 4;
"( ) = 6
4(1,8947) + 4(1,8947)
14,36 + 7,5788 = 0,0206
(1.8947) = 3(1,8947) 8(1,8947) + 4
(1.8947) = 10,76966
"(1.8947) = 6(1,8947)
15,15762 + 4 =
8 = 11,3682
Aplicando la expresin
( ) ( )
( ) ( )
= 1.8947
0,387954
8 = 3,3682
) ( )
(
( ) ( )
(0.0206)( 0.387954)
= 1.8947
(0.1505) (0.0206)(3.3682)
(
0.007992
0.081115
= 1.8947 + 0.098527
= 1.99323
Los clculos se resumen en la siguiente tabla
raz
{ ) =
1,5
1,8947
1,99323
0,375
0,0206
+ 4
0,00006
1,9965
0,000024457
( )=
Luego se considera que
+ 4
= 1,9965 = 2
Es evidente que la raz tiende a 2, segn se demuestra analticamente en

estas tres iteraciones del mtodo modificado de Newton.
Mtodo de la secante
Una de las desventajas presentadas por el mtodo de Newton es la
necesidad de obtener la derivada de la funcin en cuestin, adems de
realizarse los clculos para cada iteracin. Existen varias formas de modificar
el mtodo de Newton a fin de eliminar algunas de las desventajas; una de las
modificaciones consiste en sustituir la derivada por el cociente de las
diferencias, o sea
Donde
son dos aproximaciones cualesquiera para la raz x. El
mtodo de la secante es una modificacin del mtodo de Newton y es similar a

la de Regula Falsi. Este mtodo (secante) emplea tambin una lnea recta para
aproximarse a la raz. En vez de usar un intervalo que cumpla el teorema de
cambio de signos, usa un intervalo que no necesariamente lo cumpla, es decir,
no se requiere que exista un cambio de signo, es ms, no se requiere que la
raz este en ese intervalo.
El mtodo de Newton modificado que da origen al mtodo de la secante
se genera asi:
)
(
( )
( )
)
)
De esta manera se obtiene una expresion ms simple para el metodo de

la secante:
=
( )
( )
Para aplicar este mtodo se debe contar con dos aproximaciones

iniciales antes de aplicar la formula correspondiente al mtodo.
La siguiente grfica ilustra cmo puede obtenerse una nueva
aproximacin
Figura 18. Mtodo grafico de la secante
Determinar la raz positiva de la ecuacin

de la secante, con un error menor a 10
= 0 por el mtodo
Solucin
Para evitar tanteos, malgastar tiempo y esfuerzo, la forma ms prctica

de obtener los valores iniciales es el mtodo grfico, para ello se divide la
ecuacin original en dos y se grfica.
=5
Figura 19. y1 = x , y2 = 5ex
El punto de interseccion de las dos rectas es la solucion buscada x.

Analizando la grafica se ve que una raiz positiva de la ecuacion se encuentra
en la vecindad del punto 1,4, asi que se toman dos puntos proximos,
0
= 1,4
(
( )=
= 1,5
) =
5
)=
(1.4) = 1.4 5
5
= 1,183216
1,232985
= 0,049769
(1.5) = 1.5 5
5
= 1,224745
1,11565 = 0.109095
Se tienen
= 1,4;
( )=
= 1,5;
Ahora es posible aplicar la formula:
( )
( )
1,4(0,109095)
(0,109095)
=
0,2273865
0,158964
1,430428
1.5
0,158964
0,049769
) = 0,109095
)
1,5( 0,049769)
0,049769)
= 1,430428
= 0,0486372 > 102
El error relativo demuestra que
aun no cumple la condicin de
precisin requerida de la ecuacin, por lo tanto se debe realizar otra iteracin.
1.4
1.5
1.5
1.430428
(
)
0,049769
0,109095
( )
0,109095
3.3 10
1,430428
1,43059911
(
)
3.3 10
0.0486372
0.000196
El valor exacto de una raz positiva de la ecuacin es: 1,430445089
Teorema 31. Orden de convergencia del mtodo de la secante
El orden de convergencia del mtodo de la secante es:
= 1,618
El orden de convergencia del mtodo de la secante es inferior al del

mtodo de Newton, sin embargo, el mtodo de la secante es una alternativa
vlida, ya que requiere solamente el clculo de la funcin
, mientras que el
mtodo de Newton, adems de la funcin debe tambin calcular la derivada.

Mtodo de Muller
La mayora de los mtodos para hallar una raz, o por lo menos lograr
una buena aproximacin, se basan en aproximaciones de la funcin en la
vecindad de la raz por medio de una recta. Es sabido que una funcin no es
lineal, pues, si fuera as, no habra necesidad de realizar ningn tipo de
esfuerzo para hallarla por mtodos numricos.
El mtodo de Muller se basa en aproximar la funcin en la vecindad de la raz
por medio de un polinomio cuadrtico, as se obtiene una mejor correspondencia con
la curva real. Se construye un polinomio de segundo grado para ajusfar tres puntos
cerca de una raz, estos puntos son
)]; [
)]; [
)] . El cero propio de
esta cuadrtica. Usando la formula general de ecuaciones de segundo grado, se tiene

la estimacin mejorada de la raz. Se repite el procedimiento usando el mismo
conjunto de tres puntos ms prximos a la raz que est evalundose.
El procedimiento de este mtodo se desarrolla al escribir una ecuacin
cuadrtica que se ajuste a travs de tres puntos en la vecindad de una raz, en la
forma
+ . El desarrollo se simplifica si los ejes se transforman de modo
que pasen por el punto medio, haciendo
Sean
) en los tres puntos
= 0;
. Se evalan los coeficientes al evaluar
(0) +
(0) +
( ) + ( )+
) +
A partir de la primera ecuacin,

Haciendo
) +
0)
, es posible resolver las otras dos ecuaciones para a y
b por medio de las siguientes ecuaciones
( )
( )
( )(1 + )
+ (1 + )
( )
( )
Despus de calcular a,b y c, la raz de
)
= 0 se encuentra
aplicando la frmula cuadrtica, eligiendo la raz ms prxima al punto medio

. Este valor est dada por:
=
El signo en el denominador se toma a fin de proporcionar el mayor valor

absoluto del denominador, o sea, si
< 0, se elige el signo negativo, si
> 0, se eligen el signo positivo; si
= 0, se elige cualquiera de los dos. La
justificacin del uso algo extrao de la formula cuadrtica es hacer que la

siguiente iteracin est ms prxima de la raz.
Para la siguiente aproximacin se toma la raz del polinomio como uno
de los puntos de un conjunto de tres puntos, tomando los tres puntos cuya
separacin entre s sea la ms pequea. Si la raz est a la derecha de
toman
y la raz. Si la raz est a la izquierda, se toman

Ejemplo 25.
, se
, y la raz.
( )=
Aplicando el mtodo de Muller, encontrar el nico cero de
Figura 20. f(x) = cos x
A partir de la grfica se elige el intervalo que contiene la raz. Se toma

[0,6; 1]
= 0,8;
= 1,0;
) =
0,8
= 0,2
( )=
= 0,2
= 0,6;
( )=
0,8 =
1 =
0,6
0,10329
0,4597
=
=
0,6 = 0,22534
= 1
0,8
= 0,8
0,6
0,2
=1
0,2
Se construye una tabla para mejor organizacin de los datos.

( ) =
( ) = 0,4597
= 1,0
0,10329
= 0,8
( ) = 0,22534
= 0,6
A continuacin se aplican las formulas para hallar a, b, c.

=
=
( )
1( 0,4597)
( )(1 + )
+ (1 + )
( )
( 0,10329)(1 + 1) + 0,22534
1(0.2) + (1 + 1)
=1
=0
0,02778
0,08
( 0,4597)
( )
( )
=
( 0,10329)
0.2
0,34725 )(0.2)
( )=
0,34252
0.2
Se reorganizan los datos en una segunda tabla y se tiene:

= 0,8
0,34725
= 2.933
= 1. 7126
Se aplica la siguiente frmula para aproximar la raz:

= 0.8
2( 0,10329 )
( 1. 7126) ( 1. 7126)
=
0,20658
0,10329
4( 0,34725)( 0,10329 )
0,20658
1,7126 1,67019
1,7126 1,67019
0,20658
= 0,8 0.0610679 = 0,738932
3,38279
= 0,738932
Es la primera aproximacion a un cero de la funcin

Para la siguiente iteracion se considera
y se evalua la funcion
en este punto:
( ) = cos
( ) = cos 0,738932
0,738932 = 0,000256277
Como el valor exacto de la funcin se tiene cuando
) = 0, por lo
tanto, una forma de medir el grado de aproximacin de la funcin hallada es

evaluando la
funcin (y) a partir del resultado estimar si se sigue o no
realizando otras iteraciones.
En este caso, como
( ) = 0,000256277
0, puede considerarse una
aproximacin aceptable, pues se tiene tres ceros despus de la coma decimal,

indicando una precisin de por lo menos tres cifras, o sea
Calculo de error
< 10 .
El calculo de error presentado a continuacion solo es posible realizarlo

si se conoce el valor exacto de la raiz buscada.
La mejor forma de evaluar el error en una aproximacion de raiz en una
funcion o polinomio, es evaluando la funcion en ; ( ) = 0. Esta evaluacion da
una medida intuitiva del margen de error y funciona para cualquiera de los
metodos descritos.
El valor verdadero de la unica raiz real de la funcion; ( )
0,739085133
=
= 0,739085133
=
0,738932 = 0.000153133 = 1.531
1.531 10
= 0.0002072 = 2.072 . 10
0.739085133
=
10
El error relativo es muy aproximado a la evaluacion de la funcion en el

punto
( ) = 0 Este ejercicio tiene una precision de dos decimales, o sea los
primeros dos decimales corresponden al valor exacto o valor verdadero, por lo

tanto no hace falta realizar la siguiente iteracion para aproximar mejor el
resultado, pues el valor obtenido puede considerarse apropiado, salvo que

expresamente se indique lo contrario.
Ejercicio de clases
Ejercicio 17.-
En los siguientes ejercicios encuentre un cero real de las
siguientes funciones, procediendo de la siguiente manera.

a) Grafica la funcin para encontrar un intervalo proximo a una raz.
b) Usar la expresion
, para
obtener u punto de inicio para el mtodo
de Newton.
Ejercicio 18.trascendente
Ejercicio 19.-
Hallar una raz en el intervalo [0,1] de la funcin

) = 3
, aplicando el mtodo de Muller.
De los ejercicios presentados, resolverlos usando los
metodos de: punto fijo, biseccion, regula falsi, Newton, secante y Muller.
De los 15 ejercicios presentados a continuacion, resuelve tres funciones
con cada metodo, la eleccion es personal.
( ) = 3
{ ) =
( ) =
{ )=
( ) =
( ) =
( ) = 7
+
+
( ) =
( ) =
( ) =
( ) =
Ejercicio 20.-
+ 5
+ 2
( ) =
( ) = 3
{ ) =
{ ) =
( )= 3
+ 7
+ 7
+ 3
5
12
2
3
+ 1
+ 3 + 6
+ 3
2
3
Halar todas las races de la ecuacin:
( )= 5
= 0
Ejercicio 21.-
) =
Verifica si el polinomio
11 = 0, tiene
races reales, si es as, halla su mejor aproximacin aplicando el mtodo de

biseccin con una precisin mayor a 10 .
Ejercicio 22.2 = 0,
( )=
Halla la nica raz positiva del polinomio
aplicando el mtodo de biseccin con un error menor a 10 .
Ejercicio 23.-
Usando el mtodo iterativo de punto fijo, encontrar la

) = 2
menor raz positiva de la ecuacin:

Ejercicio 24.-
Demuestre
que
el
punto
fijo
= 0
=,
existe, y use la iteracin de punto fijo para encontrarlo.

Ejercicio 25.de
=,
Ejercicio 26.-
) = 0,4
+ 0,2
Usar la iteracin de punto fijo para encontrar el punto fijo

) = 0,9
+ 0,1
Sea la funcin
( )=
= 0 . Hallar una raz
negativa con tres cifras decimales exactas, en el intervalo [ 4, 3] usando
el mtodo de regula falsi.

Ejercicio 27.-
) =
Sea la funcin
= 0 . Hallar una raz
positiva con tres cifras decimales exactas, en el intervalo [0.5; 1] usando el
mtodo de regula falsi.

Ejercicio 28.-
La ecuacin
= 0
posee una raz en el intervalo
[1.8; 2.0], Halla el valor aproximado por el mtodo de regula falsi con dos
decimales correctos.
Ejercicio 29.-
) =
La ecuacin
0,5 = 0 , posee una raz en el
intervalo [0.5; 1] usando el mtodo regula falsi. Determinar la raz con una
precisin de 10 .
Ejercicio 30.-
Aplicar el mtodo de Newton-Rapson para encontrar todas
las races reales de la ecuacin polinmica:

1 = 0
Ejercicio 31.las
Ejercicio 32.-
+ 7
Aplicar el mtodo de Newton-Rapson para encontrar todas
races
) =
) =
+ 5
reales
3
de
8 13 = 0
Determinar
la
raz
la
de
ecuacin
) = 0,5
polinmica:
+ 6 2 ,
usando el mtodo de Newton usando valores iniciales de a) 0,5 y b) 1,5
Ejercicio 33.-
Localice
la
primera
raz
positiva
de
) =
+ 1) 1. Usar cuatro iteraciones con el mtodo de Newton con
valores iniciales de: a) 1

Ejercicio 34.-
y b) 1,5
Sea la funcin
real partiendo de
4 y usar:
) =
+ 2
+ 3. Hallar una raz
Ejercicio 35.-
El mtodo normal de Newton.
Ejercicio 36.-
El mtodo modificado de Newton
Ejercicio 37.-
Use cualquier mtodo para encontrar la raz de
, usando como valor inicial
= 0,5, hasta logar una precisin
menor que 10 .
Ejercicio 38.) =
Usar el mtodo de Newton para hallar un cero de la funcin
+ 7
2 , partiendo de
= 0,5
mtodo falle explicar porqu.

Ejercicio 39.de
la
) =
en caso de que el
Usar el mtodo de Newton para hallar dos ceros
funcin
( )=
+ 3, considerando que las races se
encuentran en el intervalo [0,5; 1,5]
en caso de que el mtodo falle
explicar porqu.
Ejercicio 40.-
Usar el mtodo de Newton para hallar todas las races
reales de la funcin
) = 5
+ 2, considerando que las races se
encuentran en el intervalo [ 1,5; 1,5] en caso de que el mtodo falle
explicar porqu.
5;
Ejercicio 41.-
Encuentre la interseccin de
Ejercicio 42.-
Ejercicio 43.-
Ejercicio 44.-
Ejercicio 45.-
Aplicando el mtodo de la secante, determina una raz
positiva de la ecuacin
Ejercicio 46.-
3;
= 1 +
= 5 +
= 0
Aplicando el mtodo de la secante, determina una raz
distinta de cero de la ecuacin

Ejercicio 47.-
= 2 ;
Determinar
( )
todas
las
races
+ 5 = 0 , con precisin de 10
Newton para el clculo de la primera raz.
del
polinomio
) =
, usando el mtodo de
Ejercicio 48.-
Usar el mtodo de la secante para determinar la nica raz
negativa de la ecuacin
10 .
) =
+ 2 = 0, con precisin de
SISTEMAS DE ECUACIONES NO LINEALES
CAPITULO IV
Introduccin
En distintas reas del conocimiento, muchas veces existe la necesidad
de resolver un sistema de ecuaciones no lineales, pero, hallar las soluciones o
races reales de un sistema de ecuaciones no lineales presenta mayor
dificultad que hallar las races de una ecuacin no lineal con una variable. La
solucin de sistemas de ecuaciones no lineales esencialmente consiste en
ampliar los mtodos de solucin de una sola ecuacin no lineal a sistemas de
ecuaciones no lineales, sin embargo, esto presenta mayor dificultad al
momento de resolver cada sistema.
No existe un criterio general para conocer cuantas soluciones tiene un
sistema no lineal de ecuaciones dadas, incluso, es posible que el sistema no
tenga solucin. Un sistema de ecuaciones no lineales es de la forma:
(
(
Donde cada
= 1,2,3, . . . ,
En forma ms compacta se indica:
,
,
)= 0
)= 0
)= 0
es una funcin real de n variables reales.

) = 0
Existen principalmente dos formas de resolver un sistema no lineal:

Mtodos directos: usados cuando hay solucin analtica (arrojan
resultados exactos).
Mtodos iterativos: se usan cuando no hay solucin analtica (arrojan
soluciones aproximadas).
Los mtodos numricos usados para resolver sistemas de ecuaciones no
lineales son extensiones de mtodos ms simples, como los aplicados para
resolver ecuaciones no lineales. Son extensibles los mtodos de Newton, punto
fijo y secante. Los mtodos de biseccin y regula falsi no se pueden extender

fcilmente, pues para su aplicacin usan el teorema de cambio de signo, que
en el caso de sistemas no lineales no existen teoremas que definan esta
situacin.
El mtodo de iteracin de punto fijo se usa cuando el sistema cumple las
condiciones para ser resuelto por este mtodo.
El mtodo de Newton para sistemas de ecuaciones no lineales requiere
calcular derivadas parciales y resolver un sistema de ecuaciones lineales en
cada iteracin.
Adems de estos dos mtodos, es tambin til el mtodo grfico cuando
es posible realizarlo, pues existen ecuaciones de muy difcil graficacin. Su
uso se aplica a situaciones en donde se buscan aproximaciones no muy
precisas, o para tomar los puntos de partidas
; . . . ) y aplicarlas a
mtodos que presentan mayor precisin como los de punto fijo o de Newton.
Resumiendo los mtodos para resolver sistemas de ecuaciones no

lineales se tienen:
Mtodo Grfico.
Mtodos Directos.
Mtodos Iterativos.
Mtodo grfico
Este mtodo consiste en trazar la grfica de cada ecuacin del sistema y
hallar los puntos de interseccin entre las curvas, dichos puntos indican la
solucin del sistema. La desventaja de este mtodo es la imprecisin, y slo es
aplicable cuando se tiene dos o a lo sumo tres ecuaciones como parte del
sistema. Adems, considerando que son ecuaciones no lineales, puede
suceder que las ecuaciones no sean fciles de granear.
Cuando se desea precisin en los resultados de un sistema de

ecuaciones no lineales, ste mtodo no es el ms apropiado.
Para lograr mayor precisin en los resultados obtenidos de los mtodos
grficos, es importante demarcar la ubicacin de los puntos en un intervalo
reducido,
esto
permitir
graficar
con
mayor
precisin
obtener
"intersecciones" ms nitiditas.
Ejemplo 26.
Sea el sistema de ecuaciones no lineales presentado a continuacin,
halla la solucin del sistema aplicando el mtodo grfico.
= 7
=1
Se inicia la solucin del sistema, cambiando su forma para facilitar la

construccin de una tabla que permita la construccin de la grfica.
Figura 21. sistema de ecuaciones
-3
-2
-1
0
1
2
3
= 7
= 1
2
1,73205
2,44949
2,64575
2,44949
1,73205
0,95021
0,86466
0,63212
0,00000
-1,7183
-6,3891
-19,086
Los puntos de interseccin de las dos ecuaciones dadas por la

circunferencia de la ecuacin
= 1
= 7
y la curva de la ecuacin
, presentan como resultados aproximados del sistema los
siguientes puntos: ( 2.5; 1)

Mtodos directos
(1.2;
2,3).
Los mtodos directos son aquellos que determinan la solucin en un

nmero determinado de pasos.
Los mtodos directos no son los ms usuales pero cuando sea
posible son los ms recomendables, porque dan la solucin analtica, es decir,
la solucin terica del problema. Salvo casos muy raros estos mtodos no son
siempre aplicables, ya que dependen que el sistema permita el despeje y
simplificacin del mismo mediante operaciones algebraicas.
Mtodos iterativos
Los mtodos iterativos son aquellos que obtienen la solucin
aproximndose a ella en un nmero finito, pero no definido de pasos.
Estos mtodos son propiamente mtodos numricos, los cuales
obtienen la solucin mediante una sucesin que se aproxima a la solucin del
problema.
Los mtodos numricos requieren de un criterio de convergencia para

determinar cundo parar. El criterio de convergencia basado en el error
relativo es el aplicado normalmente, por su confiabilidad en este tipo de
operacin. El criterio de convergencia ser:
=
:
:
10
+1
Punto fijo
El mtodo de punto fijo es uno de los que se citan entre los mtodos
directos. Es siempre conveniente resolver un sistema de ecuaciones no lineal
por un proceso iterativo, sobre todo cuando no requiera evaluar las derivadas
parciales en dicho proceso, como es el caso del mtodo de Newton. Esta
ventaja presenta la iteracin de punto fijo.
La resolucin de sistemas no lineales a travs del mtodo de punto fijo
es muy semejante al mtodo iterativo lineal estudiado anteriormente para
resolver ecuaciones no lineales. As, un primer paso en la aplicacin de
iteracin lineal es resolver el sistema de la forma:
) = 0
( )
g(x, y) = 0
=
y = G(x, y)
( )
de forma que cualquier solucin deA sea, tambin solucin de B. Sean

) una solucin del sistema y
obtienen las aproximaciones
sucesivas
) una aproximacin para (x ,y). Se
), usando el proceso iterativo definido por:
para la solucin deseada
= G(x
,y
) ( )
Este proceso se llama mtodo de punto fijo o mtodo iterativo Lineal

para sistemas no Lineales. Para que sea posible debe cumplir las siguientes
condiciones suficientes, pero no necesarias:
F, G y sus derivadas parciales de primer orden sean continuas en una
).
vecindad V de la raz
Las siguientes desigualdades sean satisfechas:
Para todo punto
|
|
|+
|+
<
<
<1
<1
) perteneciente a una vecindad V de (

=
), donde:
, .
, .
La aproximacin inicial (x0, y0) pertenezca a la vecindad V de (x, y).

Para obtener una solucin con una determinada precisin
se debe,
durante el proceso iterativo, calcular el error relativo para todos los

componentes del vector solucin.
Ejemplo 27.
Considerar el siguiente sistema no lineal.
{
) = 0,2
) = 0,4
+ 0,2
+ 0,1
+ 0,6 = 0
+ 0,5 = 0
Aplicar el mtodo iterativo lineal para resolver el sistema no lineal dado

con una precisin menor a 10 .
Solucin
a)
Reescribiendo el sistema dado, se obtiene:
= 0,2 + 0,2
= 0,4 + 0,1
+ 0,6 =
+ 0,5 =
)
)
Se verifica la condicin de suficiencia para garantizar que la convergencia sea

satisfecha.
Que cada ecuacin pueda ser despejada respecto de una de sus variables.
Que las derivadas parciales del sistema sean continuas en la vecindad de las
posibles races.
Que
de valor
al
evaluar
las
derivadas
parciales
arrojen
resultados
pequeo, normalmente menor que uno.
La condicin (a) se cumple, pues es posible despejar las variables del sistema.
La condicin (b) se cumple, pues
las ecuaciones del sistema son polinomios, por lo
tanto continuas.
Es muy difcil conocer a priori la solucin del sistema, sin embargo hay casos
en que se puede intuir un posible resultado, debido a la simplicidad del problema.
Siempre ser importante partir de una grfica toda vez que sea posible, al final, es la
manera ms fcil de acceder a los valores iniciales de una iteracin.
Figura 22. Sistema de ecuaciones del Ejemplo 27.
En este caso, como es un ejemplo ilustrativo para verificar las

condiciones suficientes de convergencia, como aplicacin del mtodo iterativo
) = (0.9; 1.1).
lineal, se considerar inicialmente
Para verificar la condicin (c), condicin suficiente, se calcula

inicialmente, las derivas parciales de F y G en los puntos iniciales de la
iteracin.
Si se escribe que
= 0,4 + 0,2 ,
= 0,4 + 0,1 ,
= 0,2
= 0,2 ,
) = (0,9; 1,1, ) se ve que F, Gy sus derivadas

) . Adems de eso, se verifica que las
parciales son continuas en
desigualdades que figuran como condiciones para que la convergencia sea

satisfecha, se tienen:
|
= |(0,4)(0,9)| + |(0,2)(1,1)| + |(0,2)(0,9)| = 0,76 < 1
| +
= |(0,4) + (0,1)(1,1) | + | (0,2) (0,9 1,1)| = 0,719 < 1
|+
Esto demuestra que (
) esta en la vecindad de
usando el proceso iterativo se obtiene:
) = (0,9; 1,1, ) y
Primera iteracion
= G(x
,y
= 0,2 + 0,2
= 0,4 + 0,1
+ 0,6 = (
+ 0,5 =
= 0,2(0.9)(1.1) + 0,2(0.9)(1.1) + 0,6 = 0.96

= 0,4(0.9) + 0,1(0.9)(1.1) + 0,5 = 0.9689
Calculo del error relativo:
0.96 0.9
= 0.0625 > 10
0.96
0.9689 1.1
=
= 0.1353 > 10
0.9689
=
)
)
La precisin deseada aun no es alcanzada, por lo tanto se procede a otra

iteracin
Segunda iteracion
= 0,2(0.96)(0.9689) + 0,2(0.96)(0.9689) + 0,6 = 0,9703
= 0,4(0.96) + 0,1(0.96)(0.9689) + 0,5 = 0,9791

=
Tercera iteracin
0,9703
0.96
0,9703
= 0.0106 > 10
0,9791 0.9689
= 0.0104 > 10
0,9791
= 0,2(0,9703 )(0,9791) + 0,2(0,9703 )(0,9791) + 0,6 = 0,9763

= 0,4(0,9703 ) + 0,1(0,9703 )(0,9791) + 0,5 = 0,9802

=
=
0,9763 0,9703
= 0.00615 < 10
0,9763
0,9802 0,97039
= 0.0012 < 10
0,9802
Se puede considerar resultado aproximado a
) = (0.9763; 0.9802),
pues cumple con la condicin especificada inicialmente en el problema.

Se nota que la secuencia
puede decir que la solucin
(0,9773 , 0,982) , aplicando
) converge para (1, 1). Adems de eso, se
) , con error relativo inferior a 10
= 0,007 y
= 0,001.
, es
Si una de las
componentes cumpliera con la condicin prefijada y la otra no, el proceso debe

seguir hasta que todas cumplan con la precisin deseada.
Mtodo de Newton:
Teorema 32.
Sea g una funcin real diferenciable definida en un conjunto cerrado

acotado convexo D, y tal que cualquiera de las normas inducidas del jacobiano
de g en todos los puntos de D sea menor que la unidad, o el radio espectral del
jacobiano de g sea menor que la unidad para todos los puntos de D, entonces
existe una nica raz de
=
sucesin
) donde
que se obtiene como lmite de la
es un punto cualquiera de D.
Para adaptar el mtodo de Newton a los sistemas no lineales, se procede

) una aproximacin para la solucin de
como sigue: Sea

Admitiendo que
)
sean suficientemente diferenciables, expandiendo
), usando la serie de Taylor para funciones de dos variables,
en torno de
).
(
(
). As.
)+
)
)(
)(
(
(
)+
)
)= (
)= (
(
(
)(
)(
)+
)+
Admitiendo que (x0, y0) est suficientemente prximo de la solucin

, ) al punto de evitar la operacin con los trminos de ms alto orden, se
puede determinar una nueva aproximacin para la raz

) =
) = 0. Se obtiene el sistema:
(
)+
)
) haciendo
0) =
( )
Vale la aclaracin respecto a la notacin utilizada

Las funciones del sistema:
(
) =
) =
Est entendido que todas las funciones y derivadas parciales deben ser
calculadas en
) Se observa que (*) es ahora una ecuacin lineal. Adems
de eso, si no fueran despreciados los trminos de ms alto orden en el
desarrollo de Taylor, entonces
) sera la solucin exacta del sistema no
lineal. La resolucin de (*) producir una solucin que se llamar

Entonces, se debe esperar que
,
) est mas prxima de
) Resolviendo (**) por la regla de Kramer se obtiene

=
, ) =
Donde
0 en
). La funcin
denominada Jacobiano de las funciones
. La solucin
sistema, produce ahora una nueva aproximacin para
).
) que de
) es
) de este
). La repeticin de
este proceso conduce al Mtodo de Newton para sistemas no lineales. El

mtodo de Newton para sistemas no lineales est definida por:
x
Observaciones para el mtodo de Newton:

Cuando la iteracin converge, la convergencia es cuadrtica.
El mtodo de Newton converge segn las siguientes condiciones
siguientes:
y sus derivadas parciales hasta de segundo orden sean continuas y
limitadas en una vecindad V conteniendo (
El Jacobiano
) no se anula en la vecindad V.
La aproximacin inicial
.,
).
) sea elegida suficientemente prxima de la raz
El mtodo de Newton puede ser aplicado a un sistema de ecuaciones de

n incgnitas.
La solucin de un sistema de n ecuaciones, siendo n un valor elevado,
seria muy difcil, aun para el uso de las computadoras.
Mtodo practico para resolver un sistema no lineal por el mtodo de
Newton
Acotar una zona donde exista al menos una raz. Si se puede asegurar
que ser solo una, mucho mejor, para esto, graficar el sistema.
Reformular el problema como uno de punto fijo, y lanzar el esquema
para ver si converge a la raz buscada.
Aplicar el mtodo
El uso de mtodos de iteracin funcional con sistemas de ecuaciones es
completamente diferente de aquellos para ecuaciones simples. Se observa que
es til frecuentemente una informacin a priori sobre la localizacion de la raz;
cuando esto no es posible se puede usar un mtodo siempre convergente para
obtener una buena aproximacin de esta. Por lo tanto, en todos los casos se
debe optar por la eficiencia del mtodo.
Un mtodo a ser aplicado, solo es posible cuando el sistema converge
para dicho mtodo. Frecuentemente, si la aproximacin lineal no est
completamente cercana a la solucin, la
Ejemplo 28.
Determinar una raix del sistema
precisin de 10 , usando el mtodo de Newton.
Solucin
Sean las ecuaciones:
= 2
= 1 Con
2=0
Para obtener el valor inicial
ecuaciones dadas.
1=0
), se traza en un solo grfico las dos
Figura 23. sistema de ecuaciones del Ejemplo 27.
Del grfico se observa que el sistema admite 4 soluciones, una en cada

cuadrante. En este caso solo se buscar la solucin correspondiente al primer
cuadrante.
El punto de soluciones de las ecuaciones es la solucin
Analizando la grfica se nota que
(1.2; 0.7), entonces, se toma
) buscada.
) est en la vecindad del punto
) = (1.2; 0.7).
) =
(1.2; 0.7) = (1.2) + (0.7)
) =
(0.7)
(1.2; 0.7) = (1.2)
+
2
2 = 1.44 + 0.49
1
1 = 1.44
0.49
2 =
1 =
0.07
0.05
Se hallan las derivadas parciales de las ecuaciones del sistema

= 2 ;
= 2 ;
= 2 ;
(
(
(
(
)
)
)
)
Se aplica la frmula x
x = 1.2
(1.2,0.7)
(1.2,0.7)
(1.2,0.7)
(1.2,0.7)
= 2 = 2(1.2) = 2.4
= 2 = 2(0.7) = 1.4
= 2 = 2(1.2) = 2.4
2(0.7)
1.4
(
0.07(1.4) 0.05(1.4)
(2.4)( 1.4) (1.4)(2.4)
= 1.2
0.168
= 1.2
6.72
0.098 + 0.07
= 1.2
( 3.36) (3.36)
(
= (0.7) 0.05(2.4)
(0.07)(2.4)(2.4)( 1.4)
= (0.7)
( 0.025) = 1.225
(1.4)(2.4)(1.2,0.7)
0.048
= 0.707143
6.72
1.225 1.2
= 0.025 > 10
1.225
0.707143 0.7
=
= 0.0101 > 10
0.707143
=
Ambos calculos de error son mayores que 10
, por lo tanto, debe
realizarse otra iteracin

(
(
(
(
)
)
)
)
(1.225,0.707143)
(1.225,0.707143)
(1.225,0.707143)
(1.225,0.707143)
Se aplica la frmula x
= 2 = 2(1.225) = 2.45
= 2 = 2(0.707143) = 1.41428
= 2 = 2(1.225) = 2.4
2(0.707143)
1.41428
(
= 1.225
(
= (0.707143)
)
(
(0.001253) = 1.2237
)
0.00003319 = 0.70711
1.2237 1.225
= 0.00106 < 10
1.2237
0.70711 0.70714
=
= 0.000042 < 10
0.70711
=
Si uno de los errores relativos cumple la condicion de precision deseada,

se considera valido el resultado obtenido y termina las iteraciones. En este
caso, se considera muy proximo los valores hallados (1.2237; 0.70711)
Ejercicio 49.-
Resuelve el siguiente sistema por el mtodo grfico, probar
en el intervalo (1.5; 2)
Ejercicio 50.-
5 = 3
2
= 5
en el intervalo (1; 1.5)

Ejercicio 51.en el intervalo
Ejercicio 52.-
+ 3
= 9
5
= 3
0.5;
1.5)
+
= 2
+ = 1
en el intervalo (0.5; 1.5)
Ejercicio 53.en el intervalo
Ejercicio 54.-
= 0
+
= 0
2; 2.5)
2+
=0
3+

=0
en el intervalo (2; 3)
Ejercicio 55.-
+
= 6
= 1
Aplicando el mtodo de punto fijo y el mtodo de
Newton-Rapson para resolver el sistemas de ecuaciones no lineales,

determinar una raz con precisin de 10
punto (1. ;
Ejercicio 56.-
1.8).
, iniciando las iteraciones en el
= 2
+
=1
Aplicando el mtodo de punto fijo y el mtodo de
Newton-Rapson para resolver el sistemas de ecuaciones no lineales,

determinar una raz con precisin de 10 , iniciando las iteraciones en el
punto (1. ; 1.8).

Ejercicio 57.-
= 0
2
= 1
El estado estacionario de concentracin de dos especies
qumicas en un sistema qumico oscilatorio est dado por el sistema no

lineal, iniciar la operacin en el punto (0.9, 2.1).
Ejercicio 58.-
5 +
3 = 0
= 0
Usando el mtodo de Newton para sistemas de ecuaciones
no lineales, determinar una raz con precisin de 10
iteraciones en (1.2; 1.8).
= 4
= 9
, iniciando las
Ejercicio 59.-
iteraciones en
, iniciando las
2; 1).
+
5 = 0
+ 3
+ 3 = 0
Ejercicio 60.-
iteraciones en (0.7; 2).
, iniciando las
1) +
= 7
+ (
1) = 9
Dado el siguiente sistema no lineal, hallar una solucin con
Ejercicio 61.-
dos dgitos significativos correctos, iniciando la iteracin en

(1; 1.5)
) =
2
+ 3 = 0
= 0
Determinar una solucin con dos dgitos significativo
Ejercicio 62.-
correctos, el sistema no lineal dado, iniciando con en
) = (0.5; 0.85)
+ 3 = 0
= 0
Demostrar que el siguiente sistema no lineal posee
Ejercicio 63.-
exactamente cuatro races. Determinar esas races usando el mtodo de

Newton,
(1; 1); (1;
Ejercicio 64.-
Ejercicio 65.-
con
dos
1); ( 4; 1)
dgitos
( 4;
significativos
correctos,
iniciando
en
1)
+
+ 9
= 12
+ 36
= 36
Resolver el siguiente sistema de ecuaciones no lineales.
) =
2 + 3 + 5 = 0
(
)=
+ 5 2 2 1 =0
(
)= + 4 +
+ 2 = 0
Usando el mtodo iteracin de punto fijo y el mtodo de
Newton para resolver el sistema no lineal con precisin de 10
inicindolas iteraciones en
2; 0.6;
0.1)
(0.8; 1; 1.6).
Ejercicio 66.-
) =
2 + 3 + 5 = 0
(
)=
+ 5 2 2 1 =0
(
)= + 4 + 2 + 2
= 0
Para el siguiente sistemas de ecuaciones no lineales,
determinar una raz con precisin de 10
( 2.5; 0.5; 4.0)
Ejercicio 67.-
(3.2;
2.5; 1.2).
, inicindolas iteraciones en
8 =0
+ 3 = 0
+ + 3 = 0
Para el siguiente sistema de ecuaciones no lineales,
determinar una raz con precisin de 10 , para el punto de iteracin usar
el mtodo grfico.
Ejercicio 68.-
2 = 3
+
= 9
Para el siguiente sistema de ecuaciones no lineales,
determinar una raz con precisin de 10 , para el punto de iteracin usar
el mtodo grfico.
= 1
+
= 3
ECUACIONES LINEALES
CAPITULO V
Introduccin
La necesidad de resolver sistemas de ecuaciones lineales es muy
frecuente en las ciencias aplicadas, en particular la ingeniera. Los sistemas
lineales son aplicados en la bsqueda de solucin a diversas situaciones
prcticas, ya sea como la solucin completa de un problema alguna parte de
ella.
Entre las aplicaciones prcticas de los sistemas lineales pueden citarse
como ejemplos:
Determinacin del potencial en redes elctricas.
Calculo de tensin en una estructura metlica de construccin civil.
Calculo de razn de drenaje en un sistema hidrulico con derivaciones.
Los problemas matemticos en todos estos casos se reduce al problema
de resolver un sistema de ecuaciones lineales. Cuando un sistema lineal es de
gran porte, se debe escoger adecuadamente el mtodo numrico a utilizar para
preservar la precisin mxima del sistema.
Definicin 14.
Definicin 15.
Un vector en
Sean:
= ( (
vectores renglones en
y solo si
Definicin 16.
vectores en
, . ,
Definicin 17.
es una n-upla de la forma: v =v2, v3,..., vn)

,...,
= (
= (
Sean:
= ( (
,...,
. Se define la suma de vectores como:
).
Sea:
. Se define la igualdad de vectores como:
, para todo i, con i = 1,2,3,..., n
, ,
producto de vector por escalar como:
) vector de
= (
, a
= (
,...,
,...,
) ,
,...,
) ,
, si
, se define el
).
Definicin 18.
en
= (
Definicin 19.
Sean:
= (
Se
define
Sea:
de un vector v,
=
, . ,
+
+ )+
0
,
,
,
=
=
+
+ ( +
+ 0 =
,
,( + ) =
, ( + ) =
, ( )) = ( )
Definicin 20.
el
) y
producto
,...,
)=
= (
de
vector de
que se representa con
Sean: u, v, w vectores en
,...,
vectores
,a
,,
), vectores
como:
, se define la norma
y se denota como:
Teorema 33.
, entonces, se tiene:
Conmutativa
Asociativa
elemento neutro
Elemento simtrico
Distributiva
Distributiva
Asociativa
+ = 0
+
+
= ( )
En general, una matriz es una tabla de nmeros, un conjunto
ordenado en una estructura de filas y columnas. Los elementos de este conjunto
pueden ser objetos matemticos de muy variados tipos, aunque normalmente las
matrices estn formadas por nmeros reales.
Las matrices se utilizan para describir sistemas de ecuaciones lineales,

realizar un seguimiento de los coeficientes de una aplicacin lineal y registrar
los datos dependientes de varios parmetros. Las matrices pueden sumarse,
multiplicarse y descomponerse de varias formas diferentes, su aplicacin
tambin se da en el campo del lgebra lineal. Normalmente las matrices se
designan con letras maysculas.
Definicin 21.
Se llama matriz de orden m x n a cualquier tabla de nmeros que
conste de m finas y n columnas. Una matriz es un arreglo rectangular de mn

nmeros de la forma
la cual tiene m filas y n columnas.
Si los
elementos de una matriz A son nmeros reales y ducha matriz tiene m filas y n
columnas se dice que
, y qe su tamao es m x n. La notacin
comnmente utilizada para representar a la matriz

1,2,3,, m; j = 1,2,3,n
es:
=[
] i=
Definicin 22.
Sean:
Definicin 23.
Una matriz A es cuadrada si tiene el mismo nmero de filas y de
A = B si y solo si
=[
] dos matrices tamao m x n, entonces,
columnas y en este caso se escribe
Definicin 24.
0,
Sea
, una matriz cuadrada si
= 1, i=j,
se dice que A es la matriz identica (identidad) y se nota
Definicin 25.
La matriz 0 =
Definicin 26.
Sean:
+ B como la matriz
Definicin 27.
define
Definicin 28.
Sea:
Sea:
como la matriz
Definicin 29.
Sean:
el producto de
, = 1,2,3, ,
Definicin 30.
Sean:
Definicin 32.
Sean:
= 0,
, tal que
=[
dada por
es la matriz nula.
] dos matrices tamao m x n, se define A

.
una matriz de tamao m x n, y

dada por
un numero, se
una matriz de tamao m x n, se define

=[
como la matriz
= 1,2,3, , .
=[
(A+B)D=AD+BD.
Definicin 31.
Sean:
dos matrices, se define

donde
entonces
, entonces D(A+B)=DA+DB.
Notacion de matrices:
, entonces A(BC)=(AB)C.
Las matrices se denotan con letras mayusculas. Los elementos o

numeros que conforman la matriz se denotan con letras minusculas colocadas
dentro de: barras verticales | |; doble barras verticales
parntesis ( ).
; corchete [ ]o
Es importante tener en cuenta que una matriz no se resuelve (esto la

diferencia de los determinantes), sino que con una matriz se efectuan diversas
operaciones. A cada elemento que forma parte de una matriz, se lo identifica
con dos subindices: el primero senala la fila que ocupa ese elemento, y el
segundo indica la columna donde se encuentra.
Orden de una matriz
La matriz presentada a continuacin tiene tres filas y cuatro columnas y
por ello se le denomina matriz de orden 3 x 4. El nmero que se nombra
primero representa la cantidad de filas; y el segundo, nmero de columnas.
Ejemplo 29.
1 0
7 1
3 0
2
4
1
2
3
1
Elementos de la primera fila: 1 , 0 , 2 , 2

Elementos de la segunda columna: 0 , 1 , 0
Una matriz A de 3 filas y 3 columnas, se escribe de esta forma:
=
Tipo de matrices
2
2
1
1
1
1
2
2
Matriz cuadrada:
Se llama matriz cuadrada a la que tiene igual cantidad de filas y
columnas.
Ejemplo 30.
=
1
0
2
3
= 2 2,
1 9
= 2 2
4 6
2
58
7
=3 3
Matriz diagonal:
Se llama matriz diagonal a la matriz cuadrada que tiene nulos todos los
elementos fuera de la diagonal principal.
Ejemplo 31.
Matriz nula:
5
= 0
0
0
0
71 0
0 21
Se llama matriz nula a la que esta formada unicamente por ceros.

Ejemplo 32.
Matriz identidad:
0 0
= 0 0
0 0
0
0
0
Se llama matriz identidad a la que tiene a la unidad como nico

elementos en la diagonal principal, y ceros en los lugares restantes.
Ejemplo 33.
1
= 0
0
0 0
1 0
0 1
De acuerdo con esta definicion, se deduce que la matriz identidad

siempre debe ser cuadrada.
Matriz fila o vector fila:
Es toda matriz que posee una nica fila.
Ejemplo 34.
= [1 5
8]
Matriz columna o vector columna:

Es toda matriz que posee una nica columna.
Ejemplo 35.
3
= 2
1
Matriz transpuesta:
Es la matriz B que se obtiene de A, cambindose ordenadamente, las

filas por las columnas.
Ejemplo 36.
Matriz triangular
2 1
=
4 2
2
= 1
5
5
0
4
2
0
Es una matriz cuadrada en la que todos sus elementos por encima o por
debajo de la diagonal principal son nulos.
Ejemplo 37.
L=matriz triangular inferior (del ingles Low = bajo)
U=matriz triangular superior (del ingles Up = encima de)
Matriz simtrica:
1
= 0
0
2 4
5 53
0 7
Una matriz cuadra A es simtrica si

Ejemplo 38.
1 2
= 2 8
5 1
5
1
7
1
= 5
2
=
0 0
5 0
3 7
.
Matriz antisimtrica:
Una matriz cuadrada A es antisimtrica si su transpuesta coincide con
su opuesta, o sea
Ejemplo 39.
2
5
Matriz opuesta:
5
1
0
Dada la matriz A, se denomina opuesta de A a la matriz -A.

Ejemplo 40.
1
3
Matriz ortogonal
2
,
4
2
4
Es la matriz cuadrada cuyo producto por su transpuesta da la matriz

unidad.
Ejemplo 41.
=
Matriz singular
Es la matriz cuadrada cuyo determinante es igual a cero. Una matriz
singular no tiene matriz inversa.
Ejemplo 42.
=
=
5
2
7
2
10
4
14
4
= 20
20 = 0
= 28
28 = 0
Definicin 33.
Una matriz
llama elementos diagonales
Definicin 34.
Sea
dominante si y solo si |
Operaciones con matrices
|>
los elementos de
los elementos se les
la matriz A se dice estrictamente diagonal

|
= 1,2,3, ,
Adicin de matrices
Para sumar matrices, es condicin necesaria que sean de igual orden,
pues se suman los elementos que tienen la misma ubicacin.
Propiedades de la adicin de matrices:
a) Propiedad conmutativa: A+B=B+A
b) Propiedad asociativa: A+(B+C)=(A+B)+C
c) Elemento neutro: El elemento neutro para la suma es la matriz
nula, de igual orden que las que se suman.
d) Inverso aditivo: Dada una matriz A, existe otra matriz B inverso
aditivo de
=0
, tal que se verifica que:
Ejemplo 43.
Dadas las matrices A y B, halla la suma: A+B
1
0
2
5
7
0
+
4
2
1
0
2
5
7
4
1+0
5 4
=
1 3
0+2
0
2
5 4
1 3
2+5
5+1
7+4
1
=
4+3
2
7
6
11
7
Sustraccin de matrices
La sustraccin de matrices se define como la adicin, restando los
elementos de igual ubicacin.
Las propiedades de la sustraccin de matrices son semejantes a las de la

adicin, con la diferencia de que no cumple la propiedad conmutativa.
Ejemplo 44.
Dadas las matrices A y B, halla la suma: A+B
1
= 2
9
Solucin:
2 4
5 8
3 1
4
= 1
2
7
5
0
1
4
5
La operacin A-B, denota la diferencia entre las matrices A y B, as

+(
) porque la resta entre matrices se transforma en la suma de la
matriz minuendo (A) con la matriz opuesto aditivo del sustraendo (B).
1
= 2
9
2
5
3
4
8 +
1
1
= 2
9
2
Transposicin de matrices
2
5
3
4
4
8 + ( 1) 1
1
2
1
4 =
5
4
1
2
2
5
3
7 1
5 4
0 5
7 4
5 8
0 1
1
4 = 1
5
7
5
0
3
4
4
Dada una matriz A de orden mxn, se llama matriz transpuesta de A, a la

matriz
de orden nxm, que resulta de convertir las filas A en columnas, y
sus columnas en filas.
Ejemplo 45.
Dada la matriz A, halla la transpuesta de A, o sea
1
3
2
1
4
5
1
= 2
Producto de una matriz por un escalar
3
1
5
En general se llama escalar a cualquier nmero real, y se emplea esta

denominacin cuando se definen operaciones entre nmeros y otros
elementos algebraicos, como lo son las matrices y los vectores.
Cuando se multiplica una matriz por un numero real
, se obtiene otra
matriz del mismo orden que la dada, y cuyos elementos resultan ser " " veces
los de la matriz original.
Ejemplo 46.
Sea la matriz A, halla el producto 3A
=
1
0
5
1
4
1
=3 =3
0
0
5
1
4
31
=
0
30
35
31
34
3 15
=
30
0 3
12
0
Producto de matrices
El producto entre dos matrices es otra matriz, donde cada elemento
resulta de multiplicar cada fila de la primera matriz por cada columna de la
segunda matriz, sumando los productos parciales.
Propiedades del producto de matrices:
El nmero de columnas de la primera matriz debe ser idntico al
nmero de filas de la segunda matriz.
El producto de matrices no es conmutativo.
El elemento neutro del producto entre matrices es la matriz
identidad.
Las matrices representan verdaderos cuadros de valores, que no dan

ningn resultado ya que esto carece de sentido; ya se ha dicho que las
matrices no se resuelven, sino que con ellas se efectan operaciones.
Ejemplo 47.
Sean las matrices A y B.
=
Efectua A x B
=
Solucin:
1
0
1
0
5 4
1 0
5
1
1
4
1
= 2
4 1
0 4
1
= 2
3
1
5
3
1
5
El producto A x B no se puede resolver, porque hay que multiplicar cada

fila de B por cada columna de A, sobran elementos de A, ya que esta matriz
tiene 4 elementos por fila, mientras que B tiene 3 en cada columna; al quedar
elementos sin multiplicar, el producto es irrealizable.
Efectua B x A
Solucin:
1
= 2
( 1) + (3 0)
( 5) + (
( 5) + (
= ( 1) + (1 0)
( 1) + (
0) ( 5) + (
3
1
5
1
0
5 4
1 0
1
=
4
( 4) + (
1)
( 4) + (
1)
1) ( 4) + (
4 8
= 3 11
4 15
4
8
16
13
6
16
( 1) + (
0)
( 1) + (
0)
0) ( 1) + (
4)
4)
4)
Realizar las siguientes operaciones con matrices
Ejercicio 69.-
Sean las matrices A y B, hallar su suma:

=
Ejercicio 70.-
4
4
2 6
1 6
5
4
8 11
Sean las matrices M y N, hallar su suma:
=
Ejercicio 71.-
3
1
11
2
0
22
3
1
11
2
0
22
7 0
4
5
11 1
Sean las matrices A y M, hallar su suma:
=
Ejercicio 72.-
Sean las matrices
matriz
4
4
2
1
6
6
halla la matriz
y la
.
2
4
4
4,25 2,22 4,26

14,1 11,1 6,01
=
Ejercicio 73.-
1
5
11
12
Sean las matrices
1
4
11
11
5
20
55
halla la matriz
matriz
=
Dadas las siguientes matrices
11
5
4
12
15
1,11 4,52 2,24

4,25 4,28 4,11
2
7
0,25 0,75
= 4,25 5,25
7,25 1,75
y la
Ejercicio 74.-
Resolver AxB
Ejercicio 75.-
Resolver BxA
Ejercicio 76.-
Resolver -3B
Ejercicio 77.-
Resolver 1,5A
Ejercicio 78.-
Resolver BxC
Ejercicio 79.-
Resolver CxA
Ejercicio 80.-
Resolver AxC
Ejercicio 81.-
Resolver CxB
Ejercicio 82.-
Resolver -4B
Ejercicio 83.-
Resolver (C+A)
Determinantes
Un determinante es siempre cuadrado (igual cantidad de filas y

columnas), y est formado por nmeros, como una matriz; la diferencia
fundamental es que, una matriz representa un conjunto de valores que no se
resuelve, un determinante s se resuelve, porque representa unnmero.
Un determinante se representa con la letra griega
(delta mayscula) o
usando barras.
1
8
6
5
1
5
4
4
2
Linea solida principal, Linea punteada secundaria

Determinante de segundo orden es el que tiene 2 filas y 2 columnas.
Determinante de tercer orden es el que tiene 3 filas y 3 columnas.
Propiedades de los determinantes:
a) El determinante de una matriz cuadrada coincide con el de su
transpuesta, ( ) = (
Ejemplo 48.
=
b) Si se intercambian entre s dos filas paralelas, el determinante cambia
de signo.
Ejemplo 49.
5
1
1
5
4
= 11
3
3
4
11
c) Un determinante es nulo si una de sus filas o columnas est formada

ntegramente por ceros.
Ejemplo 50.
1
8
7
0
0
0
6
9 =0
4
d) Un determinante es nulo si tiene dos filas o dos columnas iguales.

Ejemplo 51.
1
3
1
4
1
4
2
5 = (2 + 20 + 24)
2
(2 + 24 + 20) = 0
2
3
1
8
1
4
4
5 = (4 + 40 + 48)
2
(4 + 40 + 48) = 0
e) Un determinante es nulo si tiene dos filas o dos columnas

proporcionales.
Ejemplo 52.
f) Si los elementos de una fila se multiplican por un nmero, el

determinante queda multiplicado por ese nmero.
Ejemplo 53.
10
1
5
2
5
15
2
4 =5 1
0
1
2
5
3
4
0
g) Si una fila de un determinante la forma trminos que son suma de dos

sumandos, el determinante es igual a la suma de los determinantes obtenidos
sustituyendo
dicha
fina
por
los
primeros
segundos
sumandos
respectivamente.
Ejemplo 54.
=
h) Si una fila es combinacin lineal (suma o resta de mltiplos) de otras

paralelas, el determinante es cero (0).
Ejemplo 55.
Solucin:
=0
Por ser
i) Si a una fila se le suma una combinacin lineal de otras filas paralelas
a ella, el determinante no cambia.
Ejemplo 56.
Solucin:
+
+0=
j) El determinante de un producto de matrices es igual al producto de los
determinantes de dichas matrices. De otra manera: |
Ejemplo 57.
Solucin:
=
1
0
1
0
2
4
2
4
4
5
4
5
1
0
2
4
4
5
| = | | | |.
0
3
0
= det A . detB = (4 12) = 48
3
0
= |4| |12| = |
3
12| = 48
Resolucin de un determinante de 2 orden:
Resolver un determinante de segundo orden es hallar el nmero que

representa, para lo cual se multiplican los elementos de la diagonal principal,
y a ellos se les resta el producto de la diagonal secundaria, es decir que se
resuelve por la resta de los productos cruzados:
Ejemplo 58.
=
1
5
Determinante de 3er orden
2
=(
4
1)
5) = 6
El procedimiento de resolucin de un determinante de tercer orden es

un poco ms largo que el de segundo orden, utilizndose para su resolucin
varios mtodos; las ms conocidas son la de Sarrus y Laplace. Aqu se

presenta el mtodo de Sarrus.
Regla de Sarrus:
Consiste en escribir debajo de la ltima fila, las dos primeras
(conservando el orden); entonces se suman los tres primeros productos de las
diagonales principales, y se restan los otros tres productos de las diagonales
secundarias.
Ejemplo 59.
Resolver el determinante
Solucin
1
5
= 3
1
3
2
3
1
2
1
4
2
0 = [(
4
0
1
5
= 3
1
3
2
3
1
2
1
4) + (
1
= 5
3
2
3
1
4) + (3
4
2
4 = [12 + 20 + 6]
4
0
4
2
0
0)]
[(
4) + (
[24 + 2 + 24] = 38
= 12
Resolver los determinantes 2x2
Ejercicio 84.Ejercicio 85.Ejercicio 86.Ejercicio 87.-
5
4
2
2
51 102
=
4
8
5
8
=
13
=
2
3
2) + (3
50 = 12
4)]
Resolver los determinantes 3x3
Ejercicio 88.-
Ejercicio 89.-
Ejercicio 90.-
Ejercicio 91.-
4
= 5 6
7
11 14 5
8 2
4
= 5 4 7
1 8 5
18 1 1
7
= 5
10 8 5
8 2 4
= 2 4 1
4 8 2
Sistemas lineales
Definicin 35.
Una ecuacin es lineal si cada trmino contiene no ms de una
variable y cada variable es de primer grado (elevada a la primera potencia).

Ejemplo 60.
+2
a)
b)
variables.
+4
4 = 2, es lineal.
5 = 0, no es lineal, pues el segundo termino contiene dos
1 = 2, no es lineal, pues la variable del primer termino esta
c)
elevada auna potencia distinta de uno.
La solucion de un sistema lineal de orden n, consiste en hallar los

valores de cada una de las variables, que al ser sustituidas en el sistema,
todas ellas son satisfechas.
Ejemplo 61.
De un sistema de tres ecuaciones lineales:
+5
=4
2
=2
= 2,
Este sistema tiene la solucion:
= 1, = 3
Para verificar la validez de las soluciones se reemplazan las variables en

el sistema, y todas deben ser satisfechas.
Este mismo ejemplo puede
escribirse en forma matricial:

3
5
1
3
1
4
2
2
De un modo general, un sistema de n ecuaciones lineales se escribe

como:
+
+
+
+
.+
.+
+
=
=
La representacin en forma matricial se da como:

La forma ms simple de representacin matricial es Ax=B. Donde A es la
matriz de los coeficientes, x es el vector solucin y b es el vector de trminos
independientes.
+
+
+
+
+
.+
.+
Clasificacin de un sistema lineal

a) Sistema compatible, posible o consistente.
- Determinado: si admite una nica solucin.
- Indeterminado: si admite ms de una solucin.
b) Sistema incompatible, imposible o inconsistente
- Es todo sistema que no admite solucin
Ejemplo 62.
Sea el siguiente sistema:
x+y = 5
2x
y=1
La solucin del sistema es: x = 2, y = 3
Figura 24. Representacin grfica del

Ejemplo 62
El sistema es compatible y determinado, pues ningn par de valores

distintos a 2 y 3 podrn satisfacer la ecuacin dada, o sea, el sistema posee
una nica solucin.
Ejemplo 63.
+2 =4
Geomtricamente las dos rectas son
= 12
coincidentes, y como el resultado del

sistema est dado por la interseccin
de las rectas, en este caso, todos los
puntos de las rectas son soluciones del
sistema.
Figura 25. Representacin Grfica del

ejemplo 63
El sistema es compatible e indeterminado, pues admite infinitas

soluciones
Ejemplo 64.
2x + y = 5
2x + y = 1
Geomtricamente las dos rectas son

paralelas, no existe la posibilidad de
interseccin entre ellas, por lo tanto el
sistema
es
incompatible,
pues
no
admite ninguna solucin.

Figura 26. Representacin Grfica del
ejemplo 64
Mtodos exactos
Son aquellos mtodos que aplicados a un sistema producen soluciones
exactas, no generan errores de redondeo al operar con un numero finito de
operaciones.
Mtodos iterativos
Son aquellos mtodos que permiten obtener soluciones de un sistema
con una determinada precisin a travs de un proceso infinito convergente.
Este mtodo requiere en principio de un nmero infinito de operaciones
aritmticas para producir la solucin exacta, pues el mtodo iterativo
necesariamente posee error de truncamiento.
Sistemas equivalentes
Dos sistemas de ecuaciones lineales son equivalentes cuando admiten
la misma solucin.
Operaciones elementales
La solucin de un sistema de ecuaciones lineales frecuentemente
requiere usar las operaciones elementales de una matriz. Estas son:
a) Intercambio de dos filas o renglones cualquiera de una matriz.
b) Multiplicacin de una fila o rengln de una matriz por una constante

0.
c) Sumar un rengln a otro, multiplicando el primero por una constante
0.
Transformaciones elementales
1) Dado un sistema de ecuaciones lineales, si a una cualquiera de sus

ecuaciones se multiplica por un escalar distinto de cero, resulta un sistema
equivalente al sistema dado.
2) Dado un sistema de ecuaciones lineales, si dos cualquiera de sus
ecuaciones se intercambian, resulta un sistema equivalente al sistema dado.
3) Dado un sistema de ecuaciones lineales, si a una cualquiera de sus
ecuaciones se le suma un mltiplo de otra ecuacin cualquiera, resulta un
sistema equivalente al sistema dado.
Mal condicionamiento
Se tiene este fenmeno cuando la solucin de las ecuaciones es muy
sensible a pequeas variaciones de los coeficientes, debido a que la matriz de
los coeficientes en las ecuaciones lineales est prxima de ser singular.
Ejemplo 65.
Sean los siguientes sistemas lineales:
a.
=2
10,05 + 10 = 21, la solucin del sistema es
= 20
10,10 + 10 = 21, la solucin del sistema es
= 10
=8
b.
=2
Un cambio relativo de 5% en el coeficiente de
18
produce un cambio
relativo de 50% en el valor de x y 56% en el valor de y; observndose que un
pequeo cambio en uno de los coeficientes, produce grandes cambios en la

solucin del sistema. La solucin del sistema perturbado es muy diferente de
la solucin del sistema original.
Sistema bien condicionado
Un problema se dice bien condicionado si pequenos cambios en los
datos introducen, correspondientemente, un pequeno cambio en la solucion.
El buen condicionamiento o mal condicionamiento de un sistema lineal
es inherente al problema y no depende del algoritmo empleado para resolverlo.
Definicin 36.
El elemento
+ 1, + 2 .
pivote.
Definicin 37.
0, usado para eliminar los elementos
, para
sedefine como elmento pivote y la fila q se define como fila
Los nmeros
luego restrsela a la fila r con
, por el cual se multiplica la fila pivote para
+ 1, + 2,
se llaman multiplicadores
Las operaciones elementales junto con los elementos pivotes y los

multiplicadores permiten transformar la matriz ampliada de un sistema de
ecuaciones, cuando esto sea posible, en una matriz triangular superior o
inferior y resolver el sistema equivalente, ya sea por sustitucin regresiva o
progresiva respectivamente.
Mtodo de determinantes
Existen diversos mtodos para resolver sistemas de ecuaciones
simultneas de primer grado o sistemas de ecuaciones lineales; una forma
sencilla de hacerlo es, aplicando los determinantes para resolver ecuaciones
lineales. Es importante hacer notar que este sistema su usa para resolver
sistemas lineales de hasta tres incgnitas.
Regla de Cramer:
Esta regla establece que, dado un sistema de n ecuaciones con n
incgnitas, se verifica:
x,y,z representan a las incgnitas del sistema.

Para hallar el valor de x se divide el determinante x por el determinante
, siendo
x el determinante en el que se ha reemplazado la columna de la
incgnita, por la de trminos independientes, y
es el determinante original
del sistema.
Ejemplo 66.
Resuelve el sistema lineal:
=4
+5
5
+ 4 + 7 = 10
Se hallan determinantes
=
, =
, y se aplican los cocientes:
.
1
10
=
=
=
69
= 3,
23
1
3
4
1 1
3 5
4 7
4
5
10
1
5
7
1
5
7
23
69
46
4
5 = 23
10
46
= 2, =
23
23
23
Ejercicio 92.-
Ejercicio 93.-
Resuelve el sistema lineal por el mtodo de determinante

+ 3 = 36
+ 5 = 61

+8
Ejercicio 94.-
Ejercicio 95.-
Ejercicio 96.-
Ejercicio 97.-
Ejercicio 98.-
Ejercicio 99.-
37
37
Resuelve el sistem lineal por el mtodo de determinante

= 13
4

13
31
326
25 + 37 = 146

+3 =8
=3
+2 =4

11 + 4 + 8
11
+6
18 + 7 + 8
65
87
74
10 + 3
= 12
=3
=4
Ejercicio 100.-
Ejercicio 101.-
= 11
=3
=4
+3

+3 =8
=3
+2 =4
Mtodos Iterativos
11 + 4 + 8
11
+6
18 + 7 + 8
65
87
74
Los mtodos iterativos son preferibles a los mtodos directos cuando la

matriz de coeficientes es poco densa, o sea, con muchos ceros.
Entre los mtodos iterativos para la resolucin de sistemas de
ecuaciones lineales las ms conocidas son: el mtodo de Jacobi y el mtodo de
Gauss Seidel
Mtodo de Jacobi
El mtodo de Jacobi es un mtodo iterativo utilizado para hallar la
solucin de un sistema cuadrado de ecuaciones lineales.
Este mtodo se ilustra mejor con un ejemplo.
Ejemplo 67.
Solucin
+3
= 15
+5
=9
+ 3 + 6 = 19
Realizando transposiciones de trminos adecuados se tiene:
De la primera ecuacin:
De la segunda ecuacin:
De la tercera ecuacin: =
La iteracin de Jacobi para este sistema es:

=
15
+2
+2
5
19
El mtodo iterativo se inicia a partir del punto (0, 0, 0)
+3
Los resultados del proceso iterativo se muestran en la siguiente tabla

Iteracion
0
1
2
3
4
5
6
7
8
9
10
0
2,142857
2,276190
1,970068
2,056689
2,002189
2,009943
2,002037
2,001956
2,000672
2,000431
0
1,800000
2,638095
2,685714
2,896780
2,929796
2,971360
2,983679
2,992539
2,996073
2,998113
Segn la tabla, los resultados tienden a:
0
3,166666
3,352381
3,726984
3,852834
3,929494
3,964168
3,982366
3,991160
3,995618
3,998833
2,
3,
Este proceso no es el ms recomendable, pues se realizan demasiadas

iteraciones para hallar el resultado, la situacin repetitiva tiende a producir
errores en las operaciones. Para que el mtodo de Jacobi sea aplicable es
absolutamente necesario que los coeficientes de la matriz del sistema sea una
matriz estrictamente diagonal dominante, esto es, en este caso: 7 > |3| + | 2|,
5 > |1| + | 2|, 6 > |2|
3|, condicin que se cumple y el mtodo converge
hacia un numero. En caso de que la matriz no sea estrictamente diagonal

dominante, el mtodo de Jacobi diverge.
Este mtodo tiene aplicabilidad en problemas donde el nmero de
incgnitas es muy grande y los coeficientes de la matriz son pocos. Es aqu
donde el mtodo resulta eficiente desde el punto de vista en la utilizacin de

memoria en un computador o microcontrolador, ya que otros mtodos como la
eliminacin gaussiana podran exceder el lmite de memoria.
Para la aplicacin del mtodo es necesario tener un valor inicial ya sea
aproximado o sea el vector nulo, el cual es utilizado para calcular un nuevo
vector solucin mediante la expresin de Jacobi y as sucesivamente se
repetir el proceso hasta un error estimado.
Para poder aplicar el mtodo iterativo de Jacobi se debe tener una
estimacin inicial del vector solucin x, si no se tiene la estimacin se debe
tomar como vector solucin inicial el vector nulo, esto es porque siempre se
necesita el valor inicial de x para poder comenzar las iteraciones, entre ms
cercano sea el valor inicial a valor real, mas rpido converge a la solucin. Una
condicin suficiente para que el mtodo de Jacobi converja.
Esto quiere decir que cada elemento de la diagonal de la matriz A sea
mayor o igual que la suma de los otros elementos de la matriz, excluyendo los
elementos de la diagonal. Y as sucesivamente hasta una cota de error o un
mximo de iteraciones.
Mtodo de Gauss - Seidel

El mtodo de Gauss Seidel es tambin un mtodo iterativo utilizado
para resolver sistemas de ecuaciones lineales. Este mtodo es una variacin
del mtodo de Jacobi, presenta mayor eficiencia para generar el nuevo punto
de proceso iterativo, esto se debe a que el mtodo de Gauss Seidel va usando
los resultados a medida que se van generando. Es posible aclarar este mtodo
con el mismo ejemplo anterior.
Ejemplo 68.
Utilizando el mtodo de Gauss Seidel, resuelve el siguiente sistema
lineal
+3
= 15
+5
=9
+ 3 + 6 = 19
Solucin
Realizando transposiciones de trminos adecuados se tiene:

=
De la primera ecuacin:
De la segunda ecuacin:
De la tercera ecuacin: =
La iteracin de Jacobi para este sistema es:

=
15
+2
+2
5
19
El mtodo iterativo se inicia a partir del punto (0, 0, 0)
+3
Los resultados del proceso iterativo se muestran en la siguiente tabla

Iteracion
0
1
2
3
4
5
6
7
0
2,142857
2,451701
2,081296
2,038973
2,010955
2,004000
2,001274
0
1,371429
2,564898
2,836494
2,948665
2,982346
2,994208
2,998053
Segn la tabla, los resultados tienden a:
0
3,138096
3,631882
3,891148
3,961342
3,987521
3,995771
3,998602
2,
3,
Este mtodo de Gauss Seidel necesita menor iteracin para llegar al

mismo resultado, pues el resultado logrado por el mtodo de Jacobi en 10
iteraciones, ste mtodo de Gauss Seidel lo hizo en solo 7 iteraciones,
presentando mayor rapidez en la convergencia. Tanto el mtodo de Jacobi
como el Gauss Seidel solo convergen a la solucin si la matriz de coeficientes
del sistema es estrictamente diagonal dominante.
Desde otra perspectiva a diferencia del mtodo de Jacobi que cada valor
encontrado se sustituye en la siguiente ecuacin, partiendo del sistema
anterior, cada iteracin est dada por:
=
El criterio de detencin el que si en alguna norma, la matriz de iteracin

M del esquema satisface || || < 1, entonces el mtodo converge y el error en
el paso
+ 1) puede estimarse mediante:
y, a su vez, la norma de la matriz de iteracin || || puede estimarse
paso a paso mediante:
max
Ejemplo 69.
Para
Para
= 0;
= 0;
= 45;
6
30
X =
= 0;
+ 45
24
210
+
+ (
)
30
30
24
180
x
(
)
36
36
= 0 + 45 = 45
6
24
210
=
( ) 45 + ( ) 0 + (
) = 2
30
30
30
24
180
= ( ) ( 2)
(
) = 19/3
36
36
2;
19/3;
Para
= 43;
= 2 + 45 = 43
6
24
19
210
( ) 43 + ( ) (
) + (
) =
30
30
3
30
24
20
180
85
= ( )(
)
(
) =
36
3
36
9
20
3
115
20
+ 45 =
3
3
6 115
24
85
210
( )(
) + ( )(
) + (
) =
30
3
30
9
30
24
74
180
283
= ( )(
)
(
) =
36
9
36
27
=
74
9
Y as sucesivamente hasta una cota de error o un mximo de

iteraciones.
Otra variante para la explicacin del Mtodo de Gauss Seidel
Permite encontrar la solucin de un sistema de n ecuaciones con n
incgnitas.
Para comenzar es preciso mencionar que es un mtodo iterativo, es decir
que debe aplicarse recursivamente hasta encontrar una solucin adecuada o
con un error considerablemente pequeo.
En cada iteracin obtenemos una solucin posible del sistema con un
error determinado, a medida que aplicamos nuevamente el mtodo, la
solucin puede ser ms precisa, entonces se dice que el sistema converge,
pero si al aplicar el mtodo reiteradas veces la solucin tiene un error (ya
explicaremos como se calcula este error) cada vez mayor se dice que el sistema
no converge y no se puede resolver el sistema de ecuaciones por este mtodo.
Bien proseguir con la explicacin del mtodo y luego aclarar los
detalles necesarios para determinar la eficacia del mismo.
Teniendo el siguiente sistema de ecuaciones:
.
.
.
.
.
.
Despejamos x1 de la ecuacin 1, x2 de la ecuacin 2,, xn de la

ecuacin n, quedando:
=
=
=
Desde la formula anterior resultan las frmulas que se debern ir
aplicando en las diferentes iteraciones. Para comenzar a aplicar el mtodo
debemos asignar un valor arbitrario a las variables x2,xn con el fin de
obtener x1. Lo ms conveniente en este caso es que los valores comiencen en
cero, lo cual nos facilitara el trabajo ya que se reduce el clculo de las
primeras soluciones, entonces de esto resulta que:
=
Ahora despejamos x2 de la ecuacin 2 y reemplazamos a x1 por el valor
obtenido en la ecuacin anterior. De esto nos queda:
Una vez que tenemos x2, despejamos x3 de la ecuacin 3 y as

sucesivamente con las n ecuaciones, cada vez asignando el valor de las
,
obtenido en el paso anterior.
Cuando hemos despejado las xn, tenemos lo que se conoce como
primera solucin o solucin de la primera iteracin:
2=
Con los nuevos valores de x1, x2,, xn aplicamos los mismos pasos
anteriores pero con los nuevos valores de las xn, de esta manera conseguimos
una segunda solucin:
1=
2=
Al tener esta segunda solucin estamos en condiciones de calcular el

error que se calcula como sigue:
| 1| =
100%
| 2| =
100%
|=
100%
As, repetimos el mtodo tantas veces hasta que el error sea muy
pequeo o los suficientemente aceptable.
Ahora solo queda mencionar que para que un sistema sea convergente
se debe cumplir que la matriz de coeficientes sea diagonalmente dominante, y
para ello se debe verificar la siguiente expresin:
|
|>
= 1,2, ,
Si no se cumple esa condicin, se puede permutar las filas de la matriz,

con el fin de poder convertirla en una diagonalmente dominante.
Sistemas Triangulares
Eliminacin de Gauss
Es un algoritmo del lgebra lineal para determinar las soluciones de un
sistema de ecuaciones lineales, encontrar matrices e inversas. Un sistema de
ecuaciones se resuelve por el mtodo de Gauss cuando se obtienen sus
soluciones mediante la reduccin del sistema dado a otro equivalente en el que
cada ecuacin tiene una incgnita menos que la anterior. Cuando se aplica
este proceso, la matriz resultante se conoce como: "forma escalonada".
Algoritmo de eliminacin
1. Ir a la columna no cero extrema izquierda
2. Si el primer rengln tiene un cero en esta columna, intercambiarlo con
otro que no lo tenga
3. Luego, obtener ceros debajo de este elemento delantero, sumando

mltiplos adecuados del rengln superior a los renglones debajo de l
4. Cubrir el rengln superior y repetir el proceso anterior con la submatriz
restante. Repetir con el resto de los renglones (en este punto la matriz se
encuentra en la forma de escaln)
5. Comenzando con el ltimo rengln no cero, avanzar hacia arriba: para
cada rengln obtener un 1 delantero e introducir ceros arriba de este
sumando mltiplos correspondientes a los renglones correspondientes
Una variante interesante de la eliminacin de Gauss es la que llamamos
eliminacin de Gauss-Jordan, (debido al mencionado Gauss y a Wilhelm
Jordan), esta consiste en ir obteniendo los 1 delanteros durante los pasos uno
al cuatro (llamados paso directo) as para cuando estos finalicen ya se
obtendr la matriz en forma escalonada reducida.
Ejemplo 70.
Supongamos que es necesario encontrar los nmeros x, y, z, que
satisfacen simultneamente estas ecuaciones:
+2
8
11
3
Esto es llamado un sistema lineal de ecuaciones. El objetivo es reducir el

sistema a otro equivalente, que tenga las mismas soluciones. Las operaciones
(llamadas elementales) son estas:
Multiplicar una ecuacin por un escalar no nulo.
Intercambiar de posicin dos ecuaciones
Sumar a una ecuacin un mltiplo de otra.
Estas operaciones pueden representarse con matrices elementales que
se usan tambin en otros procedimientos como la factorizacin LU o la
diagonalizacin por congruencia de una matriz simtrica.
En nuestro ejemplo, eliminamos x de la segunda ecuacin sumando 3/2

veces la primera ecuacin a la segunda y despus sumamos la primera
ecuacin a la tercera. El resultado es:
1
2
= 8
1
2
= 1
= 5
Ahora eliminamos y de la primera ecuacin sumando -2 veces la

segunda ecuacin a la primera, y sumamos -4 veces la segunda ecuacin a la
tercera para eliminar y.
1
2
= 6
1
+
2
= 1
= 1
Finalmente eliminamos z de la primera ecuacin sumando -2 veces la

tercera ecuacin a la primera, y sumando 1/2 veces la tercera ecuacin a la
segunda para eliminar z.
= 4
3
=
2
= 1
1
2
Despejando, podemos ver las soluciones:

=
=
2
3
1
Para clarificar los pasos (y es en realidad lo que las computadoras

manejan), se trabaja con la matriz aumentada. Podemos ver los 3 pasos en su
notacin matricial:
Primero:
2
Despus,
Por ltimo.
1
1
2 0
1
0
2
0 0
1 0
0 1
0 0
1
2
2
0
0
0
1
8
11
3
4
3
2
1
2
3
1
Si el sistema fuera incompatible, entonces nos encontraramos con una

fila como esta: (0 0 0 1)
Que representa la ecuacin:
tiene solucin.
+ 0 + 0 = 1, es decir, 0 = 1 que no
Descomposicin LU
El mtodo de descomposicin LU para la solucin de sistemas de
ecuaciones lineales debe su nombre a que se basa en la descomposicin de la
matriz original de coeficientes (A) en el producto de dos matrices (L y U).
Esto es:
Donde:
L - Matriz triangular inferior
U - Matriz triangular superior con todos los elementos de la diagonal
principal iguales a 1.
De lo anterior, para matrices de 3x3 se escribe:
0
0
0
0
1
0
Si efectuamos la multiplicacin de L y U, igualando los elementos de ese

producto con los de la matriz A correspondientes, se obtiene:
De aqu que los elementos de L y U son, en este caso:
=(
Si el sistema de ecuaciones original se escribe como:
=
lo cual resulta lo mismo escribir:
Definiendo a:
Podemos escribir:
=
=
=
Resolviendo para Y, encontramos:
)/
=(
=(
)/
)/
El algoritmo de solucin, una vez conocidas L, U y b, consiste en

encontrar primeramente los valores de "Y" por sustitucin progresiva sobre "L
Y = b". En segundo lugar se resuelve "U x = y " por sustitucin regresiva para
encontrar los valores de "x", obteniendo:
La determinacin de los elementos de las matrices L y U se realizan

eficientemente aplicando una forma modificada del mtodo de eliminacin de
Gauss.
Se observa que el mtodo de descomposicin LU opera slo sobre la
matriz de coeficientes, sin modificar el vector de excitacin (en este caso b), por
lo que resulta superior al mtodo de eliminacin gausiana.
Ejemplo 71.
Resolver el siguiente sistema de ecuaciones, factorizando la matriz en
LU:
1
1
0
2
0
1
0
1
2
3
4
0
0
1
1
Las matrices de factores L y U de A son:
3
1
0
0
0
5/3
0
0
1/3 8/5
0
0
1 3/8
0
0
0
1
1
1
1
1/3
1
0
0
1/3
1/5
1
0
0
0
1
1
El primer paso es resolver la ecuacin L Y = b por sustitucin progresiva

para obtener los elementos del vector auxiliar Y:
3
1
Donde
][ ] = [ ]
0
0
0
5/3
0
0
1/3 8/5
0
0
1 3/8
1
2
3
4
1
1
1
1
= 1/3
= 4/5
=1
= 16/3
El segundo paso es resolver la ecuacin U X = Y para encontrar los

elementos de X, por sustitucin regresiva:
0
0
0
1/3
1
0
0
De donde se obtiene:
1/3
1/5
1
0
][ ] = [ ]
0
0
5/8
1
= 16/3
= 13/3
= 5/3
= 7/3
1
2
3
4
1/3
4/5
1
16/3
Clculo de la matriz inversa

Es posible usar la eliminacin gaussiana para encontrar inversas de
matrices
n n. Para ello se aumenta la matriz dada, digamos A con una
matriz identidad simplemente escribiendo las filas de la identidad a

continuacin de las de nuestra matriz A, por ejemplo dada:
2
1
1
1
1
Se construira
1
2
2
1
2
2
1 0
0 1
0 0
0
0
1
y ahora se realizan las operaciones elementales sobre las filas de la

matriz aumentada que sean necesarias para obtener la forma escalonada
reducida de la matriz A; sumando tanto a la segunda como a la tercera fila la
primera obtenemos
2 1
1 0
0 2
1
1
1
1
1
1
0 0
1 0
0 1
Multiplicamos la segunda fila por -1 y la intercambiamos con la primera

1
2
0
0
1
2
1
1
1
1
1
0
0
0
0
1
1
0
0
0
1
2
1
1
3
1
1
2
0
0
0
1
Ya tenemos el pivote de la primera fila que usamos para hacer ceros

debajo
Ahora usamos el pivote de la segunda fila
1
0
0
0
1
0
1
0
0
0
1
0
1
2
4
0
0
1
Y por ltimo cambiamos de signo la tercera fila y usamos el pivote

correspondiente
0
0
1
1
1
1
El proceso ha finalizado porque en la parte izquierda tenemos la forma

escalonada reducida de A y puesto que sta es la matriz identidad, entonces A
tiene inversa y su inversa es la matriz que aparece a la derecha, en el lugar que
al principio ocupaba la identidad. Cuando la forma escalonada reducida que
aparece no es la identidad es que la matriz de partida no tiene inversa.
Tcnica eficiente para la solucin de sistemas tridiagonales
Los sistemas tridiagonales aparecen en la resolucin de numerosos
problemas numricos, de aqu su importancia.
Un sistema tridiagonal tiene la forma:
1
3
.
.
.
1
2
3
. =
.
1
2
3
.
.
Es fcil observar lo siguiente:

1. Que utilizando como pivotes los sucesivos elementos de la diagonal
desde
i = 1 hasta i = n la matriz ampliada del sistema tridiagonal anterior
es equivalente a la matriz:
3
.
1
2
3
.
donde los elementos Bi ; di y, por tanto, la solucin es fcilmente

calculable utilizando el siguiente algoritmo:
a) Definimos las variables Bi; di, i = 1,., n por igualdades
B1 = B1
d1 = d1;
Bi= Bi r Ci-1
di=di- r di-1
i=2,..,n
donde r es la variable auxiliar Ai/Bi-1

b) Calculamos la ultima componente de la solucin con
Xn = dn/Bn
c) Calculamos las siguientes componentes en orden decreciente por la
igualdad:
=
+1
Para i = n = 1,, 2,1

2. Que lo anterior no es directamente aplicable si uno de los elementos
diagonales, pongamos Bi es cero, en cuyo caso la ecuacin i-sima tomara la
forma Cixi+1 = di pero entonces la .incgnita xi+1 se obtendra de forma
automtica por la igualdad xi+1 = di con lo que el sistema quedara reducido a
un sistema de orden n-1 en las variables {x1,..xi+1,,xn} que es tridiagonal y
por tanto resoluble mediante el anterior algoritmo o reducible a un sistema

tridiagonal de orden estrictamente inferior y por tanto tambin resoluble
mediante una ligera modificacin del algoritmo descrito en el punto anterior.
Ejercicio 102.-
Considerando el sistema de ecuaciones lineales, verifica si
la matriz de coeficientes del sistema es estrictamente diagonal dominante,

si es as, resolver por el mtodo de Jacobi y de Gauss-Seidel.
Ejercicio 103.-
+3
+9
+3
+2
+5
20
12
= 28
Considerando el sistema de ecuaciones lineales, verifica si
es posible resolver por el mtodo de Jacobi y Gauss-Seidel; si es as resolver

por los mtodos iterativos citados (Jacobi y Gauss-Seidel).
+4
Ejercicio 104.-
+2
+4
20
18
+ 11 = 28
+5 =8
+3
Considerando el sistema de ecuaciones lineales:

+2 +2
+5
+5
2
2
=8
a) Resolver usando el mtodo de descomposicin LU

b) Calcular el determinante de A, usando descomposicin LU.
Resolver el sistema
2
= 7
7
, donde:
1
5
1
4
9
6
6
= 3
1
Ejercicio 105.-
Resolver el sistema:
+4
Ejercicio 106.-
Resolver el sistema
+2
Ejercicio 107.-
+5
Resolver el sistema
+7
Ejercicio 108.-
Ejercicio 110.-
+4 =1
+5 =2
=5
=1
+ 4 = 10
+9 =8
+4 +2 +2 =4
+5 +7 =3
+3
Resolver el sistema:
11
Ejercicio 109.-
+4 =2
+5 =8
=8
=1
13
14
+8
+7
+8
+3
+2
+3
+5
Resolver el sistema
=2
=4
8
=1
+ 12 + 4 + 12 = 81
+ 5 + 2 + 15 = 12
+2
10
15
10
+4
5
Resolver el sistema
+ 13 + 2
18
+ 15
= 10
=8
=4
=3
INTEGRACIN NUMRICA
CAPITULO VI
Introduccin
La integracin numrica es una herramienta de las matemticas que
proporciona frmulas y tcnicas para calcular aproximaciones de integrales
definidas. Gracias a ella se pueden calcular, aunque sea de forma
aproximada, valores de integrales definidas que no pueden calcularse
analticamente y, sobre todo, se puede realizar ese clculo en un computador.
Realizar una integracin numrica es integrar numricamente una
funcin:
que aproxime
) en un intervalo dado
] es integrar un polinomio
) al intervalo dado.
En el campo de la ingeniera y ciencias, es frecuente que la solucin de

un problema se exprese como una integral de la forma
; esta integral
se resolvera usando el Teorema Fundamental del Clculo, sin embargo,

existen casos donde es imposible hallar una anti derivada de
embargo, la integral existe y debe de evaluarse.
) . Sin
Estas situaciones son del rea de estudio de la integracin numrica.

Si la funcin
pares ordenados
) est indicada en una tabla por un conjunto de
( ) ;
( ) ;;
ordenados en forma creciente y donde (
interpolacin para la funcin
) en el intervalo [
un polinomio de aproximacin para

,0
;0
del intervalo
Se puede usar elpolinomio
los sub-intervalos.
) , donde los ( )
).
estn
) , el polnomio de
]
es
en cualquier intervalo
) para integrar
) en cualquiera de
Las ventajas de integrar numricamente un polinomio son las

siguientes:
) es un polinomio de difcil integracin o si
1) Si
) es
prcticamenteimposible de integrar, sin embargo, un polinomio es de

integracin inmediata.
2) Si se conoce la solucin analtica de los resultados de la integral, y su
clculo solo puede arrojar aproximaciones.
3) La funcin es representada a travs de una tabla de conjunto de pares
ordenados,
obtenidos
como
resultados
de
experimentaciones
clculosprevios. Las frmulas de integracin son de manejo fcil y prctico y

permite, cuando la funcin
en la integracin numrica.
)es conocida, tener una idea del error cometido
Conceptos bsicos
Una integral definida se define geomtricamente como el rea bajo la
) en el intervalo
curva
]. La forma terica de hallar este valor es
mediante el teorema fundamental del clculo
Sea
Teorema 34. Teorema de valor medio para integrales
continua sobre el intervalo
intervalo tal que

( )
Sea
=(
], existe c perteneciente a dicho
Teorema 35. Teorema fundamental del clculo
continua sobre el intervalo
F es una antiderivada de
Entonces
( )
.
( )
], y sea
( )=
Teorema 36. Segundo teorema fundamental del clculo.
, es decir,
Dada una funcin
], y sea
la cual es contnua sobre el intervalo
una funcin primitiva de la funcin
( )
; es decir,
], entonces
pertenece al intervalo
( )
( )
) es una funcin tal que
) para todo que
)
( )
( ), es decir
( ) es una
( ). Sin embargo en muchos casos prcticos es muy difcil
antiderivada de
y a veces imposible hallar una antiderivada de
( ).
En estos casos el valor de la integral debe aproximarse con el menor

error posible, esto puede lograrse por medio de serie de potencias, mtodo
grfico o mtodos numricos.
Si una funcin
Teorema 37.
] , entonces
, es continua en el intervalo
].
integrable en
es
Las notaciones que los autores utilizan en este aspecto varian de

acuerdo al autor, es necesario tener una compresin simple, de todas
maneras, se presentan a continuacin las notaciones ms omunes.
( )
( );
( )
Mtodo de Serie de Potencias

Consiste en desarrollar en serie de Taylor la funcin
( ) e integrar
trmino a trmino. Intentando hallar la antiderivada de la siguiente integral

definida
por ejemplo, es posible hacerlo desarrollando la serie.
=0
1)
i!
dx =
2!
3!
dx,
+
+
|
5(2!)
7(3!)
2!
3!
2!
3!
=1
1 1
+
3 10
1
42
=
=
=
( 1)
1
( !)
Este valor puede calcularse truncando la serie hasta un nmero

determinado de trminos. Este mtodo est restringido a pocos casos posible
que no exista la serie de potencias.
b) La serie puede ser difcil de hallar.
c) Puede ocurrir que la serie no sea convergente en el intervalo [
d) La serie puede converger muy lentamente.
].
Mtodo Grfico
Consiste en trazar la grfica de
( ) en el intervalo [
] y medir el
rea bajo la curva. Esto puede lograrse con unos instrumentos llamados
planmetros (El planmetro es un instrumento de medicin utilizado para el

clculo de reas irregulares.
Este modelo se obtiene en base la teora de integrales de lnea o de
recorrido). Este mtodo aunque muy general tiene algunos inconvenientes,
pues solamente pueden ser utilizados para obtener aproximaciones; los
inconvenientes son:
a) La grfica puede ser difcil de elaborar.
b) No es muy preciso ya que est sujeto a errores de medicin.
Mtodos Numricos
Los mtodos numricos generan una sucesin de nmeros de la forma:
lim
, ,,
( )
, lo cual se acerca a la integral, es decir
El mtodo numrico se detiene cuando se cumple algn criterio de
convergencia preestablecidas con la precisin deseada.

a) Como no es posible integrar directamente
( ) estos mtodos
( ) por otra ms simple que pueda integrarse.
aproximanla funcin
Las funciones ms utilizadas para este fin son los polinomios. stos se
emplean con bastante frecuencia en mtodos numricos, por sus propiedades,
en este caso porque pueden integrar fcilmente.
Existen varios mtodos para la integracin numrica basadas en
polinomios, en este captulo se estudiar algunos de estos mtodos.
,,
Sean
( ) (
) ( ), , (
,,
Sean
+ 1 puntos
distintos
en
+ 1 , valores de una funcin
)el polinomio de interpolacin de la funcin
n+1 puntos, por la formula de Lagrange se tiene que:
( )=
sean
( ) sobre
) sobre
La formula de cuadratura es interpolatoria si y solamente si el grado de

precision es por lo menos n, o sea, si y solamente si la formula es exacta para
todo polinomio de grado
( )=
( )
Ejemplo 72.
Sea [
] = [0,2] y sean
= 0;
= 1;
a) Determinar la formula de cuadratura que sea exacta pata todo

polinomio de grado
b) Usando la formula obtenida, calcular:

(
2)
Como la exigencia del problema es determinar la formula de cuadratura

( ) = 1, ( ) = 2, ( ) =
2, y que sea exacta para
para polinomio de grado

. Se tiene:
0+
0+
1+
1+
=2
3
=2
2
9 8
=
4 4
Los valores 2, 2, , son los resultados de la integral de 0 a 2 de 1,
respectivamente. De esta manera se obtiene un sistema lineal de tres

ecuaciones con tres incognitas. Resolviendo el sistema se obtiene:
=
4
,
9
2
8
4
( )+
( )+
3
9
9
2
3
8
9
Se tiene la formula para integrar la funcion ( ) en el intervalo [0,2]

)
Esta expresin es la frmula de cuadratura interpolatoria.

b) Se tiene que
( )
( )
2,con
2; ( )
= 0;
= 1,
1; ( ) =
1
4
Usando la formula de cuadratura interpolatoria
2
8
4
( )+
( )+
( )
3
9
9
4
2
8 1
= ( 2) + ( 1) +
9
3
9 4
8
2 8
+
+
9
3
36
Resolviendo la integral por metodo del Clculo se tiene:
2)
x
3
2x
2
3
0=
8
3
4=
4
3
4
3
Se verifica que la formula de cuadratura arroja resultado exacto

respecto de la forma tradicional de hallar la integral definida de una funcion.
Se pueden obtener una formula de cuadratura usando el metodo descrito,
aunque sea algo trabajoso, pues si cambian los limites de integracion y los
puntos, todos los calculos deben realizarse de nuevo. Esto limita grandemente
la formula de cuadratura para su aplicacion.
Regla del rectangulo
Las formulas que proporcionan una aproximacion del valor de una
integral definida se conocen con el nombre de formulas de cuadratura.
En sus versiones mas sencillas, estas formulas aproximan el area bajo
la curva, por el area de un paralelogramo. Esto solo proporciona una buena
aproximacion si la base del paralelogramo es pequena. Por ello, las formulas
verdaderamente utiles aproximan la integral definida mediante una suma de
areas de paralelogramos de bases muy reducidas numericamente.
El metodo del rectangulo consistente en dividir el area que se desea
encontrar en T sub-areas en forma de rectangulos.
Para el desarrollo del modelo se toman como referencia las siguientes
variables:
n: Nmero de sub-reas en las cuales se divide el rea a calcular

h:
Ancho o base de cada sub-rea
a: Lmite inferior definido para el clculo del rea

b: Lmite superior definido para el clculo del rea.
La integral definida entre los puntos
acotada
de una funcin continua y
( ) , representa el rea comprendida debajo de esa funcin. La
integracin numrica aplica cuando es necesario calcular reas de integrales

definidas, cuando se desconoce la integral explicita de la funcin
( ).
Existen varios mtodos para calcular reas por integracin numrica.

Quizs el ms sencillo sea sustituir el rea por un conjunto de n sub reas
donde cada sub rea semeja un pequeo rectngulo elemental de base
y altura y, El mtodo del rectngulo para la integracin numrica viene dado

por las siguientes expresiones.
[ ( )
( +2 )
( +2 )
)]
)]
Ejemplo 73.
Utilizar la regla rectangular para aproximar la integral, considerando
= 5.
Si se asume el rea subdividas en cinco intervalos, aplicando la frmula

y los datos del problema se tiene:
= 0;
= 1;
= = 0.2
0.2[ (0)
[ ( )
(0 + 0.2)
( +2 )
(0 + 2(0.2) + + (0 + 3(0.2)
El valor verdadero o analtico es:

El clculo del error es:
= 1.4626517459
=
=
0.2[1 + 1.04081 + 1.17351 + 1.433329 + 1.89648]

1.3088
)]
==
1.4626517459
1.3088 = 0.153851745
0.153851745
= 0.10518686
1.4626517459
100% = 0.10518686 100% = 10.51%
La grfica, presenta la funcin y el rea de integracin
Figura 27. Grafica del ejmplo 73
(0.2)]
Ejemplo 74.
Utilizar la regla del rectngulo para resolver la siguiente integral
definida. Considere un valor de n tal que 1<n<8. Los resultados se presentan
como mnimo con cinco decimales
( )
Segn la regla del rectngulo, la derivada primera de
aproximadamente igual a:
( ))
ser
Donde h es el nmero de sub intervalos entre el cual ser dividido el

=
intervalo de integracin siendo h igual a:
Donde a es el lmite inferior de la integral, b es el lmite superior de la

integral y n es el nmero de sub intervalos sobre el cual ser seccionada la
integral para lograr una solucin precisa. Para lograr una mayor exactitud se
escoger el valor de n ms alto, lo cual permitir que el error sea mnimo, de
aqu el que se eligir una n=8 quedndonos un h igual a:
=
Evaluando
siguiente tabla
1.4 1
= 0.05
8
en la funcin de la regla del rectngulo obtenemos la
n
1
2
3
4
5
6
7
8
x
1.05
1.10
1.15
1.20
1.25
1.30
1.35
1.4
( )
0.018325
0.019197
0.020070
0.020942
0.021815
0.022687
0.023560
0.024432
Remplazando estos valores de
tringulo obtenemos:
( )
en la ecuacin de la regla del
1
(0.018325 + 0.019197 + 0.020070 + 0.020942 + 0.021815
8
+ 0.022687 + 0.023560 + 0.024432)

( )
Obteniendo
( )
as
= 0.024432 .
como
0.171028
= 0.021378
8
resultado
que
la
integral
definida
de
El resultado arrojado por los mtodos de
integracin aplicando clculo arroja el siguiente resultado.

( )
= 0.008377
Figura 28. Figura del ejemplo 74
Al comparar este resultado con el arrojado por el mtodo de integracin

tenemos el siguiente error.
=
0.008377 0.021378
= 1.551988
0.008377
%
= 155.1988%
Para esta funcin el mtodo no resulto ser muy exacto ya que presenta
un error muy elevado por lo que se recomienda usar un n mayor o aplicar otro
mtodo numrico ms exacto.
Regla del punto medio

El mtodo rectangular solo es estudiado a modo de referencia, pues no
arroja resultados significativos en cuanto a la precisin de los resultados.
El mtodo del punto medio es una variante mejorada del mtodo del
rectngulo y presenta una mejor aproximacin que el mtodo del rectngulo,
apenas con una pequea modificacin de de la frmula del rectngulo,
variando los puntos de los intervalos.
La regla del punto medio aplica la siguiente frmula:
+
Ejemplo 75.
Utilizando la funcin anterior Utilizar la regla del punto medio para

aproximar la integral, con
=5
= 0;
= 1;
1
= 0.2
5
Aplicando la frmula del punto medio se tiene:
0.2
0+
0.2
2
2
3(0.2)
0+
2
0.2[ (0.1)
(0.3)
2
5(0.2)
0+
2
(0.5)
(0.7)
0.2[0.7268449] = 1.4536898
Calculando el error en este problema:
= 0.613
Figura 29. Grafica del Ejemplo 75
)
2
7(0.2)
0+
2
0.9)]
(1
0.2
)
2
Observacin
Haciendo una comparacin simple entre los dos mtodos estudiados
hasta ahora, se nota un gran aumento en la precisin de los resultados
obtenidos por el mtodo del punto medio respecto al mtodo del rectngulo.
En el mismo ejemplo
, con la misma cantidad de intervalos (5) se
obtienen los siguientes mrgenes de error, que miden las precisiones

arrojadas por cada mtodo Error porcentual del mtodo del rectngulo es
10.5%. Error porcentual del mtodo del punto medio es 0.6%. Se concluye que
el mtodo del punto medio arroja mejores resultados que el mtodo del
rectngulo. Algunos textos consideran, indistintamente al mtodo del punto
medio como el mtodo del rectngulo, pues se basan en el mismo principio,
variando solamente en la forma de operar con los intervalos.
Ejemplo 76.
Utiliza la frmula del punto medio para resolver las siguientes integrales
Figura 30. Grafica del ejercicio 76
Antes que nada comenzamos definiendo la variable N que para este caso
ser el valor de 8, mientras ms alto sea el valor de N, la precisin de la
expresin va a ser ms aproximada al valor real.
= 0;
= 1.2;
=8
Con estos valores se procede a calcular el valor de la altura definida por

el h que es:
=
( )
+
0.15
2
0+
=
2
0.15
2
9(0.15)
+
2
(0.15)
1.2
2
0+
0.15 (0.075)
(0.975)
1.2 0
3
=
8
20
0.15
2
0+
3(0.15)
2
0+
11(0.15)
2
(0.225)
(1.125)
(0.375)
0+
5(0.15)
2
0+
13(0.15)
2
(0.525)
0+
7(0.15)
2
(0.675) + (0.825)
0.15 0.080813 + 0.28177261 + 0.5456218 + 0.8874909 + 1.3257222

+ 1.8825163 + 2.58488803 + 3.4652439
0.15 11.05407223 = 1.6581108

El valor verdadero de la integral
= 1.6640233
El clculo de los errores es

=|
| = |1.6640233
=
Observaciones
%=
1.6581108| = 0.0059125
0.0059125
= 0.003553
1.6640233
100% = 0.3553%
Para este tipo de funciones el clculo de la integral nos arroja un error

muy pequeo por lo cual se puede decir que el mtodo de punto medio, es
eficiente a la hora de aplicarlo en este tipo de funciones, cabe acotar que se
us un n=8 por lo cual esto tambin entra en el anlisis del resultado ya que
medida de que se toman ms sub-intervalos ms cercano estar del valor real.
Frmulas de Newton - Cotes
Las formulas de Newton-Cotes del tipo cerrado son aquellas en que
son puntos de la formula de cuadratura, o sea
argumentos
, son igualmente espaciados de una cantidad fija

= 0,1, ,
1, la funcin peso,
el intervalo de integracin es finito.
Sea :
los
Teorema 38.
) una funcin cuyos valores
, esto es,
), es constante e igual a 1, y
( ) ( ), ,
)son conocidos,
ya sea por medio de tablas o por puntos de pares ordenados; de ah se tiene

que:
Suponiendo entonces
=
se tiene
igualmente espaciados de
y cuando
=0 y
y considerados
u=n
, Donde los
Luego
son los polinomios
usados en la formula de Lagrange para intervalos igualmente espaciados:

=
. Obteniendose
Haciendo
Entre los mtodos cerrados de Newton Cotes se cuentan la regla del

trapecio con un grado de exactitud uno, y los mtodos de Simpson, tanto las
de un tercio y las de tres octavos, tienen un grado de exactitud tres. Las
frmulas de cuadratura se dicen abiertas cuando no se utilizan los extremos
del intervalo como abscisas de interpolacin, son de la forma:
)
;
Con
2=
+2
( )
)];
Existen dos teoremas que se presentaran, son las que permiten obtener
las formulas cerradas y abiertas de Newton-Cotes.
Teorema 39.
( ),se la formula cerrada de Newton-Cotes con
Supongamos que
donde
Cuando n es par
par
( )
[
], tal que
, entonces existe
( )+
)!
( )+
)!
( )
1)(
2)(
, si n es
Cuando n es impar
impar
( )
( )
1)(
2)(
, si n es
Teorema 40.
Supongamos que
=
donde
Cuando n es par
par
( )
[
( ),se la formula abierta de Newton-Cotes con
( )+
), tal que
, entonces existe
)!
( )
1)(
2)(
, si n es
Cuando n es impar
impar
( )
( )+
];
)!
( )
Teorema 41.
= 0,1,2, ,
Si los puntos
1)(
2)(
, si n es
], en un
dividen al intervalo
) tiene derivadas de orden ( + 1)
nmero par de intervalos iguales y
] , entonces la expresin de error para la forma de
continua en
Newton-cotes del tipo cerrado, con n impar es:

( )=
)!
( )
1) (
Teorema 42.
, para
= 0,1,2, ,
Si los puntos
nmero par de intervalos iguales y
algn
dividen al intervalo
], en un
) tiene derivadas de orden ( + 1)
] , entonces la expresin de error para la forma de
continua en
Newton-cotes del tipo abierto, con n impar es:

( )=
)!
( )
+ 1) (
, para
algn
Metodo del Trapecio.

La figura del trapecio y de la frmula de rea de la misma dio su nombre
a este mtodo. Si se considera un polinomio de grado 1, es decir, una recta, y
se de obtener una frmula para integrar
) entre dos puntos consecutivos
, usando un polinomio de primer grado, se tiene la frmula del trapecio:
( )
( )
( )
( )
12
Si el intervalo de la integral es grande, se puede dividir el intervalo

n sub-intervalos de amplitud
intervalo
de tal forma que x
. Si el
] es pequeno la aproximacion sera razonable, entendiendose
que cuanto menor es el intervalo mayor sera la precision del resultado

obtenido; mas si
] es grande, el error tambien puede ser grande,
dependiendo de la pendiente de la funcion analizada. En error en la formula

del trapecio sobre el intervalo [
Cotes, para
= 1 es:
( )
] obtenido del teorema de error de Newton

``( )
,x
12
Figura 31. Representacin grafica del Mtodo del Trapecio
Regla el trapecio Generalizada

Si el intervalo de la integral es grande, se puede dividir el intervalo [a, b]
n sub-intervalos de amplitud
cada sub-intervalo
),
de tal forma que x
y en
= 0,1, , . Aplicando la regla del trapecio a
cada sub-intervalo, el error sera ahora la suma de las areas entre la curva de
la funcion y las rectas de la parte superior del trapecio, como se muestra en la
figura.
Figura 32. Representacin grafica del Mtodo del Trapecio Generalizado
Se observa ahora que
0, por lo tanto el resultado de la integral
tiende a ser exacto, pues el error tiende a cero. Por lo tanto, cuando mayor
cantidad de sub-intervalos se introduce entre los lmites de integracin
considerados, ms preciso ser el resultado. As, mejorando la precisin y
disminuyendo el error, la frmula del trapecio en su forma generalizada queda
de la siguiente forma:
( )
[ ( )+2 ( )+2 ( )+2 ( )
+2 (
)+2 (
)]
( )
[ ( )+2 ( )
( )
)]
La formula de error queda asi:

( )
( )=
)
12
( )
Aun aplicando la formula de error, es imposible lograr el resultado

exacto de la aproximacin buscada, sin embargo, la frmula de error es til
cuando se desea una precisin prefijada para la funcin a ser analizada.
Ejemplo 77.
Hallar la siguiente integral por mtodos numricos aplicando la Regla
del Trapecio.
= 0.125
( )
2
2.125
2.25
2.375
2.5
2.625
2.75
2.875
3
( )
2.77259
3.40375
4.10533
4.87913
5.72682
6.65001
7.6502
8.72894
9.88751
( )+2 ( )+2 ( )+2 ( )+2 ( )+2 ( )+2 ( )
( )] = 0.0625 (2.77259 + 2 3.40375 + 2 4.10533 + 2
+2 ( )
4.87913 + 2 5.72682 + 2 6.65001 + 2 7.6502 + 2 8.72892
+ 9.88751) = 5.93428
= 5.928
%
Ejemplo 78.
5.928 5.93428
+ 100% = 0.1%
5.928
Hallar las siguientes integrales por mtodos numricos aplicando la

Regla del Trapecio.
x
sen( )
Aplicando la formula tenemos:
1
1.2677
1.5354
1.8031
2.0708
2.3385
2.6062
2.8739
( )
( )
0.84147
0.59389
0.42392
0.29932
0.20465
0.13157
0.07511
0.03203
0
[ ( )+2 ( )+2 ( )+2 ( )+2 ( )+2 ( )+2 ( )
+2 ( )
( )] = 0.13385
(0.84147 + 2 0.59389 + 2 0.42392 + 2 0.29932 + 2 0.20465 + 2
0.13157 + 2 0.07511 + 2 0.03203 0) = 0.58391

= 0.57773
%
=
x
0.57773 0.58391
0.57773
sen( )
100% = 1.07%
[ (1)
16
+ 2 (1,01769 + 2 (1,0353) + 2 (1,0530) + 2 (1,0707) + 2 (1,5884)
+ 2 (2,1061) + 2 (2,6238)
x
sen( )
( )]
0,0279268
Regla de (1/3) de Simpson

Regla 1/3 de Simpson si hay un punto medio extra entre
( ),
entonces los tres puntos se pueden conectar con un polinomio de grado mayor
a uno. A las formulas resultantes de calcular la integral bajo estos polinomios

se les llaman reglas de Simpson; La regla de Simpson (1/3) para integracin a
lo largo de un intervalo cerrado

de amplitud h igual a
en nmero par de 2n de sub intervalos
de tal forma que
A las frmulas resultantes de calcular la integral bajo estos polinomios

se les llaman Reglas de Simpson. Otra de las frmulas de Newton-Cotes es la
regla de Simpson de (1/3), que proporciona una aproximacin ms precisa
que la regla del trapecio, ya que consiste en conectar grupos sucesivos de tres
puntos sobre la curva mediante parbolas de segundo grado, y sumar las
reas bajo las parbolas para obtener el rea aproximada bajo la curva.
La expresin usada es:
( )
( )
Ejemplo 79.
[ ( )+4 ( )
)]
90
( )
Hallar la siguiente integrale por mtodos numricos aplicando la regla

1/3 de Simpson. Al resolverlos recordar que los resultados se representan
como mnimo de cinco decimales, adems de utilizar el mejor criterio para la
eleccin del valor de n.
cos
El valor de h
0.000001
1
1
1
( )
( )
5/6
1.164084
0.999914
1.163984
0.83333 es el valor a tomar.
5/3
0.4268272
0.999657
0.426681
5/2
0.1011929
0.999229
0.101115
10/3
0.01807469
0.998630
0.018050
En la tabla antes propuesta se ve que el punto
25/6
0.0026154
0.997859
0.002601
5
0.00032
0.99691
0.000320
es 0.000001 y no 0,
esto es debido a que al evaluar la funcin en el punto 0 nos quedara una

integral impropia por lo tanto se aproxima lo ms cerca del cero, para poder
aplicar el clculo de la integral.
( )
( )] + [
([ ( )
cos (
cos (
( ) + 2 ( )] + [
[1 + 0.000320] +
[1.163984 + 0.101115 + 0.002700]
cos( )
[0.426681 + 0.018050] +
[1.000320] + [0.444731] +
%=
| = [1.99471
1.934334] = 0.060376
0.060376
= 0.03026805
1.99471
100% = 3.0268%
Observaciones
[1.267735]
= 0.278667 + 0.247073 + 1.408594 = 1.934334
=|
( ) + 4 ( ) + 4 ( )])
cos( )
1.994971
A pesar de ser un resultado bajo se puede llegar a la conclusin de que

el mtodo para las funciones que tenga una componente trigonomtrica,
afecta al resultado en gran medida, debido a lo cual se procede a volver a
calcular el valor de la integral con una nueva consideracin en mente la cual
va a ser aplicar un N mayor para que se logre una mayor exactitud a la hora de
aplicar el mtodo de Simpson 1/3.
Ejemplo 80.
Hallar la siguiente integrale por mtodos numricos aplicando la regla
1/3 de Simpson. Al resolverlos recordar que los resultados se representan
como mnimo de cinco decimales, adems de utilizar el mejor criterio para la
eleccin del valor de n.
El valor de h
0.33333 es el valor a tomar para la altura h,
ya con este valor se procede a calcular los x en donde se va a evaluar la funcin

la cual va a seguir el orden de
( )
2
7.389056
1/2
3.694528
( )
7/3
10.312258
3/7
4.419539
( )
( )
8/3
14.391961
3/8
5.396968
3
20.085536
1/3
6.695179
( )
10/3
28.031624
3/10
8.409487
( )
11/3
39.121284
3/11
10.669441
[ ( )+4 ( )+2 ( )+4 ( )+2 ( )+4 ( )
( )
4
54.5981500
1/4
13.649538
( )]
1/3
[3.694528 + 4 4.419539 + 2 5.396968 + 4 6.695179 + 2
3
8.409487 + 4 10.669441 + 13.649538]
1
[3.694528 + 17.678156 + 10.793936 + 26.780716 + 16.818974
9
+ 42.677764 + 13.649538]
1
= [132.093612] = 14.677068
9
= 14.67664011
=|
=
%=
| = [14.67664011
14.677068] = 0.000428
0.000428
= 0.00002915449
14.67664011
100% = 0.0029%
Observaciones
Como se puede apreciar en el resultado, al aplicar este mtodo se obtuvo

el resultado de la integral definida con un error muy aceptable ya que es
posible despreciarse por el nivel de diferencia que existe entre el valor
calculado y el real, cabe destacar que sin necesidad de aplicar un N=8 se logr
llevar a un valor correcto para este tipo de funcin.
Regla de Simpson 3/8
La regla de Simpson de (3/8) considera el valor de n= 3, con el propsito
de obtener una frmula para integrar f(x) entre cuatro puntos consecutivos
, consistiendo en aproximar la funcin mediante una cubica.
( )
)+
)+3
)+
)]
Esta frmula se conoce como la Regla de Simpson (3/8) de la frmula de

Newton Cotes. La frmula de la Regla de Simpson (3/8) con la menor
participacin de sus intervalos igualmente espaciados de mayor amplitud
=
, sin embargo, para mayor precisin, normalmente se realizan
subdivisiones mayores de los intervalos de integracin, para lo cual la formula

generalizada de la siguiente forma
( )
)+
)+3
)+
)]
La formula de error para la regla de Simpson (3/8) es la siguiente:
Ejemplo 81.
80
( )
Resuelva la siguiente integral usando la Regla de Simpson (3/8):
Solucin
-
1
1+
Para esta integral utilizamos como n=3 ya que solo se requiere los
primeros cuatros valores de la tabla para determinar la integral
Se halla el valor de h,
Se realiza una tabla de Datos para determinar los valores x1, x2, x3 y
los de F(x).
x
F(x)=
0
1
1/3
0,99590
2/3
0,88363
1
0,5
Se reemplaza los valores en la ecuaciones y se tiene que:

1
1+
1 1
( )[1 + 3(0,99590) + 3(0,88363) + 0,5)
8 3
Se resuelven y se acomoda un poco la integral nos queda:

1
1+
1
(7,14966)
8
La integral por la Regla de Simpson nos queda:
1
1+
Comentarios
0,89370
= 0,88831
Analticamente la
0,89370
Por la Regla de Simpson (3/8) nos queda que

Errores:
= 0,88831
0,89370 = 0,00539
Ejemplo 82.
Utilizando el mtodo de Simpson (3/8) se pudo determinar el valor de la
integral y comparndolo con el valor terico, se obtuvo que el error que posea
es de 0,606% cuyo error es muy bajo, por lo tanto, puede aplicarse este
mtodo al momento de resolver la integral si en dado caso no se exija un
anlisis profundo de la curva.
+1
Solucin
-
Para esta integral utilizamos como n=3 ya que solo se requiere los
primeros cuatros valores de la tabla para determinar la integral
Se halla el valor de h,
Se realiza una tabla de Datos para determinar los valores x1, x2, x3 y
los de F(x).
x
F(x)=
1
0
4/3
0,12329
5/3
0,19156
2
0,231040
Se reemplaza los valores en la ecuaciones y se tiene que:
+1
3.1
(0 + 3(0,12329) + 3(0,19156) + 0,231040)
8.3
Resolviendo parte de los clculos y acomodando:
+1
1
(1,17560)
8
La integral aplicando el mtodo nos queda:
+1
0,14695
Comentarios
Analticamente la
= 0,147221
0,14695
Usando el la Regla de Simpson (3/8) de

Errores:
= 0,147221
0,14695 = 0,000271
Se determin por medio de la Regla de Simpson (3/8) un valor cercano al

valor de la integral de manera analtica, se determin que su error fue de
0,1841% cuyo valor de error es bajo si no se exige al anlisis de la curva, cabe
acotar que el valor del error dio bajo tambin porque la funcin dado era
logartmica trasladada (paralelo al eje x a partir de
del rea bajo su curva llega a ser preciso.
(1) por lo tanto el clculo
Mtodo de Boole
La regla de Boole utiliza cinco puntos consecutivos igualmente
separados para calcular la integral aproximada de la funcin utilizando un
polinomio de cuarto grado. La formula cerrada de Newton-Cotes, en el caso
particular en que
siguiente frmula:
( )
45
= 4, es llamada la Regla de Boole, y se expresa por la

( ) + 32 ( ) + 12 ( ) + 32 ( ) + 7 ( )]
En resumen
El Teorema Fundamental del Clculo Integral

una funcin continua en un intervalo cerrado
en [
]; es decir
( )
existe.
945
( )
establece que s f es
] entonces f es integrable
Este teorema garantiza la existencia de la integral definida pero no

proporciona
( )
herramientas
para
calcularla
para
evaluar
usando este Teorema se requiere que la funcin f sea continua en
] y hay que hallar una primitiva de f, que en algunos casos es imposible.
Otro problema que surge al calcular

dada mediante una tabla de valores.
( )
es cuando la funcin f est
Por las razones expuestas anteriormente es que surgieron los mtodos

numricos
para aproximar integrales definidas, los cuales
se pueden
aplicar a funciones definidas en forma analtica o en forma tabulada.

( )
El mtodo que se usa para aproximar
se conoce como
cuadratura numrica, el cual usa una suma de la forma:

( )
))
Estos mtodos se pueden deducir usando polinomios interpolantes y

los polinomios de Taylor.
Sean
x , x , x , . . . , x , (n + 1) (nodos distintos del intervalo
] y sea
P (x) el polinomio que interpola estos puntos y R (x) el error de interpolacin:

( )
de all que:
integral definida y
( )
Regla 1/3 de Simpson

Pasos a seguir:
a) Se elige n par.
b)
x=
( )
( )
( )
( )
representa la aproximacin a la
representa el error .
c)
d)
( ) se evala.
( )
e) Calcular el error.
1 + 4 2 + 2 3 + 4 4 + 5].
Regla 3/8 de Simpson

Pasos a seguir:
a) Se elige n par.
b)
x=
c)
( ) se evala.
d)
( )
e) Calcular el error.
1 + 3 2 + 3 3 + 3 4 + 5].
Resuelva u8sando el metodo que desee.
Ejercicio 111.+8
Ejercicio 112.Ejercicio 113.Ejercicio 114.Ejercicio 115.Ejercicio 116.-
=4
( )
1+
=8
=6
=6
=4
Se tiene la siguiente funcin siguiente: (para cada inciso
calcule el porcentaje de error)
a) Calcule la integral por el mtodo de la regla del trapecio n = 6

b) Calcule la integral por el mtodo de Simpson 1/3 n = 4
c) Calcule la integral por el mtodo de Simpson 3/8 con n = 3
d) Calcule la integral por el mtodo combinado Simpson 1/3
para
fajas y Simpson 3/8 para 3 fajas (nota se tiene n= 7)

Ejercicio 117.-
,
para

Ejercicio 118.-

(
1)

para
CAPITULO VII
DERIVACIN NUMRICA
Introduccin
La derivada es de uso comun en la matematica y la ingenieria, sin
embargo, en la prctica, existen situaciones en que no se conocen las
expresiones analiticas de muchas funciones con las que se trabaja, y
solamente se dispone de valores en un conjunto de puntos. En algunos casos
es necesario proceder a calcular el valor de alguna derivada de algunas
funciones en un punto concreto. En este tipo de situaciones no se puede
utilizar el concepto riguroso de derivada por desconocimiento de la expresion
de la funcion. De esta manera surge la necesidad de disenar metodos
numericos que permitan aproximar el valor de las derivadas de una funcion en
algun punto a partir del conocimiento de los valores de la funcion en un
soporte dado.
Los metodos de derivacion numerica desarrollados con el fin de
aproximar algun valor buscado, muestran un buen comportamiento en
numerosos casos. Es por ello que algunas veces, aun disponiendo de la
expresion analitica de las funciones a derivar, se opta por aproximar los
valores de las derivadas mediante formulas numericas suficientemente
precisas.
La diferenciacion numerica es muy util en casos en los cuales se tiene
una funcion cuya derivada es dificil o complicada de hallar, o en casos en los
cuales no se tiene una funcin explicita sino una serie de datos
experimentales. El problema de la derivacion numerica consiste en la
evaluacion de la derivada de la funcin en un punto, cuando unicamente se
conocen los valores de la funcion en una coleccion de puntos
,,
Aunque, en apariencia se trata de un problema similar al de la

Integracion numerica; de hecho la derivacion es mas complicada ya que, en la
integracion los errores tienden a cancelarse, y, como se vio, no es necesario
que la aproximacion describa con fidelidad la funcion localmente. Sin
embargo, la derivada es una propiedad esencialmente local, por lo cual se debe

aproximar la funcion lo ms fielmente posible en el entorno inmediato del
punto en el que la queramos calcular.
Las frmulas de derivacin numrica aparecen en el desarrollo de
algoritmos para la solucin de problemas de contorno en ecuaciones
diferenciales ordinarias (y en ecuaciones en derivadas parciales). En general,
se puede obtener aproximaciones numricas de la derivada en un punto
derivando alguna funcin interpolante, por ejemplo un polinomio de Lagrange,
algn trazador cbico, etc. Sin embargo, en la prctica pequeos errores en
los datos pueden producir malos resultados en las derivadas. Aqu se
experimentar con frmulas que se obtienen derivando el polinomio
interpolante de Lagrange.
Una formula de diferenciacion numerica es un procedimiento que
permite aproximar la derivada de la funcion
valor de
) en otros puntos vecinos
derivada de una funcin

Taylor centrado en
) en un punto
Utilizando el
. Uno de los mtodos de aproximar la
)en un punto
consiste en usar el desarrollo de
. La derivacin numrica es una tcnica del anlisis
numrico que permite calcular una aproximacin a la derivada de una

determinada funcin en un punto, utilizando los valores y propiedades de la
misma.
Figura 39. Diferenciacin numerica
Por definicin la derivada de una funcin f(x) es:

(
( ) = lim
Las posibles aproximaciones numricas de la derivada en un punto que

}, Tal que
podran calcularse tomando una sucesin {

siguientes expresiones:
(
( )
Diferencia hacia delante
( )
Diferencia hacia atrs
0 se tiene las
La aproximacin de la derivada por este mtodo entrega resultados

aceptables con un determinado error. Para minimizar los errores se estima
que el promedio de las dos diferencias ofrece la mejor aproximacin al
problema dado.
Definicin 38.
Sean
] y sean
sobre
),
, puntos distintos pertencientes al intervalo

),
= 0,1,2,3, , .
),
),
) valores de una funcin
Se define
[
[
funcin
]=
Donde
), sobre los puntos
= 0,1,2,3, , ;
)
], es la diferencia dividida de orden n de la
Usando esta definicin se tiene:
]=
]=
( )
( )
,] =
De la definicin se observa que del lado derecho de cada una de las

igualdades se debe aplicar sucesivamente la definicin de diferencia dividida
hasta que los clculos contengan el valor de la funcin en los puntos, o sea:
]=
Mtodo de Diferencias Finitas
Una diferencia finita es una expresin matemtica de la forma (

) Si una diferencia finita se divide por
)se obtiene una expresin
similar al cociente diferencial, que difiere en que se emplean cantidades finitas

en lugar de infinitesimales. La aproximacin de las derivadas por diferencias
finitas desempea un papel central en los mtodos de diferencias finitas del
anlisis numrico para la resolucin de ecuaciones diferenciales. El mtodo de
diferencias finitas consiste en aproximar la funcin por polinomios. Las
frmulas resultantes pueden clasificarse de las siguientes maneras:
En base al orden de la derivada, obtenindose
( )
( )
En base al orden de la diferencia, pueden ser primera, segunda, tercera,

etc.
En base a los puntos de apoyo de la formula en la tabla, es decir, si se
emplean puntos antes, despus o ambos lados de algn punto de inters.
Existen tres tipos y son:
Diferencias hacia adelante, cuando se usan puntos anteriores del punto

de inters.
Diferencias hacia atrs, cuando se emplean puntos posteriores al punto
de inters.
Diferencias centrales. Cuando se usan puntos tanto antes como
despus del punto de inters.
Referencias para las frmulas de diferencias finitas:
Indica el punto de inters, de estudio o de anlisis.
( ) Espaciamiento constante de la tabla.
(
)
)
)
)
(
(
Frmulas de diferencias finitas hacia adelante
(
(
Se le llama diferencia " hacia adelante " ya que usa los datos
( + 1)
para estimar la derivada. Al trmino completo (o sea, la diferencial entre h) se

le conoce como primera diferencia dividida finita. Esta diferencia dividida
hacia adelante no es sino una de tantas que se pueden desarrollar mediante la
serie de Taylor para la aproximacin de derivadas numricas.
Primera diferencia
( )=
+ )
( )
Ejemplo 83.
Segunda diferencia
( )=
Derive la siguiente funcin
Sabiendo que
siguiente manera
= 0,5 y
+2 )+4 (
2
+ )
3 ( )
usando el mtodo de derivacin de
primera diferencia hacia adelante con un

Solucin
= 0,5
= 0,1.
= 0,1 realizamos una tabla de datos de la
Xn
X
0,3
0,4
0,5
0,6
0,7
F(Xn)
1,34984
1,49179
1,64866
1,82202
2,0136
Sustituimos los valores obtenidos en la siguiente ecuacin:

( )
Sustituyendo nos queda:

(0,5)
1,82202 1,64866
0,1
Entonces la Primera Diferencia de la Derivada hacia delante de

(0,5)
1,23542
Figura 40. Grafica ejemplo 83, roja funcin, verde primera derivada
Comentarios
Analticamente la
1,62841
evaluado en X=0,5 nos da que
(0,5) =
Utilizando el mtodo de la primera diferencia hacia adelante nos queda

(0,5)
1,23542
Errores:
= 1,62843
1,23542 = 0,39301
Se pudo comprobar que los errores obtenidos usando el mtodo de la

primera diferencia hacia adelante dio un error de 24,134% cuyo error es
elevado, por lo tanto no es recomendable usar este mtodo si se da realizar un
estudio particular de la grfica, en dado caso es recomendable aplicar la
segunda diferenciacin para obtener un valor ms cercano al valor terico.
Ejemplo 84.
punto
Sea la funcin ln , calcular las derivadas por mtodos numricos en el

= 5, en base a la siguiente tabla, con
la primera diferencia finita hacia adelante.
( )
4.7
1.54756
Solucin:
Para
( )=
=
( )
(
4.8
1.56862
4.9
1.58922
5.0
1.60944
. El valor verdadero de
( )
)
0.2
5.1
1.62924
(5)
5.2
1.64866
5.3
1.6677
(5.1)
(5) 1.62924 1.60944
=
0.1
0.1
0.198
= 0.01,
0.2
Segunda derivada
= 0.1, aplicando la formula de
=|
(5)
100%| = (0.01) 100% = 1%
1.64866
( )=
=
( )=
= 5%
0.04
( )
(5.2)
(5.1)
(0.1)
(5)
2(1.62924) + 1.60944 3.8 10

=
0.01
0.01
0.038)
= 0.05,
0.04
=|
100%| = (0.05) 100%
Frmulas de diferencias finitas hacia atrs

Las expresiones matemticas que definen este mtodo de diferencias
finitas hacia atrs se presentan a continuacin
Primera diferencia
( )=
( )
Segunda diferencia
+ )
( )=
Ejemplo 85.
( )
Sea la funcin
3 ( )
4 (
)+ (
2 )
calcular la derivada de los mtodos
numricos en el punto x =1 , con h=0.1, aplicando la frmula de la primera

diferencia finita hacia atrs.
Tenemos que
( ) y ser evaluada en x=1 con un valor de
h=0.1 este ultimo permite definir cul ser la tolerancia considerada como
aceptable ya que mientras mas pequeo sea este nmero ms cercano estar
el valor calculado del valor real
Para la primera derivada la formula de la primera diferencia finita hacia
atrs nos indica que:
`(
)=
Donde
`(
)=
y
(1)
0.1
(0.9)
(0.9)
=
20.287355 1.926673
= 3.606820
0.1
Para la segunda derivada

`` (
)=
3.0513
= (0.8)
Donde
`` (
( )
)=
Para la tercera derivada

``` (
)=
Dnde:
``` (
)=
``` (
)=
(1)
2.287355
(0.7)
(0.9) + 3
0.1
(0.8)
5.780020 + 4.789516
0.001
1.297295
(0.7)
=
0.444
Para la cuarta derivada

```` (
)=
Dnde:
```` (
```` (
)=
```` (
)=
(1)
+4
2.287955
(0.6)
(0.9) + 4
(0.8)
(0.1)
7.706693 + 6.386021
0.0001
3.193651
=
0.0001
3193651
(0.7) +
5.189180 + 1.028846
(0.6)
``
Figura 41. Grafica del ejemplo 85, Grafica roja funcin, azul primera derivada, verde
segunda
Ejemplo 86.
punto

la primera diferencia finita hacia atrs.
( )
4.7
1.54756
Solucin:
Para
( )
4.8
1.56862
4.9
1.58922
5.0
1.60944
5.1
1.62924
(5)
5.2
1.64866
5.3
1.6677
(5)
Figura 42. Grafica del ejemplo 86, Grafica roja funcin, azul primera derivada, verde
segunda
Diferencias finitas hacia atrs (primera diferencia)

Primera derivada
( )=
=
( )
=
(
0.2
(5)
0.1
(4.9)
0.2022
= 0.011,
0.2
1.60944 1.58922
0.1
=|
100%| = (0.011) 100%
Segunda derivada
( )=
( )=
=
( )
1.60944
0.04
(5)
2(1.58922) + 1.56862
=
0.01
0.038)
= 0.05,
0.04
=|
(4.9)
(0.1)
(4.8)
3.8 10
0.01
100%| = (0.05) 100%
Inestabilidad numrica de las frmulas de diferencias finitas

Las formulas presentadas anteriormente, las de diferencias finitas hacia
adelante y hacia atrs, son inestables por naturaleza del mtodo, debido a la
operacin de dividir entre nmeros cercanos a 0, referido al valor de 9 que es
normalmente de valor muy pequeo y cercano a cero.
Estas frmulas no son recomendadas en los procesos en que se desean
resultados con mucha precisin, pues como se dijo, presentan inestabilidad
inherente en la formula, por lo tanto, su uso no es recomendado, sin embargo,
para fines didcticos son totalmente aceptables la presentacin de estos
mtodos.
La deduccin de las frmulas puede hacerse empleando las frmulas de
interpolacin, o directamente la serie de Taylor.
Frmulas de diferencias centrales

Este mtodo de aproximacin numrica presenta la caracterstica de
que los valores de (
) y (
derecha como a la izquierda de x.
)se sitan a ambos lados de (, tanto a la
Teorema 43. Derivacin numrica por diferencia centrada de orden

[
Suponiendo que
], (
(
( )
( )
Adems, existe
Tal que:
( )
), (
], entonces:
],
)
(
6
( )
Teorema 44. Derivacin numrica por diferencia centrada de orden

[
Suponiendo que
entonces:
(
( )
Adems existe
(
( )
con
)=
+2 )+8 (
30
], (
+2 )+8 (
( )
)
12
), (
)
12
], tal que
)
), (
), (
+2
),
],
Frmulas de diferencias finitas centrales

Primera diferencia
( )=
( )=
( )=
( )=
( )
)+2 (
)+6 ( )
Segunda diferencia
( )=
( )=
( )=
=
( )
punto
)+8 (
) + 16 (
)+8 (
) + 12 (
)
12
)
39 (
30 ( ) + 16 (
12
12 (
) + 12 (
) + 56 ( )
)
39 (
(
)
) + 12 (
Ejemplo 87.
la primera diferencia finita central.
( )
4.7
1.54756
Solucin: para
0.04
4.8
1.56862
( )
4.9
1.58922
5.0
1.60944
5.1
1.62924
5.2
1.64866
5.3
1.6677
(5) = 0.2
(5) =
Primera derivada
)
( )=
= 0.2001
0.2
(5.1)
(4.9) 1.62924 1.58922 0.04002
=
=
0.2
0.2
2(0.1)
0.2001
= 5 10 ,
0.2
=|
100%|
Segunda derivada
( )=
(
( )
(5.1)
(5)
(0.1)
2(1.60944) + 1.58922 1.62924

=
0.01
1.62924
0.04
0.042)
= 0.05,
0.04
=|
(4.9)
3.21888 + 1.58922
0.01
0.042
100%| = (0.05) 100%
Ejemplo 88.
punto

la segunda diferencia finita central.

Primera derivada
( )=
( )=
( )=
=
)+8 (
)
12
(5.2) + 8 (5.1)
(4.9)
12(0.1)
(4.8)
1.64866 + 13.03392 12.71376 + 1.56862 0.24012

=
1.2
1.2
=
0.2
0.2001
= 5 10 ,
0.2
= |5 10
100%|
Segunda derivada
( )=
( )=
( )=
( )=
) + 16 (
30 ( ) + 16 (
12
(5.2) + 16 (5.1) 30 (5) + 16 (4.9)

12 (0.1)
1.64866 + 16(1.62924)
1.64866 + 26.06784
= 0.0073
0.04
(4.8)
30(1.60944) + 16(1.58922)
0.12
48.2772 + 25.42752
0.12
0.0073
= 1.1825,
0.04
=|
1.56862
(1.56862)
=
8.8 10
0.12
100%|
b) Se buscar de nuevo la derivada segunda, pero con un valor de h

menor que el anterior, reduciendo dicha amplitud o peso de h a la mitad, o
sea: de
= 0.1 a
( )
( )=
( )=
( )=
( )=
( )=
=
4.85
1.578979
= 0.05
4.90
1.589235
) + 16 (
(5.1) + 16 (5.05)
4.95
1.599388
1.275 10
0.03
=
0.04
5.05
1.619388
30 ( ) + 16 (
12
30 (5.00) + 16 (4.95)
12(0.05)
1.62924 + 16(1.619388)
1.62924 + 25.9102
5.00
1.60944
5.10
1.62924
(4.90)
30(1.60944) + 16(1.599388)
0.03
48.2832 + 25.5902
0.03
5.15
1.638997
1.589235
(1.589235)
0.0425
0.0425)
= 0.0625,
0.04
=|
100%| = 6.
Comentarios: La primera diferencia de estas diferencias finitas centrales

presenta resultados parecidos a los anteriores, sin embargo, la segunda
derivada de la segunda diferencia de diferencias centrales presenta un error
mucho mayor que el 100% (118,25%), razn por la cual ni siquiera necesita
ser estudiado, no es que la frmula empleada sea errnea, sino que la
inestabilidad que produce este grupo de formulas no presenta garantas de
buen resultados en el clculo de diferencias, agregndose a esto la amplitud
de h, que en este caso particular parece ser muy elevado, que en vez de
converger hacia el resultado exacto, diverge; sin embargo, al reducir el valor de
h a la mitad, el resultado obrtenido se hacerca bastante al valor verdadero,
pues el error porcentual producido es solamente del 6,25%, pero aun as,
sigue siendo un error muy grande.
Por lo tanto, a modo de conclusin
general respecto a estas formulas de diferencias finitas, cuando se desea

precisin, estas formulas de diferencias finitas no son las recomendadas y se
tomaran simplemente a modo didctico.
Frmulas de los tres puntos
Las formulas de los tres puntos corresponden a los mtodos de tres
puntos que obtienen las derivadas diferenciando un polinomio interpolante de
). La siguientes corresponden a las frmulas
Lagrange para una funcin

de los tres puntos.
Primera formula:
1
( )
[ (
)
( )=
)]
( )
,
3!
)
Segunda formula:
( )=
( )+4 (
+ 2 )]
( )
( )
3
+2 ]
( )=
( )+4 (
( )
3
+ 2 )]
Las ecuaciones anteriores (primera y segunda frmula de los tres

puntos, respectivamente) son las llamadas frmulas de los tres puntos de
derivacin numrica, aun cuando la primera formula solamente utiliza dos
puntos y no aparece en ella el punto central
. El error presentado en la
ecuacin de la primera formula aproximadamente la mitad que en la ecuacin

de la segunda formula, esta situacin se debe a que en la ecuacin de la
primera formula se usan datos que estn a ambos lados de
, mientras que
en la ecuacin de la segunda formula se considera solo un lado y se desconoce

el valor del otro lado que est fuera del intervalo.
La ventaja que presenta la ecuacin de la primera formula es su
simplicidad, ya que; solamente se evala en dos puntos, mientras que la
ecuacin de la segunda necesita tres puntos.
Ejemplo 89.
Aproximar el valor de la funcin
frmula de los tres puntos, con
Solucin:
Se parte de la frmula:
(3) =
(3) =
(3) =
(3 + 0.1)
(3
2(0.1)
( )=
0.1)
= 0.1
(3) si ( )
, utilizando la
(3.1)
(2.9) ln 3.1
=
0.2
3.1 ln 2.9
0.2
2.9
1.131402 0.041581 1.064712 0.239249 0.047044 0.254731

=
0.2
0.2
0.207687
0.2
1.038437
Estimacin de error: El valor verdadero de la derivada de la funcin

( )
es
(3)
1.040578
| = | 1.040578 ( 1.038437)| = 2.141 10
=|
=
0.002141
= 2.0575 10
1.040578
= 0.002141
= 0.0020575
100% = 0.0020575 100% = 0.2%
Comentarios: La aproximacin lograda es bastante buena, pues el error

porcentual es solamente del 0.2%, y este valor es aceptable para cualquier
clculo promedio. Adems, debe tenerse siempre en cuenta el tipo de clculo
que se realiza y la precisin que se requiera para estimar el error.
Ejemplo 90.
Aproximar el valor de la funcin
segunda frmula de los tres puntos, con
(3) si ( )
, utilizando la
= 0.1
Solucin: La solucin inicia con la segunda formula de los tres puntos
(3) =
1
[
0.2
( )=
(3) + 4 (3 + 0.1)
(3) =
1
[ 3( 3
0.2
)+4 (
(3 + 2 0.1)] =
3) + 4( 3.1
1
[
0.2
3.1)
+ 2 )]
(3) + 4 (3.1)
( 3.2
(3.2)]
3.2)]
1
[ 3(1.09861 0.14112) + 4(1.13140 0.04158)
0.2
(1.16315 ( 0.05837)]
(3) =
(3) =
(3) =
1
[ 3(0.155036) + 4(0.0470436)
0.2
( 0.067893)]
1
1
[ 0.465108 + 0.1881744 + 0.067893] =
[ 0.2090406]
0.2
0.2
1.045203
Estimacin de error: El valor verdadero de la derivada de la funcin

( )
es
(3)
1.040578
| = | 1.040578 ( 1.045203)| = 4.625 10
=|
=
%
0.004625
= 4.4446 10
1.040578
= 0.004625
= 0.0044446
100% = 0.0044446 100% = 0.44%
Comentarios: En este caso, con la aplicacin de la formula (9.2) de los

tres puntos la aproximacin lograda es de menor precisin que la de (9.1), aun
as, sigue siendo bastante buena la aproximacin lograda, pues el error
porcentual es de 0.44%. Comparando los dos ejercicios resueltos se nota
claramente que la primera ecuacin presenta menor error, aproximadamente
la mitad de error producido por la segunda ecuacin, lo que se haba ya
indicado al definir las dos frmulas de los tres puntos.
Frmula de los cinco puntos
Las formulas de los cinco puntos se pueden obtener de manera similar a
la de las formulas de los tres puntos. Tambin es posible emplear la
extrapolacin para lograr derivadas de menor dificultad para estas formulas.
Las siguientes corresponden a las frmulas de los cinco puntos
( )=
1
[ 25 ( ) + 48 (
12
( )=
1
[
12
( )=
( )=
( )
5
(
1
[ (
12
1
[
12
( )
5
36 (
+ 2 ) + 16 (
) + 10 ( ) + 18 (
)+6 (
+ 34 ( )] +
( )
30
)+8 (
+2 )
)
(
+3 )
+2 )
+ 2 )] +
) + 34 ( ) + 3
+ 4 )]
+ 3 )]
( )
30
+3 )
( )=
1
[ (
12
+
( )
5
)+4 (
36 (
) + 25 ( )]
Errores de truncamiento y de redondeo.

Debido a la naturaleza discreta del computador los resultados
numricos no son exactos y que el error de redondeo est siempre presente en
los clculos. Por ello, cuando se calculan derivadas numricamente el error en
la solucin es la suma del error de truncamiento, que proviene de la formula
de aproximacin, y el de redondeo, que es debido al computador. Ambos
errores pueden ser importantes e interesa minimizarlos. El error de
truncamiento puede reducirse disminuyendo el valor de h en las formulas, sin
embargo, al disminuir h se va restando valores de
( ) cada vez ms prximos
y esto se traduce en una mayor influencia del error de redondeo. Por ello, la
mejor precisin no se consigue con el valor de h ms pequeo posible, sino con
un valor que sin producir un gran error de redondeo disminuya lo suficiente el
error de truncamiento.
Ejemplo 91.
Sea la funcin
tan calcular la derivada por mtodos numricos
x=1.2 con h= 0.1, aplicando la frmula de la primera diferencia finita hacia

adelante, hacia atrs y centrales.
La calculadora debe estar configurada en radianes ya que los nmeros
en el intervalo son menores a 2
Figura 43. Grafica ejemplo 85 grafica roja funcin, azul primera derivada, verde segunda
derivada
Se tiene que
( )
0.9
-0.132770
( ) = ln
tan
( )=
1.0
0
1.1
0.187261
( )=
)
tan( )
( )

=|
=
%=
| = [3.5320
1.2
0.468959
+ log(
1.3
0.945063
sec ( )
1.4
1.950827
1.5
5.717634
(1.2) = 3.5320
0.945063 0.468959
= 4.76104
0.1
4.76104] = 1.22904
1.22904
= 0.347973
3.5320
100% = 34.797%
Observaciones
Gracias al clculo de errores se pudo notar que en el
caso pedido por el mtodo de diferencia finita hacia adelante, el error es muy
grande y est alejado del valor real con un error porcentual del 34.79% lo cual
es un valor muy alto y no se puede estimar su factibilidad para este ejercicio,
por lo tanto se va a aplicar otro mtodo para comparar el nivel de error.
Por mtodo de primera diferencia finita hacia atrs.

( )=
( )
(1.2)
(1.1) 0.468959 0.187261
=
= 2.8169
0.1
0.1

=|
=
%=
| = [3.5320
2.8169] = 0.7151
0.7151
= 0.202463
3.5320
100% = 20.246%
El error persiste y solo disminuyo un
14% por lo tanto se vuelve a
hacer otro intento pero por el mtodo de las diferencias centrales.

Mtodo de las diferencias centrales
(1.2) =

=|
=
%=
| = [3.5320
= 3.78901
3.78901] = 0.25701
0.25701
= 0.072766
3.5320
100% = 7.277%
Observaciones Al aplicar el mtodo de las diferencias centrales se
puede notar que existe una gran mejora con respecto al error por el cual se
inici, al parecer al ingresar la funcin evaluada en el punto 1.2 afecta en gran
medida al clculo del valor de la derivada en el punto especfico por lo cual al
ingresar por los laterales se pudo disminuir en gran medida el valor de esta.
Calculo de la segunda derivada.
( )
( )=
( )=
( )
log( ) tan( ) + 1)
( )
tan( )
0.187261

=|
=
%=
| = [18.050218
1.44998
= 0.08033
18.050218
(1.2) = 18.050218
0.468659 + 0.945063
= 19.50
0.1
19.5006] = 1.44998
100% = 8.0330%
Observacin
Al notar estos detalles con respecto al error se pueden llegar a varias

conclusiones, una de ellas es que a medida de que se siguen sacando las
derivadas se puede observar que el error que presenta el resultado de la
derivada evaluada en el punto va creciendo en 1% por lo cual uno puede llegar
a decir que, a la hora de aplicar el mtodo para ciertas funciones, no es muy
viable este clculo de derivadas, porque a pesar de ser valores pequeos
menores a un 10% no es un error que se puede despreciar a la hora de ser
acercado a un valor terico o verdadero.
ECUACIONES DIFERENCIALES
CAPITULO VIII
Introduccin
Una ecuacin diferencial es una relacin entre una funcin y sus
derivadas, que en general tiene la forma f t , x , x ', x '',...
0.
El objetivo al plantear una ecuacin diferencial es obtener la variable
dependiente
x
x en
trminos de la variable independiente t, es decir obtener
x t .
Una ecuacin diferencial se dice de primer orden si la derivada ms alta

que aparece es de orden uno. Vamos a trabajar fundamentalmente con
ecuaciones diferenciales de primer orden con la derivada despejada, es decir
con ecuaciones de la forma
x'
f t, x .
Tambin trabajaremos ocasionalmente con ecuaciones diferenciales de

segundo orden o superior.
Dnde aparecen las ecuaciones diferenciales? El rango de aplicacin de
las ecuaciones diferenciales es muy amplio, estn en los fundamentos de la
fsica y se usan en biologa, economa y geometra entre otros campos.
En la mayora de los casos la variable independiente
tiempo, la derivada primera de la
t representa al
variable independiente
x'
suele
interpretarse como una velocidad o una tasa de variacin y x' ' representa a
veces a la aceleracin.
Para que la solucin de una ecuacin diferencial venga dada de forma
unvoca es necesario que se complete con una serie de condiciones
adicionales. Estas condiciones pueden ser de varios tipos y usualmente se
denominan condiciones iniciales o condiciones de contorno.
El primer objetivo del anlisis numrico va a ser problemas de valor

inicial (PVI) de la forma
x'
f t, x
x a
x0
a, b
Como se pone de manifiesto en el estudio terico de las ecuaciones

diferenciales existen muchas tcnicas de resolucin de los PVI. Una de ellas,
muy bsica y que se supone conocida, es la separacin de variables.
Vamos a comenzar nuestro estudio resolviendo problemas de valor
inicial que sern representativos de las dificultades que nos vamos a
encontrar ms delante:
33
x
2
x 0 0
a)
x'
b)
x' x
c)
x ' x2
0, 2
x 0
0, 2
x 0
0,1
Estos tres PVI son de aspecto muy parecido, sin embargo observamos
que sus soluciones tienen caractersticas completamente diferentes.
En el primer caso la solucin no es nica.
En el caso b) la solucin es nica y est bien definida en cualquier
intervalo de la variable independiente
t.
Por ltimo en el caso c) la solucin es nica pero presenta un

comportamiento asinttico en t
1, que nos impide extender la solucin ms
all de este valor. Usualmente se dice que la solucin de c) explota en t
1.
La falta de unicidad de la solucin de a) es previsible y podemos pensar

que se debe a la falta de regularidad de la funcin
en el punto x 0. Lo
que resulta ms sorprendente es que la solucin de c) presente un

comportamiento asinttico (o explosivo) ya que en ningn caso dicho
comportamiento puede achacarse a una falta de regularidad en la funcin x 2 .
Este comportamiento explosivo de la soluciones de ciertos PVI es un
fenmeno poco conocido entre muchos usuarios de las ecuaciones
diferenciales y a lo largo de la historia ha dado lugar a comportamientos
anmalos de los sistemas que han venido descritos por algunas ecuaciones
diferenciales, es decir, a dado lugar a explosiones, derrumbamientos,
Teorema 45. Teorema de Peano: El PVI
El teorema de Peano introduce la necesidad de la continuidad de la

funcin
como funcin de dos variables. Es por ello que en el estudio de
ecuaciones diferenciales se mezclan conceptos de anlisis unidimensional con

conceptos de anlisis de mayor dimensin
x ' f t ,x
con f t , x
x a
x0
a ,b
continua en un abierto que contenga al punto a , x 0
al menos una solucin
) definida al menos en un entorno de
tiene
t a.
Este teorema nos permite disponer de una herramienta sencilla que

garantiza la existencia de solucin local de los PVI pero que sin embargo no
garantiza la unicidad de dicha solucin y por tanto se convierte en una
herramienta insuficiente para los propsitos del anlisis numrico.
El ejemplo a) considerado anteriormente nos muestra que la unicidad de

soluciones para un PVI no est garantizada con la mera continuidad de f .
Para garantizar la unicidad de soluciones de un PVI tenemos que
imponer que la funcin f t , x
cumpla al menos una condicin de Lipschitz
con respecto a su segunda variable
x.
Tenemos el siguiente teorema de existencia local.
Sea f t , x
Teorema 46. Teorema de Picard (Local)
continua en un abierto que contenga al punto a , x 0
y tal
que verifica una condicin de Lipschitz para su segunda variable en dicho

intervalo.
Entonces el PVI
x ' f t ,x
x a
tiene una solucin nica x t
x0
a ,b ,
definida al menos en un entorno de
a . Este teorema garantiza la existencia de una solucin local, es decir en
un intervalo que eventualmente puede ser muy pequeo en torno al punto de

partida.
El anlisis numrico nos obliga a mejorar estas estimaciones ya que

hemos de garantizar la existencia y unicidad de soluciones en un intervalo
fijado desde el principio a , b .
El
ejemplo
x ' x2
x 0
0,1
muestra que incluso para funciones

existencia global no est garantizada.
considerado
f t, x
anteriormente
nos
regulares la solucin de
Una posible forma de resolver este problema es utilizar el siguiente

teorema de existencia global:
Sea
Teorema 47. Teorema de Picard (Global)
) una funcin continua en
=[
y tal que verifica
una condicin de Lipschitz para su segunda variable en E . Entonces el PVI

x'
x a
f t, x
x0
tiene una solucin nica x t
a, b
definida en t
a ,b . Aunque este
teorema responde a las necesidades de existencia global que necesitamos en

anlisis numrico tiene el inconveniente de ser demasiado restrictivo y
funciones como
f t, x
x2
f t, x
cos x 2
no verifican este teorema. En el
primer caso esta restriccin est justificada dado el comportamiento

asinttico de las soluciones, pero en el segundo caso no, es decir el PVI
x' cos x 2
,
x a x0
tiene solucin nica para cualquier intervalo acotado de la variable

independiente.
En la prctica la forma de proceder ser la siguiente: Utilizaremos el
teorema de Picard (global) si se verifican las condiciones para ello. En caso
contrario utilizaremos un teorema de existencia local (Picard local) para
garantizar existencia y unicidad de solucin local y adems utilizaremos cotas
a priori sobre la solucin de los PVI con objeto de detectar posibles
comportamientos asintticos.
Para obtener las cotas a priori de la solucin de los PVIs citadas
utilizaremos el siguiente resultado, nicamente cierto si previamente puede
probarse existencia y unicidad local para todos los PVI considerados:
Teorema de las sub y supersoluciones: Consideremos los PVIs, definidos

para todo t
x'
a, b ,
x1 '
f t, x
x a
f 1 t , x1
x1 a
x0
x2 '
x0
donde las funciones
f , f1
Entonces se verifica que x 1 t
x t
x2 a
f2
f 2 t, x2
x2 t
x0
continuas y tales que

para todo t
f1
f2.
a, b .
Veamos a continuacin un ejemplo de utilizacin de este resultado.

Ejemplo 92.
Probar que la solucin del siguiente PVI est bien definida:
x ' t sin x
x 0
3
0 ,1
Establecer adems cotas para la solucin, su primera y su segunda

derivadas.
Solucin:
Utilizando el teorema de existencia local tenemos que la solucin est
bien definida localmente para todo valor de
0
nos
permite
obtener
una
sin x
sub
t, x
Por otro lado la cota
una
supersolucin x 1
respectivamente. A saber,
x1 ' 0
x1 0
x2 '
x2 0
4
3
0,1
0,1
x1 t
x2 t
4t
x2
De donde
3
x1 t
x t
x2 t
4t
7,
y as,
xt
7.
Las cotas sobre la derivada y segunda derivada se obtienen como sigue:

x' t
x' ' t
2t
t sin x
22
4.
f
f dx
f
f
f
x
t
x dt
t
2 t sin x cos x t sin x
d
x' t
dt
sin x
Es decir,
x' '
4 16 20.
Ejercicio 119.-
Estudiar si la solucin de los siguientes PVI est bien
definida en los intervalos considerados y, si es posible, calcular dicha

solucin en el caso en que sea nica. Caso de que no podamos garantizar
unicidad intentar encontrar al menos dos soluciones del PVI considerado.
x' x
x0 1
0,2
x' x 2
x0 1
0,1
x ' cos ln 1
x0 1
Ejercicio 120.-
x2
0,
Estudiar si es posible garantizar que el PVI
x'
1
2
t2
x2
4x
2,10
tiene solucin nica en el intervalo considerado.
Ejercicio 121.x2 t
A continuacin probar que las funciones x1 t
t2
4
t son ambas solucin de este PVI.
Ejercicio 122.-
Consideremos
el
problema
de
valor
inicial
3 3
x'
x
2
x(0) 0
Ejercicio 123.-
0,1 .
Comprobar que x t
3
2
es solucin de este PVI. Es
nica? Contradice este ejemplo algn teorema de existencia y unicidad?

Razonar las respuestas.
Ejercicio 124.-
Admiten solucin nica los siguientes problemas de valor
inicial? Razonar la respuesta.
a)
x' x 2
x (0) 1
b)
x' x 2
x ( 0) 0
c)
x' x 2
x ( 0) 1
d)
x' t 2 x 2
x (0 ) 1
Ejercicio 125.-
0, 2
0,1
0,2 .
Demostrar que el PVI
x ' cos x
x0 1
0,
tiene solucin
nica. Dar una cota a priori (sin resolver la ecuacin) de la solucin de este
PVI y de sus primera y segunda derivadas.
Ejercicio 126.x ' cos x 2

x0 1
Ejercicio 127.-
x'
Igual
que
el
ejercicio
anterior
pero
con
el
PVI
0,
Estudiar para qu condiciones iniciales el PVI
1
t
x2
x0
0,1
x0
tiene solucin nica. Dar una cota a priori de dicha solucin.

Ejercicio 128.-
x'
Consideremos el problema de valor inicial
arctan( x )
1.
x (0) 1
Encontrar cotas a priori para x , x ' y x' ' sin calcular xexplcitamente.
Mtodo de Euler.
Consideremos el PVI
x'
x a
f t, x
x0
a, b ,
que no sabemos resolver explcitamente, pero del que tenemos la

seguridad de que tiene solucin nica en el intervalo t
a,b
considerado.
El objetivo del anlisis numrico ser obtener una aproximacin de la

solucin x t .
La forma de aproximar la solucin de un PVI no es nica y de hecho
muchas tcnicas de aproximacin de soluciones se han desarrollado a lo largo
de la historia del anlisis funcional. Podemos destacar la aproximacin de
soluciones de PVIs utilizando series de potencias, mtodos perturbativos, El
anlisis numrico nos provee de una forma muy particular de aproximar la
solucin de un PVI. Es en esta forma de aproximar soluciones en la que

vamos a estar interesados.
En primer lugar haremos una particin del intervalo
en N
a,b
trozos, en principio equiespaciados. Vamos a pasar de considerar que la

variable independiente toma valores en un intervalo t
toma valores nicamente en el conjunto
Al conjunto
a los valores
que
N
ti
ti
a
h
h,
t 0 , t 1 , t 2 ,..., t N
a,b
t 0 , t 1 , t 2 ,..., t N ,
a considerar que
con
t0
y por tanto
ti
tN
lo llamaremos particin del intervalo a , b
les llamaremos nodos de la particin. Cada nodo
ti
a,
t0
ih ,
ti
b.
verifica
donde h es el paso de la particin y
El objetivo del anlisis numrico es desarrollar un mtodo recursivo, es

decir, que vamos a utilizar herramientas algebraicas y no diferenciales, para la
obtencin de
x ti
xi ,
que sern valores aproximados de la solucin exacta del PVI
en los nodos de la particin considerada (En anlisis numrico es muy
importante fijar adecuadamente la notacin utilizada. Vamos a denotar como

x ti
a la solucin exacta del PVI y como
nodo t i . ).
xi
a la solucin aproximada en el
Se plantea el PVI en los nodos de la particin de la siguiente forma (Este

paso ya es en s muy importante porque supone despreciar toda la
informacin sobre la solucin x t
nodos
del problema que no se refiera a estos
t i . ):
x ' ti
x t0
x ti h x ti
0
h
lim
h
x0
f ti ,x ti
t 0 ,t 1 ,...,t N .
El primer mtodo de aproximacin numrica de PVI, ya desarrollado en

los albores del clculo diferencial,
aproximados
xi
para la obtencin de los valores
la proporciona el llamado mtodo de Euler.
Este mtodo constituir un modelo sencillo de obtencin de soluciones

aproximadas de PVIs, pero adems vamos a utilizarlo como modelo y como
punto de partida para desarrollar mtodos ms complejos.
Es
por
tanto
fundamental
aprender
detenidamente
las
ideas
involucradas en el anlisis de este mtodo y reflexionar sobre los conceptos

que van a aparecer. En particular adquiere especial relevancia el concepto de
error de truncatura.
El mtodo de Euler surge de la idea de eliminar el lmite del PVI
considerado, es decir este mtodo propone pasar de la igualdad
lim
x ti
h x ti
h
h 0
f ti , x ti
a la igualdad
para la solucin exacta x t

xi
xi
h
x0
f t i , xi
o equivalentemente
xi
x0
para la solucin aproximada
xi
hf t i , x i
xi .
Hay que hacer notar que el valor
de arranque del mtodo
aproximado y el valor inicial del PVI x 0 no van necesariamente a coincidir,
aunque hay que suponer que si no son valores iguales al menos s van a ser
valores muy prximos(Vamos a notar como
PVI.
a la condicin inicial exacta del
es el valor aproximado de la solucin del PVI en el primer nodo
es el valor de . Por tanto la igualdad

igualdad
es siempre cierta mientras que la
no lo es de forma general.).
Convergencia de un mtodo numrico.

Qu hemos de pedirle a un mtodo numrico de aproximacin de
soluciones de PVIs para que sea satisfactorio? Que aproxime adecuadamente
a las soluciones del PVI. En este sentido damos las siguientes definiciones:
Llamamos error local de discretizacin
x ti
a la diferencia
xi
mientras que denominamos error (global) de discretizacin
a la
expresin
max
max x t i
xi .
Obviamente vamos a estar interesados en que el error de discretizacin

sea lo ms bajo posible y que de hecho tienda a cero a medida que h tienda a
cero, o equivalentemente a medida que en nmero de nodos de la particin
aumente.
Diremos que un mtodo es CONVERGENTE si
lim
h
0.
Convergencia del mtodo de Euler.

Vamos a calcular detalladamente
en el caso del mtodo de Euler con
el objetivo adicional de tratar de entender cuales son las fuentes que

contribuyen a hacer que el error aumente. Este estudio nos llevar a nuevos
conceptos y nuevas definiciones.
Con objeto de ser lo ms claros posible y de simplificar y sistematizar a

un tiempo nuestras tcnicas de clculo y de estimacin de errores, vamos a
introducir la definicin de error de truncatura.
Este concepto en este momento puede parecer un tanto artificioso. Ms
adelante veremos que es un concepto que va a jugar un papel fundamental en
el estudio de los mtodos de aproximacin numrica de la solucin de los
PVIs.
Veamos a continuacin como se introduce el error de truncatura en el
mtodo de Euler.
Podemos ver el mtodo de Euler como el paso de la expresin exacta
lim
x ti
h x ti
h
h 0
f ti , x ti
x t i h x ti
h
a la expresin aproximada
f ti , x ti ,
que esperamos sea tanto ms exacta cuanto ms pequeo sea el paso h

considerado.( Ntese que las dos ecuaciones anteriores estn referidas a la
solucin exacta
x ti .)
El error local de truncatura
podemos interpretarlo como el error que
cometemos al hacer la anterior aproximacin, es decir, que de manera exacta

tenemos que
x ti
h x ti
h
f ti , x ti
Anlogamente a lo que establecimos con el error de discretizacin se

define el error (global) de truncatura
max i .
Diremos que un mtodo es CONSISTENTE si
lim
0
0.
El orden de consistencia de un mtodo consistente se define como el

mayor natural p tal que
Antes de pasar a calcular errores hay
Ch p .
que llamar la atencin sobre la similitud de las siguientes expresiones,

aparentemente muy parecidas:
x ti
hf t i , x t i
x ti
y
xi
xi
hf t i , x i .
La primera se refiere a la solucin exacta del PVI y la segunda a la

solucin aproximada de dicho PVI que proporciona el mtodo de Euler (A la
vista de la expresin
x ti
x ti
hf t i , x t i
error de truncatura de la siguiente forma:
h
h
cobra sentido interpretar el
es lo que le falta a la solucin
de exacta para verificar el mtodo de Euler).

Tenemos el siguiente resultado:
Teorema 48. Sobre la convergencia del mtodo de Euler
Se verifica la siguiente desigualdad:
max x t i
xi
eb
aL
x0
eb
0
a L
La demostracin, que se deja como ejercicio y puede verse en el apndice

al final del captulo. De hecho tambin puede considerarse el ejercicio de
introducir un trmino de redondeo en el clculo de
xi .
A la vista del Teorema 41 vemos que el error de discretizacin y por tanto

la convergencia del mtodo de Euler depende de dos trminos. De hecho en
forma concisa podemos escribir que
C1 x 0
C2 .
Diremos que el primer trmino est relacionado con la estabilidad y el

segundo con la consistencia.
Consistencia del mtodo de Euler.
Ya hemos introducido el concepto de consistencia al introducir el error
de truncatura. Nos queda probar formalmente la consistencia del mtodo de
Euler y calcular su orden de consistencia.
Dicha propiedad se obtiene de la igualdad
x ti
Desarrollando la funcin
x ti
x ti
hf t i , x t i
por Taylor y utilizando la frmula del
resto en forma de Lagrange, tenemos que
x ti
x ti
hx ' t i
h2
x' '
2
ti , ti
Al sustituir en la ecuacin anterior y teniendo en cuenta que

x' ti
f ti , xi
nos queda
x ti
hx' t i
h2
x' '
2
Cancelando trminos obtenemos que
de donde obtenemos la acotacin
x ti
h
x' '
2
hx' t i
h
max x' ' t .
2
Concluimos que el mtodo de Euler es consistente y de hecho es

consistente de orden 1.
Estabilidad del mtodo de Euler.
Para el estudio de la estabilidad de un algoritmo (En el estudio de las
ecuaciones diferenciales aparece el concepto de estabilidad de la solucin de
una ecuacin diferencial. En este caso hablamos de estabilidad de un

algoritmo numrico.) introducimos la siguiente definicin:
Definicin 39.
trmino
yi
y0
yi .
yi
Consideremos la sucesin
i 0,1...., N
de forma que el primer
est dado y el resto vengan dados por el algoritmo siguiente:

Para dos datos iniciales
algoritmo dos sucesiones
yi
i 0,1....N
y0
zi
z0
i 0,1....N
obtendremos mediante este
Diremos que el algoritmo considerado es estable (El concepto de

estabilidad de un algoritmo no tiene nada que ver con el PVI cuya solucin
pretendemos aproximar) si existe una constante positiva C , que solo depende
del algoritmo, tal que
max y i
zi
C y0
z0 .
Surge de manera natural la pregunta: Es el mtodo de Euler un

algoritmo estable? S, vemoslo:
Construimos dos sucesiones de la forma:
yi
yi
hf t i , y i
y 0 dado
zi
zi
hf t i , zi
z 0 dado
con h ,
y los nodos de la particin
Restando obtenemos que
ti
fijos.
yi
zi
yi
zi
h f ti , yi
f ti , zi ,
y por tanto se verifican las siguientes acotaciones:

h f t i , yi
yi
zi
yi
xi
yi
zi
1 hL y i
N
yi
zi
1 hL
yi
zi
e hLN y 0
yi
zi
eL b
y0
f ti , zi ,
zi ,
z0 ,
z0 ,
y0
z0
De donde se concluye la estabilidad del mtodo de Euler.

La consistencia y la estabilidad del mtodo de Euler garantizan su
convergencia.
Convergencia de un mtodo numrico, por desigualdades.
La desigualdad
C1 x 0
C2
nos ha permitido estudiar la relacin entre los conceptos de

convergencia (
Euler.
0 ), consistencia (
0 ) y estabilidad para el mtodo de
Qu relacin tienen estos conceptos entre s en el resto de los
mtodos de aproximacin?
Puede
+
probarse
que
=
en
general
se
verifica
que
Es por esto que una vez que diseemos un mtodo de aproximacin

numrico el estudio de su convergencia se va a llevar a cabo en dos pasos, en
primer lugar vamos a estudiar su consistencia, y de hecho vamos a determinar
siempre el orden de dicha consistencia, y posteriormente vamos a estudiar su
estabilidad.
Teorema 49. sobre la convergencia del mtodo de Euler
Se verifica la siguiente desigualdad:
max x t i
xi
b aL
eb
x0
aL
Demostracin:
Notaremos
a la solucin exacta del PVI y
x ti
aproximada en los nodos
a la solucin
xi
de la particin. Por construccin,
ti
x ti
hf t i , x t i
x ti
x0.
x t0
Por otro lado la solucin aproximada

xi
xi
x0
xi
verifica que
hf t i , x i
Restando obtenemos el siguiente resultado:

x ti
xi
xi
x ti
x ti
hf t i , x t i
hf t i , xi
xi
x ti
xi
h f ti , x ti
f t i , xi
Teniendo en cuenta la Lipschitzianidad de f t , x

x ti
xi
x ti
x ti
xi
xi
h f ti , x ti
hL x t i
xi
obtenemos que
f ti , xi
i
que escrito con la notacin introducida en el captulo 1.3 queda como
i 1
0
1 hL
x0
h ,
En este momento hemos de aplicar un resultado algebraico al que a

partir de ahora nos vamos a referir como Primer Lema de Acotacin. Estos
lemas son muy utilizados en las demostraciones de convergencia de diferentes

mtodos numricos.
yn
Sea
Teorema 50.
una sucesin de nmeros reales no negativos, que
n 0,1....
verifican la condicin
no negativas, entonces
yn
A y0
yn
1 A yn B,
A
A
B,
n 0,1,2,...
con A y B constantes
n 0,1,2,...
y adems
yn
nA
e y0
e nA 1
B,
A
n 0,1,2,...
Aplicando lo anterior referente a la acotacin a la desigualdad anterior

obtenemos que
e ihL
Donde
eb
b aL
0
aL
e inhL 1
h ,
hL
Ejercicio 129.x' 1
x0 0
Considerar los PVI
0,3
x' t
x0 1
0,3 .
Calcular la solucin exacta para cada uno de ellos y la solucin

aproximada que proporciona el mtodo de Euler.
Tomar para ello h 1.

Obtener explcitamente el error local de discretizacin obtenido en cada
caso y compararlo con la cota
Ejercicio 130.-
x'
obtenida tericamente para dicho error.
arctan( x )
1.
x (0) 1
Encontrar cotas a priori para x , x ' y x' ' sin calcular xexplcitamente.
Dar una cota explcita del error de truncatura obtenido al aplicar el
mtodo de Euler explcito a este PVI. Tomar h
Ejercicio 131.x' t 2 x 2
x0 1
10 3.
0, 2 .
Estudiar si es posible aproximar de forma razonable la solucin de este

problema
de valor inicial por el mtodo de Euler explcito. En caso de que
sea posible tomar un valor de h

truncatura
0.01 y dar una cota explcita del error de
h .
Algunos mtodos monopaso lineales.

El objetivo del anlisis numrico es la aproximacin de la solucin del
PVI
x'
x a
f t, x
x0
a, b .
Hemos visto que en primer lugar hemos de restringir nuestro problema

a los nodos de la particin considerada, es decir, vamos a aproximar en
realidad el problema
x' t i
f ti , x ti
x t0
x0
t 0 , t 1 ,..., t N .
El mtodo de Euler surge al aproximar la derivada por el cociente

incremental, es decir,
x' t
lim
x ti
h x ti
h
h 0
x ti
h x ti
.
h
Introduciendo esta aproximacin en el PVI obtenemos

xi
xi
h
x0
f t i , xi
o equivalentemente
xi
x0
xi
hf t i , x i
Parece claro que cualquier otra aproximacin de la derivada x ' nos

conducir a un nuevo mtodo.
El mtodo de Euler implcito. Diseo y anlisis.
Supongamos que consideramos ahora diferencias hacia atrs, es decir,
x' t
lim
h
xt
Al sustituir en el PVI obtenemos
xt
h
xt
xt
h
xi
xi
h
x0
f ti , xi
o equivalentemente
xi
xi
x0
Algunas veces se renumera,

xi
x0
hf t i , x i
i 1, y el mtodo se escribe como
xi
hf t i 1 , x i
Usualmente se denomina a este mtodo Mtodo de Euler Implcito. Es

eviendente que la programacin efectiva de este mtodo entraa una dificultad
adicional con respecto al mtodo de Euler explcito obtenido en el captulo
anterior, por aparecer
xi
en ambos miembros de la igualdad. Sin embargo en
este momento nicamente vamos a estar interesados en el diseo y anlisis

terico de los mtodos que vamos a ir obteniendo. Ms adelante trataremos en
detalle la programacin efectiva de los mtodos implcitos.
Consistencia del mtodo de Euler Implcito:
Para el anlisis de la consistencia basta sustituir en el mtodo la
solucin aproximada por la exacta y aadir el trmino
x ti
x ti
hf t i , x t i
Desarrollando Taylor,
x ti
x ti
hx' t i
h2
x' '
2
Obtenemos:
Utilizando estas dos expresiones deducimos que
h
x' '
2
. Donde
h
max x ' ' . Concluimos que el mtodo de Euler implcito es consistente de
2
orden 1.
Estabilidad del mtodo de Euler Implcito:
Consideremos dos sucesiones:
yi
yi
hf t i , yi
zi
y
y 0 dado
zi
hf t i , z i
z 0 dado
Restando obtenemos que

yi
zi
yi
zi
h f ti , yi
f ti , zi .
Se verifican las siguientes acotaciones:
yi
zi
yi
zi
1 hL y i
yi
Para h
1
,
2L
zi
se verifica que
completar la acotacin como sigue:
h f t i , yi
zi
yi
1
yi
1 hL
1
1 hL
f t i , zi ,
zi 1 ,
zi 1 .
2 hL ,
lo que nos permite
yi
zi
yi
zi
1
y i 1 z i 1 1 2hL y i
1 hL
N
1 2hL y 0 z 0 ,
yi
zi
e 2 hLN y 0
yi
zi
e 2L b
zi 1 ,
z0 ,
y0
z0
De donde se concluye la estabilidad del mtodo de Euler implcito.

Los mtodos de Taylor.
Volviendo al mtodo de Euler podemos constatar la similitud que hay
entre el desarrollo de Taylor de la solucin
x ti
x ti
hx ' t i
h2
x' '
2
ti , ti
y la forma en la que se calcula el error de truncatura. Por ejemplo

podemos considerar que para el mtodo de Euler,
x ti
x ti
hf t i , x t i
La diferencia entre estos dos desarrollos se encentra en los trminos de

orden h2 . Es por esto que a la vista de un desarrollo ms detallado del
x ti h
x ti
hx' ti
h2
x' ' ti
2!
h3
x' ' ' ti
3!
x ti
h ,
...
podemos pensar en desarrollar mtodos que nos permitan imitar este

desarrollo. Esta es la base de los mtodos de Taylor y aqu se encuentra
tambin una forma de motivar los mtodos de Runge-Kutta, que sern
tratados posteriormente.
En efecto, un ejemplo es el mtodo de Taylor de orden 2, que se
construye como sigue:
xi
xi
hf t i , xi
h2
2
f
t i , xi
t
f
t i , xi f t i , xi .
x
Se deja como ejercicio probar que este mtodo tiene orden de

consistencia 2.
Parece claro que utilizando esta forma de razonar seremos capaces de
desarrollar
mtodos
numricos
consistentes
estables
de
rdenes
arbitrariamente altos.
El inconveniente que presentan los mtodos de Taylor es que nos
obligan a evaluar no solo la funcin f t , x
sino adems a sus derivadas. En
los ejemplos acadmicos que suelen considerarse esta no suele ser una gran
dificultad, sin embargo en las aplicaciones prcticas debemos evitar evaluar
derivadas de f t , x .
Aproximaciones integrales.
Una forma alternativa de intentar resolver un PVI dado por
x' t i
x t0
f ti , x ti
x0
t 0 , t 1 ,..., t N .
es integrar a izquierda y derecha la variable independiente entre
ti , ti
Obtenemos la siguiente expresin
x ti
x ti
ti h
ti
f s, x s ds.
Obviamente la resolucin por medios tericos de este problema implcito

es incluso ms difcil que la resolucin del PVI inicial. Sin embargo en
trminos de la interpretacin geomtrica de la integral definida es fcil
justificar la siguiente aproximacin:
ti h
ti
f s, x s ds hf t i , xi .
Basta sustituir en la ecuacin anterior para obtener el mtodo de Euler

explcito.
xi
xi
hf ti , xi .
Nuevas aproximaciones de la integral generan nuevos mtodos de

aproximacin. Cabe destacar que la aproximacin
ti h
ti
nos
conduce
al
f s , x s ds
mtodo
de
hf t i 1 , x t i
Euler
implcito,
mientras
que
la
generalizacin de las anteriores aproximaciones
ti h
ti
f s, x s ds
h 1
f ti , x ti
f ti 1 , x ti
0,1 ,
1
adquiere especial
2
mtodo, que en el caso
nos conduce al llamado
relevancia por conducirnos al mtodo del trapecio
xi
xi
h
f ti , xi
2
f ti 1 , xi
Que es un mtodo consistente de segundo orden. De hecho es el primer

mtodo de consistencia mayor a la del mtodo de Euler.
Ejercicio 132.-
Acotar el error de truncatura de los siguientes mtodos
monopaso, y establecer el orden de consistencia de cada uno de ellos.
a. Mtodo de Euler explcito:

b. Mtodo de Euler implcito:
c.
Mtodo
xi
xi
h 1
f ti , xi
xi
xi
1
1
xi
xi
hf t i , x i
hf t i 1 , x i
f ti 1, xi
d. Mtodo de Taylor de segundo orden:

h2 f
xi 1 xi hf t i , xi
t i , xi
2
t
f
t i , xi f t i , x i
x
Ejercicio 133.-
Disear un mtodo de Taylor de orden 3.
Ejercicio 134.-
Consideremos el siguiente mtodo monopaso
xi
xi
Ejercicio 135.-
f ti , xi
f ti 1 , xi
Calcular que valores tienen que tener los parmetros
para que el mtodo tenga un error de truncatura al menos de orden 2.

Los mtodos de Runge-Kutta.
Mtodos Monopaso No Lineales.
Los mtodos de Runge-Kutta son mtodos no lineales monopaso que se
introducen para obtener grados de consistencia altos.
En estos mtodos la no linealidad del mtodo viene dada por la
evaluacin de la funcin
en puntos diferentes a los nodos de la
f t, x
particin. En general estos mtodos pueden escribirse como

xi
xi
h ,
donde la funcin
va a tener la forma
Ak f
, donde
k 1
en general los valores
van a ser diferentes de
ti
xi
respectivamente.
Consistencia de un mtodo de Runge-Kutta.

El clculo del error de truncatura de un mtodo de Runge-Kutta se hace
en la forma usual, sustituyendo la solucin aproximada por la exacta y
agregando el trmino de error
As,
x ti
x ti
La dificultad que tenemos en este caso es no saber a priori el orden en
h de la funcin
h . Para determinar la consistencia del mtodo procedemos
a desarrollar
x ti
x ti
hx ' t i
h2
x' ' t i
2!
en potencias de h .
h3
x' ' t i
3!
...
x ti
h ' 0
h2
2!
'' 0
'' 0
2!
...
...
h i.
Simplicando y agrupando trminos queda
h x' t i
h2
x' ' t i
2
h3
'0
x' ' ' t i

3!
A la vista de esta ecuacin la condicin imprescindible para que un

mtodo de Runge-Kutta sea consistente es que
h
x' ti
f ti , xi
En la medida en que el mtodo cumpla las condiciones
' 0
'' 0
2!
x' ' t i
,
2
x' ' ' t i
,
3!
...
su orden de consistencia ser mayor.
Vamos a considerar algunos ejemplos de mtodos de Runge-Kutta. El

estudio de estos ejemplos servir como ejemplo al estudio general de los
mtodos monopaso no lineales.
Ejemplo 93.
xi
En este caso
f ti
xi
h
, xi .
2
hf ti
h
, xi . Tenemos que
2
0
f t i , xi
'0
1 f
t i , xi
2 t
x' ' t i
.
2
Concluimos que este mtodo es consistente de orden 1.

Ejemplo 94.
xi
xi
h
f t i , xi
2
En este caso
f ti
h, xi
1
f ti , xi
2
hf t i , x i
f ti
h, x i
hf t i , x i
. As
f t i , xi
1 f
ti , xi
2 t
x' ' ' t i .
' 0
'' 0
f
t i , xi f t i , xi ,
x
Concluimos que este mtodo es consistente de orden 2.

Ejemplo 95.
El mtodo de Runge-Kutta ms famoso y utilizado es el conocido como
mtodo de Runge-Kutta de orden 4:
xi
donde
xi
1
F1
6
2 F2
2 F3
F4
F1
hf t i , x i
F2
hf t i
F3
hf t i
F4
hf t i
h
, xi
2
F1
2
F2
h
, xi
2
2
h, xi F3 .
Se deja como ejercicio probar que efectivamente este mtodo tiene un

error de truncatura de orden 4.
Ejercicio 136.-
Consideremos el siguiente mtodo monopaso
xi 1 xi
Ejercicio 137.y
hf ti
h, xi
hf ti , xi ,
i 0,1,...,N 1,
Calcular que valores tienen que tener los parmetros
para que el mtodo tenga un error de truncatura al menos de orden 2.
Ejercicio 138.-
Estudiar la consistencia del mtodo del punto medio
implcito dado por
xi
Ejercicio 139.-
xi
hf t i
1 1
h, xi
2 2
xi
Calcular, utilizando la definicin, el error de truncatura del
mtodo.
xi
Ejercicio 140.-
xi
h
f t i , xi
2
f t i 1 , xi
hf t i , x i
Aproximar la solucin del problema de valor inicial
x' 100 x y
y' y
x(0) x0 , y(0)
t
y0
0,
con
0 y
xi
Tomar h
h
f t i , xi
2
xi
f ti
h, x i
hf t i , x i
0.001 y estudiar para qu valores del parmetro
el lmite cuando i
Ejercicio 141.-
, utilizando el mtodo de Euler mejorado
x0 , y0
es nulo
de la solucin aproximada obtenida.

Probar que el mtodo de Runge-Kutta de orden 4, que viene
dado por
xi
1
F1
6
xi
2 F2
2 F3
h
, xi
2
F1
2
F4
con
F1
hf t i , x i
F2
hf t i
F3
hf t i
F4
hf t i
F2
h
, xi
2
2
h, xi F3
es consistente.
Introduccin a los mtodos multipaso. Los mtodos BDF.

Hemos visto en los captulos anteriores los llamados mtodos
monopaso. Como su nombre indica en estos mtodos se pretende calcular la
aproximacin de la solucin en el punto
contenida en el nodo anterior
mtodos multipaso (de
ti
los
, xi
r
ti , xi .
ti
, xi
a partir de la informacin
En este captulo vamos a introducir los
pasos) en los que la aproximacin en el punto
va a llevarse a cabo teniendo en cuenta la informacin contenida en
nodos anteriores
ti
r 1
, xi
r 1
, ...
t i , xi .
Un primer problema que surge es que un mtodo multipaso no es

autosuficiente para dar la aproximacin de un PVI ya que este solo
proporciona el valor de
x0 .
Los valores de x1 ,..., x r
que nos permitan x r han
de ser calculados con algn mtodo monopaso. A este proceso se le llama

LANZAMIENTO y debe hacerse sin prdida de precisin. Una vez lanzado el
mtodo multipaso ya no es necesario el auxilio de ningn mtodo adicional.
Los conceptos desarrollados en el anlisis de los mtodos monopaso se
generalizan sin dificultad, en concreto, el concepto de consistencia para
mtodos multipaso es el mismo que en caso de los mtodos monopaso. El
concepto de estabilidad se extiende de manera natural al caso de los mtodos
multipaso como sigue:
Consideremos un algoritmo que nos permita construir una sucesin
yi
de forma que los primeros
0 ,1 ...., N
trminos
y 0 , y 1 ,..., y r
estn dados y el
resto vengan dados por el algoritmo

yi
y i ,..., y i
r 1
Tomemos dos sucesiones generadas por este algoritmo

zi
0 , 1 .... N
yi
i 0 ,1 .... N
Diremos que el algoritmo considerado es estable si existe una
constante C tal que
max yi
zi
C max y0
z 0 , y1
z1 ,..., y r
zr
Una ventaja de los mtodos multipaso es que se pueden construir, con

mayor facilidad que en el caso de los monopaso, mtodos de un orden de
consistencia alto. Esto es debido al hecho de que en cada iteracin del mtodo
estamos teniendo en cuenta mayor informacin.
Entre las desventajas de los mtodos multipaso hemos de sealar que

hay vigilar con cuidado la estabilidad de estos mtodos y tambin que a la
hora de llevar a cabo su programacin prctica hemos de proceder a su
lanzamiento.
Aproximaciones de la derivada.
Una forma muy sencilla de obtener mtodos multipaso es proceder de la
misma forma que se hace en la construccin del mtodo de Euler. Al utilizar
diferentes
aproximaciones de la derivada podemos construir diferentes
mtodos de aproximacin numrica de PVIs. Por ejemplo, si tomamos
x ' lim
h
xt
xt
xt
2h
xt
2h
tenemos que
xt
xt
2h
f t, x t .
Obtenemos as el mtodo
xi
xi
2 hf t i , x i .
Para algunos clculos es muy conveniente renumerar los subndices,

con lo que el mtodo obtenido se puede escribir de forma equivalente a la
anterior como
xi
xi
2 hf t i 1 , x i
Diferentes aproximaciones de x ' darn lugar a diferentes mtodos

numricos.
Los mtodos BDF.
Una generalizacin del proceso expuesto en el apartado anterior, es
decir una forma generalizada de obtener aproximaciones de
x'
consecuentemente de construir mtodos de aproximacin multipaso, lo
constituyen los llamados mtodos BDF. Como ejemplo vamos a deducir el

mtodo del apartado anterior,
xi
xi
2 hf t i 1 , x i
utilizando esta nueva filosofa.
Ejemplo 96.
Deducir un mtodo multipaso de aproximacin de PVI, del mximo
orden de consistencia posible, utilizando la informacin contenida en los
nodos
ti 1 , xi
t i 1 , xi
f ti , xi .
Solucin: Desarrollamos
x ti
x ti
x ti
x ti
hx' t i
h2
x' ' t i
2
x ti
x ti
hx' t i
h2
x' ' t i
2
por serie de Taylor:
h3
x' ' ' t i
3!
h 4 iv
x ti
4!
...
h3
x' ' ' t i
3!
h 4 iv
x ti
4!
...
Restando tenemos que
Sustituyendo
x ti
x ti
2hx' t i
x ti
h,
x ti
h,
x' t i
h3
x' ' ' t i
3
por
...
xi 1 ,
xi 1 ,
f t i , xi
respectivamente y despreciando trminos de orden superior a uno obtenemos

xi
xi
2 hf t i , x i .
Hay que sealar que en la deduccin de este mtodo se ha utilizado la

simetra de los nodos utilizados. Esto nos ha permitido eliminar fcilmente los
trminos de orden h2 .
En general ser necesaria la introduccin de parmetros para

garantizar esta eliminacin. En el siguiente apartado aparece la construccin
de un mtodo multipaso utilizando parmetros adicionales.
Un mtodo inestable.
Como hemos anticipado los mtodos multipaso tienen el grave
inconveniente de que pierden la estabilidad con facilidad. Vamos a dar a
continuacin un ejemplo para ilustrar este hecho. (Los mtodos de Adams
vienen a remediar esta prdida de estabilidad para mtodos multipaso. Tienen
el inconveniente de
introducir muchas evaluaciones de
y adems son
mtodos que involucran coeficientes que podemos calificar al menos de un

tanto extraos.)
Ejemplo 97.
Deducir un mtodo de aproximacin de PVI multipaso, del mximo
orden de consistencia posible, utilizando la informacin contenida en los
nodos t i 2 , x i
ti 1 , xi
, ti , xi .
Solucin: Desarrollamos por Taylor y multiplicamos a izquierda y

derecha por los parmetros A y B.
Ax t i
2h
Bx t i
A x ti
2 hx ' t i
B x ti
hx ' t i
4h 2
x' ' t i
2
h2
x' ' t i
2
8h 3
x' ' ' t i
3!
h3
x' ' ' t i
3!
16 h 4 iv
x ti
4!
h 4 iv
x ti
4!
...
...
Sumando obtenemos:
Ax t i
A
2h
Bx t i
B x ti
2A
h
B hx ' t i
4A
h2
x' ' t i
2!
8A
h3
x' ' ' t i
3!
...
De esta expresin hemos de hacer cero los coeficientes de la

segunda derivada y de todas las derivadas superiores a dos que sea posible.
En este caso solo va a ser posible anular el coeficiente de
ello tomamos B
4A. As, para A 1 y B
x ti
2h
4x t i
x'' ti .
Para
4,
3x t i
2hx' t i
h3
x' ' ' t i
3!
...
El mtodo que obtenemos es

xi
4xi
3xi
2 hf t i , x i
del que fcilmente se puede probar que tiene un orden de consistencia

igual a 2.
Sin embargo este mtodo no es estable como se deduce del
siguiente razonamiento:
Tomamos dos sucesiones generadas por este mtodo y con datos
iniciales y 0
0,
0 y por otro lado
y1
z0
0,
z1
0, donde
es un
nmero pequeo pero fijo.

Obviamente
yi
0,
nos lleva a que lim z i
para todo i
1 . Por otro lado un clculo detallado
. En efecto,
z0
0,
z1
z2
4 ,
z3
13 ,
z4
40 ,
...
zi
Tenemos que lim z i
i
mtodo.
3i
1
2
, y por tanto concluimos la inestabilidad del
Ejercicio 142.-
Estudiar
la
consistencia
de
los
siguientes
mtodos
multipaso:
e.
f.
xi
xi
xi
xi
g. x i
xi
Ejercicio 143.-
2 hf t i 1 , x i
5 f t i 1 , xi
f t i 2 , xi
Disear un mtodo multipaso del mximo orden de
consistencia que contenga
Ejercicio 144.-
h
h
f t i 1 , xi 1
f t i , xi
2
2
h
9 f t i 1 , x i 1 19 f t i , x i
24
xi
, xi
f ti , xi .
Construir un mtodo multipaso de la forma

ai xi
a i 1 xi
ai
xi
h bi
fi
bi
fi
de orden de consistencia mximo.

Ejercicio 145.-
Estudiar si el mtodo
xi
xi
1
fi
3
4
fi
3
1
fi
3
es consistente y en caso afirmativo estudiar el orden de consistencia.
Los mtodos de ADAMS.

Los mtodos de Adams pretenden aprovechar aproximaciones integrales
para el diseo de mtodos estables de orden de consistencia altos.
Todos los mtodos de Adams explcitos son de la forma
xi
xi
h af t i , x i
bf t i 1 , x i
... ,
mientras que en los implcitos tambin se evala
f ti 1 , xi
El diseo
de estos mtodos se basa en determinar los coeficientes a, b,... mediante

aproximaciones integrales.
Construccin de los mtodos de Adams.
Como veamos en el captulo anteriormente, al considerar el PVI dado
por
x' t i
x t0
f t i , x ti
t 0 , t1 ,..., t N .
x0
podemos integrar a izquierda y derecha la variable independiente entre

ti , ti
obteniendo:
x ti
x ti
ti h
ti
f s, x s ds.
Solo tenemos que aproximar la integral obtenida en el segundo

miembro. El problema es que la funcin x t
es desconocida y por tanto
tambin lo es f t , x t . La idea que da origen a los mtodos de Adams consiste

en establecer que una vez resuelto el PVI en realidad f t , x t
aproximar la integral
ti h
ti
f t
y en
f s ds mediante evaluaciones de la funcin en los
nodos de la particin, es decir

ti h
ti
f s ds h af t i
bf t i
... ,
si se pretende disear un mtodo explcito, mientras que si se pretende

disear un mtodo implcito,
ti h
ti
f s ds
h af t i
bf t i
... .
Escogeremos los coeficientes a , b ,... de forma que esta aproximacin

sea exacta para polinomios del orden ms alto posible. Estos coeficientes se
trasladarn a posteriori al mtodo. Es importante resaltar que las
aproximaciones integrales que vamos a hacer a continuacin tienen que ver
con la naturaleza de la funcin f t
pero no con el hecho de que el paso h sea
pequeo o con el valor concreto de
ti.
Es por esto que en el diseo de los
mtodos y por razones de simplicidad tomaremos
ti
y h 1. A modo de
ejemplo vamos a disear varios mtodos de Adams explcitos. Los mtodos de

Adams explcitos se denominan mtodos de Adams-Bashforth mientras que
los mtodos de Adams implcitos se denominan mtodos de Adams-Moulton.
Mtodo de Adams-Bashforth de un paso.
En este caso vamos a imponer que la aproximacin
1
0
f s ds af 0
sea exacta al menos para polinomios de orden 0, es decir para funciones

constantes. Para ello tomamos una base del espacio de polinomios de orden 0,
a saber 1 y evaluamos esta condicin sobre los elementos de esta base para
determinar el valor de
a.
1
0
1ds 1 a.
Obtenemos el mtodo de Euler explcito.

Mtodo de Adams-Bashforth de dos pasos.
Imponemos ahora que la condicin
1
0
f s ds af 0
bf
sea exacta al menos para polinomios de orden 1. Tomamos ahora una

base del espacio de polinomios de orden 1, a saber 1, t y evaluamos esta
condicin sobre los elementos de esta base:
para f t
t tenemos que
para f t
Los parmetros
ay
1 tenemos que
1ds 1 a b.
1
2
1
0
sds
a0
1.
b cumplen las siguientes ecuaciones:
a b 1
b
Por tanto a
1
.
2
1
y el mtodo que deducimos es el siguiente:
2
3
, b
2
xi
xi
3
f t i , xi
2
1
f t i 1 , xi
2
Mtodo de Adams-Bashforth de tres pasos.

Imponemos ahora que la condicin
1
0
f s ds
af 0
bf
cf
sea cierta al menos para polinomios de orden 2. Tomamos ahora una

base del espacio de polinomios de orden 2. En principio podemos utilizar la
base
1, t , t 2
y obtenemos un sistema de ecuaciones que nos permite
determinar los parmetros
a, b y c. Sin embargo es mucho ms
interesante considerar la base 1, t , t t 1
ya que obtendremos un sistema
triangular. Si evaluamos la condicin sobre los elementos de esta base:
para f t
para f t
para f t
1 tenemos que
t tenemos que
t t
tenemos que
sds
1ds 1 a b c,
1
2
a 0
5
6
1
0
s s 1 ds
a0
2.
b0
c 2.
Obtenemos el sistema triangular

a
c 1
1
b 2c
2
5
2c
.
6
cuya solucin es
5
, b
12
16
, y a 23 .
12
12
El mtodo obtenido es:
xi
xi
h
23 f t i , x i
12
16 f t i 1 , x i
5 f ti 2 , xi
Ejercicio 146.-
Deducir los mtodos de Adams-Bashforth de cuatro y cinco
pasos:
xi
xi
xi
xi
h
55 f t i , x i
24
h
1901 f t i , x i
720
Ejercicio 147.cuatro pasos.
59 f t i 1 , x i
2774 f t i 1 , x i
37 f t i 2 , x i
2616 f t i 2 , x i
9 f ti 3 , xi
1274 f t i 3 , x i
251 f t i 4 , x i
Deducir los mtodos de Adams-Moulton de dos, tres y
Ejercicio 148.-
Estudiar el orden de consistencia de los mtodos de
Adams-Bashforth y Adams-Moulton de dos y tres pasos.
Estudio general de los mtodos multipaso lineales.

Un mtodo multipaso lineal puede escribirse como
r
r
k
xi
k 0
Si
caso
f t i k , xi
con
k 0
0.
0 el mtodo se trata de un mtodo implcito, mientras que en el
0 el mtodo es explcito.
Nota: Todos los numricos de aproximacin de PVI que hemos visto son
lineales excepto los mtodos de Runge-Kutta.
Para el estudio de la consistencia y la estabilidad de los mtodos
multipaso lineales se definen los siguientes polinomios en el plano complejo:
r
zi
zi
zr
zr
r 1
zr
....
k 0
y
r
r 1
zr
....
k 0
A los polinomios
se les llama respectivamente primer y
segundo polinomio caracterstico asociado a un mtodo multipaso lineal.

Nota: En lo que sigue denominaremos a los mtodos multipaso lineales
como mtodos
Tenemos los siguientes resultados:
Teorema 51.
(Sobre la consistencia de los mtodos
es consistente si y solo si
Un mtodo
Teorema 52.
1.
):
es estable si todas las raices del polinomio
encuentran en el disco z
Un mtodo
'1
(Sobre la estabilidad de los mtodos
Un mtodo
Teorema 53.
0 y
):
se
1 y si todas las raices de mdulo 1 son simples.
(Sobre la convergencia de los mtodos
es consistente y estable es convergente.
):
Ejercicio 149.-
Probar
que
un
consistente si se verifican las

Ejercicio 150.-
mtodo
multipaso
condiciones
0 y
lineal
'1
es
1.
Estudiar la convergencia de los siguientes mtodos
multipaso:
xi
xi
xi
Ejercicio 151.-
xi
xi
h
fi
4
2 xi
xi
h
fi
3
8 fi
4 fi
3 fi
fi
Se considera el mtodo multipaso
2
f ti 2 , xi
3
f ti 1 , xi
2
f ti , xi ,
3
0,1,..., N 2,
para un mallado equiespaciado de N 1 nodos con paso h

y
0, siendo
nmeros reales.
Determinar los valores de
convergente.
para que el mtodo sea
Calcular el error local de truncamiento
a partir de su
definicin y deducir el orden de consistencia del mtodo.

Aplicar el mtodo anterior, con los valores de
obtenidos
en el apartado a) al problema de valor inicial
x ' 2 cos x
x0 2
0,1
se
obtiene
Obtener una cota explcita del error local
la
secuencia
xi
i 1,..., N
de truncamiento que se
obtiene en este caso.

a) Igual que en el apartado c) pero considerando ahora el problema de
valor inicial
x ' 2 cos x 2
x0 2
Ejercicio 152.-
0,1
1
fi
3
Estudiar si el mtodo
xi
xi
1
fi
3
4
fi
3
es consistente y en caso afirmativo estudiar el orden de consistencia.

Es estable?
Ejercicio 153.-
Probar que todos los mtodos de Adams son estables.
Ejercicio 154.-
Consideremos el mtodo multipaso
xn
Ejercicio 155.estable.
xn
Determinar
xn
1
h
2
fn
fn
de manera que el mtodo sea consistente y
Bibliografa Consultada
Aleman Flores, Miguel. Alvarez Leon, Luis. Sanchez Perez, Javier.
Analisis Numerico. Departamento de Informatica y sistemas. Universidad de
Las Palmas. Campus de Tafira. Las Palmas. Espana.
AllenSmith, W. Anlisis Numrico / W. Allen Smith Mxico: Prentice
Hall, 1988 608 p.
Aubanell,A. tiles bsicos de Clculo Numrico / Anton Aubanell,
Antoni Beneseny, Amadeu Delshams Espaa: LABOR MATEMTICAS
(Universitat Autnoma de Barcelona),1993 465 p.
Bernis Carro, Francisco; Malet, Antonio; Molinas, Cesar. (1983).
Matematicas,
Curso
de
orientacion
universitaria.
Editorial
Noguer,
S.A.Madrid. Espana.
Burden, Richard L.; Faires, J. Douglas. (1985). Analisis Numerico.
Grupo Editorial Iberoamericana S.A. de C.V. Mexico.
Chapra,
Steven
C.
Mtodos
Numricos
para
Ingenieros
(con
aplicaciones en computadoras personales) Steven C. Chapras, Raymond P.

Canale .Mxico: Mc. Graw Hill, 1990 -- 641p.
Franco, Neide. Calculo numerico. (493 paginas).
Galdos, L. (2004).Matematicas Galdos. Editorial Cultural S.A. Madrid.
Espana
Gerald, Curtis F. Whetley, Patrick O. (2000). Analisis numerico con
aplicaciones. Sexta Edicion. Pearson Educacion. Mexico.
Hoyo, Angel Manuel. (1998)Temas Selectos de Matematicas. Prentice
Hall. Mexico.
Jaluria, Yogesch Computer Methods for Engineering / Yogesch Jaluria
Estados Unidos: Allyn and Bacon. Inc. 1988, --529 p.
Kincaid, David. Anlisis numrico: Las matemticas del clculo

cientfico / David Kincaid, Ward Cheney.Estados Unidos: Addison-Wesley
Iberoamericana, 1991.718 p.
Merayo, Flix Garca Anlisis Numrico (ms de 300 ejercicios resueltos
y comentados) / Flix Garca Merayo, Antonio Nevot LunaMadrid: Paraninfo,
1992403 p.
Nakamura, Shoichiro Mtodos numricos aplicados con Software /
Schoichiro Nakamura Mxico: Prentice Hall, 1992 570 p.
Negron Marrero, Pablo V. Notas de Anlisis Numrico. Universidad de
Puerto Rico. Departamento de Matematicas.
Oteyza de Oteyza, Elena. Lam Osnaya, Emma. Hernandez Garciadiego,
Carlos. Carrillo
Scheid, Francis Mtodos Numricos / Francis Scheid, Rosa Elena Di
Constanzo Lorencez Mxico: Mc. Graw. Hill, 1991 709p.
Vargas S, Maria Leonor. (2000). Introduccion al Calculo Numerico.
Departamento de Ingenieria matematica. Facultad de Ciencias Fisicas y
matematicas. Universidad de Chile.
Velazquez Zapateiro, Jorge. Obeso Fernandez, Virgilio. (2007). Analisis
Numerico (Notas de clase). Ediciones Uninorte. Barranquilla. Colombia.

Análisis Numérico - Sergio Velasquez

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Análisis Numérico - Sergio Velasquez

Enviado por

Direitos autorais:

Formatos disponíveis

Sergio Velsquez-Ronny Velsquez

Fundamentos de Anlisis Numrico para

Fundamentos de Anlisis Numrico para estudiantes de Ingeniera

Depsito Legal lfi-085-2015-620-937

Errores inherentes ................................................................................... 12

Error numrico total ................................................................................ 13

Error porcentual ...................................................................................... 17

Criterio de convergencia. .......................................................................... 25

Diferencias Divididas ............................................................................... 44

Grfica de funciones, un mtodo para hallar intervalos. ............................ 59

Mtodo de Regula Falsi, Regla Falsa o Falsa Posicin ................................ 65

Mtodo de Newton modificado .................................................................. 82

EJERCICIOS DE CONSOLIDACIN ................................................................ 93

Mtodo practico para resolver un sistema no lineal por el mtodo de Newton

Operaciones con matrices ...................................................................... 122

Transposicin de matrices ...................................................................... 123

Resolucin de un determinante de 2 orden: ........................................... 130

Mtodo de determinantes ....................................................................... 137

EJERCICIOS DE CONSOLIDACIN ........................................................ 139

Sistemas Triangulares............................................................................ 148

Clculo de la matriz inversa ................................................................... 155

EJERCICIOS DE CONSOLIDACIN ........................................................ 158

Frmulas de Newton - Cotes ................................................................... 175

Regla de (1/3) de Simpson...................................................................... 182

ECUACIONES DIFERENCIALES ............................................................. 219

Los mtodos de Taylor.......................................................................... 242

La elaboracin de este libro de Anlisis Numrico, surgi de la necesidad

matemticamente y definen los contenidos desarrollados. Si bien la mayora

Algunos conceptos fundamentales

extremadamente complejos, pero en ltima instancia operan con nmeros

El anlisis numrico es el desarrollo y el estudio de procedimientos para

Ajuste de curvas a datos mediante la aplicacin de mtodos numricos

las calculadoras o las computadoras, que facilitan enormemente la ejecucin

en cada situacin, sean estos referidos a los errores tolerables o las

Al final, el objetivo de los Mtodos Numricos es simplemente resolver

de axiomas de la teora. La teora de modelos es la encargada de estudiar

normalmente son imposibles de resolver por mtodos analticos conocidos y la

, es una aproximacin a x, se define el error

En forma prctica puede representarse el valor verdadero con VV y el

El error absoluto de una suma es igual a la suma algebraica de los

5 - 2 = 3; diferencia entre las cantidades exactas.

5,3 - 2,1 = 3,2; diferencia entre las cantidades aproximadas.

Existen varias maneras de representar el error absoluto, una de las

, es una aproximacin a x, se define el error

En forma prctica, el error relativo se define como el cociente entre en

El error relativo de una suma de varios nmeros aproximados est

El error relativo de cada sumando es: 0,05; 0,02 y 0,06

nmeros tienen el mismo valor que la suma de los errores

relativos de los factores ms el producto de esos mismos errores.

El error relativo entre 5 y 5,3 es 0,06 El error relativo entre 10 y 10,2 es

0,06 + 0,02 + (0,06 x 0,02) = 0,06 + 0,02 + 0,0012 = 0,0812. Por

lo tanto cumple la condicin al tener la igualdad: 0.0812 = 0,0812

El error relativo del cociente de dos nmeros dados es igual a la suma o

Sean: 8,2 y 2,1 los nmeros aproximados y su cociente: 8,2/2,1 =

El error relativo es:

El error relativo entre 8 y 8,2 es

El error relativo entre 2 y 2,1 es 0,05

Estos errores se deben principalmente a aquellos datos obtenidos

Por medio de la serie de Taylor se evala la funcin exponencial, que

antes por lo que el error de redondeo se minimiza enormemente, aunque no se

irracionales las calculadoras y los computadores cortan los nmeros

que 5, entonces conviene dejar el nmero como 2.71828183, caso en el cual el

trminos absolutos es mucho menor que el anterior.